CN109523102A - 一种配电网运行状态综合评价方法 - Google Patents

Abstract

本发明提供一种配电网运行状态综合评价方法，属于配电网综合评价领域，本发明提供一种基于合作博弈法和梯形云模型的配电网运行状态模糊综合评价模型，解决传统模糊综合评价方法未能充分考虑随机性和模糊性的缺陷，以及区间划分的边界过硬问题，可以提高权重的精确度，避免定权重评判模式无法反映真实的配电网运行状态的情况。

Description

一种配电网运行状态综合评价方法

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配电网运行状态综合评价方法。

背景技术

配电网位于电力系统末端，是电力系统中联系电源与用户的一个重要环节。安全、可靠的配电网是保障国民经济持续稳定发展以及人民生活水平不断提高的重要物质基础。科学、合理的配电网规划是保障电网稳定运行的重要前提。我国配电网运行水平和资源利用率低，为了改善配电网的运行状况，首先对配电网进行综合评价，进而指导配电网的规划建设。

常用综合评价方法有模糊综合评价法和层次分析法等，模糊综合评价法的关键是隶属度函数的确定，其没有统一的标准。传统的综合评价模型没有根据配电网特性对指标权重和评价方法进行针对性的分析和处理，也未能充分考虑配电网数据采集的随机性和模糊性；传统评价模型中权重的确定主要是利用引入调节因子的组合赋权法，而调节因子的取值是根据经验确定的，主观性较强，造成权重精确度下降，并且此方法确定的权重为定权重，在配电网综合评价指标体系中，当某些指标数值偏离正常值时，往往表示配电网某部分性能下降，需加强巡查，但在定权评判模式中可能会因其权重较小，整体评价还是正常的，不能反映配电网的真实状态。

云模型将实现定性与定量之间的转换，常用的云模型有正态云模型、梯形云模型，正态云模型只能描述期望值是一个值的情况，而梯形云模型能描述期望值不止是一个值的情况还可以描述期望值是一个区间的情况；云模型已经成为评价多层次、多指标且评价指标的描述具有很强的模糊性和随机性的综合评价问题的有力工具。

发明内容

本发明的目的提出一种基于合作博弈法和梯形云模型的配电网运行状态模糊综合评价模型，解决传统模糊综合评价方法未能充分考虑随机性和模糊性的缺陷，以及区间划分的边界过硬问题，可以提高权重的精确度，避免定权重评判模式无法反映真实的配电网运行状态的情况。

本发明通过以下技术方案解决上述问题：

一种配电网运行状态综合评价方法，包括如下步骤：

步骤1：考虑目的性、系统性、可操作性、独立性、显著性、动态性六大原则构建配电网指标体系；

步骤2：对配电网指标体系进行分析得到确定标体系；

步骤3：用合作博弈来确定各个指标的组合定权重，其合作博弈法确定组合权重的算法如下：

步骤3.1：计算W(i)与W(k_i)的一致性相关系数L_i。

其中，i为计算的权重方法，W_j(i)为使用第i种计算权重的方法计算的第j个指标的权重，W(k_i)为除了W(i)外的k-1种权重W(1),…,W(i-1),W(i+1),…,W(k)的组合权重；k为权重中指标的个数；”—”表示求平均值，W(i)为权重；

步骤3.2：求组合权重W':

其中，L(i)为相关系数，W(i)为权重；

步骤3.3：W(k_i)表示除W(i)外的k-1种权重的最佳组合，可以采用递归调用，每调用一次权重个数减1，直到权重的个数等于2为止；

步骤3.4：权重个数等于2时，

其中，W(1)和W(2)位第1和第2个权重；

步骤3.5：将W'归一化得到权重W。

将合作博弈法确定的定权重利用变权理论中带均衡系数的变权公式进行修正。

步骤4：利用梯形云模型充分体现配电网指标的分布特征；梯形云用期望区间[E_x1,E_x2]、熵E_n和超熵H_e表示整体定量特性，用这4个数字特征构成的四元组(E_x1,E_x2,E_n,H_e)描述梯形云，其中E_x1≤E_x2，当E_x1＝E_x2时梯形云特殊化为正态云，用梯形云模型参数(E_x1,E_x2,E_n,H_e)来描述各个评价等级中指标值隶属情况分布，其梯形云模型具体算法如下：

步骤4.1：判断指标值x，如果x属于[E_x1,E_x2]，则隶属度μ＝1；如果x<E_x1，则E_x＝E_x1；如果x>E_x2，则E_x＝E_x2；

步骤4.2：计算隶属度。

式中E、_n是以E_n为期望、H_e为标准差生成的一个正态随机数；

步骤5：把配电网运行情况与配电网改造目标之间的相对差距将配电网运行等级划分为差、一般、中等、良好、优秀五个等级，根据指标值的分布特性将基础指标分为三类：正向指标、负向指标、中间型指标，分析各类等级数据和各个指标的理想值可得到对应状态的梯形云隶属函数，其中正向指标的‘差’等级、负向指标的‘优秀’等级采用右半梯形云模型描述；正向指标的‘优秀’和负向指标的‘差’等级采用左半梯形云模型描述；

在模糊综合评价的框架上将模糊综合评价中的隶属度函数用梯形云模型来代替，即将模糊综合评价中隶属度矩阵用梯形云模型的隶属度代替，然后利用此框架进行综合评价，具体步骤如下：

步骤5.1：确定评价指标集。设第一层指标有m个指标，记为U＝{u₁,u₂,…,u_m}，根据归属关系分成k个子集，则U＝{U₁,U₂,…,U_k}；

步骤5.2：建立评价等级集，评价等级集是评价标准集合，设有l个评价标准，即评价集V＝{v₁，v₂,…,v_l}，本专利中V＝{v₁＝差，v₂＝一般，v_3＝中等，v₄＝良好，v₅＝优秀}；

步骤5.3：确定指标权重，利用步骤2中提出的合作博弈法和变权理论相结合的方法计算指标权重；计算第一层指标的权重，得到k权重向量其中i＝1，2，3，…，k。

步骤5.4：确定隶属度矩阵，根据配电网指标的历史数据和云模型参数的统计算法，计算得到各指标对应等级的梯形云模型参数，并根据梯形云发生器算法计算得到各个等级的隶属度，构成隶属度矩阵R_i，

步骤5.5：计算评估向量；

步骤5.6：计算综合评估向量。第二层指标权重向量w＝[w₁,w₂,…,w_k]，U的隶属度矩阵R＝[B₁,B₂,…,B_k]，最终的评估向量为：

B＝wR＝[b₁,b₂,…,b_l]

步骤6：最后依次类推计算出多层指标的评估向量，然后利用隶属度最大原则确定评价结果，分析评价结果从顶层追溯至基础指标层，根据基础指标的来源对现有配电网的规划方案和配电网运行情况进行比较，指导配电网的规划建设。

上述方案中，优选的是步骤2中对配电网指标体系进行分析的具体过程为，

步骤2.1：对指标体系进行根据配电网导则进行筛选；

步骤2.2：计算各个指标之间的相关系数，经过初步筛选的指标集共有n(n＝57)个指标，r_ij为第i个指标和第j指标之间的相关系数；x_it、x_jt分别是第i、j个指标的第t个观测值(t＝(1,2,…,k))则

然后据需要选取相关系数临界值M，M＝0.9，|r_ij|>0.9则说明两个指标之间反映的信息重复，删除其中一个指标；|r_ij|<0.9则同时保留两个指标；其次利用方差膨胀因子进行共线性诊断，删除多重共线性指标，第i个指标的方差膨胀因子记为(VIF)_i，i＝(1,2,…,n)，R²是以第i个指标为因变量以其他n-1个指标为自变量时，因变量对自变量回归的可决系数，则所有(VIF)_i中的最大值通常被用来作为多重共线性严重程度指标，一般认为，(VIF)_i≥10时，指标有严重的多重相关性，删除指标i；

步骤2.3：将筛选后的指标集对应的相关系数构成相关系数矩阵R，计算矩阵R的特征值，计算得到大于0的p个特征值λ₁≥λ₂≥…≥λ_p≥0，并求得对应的特征向量为：V＝(v₁,v₁,…,v_q)，则p个主成分为：

计算主成分的方差贡献率以及累计方差贡献率：其中m的取值为：1,2,3,…p，当ρ≥85％时，保留前s个主成分即s＝m，计算主成分因子负载矩阵B(b₁,…,b_q)＝(b_ij)_q×s，计算公式其中λ_i是特征值，V_i是其对应的特征向量，B_i是变量X与主成分y_i的相关系数列，其中载荷b_ij是变量x_i与主成分y_i的相关系数，根据绝对值|b_ij|筛选指标，绝对值|b_ij|越大表明与主成分y_i越相关，其对应的指标应该保留，反而越小的应删除。

本发明的优点与效果是：

本发明提供一种基于合作博弈法和梯形云模型的配电网运行状态模糊综合评价模型，解决传统模糊综合评价方法未能充分考虑随机性和模糊性的缺陷，以及区间划分的边界过硬问题，可以提高权重的精确度，避免定权重评判模式无法反映真实的配电网运行状态的情况。

附图说明

图1为本发明评价流程图；

图2是本发明配电网运行状态评价指标体系图；

具体实施方式

以下结合实施例对本发明作进一步说明。

一种配电网运行状态综合评价方法，如图1所示，

步骤1：构建配电网指标体系。

遵循以下六大原则进行指标体系的构建：

(1)目的性，配电网指标的选出必须符合同一的评价目的，并且指标能准确的描述配电网系统的特征，以目的为导向来选取指标；本发明中以配电网的整体运行状态为评价目的为导向来选取评价指标。

(2)系统性，指标体系能从整体上体现配电网的主要特征，指标的层次结构要明确、清楚；为了充分体现配电网指标体系的层次结构和整体性，利用层次分析法构建配电网指标体系。

(3)可操作性，选取的配电网的基础指标必须是可采集的，且采集成本不宜过大，在选择指标时主要考虑指标采集的难易程度。

(4)独立性，各个指标之间应相互独立，但由于配电网指标体系的复杂性决定了各个指标之间完全独立是不可能的，以最大可能性保持各个指标之间的独立性，分析指标之间相关性方法来保证评价指标之间尽可能的相对独立，利用相关性分析法最大程度保证指标独立性。

(5)显著性，在构建指标体系时并不是指标个数越多越好，指标个数越多就意味导致数据冗余的可能性越大；利用主要的关键评价指标来体现配电网指标体系的显著性，利用主成分分析法对指标进行显著性筛选。

(6)动态性，随着配电网的改造和评价目的改变，指标体系需要做出相对应的调整，通过合理性检验和评价反馈来对构建的指标体系进行调整。

遵循以上原则的基础上从安全性、优质性、经济性、智能性、环保性和可持续性六个方面构建配电网综合评价指标体系。根据原则1选取基础指标集如表2所示，然后根据可操作性对基础指标集进行初步筛选，初步筛选结果如表2，然后对筛选后的指标集进行相关性分析：首先，计算各个指标之间的相关系数，经过初步筛选的指标集共有n(n＝57)个指标，r_ij为第i个指标和第j指标之间的相关系数；x_it、x_jt分别是第i、j个指标的第t个观测值(t＝(1,2,…,k))则

然后据需要选取相关系数临界值M，本专利中取M＝0.9，|r_ij|>0.9则说明两个指标之间反映的信息重复，根据观测性等方面考虑删除其中一个指标；|r_ij|<0.9则同时保留两个指标；其次利用方差膨胀因子进行共线性诊断，删除多重共线性指标。第i个指标的方差膨胀因子记为(VIF)_i，i＝(1,2,…,n)，R²是以第i个指标为因变量以其他n-1个指标为自变量时，因变量对自变量回归的可决系数，则所有(VIF)_i中的最大值通常被用来作为多重共线性严重程度指标，一般认为，(VIF)_i≥10时，指标有严重的多重相关性，删除指标i。其次，对进一步筛选后的指标集利用主成分分析法进行显著性筛选：首先，将筛选后的指标集对应的相关系数构成相关系数矩阵R，计算矩阵R的特征值，计算得到大于0的p个特征值λ₁≥λ₂≥…≥λ_p≥0，并求得对应的特征向量为：V＝(v₁,v₁,…,v_q)，则p个主成分为：

计算主成分的方差贡献率以及累计方差贡献率：其中m的取值为：1,2,3,…p，根据保留数据信息的一般性准则，当ρ≥85％时，保留前s个主成分即s＝m。计算主成分因子负载矩阵B(b₁,…,b_q)＝(b_ij)_q×s，计算公式其中λ_i是特征值，V_i是其对应的特征向量，B_i是变量X与主成分y_i的相关系数列，其中载荷b_ij是变量x_i与主成分y_i的相关系数。根据绝对值|b_ij|筛选指标。绝对值|b_ij|越大表明与主成分y_i越相关，其对应的指标应该保留，反而越小的应删除。经过以上步骤删选后的指标集如表2所示，具体的指标体系如附图2所示。

步骤2：计算指标权重。

本发明中将相容矩阵分析法、熵权法、反熵权法分别计算得到的权重W(1)、W(2)、W(3)利用合作博弈进行组合求取最优权重W，然后利用变权理论进行修正得到变权重W，即为最终的权重。

根据专家对指标之间的相对重要程度打分，打分标准如表3所示，得到相对重要程度构造判断矩阵A＝(a_ij)_n×n。令得到的相容矩阵B＝(b_ij)_n×n，B满足b_ii＝1，b_ij＝1/b_ji，bij＝b_ik·b_kj；相容矩阵计算权重的公式为:

其中根据公式6计算得到权重W(1)。将指标的运行数

据代入熵权法和反熵权法计算公式得到权重W(2),W(3)。将权重W(1),W(2),W(3)作为合作博弈法确定组合权重的算法的输入迭代计算得到组合权重W。将组合权重W经过变权公式修正得到最终的权重W，作为步骤3的输入。以安全性U₁下属指标为例说明计算过程：

通过专家对安全性下属的七个基础指标进行相对重要性以表3为标准打分，得到判断矩阵A_u1，利用公式6计算得到其权重为W_u1(1)＝{w^r ₁₁,w^r ₁₂,w^r ₁₃,w^r ₁₄,w^r ₁₅,w^r ₁₆,w^r ₁₇}，利

用熵权法计算得到权重为W_u1(2)＝{w^h ₁₁,w^h ₁₂,w^h ₁₃,w^h ₁₄,w^h ₁₅,w^h ₁₆,w^h ₁₇}，反熵权法计算得到权重为W_u1(3)＝{w^e ₁₁,w^e ₁₂,w^e ₁₃,w^e ₁₄,w^e ₁₅,w^e ₁₆,w^e ₁₇}，将合作博弈组合赋权法算法用matlab实现，将W_u1(1),W_u1(2),W_u1(3)作为输入，得到组合权重W_u1＝{w₁₁,w₁₂,w₁₃,w₁₄,w₁₅,w₁₆,w₁₇}，将组合权重W_u1经过变权公式其中取α＝0修正得到最终的权重。同理得其他指标的权重。j＝1

步骤3：设计基于梯形云模型的评价模型

通过对配电网指标的历史数据统计和指标理想值的分析得到各个评价等级对应的云模型参数，梯形云模型参数的统计公式如下：

其中Ex_j为指标j的统计平均值，m指标数据采集的组数，x_ij为指标采集数据。通过统计得到的云模型参数为SC_i,k＝(Eⁱ _x1,Eⁱ _x2,Eⁱ _n,Hⁱ _e)，其中i为指标，k为评价等级，然后将待评价的指标数据分别传入对应指标的x条件梯形云模型发生器(梯形云模型算法的程序实现)计算得到隶属度，构成隶属向量R_i，根据指标的归类情况，构造成隶属度矩阵R，由步骤2计算得到最终的权重向量W。利用模糊综合评价原理中的公式计算得到上一层指标的隶属度向量具体公式如式7，逐层计算得到最终的隶属度向量B＝{B1,B2,B3,B4,B5}，然后利用最大隶属度原则判别评价等级，根据评级等级分析处于此等级的原因，指导进一步配电网规划建设。

表1配电网运行状态等级描述

表2配电网指标体系筛选结果

表3相对重要度标准

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 (2)

1.一种配电网运行状态综合评价方法，其特征在于，包括如下步骤：

步骤1：考虑目的性、系统性、可操作性、独立性、显著性、动态性六大原则构建配电网指标体系；

步骤2：对配电网指标体系进行分析得到确定标体系；

步骤3：用合作博弈来确定各个指标的组合定权重，其合作博弈法确定组合权重的算法如下：

步骤3.1：计算W(i)与W(k_i)的一致性相关系数L_i。

其中，i为计算的权重方法，W_j(i)为使用第i种计算权重的方法计算的第j个指标的权重，W(k_i)为除了W(i)外的k-1种权重W(1),…,W(i-1),W(i+1),…,W(k)的组合权重；k为权重中指标的个数；”—”表示求平均值，W(i)为权重；

步骤3.2：求组合权重W':

其中，L(i)为相关系数，W(i)为权重；

步骤3.3：W(k_i)表示除W(i)外的k-1种权重的最佳组合，可以采用递归调用，每调用一次权重个数减1，直到权重的个数等于2为止；

步骤3.4：权重个数等于2时，

其中，W(1)和W(2)位第1和第2个权重；

步骤3.5：将W'归一化得到权重W。

将合作博弈法确定的定权重利用变权理论中带均衡系数的变权公式进行修正。

步骤4：利用梯形云模型充分体现配电网指标的分布特征；梯形云用期望区间[E_x1,E_x2]、熵E_n和超熵H_e表示整体定量特性，用这4个数字特征构成的四元组(E_x1,E_x2,E_n,H_e)描述梯形云，其中E_x1≤E_x2，当E_x1＝E_x2时梯形云特殊化为正态云，用梯形云模型参数(E_x1,E_x2,E_n,H_e)来描述各个评价等级中指标值隶属情况分布，其梯形云模型具体算法如下：

步骤4.1：判断指标值x，如果x属于[E_x1,E_x2]，则隶属度μ＝1；如果x<E_x1，则E_x＝E_x1；如果x>E_x2，则E_x＝E_x2；

步骤4.2：计算隶属度。

式中E、_n是以E_n为期望、H_e为标准差生成的一个正态随机数；

步骤5：把配电网运行情况与配电网改造目标之间的相对差距将配电网运行等级划分为差、一般、中等、良好、优秀五个等级，根据指标值的分布特性将基础指标分为三类：正向指标、负向指标、中间型指标，分析各类等级数据和各个指标的理想值可得到对应状态的梯形云隶属函数，其中正向指标的‘差’等级、负向指标的‘优秀’等级采用右半梯形云模型描述；正向指标的‘优秀’和负向指标的‘差’等级采用左半梯形云模型描述；

在模糊综合评价的框架上将模糊综合评价中的隶属度函数用梯形云模型来代替，即将模糊综合评价中隶属度矩阵用梯形云模型的隶属度代替，然后利用此框架进行综合评价，具体步骤如下：

步骤5.1：确定评价指标集。设第一层指标有m个指标，记为U＝{u₁,u₂,…,u_m}，根据归属关系分成k个子集，则U＝{U₁,U₂,…,U_k}；

步骤5.2：建立评价等级集，评价等级集是评价标准集合，设有l个评价标准，即评价集V＝{v₁，v₂,…,v_l}，本专利中V＝{v₁＝差，v₂＝一般，v₃＝中等，v₄＝良好，v₅＝优秀}；

步骤5.3：确定指标权重，利用步骤2中提出的合作博弈法和变权理论相结合的方法计算指标权重；计算第一层指标的权重，得到k权重向量其中i＝1，2，3，…，k。

步骤5.4：确定隶属度矩阵，根据配电网指标的历史数据和云模型参数的统计算法，计算得到各指标对应等级的梯形云模型参数，并根据梯形云发生器算法计算得到各个等级的隶属度，构成隶属度矩阵R_i，

步骤5.5：计算评估向量；

步骤5.6：计算综合评估向量。第二层指标权重向量w＝[w₁,w₂,…,w_k]，U的隶属度矩阵R＝[B₁,B₂,…,B_k]，最终的评估向量为：

B＝wR＝[b₁,b₂,…,b_l]

步骤6：最后依次类推计算出多层指标的评估向量，然后利用隶属度最大原则确定评价结果，分析评价结果从顶层追溯至基础指标层，根据基础指标的来源对现有配电网的规划方案和配电网运行情况进行比较，指导配电网的规划建设。

2.根据权利要求1所述的一种配电网运行状态综合评价方法，其特征在于：所述步骤2中对配电网指标体系进行分析的具体过程为，

步骤2.1：对指标体系进行根据配电网导则进行筛选；

步骤2.2：计算各个指标之间的相关系数，经过初步筛选的指标集共有n(n＝57)个指标，r_ij为第i个指标和第j指标之间的相关系数；x_it、x_jt分别是第i、j个指标的第t个观测值(t＝(1,2,…,k))则

然后据需要选取相关系数临界值M，M＝0.9，|r_ij|>0.9则说明两个指标之间反映的信息重复，删除其中一个指标；|r_ij|<0.9则同时保留两个指标；其次利用方差膨胀因子进行共线性诊断，删除多重共线性指标，第i个指标的方差膨胀因子记为(VIF)_i，R²是以第i个指标为因变量以其他n-1个指标为自变量时，因变量对自变量回归的可决系数，则所有(VIF)_i中的最大值通常被用来作为多重共线性严重程度指标，一般认为，(VIF)_i≥10时，指标有严重的多重相关性，删除指标i；

步骤2.3：将筛选后的指标集对应的相关系数构成相关系数矩阵R，计算矩阵R的特征值，计算得到大于0的p个特征值λ₁≥λ₂≥…≥λ_p≥0，并求得对应的特征向量为：V＝(v₁,v₁,…,v_q)，则p个主成分为：

计算主成分的方差贡献率以及累计方差贡献率：其中m的取值为：1,2,3,…p，当ρ≥85％时，保留前s个主成分即s＝m，计算主成分因子负载矩阵B(b₁,…,b_q)＝(b_ij)_q×s，计算公式其中λ_i是特征值，V_i是其对应的特征向量，B_i是变量X与主成分y_i的相关系数列，其中载荷b_ij是变量x_i与主成分y_i的相关系数，根据绝对值|b_ij|筛选指标，绝对值|b_ij|越大表明与主成分y_i越相关，其对应的指标应该保留，反而越小的应删除。