基于大数据分析的电力客户服务需求预测

针对电力市场随机性、多变量和时变性的特点导致电力客户服务需求预测值不准确的问题,提出了一种基于大数据分析的电力客户服务需求预测方法.该方法依托于贵州地区的智能电网大数据,从区域商业价值和区域宏观经济角度来采集数据并通过挖掘其中的关联信息,建立了电力客户的细分模型;并在客户细分模型的基础上,使用BP神经网络算法建立了电力客户的需求预测模型.在Matlab平台上的仿真与测试结果表明,所提出的方法能帮助电网公司更好地理解客户行为和服务需求,制定营销策略.     

基于大数据分析的电力客户服务需求预测

针对电力市场随机性、多变量和时变性的特点导致电力客户服务需求预测值不准确的问题,提出了一种基于大数据分析的电力客户服务需求预测方法.该方法依托于贵州地区的智能电网大数据,从区域商业价值和区域宏观经济角度来采集数据并通过挖掘其中的关联信息,建立了电力客户的细分模型;并在客户细分模型的基础上,使用BP神经网络算法建立了电力客户的需求预测模型.在Matlab平台上的仿真与测试结果表明,所提出的方法能帮助电网公司更好地理解客户行为和服务需求,制定营销策略.     

智能组合预测法在短期电力负荷预测中的应用研究

提出将Kohonen网络、Elman神经网络和遗传算法结合起来建立一种智能组合预测模型,此模型能够综合各种单一预测模型的优点,内在结构随时间的推移不断变化,符合电力负荷的特点,提高了负荷预测的精度.文中给出了三种网络模型进行短期电力负荷预测的仿真结果比较,从而验证了智能组合预测模型的合理性和良好的应用前景.     

基于主成分分析法和BP神经网络的银行客户信用评价

为了加强商业银行对客户信用风险的事先控制,降低银行运营风险,需要对客户按信用等级进行分类,以便执行不同的信用风险控制策略。文中基于主成分分析法和BP神经网络法,建立了客户信用评价模型。结果表明,利用此信用风险评价模型能够准确地判断银行客户所处的信用等级,具有广泛的适用性。     

一种基于 CPN 网络的分布式粒子群优化算法

CPN（Computing Process Node,计算处理节点）网络是群智能建筑平台系统的基础网络。CPN 网络中,每个 CPN 节点只能和它邻接的 CPN 节点交换数据,而 CPN 节点之间连接与否依赖于其代表的空间区域是否相邻或代表的建筑设备单元是否物理连接。以 CPN 网络数据交换方式为约束,本文提出了基于 CPN 网络的粒子群优化算法分布式实现的数据交换策略和粒子位置更新策略,设计并实现了运行于 CPN 节点中、全部 CPN网络上的分布式粒子群优化算法。实验表明,基于所提出数据交换策略和粒子位置更新策略实现的分布式粒子群优化算法可以快速、有效地收敛。     

改进粒子群算法在中长期电力负荷组合预测模型中的应用

为提高电力负荷预测的精度,提出了基于改进粒子群算法的电力负荷组合预测模型求解方法.该方法以回归分析、比例系数、灰色模型为基础建立负荷组合预测模型,利用改进粒子群算法优化组合预测模型的权值,并与单个预测模型进行比较.预测结果表明,基于改进粒子群算法的电力负荷组合预测模型运算速度快,预测精度高,相对误差小.     

基于OLAP技术的电力客户能效评估模型

为了提高电力客户的能源利用效率,基于OLAP技术建立了电力客户能效评估模型.通过介绍和分析OLAP技术的概念与工作原理,确定评估模型的状态因素集合,设计了电力客户能效评估的指标体系,同时引入下钻和上卷等数据处理方法,建立了电力客户的能效评估模型.使用原始能效数据,对能效评估模型进行了理论性评估和分析.结果表明,该评估模型理论上可以明显评估客户电能使用的科学性,实现节约能源和降低污染的目的.     

基于OLAP技术的电力客户能效评估模型

为了提高电力客户的能源利用效率,基于OLAP技术建立了电力客户能效评估模型.通过介绍和分析OLAP技术的概念与工作原理,确定评估模型的状态因素集合,设计了电力客户能效评估的指标体系,同时引入下钻和上卷等数据处理方法,建立了电力客户的能效评估模型.使用原始能效数据,对能效评估模型进行了理论性评估和分析.结果表明,该评估模型理论上可以明显评估客户电能使用的科学性,实现节约能源和降低污染的目的.     

基于组合电力负荷预测模型的电力经济调度研究

根据武汉地区近10 a电力负荷使用情况对武汉供电公司电力负荷预测进行研究,以此为经济调度及负荷管理提供依据.选用基于GM(1,1)模型和一元线性回归法的组合负荷预测模型.对武汉地区每月最大负荷进行预测;算例证明组合预测模型有效提高了电力系统负荷预测能力,且证明了该组合电力预测模型对发电量预测同样具有可行性.     

基于PSO-Elman神经网络的短期电力负荷预测

为了解决BP神经网络在短期电力负荷预测中存在局部极小、收敛速度慢等问题,本文采用粒子群算法(Particle Swarm Optimization,PSO)优化Elman动态神经网络进行精准预测。根据输入输出参数个数确定Elman神经网络结构,利用PSO算法优化网络的权值和阈值,并将优化后的最优个体赋给Elman动态神经网络作为初始权值、阈值进行网络训练,从而建立基于PSO-Elman的电力负荷预测模型。采用某钢厂实测电力数据对该方法和模型进行验证,并与传统的BP、Elman网络模型预测方法进行对比,结果表明该方法和模型在有效缩短网络收敛时间的同时,具备更高的负荷预测精度和稳定性。     

对偶传播网络解决多元确知信号检测

针对利用匹配滤波器设计相关接收机可以实现二元确知信号检测,但对多元确知信号,该方法的门限值的选择与判决变得复杂的情况,将对偶传播网络(CPN)作为一种竞争型神经网络,通过对期望输出编码,实现多元确知信号的检测,较好地解决了门限值的选择与判决复杂的问题。由于CPN采用内星权和外星权的网络结构,仿真中采用信号的期望和方差作为神经网络的输入,收敛速率比采用采样点作为网络输入要快。仿真结果证实了该方法的有效性。     

基于Hopfield网络的商业银行信用风险评价系统

商业银行的信用风险包括流动性风险、投资风险及信贷风险.在对信用风险深入分析的基础上,通过Hopfield神经网络模型的设计,可将典型的风险模式贮存于网络中.根据初始的输入模式,利用其联想功能,能够对商业银行信用风险进行客观的评价,结果简单明了.     

电流型变流器SVM技术简化算法研究

为了改善电流型变流器(CSC)的控制性能和提高控制系统的实用性，提出了一种基于反向传播神经网络（CPN）结构的空间矢量调制(SVM)技术（CPN-SVM）实现方法.该方法利用CPN的竞争学习机制，将变流器的6个非零开关矢量构成CPN的输入层,根据CPN竞争层中的胜者选择每一个采样时刻作用的开关矢量，并确定此时参考电流矢量所在的扇区，同时采用胜者的线性组合来计算SVM中所选择的开关矢量的作用时间.结果表明，与传统SVM相比，CPN-SVM避免了计算正弦函数非线性运算，大大缩短了计算时间，从而缩短最小采样周期，提高了整个系统的传输带宽，同时降低了控制系统的软硬件成本.     

用CPN网络实现的自学习模糊控制器

采用计数传播网络（CPN）作为框架,结合一种简单的模糊控制算法（SFCA）,实现模糊神经元控制。这种方法有能力自组织、自学习控制过程所需的控制知识,控制规则库初始为空,逐渐地被自构造,来满足预先设定的性能要求。方法能实现任意维控制规则库的自学习。仿真研究体现了系统的适应能力、学习能力和推理能力。     

支持向量机在短期用水量预测中的应用

针对基于经验风险最小化的神经网络存在模型结构较难确定和过学习的问题,根据时用水序列具有周期性和趋势性的特点,建立了基于支持向量机的时用水量预测模型.支持向量机采用结构风险最小化准则,在最小化学习误差的同时缩小模型泛化误差的上界,因此具有较强的泛化能力.此外,支持向量机通过将机器学习问题转化为二次规划问题,可获得全局最优解.实例分析结果表明,与基于BP网络的预测模型相比,基于支持向量机的时用水量预测模型建模速度更快,预测精度更高.     

顾客让渡价值与企业价值双赢的模式和方法

通过对顾客让渡价值的概念和内涵的阐述，对企业提升顾客让渡价值的重要意义的分析，指出了多方位提升顾客让渡价值，也可以使企业价值达到最大化．建立了顾客让渡价值与企业价值双赢的模式，最后根据价值工程学提出了建立价值双赢互动机制的方式方法．     

基于不同神经网络模型的冷凝器两相换热量的研究

在混合工质下利用4种神经网络模型(反馈神经网络模型(BP)、遗传神经网络模型(GA - BP)、极限学习机网络模型(ELM)和递归神经网络模型(RNN))预测了板式换热器的换热量(含相变换热).结果显示:热源温度为30、40、50 ℃时,GA - BP神经网络模型的平均绝对误差(MAE)、平均相对误差(MAPE)和均方根误差(RMSE)均小于其他3种神经网络模型,且与实际值接近.该结果表明,GA - BP神经网络模型比其他3种神经网络模型更适用于预测板式冷凝器的换热量(含相变换热).     

顾客需求不完全流失的服务水平研究

在库存决策的研究中引入了顾客等待的忍耐值,并建立了面对缺货状态顾客需求不完全流失的服务水平模型,分析了顾客等待的忍耐值对库存成本的影响。与传统模型不同,新模型的建立考虑了顾客面临缺货时的选择,更为真实地反映了现实的购买行为。顾客等待忍耐值在该模型中的引入体现了顾客需求的时间价值,为企业基于在时间的竞争中作出合理的库存决策提供了新的思路。     

基于GA-BP和GA-RBF网络的结构损伤识别

首先指出了当人工神经网络算法解决结构工程实践问题时,网络结构本身所面临的缺陷;然后描述了人工神经网络和遗传算法的概念,从理论和实例上说明了运用遗传算法优化和改进神经网络结构的可行性,以结合二者的长处解决工程实践问题;接着详细阐述了如何利用遗传算法优化或改进BP(B ack P ropagation)网络模型和RBF(R ad ia l B as is Function)网络模型,以及如何利用遗传优化BP网络和遗传优化RBF网络模型分析结构损伤,进而比较遗传BP网络和RBF网络在结构损伤分析方面的性能。     

活性污泥工艺BP神经网络模型的软件实现

应用神经网络可以利用历史数据,迅速、准确地建立起系统的预测和控制模型。本文作者用Visual Basic语言编写了活性污泥工艺BP神经网络软件,该软件由训练模块、测试模块组成,最终生成可用的BP网络模型。经测试验证,该软件能够实现活性污泥工艺过程的预测和自动控制的建模,具有良好的可操作性和通用性。