CN103310388A - 基于信源熵的电网运行综合指数计算方法 - Google Patents

Abstract

本发明提出一种基于信源熵的电网运行综合指数计算方法，通过对各个指标历史数据的统计，分析指标的变化规律，以指标的信源熵反映其历史数据的有序性和稳定程度，进而得到指标的权重系数，本发明所提供的电网运行综合指数计算方法，不同于传统以主观评分为主的指标权重计算方法；以每一个指标项作为一个独立的信息源，通过计算所关注指标的信源熵并以其作为指标权重的计算依据，可以客观反映该指标数值的波动幅度与无序性，并科学计算该指标对于电网运行综合指数的贡献率与区分度，该方法流程简单，计算量小，开发难度低，物理含义清晰，具有很强的实用性。

Description

基于信源熵的电网运行综合指数计算方法

技术领域

本发明涉及电力系统运行评估领域，特别提供了一种基于信源熵的电网运行综合指数计算方法。

背景技术

长期以来，电网调度运行管理人员始终希望能够找到一种科学有效的方法，设计一种类似证券市场上大盘指数的电网调度运行综合指数，以定量地评价电网运行的整体水平，为电网运行者评估工作水平、定位工作缺陷，提升调度业务提供有力支撑。当前电网运行有大量的单项评估指标，来反映电网运行某一方面水平。对电网运行整体水平的评价分析有赖于在单项指标基础上设置合理的权重系数。该权重系数反映了不同指标在综合指数计算中所占的百分比，并刻画了各指标之间的相对重要程度，将关系到综合指数的计算结果，直接影响到综合指数的可信度。因而，权重系数的科学设置是电网运行综合指数计算的关键难点与核心问题。

科学地确定权重系数，应深入挖掘指标的物理意义，合理选取适用于分析评价电网运行综合指数的计算方法。当前，国内外学者提出的计算方法可分为主观赋权法（简称主观法）、客观赋权法（简称客观法）两类，主观赋权法主要包括专家法、层次分析法、模糊评价法等，这类方法中权重系数的确定很大程度上依赖于人工经验决策，在实际应用中通常更是容易被“拍脑袋”所取代；客观赋权法包括变异系数法、多目标优化法、复相关系数法、主成分分析法等，这些方法分别采用数理统计、多目标优化、线性变换、概率论及多元统计等方法，区分各指标的差异性、独立性、评价能力、信息量等特征，以确定各指标的权重系数。其中，源自信息论的信源熵计算方法具有深厚的理论基础与应用背景，因而广泛应用于机组运行劣化度评估、故障诊断等方面。

1948年，Shannon发表的《通信的数学理论》一文标识了信息论的诞生。该理论将信息定义为事物运动状态或存在方式的不确定性的描述，认为信息量的大小与不确定性的程度有关，并采用概率论的方法度量信息量的大小，进而以信源熵测度整个信源的平均信息量。

利用该理论对电网运行评价中的评价指标进行分析，可以发现虽然每一个指标都能够提供一个明确的数值，但取决于该指标的历史变化规律，电网运行者从中获得的信息量却是迥异的。即假设通过分析历史数据可以完全确定某指标以100%的概率取值为某一定值，即在电网调度运行过程中该指标的取值具有高度的有序性、确定性，那么该指标对于运行管理人员而言将不具有任何信息量，即关注该指标的价值不大；反之，如果该指标取各值的概率均等，则该指标在电网调度运行过程中的取值具有高度的无序性、不确定性，那么该指标对于电网调度运行管理人员而言将具有很大的信息量，应对该指标予以更多的关注。

发明内容

本发明旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。为此，本发明的目的在于提出一种简单易行的基于信源熵的电网运行综合指数计算方法。

一种基于信源熵的电网运行综合指数计算方法，其特征在于,通过对各个指标历史数据的统计，分析指标的变化规律，以指标的信源熵反映其历史数据的有序性和稳定程度，进而得到指标的权重系数，包括以下步骤：

（1）选择待评估的指标项，从电网实时运行数据库中输入指标的当前数据，并从电网历史数据库中输入其历史数据；

（2）依据指标数值与电网运行水平之间的关系，将指标划分为极大、极小、区间三类，通过分析历史数据或参考电网安全运行导则规定，设定指标的限值，并通过线性拟合计算指标对应的指数评分，实现对指标的无量纲化处理；

（3）整合对指标历史数据的无量纲化结果，形成指标的评估矩阵，计算指标每个历史数据取值的先验概率，从而得到指标在不同历史取值下的自信息量，进一步得到指标的信源熵，以反映指标历史数据取值的稳定性；

（4）依照指标信源熵的物理含义，计算其波动系数，通过统计指标波动系数总量，计算不同指标的波动系数在指标波动系数总量中的占比，从而得到其权重系数；

（5）基于指标的权重系数和其当前数据无量纲化数值，计算电网运行综合指数。

由上可知，本发明所提供的电网运行综合指数计算方法，不同于传统以主观评分为主的指标权重计算方法；以每一个指标项作为一个独立的信息源，通过计算所关注指标的信源熵并以其作为指标权重的计算依据，可以客观反映该指标数值的波动幅度与无序性，并科学计算该指标对于电网运行综合指数的贡献率与区分度。本方法流程简单，计算量小，开发难度低，物理含义清晰，具有很强的实用性。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明实施基于信源熵的电网运行综合指数计算方法的流程图。

具体实施方式

下面结合附图及实施方式对本发明作进一步详细的说明。应当理解，此处所描述的具体实施方式可用以解释本发明，但并不限定本发明。

本发明所提出的基于信源熵的电网运行综合指数计算方法，如图1所示，具体流程如下：

（1）选择待评估的指标项，从电网实时运行数据库中输入指标的当前数据，并从电网历史数据库中输入其历史数据；

输入本计算流程所需的电网运行指标基本数据，形成本方法计算信息数据库，所需的输入数据既包括电网运行指标当前数据，也包括指标的历史数据。其中电网运行指标的当前数据来源于电网的实时数据库，而电网运行的历史数据来源于电网历史数据库。需要特别说明的是，①指标信源熵的计算基于对指标历史数据波动情况的统计分析，因此需要提供尽可能多的历史数据，一般所提供的历史数据样本不应少于300条；②为应用于不同时序，包括小时、日、周、旬、月、年，的电网运行综合评估，只需要输入的基础数据为对应时序，即可通过之后的规范计算流程得到对应的时序下的综合指数。

（2）依据指标数值与电网运行水平之间的关系，将指标划分为极大、极小、区间三类，进而通过分析历史数据或参考电网安全运行导则规定，设定指标的限值，通过线性拟合计算指标对应的指数评分，实现对指标的无量纲化处理；

电网指标的“无量纲化”，需要对指标进行分类，设计相应的无量纲化方法。

本方法中，将电网运行指标划分为“极大型”、“极小型”、“区间型”三种类型。对于极大型指标而言，在指标可能的取值范围内，其取值越大则代表指标越优秀；对于极小型指标，其取值越小则代表指标越优秀；而对于区间型指标，则以其取值落在某个区间为佳。

对于极大型指标，处理方法如下：

${\tilde{x}}_{\mathrm{ij}}=\begin{array}{}\end{array}\left\{\begin{array}{cc}100& ,x_{\mathrm{ij}}\&GreaterEqual;x_j^{+}\\ 100\&times;\frac{x_{\mathrm{ij}}-x_j^{-}}{x_j^{+}-x_j^{-}}& ,x_j^{-}<x_{\mathrm{ij}}<x_j^{+}\\ 0& ,x_{\mathrm{ij}}\&le;x_j^{-}\end{array}\right.$

其中，

和分别代表第j个指标取值的上限和下限。

对于极小型指标，处理方法如下：

${\tilde{x}}_{\mathrm{ij}}=\begin{array}{}\end{array}\left\{\begin{array}{cc}0& ,x_{\mathrm{ij}}\&GreaterEqual;x_j^{+}\\ 100\&times;\frac{x_j^{+}-x_{\mathrm{ij}}}{x_j^{+}-x_j^{-}}& ,x_j^{-}<x_{\mathrm{ij}}<x_j^{+}\\ 100& ,x_{\mathrm{ij}}\&le;x_j^{-}\end{array}\right.$

其中，

和

分别代表第j个指标取值的上限和下限。

对于区间型指标，处理方法如下：

${\tilde{x}}_{\mathrm{ij}}=\left\{\begin{array}{cc}100-100\&times;\frac{a-x_{\mathrm{ij}}}{c}& ,x_{\mathrm{ij}}<a\\ 100& ,a<x_{\mathrm{ij}}<b\\ 100-100\&times;\frac{x_{\mathrm{ij}}-b}{c}& ,x_{\mathrm{ij}}>b\end{array}\right.$

其中，[a,b]为指标的最佳稳定区间，

和

分别代表第j个指标取值的上限和下限。显然，如上的计算方法能够保证三种类型指标的无量纲化结果 ${\tilde{x}}_{\mathrm{ij}}\&Element;\left[\mathrm{0,100}\right].$

需要特别说明的是：在上面的三类指标无量纲化方法中所涉及的参数，包括极大型指标取值上下限

和

极小型指标取值上下限

和

区间型指标最佳稳定区间边界值a，b以及指标取值上下限

和

有两种获取途径。途径一：参考电网安全运行导则，对于有明确考核要求的电网运行指标，对上述数据项进行设定；途径二：对于没有明确考核要求的电网运行指标，依据指标的历史数据，分析其分布规律，设定指标取值的上下限，在本计算方法中规定指标取值的上下限能够保证5%的历史取值无量纲化能够取值100，5%的历史取值无量纲化能够取值为0。

（3）整合对指标历史数据的无量纲化结果，形成指标的评估矩阵，计算指标每个历史数据取值的先验概率，从而得到指标在不同历史取值下的自信息量，进一步可得到指标的信源熵，以反映指标历史数据取值的稳定性；

经过指标无量纲化，可得到如下的指标评估矩阵

如上矩阵所示，矩阵中的每一个元素是指标的历史数据无量纲化结果。m为指标个数，n为指标历史数据数量。

依据信息论的相关原理，可以计算第i个指标取值r_ij为时的自信息量为

$I\left(r_{\mathrm{ij}}\right)=-\ln f_{\mathrm{ij}}/\ln n$

式中， $f_{\mathrm{ij}}=\frac{r_{\mathrm{ij}}}{\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}{r}_{\mathrm{ip}}}.$

如上式，f_ij是指标取值为r_ij的先验概率，表征了这种指标在取值下的出现概率。I(r_ij)称为指标取值r_ij的自信息量，其物理含义为当指标取值为r_ij的先验概率越大，则该消息的不确定性越小，所包含的信息量越小；反之，则不确定性越大，信息量越大。因此，如果通过分析历史数据发现指标取值r_ij的概率非常高，那么电网运行者对于该指标的取值为r_ij有了较大把握，则其不确定性越低，波动性越小，得到该指标的具体值时并不会感觉获得了很大的信息量。

进一步，可以计算第i个指标的信源熵，如下式

$H_i=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{f}_{\mathrm{ij}}I\left(r_{\mathrm{ij}}\right)$

式中，i=1,2,…,m。

信源熵的值，反映了指标历史数据分布的稳定性。当指标的历史数据反映指标的稳定性越高，换言之其波动程度越小，其对应的信源熵相应越大；当指标的历史数据稳定性较低，波动程度很大时，其对应的信源熵相应减小。信源熵的取值范围为(0,1]，特别的，当某指标的历史取值完全相同时，其对应的信源熵为1，表明基于历史数据，电网运行者可以判定该指标的未来取值一定为某值，则此时该指标对于电网运行者来说就失去了分析的价值。

（4）依照指标信源熵的物理含义，计算其波动系数，通过统计指标波动系数总量，计算不同指标的波动系数在指标波动系数总量中的占比，从而得到其权重系数；

基于信源熵，分析指标的波动性，计算其波动系数，公式如下：

D_i=1-H_i

如上式，D_i表示指标波动系数，其物理意义是当指标的信源熵越大时，相应的其波动系数越小，表明指标的历史数据无序程度很高，波动性较强。波动系数的取值范围为[0,1)，特别的，当指标的信源熵为1，即指标历史数据取值完全相同时，指标的波动系数为0，此时其波动性最低。

通过计算每个指标的波动系数，可以统计出所有指标的波动系数总量，则指标的权重系数可通过其波动系数在指标波动系数总量中占比决定，如下式：

${\mathrm{\&omega;}}_i=\frac{D_i}{\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{D}_q}$

如上式，分母统计了指标的波动系数总量，分子为单个指标的波动系数，其比值即为该指标的权重系数。通过上述指标信源熵的分析，可知当某指标的历史取值完全相同时，其对应的信源熵为1，波动系数为0，则其相应的权重系数为0，表明该指标未向决策者提供任何有用信息；反之，当某指标的历史取值无序性较高，其对应的信源熵较小，波动系数越大，相应的初始权重系数较大，应予以重点考察。

（5）基于指标的权重系数和其当前数据无量纲化数值，计算电网运行综合指数。

依据电网运行指标无量纲化结果与相应的权重值，可以计算电网运行水平综合评价指数。相应的计算公式如下：

上式中，E为电网运行水平综合评价指数，N为指标数量，w_i为第i个指标的权重，r_i为第i个指标的无量纲化结果。

至此，本发明所提方法实施完毕。

由上可知，本发明所提供的电网运行综合指数计算方法，不同于传统以主观评分为主的指标权重计算方法；以每一个指标项作为一个独立的信息源，通过计算所关注指标的信源熵并以其作为指标权重的计算依据，可以客观反映该指标数值的波动幅度与无序性，并科学计算该指标对于电网运行综合指数的贡献率与区分度。本方法流程简单，计算量小，开发难度低，物理含义清晰，具有很强的实用性。

为使本领域技术人员更好地理解本发明，现结合一实例分析如下。

以某省网2009年6月28日～7月9日共12天的电网运行数据为基础数据，统计计算得到电网运行指标体系中以日为统计周期的指标结果，如表1所示。

表1某省网指标历史数据表

输入指标共20项，分别为系统运行负荷预测准确率、旋转备用系数的最大值、旋转备用系数的最小值、CPS1、CPS2、主网电压合格率、机组AGC投运率、低频减载控制容量投运率的最大值、低频减载控制容量投运率的最小值、频率越限时间、最高频率、最低频率、电压越限时间、电压越限厂站数量、AGC升备用系数的最大值、AGC降备用系数的最大值、母校有功负荷预测准确率、母线无功负荷预测准确率、低频减载平均计划执行率的最大值、低频减载平均计划执行率的最大值。考虑到信息熵计算需要较大的数据样本，将上述12天的逐日历史数据重复10次，扩展成120天的历史数据输入；并以7月9号为待评估的当前日，可计算得到指标的信源熵和权重系数如下表2所示。

表2.KPI指标信源熵与权重系数

指标名称	指标类型	指标信源熵	指标权重
				系统负荷预测准确率	极大型	0.9998	0.0252%
旋转备用系数的最大值	区间型	0.9674	4.4058%
				旋转备用系数的最小值	区间型	0.9614	5.2189%
CPS1值	极大型	0.9993	0.0897%
				CPS2值	极大型	0.9985	0.2006%
主网电压合格率	极大型	0.9999	0.0094%
				机组AGC投运率	极大型	0.9755	3.3160%
低频减载控制容量投运率的最大值	极大型	0.9710	3.9217%
				低频减载控制容量投运率的最小值	极大型	0.9904	1.2936%
频率越限时间	极小型	1.0000	0.0000%
				最高频率	极小型	1.0000	0.0009%
最低频率	极大型	1.0000	0.0000%
				电压越限时间	极小型	0.9999	0.0094%
电压越限厂站比例	极小型	0.9993	0.0978%
				AGC升备用系数的最大值	区间型	0.9560	5.9522%
AGC降备用系数的最大值	区间型	0.9905	1.2852%
				母线有功负荷预测准确率	极大型	0.6954	41.1841%
母线无功负荷预测准确率	极大型	0.7600	32.4592%
				低频减载平均计划执行率的最大值	极大型	0.9968	0.4272%
低压减载平均计划执行率的最大值	极大型	0.9992	0.1031%

进而可以计算得到，电网运行综合指数为93.93。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (1)

1.一种基于信源熵的电网运行综合指数计算方法，其特征在于,通过对各个指标历史数据的统计，分析指标的变化规律，以指标的信源熵反映其历史数据的有序性和稳定程度，进而得到指标的权重系数，包括以下步骤：

（1）选择待评估的指标项，从电网实时运行数据库中输入指标的当前数据，并从电网历史数据库中输入其历史数据；

（2）依据指标数值与电网运行水平之间的关系，将指标划分为极大、极小、区间三类，通过分析历史数据或参考电网安全运行导则规定，设定指标的限值，并通过线性拟合计算指标对应的指数评分，实现对指标的无量纲化处理；

（3）整合对指标历史数据的无量纲化结果，形成指标的评估矩阵，计算指标每个历史数据取值的先验概率，从而得到指标在不同历史取值下的自信息量，进一步得到指标的信源熵，以反映指标历史数据取值的稳定性；

（4）依照指标信源熵的物理含义，计算其波动系数，通过统计指标波动系数总量，计算不同指标的波动系数在指标波动系数总量中的占比，从而得到其权重系数；

（5）基于指标的权重系数和其当前数据无量纲化数值，计算电网运行综合指数。

Images