电费资金是电网公司的主营收入,确保电费回收,是电网企业运营风险防控的重点。基于高压企业客户,融合工商、银行、司法、税务等12类社会数据,利用随机森林法、熵值法、关联聚类等大数据技术,从电力信用、用电异常、经营异常、失信处罚...电费资金是电网公司的主营收入,确保电费回收,是电网企业运营风险防控的重点。基于高压企业客户,融合工商、银行、司法、税务等12类社会数据,利用随机森林法、熵值法、关联聚类等大数据技术,从电力信用、用电异常、经营异常、失信处罚、政策事件、关联风险和舆情风险7个维度,建立了高压企业客户电费回收风险筛查模型,对企业各类潜在风险因素进行全面辨别,实现企业客户电费回收风险提前筛查预警。以某省级电网约4.5万户高压企业客户为例,选取随机森林算法、长短记忆网络(Long Short Term Memory,LSTM)进行模型优劣对比,对比结果表明,建立的模型预测结果遗漏率远低于对比模型,命中率高,算例结果验证了模型的准确性。展开更多
为研究社会大数据与供水量的关联性,以上海某供水片区为研究对象,建立了与供水系统运行工况密切相关的社会大数据库,并建立随机森林算法模型和基线模型用于供水量预测。研究表明,手机信令、POI(Point of Interest)、气象等社会大数据可...为研究社会大数据与供水量的关联性,以上海某供水片区为研究对象,建立了与供水系统运行工况密切相关的社会大数据库,并建立随机森林算法模型和基线模型用于供水量预测。研究表明,手机信令、POI(Point of Interest)、气象等社会大数据可较好地揭示城市供水水量的时空变化规律。基于人工智能算法的日和小时水量预测模型,能够较好预测供水片区用水量和水厂、泵站供水设施供水量,对于供水规划建设和运行调度管理具有较大的参考价值。展开更多
文摘电费资金是电网公司的主营收入,确保电费回收,是电网企业运营风险防控的重点。基于高压企业客户,融合工商、银行、司法、税务等12类社会数据,利用随机森林法、熵值法、关联聚类等大数据技术,从电力信用、用电异常、经营异常、失信处罚、政策事件、关联风险和舆情风险7个维度,建立了高压企业客户电费回收风险筛查模型,对企业各类潜在风险因素进行全面辨别,实现企业客户电费回收风险提前筛查预警。以某省级电网约4.5万户高压企业客户为例,选取随机森林算法、长短记忆网络(Long Short Term Memory,LSTM)进行模型优劣对比,对比结果表明,建立的模型预测结果遗漏率远低于对比模型,命中率高,算例结果验证了模型的准确性。
文摘为研究社会大数据与供水量的关联性,以上海某供水片区为研究对象,建立了与供水系统运行工况密切相关的社会大数据库,并建立随机森林算法模型和基线模型用于供水量预测。研究表明,手机信令、POI(Point of Interest)、气象等社会大数据可较好地揭示城市供水水量的时空变化规律。基于人工智能算法的日和小时水量预测模型,能够较好预测供水片区用水量和水厂、泵站供水设施供水量,对于供水规划建设和运行调度管理具有较大的参考价值。