CN103400315A

CN103400315A - 智能电网综合示范工程的评价方法

Info

Publication number: CN103400315A
Application number: CN2013103667690A
Authority: CN
Inventors: 杨宇全; 张军; 刘聪; 徐晶; 迟福建; 徐科; 李桂鑫; 王哲; 冯兆飞; 杨得博; 王锟; 秦永保; 宫俊; 潘海泉; 王琳
Original assignee: State Grid Corp of China SGCC; State Grid Tianjin Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; State Grid Tianjin Electric Power Co Ltd
Priority date: 2013-08-21
Filing date: 2013-08-21
Publication date: 2013-11-20

Abstract

本发明公开了一种智能电网综合示范工程的评价方法，包括如下步骤：1）以多个评价待评价智能电网综合示范工程的指标为指标层，并将指标层内各指标按照其与目标层总目标的影响差异设立分类层；2）利用层次分析法计算指标层、分类层各具体指标相对于总目标的重要性权值；同时利用多级模糊综合评价法计算出各指标的评价分值；3）基于步骤2）的结果，将同一层中各指标的评价分值×各指标相对于总目标的重要性权值相加和，即得到待评价智能电网综合示范工程的总评分。该方法能提前预测示范工程的推广应用效果，节约开支。

Description

智能电网综合示范工程的评价方法

技术领域

本发明涉及一种电力系统的评价方法，特别是涉及一种智能电网综合示范工程的评价方法。

背景技术

根据国家电网公司战略部署，两批21类共228项智能电网试点项目已全面展开，进展顺利，部分项目已取得重要阶段性成果。随着智能电网建设工作的大力推进，为了保证试点项目的先进性、适用性和导向性，为了及时总结经验，吸取教训，智能电网试点（示范）项目综合评价，已成为一项必不可少、长抓不懈的工作。中国智能电网建设规划已经形成，对即将开始的大规模智能电网建设，尤其需要行之有效的评估体系来对建设进程进行指导或纠正，但是，目前对智能电网综合示范工程的综合评价办法空白，仅存在对一些子项目的评价方法研究，对技术经济和社会效益评价不够全面，对评价结果的展示也不够直观。

发明内容

为了解决现有技术中存在的技术问题，本发明提供了一种智能电网综合示范工程的评价方法，该评价方法能提前预测示范工程的推广应用效果，节约开支。

为此，本发明的技术方案如下：

一种智能电网综合示范工程的评价方法，具体包括如下步骤：

1）以多个评价待评价智能电网综合示范工程的指标为指标层，并将指标层内各指标按照其与目标层总目标的影响差异设立分类层；分类层的设立使指标体系层次结构更加清楚，有利于提高评价结果的准确性；

2）利用层次分析法计算指标层、分类层各具体指标相对于总目标的重要性权值；同时利用多级模糊综合评价法计算出各指标的评价分值；

3）基于步骤2）的结果，将同一层中各指标的评价分值×各指标相对于总目标的重要性权值相加和，即得到待评价智能电网综合示范工程的总评分。

利用同级相关指标的重要性权值绘制雷达图，直观、形象的显示评价结果。

所述分类层包含的指标层具体指标数目为1～9个。

所述指标层有多层，且各层单个指标相对应的下层指标有1～9个。

所述层次分析法包括以下几步：

a)依据步骤1）中指标层具体指标、分类层指标和目标层总目标建立层次结构模型；

b)依据Saaty提出的1～9标度方法量化评价指标层各具体指标C₁,C₂,…,C_n对目标层总目标的重要性，其中

C_{i} : C_{j} &DoubleRightArrow; a_{ij},

A＝(a_ij)_m×n，a_ij＞0，

a_{ji} = \frac{1}{a_{ij}}

由A确定C₁,C₂,…,C_n对目标层总目标的权向量；

c)根据判断矩阵计算出指标层具体指标相对于分类层指标的重要性权值，判断矩阵最大特征向量来求取单排序权重，计算公式：Aw=λ_maxw；其中，λ_max、w分别表示判断矩阵A的最大特征值和对应的特征向量；

d)依次考察分类层A中各指标相对于目标层总目标Z的重要性权值，再考察指标层B具体指标相对于分类层A中各指标的重要性权值，分类层A有m个指标，分别记为A₁,A₂,…,A_m，其对目标层总目标的排序为a₁,a₂,…,a_m，指标层B有n个指标，相对于分类层A中的指标的排序为b_1j,b_2j,…,b_nj(j=1,2,…,m)；

则指标层B中的层次总排序为

B₁:a₁b₁₁+a₂b₁₂+…a_mb_1m

B₂:a₁b₂₁+a₂b₂₂+…a_mb_2m

...

B_n:a₁b_n1+a₂b_n2+…a_mb_nm

指标层B的第i个因素对总目标的权值为：

设指标层B层B₁,B₂,…,B_n对上层(分类层A层)中指标A_j(j=1,2,…,m)的层次单排序一致性指标为CI_j，随机一致性指为RI_j，则层次总排序的一致性比率为：

CR = \frac{a_{1} {CI}_{1} + a_{2} {CI}_{2} + \cdot \cdot \cdot + a_{m} {CI}_{m}}{a_{1} {RI}_{1} + a_{2} {RI}_{2} + \cdot \cdot \cdot + a_{m} {RI}_{m}},

当CR<0.1时，认为层次总排序通过一致性检验。

所述模糊分析法包括以下几步：

A、目标层设为评价对象P，其因素集U＝{u₁，u₂，…，u_m}，评判等级集V＝{v₁，v₂，…，v_m}；对因素集U中每一因素根据评判集中的等级指标进行模糊评判，得到评判矩阵：

R = [\begin{matrix} r_{11}, r_{12}, \cdot \cdot \cdot, r_{1 m} \\ r_{21}, r_{22}, \cdot \cdot \cdot, r_{2 m} \\ r_{n 1}, r_{n 2}, \cdot \cdot \cdot, r_{nm} \end{matrix}]

其中，r_ij表示u_i关于v_j的隶属程度。(U,V,R)构成一个模糊综合评判模型；

B、确定各指标重要性权值后，记为A＝{a₁，a₂，…，a_n}，满足

合成得

\overset{&OverBar;}{B} = A \cdot R = (\overset{&OverBar;}{b_{1}}, \overset{&OverBar;}{b_{2}}, . . ., \overset{&OverBar;}{b_{m}})

经归一化后，得B＝{b₁，b₂，…，b_m}，于是可确定对象P的评判等级，并得到评价分值。

该评价方法能提前预测示范工程的推广应用效果，规避示范工程建设过程中可能出现的问题，防止盲目建设对公司造成的人力、物力、财力的浪费，为公司节约开支，保证智能电网工程建设的快速、有序。促进建成符合社会需要和我国特点的智能电网。通过对电网进行智能性评价，可以发掘智能电网建设中的优势环节和缺点，为智能电网的规划和发展提供指导信息和有关建议。

附图说明

图1为本发明评价方法的评价指标体系分类结构图；

图2为本发明的一种实施方式利用层次分析法构建的评价指标体系示意图；

图3为本发明层次分析法中目标层Z、分类层A与指标层B的关系构建图；

图4为本发明的一种评价结果显示图。

具体实施方式

以下结合附图和具体实施方式对本发明智能电网综合示范工程的评价方法进行详细描述。

依据图1所示本发明的智能电网综合示范工程的评价方法构建智能电网综合示范工程的评价指标确定分类层包括安全可靠性指标、技术性指标、经济性指标、社会性指标和实用性指标；其中安全可靠性指标包括可靠性指标和安全性指标；技术性指标包括信息化指标、自动化指标、互动性指标和先进性指标；经济性指标包括投入产出比指标；社会性指标包括环境影响指标和社会效益指标；实用性指标包括运维管理指标、应用情况指标和人才队伍建设指标（图2）；

（1）可靠性指标：主要反映采用的设备在一定的时间内，按照系统设计的技术性能要求，稳定可靠运行的概率，即主要评价系统和设备的可用率、动作成功率和故障恢复能力。

（2）安全性指标：主要反映电网网架结构的坚强性、安全性及自动化系统设备的安全性能，即供电安全与系统信息安全情况。

（3）信息化指标：主要反映智能电网各环节的信息化水平，包括信息安全防护、信息化系统可可用率和信息化系统覆盖率。

（4）自动化指标：主要反映智能电网各环节的自动化水平，包括负控占比、配电自动化水平和配网自愈水平。

（5）互动性指标：主要反映配电自动化系统、用电信息采集系统与相关系统进行信息交互的能力，主要评价试点工程对电源、电网和用户友好互动和协调运行能力的贡献情况。

（6）先进性指标：主要反映智能电网试点工程所采用的技术先进程度，主要评价系统集成能力、系统技术路线和先进技术应用方面的技术领先性。

投入产出比是指全寿命周期内，采用智能化技术带来的建设、运维成本减少和经济运行、可靠性提高等收益与项目增加的智能化投资之比；智能变电站的投入产出比可表示为：

环境影响指标包括节约能源资源、降低污染物排放和促进环境保护。

社会效益指标包括提高社会可持续发展能力、提升企业社会形象和推动产业技术进步。智能电网试点工程项目由于数字、通信技术改造而减少建设需求实现了节约占地，并因此产生了相应建筑工程量的节约。其中，节约建筑工程量主要包括因节约变电站建筑面积而节约的土石方量、钢材量、电缆数量。

依据Saaty提出的1～9标度方法（表1）量化评价指标层各具体指标C₁,C₂,…,C_n对目标层总目标的重要性，其中

C_{i} : C_{j} &DoubleRightArrow; a_{ij},

A＝(a_ij)_m×n，a_ij＞0，

a_{ji} = \frac{1}{a_{ij}}

由A确定C₁,C₂,…,C_n对目标层总目标的权向量；

表1层次结构九级标度值及含义

d)如图3所示，依次考察分类层A中各指标相对于目标层总目标Z的重要性权值，再考察指标层B具体指标相对于分类层A中各指标的重要性权值，分类层A有m个指标，分别记为A₁,A₂,…,A_m，其对目标层总目标的排序为a₁,a₂,…,a_m，指标层B有n个指标，相对于分类层A中的指标的排序为

b_1j,b_2j,…,b_nj(j=1,2,…,m)；

则指标层B中的层次总排序为

B₁:a₁b₁₁+a₂b₁₂+…a_mb_1m

B₂:a₁b₂₁+a₂b₂₂+…a_mb_2m

...

B_n:a₁b_n1+a₂b_n2+…a_mb_nm

指标层B的第i个因素对总目标的权值为：

CR = \frac{a_{1} {CI}_{1} + a_{2} {CI}_{2} + \cdot \cdot \cdot + a_{m} {CI}_{m}}{a_{1} {RI}_{1} + a_{2} {RI}_{2} + \cdot \cdot \cdot + a_{m} {RI}_{m}},

当CR<0.1时，认为层次总排序通过一致性检验；层次总排序具有满意的一致性，否则需要重新调整那些一致性比率高的判断矩阵的元素取值。

所述模糊分析法包括以下几步：

R = [\begin{matrix} r_{11}, r_{12}, \cdot \cdot \cdot, r_{1 m} \\ r_{21}, r_{22}, \cdot \cdot \cdot, r_{2 m} \\ r_{n 1}, r_{n 2}, \cdot \cdot \cdot {, r}_{nm} \end{matrix}]

合成得

\overset{&OverBar;}{B} = A \cdot R = (\overset{&OverBar;}{b_{1}}, \overset{&OverBar;}{b_{2}}, \cdot \cdot \cdot, \overset{&OverBar;}{b_{m}})

经归一化后，得B＝{b₁，b₂，…，b_m}，于是可确定对象P的评判等级并得到评价分值。

最后依据分类层各指标绘制雷达图，直观、形象的显示评价结果，如图3所示。

将同一层中利用层次分析法计算得到的各具体指标相对于总目标的重要性权值×利用多级模糊综合评价法计算出的此指标的评价分值相加和，即得到待评价智能电网综合示范工程的总评分。

利用分类层各指标的重要性权值绘制雷达图，如图4所示，直观表现各指标相对于目标层总目标的重要性。

Claims

1.一种智能电网综合示范工程的评价方法，其特征在于：包括如下步骤：

1）以多个评价待评价智能电网综合示范工程的指标为指标层，并将指标层内各指标按照其与目标层总目标的影响差异设立分类层；

2.如权利要求1所述的评价方法，其特征在于：将同级相关指标的重要性权值绘制成雷达图。

3.如权利要求1所述的评价方法，其特征在于：所述分类层包含的指标层具体指标数目为1～9个。

4.如权利要求1所述的评价方法，其特征在于：所述层次分析法包括以下几步：

C_{i} : C_{j} &DoubleRightArrow; a_{ij},

A＝(a_ij)_m×n，a_ij＞0，

a_{ji} = \frac{1}{a_{ij}}

由A确定C₁,C₂,…,C_n对目标层总目标的权向量；

则指标层B中的层次总排序为

B₁:a₁b₁₁+a₂b₁₂+…a_mb_1m

B₂:a₁b₂₁+a₂b₂₂+…a_mb_2m

...

B_n:a₁b_n1+a₂b_n2+…a_mb_nm

指标层B的第i个因素对总目标的权值为：

CR = \frac{a_{1} {CI}_{1} + a_{2} {CI}_{2} + \cdot \cdot \cdot + a_{m} {CI}_{m}}{a_{1} {RI}_{1} + a_{2} {RI}_{2} + \cdot \cdot \cdot + a_{m} {RI}_{m}},

当CR<0.1时，认为层次总排序通过一致性检验。

5.如权利要求1所述的评价方法，其特征在于：所述模糊分析法包括以下几步：

R = [\begin{matrix} r_{11}, r_{12}, \cdot \cdot \cdot, r_{1 m} \\ r_{21}, r_{22}, \cdot \cdot \cdot, r_{2 m} \\ r_{n 1}, r_{n 2}, \cdot \cdot \cdot, r_{nm} \end{matrix}]

B、确定各指标重要性权值后，记为A={a₁，a₂，…，a_n}满足

合成得

\overset{&OverBar;}{B} = A \cdot R = (\overset{&OverBar;}{b_{1}}, \overset{&OverBar;}{b_{2}}, \cdot \cdot \cdot, \overset{&OverBar;}{b_{m}})

6.如权利要求1所述的评价方法，其特征在于：所述指标层有多层，且各层单个指标相对应的下层指标有1～9个。