CN111126757A - 一种电能质量综合评价方法及装置 - Google Patents

一种电能质量综合评价方法及装置 Download PDF

Info

Publication number
CN111126757A
CN111126757A CN201911118910.9A CN201911118910A CN111126757A CN 111126757 A CN111126757 A CN 111126757A CN 201911118910 A CN201911118910 A CN 201911118910A CN 111126757 A CN111126757 A CN 111126757A
Authority
CN
China
Prior art keywords
evaluation
cross
matrix
decision unit
index
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
Application number
CN201911118910.9A
Other languages
English (en)
Inventor
冯丹丹
刘颖英
王同勋
谈萌
周健
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.)
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
State Grid Shanghai 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 State Grid Corp of China SGCC, Global Energy Interconnection Research Institute, State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911118910.9A priority Critical patent/CN111126757A/zh
Publication of CN111126757A publication Critical patent/CN111126757A/zh
Pending legal-status Critical Current

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
    • G06Q10/0639—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Fuzzy Systems (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种电能质量综合评价方法及装置，其中，方法包括如下步骤：获取电能质量评价指标；根据所述评价指标以及预设的评价等级界限，得到模糊评价矩阵；根据所述模糊评价矩阵和当前评估需求，确定多个决策单元；对所述决策单元进行线性规划，得到每一个所述决策单元的最优权重；根据所述最优权重，得到对抗交叉评价矩阵；根据所述交叉评价矩阵，确定电能质量的综合评价结果。通过动态确定评价指标权重，并综合考虑各个评价指标间的相互影响，提高了电能质量综合评价结果的准确性。

Description

一种电能质量综合评价方法及装置
技术领域
本发明涉及电网技术领域，具体涉及一种电能质量综合评价方法及装置。
背景技术
电能质量综合评价是基于系统电气运行参数的测量数据，由电能质量多个特性指标构成的一个有机评价整体，相对于单独对某项指标进行评价，综合评价更能反映电网电能质量的整体状况。
相关技术中，通过使用模糊评价方法，以单个指标评价为基础，结合各项指标权重，实现电能质量的多指标综合评价。但该方法需要事先确定各指标的固定权重，难度大且准确率低；同时模糊评价方法以每一个指标作为评价单元，并未考虑各项评价指标的相互影响，导致评价因素单一，影响评价结果的准确性。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的电能质量评价未考虑决策单元关联性对结果影响的问题，从而提供一种电能质量综合评价方法及装置。
根据第一方面，本发明实施例提供一种电能质量综合评价方法，包括如下步骤：获取电能质量评价指标；根据所述评价指标以及预设的评价等级界限，得到模糊评价矩阵；根据所述模糊评价矩阵和当前评估需求，确定多个决策单元；对所述决策单元进行线性规划，得到每一个所述决策单元的最优权重；根据所述最优权重，得到交叉评价矩阵；根据所述交叉评价矩阵，确定电能质量的综合评价结果。
结合第一方面，在第一方面第一实施方式中，所述根据所述最优权重，得到交叉评价矩阵，包括：对所述决策单元进行线性规划，得到每一个所述决策单元的自我评价值；根据所述最优权重和所述自我评价值，得到所述交叉评价矩阵。
结合第一方面第一实施方式，在第一方面第二实施方式中，所述根据所述最优权重和所述自我评价值，得到所述交叉评价矩阵，包括：根据对抗交叉评价模型，利用所述最优权重进行交叉评价，得到交叉评价值；根据所述自我评价值和所述交叉评价值，得到所述交叉评价矩阵。
结合第一方面，在第一方面第三实施方式中，所述获取电能质量评价指标，包括：获取当前电网运行数据；根据所述电网运行数据，确定所述电能质量评价指标。
结合第一方面，在第一方面第四实施方式中，所述对所述决策单元进行线性规划，得到每一个所述决策单元的最优权重，包括：获取每一个所述决策单元的输入与输出；基于目标模型，对所述输入与输出进行线性规划，得到所述最优权重。
结合第一方面，在第一方面第五实施方式中，所述根据所述交叉评价矩阵，确定电能质量的综合评价结果，包括：获取所述交叉评价矩阵对应的每一个列向量的平均值，得到每一个所述决策单元的综合评价值；将满足目标条件的综合评价值对应的决策单元代表的评价等级作为所述电能质量的综合评价结果。
根据第二方面，本发明实施例提供一种电能质量综合评价装置，包括：指标获取模块，用于获取电能质量评价指标；模糊评价模块，用于根据所述评价指标以及预设的评价等级界限，得到模糊评价矩阵；决策单元确定模块，用于根据所述模糊评价矩阵和当前评估需求，确定多个决策单元；最优权重确定模块，用于对所述决策单元进行线性规划，得到每一个所述决策单元的最优权重；交叉评价矩阵获取模块，用于根据所述最优权重，得到交叉评价矩阵；评价结果确定模块，用于根据所述交叉评价矩阵，确定电能质量的综合评价结果。
结合第二方面，在第二方面第一实施方式中，所述交叉评价矩阵获取模块，包括：自我评价值获取模块，用于对所述决策单元进行线性规划，得到每一个所述决策单元的自我评价值；交叉评价矩阵获取子模块，用于根据所述最优权重和所述自我评价值，得到所述交叉评价矩阵。
根据第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面及第一方面任一实施方式所述的电能质量综合评价方法的步骤。
根据第四方面，本发明实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面及第一方面任一实施方式所述的电能质量综合评价方法的步骤。
本发明技术方案，具有如下优点：
1.本发明提供的一种电能质量综合评价方法，在模糊评价的基础上，基于线性规划方法得到最优权重，根据最优权重确定交叉评价值，根据每个决策单元的交叉评价值确定电能质量的综合评价结果。这种电能质量综合评价方法充分考虑各个决策单元之间的关联性，充分利用同类单元所提供的信息，并且可以根据决策单元的原始数据自动确定最优权重，提高了电能质量评价的准确性。
2.本发明提供的对抗交叉评价模型，克服了仅依靠数据包络分析线性规划计算出最优权重，导致最优权重不唯一的问题，对抗交叉评价模型的引入解决了依据数据包络分析线性规划进行质量评价时，由于权重分配存在极端现象以及分配不合理现象，导致最终结果可能出现多个决策单元有效的问题。
3.本发明通过获取交叉评价矩阵中的对应的每一个列向量的平均值作为评价决策单元是否有效的依据，每一个列中既包含自我评价有包含交叉评价，对其取平均值，使得最终得到的数据值既能考虑各个决策单元之间的关联性又能很直观的显示决策单元的有效性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中电能质量综合评价方法的一个具体示例的流程图；
图2为本发明实施例中电能质量综合评价方法的一个具体示例的流程图；
图3为本发明实施例中电能质量综合评价装置的一个具体示例的原理框图；
图4为本发明实施例中电能质量综合评价装置的一个具体示例的原理框图；
图5为本发明实施例中电子设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明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一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本申请实施例提供了一种电能质量综合评价方法，电能质量评价可用于单项电能质量多参数综合评价，也可以用于多项电能质量综合评价，本实施例以多项电能质量综合评价为例。如图1所示，包括如下步骤：
S110：获取电能质量评价指标。
示例性地，电能质量评价指标可以包括电能数据质量指标和服务类指标，电能数据质量指标可以包括电压偏差、三相电压不平衡、频率偏差、电压暂降、电压波动与闪变、谐波、电压暂升、过电压、供电可靠性指标；服务类指标可以包括用户满足度指标。电能质量评价指标的获取方式可以是对电网系统相关电气运行参数进行测量，通过对测量得到的运行参数进行分析，得到当前电网的电能数据质量指标，例如通过实际测量得到的电气运行参数包括电压和频率，则电压对应的电能数据质量指标可以包含电压偏差、电压暂降、电压波动与闪变等；频率对应的电能数据质量指标可以包含频率偏差等；电能质量评价指标的获取方式也可以是直接获取预存的用于评价电能质量的评价指标；服务类指标数据的获取方法可以通过用户调查反馈得到，例如可以通过调查期间内出现电网故障的次数确定。本申请实施例对电能质量评价指标的类型不作限定，本领域技术人员可以根据需要确定。
S120：根据评价指标以及预设的评价等级界限，得到模糊评价矩阵。
示例性地，如表1所示，评价等级可以包含优质、良好、中等、合格、不合格，预设的评价等级界限可以是根据国内现有的电能质量标准，结合目前电能质量现状和实际工程需求设定。模糊评价矩阵的获取方式是通过建立评价指标的隶属度函数，根据评价指标以及预设的评价等级界限获得电气运行参数在每一个评价等级的隶属度，由每一个评价等级的隶属度组成模糊评价矩阵。
隶属度函数可以是偏差类指标的隶属度函数，比如电压偏差、频率偏差的隶属度函数；也可以是计数类指标的隶属度函数，比如供电可靠性指标的隶属度函数，可以通过统计考察期内的中断供电时间与总时间的比值得到；还可以是服务类指标的隶属度函数，比如用户满意度的隶属度函数。
对于偏差类指标，通常由偏差幅值的百分比或持续时间两个特征量来衡量，用模糊语言表示偏差类指标“优质”包括两个因素，分别是“偏差小”和“持续时间短”。以电压偏差指标为例，用公式(1)表示电压偏差百分比隶属于模糊集{偏差小}的隶属度，公式(1)如下所示:
Figure BDA0002274865910000081
其中，μVDM(ΔU)为电压偏差百分比隶属于模糊集{偏差小}的隶属度；ΔU为电压偏差；U1、U2为预设的评价等级界限。
当以“持续时间短”这一因素评价偏差类指标时，用公式(2)表示其持续时间属于模糊集{持续时间短}的隶属度，公式(2)如下所示：
Figure BDA0002274865910000082
其中，μVDT(ΔT)持续时间属于模糊集{持续时间短}的隶属度，ΔT为持续时间差，ΔT为预设的评价等级界限。
对于计数类指标，隶属度函数可以为如下式所示：μ(x)＝1-x，其中，μ(x)为隶属度，x在不同指标中含义不同，以下举例说明。
对于供电可靠性指标：
Figure BDA0002274865910000083
其中，t1为考察期内中断供电的时间；t表示考察期总时间。
对于电压暂降或电压中断：
Figure BDA0002274865910000084
其中，Ni为在测量事件i中承受电压偏差大于规定电压的有效阈值或小于规定电压的有效阈值的用户数，NT为被评价对象区域内的用户数。
对于服务类指标，可以通过需求侧服务的各项指标来建立其隶属度函数，也可以通过专家组打分、用户调查、用户反馈等方式来获得隶属度。以用户调查确定用户满意度指标为例，将用户满意度分为多个等级，并划定等级界限，根据多个等级与划定的等级界限划分隶属度，比如，在用户满意度调查中，给1万个用户发放满意度调查问卷，假设全部收回，其中选择满意的用户数为8000，较满意的用户数为1000，一般的用户500，较不满意的用户300，不满意的用户200，基于此结果，可以得到服务性指标的隶属度从第一等级到第五等级分别为0.8，0.1，0.05，0.03，0.02。本申请实施例对确定服务类指标隶属度的方式不作限定，本领域技术人员可以根据需要确定。
根据评价指标以及预设的评价等级界限，得到的模糊评价矩阵形式可以如下式所示：
Figure BDA0002274865910000091
其中，R为模糊评价矩阵；μnm为第n个评价指标在第m个评价等级中的隶属度。
表1电能质量评价指标等级表
Figure BDA0002274865910000092
S130：根据模糊评价矩阵和当前评估需求，确定多个决策单元。
示例性地，将模糊评价矩阵中的各个向量按照不同的评价等级划分为不同的决策单元，比如，“优质”这一评价等级可以对应决策单元1。根据当前评估需求，划分决策单元的输入与输出。决策单元的输入与输出的确定方式可以根据电能质量评价指标对实际生产、生活的影响度大小确定，将影响度大于目标条件的作为输出，其他作为输入。例如以当前评估需求为评价供电可靠性，则可以将供电可靠性作为决策单元的输出，将表1中的其他指标作为输入。
例如，以表1、表2为例，如表2所示，c1～c6表示预先选取的评价指标，五个决策单元对应五个不同的评价等级，比如，表2中决策单元1对应表1中的“优质”，表2中决策单元2对应表1中的“良好”。每个决策单元的输入、输出数据都是模糊评价矩阵内对应的评价指标在各个评价等级的隶属度，ai、bi表示第i个评价指标的未知权重。c1、c2是c1～c6中最影响生产生活的指标，满足当前评估需求，则将c1、c2作为各个决策单元的输出，其余作为各个决策单元的输入。
表2等级评价决策单元表
Figure BDA0002274865910000101
以某变电站110kV母线监测点的在线监测数据作为综合评价的数据基础为例，对各项指标监测数据进行单因素评价，即对各项指标进行模糊化，可得到模糊评价矩阵：
Figure BDA0002274865910000111
根据对应关系，可知，模糊评价矩阵第i列向量对应决策单元i内的数据，模糊评价矩阵第j行向量对应表2中cj行数据。
S140：对决策单元进行线性规划，得到每一个决策单元的最优权重。
示例性地，对决策单元进行线性规划的方式可以是利用CCR(A.Charnes&W.W.Cooper&E.Rhodes，数据包络模型)模型或者BCC(数据包络模型)模型进行线性规划。最优权重的确定方式可以是根据数据包络分析的线性规划得出的不唯一优先权重；也可以是由每个决策单元尽可能抬高自身评价值，贬低其他决策单元构建对抗交叉评价模型，当权重满足对抗交叉评价模型时，确定为最优权重。本申请实施例对确定最优权重的方式不作限定，本领域技术人员可以根据需要确定。
S150：根据最优权重，得到交叉评价矩阵。
示例性地，根据最优权重，确定出交叉评价矩阵的方式可以是以仅根据数据包络分析的线性规划得出的不唯一优先权重通过交叉评价计算得到的不唯一交叉评价值，也可以是通过限定得到的唯一优先权重通过交叉评价计算得到的唯一交叉评价值，由交叉评价值组成交叉评价矩阵如下式所示，该交叉评价矩阵对角线全部为0，表示不包含自我评价值。
Figure BDA0002274865910000121
S160：根据交叉评价矩阵，确定电能质量的综合评价结果。
示例性地，在上述得到交叉评价矩阵中，对于任一列i的评价值由其他列对应的决策单元对其进行评价得到，这些值越大表明对应的决策单元的评价结果越准确。此处确定电能质量的综合评价结果可以是将各个决策单元所代表的列求和，求解得到的值越大，表明决策单元的评价结果越准确；也可以是将各个决策单元所代表的列求平均值，求解的平均值越大，表明决策单元的评价结果越准确。本申请实施例对采取何种方式确定电能质量的综合评价结果不作限定，本领域技术人员可以根据需要确定。
本发明实施例提供的电能质量综合评价方法，在模糊评价的基础上，基于线性规划方法得到最优权重，根据最优权重确定交叉评价值，根据每个决策单元的交叉评价值确定电能质量的综合评价结果。这种电能质量综合评价方法充分考虑各个决策单元之间的关联性，充分利用同类单元所提供的信息，并且可以根据决策单元的原始数据自动确定最优权重，提高了电能质量评价的准确性。
作为本申请的一个可选实施方式，如图2所示，S150包括：
S151：对决策单元进行线性规划，得到每一个决策单元的自我评价值。
示例性地，本实施例以CCR模型为线性规划的依据，根据决策单元的输入、输出构建CCR模型，设有n个决策单元(1≤n≤k)，k为决策单元的数量，假设决策单元有m项输入和s项输出，输入变量xK＝(x1k，x2k......xmk)T，输出变量YK＝(y1k，y2k......ysk)T(xrk，yjk＞0)；a＝(a1，a2......as)T，b＝(b1，b2......bm)T分别是输入和输出的权重，CCR模型公式为：
Figure BDA0002274865910000131
其中，aT表示a的转置向量；hj表示第j个决策单元的总输出与总输入的比值。
利用Chames-Cooper转换，得到一个等价的线性规划模型，如下式所示：
Figure BDA0002274865910000132
其中，ω＝tb≥0；α＝t a≥0，
Figure BDA0002274865910000133
ωT、αT分别表示ω和α的转置向量。Ekk为自我评价值，当Ekk达到最大值时，表明对应的决策单元k有效，即表明此时决策单元k的输入输出已达到最佳，否则，无效。即可以由该线性规划模型求得Ekk的最大值，以该最大值作为自我评价值。
S152：根据最优权重和自我评价值，得到交叉评价矩阵。
示例性地，此处最优权重可以是由每个决策单元尽可能抬高自身评价值，贬低其他决策单元构建对抗交叉评价模型确定，也可以是由约束函数对最优权重进行约束，得到的最优权重具有唯一性。根据唯一的最优权重进行交叉评价得出多个交叉评价值，将交叉评价值和自我评价值共同构成交叉评价矩阵。
作为本申请的一个可选实施方式，S152包括：
首先，根据对抗交叉评价模型，利用最优权重进行交叉评价，得到交叉评价值。
示例性地，此处对抗交叉评价模型可以由S140中每个决策单元尽可能抬高自身评价值，贬低其他决策单元的方式构建。用每一个决策单元的唯一最优权重，去评价其它决策单元，得到唯一的交叉评价值，如下式所示：
Figure BDA0002274865910000141
其中，Xk表示决策单元的输入向量；Yk表示决策单元的输出变量；
Figure BDA0002274865910000142
表示决策单元的最优输出权重；
Figure BDA0002274865910000143
表示决策单元的最优输入权重；Eik表示利用决策单元i的最优权重评价决策单元k的评价值。
其次，根据自我评价值和交叉评价值，得到交叉评价矩阵。
示例性地，由交叉评价值和自我评价值共同构成交叉评价矩阵，矩阵表示为
Figure BDA0002274865910000144
矩阵E的主对角线元素为各个决策单元的自我评价值，非对角线元素为交叉评价值。
作为本申请的一个可选实施方式，S110包括：
首先，获取当前电网运行数据。
示例性地，当前电网运行数据的获取方式可以是通过传感器实时采集并传输获得，得到的电网运行数据可以包括电压、电流的幅值、频率、波形等。本申请实施例对获取的电网运行数据的类型不作限定。
最后，根据电网运行数据，确定电能质量评价指标。
示例性地，根据测量的电压、电流的幅值、频率、波形等电网运行数据与规定值的偏差、波形畸变程度来确定评价电能质量的评价指标，比如通过测量的电压与电压规定值做差值，得到电压偏差这一电能质量评价指标。
作为本申请的一个可选实施方式，S140，包括：
首先，获取每一个决策单元的输入与输出。
示例性地，如表2所示，获取每一个决策单元的输入输出向量值，比如获取μ31、μ41、μ51、μ61作为决策单元1的输入数据，获取μ11、μ21作为决策单元1的输出数据。
最后，基于目标模型，对输入与输出进行线性规划，得到最优权重。
示例性地，本实施例中目标模型为对抗交叉评价模型，由于通过上述S151的线性规划模型解出的权重值不唯一，难以区分各个决策单元的优劣。通过建立对抗交叉评价模型，能够使权重值唯一。对抗交叉评价模型以S151中maxEkk为第一目标，建立第二目标模型：
Figure BDA0002274865910000151
以
Figure BDA0002274865910000152
为第二目标，求得最优权重。
本发明实施例提供的对抗交叉评价模型，克服了仅依靠数据包络分析线性规划计算出最优权重，导致最优权重不唯一的问题，对抗交叉评价模型的引入解决了依据数据包络分析线性规划进行质量评价时，由于权重分配存在极端现象以及分配不合理现象，导致最终结果可能出现多个决策单元有效的问题。
作为本申请的一个可选实施方式，S160，包括：
首先，获取交叉评价矩阵对应的每一个列向量的平均值，得到每一个决策单元的综合评价值。
示例性地，将交叉评价矩阵的各列进行平均值求解，得到各决策单元相互之间的综合评价值，形成一个综合评价矢量M＝(m1、m2......mn)，mn表示决策单元n的综合评价值，综合评价值越大，表明对应的决策单元越有效。
其次，将满足目标条件的综合评价值对应的决策单元代表的评价等级作为电能质量的综合评价结果。
示例性地，该目标条件可以是获取综合评价值最高的决策单元，也可以是获取综合评价值满足目标范围的决策单元。本申请实施例对该目标条件不作限定。本申请实施例以获取综合评价值最高的决策单元为例，在M＝(m1、m2......mn)中选择数值最大的值，将数值最大的决策单元代表的评价等级作为电能质量的综合评价结果，比如，M＝(0.462，0.513，0.316，0.383，0.345)，其中0.513为最大值，即表示0.513对应的决策单元最有效，0.513对应的是决策单元2，结合S120、S130可知，决策单元2对应的评价等级为良好，即表示电能质量的综合评价结果为良好。
本发明实施例取交叉评价矩阵中的对应的每一个列向量的平均值作为评价决策单元是否有效的依据，每一个列中既包含自我评价有包含交叉评价，对其取平均值，使得最终得到的数据值既能考虑各个决策单元之间的关联性又能很直观的显示决策单元的有效性。
本实施例提供一种电能质量综合评价装置，如图3所示，包括：
指标获取模块210，用于获取电能质量评价指标；具体实现方式见本实施例S110，在此不再赘述。
模糊评价模块220，用于根据评价指标以及预设的评价等级界限，得到模糊评价矩阵；具体实现方式见本实施例S120，在此不再赘述。
决策单元确定模块230，用于根据模糊评价矩阵和当前评估需求，确定多个决策单元；具体实现方式见本实施例S130，在此不再赘述。
最优权重确定模块240，用于对决策单元进行线性规划，得到每一个决策单元的最优权重；具体实现方式见本实施例S140，在此不再赘述。
交叉评价矩阵获取模块250，用于根据最优权重，得到交叉评价矩阵；具体实现方式见本实施例S150，在此不再赘述。
评价结果确定模块260，用于根据交叉评价矩阵，确定电能质量的综合评价结果。具体实现方式见本实施例S160，在此不再赘述。
作为本申请的一个可选实施方式，如图4所示，交叉评价矩阵获取模块250,包括：
自我评价值获取子模块251，用于对决策单元进行线性规划，得到每一个决策单元的自我评价值；具体实现方式见本实施例S151，在此不再赘述。
交叉评价矩阵获取子模块252，用于根据最优权重和自我评价值，得到交叉评价矩阵。具体实现方式见本实施例S152，在此不再赘述。
作为本申请的一个可选实施方式，交叉评价矩阵获取子模块252，包括：
交叉评价值获取子模块，用于根据对抗交叉评价模型，利用最优权重进行交叉评价，得到交叉评价值。具体实现方式见本实施例方法对应部分，在此不再赘述。
交叉评价矩阵第一获取子模块，用于根据自我评价值和交叉评价值，得到交叉评价矩阵。具体实现方式见本实施例方法对应部分，在此不再赘述。
作为本申请的一个可选实施方式，指标获取模块210，包括：
运行数据获取子模块，用于获取当前电网运行数据。具体实现方式见本实施例方法对应部分，在此不再赘述。
电能质量评价指标确定子模块，用于根据电网运行数据，确定电能质量评价指标。具体实现方式见本实施例方法对应部分，在此不再赘述。
作为本申请的一个可选实施方式，最优权重确定模块240,包括：
输入输出获取子模块，用于获取每一个决策单元的输入与输出。具体实现方式见本实施例方法对应部分，在此不再赘述。
最优权重确定子模块，用于基于目标模型，对输入与输出进行线性规划，得到最优权重。具体实现方式见本实施例方法对应部分，在此不再赘述。
作为本申请的一个可选实施方式，评价结果确定模块260,包括：
综合评价值确定子模块，用于获取交叉评价矩阵对应的每一个列向量的平均值，得到每一个决策单元的综合评价值。具体实现方式见本实施例方法对应部分，在此不再赘述。
评价结果确定子模块，用于将满足目标条件的综合评价值对应的决策单元代表的评价等级作为电能质量的综合评价结果。具体实现方式见本实施例方法对应部分，在此不再赘述。
本申请实施例还提供一种电子设备，如图5所示，处理器510和存储器520，其中处理器510和存储器520可以通过总线或者其他方式连接。
处理器510可以为中央处理器(Central Processing Unit，CPU)。处理器510还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器520作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的电能质量综合评价方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。
存储器520可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器520可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器520中，当被所述处理器510执行时，执行如图1所示实施例中的电能质量综合评价方法。
上述电子设备的具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中电能质量综合评价方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种电能质量综合评价方法，其特征在于，包括如下步骤：
获取电能质量评价指标；
根据所述评价指标以及预设的评价等级界限，得到模糊评价矩阵；
根据所述模糊评价矩阵和当前评估需求，确定多个决策单元；
对所述决策单元进行线性规划，得到每一个所述决策单元的最优权重；
根据所述最优权重，得到交叉评价矩阵；
根据所述交叉评价矩阵，确定电能质量的综合评价结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述最优权重，得到交叉评价矩阵，包括：
对所述决策单元进行线性规划，得到每一个所述决策单元的自我评价值；
根据所述最优权重和所述自我评价值，得到所述交叉评价矩阵。
3.根据权利要求2所述的方法，其特征在于，所述根据所述最优权重和所述自我评价值，得到所述交叉评价矩阵，包括：
根据对抗交叉评价模型，利用所述最优权重进行交叉评价，得到交叉评价值；
根据所述自我评价值和所述交叉评价值，得到所述交叉评价矩阵。
4.根据权利要求1所述的方法，其特征在于，所述获取电能质量评价指标，包括：
获取当前电网运行数据；
根据所述电网运行数据，确定所述电能质量评价指标。
5.根据权利要求1所述的方法，其特征在于，所述对所述决策单元进行线性规划，得到每一个所述决策单元的最优权重，包括：
获取每一个所述决策单元的输入与输出；
基于目标模型，对所述输入与输出进行线性规划，得到所述最优权重。
6.根据权利要求1所述的方法，其特征在于，所述根据所述交叉评价矩阵，确定电能质量的综合评价结果，包括：
获取所述交叉评价矩阵对应的每一个列向量的平均值，得到每一个所述决策单元的综合评价值；
将满足目标条件的综合评价值对应的决策单元代表的评价等级作为所述电能质量的综合评价结果。
7.一种电能质量综合评价装置，其特征在于，包括：
指标获取模块，用于获取电能质量评价指标；
模糊评价模块，用于根据所述评价指标以及预设的评价等级界限，得到模糊评价矩阵；
决策单元确定模块，用于根据所述模糊评价矩阵和当前评估需求，确定多个决策单元；
最优权重确定模块，用于对所述决策单元进行线性规划，得到每一个所述决策单元的最优权重；
交叉评价矩阵获取模块，用于根据所述最优权重，得到交叉评价矩阵；
评价结果确定模块，用于根据所述交叉评价矩阵，确定电能质量的综合评价结果。
8.根据权利要求7所述的装置，其特征在于，所述交叉评价矩阵获取模块，包括：
自我评价值获取子模块，用于对所述决策单元进行线性规划，得到每一个所述决策单元的自我评价值；
交叉评价矩阵获取子模块，用于根据所述最优权重和所述自我评价值，得到所述交叉评价矩阵。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6任一项所述的电能质量综合评价方法的步骤。
10.一种存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-6任一项所述的电能质量综合评价方法的步骤。
CN201911118910.9A 2019-11-15 2019-11-15 一种电能质量综合评价方法及装置 Pending CN111126757A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911118910.9A CN111126757A (zh) 2019-11-15 2019-11-15 一种电能质量综合评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911118910.9A CN111126757A (zh) 2019-11-15 2019-11-15 一种电能质量综合评价方法及装置

Publications (1)

Publication Number Publication Date
CN111126757A true CN111126757A (zh) 2020-05-08

Family

ID=70495628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911118910.9A Pending CN111126757A (zh) 2019-11-15 2019-11-15 一种电能质量综合评价方法及装置

Country Status (1)

Country Link
CN (1) CN111126757A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932139A (zh) * 2020-08-19 2020-11-13 国网山西省电力公司电力科学研究院 多系统电能质量综合水平排序评价方法
CN112418648A (zh) * 2020-11-19 2021-02-26 深圳供电局有限公司 配电网稳态电能质量评估方法、计算机设备和存储介质
CN112711842A (zh) * 2020-12-24 2021-04-27 华能国际电力股份有限公司 基于设备监理的电站设备质量数据处理方法及装置
CN113705939A (zh) * 2020-05-21 2021-11-26 国网陕西省电力公司电力科学研究院 一种电气工程接地材料的综合评价方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004045085A (ja) * 2002-07-09 2004-02-12 Matsushita Electric Ind Co Ltd クロスオーバ電圧評価方法および検査装置
CN103426120A (zh) * 2013-04-24 2013-12-04 华北电力大学 基于可靠性的中低压配电网的综合评估方法
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
WO2017152532A1 (zh) * 2016-03-09 2017-09-14 深圳大学 一种基于认知模型的计算思维训练方法及装置
CN107274056A (zh) * 2017-05-04 2017-10-20 国家电网公司 一种电网节能降损方案综合评价方法
CN107704999A (zh) * 2017-09-15 2018-02-16 重庆邮电大学 一种双向交叉评价智能评标方法
CN109063972A (zh) * 2018-07-09 2018-12-21 南昌大学 一种机械加工车间制造系统全要素能源效率评价方法
CN109377082A (zh) * 2018-11-14 2019-02-22 国网四川省电力公司经济技术研究院 精细化管理背景下的县级供电企业综合评价方法及装置
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004045085A (ja) * 2002-07-09 2004-02-12 Matsushita Electric Ind Co Ltd クロスオーバ電圧評価方法および検査装置
CN103426120A (zh) * 2013-04-24 2013-12-04 华北电力大学 基于可靠性的中低压配电网的综合评估方法
WO2017152532A1 (zh) * 2016-03-09 2017-09-14 深圳大学 一种基于认知模型的计算思维训练方法及装置
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
CN107274056A (zh) * 2017-05-04 2017-10-20 国家电网公司 一种电网节能降损方案综合评价方法
CN107704999A (zh) * 2017-09-15 2018-02-16 重庆邮电大学 一种双向交叉评价智能评标方法
CN109063972A (zh) * 2018-07-09 2018-12-21 南昌大学 一种机械加工车间制造系统全要素能源效率评价方法
CN109377082A (zh) * 2018-11-14 2019-02-22 国网四川省电力公司经济技术研究院 精细化管理背景下的县级供电企业综合评价方法及装置
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 (11)

* Cited by examiner, † Cited by third party
Title
张沈生;王小云;高鸣;: "基于DEA对抗型交叉评价法的供暖设备综合效益评价", no. 06 *
张运华;郭海娜;: "基于DEA的高校科研绩效交叉评价研究", 科技管理研究, no. 13 *
张钰;: "基于变权法的电能质量模糊综合评价", no. 23 *
杨芳;: "基于DEA交叉效率的公路养护市场化效果评价", 内蒙古公路与运输, no. 04 *
王金祥;: "基于超效率DEA模型的交叉效率评价方法", 系统工程, no. 06 *
秦青;: "基于DEA交叉评价的河南农业和粮食生产效率研究", 湖北农业科学, vol. 50, no. 16 *
耿文莉;魏秀安;: "基于DEA交叉效率评价的电商企业效益评价", 海峡科技与产业, no. 08 *
范建平;赵园园;吴美琴;: "基于决策单元异质性的群组交叉效率评价方法", 计算机工程与应用, vol. 53, no. 16 *
赵晓霞;谭夏侃;: "数据包络分析的模糊综合评判法的应用", no. 02 *
邢会歌;王卓甫;尹红莲;: "基于DEA的决策单元排序方法研究", 系统工程与电子技术, no. 11 *
郭子雪;王增超;: "改进的三参数区间DEA交叉效率评价方法", 河北大学学报(自然科学版), no. 04 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705939A (zh) * 2020-05-21 2021-11-26 国网陕西省电力公司电力科学研究院 一种电气工程接地材料的综合评价方法及系统
CN113705939B (zh) * 2020-05-21 2024-02-09 国网陕西省电力公司电力科学研究院 一种电气工程接地材料的综合评价方法及系统
CN111932139A (zh) * 2020-08-19 2020-11-13 国网山西省电力公司电力科学研究院 多系统电能质量综合水平排序评价方法
CN112418648A (zh) * 2020-11-19 2021-02-26 深圳供电局有限公司 配电网稳态电能质量评估方法、计算机设备和存储介质
CN112711842A (zh) * 2020-12-24 2021-04-27 华能国际电力股份有限公司 基于设备监理的电站设备质量数据处理方法及装置
CN112711842B (zh) * 2020-12-24 2023-08-29 华能国际电力股份有限公司 基于设备监理的电站设备质量数据处理方法及装置

Similar Documents

Publication Publication Date Title
CN111126757A (zh) 一种电能质量综合评价方法及装置
CN107563680B (zh) 一种基于ahp和熵权法的配电网可靠性评估方法
CN104618924B (zh) 基于无线泛在网的用户体验质量指标系统和测量方法
CN109670675B (zh) 充电桩运行状态评价方法及装置
CN109858758A (zh) 一种配电网电能质量的组合赋权评估方法及系统
CN105427053A (zh) 一种应用于配网建设改造方案与供电质量评估指标的关联影响分析模型
CN105279608A (zh) 基于序关系法-熵权法的县域电网评估方法
CN106327062A (zh) 一种配电网设备的状态评估方法
CN110310031A (zh) 一种配电网多维风险评估方法
CN101726678A (zh) 一种电能质量评估系统和方法
CN106300389A (zh) 一种发电机组一次调频性能的综合评价方法
CN104077493B (zh) 一种电力继电保护系统状态评估指标体系的构建方法
CN113269371A (zh) 一种智能配电网供电综合性能评估方法及系统
CN110175763A (zh) 基于模糊评价模型的客观多属性决策电压质量评价方法
CN106780108A (zh) 一种基于改进证据推理融合的配电变压器状态评估方法
CN103942725A (zh) 一种电能质量预警指标筛选方法
CN103617447B (zh) 智能变电站的评价系统及评价方法
CN116169786B (zh) 一种核电配电柜的安全智能监控方法及系统
CN117517908B (zh) 一种变电站全站容性设备绝缘一体化监测系统
CN106339813A (zh) 一种基于支持概率距离的电能质量综合评估方法
CN103218755B (zh) 采用反非广延熵的微电网测评方法
Wenjie et al. A multi-index evaluation method of voltage sag based on the comprehensive weight
CN116757544A (zh) 一种配电网电能质量附加损耗综合评估方法及系统
CN109064020A (zh) 一种节能评价方法和装置
CN109284936A (zh) 一种基于云图形可视化输出的电能质量评估方法

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