基于D-S证据理论的油浸式电力变压器故障诊断

当前对变压器进行故障诊断,主要是利用从分散的传感器收集到的检测信息,但使用单独的传感器采集数据进行判别,由于缺乏对数据的融合分析,易造成诊断中的误判或漏判。提出了一种基于D-S证据理论的油浸式电力变压器故障诊断方法,该方法通过融合数据来处理故障诊断中的不确定度。建立了故障诊断的融合模型,给出了方法的具体实现步骤并应用实例进行计算。结果表明,本方法可以减少诊断中的不确定性,提高故障诊断的准确性。     

基于模糊理论的电力客户满意度综合测评

电力企业需树立“以客户满意为核心”的市场营销观念,因而合理建立全面的评价指标体系,计算电力客户满意度指数至关重要。借鉴国内外客户满意度相关理论,从产品质量、服务质量、电价、公司形象、与客户关系5个方面构造电力客户满意度评价指标体系。以客户统计调查表为基础,运用模糊数学方法,构建基于模糊理论的多目标、2层次电力客户满意度综合测评模型。电力产品质量指标的简化分析算例表明了所提方法的有效性。     

基于模糊积分的电力客户满意度综合评价

采用模糊积分评价法对电力客户满意度进行评价,构建了电力客户满意度评价指标体系和模糊积分评价模型,并对5个地区电力公司的调查数据样本进行了实证分析。模糊积分法具有综合考虑评价指标的相关性和定义评价指标值的主观性两大特征,可以通过确定l模糊测度值与评价指标的重视度来实现高层决策者的评价目的和要求。     

基于D-S证据理论的水利工程招标评价

如何从多个水利工程招标方案中选取最佳方案是决策者需要面临的一个难题。针对上述多属性决策问题,选取某实例,首先采用投影寻踪模型将其降维转化为一维问题决策,获得指标的客观权重;随后,采用德尔菲法,获取指标的主观权重。为有效地合成主、客观权重,采用D-S证据理论进行权重合成得到更为合理的指标权重,进行方案的最终优选排序,并与其它评价方法进行了比较。结果表明：本文方法能有效地利用主、客观信息,所得的结果更为科学、合理,从而提高了评标工作的科学性。     

D-S证据理论在商场火灾安全评价中的应用

D-S证据理论是在商场火灾安全评价过程中遇到的各种不确定信息处理问题上,提出的一种较全面、正确的评价方法。D-S证据理论主要是通过将多种传感信息技术相互融合引入于火灾探测、评价分析体系中,构造合理的赋值函数概率,与其他方法评价分析结果比较,具有操作简捷、结果明确等优势。D-S证据理论对多个传感器传播信息的融合结果更具准确度和可信度,该方法对商场火灾中评价因素和模糊性、随机性均具有清晰分辨处理能力,通过对多组数据的科学融合,在商场火灾中帮助消防人员突出消防工作重点。     

电力客户满意度评价体系的建立与应用

福建电力公司从实际出发,以客户为中心,市场为导向,建立并实施了电力客户满意度评价体系。从评价体系的组织建设、满意度模型的构建,测评指标的设立,到实际测评、服务管理的改进和服务质量的提升,进行了电力客户满意度评价工作的深度理论研究,并实践了客户满意度的管理。     

电力客户满意度评价体系的建立与应用

随着市场经济的发展,电力公司从实际出发,以客户为中心、市场为导向,建立并实施了电力客户满意度评价体系。从评价体系的组织建设、满意度模型的构建、测评指标的设立,到实际测评、服务管理的改进和服务质量的提升,进行了电力客户满意度评价工作的深度理论研究,并实践了客户满意度的管理。     

基于D-S证据理论的直流电机故障诊断研究

通过分析直流电机的故障机理,得到在不同信号（如电流、转速、转矩等）中所表现的故障特征,提出了一种神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法。利用多源信息间的冗余性和互补性,有效提取故障特征信息,提高了诊断的可靠性和灵敏度。     

基于D-S证据理论的中长期电力负荷组合预测

针对电力系统中长期负荷预测的特点,分别应用灰色系统理论及回归分析方法对中长期负荷进行了预测研究。然后基于D-S证据理论对两种负荷预测方法进行了组合预测,提出了一种新的电力负荷组合预测方法。并通过与两种预测方法的仿真验证对比,证明了本方法具备较高的精度及较强的可操作性,可为电网中长期规划提供有效的借鉴指导。     

D-S证据理论在火灾探测中的应用

介绍基于D-S证据理论的多传感器多测量周期的信息融合（时空信息融合）的方法，评将该方法应用于火灾探测领域。模拟实验结果表明，与单个传感器相比，基于D-S证据理论的多传感器时空信息融合的结果具有较高的准确度和可信度。     

基于D-S证据理论的配电网单相故障选线方法研究

为充分利用单相接地故障的互补信息提高选线保护的可靠性,提出一种中性点非有效接地电网信息融合选线方法。该方法采用D-S证据理论,针对故障选线问题的具体特点,合理构造了选线识别框架和信度分配函数,将故障选线问题转化为证据理论模型,给出证据组合的选线判定原则,制定了基于信息融合的综合选线策略。应用该方法在模拟系统上进行实验,验证了方法的有效性。结果表明采用融合选线策略极大地提高了故障选线的可靠性。     

基于权值D-S证据理论的车辆路径优化

最优路径规划是车载导航系统的一个重要功能,针对目前路径规划易陷于进行简单的加权求和,结果不够理想的缺陷,提出将道路属性数据进行量化,应用D-S证据理论将道路属性进行融合,所得的数据作为道路权值。并利用蚁群算法应用于该问题计算,实验结果表明,改进后的算法合理、有效。     

D-S证据理论融合多特征的油菜病害识别方法

针对单一特征在识别油菜病害上存在的局限性,提出一种基于D-S证据理论融合多特征的油菜病害识别方法。首先对预处理后的油菜图片提取颜色矩、颜色共生矩阵两种特征,通过欧氏距离来构建D-S证据理论所必需的基本概率分配(BPA),最后运用D-S证据组合规则进行决策级融合,依据决策条件输出最终分类识别结果。针对存在最终识别结果被误识别为不确定问题,通过引入方差来对决策方法进行改进,避免了这一现象的产生。利用该方法在采集到的油菜样本上进行实验,取得了97.09%的识别率。实验表明,该方法能有效提高油菜病害识别率。     

考虑客户满意度的电动汽车充电站运营状态评估

提出了一种考虑客户满意度的电动汽车充电站运营状态评估方法。首先运用DS/G2法将客户对电动汽车充电站语言服务评级和充电站运行状况信息进行证据融合,以确定单个客户对某一电动汽车充电站的运营状态评估结果量化值;然后引入证据冲突的概念,对多个客户评估结果量化值的权重进行综合优化,基于D-S证据理论融合多个客户的评估结果,对多个充电站的运营水平进行比较。算例验证了该方法的可行性。     

基于D-S证据理论的短期风速预测模型

提出一种基于D-S证据理论的短期风速组合预测模型.分别采用时间序列、BP神经网络和支持向量机预测模型对风速进行预测,通过对预测误差的分析,借助D-S证据理论对3种模型进行融合.选取待测日前凡日的风速数据作为融合样本,计算出相应的基本信任分配函数,同时将函数进行融合,并将融合结果作为风速预测模型的权重,得到待预测日的风速预测结果.仿真结果表明,所提组合预测模型的预测误差更小,效果更好.     

供电企业客户满意度评价指标体系的构建研究

在实地调研和参阅相关资料的基础上,提出了电力客户对供电企业的三级满意度指标体系.运用层次分析法得出二级指标和三级指标的权重,由于经层次分析法得到的权重具有主观性特征,采用了调查问卷的方式对得到的权重进行修正.对这些二级指标和三级指标的权重运用综合权重分析法计算出三级指标相对于一级指标的综合权重.最后根据该权重结果得到电力客户对供电企业满意度指标的排序.     

基于D-S证据理论的短期负荷预测模型融合

在各种预测模型融合时确定各种模型的权重直接影响到预测精度.对3种不同的神经网络负荷预测模型分别建立了权重提取和权重融合的数学模型,并运用证据理论对3种预测模型的权重进行融合.通过对历史预测数据的分析,提取了证据理论的融合样本,并将信度函数的多重融合结果作为负荷预测模型权重,得到权重融合后待预测日的负荷预测结果.将权重融合模型的预测结果与单一模型的预测结果进行比较,结果表明权重融合后的模型具有更高的预测精度,提高了负荷预测的准确性.