基于DEA和相对势的电能计量装置改造后评价

结合数据包络分析(DEA)方法和相对势模型,提出了一种评价多个电能计量装置改造项目综合效益的方法.该方法在建立好评价指标体系的基础上,利用DEA模型对待评项目的有效性进行初步评价,并对无效率的改造项目作投影分析;运用相对势模型对各电力部门未实施计量装置改造项目时的状态进行二次评价,分别计算出综合相对势并排序比较;通过对两次评价结果的评判和分析找出真正效率低下的改造项目,提出相应的改进方向和途径.实例的评价过程及结果证明了该方法的可行性和有效性.     

基于虚拟变量与时间序列法的电量需求预测

在使用时间序列法预测电量需求的过程中,引入虚拟变量,量化关键不确定性因素对电量需求的影响,构建基于时间序列法和虚拟变量法的预测模型。该模型能够对参与回归的电量数据进行较好的平滑处理,从而更好地拟合电量需求的变化趋势。算例分析表明,使用该模型预测电量需求的准确性较高,在实际工作中具有可行性和有效性。     

基于效用最大化的承包商行为分析及规范对策

将承包商的质量行为分为正向和负向两类.基于效用理论,建立承包商实施这两类行为的效用现值模型,通过求解和分析,得出其行为选择的动因和防范其选择负向行为需要满足的条件.在此基础上,从监督力度、努力程度和贴现因子3个角度,研究了规范承包商行为的对策.结果表明监督方应实施间接监督;工程质量奖应有确定的范围;政府和业主应引导承包商看重长远利益,并在选择承包商时更重视其信誉和业绩.     

基于膜聚类的改进极限学习机在短期负荷预测中的应用

针对历史数据样本存在无效性影响预测精度和极限学习机的输出随机性、稳定性较差的问题,提出了一种模糊膜聚类算法与改进极限学习机相结合的组合预测方法。考虑负荷自身特征、天气温度及日类型等指标,利用模糊膜聚类算法选取出与预测日具有相似特性指标的负荷数据作为负荷预测日的输入样本,运用经过粒子群算法及隐含层神经元个数遍历法改进后的极限学习机进行预测。试验结果表明,所提方法对两个地区的某日负荷进行预测时降低了预测误差,提高了短期负荷预测的准确性。