针对大数据量情况下电网安全隐患快速分类难的痛点,本文提出一种基于层次结构平衡迭代聚类(Balanced Iterative Reducing and Clustering Using Hierarchies,BIRCH)和树形结构核密度评估(Tree-structured Parzen Estimator,TPE)的电网...针对大数据量情况下电网安全隐患快速分类难的痛点,本文提出一种基于层次结构平衡迭代聚类(Balanced Iterative Reducing and Clustering Using Hierarchies,BIRCH)和树形结构核密度评估(Tree-structured Parzen Estimator,TPE)的电网安全隐患分类方法。首先,算法基于TextRank构建电力行业词库,使用JIEBA库完成隐患问题文本切分词,并构建对应的特征矩阵。其次,使用BIRCH对特征矩阵进行聚类,并使用TPE优化BIRCH聚类超参数。最后,根据聚类结果映射得到安全隐患分类。实际算例测试表明,所提算法快速有效,可实现电网安全隐患分类的细颗粒度聚焦和多维度概括。展开更多
输电网的规划与当地城镇经济发展规划密切相关,而城镇经济发展面临许多不确定性,因此输电网建设成本和预期收益面临不确定性。提出一种考虑预期不确定性和非预期不确定性的输电网多阶段随机规划模型,首先将输电网规划时长分为多个阶段,...输电网的规划与当地城镇经济发展规划密切相关,而城镇经济发展面临许多不确定性,因此输电网建设成本和预期收益面临不确定性。提出一种考虑预期不确定性和非预期不确定性的输电网多阶段随机规划模型,首先将输电网规划时长分为多个阶段,考虑源荷的预期不确定性,基于信息间隙决策理论(information gap decision theory,IGDT)建立输电网多阶段随机规划模型,为应对突发的非预期不确定性,采用模型预测控制理论降低非预期不确定因素对投资额的影响,最后以某一地区输电网为算例,验证所建立模型的有效性,并分析风险投机策略和风险规避策略对投资额的影响。展开更多
文摘针对大数据量情况下电网安全隐患快速分类难的痛点,本文提出一种基于层次结构平衡迭代聚类(Balanced Iterative Reducing and Clustering Using Hierarchies,BIRCH)和树形结构核密度评估(Tree-structured Parzen Estimator,TPE)的电网安全隐患分类方法。首先,算法基于TextRank构建电力行业词库,使用JIEBA库完成隐患问题文本切分词,并构建对应的特征矩阵。其次,使用BIRCH对特征矩阵进行聚类,并使用TPE优化BIRCH聚类超参数。最后,根据聚类结果映射得到安全隐患分类。实际算例测试表明,所提算法快速有效,可实现电网安全隐患分类的细颗粒度聚焦和多维度概括。
文摘输电网的规划与当地城镇经济发展规划密切相关,而城镇经济发展面临许多不确定性,因此输电网建设成本和预期收益面临不确定性。提出一种考虑预期不确定性和非预期不确定性的输电网多阶段随机规划模型,首先将输电网规划时长分为多个阶段,考虑源荷的预期不确定性,基于信息间隙决策理论(information gap decision theory,IGDT)建立输电网多阶段随机规划模型,为应对突发的非预期不确定性,采用模型预测控制理论降低非预期不确定因素对投资额的影响,最后以某一地区输电网为算例,验证所建立模型的有效性,并分析风险投机策略和风险规避策略对投资额的影响。