CN106372811A - 城市电网运行指标筛选方法与系统 - Google Patents

Abstract

本发明城市电网运行指标筛选方法与系统，根据指标类型，将所述原始指标中相同类型的指标分为一组，选取分组后的原始指标中核心价值指标，对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子，从每个所述公共因子结构中选取载荷最大的指标作为初选KPI指标，将所述核心价值指标与所述初选KPI指标进行比较，确定最终的KPI指标集。整个过程中，不需要复杂的计算过程，综合考虑核心指标(主观方面)和基于公共因子选择的KPI指标(客观方面)来进行指标筛选，所筛选出的指标在主客观两方面都得到认可，筛选出的指标能够满足城市电网运行管理需求，能够准确表征城市电网运行情况。

Description

城市电网运行指标筛选方法与系统

技术领域

本发明涉及电力电网技术领域，特别是涉及城市电网运行指标筛选方法与系统。

背景技术

一般常用的城市电网运行指标筛选方法主要有：层次分析法与主成分分析法相结合、偏最小二乘回归法、可拓理论与相关性分析相结合、灰色关联度法、层次分析法与德尔菲法相结合、层次分析法与区间估计相结合、问卷调查和聚类分析相结合、基于综合有效性指标和模型冗余校验的预测模型筛选方法、属性数学以及模糊综合评价法等。

上述的这些指标筛选方法虽然能够在一定程度上实现城市电网运行指标筛选，但也存在一些缺陷。最主要的缺陷在于主观性过强，不能很好的平衡主客观之间的关系(如灰色关联度法、层次分析法与德尔菲法、模糊综合评价法等)，导致筛选出的指标无法准确表征城市电网运行情况，另外，部分方法计算或逻辑过于复杂，难以理解，如偏最小二乘回归法、可拓理论与相关性分析相结合等，导致方法计算过程中数据处理量大。

发明内容

基于此，有必要针对一般城市电网运行指标筛选方法筛选结果不准确且筛选过程复杂的问题，提供一种筛选结果准确且筛选过程简单的城市电网运行指标筛选方法与系统。

一种城市电网运行指标筛选方法，包括步骤：

获取原始指标，将原始指标中相同类型的指标分为一组；

选取分组后的原始指标中核心价值指标，核心价值指标包括目标导向性的指标、或切合预设公司未来发展战略的指标、或对企业的整体运行效益影响最大的指标又或含义重复且指标内容具有包容关系的指标中，向下兼容最优的指标；

对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子；

从每个公共因子结构中选取载荷最大的指标作为初选KPI(Key PerformanceIndicators，关键绩效指标)指标；

将核心价值指标与初选KPI指标进行比较，确定最终的KPI指标集。

一种城市电网运行指标筛选系统，包括：

分组模块，用于获取原始指标，将原始指标中相同类型的指标分为一组；

核心价值选取模块，用于选取分组后的原始指标中核心价值指标，核心价值指标包括目标导向性的指标、或切合预设公司未来发展战略的指标、或对企业的整体运行效益影响最大的指标又或含义重复且指标内容具有包容关系的指标中，向下兼容最优的指标；

因子分析模块，用于对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子；

初选KPI模块，用于从每个公共因子结构中选取载荷最大的指标作为初选KPI指标；

KPI指标集确定模块，用于将核心价值指标与初选KPI指标进行比较，确定最终的KPI指标集。

本发明城市电网运行指标筛选方法与系统，根据指标类型，将原始指标中相同类型的指标分为一组，选取分组后的原始指标中核心价值指标，对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子，从每个公共因子结构中选取载荷最大的指标作为初选KPI指标，将核心价值指标与初选KPI指标进行比较，确定最终的KPI指标集。整个过程中，不需要复杂的计算过程，综合考虑核心指标(主观方面)和基于公共因子选择的KPI指标(客观方面)来进行指标筛选，所筛选出的指标在主客观两方面都得到认可，筛选出的指标能够满足城市电网运行管理需求，能够准确表征城市电网运行情况。

附图说明

图1为本发明城市电网运行指标筛选方法第一个实施例的流程示意图；

图2为本发明城市电网运行指标筛选方法第二个实施例的流程示意图；

图3为本发明城市电网运行指标筛选系统第一个实施例的结构示意图；

图4为本发明城市电网运行指标筛选系统第二个实施例的结构示意图。

具体实施方式

如图1所示，一种城市电网运行指标筛选方法，包括步骤：

S100：获取原始指标，将原始指标中相同类型的指标分为一组。

原始指标是指用于进行筛选的指标集，在该原始指标集中包括有多个指标。同类指标方便比较，从同类指标中选出具有代表性的KPI指标也更容易，因此为减少在后续过程筛选的数据处理量，首先将原始指标中相同类型的指标分为一组。具体来说，同类型的指标是指指标评价对象、内容相同或相似。具体划分方式可以基于历史经验数据或者行业规范准则。不同组别的指标可以理解为用于评估不同的主题(内容)。

S200：选取分组后的原始指标中核心价值指标，核心价值指标包括目标导向性的指标、或切合预设公司未来发展战略的指标、或对企业的整体运行效益影响最大的指标又或含义重复且指标内容具有包容关系的指标中，向下兼容最优的指标。

基于主观方面的考虑，选取分组后的原始指标中核心价值指标。核心价值指标主要包括以下4个方面的指标：1、具有强烈的目标导向性的指标；2、切合公司未来发展战略的指标；3、对企业的整体运行效益有举足轻重的影响的指标；4、含义重复、指标内容具有包容关系的指标中，向下兼容最好的指标。上述主观方面的考虑可以基于实际应用场景的情况(管理城市电网运行公司的实际生产情况与实际城市电网的情况)，采用量化的方式来进行核心指标的筛选。

S300：对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子。

另一方面，对分组后的原始指标进行客观方面的考虑，综合分析客观上各个指标之间的相关性，对原始指标进行因子分析，查找能够解释所有指标的公共因子。因子分析法是一种常用的重要多元统计分析方法。从大量的具有复杂相关关系的指标中提取少量不相关的综合因子，最终简化指标之间的关系。基本原理可以概括为：根据指标历史数据的相关性将指标进行分组，使得同组指标的相关性较高，不同组的指标相关性较低。每个组的指标有一个相同的相关变量，可称之为公共因子。公共因子是指标集中所有指标的线性表示，可简化为具有相同数据变化特征的指标的线性组合。不同的公共因子之间没有相关性，公共因子保留了各组指标的主要信息。

S400：从每个公共因子结构中选取载荷最大的指标作为初选KPI指标。

KPI即关键绩效指标，是通过对组织内部流程的输入端、输出端的关键参数进行设置、取样、计算、分析，衡量流程绩效的一种目标式量化管理指标，是把企业的战略目标分解为可操作的工作目标的工具，是企业绩效管理的基础。在这里，选择的KPI指标用于从客观方面选取的最能衡量城市电网运行情况的指标。

S500：将核心价值指标与初选KPI指标进行比较，确定最终的KPI指标集。

如图2所示，在其中一个实施例中，步骤S500包括：

S510：将核心价值指标与初选KPI指标中重叠的指标作为最终KPI指标集。

首选，针对核心价值指标与初选KPI指标中重叠的指标，已经全面兼顾主观和客观两个方面直接作为最终KPI指标集。

S520：获取核心价值指标中与初选KPI指标未重叠的指标，记录为剩余核心指标。

S530：获取初选KPI指标中与核心价值指标未重叠的指标，记录为剩余KPI指标。

S540：对剩余核心指标进行指标价值差异化分析，将指标价值超过预设指标价值阈值的剩余核心指标纳入最终KPI指标集。

对剩余核心指标进行指标价值差异化分析，以确定剩余核心指标中纳入最终KPI指标集的核心指标。具体来说，是将指标价值超过预设指标价值阈值的剩余核心指标纳入最终KPI指标集。

S550：对剩余KPI指标进行信源熵分析，将信源熵值超过预设信源熵阈值的剩余KPI指标纳入最终KPI指标集。

信源熵是信息论中用来衡量信源信息量有序化程度的一个概念。信源熵值与信源有序化程度成反比，有序度越高，信源熵值越低，反之亦成立。对剩余KPI指标进行信源熵分析，以确定剩余KPI指标中纳入最终KPI指标集的核心指标。具体来说，是将将信源熵值超过预设信源熵阈值的剩余KPI指标纳入最终KPI指标集。

本发明城市电网运行指标筛选方法，根据指标类型，将原始指标中相同类型的指标分为一组，选取分组后的原始指标中核心价值指标，对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子，从每个公共因子结构中选取载荷最大的指标作为初选KPI指标，将核心价值指标与初选KPI指标进行比较，确定最终的KPI指标集。整个过程中，不需要复杂的计算过程，综合考虑核心指标(主观方面)和基于公共因子选择的KPI指标(客观方面)来进行指标筛选，所筛选出的指标在主客观两方面都得到认可，筛选出的指标能够满足城市电网运行管理需求，能够准确表征城市电网运行情况。

如图2所示，在其中一个实施例中，步骤S300包括：

S310：将分组后的原始指标标准化，获得标准化指标。

标准化过程可以基于已有的行业准则或者行业规范。对指标进行规范化有利于统一不同指标之间评价参数，便于后续进行相关的处理与计算。

S320：计算标准化指标的相关矩阵。

S330：计算相关矩阵的特征值和特征向量；

S340：根据特征值和特征向量，计算方差贡献率与累积方差贡献率。

S350：根据方差贡献率与累积方差贡献率，确定公共因子。

当n个因子包含的累积方差贡献率不低于预设阈值时，可以选取该n个因子来反应原评价指标，即确定公共因子。具体来说，预设阈值可以85％。

在其中一个实施例中，从每个公共因子结构中选取载荷最大的指标作为初选KPI指标的步骤包括：

步骤一：构建因子分析的数学模型，获得所有载荷因子组成因子载荷矩阵。

设最终提取了p个因子，记为F₁、F₂…F_p。原始指标集共有m个指标，记为X₁、X₂…X_m。公共因子不能解释的因子记为ε₁、ε₂…ε_m。因子分析的数学模型如下：

$\left\{\begin{array}{c}{F}_1=a_{11}{X}_1+a_{12}{X}_2+\mathrm{...}+a_{1m}{X}_m+{\mathrm{\ϵ}}_1\\ F_2=a_{21}{X}_1+a_{22}{X}_2+\mathrm{...}+a_{2m}{X}_m+{\mathrm{\ϵ}}_2\\ .\\ .\\ .\\ F_p=a_{p1}{X}_1+a_{p2}{X}_2+\mathrm{...}+a_{pm}{X}_m+{\mathrm{\ϵ}}_p\end{array}\right.$

F₁、F₂…F_p为提取的因子，共计p个因子，X₁、X₂…X_m为原始指标中包含的指标，共计m个指标，ε₁、ε₂…ε_m为公共因子不能解释的因子，a_ij为载荷因子。

步骤二：根据因子载荷矩阵，计算每个公共因子结构中各个指标的载荷值。

步骤三：选取载荷最大的指标作为初选KPI指标。

在其中一个实施例中，根据因子载荷矩阵，计算每个公共因子结构中各个指标的载荷值步骤之前还包括：

对提取的因子进行旋转，强化公共因子的解释性。

因子旋转解释公共因子：若提取的p个因子与各指标的系数差别不大，难以确定含义或实际意义不明显，需要将因子进行旋转，使得公共因子具有可解释性。因子旋转方法包括正交旋转、斜交旋转等。优选的，可以采用方差极大正交旋转方法，使每个公共因子具有最大载荷的指标数量达到最小，并且在不同指标上的载荷因子具有区分度，使得公共因子易于解释。

非必要的，从每个公共因子结构中选取载荷最大的指标作为初选KPI指标还包括步骤：

根据步骤S100之后得到的原始指标分组情况，来统计原始指标的线性组合来求各因子得分；再以各因子的方差贡献率为权，由各因子的线性组合得到综合评价指标函数。

如图3所示，一种城市电网运行指标筛选系统，包括：

分组模块100，用于获取原始指标，将原始指标中相同类型的指标分为一组。

核心价值选取模块200，用于选取分组后的原始指标中核心价值指标，核心价值指标包括目标导向性的指标、或切合预设公司未来发展战略的指标、或对企业的整体运行效益影响最大的指标又或含义重复且指标内容具有包容关系的指标中，向下兼容最优的指标。

因子分析模块300，用于对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子。

初选KPI模块400，用于从每个公共因子结构中选取载荷最大的指标作为初选KPI指标。

KPI指标集确定模块500，用于将核心价值指标与初选KPI指标进行比较，确定最终的KPI指标集。

本发明城市电网运行指标筛选系统，分组模块100根据指标类型，将原始指标中相同类型的指标分为一组，核心价值选取模块200选取分组后的原始指标中核心价值指标，因子分析模块300对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子，初选KPI模块400从每个公共因子结构中选取载荷最大的指标作为初选KPI指标，KPI指标集确定模块500将核心价值指标与初选KPI指标进行比较，确定最终的KPI指标集。整个过程中，不需要复杂的计算过程，综合考虑核心指标(主观方面)和基于公共因子选择的KPI指标(客观方面)来进行指标筛选，所筛选出的指标在主客观两方面都得到认可，筛选出的指标能够满足城市电网运行管理需求，能够准确表征城市电网运行情况。

如图4所示，在其中一个实施例中，因子分析模块300包括：

标准化单元310，用于将分组后的原始指标标准化，获得标准化指标。

矩阵计算单元320，用于计算标准化指标的相关矩阵。

特征计算单元330，用于计算相关矩阵的特征值和特征向量。

方差计算单元340，用于根据特征值和特征向量，计算方差贡献率与累积方差贡献率。

确定单元350，用于根据方差贡献率与累积方差贡献率，确定公共因子。

在其中一个实施例中，初选KPI模块400包括：

载荷矩阵获取单元，用于构建因子分析的数学模型，获得所有载荷因子组成因子载荷矩阵。

载荷值计算单元，用于根据因子载荷矩阵，计算每个公共因子结构中各个指标的载荷值。

选取单元，用于选取载荷最大的指标作为初选KPI指标。

其中，因子载荷矩阵的函数表达式为：

$\left\{\begin{array}{c}{F}_1=a_{11}{X}_1+a_{12}{X}_2+\mathrm{...}+a_{1m}{X}_m+{\mathrm{\ϵ}}_1\\ F_2=a_{21}{X}_1+a_{22}{X}_2+\mathrm{...}+a_{2m}{X}_m+{\mathrm{\ϵ}}_2\\ .\\ .\\ .\\ F_p=a_{p1}{X}_1+a_{p2}{X}_2+\mathrm{...}+a_{pm}{X}_m+{\mathrm{\ϵ}}_p\end{array}\right.$

式中，F₁、F₂…F_p为提取的因子，共计p个因子，X₁、X₂…X_m为原始指标中包含的指标，共计m个指标，ε₁、ε₂…ε_m为公共因子不能解释的因子，a_ij为载荷因子。

在其中一个实施例中，初选KPI模块400还包括：

旋转单元，用于对提取的因子进行旋转，强化公共因子的解释性。

如图4所示，在其中一个实施例中，KPI指标集确定模块500包括：

第一KPI指标集确定单元510，用于将核心价值指标与初选KPI指标中重叠的指标作为最终KPI指标集。

第一处理单元520，用于获取核心价值指标中与初选KPI指标未重叠的指标，记录为剩余核心指标。

第二处理单元530，用于获取初选KPI指标中与核心价值指标未重叠的指标，记录为剩余KPI指标。

第二KPI指标集确定单元540，用于对剩余核心指标进行指标价值差异化分析，将指标价值超过预设指标价值阈值的剩余核心指标纳入最终KPI指标集；

第三KPI指标集确定单元550，用于对剩余KPI指标进行信源熵分析，将信源熵值超过预设信源熵阈值的剩余KPI指标纳入最终KPI指标集。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种城市电网运行指标筛选方法，其特征在于，包括步骤：

获取原始指标，将所述原始指标中相同类型的指标分为一组；

选取分组后的原始指标中核心价值指标，所述核心价值指标包括目标导向性的指标、或切合预设公司未来发展战略的指标、或对企业的整体运行效益影响最大的指标又或含义重复且指标内容具有包容关系的指标中，向下兼容最优的指标；

对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子；

从每个所述公共因子结构中选取载荷最大的指标作为初选KPI指标；

将所述核心价值指标与所述初选KPI指标进行比较，确定最终的KPI指标集。

2.根据权利要求1所述的城市电网运行指标筛选方法，其特征在于，所述对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子的步骤包括：

将分组后的原始指标标准化，获得标准化指标；

计算所述标准化指标的相关矩阵；

计算所述相关矩阵的特征值和特征向量；

根据所述特征值和所述特征向量，计算方差贡献率与累积方差贡献率；

根据所述方差贡献率与所述累积方差贡献率，确定公共因子。

3.根据权利要求1所述的城市电网运行指标筛选方法，其特征在于，所述从每个所述公共因子结构中选取载荷最大的指标作为初选KPI指标的步骤包括：

构建因子分析的数学模型，获得所有载荷因子组成因子载荷矩阵；

根据所述因子载荷矩阵，计算每个所述公共因子结构中各个指标的载荷值；

选取载荷最大的指标作为初选KPI指标；

其中，因子载荷矩阵的函数表达式为：

$\left\{\begin{array}{c}{F}_1=a_{11}{X}_1+a_{12}{X}_2+\mathrm{...}+a_{1m}{X}_m+{\mathrm{\ϵ}}_1\\ F_2=a_{21}{X}_1+a_{22}{X}_2+\mathrm{...}+a_{2m}{X}_m+{\mathrm{\ϵ}}_2\\ \begin{array}{c}.\\ .\\ .\end{array}\\ F_p=a_{p1}{X}_1+a_{p2}{X}_2+\mathrm{...}+a_{pm}{X}_m+{\mathrm{\ϵ}}_p\end{array}\right.$

式中，F₁、F₂…F_p为提取的因子，共计p个因子，X₁、X₂…X_m为原始指标中包含的指标，共计m个指标，ε₁、ε₂…ε_m为公共因子不能解释的因子，a_ij为载荷因子。

4.根据权利要求3所述的城市电网运行指标筛选方法，其特征在于，所述根据所述因子载荷矩阵，计算每个所述公共因子结构中各个指标的载荷值步骤之前还包括：

对提取的因子进行旋转，强化所述公共因子的解释性。

5.根据权利要求1所述的城市电网运行指标筛选方法，其特征在于，所述将所述核心价值指标与所述初选KPI指标进行比较，确定最终的KPI指标集还包括：

将所述核心价值指标与所述初选KPI指标中重叠的指标作为最终KPI指标集；

获取所述核心价值指标中与所述初选KPI指标未重叠的指标，记录为剩余核心指标；

获取所述初选KPI指标中与所述核心价值指标未重叠的指标，记录为剩余KPI指标；

对所述剩余核心指标进行指标价值差异化分析，将指标价值超过预设指标价值阈值的剩余核心指标纳入最终KPI指标集；

对所述剩余KPI指标进行信源熵分析，将信源熵值超过预设信源熵阈值的剩余KPI指标纳入最终KPI指标集。

6.一种城市电网运行指标筛选系统，其特征在于，包括：

分组模块，用于获取原始指标，将所述原始指标中相同类型的指标分为一组；

核心价值选取模块，用于选取分组后的原始指标中核心价值指标，所述核心价值指标包括目标导向性的指标、或切合预设公司未来发展战略的指标、或对企业的整体运行效益影响最大的指标又或含义重复且指标内容具有包容关系的指标中，向下兼容最优的指标；

因子分析模块，用于对分组后的原始指标进行因子分析，查找能够解释所有指标的公共因子；

初选KPI模块，用于从每个所述公共因子结构中选取载荷最大的指标作为初选KPI指标；

KPI指标集确定模块，用于将所述核心价值指标与所述初选KPI指标进行比较，确定最终的KPI指标集。

7.根据权利要求6所述的城市电网运行指标筛选系统，其特征在于，所述因子分析模块包括：

标准化单元，用于将分组后的原始指标标准化，获得标准化指标；

矩阵计算单元，用于计算所述标准化指标的相关矩阵；

特征计算单元，用于计算所述相关矩阵的特征值和特征向量；

方差计算单元，用于根据所述特征值和所述特征向量，计算方差贡献率与累积方差贡献率；

确定单元，用于根据所述方差贡献率与所述累积方差贡献率，确定公共因子。

8.根据权利要求6所述的城市电网运行指标筛选系统，其特征在于，所述初选KPI模块包括：

载荷矩阵获取单元，用于构建因子分析的数学模型，获得所有载荷因子组成因子载荷矩阵；

载荷值计算单元，用于根据所述因子载荷矩阵，计算每个所述公共因子结构中各个指标的载荷值；

选取单元，用于选取载荷最大的指标作为初选KPI指标；

其中，因子载荷矩阵的函数表达式为：

$\left\{\begin{array}{c}{F}_1=a_{11}{X}_1+a_{12}{X}_2+\mathrm{...}+a_{1m}{X}_m+{\mathrm{\ϵ}}_1\\ F_2=a_{21}{X}_1+a_{22}{X}_2+\mathrm{...}+a_{2m}{X}_m+{\mathrm{\ϵ}}_2\\ \begin{array}{c}.\\ .\\ .\end{array}\\ F_p=a_{p1}{X}_1+a_{p2}{X}_2+\mathrm{...}+a_{pm}{X}_m+{\mathrm{\ϵ}}_p\end{array}\right.$

式中，F₁、F₂…F_p为提取的因子，共计p个因子，X₁、X₂…X_m为原始指标中包含的指标，共计m个指标，ε₁、ε₂…ε_m为公共因子不能解释的因子，a_ij为载荷因子。

9.根据权利要求8所述的城市电网运行指标筛选系统，其特征在于，所述初选KPI模块还包括：

旋转单元，用于对提取的因子进行旋转，强化所述公共因子的解释性。

10.根据权利要求6所述的城市电网运行指标筛选系统，其特征在于，所述KPI指标集确定模块包括：

第一KPI指标集确定单元，用于将所述核心价值指标与所述初选KPI指标中重叠的指标作为最终KPI指标集；

第一处理单元，用于获取所述核心价值指标中与所述初选KPI指标未重叠的指标，记录为剩余核心指标；

第二处理单元，用于获取所述初选KPI指标中与所述核心价值指标未重叠的指标，记录为剩余KPI指标；

第二KPI指标集确定单元，用于对所述剩余核心指标进行指标价值差异化分析，将指标价值超过预设指标价值阈值的剩余核心指标纳入最终KPI指标集；

第三KPI指标集确定单元，用于对所述剩余KPI指标进行信源熵分析，将信源熵值超过预设信源熵阈值的剩余KPI指标纳入最终KPI指标集。