差别电价及其对电力市场的影响

差别电价是政府倡导、电力行业试行的电力营销策略。本文从经济学原理出发,研究了差别电价的经济学基础和法规依据,并分析了差别电价制度对电力市场的影响,以期为差别电价的政策执行提供有益的借鉴。     

基于决策树算法的在线学习成绩预测

随着"互联网+教育"不断发展,在线学习已成为人们关注的热点.基于在线学习的学习行为数据来预测学生学习成绩,从而用于提前干预学生学习,是目前亟须解决的关键问题.本文首先收集学生在线学习的高维行为特征数据,对行为特征数据预处理后进行相关分析;随之,采用决策树C4.5算法构造成绩预测模型,通过模型预测学生成绩,与实际成绩对比...     

基于决策树算法的员工离职预测研究

人才是企业的核心竞争力,针对企业对员工离职意愿缺乏预见性,管理效果差的问题,提出将决策树模型应用于员工离职意愿预测。借助某企业的员工离职数据,通过特征探索,CART分类模型学习、参数调优等步骤搭建了模型。发现影响员工离职意愿的最主要因素是员工对企业满意程度。数据验证及ROC(AUC)曲线显示模型具有较好的实用价值。研究...     

上海电力市场的分析预测

电力工业是支撑国民经济和社会发展的基础性产业,它关系着国民经济命脉,同时又与人民日常生活密切相关。它关系着社会稳定,是现代化建设和生活必不可少的物质资料。近年来,随着市场经济体制的不断推进和深化,电力行业也进行了一系列的改革,如政企分开,厂网分开等等。随着全球气候变暖,上海的电力市场出现供不应求的局势,产生严重缺电局面。因此,以市场为导向,关注市场供需关系,对电力市场作好预测分析显得尤其重要。     

基于决策树的移动互联网用户付费意愿分析与预测

针对开放移动互联网下难以识别和跟踪潜在用户,无法提供更具个性化服务的状况,文章在传统决策树分类器的基础上,提取用户基础数据特征,引入感知模型分析处理用户行为数据,提出一种基于决策树的移动互联网用户付费分类预测方法。该方法强化用户感知对付费行为的影响,利用决策树建模进行分类并最终作出付费预测,根据模型结果探究付费影响因素,从运营者角度思考如何提高用户的付费意愿。     

基于决策树的数据挖掘技术在电信用户流失预测的应用与研究

中国通信业进入21世纪后,已经从20世纪末期的高速增长期进入了一个增长速度相对较缓的稳步增长期。一方面,随着有实力的国内外运营商通过各种方式不断渗透或加入到通信市场,行业内部竞争日趋白炽化;另一方面,消费者面对的移动通信服务选择愈来愈     

基于实时电价预测的智能家居器具优化调度

针对家庭器具优化调度中电价预测误差高和用户舒适度衡量偏差大的问题,提出了一种基于小波、微粒子群和自适应神经网络模糊推理系统(Wavelet-PSO-ANFIS,WPA)电价预测的家庭器具优化调度算法。并在该算法中针对器具运行时长不同的问题,提出了一种新颖的相对量化舒适度的方法。仿真结果表明,此电价预测方法在不牺牲计算复杂度的基础上提高了预测精度,文中所提出算法,不仅可以权衡用户的用户支付和不满意度,还可以降低系统的峰均比。     

决策树算法在模块故障预测中的应用

某型波束控制处理器是应用于某课题的一种故障率较高的控制电路板,其故障定位主要依靠专业人员的经验。针对该模块故障定位准确率不高的问题,提出一种基于ID3决策树算法的故障预测方法。通过对已有的故障定位记录进行梳理,建立特征工程、计算属性分类信息熵、递归建立决策树,得到故障预测的最优决策树模型。实验分析表明,基于ID3决策树的故障预测方法充分发挥了计算机的计算优势和机器学习算法的数据挖掘能力,对故障的分析定位预测准确率超过86.5%。     

国际漫游清算技术

本文首先介绍了国际漫游清算的重要性,分析了国际漫游清算的关键技术,并对漫游清算的核心——数据清算标准系统进行了详细的探讨,接下来对中国移动国际漫游支撑现状进行了简单说明,最后对国际漫游的未来提出展望。     

Forecasting Winning Bid Prices in an Online Auction Market - Data Mining Approaches

To solve information asymmetry problem on online auction, this study suggests and validates a forecasting model of winning bid prices. Especially, it explores the usability of data mining approaches, such as neural network and Bayesian network in building a forecasting model. This research empirically shows that, in forecasting winning bid prices on online auction, data mining techniques have shown better performance than traditional statistical analysis, such as logistic regression and multivariate regression.     

Forecasting Winning Bid Prices on an Online Auction Market - Data Mining Approaches -

To solve information asymmetry problem on online auction, this study suggests and validates a forecasting model of winning bid prices. Especially, it explores the usability of data mining approaches, such as neural network and Bayesian network in building a forecasting model. This research empirically shows that, in forecasting winning bid prices on online auction, data mining techniques have showed better performance than traditional statistical analysis, such as logistic regression and multivariate regression.     

基于粗糙特征量的短期电力负荷预测

针对负荷特征一直是实际电力负荷预测中的重大问题。提出了基于粗糙特征量的约简算法。通过对天气及负荷历史数据进行挖掘,找到负荷的关键特征,并与径向基网络结合建立了负荷预测模型。算例结果表明,与按经验选取输入的传统网络相比,预测准确度有了明显的提高,更适用于电力负荷预测。     

电力市场环境下系统运行安全性的优化问题

保障合理的系统运行安全性有利于总体电价的降低。对于不同的市场体制,提出了基于社会效益最大化和在不影响电网公司用户经济利益前提下的电网公司效益最大化两种安全性优化方法的数学模型,并给出了一种简化实用算法。在新的辅助服务优化模型中,网络结构、运行方式、辅助服务价格、停电损失、切负荷赔偿价格及所考虑的安全性校验措施等因素均将对辅助服务的购买产生影响,从而影响系统运行的安全性。经仿真验证,该方法是可行的。     

浅析如何提高电力市场客户满意度

电力是经济发展的动力,电力供应更是现代生活的基石。电力产品的特点是：能持续供应,集无形、无法包装、产销一致性和不断性于一体。随着我国经济的发展,电力买方市场也必将出现。电力企业必须以自己优质的服务来提高顾客满意度,因此电力营销的理念为：以客户满意度为核心。     

基于Elman神经网络的电力负荷预测模型研究

为提高电力负荷预测精度,文章采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。     

电力系统负荷预测方法综述

电力系统负荷预测关系到电力系统的调度运行和生产计划,准确的负荷预测有助于提高系统的安全性和稳定性,能够减少发电成本。随着电力市场的建立和发展,短期负荷预测将发挥越来越重要的作用。文中系统分析了电力系统负荷预测的相关方法,包括传统负荷预测方法、基于人工智能的负荷预测方法、时频分析的动态预测方法以及动态过程描述的负荷预测方法,对各种不同方法的基本原理和优缺点进行了描述。最后,文中认为实用的负荷预测方法应该是结合各种预测模型优点的组合方法。     

Wind Power Pattern Forecasting Based on Projected Clustering and Classification Methods

A model that precisely forecasts how much wind power is generated is critical for making decisions on power generation and infrastructure updates. Existing studies have estimated wind power from wind speed using forecasting models such as ANFIS, SMO, k‐NN, and ANN. This study applies a projected clustering technique to identify wind power patterns of wind turbines; profiles the resulting characteristics; and defines hourly and daily power patterns using wind power data collected over a year‐long period. A wind power pattern prediction stage uses a time interval feature that is essential for producing representative patterns through a projected clustering technique along with the existing temperature and wind direction from the classifier input. During this stage, this feature is applied to the wind speed, which is the most significant input of a forecasting model. As the test results show, nine hourly power patterns and seven daily power patterns are produced with respect to the Korean wind turbines used in this study. As a result of forecasting the hourly and daily power patterns using the temperature, wind direction, and time interval features for the wind speed, the ANFIS and SMO models show an excellent performance.     

基于气象因素敏感模型的短期电力负荷预测

为了充分考虑地区电网短期负荷易受气象因素影响的特点,提出了一种具有天气敏感性的基于快速BP算法的神经网络预测模型,模型中合理地考虑了影响负荷变化的主要气象因素,使其能够适应天气的变化。通过对咸阳地区电网的仿真预测,证明了天气因素敏感模型应用于地区电网短期负荷预测后使预测精度明显提高,故建立的模型是可行和有效的。     

基于联想神经网络算法的电力系统负荷预测

基于神经网络可以模仿人脑进行智能化信息处理,对大量非结构性、非确定性规律具有自适应功能,将人工神经网络的预测原理应用于电力系统负荷预测中。分析了负荷预测的基本概念,以及基于神经网络的预测原理中正向和逆向建模的基本结构,研究了联想神经网络优化算法。设计了电力系统负荷预测模型,并对系统进行仿真测试,试验结果表明,基于联想神经网络优化算法的电力系统负荷预测具有提高预测精度的效果。