电费资金是电网公司的主营收入,确保电费回收,是电网企业运营风险防控的重点。基于高压企业客户,融合工商、银行、司法、税务等12类社会数据,利用随机森林法、熵值法、关联聚类等大数据技术,从电力信用、用电异常、经营异常、失信处罚、政策事件、关联风险和舆情风险7个维度,建立了高压企业客户电费回收风险筛查模型,对企业各类潜在风险因素进行全面辨别,实现企业客户电费回收风险提前筛查预警。以某省级电网约4.5万户高压企业客户为例,选取随机森林算法、长短记忆网络(Long Short Term Memory,LSTM)进行模型优劣对比,对比结果表明,建立的模型预测结果遗漏率远低于对比模型,命中率高,算例结果验证了模型的准确性。
进化类算法和内点法交替迭代的混合算法在求解含电压源换流器的高压直流输电(voltage source converter basedhigh voltage direct current,VSC-HVDC)的交直流系统最优潮流(optimal power flow,OPF)问题时由于截断误差的影响和VSC-HVDC控制方式的限制,容易发生振荡,因此提出一种基于差分进化(differential evolution,DE)和原—对偶内点法(primal-dual interior point method,PDIPM)的统一混合迭代算法。算法的主要思想是以DE算法为框架,对离散变量进行优化,在DE算法的每一次迭代过程中,采用PDIPM对每个DE个体进行连续变量的优化和适应度评估。由于采用PDIPM进行DE种群适应度评估,无需设定VSC-HVDC的控制方式,因此提高了算法的全局寻优能力。多个算例结果表明,该混合算法数值稳定性高,寻优能力强,能很好地解决含两端、多端、多馈入VSC-HVDC的交直流系统最优潮流问题。
