基于自组织映射网络和遗传算法优化Elman神经网络的全网短期负荷预测模型

电网数据具有海量、高维的特点,现有的短期电力负荷预测模型无法提取用户的用电习惯.提出一种基于负荷聚类的全网短期负荷预测模型,首先采用自组织映射网络对全网负荷进行聚类,将不同特性的用户负荷曲线作为子网;然后引入遗传算法对Elman神经网络的参数进行寻优,得到针对不同子网负荷特性的差异化预测网络;最后基于负荷综合稳定度得到全网负荷预测结果.将该集成模型用于某市电网进行算例仿真,预测结果表明,所提方法比传统预测方法的准确率更高,同时适用于部分子网数据缺失而需要得到全网结果的情况.     

台风灾害下用户停电区域预测及评估

台风灾害会造成电网大面积停电,对停电区域进行预测及评估具有重要意义。综合考虑气象因素、电网因素及地理因素,提出一种台风灾害下基于随机森林算法的用户停电区域预测评估方法。该方法首先采用1km×1km网格进行历史样本数据的收集整理及特征选取;其次基于随机森林算法对样本数据进行训练及验证,建立停电区域预测模型;再次,为进一步提高预测精度,对预测停电网格进行重要性评估,进而得到用户停电区域的预测评估结果。最后通过算例分析验证了所提方法的科学性及有效性。     

基于人工免疫优化神经网络的输变电工程造价评估

提出了基于人工免疫优化神经网络的输变电工程造价评估模型,该模型以输变电工程造价影响因素为输入变量,造价评估值为输出值,利用人工神经网络在小样本学习领域的优越性,结合人工免疫全局参数优化算法,实现稳定有效的输变电工程造价评估,用以对工程造价管理进行指导。     

基于人工免疫算法的配电网滤波器优化配置方法

现有滤波器优化配置方法普遍依据工程经验近似求得,优化程度较低,基于此,提出了一种基于免疫算法的配网无源滤波器优化配置方法。首先建立了系统各次谐波的节点导纳矩阵,采用网络固有结构法确定配电网络中各次谐波滤波器的最佳配置位置;然后采用人工免疫算法优化滤波器参数,可在保证网络各节点谐波电压和总谐波畸变率符合谐波标准以及滤波器安全可靠运行的前提下,使全网滤波器投资最少。算例结果表明了该方法的有效性。     

混沌递阶遗传神经网络在组合预测中的应用

分析了几种常见的组合预测方法,针对这些方法的缺点,提出了混沌递阶遗传神经网络的组合预测方法,通过实际应用,并与基于人工免疫算法组合预测和基于标准BP神经网络组合预测进行了比较,表明了方法的有效性和实用性.     

互联电网共享运行备用可靠性评估

提出了互联电网共享运行备用可靠性评估算法和指标.基于能量管理系统提供的电网实时运行信息,计及区域联络线约束、在线机组状态、网损、负荷波动等随机因素对运行备用可靠性的影响,将分区评估与全网评估相结合,评估了各子区域对全网可靠性的影响.华东电网的评估算例表明,该算法可以定量评估实时系统各子区域对维持全网可靠运行所作出的贡献,为共享备用分摊计算提供依据.     

基于人工免疫算法优化LSSVM的短期电力负荷预测

针对最小二乘支持向量机(LSSVM)中参数选取对电力负荷预测精度有着较大的影响,建立了一种基于人工免疫算法优化最小二乘支持向量机的短期电力负荷预测模型,该模型以历史负荷数据作为输入向量,选用高斯径向基函数作为核函数,利用人工免疫算法对LSSVM中的惩罚因子和核参数进行优化选取,极大地提高了LSSVM的训练速度和预测精度。仿真结果表明,该方法在短期电力负荷预测中具有较高的预测精度,证实了该方法的有效性和可行性。     

基于人工免疫网络的短期负荷预测模型

为了克服传统神经网络预测方法在网络结构设计、学习算法和收敛效果等方面存在的缺陷，通过借鉴免疫网络调节与免疫规划，该文提出了一种基于人工免疫网络的短期负荷预测模型。在人工免疫网络的设计中，创造性地融入了免疫调节原理，利用免疫规划来进化网络结构，采用了新的个体编码方式，神经元适应度函数和自适应混沌变异算子，通过免疫规划进行网络结构的设计，并结合免疫网络调节的进化算法进行网络的学习。电力系统短期负荷预测的计算实例表明，基于人工免疫网络的负荷预测方法与传统神经网络预测方法相比，具有较强的自适应能力和较好的效果。     

基于随机森林算法的电压暂降特征量预测研究∗

电压暂降是发生概率较高、对电力用户影响较严重的一类电能质量问题,准确地对敏感用户开展特征量指 标评估十分重要.基于此,提出了一种基于随机森林算法的用户侧暂降类型的特征量评估方法,首先根据电网侧和用 户侧的暂降数据建立随机森林回归预测模型,然后对模型进行参数设置优化,最后对用户侧电压暂降特征量数据进行 预测.利用云南某地区配电网实测数据进行的与多项式预测算法的对比分析表明了随机森林算法用于电压暂降特征量 预测的优越性.     

基于区间监测数据的谐波危害预警评估方法

针对区间谐波电流数据,本文采用基于PM算法的区间线性回归方法预测用户未来的谐波电流数据,采用区间直方参数辨识海量区间谐波电流量测值的典型谐波参数,并结合国标规定的谐波限值从而对用户的谐波危害进行预警评估。最后采用电网的实测数据验证了基于PM算法的区间线性回归方法预测谐波电流的准确性以及区间直方参数辨识典型谐波参数的合理性,从而验证了本文提出的用户谐波危害预警评估方法的有效性。     

客户交纳电费信用与风险等级评价系统

系统采用中文Windows 2000，SQL Sever／Oracle数据库作为开发平台，使用Visual Basic6．0为开发工具研制而成．系统借鉴银行方面信用等级评价的规则，结合各电力公司电费收缴的历史纪录及各客户的实际情况，运用自动采集程序，从各电力公司或企业原有的营销系统和财务系统自动录入数据，再通过优化的模糊概率、神经网络程序，对客户进行交纳电费信用等级评定，建立客户交纳电费风险预警机制，并根据评价结果提出促进电费回收的分类管理措施，确保电力企业经营成果及时足额兑现．同时，系统采用了先进的RSA加密算法，不但确保了在线评测的安全性，还能根据用户职责对其授予不同操作权限，从而确保评价的公正、准确．     

电力客户信用管理等级评价体系

分析现阶段供电企业在经营中遇到的客户信用缺失问题,提出电力客户信用体系的建立以及信用评估的方法。     

基于模糊多属性决策法的用电客户信用评价

用电客户的信用评价是供电企业及全社会都应该关注的问题.文章在分析了用电客户信用评价应该考虑的主要因素的基础上,建立了一套适用于用电客户信用评价的指标体系,并以三角模糊数的形式给出指标值和评价者的主观感觉值,将基于期望值的模糊多属性决策法引入用电客户的信用评价中,同时讨论了指标权重完全未知和部分未知时用电客户的信用评价问题.     

供电企业客户信用度模糊综合评价模型研究

随着电力市场的发展,使对供电企业客户信用度的评价显得日趋重要。分析了电力客户信用度模糊综合评价的意义,提出了一种基于模糊数学的电力客户信用度综合评价模型,设计了完整的指标体系和评价方案,并建立了针对不同信用度等级的客户的营销策略,以期为供电企业提供客户管理的决策依据。     

高压企业客户电力信用综合评价体系及应用

传统电力信用研究和应用多以用电行为、缴费行为失信等负面评价为主,缺乏正向评价和激励应用,且仅应用在供电企业内部对客户管理和电费风险防控方面,没有在社会中跨界应用。首先借鉴企业社会信用评分指标体系的建设思想,将高压企业客户电力信用指标集中在守信能力和守信行为2个方面,设计了以大数据为支撑的高压企业客户电力信用综合评价指标体系,包含用电价值、电网互动价值、缴费行为、用电行为、服务互动行为和电力市场交易诚信六大评价维度。其次,设计了电力信用等级和信用分计算、修正评价流程,并以某省级电网近29万户高压企业客户为例,实证分析了电力信用总体情况,证明了所建立方法的科学性和规范性。最后,基于电力信用评级,设计了基于电力信用的差异化奖惩措施,对内有效防范风险、挖掘优质客户,对外实现电力信用价值输出。     

工业用电客户信用综合评价指标体系的构建方法

首先从导向性、综合性、易操作性和可比性等原则出发构建了一套完整可行的工业用电客户信用综合评价指标体系,并在此基础上利用表现度函数对定性指标和定量指标进行了预处理,使得预处理后的结果更加符合实际情况。然后采用模糊一致互补判断矩阵来计算指标的权重,从而简便地解决了判断矩阵的一致性问题。最后从模式识别的角度出发提出了工业用电客户信用综合评价方法,实例结果表明了该方法的有效性。     

用电客户缴费信用评价数学模型研究

传统的用电客户缴费信用评价数学模型难以准确反映用户缴费行为。介绍了对原缴费信用评价中信用分值计算数学模型的改进以减少欠费。采用改进后的计算模型对算例的计算表明,改进后的计算模型能为电力公司对客户的缴费信用评价提供可靠的数据支持。     

用电客户信用的主客观评价及分析

用电客户信用关系到整个电力工业的健康发展。目前对用电客户信用评价的方法各有优缺点，找出较为合理的评价方法，可为更准确地评价用电客户信用提供参考。在建立用电客户信用评价指标体系的基础上，首先采用基于语言评价信息的逼近理想点的排序方法(TOPSIS)对用电客户信用进行主观评价，继而采用熵权法对用电客户信用进行客观评价。实例计算说明2种评价方法的评价结果可能一致也可能不一致，因而认为同时应用2种方法进行用电客户信用评价，不但能充分利用用电客户的客观数据和主观信息，而且从评价思维和评价环节及评价者的责任心方面都有助于提高用电客户信用评价的准确性，使用电客户信用评价更趋合理。     

基于遗传算法和BP神经网络的电力客户信用评价模型

对电力客户的信用进行分析评估对于供电企业将电力输送给可靠的电力用户、提高企业经济效益具有重要意义。在分析影响电力客户信用影响因素的基础上,构建了电力客户信用评价指标体系,将遗传算法和神经网络原理引入电力客户信用评价领域,提出了基于遗传算法和神经网络的电力客户信用评价模型。实证结果表明：模型具有较强的自组织、自学习和自适应能力,模型评估结果比较客观合理。     

电力客户缴费行为的动态信用评价实证分析

针对目前电力客户欠费回收问题,文中研究信用评估指标,并结合目前电力客户缴费数据,提出一种变现动态信用分值度量算法,揭示复杂的缴费行为的实质,有效区分不同缴费类型,进而有效区分不同客户的信用状况。同时通过对湖南省某地市电力客户缴费数据进行挖掘分析,给出动态信用评价方法实证分析,有效验证该信用评估方法的科学性、合理性。