CN106650959A - 一种基于改进灰色聚类的配电网抢修能力评估方法 - Google Patents

Abstract

本发明涉及一种基于改进灰色聚类的配电网抢修能力评估方法，包括以下步骤：S1，采用层次分析法建立评估指标体系；S2，分别采集各电力公司的原始指标值，得到原始指标矩阵，对原始指标值去量纲化，得到标准化指标矩阵；S3，对原始指标矩阵归一化，根据信息熵理论，对指标建立权重，得到熵权矩阵；S4，采用灰色聚类法，设定灰类的个数及白化权函数，分别计算各灰类对应的饱和度矩阵；S5，根据步骤S4得到的饱和度矩阵和熵权矩阵进行模糊化运算，得到聚类评估值矩阵，根据中每行元素的最大值，确定各电力公司所属灰类。与现有技术相比，本发明能完整且能反映配电网抢修能力特性，为科学评估配电网抢修能力水平制定了一整套完备的参考依据。

Description

一种基于改进灰色聚类的配电网抢修能力评估方法

技术领域

本发明涉及一种配电网抢修能力评估方法，尤其是涉及一种基于改进灰色聚类的配电网抢修能力评估方法。

背景技术

配电网抢修能力是指配电网在电力用户出现故障后最大限度恢复其供电能力的度量，是衡量配电网供电可靠性的重要指标之一，明确配电网抢修能力，可以指导未来电网及配套设施建设方案的优化。

配电网的抢修工作主要由所在区域的电力公司来完成，由于影响抢修能力的因素很多，目前没有一个能够根据电力公司的配网抢修历史数据以及客观因素来对配电网抢修能力进行评估的方法。

现有的评估方法主要是针对其他行业的抢修能力或电力行业的其他方向进行评估研究，评估方法基本分为定性以及定量两种，定性主要为专家打分，定量则为层次分析法以及数学包络分析，其中层次分析法由于主观性较大，多对其进行一定改进处理，如模糊数学或者灰色理论，但现有的理论对配电网的特性不适用，即单纯用模糊理论实现会在确定权重这步出现计算困难的情况，而灰色理论的白化数与配电网中的特性(如抢修时间等)不一致，需要进行改进。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于改进灰色聚类的配电网抢修能力评估方法，可以明确抢修能力水平，便于资源调度及优化管理。

本发明的目的可以通过以下技术方案来实现：

一种基于改进灰色聚类的配电网抢修能力评估方法，包括以下步骤：

S1，采用层次分析法建立评估指标体系，包括目标层和指标层，目标层为配电网抢修能力，指标层包括与组织指挥、资源准备、外界条件、内部环境有关的指标，通过目标层和指标层对现有抢修能力进行评估，通过评估结果发现问题，根据问题可以设立对应方案；

S2，分别采集各电力公司的原始指标值，得到n行、m列的原始指标矩阵S，对原始指标值去量纲化，得到标准化指标矩阵X，其中n为电力公司个数，m为指标个数；

S3，对原始指标矩阵S归一化，得到归一化矩阵η，根据信息熵理论，对指标建立权重，得到1行、m列的熵权矩阵W；

S4，采用灰色聚类法，设定灰类的个数p及对应的白化权函数，分别根据标准化指标矩阵X计算各灰类对应的n行、m列的饱和度矩阵F^k，其中k表示灰类的序号，k＝1,2…p；

S5，根据步骤S4得到的p个饱和度矩阵F^k和步骤S3得到的熵权矩阵W进行模糊化运算，得到n行、p列的聚类评估值矩阵σ，根据σ中每行元素的最大值，确定各电力公司所属灰类。即：聚类评估值矩阵σ中的行元素表示待评价电力公司i在各个灰类上的评估值：σ_i＝[σ_i ¹,σ_i ²,σ_i ³,σ_i ⁴]，根据σ_i中的最大值确定待评价电力公司所属灰类。设则称对象属于灰类k*。

所述的步骤S2中，原始指标数据由专家经验采用Delphi法得到。

所述的步骤S2中，对原始指标值s_ij去量纲化的方法具体为：若原始指标值s_ij要求越大越好或越小越好(部分指标要求满足正相关属性，即数值越大越好；部分指标要求满足负相关属性，即数值越小越好)，则采用式(1)处理，若原始指标值s_ij要求适中(如外界条件的道路温度要求适中)，则采用式(2)处理，

其中，x_ij为去量纲化后的指标值，Q_ij、q_ij分别为原始指标值s_ij的理想上限和理想下限。

所述的步骤S3中，归一化矩阵η中元素η_ij计算方法为：

其中，i＝1,2…,n，j＝1,2…,m，s_ij为原始指标值。

所述的步骤S3中，熵权矩阵W的元素w_j计算式为：

其中，j＝1,2…,m，H_j为第j个指标的信息熵，

所述的步骤S4中，饱和度矩阵F^k中，第i个电力公司的第j个指标值的饱和度为其中，x_ij为去量纲化后的指标值，为第k灰类的白化权函数，i＝1,2…,n，j＝1,2…,m。

所述的步骤S4中，设置四种灰类，对应的默认白化数分别为λ₁、λ₂、λ₃、λ₄，灰数区间，灰数是用于描述灰色系统的基本元素，其含义为在信息不完全的背景下，一个对象的取值。由于灰色性的影响，灰数一般不会是一个确定的值，通常会用一个区间来进行表示。仅有下界的灰数可记为[a,∞)；仅有上界的灰数可记为而区间灰数可记为

所述的四个灰类的白化权函数分别为：

其中，r为默认白化数饱和度。

所述的步骤S5中，聚类评估值矩阵其中表示模糊化运算。

与现有技术相比，本发明具有以下优点：

(1)采用层次分析法建立的评估体系，指标层包括与组织指挥、资源准备、外界条件、内部环境有关的指标，能完整且能反映配电网抢修能力特性。

(2)运用信息熵理论更便捷的得到指标权重，计算量小。

(3)步骤S4提出改进的灰色聚类方法，更适应配电网抢修能力评估。

(4)对不同配电网的抢修能力对比和竞争以及提升配电网自动化水平具有较好的指导意义，为科学评估配电网抢修能力水平制定了一整套完备的参考依据。

附图说明

图1为本实施例方法的流程示意图；

图2(a)、2(b)、2(c)、2(d)分别为本实施例的第一灰类、第二灰类、第三灰类和第四灰类的白化权函数示意图；

图3为本实施例的四类白化权函数对比图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

如图1所示，一种基于改进灰色聚类的配电网抢修能力评估方法，包括以下步骤：

S1，采用层次分析法建立评估指标体系，包括目标层和指标层，目标层为配电网抢修能力，指标层包括与组织指挥、资源准备、外界条件、内部环境有关的指标，通过目标层和指标层对现有抢修能力进行评估，通过评估结果发现问题，根据问题可以设立对应方案。

S2，由专家经验结合Delphi法得到电力公司的原始指标值，得到n行、m列的原始指标矩阵S，然后对原始指标值去量纲化，得到标准化指标矩阵X，其中n为电力公司个数，m为指标个数。

对原始指标值s_ij去量纲化的方法具体为：若原始指标值s_ij要求越大越好或越小越好(部分指标要求满足正相关属性，即数值越大越好；部分指标要求满足负相关属性，即数值越小越好)，则采用式(1)处理，若原始指标值s_ij要求适中(如外界条件的道路温度要求适中)，则采用式(2)处理，

其中，x_ij为去量纲化后的指标值，Q_ij、q_ij分别为原始指标值s_ij的理想上限和理想下限。

S3，对原始指标矩阵S归一化，得到归一化矩阵η，根据信息熵理论，对指标建立权重，得到1行、m列的熵权矩阵W。

其中，归一化矩阵η中元素η_ij计算方法为：

其中，i＝1,2…,n，j＝1,2…,m，s_ij为原始指标值。

熵权矩阵W的元素w_j计算式为：

其中，j＝1,2…,m，H_j为第j个指标的信息熵，

S4，采用灰色聚类法，设定灰类的个数p及对应的白化权函数，分别计算各灰类对应的n行、m列的饱和度矩阵F^k，其中k表示灰类的序号，k＝1,2…p。

饱和度矩阵F^k中，第i个电力公司的第j个指标值的饱和度为其中，x_ij为去量纲化后的指标值，为第k灰类的白化权函数，i＝1,2…,n，j＝1,2…,m。

具体的，优选设置四种灰类，对应的默认白化数分别为λ₁、λ₂、λ₃、λ₄，灰数区间，灰数是用于描述灰色系统的基本元素，其含义为在信息不完全的背景下，一个对象的取值。由于灰色性的影响，灰数一般不会是一个确定的值，通常会用一个区间来进行表示。仅有下界的灰数可记为[a,∞)；仅有上界的灰数可记为而区间灰数可记为保证改进白化权函数能够在定性分析的基础上加强定量评价能力，从中心型纯三角白化权函数出发，针对上灰类、中灰类和下灰类的函数形式进行调整。设4种灰类分别表示为{下灰类，中灰类下，中灰类上，上灰类}，其样本值的取值范围为[0,1)。改进白化权函数可采用分段函数。

四个灰类的白化权函数分别为：

其中，r为默认白化数饱和度。四个灰类的白化权函数示意图分别如图2(a)、2(b)、2(c)、2(d)所示，其对比如图3所示。

S5，根据步骤S4得到的p个饱和度矩阵F^k和步骤S3得到的熵权矩阵W进行模糊化运算，得到n行、p列的聚类评估值矩阵σ，其中表示模糊化运算。根据σ中每行元素的最大值，确定各电力公司所属灰类。

具体的，聚类评估值矩阵σ中的行元素表示待评价电力公司i在各个灰类上的评估值：σ_i＝[σ_i ¹,σ_i ²,σ_i ³,σ_i ⁴]，根据σ_i中的最大值确定待评价电力公司所属灰类。设则称对象属于灰类k*。

本实施例运用四个灰类用来表示配电网中的特性，并结合信息熵理论解决权重中计算困难的问题。

步骤1，导入待评估电力公司历史数据，该历史数据为定量数据；另外，通过专家评估确定其他的指标数据。

表1待评估电力公司历史数据

续表1待评估电力公司历史数据

处理历史数据，得到标准化指标矩阵X，如下：

步骤2，由专家评估得到判断矩阵，通过判断矩阵最终得到权重矩阵W＝[0.660.34 0.64 0.36 0.67 0.01 0.12 0.2 0.25 0.22 0.19 0.34 0.65 0.12 0.17 0.07 0.40.1 0.4 0.1 0.7 0.3 0.69 0.31 0.21 0.79 0.72 0.28 0.78 0.1 0.12]。

步骤3，设定r＝0.7，λ₁＝0.2，λ₂＝0.4，λ₃＝0.6，λ₄＝0.8，将X代入F^k得到4种灰类，取最大值如表2所示。

表2改进灰色聚类评估结果

由表2所示，电力公司1、2为优等电力公司，电力公司6为良等电力公司，电力公司4、5为中等电力公司，电力公司3为劣等电力公司。以电力公司1和6为研究对象，结合表3可以看出，电力公司6应该在人员的数量、技术和素质方面加强建设力度，虽然在温度和道路方面6好于1，但这是由于外界的不可抗力影响因此，仅仅作为抢修能力评估的指标之一，提出建议时不作考虑。此评估方法已运用到该特大型城市的实际抢修业务中。

Claims (8)

1.一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，包括以下步骤：

S1，采用层次分析法建立评估指标体系，包括目标层和指标层，目标层为配电网抢修能力，指标层包括与组织指挥、资源准备、外界条件、内部环境有关的指标；

S2，分别采集各电力公司的原始指标值，得到n行、m列的原始指标矩阵S，对原始指标值去量纲化，得到标准化指标矩阵X，其中n为电力公司个数，m为指标个数；

S3，对原始指标矩阵S归一化，得到归一化矩阵η，根据信息熵理论，对指标建立权重，得到1行、m列的熵权矩阵W；

S4，采用灰色聚类法，设定灰类的个数p及对应的白化权函数，分别根据标准化指标矩阵X计算各灰类对应的n行、m列的饱和度矩阵F^k，其中k表示灰类的序号，k＝1,2…p；

S5，根据步骤S4得到的p个饱和度矩阵F^k和步骤S3得到的熵权矩阵W进行模糊化运算，得到n行、p列的聚类评估值矩阵σ，根据σ中每行元素的最大值，确定各电力公司所属灰类。

2.根据权利要求1所述的一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，所述的步骤S2中，原始指标数据由专家经验采用Delphi法得到。

3.根据权利要求1所述的一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，所述的步骤S2中，对原始指标值s_ij去量纲化的方法具体为：若原始指标值s_ij要求越大越好或越小越好，则采用式(1)处理，若原始指标值s_ij要求适中，则采用式(2)处理，

$x_{ij}=\left\{\begin{array}{cc}100& s_{ij}>Q_{ij}\\ \frac{s_{ij}-q_{ij}}{Q_{ij}-q_{ij}}\&times;100& q_{ij}<s_{ij}\&le;Q_{ij}\\ 0& s_{ij}\&le;q_{ij}\end{array}\right.---\left(1\right)$

$x_{ij}=\left\{\begin{array}{cc}\frac{2(s_{ij}-q_{ij})}{Q_{ij}-q_{ij}}\&times;100& q_{ij}\&le;s_{ij}\&le;\frac{Q_{ij}-q_{ij}}{2}\\ \frac{2(Q_{ij}-s_{ij})}{Q_{ij}-q_{ij}}\&times;100& \frac{Q_{ij}-q_{ij}}{2}<s_{ij}<Q_{ij}\\ 0& s_{ij}>Q_{ij},s_{ij}<q_{ij}\end{array}\right.---\left(2\right)$

其中，x_ij为去量纲化后的指标值，Q_ij、q_ij分别为原始指标值s_ij的理想上限和理想下限。

4.根据权利要求1所述的一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，所述的步骤S3中，归一化矩阵η中元素η_ij计算方法为：

${\mathrm{\&eta;}}_{ij}=\frac{s_{ij}}{\underset{i=1}{\overset{n}{\&Sigma;}}{s}_{ij}}$

其中，i＝1,2…,n，j＝1,2…,m，s_ij为原始指标值。

5.根据权利要求4所述的一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，所述的步骤S3中，熵权矩阵W的元素w_j计算式为：

$w_j=\frac{1-H_j}{m-\underset{i=1}{\overset{n}{\&Sigma;}}{H}_j}$

其中，j＝1,2…,m，H_j为第j个指标的信息熵，

$H_j=-\frac{1}{\ln n}\underset{i=1}{\overset{n}{\&Sigma;}}\left({\mathrm{\&eta;}}_{ij}{\mathrm{ln\&eta;}}_{ij}\right).$

6.根据权利要求1所述的一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，所述的步骤S4中，饱和度矩阵F^k中，第i个电力公司的第j个指标值的饱和度为其中，x_ij为去量纲化后的指标值，为第k灰类的白化权函数，i＝1,2…,n，j＝1,2…,m。

7.根据权利要求6所述的一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，所述的步骤S4中，设置四种灰类，对应的默认白化数分别为λ₁、λ₂、λ₃、λ₄，四个灰类的白化权函数分别为：

$f_j^1\left(x\right)=\left\{\begin{array}{cc}\frac{(r-1)x+{\mathrm{\&lambda;}}_1}{{\mathrm{\&lambda;}}_1},& x\&Element;\&lsqb;0,{\mathrm{\&lambda;}}_1)\\ \frac{r(x-{\mathrm{\&lambda;}}_2)}{{\mathrm{\&lambda;}}_1-{\mathrm{\&lambda;}}_2},& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_1,{\mathrm{\&lambda;}}_2)\\ 0,& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_2,1)\end{array}\right.$

$f_j^2\left(x\right)=\left\{\begin{array}{cc}\frac{1-r}{{\mathrm{\&lambda;}}_1}x,& x\&Element;\&lsqb;0,{\mathrm{\&lambda;}}_1)\\ \frac{r(x-{\mathrm{\&lambda;}}_2)}{{\mathrm{\&lambda;}}_2-{\mathrm{\&lambda;}}_1}+1,& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_1,{\mathrm{\&lambda;}}_2)\\ \frac{-x+{\mathrm{\&lambda;}}_3}{{\mathrm{\&lambda;}}_3-{\mathrm{\&lambda;}}_2},& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_2,{\mathrm{\&lambda;}}_3)\\ 0,& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_3,1)\end{array}\right.$

$f_j^3\left(x\right)=\left\{\begin{array}{cc}0,& x\&Element;\&lsqb;0,{\mathrm{\&lambda;}}_2)\\ \frac{x-{\mathrm{\&lambda;}}_2}{{\mathrm{\&lambda;}}_3-{\mathrm{\&lambda;}}_2},& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_2,{\mathrm{\&lambda;}}_3)\\ \frac{-r(x-{\mathrm{\&lambda;}}_3)}{{\mathrm{\&lambda;}}_4-{\mathrm{\&lambda;}}_3}+1,& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_3,{\mathrm{\&lambda;}}_4)\\ \frac{(1-x)(1-r)}{1-{\mathrm{\&lambda;}}_4},& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_4,1)\end{array}\right.$

$f_j^4\left(x\right)=\left\{\begin{array}{cc}0,& x\&Element;\&lsqb;0,{\mathrm{\&lambda;}}_3)\\ \frac{r(x-{\mathrm{\&lambda;}}_3)}{{\mathrm{\&lambda;}}_4-{\mathrm{\&lambda;}}_3},& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_3,{\mathrm{\&lambda;}}_4)\\ \frac{r(1-x)}{1-{\mathrm{\&lambda;}}_4},& x\&Element;\&lsqb;{\mathrm{\&lambda;}}_4,1)\end{array}\right.$

其中，r为默认白化数饱和度。

8.根据权利要求1所述的一种基于改进灰色聚类的配电网抢修能力评估方法，其特征在于，所述的步骤S5中，聚类评估值矩阵其中表示模糊化运算。