CN105930976B - 基于加权理想点法的节点电压暂降严重程度综合评估方法 - Google Patents
基于加权理想点法的节点电压暂降严重程度综合评估方法 Download PDFInfo
- Publication number
- CN105930976B CN105930976B CN201610274799.2A CN201610274799A CN105930976B CN 105930976 B CN105930976 B CN 105930976B CN 201610274799 A CN201610274799 A CN 201610274799A CN 105930976 B CN105930976 B CN 105930976B
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- voltage sag
- sag
- severity
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 claims description 59
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000002349 favourable effect Effects 0.000 claims description 4
- 238000010561 standard procedure Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- HQOWCDPFDSRYRO-CDKVKFQUSA-N CCCCCCc1ccc(cc1)C1(c2cc3-c4sc5cc(\C=C6/C(=O)c7ccccc7C6=C(C#N)C#N)sc5c4C(c3cc2-c2sc3cc(C=C4C(=O)c5ccccc5C4=C(C#N)C#N)sc3c12)(c1ccc(CCCCCC)cc1)c1ccc(CCCCCC)cc1)c1ccc(CCCCCC)cc1 Chemical compound CCCCCCc1ccc(cc1)C1(c2cc3-c4sc5cc(\C=C6/C(=O)c7ccccc7C6=C(C#N)C#N)sc5c4C(c3cc2-c2sc3cc(C=C4C(=O)c5ccccc5C4=C(C#N)C#N)sc3c12)(c1ccc(CCCCCC)cc1)c1ccc(CCCCCC)cc1)c1ccc(CCCCCC)cc1 HQOWCDPFDSRYRO-CDKVKFQUSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属电能质量分析技术领域,尤其涉及一种基于加权理想点法的节点电压暂降严重程度综合评估方法。其特征在于,包括首先建立属性集合及方案集;然后基于熵权法与变异系数法确定属性集合中各指标组合权值;最后基于加权理想点法的电压暂降综合评估。本发明通过计算各方案与理想点法中正、负理想解的加权距离以及与正理想解的相对近似度,并将其由大到小依次排序得到一个最优方案排序。本发明既从频次、持续时间与幅值角度反映了电压暂降的严重性,又从局部性与整体性角度反映了暂降次数对电压暂降严重程度的影响特性,有效避免了使用单一指标评估时所带来的误判,能够更加全面、准确地反映各节点电压暂降情况,所得结果客观、准确,更符合实际。
Description
技术领域
本发明属电能质量分析技术领域,尤其涉及一种基于加权理想点法的节点电压暂降严重程度综合评估方法。
背景技术
电压暂降是指供电电压方均根值在短时间突然下降的变化情况,是电力系统运行不可避免的短时扰动现象。在许多地区,电压暂降已成为影响工业用户最主要的电能质量问题,电压暂降引起的危害及其带来的巨大经济损失是很多用户面临的重要问题。因此,准确评估电压暂降严重程度对于合理规划和改造电网,降低经济损失,提高用户满意度具有重要意义。
电压暂降幅值和持续时间是评估电压暂降的重要特征量,因此,大多数评估指标是根据这两个特征量延伸得到的。例如,IEEE P1564及相关文献中给出的评估单个事件的暂降严重性指标Se、电压损失指标LV、能量损失指标LE、严重性指标MSI、DSI、MDSI等。对于节点电压暂降评估主要有SARFI指数指标、暂降事件次数指标、能量指标、严重性指标、电压暂降性能指标、统计表格等。由于单一评估指标所包含的信息量有限,其评估结果可能并不准确,如暂降次数指标仅以暂降发生次数的多少衡量其严重性,并未考虑持续时间与幅值的影响;电压损失指标、能量损失指标与严重性指标MDSI均是持续时间与幅值相乘的形式,对于非矩形波的暂降会造成过度评估。
基于经济损失与敏感设备特性的电压暂降严重程度评估方法页得到广泛研究。电压暂降可能造成经济损失,通过损失的大小来判断暂降严重程度,该方法虽能直观反映暂降严重性,但受行业、设备类型以及市场等不确定因素的影响,各损失计算结果可能出现较大的波动。电压暂降可能会引起设备失效甚至故障,因而通常采用设备故障水平或免疫力来衡量其严重程度。对于敏感设备通常采用概率法或模糊法描述电压暂降过程中的不确定性,并且建立相应的故障水平评估模型。然而,大量实验证明,由于对设备失效事件的不确定性缺乏科学刻画与准确度量,概率法或模糊法仍会造成过度评估或欠估计等问题,并且这类模型是以敏感设备电压耐受曲线为基础建立的,对于设备连接状况未知的节点,该类方法并不适用。
鉴于此,本发明提出了适用于多个节点的电压暂降严重程度综合评估方法,克服了采用单一指标以及概率法或模糊法等进行电压暂降严重程度评估的缺点。
发明内容
为了解决上述问题,本发明提出了一种基于加权理想点法的节点电压暂降严重程度综合评估方法,其特征在于,包括以下步骤:
步骤1、建立属性集合及方案集;
建立属性集合S={s1,s2…,sn},属性集合中包含n个评价指标s1,s2…,sn,针对m个监测节点的电压暂降严重程度评估,构造方案集F={f1,f2,…,fi,…,fm},其中fj,j=1,2,…,m,fj表示基于属性集合S中各评估指标对第j个节点的电压暂降严重程度的评估;
步骤2、基于熵权法与变异系数法确定属性集合S中各指标组合权值;
步骤3、基于加权理想点法对电压暂降进行综合评估。
所述评价指标包括SARFI指标,平均暂降能量指标ASEI和暂降严重性指标SSI。
所述步骤2具体包括:
步骤201、采用熵权法计算各指标权值;
根据属性集合S中各评价指标,构造评价矩阵Xn×m:
式中xij表示第j个监测节点的第i个评价指标si的指标值;i=1,2…,n;j=1,2,…,m;
属性集合S中的评价指标分为越小越好的成本型指标与越大越好的效益型指标;采用极差标准化法将各评价指标范围标准化至0-1;
用标准化值yij建立同趋势化矩阵Yn×m=(yij)n×m,其同趋势化体现在矩阵Yn×m中各评价指标的值越大越有利于评价结果;
步骤202、根据评价矩阵Xn×m计算各指标的变异系数
计算基于变异系数法的第i个评价指标的权值
步骤203、各评价指标组合权值wi=λai+(1-λ)bi,式中wi即为结合变异系数法与熵权法的第i个指标的组合权值;λ为偏好系数表示变异系数法与熵权法的相对重要程度,值越大表明熵权法相对更加重要,且0≤λ≤1。
所述步骤3具体包括:
针对属性集合中各评估指标,当所有指标都达到各方案中最好的值时,即所有监测节点的各评价指标中效益型指标取最大值,成本型指标取最小值时为正理想解;反之所有监测节点的各评价指标中效益型指标取最小值,成本型指标取最大值即为负理想解;正理想解对应暂降最不严重的情况,负理想解对应暂降最严重的情况;“方案”是加权理想点法中的专有名词,也就是被评价对象的一种统称,此处是将加权理想点法应用到节点电压暂降严重程度评估中,所以这里的方案就是指节点电压暂降情况,对各方案的评比就是对各节点电压暂降严重程度的评比。正理想解与负理想解也是理想点法的专有名词,在后续需要计算各方案与正理想解和负理想解的距离,可以理解为是一种计算的相对标准。这里主要是想说明什么是正理想解与负理想解。正理想解:所有指标都达到各方案中最好的值,意思是在所有评选方案中的各评估指标中效益型指标取最大值,成本型指标取最小值(因为效益型指标值越大,越有利于评估评,估结果越好,成本型指标越小,越不利于评估,评估结果越差)。负理想解:所有指标都达到各方案中最坏的值,指的是所有方案中的效益型指标取最小值,成本型指标取最大值。正负理想解的取值只考虑各评价指标的最大值与最小值,不考虑中间值。另外,正理想解对应的是理想情况的最优方案,负理想解对应的是理想情况下的最差方案。
根据同趋势化矩阵Yn×m,确定正理想解v+与负理想解v-:
将这m个节点的相对近似度由大到小依次排序,即得到最优方案排序结果,Rj越大表明该方案越接近正理想解,即该监测节点j的电压暂降越不严重。
有益效果
1)采用熵权法与变异系数法组合赋权,同时考虑了数据的整体联系与局部差异,所得权值能够更加真实地反映实际数据的客观特性。
2)所提出的基于加权理想点法的电压暂降综合评估方法通过节点相对近似度将3个典型的节点电压暂降评估指标综合考虑,即从频次、持续时间与幅值角度反映了电压暂降的严重性,又从局部性与整体性角度反映了暂降次数对电压暂降严重程度的影响特性,有效避免了使用单一指标评估时所带来的误判,能够更加全面、准确地反映各节点电压暂降情况。
3)分别从方案排序与节点等级划分两方面将加权理想点法的评估结果与3个指标的评估结果进行对比分析,结果显示利用理想点法的电压暂降综合评估方法能够准确提取各指标评估结果的相同点,减小不同结果间的差异性,可以更有效地综合衡量各节点电压暂降严重程度。
附图说明
图1是本发明具体实施方式中电压暂降严重程度综合评估方法的流程图。
图2是本发明具体实施方式中典型监测节点的电压暂降统计结果示意图。
图3是本发明具体实施方式中不同方式下各监测节点等级划分结果示意图。
具体实施方式
下面结合附图,对本发明作详细说明。如图1所示为本发明具体实施方式中电压暂降严重程度综合评估方法的流程图,包括以下步骤:
步骤1、建立属性集合及方案集;
步骤2、基于熵权法与变异系数法确定属性集合中各指标组合权值;
步骤3、基于加权理想点法的电压暂降综合评估;
通过本发明的一种电压暂降严重程度综合评估方法,能够方便、有效地对某个节点发生电压暂降事件的严重程度进行准确评估,以便于电压暂降治理与经济赔付计算。
在一个具体实施方式中,本发明电压暂降严重程度综合评估方法步骤1中,建立属性集合及方案集包括:
A1、在对多个节点的电压暂降严重程度进行评估时,为得到合理的评估结果,将SARFI指标、平均暂降能量指标ASEI、暂降严重性指标SSI综合考虑,即兼顾了频次、幅值和持续时间三个影响因素,又能从局部以及整体两个角度反映各节点的电压暂降严重程度。以这三个指标为元素构造属性集合S={s1,s2,s3},其中s1表示SARFI指标,s2表示平均暂降能量指标ASEI,s3表示暂降严重性指标SSI。
1)SARFI指标
SARFI指标即为系统平均方均根值波动频率指标,用来描述特定时间内单一测量点方均根值波动情况。SARFI包括两种形式:一种是基于某一阈值电压的统计指标SARFIX,另一种是基于敏感设备曲线的统计指标SARFIcurve。
SARFIX的计算方式为:
式中X为方均根值电压阈值,用百分制形式表示,可能的取值为180、140、120、110、90、80、70、50或10等;若X<100,Ni表示第i次事件造成的电压幅值小于X%的暂降用户数,若X>100,Ni表示第i次事件造成的电压幅值大于X%的暂升用户数;NT表示由所评估节点供电的总用户数。
SARFIcurve指标表示超出某类敏感设备参考曲线范围的电压暂降事件的频度,且不同的参考曲线对映不同的SARFIcurve指标。根据设备类型,常用的参考曲线主要有CBEMA、ITIC、SEMI曲线等。
2)平均暂降能量指标
针对单次电压暂降事件,其能量指标EVS为:
式中U(t)为暂降过程中的时变电压方均根值,Umon为标准电压;T为暂降持续时间。
假设在暂降持续时间内,电压方均根值保持不变,则暂降能量指标为:
针对节点电压暂降评估,其总暂降能量指标SEI与平均暂降能量指标ASEI分别定义为:
式中EVS-i表示第i次事件的暂降能量;N表示在给定时间内节点发生的总暂降事件次数。
3)暂降严重性指标
计及电压暂降发生频率的暂降次数指标SCI和兼顾持续时间与幅值影响的暂降严重性指标SSI定义如下:
A2、针对m个监测节点的电压暂降严重程度评估,构造方案集:
F={f1,f2,…,fm}
其中fj,j=1,2,…,m表示基于属性集合中各评估指标对第j个节点的电压暂降严重程度进行评估。
在一个具体实施方式中,本发明电压暂降严重程度综合评估方法步骤2中,基于熵权法与变异系数法确定属性集合中各指标组合权值包括:
B1、由于各指标的意义与单位间的差异,导致相对权值难以确定。熵权法是一种以Shannon信息熵理论为基础,根据各指标包含的有效信息量确定权值的客观赋权方法,用各指标熵值反映评价指标的差异性,差异性越大,提供的信息量也就越多,则该指标的权值也越大。因此,本发明首先采用熵权法计算各指标权值。根据属性集合中各监测节点的SARFI指标、平均暂降能量指标ASEI及严重性指标SSI的计算结果,构造评价矩阵:
式中xij表示第j个监测节点的第i个属性值。
属性集合中的评价指标一般可以分为越小越好的成本型指标与越大越好的效益型指标。不同性质的指标,其单位与数量级并不一致,为增强各指标间的可比性,消除指标性质、量纲及数量级对评价结果的影响,取得较好的评价结果,需对各指标的原始数据进行标准化处理。本发明采用极差标准化法将各指标范围标准化至0-1,具体方法为:
对效益型指标:
对成本型指标:
由此建立同趋势化矩阵Y3×m,其同趋势化体现在矩阵Y3×m中各评价指标的值越大越有利于评价结果:
式中yij即为xij的标准化值。
根据评价矩阵,各指标信息熵为:
其中pij的计算公式为:
式中pij表示第j个节点的第i个指标对评价结果产生影响的概率。当pij=0时,令pijln pij=0。
基于熵权法的各属性指标权值计算方式定义为:
B2、由于熵权法赋权是将同一评价指标的所有监测数据综合考虑,虽然削弱了异常值的影响,但其权值分配存在均衡化的缺陷,而变异系数法赋权则完全是根据数据差异大小,直接利用各项指标所包含的信息计算权值,据此本发明提出采用变异系数法与熵权法相结合确定各指标权值,组合权值能够充分反映实际指标数据的客观特性。
根据评价矩阵X3×m计算各指标的变异系数:
采用变异系数法计算第i个评价指标的权值:
各评价指标组合权值为:
wi=λai+(1-λ)bi,i=1,2,3
式中wi即为结合变异系数法与熵权法的第i个指标的组合权值。λ为偏好系数表示两种方法的相对重要程度,值越大表明该方法相对更加重要,且0≤λ≤1。
在一个具体实施方式中,本发明电压暂降严重程度综合评估方法步骤3中,基于加权理想点法的电压暂降综合评估包括:
针对属性集合中各评估指标,当所有指标都达到各方案中最好的值时称为正理想解,反之即为负理想解。本发明的评价方案是各监测节点的电压暂降状况,评价规则为暂降越严重表明该方案越差,因此,正理想解对应暂降最不严重的情况,负理想解对应暂降最严重的情况。基于评价规则判断属性集合中各评价指标的性质,对其进行标准化处理,根据同趋势化矩阵Y3×m,确定正理想解v+与负理想解v-分别为:
式中各指标对应的权值wi即为其组合权值。
进而方案j距离正理想解的相对近似度Rj为:
由上式可知0≤Rj≤1,将这m个方案即m个节点的相对近似度由大到小依次排序,即可得到最优方案排序结果,Rj越大表明该方案越接近正理想解,该节点的电压暂降越不严重。
以下通过一个具体实施方式来说明本发明的技术效果。
选取某城市电网电能质量监测系统中8个监测节点2014年监测到的74组电压暂降事件数据为研究对象进行分析计算。图2为该城市8个典型监测节点2014年的电压暂降事件统计结果。
针对2014年某城市8个监测节点的电压暂降事件的SARFI指标、平均暂降能量指标ASEI、暂降严重性指标SSI的计算结果如表1所示:
表1
根据上述三个评价指标的计算结果,构造评价矩阵X3×8。由于SARFI指标、ASEI指标以及SSI指标均表现为指标值越大暂降越严重,则这三个指标都属于成本型指标,因此采用成本型指标标准化处理方式进行数据标准化后得到同趋势化矩阵Y3×8。
对于加权理想点法中各评价指标的权值,首先,基于同趋势化矩阵Y3×8,采用熵权法得到各评价指标权值a1、a2、a3;然后,根据评价矩阵X3×8,采用变异系数法得到权值b1、b2、b3;最后,计算组合权值w1、w2、w3,式中偏好系数可在0-1间任意取值,本发明以λ=0.5为例进行算例分析。各评价指标权值计算结果如表2所示:
表2
以矩阵Y3×m为基础,可得模型正理想解为v+=(1,1,1),负理想解为v-=(0,0,0)。
进而计算各方案与正、负理想解的加权距离C+、C-,并确定相对近似度R,计算结果如表3所示:
表3
根据表3中的相对近似度对各方案排序,则可得到最优方案排序,相对近似度越大表明该方案越好,相应监测点的电压暂降越不严重。利用加权理想点法对8个监测节点的电压暂降情况最终评估结果如下:
式中符号表示方案的优先顺序,符号之前的方案优于之后的方案。各方案即为各监测点的电压暂降情况,评估结果中各方案由好至差依次为方案5、6、2、4、1、3、7、8,方案5为最优方案,方案8为最差方案。因此,对8个监测点的电压暂降评估结果为监测点5、6、2、4、1、3、7、8的暂降严重程度从左至右依次增大,其中监测点5暂降最不严重,节点8暂降最严重。
将各评价指标值分别由小到大进行排序,由于各指标均为成本型指标,因此指标值越大,暂降越严重,方案越差,各指标对应的方案排序结果如表4所示。
表4
由表4可知,根据SARFI80指标、SSI指标,监测点8暂降最严重,监测点5暂降最不严重,然而采用ASEI指标的评估结果却为监测点7暂降最严重,监测点6暂降最不严重。利用这三个指标对各监测点的评估结果虽然并不是完全相同,但却非常相似。利用SARFI80指标、ASEI指标、SSI指标的三种评估结果一致表明监测点1、3、4、7、8的电压暂降较监测点2、5、6严重;监测点8暂降较监测点1、4严重;监测点2暂降较监测点5严重,该结论在加权理想点法的评比结果中也成立,说明加权理想点法能将不同指标下评估结果的共同之处准确提取出来,体现了其合理性与正确性。
基于SARFI80指标、ASEI指标、SSI指标以及相对近似度R将8个监测点电压暂降情况的评估结果划分为8个等级,等级数包括1、2、3、4、5、6、7、8,划分原则为暂降越严重等级数越大,具体方法为评估结果越差,即各评价指标值越大,近似度越小,则等级数越大;分级结果如图3所示。
由图3可知,每个监测点与等级均包括4个分级结果,对于各监测点其分级结点越集中,表明评估结果越相似,准确性越高。图中监测点2、5的分级结点集中程度最高,每个监测点所包含的4个分级结果中有3个分级结果相同,另一分级结果为其相邻等级,说明相对近似度R和各指标的暂降评估结果较一致。监测点3、4、6、8中各监测点分级结果的最大等级差为2,其中监测点3、4、6的分级结点分布相对均匀;监测点8中除ASEI指标外,其余三个分级结果相同,由此可以判断ASEI指标低估了监测点8的暂降严重程度。对于监测点1、7,其分级结点相对分散,同一监测点下ASEI指标、SSI指标以及近似度R的分级结果相近,而SARFI80指标的分级结果与它们相差较大,在监测点1中表现为过度评估,监测点7中为欠估计。基于上述分析,可以得到以下结论:针对某一监测点,如果各评估指标的分级结果较一致,则相对近似度R的分级结果与之接近,凸显了各指标的一致性;如果各评估指标的分级结果并不一致,则相对近似度R的分级结果趋于与各指标分级结果相对最靠近的位置,平衡了各指标间的差异。
综上所述,基于加权理想点法的电压暂降综合评估方法即能凸显各指标评估结果的一致性,又能平衡其差异,其评估结果较单一指标更加合理、准确。通过采用本发明的电压暂降严重程度综合评估方法,能够克服现有评估方法的不足,提高评估准确性精度,扩大评估方法的适用范围,对于电压暂降治理与经济损失评估技术意义明显。
Claims (2)
1.基于加权理想点法的节点电压暂降严重程度综合评估方法,其特征在于,包括以下步骤:
步骤1、建立属性集合及方案集;
建立属性集合S={s1,s2…,sn},属性集合中包含n个评价指标s1,s2…,sn,针对m个监测节点的电压暂降严重程度评估,构造方案集F={f1,f2,…,fi,…,fm},其中fj,j=1,2,…,m,fj表示基于属性集合S中各评估指标对第j个节点的电压暂降严重程度的评估;
所述评价指标包括SARFI指标,平均暂降能量指标ASEI和暂降严重性指标SSI;
步骤2、基于熵权法与变异系数法确定属性集合S中各指标组合权值;
步骤3、基于加权理想点法对电压暂降进行综合评估;针对属性集合中各评估指标,当所有指标都达到各方案中最好的值时,即所有监测节点的各评价指标中效益型指标取最大值,成本型指标取最小值时为正理想解;反之所有监测节点的各评价指标中效益型指标取最小值,成本型指标取最大值时为负理想解;正理想解对应暂降最不严重的情况,负理想解对应暂降最严重的情况;
所述步骤2具体包括:
步骤201、采用熵权法计算各指标权值;
根据属性集合S中各评价指标,构造评价矩阵Xn×m:
式中xij表示第j个监测节点的第i个评价指标si的指标值;i=1,2…,n;j=1,2,…,m;
属性集合S中的评价指标分为越小越好的成本型指标与越大越好的效益型指标;采用极差标准化法将各评价指标范围标准化至0-1;
用标准化值yij建立同趋势化矩阵Yn×m=(yij)n×m,其同趋势化体现在矩阵Yn×m中各评价指标的值越大越有利于评价结果;
步骤202、根据评价矩阵Xn×m计算各指标的变异系数
步骤203、各评价指标组合权值wi=λai+(1-λ)bi,式中wi即为结合变异系数法与熵权法的第i个指标的组合权值;λ为偏好系数表示熵权法与变异系数法的相对重要程度,0≤λ≤1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610274799.2A CN105930976B (zh) | 2016-04-28 | 2016-04-28 | 基于加权理想点法的节点电压暂降严重程度综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610274799.2A CN105930976B (zh) | 2016-04-28 | 2016-04-28 | 基于加权理想点法的节点电压暂降严重程度综合评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105930976A CN105930976A (zh) | 2016-09-07 |
CN105930976B true CN105930976B (zh) | 2020-01-24 |
Family
ID=56836572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610274799.2A Active CN105930976B (zh) | 2016-04-28 | 2016-04-28 | 基于加权理想点法的节点电压暂降严重程度综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105930976B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107561347B (zh) * | 2017-08-16 | 2020-11-03 | 广东电网有限责任公司广州供电局 | 电压暂降严重程度评价方法和系统 |
CN107834563B (zh) * | 2017-08-23 | 2020-05-19 | 广州供电局有限公司 | 电压暂降的处理方法和系统 |
CN107958395B (zh) * | 2017-12-13 | 2021-11-26 | 美林数据技术股份有限公司 | 一种电力系统异常用户的识别方法 |
CN108764666A (zh) * | 2018-05-15 | 2018-11-06 | 国网上海市电力公司 | 基于多质量损失函数综合的用户暂降经济损失评估方法 |
CN108921409B (zh) * | 2018-06-21 | 2021-10-15 | 国网江苏省电力有限公司电力科学研究院 | 一种电压暂降严重度等级判定方法 |
CN109190164A (zh) * | 2018-07-30 | 2019-01-11 | 贵州万峰电力股份有限公司 | 节点电压暂降严重程度多指标评估方法 |
CN108896853B (zh) * | 2018-08-09 | 2021-06-22 | 广东电网有限责任公司广州供电局 | 具有分布式电源的电网电压暂降频次评估方法及装置 |
CN109378823A (zh) * | 2018-11-15 | 2019-02-22 | 四川大学 | 一种电压暂降水平的综合评估方法 |
CN109711686A (zh) * | 2018-12-17 | 2019-05-03 | 国家电网有限公司 | 基于多目标决策层次分析法的电压暂降严重度评估方法 |
CN110376418A (zh) * | 2019-06-18 | 2019-10-25 | 国网上海市电力公司 | 基于改进特征量描述的电压暂降综合评估指标获取方法 |
CN112285454B (zh) * | 2020-09-11 | 2023-05-23 | 国网天津市电力公司电力科学研究院 | 一种基于改进能量指标的电压暂降严重程度评估方法 |
CN112285410B (zh) * | 2020-09-29 | 2022-07-01 | 国网宁夏电力有限公司中卫供电公司 | 一种电压暂降严重度的估算方法、介质及系统 |
CN112529432B (zh) * | 2020-12-17 | 2024-05-28 | 无锡泓大恒能科技发展有限公司 | 一种电压暂降严重程度评估方法、装置及电子设备 |
CN112766727B (zh) * | 2021-01-20 | 2023-08-11 | 国家电网有限公司 | 一种高端敏感用户电压暂降严重度评价方法 |
CN114783169A (zh) * | 2022-03-23 | 2022-07-22 | 深圳海星智驾科技有限公司 | 车队管理方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901895A (zh) * | 2012-09-29 | 2013-01-30 | 上海市电力公司 | 一种敏感设备电压暂降敏感度的评估方法 |
CN103235993A (zh) * | 2013-04-24 | 2013-08-07 | 江苏大学 | 用于企业用户侧的电能质量评估系统及其方法 |
CN103324992A (zh) * | 2013-07-11 | 2013-09-25 | 国家电网公司 | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 |
CN103400214A (zh) * | 2013-08-22 | 2013-11-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
CN103777096A (zh) * | 2014-01-17 | 2014-05-07 | 华北电力大学 | 基于多暂降阈值和持续时间敏感设备免疫能力评估方法 |
CN103810643A (zh) * | 2012-11-15 | 2014-05-21 | 国家电网公司 | 电压暂降的等级量化方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7920997B2 (en) * | 2007-04-24 | 2011-04-05 | University Of South Florida | Electric power distribution interruption risk assessment calculator |
-
2016
- 2016-04-28 CN CN201610274799.2A patent/CN105930976B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901895A (zh) * | 2012-09-29 | 2013-01-30 | 上海市电力公司 | 一种敏感设备电压暂降敏感度的评估方法 |
CN103810643A (zh) * | 2012-11-15 | 2014-05-21 | 国家电网公司 | 电压暂降的等级量化方法及装置 |
CN103235993A (zh) * | 2013-04-24 | 2013-08-07 | 江苏大学 | 用于企业用户侧的电能质量评估系统及其方法 |
CN103324992A (zh) * | 2013-07-11 | 2013-09-25 | 国家电网公司 | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 |
CN103400214A (zh) * | 2013-08-22 | 2013-11-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
CN103777096A (zh) * | 2014-01-17 | 2014-05-07 | 华北电力大学 | 基于多暂降阈值和持续时间敏感设备免疫能力评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105930976A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
WO2017008180A1 (zh) | 一种光伏组件失效风险判别方法 | |
CN108629525B (zh) | 一种考虑负荷重要程度的节点电压暂降严重程度评估方法 | |
WO2020248228A1 (zh) | 一种Hadoop平台计算节点负载预测方法 | |
CN110210681B (zh) | 一种基于距离的监测站点pm2.5值的预测方法 | |
CN106055918A (zh) | 一种电力系统负荷数据辨识及修复方法 | |
CN107563601A (zh) | 一种智能电能表运行状态评价方法 | |
CN108399453A (zh) | 一种电力客户信用等级评价方法和装置 | |
CN110400231B (zh) | 一种加权非线性贝叶斯的电能计量设备失效率预估方法 | |
CN107730084A (zh) | 基于灰色预测和风险评估的变压器检修决策方法 | |
CN111260198A (zh) | 一种台区同期线损合理度评判方法、系统及终端设备 | |
CN109030790A (zh) | 一种电力变压器故障诊断方法和装置 | |
CN113484813B (zh) | 多环境应力下的智能电表故障率预估方法及系统 | |
CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
CN113468157B (zh) | 一种基于能耗分析的相似建筑挑选方法和装置 | |
CN105512465A (zh) | 基于改进vikor法的云平台安全性量化评估方法 | |
CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN107341332A (zh) | 一种车用电机驱动系统的评价指标权重的确定方法 | |
CN114266289A (zh) | 一种复杂装备健康状态评估方法 | |
Wu et al. | Managing minority opinions in large-scale group decision making based on community detection and group polarization | |
CN116341290B (zh) | 一种长贮装备可靠性抽样检测方法 | |
CN113919610A (zh) | 低压台区线损预测用arima模型构建方法及评估方法 | |
CN114626655A (zh) | 一种区域综合能源系统多标准综合评价方法 | |
CN117131437A (zh) | 发动机振动故障隔离方法 | |
CN114184211B (zh) | 一种惯导可靠性试验中性能变化机理一致性判定方法 |
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 |