CN112465286A - 一种电动汽车充电网络服务能力评价方法 - Google Patents

Abstract

本发明针对电动汽车充电网络投资运营首次提出了一种电动汽车充电网络服务能力评价体系；针对性指出了电动汽车充电网络的清洁能源消纳与市场竞争力经济效益的计算方式，并通过使用标准化方法将其转化为指标体系；提出了主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法设置指标基本权重的方法，并通过对指标富余时间度设置了差异化权重；采用拉丁超立方抽样方法生成场景总集，创新性计算了场景发生概率；最终通过相关标准计算得出适应性评价结果。

Description

一种电动汽车充电网络服务能力评价方法

技术领域

本发明涉及一种电动汽车充电网络服务能力评价方法

背景技术

近年来电动汽车发展迅速，电动汽车的占比越来越高分布也越来越广泛。与之相应的电动汽车续航充电问题成为了人们关注的一个重要问题。可靠电动汽车充电网络是保障电动汽车续航最为重要的部分，同时，对于电动汽车充电网络运行商来说，除了保证客户服务质量之外，企业还需要对充电网络的服务能力进行评估，以确保企业在充电网络运营时的服务水平在一定程度是能够满足当前要求，有解决当前问题的能力。因此专利提出的一种电动汽车充电网络服务能力评价体系对于电动汽车运营具有重要意义。

针对目前缺乏对充电网络服务能力评价的相关研究情况，以及相关指标体系应用场景不一的情况，本发明针对电动汽车充电网络投资运营首次提出了一种电动汽车充电网络服务能力评价体系；针对性指出了电动汽车充电网络的清洁能源消纳与市场竞争力经济效益的计算方式，并通过使用标准化方法将其转化为指标体系；提出了主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法设置指标基本权重的方法，并通过对指标富余时间度设置了差异化权重；采用拉丁超立方抽样方法生成场景总集，创新性计算了场景发生概率；最终通过相关标准计算得出适应性评价结果。

发明内容

针对电动汽车充电网络服务能力评价问题，本文提出了一种实际可靠的电动汽车充电网络服务能力评价方法。

一种电动汽车充电网络服务能力评价方法，其特征在于，所述方法包括以下步骤：

步骤①：构建指标体系，设置评价标准；

步骤②：确定指标基本权重：利用主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法，设置指标基本权重；

步骤③：确定指标差异化权重：对每个指标赋予时间度，计算相应的时间权向量，将其作为差异化权重；

步骤④：计算场景概率：利用拉丁超立方抽样方法生成场景总集，利用K-means算法对场景进行聚类削减，计算场景概率；

步骤⑤：计算评价结果：根据指标值以及评价标准，得出相应分值；结合场景概率和时间差异化权重，计算规划方案的适应性评价结果。

步骤一：构建指标体系，设置评价标准；其中指标体系包括清洁能源消纳评价指标和市场竞争力经济效益指标。

(1)清洁能源消纳评价指标

1)清洁能源消纳率

清洁能源消纳率指标主要用来评价电动汽车作为充电负荷接入电网后，其对于清洁能源的消纳能力。本文以充电网络中电动汽车总充电量作为输入,以网络中消耗清洁能源的比例评价指标的程度。

式中，W_AV代表测试区域内单位时间电动汽车充电网络对于风电光伏等清洁能源的消纳量平均值，W代表充电网络单位时间电动汽车总充电量。清洁能源消纳率指标数值越大，表明充电网络对于清洁能源的消纳能力越强。

2)最大消纳能力

充电网络清洁能源最大消纳能力反应充电网络在满足用户充电需求、充电站合理运行和配电网安全稳定前提下，可消纳的清洁能源最大程度，体现了充电网络对清洁能源消纳的临界情况。

式中，Max(W_EV)代表充电设施网络在评估期间单位时间所消耗的最大的清洁能源总量，W_G代表区域内单位时间消耗的清洁能源的总量。

3)消纳合理性

消纳合理性评估是指在给定的充电网络下电动汽车作为可调度负荷参与清洁能源消纳的接入方案下，当其消纳能力最大化时，对配电网安全运行、电能质量、能量管理的影响，影响越小，说明该消纳方案越合理。

①短路电流超标率

以清洁能源消纳能力最大化的方案接入后，表征其对配电网安全运行的影响。短路电流超标节点的增加率，短路电流不满足要求的节点数量增加率可通过式(3)计算。

式中，△I表示最大消纳能力方案接入后短路电流超标节点数量增加率；N_EV电动汽车以最大消纳能力接入后不满足要求的节点个数；N是电动汽车接入前不满足要求的节点个数；n_I评估区域配电网短路电流计算节点数。

②谐波电压超标率

反应充电网络可再生能源消纳能力最大时，其对于配网电能质量的影响的合理程度。

可通过式(4)计算.

式中，K_U是最大消纳能力的EV接入后谐波电压超标率或谐波电流超标率；n_VEV是EV接入后谐波电压或谐波电流不满足要求的节点数量；n_V是接入前谐波电压或谐波电流不满足要求的节点数量；n_N配电网节点数。

③峰谷差率增加值

反映充电网络以最大清洁能源消纳方案接入下，该消纳方案对于配电网能量管理合理程度的影响。接入后某一时段内峰谷差率与接入前峰谷差率的差值可通过式(5)计算。

式中，△x多元化负荷是EV以最大消纳能力接入后峰谷差率增加值；ΔP_EV是EV接入后评估区域峰谷差，单位兆瓦；P_EVMAX是EV接入后评估区域负荷最大值；ΔP是接入前评估区域峰谷差，单位兆瓦；P_MAX接入前评估区域负荷最大值，单位为兆瓦。

4)弃风弃光量

弃风弃光量指标反应电动汽车充电网络在考虑电动汽车互动场景下对弃风弃光量的改善能力。主要考虑电动汽车充电网络有序充电、退役电池储能以及V2G等方式实现电力系统需求响应从而提高可再生能源消纳能力的情况。

式中，W_V2G代表充电网络考虑电动汽车V2G技术时弃风弃光现象的减少量，W_str代表充电网络有序充电时弃风弃光现象的减少量，W_S代表充电网络考虑电动汽车储能调峰时弃风弃光的减少量，W₀代表充电网络中电动汽车无序充电场景下弃风弃光总量。

5)清洁能源消纳增长率

清洁能源的消纳增长率这里指充电网络接入电动汽车后该区域消纳清洁能源的数量相对于未接入电动汽车消纳的清洁能源数量的变化率。可以用来衡量测试区域充电网络对于清洁能源消纳能力的强弱。

式中，ΔW是清洁能源消纳增长率；W_EV是测试区域单位时间接入电动汽车后消纳的清洁能源总量；W_S0是该区域未接入电动汽车时单位时间消纳的清洁能源总量。

(2)市场竞争力经济效益指标

1)市场占有率

市场占有率指标指一定时期内和一定的市场范围内，充电网络的充电量占市场上全部充电量的比率。它主要体现了该充电网络在此市场范围下的市场地位。指标越大则表明该测试区域所占有的市场份额越大，在市场竞争中优势越明显。

式中，W_CN代表测试区域内充电网络的年充电总量，W_T代表一定市场范围内整个充电网络的年充电量。

2)销售增长率

电动汽车充电网络主要通过向电动汽车提供充电服务来获取收益。充电量是充电网络向电动汽车用户的销售主体。销售增长率这里指该充电网络所消耗电量的增长速率。该指标体现了充电网络在市场竞争中的动态过程，充电网络的销售增长率越快表明发展的前景越广阔，在市场竞争中也越有优势。

式中，W_CN代表测试区域内充电网络的本年度的年充电总量，W_CN-1代表充电网络上一年度的年充电总量。

3)设备利用率

电动汽车充电网络建设的好坏与充电设施利用率的高低有直接关系。设备利用率越高表明该充电网络的服务能力越强，资本回收越快。相反设备利用率较低的充电网络则会由于充电桩的闲置等问题消耗大量资本，以至于在市场竞争中处于劣势。

式中，T为充电网络设备平均利用小时数。

4)充电满足度

充电满足度表征当电动汽车产生充电需求时，充电网络满足用户需求的能力。用户满足度越高充电设施建设更为合理，在市场竞争中也更有优势。

式中，M为充电网络一定时间区间内产生充电需求抵达充电站进行充电站的电动汽车数量，Z为一定时间区间内产生充电需求的电动汽车总数，其中包括抵达充电站进行充电的数量和产生充电需求但由于规划不合理等原因未能找到合适充电站进行充电的数量两个部分。

5)变电站扩容裕度

式中，S_ch是变电站的可拓展容量，S_plan是变电站的额规划容量。

6)用户满意度

满意度指数，用于评估电动汽车充换电站运营时的车主顾客满意度，将直接影响车主对充电站带来的长远收益，如指导服务改善、硬件升级、电站扩容等行为。满意度指数与车主充电时间成本成反比，短期内与购物消费、充电站直接充换电利润成正比。当值为0时，说明车主满意度较差；当值为1时，满意度达到最高。该指数可作为观测值，作为充电站运营水平评估指标之一。

其中，c_t为车主排队充换电时间成本；c_i为i区电站日平均购物消费效益；n_i为日均充换电效益。

7)运行经济性

对于供电企业，建设电动汽车充电站的根本目标是收益，也就是运行的经济性。电动汽车充电站的选址定容受区域负荷分布(充电需求)的影响，会决定充电站的初始建设成本，年运行成本和接入电网导致的配电系统网损。

式中，F为系统运行的经济性，由收入函数和成本函数两部分构成；R为年经济效益函数，作为充电站的收入函数；成本函数由初始建设成本

年运行成本

以及配电网系统网损成本

组成；n为充电站个数。

8)覆盖率

覆盖率表征该经营主体的充电设施在该区域的经营范围。充电设施覆盖率越大表明该经营主体在竞争中的优势越明显。

式中，R为经营主体的覆盖率；S_SERVE表示该经营主体所建设的充电站的总服务面积； S_TS为该区域所有经营主体建设的充电站总的服务面积。

步骤二：确定指标基本权重：利用主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法，设置指标基本权重；

由于不同指标的量纲不同、数量级也存在明显差距。因此，需要对指标进行标准化方法将指标去量纲化本文采用百分制的评分方法将归一化的指标折算。主要采用max-min标准化函数。其中，x_ij是第i个地区第j个指标的初始化数值。正向指标采用式(16)标准化，逆向指标采用(17)标准化，适度指标采用(18)标准化。

步骤三：确定指标差异化权重：对每个指标赋予时间度，计算相应的时间权向量，将其作为差异化权重；

对构建的指标体系进行权重计算，这里采用主客观结合的赋权方法，防止由于决策者

1)AHP层次分析法

AHP是一种将指标内在关系进行深入分析之后，通过构建层次结构模型，利用较少的定量信息使得复杂问题层次化数学化的决策方法。专家将同一指标下的所有指标进行两两比较，确定该层级中的指标相对于上一层指标的重要程度(即权重)，然后逐层合成指标权重，得到最底层指标相对于最高层指标的综合权重。

a.构造判断矩阵

AHP按照指标层级分别构造判断矩阵，对于从属于上一级的每个指标，用两两比较法构造判断矩阵，直到最后一级。具体判断矩阵如下：

A＝{a_ij}_n×n (19)

式中，a_ij表征指标i和j(i,j＝1,2,…,n)的相对重要程度，由这种方法得到的判断矩阵A具有如下性质：

b.计算权重系数

根据上一步得到的判断矩阵A，求出指标相对于上一级指标的指标权重。在计算权重时，先假设判断矩阵具有一致性，即a_ij·a_jk＝a_jk。计算出每一个判断矩阵的权重系数ω，先按行将各指标连乘并开n次方，即求得各行指标的几何平均值ω'为

再把ω'进行归一化处理，即求得指标x_j的权重系数为

则(ω₁,ω₂,…,ω_n)为各指标对于同一上级指标的相对权重。

c.进行一致性检验

由于个人偏好不同，每个专家给出的判断矩阵不满足完全一致，因此，需对判断矩阵进行一致性检验。若检验通过，特征向量(归一化)即为权向量；若不通过，则应考虑重新构造判断矩阵。

首先计算原始矩阵的最大特征根λ_max，利用最大特征根计算一致性检验指标：

对于阶数很大的判断矩阵，上述一致性检验方法的适用性将有所降低，需要对一致性指标CI进行修正，这里引入平均随机一致性指标RI，将其作为一致性检验的对标值。

引入一致性比率指标CR，对判断矩阵的一致性准则进行修正，CR定义式如下：

当CR<0.1时，认为判断矩阵的一致性是可以接受的；当CR>0.1时，认为判断矩阵偏离一致性，应对判断矩阵作适当修正。

2)熵值法

熵表示指标所包含信息量的大小。就一个指标样本而言，有序化程度越高，样本方差越小，它所包含的信息量越小；反之，无序程度越高，样本方差越大，它所包含的信息量越大。

在评价指标中，指标包含信息量的多少能够用指标权重的大小来表示。信息量越大，指标权重越高。熵权法的优点在于完全从数据本身的离散程度来定义其数据的价值和权重。

熵权法的计算步骤如下：

a.构造原始数据矩阵

收集指标原始数据，进行标准化处理。将各类型指标转化为极大型指标，统一评价标准。被评价对象的历史数据由下列矩阵表示：

式中,Y_ij表示第j年i指标的标准化值，n为总的指标数，m为总的历史年。

b.计算不同历史年的贡献度

同一指标下，计算不同历史年所占的比重，作为该年贡献度，计算公式如下：

式中，P_ij表示第i指标属性下，第j历史年的贡献度。

c.计算指标的熵值

熵值e_i表示所有评价年对第i个指标的贡献总量，公式如下所示：

当某个指标属性下各个历史年的贡献度趋于一致时，e_i趋于1。由于贡献度趋于一致，说明该指标属性在决策中不起作用，特别是当完全相等时，可以不考虑该目标属性，即可认为该指标的权重为0。

d.计算指标的差异性系数

差异性系数g_i表示第i个指标各历史年贡献的不一致程度，公式如下所示：

g_i＝1-e_i (26)

显然，g_i越大，该指标应越受重视。

e.确定权重系数

权重系数w_i为经过归一化处理之后的权重系数，公式如下：

3)组合赋权

组合赋权普遍采用线性加权组合法，计算公式为：

θ_i＝αυ_i+(1-α)μ_i (28)

式中，υ_i表示主观权重向量，∑υ_i＝1；

μ_i表示客观权重向量，∑μ_i＝1；

θ_i表示组合权重向量，∑θ_i＝1；

α表示主观赋权方法的重要程度，0≤α≤1。

步骤四：计算场景概率：利用拉丁超立方抽样方法生成场景总集，利用K-means算法对场景进行聚类削减，计算场景概率；

步骤五：计算评价结果：根据指标值以及评价标准，得出相应分值；结合场景概率和时间差异化权重，计算规划方案的适应性评价结果。

1)指标计算

综合考虑时间与概率因素，单个指标评分的计算公式如下：

式中，Z_i表示第i项指标分数，g_tk表示该指标第t年第k种场景下的分数，p_tk第t年第k种场景的发生概率，w_t表示该指标第t年的差异化权重。

2)综合得分

将单个指标分数与指标基本权重相乘加和，便得到最终的评估结果，计算公式如下：

式中，Z表示最终得分，θ_i表示第i项指标的基本权重。

附图说明

图1是一种电动汽车充电网络服务能力评价方法权重计算模型。

具体实施方式

步骤一：构建指标体系，设置评价标准；其中指标体系包括清洁能源消纳评价指标和市场竞争力经济效益指标。

(1)清洁能源消纳评价指标

1)清洁能源消纳率

清洁能源消纳率指标主要用来评价电动汽车作为充电负荷接入电网后，其对于清洁能源的消纳能力。本文以充电网络中电动汽车总充电量作为输入,以网络中消耗清洁能源的比例评价指标的程度。

式中，W_AV代表测试区域内单位时间电动汽车充电网络对于风电光伏等清洁能源的消纳量平均值，W代表充电网络单位时间电动汽车总充电量。清洁能源消纳率指标数值越大，表明充电网络对于清洁能源的消纳能力越强。

2)最大消纳能力

充电网络清洁能源最大消纳能力反应充电网络在满足用户充电需求、充电站合理运行和配电网安全稳定前提下，可消纳的清洁能源最大程度，体现了充电网络对清洁能源消纳的临界情况。

式中，Max(W_EV)代表充电设施网络在评估期间单位时间所消耗的最大的清洁能源总量，W_G代表区域内单位时间消耗的清洁能源的总量。

3)消纳合理性

消纳合理性评估是指在给定的充电网络下电动汽车作为可调度负荷参与清洁能源消纳的接入方案下，当其消纳能力最大化时，对配电网安全运行、电能质量、能量管理的影响，影响越小，说明该消纳方案越合理。

④短路电流超标率

以清洁能源消纳能力最大化的方案接入后，表征其对配电网安全运行的影响。短路电流超标节点的增加率，短路电流不满足要求的节点数量增加率可通过式(3)计算。

式中，△I表示最大消纳能力方案接入后短路电流超标节点数量增加率；N_EV电动汽车以最大消纳能力接入后不满足要求的节点个数；N是电动汽车接入前不满足要求的节点个数；n_I评估区域配电网短路电流计算节点数。

⑤谐波电压超标率

反应充电网络可再生能源消纳能力最大时，其对于配网电能质量的影响的合理程度。

可通过式(4)计算.

式中，K_U是最大消纳能力的EV接入后谐波电压超标率或谐波电流超标率；n_VEV是EV接入后谐波电压或谐波电流不满足要求的节点数量；n_V是接入前谐波电压或谐波电流不满足要求的节点数量；n_N配电网节点数。

⑥峰谷差率增加值

反映充电网络以最大清洁能源消纳方案接入下，该消纳方案对于配电网能量管理合理程度的影响。接入后某一时段内峰谷差率与接入前峰谷差率的差值可通过式(5)计算。

式中，△x多元化负荷是EV以最大消纳能力接入后峰谷差率增加值；ΔP_EV是EV接入后评估区域峰谷差，单位兆瓦；P_EVMAX是EV接入后评估区域负荷最大值；ΔP是接入前评估区域峰谷差，单位兆瓦；P_MAX接入前评估区域负荷最大值，单位为兆瓦。

4)弃风弃光量

弃风弃光量指标反应电动汽车充电网络在考虑电动汽车互动场景下对弃风弃光量的改善能力。主要考虑电动汽车充电网络有序充电、退役电池储能以及V2G等方式实现电力系统需求响应从而提高可再生能源消纳能力的情况。

式中，W_V2G代表充电网络考虑电动汽车V2G技术时弃风弃光现象的减少量，W_str代表充电网络有序充电时弃风弃光现象的减少量，W_S代表充电网络考虑电动汽车储能调峰时弃风弃光的减少量，W₀代表充电网络中电动汽车无序充电场景下弃风弃光总量。

5)清洁能源消纳增长率

清洁能源的消纳增长率这里指充电网络接入电动汽车后该区域消纳清洁能源的数量相对于未接入电动汽车消纳的清洁能源数量的变化率。可以用来衡量测试区域充电网络对于清洁能源消纳能力的强弱。

式中，ΔW是清洁能源消纳增长率；W_EV是测试区域单位时间接入电动汽车后消纳的清洁能源总量；W_S0是该区域未接入电动汽车时单位时间消纳的清洁能源总量。

(2)市场竞争力经济效益指标

1)市场占有率

市场占有率指标指一定时期内和一定的市场范围内，充电网络的充电量占市场上全部充电量的比率。它主要体现了该充电网络在此市场范围下的市场地位。指标越大则表明该测试区域所占有的市场份额越大，在市场竞争中优势越明显。

式中，W_CN代表测试区域内充电网络的年充电总量，W_T代表一定市场范围内整个充电网络的年充电量。

2)销售增长率

电动汽车充电网络主要通过向电动汽车提供充电服务来获取收益。充电量是充电网络向电动汽车用户的销售主体。销售增长率这里指该充电网络所消耗电量的增长速率。该指标体现了充电网络在市场竞争中的动态过程，充电网络的销售增长率越快表明发展的前景越广阔，在市场竞争中也越有优势。

式中，W_CN代表测试区域内充电网络的本年度的年充电总量，W_CN-1代表充电网络上一年度的年充电总量。

3)设备利用率

电动汽车充电网络建设的好坏与充电设施利用率的高低有直接关系。设备利用率越高表明该充电网络的服务能力越强，资本回收越快。相反设备利用率较低的充电网络则会由于充电桩的闲置等问题消耗大量资本，以至于在市场竞争中处于劣势。

式中，T为充电网络设备平均利用小时数。

4)充电满足度

充电满足度表征当电动汽车产生充电需求时，充电网络满足用户需求的能力。用户满足度越高充电设施建设更为合理，在市场竞争中也更有优势。

式中，M为充电网络一定时间区间内产生充电需求抵达充电站进行充电站的电动汽车数量，Z为一定时间区间内产生充电需求的电动汽车总数，其中包括抵达充电站进行充电的数量和产生充电需求但由于规划不合理等原因未能找到合适充电站进行充电的数量两个部分。

5)变电站扩容裕度

式中，S_ch是变电站的可拓展容量，S_plan是变电站的额规划容量。

6)用户满意度

满意度指数，用于评估电动汽车充换电站运营时的车主顾客满意度，将直接影响车主对充电站带来的长远收益，如指导服务改善、硬件升级、电站扩容等行为。满意度指数与车主充电时间成本成反比，短期内与购物消费、充电站直接充换电利润成正比。当值为0时，说明车主满意度较差；当值为1时，满意度达到最高。该指数可作为观测值，作为充电站运营水平评估指标之一。

其中，c_t为车主排队充换电时间成本；c_i为i区电站日平均购物消费效益；n_i为日均充换电效益。

7)运行经济性

对于供电企业，建设电动汽车充电站的根本目标是收益，也就是运行的经济性。电动汽车充电站的选址定容受区域负荷分布(充电需求)的影响，会决定充电站的初始建设成本，年运行成本和接入电网导致的配电系统网损。

式中，F为系统运行的经济性，由收入函数和成本函数两部分构成；R为年经济效益函数，作为充电站的收入函数；成本函数由初始建设成本

年运行成本

以及配电网系统网损成本

组成；n为充电站个数。

8)覆盖率

覆盖率表征该经营主体的充电设施在该区域的经营范围。充电设施覆盖率越大表明该经营主体在竞争中的优势越明显。

式中，R为经营主体的覆盖率；S_SERVE表示该经营主体所建设的充电站的总服务面积； S_TS为该区域所有经营主体建设的充电站总的服务面积。

步骤二：确定指标基本权重：利用主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法，设置指标基本权重；

由于不同指标的量纲不同、数量级也存在明显差距。因此，需要对指标进行标准化方法将指标去量纲化本文采用百分制的评分方法将归一化的指标折算。主要采用max-min标准化函数。其中，x_ij是第i个地区第j个指标的初始化数值。正向指标采用式(16)标准化，逆向指标采用(17)标准化，适度指标采用(18)标准化。

步骤三：确定指标差异化权重：对每个指标赋予时间度，计算相应的时间权向量，将其作为差异化权重；

对构建的指标体系进行权重计算，这里采用主客观结合的赋权方法，防止由于决策者的主观经验对权重造成的主观性较强的缺点，熵权法可以根据指标的变化程度对指标进行客观赋权。基于上述章节提出的时间权和场景概率技术进行差异化权重设计，有效解决了指标对时序的重要程度不同，不同场景下指标数值差异的问题。

1)AHP层次分析法

AHP是一种将指标内在关系进行深入分析之后，通过构建层次结构模型，利用较少的定量信息使得复杂问题层次化数学化的决策方法。专家将同一指标下的所有指标进行两两比较，确定该层级中的指标相对于上一层指标的重要程度(即权重)，然后逐层合成指标权重，得到最底层指标相对于最高层指标的综合权重。

a.构造判断矩阵

AHP按照指标层级分别构造判断矩阵，对于从属于上一级的每个指标，用两两比较法构造判断矩阵，直到最后一级。具体判断矩阵如下：

A＝{a_ij}_n×n (19)

式中，a_ij表征指标i和j(i,j＝1,2,…,n)的相对重要程度，由这种方法得到的判断矩阵A具有如下性质：

b.计算权重系数

根据上一步得到的判断矩阵A，求出指标相对于上一级指标的指标权重。在计算权重时，先假设判断矩阵具有一致性，即a_ij·a_jk＝a_jk。计算出每一个判断矩阵的权重系数ω，先按行将各指标连乘并开n次方，即求得各行指标的几何平均值ω'为

再把ω'进行归一化处理，即求得指标x_j的权重系数为

则(ω₁,ω₂,…,ω_n)为各指标对于同一上级指标的相对权重。

c.进行一致性检验

由于个人偏好不同，每个专家给出的判断矩阵不满足完全一致，因此，需对判断矩阵进行一致性检验。若检验通过，特征向量(归一化)即为权向量；若不通过，则应考虑重新构造判断矩阵。

首先计算原始矩阵的最大特征根λ_max，利用最大特征根计算一致性检验指标：

对于阶数很大的判断矩阵，上述一致性检验方法的适用性将有所降低，需要对一致性指标CI进行修正，这里引入平均随机一致性指标RI，将其作为一致性检验的对标值。

引入一致性比率指标CR，对判断矩阵的一致性准则进行修正，CR定义式如下：

当CR<0.1时，认为判断矩阵的一致性是可以接受的；当CR>0.1时，认为判断矩阵偏离一致性，应对判断矩阵作适当修正。

2)熵值法

熵表示指标所包含信息量的大小。就一个指标样本而言，有序化程度越高，样本方差越小，它所包含的信息量越小；反之，无序程度越高，样本方差越大，它所包含的信息量越大。

在评价指标中，指标包含信息量的多少能够用指标权重的大小来表示。信息量越大，指标权重越高。熵权法的优点在于完全从数据本身的离散程度来定义其数据的价值和权重。

熵权法的计算步骤如下：

a.构造原始数据矩阵

收集指标原始数据，进行标准化处理。将各类型指标转化为极大型指标，统一评价标准。被评价对象的历史数据由下列矩阵表示：

式中,Y_ij表示第j年i指标的标准化值，n为总的指标数，m为总的历史年。

b.计算不同历史年的贡献度

同一指标下，计算不同历史年所占的比重，作为该年贡献度，计算公式如下：

式中，P_ij表示第i指标属性下，第j历史年的贡献度。

c.计算指标的熵值

熵值e_i表示所有评价年对第i个指标的贡献总量，公式如下所示：

当某个指标属性下各个历史年的贡献度趋于一致时，e_i趋于1。由于贡献度趋于一致，说明该指标属性在决策中不起作用，特别是当完全相等时，可以不考虑该目标属性，即可认为该指标的权重为0。

d.计算指标的差异性系数

差异性系数g_i表示第i个指标各历史年贡献的不一致程度，公式如下所示：

g_i＝1-e_i (26)

显然，g_i越大，该指标应越受重视。

e.确定权重系数

权重系数w_i为经过归一化处理之后的权重系数，公式如下：

3)组合赋权

组合赋权普遍采用线性加权组合法，计算公式为：

θ_i＝αυ_i+(1-α)μ_i (28)

式中，υ_i表示主观权重向量，∑υ_i＝1；

μ_i表示客观权重向量，∑μ_i＝1；

θ_i表示组合权重向量，∑θ_i＝1；

α表示主观赋权方法的重要程度，0≤α≤1。

步骤四：计算场景概率：利用拉丁超立方抽样方法生成场景总集，利用K-means算法对场景进行聚类削减，计算场景概率；

步骤五：计算评价结果：根据指标值以及评价标准，得出相应分值；结合场景概率和时间差异化权重，计算规划方案的适应性评价结果。

1)指标计算

综合考虑时间与概率因素，单个指标评分的计算公式如下：

式中，Z_i表示第i项指标分数，g_tk表示该指标第t年第k种场景下的分数，p_tk第t年第k种场景的发生概率，w_t表示该指标第t年的差异化权重。

2)综合得分

将单个指标分数与指标基本权重相乘加和，便得到最终的评估结果，计算公式如下：

式中，Z表示最终得分，θ_i表示第i项指标的基本权重。

Claims (1)

1.根据权利要求1所述的，一种电动汽车充电网络服务能力评价方法，其特征在于，所述方法包括以下步骤：

步骤①：构建指标体系，设置评价标准；

步骤②：确定指标基本权重：利用主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法，设置指标基本权重；

步骤③：确定指标差异化权重：对每个指标赋予时间度，计算相应的时间权向量，将其作为差异化权重；

步骤④：计算场景概率：利用拉丁超立方抽样方法生成场景总集，利用K-means算法对场景进行聚类削减，计算场景概率；

步骤⑤：计算评价结果：根据指标值以及评价标准，得出相应分值；结合场景概率和时间差异化权重，计算规划方案的适应性评价结果。

Images