《居民阶梯用电》由会员分享，可在线阅读，更多相关《居民阶梯用电（19页珍藏版）》请在金锄头文库上搜索。
1、问题：1. 摘要中未给出明确的结果或者说结论,关键词撰写不当2. 没有附录附录中可放重要的程序代码和不是很重要的图表优点：1. 格式规范视觉效果不错2. 建模思想较好,尤其将算法流程图体现在正文中,可认为一个亮点居民阶梯电价分段标准探讨摘 要实施居民阶梯电价是现阶段兼顾节能与保障低收入阶层基本生活需要的有效手段根据#省统计局等权威统计搜集的数据资料建立数学模型,从而对居民阶梯电价相关问题进行分析对于问题一,以#省居民户均用电量为基础,结合概率统计分析方法和家庭电器设备估算法,构建居民阶梯分段电量的综合制定方法通过密度聚类进行初始分类,将分段电量的制定问题转换为一个多方案选择决策问题,从而估算出
2、阶梯电价的基数为80%85%,其能够保证80%的居民家庭电价保持平稳问题二中的相关问题,我们基于#省方案实施前后居民户均月用电量与户均月收入的相关数据,通过绘图找出相关联系,以此为依据分析判断阶梯电价定价是比较合理的与此同时,基于某省2001-20#年用电量,根据灰色预测法中的数列预测法,测算出某省后五年年用电量,并依据问题二中所建立的模型估算出相关值,分析目前的草案能持续的时间范围为35年第三问,通过对前面模型的讨论,将得到的结论联系实际,从节能减排、产品价格市场化与居民收入等方面入手,关于居民阶梯电价分段的问题,给相关部门做了相关报告和合理性建议关键词阶梯用电；密度聚类法；灰色预测法；家庭
3、电器设备估算法；目 录摘要11.问题重述31.1.问题背景31.2.问题提出32.问题分析42.1.问题讨论42.2.数据收集43.基本问题假设与符号说明53.1.问题假设53.2.符号说明54.模型建立、求解64.1.基本原理64.2.居民用户月均用电量的变密度聚类方法74.2.1.密度聚类方法简介74.2.2.基于变密度聚类的居民用户初步分类方法84.3.居民家庭电器设备估算法104.4.居民用户月均用电量的概率分布函数模型114.5.各档分段电量的综合确定方法114.6.实例分析124.6.1.密度聚类分析结果124.6.2.居民家庭电器设备的估算结果124.6.3.居民用户户月均用电量
4、的概率分布134.6.4.各档分段电量的综合决策结果134.6.5.分段电量的影响分析145.模型评价、改进与推广145.1.用电量的预测145.1.1.灰色预测法145.1.2.实例分析165.2.居民阶梯电价各档用电量分段预测195.3.评价、改进与推广206.居民阶梯电价的相关建议20参考文献21附录221. 问题重述1.1. 问题背景阶梯式电价是将电价分为不同的阶梯,在不同的定额范围内执行不同价格的一种定价方式基于对目前能源紧缺和环境污染已成为制约经济社会可持续发展的主要矛盾以与对国家的民生工程实行、电业公司盈利的综合考虑,阶梯式计量电价基本上能够达到电的商品定价目标,既可以避免增加居
5、民正常生活用电的经济负担,又能对奢侈用电、浪费用电起到必要的约束和抑制作用,有利于形成节电、节能风尚阶梯电价分段定价问题涉与到每户家庭,是一个敏感而又复杂的问题第一档基数的确定与每一段的价格制定,既要满足大多数普通居民家庭,又不能使民众认为是政府帮供电企业变相涨价阶梯电价问题在各大媒体上引起了热烈的讨论因此,对我国居民用电实施阶梯电价,并对其分段标准进行探讨做出相应的评价,意义颇深而任重道远1.2. 问题提出为了完成上述工作,我们需要完成如下任务：1收集阶梯电价方案实施前后的相关数据,诸如居民户均用电量、居民月均收入、听证会后的阶梯电价分段标准等；2根据搜索到的数据通过数学建模的方法,就#省的
6、相关数据进行定量分析,力争给出明确、有说服力的结论；3根据已有数据通过建立相关模型,估算出现阶段阶梯电价的可持续时间以与如何对其进行修改3建模过程中,以数据的收集和分析当作建模分析的基础和重要组成部分,论文应当观点鲜明、分析有据、结论明确；4最后,根据建模分析的结果,给有关部门写一份报告,提出具体的意见建议2. 问题分析2.1. 问题讨论阶梯电价,其全名为阶梯式累进电价,是指把每户平均用电量设置为若干个阶梯,电价随用电量增加而呈阶梯变化例如,将一定时期内用户的用电量分为三个阶梯或更多,每阶梯的电价不同,第一阶梯为基数电量,此阶梯内用电量较少,每单位电价较低；第二阶梯电量较多,电价也较高一些；第
7、三阶梯电量更多,电价也更高,如此类推居民实行阶梯式电价改革,是国家整体电价结构性调整的一部分问题一,根据某地居民家庭用电情况并选择附录中相应的草案分析, 该草案的阶梯电价是否能保证80% 居民家庭的电价保持平稳?我们应用密度类分析技术,根据户月均用电量领域内的户数密度,按户月均用电量对居民用户进行初步分析然后,应用家庭电器设备估算法和概率统计方法确定各档分段电量与其覆盖率的范围,以此为约束合并聚类分析的初步分类,构造各分段电量的可选择方案,并建立了各档分段电量的最优决策模型,从多方案中综合选出最优的分段电量水平根据实例验证方案的正确性和合理性并与题目所给出的标准进行比较,得出相关结论对于问题二
8、,对于现阶段制定的电价是否合理,如何评价？我们基于#省方案实施前后居民户均月用电量与户均月收入的相关数据,通过绘图找出相关联系,以此为依据分析判断阶梯电价定价的合理与否与此同时,基于某省2001-20#年用电量,根据数列预测法,测算出某省后五年年用电量,并依据问题二中所建立的模型估算出相关值,分析目前的草案能持续的时间第三问是要求我们针对目前各省市的阶梯电价, 提出完善的建议或者意见我们通过对前面模型的讨论,将得到的结论联系实际,给相关部门做了相关报告和合理性建议2.2. 数据收集居民阶梯电价分段标准的分析需要大量的数据,而这些数据都需要自己收集,因此数据的内容与其来源非常重要,数据的真实性与
9、否会使得问题的结果有非常大的差异在数据收集的时候发现有些年的数据有很多不全为了减少不必要的误差,我们主要选择2008-20#省的数据进行分析,以期望得到一个比较全面有代表性的结论具体数据来源于#省统计局等一些权威统计资料3. 基本问题假设与符号说明3.1. 问题假设1收集数据真实可信；2不考虑停电等特殊情况；3假设居民收入稳步上涨；4假设近五年不会出现严重的自然灾害；3.2. 符号说明：居民样本用户户月均用电量的数据集；、：数据集合里的对象； ：记数下标；：居民户月均用电量；：居民用户月均用电量的随机变量；：各档分段电量的集合；、：权重系数；：各档用户覆盖率；：给定对象半径；：最小数目阈值；：
10、居民用户月均用电量的概率分布函数；、：控制阈值；：累加生序列：级比：数据向量：数据矩阵：待辨识内生变量：待辨识参数4. 模型建立、求解4.1. 基本原理目前我国居民阶梯分段电量的制定应以反映居民家庭收入差异为主要目的理论上讲,可通过对全部居民用户用电量和收入数据的统计分析来确定但目前这些信息获取不全,因此我们采用家庭电器设备估算法和户月均用电量概率统计分析方法综合确定,然而该方法在分段电量边界确定方面存在人为性和随意性针对此缺陷,本文结合聚类分析技术,提出一种基于变密度聚类分析的分段电量综合制定方法基于变密度聚类分析的分段电量综合制定方法的原理如图1 所示数据获取：全体或样本居民用户的户月均用
11、电量建立户月均用电量的概率分布函数确定各档用户覆盖率的预期范围采用变密度聚类分析方法 进行初步分类合并粒群原,形成各档分段电量的可选择方案形成最终的各档分段电量采用家庭电器设备估算法确定各档分段电量的范围居民家庭用电情况调查图1 基于变密度聚类的分段电量综合制定方法的原理由图1 可知,其步骤如下：1应用密度聚类分析方法,按户月均用电量用户分布的密集程度形成小的用户群,称为粒群原；2采用家庭电器设备估算法确定各档分段电量的范围；3建立居民户月均用电量的概率分布函数,确定各档用户覆盖率的预期范围；4根据以上确定的各档用户分段电量范围与其用户覆盖率的预期范围,以之为约束合并聚类分析得到的粒群原,形成
12、各档分段电量数目有限的可能集,即各档分段电量的可选择方案；5针对各档分段电量的制定,构建最优选择决策模型,从多个方案中选出最佳的分段电量水平4.2. 居民用户月均用电量的变密度聚类方法4.2.1. 密度聚类方法简介密度聚类方法是一种数据挖掘技术,它将类看作是数据集中被低密度区域分隔开的高密度对象区域该方法定义类为密度相连的点的最大集合,也就是说将具有足够高密度连通性的区域划分为类其基本思想是：对于一个聚类中的每个对象或数据点,在其给定半径的邻域内包含的对象或数据点不能少于某个阈值,然后对具有密度连接特性的对象或数据点进行聚类但该聚类方法在处理密度分布不均的数据集分类问题时,往往得不到满意的聚类
13、结果,因此我们提出通过变邻域解决传统密度聚类方法的问题,这种方法称为变密度聚类方法4.2.2. 基于变密度聚类的居民用户初步分类方法1密度聚类模型的建立对于居民户月均用电量样本数据集,应用密度聚类方法,根据户月均用电量邻域内居民用户的户数密度形成小的用户群,即粒群原相关定义如下：将所有居民样本用户的户月均用电量定义为一个数据集；给定对象半径内的区域称为该对象的邻域；如果一个对象的邻域至少包含最小数目个对象,则称该对象为核心对象；对于、,如果在的邻域内,而是一个核心对象,则称对象从对象出发直接密度可达：如果存在一个对象链, , ,对,其中,从关于和直接密度可达,则对象从关于和密度可达；如果数据集
14、中存在一个对象,使对象和从关于和密度可达,则对象和是关于和密度相连的一个基于密度的类是基于密度可达性的最大的密度相连对象的集合不包含在任何类中的对象是噪声数据算法步骤为：先从数据集中找到任意一个对象,并查找中关于和的从密度可达的所有对象如果是核心对象,则根据算法可以找到一个关于参数和的类如果是一个边界点,即半径为的的邻域包含的对象数小于,则没有对象从密度可达,被暂时标注为噪声点对数据集中的所有对象重复以上过程,即可找到所有的类 2变邻域参数的选择由于居民户月均用电量数据集具有密度分布不均的特点,即绝大多数用户集中在户月均用电量较低和中等区域,分布十分密集,少部分用户集中在户月均用电量高区域,分
15、布较离散传统密度聚类方法在处理此类问题时聚类结果不理想,其原因在于计算过程中对半径和阈值取统一参数值,即当半径和阈值取较小值时,分布密集的户月均用电量低、中档区域可以获得较好的聚类结果,而分布离散的户月均用电量较高区域难以形成类；当半径和阈值取较大值时,分布离散的户月均用电量较高区域可以获得较好的聚类结果,而分布密集的户月均用电量低、中档区域则整体作为一类因此,根据其特点构建适合于居民用户的变密度聚类方法,即根据前一次聚类结果,变更半径的参数值；当变更半径的参数值难以满足要求时,再变更阈值的参数值居民用户密度聚类中变邻域参数的选择流程如图2 所示执行密度聚类算法,输出聚类 结果：第 i 类记为x|xi1xxi, 其中 x 为户月均用电量对聚类控制变量置初值 k =0 计算循环变量 h= xixi1和r=FF
