CN109685338A - 一种基于博弈论的配电网可靠性指标权重集结方法 - Google Patents
一种基于博弈论的配电网可靠性指标权重集结方法 Download PDFInfo
- Publication number
- CN109685338A CN109685338A CN201811506610.3A CN201811506610A CN109685338A CN 109685338 A CN109685338 A CN 109685338A CN 201811506610 A CN201811506610 A CN 201811506610A CN 109685338 A CN109685338 A CN 109685338A
- Authority
- CN
- China
- Prior art keywords
- index
- distribution network
- weight
- weights
- influence factor
- 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 43
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004220 aggregation Methods 0.000 title claims abstract description 11
- 230000002776 aggregation Effects 0.000 title claims abstract description 11
- 239000013598 vector Substances 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 238000013210 evaluation model Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 5
- 230000001010 compromised effect Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000002922 simulated annealing 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)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于博弈论的配电网可靠性指标权重集结方法,它包括:运用鱼骨图分析配电网可靠性影响因素,得到影响因素矩阵Am×n;将配电网可靠性影响因素指标分为效益型指标和成本型指标,将影响因素矩阵Am×n归一化后得到矩阵Bm×n;运用L种赋权方法,得到各个指标对应的权重向量wk;对L个权重向量进行任意的线性组合,得到可能的权重集w;寻找最优的权重向量,对该目标函数求一阶导数,得到组合权重α,运用α综合各个赋权方案得到最后的配电网各影响因素权值w*;解决了现有技术存在的主观赋权是由专家根据经验主观判断得到,使得评价结果带有较强的主观随意性,客观性较差;智能算法可能会有陷入局部最优解等的问题。
Description
技术领域
本发明属于配电网可靠性领域,尤其涉及一种基于博弈论的配电网可靠性指标权重集结方法。
背景技术
电力系统的任务是向用户提供源源不断、质量合格的电能。由于配电系统直接与用户相连,用户的供电可靠性受影响最大。据电力公司统计,约80%的用户停电缘于配电网故障,因此提高配电网可靠性水平是保证供电可靠性水平的主要及重要手段之一。
对配电系统进行可靠性评估,对提高配电系统的可靠性水平有着非常重要的意义。但是现有的可靠性评价标准,考虑方面不够全面,数据挖掘还不够深入,数据的利用率低,可靠性计算的有效性还有待提高。因此在对配电系统可靠性影响因素进行权重分析和关联度分析具有较大的理论意义和现实意义。
目前,对配电网可靠性进行计算的方法主要有主观赋权法、客观赋权法和智能算法。主观赋权法包括层次分析法、德尔菲法、直接打分法、二项系数法和最小平方法等,不依赖于样本数据,专家即直接根据指标的内涵和外延直接给出判断,但是由于主观赋权是由专家根据经验主观判断得到,使得评价结果带有较强的主观随意性,客观性较差,如果专家选择不当则可信度较低。客观赋权法包括熵值法、主成分分析法、均方差法(离差法)、复相关系数法、critic法和变异系数法等,是根据指标包含的信息有序度来量化指标属性的权重,结果比主观赋权法具有更高的可信度,但是对数据较为敏感,有时候确定的权重可能会与实际重要程度相差很大。智能算法如模拟退火算法、遗传算法、蚁群算法等,通过输入大量数据进而得到各个指标的权重,智能算法可以解决复杂、困难的、具有较多不确定因素等优点,但是可能会有陷入局部最优解等的缺点。
发明内容
本发明要解决的技术问题是:提供一种基于博弈论的配电网可靠性指标权重集结方法,以解决现有技术存在的主观赋权是由专家根据经验主观判断得到,使得评价结果带有较强的主观随意性,客观性较差;智能算法可能会有陷入局部最优解等的问题。
本发明的技术方案是:
一种基于博弈论的配电网可靠性指标权重集结方法,它包括:
(1)运用鱼骨图分析配电网可靠性影响因素,并收集这些影响因素对应的指标数据以及供电可靠性指标,得到影响因素矩阵Am×n;
(2)将配电网可靠性影响因素指标分为效益型指标和成本型指标,将影响因素矩阵Am×n归一化后得到矩阵Bm×n;
(3)运用L种赋权方法,得到各个指标对应的权重向量wk;
(4)对L个权重向量进行任意的线性组合,得到可能的权重集w;
(5)寻找最优的权重向量,使得可能的权重与基本权重之间的离差极小化,转化为目标函数是可能的权重集与各个权重向量wk之间的离差取最小值时,对应的一组组合权重,对该目标函数求一阶导数,得到组合权重α,
(6)运用组合权重α综合各个赋权方案得到最后的配电网各影响因素权值w*。
步骤(1)中的可靠性指标包括系统平均停电持续时间SAIDI、系统平均停电频率SAIFI、用户平均停电持续时间CAIDI和平均供电可用率ASAI。
步骤(2)中将配电网影响因素指标分为效益型指标bij_b和成本型指标bij_c,通过这二个指标来判断与可靠性呈现正相关还是负相关。
步骤(5)所述组合权重α的确定方法为:运用博弈论在多种赋权方案之间需求妥协或折中,找到离差最小的可能权重向量转化为最优化问题,运用一阶导数求极值的思想进行求解,得到不同赋权方案的组合权重α
步骤(6)所述配电网各影响因素权值w*的公式为:
本发明有益效果:
本发明将主观赋权法、客观赋权法和智能算法等多种权重计算的方法进行组合,考虑到各种赋权方案之间存在冲突,在多个方案之间找到妥协或一致的方法,综合多种评价方法的信息,得到最满意的权重向量用于评价配电网可靠性。
本发明的优点:
(1)运用博弈论在不同赋权方法之间寻求妥协或一致,避免了单一方法确定权重时候存在片面性,可以更科学有效地确定配电网可靠性各评价指标的权重,从而建立有效的配电网可靠性评估系统。
(2)针对多个可靠性指标需要更科学有效的可靠性评估方法时,不仅可以筛选出重要的可靠性指标,同时可以显著提高可靠性评估的准确性。
解决了现有技术存在的主观赋权是由专家根据经验主观判断得到,使得评价结果带有较强的主观随意性,客观性较差;智能算法可能会有陷入局部最优解等的问题。
附图说明
图1为本发明具体实施方式鱼骨图分析配电网可靠性影响因素示意图;
图2为实例算法流程图。
具体实施方式
一种基于博弈论的配电网可靠性指标权重集结方法,它包括:
(1)运用鱼骨图分析配电网可靠性影响因素,并收集这些影响因素对应的指标数据以及供电可靠性指标,得到影响因素矩阵Am×n;
(2)将配电网可靠性影响因素指标分为效益型指标和成本型指标,将影响因素矩阵Am×n归一化后得到矩阵Bm×n;
(3)运用L种赋权方法,得到各个指标对应的权重向量wk;
(4)对L个权重向量进行任意的线性组合,得到可能的权重集w;
(5)寻找最优的权重向量,使得可能的权重与基本权重之间的离差极小化,转化为目标函数是可能的权重集与各个权重向量wk之间的离差取最小值时,对应的一组组合权重,对该目标函数求一阶导数,得到组合权重α,
(6)运用组合权重α综合各个赋权方案得到最后的配电网各影响因素权值w*。
步骤(1)中的可靠性指标包括系统平均停电持续时间SAIDI、系统平均停电频率SAIFI、用户平均停电持续时间CAIDI和平均供电可用率ASAI。
步骤(2)中将配电网影响因素指标分为效益型指标bij_b和成本型指标bij_c,通过这二个指标来判断与可靠性呈现正相关还是负相关。
步骤(5)所述组合权重α的确定方法为:运用博弈论在多种赋权方案之间需求妥协或折中,找到离差最小的可能权重向量转化为最优化问题,运用一阶导数求极值的思想进行求解,得到不同赋权方案的组合权重α
步骤(6)所述配电网各影响因素权值w*的公式为:
α为第k种评价方式的权值,wk为第k种评价方式得到的各指标的的权重向量,w*为综合k种评价方式的权重向量。
本实施实例中以AHP,熵权法和智能算法赋权为例说明本发明技术方案的的应用。如图2所示,本实例包含以下步骤,
(1)运用鱼骨图分析配电网可靠性影响因素,将影响因素分类为负荷供应能力、网络结构水平、运行管理水平、装备技术水平,在这四个一级指标下,可以细分出各种二级指标,如下图1所示。收集这些影响因素对应的指标数据,可以得到影响因素矩阵Am×n。主观赋权法(AHP)可以直接通过影响因素指标,通过多位专家评估得到各个影响因素的权重值。
(2)考虑到指标特性不同,可以将指标分为效益型指标和成本型指标,也就是该指标与可靠性是呈现正相关还是负相关。运用min-max的方法,按照成本型指标和效益型指标将影响因素矩阵Am×n标准化后得到矩阵Bm×n,计算方法如下:
其中,bij_c为标准化后成本型指标,bij_b为标准化后效益型指标,aij为第i组数据中j指标的数值,amax,j和amin,j为j指标在m组数据中的最大值和最小值。
(3)运用AHP,熵权法和智能算法赋权(GA遗传算法、ACO蚁群算法、PSO粒子群算法)等L种赋权方法,得到各个指标对应的权重向量wk=[wk1,wk2,……,wkn],k=1,2,…,L,进而构成一个基本权重向量集{w1 T,w2 T,…,wL T}。L个权重向量进行任意的线性组合:
其中,αk为任意系数,w为基本权重的一种可能权重向量,它的全体表示可能权重集合。
(4)寻找最优的权重向量,使得可能的权重与基本权重之间的离差极小化,由此转化为最优化问题,优化的目标是极小化可能权重与各个wk之间的离差:
求解该最优化模型即可获得一个与多种权重赋值在整体意义上相协调、均衡一致的综合权重结果,由矩阵的微分性质,以α决策变量,对该目标函数求一阶导数,整理可得:
对应的线性方程组矩阵形式为:
由此可得,
最终组合权重向量为:
Claims (5)
1.一种基于博弈论的配电网可靠性指标权重集结方法,它包括:
(1)运用鱼骨图分析配电网可靠性影响因素,并收集这些影响因素对应的指标数据以及供电可靠性指标,得到影响因素矩阵Am×n;
(2)将配电网可靠性影响因素指标分为效益型指标和成本型指标,将影响因素矩阵Am×n归一化后得到矩阵Bm×n;
(3)运用L种赋权方法,得到各个指标对应的权重向量wk;
(4)对L个权重向量进行任意的线性组合,得到可能的权重集w;
(5)寻找最优的权重向量,使得可能的权重与基本权重之间的离差极小化,转化为目标函数是可能的权重集与各个权重向量wk之间的离差取最小值时,对应的一组组合权重,对该目标函数求一阶导数,得到组合权重α,
(6)运用组合权重α综合各个赋权方案得到最后的配电网各影响因素权值w*。
2.根据权利要求1所述的一种基于博弈论的配电网可靠性指标权重集结方法,其特征在于,步骤(1)中的可靠性指标包括系统平均停电持续时间SAIDI、系统平均停电频率SAIFI、用户平均停电持续时间CAIDI和平均供电可用率ASAI。
3.根据权利要求1所述的一种基于博弈论的配电网可靠性指标权重集结方法,其特征在于,步骤(2)中将配电网影响因素指标分为效益型指标bij_b和成本型指标bij_c,通过这二个指标来判断与可靠性呈现正相关还是负相关。
4.如权利要去1所述的一种基于博弈论的配电网可靠性指标权重集结方法,其特征在于,步骤(5)所述组合权重α的确定方法为:运用博弈论在多种赋权方案之间需求妥协或折中,找到离差最小的可能权重向量转化为最优化问题,运用一阶导数求极值的思想进行求解,得到不同赋权方案的组合权重α
5.根据权利要求1所述的一种基于博弈论的配电网可靠性指标权重集结方法,其特征在于,步骤(6)所述配电网各影响因素权值w*的公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811506610.3A CN109685338A (zh) | 2018-12-10 | 2018-12-10 | 一种基于博弈论的配电网可靠性指标权重集结方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811506610.3A CN109685338A (zh) | 2018-12-10 | 2018-12-10 | 一种基于博弈论的配电网可靠性指标权重集结方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685338A true CN109685338A (zh) | 2019-04-26 |
Family
ID=66187464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811506610.3A Pending CN109685338A (zh) | 2018-12-10 | 2018-12-10 | 一种基于博弈论的配电网可靠性指标权重集结方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685338A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101583A (zh) * | 2020-08-05 | 2020-12-18 | 贵州电网有限责任公司 | 一种基于鱼骨分析法的电力计量数据异常原因分析模型构建方法 |
CN112818544A (zh) * | 2021-01-31 | 2021-05-18 | 国网经济技术研究院有限公司 | 计及终端差异化可靠性需求的配电网可靠性评估方法 |
-
2018
- 2018-12-10 CN CN201811506610.3A patent/CN109685338A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101583A (zh) * | 2020-08-05 | 2020-12-18 | 贵州电网有限责任公司 | 一种基于鱼骨分析法的电力计量数据异常原因分析模型构建方法 |
CN112818544A (zh) * | 2021-01-31 | 2021-05-18 | 国网经济技术研究院有限公司 | 计及终端差异化可靠性需求的配电网可靠性评估方法 |
CN112818544B (zh) * | 2021-01-31 | 2023-09-22 | 国网经济技术研究院有限公司 | 计及终端差异化可靠性需求的配电网可靠性评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107482626B (zh) | 一种区域电网关键节点识别方法 | |
CN108280479B (zh) | 一种基于负荷特性指标加权聚类算法的电网用户分类方法 | |
CN105117602B (zh) | 一种计量装置运行状态预警方法 | |
CN102496069B (zh) | 基于模糊层次分析法的电缆多状态安全运行评估方法 | |
CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
CN109670675B (zh) | 充电桩运行状态评价方法及装置 | |
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 | |
CN110795692A (zh) | 一种主动配电网运行状态评估方法 | |
CN107274067B (zh) | 一种配电变压器过载风险评估方法 | |
CN110489783B (zh) | 一种基于qrnn的低压台区线损率合理范围估计方法 | |
CN104318482A (zh) | 一套智能配电网综合评估体系和方法 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN110210681B (zh) | 一种基于距离的监测站点pm2.5值的预测方法 | |
CN106485089B (zh) | 谐波用户典型工况的区间参数获取方法 | |
CN110310031A (zh) | 一种配电网多维风险评估方法 | |
CN104299115B (zh) | 基于模糊c均值聚类算法的智能变电站二次系统状态分析方法 | |
CN104537432B (zh) | 基于证据推理的电力系统多目标优化调度的决策方法 | |
CN109615169A (zh) | 一种基于MEA-IElman神经网络的配电网可靠性评估方法 | |
CN107358332A (zh) | 一种电网调度运行精益化评价方法 | |
CN109214694A (zh) | 一种基于模糊综合评价的电网公司碳减排风险评估方法 | |
CN107437135B (zh) | 一种新型储能选型方法 | |
CN104331613B (zh) | 多个类型的通信设备抗干扰能力的评价方法 | |
CN104427505A (zh) | 一种小区场景划分的方法及装置 | |
CN107122887A (zh) | 多维工业企业诚信评价方法 | |
CN105843829A (zh) | 一种基于分层模型的大数据可信性度量方法 |
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 |
Application publication date: 20190426 |
|
RJ01 | Rejection of invention patent application after publication |