简介:摘要现代电力行业的以“全覆盖、全采集、全费控”为终极目标的电力用户用电信息采集系统在导致用户用电数据呈指数型增长的同时,还出现了数据存储、处理和应用等多方面的实践瓶颈。不仅对电力用户的用电体验造成了不利影响而且对电力企业的相关服务的开展产生了巨大障碍。因此在电力行业运用大数据技术的想法便应运而生,这对于解决逐渐复杂的智能窃电行为和实现线损监控具有重要意义。本文从电力用户用电信息采集系统的现状出发,引出大数据环境下电力大数据分析及云计算技术,之后再深入分析其在智能反窃电和线损监控等方面的应用,以期对大数据下电力行业的健康可持续发展提供理论借鉴。
简介:摘要现代电力行业的以“全覆盖、全采集、全费控”为终极目标的电力用户用电信息采集系统在导致用户用电数据呈指数型增长的同时,还出现了数据存储、处理和应用等多方面的实践瓶颈。不仅对电力用户的用电体验造成了不利影响而且对电力企业的相关服务的开展产生了巨大障碍。因此在电力行业运用大数据技术的想法便应运而生,这对于解决逐渐复杂的智能窃电行为和实现线损监控具有重要意义。本文从电力用户用电信息采集系统的现状出发,引出大数据环境下电力大数据分析及云计算技术,之后再深入分析其在智能反窃电和线损监控等方面的应用,以期对大数据下电力行业的健康可持续发展提供理论借鉴。
简介:当上市银行的长期负债系数γ的取值不同时,应用KMV模型测算出的银行违约概率大相径庭。根据债券的实际信用利差可以推算出上市银行的违约概率PDi,CS,根据长期负债系数γ可以运用KMV模型确定上市银行的理论违约概率PDi,KMV。本文通过理论违约率与实际违约率的总体差异^n∑i=1|PDi,KMV-PDi,cs|最小的思路建立规划模型,确定了KMV模型的最优长期负债γ系数;通过最优长期负债系数γ建立了未发债上市银行的违约率测算模型、并实证测算了我国14家全部上市银行的违约概率。本文的创新与特色一是采用KMV模型计算的银行违约概率PDi,KMV与实际信用利差确定的银行违约概率PDi,CS总体差异^n∑i=1|PDi,KMV-PDi,cs|最小的思路建立规划模型,确定了KMV模型中的最优长期负债γ系数;使γ系数的确定符合资本市场利差的实际状况,解决了现有研究中在0和1之间当采用不同的长期负债系数γ、其违约概率的计算结果截然不同的问题。二是实证研究表明,当长期负债系数γ=0.7654时,应用KMV模型测算出的我国上市银行违约概率与我国债券市场所接受的上市银行违约概率最为接近。三是实证研究表明国有上市银行违约概率最低,区域性的上市银行违约概率较高,其他上市银行的违约概率居中。