CN111652459A - 一种计及新能源消纳多指标内涵的电网评价方法 - Google Patents

Abstract

本发明涉及电网评价技术领域，具体涉及一种计及新能源消纳多指标内涵的电网评价方法。包括步骤1，根据确立的指标体系，获取指标数据；步骤2，对获取的指标数据进行正向化处理；步骤3，计算单个指标与其他指标的相关系数，并依次计算出单个指标的权重弱化因子、总调整因子和相关性调整因子；步骤4，利用熵权法和变异系数法分别计算权重，并将两种权重进行加权平均处理，结合相关性调整因子计算出综合客观权重；步骤5，对正向化处理后的指标数据进行分布拟合，将各指标对应的累积分布函数作为该指标的隶属度函数进行评分。充分考虑实际运行数据体现出来的客观信息，避免依赖主观性较强的层次分析方法，权重设置更加合理。

Description

一种计及新能源消纳多指标内涵的电网评价方法

技术领域

本发明涉及电网评价技术领域，具体涉及一种计及新能源 消纳多指标内涵的电网评价方法。

背景技术

电网当前阶段发展规律决定了电网转型升级需要有配套 的规划“新思路、新方法”支撑。当前，国内指导规划的方法 主流还是基于传统规划思路，规划和评价方法的步骤的核心 是：

1、通过容载比指标乘以公用变电设备容量计算得出电网 的大体规模，侧重单一的指标，如单就供电可靠性进行分析， 列举该指标及其下运行统计指标构建评价体系。

容载比指标体现的是地区电量需求的宏观特征，单方面考 虑负荷增长速度，实际上会造成：

(1)设备轻载或重载两极分化问题，。轻载则变电设备配 置浪费，重载则局部供电问题突出。并且容载比指标在低压配 电网(具体指电压等级在110kV以下的低压电网)中并不具 备代表性，无法覆盖全电压等级电网评价与规划指导

(2)容载比指标下层统计指标的权重设计上缺乏客观数 据支撑，依靠运行和案例经验进行划分，无法避免主观决策带 来的偏差。

2、分析电网运行效率或工程建设质量等目标，进行多种 方案的比较。

容载比指标在发挥作用时，考虑供电可靠性目标为主，通 过归一化评分并在备选方案中比较，选择最满足当下电网负荷 需求的方案。局限性在于：

(1)指标选取没有形成基本准则，子层指标更新不足。 在能源转型、能源革命、电力新技术发展等大的时代背景下， 电网发展面临重要转型机遇期，针对目前新能源高渗透率特征 下的电网，单一通过容载比指标进行电网评价以及提供规划决 策时，数据支撑以及数据筛选空间不足，未考虑新能源接入条 件中电网评价指标的更新。

(2)评分方式较为单一。基本按照百分制计算或者归一 化评分，对于许多不直接具有评分特性的数据无法处理。数据 的差异性对评价结果的影响被忽略。

发明内容

本发明的目的就是针对现有技术的缺陷，提供一种权重设 置更加合理、评分结果准确性高且具备较高普适性的计及新能 源消纳多指标内涵的电网评价方法。

本发明一种计及新能源消纳多指标内涵的电网评价方法，其技 术方案为，包括以下步骤：

步骤1，根据确立的指标体系，从电力运行管理的各个部门 获取指标数据；

步骤2，对获取的指标数据进行正向化处理；

步骤3，计算单个指标与其他指标的相关系数，并依次计算 出单个指标的权重弱化因子、总调整因子和相关性调整因子；

步骤4，利用熵权法和变异系数法分别计算权重，并将两种 权重进行加权平均处理，结合相关性调整因子计算出综合客观 权重；

步骤5，对正向化处理后的指标数据进行分布拟合，将各指 标对应的累积分布函数作为该指标的隶属度函数进行评分。

较为优选的，所述步骤2包括：

按照指标不同的性质以及发展趋势不同，将指标分为正向 型指标、逆向型指标和区间指标；

对于正向型指标，进行归一化处理；

对于逆向型指标，先对其进行正向化处理，再进行量化；

对于区间指标，将其中的是与否类指标直接对应评分的0 或100分；将其中的固定性指标、上下限范围指标以及完成情 况类指标进行正向化处理。

较为优选的，所述逆向型指标根据公式

进行正向化处理；

其中，x_ij表示指标数值，max(x_ij)、min(x_ij)分别表示统计样 本中指标数值最大和最小值，x′_ij是正向化处理后的结果。

较为优选的，所述区间指标中的上下限范围指标以及完成 情况类指标根据公式

进行处理；

所述区间指标中的固定性指标根据公式

进行处理；

其中，x_ij是指标数据样本值，x_ij*表示按照技术规程规定的指 标数据最佳取值点，x′_ij是正向化处理后的结果。

较为优选的，所述步骤3包括：

根据Pearson相关系数法计算出单个指标与其他指标的相 关系数；

根据单个指标与其他指标的相关系数，计算单个指标的权 重弱化因子，并将单个指标的权重弱化因子的乘积作为总调整 因子；

对总调整因子进行归一化处理，得到相关性调整因子。

较为优选的，所述步骤4中，利用熵权法计算权重包括：

利用公式

对正向 化处理后的指标数据进行标准化，其中，s_ij为第i项指标第j组值量 化后的评分；

对包含各项指标数值的n组样本数据，计算第j组样本中第i个 指标所占总的n组样本的比重P_ij；

利用P_ij计算第i个指标的熵值e_i；

根据第i个指标的熵值e_i计算信息熵冗余度d_i；

d_i＝1-e_i(i＝1,2......,m)；

根据信息熵冗余度d_i计算第i项指标的熵权重ω⁽¹⁾ _i；

较为优选的，所述步骤4中，利用变异系数法计算权重包 括：

根据第i项指标的平均值

和标准差σ_i计算变异系数V_i；

根据变异系数V_i计算变异系数权重ω⁽²⁾ _i；

较为优选的，所述步骤5中，对于不具备常用分布特征， 或分布拟合没有实际物理意义的指标，直接将正向化后的结果 乘以100，映射到[0，100]评分区间。

较为优选的，所述确立的指标体系包括若干个基准层和位 于各个基准层内的指标数据，若干个所述基准层为坚强、高效、 绿色、协调和创新，所述指标数据按照本身含义和属性归属于 对应的基准层内。

较为优选的，所述指标数据的选取方式如下：

根据各部门的客观统计数据选取需要评价的n项指标作为 备选；

从备选的指标中选取指标数据可获取度高、数据可信度高、 且该指标数据与此前确定选择的指标数据之间没有线性关系 的m项指标作为评价对象。

本发明的有益效果为：

1、在权重计算方面综合利用了Pearson相关系数、熵权法 和变异系数法这些基于数据信息的客观方法调整权重，充分考 虑实际运行数据体现出来的客观信息，避免依赖主观性较强的 层次分析方法，权重设置更加科学合理，保证了评分结果的准 确性。

2、对指标属性的差异进行区分，量化评分中区分了指标的 属性，避免笼统的使用统一方法进行评分；在数据评分方面， 结合了归一化评分、以及基于分布拟合的隶属度函数评分方 法，使评分更加准确。

3、按照数据可获取度、数据可信度、和数据之间的线性关 系对数据指标进行选取，并将选取的指标按照属性分类至坚 强、高效、绿色、协调和创新基准层，该评价对象可以根据规 划意愿灵活更改，评价结果能够更好的满足电网高质量发展评 价以及规划指导，具有良好的推广价值和应用前景。

4、研究成果适用于各区域、各电压等级的电网高质量发展水平 分析评价和电网规划指导，旨在实现电网规划目标与电网高质量发 展目标的匹配，提升电网高质量发展水平。

附图说明

图1为本发明流程示意图；

图2为本发明步骤1中指标体系的构建流程示意图；

图3为本发明其中一个实施例的指标体系结构示意图；

图4为本发明指标数据正向化处理示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说 明，便于清楚地了解本发明，但它们不对本发明构成限定。

如图1所示，一种计及新能源消纳多指标内涵的电网评价方法 流程如下：

步骤1，根据确立的指标体系，从电力运行管理的各个部门 获取指标数据。

如图2所示，该指标体系的构建过程如下：

A、在“电网高质量发展”理念的指导下，确立计及新能源消 纳多指标内涵的电网评价体系的基准层。指标体系的目标层是构建 一个计及新能源消纳多指标内涵的电网评价体系，并创造性地提出 以电网高质量发展理念的五大内涵作为指标体系构建的基准层，分 别是：坚强、高效、绿色、协调、创新。

B、根据规划目标，根据各部门的客观统计数据选取需要评价的 n项指标作为备选，根据体系构建目标以及新能源接入要求，指标 中应当是包含有关新能源统计指标的数据。指标选取的客观原则是 指标数据可获取度高、数据可信度，并且该指标数据与此前确定选 择的指标数据之间没有线性关系(即Y＝aX+b)，若不满足原则， 则该指标放弃，最终选择m项指标。

本实施例通过电网运行中关注的侧重点确定了电力不足概率等 35个指标作为备选，依靠SPSS软件对数据进行可信度分析，对可 信度进行排序，对可信度不高的予以放弃。最终由于输送断面的潮 流重载率等7个指标数据难以获取或者不满足可靠性以及指标定义相近(即相关性几乎为1)被放弃，因此最终确定了电力不足概 率、外受电比例等28个指标，如图3所示。

C、依据指标本身含义和属性，分别对选择的m项指标归属给坚 强、高效、绿色、协调、创新基准层，最终确定计及新能源消纳多 指标内涵的电网评价体系内容。

步骤2，对获取的指标数据进行正向化处理。该步骤的目的是 消除指标属性之间的差异，通过正向化公式把指标转变成同一趋势 的数据类型，使该步骤得出的相关系数均为正值。

如图4所示，按指标不同的性质，以及发展趋势不同，可以将 指标分为正向型指标、逆向型指标、区间指标。

(1)对于正向型指标，其指标原始数值越大则评分越高。对其 先进行归一化处理：

其中，x_ij表示指标数值，max(x_ij)、min(x_ij)分别表示统计样 本中指标数值最大和最小值,x′_ij是正向化处理后的结果。

(2)逆向型指标的原始数值越大，相应评分应该越低。对于逆 向型指标的量化，首先对其正向化处理，将其处理为正向型指标后 再量化。假设第i项指标的第j组原始数值为x_ij，设指标原始数值 的最大值和最小值分别为max(x_ij)、min(x_ij)，正向公式为：

(3)区间指标包括是否类指标、上下限范围指标、完成情况类 指标，广义的区间指标还包括固定在某个最佳值的固定性指标。对 于是与否的评分直接对应0/100分；对于上下限范围指标以及完成 情况类按照下面公式进行处理：

对于固定性指标，按下面公式进行处理：

其中，x_ij是指标数据样本值，x_ij*表示按照技术规程规定的指 标数据最佳取值点，x′_ij是正向化处理后的结果。

步骤3，根据Pearson相关系数计算两两指标之间的相关系数， 相关性系数越高，说明两个指标关联度越高，则需要调整权重，根 据每项指标实际代表性计算两两指标间的权重弱化因子，接着考虑 单一指标与所有指标的关系计算总调整因子；并进行对数归一化， 相关性调整因子得到进而调整最终权重，减小指标相关性对结果 的影响。其计算过程如下：

(1)假设指标体系当中有m项指标，每项指标表示为 X_i(i＝1,2……m)，x_ij表示的是第i项指标的第j组值，求取平均值为：

Pearson相关系数计算第i项指标和第j项指标的相关系数为：

其中，X_i、X_j分别指代第i项指标和第j项指标总体，x_ik、x_jk分别是第i项指标和第j项指标的第k个样本值，

分别为第 i项指标和第j项指标样本均值。

分别是第i项指标和第 j项指标标准差。

(2)对于两两指标之前，相关性越强的时候，具有的实际代表 意义应当要减弱，通过权重弱化因子对指标进行权重调整，即弱化 指标的权重，设置权重弱化因子为：

计算出某项指标对其他指标的调整弱化之后，需要得出单项指 标的总调整因子，由于指标与其他许多指标都具有相关性，那么权 重弱化因子的乘积即作为总调整因子：

(3)为了避免总调整因子出现两极分布的情况，导致评分指标 的作用被放大或者缩小，因此需对其进行平滑处理，避免分布过于 极端。通常采用对数归一化方法得到相关性调整因子为：

步骤4，利用熵权法和变异系数法分别计算权重，并将两种 权重进行加权平均处理，结合相关性调整因子计算出综合客观 权重。从数据驱动的角度，首先考虑一个指标数值的差异，数值差 异越大，则信息熵越小，信息量越大，权重应当调整得大一些，其 次考虑数据分布特征差异，对应采用熵权法调整权重；变异系数法 等方法设置综合客观权重，引入外部客观数据，分配权重调整因子， 采用有监督学习方法对权重进行调整，得到既考虑客观数据特征又 符合发展规律的权重体系。其计算过程如下：

(1)数据预处理

利用步骤2得到指标数据的正向化计算结果，本身已经消 除不同指标在量纲和量级上的差异，若是此前没有对数据进行 归一化处理，仅是正向化处理，则在该步骤中，需要对指标数 据进行标准化。设s_ij为第i项指标第j组值量化后的评分，则 标准化后的分值为：

(2)熵权法进行权重设置

熵权法是一种客观赋权法，应用信息熵理论来确定客观权 重，反映各指标原始数据中所呈现的信息量的多少。若某个指 标在数值上的差异大，则其熵就小，表明反映的信息多，对应 权重也较大。对包含各项指标数值的n组样本数据，计算第j组 样本中第i个指标所占总的n组样本的比重为：

下一步计算第i个指标的熵值：

由于p_ij＜1，因此e_i为正值。

计算信息熵冗余度为：

d_i＝1-e_i(i＝,1.2.....,m) (13)

则第i项指标的熵权重为

(3)变异系数法设置指标权重

为了描述指标分布的差异性，采用变异系数法。当指标分 布越广的时候，变异系数也就越大。并以此来弥补熵权法对特 殊数据的敏感程度，平衡熵权法的缺陷。

假设第i项指标的标准差为σ_i，

为指标平均值，那么变 异系数为：

指标的变异系数权重为：

(4)综合权重求取

该子步骤综合熵权法以及变异系数法的结果，从信息量和 数据分布两个角度进行考虑，两个角度并无主次关系，因此采 取平均值求取初步的综合客观权重为：

考虑指标之间相关性的影响，根据步骤一的子步骤3得出 的对数归一化的相关性调整因子，得到综合客观权重为：

该客观权重即为真正意义上基于数据驱动的的结合指标相 关性分析得出的综合客观权重。

步骤5，对正向化处理后的指标数据进行分布拟合，将各指 标对应的累积分布函数作为该指标的隶属度函数进行评分。对于并 不具备常用分布特性的指标，或者拟合没有实际物理意义的指标， 根据相关规范和导则要求采用归一化方法进行量化。其计算过程如下：

(1)指标分布情况划分

1)正态分布。正态分布正态曲线呈钟型，两头低，中间高， 左右对称,因曲线呈钟形，因此人们又经常称之为钟形曲线。 若随机变量X服从一个数学期望为μ、方差为σ²的正态分布， 记为N(μ，σ²)，其概率密度函数如式(19)。

其中，μ是正态分布的位置参数，描述正态分布的集中趋 势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远 的值的概率越小。正态分布概率密度函数以X＝μ为对称轴， 左右完全对称。σ描述数据分布的离散程度，σ越大，数据分 布越分散，σ越小，数据分布越集中，也称为是正态分布的形 状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。

2)极值分布。极值分布为偏态分布，其概率密度函数如式 (20)，其中参数μ和参数σ的估计值如式(21)(式中s为样 本方差，

为样本均值)。

3)Birnbaum-Saunders分布(又称为疲劳寿命分布)。其概 率密度函数如式(22)：

其中β和γ参数在实际中可以通过矩估计、极大似然估计 等方法确定，以下两种分布的参数确定同。

4)威布尔分布。其概率密度函数如式(23)，从概率论合 统计学的角度看，威布尔分布是连续性的概率分布，通常用在 设备寿命统计分布上，与指数分布、合瑞利分布存在一定的关 联性。其概率密度为

5)Beta分布，即贝塔分布，也称B分布，是指一组定义在 区间[0,1]的连续概率分布，有两个参数α和β，其概率密度为 其概率密度函数如式(24)。

(2)隶属度函数确立

根据上述各指标的分布情况，用其对应的累积分布函数 (CDF)作为该指标的隶属度函数，如式(25)(式中t为待评 分归一化指标的原始数值，F(t)则为该指标的评分归一化结 果)。

其中，量化指标若为正态分布指标，f(x)如式(19)；若 为极值分布指标，f(x)如式(20)；若为疲劳寿命分布指标， f(x)如式(22)；若为威布尔指标，f(x)如式(23)；若为 Beta分布指标，f(x)如式(24)。

(3)归一化评分方法

由于部分指标利用分布拟和的隶属度函数方法效果不佳， 因此可直接采用归一化方法处理，直接根据评分方法实施例步 骤2所得到的数据正向化结果乘以100将指标数据映射到[0,100]的评分区间即可。

本文中所描述的具体实施例仅仅是对本发明精神作举例说 明。本发明所属技术领域的技术人员可以对所描述的具体实施 例做各种各样的修改或补充或采用类似的方式替代，但并不会 偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了分布1、权重2、指标体系3、权重 优化4、熵5、调整因子6、样本均值7、隶属度函数8、分布 拟合9等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解 释成任何一种附加的限制都是与本发明精神相违背的。

本说明书未作详细描述的内容属于本领域专业技术人员公 知的现有技术。

Claims (10)

1.一种计及新能源消纳多指标内涵的电网评价方法，其特征在于，包括以下步骤：

步骤1，根据确立的指标体系，从电力运行管理的各个部门获取指标数据；

步骤2，对获取的指标数据进行正向化处理；

步骤3，计算单个指标与其他指标的相关系数，并依次计算出单个指标的权重弱化因子、总调整因子和相关性调整因子；

步骤4，利用熵权法和变异系数法分别计算权重，并将两种权重进行加权平均处理，结合相关性调整因子计算出综合客观权重；

步骤5，对正向化处理后的指标数据进行分布拟合，将各指标对应的累积分布函数作为该指标的隶属度函数进行评分。

2.根据权利要求1所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述步骤2包括：

按照指标不同的性质以及发展趋势不同，将指标分为正向型指标、逆向型指标和区间指标；

对于正向型指标，进行归一化处理；

对于逆向型指标，先对其进行正向化处理，再进行量化；

对于区间指标，将其中的是与否类指标直接对应评分的0或100分；将其中的固定性指标、上下限范围指标以及完成情况类指标进行正向化处理。

3.根据权利要求2所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述逆向型指标根据公式

进行正向化处理；

其中，x_ij表示指标数值，max(x_ij)、min(x_ij)分别表示统计样'本中指标数值最大和最小值，x_ij为正向化处理后的结果。

4.根据权利要求2所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述区间指标中的上下限范围指标以及完成情况类指标根据公式

进行处理；

所述区间指标中的固定性指标根据公式

进行处理；

其中，x_ij ^L和x_ij ^U指标在技术准则中要求的数值区间上下限，x_ij ^*是技术准则中规定的固定指标对应的数值。

5.根据权利要求1所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述步骤3包括：

根据Pearson相关系数法计算出单个指标与其他指标的相关系数；

根据单个指标与其他指标的相关系数，计算单个指标的权重弱化因子，并将单个指标的权重弱化因子的乘积作为总调整因子；

对总调整因子进行归一化处理，得到相关性调整因子。

6.根据权利要求1所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述步骤4中，利用熵权法计算权重包括：

利用公式

对正向化处理后的指标数据进行标准化，其中，s_ij为第i项指标第j组值量化后的评分；

对包含各项指标数值的n组样本数据，计算第j组样本中第i个指标所占总的n组样本的比重P_ij；

利用P_ij计算第i个指标的熵值e_i；

根据第i个指标的熵值e_i计算信息熵冗余度d_i；

d_i＝1-e_i(i＝1,2......,m)；

根据信息熵冗余度d_i计算第i项指标的熵权重ω⁽¹⁾ _i；

7.根据权利要求1所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述步骤4中，利用变异系数法计算权重包括：

根据第i项指标的平均值

和标准差σ_i计算变异系数V_i；

根据变异系数V_i计算变异系数权重ω⁽²⁾ _i；

8.根据权利要求1所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述步骤5中，对于不具备常用分布特征，或分布拟合没有实际物理意义的指标，直接将正向化后的结果乘以100，映射到[0，100]评分区间。

9.根据权利要求1所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于：所述确立的指标体系包括若干个基准层和位于各个基准层内的指标数据，若干个所述基准层为坚强、高效、绿色、协调和创新，所述指标数据按照本身含义和属性归属于对应的基准层内。

10.根据权利要求1所述的计及新能源消纳多指标内涵的电网评价方法，其特征在于，所述指标数据的选取方式如下：

根据各部门的客观统计数据选取需要评价的n项指标作为备选；

从备选的指标中选取指标数据可获取度高、数据可信度高、且该指标数据与此前确定选择的指标数据之间没有线性关系的m项指标作为评价对象。

Images