CN109784755A - 一种基于层次分析法的电网智能化水平评估方法 - Google Patents
一种基于层次分析法的电网智能化水平评估方法 Download PDFInfo
- Publication number
- CN109784755A CN109784755A CN201910087443.1A CN201910087443A CN109784755A CN 109784755 A CN109784755 A CN 109784755A CN 201910087443 A CN201910087443 A CN 201910087443A CN 109784755 A CN109784755 A CN 109784755A
- Authority
- CN
- China
- Prior art keywords
- index
- smart grid
- power
- rate
- ahp
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000011156 evaluation Methods 0.000 title claims abstract description 55
- 230000008569 process Effects 0.000 title claims abstract description 38
- 239000010410 layer Substances 0.000 claims description 58
- 239000011159 matrix material Substances 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000003990 capacitor Substances 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000010348 incorporation Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000002356 single layer Substances 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 9
- 238000013461 design Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 231100000749 chronicity Toxicity 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于层次分析法的电网智能化水平评估方法,该方法包括以下步骤:A、提供基于层次分析法的电网智能化水平评估体系;B、收集电网智能化水平评估体系中的各指标基础数据,通过模糊隶属函数进行指标基础数据标准化,得到各指标的评分;C、利用层次分析法计算电网智能化水平评估体系中的各层指标权重,并结合步骤B中的各指标评分得到电网智能化水平综合评估结果。本设计的评估方法全面客观,并在此基础上注重了电网智能化的工程实现,方法科学合理,对电网智能化水平的探索性发展具有意义。
Description
技术领域
本发明涉及电力系统评价领域,尤其涉及一种基于层次分析法的电网智能化水平评估方法。
背景技术
为了应对气候变化、保障能源安全、促进经济发展,近年来在全球范围内在进行一轮新的能源变革。这场能源变革以技术创新为推动力,以电力为核心要素,旨在优化能源结构、提高能源效率、促进节能降耗,打造低碳模式,最终实现可持续发展。智能配电网作为此次能源变革的关键点和着力点,肩负着未来电网发展方向的引领作用。鉴于智能配电网规划、发展、建设的重要性、长期性与复杂性,评价智能配电网各阶段建设水平,衡量各区域电网智能化发展程度,为智能配电网长期规划提供有益参考就显得尤为重要。
目前,国内外在智能配电网建设及智能技术创新等相关领域的研究已掀起了新的浪潮。逐步探索出各类智能配电网评估指标体系的构建方法,对新能源和低碳等特定领域的智能化评价方法也进行深入研究,建立智能配电网促进低碳发展的效益模型,并在国内外智能配电网评价体系对比分析的前提下提出构建适合我国国情的智能配电网综合评价体系的思路及原则。
相比于智能配电网评价指标体系的研究进展,智能配电网建设综合评价方法缺乏更深入的探索,缺乏有效评价方法的评价指标体系难以与实际运用相结合,大量评价数据的堆砌不能有效、快速、准确地反映智能配电网发展总体水平。虽然动态综合评价法、熵权法和生产函数法等评价方法已被提出并成功应用于智能电网整体评估,加快了智能配电网建设综合评价研究的步伐,但相较于指标体系的研究仍显滞后。
发明内容
本发明的目的是克服现有技术中存在的评估方法主观片面且轻视工程实现的缺陷与问题,提供一种评估方法客观全面且注重工程实现的基于层次分析法的电网智能化水平评估方法。
为实现以上目的,本发明的技术解决方案是:一种基于层次分析法的电网智能化水平评估方法,该方法包括以下步骤:
A、提供基于层次分析法的电网智能化水平评估体系;
B、收集电网智能化水平评估体系中的各指标基础数据,通过模糊隶属函数进行指标基础数据标准化,得到各指标的评分;
C、利用层次分析法计算电网智能化水平评估体系中的各层指标权重,并结合步骤B中的各指标评分得到电网智能化水平综合评估结果。
步骤A中,所述电网智能化水平评估体系包括四层评价指标,第一层评价指标即智能配电网评价指标,直接表现智能配电网状态的好坏,第二层评价指标包括四类,分别是安全性指标、优质性指标、高效性指标、可持续性指标,第三层评价指标是对第二层评价指标中每一个指标的细化分类,第四层评价指标是对第三层评价指标中每一个指标的细化分类,用于具体计算智能配电网的状态。
所述安全性指标包括人身安全指标、设备安全指标、运行安全指标、信息安全指标;
所述优质性指标包括可靠供电指标、电能质量指标、电力服务指标;
所述高效性指标包括成本指标、收益指标、效率指标;
所述可持续性指标包括可再生能源指标、新型负荷指标、微电网指标。
所述人身安全指标包括用户安全事故率指标、用户安全事故总伤亡人数指标、用户安全事故总财产损失指标、运行维护人员人身安全事故率指标;
所述设备安全指标包括电网设备事故率指标、发电厂设备事故率指标;
所述运行安全指标包括安全供电能力指标、静态电压安全性指标、拓扑结构脆弱性指标、风险指标;
所述信息安全指标包括通信设备故障率指标、计算机信息系统安全事故率指标;
所述可靠供电指标包括用户平均停电时间指标、用户平均预安排停电时间指标、用户平均预安排停电次数指标、用户平均故障停电次数指标、用户平均停电频率指标、配电线路事故率指标、全网电容(电抗)可用率指标、变电设备事故率指标;
所述电能质量指标包括用户电压合格率指标、平均瞬态过电压次数指标、用户频率合格率指标、平均总谐波畸变率指标、平均三相不平衡度指标、电压波动值指标、瞬态过电压指标;
所述电力服务指标包括用户投诉率指标;
所述成本指标包括用户投资回报比指标、动态投资回收期指标、辅助服务费用指标、平均上网电价指标、管理成本比重指标、土地资源利用率指标;
所述收益指标包括销售平均电价指标、售电量指标、市场占有率指标;
所述效率指标包括系统负载率指标、电厂负荷率指标、系统设备利用率指标、电能传输效率指标;
所述可再生能源指标包括可再生能源出力比例指标、可再生能源装机满发率指标;
所述新型负荷指标包括电动汽车总负荷指标;
所述微电网指标包括微电网总负荷指标。
所述步骤C具体包括以下步骤:
C1、判断矩阵构造
设某层指标为F=[f1,f2,…,fn],两两比较fi与fj对上层某个指标的影响重要程度,以fij=fi/fj表示,mij的值用数字1~9及其倒数表示,即用层次分析法的标度表示,最后构成判断矩阵M,矩阵中元素的定义如下:
其中,mij>0,j=1,2,…,n;
C2、层次排序及一致性检验
单层判断矩阵构造后,计算判断矩阵M最大特征值λmax及其对应的特征向量ζ,然后将特征向量归一化处理,获得同层各指标相对于上层某一指标重要性的排序权值,此过程即为层次单排序;
判断矩阵的一致性比例CR由一致性指标C1与自由度指标R1的比值确定,当CR<0.1时,则判断矩阵的一致性在合理范围,否则应对其进行修正,其中,C1=(λmax-n)/(n-1),CR=C1/R1,对于阶数不大于2的判断矩阵已具有完全一致性,无需再进行一致性检验;当n为1、2、3、4、5、6、7、8、9时,R1的取值分别为0、0、0.58、0.96、1.12、1.24、1.32、1.41、1.45;
为获得最底层各指标对于总目标的排序权重,计算层次总排序,总排序权重从上至下将层次单排序权重进行合成,层次总排序的一致性检验方法同层次单排序的一致性检验方法;
C3、判断矩阵权重求解
针对赋权集成后的点值互补判断矩阵F(fij)n×n,采用特征向量法求解权重向量W(w1,w2,L,wn),其中FW=λmaxW,对W进行归一化,根据下式可得某层各指标对于它上层指标的相对权重w′i;
C4、求综合分值
设各指标评分为S=[s1,s2,…,sn]T,则最后综合分值为:
与现有技术相比,本发明的有益效果为:
本发明一种基于层次分析法的电网智能化水平评估方法先提供基于层次分析法的电网智能化水平评估体系,再收集电网智能化水平评估体系中的各指标基础数据,通过模糊隶属函数进行指标基础数据标准化,得到各指标的评分,然后利用层次分析法计算电网智能化水平评估体系中的各层指标权重,并结合各指标评分得到电网智能化水平综合评估结果;上述评估方法全面客观,并在此基础上注重了电网智能化的工程实现,方法科学合理,对智能配电网智能化水平的探索性发展具有意义。
附图说明
图1是本发明一种基于层次分析法的电网智能化水平评估方法的流程图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1,一种基于层次分析法的电网智能化水平评估方法,该方法包括以下步骤:
A、提供基于层次分析法的电网智能化水平评估体系;
B、收集电网智能化水平评估体系中的各指标基础数据,通过模糊隶属函数进行指标基础数据标准化,得到各指标的评分;
C、利用层次分析法计算电网智能化水平评估体系中的各层指标权重,并结合步骤B中的各指标评分得到电网智能化水平综合评估结果。
步骤A中,所述电网智能化水平评估体系包括四层评价指标,第一层评价指标即智能配电网评价指标,直接表现智能配电网状态的好坏,第二层评价指标包括四类,分别是安全性指标、优质性指标、高效性指标、可持续性指标,第三层评价指标是对第二层评价指标中每一个指标的细化分类,第四层评价指标是对第三层评价指标中每一个指标的细化分类,用于具体计算智能配电网的状态。
所述安全性指标包括人身安全指标、设备安全指标、运行安全指标、信息安全指标;
所述优质性指标包括可靠供电指标、电能质量指标、电力服务指标;
所述高效性指标包括成本指标、收益指标、效率指标;
所述可持续性指标包括可再生能源指标、新型负荷指标、微电网指标。
所述人身安全指标包括用户安全事故率指标、用户安全事故总伤亡人数指标、用户安全事故总财产损失指标、运行维护人员人身安全事故率指标;
所述设备安全指标包括电网设备事故率指标、发电厂设备事故率指标;
所述运行安全指标包括安全供电能力指标、静态电压安全性指标、拓扑结构脆弱性指标、风险指标;
所述信息安全指标包括通信设备故障率指标、计算机信息系统安全事故率指标;
所述可靠供电指标包括用户平均停电时间指标、用户平均预安排停电时间指标、用户平均预安排停电次数指标、用户平均故障停电次数指标、用户平均停电频率指标、配电线路事故率指标、全网电容(电抗)可用率指标、变电设备事故率指标;
所述电能质量指标包括用户电压合格率指标、平均瞬态过电压次数指标、用户频率合格率指标、平均总谐波畸变率指标、平均三相不平衡度指标、电压波动值指标、瞬态过电压指标;
所述电力服务指标包括用户投诉率指标;
所述成本指标包括用户投资回报比指标、动态投资回收期指标、辅助服务费用指标、平均上网电价指标、管理成本比重指标、土地资源利用率指标;
所述收益指标包括销售平均电价指标、售电量指标、市场占有率指标;
所述效率指标包括系统负载率指标、电厂负荷率指标、系统设备利用率指标、电能传输效率指标;
所述可再生能源指标包括可再生能源出力比例指标、可再生能源装机满发率指标;
所述新型负荷指标包括电动汽车总负荷指标;
所述微电网指标包括微电网总负荷指标。
所述步骤C具体包括以下步骤:
C1、判断矩阵构造
设某层指标为F=[f1,f2,…,fn],两两比较fi与fj对上层某个指标的影响重要程度,以fij=fi/fj表示,mij的值用数字1~9及其倒数表示,即用层次分析法的标度表示,最后构成判断矩阵M,矩阵中元素的定义如下:
其中,mij>0,j=1,2,…,n;
C2、层次排序及一致性检验
单层判断矩阵构造后,计算判断矩阵M最大特征值λmax及其对应的特征向量ξ,然后将特征向量归一化处理,获得同层各指标相对于上层某一指标重要性的排序权值,此过程即为层次单排序;
判断矩阵的一致性比例CR由一致性指标C1与自由度指标R1的比值确定,当CR<0.1时,则判断矩阵的一致性在合理范围,否则应对其进行修正,其中,C1=(λmax-n)/(n-1),CR=C1/R1,对于阶数不大于2的判断矩阵已具有完全一致性,无需再进行一致性检验;当n为1、2、3、4、5、6、7、8、9时,R1的取值分别为0、0、0.58、0.96、1.12、1.24、1.32、1.41、1.45;
为获得最底层各指标对于总目标的排序权重,计算层次总排序,总排序权重从上至下将层次单排序权重进行合成,层次总排序的一致性检验方法同层次单排序的一致性检验方法;
C3、判断矩阵权重求解
针对赋权集成后的点值互补判断矩阵F(fij)n×n,采用特征向量法求解权重向量W(w1,w2,L,wn),其中FW=λmaxW,对W进行归一化,根据下式可得某层各指标对于它上层指标的相对权重w′i;
C4、求综合分值
设各指标评分为S=[s1,s2,…,sn]T,则最后综合分值为:
本发明的原理说明如下:
本设计提出一种基于层次分析法的电网智能化水平评估方法,包括步骤:提供基于层次分析法的电网智能化水平评估体系;根据指标体系、专家的试验数据和电网的统计数据计算指标数值;利用层次分析法对电网的智能化水平评估。算例分析表明本设计的评价方法全面客观,并在此基础上注重了电网智能化的工程实现,方法科学合理,对电网智能化水平的探索性发展具有意义。
第二层级指标分为四类,分别是安全性指标、优质性指标、高效性指标和可持续性指标,是宏观的指标;第三层级指标是对第二层级指标下的每一个指标细化分类;第四层级指标是一系列细节指标,用以具体计算配电网的状态,便于运行人员深入分析智能电网。
实施例:
参见图1,一种基于层次分析法的电网智能化水平评估方法,该方法包括以下步骤:
A、提供基于层次分析法的电网智能化水平评估体系;
所述电网智能化水平评估体系包括四层评价指标,第一层评价指标即智能配电网评价指标,直接表现智能配电网状态的好坏,第二层评价指标包括四类,分别是安全性指标、优质性指标、高效性指标、可持续性指标,第三层评价指标是对第二层评价指标中每一个指标的细化分类,第四层评价指标是对第三层评价指标中每一个指标的细化分类,用于具体计算智能配电网的状态;
所述安全性指标包括人身安全指标、设备安全指标、运行安全指标、信息安全指标;
所述优质性指标包括可靠供电指标、电能质量指标、电力服务指标;
所述高效性指标包括成本指标、收益指标、效率指标;
所述可持续性指标包括可再生能源指标、新型负荷指标、微电网指标;
所述人身安全指标包括用户安全事故率指标、用户安全事故总伤亡人数指标、用户安全事故总财产损失指标、运行维护人员人身安全事故率指标;
所述设备安全指标包括电网设备事故率指标、发电厂设备事故率指标;
所述运行安全指标包括安全供电能力指标、静态电压安全性指标、拓扑结构脆弱性指标、风险指标;
所述信息安全指标包括通信设备故障率指标、计算机信息系统安全事故率指标;
所述可靠供电指标包括用户平均停电时间指标、用户平均预安排停电时间指标、用户平均预安排停电次数指标、用户平均故障停电次数指标、用户平均停电频率指标、配电线路事故率指标、全网电容(电抗)可用率指标、变电设备事故率指标;
所述电能质量指标包括用户电压合格率指标、平均瞬态过电压次数指标、用户频率合格率指标、平均总谐波畸变率指标、平均三相不平衡度指标、电压波动值指标、瞬态过电压指标;
所述电力服务指标包括用户投诉率指标;
所述成本指标包括用户投资回报比指标、动态投资回收期指标、辅助服务费用指标、平均上网电价指标、管理成本比重指标、土地资源利用率指标;
所述收益指标包括销售平均电价指标、售电量指标、市场占有率指标;
所述效率指标包括系统负载率指标、电厂负荷率指标、系统设备利用率指标、电能传输效率指标;
所述可再生能源指标包括可再生能源出力比例指标、可再生能源装机满发率指标;
所述新型负荷指标包括电动汽车总负荷指标;
所述微电网指标包括微电网总负荷指标;
B、收集电网智能化水平评估体系中的各指标基础数据,通过模糊隶属函数进行指标基础数据标准化,得到各指标的评分;
C、利用层次分析法计算电网智能化水平评估体系中的各层指标权重,并结合步骤B中的各指标评分得到电网智能化水平综合评估结果,具体包括以下步骤:
C1、判断矩阵构造
设某层指标为F=[f1,f2,…,fn],两两比较fi与fj对上层某个指标的影响重要程度,以fij=fi/fj表示,mij的值用数字1~9及其倒数表示,即用层次分析法的标度表示,标度含义见表1;
表1互反性1~9标度
最后构成判断矩阵M,矩阵中元素的定义如下:
其中,mij>0,j=1,2,…,n;
C2、层次排序及一致性检验
单层判断矩阵构造后,计算判断矩阵M最大特征值λmax及其对应的特征向量ξ,然后将特征向量归一化处理,获得同层各指标相对于上层某一指标重要性的排序权值,此过程即为层次单排序;
判断矩阵的一致性比例CR由一致性指标C1与自由度指标R1的比值确定,当CR<0.1时,则判断矩阵的一致性在合理范围,否则应对其进行修正,其中,C1=(λmax-n)/(n-1),CR=C1/R1,对于阶数不大于2的判断矩阵已具有完全一致性,无需再进行一致性检验,R1的取值如表2所示;
表2自由度指标R1
为获得最底层各指标对于总目标的排序权重,计算层次总排序,总排序权重从上至下将层次单排序权重进行合成,层次总排序的一致性检验方法同层次单排序的一致性检验方法;
C3、判断矩阵权重求解
针对赋权集成后的点值互补判断矩阵F(fij)n×n,采用特征向量法求解权重向量W(w1,w2,L,wn),其中FW=λmaxW,对W进行归一化,根据下式可得某层各指标对于它上层指标的相对权重w′i;
C4、求综合分值
设各指标评分为S=[s1,s2,…,sn]T,则最后综合分值为:
选取某省电网作为研究对象,利用上述评估方法对该省5个地市的电网智能化进行综合评价;
(1)单项指标评分
收集并统计该省5个地市在评价年及基准年的单项指标基础数据,计算各类型指标的改善值,通过模糊隶属函数进行指标数据标准化,得到各地区各指标的单项评分;由于篇幅限制,现仅列出该省5个地市电能质量指标下的单项指标评分如表3所示;
表3电能质量指标下的单项指标评分
(2)设置权重
根据专家打分,建立各项指标的加权区间判断矩阵,以智能配电网二级指标为例,计算得到的准则层指标权重系数如表4所示;
表4智能配电网二级指标权重
(3)综合打分
基于(1)中求得的单项指标评分与各级指标权重系数,转换为百分制综合评价结果,具体如表5所示。
表5某省5个地市智能电网综合评价结果
Claims (5)
1.一种基于层次分析法的电网智能化水平评估方法,其特征在于,该方法包括以下步骤:
A、提供基于层次分析法的电网智能化水平评估体系;
B、收集电网智能化水平评估体系中的各指标基础数据,通过模糊隶属函数进行指标基础数据标准化,得到各指标的评分;
C、利用层次分析法计算电网智能化水平评估体系中的各层指标权重,并结合步骤B中的各指标评分得到电网智能化水平综合评估结果。
2.根据权利要求1所述的一种基于层次分析法的电网智能化水平评估方法,其特征在于:步骤A中,所述电网智能化水平评估体系包括四层评价指标,第一层评价指标即智能配电网评价指标,直接表现智能配电网状态的好坏,第二层评价指标包括四类,分别是安全性指标、优质性指标、高效性指标、可持续性指标,第三层评价指标是对第二层评价指标中每一个指标的细化分类,第四层评价指标是对第三层评价指标中每一个指标的细化分类,用于具体计算智能配电网的状态。
3.根据权利要求2所述的一种基于层次分析法的电网智能化水平评估方法,其特征在于:
所述安全性指标包括人身安全指标、设备安全指标、运行安全指标、信息安全指标;
所述优质性指标包括可靠供电指标、电能质量指标、电力服务指标;
所述高效性指标包括成本指标、收益指标、效率指标;
所述可持续性指标包括可再生能源指标、新型负荷指标、微电网指标。
4.根据权利要求3所述的一种基于层次分析法的电网智能化水平评估方法,其特征在于:
所述人身安全指标包括用户安全事故率指标、用户安全事故总伤亡人数指标、用户安全事故总财产损失指标、运行维护人员人身安全事故率指标;
所述设备安全指标包括电网设备事故率指标、发电厂设备事故率指标;
所述运行安全指标包括安全供电能力指标、静态电压安全性指标、拓扑结构脆弱性指标、风险指标;
所述信息安全指标包括通信设备故障率指标、计算机信息系统安全事故率指标;
所述可靠供电指标包括用户平均停电时间指标、用户平均预安排停电时间指标、用户平均预安排停电次数指标、用户平均故障停电次数指标、用户平均停电频率指标、配电线路事故率指标、全网电容(电抗)可用率指标、变电设备事故率指标;
所述电能质量指标包括用户电压合格率指标、平均瞬态过电压次数指标、用户频率合格率指标、平均总谐波畸变率指标、平均三相不平衡度指标、电压波动值指标、瞬态过电压指标;
所述电力服务指标包括用户投诉率指标;
所述成本指标包括用户投资回报比指标、动态投资回收期指标、辅助服务费用指标、平均上网电价指标、管理成本比重指标、土地资源利用率指标;
所述收益指标包括销售平均电价指标、售电量指标、市场占有率指标;
所述效率指标包括系统负载率指标、电厂负荷率指标、系统设备利用率指标、电能传输效率指标;
所述可再生能源指标包括可再生能源出力比例指标、可再生能源装机满发率指标;
所述新型负荷指标包括电动汽车总负荷指标;
所述微电网指标包括微电网总负荷指标。
5.根据权利要求1–4中任意一项所述的一种基于层次分析法的电网智能化水平评估方法,其特征在于:所述步骤C具体包括以下步骤:
C1、判断矩阵构造
设某层指标为F=[f1,f2,…,fn],两两比较fi与fj对上层某个指标的影响重要程度,以fij=fi/fj表示,mij的值用数字1~9及其倒数表示,即用层次分析法的标度表示,最后构成判断矩阵M,矩阵中元素的定义如下:
其中,mij>0,j=1,2,…,n;
C2、层次排序及一致性检验
单层判断矩阵构造后,计算判断矩阵M最大特征值λmax及其对应的特征向量ξ,然后将特征向量归一化处理,获得同层各指标相对于上层某一指标重要性的排序权值,此过程即为层次单排序;
判断矩阵的一致性比例CR由一致性指标C1与自由度指标R1的比值确定,当CR<0.1时,则判断矩阵的一致性在合理范围,否则应对其进行修正,其中,C1=(λmax-n)/(n-1),CR=C1/R1,对于阶数不大于2的判断矩阵已具有完全一致性,无需再进行一致性检验;当n为1、2、3、4、5、6、7、8、9时,R1的取值分别为0、0、0.58、0.96、1.12、1.24、1.32、1.41、1.45;
为获得最底层各指标对于总目标的排序权重,计算层次总排序,总排序权重从上至下将层次单排序权重进行合成,层次总排序的一致性检验方法同层次单排序的一致性检验方法;
C3、判断矩阵权重求解
针对赋权集成后的点值互补判断矩阵F(fij)n×n,采用特征向量法求解权重向量W(W1,w2,L,wn),其中FW=λmaxW,对W进行归一化,根据下式可得某层各指标对于它上层指标的相对权重w′i;
C4、求综合分值
设各指标评分为s=[s1,s2,…,sn]T,则最后综合分值为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087443.1A CN109784755A (zh) | 2019-01-29 | 2019-01-29 | 一种基于层次分析法的电网智能化水平评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087443.1A CN109784755A (zh) | 2019-01-29 | 2019-01-29 | 一种基于层次分析法的电网智能化水平评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109784755A true CN109784755A (zh) | 2019-05-21 |
Family
ID=66503604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910087443.1A Pending CN109784755A (zh) | 2019-01-29 | 2019-01-29 | 一种基于层次分析法的电网智能化水平评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784755A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189031A (zh) * | 2019-05-31 | 2019-08-30 | 国网山东省电力公司经济技术研究院 | 一种基于因子回归分析的配电网诊断指标分类方法 |
CN110854907A (zh) * | 2019-11-07 | 2020-02-28 | 华北电力大学 | 通信故障下配电网风电场的协同优化运行方法及系统 |
CN111209534A (zh) * | 2019-12-23 | 2020-05-29 | 广西电网有限责任公司 | 基于居民客户用电量数据划分客户用电入住状态的方法 |
CN112101754A (zh) * | 2020-09-01 | 2020-12-18 | 四川大学 | 一种电力应急保障能力评价方法 |
CN115204642A (zh) * | 2022-06-29 | 2022-10-18 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种数字电网的评估方法及装置 |
CN117592869A (zh) * | 2024-01-18 | 2024-02-23 | 之江实验室 | 一种智能计算系统的智能化水平评估方法及装置 |
-
2019
- 2019-01-29 CN CN201910087443.1A patent/CN109784755A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189031A (zh) * | 2019-05-31 | 2019-08-30 | 国网山东省电力公司经济技术研究院 | 一种基于因子回归分析的配电网诊断指标分类方法 |
CN110854907A (zh) * | 2019-11-07 | 2020-02-28 | 华北电力大学 | 通信故障下配电网风电场的协同优化运行方法及系统 |
CN110854907B (zh) * | 2019-11-07 | 2021-04-06 | 华北电力大学 | 通信故障下配电网风电场的协同优化运行方法及系统 |
CN111209534A (zh) * | 2019-12-23 | 2020-05-29 | 广西电网有限责任公司 | 基于居民客户用电量数据划分客户用电入住状态的方法 |
CN112101754A (zh) * | 2020-09-01 | 2020-12-18 | 四川大学 | 一种电力应急保障能力评价方法 |
CN112101754B (zh) * | 2020-09-01 | 2023-12-19 | 四川大学 | 一种电力应急保障能力评价方法 |
CN115204642A (zh) * | 2022-06-29 | 2022-10-18 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种数字电网的评估方法及装置 |
CN117592869A (zh) * | 2024-01-18 | 2024-02-23 | 之江实验室 | 一种智能计算系统的智能化水平评估方法及装置 |
CN117592869B (zh) * | 2024-01-18 | 2024-04-19 | 之江实验室 | 一种智能计算系统的智能化水平评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784755A (zh) | 一种基于层次分析法的电网智能化水平评估方法 | |
CN104504508B (zh) | 基于层次分析与小波回归的台区闭环数据分析方法 | |
CN102184465A (zh) | 一种变电站能效评估方法 | |
CN104318482A (zh) | 一套智能配电网综合评估体系和方法 | |
CN106384210A (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
CN103761690A (zh) | 基于电网系统中电压无功控制系统的评估方法 | |
CN108985649A (zh) | 基于风电设备异常分析数据的时序模糊层次分析评估方法 | |
CN107909277A (zh) | 一种基于模糊层次分析法的变电站环保水平评估方法 | |
CN106329516A (zh) | 一种基于典型场景识别的配电网动态重构方法 | |
CN104408562A (zh) | 一种基于bp神经网络的光伏系统发电效率综合评估方法 | |
CN101859409A (zh) | 基于风险评估的输变电设备状态检修体系 | |
CN103150635B (zh) | 电力设备运维方法 | |
CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
CN106446571A (zh) | 风电场功率预测的误差评价方法 | |
CN104809658A (zh) | 一种低压配网台区线损的快速分析方法 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN110489783B (zh) | 一种基于qrnn的低压台区线损率合理范围估计方法 | |
CN106651225A (zh) | 智能电网示范工程综合评估方法和系统 | |
CN104036364A (zh) | 一种配电网网络结构水平评价方法 | |
CN103617447B (zh) | 智能变电站的评价系统及评价方法 | |
CN104156889A (zh) | 一种基于wams数据的风电场性能评估系统及其评估方法 | |
CN107437135A (zh) | 一种新型储能选型方法 | |
CN109377082A (zh) | 精细化管理背景下的县级供电企业综合评价方法及装置 | |
CN107527121A (zh) | 一种电网的信息系统运行状态诊断预测的方法 |
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: 20190521 |