CN117808327A - 一种基于组合赋权关联分析的电能质量综合评估方法及系统 - Google Patents
一种基于组合赋权关联分析的电能质量综合评估方法及系统 Download PDFInfo
- Publication number
- CN117808327A CN117808327A CN202211159081.0A CN202211159081A CN117808327A CN 117808327 A CN117808327 A CN 117808327A CN 202211159081 A CN202211159081 A CN 202211159081A CN 117808327 A CN117808327 A CN 117808327A
- Authority
- CN
- China
- Prior art keywords
- power quality
- index
- weighting
- quality
- electric energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012098 association analyses Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 69
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 238000001303 quality assessment method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 17
- 238000010219 correlation analysis Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 4
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000012097 association analysis method Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于组合赋权关联分析的电能质量综合评估方法及系统,包括采用主观改进AHP和客观熵值法相结合的组合赋权法确定电能质量各单项指标的权重,既反映专家经验又能反映电能质量的实际情况,同时运用灰色关联分析法对电能质量进行综合评估,具体包括分析电能质量数据特征获取比较序列和指标权重标准序列,根据电能质量权重指标样板差异信息建立权重差值矩阵,通过灰关联度计算区域电能质量评估结果。本发明的优点是:实现简单,兼顾具体分析与整体概览的统一。算例证明该方法简单、实用,从整体上和动态上对区域电能质量进行综合评估,适合于多因素、多级管理的电能质量分析决策和评估。
Description
技术领域
本发明涉及一种基于组合赋权关联分析的电能质量综合评估方法及系统。
背景技术
风、光、水等可再生新能源正逐步降低人类对化石能源的依赖程度。世界范围内,欧盟、美国和中国等国家相继提出到2050年实现可再生新能源在能源供给结构中占比要达到100%、80%和50%~70%的激进目标,这都促进了分布式新能源站在用户侧的大规模普及。也会导致电能质量问题变得越来越突出,因为它不仅仅关系到用电设备运行的可靠性和安全性,而且还关系到供用电市场的规范化。它的产生可能来源于供电方的高比例了电力电子装备下的输配电系统,也可能来源于用户端的不合理用电,还可能来源于雷电等自然现象。
现有技术公开了关于利用组合赋权法来评估电能质量的方法,例如:公开号为CN109858758A的专利文献公开了一种配电网电能质量的组合赋权评估方法及系统,分别采用改进AHP法和改进熵权法确定电能质量指标的主观权重和客观权重;通过方差最大化的组合赋权法对主、客观权重进行综合评估,获得电能质量综合评价值结果。上述方案通过客观赋权与主观赋权组合赋权方式,既考虑了决策者的偏好得到的权重,又在一定程度上保证了决策的客观性;并结合方差最大化思想,以组合赋权方式使得到的各个方案评价值比较离散,有利于决策者更明确地做出相关决策。公开号为CN112101719A的专利文献公开了基于组合赋权法的电能质量指标权重确定方法,包括确定各个电能质量指标顺序,基于层次分析法完成各项指标主观权重的分析,运用专家调查法获得各项指标的主观权重,采用熵权法计算各项指标的客观权重,运用变异系数法按照各项指标在电能质量观测值变异程度对权重进行赋值,采用模糊算法考虑全部因素对电能质呈的好坏影响程度进行评价,求得综合权重。通过结合主观赋权的层次分析法与专家调查法,客观赋权的熵权法与变异系数法,建立基于组合赋权法的评估模型对权重进行优化处理,得到模型最优权重,采用模型进行电能质量分析。公开号为CN114862085A的专利文献公开了一种电能质量综合评估用的主客观分类组合赋权方法,用于电能质量综合评估中的权重计算,包括如下步骤:构造电网典型负荷集和典型设备集;计算得出典型负荷中典型设备的权重Mk;根据负荷分类的权重Mk对各项电能质量指标进行排序;利用电能质量指标排序结果,采取改进的层次分析法得出主观权重Wi;采取改进的熵权法得出客观权重Vi;利用主观权重Wi和客观权重Vi得出主客观组合权重,即综合权重Ai。利用分类组合赋权在保证用户主观性能得到体现的前提下极大地减少了主观成分;考虑了用户的偏好和需求,同时保证客观性,使得综合权重更加的准确,提高了赋权的正确性、合理性、科学性及有效性。由于权重计算是定量分析的基本计算过程,考虑单一权重会带来电能质量评价的不完整,因此,上述现有技术的显著缺点是:只是考虑将电能质量指标进行组合赋权,没有考虑从整体上和动态上对区域电能质量进行综合评估。
发明内容
本发明的目的在于克服上述不足,提供一种基于组合赋权关联分析的电能质量综合评估方法及系统,其解决如何将组合赋权形成的电能质量指标权重进行关联分析的技术问题。
为了实现上述目的,本发明采用的技术方案为:一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,包括:
获取电能质量样本数据,使用熵值法,通过无量纲化测量矩阵输出所述电能质量样本数据的各项指标信息熵值,按照所述电能质量样本数据的各项指标信息熵值计算各项指标的变异程度系数和加权系数,确定电能质量各项指标的客观权重系数;
基于AHP法的判断标度,通过构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量,并通过归一化处理得出电能质量的主观权重向量;
将所述电能质量各项指标的客观权重系数和所述电能质量的主观权重向量进行线性加权,得到电能质量各项指标的组合权重;
使用灰色关联分析法,通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,计算灰色关联度,以得到电能质量综合评估等级结果。
进一步地,所述获取电能质量样本数据,包括:将所述电能质量样本数据处理为对应的待评估分项指标值。
进一步地,所述基于AHP法的判断标度,包括:采用基于主观赋权的层次进行分析,获得判断标度。
进一步地,所述采用基于主观赋权的层次进行分析包括:将判断标度分为同等重要、稍微重要、重要、明显重要、强烈重要、极端重要6个等级。
进一步地,所述构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量包括:对所述待评估分项指标值进行两两比较处理。
进一步地,所述通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,是计算所述区域电能质量的比较序列和标准序列对应项的差值。
进一步地,计算灰色关联度包括:对所述区域电能质量的比较序列和标准序列对应项的差值进行关联度变换。
本发明的另一目的在于提供一种基于组合赋权关联分析的电能质量综合评估系统,其特征在于,包括:
第一获取单元,用于获取电能质量样本数据,使用熵值法,通过无量纲化测量矩阵输出所述电能质量样本数据的各项指标信息熵值,按照所述电能质量样本数据的各项指标信息熵值计算各项指标的变异程度系数和加权系数,确定电能质量各项指标的客观权重系数;
第二获取单元,用于基于AHP法的判断标度,通过构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量,并通过归一化处理得出电能质量的主观权重向量;
组合处理单元,用于将所述电能质量各项指标的客观权重系数和所述电能质量的主观权重向量进行线性加权,得到电能质量各项指标的组合权重;
生成处理单元,用于使用灰色关联分析法,通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,计算灰色关联度,以得到电能质量综合评估等级结果。
本发明的有益效果为:
实现简单,采用主观改进AHP和客观熵值法相结合的组合赋权法确定电能质量各单项指标的权重,既反映专家经验又能反映电能质量的实际情况,同时运用灰色关联分析法对电能质量进行综合评估,具体包括分析电能质量数据特征获取比较序列和指标权重标准序列,根据电能质量权重指标样板差异信息建立权重差值矩阵,通过灰关联度计算区域电能质量评估结果。兼顾具体分析与整体概览的统一。算例证明该方法简单、实用,从整体上和动态上对区域电能质量进行综合评估,适合于多因素、多级管理的电能质量分析决策和评估。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本发明的一种基于组合赋权关联分析的电能质量综合评估方法的流程图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明进一步详细描述。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若出现术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
在本专利的描述中,除非另有明确的规定和限定,若出现术语“连接”等指示部件之间的连接关系,该术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
请参照图1,本发明的一种基于组合赋权关联分析的电能质量综合评估方法,包括:
步骤S101,获取电能质量样本数据,使用熵值法,通过无量纲化测量矩阵输出所述电能质量样本数据的各项指标信息熵值,按照所述电能质量样本数据的各项指标信息熵值计算各项指标的变异程度系数和加权系数,确定电能质量各项指标的客观权重系数;
步骤S102,基于AHP法的判断标度,通过构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量,并通过归一化处理得出电能质量的主观权重向量;
步骤S103,将所述电能质量各项指标的客观权重系数和所述电能质量的主观权重向量进行线性加权,得到电能质量各项指标的组合权重;
步骤S104,使用灰色关联分析法,通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,计算灰色关联度,以得到电能质量综合评估等级结果。
作为具体的实施例,本发明的一种基于组合赋权关联分析的电能质量综合评估方法,它包括:
步骤1:用熵值法确定电能质量各项指标权重系数的步骤。
设有m个电能质量样本数据,记为S={S1,S2,…,Sm},有n个指标,记为X={X1,X2,…,Xn};设样本Si的分项指标值Xj的测量值bij均为“效益型”(若不是,则可通过规范化转化为效益型)。
步骤1.1无量纲化测量矩阵P=[bij]m×n,令
其中,i=1,2,…,m;j=1,2,…,n。
步骤1.2输出各电能质量指标的信息熵值hj为
当pij=0时,规定pijlog2pij=0,则有0≤hj≤1。
步骤1.3计算各电能质量指标的变异程度系数dj为
dj=1-hj (3)
其中,j=1,2,…,n。
步骤1.4计算各电能质量指标的加权系数为
生成W′=(w1’,w2′,…,wm′)为各电能质量指标的客观权重向量。
步骤2基于主观赋权的改进AHP电能质量评估。
步骤2.1建立一种新的指数标度。
首先将判断标度分为同等重要、稍微重要、重要、明显重要、强烈重要、极端重要6个等级。指数标度表的设置可参见表一示例。
表一
标度 | 标度定义 | 等级 | 标度 | 标度定义 | 等级 |
1 | E与F | 同等重要 | 3 | E比F | 明显重要 |
1.3161 | E比F | 稍微重要 | 5.1966 | E比F | 强烈重要 |
1.7321 | E比F | 重要 | 9 | E比F | 极端重要 |
若已知E对F和F对G的比较等级,则E对G的比较等级具有传递性。设稍微重要评分为λ,同等重要评分为1,重要评分为λ2,明显重要评分为λ4,强烈重要评分为λ6,极端重要评分为λ8,且有E:G=(E:F)/(F:G)。由于数字上的判断极限为9,应有λ8=9,即λ=1.3161(注:λ8以上的值均记为9),由此得出指数标度表。
步骤2.2构建判断矩阵
根据电能质量国家标准以及电能质量现状,将电能质量分2级评价,确定待评估电能质量待评估分项指标。待评估电能质量待评估分项指标如表二所示。
表二
电能设有n个待评估分项指标,以表二为依据,通过两两比较,建立判断矩阵A=(aij)n×n。
步骤2.3一致性检验
本发明采用一致性指标δCI来衡量一个标度的优劣,令
式中λmax为判断矩阵的最大特征根;n为矩阵阶数。
当随机一致性比率δCR<0.1时,认为层次单排序结果有较好的一致性,即
δCR=δCI/δRI<0.1
否则需要调整判断矩阵元素取值N维矩阵的随机一致性指标(δRI)。随矩阵结束增加而增大。
步骤2.4计算W”
求出最大特征值对应的特征向量,进行归一化处理,即得出通过改进AHP获得的主观权重向量W″。
步骤2.5将客观权重和主观权重进行线性加权,得到各电能质量指标的组合权重:
wj=αwj′+(1-α)wj″(6)
其中,j=1,2,…,m;α为影响因子,α∈[0,1]。各项指标的权重向量为W=(w1,w2,…,wm)。
步骤3基于灰色关联分析理论的区域电能质量综合评估
本发明中的灰色关联分析(GRA)是一种通过计算对象间的关联系数和关联度,从整体上和动态上定量分析对象间的关联程度和影响程度,以对系统作统观全局的、全貌的分析。GRA的评估步骤为:分析电能质量数据特征获取比较序列和标准序列;获取电能质量样板差异信息并建立差值矩阵;计算灰色关联度,具体步骤包括:
步骤3.1标准矩阵的构建
确定电能质量待评估的分项指标,以最理想的电能质量参数为其理想样本,如电压偏差,以(0,0)为(平均偏差,持续时间)的理想样本,其他分项指标类同。电能质量评估结果多以集合(优质,良好,合格,较差,很差)来描述,可根据电能质量国家标准限制各等级的标准样本。
步骤3.2数据矩阵的建立
设有n个指标值x1、x2、…、xn,对m-5个电能质量样本进行评估,无量纲化后形成数据矩阵C,如下式所示:
其中,Ci=(xi1,xi2,…,xin),i=1表示电能质量理想样本;i=2,…,5表示标准矩阵,i=6,7,…,m为第i个待评估电能质量数据样本。
步骤3.3绝对差矩阵的建立
计算式(7)中第一行(参考序列)与其余各行(比较序列)对应项的差值,形成差值矩阵Δ,如下式所示。
其中,Δ(i-1),j=aij-a1j,i=2,3,…,m,j=1,2,…,n。
步骤3.4与电能质量理想样本的关联度计算
对式(8)差值矩阵进行变换:
由此得到关联系数矩阵[ξi(j)](m-1)×n,i=1,2,…,m-1,j=1,2,…,n,ρ为分辨系数,一般在(0,1)内取值。
式(9)中ξi(j)表示第i个待评估样本第j个指标与标准样本第j个指标的关联程度,其值越大表明被评估样本越接近标准样本。当选择n个指标对样本数据评估时,每个样本数据可求出j个关联系数。根据j个关联系数ξi(j)以及每个指标的组合权重ωj,即可由式(10)计算出待评估样本与电能质量标准样本的关联度ri,即
其中,i=1,2,…,m-1,ωj(j=1,2,…,p)为第j个指标的组合权重,ri即反映待评样本与电能质量理想样本的关联度,其大小反映它们之间的接近程度,越小表示与理想样本越远,则表明越严重,即实现了电能质量的综合量化评估。此外,通过对ri(i=5,6,…,m-1)与r1、r2、r3、r4的大小比较以确定样本的电能质量等级。
根据本发明实施例的另一方面,本发明的一种基于组合赋权关联分析的电能质量综合评估系统,包括:
第一获取单元,用于获取电能质量样本数据,使用熵值法,通过无量纲化测量矩阵输出所述电能质量样本数据的各项指标信息熵值,按照所述电能质量样本数据的各项指标信息熵值计算各项指标的变异程度系数和加权系数,确定电能质量各项指标的客观权重系数;
第二获取单元,用于基于AHP法的判断标度,通过构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量,并通过归一化处理得出电能质量的主观权重向量;
组合处理单元,用于将所述电能质量各项指标的客观权重系数和所述电能质量的主观权重向量进行线性加权,得到电能质量各项指标的组合权重;
生成处理单元,用于使用灰色关联分析法,通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,计算灰色关联度,以得到电能质量综合评估等级结果。
本发明的有益效果为:
实现简单,采用主观改进AHP和客观熵值法相结合的组合赋权法确定电能质量各单项指标的权重,既反映专家经验又能反映电能质量的实际情况,同时运用灰色关联分析法对电能质量进行综合评估,具体包括分析电能质量数据特征获取比较序列和指标权重标准序列,根据电能质量权重指标样板差异信息建立权重差值矩阵,通过灰关联度计算区域电能质量评估结果。兼顾具体分析与整体概览的统一。算例证明该方法简单、实用,从整体上和动态上对区域电能质量进行综合评估,适合于多因素、多级管理的电能质量分析决策和评估。
上述说明示出并描述了本申请的若干优选实施例,但如前所述,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述申请构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求的保护范围内。
Claims (10)
1.一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,包括:
获取电能质量样本数据,使用熵值法,通过无量纲化测量矩阵输出所述电能质量样本数据的各项指标信息熵值,按照所述电能质量样本数据的各项指标信息熵值计算各项指标的变异程度系数和加权系数,确定电能质量各项指标的客观权重系数;
基于AHP法的判断标度,通过构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量,并通过归一化处理得出电能质量的主观权重向量;
将所述电能质量各项指标的客观权重系数和所述电能质量的主观权重向量进行线性加权,得到电能质量各项指标的组合权重;
使用灰色关联分析法,通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,计算灰色关联度,以得到电能质量综合评估等级结果。
2.根据权利要求1所述的一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,所述获取电能质量样本数据,包括:将所述电能质量样本数据处理为对应的待评估分项指标值。
3.根据权利要求1所述的一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,所述基于AHP法的判断标度,包括:采用基于主观赋权的层次进行分析,获得判断标度。
4.根据权利要求3所述的一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,所述采用基于主观赋权的层次进行分析包括:将判断标度分为同等重要、稍微重要、重要、明显重要、强烈重要、极端重要6个等级。
5.根据权利要求2所述的一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,所述构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量包括:对所述待评估分项指标值进行两两比较处理。
6.根据权利要求1所述的一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,所述通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,是计算所述区域电能质量的比较序列和标准序列对应项的差值。
7.根据权利要求6所述的一种基于组合赋权关联分析的电能质量综合评估方法,其特征在于,计算灰色关联度包括:对所述区域电能质量的比较序列和标准序列对应项的差值进行关联度变换。
8.一种基于组合赋权关联分析的电能质量综合评估系统,其特征在于,包括:
第一获取单元,用于获取电能质量样本数据,使用熵值法,通过无量纲化测量矩阵输出所述电能质量样本数据的各项指标信息熵值,按照所述电能质量样本数据的各项指标信息熵值计算各项指标的变异程度系数和加权系数,确定电能质量各项指标的客观权重系数;
第二获取单元,用于基于AHP法的判断标度,通过构建判断矩阵、一致性检验计算出电能质量最大特征值对应的特征向量,并通过归一化处理得出电能质量的主观权重向量;
组合处理单元,用于将所述电能质量各项指标的客观权重系数和所述电能质量的主观权重向量进行线性加权,得到电能质量各项指标的组合权重;
生成处理单元,用于使用灰色关联分析法,通过分析所述电能质量各项指标的组合权重的数据特征获取区域电能质量的比较序列和标准序列,确定序列间的差异信息并建立差值矩阵,计算灰色关联度,以得到电能质量综合评估等级结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211159081.0A CN117808327A (zh) | 2022-09-22 | 2022-09-22 | 一种基于组合赋权关联分析的电能质量综合评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211159081.0A CN117808327A (zh) | 2022-09-22 | 2022-09-22 | 一种基于组合赋权关联分析的电能质量综合评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117808327A true CN117808327A (zh) | 2024-04-02 |
Family
ID=90433912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211159081.0A Pending CN117808327A (zh) | 2022-09-22 | 2022-09-22 | 一种基于组合赋权关联分析的电能质量综合评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808327A (zh) |
-
2022
- 2022-09-22 CN CN202211159081.0A patent/CN117808327A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409628B (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
CN111898839B (zh) | 电力用户的重要程度分类方法及装置 | |
CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
CN110909983A (zh) | 一种主动配电网电能质量多维评估方法 | |
CN109389145A (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
CN106845777A (zh) | 案件工作量评价方法、法官业绩评价方法、建模方法、计算装置和计算机可读存储介质 | |
CN111598484A (zh) | 一种风光储系统电能质量综合评估方法 | |
Rufo et al. | Log-linear pool to combine prior distributions: A suggestion for a calibration-based approach | |
CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN112001644A (zh) | 一种配电网运行可靠性检测方法、装置、终端及存储介质 | |
CN114139940A (zh) | 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法 | |
CN115271238A (zh) | 一种变压器的寿命预测方法及装置 | |
CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
CN114897331A (zh) | 一种基于三参数区间灰数决策的电力变压器风险评估方法 | |
CN109389282A (zh) | 一种基于高斯混合模型的电能表生产厂商评价方法 | |
CN112381422A (zh) | 光伏电站性能的确定方法和装置 | |
CN112257900A (zh) | 一种基于结构方程的含分布式电源的配电网网架优化方法 | |
CN107644285A (zh) | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
CN111553434A (zh) | 一种电力系统负荷分类方法及系统 | |
CN117808327A (zh) | 一种基于组合赋权关联分析的电能质量综合评估方法及系统 | |
CN115730853A (zh) | 基于电力大数据的消费景气指数计算方法及系统 | |
CN109389281A (zh) | 一种基于高斯混合模型的采集终端生产厂商评价方法 | |
CN112633631B (zh) | 多电源系统互补性的评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |