CN108108874A - 一种基于正负靶心的灰靶模型的配电网综合评价方法 - Google Patents
一种基于正负靶心的灰靶模型的配电网综合评价方法 Download PDFInfo
- Publication number
- CN108108874A CN108108874A CN201711222031.1A CN201711222031A CN108108874A CN 108108874 A CN108108874 A CN 108108874A CN 201711222031 A CN201711222031 A CN 201711222031A CN 108108874 A CN108108874 A CN 108108874A
- Authority
- CN
- China
- Prior art keywords
- value
- distribution network
- power distribution
- evaluation
- qualified
- 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 112
- 238000009826 distribution Methods 0.000 title claims abstract description 91
- 230000015572 biosynthetic process Effects 0.000 title abstract 3
- 238000003786 synthesis reaction Methods 0.000 title abstract 3
- 239000013598 vector Substances 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 18
- 238000013459 approach Methods 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 241001522301 Apogonichthyoides nigripinnis Species 0.000 claims description 2
- 241000084490 Esenbeckia delta Species 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
-
- 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
本发明提供一种基于正负靶心的灰靶模型的配电网综合评价方法，属于配电网综合评价领域，从配电网供应侧中选取配电网评价指标；从评价指标中选取理论最优值和实际最优值、合格上限值、合格下限值、理论最劣值和实际最劣值，并算出最优值向量、最劣值向量和合格值向量；对最优值向量、最劣值向量和合格值向量利用区间灰数的极差变换原理消除量纲影响算出正靶心、合格靶心和负靶心。本发明解决了传统的灰靶模型不适合于单个地区配电网的评价，改进了正负靶心的灰靶模型，避免了连环比率法计算权重时指标间出现重要性模糊的情况，实现了单个多个地区配电网的评价。具有方法科学合理，适用性强，效果佳等优点。
Description
技术领域
本发明涉及配电网综合评价领域，具体的来说是涉及一种基于正负靶心的灰靶模型的配电网综合评价方法。
背景技术
配电网评价工作是对现有运行中的配电网进行全面的综合评价，以此来衡量配电网是否满足各个方面的要求以及满足的程度，从而以评价结果指导配电网的改造；随着配电网改造的逐渐深入，配电网综合评价成为当前的研究热点；配电网指标权重的确定和评价模型的建立直接影响综合评价的结果，因此指标权重的计算方法和综合评价的评价方法是配电网综合评价中研究的重点。
目前计算权重的常用方法有层次分析法、熵权法、反熵权法以及组合赋权法等，其中层次分析法计算各个指标的权重，忽略了指标之间相互影响的关系导致权重可信度下降，并且同一层指标个数繁多时难以达到一致性；熵权法确定权重，以指标的实际数据为基础进行计算，对异常数据敏感，导致指标权重不符合实际情况；在评价方法方面，常用的评价方法有模糊综合评价法、百分制法、神经网络、模糊理论，物元理论、灰色理论等，其中模糊综合评价法的核心是隶属度函数的建立，隶属度函数的建立没有统一的标准；百分制法受到专家经验的严重影响，不利于多层次多属性的配电网综合评价；神经网络法容易陷入局部最优解，精度不高，需要大量已知评价状态的样本，物元理论在将多变量的评价转化为单目标的评价过程中需要给出待评价对象的标准模式，由于信息不足的情况下很难得到；而灰色理论以其能从一个不甚明确的、整体信息不足、不须给出标准模式的系统中抽象并建立起一个模型综合评价中具有巨大优势。
由于配电网指标数据的有一定的模糊性，且配电网运行等级和指标因素之间没有明确的定性和定量的描述，因此，配电网运行系统就是一个典型的“灰色系统”，于是将灰色理论中正负靶心的灰靶模型运用于层次型配电网评价中。提出基于正负靶心的灰靶模型的配电网层次型评价法，实现对单个配电网以及多个地区的配电网的层次型综合评价。
发明内容
本发明的目的是，提出一种科学合理，适用性强，效果佳的基于基于正负靶心的灰靶模型的配电网综合评价方法，解决了传统的灰靶模型不适合于单个地区配电网的评价，改进了正负靶心的灰靶模型，避免了连环比率法计算权重时指标间出现重要性模糊的情况，实现了单个多个地区配电网的评价。
本发明的目的是由以下技术方案来实现的：一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于，包括如下步骤：
步骤1)：从配电网供应侧中选取配电网评价指标；配电网评价指标包括供电能力、供电质量、设备水平、智能化水平、环保水平、服务水平进行选取；
步骤2)：从评价指标中选取理论最优值和实际最优值、合格上限值、合格下限值、理论最劣值和实际最劣值，并算出最优值向量、最劣值向量和合格值向量；
步骤3)：对最优值向量、最劣值向量和合格值向量利用区间灰数的极差变换原理消除量纲影响；
步骤4)：利用消除量纲后的最优值向量、最劣值向量和合格值向量构成正负靶心的灰靶模型的正靶心、合格靶心和负靶心；
步骤5)：利用连环比率法和靶心距公式算出正靶心距、负靶心距、正负靶心距、综合靶心距和合格综合靶心距；
步骤6)：计算待评价对象的综合靶心距，计算综合靶心距与综合合格靶心距的比值，得到相对趋近度；相对趋近度越接近0，其评价的配电指标值越接近最优状态，根据相对趋近度的大小排序可以得出各个评价对象的优劣次序；
步骤7)：把相对趋近度转换为评价等级和评价分数；
步骤8)：利用评价分数计算上一级指标的评分，逐层向上计算出整个配电网的综合评价分数和整个配电网的评价等级。
步骤1)中，所述的供电能力包括负载能力和转供能力；所述负载能力包括主变容载比、主变重载比、线路重载比、配电重载比；所述转供能力包括主变N-1通过率和线变N-1通过率；所述供电质量包括供电可靠性和电压质量，供电可靠性包括用户平均停电时间、用户平均停电频率和供电可靠率RS-3；所述电压质量为电压合格率，所述设备水平包括设备运行经济性和设备故障率；所述智能化水平包括故障自愈水平、通信水平、信息获取水平和自动化水平，所述环保水平为新能源接入水平；所述服务水平为统计调查消费者的满意度。
步骤2中，理论最优值、最劣值是通过相关标准以及求取极限得到，最优、最劣实际值是通过专家经验和配电网实际的运行情况决定，合格值是根据配电网历史数据和配电网改造目标以及专家经验得到，所述步骤2中算出最优值向量、最劣值向量和合格值向量的过程为：
其中，为实际最优值，为理论最优值，X+为最优值向量，X-为最劣值向量，x i -为理论最劣值，为实际最劣值，Xc为合格值向量，x i c为合格下界值，为合格上界值。
步骤3中，所述对最优值向量、最劣值向量和合格值向量利用区间灰数的极差变换原理消除量纲影响的具体过程为：
将最优值向量、最劣值向量和合格值向量根据极大型、极小型、中间型分类，然后根据类型分别进行区间灰数的极差变换，具体变化类型如下：
极大型指标类型：
极小型指标类型：
中间型指标：
其中，为实际最优值，为理论最优值，X+为最优值向量，X-为最劣值向量，x i -为理论最劣值，为实际最劣值，Xc为合格值向量，x i c为合格下界值，为合格上界值，为配电网指标运行数据区间，z i为对应区间变换后的下界，为对应区间变换后的上界。
步骤4中，靶心就是将最优、最劣、合格向量经过上述变换得到：
正靶心：
负靶心：
合格靶心：
其中，是极差变换的结果，是极差变换的结果,是极差变换的结果。
步骤5中，所述连环比率法的具体过程为：
将n个评价指标以任意排列顺序的情况为Aj＝{X1,X2,…，Xn}其中Aj为第j种排序情况，Xi为指标，在Aj中寻找相邻指标间不存在重要性模糊的情况或整个排列顺序中相邻指标间出现重要性模糊的次数最少的排列情况为Am,以Am中指标顺序为依据从评价指标的上方依次以相邻的下方指标为基础在数量上进行重要度判断(λi)，重要度判断依据如下：
把最下一指标的基准值定为1，从下至上顺序对各个指标的值进行基准化，得δi值，即δi＝λi·δi+1(i＝1,2,…，n-1)，将δi值进行归一化得到wi
计算正靶心距，具体公式如下：
计算负靶心距，具体公式如下：
计算正负靶心距，具体公式如下：
计算综合靶心距，具体公式如下：
计算合格综合靶心距，即取Z＝Zc时求得的综合靶心距为合格综合靶心距；
其中，i为对应的配电网指标标号,wi为权重，m为配电网指标个数，为待评价配电网的指标数据的下界与实际最优值的差距，为待评价配电网指标数据的上界与理论最优值的差距，为待评价配电网的指标数据下界与实际最劣值差距，为待评价配电网指标数据的上界与理论最劣值的差距，为实际最优值与实际最劣值的差距，为理论最优值与理论最劣值的差距。
步骤7中，所述相对趋近度与评价等级和评价分数的关系见表1：
表1趋近度与评价等级和评价分数的关系
| 趋近度 | 评价等级 | 评价分数 |
| 0≤t≤0.15 | 优秀 | 90～100 |
| 0.15<t≤0.6 | 良好 | 75～90 |
| 0.6<t≤1 | 合格 | 60～75 |
| 1<t≤4 | 不合格 | 0～60 |
| t>4 | 不合格 | 0 |
所述把相对趋近度转换为评价等级和评价分数的具体过程为：根据下列方式算出评价分数：
其中，g为评价分数，t为相对趋近度；
步骤8中，所述计算出整个配电网的综合评价分数和整个配电网的评价等级的过程为：根据以下公式计算计算上一级指标的评价分数，
其中，wi为本级指标的权重，G为上一级指标的评价分数，gi为本级指标的评价分数,从而计算出整个配电网的评价分数；根据所有级别的评价分数相加除以级别得到出整个配电网的综合评分，然后将综合评分转成评价等级。
本发明的优点与效果是：
本发明的一种基于正负靶心的灰靶模型的配电网综合评价方法解决了传统的灰靶模型不适合于单个地区配电网的评价，改进了正负靶心的灰靶模型，避免了连环比率法计算权重时指标间出现重要性模糊的情况，实现了单个多个地区配电网的评价。具有方法科学合理，适用性强，效果佳等优点。
附图说明
图1是一种基于正负靶心的灰靶模型的配电网综合评价方法流程图；
图2是配电网指标体系图；
图3是趋近度与评价分数之间的关系图。
具体实施方式
以下结合实施例对本发明作进一步说明。
本发明的一种基于正负靶心的灰靶模型的配电网综合评价方法，如图1所示，包括如下步骤：
步骤1：从配电网供应侧出发在供电能力、供电质量、设备水平、智能化水平、环保水平、服务水平六个方面选取具有代表性的指标，根据电网导则及相关标准，以及遵循配电网指标体系构建原则，利用层次分析法构建配电网指标体系，该体系指标层从下至上分为：D(基础指标层)＝{各个单项指标}，B(二级指标层)＝{负载能力，转供能力，供电可靠性，电压质量，运行经济性，设备故障率，故障自愈水平，通信水平，信息获取水平，自动化水平，新能源接入水平，消费者满意度}，A(一级指标层)＝{供电能力，供电质量，设备水平，智能化水平，环保水平，服务水平}。从提出”打造坚强智能电网”到能源互联网的发展过程中大量分布式新能源投入电网，电网的环保程度直接与分布式能源相关联，于是，利用新能源接入水平来衡量配电网的环保性。随着能源互联的发展，近日出台的新电改方案又提出了“搭建独立的电力交易市场”，消费者需求直接影响电力市场的发展，于是，提出了配电网服务水平评价指标消费者满意度。在遵循“坚强智能电网”和能源互联网原则的基础上，以及在已有研究的基础上提出了层次型配电网评价指标体系，如附图2所示。
步骤2：根据配电网相关标准和理论依据以及专家经验得到的各个指标对应的理论最优值、实际最优值、理论最劣值、实际最劣值、合格值见表3。
步骤3：将表3中的数据构成向量，具体向量如下所示。
将指标根据极大型、极小型、中间型分类，具体分类见表3。
步骤4：将表3中对应指标的X+、X-、Xc分别利用公式(1)--公式(6)进行处理得到正靶心Z+、负靶心Z-，合格靶心Zc。
步骤5：计算指标权重和靶心距
利用连环比率法计权重。将n个评价指标以任意排列顺序的情况为Aj＝{X1,X2,…，Xn},其中Aj为第j种排序情况，Xi为指标，在Aj中寻找相邻指标间不存在重要性模糊的情况或整个排列顺序中相邻指标间出现重要性模糊的次数最少的排列情况为Am,以Am中指标顺序为依据从评价指标的上方依次以相邻的下方指标为基础根据公式(7)对相对重要性做出判别。然后将得到的重要性数值根据公式(8)进行归一化即可得到最终的权重。然后将权重分别带入公式(9)计算得到正靶心距为ε+，公式(10)计算得到负靶心距为ε-，公式(11)计算得到正负靶心距为ε0，然后根据综合靶心距公式(12)，将合格靶心Zc带入计算得到合格综合靶心距为εc。
以供电能力下属负载能力层计算为例，说明其计算过程。根据表3可知负载能力层的
X＝{[1.81,1.81],[0.126,0.126],[0.148,0.148],[0.174,0.174]},
X+＝{[1.8,2.2],[0,0.005],[0,0.005],[0,0.005]},
X-＝{[0,0],[0.9,1.0],[0.9,1.0],[0.9,1.0]}，
Xc＝{[1.68,1.75],[0.2,0.25],[0.2,0.25],[0.2,0.25]},将X、X+、X-、Xc，分别根据指标类型进行区间灰数的极差变换得到Z＝{[1,1],[0.874,0.874],[0.852,0.852],[0.826,0.826]}，Z+＝{[1,1],[1,1],[1,1],[1,1]},Z-＝{[0,0][0,0],[0,0],[0,0]},Zc＝{[0.933,0.972],[0.75,0.8],[0.75,0.8],[0.75,0.8]}。
根据专家重要性判断情况，得知负载能力层的下属指标排列顺序最优是：D3,D1,D2,D4，权重计算见表2。同理计算得到其指标的权重见表3。
表2负载能力评价指标的权重计算表
| 评价指标 | λi | δi | (局部权重)wi |
| D3 | 0.5 | 2.0 | 0.2222 |
| D1 | 1 | 4.0 | 0.4444 |
| D2 | 2 | 2.0 | 0.2222 |
| D4 | -- | 1.0 | 0.1112 |
| 小计 | 1 |
即权重向量为W＝{0.2222,0.4444,0.2222,0.1112}。将权重W和Z+、Z-、Zc分别带入公式10,11,12,13得到ε+＝0.10845，ε-＝0.922658，ε0＝1，εc＝0.146119，ε＝0.080232。
步骤6：计算待评价对象综合靶心距与合格综合靶心距之间的趋近度
根据公式(15)计算趋近度，得到负载能力层的趋近度为t＝0.549084。
步骤7：根据表1，将趋近度转换为评价等级，根据公式(13)将趋近度进一步转换为评价分数。将表1中趋近度与评价分数的关系用折线表示见图3。
根据表1和公式(13)计算得到负载能力评价分数为77.314365，属于良好等级。同理计算得到其他指标的得分值和评价等级见表3。
步骤8：根据公式(14)，逐层向上计算整个配电网的评价分数。整个配电网的评价结果如表4。
表3指标数据
表4评价结果
以上已对本发明创造的较佳实施例进行了具体说明，但本发明并不限于实施例，熟悉本领域的技术人员在不违背本发明创造精神的前提下还可以作出种种的等同的变型或替换，这些等同的变型或替换均包含在本申请的范围内。
Claims (8)
1.一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于，包括如下步骤：
步骤1)：从配电网供应侧中选取配电网评价指标；配电网评价指标包括供电能力、供电质量、设备水平、智能化水平、环保水平、服务水平进行选取；
步骤2)：从评价指标中选取理论最优值和实际最优值、合格上限值、合格下限值、理论最劣值和实际最劣值，并算出最优值向量、最劣值向量和合格值向量；
步骤3)：对最优值向量、最劣值向量和合格值向量利用区间灰数的极差变换原理消除量纲影响；
步骤4)：利用消除量纲后的最优值向量、最劣值向量和合格值向量构成正负靶心的灰靶模型的正靶心、合格靶心和负靶心；
步骤5)：利用连环比率法和靶心距公式算出正靶心距、负靶心距、正负靶心距、综合靶心距和合格综合靶心距；
步骤6)：计算待评价对象的综合靶心距，计算综合靶心距与综合合格靶心距的比值，得到相对趋近度；
步骤7)：把相对趋近度转换为评价等级和评价分数；
步骤8)：逐层向上计算出整个配电网的评价分数和整个配电网的评价等级。
2.根据权利要求1所述的一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于：步骤1)所述的供电能力包括负载能力和转供能力；所述负载能力包括主变容载比、主变重载比、线路重载比、配电重载比；所述转供能力包括主变N-1通过率和线变N-1通过率；所述供电质量包括供电可靠性和电压质量，供电可靠性包括用户平均停电时间、用户平均停电频率和供电可靠率RS-3；所述电压质量为电压合格率，所述设备水平包括设备运行经济性和设备故障率；所述智能化水平包括故障自愈水平、通信水平、信息获取水平和自动化水平，所述环保水平为新能源接入水平；所述服务水平为统计调查消费者的满意度。
3.根据权利要求1所述的一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于：步骤2)所述的算出最优值向量、最劣值向量和合格值向量的过程为：
<mrow>
<msup>
<mi>X</mi>
<mo>+</mo>
</msup>
<mo>=</mo>
<mo>{</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
<mo>+</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
<mo>+</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mn>2</mn>
<mo>+</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
<mo>+</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>m</mi>
<mo>+</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
<mo>+</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
<mrow>
<msup>
<mi>X</mi>
<mo>-</mo>
</msup>
<mo>=</mo>
<mo>{</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
<mo>-</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
<mo>-</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mn>2</mn>
<mo>-</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
<mo>-</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>m</mi>
<mo>-</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
<mo>-</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
<mrow>
<msup>
<mi>X</mi>
<mi>c</mi>
</msup>
<mo>=</mo>
<mo>{</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
<mi>c</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
<mi>c</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mn>2</mn>
<mi>c</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
<mi>c</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mo>&lsqb;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>m</mi>
<mi>c</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
<mi>c</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
其中，为实际最优值，为理论最优值，X+为最优值向量，X-为最劣值向量，x i -为理论最劣值，为实际最劣值，Xc为合格值向量，x i c为合格下界值，为合格上界值。
4.根据权利要求1所述的一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于：步骤3)所述对最优值向量、最劣值向量和合格值向量利用区间灰数的极差变换原理消除量纲影响的具体过程为：
将最优值向量、最劣值向量和合格值向量根据极大型、极小型、中间型分类，然后根据类型分别进行区间灰数的极差变换，具体变化类型如下：
极大型指标类型：
<mrow>
<msub>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>-</mo>
<msup>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>-</mo>
</msup>
</mrow>
<mrow>
<msup>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>+</mo>
</msup>
<mo>-</mo>
<msup>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>-</mo>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
<msup>
<mover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>-</mo>
</msup>
</mrow>
<mrow>
<msup>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>+</mo>
</msup>
<mo>-</mo>
<msup>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>-</mo>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
极小型指标类型：
<mrow>
<msub>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>-</mo>
</msubsup>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msup>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
</msup>
<mo>-</mo>
<msup>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>+</mo>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>-</mo>
</msubsup>
<mo>-</mo>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>-</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
中间型指标：
<mrow>
<msub>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
<mo>+</mo>
</msubsup>
</mfrac>
<mo>,</mo>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<mo>&le;</mo>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
</mfrac>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<mo>&le;</mo>
<msub>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
<mo>+</mo>
</msubsup>
</mfrac>
<mo>,</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
<msubsup>
<munder>
<mi>x</mi>
<mo>&OverBar;</mo>
</munder>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<mo>&le;</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mfrac>
<mo>,</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<mo>&le;</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为实际最优值，为理论最优值，X+为最优值向量，X-为最劣值向量，x i -为理论最劣值，为实际最劣值，Xc为合格值向量，x i c为合格下界值，为合格上界值，为配电网指标运行数据区间,z i为对应区间变换后的下界，为对应区间变换后的上界。
5.根据权利要求1所述的一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于：步骤4)所述对得到：
正靶心：
负靶心：
合格靶心：
其中，是极差变换的结果，是极差变换的结果,是极差变换的结果。
6.根据权利要求1所述的一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于：步骤5)所述连环比率法的具体过程为：
将n个评价指标以任意排列顺序的情况为Aj＝{X1,X2,…，Xn}其中Aj为第j种排序情况，Xi为指标，在Aj中寻找相邻指标间不存在重要性模糊的情况或整个排列顺序中相邻指标间出现重要性模糊的次数最少的排列情况为Am,以Am中指标顺序为依据从评价指标的上方依次以相邻的下方指标为基础在数量上进行重要度判断(λi)，重要度判断依据如下：
把最下一指标的基准值定为1，从下至上顺序对各个指标的值进行基准化，得δi值，即δi＝λi·δi+1(i＝1,2,…，n-1)，将δi值进行归一化得到wi
<mrow>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
计算正靶心距，具体公式如下：
<mrow>
<msup>
<mi>&epsiv;</mi>
<mo>+</mo>
</msup>
<mo>=</mo>
<msup>
<mn>2</mn>
<mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</mrow>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
</msub>
<mo>-</mo>
<msubsup>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
<mo>+</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
<mo>+</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>...</mn>
<mo>+</mo>
<msub>
<mi>w</mi>
<mi>m</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
</msub>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
<mo>+</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
计算负靶心距，具体公式如下：
<mrow>
<msup>
<mi>&epsiv;</mi>
<mo>-</mo>
</msup>
<mo>=</mo>
<msup>
<mn>2</mn>
<mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</mrow>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
</msub>
<mo>-</mo>
<msubsup>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>...</mn>
<mo>+</mo>
<msub>
<mi>w</mi>
<mi>m</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
</msub>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
计算正负靶心距，具体公式如下：
<mrow>
<msup>
<mi>&epsiv;</mi>
<mn>0</mn>
</msup>
<mo>=</mo>
<msup>
<mn>2</mn>
<mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</mrow>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
<mo>+</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<munder>
<mi>z</mi>
<mo>&OverBar;</mo>
</munder>
<mn>1</mn>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
<mo>+</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>...</mn>
<mo>+</mo>
<msub>
<mi>w</mi>
<mi>m</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
<mo>+</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
计算综合靶心距，具体公式如下：
<mrow>
<mi>&epsiv;</mi>
<mo>=</mo>
<msup>
<mi>&epsiv;</mi>
<mo>+</mo>
</msup>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>&epsiv;</mi>
<mo>+</mo>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>&epsiv;</mi>
<mn>0</mn>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>&epsiv;</mi>
<mo>-</mo>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>&epsiv;</mi>
<mn>0</mn>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
计算合格综合靶心距，即取Z＝Zc时求得的综合靶心距为合格综合靶心距；
其中，i为对应的配电网指标标号,wi为权重，m为配电网指标个数，为待评价配电网的指标数据的下界与实际最优值的差距，为待评价配电网指标数据的上界与理论最优值的差距，为待评价配电网的指标数据下界与实际最劣值差距，为待评价配电网指标数据的上界与理论最劣值的差距，为实际最优值与实际最劣值的差距，为理论最优值与理论最劣值的差距。
7.根据权利要求1所述的一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于：步骤7)所述把相对趋近度转换为评价等级和评价分数的具体过程为：根据下列方式算出评价分数，
<mrow>
<mi>g</mi>
<mo>=</mo>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mfrac>
<mn>200</mn>
<mn>3</mn>
</mfrac>
<mi>t</mi>
<mo>+</mo>
<mn>100</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>t</mi>
<mo>&le;</mo>
<mn>0.15</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mfrac>
<mn>500</mn>
<mn>11</mn>
</mfrac>
<mi>t</mi>
<mo>+</mo>
<mfrac>
<mn>1125</mn>
<mn>11</mn>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0.15</mn>
<mo><</mo>
<mi>t</mi>
<mo>&le;</mo>
<mn>0.6</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>37.5</mn>
<mi>t</mi>
<mo>+</mo>
<mn>97.5</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0.6</mn>
<mo><</mo>
<mi>t</mi>
<mo>&le;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>20</mn>
<mi>t</mi>
<mo>+</mo>
<mn>80</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>1</mn>
<mo><</mo>
<mi>t</mi>
<mo>&le;</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>t</mi>
<mo>></mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，g为评价分数，t为相对趋近度。
8.根据权利要求1所述的一种基于正负靶心的灰靶模型的配电网综合评价方法，其特征在于：步骤8)所述计算出整个配电网的评价分数和整个配电网的评价结果的过程为：根据以下公式计算计算上一级指标的评价分数，
<mrow>
<mi>G</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>g</mi>
<mi>i</mi>
</msub>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，wi为本级指标的权重，G为上一级指标的评价分数，gi为本级指标的评价分数,从而计算出整个配电网的评价分数；根据所有级别的评价分数相加除以级别得到出整个配电网的综合评分，然后将综合评分转成评价等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711222031.1A CN108108874A (zh) | 2017-11-29 | 2017-11-29 | 一种基于正负靶心的灰靶模型的配电网综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711222031.1A CN108108874A (zh) | 2017-11-29 | 2017-11-29 | 一种基于正负靶心的灰靶模型的配电网综合评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108108874A true CN108108874A (zh) | 2018-06-01 |
Family
ID=62208574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711222031.1A Pending CN108108874A (zh) | 2017-11-29 | 2017-11-29 | 一种基于正负靶心的灰靶模型的配电网综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108108874A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582609A (zh) * | 2019-11-20 | 2020-08-25 | 国网吉林省电力有限公司吉林供电公司 | 一种计及区域特征的煤改电项目优化方法及优化系统 |
| CN113469568A (zh) * | 2021-07-22 | 2021-10-01 | 国网湖南省电力有限公司 | 一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置 |
| CN113689153A (zh) * | 2021-10-27 | 2021-11-23 | 成都飞机工业（集团）有限责任公司 | 一种基于灰靶决策的复杂装备交付中典型问题的筛选方法 |
| CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
-
2017
- 2017-11-29 CN CN201711222031.1A patent/CN108108874A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582609A (zh) * | 2019-11-20 | 2020-08-25 | 国网吉林省电力有限公司吉林供电公司 | 一种计及区域特征的煤改电项目优化方法及优化系统 |
| CN111582609B (zh) * | 2019-11-20 | 2023-04-25 | 国网吉林省电力有限公司吉林供电公司 | 一种计及区域特征的煤改电项目优化方法及优化系统 |
| CN113469568A (zh) * | 2021-07-22 | 2021-10-01 | 国网湖南省电力有限公司 | 一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置 |
| CN113689153A (zh) * | 2021-10-27 | 2021-11-23 | 成都飞机工业（集团）有限责任公司 | 一种基于灰靶决策的复杂装备交付中典型问题的筛选方法 |
| CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
| CN116577583B (zh) * | 2023-05-17 | 2023-11-28 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107563680B (zh) | 一种基于ahp和熵权法的配电网可靠性评估方法 | |
| CN106850254B (zh) | 一种电力通信网中关键节点识别方法 | |
| CN104951866B (zh) | 一种县级供电企业线损综合管理对标评价体系及评价方法 | |
| CN108108874A (zh) | 一种基于正负靶心的灰靶模型的配电网综合评价方法 | |
| CN111091143A (zh) | 基于深度信念网络和K-means聚类的配变重过载预警方法 | |
| CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
| CN105184655A (zh) | 一种城市配电网智能化改造评估方法 | |
| CN108985602B (zh) | 一种计及风险的电网分类项目的投入产出评价方法及系统 | |
| CN103761690A (zh) | 基于电网系统中电压无功控制系统的评估方法 | |
| CN110263995A (zh) | 考虑负荷增长率与用户用电特性的配变重过载预测方法 | |
| CN107515839A (zh) | 经改进赋权算法处理的电能质量模糊评估法 | |
| CN112785119B (zh) | 基于聚类和层次分析算法的配网电压越限原因分析方法 | |
| CN109003010A (zh) | 电网项目投资效益的评价方法 | |
| CN112308427A (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
| CN111695718A (zh) | 一种考虑投资需求与规划目标的电网发展辅助决策方法 | |
| CN109492874B (zh) | 一种三层级配电网投资决策体系的决策方法 | |
| CN111460378A (zh) | 一种考虑风险测度的配电网精准投资项目优选方法 | |
| CN107292489A (zh) | 一种电网调度运行精益化评价系统 | |
| Lin et al. | Intelligent prediction of the construction cost of substation projects using support vector machine optimized by particle swarm optimization | |
| CN104820942A (zh) | 一种基于层次聚类的电力市场交易评价标准测算方法 | |
| CN102904252B (zh) | 求解含分布式电源的配电网不确定性潮流的方法 | |
| CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
| CN111737924B (zh) | 一种基于多源数据选取典型负荷特性变电站的方法 | |
| CN116029559A (zh) | 一种电力系统基建项目组合方案决策方法 | |
| CN111080164A (zh) | 一种基于日负荷曲线的电力负荷聚类结果评价方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180601 |