基于粗糙集数据挖掘的配电网小区空间负荷预测方法研究

提出了一种新颖的配电网空间负荷预测方法,采用粗糙集(RS)数据挖掘方法对可能影响小区用地决策的相关属性进行约简,去除冗余属性,克服了以往方法受人为因素影响较大的弱点,得出决定小区用地类型的决策规则,从而得到每个小区适于发展各类负荷的程度,再运用全局最优的土地分配算法来计算各小区内各类负荷的增长,克服了仿真法不能得到整个土地最优分配方案决策的弱点.最后用实例说明了该方法的有效性.     

模糊粗糙集理论在空间电力负荷预测中的应用

基于遗传算法对连续数据进行区间数的最优量化和区间的分点值计算,同时将各量化区间模糊化,对预处理后的数据利用粗糙集理论建立小区用地属性决策表,并进行属性约简,得出决定小区用地类型的决策规则.同时,分析计算了各条件属性对各用地类型的不同权重,克服了传统方法确定权重系数的主观性.     

基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用

基于模糊粗糙集理论,提出了一种综合数据挖掘方法,并将其应用于空间负荷预测中。基于规则约简方法提出了循环采样方法,采用数据库知识获取技术按采集的样本属性值将样本聚类,根据聚类中心对连续取值的属性设定模糊值,根据决策属性的包含度对模糊粗糙规则进行筛选,并采用数据库知识获取技术实现了用地类型的转换。算例结果表明该方法简单灵活,可用于短期、中期和长期空间负荷预测中。     

基于人工蜂群算法的空间负荷预测

采用人工蜂群算法应用于土地利用变化中的土地使用决策,提出了一种新的空间负荷预测方法。为了解决静态决策规则带来的问题和提高空间负荷预测的精确性,该方法结合了人工蜂群算法和用地仿真法的优点,利用用地仿真法理论来预测规划区域各小区的未来用地类型,定义各小区用地类型的属性节点和类节点的连线为蜂群搜索路径,通过模仿蜜蜂采蜜行为,自动搜索在该区域土地利用变化情况中各用地类型最优的转换规则,计算小区负荷。最后利用Matlab R2012a做实验,证明文中所提新方法是有效的。     

基于粗糙集和元胞自动机的配电网空间负荷预测

该文提出一种新颖的配电网空间负荷预测方法,采用元胞自动机(cellular automata,CA)模拟城市土地利用动态发展过程,预测规划区域各小区土地的未来使用类型。根据城市发展的实际情况,确定CA的迭代时间和转换规则调整时间,并采用粗糙集(rough sets,RS)理论逐步对每个调整时间段中可能影响小区土地使用决策的因素进行属性约简,获取动态的元胞自动机转换规则,消除冗余属性,克服了传统方法在获取小区土地使用决策受主观因素影响较大以及在规划年内一直采用静态的土地使用决策规则的缺陷。最后通过1个实例验证了该方法的有效性。     

基于云理论的配电网空间负荷预测方法研究

提出了一种新颖的配电网空间负荷预测模型，该模型采用了基于云模型的知识表示，将定性概念所具有的模糊性、随机性有机地结合在一起，构成了定性和定量相互间的映射，克服了传统模糊理论的不彻底性。该文将云理论、面向对象的归纳方法以及粗糙集相结合，进行土地使用决策中空间属性信息定量定性转换、空间数据的离散化、决策规则的挖掘，克服了传统基于模糊集的空间负荷预测模型中模糊集参数及模糊系统规则选择的主观性，同时也利用云理论与粗糙集理论相互间的互补性,增强了知识发现的能力。运用基于云理论的不确定性推理计算小区对各用地类型适应性的评分，使推理结果更加合理而且贴近实际。给出了基于该模型的小区改造判据，改进了计及小区改造及经济性的用地分配的多目标规划模型，计算小区负荷。最后用实例说明了该方法的有效性。     

基于粗糙集理论的架空输电线路运行状态评估

本文提出了一种基于粗糙集理论的架空输电线路运行状态评估新方法。利用粗糙集理论建立架空输电线路决策表,并进行属性约简,得出决策规则。然后,分析计算了各条件属性对各架空输电线路运行状态的不同权重,克服了传统方法确定权重系数的主观性。     

基于蚁群算法的配电网空间负荷预测方法研究

在进行空间负荷预测的过程中,用地类型转换规则的获取对预测的结果产生着深远的影响。提出了一种改进的配电网空间负荷预测方法,采用用地仿真法模拟城市土地动态发展过程,预测规划区域各小区土地的未来使用类型。根据城市发展的实际情况,利用蚁群算法（Ant Colony Algorithm,ACA）的自适应性及其在分类规则挖掘方面的优势,自动获取小区用地类型的转换规则,克服了传统方法在规划年内一直采用静态的土地使用决策规则的缺陷。用实例说明了该方法的有效性。     

基于蚁群算法的配电网空间负荷预测方法研究

在进行空间负荷预测的过程中,用地类型转换规则的获取对预测的结果产生着深远的影响.提出了一种改进的配电网空间负荷预测方法,采用用地仿真法模拟城市土地动态发展过程,预测规划区域各小区土地的未来使用类型.根据城市发展的实际情况,利用蚁群算法(Ant Colony Algorithm,ACA)的自适应性及其在分类规则挖掘方面的优势,自动获取小区用地类型的转换规则,克服了传统方法在规划年内一直采用静态的土地使用决策规则的缺陷.用实例说明了该方法的有效性.     

粗糙集法解多环境因素影响的母线负荷预测问题

母线负荷的环境因素众多且影响关系复杂,综合考虑所有属性会引入无关随机信息,降低预测精度。为此,提出了考虑多环境因素的母线负荷预测粗糙集(rough set,RS)方法,采用快速属性约简算法(fast attribute reduction algorithm,FARA)确定对母线负荷影响较大的条件属性;基于概率规则导出决策规则集;通过距离度量法匹配规则,从而实现母线负荷预测。将所提方法应用于预测广西某地区电网220 kV母线有功负荷,结果表明该方法能从母线负荷预测的历史数据样本挖掘出有益预测规则,具有较高的预测精度。     

基于模糊多目标多人决策的配电网空间负荷预测

提出了一种新的空间负荷预测方法,在进行空间负荷预测用地类型决策时引入了模糊多目标多人决策。考虑各个相关空间因素,采用模糊语言算子区分各因素的相对重要程度,引入层次分析法将语言算子转化为精确权重,多个专家各自独立决策,综合考虑多人决策得到最终用地类型。多人决策降低了以往空间负荷预测用地分析的主观性,提高了预测精度。     

基于模糊推理和多目标规划的空间负荷预测

在传统空间负荷预测基础上加以改进,重点考虑了以下问题：(1)运用模糊推理计算小区对各用地类型适应性的评分,使用地决策更加符合城市发展形势;(2)给出城市小区改造判据,弥补了传统空间负荷只能处理城市平稳发展的缺陷;(3)引入多目标线性规划,计及建设与改造投资,使土地的分配更具经济性,从而使配网规划更加经济合理。作给出的空间负荷预测模型已用Visio C 6.0编程实现,用其对具体算例的分析结果令人满意。     

粗集理论在电力系统负荷预测中的应用

电力负荷预测的准确性对于电力系统的合理规划与建设意义重大.影响负荷预测准确性的最主要因素是原始数据的不确定性.文章应用粗集理论研究了历史数据不确定性影响下的电力系统中长期负荷预测问题.在结合具体实例的基础上,应用粗集理论给出了从负荷预测建模、缺失数据补齐、有效数据筛选到决策规则生成、最终得出负荷预测结果的一完整的预测过程.算例分析表明,应用粗集理论解决数据不确定性影响下的电力负荷预测是可行的.     

基于负荷细分与SVM技术的电力负荷空间分布预测

提出了一种新颖的电力空间负荷分布预测模型,该方法首先对各类负荷的影响因素进行分析并分别建模预测;而后将选定区域划分成等面积小区,利用主成分分析法对小区空间信息进行处理,从而形成支持向量机的训练样本集;在此基础上用训练好的支持向量机计算待预测区域小区的属性值,并按照各类用地类型排序.根据预测结果,结合待预测区域的整体发展规划,给出待预测区域各类负荷增量;最后,结合各类负荷密度预测值、各类用地发展总量、各类用地发展排序,给出空间负荷预测值.实例验证了本文方法的有效性.     

结合模糊粗糙集和支持向量机的电力负荷短期预测方法

针对支持向量机（support vector machine,SVM）负荷预测方法中存在冗余信息、数据量过大而导致的训练时间过长、速度变慢等缺陷,利用模糊粗糙集（Fuzzy Rough Sets,FRS）能有效地处理不精确或不完备知识及冗余信息的特点,提出了一种结合FRS和SVM的短期负荷预测模型,将FRS理论中的属性约简算法用于解决电力负荷中众多影响因素的信息膨胀问题,采用属性约简算法剔除与决策信息不相关的因素,将约简后的因素作为SVM的输入,并采用SVM回归算法预测短期负荷。算例仿真表明,该预测模型可保证预测精度,加快计算速度。     

空间电力负荷预测小区用地分析（二）——模糊推理在小区用地分析中的应用

基于模糊逻辑的近似推理方法 ,建立了详细的城市土地高分解状态下的小区土地使用优劣性评价和小区土地使用适应性评价的推理模型。用一个实际系统的空间电力负荷预测的小区用地分析实例说明了该方法的应用过程和有效性     

粗糙集理论及其在短期电力负荷预测中的应用

影响负荷预测精度的因素众多,为了找到负荷值与各种外在因素之间的关系,利用粗糙集理论对各条件属性进行属性约简分析,在属性约简算法中采用遗传算法进行寻优计算,找到与负荷直接相关的因素,然后将它作为模糊神经网络的输入矢量进行负荷预测.经仿真分析证明预测精度和速度都得到改善.