CN114066251A - 一种基于云模型的配电网业扩报装方案评估方法 - Google Patents
一种基于云模型的配电网业扩报装方案评估方法 Download PDFInfo
- Publication number
- CN114066251A CN114066251A CN202111363435.9A CN202111363435A CN114066251A CN 114066251 A CN114066251 A CN 114066251A CN 202111363435 A CN202111363435 A CN 202111363435A CN 114066251 A CN114066251 A CN 114066251A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluated
- evaluation
- value
- cloud model
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 261
- 238000009826 distribution Methods 0.000 title claims abstract description 81
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 28
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 15
- 238000009434 installation Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- 230000005611 electricity Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000005054 agglomeration Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于云模型的配电网业扩报装方案评估方法,包括:确定待评估配电网业扩报装方案的待评估指标集并获取指标数据;根据各待评估指标的取值范围确定评估等级集,构建各待评估指标的各评估等级的云模型,根据云模型的隶属度函数和指标数据计算各待评估指标在各评估等级下的隶属度值;根据得到的隶属度值确定各待评估指标对应的评估等级,根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级;将各待评估指标的最终评估等级进行量化得到指标评估值;根据各待评估指标的指标评估值和预设权重得到最终评分。本发明能准确评估配电网业扩报装方案对配电网的影响,有利于优化配电网业扩报装方案。
Description
技术领域
本发明涉及配电网技术领域,尤其是涉及一种基于云模型的配电网业扩报装方案评估方法。
背景技术
随着社会经济的发展,社会电气化程度日益提高,并逐步进入智能化时代,人民群众的用电需求也在不断扩大,因此对于供电稳定性、安全性的要求也越来越高。供电企业需要不断地对现有的供电线路、设备进行改造、扩建,以满足用电客户的需求。
业扩报装业务是供电企业面向用电用户的关键业务之一,供电企业通过业扩报装掌握用户的用电需求,结合实际情况,预测未来区域用电负荷总量,合理规划片区电力工程布局,以保障经济和社会发展的能源需要。为提高业扩报装业务的效率,供电企业逐步在业扩报装系统中引入智能化技术。近年来,配电网GIS、MIS系统能够有力支撑着配电网的业扩报装工作,但要建成一体化、标准化的智能化业扩报装信息平台尚有很长的路要走。
用电用户的种类繁多,用电需求差异巨大,反馈到供电企业终端的信息庞大且复杂,如何有效的处理多种信息,提升最终评价方案的有效性、科学性是现有供电企业亟须解决的难题。目前业扩报装中对于中低压用户业扩方案的制定选择仍然粗放,导致电能浪费现象十分严重。
业扩流程分散、孤立,缺乏信息化平台支撑,方案智能化水平低;业扩方案对配电网的影响评估不足,可能造成的影响不明确;规划方案缺乏优化手段,后续业扩方案调整升级困难。
发明内容
本发明的目的是提供一种基于云模型的配电网业扩报装方案评估方法,以解决现有方法中难以客观、准确地评估配电网业扩报装方案对配电网影响的技术问题。
本发明的目的,可以通过如下技术方案实现:
一种基于云模型的配电网业扩报装方案评估方法,包括:
确定待评估配电网业扩报装方案的待评估指标集,获取各待评估指标的指标数据;
根据各待评估指标的取值范围确定评估等级集,构建各待评估指标的各评估等级的云模型,根据云模型的隶属度函数和各待评估指标的指标数据计算各待评估指标在各评估等级下的隶属度值;
根据各待评估指标在各评估等级下的隶属度值确定各待评估指标对应的评估等级,根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级;
将各待评估指标的最终评估等级进行量化,得到各待评估指标的指标评估值;
根据各待评估指标的指标评估值和预设权重得到配电网业扩报装方案的最终评分。
可选地,确定待评估配电网业扩报装方案的待评估指标集具体包括:
确定待评估配电网业扩报装方案的安全性指标、经济性指标和优质服务指标作为待评估指标集;
其中,所述安全性指标至少包括用户最大允许报装容量、供电网络最大传输容量和三厢电压不平衡度;所述经济性指标至少包括供电线路运行经济性和配电变压器运行经济性;所述优质服务指标至少包括外部服务评价和内部服务评价。
可选地,根据各待评估指标的取值范围确定评估等级集具体包括:
将各待评估指标的取值范围按照设定的界限值进行区域划分,每个数据区间对应一个评估等级,所有评估等级构成评估等级集。
可选地,构建各待评估指标的各评估等级的云模型具体包括:
根据各待评估指标的各评估等级的界限值,计算界限值的标准差;
根据标准差计算各待评估指标的各评估等级的云模型的数字特征:期望值Ex、熵值En和超熵值He;
根据各待评估指标的各评估等级的云模型的数字特征,分别利用云发生器构建各待评估指标的各评估等级的云模型。
可选地,分别利用云发生器构建各待评估指标的各评估等级的云模型具体包括:
分别利用云发生器对各待评估指标的各评估等级执行以下步骤:
重复执行步骤S1和S2直到生成云模型的N个随机数,N为预设的随机数数量,1≤i≤N。
可选地,根据云模型的隶属度函数和各待评估指标的指标数据计算各待评估指标在各评估等级下的隶属度值具体包括:
式中,k为各待评估指标的指标数据,r为k在期望值Ex、熵值En和超熵值He的云模型对应评估等级下的隶属度值。
可选地,根据各待评估指标在各评估等级下的隶属度值确定各待评估指标对应的评估等级具体包括:
从各待评估指标在各评估等级下的隶属度值中选择最大的隶属度值,将最大的隶属度值对应的评估等级作为各待评估指标对应的评估等级。
可选地,将各待评估指标的最终评估等级进行量化之前还包括:
可选地,将各待评估指标的最终评估等级进行量化,得到各待评估指标的指标评估值具体包括:
根据公式Ci=C0+Δci求得云滴drop(C0,yi)的指标评估值的精确量,C0为各待评估指标的最终评估等级对应云模型的期望值,En为各待评估指标的最终评估等级的云模型的熵值;
对N个云滴的指标评估值的精确量求平均值得到各待评估指标的指标评估值。
可选地,根据各待评估指标的指标评估值和预设权重得到配电网业扩报装方案的最终评分具体包括:
将各待评估指标的指标评估值乘以预设的对应权重,求和得到配电网业扩报装方案的最终评分。
本发明提供了一种基于云模型的配电网业扩报装方案评估方法,包括:确定待评估配电网业扩报装方案的待评估指标集,获取各待评估指标的指标数据;根据各待评估指标的取值范围确定评估等级集,构建各待评估指标的各评估等级的云模型,根据云模型的隶属度函数和各待评估指标的指标数据计算各待评估指标在各评估等级下的隶属度值;其中,各云模型的数字特征包括期望值、熵值和超熵值;根据各待评估指标在各评估等级下的隶属度值确定各待评估指标对应的评估等级,根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级;将各待评估指标的最终评估等级进行量化,得到各待评估指标的指标评估值;根据各待评估指标的指标评估值和预设权重得到配电网业扩报装方案的最终评分。
有鉴如此,本发明带来的有益效果是:
本发明通过获取配电网业扩报装方案的待评估指标集的指标数据,将各待评估指标的评估结果划分为多个评估等级,建立各评估指标的各评估等级的云模型,各云模型的数字特征包括期望值、熵值和超熵值,根据云模型的隶属度函数和各待评估指标的指标数据能得到各待评估指标在各评估等级下的隶属度值,从而确定各待评估指标对应的评估等级;根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级,将各待评估指标的最终评估等级从定性表示转换为定量表示,能得到各待评估指标的指标评估值的精确量,最后对各待评估指标的指标评估值加权求和得到配电网业扩报装方案的最终评分,能更加客观、准确地评估配电网业扩报装方案对配电网的影响,提高了方案评估的科学性和准确性,有利于对配电网业扩报装方案进行进一步优化,减少电能浪费。
附图说明
图1为本发明评估方法的流程示意图。
图2为本发明评估方法实施例的流程示意图。
具体实施方式
术语解释:
云模型:云模型是云的具体实现方法,也是基于云的运算、推理和控制等的基础。它可以表示由定性概念到定量表示的过程(正向云发生器),也可表示由定量表示到定性概念的过程(逆向云发生器)。
云模型的数字特征用期望Ex(Expected Value)、熵En(Entropy)和超熵He(hyperEntropy)来表示,它们反映了定性概念的定量特征。
期望Ex:云滴在论域空间分布的期望,是最能够代表定性概念的点,是这个概念量化的最典型样本。
熵En:“熵”这一概念最初是作为描述热力学的一个状态参量,此后又被引入统计物理学、信息论、复杂系统等,用以度量不确定的程度。在云模型中,熵代表定性概念的可度量粒度,熵越大,通常概念越宏观,也是定性概念不确定性的度量,由概念的随机性和模糊性共同决定。一方面,En是定性概念随机性的度量,反映了能够代表这个定性概念的云滴的离散程度;另一方面,又是定性概念亦此亦彼性的度量,反映了在论域空间可被概念接受的云滴的取值范围。用同一个数字特征来反映随机性和模糊性,也必然反映他们之间的关联性。
超熵He:熵的不确定性度量,即熵的熵,由熵的随机性和模糊性共同决定。反映了每个数值隶属这个语言值程度的凝聚性,即云滴的凝聚程度。超熵越大,云的离散程度越大,隶属度的随机性也随之增大,云的厚度也越大。
电网安全准则“N-1”要求:
1993年能源部、住建部颁布的《城市电力网规划设计导则》中规定,城市配电网必须满足供电安全“N-1”准则要求。具体内容是:
(1)高压变电所中失去任一回路进线或一组降压变压器时,必须保证向下一级配电网供电。
(2)高压配电网中一条架空线或一条电缆或变电所中一组降压变压器发生故障停运时:
①在正常情况下,除故障段外不能停电,并不得发生电压过低和设备不允许的过负荷;
②在计划停运情况下,又发生故障停运时,允许部分停电,但应在规定的时间内恢复供电。
(3)低压电网中当一台变压器或电网发生故障时,允许部分停电,但应尽量将完好的区段在规定时间内切换至邻近电网恢复供电。
本发明实施例提供了一种基于云模型的配电网业扩报装方案评估方法,以解决现有方法中难以客观、准确地评估配电网业扩报装方案对配电网影响的技术问题。
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,以下为本发明一种基于云模型的配电网业扩报装方案评估方法的实施例,包括:
S100:确定待评估配电网业扩报装方案的待评估指标集,获取各待评估指标的指标数据;
S200:根据各待评估指标的取值范围确定评估等级集,构建各待评估指标的各评估等级的云模型,根据云模型的隶属度函数和各待评估指标的指标数据计算各待评估指标在各评估等级下的隶属度值;
S300:根据各待评估指标在各评估等级下的隶属度值确定各待评估指标对应的评估等级,根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级;
S400:将各待评估指标的最终评估等级进行量化,得到各待评估指标的指标评估值;
S500:根据各待评估指标的指标评估值和预设权重得到配电网业扩报装方案的最终评分。
本实施例中,在步骤S100中,确定待评估配电网业扩报装方案的待评估指标集,获取各待评估指标的指标数据。首先确定从安全性指标、经济性指标、优质服务指标这三个方面评价配电网业扩报装方案对配电网的影响,即确定待评估配电网业扩报装方案的安全性指标、经济性指标和优质服务指标作为待评估指标集,并获取评估所需的相关指标数据,汇总填入n维度的信息矩阵中。
其中,安全性指标至少包括用户最大允许报装容量、供电网络最大传输容量和三厢电压不平衡度;经济性指标至少包括供电线路运行经济性和配电变压器运行经济性;优质服务指标至少包括外部服务评价和内部服务评价。
本实施例中,评估配电网业扩报装方案需要提前确认报装用户的基本情况和报装要素,分析报装用户所在区域内电源点的供电参数和可用供电路经。根据电网资源基础数据,查询每处电源点的相关供电参数,计算配电网的安全性指标、经济型指标和优质服务指标。
具体的,配电网的安全性指标至少包含:用户最大允许报装容量、供电网络最大传输容量和三相电压不平衡度。将这三项指标输入到n维信息矩阵,作为信息矩阵维度的第1维到第3维。
1、确定用户最大允许报装容量的过程包括:
(1)求出电源变电站的剩余供电容量Pu。计算出电源变电站在满足“N-1”准则下的最大供电容量,用电源变电站最大供电容量减去该站低压侧上所有出线容量之和,得到电源站的剩余供电容量Pu。
(2)求出配电线路的最大传输容量Pr。根据计算支路型号可以查出线路的长时允许电流,结合当地的温度状况算出按热稳条件限制的传输容量Pr。
(3)计算得到用户最大允许报装容量。比较电源变电站剩余供电容量Pu和配电线路的最大传输容量Pr。从中选出最小值减去经潮流计算得到的计算支路上的潮流值P1,得到配电线路的剩余供电容量,这个值也就是用户的最大允许报装容量Pcmax,算式如下。
Pcmax=min{Pu,Pr}-Pl
2、确定供电网络最大传输容量的过程包括:
(1)求出电源变电站变压器负荷率T。为了符合“N-1”准则和满足城市电网的灵活性和发展性,变压器正常情况下处于非满载运行,变压器的负荷率是影响变压器容量、台数和电网结构的重要参数,具体定义如下:
该变电站的最大供电容量不能超过变压器总额定容量与高负荷率的乘积,这样确定的供电容量才能使配电网安全可靠运行。
(2)求出配电线路最大容量Pr。如确定用户最大允许报装容量的步骤(2)所述,可求出Pr。
3、三相电压不平衡度的计算:
IEEE Std112-2004定义了利用相电压计算三相电压不平衡度,三相不平衡按下式计算:
式中,Va为A相电压的有效值,Vb为B相电压的有效值;Vc为C相电压的有效值,Vpavg为三相电压的平均值。可通过台区变压器低压侧三相电压值求得台区三相不平衡度,并作为评估最优接入相的评估指标。
具体的,配电网的经济性指标至少包括:供电线路运行经济性和配电变压器运行经济性。将这两项指标输入到信息矩阵,作为信息矩阵维度的第4维和第5维。
4、供电线路运行经济性主要包括:
(1)线路能量损耗。选择线路导线截面是网络规划设计的一个重要方面。线路能量损耗同电阻成正比,通过增加导线截面可以减少能量损耗,如下式所示:
ΔA=3I2RT×10-3
式中,I表示流过线路导线的电流,R表示线路导线的电阻,T表示时间。
(2)经济电流密度。经济电流密度是根据节省投资、年运行费用及有色金属消耗量等因素制订的,按经济电流密度选择导线截面综合考虑了矛盾因素的合理解决方案,使线路的运行具有较好的经济效果。
5、配电变压器经济运行中,计算变压器的总有功损耗的公式为:
βJ=(P0/PK)1/2
式中,P0表示变压器空载损耗,PK表示变压器短路损耗,K只是一个下标符号,表示对应的PK为变压器短路损耗,Ie表示变压器空载运行时流过的电流,βJ应为一个整体符号,表示变压器的经济负载率,ΔP∑也为一整体符号,表示变压器的总有功损耗。
具体的,配电网的优质服务指标至少包含:外部服务评价和内部服务评价。将这两项指标输入到信息矩阵,作为信息矩阵维度的第6维和第7维。
6、外部服务评价主要包括:
(1)供电方案。包含客户投入成本是否增加、电费结算是否错误、是否满足客户的用电需求。判断每一项的匹配度,如果符合匹配条件,数值最大取1,否则最小取0。
(2)营销工作。是否在送电前签订合同、是否按模板拟定合同、合同是否填写不全或错误。判断每一项的匹配度,如果符合匹配条件,数值最大取1,否则最小取0。
7、内部服务评价主要包括:
(1)办电效率。包含是否压缩客户办电环节、是否简化客户办电手续、是否简化供电方案审批程序。判断每一项的匹配度,如果符合匹配条件,数值最大取1,否则最小取0。
(2)客户沟通渠道。包含客户工程标准化建设、客户沟通渠道完善度、客户用电成本降低幅度。判断每一项的匹配度,如果符合匹配条件,数值最大取1,否则最小取0。
在步骤S200中,根据各待评估指标的取值范围确定评估等级集,构建各待评估指标的各评估等级的云模型,根据云模型的隶属度函数和各待评估指标的指标数据计算各待评估指标在各评估等级下的隶属度值。
将采集到的评价指标数据输入信息矩阵,分别对信息矩阵的各维信息进行处理,各维信息分别对应各待评估指标。将各待评估指标的取值范围按照预先设定的界限值进行区域划分,
将自然语言表示的评估结果分为多个评估等级,所有评估等级构成评估等级集;将各待评估指标的取值范围按照预先设定的界限值进行区域划分,每个数据区间对应一个评估等级。可以理解的是,各待评估指标的取值范围都有对应的评估等级集。
例如,将自然语言表示的评估结果分为五个评估等级,分别为“极差”、“差”、“一般”、“好”和“极好”,将某待评估指标的指标数据的取值范围(0,10]也相应地划分五个数据区间,分别为(0,a]、(a,b]、(b,c]、(c,d]和(e,10],评估等级“极差”、“差”、“一般”、“好”、“极好”分别与数据区间(0,a]、(a,b]、(b,c]、(c,d]和(e,10]对应,即评估等级与数据区间之间存在一一对应的关系。
可以理解的是,每个评估等级都有其对应的界限值,与评估等级“极差”、“差”、“一般”、“好”、“极好”对应的界限值分别为a、b、c、d、e。
值得说明的是,由于各待评估指标的指标数据的取值范围不同,因此,各待评估指标的各评估等级对应的界限值也不相同。
得到各待评估指标的各评估等级的界限值之后,可以构建各待评估指标的各评估等级的云模型,具体包括:根据各待评估指标的各评估等级的界限值,计算界限值的标准差;根据标准差计算各评估等级的云模型的数字特征:期望值Ex、熵值En和超熵值He;根据各评估等级的云模型的数字特征,分别利用云发生器构建各待评估指标的各评估等级的云模型。
需要说明的是,云模型的数字特征可以表示为(Ex,En,He),分别代表期望值、熵值和超熵值。
每个评估等级都对应一个云模型,例如,某待评估指标的五个评估等级的云模型的数字特征分别为:(-6,0.1,0.01)、(-3,0.1,0.01)、(0,0.1,0.01)、(3,0.1,0.01)、(6,0.1,0.01)。可以理解的是,五个评估等级对应五个云模型,这五个云模型的期望值Ex分别为-6、-3、0、3、6,这五个云模型的熵值En均为0.1,这五个云模型的超熵值He均为0.01。将五个评估等级与五个云模型的数字特征进行关联,得到:极差(-6,0.1,0.01)、差(-3,0.1,0.01)、一般(0,0.1,0.01)、好(3,0.1,0.01)、极好(6,0.1,0.01)。
值得说明的是,云模型的数字特征是与待评估指标的指标数据大小有关系的,各待评估指标的各评估等级对应的云模型的数字特征是可以不同的。
分别利用云发生器构建各待评估指标的各评估等级的云模型具体包括:
分别利用云发生器对各待评估指标的各评估等级执行以下步骤:
重复执行步骤S1和S2直到生成云模型的N个随机数,N为预设的随机数数量,1≤i≤N。
值得说明的是,正态随机数是根据matlab软件中的求正态分布随机数的函数normrnd来求得的。在计算资源允许的条件下,N的取值越大越好,本实施例中N取值为3000。
根据云模型的隶属度函数和各待评估指标的指标数据计算各待评估指标在各评估等级下的隶属度值,具体包括:
式中,k为各待评估指标的指标数据,r为k在期望值Ex、熵值En和超熵值He的云模型对应评估等级下的隶属度值。
可以理解的是,利用同样的方法,根据云模型的隶属度函数和各待评估指标的指标数据,可以得到各待评估指标在各评估等级下的隶属度值。
在得到各待评估指标在各评估等级下的隶属度值后,可以根据各评估等级下的隶属度值的大小,判断各待评估指标的指标数据属于哪个评估等级。优选的实施方式,对某一个待评估指标,从该待评估指标在各评估等级下的隶属度值中选择最大的隶属度值,将最大的隶属度值对应的评估等级作为该待评估指标对应的评估等级。
可以理解的是,利用同样的方法,可以确定所有待评估指标所对应的评估等级。
在步骤S300中,根据各待评估指标在各评估等级下的隶属度值确定各待评估指标对应的评估等级,根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级。
根据设计者的经验,编写出一个个条件语句,集合成推理的规则表,不同维度指标的实际输入值Ej(1≤j≤n)、提前设定好的参考值Ec转化成相应的评估等级的状态词汇,分别作为规则表的行和列,并找到与之相对应的输出变量状态词汇。值得说明的是,评估等级极差、差、一般、好、极好对应的状态词汇分别为NB、NS、ZE、PS、PB。
建立云推理规则库的步骤如下:
例如,某待评估指标的评估等级集共分为五个评估等级,五个评估等级与五个云的数字特征的关联关系为:极差(-6,0.1,0.01)、差(-3,0.1,0.01)、一般(0,0.1,0.01)、好(3,0.1,0.01)、极好(6,0.1,0.01)。以安全性指标中的用户最大允许报装容量E1为例,E1为用户最大允许报装容量的实际输入值,即E1为待评估指标用户最大允许报装容量的指标数据,实际输入值E1和参考值Ec在规则表中对应着评价值Y1的一个评估等级,代表着E1×Ec到Y1的一个映射。同样做其余维度的映射,整合成对应的控制规则储存在规则库中。
值得说明的是,参考值Ec是提前设定好的评估指标经验值或参考值,评价值Y1是根据E1控制规则表推理得到的评估等级结果。评价值Y1是一个粗略的范围,步骤S400中的指标评估值是指计算出具体的、精确的指标评估值。
根据经验,编写条件语句,集合成推理的规则表,不同维度的输入量E1、E2……En转化成相应的评估等级的状态词汇,分别作为规则表的行和列,并找到与之对应的输出变量状态词汇。如表1所示。
表1 E1的控制规则表
例如,当用户最大允许报装容量的实际输入值E1对应的评估等级为一般(ZE)、参考值Ec对应的参考等级为好(PS)时,根据表1所示的控制规则表可知,待评估指标用户最大允许报装容量的最终评估等级为好(PS)。
本实施例中,需要为信息矩阵中的各维信息建立相应的云推理规则表,由于信息矩阵共有n个维度即待评估指标有n个,因此,需要建立n个云推理规则表,所有的云推理规则表构成云推理规则库。
在步骤S400中,将各待评估指标的最终评估等级进行量化,得到各待评估指标的指标评估值。
值得说明的是,从前面论述可知,本实施例在利用云发生器构建各待评估指标的各评估等级的云模型时,生成N个随机数xi,每个云模型中有N个随机数;运用云模型的隶属度函数能分别得到云模型中的N个随机数在对应评估等级下的隶属度值,因此,运用云模型的隶属度函数能得到N个随机数在各待评估指标的最终评估等级下的隶属度值。
具体的,在确定各待评估指标的最终评估等级之后,能确定各待评估指标的最终评估等级对应的云模型,利用云模型的隶属度函数可以得到该云模型的随机数xi在各待评估指标的最终评估等级下的隶属度值,重复执行N次,能得到N个随机数在各待评估指标的最终评估等级下的隶属度值。
可以理解的是,各待评估指标的最终评估等级对应的云模型中包括N个随机数,其中,每个随机数xi在最终评估等级下都有对应的隶属度值yi,将最终评估等级对应云模型的期望值和每个随机数xi对应的隶属度值yi进行组合得到云滴。
在云推理规则表中对应的调节参数的期望值为C0,令drop(C0,yi)为云滴,云滴drop(C0,yi)为期望值C0和隶属度yi的集合。将得到的N个云滴送至逆云化处理器,对云滴进行逆云化操作和求取平均值,得到指标评估值的调整量。逆云化处理器将云化概念的模糊量转换为控制的精确量。
值得说明的是,C0是待评估指标的最终评估等级对应云模型的期望值,例如,当五个评估等级与五个云模型的数字特征的关联关系为:极差(-6,0.1,0.01)、差(-3,0.1,0.01)、一般(0,0.1,0.01)、好(3,0.1,0.01)、极好(6,0.1,0.01)时,若待评估指标用户最大允许报装容量的最终评估等级为好(PS),则待评估指标用户最大允许报装容量的最终评估等级对应云模型的期望值为3,即C0的值为3。
将各待评估指标的最终评估等级进行量化,得到各待评估指标的指标评估值,具体过程为:
根据公式Ci=C0+Δci求得云滴drop(C0,yi)的指标评估值的精确量,
C0为各待评估指标的最终评估等级对应云模型的期望值,En为各待评估指标的最终评估等级的云模型的熵值;
对N个云滴的指标评估值的精确量进行整合并取平均值,得到的平均值即为各待评估指标的指标评估值。
在步骤S500中,根据各待评估指标的指标评估值和预设权重得到配电网业扩报装方案的最终评分。
本实施例中,根据接入方案的属性建立评估矩阵.是对用户接入模式合理性进行综合评估的有效手段。在配电网运行中,全寿命周期年费用、线路损耗、末端电压水平和供电可靠性是影响系统运行安全和企业经济效益的关键因素。考虑这些因素,将各待评估指标的指标评估值可以赋予不同的权重,也就是说,将每一维度信息的评估值可以乘以不同的权重,求和得到配电网业扩报装接入方案的最终评分。
本发明实施例通过获取配电网业扩报装方案的待评估指标集的指标数据,将各待评估指标的评估结果划分为多个评估等级,建立各评估指标的各评估等级的云模型,各云模型的数字特征包括期望值、熵值和超熵值,根据云模型的隶属度函数和各待评估指标的指标数据能得到各待评估指标在各评估等级下的隶属度值,从而确定各待评估指标对应的评估等级;根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级,将各待评估指标的最终评估等级从定性表示转换为定量表示,能得到各待评估指标的指标评估值的精确量,最后对各待评估指标的指标评估值加权求和得到配电网业扩报装方案的最终评分,能更加客观、准确地评估配电网业扩报装方案对配电网的影响,提高了方案评估的科学性和准确性,有利于对配电网业扩报装方案进行进一步优化,减少电能浪费。
本发明实施例从安全性指标、经济性指标、优质服务指标三个方面获得评估所需的相关指标数据,汇总填入n维度的信息矩阵中,对n维信息进行云化,以云模型的三个特征进行表示,建立云推理规则,分别建立输入信息的各维度从初始值到推理值的云映射,进行云推理和输出逆云化,得到评估量的实际值,通过加权评价矩阵进行自适应权重分析,汇总各维度信息,得到最终的评估得分。
请参阅图2,本发明一种基于云模型的配电网业扩报装方案评估方法的另一实施例,确定待评估配电网业扩报装方案的待评估指标集,获取各待评估指标的指标数据,根据各待评估指标的取值范围确定评估等级集,利用正向云发生器构建各待评估指标的各评估等级的云模型,利用云模型对各待评估指标的实际输入量即指标数据进行状态判定,建立云推理规则库,分别建立输入信息的各维度从初始值到推理值的云映射,进行云推理和输出逆云化,得到评估量的实际值,通过加权评价矩阵进行自适应权重分析,汇总各维度信息得到所有待评估指标的最终评估值。
本发明实施例通过对配电网业扩报装方案的用户报装数据进行云模型处理,计算出输入数据各个维度的相应隶属度,根据隶属度将输入量分配到各个评价区间内,通过定义云推理规则库能够实现从初始数据到评估值的映射,提高了评估方案的的科学性与准确性。本发明能够有效处理多种信息,减轻供电企业终端的信息处理压力,有助于供电企业在业扩报装业务中更加精细制定用户的业扩方案,减少电能浪费。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于云模型的配电网业扩报装方案评估方法,其特征在于,包括:
确定待评估配电网业扩报装方案的待评估指标集,获取各待评估指标的指标数据;
根据各待评估指标的取值范围确定评估等级集,构建各待评估指标的各评估等级的云模型,根据云模型的隶属度函数和各待评估指标的指标数据计算各待评估指标在各评估等级下的隶属度值;
根据各待评估指标在各评估等级下的隶属度值确定各待评估指标对应的评估等级,根据各待评估指标对应的评估等级和预设的参考等级确定各待评估指标的最终评估等级;
将各待评估指标的最终评估等级进行量化,得到各待评估指标的指标评估值;
根据各待评估指标的指标评估值和预设权重得到配电网业扩报装方案的最终评分。
2.根据权利要求1所述的基于云模型的配电网业扩报装方案评估方法,其特征在于,确定待评估配电网业扩报装方案的待评估指标集具体包括:
确定待评估配电网业扩报装方案的安全性指标、经济性指标和优质服务指标作为待评估指标集;
其中,所述安全性指标至少包括用户最大允许报装容量、供电网络最大传输容量和三厢电压不平衡度;所述经济性指标至少包括供电线路运行经济性和配电变压器运行经济性;所述优质服务指标至少包括外部服务评价和内部服务评价。
3.根据权利要求1所述的基于云模型的配电网业扩报装方案评估方法,其特征在于,根据各待评估指标的取值范围确定评估等级集具体包括:
将各待评估指标的取值范围按照设定的界限值进行区域划分,每个数据区间对应一个评估等级,所有评估等级构成评估等级集。
4.根据权利要求3所述的基于云模型的配电网业扩报装方案评估方法,其特征在于,构建各待评估指标的各评估等级的云模型具体包括:
根据各待评估指标的各评估等级的界限值,计算界限值的标准差;
根据标准差计算各待评估指标的各评估等级的云模型的数字特征:期望值Ex、熵值En和超熵值He;
根据各待评估指标的各评估等级的云模型的数字特征,分别利用云发生器构建各待评估指标的各评估等级的云模型。
7.根据权利要求6所述的基于云模型的配电网业扩报装方案评估方法,其特征在于,根据各待评估指标在各评估等级下的隶属度值确定各待评估指标对应的评估等级具体包括:
从各待评估指标在各评估等级下的隶属度值中选择最大的隶属度值,将最大的隶属度值对应的评估等级作为各待评估指标对应的评估等级。
10.根据权利要求1-9任一项所述的基于云模型的配电网业扩报装方案评估方法,其特征在于,根据各待评估指标的指标评估值和预设权重得到配电网业扩报装方案的最终评分具体包括:
将各待评估指标的指标评估值乘以预设的对应权重,求和得到配电网业扩报装方案的最终评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363435.9A CN114066251A (zh) | 2021-11-17 | 2021-11-17 | 一种基于云模型的配电网业扩报装方案评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363435.9A CN114066251A (zh) | 2021-11-17 | 2021-11-17 | 一种基于云模型的配电网业扩报装方案评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114066251A true CN114066251A (zh) | 2022-02-18 |
Family
ID=80277424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111363435.9A Pending CN114066251A (zh) | 2021-11-17 | 2021-11-17 | 一种基于云模型的配电网业扩报装方案评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066251A (zh) |
-
2021
- 2021-11-17 CN CN202111363435.9A patent/CN114066251A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Uncertainties of virtual power plant: Problems and countermeasures | |
Pereira et al. | Composite generation/transmission reliability evaluation | |
CN109728579B (zh) | 一种配电网运行效率的评估方法、评估装置及评估设备 | |
Sadeghi et al. | A new approach for static voltage stability assessment in distribution networks | |
CN111460378A (zh) | 一种考虑风险测度的配电网精准投资项目优选方法 | |
Gunda et al. | Remedial actions for security constraint management of overstressed power systems | |
CN116961052A (zh) | 一种分布式储能系统的选址定容方法及系统 | |
CN115907927A (zh) | 一种虚拟电厂报价辅助方法、系统、装置及存储介质 | |
CN110738345A (zh) | 基于精准投资策略的单元制配电网规划项目优选方法 | |
CN107274054B (zh) | 基于同层设备最大可供能力的配电网运行效率评价方法 | |
CN112561319A (zh) | 一种数据中心能源系统综合评价方法 | |
Wang et al. | Bi‐level optimisation dispatch method for photovoltaic hosting capacity enhancement of distribution buses | |
CN114066251A (zh) | 一种基于云模型的配电网业扩报装方案评估方法 | |
Ramos et al. | Optimal and secure operation of transmission systems | |
Mahoor et al. | Distribution asset management through coordinated microgrid scheduling | |
Patton | Assessment of the security of operating electric power systems using probability methods | |
Nejadfard-jahromi et al. | Nonparametric preventive/corrective voltage stability enhancement of active distribution systems with integrated electric vehicles charging facilities | |
CN115577996A (zh) | 一种电网停电计划的风险评估方法、系统、设备和介质 | |
CN115907140A (zh) | 电力现货出清方案优化方法、装置、计算机设备和介质 | |
Le et al. | Distributed Load Shedding considering the Multicriteria Decision‐Making Based on the Application of the Analytic Hierarchy Process | |
CN112053086B (zh) | 基于大数据电网运行诊断系统的工作方法 | |
CN113469522A (zh) | 综合能源物联网评价方法、装置、电子设备及存储介质 | |
Yamayee et al. | Production simulation for power system studies | |
CN111079245A (zh) | 一种电网承载电量的调控方法 | |
CN111967896A (zh) | 提高可中断类负荷参与需求响应积极性的方法及系统 |
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 |