CN103617447A - 智能变电站的评价系统及评价方法 - Google Patents
智能变电站的评价系统及评价方法 Download PDFInfo
- Publication number
- CN103617447A CN103617447A CN201310613067.8A CN201310613067A CN103617447A CN 103617447 A CN103617447 A CN 103617447A CN 201310613067 A CN201310613067 A CN 201310613067A CN 103617447 A CN103617447 A CN 103617447A
- Authority
- CN
- China
- Prior art keywords
- lambda
- index
- evaluation
- intelligent substation
- forall
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
一种智能变电站评价系统,包括评价服务平台和至少一终端中心,所述评价服务平台和所述终端中心连接,其中,所述终端中心按照预先设定的数据进行采集或者是按照所述评价服务平台下发的数据进行采集,智能变电站评价指标体系采用技术层、指标层、准则层及目标层四级递进式结构化评价指标体系构建方法,能够反映智能变电站的技术先进性程度。为了能够反映不同智能变电站的整体技术发展阶段,所述评价服务平台采用灰色聚类评价方法对指标进行处理,获得不同灰类下的灰色聚类评价结果数值,通过该评价结果数值,可以反映出待评价变电站的技术发展阶段定性评价结果和技术先进程度定量评价结果。
Description
技术领域
本发明涉及一种智能变电站的评价系统。本发明还涉及采用所述方法进行智能变电站评价的方法。
背景技术
现有变电站评价指标体系大部分是针对传统变电站而提出的,针对智能变电站评价的文献较少,在邱剑撰写的《智能变电站自动化系统有效度评估模型研究》(邱剑,王慧芳,陈志光,曾耿晖,何奔腾.智能变电站自动化系统有效度评估模型[J].电力系统自动化,2013,37(17):87-94.)提到了智能变电站自动化系统有效度评价指标,初步建立一个综合指标体系,一级指标包括可靠性、可用性、实时性、经济性共4个,二级指标9个,三级指标19个。然而,该指标体系的设计存在以下的缺陷:
首先,该指标体系的建立主要依据IEC61850下的统一信息模型,难以反映其他技术在智能变电站应用后对变电站运行状况的改善情况,在对智能变电站技术的整体情况进行评价时具有局限性。
其次,该指标体系的底层指标基于每一个底层设备的具体参数指标,考虑到智能变电站中设备的总量非常庞大,该指标体系在实际应用中数据的收集工作繁琐、工作量大,故可操作性较差。
总而言之,现有的智能变电站评价体系仅是一个纸上谈兵的工作,没有形成一个可实施、可操作的智能变电站评价系统及评价方法,且难以反映整体的技术发展情况,评价结果具有局限性,不利于智能变电站的发展。
发明内容
本发明所要解决的第一个技术问题,就是提供一种智能变电站的评价系统。
本发明所要解决的第二个技术问题,就是提供一种采用上述系统进行智能变电站评价的方法。
采用本发明的系统和方法进行智能变电站的评价,具有很强的可操作性和实施性,且反映了整体的技术发展情况、准确性大大提高。
解决上述第一个技术问题,本发明采用的技术方案是:
一种智能变电站评价系统,其特征在于:包括相互链接的评价服务平台和至少一终端中心,所述终端中心按照预先设定的数据进行采集或者是按照所述评价服务平台下发的数据进行采集;
所述评价服务平台包括:依次连接的智能变电站选择单元、考核特性\指标选择单元、评价指标实际数据采集单元、评价指标数据归一化单元、智能变电站的评价结果获取单元、评价结果及指标权重分析单元;智能变电站选择单元通过接口单元接收终端中心上传的采集数据,另有灰类评价值获取单元分别输入灰类白化权函数获取单元和AHP权重获取单元的输出、输出至智能变电站的评价结果获取单元,同时,评价指标数据归一化单元还输出至灰类白化权函数获取单元。
所述的各单元功能如下:
接口单元,用于建立与所述终端中心交互,包括接收终端中心上传的采集数据;
评价指标数据归一化单元:用于根据以下公式对指标数据进行归一化处理:
当指标为正指标时,
当指标为负指标时,
当指标为区间指标时,若合适区间为[a,b],
计算所述终端中心所在的地区根据实际情况制定的智能变电站建设目标的完成程度,其中,xij为第j个智能变电站第i项指标的实际值;dij为第j个智能变电站第i项指标归一化后的指标值;
灰类白化权函数获取单元,用于根据以下公式计算灰类白化权函数形式:先根据该指标在常规变电站、数字化变电站和智能变电站的不同特点,确定不同灰类下默认白化数的值λ1,λ2,λ3,再由以下公式确定灰类白化权函数的表达式;
末灰类(常规变电站)白化权函数表达式:
中灰类(数字化变电站)白化权函数表达式:
上灰类(智能变电站)白化权函数表达式:
式中:x为指标值,λ1、λ2、λ3为三个灰类下的默认白化数,k为灰类的默认白化数确认率;
AHP权重获取单元:用于根据AHP原理,计算AHP权重;
AHP权重获取单元是通过以下方式来计算的:
1)建立层次结构;
2)构造判断矩阵:基于专家评判得到的指标相互重要性结果,按照重要程度对应的标度值,将重要性用数值表示出来,形成不同层次的判断矩阵;
3)层次排序:层次排序是根据判断矩阵,计算针对上一层次中的目标元素,确定本层次与之相关的元素的重要性的权重,采用求解判断矩阵最大特征向量来求取单排序权重,计算公式为:
DW=λmaxW;
灰类评价值获取单元,用于根据指标数据、灰类白化权函数和AHP权重,运用灰色聚类方法合成灰类评价值;
智能变电站的评价结果获取单元:用于根据灰类评价值,获得变电站定性的技术发展阶段评价结果和定量的技术先进性评价结果,对同类变电站技术先进性优劣进行排序;
智能变电站选择单元:用于选择智能变电站的类型;
考核特性\指标选择单元:用于对评价特征和指标进行选择;
评价指标实际采集数据确定单元,用于根据考核特性\指标选择单元确定预采集的数据,并传至对应的终端中心。
解决上述第二个技术问题,本发明采用的技术方案是:
一种智能变电站的评价方法,包括以下步骤:
S1评价服务平台接收至少一终端中心上传的采集数据;
S2根据以下公式对指标数据进行归一化处理:
当指标为正指标时,
当指标为负指标时,
当指标为区间指标时,若合适区间为[a,b],
S3计算所述终端中心所在的地区根据实际情况制定的智能变电站建设目标的完成程度,其中,xij为第j个智能变电站第i项指标的实际值;dij为第j个智能变电站第i项指标归一化后的指标值;
S4根据以下公式计算灰类白化权函数形式:先根据该指标在常规变电站、数字化变电站和智能变电站的不同特点,确定不同灰类下默认白化数的值λ1,λ2,λ3,再由以下公式确定灰类白化权函数的表达式:
末灰类(常规变电站)白化权函数表达式:
中灰类(数字化变电站)白化权函数表达式:
上灰类(智能变电站)白化权函数表达式:
式中:x为指标值,λ1、λ2、λ3为三个灰类下的默认白化数,k为灰类的默认白化数确认率;
S5根据AHP原理,计算AHP权重;
S6根据指标数据、灰类白化权函数和AHP权重,运用灰色聚类方法合成灰类评价值;
S7根据灰类评价值,获得变电站定性的技术发展阶段评价结果和定量的技术先进性评价结果,对同类变电站技术先进性优劣进行排序。
AHP权重是通过以下方式来计算的:
1)建立层次结构;
2)构造判断矩阵:基于专家评判得到的指标相互重要性结果,按照重要程度对应的标度值,将重要性用数值表示出来,形成不同层次的判断矩阵;
3)层次排序:层次排序是根据判断矩阵,计算针对上一层次中的目标元素,确定本层次与之相关的元素的重要性的权重,采用求解判断矩阵最大特征向量来求取单排序权重,计算公式为:
DW=λmaxW;
其中,λmax、W分别表示判断矩阵D的最大特征值和对应的特征向量。
本方法还包括评价结果及指标权重分析:对排序结果进行分析,找出各个智能变电站之间的差距,深入分析,对未来智能变电站的建设提出相关建议。
有益效果:智能变电站作为变电站的最先进形态,与常规变电站的根本区别在于技术的更新换代,新技术的引入带来了变电站更好的运行效果。因此,指标体系的建立,以智能变电站所采用的技术为核心和出发点。
变电站的技术发展有常规变电站-数字化变电站-智能变电站的阶段性发展特征,为了能够科学有效地判断变电站的技术发展阶段,选取灰色聚类评价方法,能够同时获得定量的评价结果和定性的技术发展阶段判断。
附图说明
图1为智能变电站评价模型图;
图2为智能变电站评价系统原理图;
具体实施方式
如图2所示,本发明的智能变电站评价系统实施例,包括相互链接的评价服务平台和至少一终端中心,终端中心按照预先设定的数据进行采集或者是按照所述评价服务平台下发的数据进行采集;
评价服务平台包括:依次连接的智能变电站选择单元、考核特性\指标选择单元、评价指标实际数据采集单元、评价指标数据归一化单元、智能变电站的评价结果获取单元、评价结果及指标权重分析单元;智能变电站选择单元通过接口单元接收终端中心上传的采集数据,另有灰类评价值获取单元分别输入灰类白化权函数获取单元和AHP权重获取单元的输出、输出至智能变电站的评价结果获取单元,同时,评价指标数据归一化单元还输出至灰类白化权函数获取单元。
评价服务平台包括服务器硬件及软件操作系统。
评价服务平台的服务器进一步包括:
假设有m项评价指标,n个评价对象;预处理得到的评价指标矩阵为:
所述的各单元功能如下:
接口单元,用于建立与所述终端中心交互,包括接收终端中心上传的采集数据;
评价指标数据归一化单元:根据本次评价所采用的具体方法,需要首先对原始数据进行归一化处理,本系统采用的归一化方法依据以下公式:
当指标为正指标时,
当指标为负指标时,
当指标为区间指标时,若合适区间为[a,b],
计算所述终端中心所在的地区根据实际情况制定的智能变电站建设目标的完成程度,其中,xij为第j个智能变电站第i项指标的实际值;dij为第j个智能变电站第i项指标归一化后的指标值;
灰类白化权函数获取单元,用于根据以下公式计算灰类白化权函数形式:先根据该指标在常规变电站、数字化变电站和智能变电站的不同特点,确定不同灰类下默认白化数的值λ1,λ2,λ3,再由以下公式确定灰类白化权函数的表达式;
末灰类(常规变电站)白化权函数表达式:
中灰类(数字化变电站)白化权函数表达式:
上灰类(智能变电站)白化权函数表达式:
式中:x为指标值,λ1、λ2、λ3为三个灰类下的默认白化数,k为灰类的默认白化数确认率;
AHP权重获取单元:本单元为AHP赋权,用于根据AHP原理,计算AHP权重;
AHP权重获取单元是通过以下方式来计算的:
1)建立层次结构,如图1;
2)构造判断矩阵:基于专家评判得到的指标相互重要性结果,按照重要程度对应的标度值,将重要性用数值表示出来,形成不同层次的判断矩阵;
3)层次排序:层次排序是根据判断矩阵,计算针对上一层次中的目标元素,确定本层次与之相关的元素的重要性的权重,采用求解判断矩阵最大特征向量来求取单排序权重,计算公式为:
DW=λmaxW;
灰类评价值获取单元,用于根据指标数据、灰类白化权函数和AHP权重,运用灰色聚类方法合成灰类评价值;
智能变电站的评价结果获取单元:用于根据灰类评价值,获得变电站定性的技术发展阶段评价结果和定量的技术先进性评价结果,对同类变电站技术先进性优劣进行排序;
智能变电站选择单元:用于选择智能变电站的类型:智能变电站的建设在全国范围内逐渐推进,但不同的智能变电站技术发展程度参差不齐,为了能够考核这些智能变电站的技术先进性,通过本单元输入待评的智能变电站。
考核特性\指标选择单元:用于对评价特征和指标进行选择:根据本次评价的目标和重点,对评价特性进行选择,特性包括:智能型、高效性、可靠性、绿色行。同时,也可以对指标进行选择,指标体系如图1所示。
评价指标实际采集数据确定单元,用于根据考核特性\指标选择单元确定预采集的数据,并传至对应的终端中心。
如图1所示,采用上述系统的智能变电站的评价方法,包括以下步骤:
S1评价服务平台接收至少一终端中心上传的采集数据;
S2根据以下公式对指标数据进行归一化处理:
当指标为正指标时,
当指标为负指标时,
当指标为区间指标时,若合适区间为[a,b],
S3计算所述终端中心所在的地区根据实际情况制定的智能变电站建设目标的完成程度,其中,xij为第j个智能变电站第i项指标的实际值;dij为第j个智能变电站第i项指标归一化后的指标值;
S4根据以下公式计算灰类白化权函数形式:先根据该指标在常规变电站、数字化变电站和智能变电站的不同特点,确定不同灰类下默认白化数的值λ1,λ2,λ3,再由以下公式确定灰类白化权函数的表达式:
末灰类(常规变电站)白化权函数表达式:
中灰类(数字化变电站)白化权函数表达式:
上灰类(智能变电站)白化权函数表达式:
式中:x为指标值,λ1、λ2、λ3为三个灰类下的默认白化数,k为灰类的默认白化数确认率;
S5根据AHP原理,计算AHP权重;
S6根据指标数据、灰类白化权函数和AHP权重,运用灰色聚类方法合成灰类评价值;
S7根据灰类评价值,获得变电站定性的技术发展阶段评价结果和定量的技术先进性评价结果,对同类变电站技术先进性优劣进行排序;
AHP权重是通过以下方式来计算的:
1)建立层次结构;
2)构造判断矩阵:基于专家评判得到的指标相互重要性结果,按照重要程度对应的标度值,将重要性用数值表示出来,形成不同层次的判断矩阵;
3)层次排序:层次排序是根据判断矩阵,计算针对上一层次中的目标元素,确定本层次与之相关的元素的重要性的权重,采用求解判断矩阵最大特征向量来求取单排序权重,计算公式为:
DW=λmaxW;
其中,λmax、W分别表示判断矩阵D的最大特征值和对应的特征向量。
本方法还包括评价结果及指标权重分析:对排序结果进行分析,找出各个智能变电站之间的差距,深入分析,对未来智能变电站的建设提出相关建议。
所述的步骤S5中的AHP权重层次结构的建立,包括以下内容。
一、目标层
智能变电站具有很强的技术特点,选取技术先进性作为评价的总目标,能够准确地反映出智能变电站建设的主要成果。
智能变电站的技术先进性指的是智能变电站通过引入电气设备、电子通信、计算机科学、电力电子等领域的技术,使其整体性能在建设、运行、维护的全寿命周期内获得优化提升,从而更好地推动智能电网安全、稳定、经济运行的领先性程度。
二、一级准则层
指标体系的一级准则可以完整的概括出智能变电站的整体技术特性,包括以下四个方面:
1)智能性:智能变电站借助统一的公共信息模型和网络通信技术,以智能化手段实现日常运行的能力。
2)高效性:智能变电站在运行、维护过程中,以更高的投入产出比完成本站工作的能力。
3)可靠性:智能变电站在运行期间,能够准确及时地应对事故,保障本站安全稳定运行的能力。
4)绿色性:智能变电站在建设与投运期间,贯彻科学发展理念,节约资源、保护环境的能力。
三、二级准则层
指标体系的二级准则对一级准则进行进一步细分,全面反映了智能变电站各个方位的技术特性,包括以下八个方面:
1)规约统一化:智能变电站内部信息建模、设备间通信规约以及站间通信规约的统一化程度。
2)通信网络化:智能变电站内采用光纤网络通信替代传统的电信号传递信息的网络通信覆盖范围和性能程度。
3)运行高效性:智能变电站在日常运行过程中以更少的投入实现更多产出的能力。
4)维护高效性:智能变电站在维护时以更少的投入完成正常维护工作的能力。
5)运行可靠性:智能变电站在正常运行时维持整体安全、可靠运行的能力。
6)保护可靠性:智能变电站在发生故障时,保护可靠动作,及时从故障中恢复的能力。
7)资源节约性:智能变电站在建设过程中占用更少的自然资源,节约社会资源总量的能力。
8)环境友好性:智能变电站在运行过程中控制碳排放量、减少环境污染的能力。
四、指标层
指标体系中的指标层包含了具体的量化指标,通过实际的数据反映出智能变电站的技术先进性情况。共有17个量化指标,包括智能设备即插即用率、智能设备互操作成功率、与主站间通信成功率、网络带宽、以太网通信覆盖率、平均每日值班人数、平均倒排操作时间、设备平均检修周期、年停电时间、年操作事故率、设备故障率、站内数据通信保障率、故障平均处理时间、保护动作成功率、变电站建筑面积、站内二次电缆总长度、光伏发电装机容量。指标处于变电站级宏观层面,具有代表性,且易于数据收集整理。
五、技术层
指标体系中的技术层列举了智能变电站中所应用的重要技术,体现了智能变电站的技术特点,确保了指标体系的科学性与准确性,包括14个重要技术:IEC61850标准、智能远动机技术、光纤网络技术、顺控操作技术、在线监测技术、在线式五防技术、智能组件集成技术、双机备用技术、智能告警技术、网络式保护技术、GPS同步对时技术、电子式互感器技术、现场总线技术、屋顶式光伏发电技术。
具体包括以下步骤:
1)建立层次结构,如图1。
分为目标层、准则层、指标层和技术层,
目标层包括:------
准则层包括一级准侧层和二级准侧层,------
2)构造判断矩阵。
基于专家评判得到的指标相互重要性结果,按照重要程度对应的标度值(如表1所示),将重要性用数值表示出来,形成不同层次的判断矩阵。
表1标度值判断依据及相关描述
3)层次排序。层次排序是根据判断矩阵,计算针对上一层次中的目标元素,确定本层次与之相关的元素的重要性的权重。采用求解判断矩阵最大特征向量来求取单排序权重,计算公式为:
DW=λmaxW
其中,λmax、W分别表示判断矩阵D的最大特征值和对应的特征向量。
为了保证专家判断过程中避免出现自相矛盾的判断结果,需要对层次单排序过程进行一致性检验。通过计算CR值来检查判断矩阵的一致性:
7、灰类评价值获取单元
本单元根据指标数据、灰类白化权函数和AHP权重,运用灰色聚类方法合成灰类评价值,步骤为:
1)计算样本符合度矩阵
根据评价指标数据和白化权函数,求出每个灰类下样本值的符合度矩阵Fk,计算公式为:
2)计算灰类评价值矩阵
对每一个灰类k=1,2,3进行聚类评估值的求取,可以合成灰类评价值σ,
其中,为评价对象i在灰类k上的评价值。
8、智能变电站的评价结果获取单元
本单元根据单元7所得灰类评价值,获得变电站定性的技术发展阶段评价结果和定量的技术先进性评价结果,对同类变电站技术先进性优劣进行排序。
9、评价结果及指标权重分析单元
本单元对单元8所得的排序结果进行分析,找出各个智能变电站之间的差距,深入分析,对未来智能变电站的建设提出相关建议。
实施例
对八个个智能变电站进行评价,待评价变电站的智能性、高效性、可靠性、绿色性指标相关数据参见表2至表5。
表2待评价变电站智能性指标相关数据
表3待评价变电站高效性指标相关数据
表4待评价变电站可靠性指标相关数据
表5待评价变电站绿色性指标相关数据
对原始数据进行归一化处理,标准化后的数据参见表6。
表6标准化后变电站相关指标数据
根据智能变电站发展的目标和要求,通过专家打分法,对各指标进行主观赋权,得到表7所示的权重。
表7各级准则、指标的权重
综合考察现有数据,选取三个灰类默认白化数的值,获取白化权函数,计算样本符合度矩阵,最后得到灰类评价值,如表8所示。
表8各变电站灰色聚类综合评估值
由三个灰类的评估值,可以对变电站的技术发展阶段做出定性评价,同时由评估值的具体数值做出定量的评价结果。依照白化原理,评价所属灰类为三个评估值中最大值所对应的灰类,由此得出的灰类定性判断:
1)变电站2、变电站4、变电站5技术发展水平较低,尚处于常规变电站阶段;
2)变电站3、变电站8技术发展水平中等,处于数字化变电站阶段;
3)变电站1、变电站6、变电站7技术发展水平较高,已进入智能变电站阶段。
对于常规变电站、数字化变电站、智能变电站三个灰类,可以在各类内作出定量的技术先进性评价结果。
变电站2、变电站4、变电站5属于常规变电站,采用末灰类综合聚类评估值进行量化评价,该值可以代表常规变电站的技术落后程度。从技术落后程度上,变电站4>变电站5>变电站2,即变电站4的技术先进性水平最低,变电站5其次,变电站2在三个常规变电站中的技术先进性水平最优。
变电站3、变电站8属于数字化变电站,采用智能化发展程度来衡量两个数字化变电站的技术先进性。可以看出,变电站8的智能化发展程度比变电站3高,因此具有更高的技术先进性。
变电站1、变电站6、变电站7属于智能变电站,采用上灰类综合聚类评估值进行量化评价,该值可以代表智能变电站的技术先进程度。从技术先进程度上,变电站6>变电站1>变电站7,即变电站6的技术先进性最高,变电站1次高,变电站7在三个智能变电站中的技术先进性水平最低。
结合定性与定量的评价结果,通过灰色聚类评价方法,将八个变电站按照技术发展水平分为三个灰类。其中常规变电站有变电站2、变电站4、变电站5;数字化变电站有变电站3和变电站8;智能变电站有变电站1、变电站6和变电站7。通过定量评价的方法对每一类变电站的技术先进性进行排序,常规变电站中,变电站2>变电站5>变电站4;数字化变电站中,变电站8>变电站3;智能变电站中,变电站6>变电站1>变电站7。
此外,可以直接采用AHP方法得到评价值,参见表9。
表9AHP综合评价值
可以对八个变电站的技术先进性情况进行排序:变电站6>变电站1>变电站7>变电站8>变电站3>变电站2>变电站5>变电站4。
下面对灰色聚类方法和AHP下的评价结果进行对比。
1)采用灰色聚类方法后,在定性上将8个变电站归为3类,常规变电站{变电站2,变电站4,变电站5}、数字化变电站{变电站3,变电站8}、智能变电站{变电站1,变电站6,变电站7},在总体技术先进性上,应满足智能变电站>数字化变电站>常规变电站的总体趋势。对照层次分析法的结果,可以看出三个智能变电站的技术先进性排序位于前列、数字化变电站居中、常规变电站的排序位于最后,因此灰色聚类方法的定性判断与层次分析法的结果没有矛盾。
2)采用灰色聚类方法后,对于定性所得3个常规变电站,用末灰类综合聚类评估值衡量技术落后程度,得出在技术先进性上,变电站2>变电站5>变电站4的定量评价结果,与层次分析法所得的排序结果相符。
3)采用灰色聚类方法后,对于定性所得2个数字化变电站,用智能化发展程度来衡量其在向智能变电站阶段发展过程中的发展程度,并以此体现数字化变电站的技术先进性,得出变电站8>变电站3的定量评价结果,与层次分析法所得的排序结果相符。
4)采用灰色聚类方法后,对于定性所得3个智能变电站,用上灰类综合聚类评估值衡量技术先进程度,得出在技术先进性上,变电站6>变电站1>变电站7的定量评价结果,与层次分析法所得的排序结果相符。
由此可见,灰色聚类方法不仅能够对智能变电站的整体技术先进性作出定量评价,还能对变电站所处的技术发展阶段作出定性判断。与层次分析法相比,在同样具有良好定量特征的基础上,增加了定性评价的能力,具有较好的实用意义。
Claims (6)
1.一种智能变电站评价系统,其特征在于:包括相互链接的评价服务平台和至少一终端中心,所述终端中心按照预先设定的数据进行采集或者是按照所述评价服务平台下发的数据进行采集;
所述评价服务平台包括:依次连接的智能变电站选择单元、考核特性\指标选择单元、评价指标实际数据采集单元、评价指标数据归一化单元、智能变电站的评价结果获取单元、评价结果及指标权重分析单元;智能变电站选择单元通过接口单元接收终端中心上传的采集数据,另有灰类评价值获取单元分别输入灰类白化权函数获取单元和AHP权重获取单元的输出、输出至智能变电站的评价结果获取单元,同时,评价指标数据归一化单元还输出至灰类白化权函数获取单元;
接口单元,用于建立与所述终端中心交互,包括接收终端中心上传的采集数据;
评价指标数据归一化单元:用于根据以下公式对指标数据进行归一化处理:
当指标为正指标时,
当指标为负指标时,
当指标为区间指标时,若合适区间为[a,b],
计算所述终端中心所在的地区根据实际情况制定的智能变电站建设目标的完成程度,其中,xij为第j个智能变电站第i项指标的实际值;dij为第j个智能变电站第i项指标归一化后的指标值;
灰类白化权函数获取单元,用于根据以下公式计算灰类白化权函数形式:先根据该指标在常规变电站、数字化变电站和智能变电站的不同特点,确定不同灰类下默认白化数的值λ1,λ2,λ3,再由以下公式确定灰类白化权函数的表达式
末灰类白化权函数表达式
中灰类白化权函数表达式
上灰类白化权函数表达式
式中:x为指标值,λ1、λ2、λ3为三个灰类下的默认白化数,k为灰类的默认白化数确认率;
AHP权重获取单元:用于根据AHP原理,计算AHP权重;
灰类评价值获取单元,用于根据指标数据、灰类白化权函数和AHP权重,运用灰色聚类方法合成灰类评价值;
智能变电站的评价结果获取单元:用于根据灰类评价值,获得变电站定性的技术发展阶段评价结果和定量的技术先进性评价结果,对同类变电站技术先进性优劣进行排序;
智能变电站选择单元:用于选择智能变电站的类型;
考核特性\指标选择单元:用于对评价特征和指标进行选择;
评价指标实际采集数据确定单元,用于根据考核特性\指标选择单元确定预采集的数据,并传至对应的终端中心。
2.根据权利要求1所述的智能变电站评价系统,其特征在于:AHP权重获取单元是通过以下方式来计算的:
1)建立层次结构;
2)构造判断矩阵:基于专家评判得到的指标相互重要性结果,按照重要程度对应的标度值,将重要性用数值表示出来,形成不同层次的判断矩阵;
3)层次排序:层次排序是根据判断矩阵,计算针对上一层次中的目标元素,确定本层次与之相关的元素的重要性的权重,采用求解判断矩阵最大特征向量来求取单排序权重,计算公式为:
DW=λmaxW
其中,λmax、W分别表示判断矩阵D的最大特征值和对应的特征向量。
3.根据权利要求1所述的智能变电站评价系统,其特征在于:还包括评价结果及指标权重分析单元,对排序结果进行分析,找出各个智能变电站之间的差距,深入分析,对未来智能变电站的建设提出相关建议。
4.一种采用如权利要求1-3所述的任意一项系统的智能变电站评价方法,其特征在于:包括以下步骤:
S1评价服务平台接收至少一终端中心上传的采集数据;
S2根据以下公式对指标数据进行归一化处理:
当指标为正指标时,
当指标为负指标时,
当指标为区间指标时,若合适区间为[a,b],
S3计算所述终端中心所在的地区根据实际情况制定的智能变电站建设目标的完成程度,其中,xij为第j个智能变电站第i项指标的实际值;dij为第j个智能变电站第i项指标归一化后的指标值;
S4根据以下公式计算灰类白化权函数形式:先根据该指标在常规变电站、数字化变电站和智能变电站的不同特点,确定不同灰类下默认白化数的值λ1,λ2,λ3,再由以下公式确定灰类白化权函数的表达式
末灰类白化权函数表达式
中灰类白化权函数表达式
上灰类白化权函数表达式
式中:x为指标值,λ1、λ2、λ3为三个灰类下的默认白化数,k为灰类的默认白化数确认率;
S5根据AHP原理,计算AHP权重;
S6根据指标数据、灰类白化权函数和AHP权重,运用灰色聚类方法合成灰类评价值;
S7根据灰类评价值,获得变电站定性的技术发展阶段评价结果和定量的技术先进性评价结果,对同类变电站技术先进性优劣进行排序。
5.根据权利要求4所述的智能变电站评价方法,其特征在于:AHP权重是通过以下方式来计算的:
1)建立层次结构;
2)构造判断矩阵:基于专家评判得到的指标相互重要性结果,按照重要程度对应的标度值,将重要性用数值表示出来,形成不同层次的判断矩阵;
3)层次排序:层次排序是根据判断矩阵,计算针对上一层次中的目标元素,确定本层次与之相关的元素的重要性的权重,采用求解判断矩阵最大特征向量来求取单排序权重,计算公式为:
DW=λmaxW
其中,λmax、W分别表示判断矩阵D的最大特征值和对应的特征向量。
6.根据权利要求5所述的智能变电站评价方法,其特征在于:还包括评价结果及指标权重分析:对排序结果进行分析,找出各个智能变电站之间的差距,深入分析,对未来智能变电站的建设提出相关建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310613067.8A CN103617447B (zh) | 2013-11-27 | 2013-11-27 | 智能变电站的评价系统及评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310613067.8A CN103617447B (zh) | 2013-11-27 | 2013-11-27 | 智能变电站的评价系统及评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103617447A true CN103617447A (zh) | 2014-03-05 |
CN103617447B CN103617447B (zh) | 2016-08-24 |
Family
ID=50168151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310613067.8A Active CN103617447B (zh) | 2013-11-27 | 2013-11-27 | 智能变电站的评价系统及评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617447B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225162A (zh) * | 2014-05-29 | 2016-01-06 | 国家电网公司 | 一种配电系统运行效率的协调性评价方法 |
CN107122899A (zh) * | 2017-04-19 | 2017-09-01 | 青岛大学 | 一种石材加工过程绿色性评价系统及诊断方法 |
CN107274079A (zh) * | 2017-03-31 | 2017-10-20 | 国家电网公司 | 基于改进灰色聚类的供电区域划分方法 |
CN109387715A (zh) * | 2018-10-29 | 2019-02-26 | 全球能源互联网研究院有限公司 | 一种基于灰色聚类的换流阀状态在线评估方法及装置 |
CN109934445A (zh) * | 2017-12-19 | 2019-06-25 | 国网浙江省电力有限公司电力科学研究院 | 光伏屋顶资源定级分析方法 |
CN112348066A (zh) * | 2020-10-28 | 2021-02-09 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于灰色聚类算法的线路不停电等级评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101119236A (zh) * | 2006-07-31 | 2008-02-06 | 中国航天科技集团公司第五研究院第五一○研究所 | 一种网络安全综合评估系统 |
CN101478773A (zh) * | 2009-01-16 | 2009-07-08 | 北京科技大学 | 一种基于可信度的manet路由协议综合评估方法 |
CN101853290A (zh) * | 2010-05-25 | 2010-10-06 | 南京信息工程大学 | 基于地理信息系统的气象服务效益评估方法 |
-
2013
- 2013-11-27 CN CN201310613067.8A patent/CN103617447B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101119236A (zh) * | 2006-07-31 | 2008-02-06 | 中国航天科技集团公司第五研究院第五一○研究所 | 一种网络安全综合评估系统 |
CN101478773A (zh) * | 2009-01-16 | 2009-07-08 | 北京科技大学 | 一种基于可信度的manet路由协议综合评估方法 |
CN101853290A (zh) * | 2010-05-25 | 2010-10-06 | 南京信息工程大学 | 基于地理信息系统的气象服务效益评估方法 |
Non-Patent Citations (6)
Title |
---|
ALEN JAKUPOVIC ET AL: "Application of analytic hierarchy process (AHP) to measure the complexity of the business sector and business software", 《C3S2E 10 THIRD C* CONFERENCE ON COMPUTER SCIENCE & SOFTWARE ENGINEERING》 * |
傅春光: "基于灰色层次分析法的电网建设项目风险评价研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
周辉等: "基于灰色聚类的电能质量综合评估方法", 《电力系统保护与控制》 * |
孙丽丽: "基于灰色理论的三贵口110KV输变电工程风险评价研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
戴婷等: "基于灰色层析分析法的变电站通信网络状态评价", 《武汉大学学报(工学版)》 * |
白建国: "电网建设项目可持续性评价模型与应用研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225162A (zh) * | 2014-05-29 | 2016-01-06 | 国家电网公司 | 一种配电系统运行效率的协调性评价方法 |
CN107274079A (zh) * | 2017-03-31 | 2017-10-20 | 国家电网公司 | 基于改进灰色聚类的供电区域划分方法 |
CN107274079B (zh) * | 2017-03-31 | 2020-10-27 | 国家电网公司 | 基于改进灰色聚类的供电区域划分方法 |
CN107122899A (zh) * | 2017-04-19 | 2017-09-01 | 青岛大学 | 一种石材加工过程绿色性评价系统及诊断方法 |
CN109934445A (zh) * | 2017-12-19 | 2019-06-25 | 国网浙江省电力有限公司电力科学研究院 | 光伏屋顶资源定级分析方法 |
CN109387715A (zh) * | 2018-10-29 | 2019-02-26 | 全球能源互联网研究院有限公司 | 一种基于灰色聚类的换流阀状态在线评估方法及装置 |
CN112348066A (zh) * | 2020-10-28 | 2021-02-09 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于灰色聚类算法的线路不停电等级评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103617447B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111584952B (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
CN105426980B (zh) | 一种配电网健康指数评估工程应用系统 | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
CN112348339A (zh) | 一种基于大数据分析的配电网规划方法 | |
CN105186514A (zh) | 一种大规模分布式光伏并网对配网安全评价及预警方法 | |
CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
CN105956788A (zh) | 一种输变电工程造价的动态管理控制方法 | |
CN101673363A (zh) | 用能效率评测方法和系统 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN103886518A (zh) | 一种基于监测点电能质量数据挖掘的电压暂降预警方法 | |
CN102931625A (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
CN111460656B (zh) | 一种电力机房通信电源运行寿命评估方法和系统 | |
CN115423009A (zh) | 一种面向云边协同的电力设备故障识别方法及系统 | |
CN111160732A (zh) | 一种适用于多站融合安全与效益综合评价的方法 | |
CN116402187A (zh) | 一种基于电力大数据的企业排污预测方法 | |
CN115423429A (zh) | 基于图像和声音信息的多模态一体化配网运营系统 | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
CN111552686B (zh) | 一种电力数据质量评估方法及其装置 | |
CN103617560A (zh) | 一种应用于企业的电力能效监测与评估系统及其评价方法 | |
CN115564170A (zh) | 一种配电智能终端可靠性评估方法 | |
Jingyu et al. | Statistical analysis of distribution network fault information based on multi-source heterogeneous data mining | |
CN113837473A (zh) | 基于bp神经网络的充电设备故障率分析系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Co-patentee after: Shanghai Jiao Tong University Patentee after: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. Address before: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Co-patentee before: Shanghai Jiao Tong University Patentee before: Electrical Power Research Institute of Guangdong Power Grid Corporation |
|
CP01 | Change in the name or title of a patent holder |