基于属性偏好学习的配电网综合评价方法

《基于属性偏好学习的配电网综合评价方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第34卷第3期2017年3月计算机应用研究ApplicationResearchofComputersV01．34No．3Mar．2017基于属性偏好学习的配电网综合评价方法水谈元鹏，李买林，许刚(华北电力大学电气与电子工程学院，北京102206)摘要：为了摆脱在传统地区配电网评价方法中对参评人员个人评价偏好的过度依赖，实现合理、精准的属性权重确定，提出了一种基于属性偏好学习的配电网多指标智能综合评价方法。依据属性测度理论，在置信度准则与评分准则下完成对配电网综合评价模型的构造；进而提出数值绝对偏移率指标以实现对中间值指标的数据预处理；最后，应用随

2、机权神经学习方法，通过对配电网历史训练样本进行有监督学习，计算得到指标属性偏好权重，并依据配电网综合评价模型以及计算所得属性偏好权重完成对配电网待测样本的智能综合评价。与传统的AHP、PS0一SVM以及RwN算法的对比仿真实验验证了该方法的精确性与稳定性。该方法实现了合理、客观的配电网综合评价，对地区配电网评价具有一定的实际应用价值。关键词：配电网评价；评价偏好；属性测度；神经网络；多属性决策中图分类号：TPl8l文献标志码：A文章编号：1001—3695(2017)03-0785-06doi：10．3969／i．issn．1001—3695．20

3、17．03．034AttributeprefbrencelearningbasedcomprehensiVeevaluationmethodfordistributionnetwork’IhnYuanpeng，LiMailin，XuGang(sc^oozD，Ekt疵Ⅱz&眈以rDn如玩inee—ng，Ⅳon^吼iM肌腩证P伽er‰洫倦妙，Be洳g102206，醌iM)Abstract：Toavoidtheoverrelianceofpersonalpreferencesontraditionalregionaldistributionnetwork

4、evaluationandachievereasonable，accurateattributeweights，thispaperproposedamultipkindexattributepreferenceleamingbasedintelligentcomprehensiveevaluatingmetllodfordistributionnetwork．Theprop08edmethodestablishedthedistributionnetworkcompre。hensiveevaluationmodelunderco耐idencecri

5、terionandsc叫ecriterion，accordingtotheattributemeasuretheory．Then，itpre．pmcessedtheinte珊ediatevalueindexesbyintmducingnumericalabsolutedeviationrate．FinaⅡy，basedonthehistoricaltrainings砌plesofdistributionnetwork，thepmposedmethodcalculatedtheprefbrenceweightsofindexesbyemploying

6、super—visedrandomweightedneuralnetworkleamingmodel．Thep印erpe—'o瑚edintell培entevaluationoftestsamplesbyusingthedistributionnetworkcomprehensiveevaluationmodelandwell一tra沛edattributepreferencewei出ts．ComparedwithtraditionalAHP，PS0一SVMandRWNalgorithms，theexperimentalresultanalysisd

7、emonstratesthattheproposedmethodisfeasible，ef．fectiveandrobust，whichcanachieveareasonableandobjectivecomprehensiveevaluationoftargetdistributionnetwork，a11dhascertainapplicationvalueonregionaldistributionnetworl【evaluation．Keywords：distributionnemorkevaluation；evaluationprefer

8、ence；attributemeasure；neuralne柳orks；multipleattributedecision