CN107886226A - 一种配电网成熟度评价方法及装置 - Google Patents
一种配电网成熟度评价方法及装置 Download PDFInfo
- Publication number
- CN107886226A CN107886226A CN201711030397.9A CN201711030397A CN107886226A CN 107886226 A CN107886226 A CN 107886226A CN 201711030397 A CN201711030397 A CN 201711030397A CN 107886226 A CN107886226 A CN 107886226A
- Authority
- CN
- China
- Prior art keywords
- mrow
- evaluation
- msubsup
- evaluation object
- matrix
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 590
- 239000011159 matrix material Substances 0.000 claims description 167
- 238000012545 processing Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 241000406668 Loxodonta cyclotis Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- BYACHAOCSIPLCM-UHFFFAOYSA-N 2-[2-[bis(2-hydroxyethyl)amino]ethyl-(2-hydroxyethyl)amino]ethanol Chemical group OCCN(CCO)CCN(CCO)CCO BYACHAOCSIPLCM-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种配电网成熟度评价方法,所述方法包括:确定评价对象对应的评价指标的权重系数;根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度;利用所述评价对象的相对接近度对评价对象的配电网成熟度进行评价;本发明提出的技术方案,利用配电网各指标与理想指标之间的整体相似接近度对各配电网成熟度进行客观地整体评价,是一种更为有效的综合评价方法。
Description
技术领域
本发明属于电网运行评估领域,具体涉及一种配电网成熟度评价方法及装置。
背景技术
近年来,我国新型城镇化、农业现代化工作正在迅速推进开展,继而对供电可靠性高、电能清洁性好、电能质量高的配电网需求越来越大。我国配电网经过多年的建设和改造,其结构在不断完善、供电水平在不断提高,配电自动化和用电智能化不断发展。目前我国与发达国家相比,在电能质量和供电可靠性方面还有很大差距。
《配电网建设改造行动计划(2015~2020年)》提出了加快建设现代配电网的计划,以安全可靠的电力供应和优质高效的供电服务保障经济社会发展,并给出了2020年供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、高压配电网容载比、配电自动化覆盖率、配电通讯覆盖率、智能电表覆盖率等配电网建设指导目标。构建简洁规范的网架结构,保障安全可靠运行。应用节能环保设备,促进资源节约与环境友好。推进配电自动化和智能用电信息采集系统建设,实现配电网可观可控。满足新能源、分布式电源及电动汽车等多元化负荷发展需求,推动智能电网建设与互联网深度融合。2020年,借助构建可靠灵活的网架结构、成熟完备的自动化配置、科学规范的运维管理等方式,建成20个中心城市(区)内选取核心区域建设高可靠性示范区,使供电可靠率不低于99.999%,达到国际同类城市领先水平。
目前,对现代配电网的评价从多个角度建立评价指标,多从技术合理性、安全性出发,并在此基础上运用现代科学的分析方法构建评价体系,多采用层次分析法、鱼骨图法、德尔非法等,主要反映配电网的运行水平和供电能力,缺乏整体性评价,对电网建设的直接指导性还不够强。建立一种能有效、客观地从整体评价现代电网成熟度,并同时反映各指标与对标指标相似程度的更为有效的综合评价方法对配电网进行评价排序是有很大参考价值的。
发明内容
本发明提供一种配电网成熟度评价方法及装置,其目的是对配电网评价指标进行客观动态赋权降低其主观因素的干扰,并在评价中反映配电网各评价对象指标与目标指标间相似度,同时整体地评价各地区配电网的成熟情况。
本发明的目的是采用下述技术方案实现的:
一种配电网成熟度评价方法,其改进之处在于,包括:
确定评价对象对应的评价指标的权重系数;
根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度;
利用所述评价对象的相对接近度对评价对象的配电网成熟度进行评价。
优选的,所述评价指标包括:供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、配电自动化覆盖率、配电通讯覆盖率和智能电表覆盖率。
优选的,所述确定评价对象对应的评价指标的权重系数,包括:
确定评价对象对应的评价指标的评价矩阵;
对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵;
对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵;
根据所述标准矩阵,确定评价对象对应的评价指标的权重系数。
进一步的,所述确定评价对象对应的评价指标的评价矩阵,包括:
按下式确定评价对象对应的评价指标的评价矩阵Y:
Y=(yij)m×n
所述对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵,包括:
按下式将评价矩阵中的负向指标转换成正向指标:
将评价矩阵中的正向指标与转换得到的正向指标构成评价矩阵的正向指标评价矩阵Y′=(y′ij)m×n;
所述对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵,包括:
按下式确定正向指标评价矩阵的标准矩阵Y″中的第i行第j列元素y″ij:
则所述正向指标评价矩阵的标准矩阵为Y″=(y″ij)m×n;
其中,m为评价指标总数,n为评价对象总数,yij为第j个评价对象的第i个评价指标,i∈[1,m],j∈[1,n],k为同向化参数,Y(i,:)为所述评价矩阵Y的第i行向量,max(Y(i,:))为所述评价矩阵Y的第i行元素中的最大值。
进一步的,所述根据所述标准矩阵,确定评价对象对应的评价指标的权重系数,包括:
按下式确定评价对象对应的第i个评价指标的权重系数wi:
其中,按下式确定变异系数Vi:
按下式确定指标标准差si:
按下式确定指标均值
上式中,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数,y″ij为标准矩阵Y″中的第i行第j列元素。
优选的,所述根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度,包括:
根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离;
利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度。
进一步的,所述根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,包括:
按下式确定加权数据矩阵Y″′中的第i行第j列元素Y″′ij:
y″′ij=wiy″ij
则所述加权数据矩阵为Y″=(y″′ij)m×n;
按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离
按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离
其中,y″ij为标准矩阵Y″中的第i行第j列元素,wi为评价对象对应的第i个评价指标的权重系数,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数;为n个评价对象对应的第i个评价指标的加权数据中的最大值,为n个评价对象对应的第i个评价指标的加权数据中的最小值。
进一步的,所述利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度,包括:
按下式确定第j个评价对象的相对接近度Cj:
上式中,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离。
优选的,所述评价对象的配电网成熟度与评价对象的相对接近度正相关。
本发明还提供一种配电网成熟度评价装置,其改进之处在于,所述装置包括:
第一确定单元,用于确定评价对象对应的评价指标的权重系数;
第二确定单元,用于根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度;
评价单元,用于利用所述评价对象的相对接近度对评价对象的配电网成熟度进行评价。
优选的,所述评价指标包括:供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、配电自动化覆盖率、配电通讯覆盖率和智能电表覆盖率。
优选的,所述第一确定单元,包括:
第一确定模块,用于确定评价对象对应的评价指标的评价矩阵;
第一获取模块,用于对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵;
第二获取模块,用于对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵;
第二确定模块,用于根据所述标准矩阵,确定评价对象对应的评价指标的权重系数。
进一步的,所述第一确定模块,包括:
第一确定子模块,用于按下式确定评价对象对应的评价指标的评价矩阵Y:
Y=(yij)m×n
所述第一获取模块,包括:
第二确定子模块,用于按下式将评价矩阵中的负向指标转换成正向指标:
将评价矩阵中的正向指标与转换得到的正向指标构成评价矩阵的正向指标评价矩阵Y′=(y′ij)m×n;
所述第二获取模块,包括:
第三确定子模块,用于按下式确定标准矩阵Y″中的第i行第j列元素y″ij:
则所述正向指标评价矩阵的标准矩阵为Y″=(y″ij)m×n;
其中,m为评价指标总数,n为评价对象总数,yij为第j个评价对象的第i个评价指标,i∈[1,m],j∈[1,n],k为同向化参数,Y(i,:)为所述评价矩阵Y的第i行向量,max(Y(i,:))为所述评价矩阵Y的第i行元素中的最大值。
进一步的,所述第二确定模块,包括:
第四确定子模块,用于按下式确定评价对象对应的第i个评价指标的权重系数wi:
其中,按下式确定变异系数Vi:
按下式确定指标标准差si:
按下式确定指标均值
上式中,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数,y″ij为标准矩阵Y″中的第i行第j列元素。
优选的,所述第二确定单元,包括:
第三确定模块,用于根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离;
第四确定模块,用于利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度。
进一步的,所述第三确定模块,包括:
第五确定子模块,用于按下式确定加权数据矩阵Y″′中的第i行第j列元素y″′ij:
y″′ij=wiy′′ij
则所述正向指标评价矩阵的标准矩阵为Y″=(y″′ij)m×n;
第六确定子模块,用于按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离
第七确定子模块,用于按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离
其中,y″ij为标准矩阵Y″中的第i行第j列元素,wi为评价对象对应的第i个评价指标的权重系数,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数;为n个评价对象对应的第i个评价指标的加权数据中的最大值,为n个评价对象对应的第i个评价指标的加权数据中的最小值。
进一步的,所述第四确定模块,包括:
第八确定子模块,用于按下式确定第j个评价对象的相对接近度Cj:
上式中,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离。
优选的,所述评价对象的配电网成熟度与评价对象的相对接近度正相关。
本发明的有益效果:
本发明提供的技术方案,首先选择评价配电网的各指标,计算评价指标的权重系数,利用上述权重系数,计算配电网的相对接近度,根据相对接近度对配电网成熟度进行评价,与现有的评价方法相比,本发明的技术方案既能对各配电网成熟度进行客观地整体评价,又能反映配电网各指标与理想指标之间的整体相似程度,是一种更为有效的综合评价方法。
其中,计算评价指标权重系数的过程中,通过变异系数法建立指标矩阵,通过计算指标向量均值和标准差得到反映不同指标重要程度的权重,得到的结果更具客观性,更反映各指标数据的变化幅度。计算配电网的相对接近度的过程中,通过逼近理想解排序法对计算的样本点到最优点的相对接近度进行排序,实现对配电网成熟度情况的综合有效评价。
附图说明
图1是本发明一种配电网成熟度评价方法的流程图;
图2是本发明一种配电网成熟度评价装置的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
目前,对现代配电网的评价从多个角度建立评价指标,多从技术合理性、安全性出发,并在此基础上运用现代科学的分析方法构建评价体系,多采用层次分析法、鱼骨图法、德尔非法等,主要反映配电网的运行水平和供电能力,缺乏整体性评价,对电网建设的直接指导性还不够强。建立一种能有效、客观地从整体评价现代电网成熟度,并同时反映各指标与对标指标相似程度的更为有效的综合评价方法对配电网进行评价排序是有很大参考价值的。
本发明提供一种配电网成熟度评价方法,采用变异系数法计算评价指标的权重系数,利用上述权重系数,应用逼近理想解排序法计算配电网的相对接近度,根据相对接近度对配电网成熟度进行评价,如图1所示,包括:
101.确定评价对象对应的评价指标的权重系数;
102.根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度;
103.利用所述评价对象的相对接近度对评价对象的配电网成熟度进行评价。
其中,所述评价指标包括:供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、配电自动化覆盖率、配电通讯覆盖率和智能电表覆盖率。
例如,以《配电网建设改造行动计划(2015~2020年)》中给出的2020年供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、配电自动化覆盖率、配电通讯覆盖率、智能电表覆盖率等配电网建设指导目标作为配电网成熟度的对标指标,并以2020年的期望指标最为成熟现代配电网建设改造的指导目标,以2014年的实际情况作为合格配电网的标准,如表1所示。
表1配电网建设改造指导目标
变异系数法可直接利用各项指标所包含的信息计算得到指标的权重,其反映指标数据的相对变化程度,显著降低主观因素的干扰。利用变异系数法,可实现对被评价对象各指标的动态赋权,指标变异程度大,则其在评价对象指标中的重要程度高,被赋予较大权重,因此,所述步骤101中,确定评价对象对应的评价指标的权重系数,包括:
确定评价对象对应的评价指标的评价矩阵;
对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵;
对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵;
根据所述标准矩阵,确定评价对象对应的评价指标的权重系数。
其中,所述确定评价对象对应的评价指标的评价矩阵,包括:
按下式确定评价对象对应的评价指标的评价矩阵Y:
Y=(yij)m×n
例如,本发明实施例有5个评价对象,每个评价对象有7个相同的评价指标,则对于第j个评价对象而言,y1j为中心城市(区)供电可靠性;y2j为中心城市(区)用户平均停电时间;y3j为中心城市(区)综合电压合格率;y4j为110千伏及以下线损率;y5j为配电自动化覆盖率;y6j为配电通信网覆盖率;y7j为智能电表覆盖率;
根据这五个地区同一年份的统计数据进行分析计算,得出如表2所示的指标数据。
表2配电网成熟度指标数据
选取2014年电网各项指标数据作为合格数据,赋值60分;选取2020年成熟水平数据作为最好数据,赋值100分,按下式进行一次函数曲线拟合:
上式中,sbest为2020年成熟水平数据,sworst为2014年电网各项指标数据,sgiven为各地区的指标数据,xevaluation为计算得出的各地区各项指标数据的评分数据,评分数据组成对于给定数据的评价矩阵Y。
上述评价指标包括负向指标和正向指标,负向指标即指标值越小表示状况越好的指标,正向指标即指标值越大表示状况越好的指标,为了对数据进行统一处理,需要使指标同向化,所述对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵,包括:
按下式将评价矩阵中的负向指标转换成正向指标:
将评价矩阵中的正向指标与转换得到的正向指标构成评价矩阵的正向指标评价矩阵Y′=(y′ij)m×n;
所述对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵,包括:
按下式确定正向指标评价矩阵的标准矩阵Y″中的第i行第j列元素y″ij:
则所述正向指标评价矩阵的标准矩阵为Y″=(y″ij)m×n;
其中,m为评价指标总数,n为评价对象总数,yij为第j个评价对象的第i个评价指标,i∈[1,m],j∈[1,n],k为同向化参数,一般取0.1,Y(i,:)为所述评价矩阵Y的第i行向量,max(Y(i,:))为所述评价矩阵Y的第i行元素中的最大值。
本发明提供的实施例中,将用户年均停电时间和110千伏及以下线损率两个负向指标转化为正向指标,指标同向化处理后,将所得正向指标评价矩阵Y′进行去量纲化处理,可得下式所示的标准矩阵Y″:
所述根据所述标准矩阵,确定评价对象对应的评价指标的权重系数,包括:
按下式确定评价对象对应的第i个评价指标的权重系数wi:
其中,按下式确定变异系数Vi:
按下式确定指标标准差si:
按下式确定指标均值
上式中,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数,y″ij为标准矩阵Y″中的第i行第j列元素。在本发明中,由于配电网成熟度评价指标有7个,故m=7。
例如,根据上述权重计算方法,可计算出各指标的平均值及标准差si,进而通过公式计算得到变异系数Vi及指标权重ωi,计算结果如表3所示。
表3参数计算结果
从数据上看,配电网自动化覆盖率、配电通信网覆盖率、智能电表覆盖率三项指标的数据过于分散,所以,它们的标准差偏大,而平均值相差无几,因此,他们具有很大的变异系数,对应的权重也会增加,计算结果证明了这一点。
确定评价配电网成熟度的各指标的权重后,采用逼近理想解排序法对各评价对象进行综合评价。如果把指标看成坐标系中的变量,则在几何上形成一个高维空间,从几何角度看,每个被评价对象是由反映它的多个指标值决定的在该空间的一个点,而综合评价问题就变成了对这些空间点的排序和评价。
逼近理想解排序法采用相对接近度来表征各个评价对象与参考点的距离。首先在空间确定出参考点,包括最优和最劣点,然后计算各个评价对象与参考点的距离,与最优点越近或与最劣点越远说明被评价对象的综合特性越好,其中,上述距离为欧氏距离,因此,获取所述评价对象对应的评价指标的权重系数之后,需利用所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度,所述步骤102,包括:
根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离;
利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度。
其中,所述根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,包括:
按下式确定加权数据矩阵Y″′中的第i行第j列元素y″′ij:
y″′ij=wiy″′ij
则所述加权数据矩阵为Y″′=(y″′ij)m×n;
例如,根据标准矩阵Y″与表3所示指标权重wi,可得加权数据矩阵Y″′:
由于指标已经正向化,可以将所得加权数据矩阵Y″′各指标的最大值构成理想样本Y+,各指标的最小值构成负理想样本Y-:
Y+=[0.050 0.049 0.002 0.047 0.094 0.124 0.149],
Y-=[0.041 0.041 0.002 0.039 0.063 0.079 0.092];
获取理想样本Y+和负理想样本Y-之后,按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离
按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离
例如,根据加权数据矩阵Y″′、理想样本Y+和负理想样本Y-,可分别计算出各评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,所构成的距离矩阵分别为D+和D-:
D+=[0.060 0.080 0.036 0.014 0.008],
D-=[0.033 0.006 0.046 0.075 0.079],
其中,y″ij为标准矩阵Y″中的第i行第j列元素,wi为评价对象对应的第i个评价指标的权重系数,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数;为n个评价对象对应的第i个评价指标的加权数据中的最大值,为n个评价对象对应的第i个评价指标的加权数据中的最小值。
所述利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度,包括:
按下式确定第j个评价对象的相对接近度Cj:
上式中,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离。
本实施例中,基于各评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,可得相对接近度Cj,Cj的值越大,表明评价对象的评价结果越优。将Cj按大小排序,如表4所示:
表4配电网成熟度综合评价排序
根据相对接近度Cj的大小,可以对各评价对象进行排序,实现对配电网成熟度的综合评价,所述评价对象的配电网成熟度与评价对象的相对接近度正相关,即Cj越大表明评价对象与理想样本的相对距离越小,相应评价对象的评价结果越优。
在相对接近度数据中,地区5的各项指标与最好指标相差不多,因而,相对接近度最高,排名第一;而地区2则正好相反,有几项数据大幅度落后于最好数据,只略高于最差数据,因而,地区2的相对接近度最低,排名最低。从综合评价结果看,地区5的综合评价结果最优,地区4、3、1次之,地区2配电网成熟度最差。
从表3的结果来看,配电自动化覆盖率、配电通信网覆盖率和智能电表覆盖率的指标权重值较大。
对于地区2,权重较大的指标对应的标准矩阵数值与地区4、5相比差距较大,而其他权重较小的指标对应的标准矩阵数值与地区4、5比较接近,甚至优于上述两个地区。指标权重越大,对于评价结果的影响越大。因此,地区5评价结果最好,与实际相符。同理,对其他地区进行分析,也可得到一致的结论。本文所提出的配电网成熟度综合评价方法可实现对配电网情况的有效评价。
本发明还提供一种配电网成熟度评价装置,如图2所示,包括:
第一确定单元,用于确定评价对象对应的评价指标的权重系数;
第二确定单元,用于根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度;
评价单元,用于利用所述评价对象的相对接近度对评价对象的配电网成熟度进行评价。
优选的,所述评价指标包括:供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、配电自动化覆盖率、配电通讯覆盖率和智能电表覆盖率。
优选的,所述第一确定单元,包括:
第一确定模块,用于确定评价对象对应的评价指标的评价矩阵;
第一获取模块,用于对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵;
第二获取模块,用于对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵;
第二确定模块,用于根据所述标准矩阵,确定评价对象对应的评价指标的权重系数。
进一步的,所述第一确定模块,包括:
第一确定子模块,用于按下式确定评价对象对应的评价指标的评价矩阵Y:
Y=(yij)m×n
所述第一获取模块,包括:
第二确定子模块,用于按下式将评价矩阵中的负向指标转换成正向指标:
将评价矩阵中的正向指标与转换得到的正向指标构成评价矩阵的正向指标评价矩阵Y′=(y′ij)m×n;
所述第二获取模块,包括:
第三确定子模块,用于按下式确定标准矩阵Y″中的第i行第j列元素y″ij:
则所述正向指标评价矩阵的标准矩阵为Y″=(y″ij)m×n;
其中,m为评价指标总数,n为评价对象总数,yij为第j个评价对象的第i个评价指标,i∈[1,m],j∈[1,n],k为同向化参数,Y(i,:)为所述评价矩阵Y的第i行向量,max(Y(i,:))为所述评价矩阵Y的第i行元素中的最大值。
进一步的,所述第二确定模块,包括:
第四确定子模块,用于按下式确定评价对象对应的第i个评价指标的权重系数wi:
其中,按下式确定变异系数Vi:
按下式确定指标标准差si:
按下式确定指标均值
上式中,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数,y″ij为标准矩阵Y″中的第i行第j列元素。
优选的,所述第二确定单元,包括:
第三确定模块,用于根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离;
第四确定模块,用于利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度。
进一步的,所述第三确定模块,包括:
第五确定子模块,用于按下式确定加权数据矩阵Y″′中的第i行第j列元素y″′ij:
y″′ij=wiy″ij
则所述正向指标评价矩阵的标准矩阵为y″=(y″′ij)m×n;
第六确定子模块,用于按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离
第七确定子模块,用于按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离
其中,y″ij为标准矩阵Y″中的第i行第j列元素,wi为评价对象对应的第i个评价指标的权重系数,i∈[1,m],j∈[1,m],m为评价指标总数,n为评价对象总数;为n个评价对象对应的第i个评价指标的加权数据中的最大值,为n个评价对象对应的第i个评价指标的加权数据中的最小值。
进一步的,所述第四确定模块,包括:
第八确定子模块,用于按下式确定第j个评价对象的相对接近度Cj:
上式中,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离。
优选的,所述评价对象的配电网成熟度与评价对象的相对接近度正相关。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (18)
1.一种配电网成熟度评价方法,其特征在于,所述方法包括:
确定评价对象对应的评价指标的权重系数;
根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度;
利用所述评价对象的相对接近度对评价对象的配电网成熟度进行评价。
2.如权利要求1所述的方法,其特征在于,所述评价指标包括:供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、配电自动化覆盖率、配电通讯覆盖率和智能电表覆盖率。
3.如权利要求1所述的方法,其特征在于,所述确定评价对象对应的评价指标的权重系数,包括:
确定评价对象对应的评价指标的评价矩阵;
对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵;
对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵;
根据所述标准矩阵,确定评价对象对应的评价指标的权重系数。
4.如权利要求3所述的方法,其特征在于,所述确定评价对象对应的评价指标的评价矩阵,包括:
按下式确定评价对象对应的评价指标的评价矩阵Y:
Y=(yij)m×n
所述对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵,包括:
按下式将评价矩阵中的负向指标转换成正向指标:
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mo>:</mo>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
将评价矩阵中的正向指标与转换得到的正向指标构成评价矩阵的正向指标评价矩阵Y′=(y′ij)m×n;
所述对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵,包括:
按下式确定正向指标评价矩阵的标准矩阵Y″中的第i行第j列元素y″ij:
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>/</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
则所述正向指标评价矩阵的标准矩阵为Y″=(y″ij)m×n;
其中,m为评价指标总数,n为评价对象总数,yij为第j个评价对象的第i个评价指标,i∈[1,m],j∈[1,n],k为同向化参数,Y(i,:)为所述评价矩阵Y的第i行向量,max(Y(i,:))为所述评价矩阵Y的第i行元素中的最大值。
5.如权利要求3所述的方法,其特征在于,所述根据所述标准矩阵,确定评价对象对应的评价指标的权重系数,包括:
按下式确定评价对象对应的第i个评价指标的权重系数wi:
<mrow>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mrow>
其中,按下式确定变异系数Vi:
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mover>
<mrow>
<msup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
</mrow>
<mo>&OverBar;</mo>
</mover>
</mfrac>
</mrow>
按下式确定指标标准差si:
<mrow>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>-</mo>
<mover>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
按下式确定指标均值
<mrow>
<mover>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
</mrow>
上式中,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数,y″ij为标准矩阵Y″中的第i行第j列元素。
6.如权利要求1所述的方法,其特征在于,所述根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度,包括:
根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离;
利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度。
7.如权利要求6所述的方法,其特征在于,所述根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,包括:
按下式确定加权数据矩阵Y″′中的第i行第j列元素y″′ij:
y″′ij=wiy″ij
则所述加权数据矩阵为Y″′=(y″′ij)m×n;
按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>+</mo>
</msubsup>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中,y″ij为标准矩阵Y″中的第i行第j列元素,wi为评价对象对应的第i个评价指标的权重系数,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数;为n个评价对象对应的第i个评价指标的加权数据中的最大值,为n个评价对象对应的第i个评价指标的加权数据中的最小值。
8.如权利要求6所述的方法,其特征在于,所述利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度,包括:
按下式确定第j个评价对象的相对接近度Cj:
<mrow>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mfrac>
</mrow>
上式中,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离。
9.如权利要求1所述的方法,其特征在于,所述评价对象的配电网成熟度与评价对象的相对接近度正相关。
10.一种配电网成熟度评价装置,其特征在于,所述装置包括:
第一确定单元,用于确定评价对象对应的评价指标的权重系数;
第二确定单元,用于根据所述评价对象对应的评价指标的权重系数,确定评价对象的相对接近度;
评价单元,用于利用所述评价对象的相对接近度对评价对象的配电网成熟度进行评价。
11.如权利要求10所述的装置,其特征在于,所述评价指标包括:供电可靠性、用户年均停电时间、电压合格率、110kV及以下线损率、配电自动化覆盖率、配电通讯覆盖率和智能电表覆盖率。
12.如权利要求10所述的装置,其特征在于,所述第一确定单元,包括:
第一确定模块,用于确定评价对象对应的评价指标的评价矩阵;
第一获取模块,用于对所述评价矩阵进行同向化处理,获取所述评价矩阵的正向指标评价矩阵;
第二获取模块,用于对所述正向指标评价矩阵进行去量纲化处理,获取所述正向指标评价矩阵的标准矩阵;
第二确定模块,用于根据所述标准矩阵,确定评价对象对应的评价指标的权重系数。
13.如权利要求12所述的装置,其特征在于,所述第一确定模块,包括:
第一确定子模块,用于按下式确定评价对象对应的评价指标的评价矩阵Y:
Y=(yij)m×n
所述第一获取模块,包括:
第二确定子模块,用于按下式将评价矩阵中的负向指标转换成正向指标:
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mo>:</mo>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
将评价矩阵中的正向指标与转换得到的正向指标构成评价矩阵的正向指标评价矩阵Y′=(y′ij)m×n;
所述第二获取模块,包括:
第三确定子模块,用于按下式确定标准矩阵Y″中的第i行第j列元素y″ij:
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>/</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
则所述正向指标评价矩阵的标准矩阵为Y″=(y″ij)m×n;
其中,m为评价指标总数,n为评价对象总数,yij为第j个评价对象的第i个评价指标,i∈[1,m],j∈[1,n],k为同向化参数,Y(i,:)为所述评价矩阵Y的第i行向量,max(Y(i,:))为所述评价矩阵Y的第i行元素中的最大值。
14.如权利要求12所述的装置,其特征在于,所述第二确定模块,包括:
第四确定子模块,用于按下式确定评价对象对应的第i个评价指标的权重系数wi:
<mrow>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mrow>
其中,按下式确定变异系数Vi:
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mover>
<mrow>
<msup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
</mrow>
<mo>&OverBar;</mo>
</mover>
</mfrac>
</mrow>
按下式确定指标标准差si:
<mrow>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>-</mo>
<mover>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
按下式确定指标均值
<mrow>
<mover>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
</mrow>
上式中,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数,y″ij为标准矩阵Y″中的第i行第j列元素。
15.如权利要求10所述的装置,其特征在于,所述第二确定单元,包括:
第三确定模块,用于根据所述评价对象对应的评价指标的权重系数,确定评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离;
第四确定模块,用于利用所述评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量和最劣值列向量的距离,确定评价对象的相对接近度。
16.如权利要求15所述的装置,其特征在于,所述第三确定模块,包括:
第五确定子模块,用于按下式确定加权数据矩阵Y″′中的第i行第j列元素y″′ij:
y″′ij=wiy″ij
则所述正向指标评价矩阵的标准矩阵为Y″=(y″′ij)m×n;
第六确定子模块,用于按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>+</mo>
</msubsup>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
第七确定子模块,用于按下式确定第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中,y″ij为标准矩阵Y″中的第i行第j列元素,wi为评价对象对应的第i个评价指标的权重系数,i∈[1,m],j∈[1,n],m为评价指标总数,n为评价对象总数;为n个评价对象对应的第i个评价指标的加权数据中的最大值,为n个评价对象对应的第i个评价指标的加权数据中的最小值。
17.如权利要求15所述的装置,其特征在于,所述第四确定模块,包括:
第八确定子模块,用于按下式确定第j个评价对象的相对接近度Cj:
<mrow>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mfrac>
</mrow>
上式中,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最劣值列向量的距离,为第j个评价对象对应的评价指标的加权数据列向量与n个评价对象对应的评价指标中的加权数据最优值列向量的距离。
18.如权利要求10所述的装置,其特征在于,所述评价对象的配电网成熟度与评价对象的相对接近度正相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711030397.9A CN107886226A (zh) | 2017-10-30 | 2017-10-30 | 一种配电网成熟度评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711030397.9A CN107886226A (zh) | 2017-10-30 | 2017-10-30 | 一种配电网成熟度评价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107886226A true CN107886226A (zh) | 2018-04-06 |
Family
ID=61782791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711030397.9A Pending CN107886226A (zh) | 2017-10-30 | 2017-10-30 | 一种配电网成熟度评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107886226A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027872A (zh) * | 2019-12-16 | 2020-04-17 | 国家电网有限公司 | 一种区域用户的用电成熟度确定方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839192A (zh) * | 2014-03-04 | 2014-06-04 | 国家电网公司 | 基于层次分析法及距离综合评价法的风电场综合评价方法 |
CN104156889A (zh) * | 2014-08-15 | 2014-11-19 | 国家电网公司 | 一种基于wams数据的风电场性能评估系统及其评估方法 |
CN104361250A (zh) * | 2014-11-25 | 2015-02-18 | 武汉大学 | 一种光伏并网安全性评价方法 |
CN104700325A (zh) * | 2015-03-30 | 2015-06-10 | 国家电网公司 | 配电网稳定性评价方法 |
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
CN107169655A (zh) * | 2017-05-15 | 2017-09-15 | 华北电力大学 | 一种优选配电网方案适应性的方法及装置 |
-
2017
- 2017-10-30 CN CN201711030397.9A patent/CN107886226A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839192A (zh) * | 2014-03-04 | 2014-06-04 | 国家电网公司 | 基于层次分析法及距离综合评价法的风电场综合评价方法 |
CN104156889A (zh) * | 2014-08-15 | 2014-11-19 | 国家电网公司 | 一种基于wams数据的风电场性能评估系统及其评估方法 |
CN104361250A (zh) * | 2014-11-25 | 2015-02-18 | 武汉大学 | 一种光伏并网安全性评价方法 |
CN104700325A (zh) * | 2015-03-30 | 2015-06-10 | 国家电网公司 | 配电网稳定性评价方法 |
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
CN106549813A (zh) * | 2015-09-16 | 2017-03-29 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
CN107169655A (zh) * | 2017-05-15 | 2017-09-15 | 华北电力大学 | 一种优选配电网方案适应性的方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027872A (zh) * | 2019-12-16 | 2020-04-17 | 国家电网有限公司 | 一种区域用户的用电成熟度确定方法及系统 |
CN111027872B (zh) * | 2019-12-16 | 2023-04-21 | 国家电网有限公司 | 一种区域用户的用电成熟度确定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105207821B (zh) | 一种面向业务的网络综合性能评估方法 | |
CN109063976A (zh) | 基于模糊层次分析法的智能制造能力成熟度评价方法 | |
CN109829604A (zh) | 一种电网侧储能电站运行效果综合评估方法 | |
US20170308934A1 (en) | Management method of power engineering cost | |
CN103632203B (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN109740863A (zh) | 基于大电源接入系统的综合评价方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN107292534A (zh) | 城市配电网中长期动态投资的标尺竞争评价方法及装置 | |
CN107454105A (zh) | 一种基于ahp与灰色关联的多维网络安全评估方法 | |
Feng et al. | [Retracted] Design and Simulation of Human Resource Allocation Model Based on Double‐Cycle Neural Network | |
CN105388402A (zh) | 基于参数优化svm算法的交联电缆局部放电模式识别方法 | |
CN109858765A (zh) | 基于topsis法的ev充电机综合评价方法及装置 | |
CN105868906A (zh) | 一种优化的区域发展成熟度分析方法 | |
CN109492874A (zh) | 一种三层级配电网投资决策体系的决策方法 | |
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 | |
CN105160496A (zh) | 一种企业电力能效综合评估方法 | |
CN112712281A (zh) | 一种基于云模型的储能工况适应性综合评估方法及系统 | |
CN107194526A (zh) | 一种基于模糊聚类的售电侧市场化改革进度评估方法 | |
CN111163487A (zh) | 通信波形综合传输性能评价方法及系统 | |
CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
CN110321390A (zh) | 基于有监督和无监督算法结合的负荷曲线数据可视化方法 | |
CN107886226A (zh) | 一种配电网成熟度评价方法及装置 | |
CN109377017A (zh) | 一种信息系统实用化及数据健康度评价方法 | |
CN108898322A (zh) | 一种基于fcm算法的电网投资策略效益综合评价方法 | |
CN112801544A (zh) | 一种公路数字化管理绩效评价方法及系统 |
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 |