CN110472844A - 一种用于含微型pmu装置的智能配电网的评价控制方法 - Google Patents
一种用于含微型pmu装置的智能配电网的评价控制方法 Download PDFInfo
- Publication number
- CN110472844A CN110472844A CN201910692482.4A CN201910692482A CN110472844A CN 110472844 A CN110472844 A CN 110472844A CN 201910692482 A CN201910692482 A CN 201910692482A CN 110472844 A CN110472844 A CN 110472844A
- Authority
- CN
- China
- Prior art keywords
- index
- distribution network
- weight
- scoring
- power distribution
- 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 46
- 238000011156 evaluation Methods 0.000 title claims abstract description 36
- 238000003012 network analysis Methods 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 4
- 230000008093 supporting effect Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- 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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种用于含微型PMU装置的智能配电网的评价控制方法。目前的智能配电网评价体系没有对微型PMU装置接入智能配电网的影响进行评估。本发明从安全性、可靠性、经济性、互动性构建评价体系，兼顾主观性和客观性，通过网络分析法‑改进熵值法对指标进行赋权，设定指标的评分标准，通过确定下层指标的取值得到各上层指标的评分及配电网总评分。本发明方法可以较全面地评估接入微型PMU装置的智能配电网的运行水平以及PMU装置间的协调运行效果，从而可以科学评估微型PMU装置对智能配电网的支撑作用，为未来电网的建设投资提供辅助决策。
Description
技术领域
本发明涉及智能配电网技术领域，尤其是涉及一种用于含微型PMU装置的智能配电网的评价控制方法。
背景技术
随着智能电网技术的发展、大规模分布式电源接入配电网及电动汽车充电负荷快速增长，电网与用户供需互动日益频繁，使得配电网出现潮流双向化、源荷智能化、网络电力电子化等新特征，配电网的源、网、荷具有较强的时空不确定性，呈现出常态化的随机波动和间歇性。为应对分布式电源、电动汽车充换电设施和需求响应资源接入配电网的发展需求，同步测量装置(PMU)逐渐应用于配电网的状态估计、故障诊断等方面，为电力系统监视和控制创造了良好条件，也为保障新形势下配电网的安全可靠运行提供了重要的新方法、新手段。
然而，目前的智能配电网评价体系在指标设定上大多侧重于电网结构稳定性、可再生能源接入影响，没有对接入微型同步相量测量(PMU)装置的智能配电网的运行水平及PMU装置的协调运行效果进行评估。因此有必要对同步相量测量(PMU)装置接入智能配电网的影响进行综合评价。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于含微型PMU装置的智能配电网的评价控制方法，即提供一套合理、完善的含微型PMU装置的智能配电网综合评估指标体系，从安全性、可靠性、经济性、互动性等方面对含微型PMU装置的智能配电网建设水平进行评价。
本发明的目的可以通过以下技术方案来实现：
一种用于含微型PMU装置的智能配电网的评价控制方法，该方法包括以下步骤：
步骤1：针对含微型PMU装置的智能配电网建立评价指标体系；
步骤2：针对评价指标体系构建网络分析法主观赋权模型并得到各指标主观权重；
步骤3：基于各指标主观权重构建改进熵值法客观赋权模型并得到各指标客观权重；
步骤4：结合各指标主观权重和客观权重构建指标主客观综合赋权模型并得到各指标综合权重；
步骤5：构建各指标的评分标准；
步骤6：根据指标取值利用各指标的评分标准和综合权重进行评分；
步骤7：根据评分结果对智能配电网各个指标进行优化控制。
进一步地，所述的步骤1具体包括：考虑到智能配电网中微型PMU装置的接入，根据微型PMU装置的设备性能、对智能配电网运行的支撑改善效果、设备间的协调运行效果以及智能配电网的特点，对含微型PMU装置的智能配电网共划分安全性、可靠性、经济性和互动性四个一级指标对智能配电网进行整体评价，其中每个所述一级指标对应一个二级指标集。
进一步地，所述的步骤2包括以下分步骤：
步骤21：构造网络分析层次结构；
步骤22：基于网络分析层次结构通过获得的局部权重向量构造无权重超矩阵；
步骤23：基于网络分析层次结构通过获得的排序向量和步骤22中的无权重超矩阵计算加权超矩阵；
步骤24：利用加权超矩阵计算得到极限超矩阵，所述极限超矩阵中各行的非零稳定值即对应为各指标主观权重。
进一步地，所述的步骤3包括以下分步骤：
步骤31：利用各指标的主观权重通过专家打分构建初始权重矩阵；
步骤32：利用初始权重矩阵中的专家打分主观权重得到占总权重的比重后进一步得到相对重要度；
步骤33：利用相对重要度通过计算得到熵；
步骤34：利用熵通过计算得到各指标客观权重。
进一步地，所述步骤34中各指标客观权重的计算公式为：
式中，n表示指标个数，e(yi)表示各指标的熵。
进一步地，所述的步骤4中各指标综合权重的计算公式为：
ωi＝αω′i+(1-α)ω″i
式中，ωi表示各指标综合权重，ω′i表示各指标主观权重，ω″i表示各指标客观权重，α表示主观权重系数。
进一步地，所述的步骤5包括以下分步骤：
步骤51：设置各指标的评分标准中用于确定评分曲线和评分函数的关键评分点，所述关键评分点包括0分，60分，75分，90分和100分；
步骤52：利用专家经验和德菲尔法确定关键评分点对应的评分值；
步骤53：针对设置的关键评分点利用最小二乘法多项式方法进行拟合得到拟合曲线以及拟合方程，即对应为评分曲线和评分函数。
进一步地，所述的步骤6具体包括：将待评估配电网的各个指标实际取值代入所述各指标的评分标准中的评分函数中以得到所述评价指标体系中各二级指标具体得分，结合步骤4中的各指标综合权重以得到所述评价指标体系中各一级指标评分和总评分。
与现有技术相比，本发明具有以下优点：
(1)本发明从安全性、可靠性、经济性、互动性方面构建综合评价体系，并通过网络分析法-改进熵值法对指标进行赋权，使其兼顾主观性和客观性，设定指标的评分标准，对含微型PMU装置的智能配电网进行评价，考虑的因素更为全面，泛用性强。
(2)本发明可以全面、准确地评估接入微型PMU装置的智能配电网的运行水平以及PMU装置间的协调运行效果，从而可以科学评估微型PMU装置对智能配电网的支撑作用，为未来电网的建设投资提供辅助决策，准确度高。
附图说明
图1为本发明的网络分析层次结构示意图；
图2为本发明的方法流程示意图；
图3为本发明实施例的指标评价体系图。
具体实施方式
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的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
如图1所示，本发明提出一种含微型PMU装置的智能配电网评价方法，划分安全性、可靠性、经济性、互动性指标构建评价体系，并通过网络分析法-改进熵值法对指标进行赋权，设定指标的评分标准，通过确定下层指标的取值得到各上层指标的评分以及配电网总评分。
如图2所示，本实施例提供一种用于含微型PMU装置的智能配电网的评价控制方法，其步骤如下：
步骤一，建立评价指标体系。考虑到智能配电网中微型PMU装置的接入，根据其设备性能、对智能配电网运行的支撑改善效果、设备间的协调运行效果以及智能配电网的特点，共划分安全性、可靠性、经济性和互动性共四个一级指标对智能配电网进行整体评价。
在此基础上建立评价体系，如图3所示，包括典型智能配电网指标、含微型PMU装置的智能配电网的新增指标。而新增指标的赋值方法较模糊，故现对部分新增指标赋值方法进行解释说明：
1.1大规模分布式电源、电动汽车经电力电子变换器接入，供需强互动、多变换器相互作用使得配电网动态行为复杂化，源侧低惯量导致频率、电压动态过程时间尺度变小，抗扰动能力差，对配电网的孤岛切换与稳定控制能力产生影响。故本发明提出用于衡量配电网孤岛切换以及稳定控制能力的指标：
1)孤岛区域电压偏差
假设配电网孤岛区域内标称电压为Un，实际电压为U。电压偏差为ΔU，则孤岛区域电压偏差指标公式为：
2)孤岛区域频率偏差
假设配电网孤岛区域内标称频率为fn，孤岛区域的实际频率为f，频率偏差为Δf，则孤岛区域频率偏差指标公式为：
Δf＝f-fn
1.2为了衡量接入智能配电网的PMU装置的设备性能、设备间的协调运行效果，本发明提出以下指标：
1)PMU时间同步性
为了衡量基于PMU的分布式同步协调控制装置的同步时间误差，确保其协调控制的可靠性，提出PMU时间同步性指标。
PMU时间同步性＝GPS同步时间误差
2)PMU设备故障率
实际工作环境中，需要确保PMU设备的可靠运行并确保多数设备正常工作，故提出PMU设备故障率指标。
3)在线监测覆盖率
智能配电网中，利用PMU对某些节点实时信息进行监控、采集，为了保证监测的有效性，需要确定台区内的PMU监测覆盖率，提出在线监测覆盖率指标。
1.3PMU装置的应用丰富了智能配电网故障检测与定位的信息支撑，为同步相量和同步波形相结合的故障诊断、区段定位和故障测距技术的实现提供了可能。故本发明提出了衡量智能配电网中故障诊断、定位及测距技术可靠性的指标：
1)故障诊断准确率
由于电网故障分为弱特征故障与强特征故障，而弱特征故障判断准确率相对较低，因而需要不同的评分标准和计算方法。强特征故障包括短路故障、中性点有效接地系统单相接地故障。弱特征故障包括小电流接地、高阻、断线故障。
2)故障区段定位准确率
与故障诊断准确率类似，同样考虑五种故障情况下的故障定位准确率。
1.4PMU装置的应用提高了智能配电网运行状态量测、快速感知的能力，多时间尺度混合量测的配电网三相状态估计方法在含微型PMU装置的智能配电网中得以应用。为了衡量状态估计方法的可靠性，本发明提出以下指标：
1)不良数据辨识率
为了衡量多时间尺度混合量测的配电网三相状态估计模型的可靠性，需要对其识别不良数据算法的准确度进行验证。故提出不良数据识别率指标。
2)状态估计辨识速度
状态估计模型的可靠性既要考虑到准确度，也要考虑到识别的速度。故提出状态估计辨识速度指标。
状态估计辨识速度＝节点数为10000的配电网状态估计时间
安全性指标侧重配电网在微型PMU装置接入后的安全性能，可靠性指标侧重描述微型PMU装置的运行可靠性程度、配电网在微型PMU装置接入后的故障诊断、故障定位、状态估计能力、PMU装置间的协调运行能力，经济性指标侧重描述微型PMU装置接入配电网后的经济效益，互动性侧重描述含微型PMU的智能配电网用户互动过程。指标评价体系如表1所示。
表1：指标评价体系
步骤二，构建网络分析法主观赋权模型，具体包括如下分步骤：
1)构造网络分析层次结构。设ANP的控制层包含控制层元素B1，B2，...，Bn，网络层包含元素集C1，C2，...，Cn，元素集Ci(i＝1，2，...，n)中含有元素ei1，ei2，ei3…ein。
2)构造无权重超矩阵。以控制层元素Bs(s＝1，2，...，n)为准则，以网络层元素集Ci(i＝1，2，...，n)中的元素eij(j＝1，2，...，ni)为次准则，将元素集Ci中的各元素按它们对eii的的影响力大小进行优劣比较，以1～9标度法在准则Bs下构造出判断矩阵；由特征值法得排序向量通过一致性校验后，可得到局部权重向量Wij：
其中，列向量为Bi中的元素对Bj中元素的影响程度排序向量；当Wij＝0时，表明B中元素对Bj中元素无影响。同理，可以比较其他元素集元素之间的关系，得出网络层中各指标相互关联的排序向量。
对于i＝1，2，...，n和j＝1，2，...，n，重复上述步骤，最终获得准则Ps下的超矩阵W，这样的超矩阵共有n个，由Wij可构成未加权的超矩阵Wc：
本实施例中，这样的超矩阵共有4个，由Wij可构成未加权的超矩阵Wc如表2所示：
表2：未加权的超矩阵
3)计算加权超矩阵
将超矩阵归一化。将网络层各组元素Bj(j＝1，2，...，N)之间进行两两比较，通过一致性校验后，得到一个归一化的排序向量Ej＝[e1j，e2j，…，eNj]T，然后可以得到加权超矩阵Ws＝EWc。其中，
本实施例中，Ws如表3所示：
表3：加权超矩阵
4)计算极限超矩阵
为反映元素之间的依存关系，需要对加权超矩阵做稳定处理，即对于加权超矩阵进行足够大的幂次运算：如果该极限收敛而且唯一，最终各行的非零稳定值即为所对应的各指标的主观权重值ω′i。
本实施例中，各指标主观权重值ω′i如表4所示：
表4：极限超矩阵
由极限超矩阵得到各指标局部及全局权重如表5所示：
表5：各指标局部及全局权重
步骤三，构建改进熵值法客观赋权模型；
1)构建初始权重矩阵
通过步骤二可得到各指标主观权重ω′i。聘请多位专家进行打分，经步骤二构建初始权重矩阵W，设共有作家m位，指标共n个，即：
式中，ωi (j)表示第j位专家对第i个指标打分得到的主观权重值。
表6：初始权重矩阵
本实施例中假设共有专家3位，共有指标29个。3位专家经步骤二得到的主观权重构成的初始权重矩阵如表6所示。
表6：初始权重矩阵
| 专家1 | 0.02036 | 0.02197 | 0.02046 | 0.0221 | 0.08277 | 0.07581 | 0.01701 | 0.01614 | 0.07451 | 0.08261 | 0.06155 | 0.07977 | 0.03467 | 0.00892 | 0.02819 |
| 专家2 | 0.02041 | 0.02123 | 0.02049 | 0.0221 | 0.08649 | 0.07331 | 0.01658 | 0.01658 | 0.07764 | 0.08316 | 0.06803 | 0.07066 | 0.03383 | 0.00896 | 0.02805 |
| 专家3 | 0.02046 | 0.0205 | 0.02053 | 0.0221 | 0.09021 | 0.07081 | 0.01614 | 0.01701 | 0.08077 | 0.0837 | 0.07451 | 0.06155 | 0.033 | 0.009 | 0.0279 |
| 专家1 | 0.06902 | 0.06501 | 0.05653 | 0.0068 | 0.01515 | 0.01471 | 0.01046 | 0.00856 | 0.02788 | 0.02958 | 0.01835 | 0.01046 | 0.01046 | 0.00965 | |
| 专家2 | 0.06902 | 0.06551 | 0.05653 | 0.00695 | 0.01493 | 0.01443 | 0.00951 | 0.0091 | 0.02873 | 0.02873 | 0.01735 | 0.01046 | 0.01046 | 0.01005 | |
| 专家3 | 0.06902 | 0.066 | 0.05653 | 0.0071 | 0.01471 | 0.01415 | 0.00856 | 0.00965 | 0.02958 | 0.02788 | 0.01635 | 0.01046 | 0.01046 | 0.01046 |
2)计算指标比重
将各指标归一化，计算第i个指标下，第j位专家打分主观权重占所有专家对该指标打分总权重的比重Pij：
式中，m为专家总数，ωi (j)表示第j位专家对第i个指标打分得到的主观权重值。
计算指标的相对重要度
如果指标的决策作用，即指标的相对重要度与方案无关，那么指标i的相对重要度的不确定性由下式量度：
式中，H(yi)表示指标i的相对重要度。
3)计算熵
根据熵的极值性，把上式标准化，得到表征指标评价重要度的熵：
式中：0≤e(yj)≤1，H(yi)表示指标i的相对重要度，根据熵的定义及性质，e(yi)的值越小，指标i的决策相对重要度就越大。
4)确定指标客观权重
通过熵e(yi)计算评价指标i的客观权重ω″i为：
式中：0≤ω″i≤1，
根据初始权重矩阵计算出各评价指标的客观权重如表7所示。
表7：指标客观权重
步骤四，构建指标主客观综合赋权模型
通过步骤二、三获得各指标主观、客观权重。利用主客观综合赋权，则第i个指标综合权重ωi为：
ωi＝αω′i+(1α)ω″i
式中：α为主观权重系数，0≤α≤1。ω′i表示主观权重，ω″i表示客观权重。综合权重随主观权重系数α的改变而改变。本实施例认为主观权重所占比重大于客观权重，取主观权重系数α＝0.6。
根据步骤三、四得到的指标主观、客观权重计算出如表8所示的指标综合权重。
表8：指标综合权重
步骤五，构建指标的评分标准。
1)确定关键评分点。
为了确定后续的评分曲线和评分函数，需要设置关键评分点。本专利选取0分点、60分点和100分点，在60分点和100分点之间再设置两个关键评分点细化评分区段，分别为75分点和90分点，，即关键评分点为{0分，60分，75分，90分，100分}。
2)关键评分点对应评分值的确定。
确定关键评分点的评分值时采用德菲尔法，利用专家经验确定关键评分点的评分值。
3)评分曲线拟合和评分函数确定。
依据步骤确定评分指标的5个关键评分点，作为5个样本，利用最小二乘法多项式方法进行拟合，得到拟合曲线以及拟合方程，拟合方程即为该指标评分函数。
步骤六，确定指标取值并进行评分。
作为上述技术方案的补充，步骤六中，将待评估配电网各个指标实际取值代入步骤五确定的评分函数中，即可确定各二级指标具体得分，结合步骤四得到的指标综合权重可以确定一级指标评分以及总评分。各级指标评分及总评分如表9所示。
表9：各指标得分及总评分
步骤七，根据评分结果对智能配电网各个指标进行优化控制。
本发明从安全性、可靠性、经济性、互动性方面构建综合评价体系，并通过网络分析法-改进熵值法对指标进行赋权，使其兼顾主观性和客观性，设定指标的评分标准，对含微型PMU装置的智能配电网进行评分。可以全面、准确地评估接入微型PMU装置的智能配电网的运行水平以及PMU装置间的协调运行效果，从而可以科学评估微型PMU装置对智能配电网的支撑作用，为未来电网的建设投资提供辅助决策。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，该方法包括以下步骤：
步骤1：针对含微型PMU装置的智能配电网建立评价指标体系；
步骤2：针对评价指标体系构建网络分析法主观赋权模型并得到各指标主观权重；
步骤3：基于各指标主观权重构建改进熵值法客观赋权模型并得到各指标客观权重；
步骤4：结合各指标主观权重和客观权重构建指标主客观综合赋权模型并得到各指标综合权重；
步骤5：构建各指标的评分标准；
步骤6：根据指标取值利用各指标的评分标准和综合权重进行评分；
步骤7：根据评分结果对智能配电网各个指标进行优化控制。
2.根据权利要求1所述的一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，所述的步骤1具体包括：考虑到智能配电网中微型PMU装置的接入，根据微型PMU装置的设备性能、对智能配电网运行的支撑改善效果、设备间的协调运行效果以及智能配电网的特点，对含微型PMU装置的智能配电网共划分安全性、可靠性、经济性和互动性四个一级指标对智能配电网进行整体评价，其中每个所述一级指标对应一个二级指标集。
3.根据权利要求1所述的一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，所述的步骤2包括以下分步骤：
步骤21：构造网络分析层次结构；
步骤22：基于网络分析层次结构通过获得的局部权重向量构造无权重超矩阵；
步骤23：基于网络分析层次结构通过获得的排序向量和步骤22中的无权重超矩阵计算加权超矩阵；
步骤24：利用加权超矩阵计算得到极限超矩阵，所述极限超矩阵中各行的非零稳定值即对应为各指标主观权重。
4.根据权利要求1所述的一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，所述的步骤3包括以下分步骤：
步骤31：利用各指标的主观权重通过专家打分构建初始权重矩阵；
步骤32：利用初始权重矩阵中的专家打分主观权重得到占总权重的比重后进一步得到相对重要度；
步骤33：利用相对重要度通过计算得到熵；
步骤34：利用熵通过计算得到各指标客观权重。
5.根据权利要求4所述的一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，所述步骤34中各指标客观权重的计算公式为：
式中，n表示指标个数，e(yi)表示各指标的熵。
6.根据权利要求1所述的一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，所述的步骤4中各指标综合权重的计算公式为：
ωi＝αω′i+(1-α)ω″i
式中，ωi表示各指标综合权重，ω′i表示各指标主观权重，ω″i表示各指标客观权重，α表示主观权重系数。
7.根据权利要求1所述的一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，所述的步骤5包括以下分步骤：
步骤51：设置各指标的评分标准中用于确定评分曲线和评分函数的关键评分点，所述关键评分点包括0分，60分，75分，90分和100分；
步骤52：利用专家经验和德菲尔法确定关键评分点对应的评分值；
步骤53：针对设置的关键评分点利用最小二乘法多项式方法进行拟合得到拟合曲线以及拟合方程，即对应为评分曲线和评分函数。
8.根据权利要求1所述的一种用于含微型PMU装置的智能配电网的评价控制方法，其特征在于，所述的步骤6具体包括：将待评估配电网的各个指标实际取值代入所述各指标的评分标准中的评分函数中以得到所述评价指标体系中各二级指标具体得分，结合步骤4中的各指标综合权重以得到所述评价指标体系中各一级指标评分和总评分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910692482.4A CN110472844A (zh) | 2019-07-30 | 2019-07-30 | 一种用于含微型pmu装置的智能配电网的评价控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910692482.4A CN110472844A (zh) | 2019-07-30 | 2019-07-30 | 一种用于含微型pmu装置的智能配电网的评价控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110472844A true CN110472844A (zh) | 2019-11-19 |
Family
ID=68509104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910692482.4A Pending CN110472844A (zh) | 2019-07-30 | 2019-07-30 | 一种用于含微型pmu装置的智能配电网的评价控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110472844A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115496417A (zh) * | 2022-10-31 | 2022-12-20 | 国网山东省电力公司青岛供电公司 | 一种海岛综合供能系统评价方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003234779A (ja) * | 2002-02-08 | 2003-08-22 | Nippon Telegr & Teleph Corp <Ntt> | 品質推定方法および装置 |
| CN102646229A (zh) * | 2012-02-26 | 2012-08-22 | 云南电网公司 | 一种企业员工与岗位适配的模糊综合评判方法 |
| CN102999792A (zh) * | 2012-12-20 | 2013-03-27 | 诸暨市供电局 | 一种配电网资源优化配置综合评价的方法 |
| CN104318482A (zh) * | 2014-08-22 | 2015-01-28 | 国家电网公司 | 一套智能配电网综合评估体系和方法 |
| CN106651225A (zh) * | 2017-02-14 | 2017-05-10 | 南方电网科学研究院有限责任公司 | 智能电网示范工程综合评估方法和系统 |
| US20190121836A1 (en) * | 2017-10-23 | 2019-04-25 | State Grid Zhejiang Electric Power Company Limited | Support tensor machine based neutral point grounding mode decision method and system |
-
2019
- 2019-07-30 CN CN201910692482.4A patent/CN110472844A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003234779A (ja) * | 2002-02-08 | 2003-08-22 | Nippon Telegr & Teleph Corp <Ntt> | 品質推定方法および装置 |
| CN102646229A (zh) * | 2012-02-26 | 2012-08-22 | 云南电网公司 | 一种企业员工与岗位适配的模糊综合评判方法 |
| CN102999792A (zh) * | 2012-12-20 | 2013-03-27 | 诸暨市供电局 | 一种配电网资源优化配置综合评价的方法 |
| CN104318482A (zh) * | 2014-08-22 | 2015-01-28 | 国家电网公司 | 一套智能配电网综合评估体系和方法 |
| CN106651225A (zh) * | 2017-02-14 | 2017-05-10 | 南方电网科学研究院有限责任公司 | 智能电网示范工程综合评估方法和系统 |
| US20190121836A1 (en) * | 2017-10-23 | 2019-04-25 | State Grid Zhejiang Electric Power Company Limited | Support tensor machine based neutral point grounding mode decision method and system |
Non-Patent Citations (2)
| Title |
|---|
| 周奇琛: "建筑节能服务公司的收益风险分析与评价研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
| 李辉 等: "基于熵值权的PPP 项目风险的模糊综合评价方法研究", 《商场现代化》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115496417A (zh) * | 2022-10-31 | 2022-12-20 | 国网山东省电力公司青岛供电公司 | 一种海岛综合供能系统评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102063657A (zh) | 一种城市配电网运行水平与供电能力评估方法 | |
| CN105976257A (zh) | 基于隶属度函数的模糊综合评价法的电网脆弱性评估方法 | |
| CN105809322B (zh) | 综合考虑发电、输电和配电系统的城市电网可靠性评估方法 | |
| CN104376413A (zh) | 基于层次分析法和数据包络法的电网规划方案评估系统 | |
| CN104951886A (zh) | 一种配电网运行状态综合评价的方法及系统 | |
| CN107909253A (zh) | 基于区间层次分析法的智能配电网调度控制效果评估方法 | |
| CN105023065A (zh) | 基于灰色关联度topsis的电网规划风险评估系统及方法 | |
| CN110310031A (zh) | 一种配电网多维风险评估方法 | |
| CN110232490A (zh) | 一种配电网工程投资成效的评估方法及系统 | |
| CN110417011A (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
| CN105069692A (zh) | 准确的电网安全风险评估方法 | |
| CN106203875A (zh) | 一种用于电力设备健康状态评估的模型 | |
| Kazemi et al. | A practical approach on optimal RTU placement in power distribution systems incorporating fuzzy sets theory | |
| CN108233435A (zh) | 一种特高压接入方式的量化评估指标体系及综合评估方法 | |
| CN112686536A (zh) | 一种基于模糊综合评判的电网应灾能力量化评估方法 | |
| CN114139940A (zh) | 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法 | |
| CN109378835A (zh) | 基于互信息冗余性最优的大规模电力系统暂态稳定评估系统 | |
| CN110705908A (zh) | 一种基于组合赋权法的县域配电网评价方法 | |
| CN106548413A (zh) | 一种电力系统储能适用性评价方法及系统 | |
| Wang et al. | Black-start decision-making with interval representations of uncertain factors | |
| CN110472822A (zh) | 一种智能配电网供电可靠性评估系统及方法 | |
| CN105574632A (zh) | 一种交直流混合城市配电网综合效益评估方法 | |
| CN107239896A (zh) | 一种继电保护安全性评估方法 | |
| CN112966381A (zh) | 一种基于证据云物元模型的电力变压器综合状态评估方法 | |
| CN112633665A (zh) | 一种基于层次分析法的配电网防雷决策方法 |
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: 20191119 |