CN112330121B - 一种配电网自动化建设投资效益评估方法 - Google Patents
一种配电网自动化建设投资效益评估方法 Download PDFInfo
- Publication number
- CN112330121B CN112330121B CN202011169361.0A CN202011169361A CN112330121B CN 112330121 B CN112330121 B CN 112330121B CN 202011169361 A CN202011169361 A CN 202011169361A CN 112330121 B CN112330121 B CN 112330121B
- Authority
- CN
- China
- Prior art keywords
- index
- investment
- reliability
- data
- automatic
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 66
- 230000008901 benefit Effects 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 title claims description 28
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012417 linear regression Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 13
- 125000004432 carbon atom Chemical group C* 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 10
- 229910052799 carbon Inorganic materials 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种配电网自动化建设投资效益评估方法,该方法首先选取配电网自动化建设投资指标、可靠性的核心指标,再基于历史自动化建设投资及停电数据,进行自动化投资指标及可靠性指标的0‑1标准化或极差标准化,进而构建差值型增量指标、比值型增量指标,基于皮尔逊相关系数及肯德尔秩相关系数进行可靠性指标和自动化投资指标组合的配对筛选,确定最终的可靠性指标和自动化投资指标池,通过改进线性回归构建自动化投资指标和停电可靠性指标的关联模型,然后借助改进线性回归的拟合优度系数及显著性权重系数,最终获得显著影响可靠性指标的自动化投资指标版本组合,以及自动化投资项目对可靠性指标提升程度的权重系数。
Description
技术领域
本发明涉及电力系统中的配电网自动化投资评估领域,更具体地,涉及一种配电网自动化建设投资效益评估方法。
背景技术
配电网自动化的投资建设是建设智能电网的核心内容之一,也是提高供电可靠性、保障工业及居民用电需求的重要举措。随着自动化项目投资额的不断增加,对自动化投资项目所产生的效益进行客观、合理的评估,是促进电网自动化建设朝科学、环保、可持续方向发展的重要工作环节。通过对配电网自动化投资进行基于可靠性的效益评估,能够定量的发现自动化投资项目对配电网可靠性的影响程度,深入挖掘自动化投资项目和可靠性之间存在的内在联系,对配电网的现有自动化投资建设项目成效进行回溯性总结,并对未来投资建设规划提供具体的决策参考依据。可进一步优化投资的有效性及精准度,达到在控制配电网的自动化投资建设成本的同时,尽可能提升配电网的安全性能和经济效益。
现阶段配电网自动化投资的效益评估研究,或者侧重定性讨论的方法,或者结合电网拓扑结构、采用模特卡洛模拟法对自动化投资进行规划设计阶段的预评价。所采用的主要方法有层次分析法、专家评分法等,但部分方法所涉及的自动化指标体系较为繁多,所用方法的客观性欠缺,评价结果可能存在失真或不稳健的情况;部分方法采用专家意见,尽量规避较多的主观评价标准,但仍会受到专家的知识、经验、偏好的影响,具有较大的偶然性;总体上现有方法对自动化建设投资的历史数据使用程度不足,对可靠性特别是用户故障停电时间的关注度不足,较难获得有针对性、可推广性的具体评价模型。
申请号为201510324845.0的专利说明书中公开了一种配电网单体项目投资效益评价方法,本申请首先建立单体项目投资效益指标体系,该指标体系的各个指标及对应的指标权重为:配电网规划指标0.3、投资建设指标0.3、投资效益指标0.4;然后,确定各个指标得分的评分函数,采用二次函数作为评分函数,该二次函数为y=ax2+bx+c;然后,计算单体项目投资效益评价得分,得分高低排列,即作为各单体项目投资优先顺序。本发明提对在建和拟建的配电网单体项目投资效益进行预测,根据评价得分高低安排单体项目投资优先顺序,为投资决策提供科学依据。然而,该专利无法实现线性回归构建自动化投资指标和停电可靠性指标的关联模型,然后借助改进线性回归的拟合优度系数及显著性权重系数,最终获得显著影响可靠性指标的自动化投资指标版本组合,以及自动化投资项目对可靠性指标提升程度的权重系数,进而有效准确的对现行配电网自动化投资项目取得的成效进行项目后评价及规划期评价,客观全面的凸显自动化建设投资对配电网运行可靠性的具体细化影响,进而对未来配电网自动化项目的规划及建设提供综合性指导意见,实现了配电网自动化投资项目的精准性,避免重复建设导致的资金浪费问题。
发明内容
本发明提供一种配电网自动化建设投资效益评估方法,该方法实现有效准确的对现行配电网自动化投资项目取得的成效进行项目后评价及规划期评价。
为了达到上述技术效果,本发明的技术方案如下:
一种配电网自动化建设投资效益评估方法,包括以下步骤:
S1:选取配电网自动化建设投资指标、可靠性的核心指标;
S2:收集电力企业的配电网自动化建设项目投资指标及供电可靠性指标的历史数据;
S3:基于历史数据,对自动化建设项目投资指标及供电可靠性指标做0-1标准化或极差标准化,并进一步设计差值型增量指标、比值型增量指标特征指标,构建关联模型特征指标池;
S4:针对每一可靠性指标,通过计算皮尔逊相关系数、肯德尔秩相关系数筛选与之密切相关的自动化投资指标;
S5:基于步骤S4筛选得到的可靠性指标和自动化投资指标组合,构建改进线性回归关联模型;
所述步骤S3中,0-1标准化、极差标准化处理、增量化指标构建的具体过程是:
S31:基于历史数据,对自动化建设投资指标、可靠性指标分别进行组内0-1标准化处理,其公式为:
S32:基于历史数据,对自动化建设投资指标、可靠性指标分别进行组内极差标准化处理,其标准化公式为:
上式中,xi为选定指标第i年的数据值,maxixi表示该指标2014年-2017年数据的最大值,minixi表示该指标2014年-2017年数据的最小值;
S32:构造增量化自动化投资指标、增量化可靠性指标,其公式为:
上式中,为标准化后自动化投资指标或可靠性指标第i年的数据值,为标准化后自动化投资指标或可靠性指标第i-1年的数据值,其中由于无第0年的指标值,增量化指标需从第2年开始,表示差值型增量投资指标,表示比值型增量投资指标;
所述步骤S4的具体过程是:
S41:计算不同版本的可靠性指标和自动化投资指标两两间的皮尔逊相关系数,其公式为:
S42:计算不同版本的可靠性指标和自动化投资指标两两间的肯德尔秩相关系数,其公式为:
上式中,n表示历史数据总量,nc表示可靠性指标和自动化投资指标构成的二元配对数据中,可靠性指标和自动化指标数据值秩协同一致变化的配对数量,nD表示可靠性指标和自动化投资指标构成的二元配对数据中,可靠性指标和自动化指标数据值秩不一致变化的配对数量,此处秩协同一致或不一致变化是指对两个二元数据(xi,yi)和(xj,yj),如果满足:(xi,yi)×(xj,yj)>0,则称这两个二元数据构成一个秩协同一致的配对,若满足:(xi-xj)×(yi-yj)<0,则称这两个二元数据构成一个秩不一致变化的配对;
S44:若S43中所选指标组合的综合度及代表性尚不足,或者存在其它专家推荐但未在S43中选中的自动化投资指标和可靠性指标组合,则进行指标组合的增补选;
所述步骤S5中,构建线性回归模型如下:
Y=α0+α1X1+α2X2+…+αpXp+ε
上式中,Y为选定的可靠性指标即非增量或者增量,Xi为对应可靠性指标的自动化投资指标,αi为自动化投资指标对可靠性指标的影响权重系数,i=1,2,…,p,α0反映数据来源的配电网故有可靠性指标权重,ε为其它未被纳入指标模型但对可靠性指标Y有潜在影响的指标所带来的误差。
进一步地,所述步骤S1中,选取配电网自动化建设投资指标、可靠性的核心指标的指标是:客户平均故障停电时间、中压线路故障率。
进一步地,所述步骤S5中,将得到的回归模型求平均,消去不可观测项ε,得到下述模型:
E(Y)=α0+α1X1+α2X2+…+αpXp
上式中,E(Y)为可靠性指标的平均值,反映配电网运行的平均可靠性状态;
由p个自动化投资指标的n0个数据值构成如下样本资料阵:
对应自动化投资指标的可靠性指标的n个数据值构成如下可靠性指标向量,
上式中,yi表示所选可靠性指标的第i个数据值。
进一步地,所述步骤S5中,线性回归方程的自动化投资指标权重系数的最小二乘估计值若满足n0≥p+1,其公式为:
上式中,C为样本资料阵,C′为样本资料阵的转置,Y为可靠性指标向量;若不满足n0≥p+1,则其公式为
上式中,I为p×p单位阵,(C′C)-为任一广义逆矩阵,满足C′C(C′C)-C′C=C′C,C(C′C)-C′C=C,以及C′C(C′C)-C′=C′,ω为任意常数向量;由于不满足n0≥p+1的情形可能存在多组投资指标权重系数的估计值,需结合数据来源的背景要求及专家经验进行筛选。
进一步地,所述步骤S5中,进行关联模型的拟合优度评估,其公式如下:
进一步地,所述步骤S5中,关联模型自动化投资指标影响程度评估,其公式如下:
上式中,Ti为服从自由度为n0-p-1的t分布随机变量,为线性回归方程的自动化投资指标权重系数的估计值,为关联模型的总平方误差,lii为矩阵L=(lij)p×p逆阵的第i个对角元素,xki表示第i个版本的自动化投资指标的第k个数据值,xkj表示第j个版本的自动化投资指标的第k个数据值,为选定指标第i年的数据值的平均值,为选定指标第j年的数据值的平均值;若pi≤0.05,则表明对应的自动化投资指标具备显著的影响效应,同时对应的权重系数估计值取值则表征对应的自动化投资项目单位投资额度对可靠性指标影响的贡献度。
与现有技术相比,本发明技术方案的有益效果是:
1、本评估方法基于数据挖掘技术,通过特征工程构建具有代表意义的配电网自动化投资和可靠性核心指标,进而搭建自动化投资指标和可靠性指标间的关联模型,对自动化投资的成效进行评估。本方法可全面有效且相对客观的对自动化投资的效益进行评价,所用的改进线性回归方法可避免历史数据量较少所带来的关联模型的欠精准性,在提高配电网自动化投资建设项目评价的客观性和可靠性的同时,也可以及时地反馈已有配电网自动化投资项目的成效,进而发现配电网自动化投资中存在的问题,可为下一阶段电网自动化投资的方向和资金预算提供重要的决策依据;
2、本评估方法通过深入挖掘自动化投资指标对可靠性指标的潜在影响机制,构建差值型增量、比值型增量等核心指标,合理有效提取既有指标体系的特征,使评估方法的模型显著程度大大提升;
3、本评估方法融合了配电网自动化投资的历史记录以及效益评价理论,可全面筛选并构造显著影响可靠性的自动化投资指标类型,通过关联模型的构建,定量反映配电网自动化投资的效益,可为电网公司了解自动化投资项目的成效提供可靠的关联模型,指导其优化未来自动化投资项目,提高配电网自动化投资的管理水平,从而为配电网及电网企业的政策规划提供合理有效的决策参考。
附图说明
图1为本发明方法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1所示,一种配电网自动化建设投资效益评估方法,其具体过程是:
步骤1:选取配电网自动化建设投资指标、可靠性的核心指标;
步骤2:收集电力企业的配电网自动化建设项目投资指标及供电可靠性指标的历史数据;
步骤3:基于历史数据,对自动化建设项目投资指标及供电可靠性指标做0-1标准化或极差标准化,并进一步设计差值型增量指标、比值型增量指标等特征指标,构建关联模型特征指标池;
步骤4:针对每一可靠性指标(标准化或原始数据、增量化或非增量化版本),通过计算皮尔逊相关系数、肯德尔秩相关系数筛选与之密切相关的自动化投资指标(标准化或原始数据、增量化或非增量化版本);
步骤5:基于步骤4筛选得到的可靠性指标和自动化投资指标组合,构建改进线性回归关联模型。
同时,所述步骤1的配电网自动化建设投资指标、可靠性的核心指标选取,是涵盖自动化投资总额以及受配电网建设项目直接或间接影响显著的2个供电可靠性指标:客户平均故障停电时间;中压线路故障率。
同时,所述步骤2的0-1标准化或极差标准化、差值型及比值型增量化指标构建是通过以下方法实现:
(1)在所属步骤2中收集电力企业的配电网建设项目投资及供电可靠性指标的历史数据;
(2)基于历史数据,对自动化建设投资指标、可靠性指标分别进行组内0-1标准化处理,其公式为:
(3)基于历史数据,对自动化建设投资指标、可靠性指标分别进行组内极差标准化处理,其标准化公式为:
上式中,xi为选定指标第i年的数据值,maxixi表示该指标2014年-2017年数据的最大值,minixi表示该指标2014年-2017年数据的最小值。
(4)构造增量化自动化投资指标、增量化可靠性指标,其公式为:
上式中,为标准化后自动化投资指标或可靠性指标第i年的数据值,为标准化后自动化投资指标或可靠性指标第i-1年的数据值,其中由于无第0年的指标值,增量化指标需从第2年开始,表示差值型增量投资指标,表示比值型增量投资指标。
(5)选取配电网可靠性指标,构建增量化可靠性指标,其公式为:
同时,所述步骤4中针对每一可靠性指标筛选与之密切相关的自动化投资指标,是通过计算皮尔逊相关系数及肯德尔秩相关系数进行的,其具体实现方法分解为如下几个步骤:
(1)计算不同版本的可靠性指标和自动化投资指标两两间的皮尔逊相关系数,其公式为:
(2)计算不同版本的可靠性指标和自动化投资指标两两间的肯德尔秩相关系数,其公式为:
上式中,n表示历史数据总量,nc表示可靠性指标和自动化投资指标构成的二元配对数据中,可靠性指标和自动化指标数据值秩协同一致变化的配对数量,nD表示可靠性指标和自动化投资指标构成的二元配对数据中,可靠性指标和自动化指标数据值秩不一致变化的配对数量,此处秩协同一致或不一致变化是指对两个二元数据(xi,yi)和(xj,yj),如果满足(xi,yi)×(xj,yj)>0,则称这两个二元数据构成一个秩协同一致的配对,若满足(xi-xj)×(yi-yj)<0,
则称这两个二元数据构成一个秩不一致变化的配对。
(3)根据步骤4中(1)、(2)所计算得到的若干组皮尔逊相关系数、肯德尔秩相关系数,根据实际需求,选取及(此处两个阈值可根据历史数据量、评估颗粒度及专家经验进行调整)的可靠性指标及自动化建设投资指标组合。
(4)若(3)中所选指标组合的综合度及代表性尚不足,或者存在其它专家推荐但未在(3)中选中的自动化投资指标和可靠性指标组合,则进行指标组合的增补选。
同时,所述步骤5的基于可靠性指标和自动化投资指标组合构建改进线性回归关联模型,其具体模型算法如下:
(1)构建如下线性回归模型
Y=α0+α1X1+α2X2+…+αpXp+ε
上式中,Y为选定的可靠性指标(非增量或者增量),Xi为对应可靠性指标的自动化投资指标(可能存在多个版本,如差值型增量、比值型增量等),αi为自动化投资指标对可靠性指标的影响权重系数(待确定),i=1,2,…,p,α0反映数据来源的配电网故有可靠性指标权重,ε为其它未被纳入指标模型但对可靠性指标Y有潜在影响的指标及误差。
(2)将(1)中回归模型求平均,消去不可观测项ε,得到下述模型
E(Y)=α0+α1X1+α2X2+…+αpXp
上式中,E(Y)为可靠性指标的平均值,反映配电网运行的平均可靠性状态。
(3)由p个自动化投资指标的n0个数据值构成如下样本资料阵
(4)对应(1)中自动化投资指标的可靠性指标的n个数据值构成如下可靠性指标向量,
上式中,yi表示所选可靠性指标的第i个数据值。
(5)计算(2)中线性回归方程的自动化投资指标权重系数的最小二乘估计值,若满足n≥p+1,其公式为:
上式中,C为(3)中的样本资料阵,C′为(3)中样本资料阵的转置,Y为(4)中可靠性指标向量;若不满足n≥p+1,则其公式为
上式中,C为(3)中的样本资料阵,C′为(3)中样本资料阵的转置,Y为(4)中可靠性指标向量,I为p×p单位阵,(C′C)-为任一广义逆矩阵,满足C′C(C′C)-C′C=C′C,C(C′C)-C′C=C,以及C′C(C′C)-C′=C′,ω为任意常数向量。由于不满足n≥p+1的情形可能存在多组投资指标权重系数的估计值,需结合数据来源的背景要求及专家经验进行筛选。
(6)进行关联模型的拟合优度评估,其公式如下:
(7)关联模型自动化投资指标影响程度评估,其公式如下:
上式中,Ti为服从自由度为n0-p-1的t分布随机变量,为(6)中的权重系数估计值,为关联模型的总平方误差,lii为矩阵L=(lij)p×p逆阵的第i个对角元素,若pi≤0.05(该阈值可根据实际历史数据量及专家经验进行确定),则表明对应的自动化投资指标具备显著的影响效应,同时对应的权重系数估计值取值则表征对应的自动化投资项目单位投资额度对可靠性指标影响的贡献度。
本发明的原理说明如下:
由附图1中能够看出:配电网自动化投资指标和可靠性指标之间的关联模型构建,依赖于基于特征工程的指标池构建和筛选;自动化投资指标对可靠性指标(用户平均停电时间等)的影响程度体现,依赖于关联模型的权重系数的改进线性回归估计。本发明提出了一种基于特征工程和改进线性回归的配电网自动化建设投资效益评估方法,其利用差值型增量指标、比值型增量指标的构建,然后利用皮尔逊相关系数及肯德尔秩相关系数进行可靠性指标和自动化投资指标组合的筛选,再通过改进线性回归进行关联模型的构建,实现对配电网自动化投资项目效益的数据驱动式的评估,保证配电网自动化投资建设的可持续性及精准度。
本发明实施例中的配电网自动化建设投资效益待评估对象选自我国华南某市配电网,数据记录从2014年-2017年,评估年份为2018年。该市在2014年-2017年间进行了配网自动化的建设投资,即为本实施例中的原始待评估对象X1。
(1)建立配电网建设自动化投资指标及供电可靠性指标池:选取自动化投资总额指标及客户平均停电时间(作为可靠性指标,记为Y1)。
(2)收集电力企业的配电网自动化建设项目投资及供电可靠性指标的历史数据;历史数据如表1所示。
表1 X1、Y1各年度数据
项目 | 2014年 | 2015年 | 2016年 | 2017年 |
客户平均停电时间 | 3.2175 | 1.66662 | 1.74525 | 1.37 |
配网自动化 | 1088.65 | 1775.96 | 1608.69 | 7983.57 |
对进行0-1标准化处理,并构建差值型增量指标和比值型增量指标。通过计算皮尔逊相关系数及肯德尔秩相关系数筛选可能存在的与之关联的投资指标,得到自动化投资指标的原始指标(非增量版本)、差值型增量指标与客户平均停电时间的比值型增量指标存在符合模型要求的关联性,分别记差值型自动化增量指标、客户平均停电时间的比值型增量指标为X2,Y2。
(3)以比值型增量可靠性指标和非增量自动化投资指标、比值型增量可靠性指标和差值型增量自动化投资指标为例,构建改进的线性回归关联模型,各模型中待评估对象的权重系数估计值如表2所示。
表2改进线性回归关联模型待评估对象的权重系数估计值
模型 | 调整R平方 | p值 | 权重系数 |
非增量自动化投资指标模型 | 0.508 | 0.041 | -0.121 |
差值型增量自动化投资指标模型 | 0.14 | 0.674 | 0.315 |
可以发现,非增量自动化投资指标与比值型增量可靠性指标间的关联模型拟合优度符合要求,而差值型增量自动化投资指标与比值型增量可靠性指标间的关联模型则不符合拟合优度要求,表明该市在2014-2017年间的自动化建设项目投资具有一定的延迟效益,当年的自动化建设投资可对下一年度的客户平均停电时间产生积极效应(根据改进线性回归模型的权重系数可知),而自动化建设投资项目的增幅没有显著影响客户平均停电时间的变化率。结合专家经验及项目投资规划,可知由于经过多年建设投资,配电网已经处于较高的可靠性,维持自动化建设的投资规模,可持续提升配电网的供电可靠性(减少客户平均停电时间),但自动化投资的边际效应已趋于不显著,进而导致带来的可靠性增幅效应不明显。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。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。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,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种配电网自动化建设投资效益评估方法,其特征在于,包括以下步骤:
S1:选取配电网自动化建设投资指标、可靠性的核心指标;
S2:收集电力企业的配电网自动化建设项目投资指标及供电可靠性指标的历史数据;
S3:基于历史数据,对自动化建设项目投资指标及供电可靠性指标做0-1标准化或极差标准化,并进一步设计差值型增量指标、比值型增量指标特征指标,构建关联模型特征指标池;
S4:针对每一可靠性指标,通过计算皮尔逊相关系数、肯德尔秩相关系数筛选与之密切相关的自动化投资指标;
S5:基于步骤S4筛选得到的可靠性指标和自动化投资指标组合,构建改进线性回归关联模型;
所述步骤S3中,0-1标准化、极差标准化处理、增量化指标构建的具体过程是:
S31:基于历史数据,对自动化建设投资指标、可靠性指标分别进行组内0-1标准化处理,其公式为:
S32:基于历史数据,对自动化建设投资指标、可靠性指标分别进行组内极差标准化处理,其标准化公式为:
上式中,xi为选定指标第i年的数据值,maxixi表示该指标若干年数据的最大值,minixi表示该指标若干年数据的最小值;
S32:构造增量化自动化投资指标、增量化可靠性指标,其公式为:
上式中,为标准化后自动化投资指标或可靠性指标第i年的数据值,为标准化后自动化投资指标或可靠性指标第i-1年的数据值,其中由于无第0年的指标值,增量化指标需从第2年开始,表示差值型增量投资指标,表示比值型增量投资指标;
所述步骤S4的具体过程是:
S41:计算不同版本的可靠性指标和自动化投资指标两两间的皮尔逊相关系数,其公式为:
S42:计算不同版本的可靠性指标和自动化投资指标两两间的肯德尔秩相关系数,其公式为:
上式中,n表示历史数据总量,nc表示可靠性指标和自动化投资指标构成的二元配对数据中,可靠性指标和自动化指标数据值秩协同一致变化的配对数量,nD表示可靠性指标和自动化投资指标构成的二元配对数据中,可靠性指标和自动化指标数据值秩不一致变化的配对数量,此处秩协同一致或不一致变化是指对两个二元数据(xi,yi)和(xj,yj),如果满足:(xi,yi)×(xj,yj)>0,则称这两个二元数据构成一个秩协同一致的配对,若满足:(xi-xj)×(yi-yj)<0,则称这两个二元数据构成一个秩不一致变化的配对,其中yi表示所选可靠性指标的第i个数据值,yj表示所选可靠性指标的第j个数据值;
S44:若S43中所选指标组合的综合度及代表性尚不足,或者存在其它专家推荐但未在S43中选中的自动化投资指标和可靠性指标组合,则进行指标组合的增补选;
所述步骤S5中,构建线性回归模型如下:
Y=α0+α1X1+α2X2+…+αpXp+ε
上式中,Y为选定的可靠性指标即非增量或者增量,Xi为对应可靠性指标的自动化投资指标,αi为自动化投资指标对可靠性指标的影响权重系数,i=1,2,…,p,α0反映数据来源的配电网故有可靠性指标权重,ε为其它未被纳入指标模型但对可靠性指标Y有潜在影响的指标所带来的误差。
2.根据权利要求1所述的配电网自动化建设投资效益评估方法,其特征在于,所述步骤S1中,选取配电网自动化建设投资指标、可靠性的核心指标的指标是:客户平均故障停电时间、中压线路故障率。
6.根据权利要求5所述的配电网自动化建设投资效益评估方法,其特征在于,所述步骤S5中,关联模型自动化投资指标影响程度评估,其公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169361.0A CN112330121B (zh) | 2020-10-28 | 2020-10-28 | 一种配电网自动化建设投资效益评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169361.0A CN112330121B (zh) | 2020-10-28 | 2020-10-28 | 一种配电网自动化建设投资效益评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330121A CN112330121A (zh) | 2021-02-05 |
CN112330121B true CN112330121B (zh) | 2022-04-19 |
Family
ID=74296864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011169361.0A Active CN112330121B (zh) | 2020-10-28 | 2020-10-28 | 一种配电网自动化建设投资效益评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330121B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793077B (zh) * | 2021-11-17 | 2022-03-15 | 广东电网有限责任公司佛山供电局 | 一种配电网用户故障停电影响分析方法和系统 |
CN113988709A (zh) * | 2021-11-18 | 2022-01-28 | 广东电网有限责任公司 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
CN114091891A (zh) * | 2021-11-18 | 2022-02-25 | 广东电网有限责任公司 | 一种基于弹性网络算法的预安排重复停电分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106624A (zh) * | 2013-02-27 | 2013-05-15 | 广东电网公司东莞供电局 | 一种确立配电网投资与供电可靠性改善效果关系的方法 |
CN105760956A (zh) * | 2016-02-19 | 2016-07-13 | 国网河北省电力公司经济技术研究院 | 一种基于线性回归分析的电网可靠性预测方法 |
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN109636157A (zh) * | 2018-11-30 | 2019-04-16 | 国网冀北电力有限公司经济技术研究院 | 一种新型配电网投资效益分析方法 |
CN110490471A (zh) * | 2019-08-23 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种配电网供电可靠性差异化的改造方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680253B (zh) * | 2015-02-13 | 2018-02-09 | 国家电网公司 | 基于可靠性与经济性相协调的配电网规划投资优化方法 |
CN107123982B (zh) * | 2017-04-01 | 2021-10-29 | 中国电力科学研究院 | 一种基于设备异动的配电网可靠性经济效益分析方法 |
CN107194536A (zh) * | 2017-04-12 | 2017-09-22 | 中国电力科学研究院 | 一种项目投资的供电可靠性负效益评估方法及装置 |
-
2020
- 2020-10-28 CN CN202011169361.0A patent/CN112330121B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106624A (zh) * | 2013-02-27 | 2013-05-15 | 广东电网公司东莞供电局 | 一种确立配电网投资与供电可靠性改善效果关系的方法 |
CN105760956A (zh) * | 2016-02-19 | 2016-07-13 | 国网河北省电力公司经济技术研究院 | 一种基于线性回归分析的电网可靠性预测方法 |
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN109636157A (zh) * | 2018-11-30 | 2019-04-16 | 国网冀北电力有限公司经济技术研究院 | 一种新型配电网投资效益分析方法 |
CN110490471A (zh) * | 2019-08-23 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种配电网供电可靠性差异化的改造方法 |
Non-Patent Citations (1)
Title |
---|
"城市配网自动化可靠性评估与成本效益分析";赵晓慧等;《电力科学与技术学报》;20150331;第30卷(第1期);第73-77页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112330121A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112330121B (zh) | 一种配电网自动化建设投资效益评估方法 | |
CN109615226B (zh) | 一种运营指标异常监测方法 | |
CN110909983B (zh) | 一种主动配电网电能质量多维评估方法 | |
CN109376953B (zh) | 一种中长期电量预测方法及系统 | |
CN111260136A (zh) | 一种基于arima-lstm组合模型的楼宇短期负荷预测方法 | |
WO2010080146A2 (en) | Statistical impact analysis machine | |
CN111178585A (zh) | 基于多算法模型融合的故障接报量预测方法 | |
Velasco et al. | Next day electric load forecasting using Artificial Neural Networks | |
CN112365056A (zh) | 一种电气负荷联合预测方法、装置、终端及存储介质 | |
CN111178957B (zh) | 一种用电客户电量突增预警的方法 | |
CN110807508B (zh) | 计及复杂气象影响的母线峰值负荷预测方法 | |
Kasule et al. | Forecasting Uganda’s net electricity consumption using a hybrid PSO-ABC Algorithm | |
Xiong et al. | The housing demand analysis and prediction of the real estate based on the AWGM (1, N) model | |
CN112330030A (zh) | 业扩物资需求预测系统及方法 | |
CN116976686A (zh) | 一种灾害间接经济影响评估方法、装置及计算设备 | |
CN113919162B (zh) | 基于仿真与多源实测数据融合的电压暂降风险预警方法 | |
CN111061708A (zh) | 一种基于lstm神经网络的电能量预测与修复方法 | |
CN112651651A (zh) | 一种基于特征提取和套索回归的投资效益评估方法 | |
Chambers et al. | Adaptive calibration for prediction of finite population totals | |
CN112614006A (zh) | 负荷预测方法、装置、计算机可读存储介质以及处理器 | |
CN105574622A (zh) | 一种从业者职业生涯总收入预估方法 | |
CN117851908B (zh) | 一种改进的在线低压台区电能表失准监测方法及装置 | |
CN115496304B (zh) | 一种代理购电量预测算法的立体综合评价方法及系统 | |
Lee et al. | Peak Load Estimation with the Generalized Extreme Value Distribution | |
Wang et al. | An algorithm for analysing influencing factors of annual electricity consumption |
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 |