CN111080053A - 一种基于ehf-was的电网发展策略效率效益评估方法 - Google Patents

一种基于ehf-was的电网发展策略效率效益评估方法 Download PDF

Info

Publication number
CN111080053A
CN111080053A CN201911058982.9A CN201911058982A CN111080053A CN 111080053 A CN111080053 A CN 111080053A CN 201911058982 A CN201911058982 A CN 201911058982A CN 111080053 A CN111080053 A CN 111080053A
Authority
CN
China
Prior art keywords
hesitation fuzzy
power grid
decision
fuzzy
hesitation
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.)
Granted
Application number
CN201911058982.9A
Other languages
English (en)
Other versions
CN111080053B (zh
Inventor
吴霜
翟晓萌
程曦
方向
王静怡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority to CN201911058982.9A priority Critical patent/CN111080053B/zh
Publication of CN111080053A publication Critical patent/CN111080053A/zh
Application granted granted Critical
Publication of CN111080053B publication Critical patent/CN111080053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公布了一种基于EHF‑WAS的电网发展策略效率效益评估方法。本发明首先考虑能源互联网背景下的电网发展方向，构建电网发展策略效率效益评价指标体系，然后基于指数信息改进犹豫模糊集的信息测度，并将犹豫模糊集的熵和散度测度相结合作为指标权重的测度，利用相似度测度决定决策专家权重，提出了EHF‑WAS法，针对能源互联网背景下电网发展策略效率效益的进行评估。

Description

一种基于EHF-WAS的电网发展策略效率效益评估方法
技术领域
发明涉及一种基于EHF-WAS的电网发展策略效率效益评估方法，属于电力系统规划、评估领域。
背景技术
评估技术经历了从最初根据单一或者通过少数重要参数来电力系统进行评估到现在考虑多指标、多信息量融合的评估方法。由于电网发展策略的效率效益评估需要从多维度分析，不确定性是多准则决策问题的必然特征，改进犹豫模糊-加权聚合(EHF-WAS，Extended Hesitant Fuzzy-Weighted Aggregated Sum)可以处理多准则决策的不确定性。传统评估方法存在受某个属性影响而导致整体评估结果不够全面的问题，某些方法则是存在过于依赖自身经验确定权重，导致结果不够客观。
发明内容
本发明所要解决的技术问题是针对能源互联网背景下的电网发展策略效率效益提供一种评估方法。
本发明为实现上述目的，采用如下技术方案：
本发明为一种基于EHF-WAS的电网发展策略效率效益评估方法，所述基于EHF-WAS的电网发展策略效率效益评估方法具体包括如下步骤：
1)考虑能源互联网背景下的电网发展方向，构建电网发展策略效率效益评价指标体系；
2)根据获知的评估数据，对能源互联网背景下的电网发展策略效率效益进行评估：假设存在λ个决策专家组成B＝{B1，B2，…，Bλ}，存在m个策略下的数据集用G＝{G1，G2，…，Gm}表示，根据上述构建的指标体系存在n个指标，则指标集可以表示为F＝{F1，F2，…，Fn}；
3)计算决策专家权重：决策专家基于犹豫模糊元素集表示其对能源互联网背景下电网发展策略效率效益的评价，其可以处理模糊性与不确定性问题，用矩阵
Figure BDA0002257349700000011
表示第k位专家对其的决策矩阵，k＝1，2，…，λ，进而，构建偏好评价矩阵
Figure BDA0002257349700000012
Figure BDA0002257349700000013
根据犹豫模糊平均算子定义：
Figure BDA0002257349700000021
其中，hj(j＝1，2，…，n)为犹豫模糊元；wj为犹豫模糊元hj的权重，
Figure BDA0002257349700000022
γj为hj中的元素；
得到犹豫模糊元素集
Figure BDA0002257349700000023
Figure BDA0002257349700000024
假设，M＝(hM(yik))，N＝(hN(yik))，i＝1，2，…，m，k＝1，2，…，n属于犹豫模糊元素集，则矩阵M和N之间的犹豫模糊相似测度为Δα(M,N),α＝1：
Figure BDA0002257349700000025
其中，ly为犹豫模糊元素集M和N的犹豫模糊数个数；将其中的犹豫模糊数按照从小到大排列，让
Figure BDA0002257349700000026
分别代表hM(yik)、hN(yik)中第j(i＝1，2，…，ly)大的值；
基于相似测度计算总体偏好度
Figure BDA0002257349700000027
专家权重
Figure BDA0002257349700000028
Figure BDA0002257349700000029
Figure BDA00022573497000000210
其中，P* C为决策矩阵P*的补运算，
Figure BDA00022573497000000211
4)构建聚合犹豫模糊决策矩阵：将所有的决策者个体矩阵合并成聚合犹豫模糊决策矩阵P＝(hij)：
Figure BDA00022573497000000212
5)求解指标权重：hM和hN之间的犹豫模糊散度可以表示为L(hM,hN)：
Figure BDA0002257349700000031
hM的犹豫模糊熵可以表示为e(hM)：
Figure BDA0002257349700000032
基于犹豫模糊散度和犹豫模糊熵计算指标权重ωj：
Figure BDA0002257349700000033
6)标准化聚合犹豫模糊决策矩阵：将犹豫模糊决策矩阵P＝(hij)处理成为标准的聚合犹豫模糊决策矩阵N＝(nij)：
Figure BDA0002257349700000034
其中，Fb和Fc分别代表对评估结果正影响和对评估结果负影响的指标；
7)计算加权相加和加权乘积的测度：
加权相加模型：
Figure BDA0002257349700000041
加权乘积模型：
Figure BDA0002257349700000042
8)计算WAS测度：
Qi＝ξSi+(1-ξ)Pi
ξ为聚合决策机制系数，0≤ξ≤1，本发明中取0.5；
9)根据上述WAS测度计算结果对能源互联网背景下的电网发展策略效率效益排序，选择最优方案。
附图说明
图1为本发明一种基于EHF-WAS的电网发展策略效率效益评估方法的流程图。
具体实施方式
下面结合附图对发明的技术流程进行详细说明：
1)考虑能源互联网背景下的电网发展方向，首先构建电网发展策略效率效益评价指标体系：
Figure BDA0002257349700000043
Figure BDA0002257349700000051
2)根据获知的评估数据，对能源互联网背景下的电网发展策略效率效益进行评估：假设存在λ个决策专家组成B＝{B1，B2，…，Bλ}，存在m个策略下的数据集用G＝{G1，G2，…，Gm}表示，根据上述构建的指标体系存在n个指标，则指标集可以表示为F＝{F1，F2，…，Fn}；
3)计算决策专家权重：决策专家基于犹豫模糊元素集表示其对能源互联网背景下电网发展策略效率效益的评价，其可以处理模糊性与不确定性问题，用矩阵
Figure BDA0002257349700000052
表示第k位专家对其的决策矩阵，k＝1，2，…，λ，进而，构建偏好评价矩阵
Figure BDA0002257349700000053
Figure BDA0002257349700000054
根据犹豫模糊平均算子定义：
Figure BDA0002257349700000055
其中，hj(j＝1，2，…，n)为犹豫模糊元；wj为犹豫模糊元hj的权重，
Figure BDA0002257349700000056
γj为hj中的元素；
得到犹豫模糊元素集
Figure BDA0002257349700000057
Figure BDA0002257349700000058
假设，M＝(hM(yik))，N＝(hN(yik))，i＝1，2，…，m，k＝1，2，…，n属于犹豫模糊元素集，则矩阵M和N之间的犹豫模糊相似测度为Δα(M,N),α＝1：
Figure BDA0002257349700000061
其中，ly为犹豫模糊元素集M和N的犹豫模糊数个数；将其中的犹豫模糊数按照从小到大排列，让
Figure BDA0002257349700000062
分别代表hM(yik)、hN(yik)中第j(i＝1，2，…，ly)大的值；
基于相似测度计算总体偏好度
Figure BDA0002257349700000063
专家权重
Figure BDA0002257349700000064
Figure BDA0002257349700000065
Figure BDA0002257349700000066
其中，P* C为决策矩阵P*的补运算，
Figure BDA0002257349700000067
4)构建聚合犹豫模糊决策矩阵：将所有的决策者个体矩阵合并成聚合犹豫模糊决策矩阵P＝(hij)：
Figure BDA0002257349700000068
5)求解指标权重：hM和hN之间的犹豫模糊散度可以表示为L(hM,hN)：
Figure BDA0002257349700000069
hM的犹豫模糊熵可以表示为e(hM)：
Figure BDA0002257349700000071
基于犹豫模糊散度和犹豫模糊熵计算指标权重ωj：
Figure BDA0002257349700000072
6)标准化聚合犹豫模糊决策矩阵：将犹豫模糊决策矩阵P＝(hij)处理成为标准的聚合犹豫模糊决策矩阵N＝(nij)：
Figure BDA0002257349700000073
其中，Fb和Fc分别代表对评估结果正影响(即越大越好)和对评估结果负影响(即越小越好)的指标；
7)计算加权相加和加权乘积的测度：
加权相加模型：
Figure BDA0002257349700000074
加权乘积模型：
Figure BDA0002257349700000075
8)计算WAS测度：
Qi＝ξSi+(1-ξ)Pi
ξ为聚合决策机制系数，0≤ξ≤1，本发明中取0.5；
9)根据上述WAS测度计算结果对能源互联网背景下的电网发展策略效率效益排序，选择最优方案。
最后应该说明的是，结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到，本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换，但这些修改或变更均在申请待批的权利要求保护范围之中。

Claims (1)

1.一种基于EHF-WAS的电网发展策略效率效益评估方法，其特征在于，所述基于EHF-WAS的电网发展策略效率效益评估方法具体包括如下步骤：
1)考虑能源互联网背景下的电网发展方向，构建电网发展策略效率效益评价指标体系；
2)根据获知的评估数据，对能源互联网背景下的电网发展策略效率效益进行评估：假设存在λ个决策专家组成B＝{B1，B2，…，Bλ}，存在m个策略下的数据集用G＝{G1，G2，…，Gm}表示，根据上述构建的指标体系存在n个指标，则指标集可以表示为F＝{F1，F2，…，Fn}；
3)计算决策专家权重：决策专家基于犹豫模糊元素集表示其对能源互联网背景下电网发展策略效率效益的评价，其可以处理模糊性与不确定性问题，用矩阵
Figure FDA0002257349690000011
表示第k位专家对其的决策矩阵，k＝1，2，…，λ，进而，构建偏好评价矩阵
Figure FDA0002257349690000012
Figure FDA0002257349690000013
根据犹豫模糊平均算子定义：
Figure FDA0002257349690000014
其中，hj(j＝1，2，…，n)为犹豫模糊元；wj为犹豫模糊元hj的权重，
Figure FDA0002257349690000015
γj为hj中的元素；
得到犹豫模糊元素集
Figure FDA0002257349690000016
Figure FDA0002257349690000017
假设，M＝(hM(yik))，N＝(hN(yik))，i＝1，2，…，m，k＝1，2，…，n属于犹豫模糊元素集，则矩阵M和N之间的犹豫模糊相似测度为Δα(M,N),α＝1：
Figure FDA0002257349690000018
其中，ly为犹豫模糊元素集M和N的犹豫模糊数个数；将其中的犹豫模糊数按照从小到大排列，让
Figure FDA0002257349690000021
分别代表hM(yik)、hN(yik)中第j(i＝1，2，…，ly)大的值；
基于相似测度计算总体偏好度
Figure FDA0002257349690000022
专家权重
Figure FDA0002257349690000023
Figure FDA0002257349690000024
Figure FDA0002257349690000025
其中，P* C为决策矩阵P*的补运算，
Figure FDA0002257349690000026
4)构建聚合犹豫模糊决策矩阵：将所有的决策者个体矩阵合并成聚合犹豫模糊决策矩阵P＝(hij)：
Figure FDA0002257349690000027
5)求解指标权重：hM和hN之间的犹豫模糊散度可以表示为L(hM,hN)：
Figure FDA0002257349690000028
hM的犹豫模糊熵可以表示为e(hM)：
Figure FDA0002257349690000029
基于犹豫模糊散度和犹豫模糊熵计算指标权重ωj：
Figure FDA0002257349690000031
6)标准化聚合犹豫模糊决策矩阵：将犹豫模糊决策矩阵P＝(hij)处理成为标准的聚合犹豫模糊决策矩阵N＝(nij)：
Figure FDA0002257349690000032
其中，Fb和Fc分别代表对评估结果正影响和对评估结果负影响的指标；
7)计算加权相加和加权乘积的测度：
加权相加模型：
Figure FDA0002257349690000033
加权乘积模型：
Figure FDA0002257349690000034
8)计算WAS测度：
Qi＝ξSi+(1-ξ)Pi
ξ为聚合决策机制系数，0≤ξ≤1，本发明中取0.5；
9)根据上述WAS测度计算结果对能源互联网背景下的电网发展策略效率效益排序，选择最优方案。
CN201911058982.9A 2019-11-01 2019-11-01 一种基于ehf-was的电网发展策略效率效益评估方法 Active CN111080053B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911058982.9A CN111080053B (zh) 2019-11-01 2019-11-01 一种基于ehf-was的电网发展策略效率效益评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911058982.9A CN111080053B (zh) 2019-11-01 2019-11-01 一种基于ehf-was的电网发展策略效率效益评估方法

Publications (2)

Publication Number Publication Date
CN111080053A true CN111080053A (zh) 2020-04-28
CN111080053B CN111080053B (zh) 2022-08-19

Family

ID=70310599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911058982.9A Active CN111080053B (zh) 2019-11-01 2019-11-01 一种基于ehf-was的电网发展策略效率效益评估方法

Country Status (1)

Country Link
CN (1) CN111080053B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783879A (zh) * 2018-12-21 2019-05-21 西安电子科技大学 一种雷达辐射源信号识别效能评估方法及系统
CN110046204A (zh) * 2019-04-21 2019-07-23 山西大学 考虑关联性与优先关系的区间犹豫模糊图决策方法的构建

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783879A (zh) * 2018-12-21 2019-05-21 西安电子科技大学 一种雷达辐射源信号识别效能评估方法及系统
CN110046204A (zh) * 2019-04-21 2019-07-23 山西大学 考虑关联性与优先关系的区间犹豫模糊图决策方法的构建

Also Published As

Publication number Publication date
CN111080053B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
WO2020248228A1 (zh) 一种Hadoop平台计算节点负载预测方法
CN108734355A (zh) 一种应用于电能质量综合治理场景的短期电力负荷并行预测方法及系统
CN111260211A (zh) 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置
CN111222665A (zh) 基于偏好nsga-ⅲ算法的云制造服务组合优化选择方法
CN111681022A (zh) 一种网络平台数据资源价值评估方法
CN111932081B (zh) 一种电力信息系统运行状态评估方法及系统
CN115186803A (zh) 一种考虑pue的数据中心算力负荷需求组合预测方法和系统
CN114741457A (zh) 一种基于函数依赖和聚类的数据缺失值填补方法
CN115051929A (zh) 基于自监督目标感知神经网络的网络故障预测方法及装置
CN110717281B (zh) 基于犹豫云语言术语集和群决策的仿真模型可信度评估方法
CN115861671A (zh) 一种考虑负荷特性与可调节潜力的双层自适应聚类方法
CN105844334A (zh) 一种基于径向基神经网络的温度插值算法
CN101702172A (zh) 一种基于类-属性关系依赖度的数据离散化方法
CN114781503A (zh) 一种基于深度特征融合的点击率预估方法
CN108491477B (zh) 基于多维云和用户动态兴趣的神经网络推荐方法
CN113762591A (zh) 一种基于gru和多核svm对抗学习的短期电量预测方法及系统
CN114064746A (zh) 一种信息设备运行状态评估方法
CN112200391A (zh) 基于k-近邻互信息特征简化的配电网边缘侧负荷预测方法
CN111080053B (zh) 一种基于ehf-was的电网发展策略效率效益评估方法
Zhai et al. Combining PSO-SVR and Random Forest Based Feature Selection for Day-ahead Peak Load Forecasting.
CN111091301A (zh) 一种省级电网可持续发展策略的优选方法
CN112149052A (zh) 一种基于plr-dtw的日负荷曲线聚类方法
CN116885697A (zh) 一种基于聚类分析与智能算法组合的负荷预测方法
CN115840853A (zh) 一种基于知识图谱和图注意力网络的课程推荐系统
CN113010774B (zh) 一种基于动态深度注意力模型的点击率预测方法

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
GR01 Patent grant
GR01 Patent grant