CN113361923A - 一种基于spa和topsis耦合的工业园区负荷灵活度量化方法 - Google Patents

Abstract

本发明涉及工业园区负荷领域，具体涉及一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法。具体步骤为：采集工业园区负荷参与调度后大电网的供给侧与需求侧的电气数据；将数据代入系统优化模型，根据影响灵活度的因素构造评价指标，确定系统的约束条件，得出不同评价指标下的运行模拟结果；将运行模拟结果导入到基于SPA和TOPSIS耦合的灵活度量化评估模型中得到标准化矩阵；用改进的组合赋权法动态确定各评价指标的权重；运用SPA理论中的多元联系度计算决策矩阵中的每一列要素与最优解、中间解和最劣解的同一度、差异度和对立度；得到灵活度的量化评估模型。本发明可有效解决电网企业在量化评估工业园区负荷灵活度时评估结果不准确、不够直观的问题。

Description

一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法

技术领域

本发明涉及工业园区负荷领域，具体涉及一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法。

背景技术

能源是人类生存和发展必不可少的物质基础，是全部人类社会发展和进步的最根本的物质保障。目前，中国已经成为世界上最大的能源消耗国。但同时，大量化石燃料的燃烧带来的环境问题已经严重制约着我国的经济、能源和环境之间的协调发展，社会生产力的跨越式发展给传统的能源供应模式带来了巨大的挑战。积极有效开发利用清洁能源成为我国建设清洁、安全和高效的现代能源体系和实现非化石能源发展目标的重要措施。

近年来，风电的大量接入造成了系统调峰资源的紧张，传统的调度模式已经无法接纳全部的风电，寻求并合理利用除常规电源以外的调峰资源成为亟待解决的问题。在大容量用户与电网之间形成有效的互动机制，是解决问题的可行思路。

需求响应能力对负荷调节资源非常关键，用电客户里有非常多潜在需求响应资源还没有被挖掘。作为电力系统需求侧的重要组成部，工业园区负荷管理，利用用户的用电灵活性,来缓解负荷高峰时的供电紧张状况,有利于电力系统的安全经济运行,削弱电力市场中市场势力的影响,抑制价格尖峰。

通过研究发现，影响工业园区负荷灵活度的因素包括政策层面上和技术层面上和的因素。在政策层面上，主要影响因素包括电价、相关补贴政策等；在技术层面上，主要影响因素包括系统的调峰能力、调频能力、备用水平、负荷特性、电网的输电容量等。但大部分研究着重于供给侧的各种因素对可再生能源消纳的制约与影响。实践研究表明，电网具有不确定性及黑箱性，即电网内部复杂多变，影响因素繁多，只研究需求侧的影响因素未免过于片面。

目前，工业园区负荷占总负荷比例越来越重，对工业园区的研究成为热点。研究发现工业园区负荷具有足够的灵活性，能够在很短的时间内，通过调节电压对不断增加或减少能耗的要求做出反应，且不影响产品的质量。因此，它是一种很有前途的资源，以满足工业和电网的需求。一系列工业园区负荷灵活度的评估模型层出不穷。相对的，大量关于评估工业园区负荷灵活度的文献也随之出现，但目前的研究主要集中在定性评估工业园区负荷的灵活性，评估结果并不准确、不够直观。如何量化评估工业园区负荷的灵活度的文献较少，并且大多只应用需求侧的线性指标进行评估，面对复杂多变的大电网，这样的评估指标并不能有效的揭示工业园区负荷的灵活度。

发明内容

发明目的

本发明提出一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，可有效解决电网企业在量化评估工业园区负荷灵活度时评估结果并不准确、不够直观的问题。

技术方案

一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于：按照以下步骤执行：

步骤一：采集工业负荷参与调度后大电网的供给侧与需求侧的电气数据，包括电气运行参数、电能产出量和电能需求量；

步骤二：根据影响工业园区负荷灵活度的因素，得出评价指标，构建工业园区灵活度评估体系，将步骤一中采集的数据带入到评估体系中，得出不同评价指标下的运行模拟结果；

步骤三：将步骤二中的各评价指标下的运行模拟结果导入到SPA和TOPSIS耦合的工业园区负荷灵活度量化评估模型中，得到标准化矩阵；

步骤四：根据步骤三中得到的标准化矩阵，用改进的组合赋权法确定各评价指标的权重；

步骤五：将步骤四中确定的各评价指标的权重与步骤三得到的标准化矩阵相乘得到决策矩阵；

步骤六：将步骤五得到的决策矩阵代入TOPSIS模型得到决策矩阵的最优解、中间解和最劣解；

步骤七：运用SPA理论中的多元联系度，计算决策矩阵中的每一列要素与第六步中所得的最优解、中间解和最劣解的同一度、差异度和对立度；

步骤八：根据步骤七中的同一度、差异度和对立度计算指标之间的联系度，得到工业园区负荷灵活度的量化评估模型。

在步骤二所述的评估指标方面包括：经济性、优质性、安全性、高效性；经济性包含非线性的电价敏感度和用电成本；优质性包含可调节深度、响应偏差率和故障率；高效性包含最大可调节速率、最大可调节时间和能耗率；安全性包含用电安全记录、用电违规记录和调节电压对电网稳定性的影响，量化工业园区负荷的灵活度。

提出非线性电价敏感度，并且综合考虑建成成本、运维成本和折损成本的用电成本，量化工业园区负荷的灵活度；

指标C₁：非线性的电价敏感度：

式中：a为工业园区负荷i能够有所转移最小电价差，b为工业园区负荷i极限转移率所对应的最大电价差，λ_gd为该负荷的极限转移率，x为实时电价差，k为转移系数，取2；

指标C₂：用电成本：

式中：T_l为工业园区负荷i的平均设备寿命期；

为工业园区负荷i在第t年的设备利用小时数；C_i,t为工业园区负荷i在第t年的装机规模；

分别为工业园区负荷i的建成成本、运维成本和折损成本。

在步骤四中所述的改进的组合赋权法，引入灰色关联系数对熵权法进行改进，考虑指标之间的关联程度，并且将改进后的熵权法和层次分析法相组合，以得到各个指标的权重；

在步骤四中所述的改进的组合赋权法如下：

①改进熵权法确定工业园区负荷灵活度的客观权重；

数据选取后，用初始矩阵A表示，针对具有不同的量纲和数量级的评价指标体系，数据进行规范化处理，以实现实际值到指标评价值的转化；采用初值化、均值化和区间相对化的方法；

对初始矩阵A进行正向化、无量纲、规范化处理后，得到矩阵B：

参考矩阵取：

B₀＝{max(b₁₁,b₁₂...b_1n),max(b₂₁,b₂₂...b_2n),...max(b_m1,b_m2...b_mn)}^T (5)

灰色关联系数的计算：

式中：i＝1,2,…,m；为m个评价指标，j＝1,2,…，n；为n个工业园区负荷用户，ρ取0.5；

对矩阵C进行标准化的矩阵Z

计算第j项指标下第i个样本值占该指标的比重：

计算各项指标的熵：

式中，k＝1/ln(n)>0

计算各项指标的权重：

式中：

为所有e_j不等于1的平均值，ω_i为第i个指标对应的权重，ω_i1，ω_i2为第i个指标的分权重；

②层次分析法确定权重：

式中：b_ij为因素指标b_i对因素指标b_j的重要性，υ_i为层次分析法所确定的第i个指标所对应的权重；

最终的各个指标的组合权重：

式中：W_i为第i个指标的组合权重；

根据上述公式，可以得到各项评价指标的综合权重向量：

W＝(W₁,W₂,...,W_m)^T (15)

在步骤六中将决策矩阵代入TOPSIS模型得到决策矩阵的最优解、中间解和最劣解；

采用改进组合赋权法的SPA和TOPSIS耦合后的工业园区负荷灵活度量化模型，将所有评价指标正向化后，构建正向化矩阵：

式中：x_ij为第j个工业园区负荷的第i个评价指标；

将正向化矩阵标准化，构建标准化矩阵Z，Z中的每一个元素为：

构建加权决策矩阵：将无量纲矩阵Z_ij与各指标对应的权重相乘，得到加权决策矩阵：

V_ij＝W_i×Z_ij，(i＝1，2，…，m；j＝1，2，...，n) (18)

确定评价体系的正理想解S_max、负理想解S_min和中间理想解S_mid；S_max为m个工业园区负荷各评价指标的最优值组成的集合，S_min为m个工业园区负荷各评价指标的最劣值组成的集合，S_mid为m个工业园区负荷各评价指标数据的平均值；

计算工业园区负荷A的灵活度；计算工业园区负荷A_j与理想解S_max、中间理想解S_mid和最劣理想解S_min的欧氏距离；

式中：d_jmax、d_jmid、d_jmin为决策矩阵中的第j个工业园区负荷与理想解S_max、中间理想解S_mid和最劣理想解S_min的欧氏距离。

在步骤八中，引入SPA对TOPSIS模型进行改进，从同、异、反三个方面考虑工业园区负荷的灵活度；

在步骤八中所述的基于SPA和TOPSIS耦合的工业园区负荷灵活度量化模型为：

u(A_j,A₀)＝a+bI_j+cj (20)

式中j＝-1，u(A_j,A₀)为第j个工业园区负荷的灵活度。

优点及效果：

1、考虑了非线性的电价敏感度和用电成本。传统灵活度模型评估模型主要是评估误差大的主要原因在于采用线性的需求侧指标，然而多种柔性负荷的园区配电网内部参数复杂，非线性因素繁多，具有复杂的非线性关系。且传统的量化评估模型仅从需求侧考虑了可调节容量、可维持时长、经济性等指标，电网内部复杂多变，复杂因素繁多，柔性条件的改变能够引起电网内部众多的连锁反应，导致需求侧与供给侧的数据变化并不是简单的线性关系，故仅考虑需求侧，而进行量化评估并不能有效的揭示出工业园区负荷的灵活度。本发明将非线性的电价敏感度和用电成本考虑到影响工业园区负荷的灵活度的评价指标内，能够更加准确地量化工业园区负荷的灵活度。

2、建立了基于SPA和TOPSIS耦合的工业园区负荷灵活度量化模型。传统TOPSIS模型在计算待评价对象与正、负理想解的距离时，如果评价对象与正、负理想解的距离都很近，则不能准确真实地反应各评价对象的灵活度。本发明引入集对分析理论(SPA)和中间解。从同、异、反三个角度准确的反映出评价对象与各解之间的联系度，使得工业园区负荷灵活度量化评估方法更加客观，结果更加直观，更具有说服力。

附图说明

附图1为工业园区负荷灵活度量化方法总体流程图；

附图2为工业园区负荷灵活度评价指标图；

附图3为改进组合赋权法总体流程图；

附图4为灵活度求解逻辑关系图。

具体实施方式

本方法是一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化模型。首先，确定了工业园区负荷的灵活度的评价指标和约束条件；其次，利用改进的组合赋权算法对各归一化后的评价指标进行赋权；再次；利根据各个归一化后的指标和权重得到对工业园区负荷的灵活度决策矩阵；最后，基于SPA和TOPSIS耦合模型得到对工业园区负荷的灵活度量化模型。

本方法特征在于：该方法的步骤如下：

步骤一：采集工业负荷参与调度后大电网的供给侧与需求侧的电气运行参数、电能产出量和电能需求量等电气数据；

步骤二：根据影响工业园区负荷灵活度的因素，得出评价指标，构建工业园区灵活度评估体系，将第一步中采集的数据带入到评估体系中，得出不同评价指标下的运行模拟结果；

步骤三：将第二步中的各评价指标下的运行模拟结果导入到SPA和TOPSIS耦合的工业园区负荷灵活度量化评估模型中得到标准化矩阵；

步骤四：根据步骤三中得到的工业园区负荷的灵活度量化评估模型中得到的标准化矩阵，用改进的组合赋权法确定各评价指标的权重；

步骤五：将第四步中的确定的各评价指标的权重与第三步得到的标准化矩阵相乘得到决策矩阵；

步骤六：将第五步得到的决策矩阵代入TOPSIS模型得到决策矩阵的最优解中间解和最劣解；

步骤七：运用SPA理论中的多元联系度计算决策矩阵中的每一列要素与第六步中所得的最优解、中间解和最劣解的同一度、差异度和对立度；

步骤八：根据第七步中的同一度、差异度和对立度计算指标之间的联系度，得到工业园区负荷灵活度的量化评估模型。

步骤二所述的评估指标包括经济、优质、安全、高效这四个方面，其中经济性包含电价敏感度和用电成本；优质性包含可调节深度、响应偏差率和故障率；高效性包含最大可调节速率、最大可调节时间和能耗率；安全性包含用电安全记录、用电违规记录和调节电压对电网稳定性的影响，量化工业园区负荷的灵活度。在本方法中首次提出非线性的电价敏感度和用电成本两个指标，可有效解决在电网企业在选择工业园区负荷用户作为峰谷时段市场备用时的评估问题的公约园区负荷的灵活度量化方法。

所述的四个方面的评价指标和对应的约束条件的定义如下：

经济性包含电价敏感度和用电成本。

指标C₁：非线性的电价敏感度：

式中：a为工业园区负荷i能够有所转移最小电价差，b为工业园区负荷i极限转移率所对应的最大电价差，λ_gd为该负荷的极限转移率。x为实时电价差。

指标C₂：用电成本：

式中：T_l为工业园区负荷i的平均设备寿命期；

为工业园区负荷i在第t年的设备利用小时数；C_i,t为工业园区负荷i在第t年的装机规模。

分别为工业园区负荷i的建成成本、运维成本和折损成本。

优质性包含可调节深度、响应偏差率和故障率。

指标C₃：可调节深度：

式中：

为调节前t时刻的标准化后负荷用电功率；

为调节后t时刻的标准化负荷用电功率

指标C₄：响应偏差率：

式中：P_i,need为第i个工业园区负荷所需要响应的量，P_i,sj为第i个工业园区负荷所实际响应的量。

指标C₅：故障率：

式中：j_i为工业园区负荷i的故障停机时间，t_i,z为工业园区负荷i的额定运行时间。

高效性包含负荷的最大可调节速率、最大可调节时间、能耗率。

指标C₆：最大可调节速率：

式中；Δ_i为工业园区负荷i的调节速率；λ＝1表示负荷进行上调节，λ＝0表示负荷进行下调节；P_rated为可调节负荷的额定值；P_max、P_min分别为负荷可调节能力上、下限。

指标C₇：最大可调节时间：

t_adj,max＝t_ret-t_on＝max(t_ret,i-t_on,i)

式中：t_on为初始调节时间；t_ret为返回时间；t_ret,it_ret,i分别为工业园区负荷i的返回时间、初始调节时间。

指标C₈：能耗率：

式中：W_Z为第i个工业园区负荷的能源消耗量，W_C为第i个工业园区负荷的产量。

安全性包含用电安全记录、用电违规记录和调节电压对电网稳定性的影响。

指标C₉：参与电网需求响应的完成率：

式中：R_i,N1为第i个工业园区负荷完成电网需求响应的次数，R_i,N为第i个工业园区负荷参与电网需求响应的总次数。

指标C₁₀：参与电网需求响应的违规率：

R_i,V＝1-R_i,se

式中：R_i,se为第i个工业园区负荷参与电网需求响应的完成率。

指标C₁₁：调节电压对电网稳定性的影响：

式中：UI为线路过负荷程度，UI值越高，电压冲击性越强，对电力系统安全运行影响越大；U_i为第i个工业园区负荷的调节电压，

为第i个工业园区负荷的调节电压的平均值。

约束条件如下：

(1)电压限制

U_min≤U_t≤U_max

U_max代表可调节电压的最大值；U_min代表可调节电压的最小值。

(2)热平衡约束

热平衡是提供灵活性关键的问题,如果温度过高，冰晶石会融化到罐壁上，腐蚀罐。为了保证生产过程的安全，需要将温度限制在一定范围内。热平衡约束可以表示为：

式中：

为T_keep小时维持温度所需的最小输入能量。Q⁰ _i,t'为时间段时第i个工业园区负荷的功率。

(3)调节持续时长约束：

T_LH,min≤T_Keep≤T_LH,max

T_LH,min、T_LH,max分别为可调节的允许的调节持续最小、最大时长。

(4)可调节负荷功率约束：

0≤ΔQ_LH≤ΔQ_LHm

式中：ΔQ_LHmax为调节工业园区负荷最大上调功率。

(5)环保约束：

化石能源产生的各类排放满足区域相关环保目标要求：

式中：

为工业园区负荷i在第t年的单位碳排放系数；

为工业园区负荷i在第t年的度电耗能系数；

为第t年的碳排放上限。

在步骤四中所述的改进的组合赋权法如下：

1)层次分析法确定权重：

构造判断矩阵：根据三标尺尺度法对评价指标的重要性进行评分，并构建判断矩阵B。

式中：b_ij为因素(指标)b_i对因素(指标)b_j的重要性，b_ij>0，b_ij＝1/b_ji。

权重向量为：

一致性检验，判断矩阵最大n次根的计算：

一致性检验：

RI通过查表可得，

CR＜0.1则可以通过一致性检验。

2)改进熵权法确定工业园区负荷灵活度的客观权重

数据选取后，用初始矩阵A表示，由于评价指标体系具有不同的量纲和数量级，因此需要对数据进行规范化处理，以实现实际值到指标评价值的转化。通常可采用初值化、均值化和区间相对化等方法。

对初始矩阵A进行正向化、无量纲、规范化处理后，得到矩阵B：

参考矩阵取：

B₀＝{max(b₁₁,b₁₂...b_1n),max(b₂₁,b₂₂...b_2n),...max(b_m1,b_m2...b_mn)}^T

灰色关联系数的计算：

式中：i＝1,2,…,m；为m个评价指标，j＝1,2,…，n；为n个工业园区负荷用户。ρ取0.5。

对矩阵C进行标准化的矩阵Z

计算第j项指标下第i个样本值占该指标的比重：

计算各项指标的权重：

式中，k＝1/ln(n)>0

式中：

为所有e_j不等于1的平均值。

最终的各个指标的组合权重：

根据上述公式，可以得到各项评价指标的综合权重向量：

W＝(W₁,W₂,...,W_m)^T

以往对于工业园区负荷的灵活度的分析居多，但没有建立一个直观的定量的标准进行评估，且对于各个评价指标的权重采用人为，主观赋权，没有客观性，改进的组合赋权法解决了这一缺点，使得在对各评价指标进行赋权时既考虑了主观经验，又考虑了数据的客观性，同时引入了灰熵算法，考虑了指标之间的相关性，使得评价指标的权重更客观，准确。

在步骤六中将决策矩阵代入TOPSIS模型得到决策矩阵的最优解、中间解和最劣解：

采用改进组合赋权法的SPA和TOPSIS耦合后的工业园区负荷灵活度量化模型，将所有评价指标正向化后，构建正向化矩阵：

式中：x_ij为第j个工业园区负荷的第i个评价指标。

将正向化矩阵标准化，构建标准化矩阵Z，Z中的每一个元素为：

构建加权决策矩阵。将无量纲矩阵Z_ij与各指标对应的权重相乘，得到加权决策矩阵：

V_ij＝W_i×Z_ij(i＝1,2,...,m；j＝1,2,...,n)

确定评价体系的正理想解S_max、负理想解S_min和中间理想解S_mid。S_max为m个工业园区负荷各评价指标的最优值组成的集合，S_min为m个工业园区负荷各评价指标的最劣值组成的集合，S_mid为m个工业园区负荷各评价指标数据的平均值。

计算工业园区负荷A的灵活度。计算工业园区负荷A_j与理想解S_max、中间理想解S_mid和最劣理想解S_min的欧氏距离。

在步骤八中所述的基于SPA和TOPSIS耦合的工业园区负荷灵活度量化模型为：

u(A_j,A₀)＝a+bI_j+cj

式中j＝-1，u(A_j,A₀)为第j个工业园区负荷的灵活度。

本方法提出一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，改善了传统的量化模型中权重和指标线性加权的缺点，更加准确地量化工业园区负荷的灵活度。

下面结合附图，对本发明加以具体描述；

为实现上述发明目的，本发明一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于，包括以下步骤：

如附图1所示，首先，确定了工业园区负荷的灵活度的评价指标和约束条件；其次，利用改进的组合赋权算法对各归一化后的评价指标进行赋权；再次；利根据各个归一化后的指标和权重得到对工业园区负荷的灵活度决策矩阵；最后，基于SPA和TOPSIS耦合模型得到对工业园区负荷的灵活度量化模型。

具体实施方案如下：

如图2所示，首先确定评价指标和约束条件：

(1)评价指标：

经济性包含电价敏感度和用电成本。

指标C₁：非线性的电价敏感度：

式中：a为工业园区负荷i能够有所转移最小电价差，b为工业园区负荷i极限转移率所对应的最大电价差，λ_gd为该负荷的极限转移率。x为实时电价差。

指标C₂：用电成本：

式中：T_l为工业园区负荷i的平均设备寿命期；

为工业园区负荷i在第t年的设备利用小时数；C_i,t为工业园区负荷i在第t年的装机规模。

分别为工业园区负荷i的建成成本、运维成本和折损成本。

优质性包含可调节深度、响应偏差率和故障率。

指标C₃：可调节深度：

式中：

为调节前t时刻的标准化后负荷用电功率；

为调节后t时刻的标准化负荷用电功率

指标C₄：响应偏差率：

式中：P_i,need为第i个工业园区负荷所需要响应的量，P_i,sj为第i个工业园区负荷所实际响应的量。

指标C₅：故障率：

式中：j_i为工业园区负荷i的故障停机时间，t_i,z为工业园区负荷i的额定运行时间。

高效性包含负荷的最大可调节速率、最大可调节时间、能耗率。

指标C₆：最大可调节速率：

式中；Δ_i为工业园区负荷i的调节速率；λ＝1表示负荷进行上调节，λ＝0表示负荷进行下调节；P_rated为可调节负荷的额定值；P_max、P_min分别为负荷可调节能力上、下限。

指标C₇：最大可调节时间：

t_adj,max＝t_ret-t_on＝max(t_ret,i-t_on,i)

式中：t_on为初始调节时间；t_ret为返回时间；t_ret,it_ret,i分别为工业园区负荷i的返回时间、初始调节时间。

指标C₈：能耗率：

式中：W_Z为第i个工业园区负荷的能源消耗量，W_C为第i个工业园区负荷的产量。

安全性包含用电安全记录、用电违规记录和调节电压对电网稳定性的影响。

指标C₉：参与电网需求响应的完成率：

式中：R_i,N1为第i个工业园区负荷完成电网需求响应的次数，R_i,N为第i个工业园区负荷参与电网需求响应的总次数。

指标C₁₀：参与电网需求响应的违规率：

R_i,V＝1-R_i,se

式中：R_i,se为第i个工业园区负荷参与电网需求响应的完成率。

指标C₁₁：调节电压对电网稳定性的影响：

式中：UI为线路过负荷程度，UI值越高，电压冲击性越强，对电力系统安全运行影响越大；U_i为第i个工业园区负荷的调节电压，

为第i个工业园区负荷的调节电压的平均值。

(2)约束条件：

(1)电压限制

U_min≤U_t≤U_max

U_max代表可调节电压的最大值；U_min代表可调节电压的最小值。

(2)热平衡约束

热平衡是提供灵活性关键的问题,如果温度过高，冰晶石会融化到罐壁上，腐蚀罐。为了保证生产过程的安全，需要将温度限制在一定范围内。热平衡约束可以表示为：

式中：

为T_keep小时维持温度所需的最小输入能量。Q⁰ _i,t'为时间段时第i个工业园区负荷的功率。

(3)调节持续时长约束：

T_LH,min≤T_Keep≤T_LH,max

T_LH,min、T_LH,max分别为可调节的允许的调节持续最小、最大时长。

(4)可调节负荷功率约束：

0≤ΔQ_LH≤ΔQ_LHmax

式中：ΔQ_LHmax为调节工业园区负荷最大上调功率。

(5)环保约束：

化石能源产生的各类排放满足区域相关环保目标要求：

式中：

为工业园区负荷i在第t年的单位碳排放系数；

为工业园区负荷i在第t年的度电耗能系数；

为第t年的碳排放上限。

其次，利用改进的组合赋权算法对各归一化后的评价指标进行赋权，如图3所示。

1)层次分析法确定权重：

构造判断矩阵：根据三标尺尺度法对评价指标的重要性进行评分，并构建判断矩阵B。

式中：b_ij为因素(指标)b_i对因素(指标)b_j的重要性，b_ij>0，b_ij＝1/b_ji。

权重向量为：

一致性检验，判断矩阵最大n次根的计算：

一致性检验：

RI通过查表可得，

CR＜0.1则可以通过一致性检验。

2)改进熵权法确定工业园区负荷灵活度的客观权重

数据选取后，用初始矩阵A表示，由于评价指标体系具有不同的量纲和数量级，因此需要对数据进行规范化处理，以实现实际值到指标评价值的转化。通常可采用初值化、均值化和区间相对化等方法。

对初始矩阵A进行正向化、无量纲、规范化处理后，得到矩阵B：

参考矩阵取：

B₀＝{max(b₁₁,b₁₂...b_1n),max(b₂₁,b₂₂...b_2n),...max(b_m1,b_m2...b_mn)}^T

灰色关联系数的计算：

式中：i＝1,2,…,m；为m个评价指标，j＝1,2,…，n；为n个工业园区负荷用户。ρ取0.5。

对矩阵C进行标准化的矩阵Z

计算第j项指标下第i个样本值占该指标的比重：

计算各项指标的权重：

式中，k＝1/ln(n)>0

式中：

为所有e_j不等于1的平均值。

最终的各个指标的组合权重：

根据上述公式，可以得到各项评价指标的综合权重向量：

W＝(W₁,W₂,...,W_m)^T

以往对于工业园区负荷的灵活度的分析居多，但没有建立一个直观的定量的标准进行评估，且对于各个评价指标的权重采用人为，主观赋权，没有客观性，改进的组合赋权法解决了这一缺点，使得在对各评价指标进行赋权时既考虑了主观经验，又考虑了数据的客观性，同时引入了灰熵算法，考虑了指标之间的相关性，使得评价指标的权重更客观，准确。

最后，基于SPA和TOPSIS耦合模型得到对工业园区负荷的灵活度量化模型。

如附图4所示，采用改进组合赋权法的SPA和TOPSIS耦合后的工业园区负荷灵活度量化模型，将所有评价指标正向化后，构建正向化矩阵：

式中：x_ij为第j个工业园区负荷的第i个评价指标。

将正向化矩阵标准化，构建标准化矩阵Z，Z中的每一个元素为：

构建加权决策矩阵。将无量纲矩阵Z_ij与各指标对应的权重相乘，得到加权决策矩阵：

V_ij＝W_i×Z_ij(i＝1,2,...,m；j＝1,2,...,n)

确定评价体系的正理想解S_max、负理想解S_min和中间理想解S_mid。S_max为m个工业园区负荷各评价指标的最优值组成的集合，S_min为m个工业园区负荷各评价指标的最劣值组成的集合，S_mid为m个工业园区负荷各评价指标数据的平均值。

计算工业园区负荷A的灵活度。计算工业园区负荷A_j与理想解S_max、中间理想解S_mid和最劣理想解S_min的欧氏距离。

u(A_j,A₀)＝a+bI_j+cj

式中j＝-1，u(A_j,A₀)为第j个工业园区负荷的灵活度。

本方法提出一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，改善了传统的量化模型中权重和指标线性加权的缺点，更加准确地量化工业园区负荷的灵活度。

以上技术特征构成了本发明的实施例，其具有较强的适应性和实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。

Claims (6)

1.一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于：按照以下步骤执行：

步骤一：采集工业负荷参与调度后大电网的供给侧与需求侧的电气数据，包括电气运行参数、电能产出量和电能需求量；

步骤二：根据影响工业园区负荷灵活度的因素，得出评价指标，构建工业园区灵活度评估体系，将步骤一中采集的数据带入到评估体系中，得出不同评价指标下的运行模拟结果；

步骤三：将步骤二中的各评价指标下的运行模拟结果导入到SPA和TOPSIS耦合的工业园区负荷灵活度量化评估模型中，得到标准化矩阵；

步骤四：根据步骤三中得到的标准化矩阵，用改进的组合赋权法确定各评价指标的权重；

步骤五：将步骤四中确定的各评价指标的权重与步骤三得到的标准化矩阵相乘得到决策矩阵；

步骤六：将步骤五得到的决策矩阵代入TOPSIS模型得到决策矩阵的最优解、中间解和最劣解；

步骤七：运用SPA理论中的多元联系度，计算决策矩阵中的每一列要素与第六步中所得的最优解、中间解和最劣解的同一度、差异度和对立度；

步骤八：根据步骤七中的同一度、差异度和对立度计算指标之间的联系度，得到工业园区负荷灵活度的量化评估模型。

2.根据权利要求1所述的一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于：在步骤二所述的评估指标方面包括：经济性、优质性、安全性、高效性；经济性包含非线性的电价敏感度和用电成本；优质性包含可调节深度、响应偏差率和故障率；高效性包含最大可调节速率、最大可调节时间和能耗率；安全性包含用电安全记录、用电违规记录和调节电压对电网稳定性的影响，量化工业园区负荷的灵活度。

3.根据权利要求2所述的一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于：提出非线性电价敏感度，并且综合考虑建成成本、运维成本和折损成本的用电成本，量化工业园区负荷的灵活度；

指标C₁：非线性的电价敏感度：

式中：a为工业园区负荷i能够有所转移最小电价差，b为工业园区负荷i极限转移率所对应的最大电价差，λ_gd为该负荷的极限转移率，x为实时电价差，k为转移系数，取2；

指标C₂：用电成本：

式中：T_l为工业园区负荷i的平均设备寿命期；

为工业园区负荷i在第t年的设备利用小时数；C_i,t为工业园区负荷i在第t年的装机规模；

分别为工业园区负荷i的建成成本、运维成本和折损成本。

4.根据权利要求1所述的一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于：在步骤四中所述的改进的组合赋权法，引入灰色关联系数对熵权法进行改进，考虑指标之间的关联程度，并且将改进后的熵权法和层次分析法相组合，以得到各个指标的权重；

在步骤四中所述的改进的组合赋权法如下：

①改进熵权法确定工业园区负荷灵活度的客观权重；

数据选取后，用初始矩阵A表示，针对具有不同的量纲和数量级的评价指标体系，数据进行规范化处理，以实现实际值到指标评价值的转化；采用初值化、均值化和区间相对化的方法；

对初始矩阵A进行正向化、无量纲、规范化处理后，得到矩阵B：

参考矩阵取：

B₀＝{max(b₁₁,b₁₂...b_1n),max(b₂₁,b₂₂...b_2n),...max(b_m1,b_m2...b_mn)}^T (5)

灰色关联系数的计算：

式中：i＝1,2,…,m；为m个评价指标，j＝1,2,…，n；为n个工业园区负荷用户，ρ取0.5；

对矩阵C进行标准化的矩阵Z

计算第j项指标下第i个样本值占该指标的比重：

计算各项指标的熵：

式中，k＝1/ln(n)>0

计算各项指标的权重：

式中：

为所有e_j不等于1的平均值，ω_i为第i个指标对应的权重，ω_i1，ω_i2为第i个指标的分权重；

②层次分析法确定权重：

式中：b_ij为因素指标b_i对因素指标b_j的重要性，υ_i为层次分析法所确定的第i个指标所对应的权重；

最终的各个指标的组合权重：

式中：W_i为第i个指标的组合权重；

根据上述公式，可以得到各项评价指标的综合权重向量：

W＝(W₁,W₂,...,W_m)^T (15) 。

5.根据权利要求1所述的一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于：

在步骤六中将决策矩阵代入TOPSIS模型得到决策矩阵的最优解、中间解和最劣解；

采用改进组合赋权法的SPA和TOPSIS耦合后的工业园区负荷灵活度量化模型，将所有评价指标正向化后，构建正向化矩阵：

式中：x_ij为第j个工业园区负荷的第i个评价指标；

将正向化矩阵标准化，构建标准化矩阵Z，Z中的每一个元素为：

构建加权决策矩阵：将无量纲矩阵Z_ij与各指标对应的权重相乘，得到加权决策矩阵：

V_ij＝W_i×Z_ij，(i＝1，2，...，m；j＝1，2，...，n) (18)

确定评价体系的正理想解S_max、负理想解S_min和中间理想解S_mid；S_max为m个工业园区负荷各评价指标的最优值组成的集合，S_min为m个工业园区负荷各评价指标的最劣值组成的集合，S_mid为m个工业园区负荷各评价指标数据的平均值；

计算工业园区负荷A的灵活度；计算工业园区负荷A_j与理想解S_max、中间理想解S_mid和最劣理想解S_min的欧氏距离；

式中：d_jmax、d_jmid、d_jmin为决策矩阵中的第j个工业园区负荷与理想解S_max、中间理想解S_mid和最劣理想解S_min的欧氏距离。

6.根据权利要求1所述的一种基于SPA和TOPSIS耦合的工业园区负荷灵活度量化方法，其特征在于：在步骤八中，引入SPA对TOPSIS模型进行改进，从同、异、反三个方面考虑工业园区负荷的灵活度；

在步骤八中所述的基于SPA和TOPSIS耦合的工业园区负荷灵活度量化模型为：

u(A_j,A₀)＝a+bI_j+cj (20)

式中j＝-1，u(A_j,A₀)为第j个工业园区负荷的灵活度。

Images