大用户直购电探讨

通过对大用户直购电的优点、存在的问题及应具备条件的分析，指出应构筑的几个方面。     

大用户直购电项目风险管理研究

在介绍当前我国售电侧市场开放,大用户直购电管理现状基础上,强调风险管理在大用户直购电项目实施中的重要性,分析了大用户直购电风险识别、风险衡量、风险控制、风险评估基本概念以及电网公司风险管理过程和方法。     

大用户购电组合策略研究

针对大用户在多个市场上的购电组合问题,综合考虑大用户购电量及现货市场电价的随机性,从预期购电成本和风险的角度分析了大用户购电最优组合策略。以大用户在长期合同市场及现货市场中购电为研究对象,同时考虑了自备电厂及可中断负荷的作用,借鉴现代投资组合理论中的Markowitz 模型,建立了大用户购电成本及风险最小的双目标优化模型,推导出购电组合的有效前沿。最后通过算例对上述模型进行了验证。     

大用户直购电试点工作的分析探讨

论述了我国开展大用户直购电试点工作的发展历史及现状,分析了目前大用户直购电试点工作中存在的问题,在此基础上提出了大用户直购电交易中心的交易模式,以期促进大用户直购电工作的健康发展。     

上海地区大用户直购电典型用户购售价格空间的实证分析

提出了购售电价格空间的概念及模型,通过对上海地区典型大用户直购电的实证分析,计算了典型大用户直购电的购售电价格空间,论证了上海地区开展大用户直购电的可行性.     

电力市场中大用户直购电交易模式及算法研究

提出了大用户直购电交易的2种模式,即协商式的双边交易模式和撮合式的集中竞价交易模式,并分析了在省内和区域平台上开展大用户直购电交易的利弊。对涉及到的交叉补贴问题进行了重点研究,提出了可以通过用户缴纳附加费用和计入输配电价2种方式收取交叉补贴的思路。最后设计了交易规则和交易算法。上述研究可为推进我国大用户直购电交易工作提供重要参考。     

我国大用户直购电现状及政策分析

大用户直购电是我国电力市场改革和建设的重要内容之一,通过总结其试点发展历程和试点模式,并结合近期国家主管部门出台的一系列相关政策进行分析;研究相关政策对于大用户直购电试点及电力市场各相关方所产生的影响,并针对所存在的问题提出了建议。     

基于时序特征的图卷积协同过滤推荐算法

基于图卷积神经网络的协同过滤推荐算法框架是目前最先进的推荐算法框架,该框架在用户-项目交互嵌入向量的特征学习中并未关注交互发生的时序性,但实际情况中,用户-项目交互普遍具有明显的时序特征,且是影响推荐性能的重要因素。因此,本文提出一种基于时序特征的图卷积协同过滤推荐算法,重做多个数据集,保留数据集时序特征等原始信息,总结归纳数据集中用户-项目交互的历史时序信息,并对其进行参数化处理,作为重要特征输入到图卷积网络模型训练的高阶协同信号传递中。在三个公开的官方数据集Gowalla,Yelp和Amazon-book上设置多组消融性实验,采用公认的评价指标ndcg和recall对推荐算法性能进行评价,实验结果证明,在同样参数设置下,基于时序特征的图卷积协同过滤推荐算法性能超越了现有同类型图卷积协同过滤推荐算法,验证了时序特征对提升推荐效果的积极作用,提高了模型训练效率和预测命中率,更加高效地解决网络信息过载问题,满足了更高的应用需求。     

大用户直购电模式对电网企业的影响

大用户直购电在我国已试点多年,但各界却一直对其存在争论．本文结合目前大用户直购电试点情况,从电网企业效益、电网建设投资、电力电量平衡、电力资源配置等几方面深入剖析了大用户直购电模式对电网企业可能的影响,并结合实际,从制定输配电价、明确相关补贴、过网费收取等六个方面提出了较为详细可行的建议,为电网企业应对解决大用户直购电过程中的有关问题提供了借鉴和参考．     

基于改进协同过滤算法的电力营销渠道引流策略

电力企业在数字化转型过程中,打造多渠道服务体系,充分利用“互联网+实体渠道”的方式,可以有效降低企业运营成本,为客户提供更加便捷、高效的服务。在上述背景下,提出了一种基于改进协同过滤算法的电力营销渠道引流策略,首先构造客户-属性数据矩阵,采用矩阵分解算法对原始客户属性矩阵中的缺失数据进行恢复,利用K-means算法对客户属性进行聚类。然后,利用客户混合类型属性相异性度量,通过基于用户的协同过滤推荐算法,寻找目标客户的K-最近邻矩阵,并制定出差异化的引流策略。最后以10万条缴费工单数据为例,分析了客户属性矩阵填充、不同度量方法与最近邻数目对引流准确率的影响,验证了所提算法的有效性和可行性。     

一个解决协同过滤推荐系统相关问题的新算法

针对大数据应用中用户协同过滤推荐系统存在的扩展性与稀疏性问题,提出融合奇异值分解与聚类的 SBK-CF算法。算法采用改进的皮尔逊相似度度量用户间的相似度,通过对降维后的用户进行聚类,并遍历用户的最临近簇生成推荐列表。实验结果表明,提出的算法能够有效完成个性化推荐,在一定程度上解决用户协同过滤推荐系统中存在的扩展性与稀疏性问题。     

基于用户行为分析的视频推荐算法研究

视频推荐属于互联网推荐系统的应用之一,传统的互联网推荐技术中,协同过滤技术是应用最多和最广泛的.但是区别于其他内容的推荐,(如文本信息、音乐、Web网页以及电子商务领域的推荐等)视频内容的数据量偏大,在推荐的时效性上存在很大的缺陷.较大的视频数据使得算法的时间和空间复杂度较大,推荐效果不佳.根据这一特点,提出了一种基于用户行为信息分析的视频推荐.该方法充分挖掘用户行为信息,以用户行为信息代替视频内容大数据作为推荐的数据集,可以将用户可能感兴趣的视频内容主动推送给用户.实验结果也验证了文中提出的方法的有效性和高效性.     

基于用户特征聚类的综合能源套餐推荐方法

针对庞大的综合能源用户群体在购买能源服务套餐时难以选择的问题,提出一种基于用户特征聚类的综合能源套餐推荐方法,以提高用户粘性。首先,将收集的综合能源用户信息进行知识图谱构建,对缺失的用户信息进行补充完善,同时分析用户之间的关系。然后,采用谱聚类的方法对构建好的用户知识图谱进行图谱分割聚类,进行用户之间的相似度计算,提取代表综合能源用户用能行为多样性的兴趣特征。最后,通过随机森林模型计算综合能源用户对各能源服务套餐的预测评分,将预测评分进行排序后,取评分最高的部分套餐通过线上平台为用户呈现套餐服务内容,实现对用户的精准推荐。将所提套餐推荐模型与传统推荐模型进行比较分析,结果表明基于用户特征聚类的综合能源套餐推荐方法能够为综合能源服务公司实现有效的用户精准化能源服务推荐,有利于提升能源服务公司的市场竞争力,同时为电力企业向综合能源服务提供商转型提供技术支撑。     

基于Spark平台的推荐算法研究

传统的推荐系统无论是在处理效率还是推荐准确度上都有一些不足之处,Spark作为新一代的数据处理的分布式框架,在数据处理效率上相较于hadoop有飞速的提升。主要针对Spark平台上的主流推荐算法ALS算法只考虑隐含信息而忽略了相似度信息的缺点展开研究,目的是进一步提高ALS算法的推荐精确度。通过将用户的相似度信息加权到ALS算法评分预测的公式中对ALS算法进行改进,并在Spark平台上使用MovieLens数据集验证改进前后的ALS算法的均方根误差(RMSE)值。实验证明,改进后的ALS算法的RMSE值更小,推荐的精度更高。     

An optimized collaborative filtering method to construct spatial‐temporal behavior pattern‐based user interest model

Mobile social network (MSN ) has properties of real time, mobility, and social relationship, and provides more real‐time, more dimensional, and more heterogeneous metadata. The traditional user interest models represent mobile users' interests unsatisfactorily because of these inherent characteristics. This paper aims to combine the characteristics of mobile social networks appropriately to build a user interest model effectively for representing user interests. The constructed model is supposed to enable users to filter uninterested information, to provide personalized mobile service, to solve information overload, and to gain a good user experience. In order to realize these, first, we explore various issues of the traditional user interest model, and analyze the numerous problems in using traditional models to represent mobile user interests. Then a user spatial‐temporal behavior pattern in conjunction with mobile personalization attributes and context information is proposed, which is followed by a proposal of a user interest model to represent user interests. Second, we introduce a hybrid collaborative filtering method based on users and subjects to calculate user interests and to build the user interest model, considering the user interest extensive degree, the subject popularity, as well as the user influence. Finally, a model construction algorithm is proposed based on the user's spatial‐temporal behavior pattern. Experimental results show that the proposed model can represent user interests effectively under the mobile social network. Furthermore, it is verified that the adaptability and accuracy of the construction algorithm are significantly improved by considering the user interest extensive degree, the subject popularity, and the user influence. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

一种基于信息融合的滤波算法研究

针对GPS接收机在高机动工作状态或受遮挡时易出现"丢星"现象而导致定位中断的问题,提出了一种采用INS/GPS/DVS组合导航系统对载体进行快速定位、定向的新方法.为了研究平台式惯导INS、全球定位系统GPS和多普勒导航系统DVS组合导航联邦滤波器的实现,用MATLAB对算法做了仿真验证.结果表明:算法具有计算量小、信息传输量少的优点,在确保整个组合系统可靠性的前提下,导航精度有了明显提高.该方法可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径.     

基于金融输电权和BDE算法的双层最优购电组合策略

在输电网开放的电力市场环境下,利用金融输电权(FTR)进行阻塞管理是近年来阻塞管理领域的研究热点,而拍卖是进行FTR分配的主要方式之一。采用FTR对冲阻塞风险,将FTR拍卖市场和电能交易市场相结合,提出了考虑阻塞风险的供电公司双层最优购电组合模型,上层优化以供电公司效用最大化为目标,下层以FTR拍卖收益最大化为目标。在决策过程中综合考虑了电能市场和FTR拍卖市场的双重不确定因素。针对该双层优化模型的随机性特点设计了基于蒙特卡罗和微分进化的双层微分进化(BDE)算法。算例结果证明了适当的FTR可降低购电组合的风险,并表明了该双层模型和算法的合理性和有效性。     

基于双边滤波的协方差目标跟踪算法

现有的使用协方差建模的目标跟踪方法在目标形变或是光照变化较大的情况下,达不到理想的跟踪效果。在分析目前协方差建模目标跟踪方法缺点的基础上,提出一种融合双边滤波的协方差目标跟踪算法。首先,将待跟踪图像进行双边滤波,提取滤波后的图像特征构建协方差特征矩阵作为跟踪模板。其次,由于协方差矩阵为对称正定流形,服从对数-欧几里德黎曼度量。在此度量下,构建了目标协方差矩阵相似性度量和模板更新策略。各种条件下的实验结果表明,新构建的基于双边滤波的协方差特征矩阵对目标形变和光照变化有更好的适应性。