CN114462873A - 一种配电网可靠性评估及其影响因素分析方法 - Google Patents
一种配电网可靠性评估及其影响因素分析方法 Download PDFInfo
- Publication number
- CN114462873A CN114462873A CN202210137643.5A CN202210137643A CN114462873A CN 114462873 A CN114462873 A CN 114462873A CN 202210137643 A CN202210137643 A CN 202210137643A CN 114462873 A CN114462873 A CN 114462873A
- Authority
- CN
- China
- Prior art keywords
- reliability
- index
- distribution network
- power distribution
- influence
- 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 107
- 238000000556 factor analysis Methods 0.000 title description 5
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000010219 correlation analysis Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- 230000006872 improvement Effects 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000007812 deficiency Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000287196 Asthenes Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了一种配电网可靠性评估及其影响因素分析方法。首先,采用序关系分析法和CRITIC法并结合基于最小二乘的组合赋权模型对各单一可靠性评估指标进行合理赋权,合成配电网可靠性综合评价指标。其次,选取关键影响因素构建可靠性影响因素指标体系。然后,引入动态分辨系数增强数据差异性以弥补传统灰色关联分析的不足。最后,结合TOPSIS法思想,计算各影响因素与正、负向理想序列的综合灰色关联度,从而确定各影响因素对配电网可靠性水平的影响程度。本发明充分利用了组合赋权的优点,并结合动态分辨系数和TOPSIS法对传统灰色关联分析进行改进,能有效识别对配电网可靠性影响较大的因素,为配电网可靠性提升措施选择提供依据。
Description
技术领域
本发明涉及一种配电网可靠性评估及其影响因素分析方法技术,属于配电网可靠性评估技术领域。
背景技术
随着科技的不断发展,我国主网构架日益优化,电网供电可靠性逐渐成为电力行业关注的焦点。如何对配电网可靠性进行准确、全面的评估,分析影响配电网可靠性的关键因素及其影响程度,对于保障电网供电质量、指导配电网规划改造方向、推进电网智能化发建设都有着重要意义,是近几年电力系统研究中的研究领域之一。
目前,配电网的可靠性评估方法主要有解析法和模拟法两种。针对这两种方法已有研究成果:采用解析法中的最小割集法量化评估馈线自动化系统对配电网供电可靠性的影响;计及分布式电源和负荷的时变特性,采用分时段方法,并依据贝叶斯网络逻辑关系求解配电网可靠性指标;针对传统蒙特卡洛模拟法收敛速度慢的问题,已有研究提出一种基于交叉熵蒙特卡洛模拟的含微网配电网可靠性评估方法,以提高计算效率;在可靠性评估模型中引入市场化因素,建立基于非序贯蒙特卡洛模拟的市场化环境下发输电系统的可靠性评估模型。然而,解析法局限于系统网络拓扑结构,不适合规模较大的系统,而模拟法计算量大、精度低,不利于工程应用。
此外,部分配电网拓扑结构不明确或因投入时间较短基础数据有限,不适用传统的可靠性评估方法,因此出现了一种基于数据关联关系分析的可靠性评估方法。这类方法通过相关性分析提取影响配电网可靠性的主要因素,同时挖掘可靠性指标与各影响因素间的关联程度,计算量小,评估速度快,可以有效量化配电网可靠性优劣并且应用于配电网可靠性提升措施优选等。在指标相关性分析方面已有研究成果:针对可靠性指标众多且相互关联的问题,提出一种基于变异系数法和聚类分析的可靠性指标体系简化方法,并引入灰色关联分析法进行配电网可靠性评估;采用主成分分析法和并行关联规则提取主要指标,筛选影响配电网可靠性的关键因素,减少评估工作量,实现快速精准评估。在关联度分析方面目前已有研究成果:采用故障树分析确定影响用户平均停电时间的多种因素,计算关键因素指标灰色关联度并排序,从而提出针对性的改造措施;针对传统灰色关联分析中固定的分辨系数会导致可靠性评估结果趋于平均化的问题,引入分辨系统动态确定方法和模糊加权,改进基于灰色关联分析的可靠性评估模型;建立基于改进熵权的灰色关联分析模型,提高配电网可靠性评估的客观性。然而,上述研究大多采用客观赋权法,只考虑指标实际的波动情况,忽视了实际工程中不同指标的重要程度。此外,目前只有针对单一可靠性指标的影响因素分析,实际上表征配电网供电可靠性的评价指标数目众多,研究关键影响因素对多种可靠性指标合成的综合评价指标的影响是必不可少的。
发明内容
技术问题:本发明目的在于克服现有技术的不足,提出一种基于组合赋权和改进灰色关联的配电网可靠性评估及其影响因素分析方法。首先,分别采用序关系分析法和CRITIC法计算各可靠性指标的主、客观权重,构建最小二乘优化模型求解进行合理赋权,合成配电网可靠性综合评价指标。其次,选取与配电网可靠性相关的关键影响因素,采用改进灰色关联分析确定各影响因素相对于可靠性评价指标间的影响程度。引入动态分辨系数克服传统灰色关联中固定分辨系数导致的数据差异性降低问题,并结合TOPSIS方法思想,计算各影响因素与正、负向理想序列的综合灰色关联度。然后以此为依据进行优劣排序,指导配电网可靠性提升措施决策。
技术方案:一种配电网可靠性评估及其影响因素分析方法,包括步骤:
S1:分别采用序关系分析法和CRITIC法初步确定各可靠性评价指标权重。
S2:构建基于最小二乘法的组合权重优化模型,为各配电网可靠性评价指标组合赋权,合成可靠性综合评价指标。
S3:制定分辨系数动态调整策略,通过改进灰色关联分析方法确定各配电网可靠性影响因素与可靠性综合评价指标的灰色关联度。
S4:结合TOPSIS法思想,引入负向理想序列概念,并计算各影响因素与负向理想序列的灰色关联度。
S5:结合所述S3所得的各配电网可靠性影响因素与可靠性综合评价指标的灰色关联度和S4所得的各影响因素与负向理想序列的灰色关联度,形成综合灰色关联度,以综合灰色关联度为依据,对各影响因素排序,从而确定各影响因素对配电网可靠性水平的影响程度。
进一步的,所述S1具体包括如下步骤:
S11:采用序关系分析法确定各可靠性指标主观权重
按照重要程度对m个可靠性评价指标进行排序,将确立了序关系的指标集记为{y1,y2,K,ym},参考重要性标度取值参考表确定相邻两指标yj与yj-1的重要程度之比,记为hj,
式中,ωj和ωj-1分别为指标yj与yj-1的权重。
序关系列表中各指标的权重为:
ωj-1=hjωj
由序关系分析法确定的主观权重记为W1=[ω1,1,ω1,2,K,ω1,m]。
S12:采用CRITIC法确定各可靠性指标客观权重
有m个指标,n个评价对象的评价目标,构成指标矩阵X=(xij)n×m,由于各指标间存在量纲和数量级差异,采用CRITIC法赋权前,对指标进行标准化处理,得到标准化矩阵X'=(x'ij)n×m,
对于逆向指标,进行标准化处理如下式:
对于正向指标,进行标准化处理如下式:
CRITIC法通过标准差和相关系数来体现评价指标的对比强度和冲突性,标准化处理后的各指标标准差和相关系数计算公式如下:
以cj表示指标j所包含的信息量:
由CRITIC法确定的客观权重记为W2=[ω2,1,ω2,2,K,ω2,m],其计算方法如下式:
进一步的,所述S2中基于最小二乘法的组合权重优化模型如下:
以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数,建立最小二乘法优化模型如下式:
采用遗传算法求解上述模型,得到最优组合权重序列W=[W1,W2,K,Wm],则第i个评价对象的综合评价指标X0,i计算公式如下:
进一步的,所述S3中动态分辨系数动态调整策略如下:
以可靠性综合评价指标作为正向理想序列,记为X0=[X0,1,X0,2,K,X0,n],与可靠性相关的影响因素序列记为Xi=[Xi,1,Xi,2,K,Xi,n],确定原始评价矩阵X:
各影响因素指标间存在量纲和数量级差异,因此采用下式对各影响因素序列进行无量纲化处理:
在无量纲化处理后取倒数,使其变化势态与可靠性指标一致,最终得到评价矩阵X'=(X'i,j)n×m。
第i个可靠性影响因素的第j个数的关联系数βij计算公式如下:
其中,
Δij=|X'0,j-X'i,j|
式中,ε为分辨系数,其范围为0到1。
引入判断系数:
第i个可靠性影响因素与可靠性综合评价指标序列X0的整体灰色关联度为:
进一步的,所述S4中各影响因素与负向理想序列的灰色关联度计算方法如下:
进一步的,所述S5中综合灰色关联度计算方法如下:
通过综合灰色关联度ψi表征各影响因素对配电网可靠性的影响程度,则:
有益效果:
1、本发明分析方法采用基于最小二乘的序关系分析和CRITIC组合方法计算组合权重,合成可靠性综合评价指标,对区域内各配电网可靠性进行综合评价,评价结果更为全面合理;
2、本发明分析方法采用动态分辨系数改进传统灰色关联分析法,突出影响因素间的差异性,能更有效地识别出对可靠性影响较大的因素;
3、本发明分析方法引入TOPSIS方法思想,弥补了无法对两关联度相近的影响因素进行抉择的问题,可以为配电网可靠性提升措施优选提供更准确的指导。
附图说明
图1是本发明配电网可靠性评估及其影响因素分析方法流程图;
图2是本发明配电网可靠性影响因素指标体系的示意图;
图3是本发明分析方法结合TOPSIS思想的综合灰色关联度示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种配电网可靠性评估及其影响因素分析方法,包括如下步骤:
S1:分别采用序关系分析法和CRITIC法初步确定各可靠性评价指标权重;
S2:构建基于最小二乘法的组合权重优化模型,为各配电网可靠性评价指标组合赋权,合成可靠性综合评价指标;
S3:制定分辨系数动态调整策略,通过改进灰色关联分析方法确定各配电网可靠性影响因素与可靠性综合评价指标的灰色关联度;
S4:结合TOPSIS法思想,引入负向理想序列概念,并计算各影响因素与负向理想序列的灰色关联度;
S5:结合S3所得的各配电网可靠性影响因素与可靠性综合评价指标的灰色关联度和S4所得的各影响因素与负向理想序列的灰色关联度,形成综合灰色关联度,以综合灰色关联度为依据,对各影响因素排序,从而确定各影响因素对配电网可靠性水平的影响程度。
具体的,所述步骤1包括:
假设对某对象,共有m个指标,构成指标集{y1,y2,K,ym},在指标集{y1,y2,K,ym}中,若指标yj相对于yi重要性程度更大,则记为yj>yi,对这m个指标按照如下步骤进行排序,从而确定指标集{y1,y2,K,ym}的序关系。
为方便描述,将确立了序关系的指标集仍记为{y1,y2,K,ym},相邻两指标yj与yj-1的重要程度之比即重要性标度,记为hj。
式中,ωj和ωj-1分别为指标yj与yj-1的权重,hj的取值参考表1。
表1重要性标度hj取值参考
标度 | 说明 |
1.0 | 指标y<sub>j-1</sub>和指标y<sub>j</sub>同等重要 |
1.2 | 指标y<sub>j-1</sub>比指标y<sub>j</sub>稍微重要 |
1.4 | 指标y<sub>j-1</sub>比指标y<sub>j</sub>明显重要 |
1.6 | 指标y<sub>j-1</sub>比指标y<sub>j</sub>强烈重要 |
1.8 | 指标y<sub>j-1</sub>比指标y<sub>j</sub>极端重要 |
序关系列表中各指标的权重为:
ωj-1=hjωj (3)
由序关系分析法确定的主观权重记为W1=[ω1,1,ω1,2,K,ω1,m]。
对于某评价目标,共有m个指标,n个评价对象,构成指标矩阵X=(xij)n×m,由于各指标间存在量纲和数量级差异,采用CRITIC法赋权前,应对指标进行标准化处理,从而得到标准化矩阵X'=(x'ij)n×m。
对于逆向指标,按式(4)进行标准化处理:
对于正向指标,按式(5)进行标准化处理:
CRITIC法通过标准差和相关系数来体现评价指标的对比强度和冲突性,标准化处理后的各指标标准差和相关系数计算公式如下:
以cj表示指标j所包含的信息量:
由CRITIC法确定的客观权重计算方法如式(9)所示,记为W2=[ω2,1,ω2,2,K,ω2,m]。
所述S2具体包括:
序关系分析法具有一定主观局限性,CRITIC法则没有考虑对不同指标的重视程度,本发明以组合权重对应的综合评价值与主客观权重对应的评价值偏差最小为目标函数,建立最小二乘法优化模型如式(10)所示,实现主客观统一。
采用遗传算法求解上述模型,得到最优组合权重序列W=[W1,W2,K,Wm],则第i个评价对象的综合评价指标X0,i计算公式如下:
所述S3具体包括:
S31:考虑到与配电网可靠性相关的影响因素指标数目众多,需要对其进行筛选,选出与可靠性相关性强的核心影响因素指标,减少复杂度和计算量。本发明构建影响因素指标体系如图2所示。假设参与可靠性评估的配电网数量为n,以可靠性综合评价指标作为正向理想序列,记为X0=[X0,1,X0,2,K,X0,n],与可靠性相关的影响因素序列记为Xi=[Xi,1,Xi,2,K,Xi,n]。则可以确定原始评价矩阵X。
各影响因素指标间存在量纲和数量级差异,因此采用式(13)对各影响因素序列进行无量纲化处理:
S32:考虑到可能存在影响因素序列与可靠性评估指标变化趋势相反的情况,对于这类影响因素序列,应在无量纲化处理后取倒数,使其变化势态与可靠性指标一致,避免产生关联度计算偏小的问题,最终得到评价矩阵X'=(X'i,j)n×m。
第i个可靠性影响因素的第j个数的关联系数βij计算公式如下:
其中,
Δij=|X'0,j-X'i,j| (17)
上式中,ε为分辨系数,其范围为0到1。
引入判断系数:
S33:第i个可靠性影响因素与可靠性综合评价指标序列X0的整体灰色关联度为:
所述S4具体包括:
灰色关联分析中的灰色关联度,可以看作待评价序列与正向理想序列的距离,灰色关联分析的核心思想就可以理解为通过比较不同待评价序列与正向理想序列的距离进行优劣评价。然而如图3所示,当待评价序列Xi、Xj相对于正向理想序列X0距离相同时,无法在Xi、Xj间进行优劣判断。引入TOPSIS方法思想,设负向理想序列为则可以通过观察Xi、Xj相对于的距离,作出Xi优于Xj的判断。
所述S5具体包括:
通过综合灰色关联度ψi表征各影响因素对配电网可靠性的影响程度。
为了验证本实施例所提方法的有效性和可行性,以某地区8个配电网为例进行分析。可靠性指标具体数据如表2所示。
表2各配电网可靠性指标数据
根据图2所示的影响因素指标体系可知,本实施例选取X1~X9共9种影响因素指标,其中X1为电缆化率,X2为绝缘化率,X3为联络,X4为平均段分数,X5为配电变压器平均负载率,X6为线路平均负载率,X7为带电作业指标,X8为配电自动化水平,X9为中压电网平均故障修复时间。各配电网可靠性影响因素指标数据如表3所示。
表3各配电网可靠性影响因素指标数据
配网编号 | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> | X<sub>5</sub> | X<sub>6</sub> | X<sub>7</sub> | X<sub>8</sub> | X<sub>9</sub> |
1 | 51.33 | 68.11 | 80.34 | 2.86 | 0.00 | 23.90 | 2.38 | 34.64 | 289.75 |
2 | 56.51 | 70.17 | 82.05 | 3.96 | 7.92 | 26.05 | 21.99 | 34.55 | 280.25 |
3 | 61.41 | 72.56 | 88.35 | 4.06 | 21.59 | 28.18 | 35.39 | 35.49 | 269.80 |
4 | 64.82 | 76.25 | 95.00 | 4.15 | 53.91 | 31.97 | 38.6 | 34.73 | 265.05 |
5 | 75.53 | 94.75 | 85.61 | 3.49 | 0.00 | 31.89 | 2.76 | 36.63 | 274.55 |
6 | 78.31 | 95.00 | 88.67 | 4.53 | 27.03 | 33.67 | 27.89 | 36.55 | 264.10 |
7 | 80.15 | 95.00 | 95.00 | 4.53 | 51.52 | 32.54 | 39.28 | 37.60 | 251.75 |
8 | 85.08 | 95.00 | 95.00 | 4.53 | 65.50 | 34.07 | 53.64 | 37.50 | 240.35 |
合成可靠性综合评价指标的方法如下:
运用序关系分析法,确定可靠性指标的序关系,参考表1确定相邻指标间的重要性标度,最终求得SAIDI、SAIFI、AENS的主观权重为W1=[0.17,0.53,0.30]。
运用CRITIC法进行客观赋权,根据式(6)~(9)计算得到各指标客观权重:W2=[0.48,0.33,0.19]。
由此可见,CRITIC法的赋权结果与序关系分析法相比差异明显,脱离了实际经验,而只采用序关系分析法的赋权结果又忽视了数据自身包含的信息。因此采用基于最小二乘优化模型的组合赋权法,结合序关系分析法和CRITIC法的优点,考虑了数据本身信息量和相关性,为各可靠性指标合理赋权。模型采用遗传算法求解得到各指标的组合权重:W=[0.30,0.44,0.26]。
根据式(11)计算各配电网可靠性综合评价指标X0=[0.7825,0.6692,0.7531,0.7321,0.7968,0.8635,0.8017,0.8868]。按照各配电网可靠性综合评价指标值对配电网进行可靠性排序,即配电网8>配电网6>配电网7>配电网5>配电网1>配电网3>配电网4>配电网2。因此可以得到该地区中配电网8的可靠性最好,而配电网2的可靠性最差的结论。针对可靠性较差的配电网,接下来将通过影响因素关联性分析,为配电网提升可靠性提供参考。
影响因素关联性分析方法如下:
引入动态分辨系数调整策略,根据式(14)~(21)分别计算影响因素指标序列与正、负向理想序列的灰色关联度,最终得到各影响因素指标的综合灰色关联度ψi=[0.8257,0.8498,0.8611,0.8365,0.4123,0.9071,0.6012,0.9436,0.8658],从而得到各影响因素相对于配电网可靠性的影响程度排序:X8>X6>X9>X3>X2>X4>X1>X7>X5。
可以得出以下结论:加强配电网自动化建设,提高配电网自动化水平是提升该地区配电网可靠性的最有效措施,而与配电变压器平均负载率相关的各项措施则提升效益相对较低。因此针对该地区内可靠性最低的配电网2,采取提升配网自动化水平的相应措施可以有效改善其可靠性。
为了进一步验证本文所提方法的有效性和准确性,采用不同方法对影响因素进行关联性分析作为对比,分别为:
方法1:仅对SAIDI作影响因素关联性分析;
方法2:仅对SAIFI作影响因素关联性分析;
方法3:仅对AENS作影响因素关联性分析;
方法4:采用TOPSIS与传统灰色关联分析相结合的方法对综合评价指标作影响因素关联性分析;
方法5:采用引入动态分辨系数调整策略的灰色关联分析方法,对综合评价指标作影响因素关联性分析。计算结果如表4所示。
表4多种关联性分析方法计算结果
观察方法1-方法5和本实施例所提方法求得的影响因素关联度,发现无论采用哪种方法,配电自动化水平X8和中压电网平均故障修复时间X9的关联度都较大,而配电变压器平均负载率X5和带电作业指标X7的关联度则在这几种计算方法所求的结果中普遍较小,证明了本实施例所提方法与传统方法的计算结果具有一定程度上的一致性,本实施例所提方法是合理可信的。
方法1得到的影响因素排序为X1>X8>X9>X6>X3>X5>X2>X4>X7,方法2得到的影响因素排序为X8>X9>X6>X3>X2>X4>X1>X7>X5,方法3得到的影响因素排序为X3>X9>X4>X8>X6>X2>X1>X5>X7。以上三种排序差异较大,可见采用单一可靠性评价指标不利于准确分析影响因素与可靠性间的关联关系,进而影响配电网可靠性提升决策。而本实施例采用序关系分析和CRITIC组合方法对多项可靠性指标组合赋权,合成可靠性综合评价指标,既可以用来检验前期规划成效,又能为后续配电网改造升级提供较为全面的指导。
采用方法4时,关联度较大(>0.7)的数据分布范围较小,影响因素关联度序列方差为0.0269。而采用本实施例所提方法时,关联度较大(>0.7)的影响因素关联度序列方差为0.0714。可以看出本实施例采用的分辨系数动态赋值方法,提升了影响因素序列间的差异性,验证了本实施例所提方法的有效性。
方法5得到的影响因素关联度计算结果中X6关联度与X8关联度十分接近,在配电网可靠性提升措施优选中难以对他们进行抉择。针对这种情况,本实施例所提方法可以通过计算影响因素序列与负向理想序列的灰色关联度,对这两个影响因素进行优劣区分,弥补方法5的不足。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种配电网可靠性评估及其影响因素分析方法,其特征在于,包括步骤:
S1:分别采用序关系分析法和CRITIC法初步确定各可靠性评价指标权重;
S2:构建基于最小二乘法的组合权重优化模型,为各配电网可靠性评价指标组合赋权,合成可靠性综合评价指标;
S3:制定分辨系数动态调整策略,通过改进灰色关联分析方法确定各配电网可靠性影响因素与可靠性综合评价指标的灰色关联度;
S4:结合TOPSIS法思想,引入负向理想序列概念,并计算各影响因素与负向理想序列的灰色关联度;
S5:结合所述S3所得的各配电网可靠性影响因素与可靠性综合评价指标的灰色关联度和S4所得的各影响因素与负向理想序列的灰色关联度,形成综合灰色关联度,以综合灰色关联度为依据,对各影响因素排序,从而确定各影响因素对配电网可靠性水平的影响程度。
2.根据权利要求1所述的配电网可靠性评估及其影响因素分析方法,其特征在于,所述S1具体包括如下步骤:
S11:采用序关系分析法确定各可靠性指标主观权重
按照重要程度对m个可靠性评价指标进行排序,将确立了序关系的指标集记为{y1,y2,K,ym},参考重要性标度取值参考表确定相邻两指标yj与yj-1的重要程度之比,记为hj,
式中,ωj和ωj-1分别为指标yj与yj-1的权重;
指标集中各指标的权重为:
ωj-1=hjωj
由序关系分析法确定的主观权重记为W1=[ω1,1,ω1,2,K,ω1,m];
S12:采用CRITIC法确定各可靠性指标客观权重
有m个指标,n个评价对象的评价目标,构成指标矩阵X=(xij)n×m,由于各指标间存在量纲和数量级差异,采用CRITIC法赋权前,对指标进行标准化处理,得到标准化矩阵X'=(x'ij)n×m,
对于逆向指标,进行标准化处理如下式:
对于正向指标,进行标准化处理如下式:
CRITIC法通过标准差和相关系数来体现评价指标的对比强度和冲突性,标准化处理后的各指标标准差和相关系数计算公式如下:
以cj表示指标j所包含的信息量:
由CRITIC法确定的客观权重记为W2=[ω2,1,ω2,2,K,ω2,m],其计算方法如下式:
4.根据权利要求3所述的配电网可靠性评估及其影响因素分析方法,其特征在于,所述S3中动态分辨系数动态调整策略如下:
以可靠性综合评价指标作为正向理想序列,记为X0=[X0,1,X0,2,K,X0,n],与可靠性相关的影响因素序列记为Xi=[Xi,1,Xi,2,K,Xi,n],确定原始评价矩阵X:
各影响因素指标间存在量纲和数量级差异,因此采用下式对各影响因素序列进行无量纲化处理:
在无量纲化处理后取倒数,使其变化势态与可靠性指标一致,最终得到评价矩阵X'=(X'i,j)n×m;
第i个可靠性影响因素的第j个数的关联系数βij计算公式如下:
其中,
Δij=|X'0,j-X'i,j|
式中,ε为分辨系数,其范围为0到1;
引入判断系数:
第i个可靠性影响因素与可靠性综合评价指标序列X0的整体灰色关联度为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137643.5A CN114462873A (zh) | 2022-02-15 | 2022-02-15 | 一种配电网可靠性评估及其影响因素分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137643.5A CN114462873A (zh) | 2022-02-15 | 2022-02-15 | 一种配电网可靠性评估及其影响因素分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114462873A true CN114462873A (zh) | 2022-05-10 |
Family
ID=81414070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210137643.5A Pending CN114462873A (zh) | 2022-02-15 | 2022-02-15 | 一种配电网可靠性评估及其影响因素分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462873A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117852229A (zh) * | 2024-03-06 | 2024-04-09 | 山东大学 | 含新能源的配电网供电可靠性影响因素分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264112A (zh) * | 2019-07-17 | 2019-09-20 | 国网河南省电力公司开封供电公司 | 基于双向加权灰色关联的配电网可靠性影响因素分析方法 |
CN110363432A (zh) * | 2019-07-17 | 2019-10-22 | 国网河南省电力公司开封供电公司 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
US20210373086A1 (en) * | 2020-05-26 | 2021-12-02 | Wuhan University | Transformer condition evaluation method combining fahp-dematel method and critic method |
-
2022
- 2022-02-15 CN CN202210137643.5A patent/CN114462873A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN110264112A (zh) * | 2019-07-17 | 2019-09-20 | 国网河南省电力公司开封供电公司 | 基于双向加权灰色关联的配电网可靠性影响因素分析方法 |
CN110363432A (zh) * | 2019-07-17 | 2019-10-22 | 国网河南省电力公司开封供电公司 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
US20210373086A1 (en) * | 2020-05-26 | 2021-12-02 | Wuhan University | Transformer condition evaluation method combining fahp-dematel method and critic method |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117852229A (zh) * | 2024-03-06 | 2024-04-09 | 山东大学 | 含新能源的配电网供电可靠性影响因素分析方法及系统 |
CN117852229B (zh) * | 2024-03-06 | 2024-06-04 | 山东大学 | 含新能源的配电网供电可靠性影响因素分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950918B (zh) | 一种基于电力交易数据的市场风险评估方法 | |
CN111199016A (zh) | 一种基于DTW的改进K-means的日负荷曲线聚类方法 | |
CN104537432B (zh) | 基于证据推理的电力系统多目标优化调度的决策方法 | |
CN109214694A (zh) | 一种基于模糊综合评价的电网公司碳减排风险评估方法 | |
CN111539657B (zh) | 结合用户日用电量曲线的典型用电行业负荷特性分类与综合方法 | |
Zhang et al. | Multi-attribute decision making: An innovative method based on the dynamic credibility of experts | |
CN113688458B (zh) | 一种基于层次分析法的地基基础方案优选方法 | |
CN105205251A (zh) | 一种变压器电磁设计方案的评估方法 | |
CN110581783A (zh) | 基于ahp和topsis的通信方案决策方法 | |
CN114462873A (zh) | 一种配电网可靠性评估及其影响因素分析方法 | |
CN111932081A (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN116088453A (zh) | 生产质量预测模型训练方法及装置、生产质量监控方法 | |
CN109636184B (zh) | 一种品牌的账号资产的评估方法及系统 | |
CN110851784A (zh) | 一种现场运行电能表的预警方法 | |
CN107644285A (zh) | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 | |
CN112990703A (zh) | 国际工程市场匹配度评价方法、电子设备及存储介质 | |
CN114626655A (zh) | 一种区域综合能源系统多标准综合评价方法 | |
Johra et al. | Evaluating different metrics for inter-model comparison of urban-scale building energy simulation time series | |
CN116402370A (zh) | 一种基于ahp改进critic的综合指标赋权方法 | |
CN115994784A (zh) | 一种价格确定模型及其构建方法 | |
CN115660425A (zh) | 风偏闪络风险评价方法、系统、设备、可读存储介质 | |
CN111144910B (zh) | 基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法及装置 | |
CN114493157A (zh) | 一种适用分散光伏用户的电能质量评估方法 | |
CN114048977A (zh) | 一种工程师分级方法、装置及终端设备 | |
CN114004525A (zh) | 基于模糊综合评价法面向用户侧的电能替代效益评价方法 |
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 |