CN113469420A - 一种多元电源系统电力能源结构评价优化方法 - Google Patents

Abstract

一种多元电源系统电力能源结构评价优化方法，该方法先构建多元电源系统电力能源结构评价指标体系，再计算各三级指标的特征值，并基于模糊模式识别法构建各二级指标的指标特征值矩阵、指标相对隶属度矩阵以及指标标准特征值相对隶属度矩阵，然后根据构建的矩阵确定各二级指标的权重向量，求取各二级指标的级别特征值向量，接着以各二级指标的级别特征值作为输入，重复前述步骤得到一级指标的权重向量和级别特征值向量，最后根据评价结果指导进行电源结构优化。本设计不仅客观、准确地实现了能源结构评价优化，而且有效减少了计算量，使得计算结果能快速收敛。

Description

一种多元电源系统电力能源结构评价优化方法

技术领域

本发明属于电力能源结构评价领域，具体涉及一种多元电源系统电力能源结构评价优化方法。

背景技术

随着电网的发展，电力能源供给结构以及电力负荷需求特征将会发生显著变化，风电、光伏等不确定性可再生能源将大规模开发利用，分布式能源、储能、电动汽车等交互式能源设施将大量并网，各种新型用能形式将不断涌现。

在目前低碳化发展的大环境下，未来电网在增加清洁能源装机容量的同时需要满足能源供给充足、平衡、可靠等方面的要求。因此，我国急需对电源结构发展状况的科学性、合理性进行评价分析，进而指导未来电源结构调整规划方案。我国传统的规划研究中，常用的电力能源结构的综合评价方法中，层次分析法检验判断矩阵是否一致非常困难,且检验判断矩阵是否具有一致性的标准CR<0.1缺乏科学依据，专家咨询法过于主观且无法定量显示各底层指标的重要程度；主成分分析法只能科学地求得综合指标的权重，都存在一定的局限性。

发明内容

本发明的目的是针对现有技术存在的上述问题，提供一种客观、准确的多元电源系统电力能源结构评价优化方法。

为实现以上目的，本发明的技术方案如下：

一种多元电源系统电力能源结构评价优化方法，依次包括以下步骤：

步骤一、构建多元电源系统电力能源结构评价指标体系，所述评价指标体系为三层级递阶结构，其一级指标为电源结构合理性，二级指标包括总量层指标、结构层指标、布局层指标，所述总量层指标的三级指标包括电力消费弹性系数、电力装机总量，所述结构层指标的三级指标包括火电装机容量比重、水电装机容量比重、新能源装机容量比重、小容量机组装机占总能源装机的比重、大容量机组装机占总能源装机的比重，所述布局层指标的三级指标包括农村能源消费占区域能源消费总量的比重、虚拟电厂总容量占总能源装机容量的比重；

步骤二、计算各三级指标的特征值，并基于模糊模式识别法构建各二级指标的指标特征值矩阵；

步骤三、构建各二级指标的指标相对隶属度矩阵R与指标标准特征值相对隶属度矩阵S；

步骤四、根据步骤三构建的矩阵确定各二级指标的权重向量；

步骤五、求取各二级指标的级别特征值向量；

步骤六、以各二级指标的级别特征值向量作为输入，重复步骤二～五，得到一级指标的权重向量和级别特征值向量；

步骤七、根据评价结果指导进行电源结构优化。

所述步骤四依次包括以下步骤：

4.1、基于模糊模式识别法确定各二级指标的权重向量W₁，并采用层次分析法得到各二级指标的权重向量W₂；

4.2、通过博弈论对模糊模式识别法和层次分析法的结果进行组合赋权，得到的组合权重W^*为：

上式中，a₁、a₂分别为模糊模式识别法、层次分析法这两种赋值方法的线性组合系数，

分别为对a₁、a₂归一化处理后的结果。

步骤4.1中，所述基于模糊模式识别法确定各二级指标的权重向量W₁的方法依次包括以下步骤：

4.1.1、对于某二级指标，将其指标相对隶属度矩阵R作为评价指标对模糊概念重要性B的相对隶属度矩阵W：

W＝R＝(w_ij),i＝1,2,...,m；j＝1,2,...,n

上式中，w_ij为第j个样本中属于该二级指标的第i个三级指标对模糊概念重要性B的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

4.1.2、根据最小二乘方优化准则，选择欧式距离，确定第i个三级指标的权重w_(i)：

4.1.3、对各三级指标的权重进行归一化，得到该二级指标的权重向量W₁：

W₁＝[w₁，w₂，···，w_m]

步骤4.1中，所述采用层次分析法得到各二级指标的权重向量W₂的方法依次包括以下步骤：

4.1.4、确定各二级指标的判断矩阵H_m×m；

H_m×m＝{h_ab},a＝1,2,...,m；b＝1,2,...,m；a≠b

上式中，h_ab为某二级指标中第a个三级指标对第b个三级指标的相对隶属度，h_aa＝1，m为该二级指标所包含的三级指标数量；

4.1.5、检验矩阵H_m×m内任意元素h_a1、h_1b是否满足h_ab＝h_a1·h_1b,若满足则通过一致性检验，不满足则对判断矩阵进行调整，直至满足一致性要求；

4.1.6、取矩阵H_m×m对应于最大特征根λ的特征向量[w₁，w₂，···，w_m]作为权重向量W₂，其中，

w_i为第i个三级指标对重要性B的影响程度的权重。

所述步骤三依次包括以下步骤：

3.1、先根据指标与电源结构合理性的关系将所有三级指标划分为越小越好型、越中越好型、越大越好型，再针对这三类指标，根据梯形模糊隶属度函数进行无量纲处理：

上式中，r_ij为第j个样本中第i个三级指标的特征值对电源结构合理性A的相对隶属度，x_imin为参考连续统上相对隶属度为0的左极点，x_imax为参考连续统上相对隶属度为1的右极点，p、q为越中越好型指标的适度区间，E₁、E₂、E₃分别为越小越好型、越中越好型、越大越好型指标的集合；

3.2、构建各二级指标的指标相对隶属度矩阵R：

R_m×n＝(r_ij)，0≤r_ij≤1，i＝1，2，…，m，j＝1，2，…，n

上式中，r_ij为第j个样本中属于某二级指标的第i个三级指标的特征值对电源结构合理性A的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

3.3、取模式识别的级别为5级，参考连续统的右极点表示级别1，构建各二级指标的指标标准特征值相对隶属度矩阵S：

S_m×5＝(s_ih)，0≤s_ih≤1，i＝1，2，…，m，h＝1，2，…，5

上式中，s_ih为某二级指标中第i个三级指标在级别h的标准值对电源结构合理性A的相对隶属度；

3.4、先将各二级指标中所有三级指标的相对隶属度分别与对应的矩阵S中的行向量逐一进行比较，确定各二级指标中第i个三级指标所处的级别区间[a_ij，b_ij]，然后根据下列公式得出各二级指标落入矩阵S的级别区间下限a_j与级别区间上限b_j：

所述步骤五依次包括以下步骤：

5.1、对于某二级指标，求取各样本依据各三级指标特征按5级标准值加以识别的模糊识别矩阵U：

U_5×n＝(u_hj)，h＝1，2，...，5；j＝1，2，...，n

上式中，k为任意变量，n为样本的数量，m为该二级指标所包含的三级指标数量；

5.2、根据以下公式得到该二级指标的级别特征值向量H：

上式中，H_j为第j个样本的级别特征值。

步骤二中，所述指标特征值矩阵X为：

X_m×n＝{x_ij},i＝1,2,...,m；j＝1,2,...,n

上式中，x_ij为第j个样本中属于某二级指标的第i个三级指标的实测值，n为样本的数量，m为该二级指标所包含的三级指标数量。

步骤七中，所述指导进行电源结构优化包括：

针对同一电源结构，将各二级指标的输出结果进行对比，得到该电源结构的优势和劣势，从而确定电源结构优化的方向和措施；

对不同电源结构的各二级指标和三级指标的输出进行对比，得到较优电源方案，分析和研究不同电源结构状况的差距，进而分析原因，寻找缩小差距的优化方法。

与现有技术相比，本发明的有益效果为：

本发明一种多元电源系统电力能源结构评价优化方法先构建多元电源系统电力能源结构评价指标体系，再计算各三级指标的特征值，并基于模糊模式识别法构建各二级指标的指标特征值矩阵，随后构建各二级指标的指标相对隶属度矩阵R与指标标准特征值相对隶属度矩阵S，并根据构建的矩阵确定各二级指标的权重向量，求取各二级指标的级别特征值向量，接着以各二级指标的级别特征值作为输入，重复前述步骤得到一级指标的权重向量和级别特征值向量，最后根据评价结果指导进行电源结构优化，该方法从“总量、结构、布局”三个维度建立描述多元电源系统特征的多维度特征集，作为电力能源供给结构分析的基础，并结合电源结构评价问题中影响因素多且相关程度不高等特点，通过模糊集与层次分析法和博弈论法结合进行组合赋权，既能使用客观信息，又能考虑专家建议，不仅实现了评价结果的可视化，能够更客观、准确地反映电源结构的合理性程度，便于对不同的电源结构方案进行比较和分析，便于指导电源结构优化，而且有效减少了计算量，使得计算结果能快速收敛。因此，本发明不仅客观、准确地实现了能源结构评价优化，而且有效减少了计算量，使得计算结果能快速收敛。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合具体实施方式对本发明作进一步详细的说明。

参见图1，一种多元电源系统电力能源结构评价优化方法，依次包括以下步骤：

步骤一、构建多元电源系统电力能源结构评价指标体系，所述评价指标体系为三层级递阶结构，其一级指标为电源结构合理性，二级指标包括总量层指标、结构层指标、布局层指标，所述总量层指标的三级指标包括电力消费弹性系数、电力装机总量，所述结构层指标的三级指标包括火电装机容量比重、水电装机容量比重、新能源装机容量比重、小容量机组装机占总能源装机的比重、大容量机组装机占总能源装机的比重，所述布局层指标的三级指标包括农村能源消费占区域能源消费总量的比重、虚拟电厂总容量占总能源装机容量的比重；

步骤二、计算各三级指标的特征值，并基于模糊模式识别法构建各二级指标的指标特征值矩阵；

步骤三、构建各二级指标的指标相对隶属度矩阵R与指标标准特征值相对隶属度矩阵S；

步骤四、根据步骤三构建的矩阵确定各二级指标的权重向量；

步骤五、求取各二级指标的级别特征值向量；

步骤六、以各二级指标的级别特征值向量作为输入，重复步骤二～五，得到一级指标的权重向量和级别特征值向量；

步骤七、根据评价结果指导进行电源结构优化。

所述步骤四依次包括以下步骤：

4.1、基于模糊模式识别法确定各二级指标的权重向量W₁，并采用层次分析法得到各二级指标的权重向量W₂；

4.2、通过博弈论对模糊模式识别法和层次分析法的结果进行组合赋权，得到的组合权重W^*为：

上式中，a₁、a₂分别为模糊模式识别法、层次分析法这两种赋值方法的线性组合系数，

分别为对a₁、a₂归一化处理后的结果。

步骤4.1中，所述基于模糊模式识别法确定各二级指标的权重向量W₁的方法依次包括以下步骤：

4.1.1、对于某二级指标，将其指标相对隶属度矩阵R作为评价指标对模糊概念重要性B的相对隶属度矩阵W：

W＝R＝(w_ij),i＝1,2,...,m；j＝1,2,...,n

上式中，w_ij为第j个样本中属于该二级指标的第i个三级指标对模糊概念重要性B的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

4.1.2、根据最小二乘方优化准则，选择欧式距离，确定第i个三级指标的权重w_(i)：

4.1.3、对各三级指标的权重进行归一化，得到该二级指标的权重向量W₁：

W₁＝[w₁，w₂，···，w_m]

步骤4.1中，所述采用层次分析法得到各二级指标的权重向量W₂的方法依次包括以下步骤：

4.1.4、确定各二级指标的判断矩阵H_m×m；

H_m×m＝{h_ab},a＝1,2,...,m；b＝1,2,...,m；a≠b

上式中，h_ab为某二级指标中第a个三级指标对第b个三级指标的相对隶属度，h_aa＝1，m为该二级指标所包含的三级指标数量；

4.1.5、检验矩阵H_m×m内任意元素h_a1、h_1b是否满足h_ab＝h_a1·h_1b,若满足则通过一致性检验，不满足则对判断矩阵进行调整，直至满足一致性要求；

4.1.6、取矩阵H_m×m对应于最大特征根λ的特征向量[w₁，w₂，···，w_m]作为权重向量W₂，其中，

w_i为第i个三级指标对重要性B的影响程度的权重。

所述步骤三依次包括以下步骤：

3.1、先根据指标与电源结构合理性的关系将所有三级指标划分为越小越好型、越中越好型、越大越好型，再针对这三类指标，根据梯形模糊隶属度函数进行无量纲处理：

上式中，r_ij为第j个样本中第i个三级指标的特征值对电源结构合理性A的相对隶属度，x_imin为参考连续统上相对隶属度为0的左极点，x_imax为参考连续统上相对隶属度为1的右极点，p、q为越中越好型指标的适度区间，E₁、E₂、E₃分别为越小越好型、越中越好型、越大越好型指标的集合；

3.2、构建各二级指标的指标相对隶属度矩阵R：

R_m×n＝(r_ij)，0≤r_ij≤1，i＝1，2，…，m，j＝1，2，…，n

上式中，r_ij为第j个样本中属于某二级指标的第i个三级指标的特征值对电源结构合理性A的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

3.3、取模式识别的级别为5级，参考连续统的右极点表示级别1，构建各二级指标的指标标准特征值相对隶属度矩阵S：

S_m×5＝(s_ih)，0≤s_ih≤1，i＝1，2，…，m，h＝1，2，…，5

上式中，s_ih为某二级指标中第i个三级指标在级别h的标准值对电源结构合理性A的相对隶属度；

3.4、先将各二级指标中所有三级指标的相对隶属度分别与对应的矩阵S中的行向量逐一进行比较，确定各二级指标中第i个三级指标所处的级别区间[a_ij，b_ij]，然后根据下列公式得出各二级指标落入矩阵S的级别区间下限a_j与级别区间上限b_j：

所述步骤五依次包括以下步骤：

5.1、对于某二级指标，求取各样本依据各三级指标特征按5级标准值加以识别的模糊识别矩阵U：

U_5×n＝(u_hj),h＝1,2,...,5；j＝1,2,...,n

上式中，k为任意变量，n为样本的数量，m为该二级指标所包含的三级指标数量；

5.2、根据以下公式得到该二级指标的级别特征值向量H：

上式中，H_j为第j个样本的级别特征值。

步骤二中，所述指标特征值矩阵X为：

X_m×n＝{x_ij},i＝1,2,...,m；j＝1,2,...,n

上式中，x_ij为第j个样本中属于某二级指标的第i个三级指标的实测值，n为样本的数量，m为该二级指标所包含的三级指标数量。

步骤七中，所述指导进行电源结构优化包括：

针对同一电源结构，将各二级指标的输出结果进行对比，得到该电源结构的优势和劣势，从而确定电源结构优化的方向和措施；

对不同电源结构的各二级指标和三级指标的输出进行对比，得到较优电源方案，分析和研究不同电源结构状况的差距，进而分析原因，寻找缩小差距的优化方法。

本发明的原理说明如下：

本发明通过对比分析不同低碳化发展阶段的电力能源结构特征，结合不同电源的物理属性及功能定位，从“总量、结构、布局”三个维度建立描述多元电源系统特征的多维度特征集，作为电力能源供给结构分析的基础。

目前电力能源结构的综合评价方法中，层次分析法和专家咨询法带有主观性，主成分分析法只能科学地求得综合指标的权重，存在一定的局限性，本发明结合电源结构评价问题中影响因素多且相关程度不高等特点，采用层次分析法和模糊模式识别得到的隶属度通过博弈论进行组合赋权，能够更客观、准确地反映电源结构的合理性程度。同时，上述组合赋权的方式相较于单独采用模糊模式识别赋权可以减少计算量，使得计算结果能更快收敛。

本发明中各指标计算公式如下：

电力消费弹性系数＝电力消费量年平均增长率度/国民经济年平均增长率；

电力装机容量＝该地区电力系统实际安装的发电机组额定有效功率的总和；

火电装机容量比重＝火电装机容量/电力装机容量；

水电装机容量比重＝水电装机容量/电力装机容量；

新能源装机容量比重＝新能源装机容量/电力装机容量；

小容量机组装机占总能源装机的比重＝小容量机组装机容量/电力装机容量；

大容量机组装机占总能源装机的比重＝大容量机组装机容量/电力装机容量；

电能占终端能源消费比重＝电能消费/所有能源消费；

农村能源消费占区域能源消费总量的比重＝农村能源消费/所有能源消费；

虚拟电厂总容量占总能源装机容量的比重＝虚拟电厂总容量/电力装机容量。

实施例1：

参见图1，一种多元电源系统电力能源结构评价优化方法，该方法以我国某省2010-2014年电源结构状况为研究对象，依次按照以下步骤进行：

1、构建多元电源系统电力能源结构评价指标体系，所述评价指标体系为三层级递阶结构，其一级指标为电源结构合理性，二级指标包括总量层指标、结构层指标、布局层指标，所述总量层指标的三级指标包括电力消费弹性系数、电力装机总量，所述结构层指标的三级指标包括火电装机容量比重、水电装机容量比重、新能源装机容量比重、小容量机组装机占总能源装机的比重、大容量机组装机占总能源装机的比重，所述布局层指标的三级指标包括农村能源消费占区域能源消费总量的比重、虚拟电厂总容量占总能源装机容量的比重；

2、收集该地区2010-2014年的上述指标数据作为样本，计算各三级指标的特征值，以总量层指标为例，其计算得到的数据如表1所示：

表1总量层指标计算结果

3、基于模糊模式识别法构建各二级指标的指标特征值矩阵X为：

X_m×n＝{x_ij},i＝1,2,...,m；j＝1,2,...,n

上式中，x_ij为第j个样本中属于某二级指标的第i个三级指标的实测值，n为样本的数量，m为该二级指标所包含的三级指标数量；

本实施例得到的总量层指标的指标特征值矩阵如下：

4、先根据指标与电源结构合理性的关系将所有三级指标划分为越小越好型、越中越好型、越大越好型，再针对这三类指标，根据梯形模糊隶属度函数进行无量纲处理：

上式中，r_ij为第j个样本中第i个三级指标的特征值对电源结构合理性A的相对隶属度，x_imin为参考连续统上相对隶属度为0的左极点，x_imax为参考连续统上相对隶属度为1的右极点，p、q为越中越好型指标的适度区间，E₁、E₂、E₃分别为越小越好型、越中越好型、越大越好型指标的集合；

5、构建各二级指标的指标相对隶属度矩阵R：

R_m×n＝(r_ij)，0≤r_ij≤1，i＝1，2，…，m，j＝1，2，…，n

上式中，r_ij为第j个样本中属于某二级指标的第i个三级指标的特征值对电源结构合理性A的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

本实施例得到的总量层指标的指标相对隶属度矩阵如下：

6、取模式识别的级别为5级，用1，2，3，4，5分别对应很合理、合理、中级、不合理、很不合理共5个级别，参考连续统的右极点表示级别1，构建各二级指标的指标标准特征值相对隶属度矩阵S：

S_m×5＝(s_ih)，0≤s_ih≤1，i＝1，2，…，m，h＝1，2，…，5

上式中，s_ih为某二级指标中第i个三级指标在级别h的标准值对电源结构合理性A的相对隶属度；

本实施例得到的总量层指标的指标相对隶属度矩阵如下：

7、先将各二级指标中所有三级指标的相对隶属度分别与对应的矩阵S中的行向量逐一进行比较，确定各二级指标中第i个三级指标所处的级别区间[α_ij，b_ij]，然后根据下列公式得出各二级指标落入矩阵S的级别区间下限a_j与级别区间上限b_j：

8、基于模糊模式识别法确定各二级指标的权重向量W₁，并采用层次分析法得到各二级指标的权重向量W₂，其中，所述所述基于模糊模式识别法确定各二级指标的权重向量W₁的方法依次按照以下步骤进行：

(1)、对于某二级指标，将其指标相对隶属度矩阵R作为评价指标对模糊概念重要性B的相对隶属度矩阵W：

W＝R＝(w_ij),i＝1,2,...,m；j＝1,2,...,n

上式中，w_ij为第j个样本中属于该二级指标的第i个三级指标对模糊概念重要性B的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

(2)、根据最小二乘方优化准则，选择欧式距离，确定第i个三级指标的权重w_(i)：

(3)、对各三级指标的权重进行归一化，得到该二级指标的权重向量W₁：

W₁＝[w₁，w₂，···，w_m]

所述采用层次分析法得到各二级指标的权重向量W₂的方法依次按照以下步骤进行：

(1)、确定各二级指标的判断矩阵H_m×m；

H_m×m＝{h_ab},a＝1,2,...,m；b＝1,2,...,m；a≠b

上式中，h_ab为某二级指标中第a个三级指标对第b个三级指标的相对隶属度，h_aa＝1，m为该二级指标所包含的三级指标数量；

(2)、检验矩阵H_m×m内任意元素h_a1、h_1b是否满足h_ab＝h_a1·h_1b,若满足则通过一致性检验，不满足则对判断矩阵进行调整，直至满足一致性要求；

(3)、取矩阵H_m×m对应于最大特征根λ的特征向量[w₁，w₂，···，w_m]作为权重向量W₂，其中，

w_i为第i个三级指标对重要性B的影响程度的权重；

9、通过博弈论对模糊模式识别法和层次分析法的结果进行组合赋权，得到的组合权重W^*为：

上式中，a₁、a₂分别为模糊模式识别法、层次分析法这两种赋值方法的线性组合系数，

分别为对a₁、a₂归一化处理后的结果；

本实施例得到的总量层指标的组合权重为：

w₁＝(0.5564,0.4436)

10、对于某二级指标，求取各样本依据各三级指标特征按5级标准值加以识别的模糊识别矩阵U：

U_5×n＝(u_hj),h＝1,2,...,5；j＝1,2,...,n

上式中，k为任意变量，n为样本的数量，m为该二级指标所包含的三级指标数量；

本实施例得到的总量层指标的模糊识别矩阵为：

11、根据以下公式得到该二级指标的级别特征值向量H：

上式中，H_j为第j个样本的级别特征值；

本实施例得到的总量层指标的级别特征值向量为：

H₁＝(4.9961，4.8422，3.8978，2.1696，1.1587)

同理，本实施例得到的结构层指标、布局层指标的级别特征值向量分别为：

H₂＝(4.1574，4.0536，3.2831，1.9234，1.7631)

H₃＝(4.7533，4.2364，3.6293，2.2102，2.0231)

12、以上述二级指标的级别特征值向量作为输入，重复步骤3～11，得到一级指标的权重向量和级别特征值向量分别为：

w₁＝(0.334，0.355，0.311)

H＝(4.3762，4.0117，3.4817，2.6371，2.0565)。

上述评价结果表明，从2010-2014年，该地区电源结构的优化和调整是循序渐进的过程，从明显不合理逐步向合理的方向转变。通过3个二级指标的权重计算结果可知，在影响电源结构优化的3个主要因素中，结构水平对电源结构的影响最大，其次是总量水平。由此可知，在电网低碳发展的要求下，加大水电和新能源发电比重，调整煤电比重，提高供电效率等是改善电源结构优化程度的有效措施。

随着低碳发展观念的推行和能源政策的推进，从2010年开始，该地区电源结构在总量层面上，电力装机持续增加，能源消费弹性系数有所降低，以较低的能源增速支撑较快的经济增长；结构层面上，一次能源需求结构持续优化，从化石能源为主、清洁能源为辅，向清洁能源为主、化石能源为辅的方向转变，高容量、大参数的机组由于具有更高的性能、更优的经济效率和效益而受到越来越多的使用，电源从直接、低效使用向间接、高效使用转变，电能占终端能源消费的比重稳步提升；在布局层面上，随着工业化、城镇化进程，以及人口规模的增长，农村能源消费占区域能源消费总量的比重上升，体现了经济发展向一体化和平衡化发展，虚拟电厂占比增加，体现了系统向智能化、信息化方向发展。其发展趋势和本实施例的评价结果是一致的，这也证明了本发明所述方法的有效性以及准确性。

Claims (8)

1.一种多元电源系统电力能源结构评价优化方法，其特征在于：

所述方法依次包括以下步骤：

步骤一、构建多元电源系统电力能源结构评价指标体系，所述评价指标体系为三层级递阶结构，其一级指标为电源结构合理性，二级指标包括总量层指标、结构层指标、布局层指标，所述总量层指标的三级指标包括电力消费弹性系数、电力装机总量，所述结构层指标的三级指标包括火电装机容量比重、水电装机容量比重、新能源装机容量比重、小容量机组装机占总能源装机的比重、大容量机组装机占总能源装机的比重，所述布局层指标的三级指标包括农村能源消费占区域能源消费总量的比重、虚拟电厂总容量占总能源装机容量的比重；

步骤二、计算各三级指标的特征值，并基于模糊模式识别法构建各二级指标的指标特征值矩阵；

步骤三、构建各二级指标的指标相对隶属度矩阵R与指标标准特征值相对隶属度矩阵S；

步骤四、根据步骤三构建的矩阵确定各二级指标的权重向量；

步骤五、求取各二级指标的级别特征值向量；

步骤六、以各二级指标的级别特征值向量作为输入，重复步骤二～五，得到一级指标的权重向量和级别特征值向量；

步骤七、根据评价结果指导进行电源结构优化。

2.根据权利要求1所述的一种多元电源系统电力能源结构评价优化方法，其特征在于：

所述步骤四依次包括以下步骤：

4.1、基于模糊模式识别法确定各二级指标的权重向量W₁，并采用层次分析法得到各二级指标的权重向量W₂；

4.2、通过博弈论对模糊模式识别法和层次分析法的结果进行组合赋权，得到的组合权重W^*为：

上式中，a₁、a₂分别为模糊模式识别法、层次分析法这两种赋值方法的线性组合系数，

分别为对a₁、a₂归一化处理后的结果。

3.根据权利要求2所述的一种多元电源系统电力能源结构评价优化方法，其特征在于：

步骤4.1中，所述基于模糊模式识别法确定各二级指标的权重向量W₁的方法依次包括以下步骤：

4.1.1、对于某二级指标，将其指标相对隶属度矩阵R作为评价指标对模糊概念重要性B的相对隶属度矩阵W：

W＝R＝(w_ij),i＝1,2,...,m；j＝1,2,...,n

上式中，w_ij为第j个样本中属于该二级指标的第i个三级指标对模糊概念重要性B的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

4.1.2、根据最小二乘方优化准则，选择欧式距离，确定第i个三级指标的权重w_(i)：

4.1.3、对各三级指标的权重进行归一化，得到该二级指标的权重向量W₁：

W₁＝[w₁，w₂，···，w_m]

4.根据权利要求2所述的一种多元电源系统电力能源结构评价优化方法，其特征在于：

步骤4.1中，所述采用层次分析法得到各二级指标的权重向量W₂的方法依次包括以下步骤：

4.1.4、确定各二级指标的判断矩阵H_m×m；

H_m×m＝{h_ab},a＝1,2,...,m；b＝1,2,...,m；a≠b

上式中，h_ab为某二级指标中第a个三级指标对第b个三级指标的相对隶属度，h_aa＝1，m为该二级指标所包含的三级指标数量；

4.1.5、检验矩阵H_m×m内任意元素h_a1、h_1b是否满足h_ab＝h_a1·h_1b,若满足则通过一致性检验，不满足则对判断矩阵进行调整，直至满足一致性要求；

4.1.6、取矩阵H_m×m对应于最大特征根λ的特征向量[w₁，w₂，···，w_m]作为权重向量W₂，其中，

w_i为第i个三级指标对重要性B的影响程度的权重。

5.根据权利要求1-4中任一项所述的一种多元电源系统电力能源结构评价优化方法，其特征在于：

所述步骤三依次包括以下步骤：

3.1、先根据指标与电源结构合理性的关系将所有三级指标划分为越小越好型、越中越好型、越大越好型，再针对这三类指标，根据梯形模糊隶属度函数进行无量纲处理：

上式中，r_ij为第j个样本中第i个三级指标的特征值对电源结构合理性A的相对隶属度，x_imin为参考连续统上相对隶属度为0的左极点，x_imax为参考连续统上相对隶属度为1的右极点，p、q为越中越好型指标的适度区间，E₁、E₂、E₃分别为越小越好型、越中越好型、越大越好型指标的集合；

3.2、构建各二级指标的指标相对隶属度矩阵R：

R_m×n＝(r_ij)，0≤r_ij≤1，i＝1，2，…，m，j＝1，2，…，n

上式中，r_ij为第j个样本中属于某二级指标的第i个三级指标的特征值对电源结构合理性A的相对隶属度，n为样本的数量，m为该二级指标所包含的三级指标数量；

3.3、取模式识别的级别为5级，参考连续统的右极点表示级别1，构建各二级指标的指标标准特征值相对隶属度矩阵S：

S_m×5＝(s_ih)，0≤s_ih≤1，i＝1，2，…，m，h＝1，2，…，5

上式中，s_ih为某二级指标中第i个三级指标在级别h的标准值对电源结构合理性A的相对隶属度；

3.4、先将各二级指标中所有三级指标的相对隶属度分别与对应的矩阵S中的行向量逐一进行比较，确定各二级指标中第i个三级指标所处的级别区间[a_ij，b_ij]，然后根据下列公式得出各二级指标落入矩阵S的级别区间下限a_j与级别区间上限b_j：

6.根据权利要求5所述的一种多元电源系统电力能源结构评价优化方法，其特征在于：

所述步骤五依次包括以下步骤：

5.1、对于某二级指标，求取各样本依据各三级指标特征按5级标准值加以识别的模糊识别矩阵U：

U_5×n＝(u_hj),h＝1,2,...,5；j＝1,2,...,n

上式中，k为任意变量，n为样本的数量，m为该二级指标所包含的三级指标数量；

5.2、根据以下公式得到该二级指标的级别特征值向量H：

上式中，H_j为第j个样本的级别特征值。

7.根据权利要求1-4中任一项所述的一种多元电源系统电力能源结构评价优化方法，其特征在于：

步骤二中，所述指标特征值矩阵X为：

X_m×n＝{x_ij},i＝1,2,...,m；j＝1,2,...,n

上式中，x_ij为第j个样本中属于某二级指标的第i个三级指标的实测值，n为样本的数量，m为该二级指标所包含的三级指标数量。

8.根据权利要求1-4中任一项所述的一种多元电源系统电力能源结构评价优化方法，其特征在于：

步骤七中，所述指导进行电源结构优化包括：

针对同一电源结构，将各二级指标的输出结果进行对比，得到该电源结构的优势和劣势，从而确定电源结构优化的方向和措施；

对不同电源结构的各二级指标和三级指标的输出进行对比，得到较优电源方案，分析和研究不同电源结构状况的差距，进而分析原因，寻找缩小差距的优化方法。

Images