CN113469420A - 一种多元电源系统电力能源结构评价优化方法 - Google Patents
一种多元电源系统电力能源结构评价优化方法 Download PDFInfo
- Publication number
- CN113469420A CN113469420A CN202110660833.0A CN202110660833A CN113469420A CN 113469420 A CN113469420 A CN 113469420A CN 202110660833 A CN202110660833 A CN 202110660833A CN 113469420 A CN113469420 A CN 113469420A
- Authority
- CN
- China
- Prior art keywords
- index
- level
- power supply
- matrix
- indexes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000011156 evaluation Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 72
- 239000013598 vector Substances 0.000 claims abstract description 64
- 238000012567 pattern recognition method Methods 0.000 claims abstract description 20
- 238000005265 energy consumption Methods 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 description 11
- 238000011161 development Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
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
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:
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=(wij),i=1,2,...,m;j=1,2,...,n
上式中,wij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,···,wm]
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Hm×m;
Hm×m={hab},a=1,2,...,m;b=1,2,...,m;a≠b
上式中,hab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,haa=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Hm×m内任意元素ha1、h1b是否满足hab=ha1·h1b,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;
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,rij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,ximin为参考连续统上相对隶属度为0的左极点,ximax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:
Rm×n=(rij),0≤rij≤1,i=1,2,…,m,j=1,2,…,n
上式中,rij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:
Sm×5=(sih),0≤sih≤1,i=1,2,…,m,h=1,2,…,5
上式中,sih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[aij,bij],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aj与级别区间上限bj:
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:
U5×n=(uhj),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,Hj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:
Xm×n={xij},i=1,2,...,m;j=1,2,...,n
上式中,xij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:
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=(wij),i=1,2,...,m;j=1,2,...,n
上式中,wij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,···,wm]
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Hm×m;
Hm×m={hab},a=1,2,...,m;b=1,2,...,m;a≠b
上式中,hab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,haa=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Hm×m内任意元素ha1、h1b是否满足hab=ha1·h1b,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;
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,rij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,ximin为参考连续统上相对隶属度为0的左极点,ximax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:
Rm×n=(rij),0≤rij≤1,i=1,2,…,m,j=1,2,…,n
上式中,rij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:
Sm×5=(sih),0≤sih≤1,i=1,2,…,m,h=1,2,…,5
上式中,sih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[aij,bij],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aj与级别区间上限bj:
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:
U5×n=(uhj),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,Hj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:
Xm×n={xij},i=1,2,...,m;j=1,2,...,n
上式中,xij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:
Xm×n={xij},i=1,2,...,m;j=1,2,...,n
上式中,xij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,rij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,ximin为参考连续统上相对隶属度为0的左极点,ximax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:
Rm×n=(rij),0≤rij≤1,i=1,2,…,m,j=1,2,…,n
上式中,rij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:
Sm×5=(sih),0≤sih≤1,i=1,2,…,m,h=1,2,…,5
上式中,sih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[αij,bij],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aj与级别区间上限bj:
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=(wij),i=1,2,...,m;j=1,2,...,n
上式中,wij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,···,wm]
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Hm×m;
Hm×m={hab},a=1,2,...,m;b=1,2,...,m;a≠b
上式中,hab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,haa=1,m为该二级指标所包含的三级指标数量;
(2)、检验矩阵Hm×m内任意元素ha1、h1b是否满足hab=ha1·h1b,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;
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:
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:
U5×n=(uhj),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,Hj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。
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=(wij),i=1,2,...,m;j=1,2,...,n
上式中,wij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,···,wm]
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Hm×m;
Hm×m={hab},a=1,2,...,m;b=1,2,...,m;a≠b
上式中,hab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,haa=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Hm×m内任意元素ha1、h1b是否满足hab=ha1·h1b,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;
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,rij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,ximin为参考连续统上相对隶属度为0的左极点,ximax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:
Rm×n=(rij),0≤rij≤1,i=1,2,…,m,j=1,2,…,n
上式中,rij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:
Sm×5=(sih),0≤sih≤1,i=1,2,…,m,h=1,2,…,5
上式中,sih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[aij,bij],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aj与级别区间上限bj:
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:
Xm×n={xij},i=1,2,...,m;j=1,2,...,n
上式中,xij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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660833.0A CN113469420A (zh) | 2021-06-15 | 2021-06-15 | 一种多元电源系统电力能源结构评价优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660833.0A CN113469420A (zh) | 2021-06-15 | 2021-06-15 | 一种多元电源系统电力能源结构评价优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113469420A true CN113469420A (zh) | 2021-10-01 |
Family
ID=77869908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110660833.0A Pending CN113469420A (zh) | 2021-06-15 | 2021-06-15 | 一种多元电源系统电力能源结构评价优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469420A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091618A (zh) * | 2021-11-30 | 2022-02-25 | 重庆允成互联网科技有限公司 | 工业设备健康状态诊断管理方法、装置及服务器 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832971A (zh) * | 2017-11-27 | 2018-03-23 | 国家电网公司华中分部 | 一种基于scada和oms系统的电网指标评估方法 |
CN108197805A (zh) * | 2017-12-29 | 2018-06-22 | 国家电网公司 | 一种可用于电能替代规划指导的电能和天然气竞争力综合评价方法 |
CN108399508A (zh) * | 2018-03-22 | 2018-08-14 | 东北大学 | 冶金企业作业人员在用安全帽有效性综合评价方法 |
CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
CN109543737A (zh) * | 2018-11-15 | 2019-03-29 | 国网四川省电力公司信息通信公司 | 一种基于fahp_fca组合赋权的信息系统健康度评估方法 |
US20200081898A1 (en) * | 2017-11-22 | 2020-03-12 | Beijing Kedong Power Control System Co Ltd | A Method for Constructing Electricity Transaction Index System Based on Big Data Technology |
CN111242425A (zh) * | 2019-12-31 | 2020-06-05 | 国网北京市电力公司 | 电力数据处理方法和装置 |
CN112258344A (zh) * | 2020-11-05 | 2021-01-22 | 中国南方电网有限责任公司 | 一种电力现货市场中发电商市场力故障识别方法 |
-
2021
- 2021-06-15 CN CN202110660833.0A patent/CN113469420A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200081898A1 (en) * | 2017-11-22 | 2020-03-12 | Beijing Kedong Power Control System Co Ltd | A Method for Constructing Electricity Transaction Index System Based on Big Data Technology |
CN107832971A (zh) * | 2017-11-27 | 2018-03-23 | 国家电网公司华中分部 | 一种基于scada和oms系统的电网指标评估方法 |
CN108197805A (zh) * | 2017-12-29 | 2018-06-22 | 国家电网公司 | 一种可用于电能替代规划指导的电能和天然气竞争力综合评价方法 |
CN108399508A (zh) * | 2018-03-22 | 2018-08-14 | 东北大学 | 冶金企业作业人员在用安全帽有效性综合评价方法 |
CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
CN109543737A (zh) * | 2018-11-15 | 2019-03-29 | 国网四川省电力公司信息通信公司 | 一种基于fahp_fca组合赋权的信息系统健康度评估方法 |
CN111242425A (zh) * | 2019-12-31 | 2020-06-05 | 国网北京市电力公司 | 电力数据处理方法和装置 |
CN112258344A (zh) * | 2020-11-05 | 2021-01-22 | 中国南方电网有限责任公司 | 一种电力现货市场中发电商市场力故障识别方法 |
Non-Patent Citations (4)
Title |
---|
亓玉国: "联合层次分析法和熵权决策理论的电网结构评价方法", 《电工电气》 * |
傅毓维等: "基于模糊模式识别法的我国电源结构优化评价", 《统计与决策》 * |
刘秋华等: "电网智能化模糊综合评价指标体系构建与应用", 《统计与决策》 * |
王钦等: "基于模糊集理论和层次分析法的电力市场综合评价", 《电力系统自动化》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091618A (zh) * | 2021-11-30 | 2022-02-25 | 重庆允成互联网科技有限公司 | 工业设备健康状态诊断管理方法、装置及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829604A (zh) | 一种电网侧储能电站运行效果综合评估方法 | |
CN111860977A (zh) | 短期负荷的概率预测方法和概率预测装置 | |
CN107437135B (zh) | 一种新型储能选型方法 | |
CN112308427A (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
CN112232575A (zh) | 一种基于多元负荷预测的综合能源系统调控方法和装置 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN112150025A (zh) | 综合能源服务项目的经济性评价方法及系统 | |
CN109492748A (zh) | 一种基于卷积神经网络的电力系统的中长期负荷预测模型建立方法 | |
CN111967777B (zh) | 一种储能促进清洁能源利用价值的综合评价方法 | |
CN111861089A (zh) | 一种电力现货市场的综合评价方法 | |
CN109272258B (zh) | 基于K-means聚类的区域风光发电资源评估方法 | |
CN115173465A (zh) | 一种基于Copula理论的风光水火储一体化耦合机理分析方法 | |
CN112348276A (zh) | 基于多要素三层次的综合能源系统规划优化方法 | |
CN114139940A (zh) | 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法 | |
CN115330130A (zh) | 基于改进ahp-critic的农业园区综合能源系统评估方法 | |
CN112330045A (zh) | 一种基于K-medoids聚类分析方法的输电网线损评估与降损方法 | |
CN113469420A (zh) | 一种多元电源系统电力能源结构评价优化方法 | |
CN113780759A (zh) | 一种多能互补分布式能源系统综合性能评价方法 | |
CN111553434A (zh) | 一种电力系统负荷分类方法及系统 | |
CN116502939A (zh) | 一种负荷调节评估方法、装置、设备及介质 | |
CN113033886B (zh) | 一种配电网规划建设评估方法 | |
CN115018277A (zh) | 一种基于网络分析法的新能源消纳潜力评估方法及装置 | |
CN114169226A (zh) | 短期电力负荷预测方法、计算机设备以及存储介质 | |
CN114519482A (zh) | 一种变速抽水蓄能机组功率调节能力量化评价方法和系统 | |
Li et al. | Energy Efficiency Evaluation of Multi-Energy Microgrid Based on Entropy-Independence-Gl Method |
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: 20211001 |
|
RJ01 | Rejection of invention patent application after publication |