CN106096799A - 基于电网性能指标评估的最小建设投资需求测算系统 - Google Patents

Abstract

本发明公开了一种基于电网性能指标评估的最小建设投资需求测算系统。目前尚未有方法研究满足电网性能目标时电网企业所需投入的最小资金。本发明采用的技术方案为：输入模块从数据库模块获取不同电压等级电网性能指标各年历史值、不同电压等级电网各年建设累计投资额以及不同电压等级电网性能指标目标值，分析评估模块根据输入模块输入的数据，利用模糊数学综合评价方法计算电网性能各年历史综合评分和目标电网性能综合评分，基于电网性能各年历史综合评分和各年建设的累计投资额拟合得到电网性能与电网投资之间的关系；输出模块输出不同电压等级电网最小建设投资需求。本发明为研判不同电压等级电网投资规模合理性提供理论依据。

Description

基于电网性能指标评估的最小建设投资需求测算系统

技术领域

本发明涉及电力领域，具体地说是一种基于不同电压等级电网性能评估指标体系的最小建设投资需求测算系统。

背景技术

当前，电网公司主要负责电网的运营和建设，秉承自主经营、自负盈亏和追求最大利润的市场原则。因此，降低运营成本、提高经济效益、扩大投资收益是电网公司经营中最为关注的问题。电网投资与其它资金密集型投资建设项目有着紧密的联系，它既包含一般大型项目一次性投入资产庞大、项目实施周期长、实施过程复杂、相关合作单位多等特点，同时还具备电网项目自身的一些特征，如投资长期性、资金密集性、设备单一性、经济依赖性、销售区域局限性、资源、环境、政策等的制约性。基于上述电网投资特征，电力企业迫切需要建立一套合理、科学、全面的指标体系对电网性能进行全面评价；同时亟需明确电网性能与投资间的数学关系，以此来测算满足电网性能指标目标时所需的最小建设投资需求。

考虑不同电压等级的电网功能定位不同的基础上，建立不同电压等级电网性能指标体系，建立电网建设投资与电网性能指标之间的关系，在满足性能指标的前提下测算电网的最小建设投资需求，这对于电网企业科学制定电网规划、合理分配投资金额，以获取更大意义上的投资效益都有着重要意义。

经对现有文献进行检索发现，现有文献中，韩柳、彭东、王智冬等在《电力建设》(2010,11:28-33)上发表的《电网评估指标体系的构建及应用》中建立了一套电网发展评估体系，分别包括安全性、可靠性、优质性、协调性、经济性、高效性、智能性七个方面，该指标体系具有系统、全面、客观的特点；但该指标体系是对整体电网的评估，没有根据不同电压等级电网的功能定位分别建立不同电压等级电网具体的性能指标体系。胡柏初、胡刚、胡朝华等在《电子科技大学学报》(2013,06:890-894)上发表的《基于灰色预测的电网基建投资测算模型》中研究了一种基于灰色预测的电网基建投资预测模型，建立了能够科学反映电网建设发展需求的电网基建投资测算指标体系，建立电网建设相关指标与电网投资之间的关系，通过指标预测值测算电网基建投资；但该模型只考虑了社会经济水平、电网规模、负荷用电水平三个方面的指标，未涉及到电网性能指标及其与电网投资之间的关系。赵会茹、符力文在《水电能源科学》(2012,30(4):192-194)上发表的《电网企业投资能力的量化研究》首次针对电网企业提出了投资能力的概念，依据财务管理等理论，引入运营系数等概念，对电网企业自身投资能力进行了量化研究，构建了一种形象、直观地反映企业投资能力的模型，为电网企业明确自身投资能力、有效制定投资规划奠定了基础；但并未研究满足电网性能目标时电网企业所需投入的最小资金。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种在现有电网基础上、紧密结合工程实际的考虑不同电压等级电网性能评估指标体系的最小建设投资需求测算系统。

为此，本发明通过以下技术方案实现：基于电网性能指标评估的最小建设投资需求测算系统，包括数据库模块、输入模块、分析评估模块和输出模块，其特征在于，

所述的输入模块从数据库模块获取不同电压等级电网性能指标各年历史值、不同电压等级电网各年建设累计投资额以及不同电压等级电网性能指标目标值，分析评估模块根据输入模块输入的数据，利用模糊数学综合评价方法计算电网性能各年历史综合评分和目标电网性能综合评分，基于电网性能各年历史综合评分和各年建设累计投资额拟合得到电网性能与电网投资之间的关系；输出模块输出不同电压等级电网最小建设投资需求；

所述的数据库模块包含电网性能指标库和电网建设投资库；所述的分析评估模块包括历史电网性能模糊数学综合评价子模块、目标电网性能模糊数学综合评价子模块和电网性能与电网投资关系拟合子模块。

进一步，所述的历史电网性能模糊数学综合评价子模块和目标电网性能模糊数学综合评价子模块包括模糊隶属度函数的确定、指标赋权方法的确定和模糊合成算子的确定，根据不同电压等级电网性能指标各年历史值和目标值，计算不同电压等级电网性能综合评分历史值和目标值；

所述的电网性能与电网投资关系拟合子模块，根据各年电网性能综合评分历史值和累计投资额，拟合不同电压等级电网性能与累计投资额之间的数学关系式；

根据电网性能与投资关系拟合子模块得到的不同电压等级电网性能与累计投资额之间的数学关系式，将目标电网性能模糊数学综合评价子模块中得到的不同电压等级电网性能综合评分目标值带入上述数学关系式中，得到电网性能指标达到目标值所需累计投资额，与历史累计投资额相减得到电网最小建设投资。

进一步，所述的不同电压等级电网分为10/35kV电网、110/220kV电网、500kV电网三个层级，分别建立不同电压等级电网的性能评估指标体系；

所述的不同电压等级电网性能评估指标体系根据电网的功能定位不同而建立，10/35kV电网作为电网的中压配电层级，直接面向低压配电侧和用户，承担着提供安全可靠电能的任务，因此，在建立10/35kV电网性能指标体系时要着重考虑配电网的安全可靠性能；110/220kV电网作为电网的中坚层级，起着承上启下的作用：面向上一级500kV超高压电网承担着电能的输送与分配，面向下一级10/35kV配电网承担着安全可靠供电的任务，当前，在我国负荷密度较高的大城市，110/220kV电网功能已由传统的输送电能的输电网转变为主要作用为分配电能的高压配电网，但在负荷密度不高的城镇和广大乡村地区，110/220kV电网仍然是骨干输电网，因此110/220kV电网性能指标体系要兼顾输电网和配电网的特点；500kV电网作为电网的顶层网架，面向下层电网，主要承担着远距离输送大量电能的任务，因此，建立500kV电网性能指标体系时主要考虑输电网的特点。

进一步，所述的10/35kV电网性能指标体系包括电压合格率、频率合格率、中压配电线路互联率、电缆化率、架空线路绝缘化率、供电可靠性率、容载比、网损率、新能源接入容量比例；所述的110/220kV电网性能指标体系包括N-1通过率、N-2通过率、供电半径、容载比、线站比、网损率、同塔双(多)回线路比例；500kV电网性能指标体系包括N-1通过率、N-2通过率、供电半径、按暂稳控制线路占比、平均容性补偿百分比、容载比、线站比、网损率、同塔双(多)回线路比例。

所述的电压合格率：

所述的频率合格率：

所述的中压配电线路互联率：

所述的电缆化率：

所述的架空线路绝缘化率：

所述的供电可靠率：

所述的容载比：

所述的网损率：

所述的新能源接入容量比例：

所述的N-1通过率：

所述的N-2通过率：

所述的供电半径：

所述的线站比：

所述的同塔双(多)回线路比例：

所述的按暂稳控制线路比例：

所述的平均容性补偿百分比：

本发明利用以上建立的不同电压等级电网性能指标体系，通过模糊数学综合评价方法，对不同电压等级电网的性能进行综合评估。

进一步，所述的模糊数学综合评价是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价的事物隶属等级状况进行综合性评价的方法，包括模糊隶属度函数的确定、指标赋权方法的确定、模糊合成算子的确定。

采用的模糊隶属度函数为梯形模糊隶属度函数，正指标、逆指标和适度指标的隶属度函数可表示为：

(1)正指标

可采用升半梯形分布函数。可表示为：

$A\left(x\right)=\left\{\begin{array}{cc}0& 0\&le;x\&le;a_1\\ (x-a_1)/(a_2-a_1)& a_1\&le;x\&le;a_2\\ 1& a_2<x\end{array}\right.$

其中，a₁和a₂分别是分布函数自变量的下限和上限。

(2)逆指标

可采用降半梯形分布函数。可表示为：

$A\left(x\right)=\left\{\begin{array}{cc}1& 0\&le;x\&le;a_1\\ (a_2-x)/(a_2-a_1)& a_1\&le;x\&le;a_2\\ 0& a_2<x\end{array}\right.$

其中，a₁和a₂分别是分布函数自变量的下限和上限。

(3)适度指标

适度指标可采用梯形分布函数拟合。可表示为：

$A\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ (x-a)/(b-a)& a\&le;x\&le;b\\ 1& b\&le;x\&le;c\\ (d-x)/(d-c)& c\&le;x\&le;d\\ 0& d\&le;x\end{array}\right.$

其中，a和d分别是变量的下限和上限，b和c分别是区间的两端值。

所述的正指标是值越大越好的指标，包括电压合格率、频率合格率、中压配电线路互联率、电缆化率、架空线路绝缘化率、供电可靠率、新能源接入容量比例、N-1通过率、N-2通过率、同塔双(多)回路线路比例、无功补偿度；所述的逆指标是值越小越好的指标，包括用户平均停电时间、网损率、供电半径、按暂稳控制线路占比；所述的适度指标是数值在一定范围内时，对电网发展有积极作用的指标，数值过大或过小都不利于电网发展，包括容载比、线路平均负载率、线站比。

采用的指标赋权方法是组合了变异系数法和熵值法的组合赋权方法。

(1)变异系数法

a)假设共有n个电网性能指标，同时有p个待评价年份，指标的特征数据矩阵可表示为：

$X=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{p1}& x_{p2}& ...& x_{pn}\end{array}\right)$

其中，x_ij第i个评价对象第j项指标的特征值。

b)计算各指标的标准差S_j。

$S_j=\sqrt{\frac{1}{n}\underset{i=1}{\overset{p}{\&Sigma;}}{(x_{ij}-{\stackrel{\&OverBar;}{x}}_j)}^2},(j=1,2,\mathrm{...},n)$

其中，S_j是第j个指标的标准差，是第j个指标的平均值。

c)计算各指标的标准差系数V_j，用来反映各指标的相对变异程度。

$V_j=\frac{S_j}{{\stackrel{\&OverBar;}{x}}_j},(j=1,2,\mathrm{...},n)$

d)对各指标的变异系数进行归一化处理。得出权重w_j。

$w_j=V_j/\underset{i=1}{\overset{n}{\&Sigma;}}{V}_j$

(2)熵值法

e)构建评价指标的特征值矩阵

$X=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{p1}& x_{p2}& ...& x_{pn}\end{array}\right)$

f)指标特征值的非负化。为了避免运算数据无意义，需要将某些特征值取正，具体的操作如下式所示：

$x_{ij}^{\&prime;}=\frac{x_{ij}-min\left(x_{ij}\right)}{\max \left(x_{ij}\right)-min\left(x_{ij}\right)}+1$

g)计算第j项指标下，第i个评价对象指标特征值x_ij所占的比重。

$p_{ij}=x_{ij}/\underset{i=1}{\overset{p}{\&Sigma;}}{x}_{ij},(i=1,2,\mathrm{...},p;j=1,2,\mathrm{...},n)$

从而得到以下矩阵：

$P=\left(\begin{array}{cccc}{p}_{11}& p_{12}& ...& p_{1n}\\ p_{21}& p_{22}& ...& p_{2n}\\ ...& ...& ...& ...\\ p_{p1}& p_{p2}& ...& p_{pn}\end{array}\right)$

h)计算第j项指标的熵值e_j。

$e_j=-\underset{i=1}{\overset{p}{\&Sigma;}}{p}_{ij}{\mathrm{lnp}}_{ij},(j=1,2,\mathrm{...},n)$

i)计算表征指标j相对重要性的熵值E_j，当所有指标p_ij相等时，熵值最大，为lnp。归一化处理后，可得：

$E_j=e_j/\ln p=-\left(\underset{i=1}{\overset{p}{\&Sigma;}}{p}_{ij}{\mathrm{lnp}}_{ij}\right)/\ln p,(j=1,2,\mathrm{...},n)$

j)计算第j项指标的差异系数。由于指标熵值E_j越小，指标的变异程度越大，反之，指标熵值E_j越大，指标的变异程度越小。

g_j＝1-E_j (j＝1,2,...,n)

k)计算第j项指标的权重w_j。

$w_j=g_j/\underset{j=1}{\overset{n}{\&Sigma;}}{g}_j=(1-E_j)/(n-\underset{i=1}{\overset{n}{\&Sigma;}}{E}_j),(j=1,2,\mathrm{...},n)$

(3)组合赋权法

采用简单平均算法作为组合赋权方法，将上述变异系数法权重和熵值法权重组合为组合权重：

$w_i=\underset{k=1}{\overset{2}{\&Pi;}}{w}_i\left(k\right)/\underset{i=1}{\overset{n}{\&Sigma;}}\underset{k=1}{\overset{2}{\&Pi;}}{w}_i\left(k\right)$

其中，w_i为第i个指标的组合权重，w_i(k)为第k种方法得到的第i个指标的权重，n为指标个数。

模糊合成算子采用普通乘与加算子，将各电网性能指标隶属度值与权重值计算为电网性能综合评分：

$\begin{array}{cc}{b}_j=\underset{i=1}{\overset{n}{\&Sigma;}}(w_i\&CenterDot;r_{ij})& \underset{i=1}{\overset{n}{\&Sigma;}}{w}_i=1,0\&le;w_i\&le;1,j=1,2,\mathrm{...},p\end{array}$

其中，w_i为第i个指标的组合权重，r_ij为第i个指标第j年的隶属度，p为待评价年份个数。

进一步，所述的电网性能与电网投资关系拟合子模块以电网性能历史综合评分为自变量，累计投资额为因变量，利用傅立叶逼近、高斯逼近、多项式逼近、指数逼近等拟合方法，对电网性能和电网投资之间的数学关系进行拟合，电网在得到了一定发展基础之上，由于电网规模越来越大，要继续提升其性能时，需要投入更多的资金，因此电网投资关于电网性能综合评分的曲线应呈现越来越陡峭的趋势。

本发明具有的有益效果：提出了一套科学合理的不同电压等级电网性能评估指标体系和电网最小建设投资需求测算方法，为研判不同电压等级电网投资规模合理性提供理论依据，有效遏制了电网盲目投资的现象。

附图说明

图1为本发明的结构示意图。

图2为本发明的计算流程图。

图3为本发明10/35kV电网性能综合评分与累计投资的拟合图。

图4为本发明110/220kV电网性能综合评分与累计投资的拟合图。

图5为本发明500kV电网性能综合评分与累计投资的拟合图。

具体实施方式

下面结合说明书附图和具体实施方式对本发明进行详细说明。

实施例

如图1-2所示，基于不同电压等级电网性能评估指标体系的最小建设投资需求测算系统，其由数据库模块1、输入模块2、分析评估模块3和输出模块4组成。

所述的输入模块2从数据库模块1获取不同电压等级电网性能指标各年历史值、各年投资额以及不同电压等级电网性能指标目标值等数据，分析评估模块3根据输入模块输入的数据，利用模糊数学综合评价方法计算电网性能各年历史综合评分和目标电网性能综合评分，基于电网各年历史综合评分和各年建设投资额拟合得到电网性能与电网投资之间的关系；输出模块4输出不同电压等级电网最小建设投资需求。

所述的数据库模块1包含电网性能指标库11和电网建设投资库12；所述的输入模块2包含不同电压等级电网性能指标历史值21、不同电压等级电网各年建设累计投资额22和不同电压等级电网性能指标目标值23。

所述的分析评估模块3包括历史电网性能模糊数学综合评价子模块31、目标电网性能模糊数学综合评价子模块33和电网性能与电网投资关系拟合子模块32。

其中，历史电网性能模糊数学综合评价子模块31和目标电网性能模糊数学综合评价子模块33包括模糊隶属度函数的确定、指标赋权方法的确定、模糊合成算子的确定，根据不同电压等级电网性能指标历史数据和目标值，计算不同电压等级电网性能综合评分历史值和目标值；电网性能与投资关系拟合子模块32，根据各年电网性能综合评分历史值和累计投资额，拟合电网性能与累计投资额之间的数学关系。

所述的输出模块4根据电网性能与投资关系拟合子模块32和目标电网性能模糊数学综合评价子模块33计算得到。根据电网性能与投资关系拟合子模块32得到的不同电压等级电网性能与累计投资额之间的数学关系式，将目标电网性能模糊数学综合评价子模块33中得到的不同电压等级电网性能综合评分目标值带入上述数学关系式中，得到电网性能指标达到目标值所需累计投资额，与历史累计投资额相减得到电网最小建设投资。

所述的不同电压等级电网性能指标体系分为以下三个电压等级电网：

(1)10/35kV电网性能指标体系：电压合格率、频率合格率、中压配电线路互联率、电缆化率、架空线路绝缘化率、供电可靠性率、容载比、网损率、新能源接入容量比例；

(2)110/220kV电网性能指标体系：N-1通过率、N-2通过率、供电半径、容载比、线站比、网损率、同塔双(多)回线路比例；

(3)500kV电网性能指标体系：N-1通过率、N-2通过率、供电半径、按暂稳控制线路占比、平均容性补偿百分比、容载比、线站比、网损率、同塔双(多)回线路比例。

所述的电压合格率：

所述的频率合格率：

所述的中压配电线路互联率：

所述的电缆化率：

所述的架空线路绝缘化率：

所述的供电可靠率：

所述的容载比：

所述的网损率：

所述的新能源接入容量比例：

所述的N-1通过率：

所述的N-2通过率：

所述的供电半径：

所述的线站比：

所述的同塔双(多)回线路比例：

所述的按暂稳控制线路比例：

所述的平均容性补偿百分比：

本发明利用以上建立的不同电压等级电网性能指标体系，通过模糊数学综合评价方法，对不同电压等级电网的性能进行综合评估。

所述的模糊数学综合评价就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价的事物隶属等级状况进行综合性评价的一种方法，包括模糊隶属度函数的确定、指标赋权方法的确定、模糊合成算子的确定。

采用的模糊隶属度函数为梯形模糊隶属度函数，正指标、逆指标和适度指标的隶属度函数可表示为：

(1)正指标

可采用升半梯形分布函数。可表示为：

$A\left(x\right)=\left\{\begin{array}{cc}0& 0\&le;x\&le;a_1\\ (x-a_1)/(a_2-a_1)& a_1\&le;x\&le;a_2\\ 1& a_2<x\end{array}\right.$

其中，a₁和a₂分别是分布函数自变量的下限和上限。

(2)逆指标

可采用降半梯形分布函数。可表示为：

$A\left(x\right)=\left\{\begin{array}{cc}1& 0\&le;x\&le;a_1\\ (a_2-x)/(a_2-a_1)& a_1\&le;x\&le;a_2\\ 0& a_2<x\end{array}\right.$

其中，a₁和a₂分别是分布函数自变量的下限和上限。

(3)适度指标

适度指标可采用梯形分布函数拟合。可表示为：

$A\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ (x-a)/(b-a)& a\&le;x\&le;b\\ 1& b\&le;x\&le;c\\ (d-x)/(d-c)& c\&le;x\&le;d\\ 0& d\&le;x\end{array}\right.$

其中，a和d分别是变量的下限和上限，b和c分别是区间的两端值。

所述的正指标是值越大越好的指标，包括电压合格率、频率合格率、中压配电线路互联率、电缆化率、架空线路绝缘化率、供电可靠率、新能源接入容量比例、N-1通过率、N-2通过率、同塔双(多)回路线路比例、无功补偿度；所述的逆指标是值越小越好的指标，包括用户平均停电时间、网损率、供电半径、按暂稳控制线路占比；所述的适度指标是数值在一定范围内时，对电网发展有积极作用的指标，数值过大或过小都不利于电网发展，包括容载比、线路平均负载率、线站比。

采用的指标赋权方法是组合了变异系数法和熵值法的组合赋权方法。

(1)变异系数法

a)假设共有n个电网性能指标，同时有p个待评价年份，指标的特征数据矩阵可表示为：

$X=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{p1}& x_{p2}& ...& x_{pn}\end{array}\right)$

其中，x_ij第i个评价对象第j项指标的特征值。

b)计算各指标的标准差S_j。

$S_j=\sqrt{\frac{1}{n}\underset{i=1}{\overset{p}{\&Sigma;}}{(x_{ij}-{\stackrel{\&OverBar;}{x}}_j)}^2},(j=1,2,\mathrm{...},n)$

其中，S_j是第j个指标的标准差，是第j个指标的平均值。

c)计算各指标的标准差系数V_j，用来反映各指标的相对变异程度。

$V_j=\frac{S_j}{{\stackrel{\&OverBar;}{x}}_j},(j=1,2,\mathrm{...},n)$

d)对各指标的变异系数进行归一化处理。得出权重w_j。

$w_j=V_j/\underset{i=1}{\overset{n}{\&Sigma;}}{V}_j$

(2)熵值法

e)构建评价指标的特征值矩阵

$X=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{p1}& x_{p2}& ...& x_{pn}\end{array}\right)$

f)指标特征值的非负化。为了避免运算数据无意义，需要将某些特征值取正，具体的操作如下式所示：

$x_{ij}^{\&prime;}=\frac{x_{ij}-min\left(x_{ij}\right)}{\max \left(x_{ij}\right)-min\left(x_{ij}\right)}+1$

g)计算第j项指标下，第i个评价对象指标特征值x_ij所占的比重。

$p_{ij}=x_{ij}/\underset{i=1}{\overset{p}{\&Sigma;}}{x}_{ij},(i=1,2,\mathrm{...},p;j=1,2,\mathrm{...},n)$

从而得到以下矩阵：

$P=\left(\begin{array}{cccc}{p}_{11}& p_{12}& ...& p_{1n}\\ p_{21}& p_{22}& ...& p_{2n}\\ ...& ...& ...& ...\\ p_{p1}& p_{p2}& ...& p_{pn}\end{array}\right)$

h)计算第j项指标的熵值e_j。

$e_j=-\underset{i=1}{\overset{p}{\&Sigma;}}{p}_{ij}{\mathrm{lnp}}_{ij},(j=1,2,\mathrm{...},n)$

i)计算表征指标j相对重要性的熵值E_j，当所有指标p_ij相等时，熵值最大，为lnp。归一化处理后，可得：

$E_j=e_j/\ln p=-\left(\underset{i=1}{\overset{p}{\&Sigma;}}{p}_{ij}{\mathrm{lnp}}_{ij}\right)/\ln p,(j=1,2,\mathrm{...},n)$

j)计算第j项指标的差异系数。由于指标熵值E_j越小，指标的变异程度越大，反之，指标熵值E_j越大，指标的变异程度越小。

g_j＝1-E_j (j＝1,2,...,n)

k)计算第j项指标的权重w_j。

$w_j=g_j/\underset{j=1}{\overset{n}{\&Sigma;}}{g}_j=(1-E_j)/(n-\underset{i=1}{\overset{n}{\&Sigma;}}{E}_j),(j=1,2,\mathrm{...},n)$

(3)组合赋权法

采用简单平均算法作为组合赋权方法，将上述变异系数法权重和熵值法权重组合为组合权重：

$w_i=\underset{k=1}{\overset{2}{\&Pi;}}{w}_i\left(k\right)/\underset{i=1}{\overset{n}{\&Sigma;}}\underset{k=1}{\overset{2}{\&Pi;}}{w}_i\left(k\right)$

其中，w_i为第i个指标的组合权重，w_i(k)为第k种方法得到的第i个指标的权重，n为指标个数。

模糊合成算子采用普通乘与加算子，将各电网性能指标隶属度值与权重值计算为电网性能综合评分：

$\begin{array}{cc}{b}_j=\underset{i=1}{\overset{n}{\&Sigma;}}(w_i\&CenterDot;r_{ij})& \underset{i=1}{\overset{n}{\&Sigma;}}{w}_i=1,0\&le;w_i\&le;1,j=1,2,\mathrm{...},p\end{array}$

其中，w_i为第i个指标的组合权重，r_ij为第i个指标第j年的隶属度，p为待评价年份个数。

应用例

将本发明应用于某省不同电压等级电网最小建设投资需求的计算中，选取该省2005-2014年的指标数据进行计算。

(a)10/35kV电网

该省10/35kV电网性能指标中，电压合格率和频率合格率均为100％保持不变，因此不参与计算，如表1所示，其中C1-C10分别表示2005-2014年。

表1 10/35kV电网性能指标历史值

10/35kV电网性能指标分类如表2所示

表2 10/35kV电网性能指标分类

指标类型	指标代码
		正指标	A1、A2、A3、A4、A7
逆指标	A6
		适度指标	A5

根据各个指标的类型及自身数据特性，分别设置隶属度函数并计算隶属度，结果如表3所示。

表3 10/35kV电网性能指标历史值隶属度

	C1	C2	C3	C4	C5	C6	C7	C8	C9	C10
											A1	0.7238	0.7506	0.7878	0.8137	0.8388	0.8639	0.7992	0.8312	0.8512	0.8676
A2	0.2036	0.245	0.2966	0.3292	0.3516	0.3818	0.425	0.4358	0.487	0.5286
											A3	0.1606	0.1982	0.2266	0.266	0.2966	0.4134	0.4402	0.4754	0.5268	0.5252
A4	0.8598	0.8774	0.8248	0.8598	0.8423	0.9124	0.8774	0.8612	0.9539	0.9238
											A5	1	0.9	1	1	0.7	1	0.8	0.5	1	0.8
A6	0.8945	0.8985	0.904	0.9125	0.9135	0.921	0.9425	0.9005	0.819	0.812
											A7	0.2448	0.2718	0.2976	0.3184	0.3498	0.3784	0.4122	0.4344	0.442	0.5186

分别使用变异系数法和熵值法计算各个指标的权重，并利用乘法集成法将两种方法得到的权重进行组合，得到组合权重，计算结果如表4所示。

表4 10/35kV电网性能指标权重

性能指标	指标代码	变异系数法权重	熵值法权重	组合赋权法权重
					中压线路互联率	A1	0.0345	0.1366	0.0310
电缆化率	A2	0.1648	0.1391	0.1508
					架空线路绝缘化率	A3	0.2302	0.1913	0.2898
供电可靠率	A4	0.1915	0.1205	0.1518
					容载比	A5	0.0120	0.1114	0.0088
网损率	A6	0.2297	0.1572	0.2377
					新能源接入容量比例	A7	0.1373	0.1439	0.1301

得到以上指标隶属度和权重后，利用简单乘与加模糊模糊合成算子得到各年电网性能综合评分，结果如表5所示。

表5 10/35kV电网性能综合评分及投资额

以电网性能综合评分为自变量，累计投资额为因变量，利用傅立叶逼近、高斯逼近、多项式逼近、指数逼近等拟合方法，对2005-2014年的累计投资额和电网性能综合评分进行曲线拟合。

利用高斯逼近拟合得到的结果最为合理，如图3所示，函数表达式为：

$f\left(x\right)=\underset{i=1}{\overset{3}{\&Sigma;}}{a}_i*e^(-(\left(x-b_i\right)/c_i)^2)---\left(1\right)$

其中，a1＝1.551e+009，b1＝23.89，c1＝13.12；

a2＝-5.98e+020，b2＝-4.953，c2＝0.9739；

a3＝-6.04e+007，b3＝0.6304，c3＝0.2938。

拟合度为0.9841，精度较高。

该省10/35kV电网2015-2020年性能规划目标值如表6所示，其中C11-C16分别表示2015-2020年。

表6 10/35kV电网性能指标目标值

根据各个指标的隶属度函数计算指标目标值的隶属度，结果如表7所示。

表7 10/35kV电网性能指标目标值隶属度

	C11	C12	C13	C14	C15	C16
							A1	0.8901	0.9136	0.9357	0.9622	0.9875	1
A2	0.5374	0.5468	0.5552	0.5632	0.5722	0.5792
							A3	0.54	0.56	0.58	0.6	0.62	0.64
A4	0.9200	0.9200	0.9200	0.9200	0.9200	0.9200
							A5	1	1	1	1	1	1
A6	0.85	0.85	0.85	0.85	0.85	0.85
							A7	0.54	0.56	0.58	0.6	0.62	0.64

利用表4中10/35kV电网各指标的权重计算未来各年电网性能综合评分，并将未来各年评分带入式(1)中，得到该省10/35kV电网性能指标达到未来年规划目标值所需的累计投资，逐年相减得到各年的最小建设投资需求，计算结果如表8所示。

表8 10/35kV电网未来年性能综合评分及最小投资需求

(b)110/220kV电网

该省110/220kV电网性能指标中，N-1通过率、N-2通过率、容载比、供电半径、线站比和同塔双(多)回线路比例这七项指标分110、220kV两个电压等级考虑，如表9所示，其中C1-C10分别表示2005-2014年。

表9 110/220kV电网性能指标历史值

110/220kV电网性能指标分类如表10所示

表10 110/220kV电网性能指标分类

指标类型	指标代码
		正指标	A1、A2、A3、A4、A12、A13
逆指标	A5、A6、A11
		适度指标	A7、A8、A9、A10

根据各个指标的类型及自身数据特性，分别设置隶属度函数并计算隶属度，结果如表11所示。

表11 110/220kV电网性能指标历史值隶属度

分别使用变异系数法和熵值法计算各个指标的权重，并利用乘法集成法将两种方法得到的权重进行组合，得到组合权重，计算结果如表12所示。

表12 110/220kV电网性能指标权重

得到以上指标隶属度和权重后，利用简单乘与加模糊模糊合成算子得到各年电网性能综合评分，结果如表13所示。

表13 110/220kV电网性能综合评分及投资额

以电网性能综合评分为自变量，累计投资额为因变量，利用傅立叶逼近、高斯逼近、多项式逼近、指数逼近等拟合方法，对2005-2014年的累计投资额和电网性能综合评分进行曲线拟合。

利用高斯逼近拟合得到的结果最为合理，如图4所示，函数表达式为：

f(x)＝2.455*e^(-((x-1.003)/0.1797)^2)*10^7(2)

拟合度为0.9816，精度较高。

该省110/220kV电网2015-2020年性能规划目标值如表14所示，其中C11-C16分别表示2015-2020年。

表14 110/220kV电网性能指标目标值

根据各个指标的隶属度函数计算指标目标值的隶属度，结果如表15所示。

表15 110/220kV电网性能指标目标值隶属度

利用表12中110/220kV电网各指标的权重计算未来各年电网性能综合评分，并将未来各年评分带入式(2)中，得到该省110/220kV电网性能指标达到未来年规划目标值所需的累计投资，逐年相减得到各年的最小建设投资需求，计算结果如表16所示。

表16 110/220kV电网未来年性能综合评分及最小投资需求

(c)500kV电网

该省500kV电网性能指标中，N-1通过率、N-2通过率和按暂稳控制线路占比均保持不变，因此不参与计算，如表17所示，其中C1-C10分别表示2005-2014年。

表17 500kV电网性能指标历史值

500kV电网性能指标分类如表18所示

表18 500kV电网性能指标分类

指标类型	指标代码
		正指标	A2、A6
逆指标	A1、A5
		适度指标	A3、A4

根据各个指标的类型及自身数据特性，分别设置隶属度函数并计算隶属度，结果如表19所示。

表19 500kV电网性能指标历史值隶属度

	C1	C2	C3	C4	C5	C6	C7	C8	C9	C10
											A1	0.2760	0.3276	0.3622	0.4312	0.5347	0.5347	0.5519	0.5690	0.5864	0.6209
A2	0.5730	0.5920	0.6010	0.6330	0.6210	0.6050	0.6250	0.6240	0.6330	0.6790
											A3	0.5000	1.0000	0.7000	1.0000	0.8500	0.9500	1.0000	1.0000	0.9500	1.0000
A4	0.6382	0.2855	0.6791	1.0000	1.0000	1.0000	1.0000	1.0000	1.0000	1.0000
											A5	0.8520	0.8340	0.8480	0.8434	0.8622	0.8582	0.8590	0.8642	0.8710	0.8742
A6	0.3450	0.3700	0.3900	0.4000	0.4200	0.4410	0.4980	0.5310	0.5410	0.5572

分别使用变异系数法和熵值法计算各个指标的权重，并利用乘法集成法将两种方法得到的权重进行组合，得到组合权重，计算结果如表20所示。

表20 500kV电网性能指标权重

得到以上指标隶属度和权重后，利用简单乘与加模糊模糊合成算子得到各年电网性能综合评分，结果如表21所示。

表21 500kV电网性能综合评分及投资额

年份	电网性能综合评分	各年投资/万元	2006年起累计投资/万元
				2005	0.4488	-	0
2006	0.4713	248433	248433
				2007	0.5113	270889	519322
2008	0.5987	371920	891242
				2009	0.6250	484792	1376034
2010	0.6388	222320	1598354
				2011	0.6676	352204	1950558
2012	0.6840	254987	2205545
				2013	0.6895	362293	2567838
2014	0.7120	469037	3036875

以电网性能综合评分为自变量，累计投资额为因变量，利用傅立叶逼近、高斯逼近、多项式逼近、指数逼近等拟合方法，对2005-2014年的累计投资额和电网性能综合评分进行曲线拟合。

利用高斯逼近拟合得到的结果最为合理，如图5所示，函数表达式为：

f(x)＝3476*e^(9.512*x)‐7.221*e^(‐58.85*x)*10^16(3)

拟合度为0.993，精度较高。

该省500kV电网2015-2020年性能规划目标值如表22所示，其中C11-C16分别表示2015-2020年。

表22 500kV电网性能指标目标值

根据各个指标的隶属度函数计算指标目标值的隶属度，结果如表23所示。

表23 500kV电网性能指标目标值隶属度

利用表20中500kV电网各指标的权重计算未来各年电网性能综合评分，并将未来各年评分带入式(3)中，得到该省500kV电网性能指标达到未来年规划目标值所需的累计投资，逐年相减得到各年的最小建设投资需求，计算结果如表24所示。

表24 500kV电网未来年性能综合评分及最小投资需求

通过本算例分析，该省各电压等级电网性能指标达到规划目标值所需最小建设投资需求如表25所示。

表25不同电压等级电网未来年最小投资需求单位：万元

年份	10/35kV电网	110/220kV电网	500kV电网	总投资
					2015	1750160	945930	645060	3341150
2016	1246549	1002089	1299679	3548317
					2017	1331316	718473	1404449	3454238
2018	1444444	684904	676550	2805898
					2019	1559845	554980	804426	2919251
2020	1540933	476741	450578	2468252

上表给出了该省不同电压等级电网各年的最小投资需求，可以看出，配电网所需投资较高，这与该省对配电网可靠性要求的提高有很大的相关性，且投资趋势与该省对配电网的大力投资一致；而110/220kV电网和500kV电网的投资在达到高峰后呈下降的趋势，主要原因是这两个电压等级电网的电网在前期投资中已经具有较为良好的性能，在后期发展过程中所需的投资也有所下降；各年电网的总体投资也呈现达到高峰后下降的趋势，这与电网投资随时间的发展趋势一致。

Claims (10)

1.基于电网性能指标评估的最小建设投资需求测算系统，包括数据库模块、输入模块、分析评估模块和输出模块，其特征在于，

所述的输入模块从数据库模块获取不同电压等级电网性能指标各年历史值、不同电压等级电网各年建设累计投资额以及不同电压等级电网性能指标目标值，分析评估模块根据输入模块输入的数据，利用模糊数学综合评价方法计算电网性能各年历史综合评分和目标电网性能综合评分，基于电网性能各年历史综合评分和各年建设累计投资额拟合得到电网性能与电网投资之间的关系；输出模块输出不同电压等级电网最小建设投资需求；

所述的数据库模块包含电网性能指标库和电网建设投资库；所述的分析评估模块包括历史电网性能模糊数学综合评价子模块、目标电网性能模糊数学综合评价子模块和电网性能与电网投资关系拟合子模块。

2.根据权利要求1所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的历史电网性能模糊数学综合评价子模块和目标电网性能模糊数学综合评价子模块包括模糊隶属度函数的确定、指标赋权方法的确定和模糊合成算子的确定，根据不同电压等级电网性能指标各年历史值和目标值，计算不同电压等级电网性能综合评分历史值和目标值；

所述的电网性能与电网投资关系拟合子模块，根据各年电网性能综合评分历史值和累计投资额，拟合不同电压等级电网性能与累计投资额之间的数学关系式；

根据电网性能与投资关系拟合子模块得到的不同电压等级电网性能与累计投资额之间的数学关系式，将目标电网性能模糊数学综合评价子模块中得到的不同电压等级电网性能综合评分目标值带入上述数学关系式中，得到电网性能指标达到目标值所需累计投资额，与历史累计投资额相减得到电网最小建设投资。

3.根据权利要求1或2所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的不同电压等级电网分为10/35kV电网、110/220kV电网、500kV电网三个层级，分别建立不同电压等级电网的性能评估指标体系；

所述的不同电压等级电网性能评估指标体系根据电网的功能定位不同而建立，10/35kV电网作为电网的中压配电层级，直接面向低压配电侧和用户，承担着提供安全可靠电能的任务，因此，在建立10/35kV电网性能指标体系时要着重考虑配电网的安全可靠性能；110/220kV电网作为电网的中坚层级，起着承上启下的作用：面向上一级500kV超高压电网承担着电能的输送与分配，面向下一级10/35kV配电网承担着安全可靠供电的任务，110/220kV电网性能指标体系要兼顾输电网和配电网的特点；500kV电网作为电网的顶层网架，面向下层电网，主要承担着远距离输送大量电能的任务，因此，建立500kV电网性能指标体系时主要考虑输电网的特点。

4.根据权利要求3所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的10/35kV电网性能指标体系包括电压合格率、频率合格率、中压配电线路互联率、电缆化率、架空线路绝缘化率、供电可靠性率、容载比、网损率、新能源接入容量比例；所述的110/220kV电网性能指标体系包括N-1通过率、N-2通过率、供电半径、容载比、线站比、网损率、同塔双或多回线路比例；500kV电网性能指标体系包括N-1通过率、N-2通过率、供电半径、按暂稳控制线路占比、平均容性补偿百分比、容载比、线站比、网损率、同塔双或多回线路比例。

5.根据权利要求1所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的模糊数学综合评价方法是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价的事物隶属等级状况进行综合性评价的方法，包括模糊隶属度函数的确定、指标赋权方法的确定、模糊合成算子的确定。

6.根据权利要求5所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的模糊隶属度函数为梯形模糊隶属度函数，正指标、逆指标和适度指标的隶属度函数表示为：

(1)正指标

采用升半梯形分布函数，表示为：

$A\left(x\right)=\left\{\begin{array}{cc}0& 0\&le;x\&le;a_1\\ (x-a_1)/(a_2-a_1)& a_1\&le;x\&le;a_2\\ 1& a_2<x\end{array}\right.$

其中，a₁和a₂分别是分布函数自变量的下限和上限；

(2)逆指标

采用降半梯形分布函数，表示为：

$A\left(x\right)=\left\{\begin{array}{cc}1& 0\&le;x\&le;a_1\\ (a_2-x)/(a_2-a_1)& a_1\&le;x\&le;a_2\\ 0& a_2<x\end{array}\right.$

其中，a₁和a₂分别是分布函数自变量的下限和上限；

(3)适度指标

适度指标采用梯形分布函数拟合，表示为：

$A\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ (x-a)/(b-a)& a\&le;x\&le;b\\ 1& b\&le;x\&le;c\\ (d-x)/(d-c)& c\&le;x\&le;d\\ 0& d\&le;x\end{array}\right.$

其中，a和d分别是变量的下限和上限，b和c分别是区间的两端值。

7.根据权利要求6所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的正指标是值越大越好的指标，包括电压合格率、频率合格率、中压配电线路互联率、电缆化率、架空线路绝缘化率、供电可靠率、新能源接入容量比例、N-1通过率、N-2通过率、同塔双或多回路线路比例、无功补偿度；所述的逆指标是值越小越好的指标，包括用户平均停电时间、网损率、供电半径、按暂稳控制线路占比；所述的适度指标是数值在一定范围内时，对电网发展有积极作用的指标，数值过大或过小都不利于电网发展，包括容载比、线路平均负载率、线站比。

8.根据权利要求5所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的指标赋权方法是组合变异系数法和熵值法的赋权方法，

(1)变异系数法

a)假设共有n个电网性能指标，同时有p个待评价年份，指标的特征数据矩阵表示为：

$X=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{p1}& x_{p2}& ...& x_{pn}\end{array}\right)$

其中，x_ij第i个评价对象第j项指标的特征值；

b)计算各指标的标准差S_j

$S_j=\sqrt{\frac{1}{n}\underset{i=1}{\overset{p}{\&Sigma;}}{(x_{ij}-{\stackrel{\&OverBar;}{x}}_j)}^2},(j=1,2,...,n)$

其中，S_j是第j个指标的标准差，是第j个指标的平均值；

c)计算各指标的标准差系数V_j，用来反映各指标的相对变异程度

$V_j=\frac{S_j}{{\stackrel{\&OverBar;}{x}}_j},(j=1,2,...,n)$

d)对各指标的变异系数进行归一化处理，得出权重w_j

$w_j=V_j/\underset{i=1}{\overset{n}{\&Sigma;}}{V}_j$

(2)熵值法

e)构建评价指标的特征值矩阵

$X=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{p1}& x_{p2}& ...& x_{pn}\end{array}\right)$

f)指标特征值的非负化，为了避免运算数据无意义，需要将某些特征值取正，

具体的操作如下式所示：

$x_{ij}^{\&prime;}=\frac{x_{ij}-min\left(x_{ij}\right)}{\max \left(x_{ij}\right)-min\left(x_{ij}\right)}+1$

g)计算第j项指标下，第i个评价对象指标特征值x_ij所占的比重

$p_{ij}=x_{ij}/\underset{i=1}{\overset{p}{\&Sigma;}}{x}_{ij},(i=1,2,...,p;j=1,2,...,n)$

从而得到以下矩阵：

$P=\left(\begin{array}{cccc}{p}_{11}& p_{12}& ...& p_{1n}\\ p_{21}& p_{22}& ...& p_{2n}\\ ...& ...& ...& ...\\ p_{p1}& p_{p2}& ...& p_{pn}\end{array}\right)$

h)计算第j项指标的熵值e_j

$e_j=-\underset{i=1}{\overset{p}{\&Sigma;}}{p}_{ij}\ln p_{ij},(j=1,2,...,n)$

i)计算表征指标j相对重要性的熵值E_j，当所有指标p_ij相等时，熵值最大，为ln p，归一化处理后，得：

$E_j=e_j/\ln p=-\left(\underset{i=1}{\overset{p}{\&Sigma;}}{p}_{ij}\ln p_{ij}\right)/\ln p,(j=1,2,...,n)$

j)计算第j项指标的差异系数，由于指标熵值E_j越小，指标的变异程度越大，反之，指标熵值E_j越大，指标的变异程度越小

g_j＝1-E_j(j＝1,2,...,n)

k)计算第j项指标的权重w_j

$w_j=g_j/\underset{j=1}{\overset{n}{\&Sigma;}}{g}_j=(1-E_j)/(n-\underset{j=1}{\overset{n}{\&Sigma;}}{E}_j),(j=1,2,...,n)$

(3)组合赋权法

采用简单平均算法作为组合赋权方法，将上述变异系数法权重和熵值法权重组合为组合权重：

$w_i=\underset{k=1}{\overset{2}{\&Pi;}}{w}_i\left(k\right)/\underset{i=1}{\overset{n}{\&Sigma;}}\underset{k=1}{\overset{2}{\&Pi;}}{w}_i\left(k\right)$

其中，w_i为第i个指标的组合权重，w_i(k)为第k种方法得到的第i个指标的权重，n为指标个数。

9.根据权利要求8所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的模糊合成算子采用普通乘与加算子，将各电网性能指标隶属度值与权重值计算为电网性能综合评分：

$\begin{array}{cc}{b}_j=\underset{i=1}{\overset{n}{\&Sigma;}}(w_i\&CenterDot;r_{ij})& \underset{i=1}{\overset{n}{\&Sigma;}}{w}_i=1,0\&le;w_i\&le;1,j=1,2,...,p\end{array}$

其中，w_i为第i个指标的组合权重，r_ij为第i个指标第j年的隶属度，p为待评价年份个数。

10.根据权利要求1所述的基于电网性能指标评估的最小建设投资需求测算系统，其特征在于，

所述的电网性能与电网投资关系拟合子模块以电网性能历史综合评分为自变量，累计投资额为因变量，利用傅立叶逼近、高斯逼近、多项式逼近和指数逼近拟合方法，对电网性能和电网投资之间的数学关系进行拟合。