基于D-S证据理论的电力客户满意度评价

供电公司在实践以客户满意为指导的市场营销理念的过程中,客户满意度评价至关重要。根据评价指标的建立原则,从供电质量、电能价格、供电服务和用电指导4个方面构建电力客户满意度评价指标体系,应用D-S证据理论建立客户满意度评价模型,同时在问卷调查取得的数据基础上,运用D-S证据理论进行满意度评价,分析结果体现了该方法的有效性。     

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。     

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.     

D-S证据理论在凝汽器故障诊断中的应用

运用D-S证据理论将用不同模糊方法得出的诊断结果进行融合。试验证明，融合以后的结果比模糊方法得出的诊断结果误判率更低。运用D-S证据理论，可以减小因隶属度函数的不同而带来故障误判的可能性，从而更准确地判断故障原因。     

基于正态云模型和D-S证据理论的开关柜运行状态综合评估

以高压开关柜为研究对象,提出了一种基于正态云模型和D-S证据理论的分层评估算法。通过对影响开关柜运行状态的指标进行聚类分层,运用正态云模型确定各指标与各评价等级的关联度,并利用改进的模糊算法进行第1层评估,在此基础上运用D-S证据理论对开关柜整体运行状态进行评估。采用KYN28A-12型号某开关柜的一次检测数据为例,通过实例验证证明了评估算法的有效性。该评估模型结构清晰,评价指标易于得到,为开关柜状态评估提供了一种新思路。     

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。     

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。     

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。     

基于D-S证据理论的模糊规则匹配方法

产生式规则是智能系统中大量采用的一种知识表示模式.规则常带有不确定性,规则前提中的变量值在很多情况下是一个模糊集,而当前事实中的变量值可能是模糊集、实数域上的区间值或者清晰数.为了统一处理这些情形,提出了基于证据理论,通过对两种贴近度进行加权合成计算规则匹配度的方法.该方法可根据变量值的分布特点自适应地调整每种贴近度的权重,从而使规则的匹配结果更为合理.     

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。     

基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究

当前,中长期负荷预测大多采用多元回归算法,但在建模时对影响因子及历史年的选择缺乏良好的依据,很难在考虑更多影响因子及历史年数据与降低回归模型误差之间做出平衡。这使多元回归算法在实际负荷预测中的精准度很不稳定。将粗糙集理论与D-S证据理论引入多元回归算法,利用粗糙集理论对影响因子进行重要性排序。分别以历史年和影响因子为对象进行聚类,以此建立多个多元回归模型。利用D-S证据理论对多个组合预测的权重分配方案进行权重融合,得出最终基于多元回归分析法的组合预测模型。经算例验证,该模型能较好地平衡影响因子和历史年的选取,能有效提高多元回归算法在中长期负荷预测中的准确性,适用性强。     

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D-S证据理论的配电终端状态诊断

为满足配电系统精益化运维对二次设备状态检修的要求,提出了一种多源信息融合的配电终端状态诊断方法。通过分析配电终端的运行监测信息,提炼出三种方便采集的状态特征量,从而建立了配电终端状态诊断的证据体系。提出了基于相关系数的基本概率分配函数构造方法,为避免故障终端样本数量不足导致的训练偏差,利用基于专家经验的加权平均模糊隶属度代替相关系数完成实际计算。利用D-S证据理论合成规则实现多元信息融合,并根据基本概率分配决策准则来判断配电终端的状态。最后,对配电终端的状态诊断进行了实例分析,相关结果验证了所提方案的有效性。     

融合模糊K近邻及证据理论的变压器油纸绝缘状态评估方法

为实现“双碳”目标，构建新型电力系统已成为电网发展的必然趋势。在此背景下，保障电力变压器的可靠运行具有重要意义。鉴于此，提出融合模糊K近邻(fuzzy K-nearest neighbor, FKNN)及证据理论的变压器油纸绝缘状态评估方法。首先，构建基于回复电压法的多特征参量数据库，并基于数据库提出证据的基本概率分配方法。而后，采用组合赋权法综合特征参量的主观权重及客观权重，同时藉由证据折扣因子对证据基本概率进行再分配，避免D-S证据理论的冲突问题。最终，对各证据进行融合推理，获得绝缘状态命题的置信水平。利用提出的方法对变压器实测数据进行验证。结果表明，绝缘状态的置信分布式结果不仅能够准确反映变压器油纸绝缘状态，也能表征出变压器油纸绝缘的劣化趋势，为电力变压器检修策略制定提供了指导。     

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.     

基于云模型和D-S证据理论的配电终端健康状态综合评估方法

配电终端作为重要的感知单元,对其健康状态进行评估有利于发现终端潜在的安全隐患,安排合理的检修计划以及保证电网安全运行.在构建全面、实用的递阶式评价指标体系基础上,引入集成客观事物随机性与模糊性的云模型求解指标隶属度,并对区间层次分析法(IAHP)进行改进,以兼顾指标权重的主、客观性.随后,基于D-S证据理论实现基础层指...