基于遗传改进蚁群聚类算法的电力客户价值评价

被引:30
作者
李泓泽
郭森
王宝
机构
[1] 华北电力大学经济与管理学院
关键词
电力客户价值; 评价指标体系; 蚁群聚类算法; 遗传改进蚁群聚类算法; 服务资源优化;
D O I
10.13335/j.1000-3673.pst.2012.12.011
中图分类号
TM73 [电力系统的调度、管理、通信]; TP18 [人工智能理论];
学科分类号
080802 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
对电力客户价值进行评价是供电企业优化服务资源配置的重要步骤。分析了蚁群聚类算法,并针对蚁群聚类算法进行评价时参数组合设置盲目性、收敛速度慢、容易陷入局部收敛的缺点,提出了运用遗传算法改进蚁群聚类算法评价电力客户价值的新方法。该新方法利用遗传算法对蚁群聚类算法的参数进行优化,进而再对电力客户价值进行聚类评价。通过实例验证表明,该新方法聚类性能有较大的提升,能够提升收敛速度和避免陷入局部收敛,并且减少了聚类评价时的主观因素,其具有准确、高效、实用等优点。最后,运用该新方法对某市供电公司的10个工业客户进行了评价,总结了不同类别电力客户的特点,对供电企业如何优化服务资源提出了建议。
引用
收藏
页码:256 / 261
页数:6
相关论文
共 15 条
[1]   基于多目标混沌量子遗传算法的分布式电源规划 [J].
王瑞琪 ;
李珂 ;
张承慧 ;
杜春水 ;
褚晓广 .
电网技术, 2011, 35 (12) :183-189
[2]   应用层次聚类法和蚁群算法的配电网无功优化 [J].
王韶 ;
周鑫 .
电网技术, 2011, 35 (08) :161-167
[3]   基于支持向量机和粒子群算法的信息网络安全态势复合预测模型 [J].
高昆仑 ;
刘建明 ;
徐茹枝 ;
王宇飞 ;
李怡康 .
电网技术, 2011, 35 (04) :176-182
[4]   改进的蚁群聚类算法及在多属性大群体决策中的应用 [J].
徐选华 ;
范永峰 .
系统工程与电子技术, 2011, 33 (02) :346-349
[5]   改进蚁群算法在复杂配电网故障区段定位中的应用 [J].
张颖 ;
周韧 ;
钟凯 .
电网技术, 2011, 35 (01) :224-228
[6]   具有不同到达时间的差异工件批调度问题的蚁群聚类算法 [J].
杜冰 ;
陈华平 ;
邵浩 ;
许瑞 ;
李小林 .
系统工程理论与实践, 2010, (09) :1701-1709
[7]   基于聚类分析的增强型蚁群算法 [J].
任志刚 ;
冯祖仁 ;
柯良军 ;
张兆军 .
控制与决策 , 2010, (08) :1201-1206
[8]   基于遗传算法的配电变压器最优投切方案 [J].
王承民 ;
佘楚云 .
电网技术, 2010, 34 (04) :43-45
[9]   市场条件下的电力客户价值分析体系 [J].
王松涛 .
电网技术, 2010, 34 (02) :155-158
[10]   社会节能环境下电力客户价值评估研究 [J].
曾鸣 ;
杨素萍 ;
杨鹏举 ;
唐健 ;
田廓 .
华东电力, 2008, (06) :15-19