基于诱导有序加权证据推理方法的不完全信息下继电保护系统健康状态评价

考虑到实际继电保护系统的监测数据庞杂,往往呈现动态性、不完备性和不精确性等特征,属于不完全信息,针对不完全信息下继电保护系统的评价方法进行研究。基于证据推理方法,对属性值存在缺失的继电保护系统状态进行了综合评价。引入诱导有序加权算子,系统状态信息的权重依据各属性表现的排序来确定,保证了状态评价模型中权系数与系统状态在任一时间点上的相关性。通过算例与传统模糊评价方法对比,验证诱导有序加权证据推理方法对不完全信息下继电保护系统状态评价的有效性,且更能针对性地反映系统劣化趋势。

一种模糊有序加权(FOWA)算子及其应用

针对多个三角模糊数的集结问题 ,提出一种新的模糊有序加权 (FOWA)算子。该算子是对传统OWA算子的扩展 ,它使三角模糊数可根据其所在排序位置进行集结。分析 FOWA算子所具有的性质 ,给出在群决策中模糊信息集结的一个应用算例。

4种诱导有序加权平均模型的构建

诱导有序加权平均算子是一种新的信息集结算子,用途非常广泛.基于诱导有序加权平均算子构建了4种组合预测模型.实例表明这种模型能有效地提高预测精度.

基于不同模糊偏好信息的群集成新方法

针对决策者的模糊偏好信息以不同形式给出群集成问题。首先,给出了三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式对偏好信息一致化处理。其次,以三角模糊数的期望值公式为排序工具,利用模糊有序加权几何平均(fuzzy ordered weighted geometric averaging,FOWGA)算子分别对群决策信息和重要程度进行集结,得到方案的综合优势度并排序,提出了一种基于综合判断矩阵法的模糊群决策法。最后,通过算例说明方法的可行性和实用性。

一种FOWG算子及其在模糊AHP中的应用

给出了三角模糊数两两比较的可能度公式 ,研究了它的一些优良性质。基于可能度公式 ,提出了一种模糊有序加权几何平均 (FOWG)算子。利用该算子对模糊AHP中以三角模糊数判断矩阵形式给出的判断信息进行了集结 ,而且 ,基于FOWG算子及互补判断矩阵的排序公式 ,给出了一种对决策方案进行排序和择优的算法。最后通过算例说明了该方法的有效性和实用性。

改进的加权调和平均算子及其在多属性决策中应用

在加权调和平均(WHA)算子的基础上,提出了信息数据集结的有序加权调和平均(OWHA)算子和组合加权调和平均(CWHA)算子,探讨了它们的一些性质关系,给出了OWHA算子和CWHA算子应用于多属性决策的方法,最后通过实例分析表明该决策方法是有效和可行的.

风电场短期功率组合预测模型研究

由于风能的间歇性,电网调度与运行一定程度上将依赖于对风电场短期输出功率的准确预测。利用某风电场输出功率14 d的历史数据建立3种单项预测模型,对未来36 h的短期功率进行预测。基于3种单项预测方法的结果,提出了3种组合预测模型:熵值法组合预测模型、以预测误差平方和最小的线性组合预测模型、基于诱导有序集结算子(IOWA算子)的组合预测模型。通过实例分析,3种组合预测模型有效结合了各单项预测模型的信息,均能取得较理想的效果。其中,基于IO WA算子的组合预测模型为所有6种预测方法中的最优。

耦合激励机制下多灾种综合风险评估方法

为解决区域多灾种综合风险评估中忽略多灾种间相互作用、对城市用地规划指导缺乏的问题,建立基于耦合激励机制的多灾种综合风险评估模型。以石家庄中心城区为研究对象,首先,利用地理信息系统(GIS)获取中心城区的地质、地震、火灾、洪水、内涝等典型灾害信息;然后,制定各单灾种之间的空间耦合激励规则;最后,利用有序分位加权集结算子评价多灾种的综合风险。结果表明:极高、高、中等、低、极低危险区的面积分别占26%、19%、31%、21%、3%;综合灾害危险性高的区域主要集中在滹沱河沿岸、重大危险源周边及石家庄断裂带区域,呈集群式分布特点;所得研究结果与实际情况高度吻合,激励模型能精确融合各灾种信息并克服众多不确定性问题,有效实现快速、灵活化的城市综合灾害风险的评估。

动态信任预测的认知模型

开放系统中的信任关系本质上是最复杂的社会关系之一,涉及到假设、期望、行为和环境等多种因子,很难准确地定量表示和预测.结合人类社会的认知行为,提出了一种符合人类心理认知习惯的动态信任预测模型:(1)构建了自适应的基于历史证据窗口的总体可信性决策方法,不但克服了已有模型常用的确定权重的主观判断方法,而且可以解决直接证据不足时的可信性预测问题;(2)使用已有的DTT(direct trust tree)机制进行全局反馈信任信息的搜索与聚合,以降低网络带宽消耗,增强系统在大规模分布式系统中的可扩展性;(3)引入诱导有序加权平均(induced ordered weighted averaging,简称IOWA)算子的概念,建立了基于IOWA算子的直接信任预测模型,可以用来解决传统预测模型动态适应能力不足的问题.实验结果表明,与已有模型相比,该模型具有更稳健的动态适应性,在模型的预测准确性方面也有显著的改善.