CN110782130A - 一种基于多属性决策的区域电压质量综合评估方法 - Google Patents
一种基于多属性决策的区域电压质量综合评估方法 Download PDFInfo
- Publication number
- CN110782130A CN110782130A CN201910939083.3A CN201910939083A CN110782130A CN 110782130 A CN110782130 A CN 110782130A CN 201910939083 A CN201910939083 A CN 201910939083A CN 110782130 A CN110782130 A CN 110782130A
- Authority
- CN
- China
- Prior art keywords
- voltage
- index
- evaluation
- value
- indexes
- 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 108
- 238000000034 method Methods 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012797 qualification Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000013139 quantization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000035807 sensation Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 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
- G06Q10/06395—Quality analysis or management
-
- 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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多属性决策的区域电压质量综合评估方法,本案首先研究电压质量的影响因素,然后求解各个目标函数,统计实际数据,并计算各个目标函数值,利用皮尔逊相关性算法消除其中的线性相关性,再利用交叉熵赋权法和层次分析法,计算属性权重。决策者根据数据对方案的每个进行置信度评估,然后根据证据融合方法对每个属性进行融合,得到整体方案的置信度,最后进行效用评估,得到反映方案优劣度的效用值。本发明可以用于准确比较区域电能质量,并能对区域电压进行量化评估,用于区域电压质量的精细化比较。
Description
技术领域
本发明涉及一种基于多属性决策的区域电压质量综合评估方法,属于电压质量评估技术。
背景技术
目前,对电压质量的评估已有一定的研究,但由于电压各指标之间可能存在一定的线性相关性,造成数据的冗余,给实际分析计算带来麻烦,因此在若干个区域的各电压指标的大量数据去除相关性的数据是具有挑战的。另一个具有挑战性的问题是,由于决策者对电压质量的认知都会存在一定的局限性和不确定性,决策要把这种因素考虑在内。此外,本发明涉及来自属性集、指标集、方案集三方面的数据,要将些来源不同的大量数据融合起来具有很大的挑战性。
多属性决策方法目前主要应用于投资决策、方案优选、导弹防御决策及水文系统评估等方面,很少用于电力行业,且应用的较为粗浅,并不具有很好的决策精度。如今电力行业的发展日新月异,对电压质量的评价会提出更高的要求,因此需要一种更加准确的决策方法。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种基于多属性决策的区域电压质量综合评估方法,是一种基于证据决策的多属性决策方法,根据决策者对每个方案的置信度来综合分析,根据得到的平均效用值来衡量方案的优劣程度,即得到区域电压质量水平。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于多属性决策的区域电压质量综合评估方法,包括如下步骤:
步骤1、初步筛选出影响区域电压质量的指标;
步骤2、构建各指标的目标函数;
步骤3、导入实际数据,通过目标函数计算各指标;
步骤4、基于各指标的计算结果,计算各指标之间的相关性,筛选出相关性在阈值范围内的指标,将筛选出的指标作为评估指标,使用评估指标表征区域电压质量;
步骤5、采用非主观偏好的交叉熵赋权法确定各评估指标的权重;
步骤6、采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量;
步骤7、将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果。
具体的,所述步骤1中,初步筛选出的指标包括电压合格率C1、电压偏差C2、电压不合格频度C3、三相不平衡C4、电压波动C5、电压闪变C6、谐波畸变率C7、电压暂降C8和频率差C9。
具体的,所述步骤2中,各指标的目标函数为:
①电压合格率:f1=ag1+bg2+cg3
其中:g1、g2和g3分别表示一类、二类和三类负荷的电压合格率,a、b和c分别为g1、g2和g3的权重系数;其使用到的权重系数可以通过层次分析法确定;
②电压偏差:
其中:ure表示系统实测电压值,uN表示系统额定电压值;
③电压不合格频度(即单位时间内电压不合格的次数):f3
其中:u1为三相电压正序分量的方均根值,u2为三相电压负序分量的方均根值;
其中:umax和umin分别为电压的最大值和最小值;
其中:Pst表示10min计算一次的短时闪变值,Plt表示2h计算一次的长时闪变值,k0.1=0.0314,k1=0.0525,k3=0.0657,k10=0.28,k50=0.08,P0.1、P1、P3、P10、P50分别为10min内瞬时闪变视感超过0.1%、1%、3%、10%、50%时间比的概率分布水平,Pstj为2h内第j个短时闪变值;
其中:THDU为总电压谐波畸变率,U1为基波电压有效值,Uk为第k次谐波电压有效值,K为谐波的最高次,通常K≤50;
其中:Usagi为电压暂降的幅值,Si为某区域内节点i的负荷敏感性因子,Ntotal为该某区域内的节点总数;
⑨频率差:f9=frel-fN
其中:frel表示实际频率,fN表示标称频率。
具体的,所述步骤4中,计算皮尔逊系数以去除指标间的线性相关性,设任意两个指标为X和Y,通过下式计算这两个指标的皮尔逊系数ρX,Y:
若皮尔逊相关系数ρX,Y的值在-0.8到+0.8之间,则保留指标X和Y,否则删除其中一个指标。每两个指标都需要计算一次皮尔逊相关系数:若皮尔逊相关系数接近正负1,则说明两个指标的线性相关性较大;若皮尔逊相关系数接近0,说明两个指标的线性相关性很小。取皮尔逊相关系数的阈值为正负0.8,即在-0.8到+0.8之间则同时保留两个指标,否则删除其中一个指标。
具体的,所述步骤4中,包括如下步骤:
(41)设初步筛选出的指标个数为L0,初始化t=1;
(42)u=t+1;
(43)计算第t个指标和第u个指标的皮尔逊系数;
(44)若皮尔逊系数大于0.8或小于-0.8,则除第u个指标;
(45)判断u=L0是否成立:若不成立,则u=u+1,返回步骤(43);否者,进入步骤(46);
(46)判断t=L0-1是否成立:若不成立,则t=t+1,返回步骤(42);否者,结束。
具体的,所述步骤5中,采用非主观偏好的交叉熵赋权法确定各评估指标的权重,具体包括如下步骤:
(51)假设待评估的区域为M个,评估指标的个数为L个,基于下式建立综合评估决策矩阵F:
其中:fij表示第j个区域内的第i个评估指标的值,i=1,2,…,L,j=1,2,…,M;
(53)在无量纲矩阵U的所有0元素上加一个值极小的调整因子σ=10exp(-T),将无量纲矩阵U变换为矩阵其中,-N是以e为底的指数,且要求当T的值在设定范围内波动时,各评估指标权重系数的整体分布规律在设定阈值范围内;
(55)对于第i个评估指标,定义第j个区域与其他区域之间的加权交叉熵为Dij,Dij的对称表示形式为:
(56)计算第i个评估指标在任意两个区域间的总加权交叉熵Di:
(57)总加权交叉熵Di越大,表示第i个评估指标在各个区域内间的信息差异越大,越有利于区分区域电压质量;因此,基于所有评估指标的总加权交叉熵最大为目标,构造最优模型:
利用拉格朗日最小二乘法构造拉格朗日函数:
其中:ω=(ω1,ω2,…,ωL),λ表示拉格朗日常数;
得到第i个评估指标的权重ωi为:
归一化处理后得到第i个评估指标的权重ωi为:
归一化后的结构即为最终的第i个评估指标的权重ωi。
具体的,所述步骤6中,采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量;具体包括如下步骤:
(61)将每一个评估指标分为N个评价等级,将每个区域的每个评估指标在每个评价等级上进行置信度评估,得到每个电压质量指标置信度向量S(ei(aj)):
S(ei(aj))={(Hn,βn,i(aj))};i=1,2,…,L;j=1,2,…,M;n=1,2,…,N
其中:ei=ei(aj)表示第j个区域的第i个电压质量指标,Hn表示第n个评价等级,βn,i(aj)表示第j个区域内的第i个评估指标在第n个评价等级上的置信度;
(62)将电压质量指标集合{e1,e2,…,eL}称为证据融合的底层,使用{ω1,ω2,…,ωL}表征各评估指标的重要性,将{H1,H2,…,HL}称为证据融合的中层;决策者根据每个评估指标的目标函数值的情况利用置信度评估方法评估其位于哪一个等级中;置信度评估结果(Hn,βn,i(aj))形成证据矩阵,根据矩阵决策者依然无法直接从这个矩阵中判断方案优劣,需要对这些证据进行融合,证据融合过程如下:
考虑证据融合的方便性,对基本可信度进行分解;
将前i个评估指标在第n个评价等级上的置信度进行融合,得到总的置信度mn,I(i):
mn,I(i+1)=KI(i+1)[mn,I(i)mn,i+1+mH,I(i)mn,i+1+mn,I(i)mH,i+1]
其中:mH,I(i)表示未分配给前i个评估指标的基本可信度;得到总的置信度向量为S(aj)={(Hn,βn(aj)),(H,βH(aj))},且有:
其中,其中βH(aj)表示决策者的总不确定的置信度。
具体的,所述步骤7中,将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果;具体包括如下步骤:
以平均效用值作为衡量方案的最终指标。
本发明首先研究电压质量的影响因素,然后求解各个目标函数,统计实际数据,并计算各个目标函数值,利用皮尔逊相关性算法消除其中的线性相关性,再利用交叉熵赋权法和层次分析法,计算属性权重。决策者根据数据对方案的每个进行置信度评估,然后根据证据融合方法对每个属性进行融合,得到整体方案的置信度,最后进行效用评估,得到反映方案优劣度的效用值。
有益效果:本发明提供的基于多属性决策的区域电压质量综合评估方法,通过使用的皮尔逊相关性算法,有效简化了数据计算其有效考虑了预测过程中产生的不确定因素,对方案的置信度分析和融合,得到了一种科学合理的评价方法;该方法可以用于区域电压质量的比较或对未来电能质量的预测。
附图说明
图1为本发明的总体流程图;
图2为本发明利用皮尔逊系数去相关的流程图;
图3为本发明的交叉熵求权重的算法流程图;
图4为本发明的证据融合的示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示为一种基于多属性决策的区域电压质量综合评估方法,本案首先研究电压质量的影响因素,然后求解各个目标函数,统计实际数据,并计算各个目标函数值,利用皮尔逊相关性算法消除其中的线性相关性,再利用交叉熵赋权法和层次分析法,计算属性权重。决策者根据数据对方案的每个进行置信度评估,然后根据证据融合方法对每个属性进行融合,得到整体方案的置信度,最后进行效用评估,得到反映方案优劣度的效用值。下面对各个步骤做出进一步的说明。
步骤1、初步筛选出影响区域电压质量的指标。
初步筛选出的指标包括电压合格率C1、电压偏差C2、电压不合格频度C3、三相不平衡C4、电压波动C5、电压闪变C6、谐波畸变率C7、电压暂降C8和频率差C9。
步骤2、构建各指标的目标函数。
各指标的目标函数为:
①电压合格率:f1=ag1+bg2+cg3
其中:g1、g2和g3分别表示一类、二类和三类负荷的电压合格率,a、b和c分别为g1、g2和g3的权重系数;其使用到的权重系数可以通过层次分析法确定;
②电压偏差:
其中:ure表示系统实测电压值,uN表示系统额定电压值;
③电压不合格频度(即单位时间内电压不合格的次数):f3
其中:u1为三相电压正序分量的方均根值,u2为三相电压负序分量的方均根值;
其中:umax和umin分别为电压的最大值和最小值;
其中:Pst表示10min计算一次的短时闪变值,Plt表示2h计算一次的长时闪变值,k0.1=0.0314,k1=0.0525,k3=0.0657,k10=0.28,k50=0.08,P0.1、P1、P3、P10、P50分别为10min内瞬时闪变视感超过0.1%、1%、3%、10%、50%时间比的概率分布水平,Pstj为2h内第j个短时闪变值;
其中:THDU为总电压谐波畸变率,U1为基波电压有效值,Uk为第k次谐波电压有效值,K为谐波的最高次,通常K≤50;
⑧电压暂降:
其中:Usagi为电压暂降的幅值,Si为某区域内节点i的负荷敏感性因子,Ntotal为该某区域内的节点总数;
⑨频率差:f9=frel-fN
其中:frel表示实际频率,fN表示标称频率。
步骤3、导入实际数据,通过目标函数计算各指标。
步骤4、基于各指标的计算结果,计算各指标之间的相关性,筛选出相关性在阈值范围内的指标,将筛选出的指标作为评估指标,使用评估指标表征区域电压质量。
计算皮尔逊系数以去除指标间的线性相关性,设任意两个指标为X和Y,通过下式计算这两个指标的皮尔逊系数ρX,Y:
若皮尔逊相关系数ρX,Y的值在-0.8到+0.8之间,则保留指标X和Y,否则删除其中一个指标。每两个指标都需要计算一次皮尔逊相关系数:若皮尔逊相关系数接近正负1,则说明两个指标的线性相关性较大;若皮尔逊相关系数接近0,说明两个指标的线性相关性很小。取皮尔逊相关系数的阈值为正负0.8,即在-0.8到+0.8之间则同时保留两个指标,否则删除其中一个指标。
相关性的筛选过程如下:
(41)设初步筛选出的指标个数为L0,初始化t=1;
(42)u=t+1;
(43)计算第t个指标和第u个指标的皮尔逊系数;
(44)若皮尔逊系数大于0.8或小于-0.8,则除第u个指标;
(45)判断u=L0是否成立:若不成立,则u=u+1,返回步骤(43);否者,进入步骤(46);
(46)判断t=L0-1是否成立:若不成立,则t=t+1,返回步骤(42);否者,结束。
步骤5、采用非主观偏好的交叉熵赋权法确定各评估指标的权重;
(51)假设待评估的区域为M个,评估指标的个数为L个,基于下式建立综合评估决策矩阵F:
其中:fij表示第j个区域内的第i个评估指标的值,i=1,2,…,L,j=1,2,…,M;
(53)在无量纲矩阵U的所有0元素上加一个值极小的调整因子σ=10exp(-T),将无量纲矩阵U变换为矩阵其中,-N是以e为底的指数,且要求当T的值在设定范围内波动时,各评估指标权重系数的整体分布规律在设定阈值范围内;
(54)计算第j个区域内的第i个评估指标的特征值比重
(55)对于第i个评估指标,定义第j个区域与其他区域之间的加权交叉熵为Dij,Dij的对称表示形式为:
其中:ωi为第i个评估指标的权重;
(56)计算第i个评估指标在任意两个区域间的总加权交叉熵Di:
(57)总加权交叉熵Di越大,表示第i个评估指标在各个区域内间的信息差异越大,越有利于区分区域电压质量;因此,基于所有评估指标的总加权交叉熵最大为目标,构造最优模型:
利用拉格朗日最小二乘法构造拉格朗日函数:
其中:ω=(ω1,ω2,…,ωL),λ表示拉格朗日常数;
得到第i个评估指标的权重ωi为:
归一化处理后得到第i个评估指标的权重ωi为:
归一化后的结构即为最终的第i个评估指标的权重ωi。
步骤6、采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量。
(61)将每一个评估指标分为N个评价等级,将每个区域的每个评估指标在每个评价等级上进行置信度评估,得到每个电压质量指标置信度向量S(ei(aj)):
S(ei(aj))={(Hn,βn,i(aj))};i=1,3,…,L;j=1,2,…,M;n=1,2,…,N
其中:ei=ei(aj)表示第j个区域的第i个电压质量指标,Hn表示第n个评价等级,βn,i(aj)表示第j个区域内的第i个评估指标在第n个评价等级上的置信度;
(62)将电压质量指标集合{e1,e2,…,eL}称为证据融合的底层,使用{ω1,ω2,…,ωL}表征各评估指标的重要性,将{H1,H2,…,HL}称为证据融合的中层;决策者根据每个评估指标的目标函数值的情况利用置信度评估方法评估其位于哪一个等级中;置信度评估结果(Hn,βn,i(aj))形成证据矩阵,根据矩阵决策者依然无法直接从这个矩阵中判断方案优劣,需要对这些证据进行融合,证据融合过程如下:
考虑证据融合的方便性,对基本可信度进行分解;
将前i个评估指标在第n个评价等级上的置信度进行融合,得到总的置信度mn,I(i):
mn,I(i+1)=KI(i+1)[mn,I(i)mn,i+1+mH,I(i)mn,i+1+mn,I(i)mH,i+1]
其中:mH,I(i)表示未分配给前i个评估指标的基本可信度;得到总的置信度向量为S(aj)={(Hn,βn(aj)),(H,βH(aj))},且有:
其中,其中βH(aj)表示决策者的总不确定的置信度。
步骤7、将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果。
将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果;具体包括如下步骤:
以平均效用值作为衡量方案的最终指标。
本案将使用一种基于证据推理的多属性决策方法来进行电压质量的评估,其通过使用的皮尔逊相关性算法,有效简化了数据计算其有效考虑了预测过程中产生的不确定因素,对方案的置信度分析和融合,得到了一种科学合理的评价方法。这种方法可以用于区域电压质量的比较或对未来电能质量的预测。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于多属性决策的区域电压质量综合评估方法,其特征在于:包括如下步骤:
步骤1、初步筛选出影响区域电压质量的指标;
步骤2、构建各指标的目标函数;
步骤3、导入实际数据,通过目标函数计算各指标;
步骤4、基于各指标的计算结果,计算各指标之间的相关性,筛选出相关性在阈值范围内的指标,将筛选出的指标作为评估指标,使用评估指标表征区域电压质量;
步骤5、采用非主观偏好的交叉熵赋权法确定各评估指标的权重;
步骤6、采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量;
步骤7、将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果。
2.根据权利要求1所述的基于多属性决策的区域电压质量综合评估方法,其特征在于:所述步骤1中,初步筛选出的指标包括电压合格率C1、电压偏差C2、电压不合格频度C3、三相不平衡C4、电压波动C5、电压闪变C6、谐波畸变率C7、电压暂降C8和频率差C9。
3.根据权利要求1所述的基于多属性决策的区域电压质量综合评估方法,其特征在于:所述步骤2中,各指标的目标函数为:
①电压合格率:f1=ag1+bg2+cg3
其中:g1、g2和g3分别表示一类、二类和三类负荷的电压合格率,a、b和c分别为g1、g2和g3的权重系数;
其中:ure表示系统实测电压值,uN表示系统额定电压值;
③电压不合格频度:f3
其中:u1为三相电压正序分量的方均根值,u2为三相电压负序分量的方均根值;
⑤电压波动:
其中:umax和umin分别为电压的最大值和最小值;
⑥电压闪变:
其中:Pst表示10min计算一次的短时闪变值,Plt表示2h计算一次的长时闪变值,k0.1=0.0314,k1=0.0525,k3=0.0657,k10=0.28,k50=0.08,P0.1、P1、P3、P10、P50分别为10min内瞬时闪变视感超过0.1%、1%、3%、10%、50%时间比的概率分布水平,Pstj为2h内第j个短时闪变值;
其中:THDU为总电压谐波畸变率,U1为基波电压有效值,Uk为第k次谐波电压有效值,K为谐波的最高次;
其中:Usagi为电压暂降的幅值,Si为某区域内节点i的负荷敏感性因子,Ntotal为该某区域内的节点总数;
⑨频率差:f9=frel-fN
其中:frel表示实际频率,fN表示标称频率。
4.根据权利要求1所述的基于多属性决策的区域电压质量综合评估方法,其特征在于:所述步骤4中,计算皮尔逊系数以去除指标间的线性相关性,设任意两个指标为X和Y,通过下式计算这两个指标的皮尔逊系数ρX,Y:
若皮尔逊相关系数ρX,Y的值在-0.8到+0.8之间,则保留指标X和Y,否则删除其中一个指标。
5.根据权利要求1所述的基于多属性决策的区域电压质量综合评估方法,其特征在于:所述步骤4中,包括如下步骤:
(41)设初步筛选出的指标个数为L0,初始化t=1;
(42)u=t+1;
(43)计算第t个指标和第u个指标的皮尔逊系数;
(44)若皮尔逊系数大于0.8或小于-0.8,则除第u个指标;
(45)判断u=L0是否成立:若不成立,则u=u+1,返回步骤(43);否者,进入步骤(46);
(46)判断t=L0-1是否成立:若不成立,则t=t+1,返回步骤(42);否者,结束。
6.根据权利要求1所述的基于多属性决策的区域电压质量综合评估方法,其特征在于:所述步骤5中,采用非主观偏好的交叉熵赋权法确定各评估指标的权重,具体包括如下步骤:
(51)假设待评估的区域为M个,评估指标的个数为L个,基于下式建立综合评估决策矩阵F:
其中:fij表示第j个区域内的第i个评估指标的值,i=1,2,…,L,j=1,2,…,M;
(52)对综合评估决策矩阵F进行无量纲化处理,得到无量纲矩阵U=(μij)L×M;其中:μij为无量纲矩阵U中的第i行j列的元素,max(fi)和min(fi)分别表示在所有M个区域内第i个评估指标的实测最大值和最小值;
(53)在无量纲矩阵U的所有0元素上加一个调整因子σ=10exp(-T),将无量纲矩阵U变换为矩阵V=(vij)L×M;其中,-N是以e为底的指数,且要求当T的值在设定范围内波动时,各评估指标权重系数的整体分布规律在设定阈值范围内;
(55)对于第i个评估指标,定义第j个区域与其他区域之间的加权交叉熵为Dij,Dij的对称表示形式为:
(56)计算第i个评估指标在任意两个区域间的总加权交叉熵Di:
(57)基于所有评估指标的总加权交叉熵最大为目标,构造最优模型:
利用拉格朗日最小二乘法构造拉格朗日函数:
其中:ω=(ω1,ω2,…,ωL),λ表示拉格朗日常数;
得到第i个评估指标的权重ωi为:
归一化处理后得到第i个评估指标的权重ωi为:
归一化后的结构即为最终的第i个评估指标的权重ωi。
7.根据权利要求1所述的基于多属性决策的区域电压质量综合评估方法,其特征在于:所述步骤6中,采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量;具体包括如下步骤:
(61)将每一个评估指标分为N个评价等级,将每个区域的每个评估指标在每个评价等级上进行置信度评估,得到每个电压质量指标置信度向量S(ei(aj)):
S(ei(aj))={(Hn,βn,i(aj))};i=1,2,…,L;j=1,2,…,M;n=1,2,…,N
其中:ei=ei(aj)表示第j个区域的第i个电压质量指标,Hn表示第n个评价等级,βn,i(aj)表示第j个区域内的第i个评估指标在第n个评价等级上的置信度;
(62)将电压质量指标集合{e1,e2,…,eL}称为证据融合的底层,使用{ω1,ω2,…,ωL}表征各评估指标的重要性,将{H1,H2,…,HL}称为证据融合的中层;根据置信度计算得到基本可信度:mn,i=ωiβn,i(aj)
其中:H表示不确定;
对基本可信度进行分解;
将前i个评估指标在第n个评价等级上的置信度进行融合,得到总的置信度mn,I(i):
其中:mH,I(i)表示未分配给前i个评估指标的基本可信度;得到总的置信度向量为S(aj)={(Hn,βn(aj)),(H,βH(aj))},且有:
其中,其中βH(aj)表示决策者的总不确定的置信度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939083.3A CN110782130A (zh) | 2019-09-30 | 2019-09-30 | 一种基于多属性决策的区域电压质量综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939083.3A CN110782130A (zh) | 2019-09-30 | 2019-09-30 | 一种基于多属性决策的区域电压质量综合评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110782130A true CN110782130A (zh) | 2020-02-11 |
Family
ID=69384848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910939083.3A Pending CN110782130A (zh) | 2019-09-30 | 2019-09-30 | 一种基于多属性决策的区域电压质量综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110782130A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257619A (zh) * | 2020-02-17 | 2020-06-09 | 南京工程学院 | 一种基于多属性决策和改进s变换方法的电压暂降检测方法 |
CN111932121A (zh) * | 2020-08-11 | 2020-11-13 | 广东电网有限责任公司广州供电局 | 一种优质电力投资方案评估方法、装置、终端及存储介质 |
CN112418618A (zh) * | 2020-11-09 | 2021-02-26 | 国网安徽省电力有限公司电力科学研究院 | 配网台区电能质量评价的权值调整与动态组合方法 |
CN112749900A (zh) * | 2021-01-12 | 2021-05-04 | 南京工程学院 | 基于优化专家评价法的三阶段dea电网能效分析方法 |
CN112784792A (zh) * | 2021-01-29 | 2021-05-11 | 海南电网有限责任公司电力科学研究院 | 基于Pearson相关系数与OPTICS的电压暂降同源识别方法 |
CN112782503A (zh) * | 2020-12-24 | 2021-05-11 | 深圳供电局有限公司 | 电能质量评估方法、装置、控制设备和存储介质 |
CN112946393A (zh) * | 2021-02-03 | 2021-06-11 | 杭州林叶电气自动化有限公司 | 一种电能质量监控分析系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537432A (zh) * | 2014-12-16 | 2015-04-22 | 华南理工大学 | 基于证据推理的电力系统多目标优化调度的决策方法 |
CN108448650A (zh) * | 2018-03-21 | 2018-08-24 | 广东电网有限责任公司电力科学研究院 | 一种多目标联合调度决策方法及系统 |
CN110175763A (zh) * | 2019-05-16 | 2019-08-27 | 广西电网有限责任公司电力科学研究院 | 基于模糊评价模型的客观多属性决策电压质量评价方法 |
-
2019
- 2019-09-30 CN CN201910939083.3A patent/CN110782130A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537432A (zh) * | 2014-12-16 | 2015-04-22 | 华南理工大学 | 基于证据推理的电力系统多目标优化调度的决策方法 |
CN108448650A (zh) * | 2018-03-21 | 2018-08-24 | 广东电网有限责任公司电力科学研究院 | 一种多目标联合调度决策方法及系统 |
CN110175763A (zh) * | 2019-05-16 | 2019-08-27 | 广西电网有限责任公司电力科学研究院 | 基于模糊评价模型的客观多属性决策电压质量评价方法 |
Non-Patent Citations (2)
Title |
---|
杨凤生等: "面向大数据应用的配电网运行状态评估方法探讨", 《科技与创新》 * |
钟庆等: "设备故障统计数据与电能质量监测数据的关联分析", 《电力电容器与无功补偿》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257619A (zh) * | 2020-02-17 | 2020-06-09 | 南京工程学院 | 一种基于多属性决策和改进s变换方法的电压暂降检测方法 |
CN111257619B (zh) * | 2020-02-17 | 2022-06-14 | 南京工程学院 | 一种基于多属性决策和改进s变换方法的电压暂降检测方法 |
CN111932121A (zh) * | 2020-08-11 | 2020-11-13 | 广东电网有限责任公司广州供电局 | 一种优质电力投资方案评估方法、装置、终端及存储介质 |
CN112418618A (zh) * | 2020-11-09 | 2021-02-26 | 国网安徽省电力有限公司电力科学研究院 | 配网台区电能质量评价的权值调整与动态组合方法 |
CN112418618B (zh) * | 2020-11-09 | 2021-10-26 | 国网安徽省电力有限公司电力科学研究院 | 配网台区电能质量评价的权值调整与动态组合方法 |
CN112782503A (zh) * | 2020-12-24 | 2021-05-11 | 深圳供电局有限公司 | 电能质量评估方法、装置、控制设备和存储介质 |
CN112749900A (zh) * | 2021-01-12 | 2021-05-04 | 南京工程学院 | 基于优化专家评价法的三阶段dea电网能效分析方法 |
CN112784792A (zh) * | 2021-01-29 | 2021-05-11 | 海南电网有限责任公司电力科学研究院 | 基于Pearson相关系数与OPTICS的电压暂降同源识别方法 |
CN112784792B (zh) * | 2021-01-29 | 2023-02-07 | 海南电网有限责任公司电力科学研究院 | 基于Pearson相关系数与OPTICS的电压暂降同源识别方法 |
CN112946393A (zh) * | 2021-02-03 | 2021-06-11 | 杭州林叶电气自动化有限公司 | 一种电能质量监控分析系统 |
CN112946393B (zh) * | 2021-02-03 | 2022-07-15 | 杭州林叶电气自动化有限公司 | 一种电能质量监控分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782130A (zh) | 一种基于多属性决策的区域电压质量综合评估方法 | |
CN108280553B (zh) | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 | |
CN107563680B (zh) | 一种基于ahp和熵权法的配电网可靠性评估方法 | |
CN105117602B (zh) | 一种计量装置运行状态预警方法 | |
CN115270965B (zh) | 一种配电网线路故障预测方法和装置 | |
CN110705873A (zh) | 一种新型的配电网运行状态画像分析方法 | |
CN109948920B (zh) | 一种基于证据理论的电力市场结算数据风险处理方法 | |
CN114676822A (zh) | 一种基于深度学习的多属性融合空气质量预报方法 | |
CN112149976B (zh) | 一种基于人工智能的电网精准投资项目决策方法 | |
CN112232561A (zh) | 基于约束并行lstm分位数回归的电力负荷概率预测方法 | |
CN115600729A (zh) | 一种考虑多属性网格电网负荷预测方法 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN114386753A (zh) | 一种基于主变负载状况的设备风险综合分析预警方法 | |
AU2019100631A4 (en) | Self-correcting multi-model numerical rainfall ensemble forecasting method | |
Yang et al. | Consistency improvement method of pairwise matrix based on consistency ratio decreasing rate and attribute weighting method considered decision makers’ levels in analytic hierarchy process: application to hip joint prosthesis material selection | |
CN114202174A (zh) | 一种电价风险等级预警方法、装置及存储介质 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN114169502A (zh) | 一种基于神经网络的降水预测方法、装置和计算机设备 | |
CN107563641B (zh) | 一种计及灾害偏好的配电网抗灾多场景差异化规划方法 | |
CN116341290B (zh) | 一种长贮装备可靠性抽样检测方法 | |
CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
CN115860552A (zh) | 一种农村能源互联网综合效益评价方法 | |
CN115409317A (zh) | 基于特征选择和机器学习的台区线损检测方法及装置 | |
CN113962440A (zh) | 一种融合dpc和gru的光伏预测方法和系统 | |
CN112818544A (zh) | 计及终端差异化可靠性需求的配电网可靠性评估方法 |
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: 20200211 |