CN105224997A - 一种含有多种不确定性因素影响的规划负荷预测方法 - Google Patents

Abstract

本发明涉及一种含有多种不确定性因素影响的规划负荷预测方法，该方法将多种不确定性的影响因素对电力负荷变化的影响用经济变量数据的变化表示，采用各个因素影响作用互相比较的方式将不确定性因素定量化，再通过盲数理论建模将定量化的影响因素纳入负荷预测中。本发明的负荷预测方法包括盲数模型构建、区间灰数可信度确定、模糊综合评判模型预测三个步骤。通过模糊综合评判，将不确定性因素的影响转化为区间灰数及其可信度来反映，从而得到负荷预测的量化值。利用本发明提出的方法进行负荷预测丢失的信息较少，结果更加合理，为电网发展规划及调度工作提供依据。

Description

一种含有多种不确定性因素影响的规划负荷预测方法

技术领域

本发明涉及电力市场、电力负荷预测领域，特别涉及一种含有多种不确定性因素影响的规划负荷预测方法。

背景技术

目前，为了满足不同类别负荷的需求，电网的发展、规划的合理性以及日常的电力调度等工作的进行，都依赖于负荷预测，因此，电力负荷预测已发展成为一个工程学科中的重要研究领域，并逐步承担了越来越重要的角色，然而，如何实现对电力负荷变化的准确预测一直是一个重要的课题。

电力负荷预测是对现有系统运行的情况进行分析，考虑已有的系统运行的特征，在理论的指导下，利用某种系统(数学模型)分析电力系统的历史负荷数据，探索用电负荷与主要影响因素之间的内在联系和发展变化规律，预测负荷在未来的变化趋势。常用的预测方法有:电力弹性系数法、负荷密度法、单耗法、增长曲线模型法和回归预测法等。这些是基于过去的数据和资料研究建立起来的反映预测对象与其影响因素间数学关系的预测方法，但是电力负荷受到多种因素的影响，比如经济、时间、气候和随机干扰等，在这种情况下，以上这些方法难以包括影响预测的全部因素，加之随着国民经济和电力工业的发展，影响电力负荷变化的因素也越来越多，例如国家政策调整、规划区域改变、产业结构调整、人口变动及环境变化等。诸多影响因素都具有很强的不确定性，有偶然性、随机性，也有未确知性。这些具有大量多重性质的不确定信息无法直接用数值定量化，所以，采用常规的预测方法进行分析计算得到的结果不够科学合理，给电网发展规划及调度工作带来诸多不便。

在决策科学及工程应用等研究领域存在大量的不确定性，这些不确定的信息是指客观事物在发展过程中具有随机性、偶然性及未确知性的信息，未确知的信息表现形式多样化，如模糊信息、随机信息、粗糙信息、灰色信息等。针对这些不确定的信息的不同特点，描述和处理方法主要有模糊集法、概率论法、粗糙集法及混沌理论等。这些方法的特点是能够很好地处理具有单一性质的不确定信息，但在实际工程应用中不确定的信息往往具有多重性，各种不确定的信息对工程影响的程度各有不同，以上解决单一特性不确定信息的方法不能取得令人满意的效果。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种丢失信息少，结果更加合理的含有多种不确定性因素影响的规划负荷预测方法。

为了实现上述目的，本发明采取的技术方案如下：

一种含有多种不确定性因素影响的规划负荷预测方法，其步骤如下：

步骤一构建盲数模型

(1)确定预测区域负荷的可能变化区间，设预测负荷变化因素集为：U＝{u₁，u₂，......，u_m}，满足i≠j时，u_i≠u_j，且其中：u_i(i＝1，2，......，m)，U表示该区域未来负荷的可能变化区间；

(2)设不确定影响因素集为：S＝{s₁，s₂，......，s_n}，其中：s_j(j＝1，2，......，n)表示影响负荷变化的某一因素，n为不确定影响因素的个数；

步骤二确定区间灰度可信度

(1)确定相对评价向量

在影响因素集:S＝{s₁，s₂，......，s_n}中取一个s_j(j＝1，2，......，n)，考察预测负荷变化因素集U＝{u₁，u₂，......，u_m}中的各个区间因素在该影响因素下的相对评价值，得到相对评价向量Y_j＝{y_1j，y_2j，......，y_mj}(j＝1，2，......，n)，y_ij表示在同一个影响因素s_j下第i个区间变化因素的相对评价值，

(2)构造判断矩阵

对于每个影响因素s_j(j＝1，2，......，n)均可得到一个相对评价向量Y_j＝{y_1j，y_2j，......，y_mj}，将所有的影响因素集形成的相对评价向量构成相对评价矩阵F，即：

$F=\left[\begin{array}{cccc}{f}_{11}& f_{12}& \mathrm{...}& f_{1n}\\ f_{21}& f_{22}& \mathrm{...}& f_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{m1}& f_{m2}& \mathrm{...}& f_{mn}\end{array}\right]=\left[\begin{array}{cccc}{Y}_1^T& Y_2^T& \mathrm{...}& Y_n^T\end{array}\right]$ 式(1)，

上式中，F矩阵中的元素f_ij就表示第j个影响因素对第i个区间变化因素的影响程度，即相对评价值；

利用相对评价矩阵F构造判断矩阵P，P由F和F转置矩阵的乘积构成，即：P＝FF^T

$P={\left(p_{ij}\right)}_{m\×m}=\left[\begin{array}{cccc}{p}_{11}& p_{12}& \mathrm{...}& p_{1m}\\ p_{21}& p_{22}& \mathrm{...}& p_{2m}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ p_{m1}& p_{m2}& \mathrm{...}& p_{mm}\end{array}\right]$ 式(2)，

其中P矩阵中的元素p_ij表示在综合影响因素下第i个负荷区间变化因素和第j个区间变化因素的相对比较值；

(3)确定区间灰数可信度

求解构造的式(2)判断矩阵P的最大特征值λ_max，即求得满足特征方程：|P-λE|＝0的根的最大值；

将求得的最大特征根λ_max代入方程：(P-λ_maxE)x＝0，得到对应最大特征根的一个非零特征向量x₀＝(x₁，x₂，......，x_m)^T，对求得的非零特征向量进行归一化，得到x＝(x₁，x₂，......，x_m)^T，令区间变化因素u_i的可信度a_i＝x_i(i＝1，2，......，m)，即可得到对应区间变化因素u_i(i＝1，2，......，m)的可信度a_i；

步骤三模糊综合评判

按照公式(3)，计算综合评判值；

$k={\mathrm{\Σ}}_{i=1}^m{a}_i\stackrel{\‾}{u_i}$ 式(3)，

式中：

${\mathrm{\&Sigma;}}_{i=1}^m{a}_i=1,0<a_i\&le;1,i=1,2,...,m$

k为负荷区间变化因素的综合评判值，为区间变化因素的白化值，a_i为区间灰数的可信度值。

作为本发明进一步的改进，所述y_ij的取值规则为：在同一个影响因素s_j下设定不同的数值表示相对评价等级，用较大的数值表示在同一影响因素下区间变化因素发生的可能性较大，分别对s_j做相对评价向量，得到所有区间变化因素在各个影响因素下的相对评价值。

本发明所提供的含有多种不确定因素影响的规划负荷预测方法的实现流程图见附图1所示，设计原理具体如下：

1、盲数模型构建

电力负荷预测中的不确定性信息是多方面的，并且受很多方面因素的共同影响，因此在电力负荷预测中对不确定性信息进行描述和处理要兼顾多个方面，必须对多个相关因素做出综合评判。影响负荷预测的因素主要有：负荷预测区域范围经济发展、经济结构调整及政策的影响；需求侧管理措施的影响；地区居民收入水平和消费观念变化的影响；季节和气候变化影响；电价的影响等。这些因素均是未确定因素，包含的信息各有不同，影响因素具有模糊性、随机性以及未确知性等多种特性，处理这些影响因素用常规的方法丢失信息较多，得到的结果不仅合理，考虑具有多重性质的不确定信息，及对负荷预测影响的不相同程度，盲数理论将这些不确定的信息统一描述为盲信息，引入模糊集概念，将不确定的盲信息划分成多个可能出现的区间及各区间的可信度来描述，可把不定量的信息定量化，有助于工程实际应用中的综合评判。

(1)建立盲数模型，首先确定预测区域负荷的可能变化区间，设预测负荷变化因素集为：U＝{u₁，u₂，......，u_m}，满足i≠j时，u_i≠u_j，且其中：u_i(i＝1，2，......，m)。U表示该区域未来负荷的可能变化区间，若g(I)为区间型灰数集，那么u_i∈g(I)。U为预测区域负荷提供了区间灰数值，即：该地区负荷为m阶盲数模型，盲数模型的阶数表示信息的不确定程度，不确定程度越高，阶数越大。

(2)设不确定影响因素集为：S＝{s₁，s₂，......，s_n}，其中：s_j(j＝1，2，......，n)表示影响负荷变化的某一因素，n为不确定影响因素的个数。要得到该盲数模型还需要求得区间因素u_i的可信度a_i，由于a_i是表示各个区间因素在综合影响因素下的可信度，从模糊综合评判的角度出发，这是一个模糊择优的问题，即相当于要求出因素论域U上的模糊子集A＝{a₁，a₂，......，a_m}，其中：a_i(i＝1，2，......，m)是区间因素u_i对A的隶属度，是所求盲数模型的可信度值。

2、区间灰数可信度的确定

区间灰数可信度值的确定的方法有：专家调查分析法、德尔菲法及判断矩阵法，由于影响负荷预测的多种因素相互作用，仅通过主观判断的方法难以得到贴合实际的可信度值，因此，构造一个影响因素集对负荷变化的相对评价向量矩阵，然后通过所有参与因素两两之间的相互比较来确定判断矩阵，借助数学方法求解得到判断矩阵的最大特征根及其对应的特征向量。这个对应最大特征根的特征向量就是所要求得的盲数模型的可信度。可信度的确定方法如下:

(1)确定相对评价向量。在影响因素集:S＝{s₁，s₂，......，s_n}中取一个s_j(j＝1，2，......，n)，考察预测负荷变化因素集U＝{u₁，u₂，......，u_m}中的各个区间因素在该影响因素下的相对评价值，得到相对评价向量Y_j＝{y_1j，y_2j，......，y_mj}(j＝1，2，......，n)。相对评价向量Y_j中的元素y_ij表示在同一个影响因素s_j下第i个区间变化因素的相对评价值，y_ij的取值规则为：在同一个影响因素s_j下设定不同的数值表示相对评价等级，比如用1、2、3、4(也可以使用其它的数字来表示)表示评价等级，这些数值表示该影响因素对各个区间变化因素的影响程度，取值只是采用相对的概念，用较大的数值表示在同一影响因素下区间变化因素发生的可能性较大，分别对s_j做相对评价向量，得到所有区间变化因素在各个影响因素下的相对评价值。由于评价向量中的值均是相对值，其既能够反映影响因素对各个区间变化因素的影响，又能够将影响因素中的不确定信息量化。

(2)构造判断矩阵。对于每个影响因素s_j(j＝1，2，......，n)均可得到一个相对评价向量Y_j＝{y_1j，y_2j，......，y_mj}，将所有的影响因素集形成的相对评价向量构成相对评价矩阵F，即：

$F=\left[\begin{array}{cccc}{f}_{11}& f_{12}& \mathrm{...}& f_{1n}\\ f_{21}& f_{22}& \mathrm{...}& f_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{m1}& f_{m2}& \mathrm{...}& f_{mn}\end{array}\right]=\left[\begin{array}{cccc}{Y}_1^T& Y_2^T& \mathrm{...}& Y_n^T\end{array}\right]$

上式中，F矩阵中的元素f_ij就表示第j个影响因素对第i个区间变化因素的影响程度，即相对评价值。利用相对评价矩阵F构造判断矩阵P，P由F和F转置矩阵的乘积构成，即：P＝FF^T

$P={\left(p_{ij}\right)}_{m\&times;m}=\left[\begin{array}{cccc}{p}_{11}& p_{12}& \mathrm{...}& p_{1m}\\ p_{21}& p_{22}& \mathrm{...}& p_{2m}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ p_{m1}& p_{m2}& \mathrm{...}& p_{mm}\end{array}\right]$

上式中，P矩阵中的元素p_ij表示在综合影响因素下第i个负荷区间变化因素和第j个区间变化因素的相对比较值，可见，P矩阵为m阶实对称阵，因此其特征方程具有全实数根，即m阶方阵P的特征值λ₁，λ₂，......，λ_m全是实数。

(3)确定区间灰数可信度。求解步骤(2)中构造的判断矩阵P的最大特征值λ_max，即求得满足特征方程：|P-λE|＝0的根的最大值。将求得的最大特征根λ_max代入方程：(P-λ_maxE)x＝0，可得对应最大特征根的一个非零特征向量x＝(x₁，x₂，......，x_m)^T，取x_i(i＝1，2，......，m)作为区间变化因素u_i的可信度值，由于对应λ_max的非零特征向量有无限个，需要对求得的特征向量进行归一化，即可得到对应区间变化因素u_i(i＝1，2，......，m)的可信度a_i。

3、模糊综合评判

将区间灰数的均值作为盲数模型区间变化因素的白化值，区间灰数的可信度值作为加权值，采用加权平均的方法，计算综合评判值。

$k={\mathrm{\&Sigma;}}_{i=1}^m{a}_i\stackrel{\&OverBar;}{u_i},{\mathrm{\&Sigma;}}_{i=1}^m{a}_i=1,0<a_i\&le;1,i=1,2,...,m$

上式中，k为负荷区间变化因素的综合评判值，为区间变化因素的白化值，a_i为区间灰数的可信度值，即各区间变化因素的加权系数。

与现有技术相比，本发明所取得的有益效果如下：

利用本发明方法进行不确定性因素影响的负荷预测，建立负荷变化的盲数模型，把具有随机性、模糊性以及未确知性等多种信息描述为区间灰数及该区间的可信度，再通过模糊综合评判得到跳跃性负荷的预测量化值，结合负荷增长特点，将各年的自然增长预测值与跳跃性负荷增长值求和即为各年的负荷预测值。利用本发明提出的方法进行负荷预测丢失的信息较少，结果更加合理，为电网发展规划及调度工作提供依据。

附图说明

附图1含有多种不确定性因素影响的规划负荷预测方法实现流程图；

具体实施方式

以下结合具体实施例对本发明进行进一步详细的叙述。

以沧州黄骅市220kV中钢站供电区域为例，采用本发明提出的方法对其2014年负荷变化情况进行预测，根据该区域项目规划，中钢站供电区域内规划接入负荷初步预测：(1)综港变电容量(2×20MVA)，预计需用负荷25MW；(2)神华变电容量(2×40)，预计需用负荷52MW；(3)滨镍变电容量(2×40)，预计需用负荷70MW；(4)新区北变电站是在建项目，变电容量(2×63MVA)，预计需用负荷60MW；(5)三和站为规划用户站，变电容量(2×75MVA)，预计需用负荷120MW；(6)铬铁站变电容量(2×63MVA)，预计需用负荷70MW；(7)泰恒特钢用户变电容量(4×39MVA)，预计负荷120MW。规划项目引起总的跳跃性负荷预测为517MW。规划变电项目由于建设工期长导致投产时间不确定、用户负荷受产出品价格因素、政策因素等影响而波动，可见，规划负荷包含多种不确定性信息，分析该区域影响负荷变动的主要因素有当地经济发展基础，负荷预测区域规划，以及市场、政策等因素影响，经济发展基础是地区经济可持续发展的必要条件，也是负荷增长的动力，地区发展规划是该地区经济发展的目标和方向，而市场变动因素也是影响用户负荷变动的诱因。

1、建立盲数模型

设总的负荷预测增长为△P₀＝517MW，综合考虑各种影响因素，负荷变化区间为[0，100％△P₀]，根据该区域负荷变化因素的不确定程度，将负荷变化因素取为四阶盲数模型，即设U＝{u₁，u₂，u₃，u₄}，负荷变化区间u_i可根据区域负荷特点进行划分，但需满足i≠j时，u_i≠u_j，且本次模型将负荷变化区间等分，即：

u₁＝(0，25％△P₀]；

u₂＝(25％△P₀，50％△P₀]；

u₃＝(50％△P₀，75％△P₀]；

u₄＝(75％△P₀，100％△P₀]。

设不确定影响因素集S＝{s₁，s₂，s₃}，其中：s₁＝{当地经济发展基础}，s₂＝{负荷预测区域规划}，s₃＝{市场政策因素}。

2、区间灰数可信度

(1)确定相对评价向量

考察影响因素s₁对各负荷区间变化因素的影响程度，设定用1、2、3、4表示相对评价等级，这里采用德尔菲法确定各影响因素下的相对评价向量：

在影响因素s₁下对负荷区间变化因素u_i(i＝1，2，3，4)形成的相对评价向量Y₁＝{1，3，2，4}；

在影响因素下s₂下形成的相对评价向量Y₂＝{1，2，4，3}；

在影响因素下s₃下形成的相对评价向量Y₃＝{2，1，3，4}。

(2)判断矩阵

将步骤(1)形成的相对评价向量Y₁，Y₂，Y₃分别转置构成相对评价矩阵F，即：

$F=\left[\begin{array}{ccc}1& 1& 2\\ 3& 2& 1\\ 2& 4& 3\\ 4& 3& 4\end{array}\right]=\left[\begin{array}{ccc}{Y}_1^T& Y_2^T& Y_3^T\end{array}\right]$

从而判断矩阵P＝FF^T

$P=\left[\begin{array}{cccc}6& 7& 12& 15\\ 7& 14& 17& 22\\ 12& 17& 29& 32\\ 15& 22& 32& 41\end{array}\right]$

(3)确定区间灰数可信度

求解步骤(2)中构造的判断矩阵P的最大特征值λ_max，即求得满足特征方程：|P-λE|＝0的根的最大值。特征方程为：

$|P-\mathrm{\&lambda;}E|=\left|\begin{array}{cccc}6-\mathrm{\&lambda;}& 7& 12& 15\\ 7& 14-\mathrm{\&lambda;}& 17& 22\\ 12& 17& 29-\mathrm{\&lambda;}& 32\\ 15& 22& 32& 41-\mathrm{\&lambda;}\end{array}\right|=0$

求得特征值λ₁＝0，λ₂＝2.0，λ₃＝3.3306，λ₄＝84.6694。故λ_max＝84.6694，

将求得的最大特征根λ_max＝84.6694代入方程：(P-λ_maxE)x＝0，可得对应最大特征根的一个非零特征向量x₀＝(0.2512，0.3757，0.5655，0.6899)^T，将得到的特征向量归一化，x＝(0.1335，0.1996，0.3004，0.3665)^T，令区间变化因素u_i的可信度a_i＝x_i(i＝1，2，3，4)。

因此，最终得到区间灰数可信度结果如下:

$A\left(a_i\right)=\left\{\begin{array}{cc}{a}_1=0.1335& u_1=(0,25{\mathrm{\%\&Delta;P}}_0\&rsqb;\\ a_2=0.1996& u_2=(25{\mathrm{\%\&Delta;P}}_0,50{\mathrm{\%\&Delta;P}}_0\&rsqb;\\ a_3=0.3004& u_3=(50{\mathrm{\%\&Delta;P}}_0,75{\mathrm{\%\&Delta;P}}_0\&rsqb;\\ a_4=0.3665& u_4=(75{\mathrm{\%\&Delta;P}}_0,100{\mathrm{\%\&Delta;P}}_0\&rsqb;\end{array}\right.$

3、模糊综合评判

将区间灰数的均值作为盲数模型区间变化因素的白化值，区间灰数的可信度值作为加权值，采用加权平均的方法，计算综合评判值。

$k={\mathrm{\&Sigma;}}_{i=1}^4{a}_i\stackrel{\&OverBar;}{u_i}=60{\mathrm{\%\&Delta;P}}_0$

根据综合评判值可知，负荷预测区域跳跃性负荷总的预测值为：△P＝60％△P₀＝310MW，结合负荷增长特点，本发明方法在预测过程中综合考量了各主要影响因素，丢失信息较少，负荷预测量化数据可信度高，结果更加合理。跳跃性负荷的预测值与各年自然增长负荷预测值之和即为预测区域各年总负荷增长量，这些量化数据可为电网发展规划及调度工作提供参考与决策依据。本发明方法流程简单，操作性强，较容易在工程实践中推广应用。

以上所述实施方式仅为本发明的优选实施例，而并非本发明可行实施的穷举。对于本领域一般技术人员而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应当被认为包含在本发明的权利要求保护范围之内。

Claims (2)

1.一种含有多种不确定性因素影响的规划负荷预测方法，其特征在于，其步骤如下：

步骤一构建盲数模型

(1)确定预测区域负荷的可能变化区间，设预测负荷变化因素集为：U＝{u₁，u₂，......，u_m}，满足i≠j时，u_i≠u_j，且其中：u_i(i＝1，2，......，m)，U表示该区域未来负荷的可能变化区间；

(2)设不确定影响因素集为：S＝{s₁，s₂，......，s_n}，其中：s_j(j＝1，2，......，n)表示影响负荷变化的某一因素，n为不确定影响因素的个数；

步骤二确定区间灰度可信度

(1)确定相对评价向量

在影响因素集:S＝{s₁，s₂，......，s_n}中取一个s_j(j＝1，2，......，n)，考察预测负荷变化因素集U＝{u₁，u₂，......，u_m}中的各个区间因素在该影响因素下的相对评价值，得到相对评价向量Y_j＝{y_1j，y_2j，......，y_mj}(j＝1，2，......，n)，y_ij表示在同一个影响因素s_j下第i个区间变化因素的相对评价值，

(2)构造判断矩阵

对于每个影响因素s_j(j＝1，2，......，n)均可得到一个相对评价向量Y_j＝{y_1j，y_2j，......，y_mj}，将所有的影响因素集形成的相对评价向量构成相对评价矩阵F，即：

$F=\left[\begin{array}{cccc}{f}_{11}& f_{12}& \mathrm{...}& f_{1n}\\ f_{21}& f_{22}& \mathrm{...}& f_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{m1}& f_{m2}& \mathrm{...}& f_{mn}\end{array}\right]=\left[\begin{array}{cccc}{Y}_1^T& Y_2^T& \mathrm{...}& Y_n^T\end{array}\right]$ 式(1)，

上式中，F矩阵中的元素f_ij就表示第j个影响因素对第i个区间变化因素的影响程度，即相对评价值；

利用相对评价矩阵F构造判断矩阵P，P由F和F转置矩阵的乘积构成，即：P＝FF^T

$P={\left(p_{ij}\right)}_{m\&times;m}=\left[\begin{array}{cccc}{p}_{11}& p_{12}& \mathrm{...}& p_{1m}\\ p_{21}& p_{22}& \mathrm{...}& p_{2m}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ p_{m1}& p_{m2}& \mathrm{...}& p_{mm}\end{array}\right]$ 式(2)，

其中P矩阵中的元素p_ij表示在综合影响因素下第i个负荷区间变化因素和第j个区间变化因素的相对比较值；

(3)确定区间灰数可信度

求解构造的式(2)判断矩阵P的最大特征值λ_max，即求得满足特征方程：|P-λE|＝0的根的最大值；

将求得的最大特征根λ_max代入方程：(P-λ_maxE)x＝0，得到对应最大特征根的一个非零特征向量x₀＝(x₁，x₂，......，x_m)^T，对求得的非零特征向量进行归一化，得到x＝(x₁，x₂，......，x_m)^T，令区间变化因素u_i的可信度a_i＝x_i(i＝1，2，......，m)，即可得到对应区间变化因素u_i(i＝1，2，......，m)的可信度a_i；

步骤三模糊综合评判

按照公式(3)，计算综合评判值；

$k={\mathrm{\&Sigma;}}_{i=1}^m{a}_i\stackrel{\&OverBar;}{u_i}$ 式(3)，

式中：

${\mathrm{\&Sigma;}}_{i=1}^m{a}_i=1,0<a_i\&le;1,i=1,2,......,m$

k为负荷区间变化因素的综合评判值，为区间变化因素的白化值，a_i为区间灰数的可信度值。

2.根据权利要求1所述的一种含有多种不确定性因素影响的规划负荷预测方法，其特征在于，其步骤如下：

所述yij的取值规则为：在同一个影响因素sj下设定不同的数值表示相对评价等级，用较大的数值表示在同一影响因素下区间变化因素发生的可能性较大，分别对sj做相对评价向量，得到所有区间变化因素在各个影响因素下的相对评价值。