CN112819322A - 基于改进模糊层次分析法的输电线路路径方案评估方法 - Google Patents
基于改进模糊层次分析法的输电线路路径方案评估方法 Download PDFInfo
- Publication number
- CN112819322A CN112819322A CN202110128082.8A CN202110128082A CN112819322A CN 112819322 A CN112819322 A CN 112819322A CN 202110128082 A CN202110128082 A CN 202110128082A CN 112819322 A CN112819322 A CN 112819322A
- Authority
- CN
- China
- Prior art keywords
- value
- matrix
- fuzzy
- influence index
- scheme
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 58
- 230000005540 biological transmission Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 72
- 239000002245 particle Substances 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了基于改进模糊层次分析法的输电线路路径方案评估方法,包括以下步骤:S1:构建影响指标集和待评估方案集;S2:对影响指标集经过标准化处理后建立模糊关系的单影响指标模糊评估矩阵;S3:根据模糊评估矩阵构造用于确定各影响指标权重的判断矩阵,并采用粒子群算法优化计算该判断矩阵从而得出各指标的权重值;S4:由各影响指标的权重值构造权重矩阵,并根据模糊数学方程求得各方案的模糊综合评估值,从而获得最优输电路径方案。本发明利用模糊理论分析线路路径方案优劣性,并在其中采用粒子群算法优化用于确定各影响影响指标的判断矩阵,使影响指标的权重赋值更具科学性和合理性,从而有利于方案的评估与优选。
Description
技术领域
本发明涉及输电工程设计领域,特别是涉及基于改进模糊层次分析法的输电线路路径方案评估方法。
背景技术
随着国家电网公司大力倡导“新基建”,输电工程建设力度也在不断加大。输电线路设计是整个工程的首要环节,是一项包含了路径选择、杆塔定位、电气设计等多面的***性工作,而路径选择是整个设计工作的基础,它关系到整个工程的造价、施工和安全性。传统人工方式评估输电线路路径时,需要考虑影响指标较多,且大多数影响指标无法定量描述,对输电线路的影响也不一致,只能依靠设计人员主观经验判断。随着计算机技术和各类优化方法的发展,以及三维设计技术在信息获取方面的优势,单独依靠人工经验进行方案评估已经无法满足输电路径方案优选的要求,所以有必要研究分析对输电线路路径选择产生影响的各项重要指标,并通过建立数学模型综合评价各影响指标的重要性,从而保证输电线路路径选择更加经济合理且具有科学性
目前输电线路路径选择和评价方法,主要可分为两大类:分别是基于主观定性判断和***逻辑分析。主观定性判断的方法主要是根据专家知识对所有影响路径方案的影响指标进行排序比较,这种主观层面的判断多依靠经验,虽然专家理论在一定程度上有助于分析,但无法保证选择或评价结果的科学性和全面性。***逻辑分析主要是采用层次分析法,层次分析法将复杂问题中的各个影响指标划分成相互之间有联系的有序层次,并对每一层次的相对重要性给予定量表示,利用数学方法确定每个层次中每个元素的相对重要性次序的权值。虽然该方法简单实用易操作,但是仍然存在一些问题,特别是当判断矩阵不具有一致性时,通过该矩阵计算的权重值合理性较差,且矩阵调整较为繁琐。
因此,本发明结合了传统基于层次分析法的输电路径方案评估方法的优点,并利用粒子群算法对判断矩阵进行检验、修正,解决了评价过程中权重值设置的不贴合数据实际、决策过程缺乏一定科学性的问题。
发明内容
发明目的:本发明的目的是提供一种能够解决现有技术中存在的缺陷的基于改进模糊层次分析法的输电线路路径方案评估方法。
技术方案:本发明所述的基于改进模糊层次分析法的输电线路路径方案评估方法,包括以下步骤:
S1:构建影响指标集和待评估方案集;
S2:对影响指标集经过标准化处理后建立模糊关系的单影响指标模糊评估矩阵;
S3:根据模糊评估矩阵构造用于确定各影响指标权重的判断矩阵,并采用粒子群算法优化计算该判断矩阵从而得出各指标的权重值;
S4:由各影响指标的权重值构造权重矩阵,并根据模糊数学方程求得各方案的模糊综合评估值,从而获得最优输电路径方案。
进一步,所述步骤S1中,影响指标集与待评估方案集分别可以写为:
X=(x1,x2,…xi…,xn) 式(1);
Y=(y1,y2,…yi…,ym) 式(2);
式(1)中,元素xi表示影响输电线路路径方案选择的各个评价指标。
式(2)中,元素yi表示待评估的第j个方案。
进一步,所述步骤S2中,模糊评估矩阵通过以下方法确定:
S2.1:由影响指标与评估方案的对应关系,建立X对应Y的模糊映射(函数):X→F(Y),并定义n个影响指标组成对全体m个方案的影响指标样本集数据为{x(i,j)|i=1~n,j=1~m},对样本数据集x(i,j)进行标准化处理,其中,对值越大越好型数据的标准化处理公式为:
对值越小越好型数据的标准化处理公式为:
式(3)与式(4)中,xmin(i)与xmax(i)分别为方案中第i个指标的最小值与最大值,r(i,j)为标准化后的影响指标值,即为第j个方案第i个影响指标从属于优的相对隶属度值;
S2.2:将r(i,j)值为元素组成单影响指标的模糊评估矩阵R=(r(i,j))n×m,具体表示为:
进一步,所述步骤S3中,用于确定各影响指标权重的判断矩阵和基于粒子群算法的各指标权重值求取通过以下方法确定:
S3.1:引入各影响指标的样本标准差s(i)为:
S3.2:判断矩阵的构造通过以下方法确定:
式(7)中,smin和smax分别为{s(i)|i=1~n}的最大值和最小值,相对重要性程度参数值am=min{9,int[smax/smin+0.5]},min和int分别为取小函数和取整函数。
将aik值为元素组成判断矩阵A={aik}n×m,另外根据判断矩阵A的定义,有
式(8)中,{wi|i=1~n}为各影响指标的权重值。
S3.3:采用粒子群算法优化计算判断矩阵得到的各指标权重值通过以下方法确定:
设A的修正判断矩阵为Y={yik}n×n,Y各要素的权重值仍记为{wi|i=1~n},则满足式(8)与式(9)最小的Y矩阵为A的修正判断矩阵:
式(9)与式(10)中,称目标函数RJV(n)为修正判断函数;β为非负参数,根据经验在[0,0.3]内选取。
为解决式(9)的非线性优化问题,采用粒子群算法求解,优化目标为使得目标函数RJV(n)<0.1,优化变量为权重值{wi|i=1~n}和修正判断矩阵Y={yik}n×n的上三角矩阵元素,共计n(n+1)/2个优化变量,将n(n+1)/2个变量组成一个群落M,其中的每一个变量作为一个粒子,每个粒子表示为一个D维向量,记为:
第i个粒子的速度记为:
将式(9)作为粒子群算法的适应度函数,将初始粒子带入适应度函数计算后得到当前最优适应度值、个体最优解pbest和群落最优解gbest,接着第i个粒子根据式(13-1)与(13-2)更新速度与位置:
式(13-1)与(13-2)中,d代表维度编号;ω为惯性因子,一般取值为0.6;c1、c2为加速常数,一般取值为1.7;r1、r2为[0,1]间的随机数;α为速度约束因子,一般取值为0.8;k为当前迭代次数。
每一个粒子速度与位置更新完毕后,重新代入式(9)计算得到最优适应度值,并更新个体最优解pbest和群落最优解gbest,并判断最优适应度值是否满足小于0.1的终止条件,若满足则优化计算结束;若不满足,则重新进行粒子的速度与位置更新,计算最优适应度值,更新个体与群落最优解,直至满足终止条件。最后输出所有最个体优解,即权重值{wi|i=1~n}和修正判断矩阵Y={yik}n×n的上三角矩阵元素。
进一步,所述步骤S4中,模糊综合评估值和最优输电路径方案通过以下方法确定:
S4.1:根据步骤S3.3获得的各影响指标权重值{wi|i=1~n}构造权重矩阵W:
W=(w1,w2,…wi,…,wn) (14);
式(14)中,元素wi表示影响指标xi对参与比较的各方案所起限定程度的权重值。
S4.2:根据模糊数学方程W·R=Z,求得待评估方案的综合评价优劣程度结果Z:
式(15)的模糊数学运算规则为:
式(16)中,“∧”表示取小值,“∨”表示取大值。
Z中的每一个元素即为模糊综合评价值z(j),模糊综合评价值越高,说明该方案越好。选择模糊综合评价值最高的为最优输电线路路径方案。
附图说明
图1为本发明基于改进模糊层次分析法的输电线路路径的评估方法的计算流程图。
图2为本发明具体实施方式中基于粒子群算法优化计算判断矩阵与指标权重值的计算流程图。
具体实施方式
本发明具体实施方式公开了一种基于改进模糊层次分析法的输电线路路径方案评估方法,见图1,基于改进模糊层次分析法的输电线路路径方案评估方法包括以下步骤:
S1:构建影响指标集和待评估方案集;
S2:对影响指标集经过标准化处理后建立模糊关系的单影响指标模糊评估矩阵;
S3:根据模糊评估矩阵构造用于确定各影响指标权重的判断矩阵,并采用粒子群算法优化计算该判断矩阵从而得出各指标的权重值;
S4:由各影响指标的权重值构造权重矩阵,并根据模糊数学方程求得各方案的模糊综合评估值,从而获得最优输电路径方案。
步骤S1中,影响指标集与待评估方案集分别可以写为:
X=(x1,x2,…xi…,xn) 式(1);
Y=(y1,y2,…yi…,ym) 式(2);
式(1)中,元素xi表示影响输电线路路径方案选择的各个评价指标。
式(2)中,元素yi表示待评估的第j个方案。
步骤S2中,模糊评估矩阵通过以下方法确定:
S2.1:由影响指标与评估方案的对应关系,建立X对应Y的模糊映射(函数):X→F(Y),并定义n个影响指标组成对全体m个方案的影响指标样本集数据为{x(i,j)|i=1~n,j=1~m},对样本数据集x(i,j)进行标准化处理,其中,对值越大越好型数据的标准化处理公式为:
对值越小越好型数据的标准化处理公式为:
式(3)与式(4)中,xmin(i)与xmax(i)分别为方案中第i个指标的最小值与最大值,r(i,j)为标准化后的影响指标值,即为第j个方案第i个影响指标从属于优的相对隶属度值;
S2.2:将r(i,j)值为元素组成单影响指标的模糊评估矩阵R=(r(i,j))n×m,具体表示为:
步骤S3中,用于确定各影响指标权重的判断矩阵和基于粒子群算法的各指标权重值求取通过以下方法确定:
S3.1:引入各影响指标的样本标准差s(i)为:
S3.2:判断矩阵的构造通过以下方法确定:
式(7)中,smin和smax分别为{s(i)|i=1~n}的最大值和最小值,相对重要性程度参数值am=min{9,int[smax/smin+0.5]},min和int分别为取小函数和取整函数。
将aik值为元素组成判断矩阵A={aik}n×m,另外根据判断矩阵A的定义,有
式(8)中,{wi|i=1~n}为各影响指标的权重值。
S3.3:采用粒子群算法优化计算判断矩阵得到的各指标权重值通过以下方法确定:
设A的修正判断矩阵为Y={yik}n×n,Y各要素的权重值仍记为{wi|i=1~n},则满足式(8)与式(9)最小的Y矩阵为A的修正判断矩阵:
式(9)与式(10)中,称目标函数RJV(n)为修正判断函数;β为非负参数,根据经验在[0,0.3]内选取。
见图2,为解决式(9)的非线性优化问题,采用粒子群算法求解,优化目标为使得目标函数RJV(n)<0.1,优化变量为权重值{wi|i=1~n}和修正判断矩阵Y={yik}n×n的上三角矩阵元素,共计n(n+1)/2个优化变量,将n(n+1)/2个变量组成一个群落M,其中的每一个变量作为一个粒子,每个粒子表示为一个D维向量,记为:
第i个粒子的速度记为:
将式(9)作为粒子群算法的适应度函数,将初始粒子带入适应度函数计算后得到当前最优适应度值、个体最优解pbest和群落最优解gbest,接着第i个粒子根据式(13-1)与(13-2)更新速度与位置:
式(13-1)与(13-2)中,d代表维度编号;ω为惯性因子,一般取值为0.6;c1、c2为加速常数,一般取值为1.7;r1、r2为[0,1]间的随机数;α为速度约束因子,一般取值为0.8;k为当前迭代次数。
每一个粒子速度与位置更新完毕后,重新代入式(9)计算得到最优适应度值,并更新个体最优解pbest和群落最优解gbest,并判断最优适应度值是否满足小于0.1的终止条件,若满足则优化计算结束;若不满足,则重新进行粒子的速度与位置更新,计算最优适应度值,更新个体与群落最优解,直至满足终止条件。最后输出所有最个体优解,即权重值{wi|i=1~n}和修正判断矩阵Y={yik}n×n的上三角矩阵元素。
步骤S4中,模糊综合评估值和最优输电路径方案通过以下方法确定:
S4.1:根据步骤S3.3获得的各影响指标权重值{wi|i=1~n}构造权重矩阵W:
W=(w1,w2,…wi,…,wn) (14);
式(14)中,元素wi表示影响指标xi对参与比较的各方案所起限定程度的权重值。
S4.2:根据模糊数学方程W·R=Z,求得待评估方案的综合评价优劣程度结果Z:
式(15)的模糊数学运算规则为:
式(16)中,“∧”表示取小值,“∨”表示取大值。
Z中的每一个元素即为模糊综合评价值z(j),模糊综合评价值越高,说明该方案越好。选择模糊综合评价值最高的为最优输电线路路径方案。
Claims (10)
1.一种输电线路路径的评估方法,其特征在于,包括:
构建影响指标集和待评估方案集;
建立模糊关系的单影响指标模糊评估矩阵;
获取各影响指标的权重值;
构造权重矩阵;以及
获取各待评估方案的模糊综合评估值,即获得所述输电线路路径。
2.根据权利要求1所述的评估方法,其特征在于,
所述影响指标集为
X=(x1,x2,…xi…,xn) 式(1);
所述待评估方案集为
Y=(y1,y2,…yi…,ym) 式(2);
xi表示输电线路路径的第i个影响指标,yi表示第i个待评估方案。
5.根据权利要求1所述的评估方法,其特征在于,
所述获取各影响指标的权重值包括:
根据模糊评估矩阵构造判断矩阵;
采用粒子群算法优化计算该判断矩阵,以获得各影响指标的权重值。
8.根据权利要求7所述的评估方法,其特征在于,
所述粒子群算法优化变量包括:
获取当前最优适应度值、个体最优解pbest和群落最优解gbest,即
将n(n+1)/2个变量组成一个群落M,其中的每一个变量作为一个粒子,每个粒子表示为一个D维向量,记为
第i个粒子的速度记为
将式(9)作为粒子群算法的适应度函数,将初始粒子带入适应度函数计算,得到当前最优适应度值、个体最优解pbest和群落最优解gbest;
更新粒子的速度与位置,即根据式(13-1)与(13-2)对第i个粒子更新速度与位置,
更新个体最优解pbest和群落最优解gbest,即待每个粒子速度与位置更新完毕后,重新代入式(9)计算得到最优适应度值;
判断最优适应度值是否满足小于0.1的终止条件,即
若满足则优化计算结束;若不满足,则重新更新粒子的速度与位置,计算最优适应度值,更新个体与群落最优解,直至满足终止条件;
输出所有最优个体解,即权重值{wi|i=1~n}和修正判断矩阵Y={yik}n×n的上三角矩阵元素;其中
d代表维度编号,ω为惯性因子,c1、c2为加速常数,r1、r2为[0,1]间的随机数,α为速度约束因子,k为当前迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110128082.8A CN112819322A (zh) | 2021-01-29 | 2021-01-29 | 基于改进模糊层次分析法的输电线路路径方案评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110128082.8A CN112819322A (zh) | 2021-01-29 | 2021-01-29 | 基于改进模糊层次分析法的输电线路路径方案评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112819322A true CN112819322A (zh) | 2021-05-18 |
Family
ID=75858374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110128082.8A Pending CN112819322A (zh) | 2021-01-29 | 2021-01-29 | 基于改进模糊层次分析法的输电线路路径方案评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819322A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780653A (zh) * | 2021-09-07 | 2021-12-10 | 上海电力大学 | 一种基于云物元的输电线路路径方案优选方法 |
CN114036452A (zh) * | 2021-11-11 | 2022-02-11 | 中国电子科技集团公司第二十九研究所 | 一种应用于离散型生产线的产能评估方法 |
CN115695269A (zh) * | 2022-10-31 | 2023-02-03 | 中物院成都科学技术发展中心 | 一种模糊测试工具性能综合量化评估方法 |
CN115796693A (zh) * | 2022-12-14 | 2023-03-14 | 北华大学 | 一种啤酒生产企业能效确定方法、***及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971171A (zh) * | 2014-04-18 | 2014-08-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种输电设备状态评估方法 |
CN106570632A (zh) * | 2016-10-28 | 2017-04-19 | 国网甘肃省电力公司电力科学研究院 | 基于移动端的电网降损节能分析*** |
CN109657966A (zh) * | 2018-12-13 | 2019-04-19 | 国网河北省电力有限公司电力科学研究院 | 基于模糊测度评价的输电线路风险复合评估方法 |
-
2021
- 2021-01-29 CN CN202110128082.8A patent/CN112819322A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971171A (zh) * | 2014-04-18 | 2014-08-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种输电设备状态评估方法 |
CN106570632A (zh) * | 2016-10-28 | 2017-04-19 | 国网甘肃省电力公司电力科学研究院 | 基于移动端的电网降损节能分析*** |
CN109657966A (zh) * | 2018-12-13 | 2019-04-19 | 国网河北省电力有限公司电力科学研究院 | 基于模糊测度评价的输电线路风险复合评估方法 |
Non-Patent Citations (2)
Title |
---|
李壮阔;薛有添;: "基于粒子群算法的模糊层次分析模型", 计算机应用研究, no. 12, pages 4549 - 4552 * |
李小宝,杨阔,胡梦锦: "基于GIS和模糊层次分析法的输电线路路径方案评价", 电工文摘, no. 03, pages 26 - 29 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780653A (zh) * | 2021-09-07 | 2021-12-10 | 上海电力大学 | 一种基于云物元的输电线路路径方案优选方法 |
CN114036452A (zh) * | 2021-11-11 | 2022-02-11 | 中国电子科技集团公司第二十九研究所 | 一种应用于离散型生产线的产能评估方法 |
CN115695269A (zh) * | 2022-10-31 | 2023-02-03 | 中物院成都科学技术发展中心 | 一种模糊测试工具性能综合量化评估方法 |
CN115695269B (zh) * | 2022-10-31 | 2023-10-27 | 中物院成都科学技术发展中心 | 一种模糊测试工具性能综合量化评估方法 |
CN115796693A (zh) * | 2022-12-14 | 2023-03-14 | 北华大学 | 一种啤酒生产企业能效确定方法、***及电子设备 |
CN115796693B (zh) * | 2022-12-14 | 2023-12-05 | 北华大学 | 一种啤酒生产企业能效确定方法、***及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819322A (zh) | 基于改进模糊层次分析法的输电线路路径方案评估方法 | |
CN109461025B (zh) | 一种基于机器学习的电能替代潜在客户预测方法 | |
US11755976B2 (en) | Method for predicting oxygen load in iron and steel enterprises based on production plan | |
CN110571792A (zh) | 一种电网调控***运行状态的分析评估方法及*** | |
CN112990500B (zh) | 基于改进加权灰色关联分析的台区线损分析方法及*** | |
Pour et al. | Time-cost-quality trade-off in project scheduling with linguistic variables | |
CN112818525A (zh) | 一种水电机组状态评价方法及其*** | |
CN111680452A (zh) | 基于全要素数据挖掘的电网工程精准投资决策仿真方法 | |
CN111476274B (zh) | 一种大数据预测分析的方法、***、装置及存储介质 | |
CN112819225A (zh) | 基于bp神经网络和arima模型的碳市场价格预测方法 | |
CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及*** | |
CN112184412A (zh) | 一种信用评分卡模型的建模方法、装置、介质及电子设备 | |
CN115345297A (zh) | 一种基于生成对抗网络的台区样本生成方法及*** | |
CN115861671A (zh) | 一种考虑负荷特性与可调节潜力的双层自适应聚类方法 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析*** | |
CN116468536A (zh) | 一种自动化风险控制规则生成的方法 | |
CN107977853A (zh) | 一种汽车企业客户流失建模与分析方法 | |
CN113705897A (zh) | 一种面向工业铜箔生产的产品质量预测方法及*** | |
CN109344171A (zh) | 一种基于数据流处理的非线性***特征变量显著性挖掘法 | |
US20240002964A1 (en) | Method and system for determining converter tapping quantity | |
CN116797096A (zh) | 基于ahp-熵权法的供应链韧性水平模糊综合评估方法 | |
CN108596781A (zh) | 一种电力***数据挖掘与预测整合方法 | |
CN107025497A (zh) | 一种基于Elman神经网络的电力负荷预警方法及装置 | |
Arakelyan et al. | Analysis of the DCS historical data for estimation of input signal significance | |
CN113283174B (zh) | 基于算法集成与自控制的储层产能预测方法、***及终端 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210518 |