基于KL-散度的智能电网用户特征提取方法

智能电网技术的发展,使得传统电力系统的规模及复杂度大大增加,同时产生了大量的用电数据,如何有效利用数据挖掘技术,从这些海量数据中挖掘出有潜在价值的信息,成为了当前电力系统分析中的一个挑战性问题。首先根据不同的时间段,将用户的用电数据进行划分,在分析每段时间内用户用电数据的基础上,采用KL-divergence（KL-散度）方法衡量用户差异,并结合基于密度改进的K-means算法,给出了一种新的用户特征提取算法,用以描述电网用户的特征差异,从而实现针对不同类别用户制定不同电力营销策略,这在一定程度上能够提高企业经济效益。最后,算例仿真结果表明,所给出的用户特征提取算法在计算的时间效率和准确性上,较传统方法都有了明显的提升。     

多因子分层模糊评价法的算法设计探讨——模糊综合评价方法在旅游资源评价中的应用

以模糊分析技术为平台,综合模糊分析、因子分析和层次分析的基本思想,建立了多因素、分层次的资源综合评价模型.试图通过构建旅游资源评价指标体系,将旅游资源评价模糊因素数量化,建立起旅游资源评价的模糊综合评价模型,并在旅游资源价值评价领域加以运用.