CN110728456A - 一种主客观组合赋权的配电网运行状态多层级评价方法 - Google Patents
一种主客观组合赋权的配电网运行状态多层级评价方法 Download PDFInfo
- Publication number
- CN110728456A CN110728456A CN201910989298.6A CN201910989298A CN110728456A CN 110728456 A CN110728456 A CN 110728456A CN 201910989298 A CN201910989298 A CN 201910989298A CN 110728456 A CN110728456 A CN 110728456A
- Authority
- CN
- China
- Prior art keywords
- index
- objective
- subjective
- value
- distribution network
- 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 73
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003786 synthesis reaction Methods 0.000 claims description 10
- 238000005192 partition Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000001308 synthesis method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000007547 defect Effects 0.000 description 6
- 238000012797 qualification Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- 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)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力工程技术领域,具体涉及种主客观组合赋权的配电网运行状态多层级评价方法。本发明将配电分区划分为配电网开关设备‑配电变压器‑配电线路‑配电分区四个层级,同时构建三层的运行状态评价指标体系,运用主客观组合赋权法对各层级指标赋权,实现配电网多层级运行状态综合评价,以便根据运行状态关键信息指标来辨识配电分区的薄弱环节。
Description
技术领域
本发明涉及电力工程技术领域,具体涉及一种主客观组合赋权的配电网运行状态多层级评价方法。
背景技术
随着电力系统的不断发展,配电网规模日益扩大,包含的设备数目庞大,结构也越来越复杂,通常配电网设备维护以配电分区为单位设置运维部门。为便于设备维护和保障配电网安全稳定运行,需要对配电分区范围内的配电设备及网架进行运行状态评估。评估指标体系的赋权是否合理对评估结果的准确性至关重要,传统的主观赋权法过度依赖于专家经验,一旦主观判断发生偏差失误,权重结果的合理性就会大幅下降,这一特性在当今配电网中更加显著。同时,配电大数据的涌现也给主观赋权带来了更大的挑战。客观赋权法结果的合理性则与数据质量的优劣息息相关,虽然目前配电大数据为实现客观赋权提供了坚实基础,但这些数据质量良莠不齐,包含的信息也时有错漏,完全依靠客观赋权法得到的权重结果往往与工程实际存在冲突。
为此,在配电大数据的基础上,运用主客观组合赋权法为配电分区运行状态评价指标赋予权重,利用主观认识改善客观赋权过度依赖数据的赋值偏颇,对配电分区进行准确的运行状态评价,有利于帮助识别运行状态不良的配电设备和配电分区薄弱环节、优化配电网规划,维持配电网安全、稳定、经济运行。
发明内容
为了解决上述问题,本发明提供了一种主客观组合赋权的配电网运行状态多层级评价方法,具体技术方案如下:
一种主客观组合赋权的配电网运行状态多层级评价方法,包括以下步骤:
S1:分别针对配电网开关设备、配电变压器、配电线路和供电分区四个层级,选择对应的评价指标,构建包含目标层、准则层和基础层三层结构的多层级运行状态评价体系;
S2:基于配电网历史运行数据,计算基础层各个评价指标;
S3:采用改进的层次分析法AHP对各层指标进行主观赋权;
S4:采用熵权法计算各层级指标的客观权重;
S5:利用基于Pignistic概率距离的最优证据合成法,对由AHP得到的主观权重与由熵权法求得的客观权重进行结合,对各层级指标进行主客观组合赋权;
S6:由修正过后的主客观组合权重,计算配电变压器、配电线路、配电开关设备、供电分区的综合得分。
优选地,所述步骤S2具体为:将步骤S1中的各个基础层的指标分为成本型指标和效益型指标,并根据指标类型选用对应的三角型隶属函数模型构造基础层单项指标计算公式。
优选地,所述成本型对应的隶属函数模型如下:
式中x为基础层单项指标计算得出的实际取值,a1,a2,a3,a4为隶属函数参数,μ1,μ2,μ3,μ4为隶属度值,由计算得到的隶属度值μ,得到对应评价集的取值。
优选地,效益型指标对应的隶属函数模型如下:
式中x为基础层单项指标计算得出的实际取值,a1,a2,a3,a4为隶属函数参数,μ1,μ2,μ3,μ4为隶属度值,由计算得到的隶属度值μ,得到对应评价集的取值。
优选地,所述步骤S3具体如下:
对步骤S1中同一层级的m个指标p1、p2、…、pm,按重要程度不减的原则,由专家小组对指标进行主观排序,结果为p1≥p2≥…≥pm,比较pi与pi+1的重要度关系,确定标度值并将对应标度记为ti,得到同层级所有相邻指标之间的标度值t1、t2、…、tm-1;
根据重要程度的传递性得到判断矩阵中的其他元素,最终得满足一致性的判断矩阵R如下所示:
同层各项指标的主观权重计算如下:
优选地,所述步骤S4具体包括以下步骤:
S41:数据归一化:
由步骤2,得到配电网各基础层指标的实际取值,构造样本观测数据矩阵为:
其中,xij表示设备、线路或系统第i个历史采样时刻时第j个基础层单项指标的实际取值,样本含有m个指标,n个历史采样点;
由于评价指标既包含效益型指标,又包含成本型指标,分别对效益型指标和成本型指标进行归一化处理,如公式(12)和公式(13)所示:
S42:计算各评价指标熵值,第j个指标的熵值为:
S43:计算各评价指标的熵权,第j个指标的熵权可表示为:
S44:得到基于熵权法的指标客观权重向量λ:
λ=(λ1,λ2,…,λm); (16)
基于以上权重计算步骤,按照运行状态评价指标体系的层次化结构,从下往上逐层计算;最终得到的权重越大,则表明该指标的对目标的贡献度越大,对结果的影响也就越大。
优选地,所述步骤S5具体为:
由步骤S3与步骤S4求得的各指标主、客观权重组成对应的识别框架Θ={α-1,λ-1},{αi,λi}对应同一层级指标的一对主、客观权重,α、λ即为Θ上的基本可信度分配函数,也称证据,以e代指;利用Dempster组合规则对e进行证据合成;
Pignistic概率距离为识别框架Θ下各子集的最大距离,定义BetP(X)为Θ上的Pignistic概率函数,构建整体证据间Pignistic概率距离的最优化模型,以所有证据的加权证据wi·ei与期望证据e′的Pignistic概率距离值之和最小化为目标,求出相对权重对证据源进行修正,使得证据符合合成条件;其中,加权证据wi·ei与期望证据e′的Pignistic概率距离定义为:
则优化模型如下:
可变换为:
式(17-19)中各变量定义如下:w为证据e及其单命题焦元Pignistic概率函数的向量β的相对权重;期望证据e′为各证据ei与其相应权重的加权平均,β′为各βi与其相应权重的加权平均,H为n×n实对称矩阵,对由AHP得到的配网指标主观权重与由熵权法求得的配网指标客观权重进行合成,n=2;元素βi、βj的表达式如下:
由式(19)求出证据源权重向量w=(w1,w2,···,wn)的值,令wmax=max{w1,w2,···,wn},由此可确定证据的基本概率分配值的“折扣率”γi=wi/wmax,i=1,2,···,n;利用γi值对证据ei的BPA值进行加权调整:
至此,同层级指标的主、客观权重α,λ已被修正至Dempster组合规则应用范围内,同理,修正配电网每一层级各评价指标的主、客观权重;
再根据Dempster组合规则对其进行证据合成,更新e:
更新后的证据值即为对应指标的主、客观权重组合值。
优选地,所述步骤S6中第i个评价对象的综合得分计算公式如下:
其中,ej为同一层级第j个指标的组合权重,即步骤5中最终求得的合成证据值,Aij为第i个评价对象在第j个指标上的得分,若第j个指标为基础层指标,则Aij为第j个指标得分公式的隶属度计算值μ(j);若第j个指标为准则层指标,则Aij为第j个指标其下属基础层指标按式(24)计算得出的综合得分,最终评价结果实质为两矩阵之积。
本发明的有益效果为:本发明将配电分区划分为配电网开关设备-配电变压器-配电线路-配电分区四个层级,同时构建三层的运行状态评价指标体系,运用主客观组合赋权法对各层级指标赋权,实现配电网多层级运行状态综合评价,以便根据运行状态关键信息指标来辨识配电分区的薄弱环节。
附图说明
图1是本发明的流程图;
图2是配电网运行状态多层级评价指标体系图。
具体实施方式
为了更好的理解本发明,下面结合附图和具体实施例对本发明作进一步说明:
本发明所讨论的配电网运行状态多层级评价实质上是构建配电网开关设备-配电变压器-配电线路-供电分区四个配电网层级的评价指标体系,进行指标赋权分析计算。如图1所示,一种主客观组合赋权的配电网运行状态多层级评价方法,包括以下步骤:
S1:考虑配电网的运行安全性、供电质量及可靠性和经济性三大方面,分别针对配电网开关设备、配电变压器、配电线路和供电分区四个层级,选择对应的评价指标,构建包含目标层、准则层和基础层三层结构的多层级运行状态评价体系,如图2所示。
配电变压器运行状态评价指标含有:目标层OT={OT1},准则层AT={AT1,AT2,AT3,AT4},准则层AT下属基础层PT={PT1,PT2,…,PT17}。
其中,OT1为配电变压器运行状态,AT1为负载率,AT2为三相不平衡,AT3为电压质量,AT4为运行指标,PT1为轻载持续时间,PT2为轻载次数,PT3为过载次数,PT4为过载持续时间,PT5为A/B/C相轻微三相不平衡持续时间,PT6为A/B/C相严重三相不平衡持续时间,PT7为低压总谐波畸变率,PT8为电压越限持续时间,PT9为电压越限次数,PT10为故障停电持续时间,PT11为一般缺陷次数,PT12为重大缺陷次数,PT13为平均负载率,PT14为最高负载率,PT15为重载持续时间,PT16为重载次数,PT17为功率因数。
配电网开关设备运行状态评价指标含有:目标层OS={OS1},准则层AS={AS1,AS2,AS3},准则层AS下属基础层PS={PS1,PS2,…,PS11}。
其中,OS1为开关设备运行状态,AS1为三相不平衡,AS2为电压质量,AS3为运行指标,PS1为A/B/C相轻微三相不平衡持续时间,PS2为A/B/C相严重三相不平衡持续时间,PS3为电压谐波畸变率,PS4为电压越限次数,PS5为电压越限持续时间,PS6为告警次数,PS7为动作次数,PS8为故障次数,PS9为一般缺陷次数,PS10为重大缺陷次数,PS11为功率因数。
配电线路运行状态评价指标含有:目标层OL={OL1},准则层A L={AL1,AL2,AL3,AL4,AL5},准则层A L下属基础层PL={PL1,PL2,…,PL18}。
其中,OL1为配电线路运行状态,AL1为负载率,AL2为三相不平衡,AL3为电压质量,AL4为运行指标,AL5为静态指标,PL1为轻载持续时间,PL2为轻载次数,PL3为过载次数,PL4为过载持续时间,PL5为A/B/C相轻微三相不平衡持续时间,PL6为A/B/C相严重三相不平衡持续时间,PL7为电压谐波畸变率,PL8为电压越限持续时间,PL9为电压越限次数,PL10为故障次数,PL11为一般缺陷次数,PL12为重大缺陷次数,PL13为隐患次数,PL14为供电半径,PL15为平均负载率,PL16为最高负载率,PL17为重载持续时间,PL18为重载次数。
配电分区运行状态评价指标含有:目标层OD={OD1},准则层AD={AD1,AD2,AD3,AD4},准则层AD下属基础层PD={PD1,PD2,…,PD25}。
其中,OD1为供电分区运行状态,AD1为负载率,AD2为三相不平衡,AD3为电压质量,AD4为运行指标,PD1为线路轻载比例,PD2为线路过载比例,PD3为配变轻载比例,PD4为配变过载比例,PD5为配变轻微三相不平衡比例,PD6为配变严重三相不平衡比例,PD7为线路轻微三相不平衡比例,PD8为线路严重三相不平衡比例,PD9为开关设备轻微三相不平衡比例,PD10为开关设备严重三相不平衡比例,PD11为配变故障率,PD12为线路故障率,PD13为开关设备故障率,PD14为平均供电半径,PD15为线路重载比例,PD16为配变重载比例,PD17为线路电压谐波畸变合格率,PD18为配变电压谐波畸变合格率,PD19为开关设备电压谐波畸变合格率,PD20为线路电压合格率,PD21为配变电压合格率,PD22为开关设备电压合格率,PD23为线路可转供率,PD24为线路绝缘化率,PD25为线路电缆化率。
选取一个月作为单位时间尺度,各类指标的具体计算方法均根据《配电网运行规程》Q/GDW519-2010、《电能质量、供电电压允许偏差》GB12325、《电能质量、公用电网谐波》GB/T14549-93等配电网运行导则确定,为常规公式,在此不做赘述。
S2:基于配电网历史运行数据,计算基础层各个评价指标。
将步骤S1中的各个基础层的指标分为成本型指标和效益型指标,并根据指标类型选用对应的三角型隶属函数模型构造基础层单项指标计算公式。其中基础层指标PSi(i=1,2,…,10)、PTi(i=1,2,…,12)、PLi(i=1,2,…,14)、PDi(i=1,2,…,14)为成本型指标;PS11、PTi(i=13,14,…,17)、PLi(i=15,16,…,18)、PDi(i=15,16,…,25)为效益型指标。
成本型对应的隶属函数模型如下:
效益型指标对应的隶属函数模型如下:
式中x为基础层单项指标计算得出的实际取值,a1,a2,a3,a4为隶属函数参数,μ1,μ2,μ3,μ4为隶属度值,由计算得到的隶属度值μ,得到对应评价集的取值。评价集V={v1,v2,v3,v4},将指标评价结果划分为4个评价等级,即{优秀,良好,合格,差}。
S3:采用改进的层次分析法AHP对各层指标进行主观赋权。
层次分析法的核心是判断矩阵的构造,将问题层次化处理后,从上到下进行重要性比较,通过下层指标两两比较确定判断矩阵元素,即针对上层指标而言本层各指标的贡献度,进而逐层得到权重排序结果。对步骤S1中同一层级的m个指标p1、p2、…、pm,按重要程度不减的原则,由专家小组对指标进行主观排序,结果为p1≥p2≥…≥pm,按表1比较pi与pi+1的重要度关系,确定标度值并将对应标度记为ti,得到同层级所有相邻指标之间的标度值t1、t2、…、tm-1。
表1标度值含义
序号 | 含义 | 标度值 |
1 | 同等重要 | 1.0 |
2 | 稍微重要 | 1.2 |
3 | 强烈重要 | 1.4 |
4 | 明显重要 | 1.6 |
5 | 绝对重要 | 1.8 |
根据重要程度的传递性得到判断矩阵中的其他元素,最终得满足一致性的判断矩阵R如下所示:
同层各项指标的主观权重计算如下:
其中,αi为第i项指标的权重值;表示矩阵R中第i行所有元素的乘积,由此可定量确定配电网运行状态评价体系中各指标的主观权重。
S4:采用熵权法计算各层级指标的客观权重。熵权法的基本思想是依据指标变异性的大小来确定客观权重,信息熵越小表明其变异程度越高,包含信息量越大,权重则相应越高,反之亦然。包括以下步骤:
S41:数据归一化:
由步骤2,得到配电网各基础层指标的实际取值,构造样本观测数据矩阵为:
其中,xij表示设备、线路或系统第i个历史采样时刻时第j个基础层单项指标的实际取值,样本含有m个指标,n个历史采样点;
由于评价指标既包含效益型指标,又包含成本型指标,分别对效益型指标和成本型指标进行归一化处理,如公式(12)和公式(13)所示:
S42:计算各评价指标熵值,第j个指标的熵值为:
S43:计算各评价指标的熵权,第j个指标的熵权可表示为:
S44:得到基于熵权法的指标客观权重向量λ:
λ=(λ1,λ2,…,λm); (16)
基于以上权重计算步骤,按照运行状态评价指标体系的层次化结构,从下往上逐层计算;最终得到的权重越大,则表明该指标的对目标的贡献度越大,对结果的影响也就越大。
S5:利用基于Pignistic概率距离的最优证据合成法,对由AHP得到的主观权重与由熵权法求得的客观权重进行结合,对各层级指标进行主客观组合赋权。
由步骤S3与步骤S4求得的各指标主、客观权重组成对应的识别框架Θ={α-1,λ-1},{αi,λi}对应同一层级指标的一对主、客观权重,α、λ即为Θ上的基本可信度分配函数(BPA),也称证据,以e代指;利用Dempster组合规则对e进行证据合成;由于Dempster组合规则存在应用范围限制,为使得证据间能够合理合成,需要对证据源进行修正。
Pignistic概率距离为识别框架Θ下各子集的最大距离,定义BetP(X)为Θ上的Pignistic概率函数,已知证据间的Pignistic概率距离越小,证据越适用Dempster组合规则,证据合成效果越好。因此,构建整体证据间Pignistic概率距离的最优化模型,以所有证据的加权证据wi·ei与期望证据e′的Pignistic概率距离值之和最小化为目标,求出相对权重对证据源进行修正,使得证据符合合成条件。
其中,加权证据wi·ei与期望证据e′的Pignistic概率距离定义为:
则优化模型如下:
可变换为:
式(17-19)中各变量定义如下:w为证据e及其单命题焦元Pignistic概率函数的向量β的相对权重;期望证据e′为各证据ei与其相应权重的加权平均,β′为各βi与其相应权重的加权平均,H为n×n实对称矩阵,对由AHP得到的配网指标主观权重与由熵权法求得的配网指标客观权重进行合成,n=2。
元素βi、βj的表达式如下:
由式(19)求出证据源权重向量w=(w1,w2,···,wn)的值,令wmax=max{w1,w2,···,wn},由此可确定证据的基本概率分配值的“折扣率”γi=wi/wmax,i=1,2,···,n;利用γi值对证据ei的BPA值进行加权调整:
至此,同层级指标的主、客观权重α,λ已被修正至Dempster组合规则应用范围内。同理,修正配电网每一层级各评价指标的主、客观权重。
再根据Dempster组合规则对其进行证据合成,更新e:
更新后的证据值即为对应指标的主、客观权重组合值。
S6:由修正过后的主客观组合权重,计算配电变压器、配电线路、配电开关设备、供电分区的综合得分。第i个评价对象的综合得分计算公式如下:
其中,ej为同一层级第j个指标的组合权重,即步骤5中最终求得的合成证据值,Aij为第i个评价对象在第j个指标上的得分,若第j个指标为基础层指标,则Aij为第j个指标得分公式的隶属度计算值μ(j);若第j个指标为准则层指标,则Aij为第j个指标其下属基础层指标按式(24)计算得出的综合得分,最终评价结果实质为两矩阵之积。
S7:综合步骤S2与步骤S6所得结果,最终得到配电网运行状态多层级评价结果,即针对配电网四个层级,分别给出基础层各指标、准则层各指标和目标层的运行评价结果。
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种主客观组合赋权的配电网运行状态多层级评价方法,其特征在于:包括以下步骤:
S1:分别针对配电网开关设备、配电变压器、配电线路和供电分区四个层级,选择对应的评价指标,构建包含目标层、准则层和基础层三层结构的多层级运行状态评价体系;
S2:基于配电网历史运行数据,计算基础层各个评价指标;
S3:采用改进的层次分析法AHP对各层指标进行主观赋权;
S4:采用熵权法计算各层级指标的客观权重;
S5:利用基于Pignistic概率距离的最优证据合成法,对由AHP得到的主观权重与由熵权法求得的客观权重进行结合,对各层级指标进行主客观组合赋权;
S6:由修正过后的主客观组合权重,计算配电变压器、配电线路、配电开关设备、供电分区的综合得分。
2.根据权利要求1所述的一种主客观组合赋权的配电网运行状态多层级评价方法,其特征在于:所述步骤S2具体为:将步骤S1中的各个基础层的指标分为成本型指标和效益型指标,并根据指标类型选用对应的三角型隶属函数模型构造基础层单项指标计算公式。
5.根据权利要求1所述的一种主客观组合赋权的配电网运行状态多层级评价方法,其特征在于:所述步骤S3具体如下:
对步骤S1中同一层级的m个指标p1、p2、…、pm,按重要程度不减的原则,由专家小组对指标进行主观排序,结果为p1≥p2≥…≥pm,比较pi与pi+1的重要度关系,确定标度值并将对应标度记为ti,得到同层级所有相邻指标之间的标度值t1、t2、…、tm-1;
根据重要程度的传递性得到判断矩阵中的其他元素,最终得满足一致性的判断矩阵R如下所示:
同层各项指标的主观权重计算如下:
6.根据权利要求1所述的一种主客观组合赋权的配电网运行状态多层级评价方法,其特征在于:所述步骤S4具体包括以下步骤:
S41:数据归一化:
由步骤2,得到配电网各基础层指标的实际取值,构造样本观测数据矩阵为:
其中,xij表示设备、线路或系统第i个历史采样时刻时第j个基础层单项指标的实际取值,样本含有m个指标,n个历史采样点;
由于评价指标既包含效益型指标,又包含成本型指标,分别对效益型指标和成本型指标进行归一化处理,如公式(12)和公式(13)所示:
S42:计算各评价指标熵值,第j个指标的熵值为:
S43:计算各评价指标的熵权,第j个指标的熵权可表示为:
S44:得到基于熵权法的指标客观权重向量λ:
λ=(λ1,λ2,…,λm);(16)
基于以上权重计算步骤,按照运行状态评价指标体系的层次化结构,从下往上逐层计算;最终得到的权重越大,则表明该指标的对目标的贡献度越大,对结果的影响也就越大。
7.根据权利要求1所述的一种主客观组合赋权的配电网运行状态多层级评价方法,其特征在于:所述步骤S5具体为:
由步骤S3与步骤S4求得的各指标主、客观权重组成对应的识别框架Θ={α-1,λ-1},{αi,λi}对应同一层级指标的一对主、客观权重,α、λ即为Θ上的基本可信度分配函数,也称证据,以e代指;利用Dempster组合规则对e进行证据合成;
Pignistic概率距离为识别框架Θ下各子集的最大距离,定义BetP(X)为Θ上的Pignistic概率函数,构建整体证据间Pignistic概率距离的最优化模型,以所有证据的加权证据wi·ei与期望证据e′的Pignistic概率距离值之和最小化为目标,求出相对权重对证据源进行修正,使得证据符合合成条件;其中,加权证据wi·ei与期望证据e′的Pignistic概率距离定义为:
则优化模型如下:
可变换为:
式(17-19)中各变量定义如下:w为证据e及其单命题焦元Pignistic概率函数的向量β的相对权重;期望证据e′为各证据ei与其相应权重的加权平均,β′为各βi与其相应权重的加权平均,H为n×n实对称矩阵,对由AHP得到的配网指标主观权重与由熵权法求得的配网指标客观权重进行合成,n=2;元素βi、βj的表达式如下:
由式(19)求出证据源权重向量w=(w1,w2,···,wn)的值,令wmax=max{w1,w2,···,wn},由此可确定证据的基本概率分配值的“折扣率”γi=wi/wmax,i=1,2,···,n;利用γi值对证据ei的BPA值进行加权调整:
至此,同层级指标的主、客观权重α,λ已被修正至Dempster组合规则应用范围内,同理,修正配电网每一层级各评价指标的主、客观权重;
再根据Dempster组合规则对其进行证据合成,更新e:
更新后的证据值即为对应指标的主、客观权重组合值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910989298.6A CN110728456A (zh) | 2019-10-17 | 2019-10-17 | 一种主客观组合赋权的配电网运行状态多层级评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910989298.6A CN110728456A (zh) | 2019-10-17 | 2019-10-17 | 一种主客观组合赋权的配电网运行状态多层级评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110728456A true CN110728456A (zh) | 2020-01-24 |
Family
ID=69220191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910989298.6A Pending CN110728456A (zh) | 2019-10-17 | 2019-10-17 | 一种主客观组合赋权的配电网运行状态多层级评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110728456A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563682A (zh) * | 2020-05-07 | 2020-08-21 | 贵州电网有限责任公司 | 一种配电自动化设备测试评价方法 |
CN111861248A (zh) * | 2020-07-27 | 2020-10-30 | 国网河南省电力公司电力科学研究院 | 一种配电网的电能质量治理效果综合评估方法及装置 |
CN112016838A (zh) * | 2020-08-31 | 2020-12-01 | 广东电网有限责任公司 | 配电网能效指标体系的贡献率计算方法、系统及终端设备 |
CN112036712A (zh) * | 2020-08-13 | 2020-12-04 | 广东电网有限责任公司广州供电局 | 一种配电终端状态评价指标权重分配方法 |
CN112946701A (zh) * | 2021-01-22 | 2021-06-11 | 合肥工业大学 | 用于选择多传感器协同观测任务的观测方案的方法及系统 |
CN113793017A (zh) * | 2021-09-10 | 2021-12-14 | 广东电网有限责任公司 | 一种配电房老化评价方法、装置、终端设备及存储介质 |
CN115146939A (zh) * | 2022-06-24 | 2022-10-04 | 国网江苏省电力有限公司经济技术研究院 | 一种电网工程项目综合技术水平预评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651656A (zh) * | 2016-12-28 | 2017-05-10 | 国网江西省电力公司经济技术研究院 | 基于改进的隶属度函数的供电可靠性模糊综合评价方法 |
CN107607806A (zh) * | 2017-08-03 | 2018-01-19 | 中国南方电网有限责任公司 | 配电网设备利用率的检测方法及装置 |
CN109214702A (zh) * | 2018-09-21 | 2019-01-15 | 东北电力大学 | 基于ahp-熵权法的城市配电网运行水平和供电能力模糊综合评价方法 |
CN109858758A (zh) * | 2018-12-29 | 2019-06-07 | 中国电力科学研究院有限公司 | 一种配电网电能质量的组合赋权评估方法及系统 |
-
2019
- 2019-10-17 CN CN201910989298.6A patent/CN110728456A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651656A (zh) * | 2016-12-28 | 2017-05-10 | 国网江西省电力公司经济技术研究院 | 基于改进的隶属度函数的供电可靠性模糊综合评价方法 |
CN107607806A (zh) * | 2017-08-03 | 2018-01-19 | 中国南方电网有限责任公司 | 配电网设备利用率的检测方法及装置 |
CN109214702A (zh) * | 2018-09-21 | 2019-01-15 | 东北电力大学 | 基于ahp-熵权法的城市配电网运行水平和供电能力模糊综合评价方法 |
CN109858758A (zh) * | 2018-12-29 | 2019-06-07 | 中国电力科学研究院有限公司 | 一种配电网电能质量的组合赋权评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
陈圣群等: "基于 Pignistic 概率距离的最优证据合成法", 《信息与控制》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563682A (zh) * | 2020-05-07 | 2020-08-21 | 贵州电网有限责任公司 | 一种配电自动化设备测试评价方法 |
CN111861248A (zh) * | 2020-07-27 | 2020-10-30 | 国网河南省电力公司电力科学研究院 | 一种配电网的电能质量治理效果综合评估方法及装置 |
CN111861248B (zh) * | 2020-07-27 | 2023-02-03 | 国网河南省电力公司电力科学研究院 | 一种配电网的电能质量治理效果综合评估方法及装置 |
CN112036712A (zh) * | 2020-08-13 | 2020-12-04 | 广东电网有限责任公司广州供电局 | 一种配电终端状态评价指标权重分配方法 |
CN112036712B (zh) * | 2020-08-13 | 2023-11-14 | 广东电网有限责任公司广州供电局 | 一种配电终端状态评价指标权重分配方法 |
CN112016838A (zh) * | 2020-08-31 | 2020-12-01 | 广东电网有限责任公司 | 配电网能效指标体系的贡献率计算方法、系统及终端设备 |
CN112016838B (zh) * | 2020-08-31 | 2023-05-23 | 广东电网有限责任公司 | 配电网能效指标体系的贡献率计算方法、系统及终端设备 |
CN112946701A (zh) * | 2021-01-22 | 2021-06-11 | 合肥工业大学 | 用于选择多传感器协同观测任务的观测方案的方法及系统 |
CN112946701B (zh) * | 2021-01-22 | 2023-12-01 | 合肥工业大学 | 用于选择多传感器协同观测任务的观测方案的方法及系统 |
CN113793017A (zh) * | 2021-09-10 | 2021-12-14 | 广东电网有限责任公司 | 一种配电房老化评价方法、装置、终端设备及存储介质 |
CN113793017B (zh) * | 2021-09-10 | 2024-03-19 | 广东电网有限责任公司 | 一种配电房老化评价方法、装置、终端设备及存储介质 |
CN115146939A (zh) * | 2022-06-24 | 2022-10-04 | 国网江苏省电力有限公司经济技术研究院 | 一种电网工程项目综合技术水平预评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110728456A (zh) | 一种主客观组合赋权的配电网运行状态多层级评价方法 | |
CN103761690A (zh) | 基于电网系统中电压无功控制系统的评估方法 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN107358332A (zh) | 一种电网调度运行精益化评价方法 | |
CN109816269A (zh) | 一种基于配电单元综合效益的配电网项目规划方法 | |
CN108197848A (zh) | 一种基于直觉模糊理论的电能质量综合评估方法及装置 | |
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 | |
CN107909221A (zh) | 基于组合神经网络的电力系统短期负荷预测方法 | |
CN106779436A (zh) | 一种电网规划多层面协调性综合评估方法 | |
CN111105218A (zh) | 一种基于全息影像技术的配电网运行监视方法 | |
CN112149976B (zh) | 一种基于人工智能的电网精准投资项目决策方法 | |
CN114091791A (zh) | 一种基于改进dea的ahp的物流绩效评估方法 | |
CN117474264A (zh) | 灵活性资源集群参与电网调度的综合评价方法 | |
CN111047461B (zh) | 一种直流多微网的黑启动方法 | |
CN109389324A (zh) | 一种电网规划的综合评价方法、系统及相关装置 | |
CN112712271A (zh) | 一种电网网格划分评价方法、系统、介质及电子设备 | |
CN112348352A (zh) | 基于大数据分析的电力预算建议方案自动生成方法 | |
CN111652459A (zh) | 一种计及新能源消纳多指标内涵的电网评价方法 | |
Wu et al. | A Conformable Fractional Grey Model CFGM (a, r) and Its Applications in Forecasting Regional Electricity Consumption of China. | |
CN114647947A (zh) | 单位造价预测方法、装置、电子设备及计算机可读存储介质 | |
CN110288155A (zh) | 一种输电网规划方案优选计算方法 | |
Zhang et al. | Variable stage self-correcting grey clustering model | |
CN111275351A (zh) | 一种基于社会关系相关度计算的评审专家指派系统及方法 | |
CN111008779A (zh) | 一种基于多因素评估模型的变压器健康状态评估方法 | |
Kang et al. | Research on investment forecast of distribution based on BP neural network |
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: 20200124 |
|
RJ01 | Rejection of invention patent application after publication |