CN103761690B - 基于电网系统中电压无功控制系统的评估方法 - Google Patents
基于电网系统中电压无功控制系统的评估方法 Download PDFInfo
- Publication number
- CN103761690B CN103761690B CN201410051897.0A CN201410051897A CN103761690B CN 103761690 B CN103761690 B CN 103761690B CN 201410051897 A CN201410051897 A CN 201410051897A CN 103761690 B CN103761690 B CN 103761690B
- Authority
- CN
- China
- Prior art keywords
- mtd
- msub
- mrow
- index
- mtr
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000013278 delphi method Methods 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims abstract 2
- 239000011159 matrix material Substances 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 8
- 238000012797 qualification Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004804 winding Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000010937 topological data analysis Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 claims description 2
- 230000006641 stabilisation Effects 0.000 claims 2
- 238000011105 stabilization Methods 0.000 claims 2
- 230000033228 biological regulation Effects 0.000 claims 1
- 230000007812 deficiency Effects 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 206010003830 Automatism Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明是一种基于电网系统中电压无功控制系统的评估方法,它利用模糊线性变换原理和最大隶属度原则,考虑与被评价事物相关的各因数,并根据不同指标对评判对象的影响程度来分配权重,从而给出合理的综合评价。步骤为:1.获取电网中电压无功控制系统的数据;2.制定一、二级指标的层次模型的指标体系;3.根据各个模块的运行数据、分析数据、运行状态信息对系统运行的分析总结得到电压无功控制系统的运行状态参数、运行状况,以指标体系中的一、二级指标为电压无功控制系统的分析和计算的对象;4.确定分级模型评判集;5.应用德尔菲法,构成综合分析层次结构;6.确定指标权重;7.根据模糊综合评价方法与模型计算综合评价指标体系最高层A的综合评价。
Description
技术领域
本发明涉及的是一种基于电网系统中电压无功控制系统的评估方法,属于配电网中对无功电压控制系统运行的评价的技术领域。
背景技术
自动电压控制技术集安全、经济和优质于一体,可实现全局多目标优化闭环控制,近年来得到了国内外科研人员和运行人员的高度重视,也有越来越多的工程应用成果问世。但必须承认,建立完善的自动电压控制系统是一项复杂的系统工程,与具有单一频率控制标准的自动发电控制不同,大电网不同区域往往有不同的电压控制要求。
其中,电压无功控制系统的评价理论是构建电压无功控制系统智能测试评估模块的理论基础,包括两个核心部分,即评价指标及评价方法。在评价指标的介绍中,多目标跟踪性能指标作为评价多目标跟踪算法性能好坏的一个量值,对于算法选择、分析和评估起着很重要的作用。评价方法在近几年得到了飞速的发展,人工神经网络的评价方法、模糊因子综合评价等方法都得到了广泛的应用。现在电力系统的动态特性越来越复杂,对电网动态安全评估分析是保证地区电力系统安全稳定运行的重要手段。对电压无功控制系统的稳定评估是基本任务。然而,电网运行信息的重要性等级划分难以直接定性和定量描述,往往具有模糊性。此外,目前无功电压的评价,对于指标权重的确定仅根据专家的专业知识和经验来确定权重系数,缺乏评价的客观性,对于系统评价没有实现客观性与主观性的有机结合。
发明内容
本发明提出的是一种基于电网系统中电压无功控制系统的评估方法,它利用模糊线性变换原理和最大隶属度原则,考虑与被评价事物相关的各因数,并根据不同指标对评判对象的影响程度来分配权重,使指标隶属度的客观性与专家定性分析的主观性有机结合,从而给出合理的综合评价。
为实现上述目的,本发明的技术方案如下:
1.获取电网中电压无功控制系统的数据。输入的数据包括两个部分,第一部分为电压无功控制系统需要传输的运行数据,包括系统中各个模块的运行数据、分析数据、运行状态信息等;第二部分为SCADA系统的实时数据和参数数据库的数据,具体包括发电机单元数据、负荷、电容、电抗、双绕组变压器、三绕组变压器、母线(节点)及交流线路的数据。
2.制定指标评价体系,基本内容包括:
3.根据所述系统中各个模块的运行数据、分析处理的数据、运行状态信息对系统运行的分析总结得到电压无功控制系统的运行状态参数、运行状况。以指标体系中的一、二级指标为电压无功控制系统的分析和计算的对象。
4.确定分级模型的评判集。电压无功控制系统的运行的正常与否是有相应的多个判断依据,并且由各个相应的依据将系统运行情况的划为不同的等级。这样方便操作人员及时、准确、直观的了解电网实际的运行情况,依次用正常、一般、不正常来划分。
正常表示针对系统的某一部分来说,系统的运行很好;一般表示系统的某个部分存在问题,但不影响整体运行;不正常表示某个部分的问题较大,影响系统的运行。相应的三个等级对应的参考值为1、5、0.1。
5.应用德尔菲法,通过计算专家意见集中度和专家意见离散度判据,确定综合评价指标体系。即运用领域专家的知识、智慧、经验、信息和价值观,对初步拟出的评价指标体系进行匿名评价,提出修改意见。先把初步拟定的评价指标体系表及说明,请领域专家发表意见,并按事先规定的指标重要度的级数和量值给出各指标的重要度。一般将重要度分为5级,量值为1-5,量值越小越重要。确定综合评价指标体系有两个判据:一个是专家意见集中度,按领域专家给出的重要度和给出此重要度的专家人数加权平均值计算;另一个是专家意见离散度,用标准差计算。鉴于AVC工程的特点,认为这两个判据满足一定条件的指标可进入AVC工程的综合指标评价体系,并构成AVC工程综合分析层次结构模型,形成总目标、一级指标、二级指标……分层的模型的指标层次结构。
6.确定指标权重,计算权重向量。在指标体系中,各指标对其相关目标的重要程度是不同的。建立指标体系后,当衡量各指标对其指标相关目标的贡献时,需根据层次间、指标间的相对重要性赋予不同的权值。根据AVC工程综合评价指标体系的特点,采用层次分析法确定指标权重,先填写判断矩阵,再计算出判断矩阵的最大特征值λmax,然后求解特征方程,求得最大特征值所对应的特征向量,再对特征向量进行归一化处理,即为该层次各评判因素相对于上一级指标的重要性排序——权重。假定AVC工程综合分层次结构模型相邻的上、下两层分别为A、B,其中A层次有一个元素,B层次有n个元素Bi(i=1,2,…,n,其中n自然数).以A为目标的有n个元素的判断矩阵
式中:元素bij表示对于评价目标A而言,要素Bi对于Bj的相对重要性,即Bij=wi/wj,(i=1,2,…,n,n为自然数;j=1,2,…,n,n自然数;Λ代表省略符号)。
Wi是针对评价对象给出的每个因素Bi相对于A的分值,通常由聘请的领域专家打分得到,一般采用1-9级判断尺度。矩阵A中的元素满足bij=1/bji(bji表示对于评价目标A而言,要素Bj对于Bi的相对重要性)。
A中每行所有元素的几何平均值得到向量M=[m1,m2,…,mn]T,其中
(j=1,2,…,n,n为自然数)
对M作归一化处理,求相对权重向量W=[W1,W2,Wi,…,Wn]T,其中
引入衡量判断矩阵完全一致性指标CI,矩阵A的特征值的近似公式为AW=λW,
λmax=(λi),(i=1,2,…,n,n为自然数)
完全一致性检验指数CI
一般认为CI≤0.10,判断矩阵A有满意的一致性,否则需要重新调整。
7.根据模糊综合评价方法与模型计算综合评价指标体系最高层次A的综合评价
(1)隶属度概念。在各种技术方案、评审方案、论证项目等的综合评价指标体系中,往往有一些模糊指标或灰色指标。这些指标的标值概念与确定性定量指标不同,他们的指标值不能用单一数值描述。对于指标标值的广义概念是,指标按评价等级集得到的评价结果而构成的向量称为指标的标值。指标向量中每一元素(分量)称为该指标的隶属度。由指标向量构成的矩阵称为模糊评价矩阵,矩阵中每一元素称为隶属度。
(2)隶属函数及子目标的模糊评价矩阵。由专家群体判断任一指标ui∈U(U为一集合)所属的等级,然后统计每一指标隶属于V(V为一集合)各等级的频数,各频数与专家总数的比值,作为各指标的隶属度。具体的做法如下:
1)请若干专家,根据提供的各指标的背景材料,按规定的标准集V’,给出各指标ui隶属的等级频数vj∈V。
2)统计ui隶属于vj等级的频数mij。
3)用专家总数P除各频数,得各指标的隶属度:
式中uvj∈[0,1]是指标ui对等级vj的隶属度。由此得到各指标的模糊评价向量:
Rsi=(ri1,ri2,…,rij,…,rim)
Rsi=为V上的模糊子集。同样可得到所有指标的模糊的评价向量,于是得到子目标的模糊评价矩阵Rs为
其中Λ代表省略符号。
3)单因素模糊评价矩阵及综合评价结果。由权重向量ws(子目标Bs)与单因素模糊评价矩阵Rs,通过模糊矩阵合并运算,得到子目标B的综合评价为
Bs=Ws○Rs=(bs1,bs2,…,bsm,m为自然数)。
式中“○”为广义模糊乘,通常采用普通矩阵乘法规则运算。向量Bs即是子目标Bs的综合评价结果。如需分析某因素的作用,考察Bs即可。同理可得到B1,B2,…,Bs,…,Bn(1,2,…s…,n,n为自然数)各子目标的综合评价结果:B1,B2,…,Bs,…,Bn。由于最初每个指标的隶属度u∈[0,1],故最后评价结果A的各因素也是归一化的,否则要对模糊评判矩阵进行归一化的处理。
由子目标综合评价向量B1构造子目标层的单因素模糊评价矩阵为若已知子目标层的权重w,则综合评价指标体系的综合评价结果为
A=W○B=(w1,w2,…,wm)(m为自然数)
对于综合评价结果A,一般可用最大隶属度原则确定评价所属的等级,一般取aK=max(a1,a2,…,am)(m为自然数),则该AVC工程属于K级标准。
本发明的有益效果:本发明的技术通过电网中电压无功控制系统的运行数据以及SCADA系统的实时数据和参数数据库的数据对电压无功控制系统进行综合分析,根据制定的指标体系和目标对电压无功控制系统的运行情况进行评估,得出最终的评价结果,为系统的使用人员提供调度运行参考,了解系统运行的实际情况,根据评价结果来进行合理的操作安排,改善系统的运行情况。能够在保障系统安全运行的前提下,满足电网实际要求,同时提高系统的稳定水平。
附图说明
附图1电压无功控制系统的评估方法的评估流程。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
参见附图1基于评估系统的流程图,基于电网系统中电压无功控制系统的智能评估系统的评价方法包括如下工艺步骤:
第一步:获取电网中电压无功控制系统的数据,包括电压无功控制系统的运行数据以及SCADA系统的实时数据和参数数据库的数据。
第二步:制定指标评价体系,包括:控制策略优化的结果,控制效率,可行操作性,异常与闭锁,评估过程的历史回放,系统的稳定性,系统的稳定性,人机交互友好性,电网模型扩展性,拓扑分析正确性,状态估计合格率及潮流收敛性,控制接口安全性和准确性。并形成一级指标,二级指标的层次模型。
第三步:根据所述系统中各个模块的运行数据、分析数据、运行状态信息对系统运行的分析总结得到电压无功控制系统的运行状态参数、运行状况。以指标体系中的一、二级指标为电压无功控制系统的分析和计算的对象。
第四步:确定分级模型评判集。
第五步:应用德尔菲法,通过计算专家意见集中度和专家意见离散度判据,确定综合评价指标体系,构成综合分析层次结构。
第六步:确定指标权重,计算权重向量。
第七步:根据模糊综合评价方法与模型计算综合评价指标体系最高层A的综合评价。
以系统的控制策略优化的结果指标为例,控制策略优化的结果为电压无功控制系统评价的一级指标,一级指标可以具体分层为3个二级指标,包括提高电压的合格率、降低网损、提高功率因数合格率这三个方面。其中,这3个二级指标各自又包括多个评判因素,各评判因素相对于二级指标的重要性不同,即权重值不同。
对于提高电压的合格率、降低网损、提高功率因数这三个方面,有各自的影响因素和相应的实现方法,通过对电压无功控制系统数据的综合分析和计算,可以得出实际运行的系统在关于三个指标方面的具体信息,再根据每个因素对于各自对应的指标的重要性计算出指标权重
按照上述所述的过程求得指标权重,并进行归一化处理,其结果如下表所示:
指标 | 指标权重(W) |
T | 0.555 0.222 0.223 |
T1 | 0.0842 0.4336 0.257 0.2252 |
T2 | 0.75 0.25 |
T3 | 0.637 0.2583 0.1047 |
其中T代表控制策略优化的结果,T1代表提高电压的合格率,T2代表降低网损,
T3代表提高功率因数。
经专家评分,得到各单因素指标所对应的模糊矩阵如下:
综合以上结果,计算单因素评判矩阵:
BT1=WT1*RT1={0.3730.56230.0646},BT2=WT2*RT2={0.1250.68750.1875},
BT3=WT3*RT3={0.07661.2180.2572}
其中W代表指标权重
结合权重分配,计算综合评价体系的综合评价结果可得:
A=WT*BT,其中
A={0.25180.73630.1348},归一化后为:A={0.22420.65570.1201},根据aK=max(a1,a2,…,am)可得aK=0.6557,由计算所得的综合评判结果可以看出,对应一般运行状态的隶属度最大,根据最大隶属度原则,该评判结果可划为一般等级,再根据对应的分级模型的评判集可得与一般等级分值最接近。说明系统的在运行中针对控制策略优化的结果这一部分运行情况是是相对稳定的,系统的使用人员可根据这一评价结果了解系统控制策略优化运行的实际情况。
Claims (5)
1.一种基于电网系统中电压无功控制系统的评估方法,其特征是,它的步骤为:
第一步:获取电网中电压无功控制系统的数据,包括电压无功控制系统的运行数据以及SCADA系统的实时数据和参数数据库的数据;所述电压无功控制系统需要传输的运行数据包括系统中各个模块的运行数据、分析数据、运行状态信息;所述SCADA系统的实时数据和参数数据库的数据包括发电机单元数据、负荷、电容、电抗、双绕组变压器、三绕组变压器、母线或节点及交流线路的数据;
第二步:制定指标评价体系,包括:控制策略优化的结果,控制效率,可行操作性,异常与闭锁,评估过程的历史回放,系统的稳定性,系统的稳定性,人机交互友好性,电网模型扩展性,拓扑分析正确性,状态估计合格率及潮流收敛性,控制接口安全性和准确性形成的一级指标,并对各一级指标细化为二级指标的层次模型;
第三步:根据所述系统中各个模块的运行数据、分析数据、运行状态信息对系统运行的分析总结得到电压无功控制系统的运行状态参数、运行状况,以指标体系中的一、二级指标为电压无功控制系统的分析和计算的对象;
第四步:确定分级模型评判集;确定分级模型的评判集为:用正常、一般、不正常来划分;正常表示针对系统的某一部分来说,系统的运行很好;一般表示系统的某个部分存在问题,但不影响整体运行;不正常表示某个部分的问题较大,影响系统的运行;相应的三个等级对应的参考值为1、5、0.1;
第五步:应用德尔菲法,通过计算专家意见集中度和专家意见离散度判据,确定综合评价指标体系,构成综合分析层次结构;先由领域专家按事先规定的指标重要度的级数和量值给出各指标的重要度;将重要度分为5级,量值为1-5,量值越小越重要;确定综合评价指标体系有两个判据:一个是专家意见集中度,按领域专家给出的重要度和给出此重要度的专家人数加权平均值计算;另一个是专家意见离散度,用标准差计算;
第六步:确定指标权重,计算权重向量;根据AVC工程综合评价指标体系的特点,采用层次分析法确定所述指标权重;
确定权重的过程为:采用层次分析法确定指标权重,先填写判断矩阵,再计算出判断矩阵的最大特征值λmax,然后求解特征方程,求得最大特征值所对应的特征向量,再对特征向量进行归一化处理,即为该层次各评判因素相对于上一级指标的重要性排序——权重;
假定分层次结构模型相邻的上、下两层分别为A、B,其中A层次有一个元素,B层次有n个元素Bi,i=1,2,…,n,其中n自然数,以A为目标的有n个元素的判断矩阵
<mrow>
<mi>A</mi>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>n</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</msub>
</mrow>
式中:元素bij表示对于评价目标A而言,要素Bi对于Bj的相对重要性,即Bij=wi/wj,i=1,2,…,n,n为自然数;j=1,2,…,n,n自然数;Λ代表省略符号;
Wi是针对评价对象给出的每个因素Bi相对于A的分值,由聘请的领域专家打分得到,采用1-9级判断尺度;矩阵A中的元素满足bij=1/bji,bji表示对于评价目标A而言,要素Bj对于Bi的相对重要性;
A中每行所有元素的几何平均值得到向量M=[m1,m2,…,mn]T,其中
j=1,2,…,n,n为自然数
对M作归一化处理,求相对权重向量W=[W1,W2,Wi,…,Wn]T,其中
<mrow>
<mi>W</mi>
<mi>i</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>i</mi>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>m</mi>
<mi>i</mi>
</mrow>
</mfrac>
</mrow>
第七步:根据模糊综合评价方法与模型计算综合评价指标体系最高层A的综合评价。
2.如权利要求1所述的基于电网系统中电压无功控制系统的评估方法,其特征是,所述第一步中,SCADA系统的实时数据和参数数据库的数据,具体包括发电机单元数据、负荷、电容、电抗、双绕组变压器、三绕组变压器、母线或节点及交流线路的数据。
3.如权利要求1所述的基于电网系统中电压无功控制系统的评估方法,其特征是,所述第二步中,指标评价体系还进一步包括二级指标:
其中,控制策略优化的结果的二级指标为降低网损和提高电压的合格率;
控制效率的二级指标为系统的控制速度、控制的鲁棒性、控制的全局优化;
可行操作性的二级指标为局部的调节控制有效的控制设备的操作,变电站间的协调配合,提高动作效率,避免无谓操作;
异常与闭锁的二级指标为设备闭锁,变电站闭锁,系统闭锁;
评估过程的历史回放的二级指标为AVC系统的所有控制设备过程和操作回放,对AVC系统的不足提出相应的应对策略;
系统的稳定性的二级指标为控制过程中系统的稳定,操作过程中系统的稳定;
人机交互友好性,电网模型扩展性的二级指标为系统操作界面直观简洁,人机互动,仿真系统可以添加新的电网模型,对原有电网模型进行更精确的扩展;
拓扑分析正确性,状态估计合格率及潮流收敛性的二级指标为拓扑分析,状态估计合格率,潮流收敛性;
控制接口安全性和准确性的二级指标为控制接口安全性,控制接口准确性。
4.如权利要求1所述的基于电网系统中电压无功控制系统的评估方法,其特征是,所述第六步中引入衡量判断矩阵完全一致性检验指数CI,矩阵A的特征值的近似公式为AW=λW,λmax=(λi),i=1,2,…,n,n为自然数
完全一致性检验指数CI
<mrow>
<msub>
<mi>C</mi>
<mi>I</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&lambda;</mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>-</mo>
<mi>n</mi>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>,</mo>
<mi>n</mi>
<mo>></mo>
<mn>1</mn>
</mrow>
认为CI≤0.10,判断矩阵A有满意的一致性,否则需要重新调整。
5.如权利要求1所述的基于电网系统中电压无功控制系统的评估方法,其特征是,所述第七步的综合评价过程为:
(1)将指标向量中每一元素称为该指标的隶属度,由指标向量构成的矩阵称为模糊评价矩阵,矩阵中每一元素称为隶属度;
(2)隶属函数及子目标的模糊评价矩阵;由专家群体判断任一指标ui∈U所属的等级,U为一集合;然后统计每一指标隶属于V各等级的频数,V为一集合,各频数与专家总数的比值,作为各指标的隶属度;具体的做法如下:
1)请若干专家,根据提供的各指标的背景材料,按规定的标准集V’,给出各指标ui隶属的等级频数vj∈V;
2)统计ui隶属于vj等级的频数mij;
3)用专家总数P除各频数,得各指标的隶属度:
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>v</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
即:
式中uvj∈[0,1]是指标ui对等级vj的隶属度;由此得到各指标的模糊评价向量:Rsi=(ri1,ri2,…,rij,…,rim)
Rsi=为V上的模糊子集;同样可得到所有指标的模糊的评价向量,于是得到子目标的模糊评价矩阵Rs为:
<mrow>
<msub>
<mi>R</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mn>11</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mn>12</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>&Lambda;</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mrow>
<mi>l</mi>
<mi>i</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mi>ln</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mn>1</mn>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mn>2</mn>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中Λ代表省略符号;
(3)单因素模糊评价矩阵及综合评价结果
由权重向量ws即子目标Bs与单因素模糊评价矩阵Rs,通过模糊矩阵合并运算,得到子目标B的综合评价为
Bs=Ws○Rs=(bs1,bs2,…,bsm),m为自然数
式中“○”为广义模糊乘,采用普通矩阵乘法规则运算;向量Bs即是子目标Bs的综合评价结果;如需分析某因素的作用,考察Bs即可;同理可得到B1,B2,…,Bs,…,Bn各子目标的综合评价结果,其中,下标1,2,…s…,n,n为自然数:B1,B2,…,Bs,…,Bn;由于最初每个指标的隶属度u∈[0,1],故最后评价结果A的各因素也是归一化的,否则要对模糊评判矩阵进行归一化的处理;
由子目标综合评价向量B1构造子目标层的单因素模糊评价矩阵为若已知子目标层的权重w,则综合评价指标体系的综合评价结果为
n,m为自然数
<mrow>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>M</mi>
</mtd>
<mtd>
<mi>M</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
<mtd>
<mi>&Lambda;</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
bn1 bn2 Λ bnn
对于综合评价结果A,可用最大隶属度原则确定评价所属的等级,取aK=max(a1,a2,…,am),m为自然数,则该AVC工程属于K级标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410051897.0A CN103761690B (zh) | 2014-02-14 | 2014-02-14 | 基于电网系统中电压无功控制系统的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410051897.0A CN103761690B (zh) | 2014-02-14 | 2014-02-14 | 基于电网系统中电压无功控制系统的评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103761690A CN103761690A (zh) | 2014-04-30 |
CN103761690B true CN103761690B (zh) | 2017-10-24 |
Family
ID=50528923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410051897.0A Active CN103761690B (zh) | 2014-02-14 | 2014-02-14 | 基于电网系统中电压无功控制系统的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761690B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104022501B (zh) * | 2014-05-27 | 2016-03-02 | 桂林电子科技大学 | 基于模糊理论的配电网状态估计方法 |
CN104123452B (zh) * | 2014-07-18 | 2017-10-10 | 西北工业大学 | 基于模糊决策的gpu负载综合评判方法 |
CN105243255A (zh) * | 2015-08-11 | 2016-01-13 | 北华航天工业学院 | 一种软基处理方案的评价方法 |
CN105186501A (zh) * | 2015-09-18 | 2015-12-23 | 国网天津市电力公司 | 地区电网avc系统评价系统 |
CN105303194B (zh) * | 2015-10-12 | 2018-09-14 | 国家电网公司 | 一种电网指标体系建立方法、装置以及计算设备 |
CN105487523A (zh) * | 2015-11-24 | 2016-04-13 | 国网四川省电力公司电力科学研究院 | 一种自动电压控制系统的控制策略评估方法 |
CN106940525B (zh) * | 2016-01-05 | 2020-07-07 | 中国电力科学研究院 | 基于免疫应答机制的配电网优化与风险控制系统和方法 |
CN105760997B (zh) * | 2016-02-16 | 2019-07-02 | 国网山东省电力公司经济技术研究院 | 基于模糊评价的配电网异常电压评估方法 |
CN105896545B (zh) * | 2016-06-16 | 2018-05-22 | 国网江苏省电力公司电力科学研究院 | 一种基于事故链模型的分布式潮流控制器选址方法 |
CN106327079B (zh) * | 2016-08-23 | 2021-12-03 | 中国电力科学研究院 | 一种配电网无功优化控制的评价方法 |
CN106651096B (zh) * | 2016-09-30 | 2023-08-08 | 华中电网有限公司 | 一种暂态功角失稳与电压失稳的模糊综合评判方法 |
CN107967545B (zh) * | 2016-10-19 | 2022-05-17 | 中国辐射防护研究院 | 概率安全评价中子系统部件的Birnbaum重要度和结构重要度计算方法 |
CN106951653A (zh) * | 2017-03-29 | 2017-07-14 | 洛阳理工学院 | 一种评价茎秆作物抗倒伏能力的方法 |
CN107085775A (zh) * | 2017-06-13 | 2017-08-22 | 国网辽宁省电力有限公司锦州供电公司 | 基于格栅获取法及最大信息系数法的电力应急抢修光源评价方法 |
CN108345570A (zh) * | 2017-09-19 | 2018-07-31 | 北京四方继保自动化股份有限公司 | 配电网运行状态评估指标的权重因子确定方法及装置 |
CN107590737A (zh) * | 2017-10-24 | 2018-01-16 | 厦门大学 | 个人信用评分以及信用额度测算方法 |
CN108108923A (zh) * | 2018-02-05 | 2018-06-01 | 东北电力大学 | 基于多层次的输电工程项目后评价方法 |
KR20200122707A (ko) * | 2019-04-18 | 2020-10-28 | 에스케이하이닉스 주식회사 | 프로세싱 엘리먼트 및 프로세싱 시스템 |
CN110707714A (zh) * | 2019-09-30 | 2020-01-17 | 贵州电网有限责任公司凯里供电局 | 一种配电网无功电压控制效果评估指标方法 |
CN110619489A (zh) * | 2019-10-23 | 2019-12-27 | 国网重庆市电力公司电力科学研究院 | 一种电网自动电压控制策略评价方法及可读存储介质 |
CN111506974B (zh) * | 2020-02-21 | 2021-02-23 | 中国民用航空总局第二研究所 | 一种无人机超低空飞行区域分类划设方法 |
CN111367974A (zh) * | 2020-03-25 | 2020-07-03 | 国电南瑞科技股份有限公司 | 一种适用于大电网调度运行的数据输出方法和系统 |
CN114629802B (zh) * | 2021-11-04 | 2023-12-08 | 国网浙江省电力有限公司湖州供电公司 | 一种基于业务感知的电力通信骨干网络质量评估方法 |
CN114265309B (zh) * | 2021-11-19 | 2023-09-05 | 江苏徐工工程机械研究院有限公司 | 一种工程机械优化控制策略推荐系统及方法 |
CN116187866B (zh) * | 2023-04-25 | 2023-07-28 | 国网冀北电力有限公司 | 电网运行安全量化指标体系的评价方法 |
CN117150630B (zh) * | 2023-10-26 | 2024-02-23 | 中铁建大桥工程局集团第三工程有限公司 | 一种基于层次分析法的超大断面地铁车站稳定性评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270847A (zh) * | 2011-07-15 | 2011-12-07 | 广东电网公司电力科学研究院 | 一种智能avc系统在线检测方法及其装置 |
CN102496069A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司青岛供电公司 | 基于模糊层次分析法的电缆多状态安全运行评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3238696B2 (ja) * | 2000-03-10 | 2001-12-17 | 株式会社マーク・テック | 電気料金管理装置およびその記録媒体 |
-
2014
- 2014-02-14 CN CN201410051897.0A patent/CN103761690B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270847A (zh) * | 2011-07-15 | 2011-12-07 | 广东电网公司电力科学研究院 | 一种智能avc系统在线检测方法及其装置 |
CN102496069A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司青岛供电公司 | 基于模糊层次分析法的电缆多状态安全运行评估方法 |
Non-Patent Citations (1)
Title |
---|
《基于模糊综合评价的电压无功控制在线评估系统研究》;李琴,周伊琳;《广东电力》;20121031;第25卷(第10期);参见第1,2节、图1 * |
Also Published As
Publication number | Publication date |
---|---|
CN103761690A (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761690B (zh) | 基于电网系统中电压无功控制系统的评估方法 | |
US20200119556A1 (en) | Autonomous Voltage Control for Power System Using Deep Reinforcement Learning Considering N-1 Contingency | |
CN109685340A (zh) | 一种配电设备健康状态评估方法及系统 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
Galvani et al. | A multi-objective probabilistic approach for smart voltage control in wind-energy integrated networks considering correlated parameters | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
Passaro et al. | Preventive control stability via neural network sensitivity | |
CN104102840A (zh) | 配电网对光伏电源接纳能力的测评方法 | |
CN110649627B (zh) | 一种基于gbrt的静态电压稳定裕度评估方法及系统 | |
CN106600130A (zh) | 基于模糊神经网络模型的独立微网安全性分析方法 | |
Huang et al. | Adaptability evaluation of distributed power sources connected to distribution network | |
Amjady | A framework of reliability assessment with consideration effect of transient and voltage stabilities | |
CN106874607B (zh) | 基于多层级变权理论的电网自组织临界态定量评估方法 | |
Li et al. | Multiagent deep meta reinforcement learning for sea computing-based energy management of interconnected grids considering renewable energy sources in sustainable cities | |
Zhang et al. | CNN‐LSTM based power grid voltage stability emergency control coordination strategy | |
Wang et al. | Synchronized-ambient-data-driven participation-factor-based generation rescheduling strategy for enhancing the damping level of interconnected power systems | |
Saha et al. | Enrichment of voltage stability in power system through novel generalized approximate reasoning based intelligent control with african buffalo optimization approach | |
Karki | Methods for online voltage stability monitoring | |
CN108492056A (zh) | 一种电铁供电电网工程运行效益评价方法及系统 | |
Zicheng et al. | Minimum inertia demand estimation of new power system considering diverse inertial resources based on deep neural network | |
Ji et al. | A novel combinational evaluation method of voltage and reactive power in regional power grid containing renewable energy | |
Dong et al. | Study on operation evaluation of charging and discharging network based on improved analytic hierarchy process and fuzzy synthetic evaluation | |
Kang et al. | Research on investment forecast of distribution based on BP neural network | |
Fan et al. | Operation State Assessment and Prediction of Distribution Transformer Based on Data Driven | |
Zhang et al. | Optimization method of distribution network grid with high-permeability new energy based on knowledge distillation algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |