基于模糊熵的电力客户满意度评价模型

针对电力客户满意度评价问题,采用三角模糊数对定性指标进行处理,又采用熵评价的方法将信息质量反映到组合权中,最终结合层次分析法确定组合权重,从而改进了传统层次分析法确定权重的方法, 为定性层次评价问题提供了新思路。     

发达国家绿色电力推广的部分措施及启示

研究了美国、荷兰、丹麦、德国等发达国家绿色电力的推广情况,对其如何通过市场杠杆的调节作用推动绿色电力市场交易与技术进步进行了分析,对我国绿色电力发展提出相关建议。     

基于区块链的电网工程全寿命周期造价数据管理

电网施工地理位置复杂、跨越距离远、周期长等,涉及土建、电气、通信等不同领域,受外界环境、市场及人为等因素影响,造价变化频繁。为有效管理电网工程造价数据,提出基于区块链的造价数据管理方式。区块链的公开透明、不可篡改特点可实现造价数据的安全、真实、可靠管理,去中心化特点可实现造价数据灵活高效、共享使用管理,追溯特点可随时发现造价数据中存在的问题并及时处理。给出造价数据管理平台的节点组成、区块数据组成及施工过程中数据的交互性,设计了区块链数据平台架构。基于智能合约,实现造价数据全寿命周期的高效灵活管理方式,加密技术提高数据真实可靠性,不同数据分类存储方式提高共享使用灵活性,追溯方式提高数据质量。根据典型电网工程造价数据应用,验证所提区块链数据管理方式的有效性,节省了工程造价管理成本,加快了工程进度,提高了整个电网工程的经济性。     

基于RS和GA的动态模糊神经网络在短期电力负荷预测中应用

分析和探讨了粗糙集（RS）理论、遗传算法（GA）、模糊神经网络相结合的短期负荷预测方法。首先,对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息．最后用得到的属性作为模糊神经网络的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络DFNN（Dynamic Fuzzy Neural Network）,并采用具有全局寻优能力的遗传算法训练网络,克服了单纯BP算法易陷入局部最优解的缺点。用该方法与常用BP神经网络及Fuzzy法分别对某电网进行一周的日负荷预测．实例的对比分析表明了该方法收敛速度、预测精度和网络规模等方面都有较大改善。     

广义回归神经网络模型在短期电力负荷预测中的应用研究

介绍了广义回归神经网络(GRNN)的基本理论,指出其回归的实质就是对平滑参数的优化。考虑到常规差分进化算法容易“早熟,”全局寻优效率偏低,提出了基于优进策略的差分进化算法,利用种群繁衍的有用信息改进子代分布,并引入确定性寻优操作,实现了高效全局搜优。以推广能力作为优化目标,所建的GRNN有很强的非线性拟合能力和优良的预报性能,将其成功地为短期电力负荷预测建模,获得了满意的预测结果。     

灰色马尔可夫链在高峰负荷预测中的应用

用GM（1,1）模型预测短期负荷虽具有很好的精确性,但对于波动性较大的高峰负荷,它的预测精度比较低,而马尔可夫模型可以克服负荷波动较大的局限性。在此将二者结合起来形成灰色马尔可夫模型,并对山东某地区高峰负荷进行预测。应用表明,该模型切实可行,预测结果的精确度很高。     

挪威的能源可持续发展战略和借鉴

挪威是当今世界上最富有和环境保护最好的国家之一,其国家能源政策充分体现了本国的能源资源特点,也充分考虑了挪威在欧洲电力市场、欧洲油气能源市场及国际能源供应中的重要角色,并且十分注重能源生产和环境保护的协调发展,制定了能源、环境和经济社会的可持续发展战略。现阶段挪威能源政策以促进经济增长和保护环境可持续发展为核心,大力开发利用可再生能源和新能源、开发清洁能源技术、提高能源效率。     

基于灰色支持向量机的季节型负荷预测方法

季节型负荷具有增长性和波动性的二重趋势,并且呈现出复杂的非线性特征,同时又受到多种随机干扰因素的影响,难以用单一的预测模型做出准确的预测.提出一种基于粗糙集的灰色支持向量机预测系统,将该系统应用于季节型负荷预测中,与单一的GM(1,1)方法和BP神经网络法相比,得到了较高的预测精度.     

基于灰色神经网络法的高峰负荷预测

针对多个相关序列预测的问题,提出了灰色神经网络模型。考虑各序列数据之间的关系及各序列之间的关系,能一次得到多个预测值。利用神经网络对预测值进行校正,得到最终的预测值。实例表明,此种模型具有预测精度高、所需样本少、计算简便等优点,取得了满意的结果。     

基于组合权的企业信贷能力综合评价

在能源企业的信贷能力评价中,评价方法不仅要反映评价指标所传递的客观信息价值,还要考虑分析者对评价指标价值的主观判断。把反映主观判断和客观信息价值的权值结合起来形成组合权,并运用距离综合评价方法给出评价结果,使决策更符合实际决策过程。通过实例说明,该方法实用。