CN113592561A - 一种基于电力经济大数据的绿电指数生成方法 - Google Patents
一种基于电力经济大数据的绿电指数生成方法 Download PDFInfo
- Publication number
- CN113592561A CN113592561A CN202110906402.8A CN202110906402A CN113592561A CN 113592561 A CN113592561 A CN 113592561A CN 202110906402 A CN202110906402 A CN 202110906402A CN 113592561 A CN113592561 A CN 113592561A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- power
- weight
- green
- 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 64
- 230000005611 electricity Effects 0.000 claims abstract description 50
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010248 power generation Methods 0.000 claims description 16
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 11
- 239000003546 flue gas Substances 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000006477 desulfuration reaction Methods 0.000 claims description 7
- 230000023556 desulfurization Effects 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 10
- 238000011156 evaluation Methods 0.000 abstract description 7
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 13
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 239000003245 coal Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 2
- 229910052815 sulfur oxide Inorganic materials 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于电力经济大数据的绿电指数生成方法，其特征在于，包括如下步骤：S1、采集统计时间段内的电力数据；S2、对采集到的电力数据进行数据预处理；S3、采用主客观赋权法相结合的综合赋权法计算出综合权重；S4、采用线性加权和法，得出统计时间段内的绿电指数。采用本发明能够为电力行业的生态绿色评价提供便捷可行的量化方法，帮助电力企业了解其造成的环境影响和资源使用现状，为政府部门制定相关政策方针提供有力支撑。
Description
技术领域
本发明涉及一种电力系统技术领域，特别涉及一种基于电力经济大数据的绿电指数生成方法。
背景技术
电力是推动国民经济发展的重要产业，电力的绿色发展是推动生态文明建设和经济绿色发展、建设美丽中国的前提和保障。绿色电力是指利用特定的发电设备，如风机、太阳能光伏电池等，将风能、太阳能等可再生的能源转化成的电能。通过上述方式产生的电力因其发电过程中不产生或很少产生对环境有害的排放物(如一氧化氮、二氧化氮；温室气体二氧化碳；造成酸雨的二氧化硫等)，且不需消耗化石燃料，节省了有限的资源储备，相对于常规的火力发电，即通过燃烧煤、石油、天然气等化石燃料的方式来获得电力，来自于可再生能源的电力更有利于环境保护和可持续发展，因此被称为绿色电力。
绿电指数是以长三角一体化发展示范区内的电力行业为评价对象，反映一定时间段内(月度、季度、年度)示范区电力行业资源节约水平和环境友好程度的量化指数。绿电指数的构建充分依托电力行业海量数据，将电力大数据与区域GDP、人口、产业发展等数据进行整合分析，为长三角一体化示范区生态绿色水平评价提供可量化的依据，为政府制定相关政策提供决策支持。
发明内容
基于上述绿电指数对于政府决策的重要参考价值，本发明的目的是：提出一种基于电力经济大数据的绿电指数生成方法，其能够针对报告期的数据生成能够准确反应电力行业资源节约水平和环境友好度的绿电指数。
本发明解决其技术问题所采用的技术方案是：
一种基于电力经济大数据的绿电指数生成方法，包括如下步骤：
S1、采集数据：采集统计时间段内的电力数据；
S2、数据预处理：对采集到的电力数据进行数据预处理；
S3、确定综合权重：采用主客观赋权法相结合的综合赋权法计算出综合权重，具体步骤如下：
S31、采用主观赋权法计算获得主观权重；
S32、采用熵权法计算得到客观权重；
S33、将得到的主观权重和客观权重进行组合，得到绿电指数各项指标的综合权重；
S4、计算绿电指数：采用线性加权和法，得出统计时间段内的绿电指数，具体计算公式如下：
其中，GPIj为第j期的绿电指数，wi为各指标的综合权重值。
进一步优选技术方案，所述电力数据包括10个数据指标，具体包括清洁能源发电装机容量占比、火电机组中规模以上装机容量占比、火电机组中三联供装机容量占比、火电机组中烟气脱硫脱硝机组容量占比、综合线损率、单位GDP生产用电量、单位可支配收入的生活用电量、负荷峰谷比、电能替代容量的负荷占比和单位面积可用充换电设施容量。
进一步优选技术方案，所述数据预处理的具体步骤如下：
S21、人工去除电力数据的唯一属性，然后处理数据缺失值；
S22、为消除具有不同属性的样本数据的量级影响，采用极差法进行数据归一化处理，将数据映射到[0，1]区间，然后按照数据特征将其划分为正向指标数据和负向指标数据，且所述正向指标数据的大小对绿电指数有正向影响，所述负向指标数据对绿电指数有负向影响；具体处理公式如下：
对于正向指标：
对于负向指标：
x′为原始数据归一化处理后的标准值；xmin为样本数据中的最小值；xmax为样本数据中的最大值。
进一步优选技术方案，所述处理数据缺失值采用以下3种方法中的任意一种方法：
方法一：直接使用含有缺失值的特征；
方法二：删除含有大量缺失值的数据；
方法三：补全含有缺失值的数据。
进一步优选技术方案，所述主观权重的具体计算方法如下：
S311、采用萨蒂提出的1-9标度法构建两两判断矩阵；
S312、向若干名专家发放调查问卷，经相关领域专家依据其专业经验的判断，得到各层指标的相对重要程度打分；
S313、将收集到的数据利用层次分析法计算，进而确定相应的指标权重；
S314、取各专家打分形成的主观权重的算数平均值，得到主观权重。
进一步优选技术方案，所述客观权重的具体计算方法如下：
S321、先构建10个指标48个样本周期的归一化数据指标10×48矩阵，
X＝{xij′}，(i＝1,2,…,n,…,10；j＝1,2,…,m,…,48)，
xij′为第i个指标第j期的原始数据归一化处理后的标准值；
S322、确定第i项指标的客观权重vi，具体计算公式如下：
进一步优选技术方案，所述综合权重的具体计算公式如下：
wi＝a×vi+b×ri
其中，wi为第i项指标的综合权重，a、b分别为指标的主、客观权重的重要度，且a+b＝1。
进一步优选技术方案，所述综合权重的计算过程中，取a＝0.4，b＝0.6。
本发明的有益效果是：
本发明能够为电力行业的生态绿色评价提供便捷可行的量化方法，帮助电力企业了解其造成的环境影响和资源使用现状，为政府部门制定相关政策方针提供有力支撑。此外，采用本发明生成的绿电指数具有综合性、灵敏性、便捷性、深入性的关键特征。
综合性。绿电指数由覆盖电力行业发、输、配、售、用电环节的一组评价指标构成，跟踪一组变量的变化情况，综合反映电力行业对区域生态绿色水平的影响。
灵敏性。绿电指数多应用过程性指标，反映电力生产、传输、消费环节对区域生态的影响，而现有的环境指标在这方面的反馈存在一定的时间差，因此绿电指标较环境指标更为灵敏。
便捷性。绿电指数是从电力行业的视角看生态环境问题，数据主要来源于电力行业内部，从业务系统取数较为方便。
深入性。绿电指数考虑电力行业发、输、配、售、用电各个环节的资源环境影响因素，不仅反映行业整体影响，还能针对指数结果直接追溯其影响因素，进行区域生态影响的原因分析。
附图说明
图1为本发明中绿电指数的生成流程图。
具体实施方式
为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明：
为了满足生态绿电发展的要求，电力行业依托电力大数据提出了绿电指数，其目的在于致力于为电力行业的生态绿色评价提供便捷可行的量化方法，帮助电力企业了解其造成的环境影响和资源使用现状，为政府部门制定相关政策方针提供有力支撑。
如图1所示，本发明的具体实施步骤如下：
S1、采集数据：采集统计时间段内的电力数据；
本文以上海市青浦区的电力行业为研究对象，根据表格1中的指标计算公式，收集并计算2017年12月-2020年12月的指标原始数据，数据来源为国网上海市青浦供电公司、上海市青浦区统计月报、Wind数据库、知网数据库。在本实施中将电力数据根据9个绿电指数的影响因素划分为10个指标，来构建绿电指数的指标体系，具体包括：清洁能源发电装机容量占比、火电机组中规模以上装机容量占比、火电机组中三联供装机容量占比、火电机组中烟气脱硫脱硝机组容量占比、综合线损率、单位GDP生产用电量、单位可支配收入的生活用电量、负荷峰谷比、电能替代容量的负荷占比和单位面积可用充换电设施容量。
影响因子与具体10个指标的对应关系表如表1：
表1
1)清洁能源发电装机容量占比
清洁能源由于具有低环境成本和良好的社会效益而备受青睐，清洁能源发电装机占比反映了电力能源结构的绿色水平，本地清洁能源发电装机占比越高表明清洁能源发电量比重的潜在水平越高。
2)火电机组中规模以上装机容量占比
不同参数火力发电机组的供电煤耗和供电效率不同，参数越高，能效越高。对于火电机组而言，其容量越高，则能效越高，“上大压小”，即“上大发电机组，关停大批能效低、污染重的小发电机组”，可提高发电端总体能效，压缩落后生产能力。规模以上火电厂装机容量占比越大，表明发电端实际的能效水平越高。
3)火电机组中三联供装机容量占比
冷热电三联供是将发电后的废热用于向用户供热、供冷，或是利用工业制造的废热发电，是燃料的热力学有效使用。三联供装机容量比重越大，表明火力发电的能源最大化利用程度越高。冷热电三联供是实现行业节能减排的有效途径，对于实现电力行业能耗水平总体下降，具有十分重要的意义，为各地国民经济和社会发展，做出了积极的贡献。
4)火电机组中烟气脱硫脱硝机组容量占比
火力发电厂烟气中含有大量氮氧化物和硫氧化物，是空气污染的主要来源。烟气脱硫脱硝是指从锅炉烟气等工业废气中除去氮氧化物和硫氧化物的烟气净化技术。电力行业烟气脱硫技术的发展水平反映了其火电治污能力，烟气脱硝机组容量占比越大，表明火力发电治污技术对区域生态绿色的贡献越大。
5)综合线损率
供电过程中产生的功率损失、电能损失及其他损失，统称为线路损失，电网线损水平直接反映了其经济运行管理水平和供电企业经济效益，是判断输电环节能源使用效率的重要维度。
6)单位GDP生产用电量
GDP是衡量区域经济状况和经济发展水平的核心指标，单位GDP生产用电量越大，表明区域达到同等经济发展水平所消耗的电力越多，资源和环境代价也越大。
7)单位可支配收入的生活用电量
城乡居民人均可支配收入是指居民平均每人可以用来自由支配的收入，比如现金收入和实物收入，是居民生活质量的度量指标，单位可支配收入的生活用电量越高，说明同等生活质量下的电力消费量越大，造成的资源和环境影响越大。
8)负荷峰谷比
负荷峰谷比是用电最高峰时的负荷与用电最低谷时的负荷之比，采取符合峰谷管理是为了减少供电高峰时容量紧张，低谷时供电容量被闲置的情况。该比值越小，说明负荷越平稳，供用电设备越能得到充分利用，避免部分发电机组每日经常关闭和重新起动造成发电机组巨大损耗及燃料浪费等问题。
9)电能替代容量的负荷占比
电能是清洁、高效、便利的终端能源载体，其在终端领域创造经济价值的效率是石油的3倍，煤炭的17倍。电能占终端能源消费的比重代表电力在终端能源消费环节代替煤炭、石油、天然气等其他能源的程度，电气化水平是衡量一个国家终端能源消费结构绿色水平的重要指标，电能占终端能源消费的比重每提高1个百分点，能源强度可下降3.7％。煤和油品因为能源利用过程中的损耗和无用功大，在相同做功需求条件下其消费量变化对能源消费总量的影响十分显著，提高电力在终端能源消费中的比重，将有效减少化石能源消费和污染气体排放，促进区域绿色发展。
10)单位面积可用充换电设施容量
新能源汽车充换电站是为电动汽车的动力电池提供充电和动力电池快速更换的能源站，充换电服务网络是电动汽车大规模推广的前提和保障，助力区域能源转型和交通运输业绿色发展模式的形成。
S2、数据预处理：对采集到的电力数据进行数据预处理；
所述数据预处理的具体步骤如下：
S21、人工去除电力数据的唯一属性，然后处理数据缺失值；
S22、为消除具有不同属性的样本数据的量级影响，采用极差法进行数据归一化处理，将数据映射到[0，1]区间，然后按照数据特征将其划分为正向指标数据和负向指标数据，且所述正向指标数据的大小对绿电指数有正向影响，所述负向指标数据对绿电指数有负向影响；具体处理公式如下：
对于正向指标：
对于负向指标：
x′为原始数据归一化处理后的标准值；xmin为样本数据中的最小值；xmax为样本数据中的最大值。
绿电指标正负向类型如表2：
表2
S3、确定综合权重：采用主客观赋权法相结合的综合赋权法计算出综合权重，具体步骤如下：
S31、采用主观赋权法计算获得主观权重；
所述主观权重的具体计算方法如下：
S311、采用萨蒂提出的1-9标度法构建两两判断矩阵；
S312、向7名专家发放调查问卷，经相关领域专家依据其专业经验的判断，得到各层指标的相对重要程度打分；
S313、将收集到的数据利用层次分析法计算，进而确定相应的指标权重；
S314、取各专家打分形成的主观权重的算数平均值，得到主观权重。
其中1-9级判断矩阵标度参照表3所示：
表3
S32、采用熵权法计算得到客观权重；
所述客观权重的具体计算方法如下：
S321、先构建10个指标48个样本周期的归一化数据指标10×48矩阵，
X＝{xij′}，(i＝1,2,…,n,…,10；j＝1,2,…,m,…,48)，
xij′为第i个指标第j期的原始数据归一化处理后的标准值；
S322、确定第i项指标的客观权重vi，具体计算公式如下：
S33、将得到的主观权重和客观权重进行组合，得到绿电指数各项指标的综合权重；
所述综合权重的具体计算公式如下：
wi＝a×vi+b×ri
其中，wi为第i项指标的综合权重，a、b分别为指标的主、客观权重的重要度，且a+b＝1；取a＝0.4，b＝0.6。
其中绿电指标提醒权重关系表如表4：
表4
可以发现，“清洁能源发电装机容量占比”和“火电机组中规模以上装机容量占比”两个指标对绿电指数的影响最大，权重共占40％；其次是“电能替代容量的负荷占比”和“单位面积可用充换电设施容量”两个指标，前四个指标的累计权重达到66％。在电力行业全过程中，发电环节指标对绿电指数贡献占比接近50％，输配电环节指标占比11％，供电环节指标占比41％。
S4、计算绿电指数：采用线性加权和法，得出统计时间段内的绿电指数，具体计算公式如下：
其中，GPIj为第j期的绿电指数，wi为各指标的综合权重值。
根据上述公式计算，最终得到上海市青浦区2017年1月-2020年12月的绿电指数如表5所示：
| 1月 | 2月 | 3月 | 4月 | 5月 | 6月 | 7月 | 8月 | 9月 | 10月 | 11月 | 12月 | |
| 2017年 | 100.00 | 104.05 | 147.07 | 144.44 | 159.44 | 245.95 | 207.03 | 210.38 | 236.75 | 235.17 | 252.29 | 304.27 |
| 2018年 | 250.46 | 243.03 | 286.77 | 255.76 | 275.27 | 274.44 | 267.82 | 265.10 | 230.28 | 242.39 | 252.36 | 252.82 |
| 2019年 | 241.47 | 267.27 | 276.57 | 262.46 | 256.88 | 255.32 | 219.63 | 240.94 | 248.57 | 246.91 | 254.63 | 245.85 |
| 2020年 | 225.48 | 257.31 | 248.98 | 263.70 | 277.21 | 279.86 | 314.00 | 254.32 | 262.91 | 287.66 | 321.78 | 309.75 |
表5
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (8)
1.一种基于电力经济大数据的绿电指数生成方法，其特征在于，包括如下步骤：
S1、采集数据：采集统计时间段内的电力数据；
S2、数据预处理：对采集到的电力数据进行数据预处理；
S3、确定综合权重：采用主客观赋权法相结合的综合赋权法计算出综合权重，具体步骤如下：
S31、采用主观赋权法计算获得主观权重；
S32、采用熵权法计算得到客观权重；
S33、将得到的主观权重和客观权重进行组合，得到绿电指数各项指标的综合权重；
S4、计算绿电指数：采用线性加权和法，得出统计时间段内的绿电指数，具体计算公式如下：
其中，GPIj为第j期的绿电指数，wi为各指标的综合权重值。
2.如权利要求1所述的一种基于电力经济大数据的绿电指数生成方法，其特征在于，所述电力数据包括10个数据指标，具体包括清洁能源发电装机容量占比、火电机组中规模以上装机容量占比、火电机组中三联供装机容量占比、火电机组中烟气脱硫脱硝机组容量占比、综合线损率、单位GDP生产用电量、单位可支配收入的生活用电量、负荷峰谷比、电能替代容量的负荷占比和单位面积可用充换电设施容量。
3.如权利要求1所述的一种基于电力经济大数据的绿电指数生成方法，其特征在于，所述数据预处理的具体步骤如下：
S21、人工去除电力数据的唯一属性，然后处理数据缺失值；
S22、为消除具有不同属性的样本数据的量级影响，采用极差法进行数据归一化处理，将数据映射到[0，1]区间，然后按照数据特征将其划分为正向指标数据和负向指标数据，且所述正向指标数据的大小对绿电指数有正向影响，所述负向指标数据对绿电指数有负向影响；具体处理公式如下：
对于正向指标：
对于负向指标：
x′为原始数据归一化处理后的标准值；xmin为样本数据中的最小值；xmax为样本数据中的最大值。
4.如权利要求3所述的一种基于电力经济大数据的绿电指数生成方法，其特征在于，所述处理数据缺失值采用以下3种方法中的任意一种方法：
方法一：直接使用含有缺失值的特征；
方法二：删除含有大量缺失值的数据；
方法三：补全含有缺失值的数据。
5.如权利要求1所述的一种基于电力经济大数据的绿电指数生成方法，其特征在于，所述主观权重的具体计算方法如下：
S311、采用萨蒂提出的1-9标度法构建两两判断矩阵；
S312、向若干名专家发放调查问卷，经相关领域专家依据其专业经验的判断，得到各层指标的相对重要程度打分；
S313、将收集到的数据利用层次分析法计算，进而确定相应的指标权重；
S314、取各专家打分形成的主观权重的算数平均值，得到主观权重。
6.如权利要求1所述的一种基于电力经济大数据的绿电指数生成方法，其特征在于，所述客观权重的具体计算方法如下：
S321、先构建10个指标48个样本周期的归一化数据指标10×48矩阵，
X＝{xij′}，(i＝1,2,…,n,…,10；j＝1,2,…,m,…,48)，
xij′为第i个指标第j期的原始数据归一化处理后的标准值；
S322、确定第i项指标的客观权重vi，具体计算公式如下：
7.如权利要求1所述的一种基于电力经济大数据的绿电指数生成方法，其特征在于，所述综合权重的具体计算公式如下：
wi＝a×vi+b×ri
其中，wi为第i项指标的综合权重，a、b分别为指标的主、客观权重的重要度，且a+b＝1。
8.如权利要求7所述的一种基于电力经济大数据的绿电指数生成方法，其特征在于，所述综合权重的计算过程中，取a＝0.4，b＝0.6。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110906402.8A CN113592561A (zh) | 2021-08-09 | 2021-08-09 | 一种基于电力经济大数据的绿电指数生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110906402.8A CN113592561A (zh) | 2021-08-09 | 2021-08-09 | 一种基于电力经济大数据的绿电指数生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113592561A true CN113592561A (zh) | 2021-11-02 |
Family
ID=78256219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110906402.8A Pending CN113592561A (zh) | 2021-08-09 | 2021-08-09 | 一种基于电力经济大数据的绿电指数生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113592561A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451984A (zh) * | 2023-06-20 | 2023-07-18 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133690A (zh) * | 2017-04-21 | 2017-09-05 | 中国水利水电科学研究院 | 一种河湖水系连通工程方案优选排序方法 |
| CN110112828A (zh) * | 2019-05-20 | 2019-08-09 | 北京恒信铭达科技有限公司 | 一种绿色用电指数体系生成和表示方法及发布应用系统 |
| CN112508233A (zh) * | 2020-11-17 | 2021-03-16 | 国网上海能源互联网研究院有限公司 | 一种获取多能互补能源系统最优运行方案的方法及系统 |
-
2021
- 2021-08-09 CN CN202110906402.8A patent/CN113592561A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133690A (zh) * | 2017-04-21 | 2017-09-05 | 中国水利水电科学研究院 | 一种河湖水系连通工程方案优选排序方法 |
| CN110112828A (zh) * | 2019-05-20 | 2019-08-09 | 北京恒信铭达科技有限公司 | 一种绿色用电指数体系生成和表示方法及发布应用系统 |
| CN112508233A (zh) * | 2020-11-17 | 2021-03-16 | 国网上海能源互联网研究院有限公司 | 一种获取多能互补能源系统最优运行方案的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王伟: "绿色电网发展理论与实证研究", 《中国博士学位论文全文数据库经济与管理科学辑》, no. 12, pages 96 - 159 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451984A (zh) * | 2023-06-20 | 2023-07-18 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
| CN116451984B (zh) * | 2023-06-20 | 2023-09-05 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Capacity planning and optimization of business park-level integrated energy system based on investment constraints | |
| Wu et al. | Site selection decision framework for photovoltaic hydrogen production project using BWM-CRITIC-MABAC: A case study in Zhangjiakou | |
| Xu et al. | Assessing the development of China's new energy industry | |
| Fang | Life cycle cost assessment of wind power–hydrogen coupled integrated energy system | |
| Yi et al. | Green economy in China: Regional variations and policy drivers | |
| Sun et al. | Capacity planning and optimization for integrated energy system in industrial park considering environmental externalities | |
| Cong et al. | Energy supply efficiency evaluation of integrated energy systems using novel SBM-DEA integrating Monte Carlo | |
| Gao et al. | Site selection decision of waste-to-energy projects based on an extended cloud-TODIM method from the perspective of low-carbon | |
| CN102930343A (zh) | 一种分布式发电供能系统能量优化方法 | |
| Wang et al. | Economic benefits assessment of urban wind power central heating demonstration project considering the quantification of environmental benefits: A case from northern China | |
| Wang et al. | Multi-attribute decision analysis for optimal design of park-level integrated energy systems based on load characteristics | |
| CN115659120A (zh) | 一种基于大数据的智慧碳排放监测平台 | |
| CN112132481A (zh) | 一种区域能效综合评价方法 | |
| Lv et al. | Optimal capacity configuration model of power-to-gas equipment in wind-solar sustainable energy systems based on a novel spatiotemporal clustering algorithm: A pathway towards sustainable development | |
| Yuan et al. | Multi criteria decision-making for distributed energy system based on multi-source heterogeneous data | |
| CN113592561A (zh) | 一种基于电力经济大数据的绿电指数生成方法 | |
| CN116822977A (zh) | 一种基于定量测算企业碳减排潜力的减排策略生成方法 | |
| Shang et al. | Study on quantitative estimation method of energy saving and emission reduction of renewable energy system based on fuzzy matter-element method | |
| Lin et al. | Design and application of energy planning scheme based on genetic algorithm | |
| Jiang et al. | An integrated energy system evaluation method based on FAHP-EWM-TOPSIS | |
| CN106897835A (zh) | 一种对可再生能源节能技术经济可行性的评价方法 | |
| Liu et al. | Research on Investment Classification and Comprehensive Benefit Evaluation Method for Power Grid under New Power System. | |
| Xue et al. | Design optimization of community energy systems based on dual uncertainties of meteorology and load for robustness improvement | |
| Lijuan | Influencing Factors of Carbon Emissions in the Construction Industry Based on Logarithmic Mean Divisia Index: A Case Study of China. | |
| Zhang et al. | Full life-cycle economic evaluation of integrated energy system with hydrogen storage equipment |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211102 |
|
| WD01 | Invention patent application deemed withdrawn after publication |