CN107609790A - 智能电网综合效益评估方法、装置、介质及计算机设备 - Google Patents
智能电网综合效益评估方法、装置、介质及计算机设备 Download PDFInfo
- Publication number
- CN107609790A CN107609790A CN201710909598.XA CN201710909598A CN107609790A CN 107609790 A CN107609790 A CN 107609790A CN 201710909598 A CN201710909598 A CN 201710909598A CN 107609790 A CN107609790 A CN 107609790A
- Authority
- CN
- China
- Prior art keywords
- macro
- indicators
- weighted value
- intelligent grid
- index
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 65
- 230000008901 benefit Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 101
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000010276 construction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 8
- 239000013598 vector Substances 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000000205 computational method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000007431 microscopic evaluation Methods 0.000 description 2
- 238000001028 reflection method Methods 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种智能电网综合效益评估方法、装置、存储介质及其计算机设备，针对智能电网指标中宏观指标和微观指标，分别采用主观赋权法和客观赋权法结合的组合赋权法，确定所述宏观指标的权重值；采用基于矩估计理论的组合赋权法，确定所述微观指标的权重值。整个过程中，通过将典型的主、客观赋权法相结合，对智能电网宏观和微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，因此，最终能够准确对智能电网综合效益进行评估。
Description
技术领域
本发明涉及智能电网技术领域，特别是涉及智能电网综合效益评估方法、装置、介质及计算机设备。
背景技术
近年来，在发展可再生能源，实现电网调度的高度信息化、自动化、互动化，发展能源互联网等意识的驱动下，智能电网再次受到业界的高度关注，成为世界各国竞相发展的一个热点领域。然而，智能电网的发展是一项复杂的系统性工程，在全世界范围内依然处于起步阶段，其建设涉及发电、输电、配电、变电、用电和调度等众多环节，对我国社会、经济、环境的发展影响深远。基于智能电网发展的重要的经济和战略意义，需要对智能电网的发展进行规划，因此，科学地评估智能电网示范工程综合效益，具有指导性作用。
现阶段常用的智能电网综合效益评估方法一般采用主观赋权法或客观赋权法进行评估赋权。主观赋权法的缺点在于其方法的主观性太强，易受人为因素影响，且缺乏理论性支撑；而客观赋权法的原始数据来源于评估矩阵的实际数据，权重客观性强，但没有考虑到决策者的主观意愿且计算方法大都比较繁琐，得出的结果可能与各属性的实际重要程度相悖，难以给出明确的解释。
可见，传统的智能电网综合效益评估方法无法准确实现对智能电网综合效益评估，这严重影响智能电网的发展与规划。
发明内容
基于此，有必要针对上述问题，提供一种评估准确的智能电网综合效益评估方法、装置、介质及计算机设备。
一种智能电网综合效益评估方法，包括步骤：
获取智能电网指标，其中，智能电网指标包括宏观指标和微观指标；
采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值；
基于矩估计理论，采用组合赋权法，确定微观指标的权重值；
根据确定的宏观指标的权重值和确定的微观指标的权重值，对智能电网综合效益进行评估。
一种智能电网综合效益评估装置，包括：
获取模块，用于获取智能电网指标，其中，智能电网指标包括宏观指标和微观指标；
第一权重值确定模块，用于采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值；
第二权重值确定模块，用于基于矩估计理论，采用组合赋权法，确定微观指标的权重值；
评估模块，用于根据确定的宏观指标的权重值和确定的微观指标的权重值，对智能电网综合效益进行评估。
本发明智能电网综合效益评估方法与装置，针对智能电网指标中宏观指标和微观指标，分别采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值；基于矩估计理论，采用组合赋权法，确定微观指标的权重值。整个过程中，通过将典型的主、客观赋权法相结合，对智能电网宏观和微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，因此，最终能够准确对智能电网综合效益进行评估。
另，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述方法的步骤。
另，本发明一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述方法的步骤。
上述计算机可读存储介质与计算机设备，其执行上述智能电网综合效益评估方法时，通过将典型的主、客观赋权法相结合，对智能电网宏观和微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，因此，最终能够准确对智能电网综合效益进行评估。
附图说明
图1为智能电网综合效益评估系统中优化目标到利益相关者的映射图；
图2为智能电网综合效益评估指标体系示意图；
图3为本发明智能电网综合效益评估方法第一个实施例的流程示意图；
图4为本发明智能电网综合效益评估方法第二个实施例的流程示意图；
图5为本发明智能电网综合效益评估装置第一个实施例的结构示意图；
图6为本发明智能电网综合效益评估装置第二个实施例的结构示意图。
具体实施方式
为便于解释说明本发明智能电网综合效益评估方法与装置下面将首先针对一些相关的技术、名词进行解释说明。
智能电网综合效益评估指标体系的建立应遵循智能电网未来重点发展领域和关键技术，将智能电网评估指标对题划分为宏观指标集和微观指标集两个层次。其中宏观指标集主要通过剖析利益相关者的实际需求；微观指标集则是对宏观指标分解和转化，通过二维效益分析映射法进一步分解转化，形成具体完整、相互独立的指标。
宏观指标是对智能电网所带来的社会、经济和安全等核心效益进行评估。根据不同的利益相关者，包括终端用户、电网公司及社会群体对智能电网的效益进行划分，从而归纳总结出智能电网的优化目标，并以优化目标作为宏观指标集。宏观指标集和微观指标集之间存在因果关联关系，构建微观指标集的过程本质上是对宏观指标集的进一步分解和转化的过程。通过从宏观指标集出发，分析其组成部分和影响因素,关联智能电网的优化目标与利益相关者，如图1所示，建立一个二维(x，y)的效益分析映射。
根据评估的需求，可以确定各个维度分解的深度。进一步形成相应的下属评估指标集,从而构建合理完善的微观指标集。同时，在选取具体的微观指标时，需要明确定义各个指标，使指标间相互独立，不存在耦合依赖关系；同时指标应为定量指标，计算方法简单，基础数据易于获取，方便其在实际问题中的应用。通过将宏观指标集和微观指标集结合，即完成智能电网综合评估指标体系，其中包括4个宏观指标，每一个宏观指标对应一个微观指标集，如图2所示。
如图3所示，一种智能电网综合效益评估方法，包括步骤：
S200：获取智能电网指标，其中，智能电网指标包括宏观指标和微观指标。
智能电网就是电网的智能化，也被称为“电网2.0”，它是建立在集成的、高速双向通信网络的基础上，通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标，其主要特征包括自愈、激励和包括用户、抵御攻击、提供满足21世纪用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。智能电网指标是用于评估整个智能电网，其具体包括宏观指标和微观指标，宏观指标用于对智能电网所带来的社会、经济和安全等核心效益进行评估，微观指标是对宏观指标的进一步分解和转化。每个宏观指标可以对应一个微观指标集，其微观指标集中包括有多个微观指标。
S400：采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值。
主观赋权法能有效反映决策者的主观意愿，客观指标用于表征客观存在的事实、数据等。在这里，将主观赋权法和客观赋权法进行组合，构成主观赋权法+客观赋权法的组合赋权法，从而整个方案兼顾主观意愿和客观事实，确定宏观指标的权重值。
S600：基于矩估计理论，采用组合赋权法，确定微观指标的权重值。
矩估计法，也称"矩法估计"，就是利用样本矩来估计总体中相应的参数。最简单的矩估计法是用一阶样本原点矩来估计总体的期望而用二阶样本中心矩来估计总体的方差。矩法估计原理简单、使用方便，使用时可以不知总体的分布，而且具有一定的优良性质(如矩估计为Eξ的一致最小方差无偏估计)，因此在实际问题，特别是在教育统计问题中被广泛使用。但在寻找参数的矩法估计量时，对总体原点矩不存在的分布如柯西分布等不能用，另一方面它只涉及总体的一些数字特征，并未用到总体的分布，因此矩法估计量实际上只集中了总体的部分信息，这样它在体现总体分布特征上往往性质较差，只有在样本容量n较大时，才能保障它的优良性,因而理论上讲，矩法估计是以大样本为应用对象的。用样本矩作为相应的总体矩估计来求出估计量的方法.其思想是:如果总体中有K个未知参数，可以用前K阶样本矩估计相应的前k阶总体矩，然后利用未知参数与总体矩的函数关系，求出参数的估计量。
微观评估指标数量较多，以定量指标为主，且指标之间不存在耦合依存关系，相对独立性较强。由于采用单一赋权法确定权重，容易受到赋权法的影响而造成赋权结果的偏倚，因此，在这里采用了基于矩估计理论的组合赋权法，从而提高评估结果的科学性和合理性。
下面将采用具体实例，并结合数学计算公式详细说明上述步骤S600的处理过程。
组合赋权法的核心思想是组合权向量对应的评估值与原权向量对应的评估值向量之间的偏差应尽可能小。
假设有k种赋权方法，假设n个评估指标的综合权重向量为A＝[a1,a2,…,aj,…,an]，可以将k种赋权方法看作从总体中抽取的样本。对于主观权重，如果赋权的数量趋于很大时，由统计学的大数定理可知，其判断的权重向量的综合结果应该接近综合权重向量A，对于客观权重，采用不同的算法得到的结果具有重复性。因此可以用已有的主、客观权重来估计综合权重向量A。
假设分别从主观权重总体中抽取p个样本，客观权重总体中抽取k-p个样本，对于第i个平评估指标，有k个权重样本，组成该评估指标的综合权重ai，需要满足ai与k个主客观权重的偏差越小越好。基本模型如下：
式中：ai为第i个指标组合后的权重值；α，β分别为主、客观权重的相对重要程度系数；gis，git，分别为第s种主观赋权法和第t种客观赋权法对第i个指标的赋权结果。
k个样本来自2个总体，对于第i个评价指标，根据梳理统计的原理，计算指标的主观权重gis和客观权重git的期望值：
根据上式，按照矩估计的基本思想，对于第i个指标，其主客观重要性系数分别为：
对于n个指标，可以看成从2个总体中分别取出n个样本，同样按照矩估计的基本思想，可以得到综合指标中主、客观重要性系数：
A＝[a1,a2,…,aj,…,an]为k种赋权法组合所得的最终权重向量。基于总偏差最小的优化组合赋权法不仅要利用权重信息，还将评估向量作为组合的基础，将权重向量与评估值融合建立优化模型。
为了求解a1，对该模型构造拉格朗日函数L(ai，u)，根据极值存在的必要条件，分别对ai，u求异界偏导数，并令其为0：
以i＝1,2，…，n分别展开，可得综合权重向量＝[a1,a2,…,aj,…,an]。
S800：根据确定的宏观指标的权重值和确定的微观指标的权重值，对智能电网综合效益进行评估。
基于步骤S400确定的宏观指标的权重值以及步骤S600确定的微观指标的权重值，再考虑各个指标(包括宏观指标和微观指标)对应的指标评估值，对智能电网综合效益进行评估。非必要的，步骤S800具体为：根据确定的宏观指标的权重值和确定的微观指标的权重值，将宏观指标与微观指标对应的指标评估值进行加权求和，获得智能电网综合效益评估结果。
本发明智能电网综合效益评估方法，针对智能电网指标中宏观指标和微观指标，分别采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值；采用基于矩估计理论的组合赋权法，确定微观指标的权重值。整个过程中，通过将典型的主、客观赋权法相结合，对智能电网宏观和微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，因此，最终能够准确对智能电网综合效益进行评估。
在其中一个实施例中，采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值的步骤包括：
采用DEMATEL(决策实验室法)-ANP(the Analytic Network Process，网络层次分析法)法和反熵权法结合的组合赋权法，确定宏观指标的权重值。
具体来说，较简单的AHP(Analytic Hierarchy Process，层次分析法)方法而言，ANP法通过内部循环、反馈的网络结构，可以有效处理宏观需求指标间存在的复杂关联关系，并利用DEMATEL理论对ANP方法进行改进，从而解决元素对自身的影响以及元素间相互关系无法客观表示的问题；同时，反熵权法的使用，有助于对指标属性的客观评估，从而使所得的评估结果更加客观、合理，与熵权法相比，还能有效降低权重对指标差异度的敏感性，从而减少权重分配时极端情况出现的频率。因此，在这里将采用DEMATEL-ANP和反熵权法相结合的最优组合赋权方法，对宏观需求指标的权重值进行确定，从而将指标的专家经验信息和指标客观属性综合在一起。
如图4所示，在其中一个实施例中，步骤S400包括：
S420：采用ANP法，将智能电网整体评估作为控制层；
S440：将宏观指标作为网络层元素，根据宏观指标中两两指标之间的关联关系，建立各网络层元素间的ANP网络结构；
S460：采用DEMATEL法，改进ANP网络结构的内部依赖矩阵的构建方法，并构建ANP网络结构的综合影响权重矩阵；
S480：根据构建的综合影响权重矩阵和反熵权法结合的组合赋权法，确定宏观指标的权重值。
针对智能电网综合评估问题，可将电网整体评估作为控制层(目标)，宏观指标作为网络层元素，根据宏观指标两两之间的关联关系，建立各元素间的ANP网络结构。ANP的一个重要步骤就是在一个准则下，对受支配元素进行两两比较，从而获得判断矩阵。智能电网各宏观需求指标间存在相互依存、相互影响的关系，因此需要通过比较间接优势度的方式得到ANP判断矩阵。同时，本文还借鉴DEMATEL法改进了内部依赖矩阵的构建方法，在避免了元素对自身影响程度的主观估计的同时，解决了构建判断矩阵时直接影响和间接影响不统一的问题。
下面将采用具体应用实例，并结合数学计算公式，详细说明上述实施例。
设ANP的网络层中有元素E1，E2，……，En，元素Ej＝(j≠i)对于Ei的直接影响程度为yji。依次以Ei＝(i＝1,2,……,n)为次准则，将其余元素(除Ei外)对该准则元素的直接影响程度进行两两比较，获得相应的判断矩阵，再利用特征根法得出Ei次准则下的权重向量
将所有次准则下的权重向量合成为权重矩阵，由于在构造判断矩阵过程中，没有考虑元素对自身的影响，所以形成的内部依赖矩阵是对角线残缺的。在权重矩阵对角线上填0(表示元素对自身没有直接影响)，即可得DEMATEL方法中的直接影响矩阵Wd。
根据DEMATEL方法求取综合影响矩阵时，需满足矩阵收敛的条件，否则无法确定综合影响矩阵是否可以获得，因此为回避上述问题，本文计算了各层次指标间的平均综合影响矩阵W。
当n充分大时，可采用W＝Wd(I-Wd)-1进行近似计算，其中I为单位矩阵，矩阵W即为所需构建的内部依赖矩阵，简称其为综合影响权重矩阵。将各元素集的内部依赖矩阵进行合并，即可得到系统超矩阵。根据综合影响权重矩阵W的极限是否唯一，可分为两种情况进行讨论：
(1)存在唯一极限值时
W＝limn→∞(Wd)n
(2)当存在多个极限值时，矩阵呈现周期性变化，设P点为某次循环周期的开始，P点极限值为且p为循环周期，则整个周期内的极限值分别为 取各点的平均值即可得到平均综合影响矩阵的极限值。
对于系统的加权矩阵A，同样借鉴DEMATEL方法，对各元素集之间的影响程度进行计算。将其与系统超矩阵结合，即可得到系统加权超矩阵。
对上述矩阵进行2K+1次演化(K→+∞)，最终形成一个长期稳定矩阵，其各行非零值均相同，即得到各评估指标的主观权重向量
在其中一个实施例中，采用DEMATEL-ANP法和反熵权法结合的组合赋权法，确定宏观指标的权重值的步骤包括：
采用反熵权法确定各宏观指标的客观权重；
采用反熵权法确定各宏观指标的客观权重的准则为：指标的差异性越大，熵值越小，指标的权重系数越大；指标的差异性越小，熵值越大，指标的权重系数越小。
宏观指标的客观权重向量wo采用反熵权法进行确定，在确定指标权重时，指标的差异性越大，熵值越小，指标的权重系数越大；反之，指标的差异性越小，熵值越大，指标的权重系数越小。
为避免出现熵权法中指标差异度敏感性较大，导致权重分配时出现了指标过小的极端情况，选用反熵权法确定指标客观权重。
其中，0≤pj≤1且反熵值与熵值的特征有所不同，指标的差异性越大，反熵值和指标的权重系数均越大；反之，指标的差异性越小，反熵值和指标的权重系数均越小。
用反熵权法确定指标权重的步骤如下：设评估问题有m个评估对象，n个评估指标，指标值为xij＝(i＝1,2,…,n；j＝1,2,…,m)，评估矩阵为X＝(xij)n*m。根据评估矩阵X确定各指标的反熵为：
其中，根据反熵值进一步确定各指标的客观权重woi。
根据DEMATEL-ANP方法，确定各指标主观权重集合ws＝{wsi|1≤i≤n}；根据反熵权法，确定各指标的客观权重集合wo＝{woi|1≤i≤n}。根据指标的不同，主客观权重的相对重要程度也有所不同。设主观权重与客观权重的相对重要程度分别表示为α和β，结合矩估计理论的基本思想，最终计算出各指标的主观和客观权重重要系数αi和βi。
利用已得的主观权重集合、客观权重集合以及主客观权重的相对重要系数，最终可计算出综合主、客观信息确定的组合权重wi。
如图5所示，一种智能电网综合效益评估装置，包括：
获取模块200，用于获取智能电网指标，其中，智能电网指标包括宏观指标和微观指标；
第一权重值确定模块400，用于采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值；
第二权重值确定模块600，用于采用基于矩估计理论的组合赋权法，确定微观指标的权重值；
评估模块800，用于根据确定的宏观指标的权重值和确定的微观指标的权重值，对智能电网综合效益进行评估。
在其中一个实施例中，第一权重值确定模块400具体用于采用DEMATEL-ANP法和反熵权法结合的组合赋权法，确定宏观指标的权重值。
本发明智能电网综合效益评估装置，获取模块200获取智能电网指标，针对智能电网指标中宏观指标和微观指标，第一权重值确定模块400采用主观赋权法和客观赋权法结合的组合赋权法，确定宏观指标的权重值；第二权重值确定模块600采用基于矩估计理论的组合赋权法，确定微观指标的权重值，评估模块800对智能电网综合效益进行评估。整个过程中，通过将典型的主、客观赋权法相结合，对智能电网宏观和微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，因此，最终能够准确对智能电网综合效益进行评估
如图6所示，在其中一个实施例中，第一权重值确定模块400包括：
评估单元420，用于采用ANP法，将智能电网整体评估作为控制层；
建立单元440，用于将宏观指标作为网络层元素，根据宏观指标中两两指标之间的关联关系，建立各网络层元素间的ANP网络结构；
构建单元460，用于采用DEMATEL法，改进ANP网络结构的内部依赖矩阵的构建方法，并构建ANP网络结构的综合影响权重矩阵；
权重值确定单元480，用于根据构建的综合影响权重矩阵和反熵权法结合的组合赋权法，确定宏观指标的权重值。
具体来说，在实际应用中，本发明智能电网综合效益评估方法与装置具有如下优点：
1、智能电网综合效益评估指标体系的建立遵循智能电网未来重点发展领域和关键技术，能够科学地评估综合效益，具有指导性作用；
2、其中宏观指标集主要通过剖析利益相关者的实际需求；微观指标集则是对宏观指标分解和转化，通过二维效益分析映射法进一步分解转化，所形成的指标更加具体完整、相互独立，不存在耦合依赖关系。
3、在选取具体微观指标时，明确定义各个指标，且指标均为定量指标，计算方法简单，基础数据容易获取，方便在实际问题中的应用。
4、借鉴DEMATEL法改进了ANP法的内部依赖矩阵的构建方法，在避免了元素对自身影响程度的主观估计的同时，解决了构建判断矩阵时直接影响和间接影响不统一的问题。
5、使用反熵权法有效降低权重对指标差异度的敏感性，从而减少权重分配时极端情况出现的频率。
6、采用基于矩估计理论的组合赋权法，提高了评估结果的科学性和合理性。
7、通过将常用的典型的主、客观赋权法相结合，对智能电网示范工程微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，使得赋权的结果更加公正。
另，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述方法的步骤。
另，本发明一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述方法的步骤。
上述计算机可读存储介质与计算机设备，其执行上述智能电网综合效益评估方法时，通过将典型的主、客观赋权法相结合，对智能电网宏观和微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，因此，最终能够准确对智能电网综合效益进行评估。
以上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)
1.一种智能电网综合效益评估方法，其特征在于，包括步骤：
获取智能电网指标，其中，所述智能电网指标包括宏观指标和微观指标；
采用主观赋权法和客观赋权法结合的组合赋权法，确定所述宏观指标的权重值；
基于矩估计理论，采用所述组合赋权法，确定所述微观指标的权重值；
根据确定的所述宏观指标的权重值和确定的所述微观指标的权重值，对所述智能电网综合效益进行评估。
2.根据权利要求1所述的智能电网综合效益评估方法，其特征在于，所述采用主观赋权法和客观赋权法结合的组合赋权法，确定所述宏观指标的权重值的步骤包括：
采用DEMATEL-ANP法和反熵权法结合的组合赋权法，确定所述宏观指标的权重值。
3.根据权利要求2所述的智能电网综合效益评估方法，其特征在于，所述采用DEMATEL-ANP法和反熵权法结合的组合赋权法，确定所述宏观指标的权重值的步骤包括：
采用ANP法，将智能电网整体评估作为控制层；
将所述宏观指标作为网络层元素，根据所述宏观指标中两两指标之间的关联关系，建立各网络层元素间的ANP网络结构；
采用DEMATEL法，改进所述ANP网络结构的内部依赖矩阵的构建方法，并构建ANP网络结构的综合影响权重矩阵；
根据构建的综合影响权重矩阵和反熵权法结合的组合赋权法，确定所述宏观指标的权重值。
4.根据权利要求2所述的智能电网综合效益评估方法，其特征在于，所述采用DEMATEL-ANP法和反熵权法结合的组合赋权法，确定所述宏观指标的权重值的步骤包括：
采用反熵权法确定各宏观指标的客观权重；
所述采用反熵权法确定各宏观指标的客观权重的准则为：指标的差异性越大，熵值越小，指标的权重系数越大；指标的差异性越小，熵值越大，指标的权重系数越小。
5.根据权利要求1所述的智能电网综合效益评估方法，其特征在于，所述根据确定的所述宏观指标的权重值和确定的所述微观指标的权重值，对所述智能电网综合效益进行评估的步骤包括：
根据确定的所述宏观指标的权重值和确定的所述微观指标的权重值，将所述宏观指标与所述微观指标对应的指标评估值进行加权求和，获得所述智能电网综合效益评估结果。
6.一种智能电网综合效益评估装置，其特征在于，包括：
获取模块，用于获取智能电网指标，其中，所述智能电网指标包括宏观指标和微观指标；
第一权重值确定模块，用于采用主观赋权法和客观赋权法结合的组合赋权法，确定所述宏观指标的权重值；
第二权重值确定模块，用于基于矩估计理论，采用所述组合赋权法，确定所述微观指标的权重值；
评估模块，用于根据确定的所述宏观指标的权重值和确定的所述微观指标的权重值，对所述智能电网综合效益进行评估。
7.根据权利要求6所述的智能电网综合效益评估装置，其特征在于，所述第一权重值确定模块具体用于采用DEMATEL-ANP法和反熵权法结合的组合赋权法，确定所述宏观指标的权重值。
8.根据权利要求7所述的智能电网综合效益评估装置，其特征在于，所述第一权重值确定模块包括：
评估单元，用于采用ANP法，将智能电网整体评估作为控制层；
建立单元，用于将所述宏观指标作为网络层元素，根据所述宏观指标中两两指标之间的关联关系，建立各网络层元素间的ANP网络结构；
构建单元，用于采用DEMATEL法，改进所述ANP网络结构的内部依赖矩阵的构建方法，并构建ANP网络结构的综合影响权重矩阵；
权重值确定单元，用于根据构建的综合影响权重矩阵和反熵权法结合的组合赋权法，确定所述宏观指标的权重值。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任意一项所述方法的步骤。
10.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710909598.XA CN107609790A (zh) | 2017-09-29 | 2017-09-29 | 智能电网综合效益评估方法、装置、介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710909598.XA CN107609790A (zh) | 2017-09-29 | 2017-09-29 | 智能电网综合效益评估方法、装置、介质及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107609790A true CN107609790A (zh) | 2018-01-19 |
Family
ID=61067430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710909598.XA Pending CN107609790A (zh) | 2017-09-29 | 2017-09-29 | 智能电网综合效益评估方法、装置、介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107609790A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615246A (zh) * | 2018-12-14 | 2019-04-12 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种主动配电网经济运行状态确定方法 |
| CN109829604A (zh) * | 2018-12-13 | 2019-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种电网侧储能电站运行效果综合评估方法 |
| CN111563652A (zh) * | 2020-03-31 | 2020-08-21 | 国网山东省电力公司经济技术研究院 | 一种评价电网企业综合计划执行情况的方法 |
| CN112132453A (zh) * | 2020-09-22 | 2020-12-25 | 国网能源研究院有限公司 | 区域电网可再生能源最优接纳规模评估方法、系统及装置 |
| CN113705987A (zh) * | 2021-08-13 | 2021-11-26 | 武汉大学 | 电网适应性并网变流器综合赋权性能评估方法及相关设备 |
-
2017
- 2017-09-29 CN CN201710909598.XA patent/CN107609790A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 张心洁: "智能配电网综合评估体系与方法研究", 《万方学位论文数据库》 * |
| 陈宏伟等: "基于组合赋权法的电网规划方案综合协调性评价", 《浙江电力》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109829604A (zh) * | 2018-12-13 | 2019-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种电网侧储能电站运行效果综合评估方法 |
| CN109615246A (zh) * | 2018-12-14 | 2019-04-12 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种主动配电网经济运行状态确定方法 |
| CN111563652A (zh) * | 2020-03-31 | 2020-08-21 | 国网山东省电力公司经济技术研究院 | 一种评价电网企业综合计划执行情况的方法 |
| CN112132453A (zh) * | 2020-09-22 | 2020-12-25 | 国网能源研究院有限公司 | 区域电网可再生能源最优接纳规模评估方法、系统及装置 |
| CN113705987A (zh) * | 2021-08-13 | 2021-11-26 | 武汉大学 | 电网适应性并网变流器综合赋权性能评估方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107609790A (zh) | 智能电网综合效益评估方法、装置、介质及计算机设备 | |
| Kaya et al. | A comparison of fuzzy multicriteria decision making methods for intelligent building assessment | |
| CN106779087A (zh) | 一种通用机器学习数据分析平台 | |
| Chen et al. | Approaches to multiple attribute decision making based on the correlation coefficient with dual hesitant fuzzy information | |
| CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
| CN110866592B (zh) | 模型训练方法、装置、能效预测方法、装置和存储介质 | |
| CN107274010A (zh) | 面向工业设计云服务平台的多目标创意设计评价方法 | |
| Niu et al. | Model turbine heat rate by fast learning network with tuning based on ameliorated krill herd algorithm | |
| Rettieva | Equilibria in dynamic multicriteria games | |
| CN106651225A (zh) | 智能电网示范工程综合评估方法和系统 | |
| CN103020459A (zh) | 一种多维度用电行为的感知方法及系统 | |
| CN108416466A (zh) | 复杂特性影响的电力负荷预测方法、计算机信息处理系统 | |
| Xiao et al. | Dynamic multi-attribute evaluation of digital economy development in China: A perspective from interaction effect | |
| Du et al. | Load response potential evaluation for distribution networks: A hybrid decision-making model with intuitionistic normal cloud and unknown weight information | |
| CN109389272A (zh) | 一种用于电压协调控制策略效果的综合评估方法及系统 | |
| Wei et al. | Approaches to hesitant fuzzy multiple attribute decision making with incomplete weight information | |
| CN107248029A (zh) | 一种土地利用结构优化的多目标改进差分进化模型 | |
| CN114119273A (zh) | 一种园区综合能源系统非侵入式负荷分解方法及系统 | |
| CN105740635A (zh) | 一种变压器电磁设计方案的云理想解评价方法 | |
| Chen et al. | Combining fuzzy iteration model with dynamic programming to solve multiobjective multistage decision making problems | |
| CN116307211A (zh) | 一种风电消纳能力预测及优化方法及系统 | |
| CN106405683B (zh) | 基于g-l混合噪声特性核岭回归技术的风速预报方法及装置 | |
| CN106295877B (zh) | 一种智能电网电能使用量预测方法 | |
| CN104679988B (zh) | 一种基于云topsis的多属性决策方法 | |
| CN103489037B (zh) | 一种可发电风资源的预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |