CN110544123A - 电力用户分类方法、装置、计算机设备和存储介质 - Google Patents
电力用户分类方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110544123A CN110544123A CN201910808343.3A CN201910808343A CN110544123A CN 110544123 A CN110544123 A CN 110544123A CN 201910808343 A CN201910808343 A CN 201910808343A CN 110544123 A CN110544123 A CN 110544123A
- Authority
- CN
- China
- Prior art keywords
- index
- user
- voltage
- value
- harmonic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims description 46
- 238000010606 normalization Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008901 benefit Effects 0.000 claims description 13
- 230000005611 electricity Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000002131 composite material Substances 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种电力用户分类方法、装置、计算机设备和存储介质。其中,电力用户分类方法包括:获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;进行聚类处理,将电力用户划分为多个类别,并获取各个类别的聚类中心;确定各个用户的指标权重;根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别。采用本方法能够提高电力用户分类结果的准确性。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种电力用户分类方法、装置、计算机设备和存储介质。
背景技术
新一轮电改在售电侧引入竞争机制,使得电力用户与售电公司一样拥有自主选择交易对象的权利。同时,随着高科技产业的不断发展,敏感负荷占比持续增高,相关行业电力用户对电能质量的需求越来越强烈。因此,研究用户多样化优质电力需求,细分不同类别用户从而提供差异化供电服务,是售电侧开放背景下售电公司发展的新形势与新要求。
目前用户分类主要针对用电负荷特性聚类、客户价值评价等方面进行研究。有技术依据用户日用电负荷曲线的形态变化,衡量不同用户负荷曲线的相似性,使用聚类分析方法对用户用电负荷数据进行分类。还有技术使用不同模式识别方法,对大型电力客户日负荷曲线进行分类。上述传统方案未考虑各类别用户优质供电需求相关指标,未能定性定量描述用户类别,导致分类结果不够准确度低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高分类结果准确度的电力用户分类方法、装置、计算机设备和存储介质。
一种电力用户分类方法,方法包括:
获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;
在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将电力用户划分为多个类别,并获取各个类别的聚类中心;
根据各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定各个用户的指标权重;
根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别。
在一个实施例中,获取各个电力用户的终身价值指标包括:
获取各个电力用户的初始终身价值指标,识别初始终身价值指标中的成本性指标和效益型指标;
分别对成本性指标和效益型指标进行百分制处理;
根据百分制处理得到的指标价值确定各个电力用户的终身价值指标。
作为一个实施例,终身价值指标包括当前价值内各指标的值、忠诚度内各项指标的价值和信用度指标的价值;
根据百分制处理得到的指标参数确定各个电力用户的终身价值指标包括:
将各个电力用户的百分制处理得到的指标参数代入终身价值指标模型计算各个电力用户的终身价值指标;终身价值指标模型包括:
其中,Z表示终身价值指标,Qα表示当前价值内第α个指标的价值,ωα表示Qα对应的权重,Cβ表示忠诚度内各项第β个指标的价值,ωβ表示Cβ对应的权重,Hγ表示信用度内第γ个指标的价值,ωγ表示Hγ对应的权重,符号“Π”表示累乘。
在一个实施例中,在获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标之后,方法还包括:
对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别进行归一化处理,以使各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲。
作为一个实施例,对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别进行归一化处理的过程包括:
将各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别代入归一化处理公式,以实现归一化处理;归一化处理公式包括:
式中,μE表示归一化处理后的指标,x表示归一化处理前的指标,x1表示第一参考指标,x2表示第二参考指标,x3表示第三参考指标,x4表示第四参考指标。
在一个实施例中,根据各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定各个用户的指标权重包括:
以各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标作为指标层,以各个聚类中心作为用户层,以各个用户的指标权重作为目标层构建层次结构模型;
求解层次结构模型得到各个用户的指标权重。
在一个实施例中,根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别包括:
将各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别乘以相应的指标权重,得到各个用户的综合指标分值,将各个综合指标分值所处的类别确定为各个用户所属的类别。
一种电力用户分类装置,装置包括:
获取模块,用于获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;
聚类模块,用于在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将电力用户划分为多个类别,并获取各个类别的聚类中心;
第一确定模块,用于根据各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定各个用户的指标权重;
第二确定模块,用于根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一实施例的电力用户分类方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例的电力用户分类方法的步骤。
上述电力用户分类方法、装置、计算机设备和存储介质,通过获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,进行相应聚类处理,以将电力用户划分为多个类别,并获取各个类别的聚类中心,再确定各个用户的指标权重,进而确定各个用户所属的类别,以实现对电力用户的分类,上述分类过程将用户终身价值指标与有关用户优质供电需求的电能质量指标相结合,综合考虑售电公司与用户双方的不同需求,具有更高的准确性。
附图说明
图1为一个实施例中电力用户分类方法的流程示意图;
图2为一个实施例的电力用户指标体系图;
图3为一个实施例中电力用户分类装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请提供的电力用户分类方法,可以应用于针对多样化优质电力需求的电力用户进行细分的智能终端。上述智能终端可以获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将电力用户划分为多个类别,并获取各个类别的聚类中心;根据各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定各个用户的指标权重;根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别。以实现对用户类别的准确划分。
在一个实施例中,如图1所示,提供了一种电力用户分类方法,包括以下步骤:
S210,获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;
电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标可以从相关电力管理***获得。具体的,上述终身价值指标包括当前价值与潜在价值等价值参数。上述电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标属于电能质量指标。上述步骤将用户终身价值指标与有关用户优质供电需求的电能质量指标相结合,综合考虑售电公司与用户双方的不同需求,可以提高后续电力用户类别确定的准确性。
S230,在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将电力用户划分为多个类别,并获取各个类别的聚类中心;
相关智能终端可以通过归一化处理等方式统一终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标的量纲,以保证电力用户分类依据的准确性。
在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,智能终端可以采用K-means算法等聚类算法对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将电力用户划分为多个类别,获得各个聚类中心。上述K-means算法可以使用距离指标对样本之间的相似性和差异性进行评价,得到的各类用户指标数据具有明显相似性。
在一个示例中,还可以选用类内距离指标(mean index adequacy,MIA)、类间距离指标(mean of distance between curves,MDC)、分类适确性指标(Davies-Bouldinindex,DBI)和轮廓系数指标(silhouette coefficient,SC)等对聚类效果进行综合评价,综合考虑类内距离和类间距离,确定出最终的聚类参数k,以提高聚类结果的准确性。
S250,根据各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定各个用户的指标权重;
上述步骤在确定各个用户的指标权重的过程中,可以使用基于熵权的模糊层次分析法,在引入三角模糊数的基础上,将主观评价分析与客观量化结果相结合,同时考虑决策者的风险偏好和决策的置信程度,以对相应指标权重进行更为准确地确定。
S270,根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别。
终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标均具有相应的指标权重,上述步骤可以将某电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别乘以相应的指标权重,得到综合指标分值,以依据综合指标分值确定该电力用户的类别。
上述电力用户分类方法,通过获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,进行相应聚类处理,以将电力用户划分为多个类别,并获取各个类别的聚类中心,再确定各个用户的指标权重,进而确定各个用户所属的类别,以实现对电力用户的分类,上述分类过程将用户终身价值指标与有关用户优质供电需求的电能质量指标相结合,综合考虑售电公司与用户双方的不同需求,具有更高的准确性。
在一个实施例中,获取各个电力用户的终身价值指标包括:
获取各个电力用户的初始终身价值指标,识别初始终身价值指标中的成本性指标和效益型指标;
分别对成本性指标和效益型指标进行百分制处理;
根据百分制处理得到的指标价值确定各个电力用户的终身价值指标。
终身价值指标包括当前价值指标与潜在价值指标,其中除欠费金额为成本型指标外,其他均为效益型指标。可以分别对成本型指标和效益型指标的百分制处理。对成本型指标进行百分制处理的公式为:
对效益型指标进行百分制处理的公式为:
式中,d表示百分制处理后的指标值,I表示指标原始值,Imax表示指标原始值中的最大值,Imin表示指标原始值中的最小值。
作为一个实施例,终身价值指标包括当前价值内各指标的值、忠诚度内各项指标的价值和信用度指标的价值;
根据百分制处理得到的指标参数确定各个电力用户的终身价值指标包括:
将各个电力用户的百分制处理得到的指标参数代入终身价值指标模型计算各个电力用户的终身价值指标;终身价值指标模型包括:
其中,A表示当前价值,B表示潜在价值,Z表示终身价值指标,Qα表示当前价值内第α个指标的价值,ωα表示Qα对应的权重,Cβ表示忠诚度内各项第β个指标的价值,ωβ表示Cβ对应的权重,Hγ表示信用度内第γ个指标的价值,ωγ表示Hγ对应的权重,符号“Π”表示累乘。
本实施例可以对各个电力用户的终身价值指标进行准确确定。
作为一个实施例,电力用户的指标体系可以参考图2所示,终身价值指标包括当前价值与潜在价值,可以在相应的统计周期中获取,上述统计周期可以包括一年等周期。用户当前价值是指当前行为模式保持不变的情况下,用户能够给售电公司带来的客户价值,主要体现在收入贡献、服务成本、稳定性等方面。收入贡献是度量用户当前价值的最基本标准,由年用电量和年均电价共同决定;服务成本是售电公司在不同用户服务上的不同投入,可由年负荷率、年低谷用电率共同表征。用户潜在价值是指售电公司实施某些营销策略后,可能增加的客户价值,主要体现在忠诚度、信用度等方面。对于电网企业,用户的忠诚度指标可选取年电量增长率和年容量变更,信用度指标可选取电费回收率和欠费金额。
在一个示例中,用户用电稳定性可由下式表示:
式中,Is表示年用电稳定性,tn表示当前所处年度用电量增长率,tl表示上一年度用电量增长率。
如图2所示,用户电能质量指标包括电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标。电压变动指标包括电压波动与电压闪变。电压暂降和短时中断作为最重要的电能质量扰动现象之一,由它所造成的经济损失在用户电能质量损失中占比最高,因此经济损失可作为反映用户优质供电需求的一项指标。随着电网中冲击性谐波源负荷的增加,谐波对用户造成的影响与危害也在不断增加,其中包括用户配电线路和变压器上因谐波而产生的经济损失;考虑选取用户期望的年平均电压总谐波畸变率、目前供电水平下谐波畸变导致的年经济损失作为分类子指标。三相电压不平衡的发生容易造成电机附加发热从而加速设备的绝缘老化,增加电量损耗,降低效率或产生次品等。因此,考虑选取用户期望的年平均电压不平衡度、目前供电水平下三相不平衡导致的年经济损失作为分类子指标。电压波动会影响敏感负荷的正常运行,严重时会危害电气设备或者造成巨大的经济损失。电压闪变是电压波动的一种特殊反映,也是评定电能质量的重要指标。对于电压波动与闪变,选取用户期望的年波动值和年闪变值、目前供电水平下电压波动与闪变导致的年经济损失作为分类子指标。
在一个实施例中,在获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标之后,方法还包括:
对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别进行归一化处理,以使各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲。
作为一个实施例,对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别进行归一化处理的过程包括:
将各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别代入归一化处理公式,以实现归一化处理;归一化处理公式包括:
式中,μE表示归一化处理后的指标,x表示归一化处理前的指标,x1表示第一参考指标,x2表示第二参考指标,x3表示第三参考指标,x4表示第四参考指标。上述第一参考指标、第二参考指标、第三参考指标和第四参考指标分别可以依据电力用户的指标取值特征确定,比如分别可以确定为相应指标段的最优值等等。
本实施例引入模糊理论的思想,基于用户不同指标数据范围及其最优值,建立不同分类指标的隶属函数,再根据用户实际数据计算隶属函数的值,即得到归一化后的数据。经过隶属函数处理后,数据的取值都处在[0,1]的区间内,达到缩小和统一量纲的目的,方便后续数据处理及分析,保证程序运行时收敛加快使聚类结果更有意义和可比性。
在一个实施例中,根据各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定各个用户的指标权重包括:
以各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标作为指标层,以各个聚类中心作为用户层,以各个用户的指标权重作为目标层构建层次结构模型;
求解层次结构模型得到各个用户的指标权重。
本实施例使用基于熵权的模糊层次分析法,在引入三角模糊数的基础上,将主观评价分析与客观量化结果相结合,同时考虑决策者的风险偏好和决策的置信程度,使得到的指标权重具有更高的准确性。
在一个示例中,上述构建并求解层次结构模型的过程可以包括:
(1)建立层次结构模型,包括目标层、指标层和用户层。
(2)用对称三角模糊数来表示判断矩阵中的元素值,得到模糊判断矩阵三角模糊数由三个确定的数字来描述,即参与评估的专家根据专业知识与经验选择描述贡献大小的模糊数,从而充分体现主观性。
(3)用各指标的模糊权重向量乘以模糊判断矩阵来建立总的模糊判断矩阵
(4)通过定义在α截集下的置信度区间,对于模糊数可表示为式(1)。
用截集α和区间对模糊判断矩阵进行模糊运算。
式中,
(5)在确定α后,使用α和乐观指数λ估计判断矩阵的满意度,从而得到非模糊判断矩阵。乐观指数表示决策者的乐观程度,其值越大,乐观程度也越高。
式中,
(6)根据式(4)的相对频率和式(5)的熵权公式可以计算出熵权Hi。
式中
在一个实施例中,根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别包括:
将各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别乘以相应的指标权重,得到各个用户的综合指标分值,将各个综合指标分值所处的类别确定为各个用户所属的类别。
各个类别均具有对应的综合指标取值段(如第一综合指标取值段、第二综合指标取值段和第三综合指标取值段等),综合指标取值段可以依据相应聚类中心的取值特征确定。对于某电力用户,若该电力用户的综合指标分值处于第一综合指标取值段,则该电力用户所属的类别为第一综合指标取值段对应类别。
在一个示例中,在确定指标权重后,根据电力用户分类指标体系和分类结果,可将电力用户划分为三个等级,分别为I、II、III级电力用户,以此可以建立如表1所示的电力用户等级划分模型。
表1
本实施例同时考虑售电公司与用户需求,将客户价值与电能质量需求相结合,形成一种新的电力用户分类指标体系,在此基础上运用模糊层次分析法进一步对用户进行细分,达到定性定量刻画用户分类的目的,因此得到的结果误差更小,更加体现用户优质电力需求,有助于售电公司发展差异化服务。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种电力用户分类装置,包括:
获取模块210,用于获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;
聚类模块230,用于在各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将电力用户划分为多个类别,并获取各个类别的聚类中心;
第一确定模块250,用于根据各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定各个用户的指标权重;
第二确定模块270,用于根据各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各个用户的指标权重确定各个用户所属的类别。
在一个实施例中,上述获取模块进一步用于:
获取各个电力用户的初始终身价值指标,识别初始终身价值指标中的成本性指标和效益型指标;
分别对成本性指标和效益型指标进行百分制处理;
根据百分制处理得到的指标价值确定各个电力用户的终身价值指标。
作为一个实施例,终身价值指标包括当前价值内各指标的值、忠诚度内各项指标的价值和信用度指标的价值;
上述获取模块进一步用于:
将各个电力用户的百分制处理得到的指标参数代入终身价值指标模型计算各个电力用户的终身价值指标;终身价值指标模型包括:
其中,Z表示终身价值指标,Qα表示当前价值内第α个指标的价值,ωα表示Qα对应的权重,Cβ表示忠诚度内各项第β个指标的价值,ωβ表示Cβ对应的权重,Hγ表示信用度内第γ个指标的价值,ωγ表示Hγ对应的权重,符号“Π”表示累乘。
在一个实施例中,上述电力用户分类装置还包括:
归一化处理模块,用于对各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别进行归一化处理,以使各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲。
作为一个实施例,上述归一化处理模块进一步用于:
将各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别代入归一化处理公式,以实现归一化处理;归一化处理公式包括:
式中,μE表示归一化处理后的指标,x表示归一化处理前的指标,x1表示第一参考指标,x2表示第二参考指标,x3表示第三参考指标。
在一个实施例中,上述第一确定模块进一步用于:
以各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标作为指标层,以各个聚类中心作为用户层,以各个用户的指标权重作为目标层构建层次结构模型;
求解层次结构模型得到各个用户的指标权重。
在一个实施例中,上述第二确定模块进一步用于:
将各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别乘以相应的指标权重,得到各个用户的综合指标分值,将各个综合指标分值所处的类别确定为各个用户所属的类别。
关于电力用户分类装置的具体限定可以参见上文中对于电力用户分类方法的限定,在此不再赘述。上述电力用户分类装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力用户分类方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
基于如上的示例,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行程序时实现如上述各实施例中的任意一种电力用户分类方法。
上述计算机设备,通过处理器上运行的计算机程序,可以实现电力用户的准确分类。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一非易失性的计算机可读取存储介质中,如本发明实施例中,该程序可存储于计算机***的存储介质中,并被该计算机***中的至少一个处理器执行,以实现包括如上述电力用户分类方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
据此,在一个实施例中还提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述各实施例中的任意一种电力用户分类方法。
上述计算机可读存储介质,通过其存储的计算机程序,能够将用户终身价值指标与有关用户优质供电需求的电能质量指标相结合,综合考虑售电公司与用户双方的不同需求,使电力用户分类结果具有更高的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电力用户分类方法,其特征在于,所述方法包括:
获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;
在所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,对所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将所述电力用户划分为多个类别,并获取各个类别的聚类中心;
根据所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定所述各个用户的指标权重;
根据所述各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及所述各个用户的指标权重确定所述各个用户所属的类别。
2.根据权利要求1所述的方法,其特征在于,所述获取各个电力用户的终身价值指标包括:
获取所述各个电力用户的初始终身价值指标,识别所述初始终身价值指标中的成本性指标和效益型指标;
分别对所述成本性指标和所述效益型指标进行百分制处理;
根据百分制处理得到的指标价值确定所述各个电力用户的终身价值指标。
3.根据权利要求2所述的方法,其特征在于,所述终身价值指标包括当前价值内各指标的值、忠诚度内各项指标的价值和信用度指标的价值;
所述根据百分制处理得到的指标参数确定所述各个电力用户的终身价值指标包括:
将所述各个电力用户的百分制处理得到的指标参数代入终身价值指标模型计算所述各个电力用户的终身价值指标;所述终身价值指标模型包括:
其中,Z表示终身价值指标,Qα表示当前价值内第α个指标的价值,ωα表示Qα对应的权重,Cβ表示忠诚度内各项第β个指标的价值,ωβ表示Cβ对应的权重,Hγ表示信用度内第γ个指标的价值,ωγ表示Hγ对应的权重,符号“Π”表示累乘。
4.根据权利要求1所述的方法,其特征在于,在所述获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标之后,所述方法还包括:
对所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别进行归一化处理,以使所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲。
5.根据权利要求4所述的方法,其特征在于,所述对所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别进行归一化处理的过程包括:
将所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别代入归一化处理公式,以实现归一化处理;所述归一化处理公式包括:
式中,μE表示归一化处理后的指标,x表示归一化处理前的指标,x1表示第一参考指标,x2表示第二参考指标,x3表示第三参考指标,x4表示第四参考指标。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定所述各个用户的指标权重包括:
以所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标作为指标层,以各个聚类中心作为用户层,以各个用户的指标权重作为目标层构建层次结构模型;
求解所述层次结构模型得到所述各个用户的指标权重。
7.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及所述各个用户的指标权重确定所述各个用户所属的类别包括:
将所述各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标分别乘以相应的指标权重,得到所述各个用户的综合指标分值,将各个综合指标分值所处的类别确定为各个用户所属的类别。
8.一种电力用户分类装置,其特征在于,所述装置包括:
获取模块,用于获取各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标;
聚类模块,用于在所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标统一量纲后,对所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标进行聚类处理,以将所述电力用户划分为多个类别,并获取各个类别的聚类中心;
第一确定模块,用于根据所述各个电力用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及各类用户对应的聚类中心,确定所述各个用户的指标权重;
第二确定模块,用于根据所述各个用户的终身价值指标、电压暂降指标、谐波指标、三相电压不平衡指标和电压变动指标,以及所述各个用户的指标权重确定所述各个用户所属的类别。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910808343.3A CN110544123B (zh) | 2019-08-29 | 2019-08-29 | 电力用户分类方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910808343.3A CN110544123B (zh) | 2019-08-29 | 2019-08-29 | 电力用户分类方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110544123A true CN110544123A (zh) | 2019-12-06 |
CN110544123B CN110544123B (zh) | 2022-02-01 |
Family
ID=68710901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910808343.3A Active CN110544123B (zh) | 2019-08-29 | 2019-08-29 | 电力用户分类方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110544123B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242808A (zh) * | 2020-04-26 | 2020-06-05 | 广东电网有限责任公司东莞供电局 | 一种电力用户分类方法、电子设备和存储介质 |
CN112464059A (zh) * | 2020-12-08 | 2021-03-09 | 深圳供电局有限公司 | 配电网用户分类方法、装置、计算机设备和存储介质 |
CN112782503A (zh) * | 2020-12-24 | 2021-05-11 | 深圳供电局有限公司 | 电能质量评估方法、装置、控制设备和存储介质 |
CN113610337A (zh) * | 2021-06-22 | 2021-11-05 | 中铁建华南建设有限公司 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
CN115081893A (zh) * | 2022-06-27 | 2022-09-20 | 国网湖北省电力有限公司电力科学研究院 | 用户用电数据分析方法、装置、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104578049A (zh) * | 2014-09-19 | 2015-04-29 | 广西电网公司电力科学研究院 | 一种机电-电磁暂态混合仿真的暂态电能质量分析*** |
CN107784518A (zh) * | 2017-09-20 | 2018-03-09 | 国网浙江省电力公司电力科学研究院 | 一种基于多维指标的电力客户细分方法 |
US20180075467A1 (en) * | 2016-09-14 | 2018-03-15 | Mastercard International Incorporated | Methods and apparatus for identifying and classifying customer segments |
US20180157734A1 (en) * | 2016-12-05 | 2018-06-07 | Sap Se | Business Intelligence System Dataset Navigation Based on User Interests Clustering |
CN108280479A (zh) * | 2018-01-25 | 2018-07-13 | 重庆大学 | 一种基于负荷特性指标加权聚类算法的电网用户分类方法 |
CN108681973A (zh) * | 2018-05-14 | 2018-10-19 | 广州供电局有限公司 | 电力用户的分类方法、装置、计算机设备和存储介质 |
-
2019
- 2019-08-29 CN CN201910808343.3A patent/CN110544123B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104578049A (zh) * | 2014-09-19 | 2015-04-29 | 广西电网公司电力科学研究院 | 一种机电-电磁暂态混合仿真的暂态电能质量分析*** |
US20180075467A1 (en) * | 2016-09-14 | 2018-03-15 | Mastercard International Incorporated | Methods and apparatus for identifying and classifying customer segments |
US20180157734A1 (en) * | 2016-12-05 | 2018-06-07 | Sap Se | Business Intelligence System Dataset Navigation Based on User Interests Clustering |
CN107784518A (zh) * | 2017-09-20 | 2018-03-09 | 国网浙江省电力公司电力科学研究院 | 一种基于多维指标的电力客户细分方法 |
CN108280479A (zh) * | 2018-01-25 | 2018-07-13 | 重庆大学 | 一种基于负荷特性指标加权聚类算法的电网用户分类方法 |
CN108681973A (zh) * | 2018-05-14 | 2018-10-19 | 广州供电局有限公司 | 电力用户的分类方法、装置、计算机设备和存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242808A (zh) * | 2020-04-26 | 2020-06-05 | 广东电网有限责任公司东莞供电局 | 一种电力用户分类方法、电子设备和存储介质 |
CN112464059A (zh) * | 2020-12-08 | 2021-03-09 | 深圳供电局有限公司 | 配电网用户分类方法、装置、计算机设备和存储介质 |
CN112464059B (zh) * | 2020-12-08 | 2024-03-22 | 深圳供电局有限公司 | 配电网用户分类方法、装置、计算机设备和存储介质 |
CN112782503A (zh) * | 2020-12-24 | 2021-05-11 | 深圳供电局有限公司 | 电能质量评估方法、装置、控制设备和存储介质 |
CN113610337A (zh) * | 2021-06-22 | 2021-11-05 | 中铁建华南建设有限公司 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
CN113610337B (zh) * | 2021-06-22 | 2024-04-19 | 中铁建华南建设有限公司 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
CN115081893A (zh) * | 2022-06-27 | 2022-09-20 | 国网湖北省电力有限公司电力科学研究院 | 用户用电数据分析方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110544123B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110544123B (zh) | 电力用户分类方法、装置、计算机设备和存储介质 | |
Hosseini Firouz et al. | Optimal preventive maintenance policy for electric power distribution systems based on the fuzzy AHP methods | |
Taylan et al. | An integrated multi attribute decision model for energy efficiency processes in petrochemical industry applying fuzzy set theory | |
CN111080072A (zh) | 配电变压器健康指数评估方法、装置及*** | |
CN110930198A (zh) | 基于随机森林的电能替代潜力预测方法、***、存储介质及计算机设备 | |
CN106709818A (zh) | 一种用电企业信用风险评价方法 | |
CN111754116A (zh) | 一种基于标签画像技术的信用评估方法及装置 | |
CN108171369A (zh) | 基于客户用电差异化特性的短期负荷组合预测方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的***和方法 | |
Marziali et al. | Ensembling methods for countrywide short-term forecasting of gas demand | |
CN114372835B (zh) | 综合能源服务潜力客户识别方法、***及计算机设备 | |
CN105931133A (zh) | 配电变压器更换优先级评定方法和装置 | |
CN115358476A (zh) | 需求响应潜力预测方法、装置、计算机设备和存储介质 | |
Khan et al. | Short term load and price forecasting using tuned parameters for K-nearest neighbors | |
CN114065109A (zh) | 一种电力***需求响应聚合用户的优选方法 | |
HT et al. | The Efficiency Analysis of Sharia Banking with DEA and Islamic Value | |
CN113888047A (zh) | 考虑区域投资能力的技改项目投资规模预测方法及*** | |
CN106447521A (zh) | 微型断路器资产寿命预测方法 | |
Jeihoonian et al. | Modeling and comparing energy consumption in basic metal industries by neural networks and ARIMA | |
Xing et al. | Research on the credit evaluation model of electricity selling company based on GA-SVM | |
Lu et al. | Research on time series data prediction based on clustering algorithm-A case study of Yuebao | |
CN110766426A (zh) | 一种电价制定方法及装置 | |
Wang et al. | The electricity customer satisfaction weight study based on comprehensive weight determination | |
Lin et al. | Load Data Analysis Based on Timestamp-Based Self-Adaptive Evolutionary Clustering | |
Frolov et al. | Impact of social and economic development of the region on the international trade by the example of Ukraine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201019 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |