CN105303468A - 一种基于主成分聚类分析的智能电网建设综合评价方法 - Google Patents
一种基于主成分聚类分析的智能电网建设综合评价方法 Download PDFInfo
- Publication number
- CN105303468A CN105303468A CN201510811485.7A CN201510811485A CN105303468A CN 105303468 A CN105303468 A CN 105303468A CN 201510811485 A CN201510811485 A CN 201510811485A CN 105303468 A CN105303468 A CN 105303468A
- Authority
- CN
- China
- Prior art keywords
- principal component
- matrix
- power grid
- comprehensive evaluation
- rate
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 84
- 238000010276 construction Methods 0.000 title claims abstract description 35
- 238000007621 cluster analysis Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 76
- 230000001186 cumulative effect Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 4
- GHVNFZFCNZKVNT-UHFFFAOYSA-M decanoate Chemical compound CCCCCCCCCC([O-])=O GHVNFZFCNZKVNT-UHFFFAOYSA-M 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 abstract description 9
- 238000011161 development Methods 0.000 abstract description 6
- 238000011160 research Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于主成分聚类分析的智能电网建设综合评价方法,其技术特点是:包括以下步骤:步骤1、建立或选用普遍认可的智能电网建设综合评价指标体系;步骤2、对指标数据进行标准化处理;步骤3、建立指标数据相关系数矩阵并求解该矩阵的特征值和特征向量,生成主成分表达式;步骤4、计算主成分方差贡献率和累积方差贡献率,确定主成分个数;步骤5、构造综合主成分评价指标函数,给出智能电网发展建设水平的综合评价结果;步骤6、建立主成分因子负载矩阵,对智能电网综合评价指标进行聚类分析。本发明采用主成分分析与聚类分析相结合的方法对智能电网建设评价指标体系进行简化并重构,对落后地区的智能电网建设提供建议。
Description
技术领域
本发明属于智能电网技术领域,特别涉及一种基于主成分聚类分析的智能电网建设综合评价方法。
背景技术
智能电网为未来电网的发展指明了方向,科学准确地评价智能电网总体发展建设水平、衡量不同区域电网智能化的差异化程度势在必行。
主成分分析(PrincipalComponentAnalysis,PCA)和聚类分析(ClusterAnalysis)是现代多元统计分析学科中处理多变量、高维度系统最方便快捷的方法之一。主成分分析是一种把系统中的多个变量(指标)转化为几个综合指标的统计分析方法,聚类分析是一种根据研究对象特征对研究对象进行分类的多元分析技术。上述两种方法已广泛应用于电力系统负荷预测、同调机群识别和输电网规划方案决策等众多研究方向。
目前,针对于智能电网建设评价方法的研究主要集中于运用动态综合评价法嫡权法和生产函数法等评价方法对智能电网整体进行评估,但是运用主成分分析与聚类分析相结合的方法对智能电网建设阶段进行综合评估的研究还是略显不足。另外,现阶段对智能电网的研究主要集中在以“智能电网”为基础的的其他领域(诸如效益等)的评价上,对智能电网的建设阶段的研究较少。
发明内容
本发明的目的在于克服现有技术的不足,提供一种设计合理、计算过程简易且计算结果可靠性高的基于主成分聚类分析的智能电网建设综合评价方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种基于主成分聚类分析的智能电网建设综合评价方法,包括以下步骤:
步骤1、建立或选用普遍认可的智能电网建设综合评价指标体系;
步骤2、对评价对象关于评价指标体系中的各个指标原始数据进行标准化处理,得出各个指标数据的正态标准化数值;
步骤3、对正态标准化处理后的指标数据进行PCA可行性检验,若通过检验,则依据标准化后的指标数据构建相关系数矩阵并求解该矩阵的特征值和特征向量,根据特征向量,生成主成分表达式;若检验结果不可行,则返回步骤1重新建立智能电网建设综合评价指标体系;
步骤4、判断各个主成分之间是否已去除相关性,若已去除,则计算各个主成分方差贡献率和累积方差贡献率并根据累积方差贡献率确定主成分个数;若尚未去除,则返回步骤2重新计算各个指标数据的正态标准化数值;
步骤5、构造主成分综合评价指标函数,给出各个主成分以及综合评价结果;
步骤6、依据主成分因子负载矩阵,对智能电网综合评价指标进行聚类分析。
而且,所述步骤1的具体评价指标包括:发电侧清洁电源利用率、单位发电量一氧化碳排放量、间歇性电源新增调峰容量率、分布式电源接入率、风电及光电接入能力;电网综合网损下降率、电网储能利用率、动态增容装置髓盖率、特高压线路输电占有率;插入式电动汽车低谷充电率、电动汽车需求侧管理参与率、可控负荷比例、智能电表普及率。
而且,所述步骤2的具体方法为:
根据公式i=1,2;k=1,2,…,n计算各个指标的正态标准化数值,
其中,
上述表达式中,xik为标准化化数据,为原始数据,为原始数据的均值,为原始数据的方差。
而且,所述步骤3的具体步骤包括:
(1)对正态标准化处理后的指标数据进行PCA可行性检验;
(2)依据正态标准化后的指标数据构建相关系数矩阵R;
上述表达式中,R为相关系数矩阵,r11,r21.…,rpp为相关系数,x为已标准化的样本数据矩阵,x′为矩阵x的转置矩阵,n为评价对象个数;
(3)求解该相关系数矩阵的特征值和特征向量,根据该矩阵的特征向量,生成主成分表达式;
①求解该相关系数矩阵R的特征值;
根据相关系数矩阵R的对角 即|R-λI|=0,求解相关系数矩阵R的特征值;
上述表达式中,λ为特征值,同时也是相应主成分的方差,I为单位矩阵,γ11,γ21,…,γpp为相关系数;
②根据如下公式求解该相关系数矩阵R的特征向量;
上述表达式中,L为特征向量矩阵,l11,l21,…,lpp为特征向量矩阵中的具体数值,L1,L2,L3,L4为特征向量矩阵中的行向量;
③根据相关系数矩阵的特征向量,建立第i主成分yi表达式;
y1=L1x;y2=L2x…;yp=Lpx
上述表达式中,yi为第i个主成分,i的取值为1,2,…,p;
L1,L2,…,Lp为相关系数矩阵R的特征向量矩阵中的行向量,x为已标准化的样本数据矩阵。
而且,所述步骤4的具体步骤包括:
(1)判断各个主成分之间是否已去除相关性;
(2)计算各个主成分方差贡献率和累积方差贡献率并根据累积方差贡献率确定主成分个数;
①根据公式ωi=λi/p,求解出各个主成分方差贡献率;
上述表达式中,ωi为第i主成分的方差贡献率,λi为第i个主成分的方差,p为所有主成分方差的总和;
其中,p的计算公式为p=λ1+λ2+…λp;
②根据公式求解出q个主成分的累积方差贡献率;
上述表达式中,ρ为前q个主成分的累积方差贡献率,λs为第s个主成分的方差,p为所有主成分方差的总和;
③以累积方差贡献率85%为界,确定主成分个数。
而且,所述步骤5的具体方法为:
构造综合主成分评价指标函数f=ω1y1+ω2y2+…+ωqyq,给出各个主成分以及综合评价结果;
上述表达式中,f为主成分综合评价函数,ωi为第i个主成分的方差贡献率,yi为第i个主成分的表达式,i的取值为1,2…,q。
而且,所述步骤6的具体步骤为:
(1)建立被考察电网的主成分因子负载矩阵,定义主成分yj和原变量xi的相关系数为并根据公式求解主成分因子载荷值;
上述表达式中,θi为主成分对原变量xi的总贡献率,αji为因子负荷量表示第j个主成分yj对原变量xi的贡献程度;λj为第j个主成分的方差,lji为第j个主成分表达式上第i个原有变量的系数;
(2)依据|cov(Fi,zj)|≥0.5的聚类判别标准对智能电网综合评价指标进行聚类分析,对原有的评价指标进行分类。
本发明的优点和积极效果是:
本发明以主成分聚类分析方法为理论基础,对智能电网评估指标体系中的多维评价指标进行标准化、降维和去相关性处理,消除原指标体系中指标间的二次加权,为各评价指标赋予主成分权重,同时利用主成分因子载荷矩阵聚类分析,结合指标大类的实际意义与评估方向,对指标体系中的指标进行分类,梳理原指标体系评测变量的内在脉络,最终利用综合主成分评价函数定量考察特定区域智能电网发展建设水平并作横向比较,为智能电网发展提供有益参照。
附图说明
图1是本发明的评价流程图;
图2是本发明的对原始评价指标体系进行分层的设计图。
具体实施方式
以下结合附图对本发明实施例做进一步详述:
一种基于主成分聚类分析的智能电网建设综合评价方法,如图1所示,包括以下步骤:
步骤1、建立或选用普遍认可的智能电网建设综合评价指标体系;
所述步骤1的具体的评价指标包括:发电侧清洁电源利用率、单位发电量一氧化碳排放量、间歇性电源新增调峰容量率、分布式电源接入率、风电及光电接入能力;电网综合网损下降率、电网储能利用率、动态增容装置髓盖率、特高压线路输电占有率;插入式电动汽车低谷充电率、电动汽车需求侧管理参与率、可控负荷比例、智能电表普及率。
对天津市5个市辖区的智能电网在此评价指标体系上的原始数据进行采集,得表1。
(表1):天津市5辖区智能电网建设评价指标值
其中,单位发电量C02排放量为逆指标,需要利用公式Plast-Pcurrent/Plast将此指标转化为正指标C02排放量下降率,式中Plast和Pcurrent分别表示上一期与本期的单位用电量的C02的排放量,转化后的指标电网1到电网5的分别为2.4%、2.1%、2.2%、2.1%、1.9%。
另外,风电及光电接入能力为定性指标,构造定量评价集{1,2,3,4,5,6,7,8,9}与定性指标{极差,很差,较差,稍差,一般,稍好,较好,很好,极好}一一对应。
步骤2、对评价对象关于评价指标体系中的各个指标原始数据进行标准化处理,得出各个指标数据的正态标准化数值;
所述步骤2的具体方法为:
利用SPSS软件,根据公式i=1,2;k=1,2,…,n,
计算各个指标的正态标准化数值;
其中,
上述表达式中,xik为标准化化数据,为原始数据,为原始数据的均值,为原始数据的方差。
步骤3、对正态标准化处理后的指标数据进行PCA可行性检验,若通过检验,则依据标准化后的指标数据构建相关系数矩阵并求解该矩阵的特征值和特征向量,根据特征向量,生成主成分表达式;若检验结果不可行,则返回步骤1重新建立智能电网建设综合评价指标体系;
所述步骤3的具体步骤为:
(1)对正态标准化处理后的指标数据进行常规PCA可行性检验;
(2)依据正态标准化后的指标数据构建相关系数矩阵R;
上述表达式中,R为相关系数矩阵,r11,r21.…,rpp为相关系数,x为已标准化的样本数据矩阵,x′为矩阵x的转置矩阵,n为评价对象个数;
(3)求解该相关系数矩阵的特征值和特征向量,根据该矩阵的特征向量,生成主成分表达式;
①求解该相关系数矩阵R的特征值;
根据相关系数矩阵R的对角 即|R-λI|=0,求解相关系数矩阵R的特征值;
上述表达式中,λ为特征值,同时也是相应主成分的方差,I为单位矩阵,γ11,γ21,…,γpp为相关系数;
②根据如下公式求解该相关系数矩阵R的特征向量;
上述表达式中,L为特征向量矩阵,l11,l21,…,lpp为特征向量矩阵中的具体数值,L1,L2,L3,L4为特征向量矩阵中的行向量;
③根据相关系数矩阵的特征向量,建立第i主成分yi表达式;
y1=L1x;y2=L2x…;yp=Lpx
上述表达式中,yi为第i个主成分,i的取值为1,2,…,p;
L1,L2,…,Lp为相关系数矩阵R的特征向量矩阵中的行向量,x为已标准化的样本数据矩阵。
步骤4、判断各个主成分之间是否已去除相关性,若已去除,则计算各个主成分方差贡献率和累积方差贡献率并根据累积方差贡献率确定主成分个数;若尚未去除,则返回步骤2重新计算各个指标数据的正态标准化数值;
所述步骤4的具体步骤为:
(1)判断各个主成分之间是否已去除相关性;
(2)计算各个主成分方差贡献率和累积方差贡献率并根据累积方差贡献率确定主成分个数;
①根据公式ωi=λi/p,求解出各个主成分方差贡献率;
上述表达式中,ωi为第i主成分的方差贡献率,λi为第i个主成分的方差,p为所有主成分方差的总和;
其中,p的计算公式为p=λ1+λ2+…λp;
②根据公式求解出q个主成分的累积方差贡献率;
上述表达式中,ρ为前q个主成分的累积方差贡献率,λs为第s个主成分的方差,p为所有主成分方差的总和;
③以累积方差贡献率85%为界,确定主成分个数。
其具体的主成分特征值、方差贡献率和累积贡献率如表2所示:
(表2)评价指标值的主成分特征值分布
由于自第5主成分开始特征值趋近于零,因此表2中仅列出了前4个主成分,从表2可以清晰地看到,前两个主成分的累积贡献率已经达到89.023%,已经超出0.8的阀值,只选取前2个主成分就可以对原有的系统进行很好的反映。
步骤5、构造主成分综合评价指标函数,给出各个主成分以及综合评价结果;
所述步骤5的具体方法为:
依据所选取的主成分表达式和方差贡献率,构造综合主成分评价指标函数f=ω1y1+ω2y2+…+ωqyq,给出各个主成分以及综合评价结果;
上述表达式中,f为主成分综合评价函数,ωi为第i个主成分的方差贡献率,yi为第i个主成分的表达式,i的取值为1,2…,q。
评价结果如表3所示:
(表3)被考察电网的主成分评价函数值
由表3可知,电网1、电网3智能化发展水平领先,电网2处于中间水平,电网4和电网5在智能电网建设中已经处于滞后水平尤其是电网5在智能电网的建设中已严重落后于其他4个地区。
步骤6、建立被考察电网的主成分因子负载矩阵,对智能电网综合评价指标进行聚类分析;
所述步骤6的具体步骤为:
(1)建立被考察电网的主成分因子负载矩阵,定义主成分yj和原变量xi的相关系数为并根据公式求解主成分因子载荷值;
上述表达式中,θi为主成分对原变量xi的总贡献率,αji为因子负荷量表示第j个主成分yj对原变量xi的贡献程度;λj为第j个主成分的方差,lji为第j个主成分表达式上第i个原有变量的系数。
其具体的主成分因子载荷矩阵如表4所示:
(表4)被考察电网的主成分因子载荷矩阵
(2)依据|cov(Fi,zj)|≥0.5的聚类判别标准对智能电网综合评价指标进行聚类分析,对原有的评价指标进行分类。
其具体步骤为依据|cov(Fi,zj)|≥0.5的聚类判别标准,由第一主成分与原有的指标体系的因子载荷矩阵可将指标1至指标5归为一类,指标6至指标9归为另一类,由此可知,前5个指标反映智能电网发电侧的建设水平,后4个指标则反映出智能电网输配电侧的建设情况。同样地,根据第2主成分因子载荷可将指标10至指标13划为一类,反映智能电网用电侧的建设水平。
结合表3中的评价函数值,可以得出:智能电网发输配电侧的建设水平排序:电网1>电网2>电网3>电网4>电网5;智能电网用电侧建设水平排序为:电网3>电网4>电网1>电网2>电网5。
根据各个主成分下电网的具体得分排名可知,电网2要在总得分(总排名)上迎头赶上,应在智能电网用电侧加大投入,电网4应在智能电网的发电侧继续加大投入力度,电网5则应在智能电网的发电侧和用电侧均加大投入力度。
最终,根据评价指标的分类结果,考虑指标所属大类的实际意义,对原始评价指标体系进行分层设计如图2所示。
具体的分层后的评价指标体系为:
(1)智能电网发电侧:发电侧清洁电源利用率、单位发电量一氧化碳排放量、间歇性电源新增调峰容量率、分布式电源接入率、风电及光电接入能力;
(2)智能电网输配电侧:电网综合网损下降率、电网储能利用率、动态增容装置髓盖率、特高压线路输电占有率;
(3)智能电网用电侧:插入式电动汽车低谷充电率、电动汽车需求侧管理参与率、可控负荷比例、智能电表普及率。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (7)
1.一种基于主成分聚类分析的智能电网建设综合评价方法,其特征在于:包括以下步骤:
步骤1、建立或选用普遍认可的智能电网建设综合评价指标体系;
步骤2、对评价对象关于评价指标体系中的各个指标原始数据进行标准化处理,得出各个指标数据的正态标准化数值;
步骤3、对正态标准化处理后的指标数据进行PCA可行性检验,若通过检验,则依据标准化后的指标数据构建相关系数矩阵并求解该矩阵的特征值和特征向量,根据特征向量,生成主成分表达式;若检验结果不可行,则返回步骤1重新建立智能电网建设综合评价指标体系;
步骤4、判断各个主成分之间是否已去除相关性,若已去除,则计算各个主成分方差贡献率和累积方差贡献率并根据累积方差贡献率确定主成分个数;若尚未去除,则返回步骤2重新计算各个指标数据的正态标准化数值;
步骤5、构造主成分综合评价指标函数,给出各个主成分以及综合评价结果;
步骤6、依据主成分因子负载矩阵,对智能电网综合评价指标进行聚类分析。
2.根据权利要求1所述的一种基于主成分聚类分析的智能电网建设综合评价方法,其特征在于:所述步骤1的具体评价指标包括:发电侧清洁电源利用率、单位发电量一氧化碳排放量、间歇性电源新增调峰容量率、分布式电源接入率、风电及光电接入能力;电网综合网损下降率、电网储能利用率、动态增容装置髓盖率、特高压线路输电占有率;插入式电动汽车低谷充电率、电动汽车需求侧管理参与率、可控负荷比例、智能电表普及率。
3.根据权利要求1所述的一种基于主成分聚类分析的智能电网建设综合评价方法,其特征在于:所述步骤2的具体方法为:
根据公式计算各个指标的正态标准化数值,
其中,
上述表达式中,xik为标准化化数据,为原始数据,为原始数据的均值,为原始数据的方差。
4.根据权利要求1所述的一种基于主成分聚类分析的智能电网建设综合评价方法,其特征在于:所述步骤3的具体步骤包括:
(1)对正态标准化处理后的指标数据进行PCA可行性检验;
(2)依据正态标准化后的指标数据构建相关系数矩阵R;
上述表达式中,R为相关系数矩阵,r11,r21.…,rpp为相关系数,x为已标准化的样本数据矩阵,x′为矩阵x的转置矩阵,n为评价对象个数;
(3)求解该相关系数矩阵的特征值和特征向量,根据该矩阵的特征向量,生成主成分表达式;
①求解该相关系数矩阵R的特征值;
根据相关系数矩阵R的对角 即|R-λI|=0,求解相关系数矩阵R的特征值;
上述表达式中,λ为特征值,同时也是相应主成分的方差,I为单位矩阵,γ11,γ21,…,γpp为相关系数;
②根据如下公式求解该相关系数矩阵R的特征向量;
上述表达式中,L为特征向量矩阵,l11,l21,…,lpp为特征向量矩阵中的具体数值,L1,L2,L3,L4为特征向量矩阵中的行向量;
③根据相关系数矩阵的特征向量,建立第i主成分yi表达式;
y1=L1x;y2=L2x…;yp=Lpx
上述表达式中,yi为第i个主成分,i的取值为1,2,…,p;
L1,L2,…,Lp为相关系数矩阵R的特征向量矩阵中的行向量,x为已标准化的样本数据矩阵。
5.根据权利要求1所述的一种基于主成分聚类分析的智能电网建设综合评价方法,其特征在于:所述步骤4的具体步骤包括:
(1)判断各个主成分之间是否已去除相关性;
(2)计算各个主成分方差贡献率和累积方差贡献率并根据累积方差贡献率确定主成分个数;
①根据公式ωi=λi/p,求解出各个主成分方差贡献率;
上述表达式中,ωi为第i主成分的方差贡献率,λi为第i个主成分的方差,p为所有主成分方差的总和;
其中,p的计算公式为p=λ1+λ2+…λp;
②根据公式求解出q个主成分的累积方差贡献率;
上述表达式中,ρ为前q个主成分的累积方差贡献率,λs为第s个主成分的方差,p为所有主成分方差的总和;
③以累积方差贡献率85%为界,确定主成分个数。
6.根据权利要求1所述的一种基于主成分聚类分析的智能电网建设综合评价方法,其特征在于:所述步骤5的具体方法为:
构造综合主成分评价指标函数f=ω1y1+ω2y2+…+ωqyq,给出各个主成分以及综合评价结果;
上述表达式中,f为主成分综合评价函数,ωi为第i个主成分的方差贡献率,yi为第i个主成分的表达式,i的取值为1,2…,q。
7.根据权利要求1所述的一种基于主成分聚类分析的智能电网建设综合评价方法,其特征在于:所述步骤6的具体步骤为:
(1)建立被考察电网的主成分因子负载矩阵,定义主成分yj和原变量xi的相关系数为并根据公式求解主成分因子载荷值;
上述表达式中,θi为主成分对原变量xi的总贡献率,αji为因子负荷量表示第j个主成分yj对原变量xi的贡献程度;λj为第j个主成分的方差,lji为第j个主成分表达式上第i个原有变量的系数;
(2)依据|cov(Fi,zj)|≥0.5的聚类判别标准对智能电网综合评价指标进行聚类分析,对原有的评价指标进行分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510811485.7A CN105303468A (zh) | 2015-11-20 | 2015-11-20 | 一种基于主成分聚类分析的智能电网建设综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510811485.7A CN105303468A (zh) | 2015-11-20 | 2015-11-20 | 一种基于主成分聚类分析的智能电网建设综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105303468A true CN105303468A (zh) | 2016-02-03 |
Family
ID=55200698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510811485.7A Pending CN105303468A (zh) | 2015-11-20 | 2015-11-20 | 一种基于主成分聚类分析的智能电网建设综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303468A (zh) |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974818A (zh) * | 2016-05-03 | 2016-09-28 | 河北省电力建设调整试验所 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
CN106067034A (zh) * | 2016-05-27 | 2016-11-02 | 中国电力科学研究院 | 一种基于高维矩阵特征根的配电网负荷曲线聚类方法 |
CN106203800A (zh) * | 2016-06-30 | 2016-12-07 | 中国电力科学研究院 | 一种配电网运行可靠性指标提取方法 |
CN106204324A (zh) * | 2016-07-07 | 2016-12-07 | 西安西热电站信息技术有限公司 | 一种确定电厂复杂设备关键监测参数及各参数权重分配的方法 |
CN106203478A (zh) * | 2016-06-27 | 2016-12-07 | 南昌大学 | 一种用于智能电表大数据的负荷曲线聚类方法 |
CN106294298A (zh) * | 2016-07-27 | 2017-01-04 | 北京工商大学 | 基于多属性排序的数据可视分析方法和应用 |
CN106372212A (zh) * | 2016-09-05 | 2017-02-01 | 国网江苏省电力公司南通供电公司 | 面向配网规划的海量数据多指标综合可视化方法 |
CN106446571A (zh) * | 2016-10-08 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 风电场功率预测的误差评价方法 |
CN106483947A (zh) * | 2016-09-21 | 2017-03-08 | 国网江苏省电力公司南通供电公司 | 基于大数据的配电网运行状态评估和预警方法 |
CN106651197A (zh) * | 2016-12-29 | 2017-05-10 | 中国民航大学 | 基于scp范式和核主成分分析的民航业有效竞争评价方法 |
CN106709821A (zh) * | 2017-03-10 | 2017-05-24 | 东北电力大学 | 一种基于主成分分析的中压配电网供电可靠性评估方法 |
CN106845711A (zh) * | 2017-01-22 | 2017-06-13 | 南方电网科学研究院有限责任公司 | 供电可靠性数据的处理方法及处理装置 |
CN106960213A (zh) * | 2017-02-14 | 2017-07-18 | 广东广业开元科技有限公司 | 一种基于大数据分析的消防安全重点单位等级排序系统 |
CN107194821A (zh) * | 2017-05-23 | 2017-09-22 | 四川省草原科学研究院 | 一种高寒草甸草地生态系统健康评估方法 |
CN107272654A (zh) * | 2017-07-21 | 2017-10-20 | 南京航空航天大学 | 一种用于无人机飞控系统故障检测的数据聚类降维方法 |
CN107482683A (zh) * | 2017-09-15 | 2017-12-15 | 东北电力大学 | 一种基于主成分分析的风电场群暂态电压聚类识别方法 |
CN107833149A (zh) * | 2017-10-24 | 2018-03-23 | 国家电网公司 | 一种基于多判别指标的电网发展时期划分方法及系统 |
CN108197846A (zh) * | 2018-03-15 | 2018-06-22 | 电信科学技术第五研究所有限公司 | 一种指标数据处理系统及处理方法 |
CN108595667A (zh) * | 2018-04-28 | 2018-09-28 | 广东电网有限责任公司 | 一种网络异常数据的关联性分析方法 |
CN108764528A (zh) * | 2018-04-23 | 2018-11-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于影响因子分析的日最大负荷区间预测方法 |
CN108846532A (zh) * | 2018-03-21 | 2018-11-20 | 宁波工程学院 | 应用于物流供应链平台的企业风险评估方法及装置 |
CN108846569A (zh) * | 2018-06-07 | 2018-11-20 | 华北电力大学(保定) | 一种配电网低碳环保水平动态评估方法 |
CN109087031A (zh) * | 2018-09-25 | 2018-12-25 | 国电南瑞南京控制系统有限公司 | 基于风电场多维指标分析的综合能效评估方法 |
CN109150615A (zh) * | 2018-09-03 | 2019-01-04 | 深圳市智物联网络有限公司 | 一种设备运行优化方法及系统 |
CN109345143A (zh) * | 2018-11-12 | 2019-02-15 | 国电联合动力技术有限公司 | 智能风机运行状态评价方法、装置及风电机组 |
CN109544399A (zh) * | 2018-11-29 | 2019-03-29 | 广东电网有限责任公司 | 基于多源异构数据的输电设备状态评价方法及装置 |
CN109740879A (zh) * | 2018-12-20 | 2019-05-10 | 国网北京市电力公司 | 处理充电桩数据的方法和装置 |
CN109840536A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种电网供电可靠性水平聚类方法及系统 |
CN110400053A (zh) * | 2019-06-28 | 2019-11-01 | 宁波市气象台 | 一种港口气象服务效益评估的方法 |
CN110909779A (zh) * | 2019-11-12 | 2020-03-24 | 华北电力大学 | 一种区域综合能源供应系统的供能模式分类方法 |
WO2020114449A1 (zh) * | 2018-12-06 | 2020-06-11 | 中国科学院深圳先进技术研究院 | 风电场机组运行状态的动态评估方法、装置及电子设备 |
CN111401768A (zh) * | 2020-03-25 | 2020-07-10 | 青岛理工大学 | 一种地铁车站安全施工预警方法 |
CN111582931A (zh) * | 2020-05-06 | 2020-08-25 | 浪潮软件股份有限公司 | 一种基于主成分分析的卷烟市场饱和度评价方法及系统 |
CN111966668A (zh) * | 2020-06-16 | 2020-11-20 | 国网浙江省电力有限公司绍兴供电公司 | 一种电力负荷断面态势感知的可视化方法 |
CN112749900A (zh) * | 2021-01-12 | 2021-05-04 | 南京工程学院 | 基于优化专家评价法的三阶段dea电网能效分析方法 |
CN112862279A (zh) * | 2021-01-26 | 2021-05-28 | 上海应用技术大学 | 高速公路行车道路面状况评价方法 |
CN113313394A (zh) * | 2021-06-02 | 2021-08-27 | 马鞍山钢铁股份有限公司 | 一种焦炭质量评价方法 |
CN113704986A (zh) * | 2021-08-16 | 2021-11-26 | 武汉理工大学 | 路面状况综合评价方法、系统、设备及存储介质 |
CN114186856A (zh) * | 2021-12-13 | 2022-03-15 | 国网江苏省电力有限公司经济技术研究院 | 一种电网工程建设关键技术因素的识别方法 |
CN114418269A (zh) * | 2021-11-30 | 2022-04-29 | 哈尔滨工业大学 | 一种工业机器人安全评价指标构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101936973A (zh) * | 2009-06-30 | 2011-01-05 | 中国石油化工股份有限公司石油化工科学研究院 | 气相色谱-质谱联用对烃类油品进行快速分类的方法 |
CN103577681A (zh) * | 2013-06-26 | 2014-02-12 | 长沙理工大学 | 基于因子分析锅炉效率影响指标的定量评价方法 |
CN104268511A (zh) * | 2014-09-17 | 2015-01-07 | 河海大学常州校区 | 一种基于三轴加速度传感器的网球运动模式识别系统及其方法 |
CN104834938A (zh) * | 2015-04-30 | 2015-08-12 | 北京环境特性研究所 | 基于主成分和聚类分析的高光谱信息提取方法 |
-
2015
- 2015-11-20 CN CN201510811485.7A patent/CN105303468A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101936973A (zh) * | 2009-06-30 | 2011-01-05 | 中国石油化工股份有限公司石油化工科学研究院 | 气相色谱-质谱联用对烃类油品进行快速分类的方法 |
CN103577681A (zh) * | 2013-06-26 | 2014-02-12 | 长沙理工大学 | 基于因子分析锅炉效率影响指标的定量评价方法 |
CN104268511A (zh) * | 2014-09-17 | 2015-01-07 | 河海大学常州校区 | 一种基于三轴加速度传感器的网球运动模式识别系统及其方法 |
CN104834938A (zh) * | 2015-04-30 | 2015-08-12 | 北京环境特性研究所 | 基于主成分和聚类分析的高光谱信息提取方法 |
Non-Patent Citations (1)
Title |
---|
高新华 等: "基于主成分聚类分析的智能电网建设综合评价", 《电网技术》 * |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974818B (zh) * | 2016-05-03 | 2019-01-25 | 国网河北能源技术服务有限公司 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
CN105974818A (zh) * | 2016-05-03 | 2016-09-28 | 河北省电力建设调整试验所 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
CN106067034A (zh) * | 2016-05-27 | 2016-11-02 | 中国电力科学研究院 | 一种基于高维矩阵特征根的配电网负荷曲线聚类方法 |
CN106067034B (zh) * | 2016-05-27 | 2022-03-18 | 中国电力科学研究院 | 一种基于高维矩阵特征根的配电网负荷曲线聚类方法 |
CN106203478A (zh) * | 2016-06-27 | 2016-12-07 | 南昌大学 | 一种用于智能电表大数据的负荷曲线聚类方法 |
CN106203800A (zh) * | 2016-06-30 | 2016-12-07 | 中国电力科学研究院 | 一种配电网运行可靠性指标提取方法 |
CN106204324A (zh) * | 2016-07-07 | 2016-12-07 | 西安西热电站信息技术有限公司 | 一种确定电厂复杂设备关键监测参数及各参数权重分配的方法 |
CN106294298B (zh) * | 2016-07-27 | 2018-11-02 | 北京工商大学 | 基于多属性排序的数据可视分析方法和应用 |
CN106294298A (zh) * | 2016-07-27 | 2017-01-04 | 北京工商大学 | 基于多属性排序的数据可视分析方法和应用 |
CN106372212A (zh) * | 2016-09-05 | 2017-02-01 | 国网江苏省电力公司南通供电公司 | 面向配网规划的海量数据多指标综合可视化方法 |
CN106372212B (zh) * | 2016-09-05 | 2019-08-16 | 国网江苏省电力公司南通供电公司 | 面向配网规划的海量数据多指标综合可视化方法 |
CN106483947A (zh) * | 2016-09-21 | 2017-03-08 | 国网江苏省电力公司南通供电公司 | 基于大数据的配电网运行状态评估和预警方法 |
CN106446571B (zh) * | 2016-10-08 | 2019-03-01 | 华北电力科学研究院有限责任公司 | 风电场功率预测的误差评价方法 |
CN106446571A (zh) * | 2016-10-08 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 风电场功率预测的误差评价方法 |
CN106651197A (zh) * | 2016-12-29 | 2017-05-10 | 中国民航大学 | 基于scp范式和核主成分分析的民航业有效竞争评价方法 |
CN106845711A (zh) * | 2017-01-22 | 2017-06-13 | 南方电网科学研究院有限责任公司 | 供电可靠性数据的处理方法及处理装置 |
CN106960213A (zh) * | 2017-02-14 | 2017-07-18 | 广东广业开元科技有限公司 | 一种基于大数据分析的消防安全重点单位等级排序系统 |
CN106960213B (zh) * | 2017-02-14 | 2018-08-31 | 广东广业开元科技有限公司 | 一种基于大数据分析的消防安全重点单位等级排序系统 |
CN106709821A (zh) * | 2017-03-10 | 2017-05-24 | 东北电力大学 | 一种基于主成分分析的中压配电网供电可靠性评估方法 |
CN107194821A (zh) * | 2017-05-23 | 2017-09-22 | 四川省草原科学研究院 | 一种高寒草甸草地生态系统健康评估方法 |
CN107272654A (zh) * | 2017-07-21 | 2017-10-20 | 南京航空航天大学 | 一种用于无人机飞控系统故障检测的数据聚类降维方法 |
CN107482683A (zh) * | 2017-09-15 | 2017-12-15 | 东北电力大学 | 一种基于主成分分析的风电场群暂态电压聚类识别方法 |
CN107482683B (zh) * | 2017-09-15 | 2019-12-10 | 东北电力大学 | 一种基于主成分分析的风电场群暂态电压聚类识别方法 |
CN107833149B (zh) * | 2017-10-24 | 2022-02-25 | 国家电网公司 | 一种基于多判别指标的电网发展时期划分方法及系统 |
CN107833149A (zh) * | 2017-10-24 | 2018-03-23 | 国家电网公司 | 一种基于多判别指标的电网发展时期划分方法及系统 |
CN109840536A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种电网供电可靠性水平聚类方法及系统 |
CN108197846A (zh) * | 2018-03-15 | 2018-06-22 | 电信科学技术第五研究所有限公司 | 一种指标数据处理系统及处理方法 |
CN108846532A (zh) * | 2018-03-21 | 2018-11-20 | 宁波工程学院 | 应用于物流供应链平台的企业风险评估方法及装置 |
CN108764528A (zh) * | 2018-04-23 | 2018-11-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于影响因子分析的日最大负荷区间预测方法 |
CN108595667B (zh) * | 2018-04-28 | 2020-06-09 | 广东电网有限责任公司 | 一种网络异常数据的关联性分析方法 |
CN108595667A (zh) * | 2018-04-28 | 2018-09-28 | 广东电网有限责任公司 | 一种网络异常数据的关联性分析方法 |
CN108846569A (zh) * | 2018-06-07 | 2018-11-20 | 华北电力大学(保定) | 一种配电网低碳环保水平动态评估方法 |
CN109150615A (zh) * | 2018-09-03 | 2019-01-04 | 深圳市智物联网络有限公司 | 一种设备运行优化方法及系统 |
CN109150615B (zh) * | 2018-09-03 | 2022-06-10 | 深圳市智物联网络有限公司 | 一种设备运行优化方法及系统 |
CN109087031A (zh) * | 2018-09-25 | 2018-12-25 | 国电南瑞南京控制系统有限公司 | 基于风电场多维指标分析的综合能效评估方法 |
CN109345143A (zh) * | 2018-11-12 | 2019-02-15 | 国电联合动力技术有限公司 | 智能风机运行状态评价方法、装置及风电机组 |
CN109345143B (zh) * | 2018-11-12 | 2022-01-11 | 国电联合动力技术有限公司 | 智能风机运行状态评价方法、装置及风电机组 |
CN109544399A (zh) * | 2018-11-29 | 2019-03-29 | 广东电网有限责任公司 | 基于多源异构数据的输电设备状态评价方法及装置 |
CN109544399B (zh) * | 2018-11-29 | 2021-03-16 | 广东电网有限责任公司 | 基于多源异构数据的输电设备状态评价方法及装置 |
WO2020114449A1 (zh) * | 2018-12-06 | 2020-06-11 | 中国科学院深圳先进技术研究院 | 风电场机组运行状态的动态评估方法、装置及电子设备 |
CN109740879A (zh) * | 2018-12-20 | 2019-05-10 | 国网北京市电力公司 | 处理充电桩数据的方法和装置 |
CN110400053B (zh) * | 2019-06-28 | 2021-11-16 | 宁波市气象台 | 一种港口气象服务效益评估的方法 |
CN110400053A (zh) * | 2019-06-28 | 2019-11-01 | 宁波市气象台 | 一种港口气象服务效益评估的方法 |
CN110909779A (zh) * | 2019-11-12 | 2020-03-24 | 华北电力大学 | 一种区域综合能源供应系统的供能模式分类方法 |
CN111401768A (zh) * | 2020-03-25 | 2020-07-10 | 青岛理工大学 | 一种地铁车站安全施工预警方法 |
CN111582931A (zh) * | 2020-05-06 | 2020-08-25 | 浪潮软件股份有限公司 | 一种基于主成分分析的卷烟市场饱和度评价方法及系统 |
CN111582931B (zh) * | 2020-05-06 | 2023-11-21 | 浪潮软件股份有限公司 | 一种基于主成分分析的卷烟市场饱和度评价方法及系统 |
CN111966668A (zh) * | 2020-06-16 | 2020-11-20 | 国网浙江省电力有限公司绍兴供电公司 | 一种电力负荷断面态势感知的可视化方法 |
CN112749900A (zh) * | 2021-01-12 | 2021-05-04 | 南京工程学院 | 基于优化专家评价法的三阶段dea电网能效分析方法 |
CN112862279A (zh) * | 2021-01-26 | 2021-05-28 | 上海应用技术大学 | 高速公路行车道路面状况评价方法 |
CN113313394A (zh) * | 2021-06-02 | 2021-08-27 | 马鞍山钢铁股份有限公司 | 一种焦炭质量评价方法 |
CN113704986A (zh) * | 2021-08-16 | 2021-11-26 | 武汉理工大学 | 路面状况综合评价方法、系统、设备及存储介质 |
CN114418269A (zh) * | 2021-11-30 | 2022-04-29 | 哈尔滨工业大学 | 一种工业机器人安全评价指标构建方法 |
CN114186856A (zh) * | 2021-12-13 | 2022-03-15 | 国网江苏省电力有限公司经济技术研究院 | 一种电网工程建设关键技术因素的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303468A (zh) | 一种基于主成分聚类分析的智能电网建设综合评价方法 | |
CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
CN109546659B (zh) | 基于随机矩阵和智能场景匹配的配电网无功优化方法 | |
CN103324980B (zh) | 一种风电场风速预测方法 | |
CN105574617A (zh) | 分布式电源和微电网接入配电系统方案的综合优化系统 | |
CN109118067A (zh) | 一种可再生能源发展潜力评估方法 | |
CN105046591A (zh) | 一种电力用户用电能效评估方法 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN103488869A (zh) | 一种最小二乘支持向量机的风力发电短期负荷预测方法 | |
CN104376413A (zh) | 基于层次分析法和数据包络法的电网规划方案评估系统 | |
CN109872061A (zh) | 一种电网基建改进、提升决策方法 | |
CN105956788A (zh) | 一种输变电工程造价的动态管理控制方法 | |
CN111695807A (zh) | 计及发电和用电侧能效的地区电网能效评估方法及系统 | |
CN112308427A (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
CN111738462A (zh) | 电力计量装置故障抢修主动服务预警方法 | |
CN107730399B (zh) | 基于风力发电特性曲线的理论线损评估方法 | |
CN112258251A (zh) | 基于灰色关联的电动汽车换电需求的集成学习预测方法及系统 | |
CN104680262A (zh) | 一种受端电网最优分层分区方案获取方法 | |
CN104537432A (zh) | 基于证据推理的电力系统多目标优化调度的决策方法 | |
CN114139940A (zh) | 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法 | |
CN112465286A (zh) | 一种电动汽车充电网络服务能力评价方法 | |
CN114418160A (zh) | 基于综合评价体系的园区多能源系统优化调度方法 | |
CN106056274A (zh) | 基于pca‑dea二维综合评价模型的电力施工主体效益分析方法 | |
CN115330130A (zh) | 基于改进ahp-critic的农业园区综合能源系统评估方法 | |
CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160203 |
|
RJ01 | Rejection of invention patent application after publication |