当前位置:主页 > 管理论文 > 营销论文 >

基于改进层次分析法的电力营销状态评估及预警模型研究

发布时间:2021-01-21 15:44
  针对智慧电网建设全面展开、电力营销市场化改革新形势下传统电力营销模式呈现的复杂信息多维转换损耗较大、评估等级区间界限的软化度较低、状态评估预警因子体系拟合度较差等问题,提出了基于改进层次分析法的电力营销状态评估及预警模型。在层次分析法中引入模糊神经网络,建立电力营销状态评估及预警自适应模型并融入多目标决策机制建立面向电力营销的状态动态评估及预警模型,在Python 3.5.2环境下进行模型效能仿真验证,较好解决了多维应用背景下的电力营销的状态动态评估及预警问题,具有状态评估等级区间界限的软化、评估因子定性、定量表示的低损耗转换、状态评估预警因子体系精确拟合等优势。以我国南方电网某电力公司为效能评价载体,基于VS2016平台开发了验证环境并对模型进行了实证分析,分析结果表明,所提模型可以实现全方位的电力营销状态动态评估及预警,在状态评估分区界限的软化度、状态评估预警因子拟合度、复杂信息多维转换损耗等方面具有明显优势。 

【文章来源】:国外电子测量技术. 2020,39(01)

【文章页数】:7 页

【部分图文】:

基于改进层次分析法的电力营销状态评估及预警模型研究


融入决策分析体系机制

模型图,方式,模型,目标函数


4.1 改进模型仿真验证为了验证引入模糊神经网络机制、融入多目标决策机制后的电力营销状态评估及预警模型的实际工作效果,分析利用模糊神经网络进行决策评价并对模糊规则进行自适应性训练的实际效能。为了具有一般性和客观性,采用GitHub开源平台提供的基于Python 3.5.2内核的Sklearn库,设定初始目标函数,设定模糊神经网络的训练次数epochs为1000,训练目标goal为0.01,学习速率lr为0.1。从目标函数的收敛曲线对比分析、Log回归约束后的目标函数收敛曲线对比分析、目标函数分类误差率对比分析、目标函数自适应流行度对比分析等多维度对算法进行了仿真验证,基于Python 3.5.2内核,在PyCharm3.5环境下进行图形化示意仿真,采用显著差异标识在仿真图中给出对比曲线,最终仿真结果如图7~10所示。为了使Sklearn库提供的测试数据集更贴切电力营销状态评估及预警模型,对用户行为数据集和营销隐形客户源数据集进行了回归映射处理,提高了数据集的纯净度,降低了数据集的冗余度,提高了仿真效率。

曲线,目标函数,曲线


根据图7~10可以从定性和定量两方面进行分析,引入模糊神经网络机制、融入多目标决策机制后的电力营销状态评估及预警模型的目标函数的收敛曲线、Log回归约束后的目标函数收敛曲线、目标函数分类误差率、目标函数自适应流行度等有较大幅度改善;利用模糊神经网络进行决策评价并对模糊规则进行自适应性训练的实际效能良好,初步实现了线性核和非线性核的协同适应与空间和时间效率的兼顾;实现根据不同的数据集自适应调整核函数,大幅度降低了内存的耗费,提高了数据集迭代效率,在状态评估等级区间界限的软化、评估因子定性、定量表示的低损耗转换、状态评估预警因子体系精确拟合等层面具有明显优势。图8 Log回归约束后的目标函数收敛曲线对比分析仿真

【参考文献】:
期刊论文
[1]云测度的电力营销状态评估与预警模型分析[J]. 马文,张雪坚.  微型电脑应用. 2019(02)
[2]基于层次分析法的综合能源系统能效评估方法研究及应用[J]. 郭艳飞,任雪桂,鞠力,蒋诗谣.  电力科学与技术学报. 2018(04)
[3]基于状态空间模型的电力设备状态预警准确率评价方法研究[J]. 马咸.  通信电源技术. 2018(11)
[4]基于层次分析法的电力营销项目立项决策研究[J]. 杜文娟,谢胜祥.  电力与能源. 2018(05)
[5]基于纵横交叉优化灰色模型的电能计量装置状态评估方法[J]. 温盛科,杨悦辉,蔡妙妆,李慧,周志琴,殷豪,聂一雄.  电力科学与技术学报. 2018(03)
[6]基于改进熵权层次分析法的变压器状态评估[J]. 曾振达,吴杰康,陶飞达,梁浩浩,邹志强,张丽平,黄智鹏,杨夏.  吉林电力. 2018(04)
[7]电厂海生物预警系统分析及设计[J]. 崔杨杰.  国外电子测量技术. 2018(07)
[8]基于层次分析法的输电线路防山火预警评估模型[J]. 朱奇,郭江,曾兵,付杰.  电测与仪表. 2018(06)
[9]基于改进层次分析法和PSS/E的电磁环网解环方案评估[J]. 徐潇源,赵建伟,严正,冯楠,崔勇,李建华.  电力系统及其自动化学报. 2017(12)
[10]电力市场用电量需求分析预测模型研究[J]. 丁业豪,麦琪.  电测与仪表. 2017(14)



本文编号:2991439

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/2991439.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户0cd1a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com