CN112668850A - 一种基于dea算法的配电网台区投入产出分析方法 - Google Patents
一种基于dea算法的配电网台区投入产出分析方法 Download PDFInfo
- Publication number
- CN112668850A CN112668850A CN202011519497.XA CN202011519497A CN112668850A CN 112668850 A CN112668850 A CN 112668850A CN 202011519497 A CN202011519497 A CN 202011519497A CN 112668850 A CN112668850 A CN 112668850A
- Authority
- CN
- China
- Prior art keywords
- index
- distribution network
- input
- dea
- output
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims description 6
- 238000009960 carding Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 16
- 238000010276 construction Methods 0.000 description 13
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于DEA算法的配电网台区投入产出分析方法,包括建立配电网台区投入产出分析指标体系;选取样本指标并计算效率效率指数;以样本指标的效率指数为目标,以所有待分析指标的效率指数为约束,构造DEA‑C2R模型;通过DEA‑C2R模型判定待分析指标是否同时技术有效和规模有效。本发明运用DEA算法数据包络分析方法根据多项配电网台区投入指标和多项配电网台区产出指标,对具有可比性的同类型配电网台区指标进行相对有效性分析评价。
Description
技术领域
本发明属于深度学习技术领域,具体涉及一种基于DEA算法的配电网台区投入产出分析方法。
背景技术
随着电网体制改革的推进、国民经济的高速发展、社会水平的全方位提升,电力需求日益高涨。作为电力系统的重要组成部分,配电网台区的建设必须科学高效。为实现合理建设配电网台区、提高电网资源利用率,在配电网台区建设时对配电网台区进行科学合理的投入产出分析是十分必要的。
目前,对配电网台区建设投入产出的分析只是单从经济效率方面论证,即大多采用收益/成本比法、收益增量/成本增量法以及最小费用法等方法,一味的追求经济效率,导致配电网台区社会效率低下,并没有使得台区的社会水平质量得到真正的提高。
故传统的配电网台区投入产出分析方法仍存在很大不足,主要表现在与配电网台区本身的结合性不强,仅从投资和收入等纯财务角度对配电网台区进行分析评估,无法全面、确切反映投资对配电网台区产生的实际效益、效率、功能,从而很难对配电网台区建设提供应有的指导和借鉴。因此,建立科学合理的配电网台区建设投入产出分析的指标体系,选择较为科学、合理的分析方法,得出全面性的投入产出分析结果,为配电网台区建设投资决策作出可靠的依据,是目前急需解决的问题。
数据包络分析方法(DEA,Data Enυelopment Analysis,以下简称“DEA算法”),利用规划和统计确定相对有效的数据,提出相对效率概念,通过线形规划,将各个决策单元投影到DEA算法的生产前沿面上,通过计算各个决策单元之间的相对效率,来评价各个决策单元的相对有效性,从而对评价对象做出合理的评价。
在多输入输出评价有效方面,DEA算法占有绝对优势,且输入输出之间确实存在一定关系,但不必确定这种关系的显示表达式,以输入输出的实际数据直接计算最优权重,得出的权重并较为客观;在计算时并不直接对数据进行综合,因此决策单元的最优效率指标与投入指标值及产出指标值的量纲选取无关,应用DEA算法建立模型前无须进行无量纲化处理,数据操作简便。
基于DEA算法的优势,本发明提供一种基于DEA算法的配电网台区投入产出分析方法
发明内容
通过研究发现,对于多输出和多输入的配电网台区指标有效性综合分析的有效性评价方面具有操作简单,无需对数据进行复杂处理且分析效率高,分析结果对配电网台区建设投资决策指导具有极高可靠性等优势,非常适合解决以上面临的问题,从而为配电网台区建设投资决策作出可靠的依据,基于此,本发明提供一种基于DEA算法的配电网台区投入产出分析方法,以解决上述技术问题。
本发明提供一种基于DEA算法的配电网台区投入产出分析方法,包括:
建立配电网台区投入产出分析指标体系;
选取样本指标并计算效率效率指数;
以样本指标的效率指数为目标,以所有待分析指标的效率指数为约束,构造DEA-C2R模型;
通过DEA-C2R模型判定待分析指标是否同时技术有效和规模有效。
进一步的,所述建立配电网台区投入产出分析指标体系,包括:
设置配电网台区投入类指标体系的两个指标层级;
根据所述的两个指标层级梳理出10kΥ及以下电压等级配电网台区的投入类指标。
进一步的,所述建立配电网台区投入产出分析指标体系,还包括:
设置配电网台区投入类指标体系的三个指标层级;
根据所述的三个指标层级梳理出10kΥ及以下电压等级配电网台区的产出类指标。
进一步的,所述建立配电网台区投入产出分析指标体系,还包括:
根据投入类指标、产出类指标以及投入产出评价指标的关系建立配电网台区投入产出分析评价指标体系。
进一步的,所述选取样本指标并计算效率效率指数,包括:
根据公式
所述样本指标第j0个待分析指标,取权系数υ和μ,使得满足约束条件hj≤1,j=1,…,n。
进一步的,所述DEA-C2R模型,包括:
构建DEA-C2R模型,公式为:
使用Charnes-Cooper变化,根据对偶理论和线性规划理论,引入松弛变量s+和剩余变量s-,将DEA-C2R模型转化为:
进一步的,所述通过C2R模型判定待分析指标是否同时技术效率有效和规模有效,包括:
若θ=1,且s+=0,s-=0,则样本指标为DEA算法有效,待分析指标的经济活动同时为技术有效和规模有效;
若θ=1,但至少某个输入或者输出大于0,则样本指标为弱DEA算法有效,待分析指标的经济活动不是同时为技术效率最佳和规模最佳;
若θ<1,样本不是DEA算法有效,待分析指标既不是技术效率最佳,也不是规模最佳。
本发明的有益效果在于,
本发明提供的基于DEA算法的配电网台区投入产出分析方法,以运筹学、管理科学与数理经济学为基础,综合考虑供电服务能力、线损、供电可靠性等因素,运用DEA算法数据包络分析方法根据多项配电网台区投入指标和多项配电网台区产出指标,利用线性规划算法,对具有可比性的同类型配电网台区指标进行相对有效性分析评价。通过对配电网台区指标的定量评价和定性分析,为配电网台区建设投资决策做出可靠的依据,引导电力公司对配电网台区投资规模、投资项目及投资时机进行合理安排,全面促进配电网台区建设方式由重视数量和质量向关注效率和效益转变,加快现代配电网台区建设进程。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,对于本领域普通技术人员而言,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是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的配电网台区指标DEA算法的基本模型图。
图3是本发明一个实施例方法的具体实施架构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,都应当属于本发明保护的范围。
图1是本发明一个实施例的方法的示意性流程图。
所述方法包括:
步骤110,建立配电网台区投入产出分析指标体系;
步骤120,选取样本指标并计算效率效率指数;
步骤130,以样本指标的效率指数为目标,以所有待分析指标的效率指数为约束,构造DEA-C2R模型;
步骤140,通过DEA-C2R模型判定待分析指标是否同时技术有效和规模有效。
具体的,所述一种基于DEA算法的配电网台区投入产出分析方法包括:
1、(一)建立配电网台区投入产出分析指标体系模型
结合国网公司已有配电网台区指标体系,首先对10kΥ及以下电压等级配电网台区投入类指标按照基建投入、技改投入和检修投入三类进行梳理,初步梳理出配电网台区投入类指标体系包含二个指标层级,如表1所示:
表1配电网台区投入类指标体系
按照配电网台区投入产出指标的选取思路及方法,在对配电网台区产出类指标选取时,应包含配电网台区供电能力、供电质量、电网效率、综合效益、电网结构、装备水平、智能化水平、电网运行服务水平等八个方面,据此初步梳理出的配电网台区产出类指标体系如表2所示:
表2配电网台区产出类指标体系
根据配电网台区投入类指标、产出类指标与投入产出评价指标的关系设计如表3所示的配电网台区投入产出分析评价指标体系。
表3配电网台区投入产出分析评价指标体系
在本实施例,假定每个输入都关联到一个或者多个输出,且输入输出之间确实存在某种联系,但不必确定这种关系的显示表达式,无须任何权重假设,而以配电网台区输入输出的实际数据求得最优权重,排除了很多主观因素,具有很强的客观性。
(二)利用DEA算法进行分析
指标体系建立之后使用数据包络分析方法(DEA算法)对配电网台区指标进行分析。DEA以相对效率概念为基础,以凸分析和线形规划为工具的一种评价方法,应用数学规划模型计算比较决策单元之间的相对效率,对评价对象做出评价,它借助于数学规划和统计数据确定相对有效的生产前沿面,将各个决策单元投影到DEA算法的生产前沿面上,并通过比较决策单元偏离DEA算法前沿面的程度来评价它们的相对有效性。
配电网台区指标DEA算法的基本模型如附图2所示。
具体过程如下:
1、对于每一个参与分析评价的配电网台区指标DMΜj都有相应的效率评价指数:
所述样本指标第j0个待分析指标,适当的取权系数υ和μ,使得满足约束条件hj≤1,j=1,…,n。
2、对第j0个参与分析评价的配电网台区指标进行效率评价,一般说来,评价指数hj0越大表明指标DMΜj0能够用相对较少的输入而取得相对较多的输出。鉴于此,若对指标DMΜj0进行评价,只需看指标DMΜj0在这n个参与分析评价的配电网台区指标中相对来说是不是最优的即可。
如以第j0个参与分析评价的配电网台区指标的效率指数为目标,以所有参与分析评价的配电网台区指标的效率指数为约束,就构造了如下最基本的DEA-C2R模型:
根据公式构建DEA-C2R模型,公式为:
使用Charnes-Cooper变化,根据对偶理论和线性规划理论,引入松弛变量s+和剩余变量s-,将DEA-C2R模型转化为:
进而可通过C2R模型判定待分析指标是否同时技术效率有效和规模有效,包括如下步骤:
若θ=1,且s+=0,s-=0,则样本指标为DEA算法有效,待分析指标的经济活动同时为技术有效和规模有效;
若θ=1,但至少某个输入或者输出大于0,则样本指标为弱DEA算法有效,待分析指标的经济活动不是同时为技术效率最佳和规模最佳;
若θ<1,样本不是DEA算法有效,待分析指标既不是技术效率最佳,也不是规模最佳。
DEA算法不直接对数据进行综合,因此配电网台区的最优效率指标与投入指标值及产出指标值的量纲选取无关,应用DEA算法建立模型前无须对数据进行无量纲化处理,对于多输出和多输入的配电网台区指标有效性综合分析的有效性评价方面具有操作简单,无需对元数据进行复杂处理且分析效率高,分析结果对配电网台区建设投资决策指导具有极高可靠性等优势。
(三)实施展开
如图3所示,基于DEA算法的台区投入产出分析方法以配电网台区数据交换引擎为基础进行实施。具体以WEB服务的方式进行操作,DEA算法分析服务与配电网台区数据交换引擎、综合信息数据库、台区运行数据库进行数据交互。具体实施步骤:
1、部署服务器,安装配置配电网台区数据交换引擎及DEA算法分析服务程序。
2、用户登录进入操作界面,选择分析日期,点击确认按钮后DEA算法分析服务通过调用配电网台区数据交换引擎的台区指标体系接口与运行数据接口获取指标体系与台区运行数据进行分析,并通过JSP技术进行输出展示。
3、用户通过点击保存按钮将结果数据保存到数据库。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (7)
1.一种基于DEA算法的配电网台区投入产出分析方法,其特征在于,包括:
建立配电网台区投入产出分析指标体系;
选取样本指标并计算效率效率指数;
以样本指标的效率指数为目标,以所有待分析指标的效率指数为约束,构造DEA-C2R模型;
通过DEA-C2R模型判定待分析指标是否同时技术有效和规模有效。
2.根据权利要求1所述的一种基于DEA算法的配电网台区投入产出分析方法,其特征在于,所述建立配电网台区投入产出分析指标体系,包括:
设置配电网台区投入类指标体系的两个指标层级;
根据所述的两个指标层级梳理出10kΥ及以下电压等级配电网台区的投入类指标。
3.根据权利要求1所述的一种基于DEA算法的配电网台区投入产出分析方法,其特征在于,所述建立配电网台区投入产出分析指标体系,还包括:
设置配电网台区投入类指标体系的三个指标层级;
根据所述的三个指标层级梳理出10kΥ及以下电压等级配电网台区的产出类指标。
4.根据权利要求2或3所述的一种基于DEA算法的配电网台区投入产出分析方法,其特征在于,所述建立配电网台区投入产出分析指标体系,还包括:
根据投入类指标、产出类指标以及投入产出评价指标的关系建立配电网台区投入产出分析评价指标体系。
7.根据权利要求1所述的一种基于DEA算法的配电网台区投入产出分析方法,其特征在于,所述通过C2R模型判定待分析指标是否同时技术效率有效和规模有效,包括:
若θ=1,且s+=0,s-=0,则样本指标为DEA算法有效,待分析指标的经济活动同时为技术有效和规模有效;
若θ=1,但至少某个输入或者输出大于0,则样本指标为弱DEA算法有效,待分析指标的经济活动不是同时为技术效率最佳和规模最佳;
若θ<1,样本不是DEA算法有效,待分析指标既不是技术效率最佳,也不是规模最佳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519497.XA CN112668850A (zh) | 2020-12-21 | 2020-12-21 | 一种基于dea算法的配电网台区投入产出分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519497.XA CN112668850A (zh) | 2020-12-21 | 2020-12-21 | 一种基于dea算法的配电网台区投入产出分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668850A true CN112668850A (zh) | 2021-04-16 |
Family
ID=75406777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011519497.XA Pending CN112668850A (zh) | 2020-12-21 | 2020-12-21 | 一种基于dea算法的配电网台区投入产出分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668850A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113450031A (zh) * | 2021-08-31 | 2021-09-28 | 国网江西省电力有限公司供电服务管理中心 | 居民智慧用能服务潜在台区选取方法及装置 |
CN113689313A (zh) * | 2021-08-13 | 2021-11-23 | 交通运输部规划研究院 | 交通运输电子证照生成效率确定方法和装置 |
-
2020
- 2020-12-21 CN CN202011519497.XA patent/CN112668850A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689313A (zh) * | 2021-08-13 | 2021-11-23 | 交通运输部规划研究院 | 交通运输电子证照生成效率确定方法和装置 |
CN113450031A (zh) * | 2021-08-31 | 2021-09-28 | 国网江西省电力有限公司供电服务管理中心 | 居民智慧用能服务潜在台区选取方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dong et al. | How industrial convergence affects regional green development efficiency: A spatial conditional process analysis | |
Yang et al. | Robust scheduling based on extreme learning machine for bi-objective flexible job-shop problems with machine breakdowns | |
An et al. | A new approach for fair efficiency decomposition in two-stage structure system | |
CN106909933A (zh) | 一种三阶段多视角特征融合的窃电分类预测方法 | |
CN112668850A (zh) | 一种基于dea算法的配电网台区投入产出分析方法 | |
CN110991737A (zh) | 一种基于深度置信网络的超短期风电功率预测方法 | |
CN111898284A (zh) | 基于层次分析法的城市配电网超导电缆应用方案比选方法 | |
Xie et al. | Efficiency evaluation of China's provincial power systems based on the dynamic network slacks-based measure model | |
Ma et al. | A unit commitment algorithm with relaxation-based neighborhood search and improved relaxation inducement | |
CN111046519A (zh) | 一种人工智能技术在电能表误差诊断中的应用分析方法 | |
Bi et al. | Accurate Prediction of Workloads and Resources with Multi-head Attention and Hybrid LSTM for Cloud Data Centers | |
WO2024082836A1 (zh) | 一种水风光储多能互补系统综合效益评估方案寻优方法 | |
Yang et al. | Optimal investment decision of distribution network with investment ability and project correlation constraints | |
Wang et al. | Research on influencing factors of export complexity of Chinese high-tech industry based on big data analysis | |
Onyeisi et al. | Power Generation Capacity and Economic Growth in Nigeria: A Causality Approach. | |
CN115796341A (zh) | 一种基于碳效码的企业低碳经济表现的协同测度方法 | |
Shiyun et al. | Data analysis and cloud computing of power grid infrastructure projects under the background of informatization | |
CN112016631A (zh) | 一种低电压治理相关的改进方案 | |
Liu | Effective combination and application path of computer big data analysis and cloud computing network technology | |
Xia et al. | Research on the Influence of Digital Economy on Rural Governance | |
Zhou et al. | Research on comprehensive utility evaluation model of the infrastructure erp system | |
CN106651056A (zh) | 一种基于设备工况组合的能源预测系统 | |
Han et al. | Research on business collaborative optimization of power grid en-terprises based on data mining algorithm | |
Cong et al. | Study on the Analysis of Business Chain and Evaluation of the Benefits of Standard Implementation in New Power System Based on the Whole-Chain Value Decomposition Approach | |
Zhang et al. | Research on Business Integration Evaluation Management System of Modern Power Supply Enterprises |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |
|
RJ01 | Rejection of invention patent application after publication |