CN106504110A - 基于云重心的电网工程后评价方法 - Google Patents
基于云重心的电网工程后评价方法 Download PDFInfo
- Publication number
- CN106504110A CN106504110A CN201610817061.6A CN201610817061A CN106504110A CN 106504110 A CN106504110 A CN 106504110A CN 201610817061 A CN201610817061 A CN 201610817061A CN 106504110 A CN106504110 A CN 106504110A
- Authority
- CN
- China
- Prior art keywords
- index
- comment
- gravity
- entropy
- power engineering
- 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
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及电网工程技术领域,具体涉及一种基于云重心的电网工程后评价方法。采用主观评价法和客观评价法对电网工程各级指标进行初步评价,再采用乘法集成法对各个指标的综合权重进行计算,最后利用云重心法进行评价,得到电网工程最终评价结果。由层次分析法和熵权法分别计算的权重,再利用加法集成法进行综合权重的计算,可以充分采纳两种方法的优点而避免二者的不足,从而确定出电网工程项目后评价指标的最终合理权重。在最终权重确定后,利用云重心法进行评价,可将难以量化的定性指标进行量化转换,并算出各指标状态值与其理想状态值之间的偏离程度,进而找出该项目在实施全过程中的问题,准确性高。
Description
技术领域
本发明涉及电网工程技术领域,具体涉及一种基于云重心的电网工程后评价方法。
背景技术
目前,我国经济正处在一个高速发展的阶段,各种建设项目的开展,大量企业的兴办以及人们生活水平提高随之带来的各种家用电器的增加,这些变化都导致了用电量的大幅增长。首先,为了避免西部电力资源的浪费以及解决东部电量的紧缺,国家进行了宏观调控,开展了西电东送、南北互供的全国联网工程,这将加大高压电网架构建设的投资力度;其次,各行业生产用电和居民生活用电负荷的快速增长,使得现有中低压电网结构的薄弱环节日益显现,改造或者新建电网迫在眉睫;再次,电网项目的大批量上马,必然引起电网配套工程的大规模建设。为保证项目投资效益的提升,全面了解项目全生命周期实际情况与预期情况的差异,电网工程项目亟需进行科学有效的后评价。
电网工程项目后评价,指的是项目建成投产并稳定运行1~2年后对项目建设的目的、实施过程、效益、作用和影响等进行全过程、全面系统的分析和总结,是项目建设周期的最后一个重要环节。只有充分认识和认真分析电网工程项目的特点,才能够对其进行合理评价。除了考虑到电网工程项目的特点以外,对某一个项目进行后评价还需要结合自身实际情况,这样才能准确分析项目的效益和可持续发展能力等。
现有的电网工程项目后评价方法往往采用主观评价法或客观评价法,但不论是主观评价法还是客观评价法,其评价结果准确性均较低。
发明内容
为解决上述技术问题,本发明提供了一种评价结果准确性高的基于云重心的电网工程后评价方法。
本发明的技术方案为:一种基于云重心的电网工程后评价方法,采用主观评价法和客观评价法对采集获取的电网工程各个指标进行初步评价,再采用乘法集成法对各个指标的综合权重进行计算,最后利用云重心法进行评价,得到电网工程最终评价结果。
进一步的,所述云重心法的评价过程为:构建评语集,根据所述各个指标的综合权重计算各个指标的偏离度,直至得出电网工程一级指标的实际评估值,将所述电网工程一级指标的实际评估值与所述评语集进行比对,得出电网工程最终评价结果。
进一步的,所述评语集的构建过程为:将实际评估值对应的区间[0,1]等分为k个区间,每个所述区间依次对应一个评语,所述评语根据区间从小到大的顺序从劣至优分布。
进一步的,所述电网工程一级指标的实际评估值计算过程为:
通过云重心计算出所述评语集内每个评语所对应的期望值和熵值,生成评语的期望值/熵值分布表;
对所述电网工程最末级各个指标进行专家打分,生成最末级各个指标的评语分布表;
根据所述评语的期望值/熵值分布表,按照评语与期望值和熵值的对应关系,得出最末级各个指标对应的期望值和熵值;
将实际状态下最末级所有指标的重心向量与理想状态下最末级所有指标的重心向量进行比对,计算出次末级各个指标的云重心偏离度;
根据所述次末级各个指标的云重心偏离度计算出所述次末级各个指标对应的实际评估值;
根据所述次末级各个指标对应的实际评估值对照所述评语集,得到所述次末级各个指标对应的评语,并根据所述评语的期望值/熵值分布表,得出所述次末级各个指标的期望值和熵值;
根据所述次末级各个指标的期望值和熵值继续往上推算,直至计算出第一级各个指标的偏离度,根据第一级各个指标的偏离度计算出所述电网工程一级指标的实际评估值。
进一步的,当第q级的各个指标中指标A在第q+1级中无下属指标时,对指标A进行专家点评,得到指标A的评语集,并根据评语的期望值/熵值分布表得出指标A的期望值和熵值,从而得到指标A的上层指标偏离度值;而第q级中在第q+1级存在下属指标的指标B需对第q+1级中对应的下属指标进行专家点评,得到下属指标的评语集,并根据评语的期望值/熵值分布表得出下属指标的期望值和熵值,向上推算,直至得出第q级的指标B的期望值和熵值,从而得到指标B的上层指标偏离度值。
进一步的,所述评语集内每个评语所对应的期望值和熵值计算过程为:
所述Ex(Vj)为专家对第i个指标给出的评语计算得到的期望值;所述En(Vj)为专家对第i个指标给出的评语计算得到的熵值;所述Cmax为专家对第i个指标给出的评语所属区间的右端点值;所述Cmin为专家对第i个指标给出的评语所属区间的左端点值。
进一步的,当专家为m个时,所述评语集内每个评语所对应的期望值和熵值计算过程为:
Eni=En(i,1)+En(i,2)+…+En(i,m);
所述Exi为综合m个专家评语计算得到的第i个指标的期望值;所述Enj为综合m个专家评语计算得到的第i个指标的熵值,所述Ex(i,1)为第1位专家对第i个指标的评语对应的期望值;所述En(i,1)为第1位专家对第i个指标的评语对应的熵值。
进一步的,所述次末级各个指标的云重心偏离度根据以下公式进行计算:Ti=Li×Hi,所述T0为理想状态下次末级所有指标的重心向量,所述Ti 0为理想状态下次末级的第i个指标的重心值;Li 0为理想状态下p维综合云中第i个指标的重心的位置,所述Hi 0为理想状态下p维综合云中第i个指标的重心的高度,所述Li为实际状态下第i个指标的期望值,所述Hi为实际状态下p维综合云中第i个指标的重心的高度,所述P为次末级的指标个数。
进一步的,所述主观评价法采用层次分析法。
进一步的,所述客观评价法采用熵权法。
本发明的有益效果:基于层次分析法和熵权法的综合赋权法,进行优势互补,将由层次分析法和熵权法分别计算的权重,在利用加法集成法进行综合权重的计算,可以充分采纳两种方法的优点而避免二者的不足,从而确定出电网工程项目后评价指标的最终合理权重。在最终权重确定后,利用云重心法进行评价,可将难以量化的定性指标进行量化转换,并算出各指标状态值与其理想状态值之间的偏离程度,进而找出该项目在实施全过程中的问题,准确性高。
附图说明
图1为本发明的流程图;
具体实施方式
以下通过具体实施例对本发明作进一步的详细说明:
如图1所示,本发明主观赋权法选定层次分析法,客观赋权法选定熵权法,综合赋权法选定为乘法集成法,再利用云重心法评价总体情况。
S1:层次分析法:
1、构造递阶层次结构;
2、邀请多名专家或决策者进行判断,针对上一层的某元素,在下一层中两两元素Ai和Aj进行相对重要性的判断并将其量化,来构造比较判断矩阵;
3、计算判断矩阵的特征向量和特征值;
4、对判断矩阵进行一致性检验:当随机一致性比率C.R越小时,判断矩阵的一致性越好。一般认为,当C.R<0.1时,判断矩阵符合满意一致性标准。否则,需要修正判断矩阵,直至取得满意的一致性;
5、计算各层元素的组合权重,同时,按上个步骤中的一致性检验办法进行一致性检验;
6、进行总体一致性判断,若此时C.R≤0.1,则认为结果是符合要求的,则该组合权重即主观权重。
S2:熵权法:
利用熵权法确定权重的具体步骤如下:
第一步,评价指标矩阵的初建。假设存在n个评价准则指标fi(i=1,2,…,n),m个评价对象yj(j=1,2,…,m),通过定向和定量方法相结合的评定,构建指标的评价矩阵B。
第二步,对矩阵B做标准化处理,消除各评价间不同量纲对评价指标权重分配的影响,得到归一化判断矩阵R。
第三步,对归一化判断矩阵R中的值rij(第j个评价对象在第i个评价准则指标上的标准化评分值)进行比重划分,得到第j个评价对象在第i个评价准则指标上的特征比重pij。
最后将特征比重pij代入到熵值公式,计算得到第i个评价准则的熵Hi。
第四步,计算指标的权重。
将第i个评价准则的熵Hi带入熵权公式得到第i个评价指标的客观权重wbi,则第1~n个评价指标的熵权计算集为Wb=(wb1,wb2,…,wbn)。
S3:乘法集成:
设wai、wbi分别是层次分析法和熵权法原理生成的第i个指标fi的主观权重和客观权重,利用乘法继承法计算得到具有同时体现主客观信息集成特征的最终权重wi。
S4:云重心评价模型构建
云重心评价模型可以将难以量化的定性指标进行量化转换,并算出各指标状态值与其理想状态值之间的偏离程度,进而找出该项目在实施全过程中的问题。运用云重心评价项目的步骤如下:
(1)构建评语集,划分区间
将实际评估值对应的区间[0,1]等分为k个区间,每个区间依次对应一个评语,评语根据区间从小到大的顺序从劣至优分布。本专利将评语集分为8个等级,即k=8时,假设其均匀分布在[0,1]区间上,评语集各评语对应区间关系如表1所示,V=(V1,V2,V3,V4,V5,V6,V7,V8)=(很差,差,较差,一般,较好,好,很好,非常好)。其中,非常好即理想状态。
表1:
评语 | 很差 | 差 | 较差 | 一般 |
区间(Cmax,Cmin] | [0,0.125] | (0.125,0.25] | (0.25,0.375] | (0.375,0.5] |
评语 | 较好 | 好 | 很好 | 非常好 |
区间(Cmax,Cmin] | (0.5,0.625] | (0.625,0.75] | (0.75,0.875] | (0.875,1] |
针对评语集,其期望值公式和熵值公式为:
Ex(V1)=0 (式3)
Ex(Vk)=1 (式4)
式中:
Ex(Vj)——某位专家对指标给出的评语为第j种评语时的期望值;
En(Vj)——某位专家对指标给出的评语为第j种评语时的熵值;
Cmax——某位专家对第i个指标给出的评语所属区间的右端点值;
Cmin——某位专家对第i个指标给出的评语所属区间的左端点值。
通过云重心计算出所述评语集内每个评语所对应的期望值和熵值,生成评语的期望值/熵值分布表表2。
表2:
(2)结合m位专家给出的一级指标下层p个指标的状态值,计算各指标的期望值和熵值,当m=20时,公式如下:
Eni=En(i,1)+En(i,2)+…+En(i,20) (式6)
式中,
Exi——综合20位专家评语计算得到的第i个指标的期望值;
Ex(i,1)——第1位专家对第i个指标的评语对应的期望值;
En(i,1)——第1位专家对第i个指标的评语对应的熵值;
Eni——综合20位专家评语计算得到的第i个指标的熵值;
p——计算层指标的数量。
i=1,2,…,p。
(3)将综合云重心T1用p个指标的云重心表达,则p维综合云的重心向量可以表示为:
T1=(T1,T2,…,Tp) (式7)
Ti=Li×Hi;Li=Exi;Hi=wi;
T1——实际状态下p维综合云第1~p个指标的重心向量;
Ti——实际状态下p维综合云中第i个指标的重心值;
Li——实际状态下p维综合云中第i个指标的重心的位置,即实际状态下第i个指标的期望值;
Exi——综合20位专家评语计算得到的第i个指标的期望值;
Hi——实际状态下p维综合云中第i个指标的重心的高度;
wi——层次分析法和熵权法综合计算得到的第i个评价指标的权重;
i=1,2,…,p。
(4)测算云重心,并将云重心归一化
设定理想状态下p维云重心位置为T0,理想状态下指的是所有专家均认为该项目第i个指标的评语为非常好,对应的期望值为1,而根据以下公式有:
其中,
在云重心法中,p维综合云的重心向量由重心的位置和高度决定,而某个指标的重心位置由指标的期望值决定其该指标在云中的横向分布;重心高度由由其在该层指标的重要程度决定其在云中的纵向分布,即无论是实际状态下还是理想状态下,第i个指标的重心的高度均是指标具体的权重决定,因此有
T0——理想状态下p维综合云第1~p个指标的重心向量;
Ti 0——理想状态下p维综合云中第i个指标的重心值;
Li 0——理想状态下p维综合云中第i个指标的重心的位置,即理想状态下第i个指标的期望值;
Hi 0——理想状态下p维综合云中第i个指标的重心的高度;
Hi——实际状态下p维综合云中第i个指标的重心的高度;
wi——层次分析法和熵权法综合计算得到的第i个评价指标的权重。
(5)将实际状态下的云重心向量T1和理想状态下的云重心向量T0作比较,则其差异值归一化得到向量TG:
式中,TG——代表实际状态和理想状态重心差距的向量;
Ti——p维综合云中第i个指标的重心值;
Ti 0——理想状态下p维综合云中第i个指标的重心值。
(6)计算归一化后计算云重心的偏离度,有:
式中,θ——p维综合云重心的偏离度;
TG——代表实际状态和理想状态差距的重心向量;
wi——层次分析法和熵权法综合计算得到的第i个评价指标的权重。
而由于理想状态下的设定是实际情况和理想状态完全一致,因此实际状态和理想状态没有差距,即理想状态的偏离度θ0=0。
其中,偏离度指的是该指标的实际状态的评估值与该指标理想状态,即最佳评语——非常好V8的期望值(期望值为1)的偏离程度。
本实施例具体以某220kV电网工程项目的后评价为例进行说明,对其进行社会、经济、技术、环境等因素的综合价值后评价,以此验证后评价方法的合理性和实用性。后评价所用的各个指标包括线路负载率、主变负载率、最高用电负荷等,均可通过采集获得。
对于该后评价项目,共有四级指标,由一级指标构成的指标集为U=(u1,u2,u3,u4,u5,u6,u7),其中u1,u2,…,u7为7个一级指标。
以此类推:
u1=(u11,u12,u13,u14),u2=(u21,u22,u23),…,u7=(u71,u72),u11,…,u72为二级指标论域;
u11=(u111,u112,u113),u12=(u121,u122,u123),…,u72=(u721,u722)三级指标论域;
u211=(u2111,u2112,u2113),…,u722=(u7221,u7222,u7223)为四级指标。
首先,运用层次分析法计算主观权重。
以二级指标下u11的三个三级指标u111,u112,u113为例,根据两两比较的原则,邀请多名专家或决策者进行判断,可构造下面权重比的正互反一致性判断矩阵A11:
根据矩阵A11的,最大特征根可得λ′max=3.09;其对应的特征向量为w′11=(0.2375,0.3607,0.4018)。根据矩阵一致性指标计算公式,该矩阵的一致性为:
则这些指标符合满意一致性标准,可得u111(项目选址及环评等前期工作是否落实),u112(项目立项条件),u113(项目决策结果)的权向量为wa11=(0.2375,0.3607,0.4018)。
其次,运用熵权法确定客观权重。
针对u11(立项条件与依据)的三个三级指标u111(项目选址及环评等前期工作是否落实),u112(项目立项条件),u113(项目决策结果),熵权法以10个已完成的电网工程项目yj(j=1,2,…,10)为评价对象,通过以往项目的相关指标数据评分,得到评价矩阵:
对矩阵进行标准化后,得到归一化判断矩阵R11:
归一化判断矩阵,得:
H1=0.88344,H2=0.920377,H3=0.911
则有:
则u111(项目选址及环评等前期工作是否落实),u112(项目立项条件),u113(项目决策结果)三个指标的权重集Wb11为:Wb11=(0.4087,0.2792,0.3121),然后,运用乘法集成法计算出主客观权重加权的综合权重,则二级指标下u11(立项条件与依据)的三个三级指标u111(项目选址及环评等前期工作是否落实),u112(项目立项条件),u113(项目决策结果)三个指标的综合赋权权重分别为:
按照主观权重——客观权重——综合权重这一算法,其余各层指标可以依次求得,这里不再一一列举。最后,计算完全部指标的最终权重后,对该220kV项目的实际情况进行综合评价。下面以三级指标u331投资控制过程的计算为例介绍云重心算法:
步骤一,选取20个专家对u331投资控制过程各项因素进行专家打分,最终u331四级指标打分情况详见表3。
表3 u331四级指标专家打分情况
步骤二,结合20位专家给出的三级指标u331投资控制过程下层3个指标的评语,将评语转换成表2的期望值和熵值,结合计算公式,最终计算出u331下层指标u3311,u3312和u3313的期望值和熵值:
En1(u3311)=0.0104+0.0208+…+0.0208=0.4056
En2(u3312)=0.0208+0.0208+…+0.0208=0.416
En3(u3313)=0.0208+0.0208+…+0.0208=0.416
步骤三,将三级指标u331投资控制过程综合云重心T1用3个指标的云重心表达:
T1=(T1,T2,T3)
其中,L1=Ex1(u3311)=0.6645,L2=Ex2(u3312)=0.5160,L3=Ex3(u3313)=0.5609;研究报告中,H1=w3311=0.3,H2=w3312=0.3,H3=w3313=0.4。则实际状态下第1~3个指标u3311,u3312和u3313的云重心值分别为:
则三级指标u331投资控制过程三维综合云的重心向量可以表示为:T1=(T1,T2,T3)=(0.1993,0.1549,0.2244)。
步骤四,测算三级指标u331投资控制过程的理想云重心。而根据理想状态下云重心的特点,根据算法有:
L1 0=1,L3 0=1,L3 0=1;H1 0=H1=w3311=0.3,H2 0=H2=w3312=0.3,H3 0=H3=w3313=0.3。
则理想状态下第1~3个指标u3311,u3312和u3313的云重心值分别为:
即
步骤五,将T1和T0作比较,则其差异值归一化得到向量TG:
即
步骤六,归一化后计算云重心的偏离度
θ331=T1 G×w3311+T2 G×w3312+T3 G×w3313=0.3355×0.3+0.4840×0.3+0.4391×0.4=0.4215
同理可以得到该层指标u332的偏离度θ332为0.4029,也可得到其他有下属四级指标的三级指标的偏离度θ211=0.3131,θ341=0.3441,θ351=0.3316,θ361=0.2892,θ391=0.2822,θ393=0.2748,θ393=0.2743,θ431=0.2981,θ432=0.3567,θ521=0.3904,θ522=0.5275,θ711=0.3893,θ712=0.3359,θ721=0.4862,θ722=0.3987。
对照表1评语区间,根据计算得到的这些指标的偏离度找到对应的评语,再将对应的评语转换成表2的期望值和熵值。以u331为例说明偏离度与评语集、期望值和熵值的对应情况:u331的偏离度为0.4215,则该偏离度与理想状态的期望值的差值为1-0.4215=0.5785,位于表1的区间(0.5,0.625]中,则对应“较好”评语,根据表2将“较好”评语转换成对应的期望值和熵值,即期望值为0.5625,熵值为0.0208。
在计算这些三级指标的偏离度时还需要区分三级指标是否有下属四级指标。如果这些三级指标的同层指标均有下属四级指标,如u331和u332,则可依据步骤二至步骤六,算出其上层二级指标的偏离度;如果这些指标的同层指标中有个别指标没有下属四级指标,如u211有下属四级指标,u212没有下属四级指标,则需要专家根据项目实际情况对没有下属四级指标的该三级指标给出评语,再将给出的评语转换成表2的期望值和熵值,再依据步骤二至步骤六将该层三级指标进行云重心计算,得到其上层二级指标的偏离度。至此,可以得到以上三级指标的上层二级指标u21,u33,u34,u35,u36,u39,u43,u52,u71,u72的偏离度。
对于除u21,u33,u34,u35,u36,u39,u43,u52,u71,u72以外的二级指标,需要邀请专家对其下层三级指标给出评语,再依据步骤二至步骤六进行计算,得到这些二级指标的偏离度。至此,得到所有二级指标的偏离度。
对二级指标集合{u11,u12,u13,u14}、{u21,u22,u23}、{u31,u32,u33,u34,u35,u36,u37,u38,u39}、{u41,u42,u43}、{u51,u52,u53,u54}、{u61,u62}、{u71,u72}的指标的偏离度转换成表1的评语,再将给出的评语转换成表2的期望值和熵值,最后步骤二至六,层层推进,可得一级指标u1,u2,…,u7的偏离度依次为:0.0937,0.3125,0.3187,0.2875,0.4125,0.3125,0.4375。由于偏离度指的是该指标的实际状态的评估值与该指标理想状态,即理想状态下最佳评语——非常好V8的期望值(期望值为1)的差值,下面,以u1为例说明偏离度与评语集、期望值和熵值的对应情况:u1的偏离度为0.0937,则该偏离度与理想状态的期望值的差值为1-0.0937=0.9063,位于表1的区间(0.875,1]中,则对应“非常好”评语,根据表2将“非常好”评语转换成对应的期望值和熵值,即期望值为1,熵值为0.0104。
因此,对照表1和表2,这七个一级指标偏离度对应的评语集、期望值、熵值见表4。
表4一级指标的偏离度对、评语集、期望值和熵值
指标 | u1 | u2 | u3 | u4 | u5 | u6 | u7 |
偏离度 | 0.0937 | 0.3125 | 0.3187 | 0.2875 | 0.4125 | 0.3125 | 0.4375 |
评语 | 非常好 | 好 | 好 | 好 | 较好 | 好 | 较好 |
期望值 | 1 | 0.6875 | 0.6875 | 0.6875 | 0.5625 | 0.6875 | 0.5625 |
熵值 | 0.0104 | 0.0208 | 0.0208 | 0.0208 | 0.0208 | 0.0208 | 0.0208 |
根据表4数据可以看出项目前期投资决策评价为“非常好”,项目实施准备工作、项目建设实施过程、项目运营情况和项目影响评价的评语值为“好”,而项目效果和效益情况以及项目目标和可持续评价的评语值为“较好”,说明项目效果和效益情况以及项目目标和可持续发展方面还有待提升。
在表4的基础上,利用u1,u2,…,u7的期望值和熵值结合步骤二至六进行计算,最后可得该项目的总体偏离度为0.3817。根据偏离度对应的区间,对于所评价的后评价项目的评判结果进行分析,在八个评语区间中,该后评价项目的评语值为“好”,说明该电网工程项目立项时的各预期目标的实现程度较好,项目的执行过程规范,所发挥出来的效益和影响十分良好。
以上所述,仅为本发明的具体实施方式,应当指出,任何熟悉本领域的技术人员在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于云重心的电网工程后评价方法,其特征在于:采用主观评价法和客观评价法对采集获取的电网工程各个指标进行初步评价,再采用乘法集成法对各个指标的综合权重进行计算,最后利用云重心法进行评价,得到电网工程最终评价结果。
2.如权利要求1所述基于云重心的电网工程后评价方法,其特征在于,所述云重心法的评价过程为:构建评语集,根据所述各个指标的综合权重计算各个指标的偏离度,直至得出电网工程一级指标的实际评估值,将所述电网工程一级指标的实际评估值与所述评语集进行比对,得出电网工程最终评价结果。
3.如权利要求2所述基于云重心的电网工程后评价方法,其特征在于,所述评语集的构建过程为:将实际评估值对应的区间[0,1]等分为k个区间,每个所述区间依次对应一个评语,所述评语根据区间从小到大的顺序从劣至优分布。
4.如权利要求2所述基于云重心的电网工程后评价方法,其特征在于,所述电网工程一级指标的实际评估值计算过程为:
通过云重心计算出所述评语集内每个评语所对应的期望值和熵值,生成评语的期望值/熵值分布表;
对所述电网工程最末级各个指标进行专家打分,生成最末级各个指标的评语分布表;
根据所述评语的期望值/熵值分布表,按照评语与期望值和熵值的对应关系,得出最末级各个指标对应的期望值和熵值;
将实际状态下最末级所有指标的重心向量与理想状态下最末级所有指标的重心向量进行比对,计算出次末级各个指标的云重心偏离度;
根据所述次末级各个指标的云重心偏离度计算出所述次末级各个指标对应的实际评估值;
根据所述次末级各个指标对应的实际评估值对照所述评语集,得到所述次末级各个指标对应的评语,并根据所述评语的期望值/熵值分布表,得出所述次末级各个指标的期望值和熵值;
根据所述次末级各个指标的期望值和熵值继续往上推算,直至计算出第一级各个指标的偏离度,根据第一级各个指标的偏离度计算出所述电网工程一级指标的实际评估值。
5.如权利要求4所述基于云重心的电网工程后评价方法,其特征在于:当第q级的各个指标中指标A在第q+1级中无下属指标时,对指标A进行专家点评,得到指标A的评语集,并根据评语的期望值/熵值分布表得出指标A的期望值和熵值,从而得到指标A的上层指标偏离度值;而第q级中在第q+1级存在下属指标的指标B需对第q+1级中对应的下属指标进行专家点评,得到下属指标的评语集,并根据评语的期望值/熵值分布表得出下属指标的期望值和熵值,向上推算,直至得出第q级的指标B的期望值和熵值,从而得到指标B的上层指标偏离度值。
6.如权利要求1所述基于云重心的电网工程后评价方法,其特征在于,所述评语集内每个评语所对应的期望值和熵值计算过程为:
所述Ex(Vj)为专家对第i个指标给出的评语计算得到的期望值;所述En(Vj)为专家对第i个指标给出的评语计算得到的熵值;所述Cmax为专家对第i个指标给出的评语所属区间的右端点值;所述Cmin为专家对第i个指标给出的评语所属区间的左端点值。
7.如权利要求4所述基于全寿命周期的配网项目可靠性效益评估方法,其特征在于,当专家为m个时,所述评语集内每个评语所对应的期望值和熵值计算过程为:
Eni=En(i,1)+En(i,2)+…+En(i,m);
所述Exi为综合m个专家评语计算得到的第i个指标的期望值;所述Enj为综合m个专家评语计算得到的第i个指标的熵值,所述Ex(i,1)为第1位专家对第i个指标的评语对应的期望值;所述En(i,1)为第1位专家对第i个指标的评语对应的熵值。
8.如权利要求7所述基于云重心的电网工程后评价方法,其特征在于,所述次末级各个指标的云重心偏离度根据以下公式进行计算: Ti=Li×Hi,所述T0为理想状态下次末级所有指标的重心向量,所述Ti 0为理想状态下次末级的第i个指标的重心值;Li 0为理想状态下p维综合云中第i个指标的重心的位置,所述Hi 0为理想状态下p维综合云中第i个指标的重心的高度,所述Li为实际状态下第i个指标的期望值,所述Hi为实际状态下p维综合云中第i个指标的重心的高度,所述P为次末级的指标个数。
9.如权利要求1所述基于云重心的电网工程后评价方法,其特征在于:所述主观评价法采用层次分析法。
10.如权利要求1所述基于云重心的电网工程后评价方法,其特征在于:所述客观评价法采用熵权法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610817061.6A CN106504110A (zh) | 2016-09-12 | 2016-09-12 | 基于云重心的电网工程后评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610817061.6A CN106504110A (zh) | 2016-09-12 | 2016-09-12 | 基于云重心的电网工程后评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106504110A true CN106504110A (zh) | 2017-03-15 |
Family
ID=58290034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610817061.6A Pending CN106504110A (zh) | 2016-09-12 | 2016-09-12 | 基于云重心的电网工程后评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504110A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239900A (zh) * | 2017-06-01 | 2017-10-10 | 陕西学前师范学院 | 基于可拓云模型的本科毕业论文质量评价方法 |
CN108090652A (zh) * | 2017-11-22 | 2018-05-29 | 北京科东电力控制系统有限责任公司 | 构建基于大数据技术的电力交易指标体系的方法 |
CN109299551A (zh) * | 2018-09-30 | 2019-02-01 | 武汉大学 | 一种电力变压器状态评估方法 |
CN115965120A (zh) * | 2022-12-01 | 2023-04-14 | 广东电网有限责任公司 | 一种区域能源在短期内的安全预警方法 |
-
2016
- 2016-09-12 CN CN201610817061.6A patent/CN106504110A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239900A (zh) * | 2017-06-01 | 2017-10-10 | 陕西学前师范学院 | 基于可拓云模型的本科毕业论文质量评价方法 |
CN108090652A (zh) * | 2017-11-22 | 2018-05-29 | 北京科东电力控制系统有限责任公司 | 构建基于大数据技术的电力交易指标体系的方法 |
WO2019100504A1 (zh) * | 2017-11-22 | 2019-05-31 | 北京科东电力控制系统有限责任公司 | 构建基于大数据技术的电力交易指标体系的方法 |
CN109299551A (zh) * | 2018-09-30 | 2019-02-01 | 武汉大学 | 一种电力变压器状态评估方法 |
CN115965120A (zh) * | 2022-12-01 | 2023-04-14 | 广东电网有限责任公司 | 一种区域能源在短期内的安全预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169633A (zh) | 一种输气管网、储气库调峰方案综合评价方法 | |
CN103761690A (zh) | 基于电网系统中电压无功控制系统的评估方法 | |
CN109784582B (zh) | 一种区域经济部门配水均衡方法及系统 | |
CN106504110A (zh) | 基于云重心的电网工程后评价方法 | |
CN103679544A (zh) | 一种智能配电网运行综合评估方法 | |
CN104318482A (zh) | 一套智能配电网综合评估体系和方法 | |
CN107248029A (zh) | 一种土地利用结构优化的多目标改进差分进化模型 | |
CN109697566A (zh) | 机电产品加工工艺评价系统及其评价方法 | |
CN109544006A (zh) | 一种评价电动汽车充电站经济效益的方法 | |
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 | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN107506920A (zh) | 土地资源节约利用与环境友好一体化评价方法 | |
Fang et al. | Water shortages, intersectoral water allocation and economic growth: the case of China | |
Wu et al. | A comprehensive obstacle analysis framework on dispersed wind power: a case of China | |
CN103793757A (zh) | 一种层级式模块化电网规划方案优化方法 | |
CN106022957A (zh) | 一种电力系统电网协调性发展评价方法 | |
CN108537581A (zh) | 基于gmdh选择性组合的能源消费量时间序列预测方法及装置 | |
CN105117859A (zh) | 基于iowa算子的电力发展水平通用评价方法 | |
CN104992246A (zh) | 一种基于改进最小二乘法的变电站站用负荷电量预测方法 | |
CN106408452A (zh) | 含多分布式电源配电网的电动汽车充电站优化配置方法 | |
CN106056248A (zh) | 一种可中断负荷项目用户参与度预测方法 | |
Ma et al. | Comprehensive evaluation of renewable energy for power projects based on CA-DEA model | |
Tinyakova et al. | Territorial subjects development planning system modification for improving life quality of the population | |
Yan et al. | Water demand forecast model of least squares support vector machine based on particle swarm optimization | |
Ma et al. | Fuzzy AHP-based comprehensive evaluation for smart grid in energy internet systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 430077 197 Xu Dong Street, Hongshan District, Wuhan, Hubei. Applicant after: STATE GRID HUBEI ELECTRIC POWER COMPANY Applicant after: Hubei electric survey and Design Institute Co., Ltd. Address before: 430077 197 Xu Dong Street, Hongshan District, Wuhan, Hubei. Applicant before: STATE GRID HUBEI ELECTRIC POWER COMPANY Applicant before: Hubei Electric Power Survey and Design Inst. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |