CN114548756A - 基于主成分分析的综合能源项目综合效益评价方法及装置 - Google Patents
基于主成分分析的综合能源项目综合效益评价方法及装置 Download PDFInfo
- Publication number
- CN114548756A CN114548756A CN202210157042.0A CN202210157042A CN114548756A CN 114548756 A CN114548756 A CN 114548756A CN 202210157042 A CN202210157042 A CN 202210157042A CN 114548756 A CN114548756 A CN 114548756A
- Authority
- CN
- China
- Prior art keywords
- comprehensive
- evaluation
- principal component
- data
- matrix
- 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 86
- 230000008901 benefit Effects 0.000 title claims abstract description 73
- 238000000513 principal component analysis Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000013210 evaluation model Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 32
- 239000003344 environmental pollutant Substances 0.000 claims description 16
- 231100000719 pollutant Toxicity 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 11
- 238000006467 substitution reaction Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 230000001737 promoting effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 239000002131 composite material Substances 0.000 claims 1
- 238000012847 principal component analysis method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component 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
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于主成分分析的综合能源项目综合效益评价方法及装置，通过构建综合效益评价模型，对所建模型的原始数据矩阵进行处理得到标准化后的评价数据；计算得到标准化数据矩阵的相关系数矩阵，对相关系数矩阵进行特征值分析，进而计算得到各主成分与原指标之间的映射关系、贡献率及累计贡献率；计算得到各地区的主成分评价值与综合评价值并分析以上数据，综合考虑各方面因素对综合能源项目的影响，作出优化的项目规划。本发明保证了对综合能源项目综合效益评价的客观性，结论的正确性，同时通过主成分分析法的降维处理，能够最大降低总体计算工作量，在保留原始变量绝大部分信息的同时，使得分析得到简化。
Description
技术领域
本发明涉及综合能源综合效益评估技术领域，具体地，涉及一种基于主成分分析的综合能源项目综合效益评价方法及装置。
背景技术
综合能源项目的综合效益指标复杂繁多，若直接将所有指标全部纳入分析，可能会因为共线性而无法得出正确的结论。主成分分析法(PCA)是多元统计学中一种解决多变量高维复杂系统的有效数学方法，数学实质是数据的降维分析。利用降维的思想，把多指标转化为少数几个综合指标(即主成分)，其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。这种方法在引进多方面变量的同时将复杂因素归结为几个主成分，使问题简单化，同时得到的结果更加科学有效的数据信息。
发明内容
本发明结合环保效益、社会效益、经济效益等因素，以综合能源项目综合效益最优为优化目标，利用基于主成分分析方法，提出一种基于主成分分析法的综合能源项目综合效益评价方法。主要包括：考虑经济效益模型建模；考虑环境效益模型建模；考虑社会效益模型建模；基于PCA的综合能源项目综合效益评价模型构建；PCA在综合效益评价中的适用性分析。
具体地，本发明提出一种基于主成分分析的综合能源项目综合效益评价方法，所述方法包括如下步骤：
S1：根据客户提供的数据、资料建立基于PCA的综合能源项目综合效益评价指标体系；
S2：基于上述综合效益评价指标体系，进一步以基于PCA方法构建综合效益评价模型；
S3：对所建综合效益评价模型的原始数据矩阵进行标准化处理，得到标准化后的评价数据；
S4：计算得到标准化数据矩阵的相关系数矩阵；对相关系数矩阵进行特征值分析，进而计算得到各主成分与原指标之间的映射关系、贡献率及累计贡献率；
S5：根据上述结果，进一步计算得到各地区的主成分评价值与综合评价值；
S6：分析以上数据，综合考虑各方面因素对综合能源项目的影响，作出优化的项目规划。
进一步地，本发明还提出一种基于主成分分析的综合能源项目综合效益评价装置，所述装置包括：
指标体系建立模块：根据客户提供的数据、资料建立基于PCA的综合能源项目综合效益评价指标体系；
综合效益评价模型构建模块：基于上述综合效益评价指标体系，进一步以基于PCA方法构建综合效益评价模型；
标准化处理模块：对所建综合效益评价模型的原始数据矩阵进行标准化处理，得到标准化后的评价数据；
计算分析模块：计算得到标准化数据矩阵的相关系数矩阵；对相关系数矩阵进行特征值分析，进而计算得到各主成分与原指标之间的映射关系、贡献率及累计贡献率；
评价值获取模块：根据上述结果，进一步计算得到各地区的主成分评价值与综合评价值；
决策模块：分析以上数据，综合考虑各方面因素对综合能源项目的影响，作出优化的项目规划。
进一步地，本发明还提出一种终端，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据本发明所述方法的步骤。
进一步地，本发明还提出计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明所述方法的步骤。
与现有技术相比,本发明所达到的有益效果是：
本发明提出基于主成分分析法的综合能源项目综合效益评价方法，综合考虑环保效益、社会效益、经济效益等因素，进而建立综合效益的评价指标体系，保证对综合能源项目综合效益评价的客观性。对综合能源项目的评价指标之间存在的相关性进行分析，保证结论的正确性。同时通过主成分分析法的降维处理，能够最大降低总体计算工作量，在保留原始变量绝大部分信息的同时，使得分析得到简化。
附图说明
图1是本发明基于主成分分析法的综合能源项目综合效益评价方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，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有所其它实施例，都属于本发明的保护范围。
如图1所示，本发明提出了一种基于主成分分析法的综合能源项目综合效益评价方法，其步骤如下：
S1：根据客户提供的数据、资料建立基于PCA的综合能源项目综合效益评价模型。包括：
S11：考虑经济效益模型建模。
项目经济效益包括改造成本，运行成本和维护费用。
其中改造成本包括用户、电网企业以及政府三方投资。用户投资包括改造费用、设备费用；电网企业投资包括配电网配套工程费用；政府投资包括政府补贴费用。改造成本Cg的计算公式如下：
Cg＝Ck+Cd+Cn-Cb (1-1)
其中，Ck为改造费用，Cd为设备费，Cn为配电网配套工程费用，Cb为政府补贴费用。
设备用电电费按补贴电价和正常电价分时计费，运行成本的计算公式如下：
Cr＝Es-Cs+Ec-Cc (1-2)
其中，Es为补贴电价时段设备用电量；Cs为补贴电价；Ec为正常时间设备用电；Cc为正常电价。
综合能源项目维护费用主要是对设备维护费用。
S12：考虑环境价值模型建模。不同污染物对于环境的污染严重程度不同，可以折合成环境价值来体现。综合能源工程所创造的总环境价值EV，其计算公式如下所示：
EV＝∑△mi×EVi (2-1)
式中，EVi为第i种污染物的环境价值；Δmi为第i种污染物减排量，其计算公式如下所示：
△mi＝ti×a-Ti×b (2-2)
其中，ti、Ti分别表示污染物量的第i种污染物排放因子，a表示污染物减少用量，b为污染物的新增用量。
S13：考虑社会效益模型建模。
综合能源项目可以提高电能在终端能源消费中的比重，进一步改善人居环境，同时能够大量增加就业岗位，具有明显的社会效益。
对于“促进电能替代”评价指标，假设某地区原来的总负荷量为S0，由综合能源项目而新增的负荷为ΔSn，则采用下式计算“促进电能替代”的程度，即：
其中，α表示“促进电能替代”指标。
对于“改善生活环境”评价指标，通过综合能源项目，居民的生活环境得到了显著改善，定义相对室温合格率用于评价“改善生活环境”指标，其计算公式如下所示：
其中，ΔNt为实施综合能源项目后新增的室温合格户数，Nn为总测量户数。
对于“增加就业岗位”评价指标，其计算公式如下所示：
式中，β表示“增加就业岗位”指标，Δwn表示某地区实施综合能源项目后的新增就业岗位，ωo为原就业岗位数。
S2：基于PCA的综合效益评价模型构建。
针对步骤(1)、步骤(2)和步骤(3)所建立的综合效益评价指标体系，进一步以基于PCA方法构建综合效益评价模型。
假设给定了n个方案，并且每个方案设置有p个评价指标，则其构成了评价数据矩阵为X，其中X＝[x1，x2，…，xp]，xi＝[x1i，x2i，…，xpi]T，xki表示xi的第k个分量。
S3：对所建PCA模型的原始数据矩阵进行标准化处理，得到标准化后的评价数据。
根据下列式子对原评价数据矩阵X进行标准化处理，得到标准化后的矩阵Y，Y＝[y1，y2，…，yp]，yi＝[y1i，y2i，…，ypi]T，yki表示yi的第k个分量。其中，
S4：计算得到标准化数据矩阵的相关系数矩阵。对相关系数矩阵进行特征值分析，进而计算得到各主成分与原指标之间的映射关系、贡献率及累计贡献率。包括：
进一步计算标准化矩阵Y的相关系数矩阵R，若相关系数矩阵R有q个非负特征值，且对其进行降序排序，即：
λ1≥λ2≥…≥λq≥0 (4-2)
进一步分别求出对应于特征值λi的特征向量ei(i＝1，2，…，q)，并且特征向量ei的模为1，如下式所示：
其中，eki表示向量ei的第k个分量。
则主成分的计算式则可表达为：
Z＝YE (4-4)
其中，E＝[e1，e2，…，eq]为q个特征值对应规范正交特征矩阵，Z＝[z1，z2，…，zq]为q个主成分构成的矩阵，
zi＝[z1i，z2i，…，zpi]T，zki表示第i个主成分zi的第k个分量。由于各主成分之间不存在相关性，因此第i个主成分zi对原始变量(评价指标)信息的贡献率为：
累计贡献率定义如下：
假设累计贡献率为0.85～0.95的特征值包括{λ1，λ2，…，λm}，其对应于第1、第2、…、第m(m≤q)个主成分。
S5：根据上述结果，进一步计算得到各地区(方案)的主成分评价值与综合评价值。具体地，方案的综合评价值可由上述m个主成分的线性加权和计算获得，即：
其中，F为方案的综合评价值。
S6：分析以上数据，综合考虑各方面因素对综合能源项目的影响，作更科学合理有效的规划。
在实际过程中，可以根据上述的PCA模型算法，计算得到各方案的综合评价值、经济效益(改造成本、运行成本、维护费用)、环境价值(不同污染物对环境污染程度)、社会效益(促进电能替代、改善生活环境、增加就业岗位)以及各指标对应的贡献率。
某个综合能源项目建设时，根据计算的各方案的综合评价值，即可判断此此建设方案的好与差，综合评价值越高，方案越好。如果某综合能源项目的各方案综合评价值相近，可根据各指标数值和贡献率进行详细分析，根据目标需求对方案进行选择，即如果希望对排放污染物对环境的污染程度低，选环境价值低的即可。如果方案特别关注某一指标点，可以在保证综合评价值预期范围内，增加某指标的贡献率，例如此方案希望减少碳排放，可以在方案设计时，减少碳的排放，降低环境价值，在实际建设时可适当增加清洁能源使用(光伏等)。
另外，可观察到影响综合评价价的指标主要是经济效益(改造成本、运行成本、维护费用)、环境价值(不同污染物对环境污染程度)、社会效益(促进电能替代、改善生活环境、增加就业岗位)，为了保证方案综合评价值符合预期，可以在设计方案时，就注意各指标的详情，即合理的降低经济效益、减少环境价值、增加社会效益，方案的综合评价值会增高，但各指标要在合理范围内调整。
上述的PCA模型算法即可以评价不同建设方案的优劣，也可以根据综合评价值、各指标和贡献率对方案进行优化调整，也可以对已完成建设的综合能源项目进行评价，为项目优化改造提供建议。
本发明建立的PCA模型考虑到综合能源规划与电网运行之间存在紧密的耦合联系，因此原始评价数据矩阵的相关系数矩阵模值不为0，指标具有关联性；此外，由于所提方法对原始数据进行标准化处理及正态分布变换，实现了数据的无量纲化，由此对于综合能源项目效益综合评价具有很好的适用性。
进一步地，本发明还提出一种相应的基于主成分分析法的综合能源项目综合效益评价装置，所述装置包括：
指标体系建立模块：根据客户提供的数据、资料建立基于PCA的综合能源项目综合效益评价指标体系；
综合效益评价模型构建模块：基于上述综合效益评价指标体系，进一步以基于PCA方法构建综合效益评价模型；
标准化处理模块：对所建综合效益评价模型的原始数据矩阵进行标准化处理，得到标准化后的评价数据；
计算分析模块：计算得到标准化数据矩阵的相关系数矩阵；对相关系数矩阵进行特征值分析，进而计算得到各主成分与原指标之间的映射关系、贡献率及累计贡献率；
评价值获取模块：根据上述结果，进一步计算得到各地区的主成分评价值与综合评价值；
决策模块：分析以上数据，综合考虑各方面因素对综合能源项目的影响，作出优化的项目规划。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其它设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (14)
1.一种基于主成分分析的综合能源项目综合效益评价方法，其特征在于，所述方法包括如下步骤：
S1：根据客户提供的数据、资料建立基于PCA的综合能源项目综合效益评价指标体系；
S2：基于上述综合效益评价指标体系，进一步以基于PCA方法构建综合效益评价模型；
S3：对所建综合效益评价模型的原始数据矩阵进行标准化处理，得到标准化后的评价数据；
S4：计算得到标准化数据矩阵的相关系数矩阵；对相关系数矩阵进行特征值分析，进而计算得到各主成分与原指标之间的映射关系、贡献率及累计贡献率；
S5：根据上述结果，进一步计算得到各地区的主成分评价值与综合评价值；
S6：分析以上数据，综合考虑各方面因素对综合能源项目的影响，作出优化的项目规划。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：
S11：考虑经济效益模型建模；
S12：考虑环境价值模型建模；
S13：考虑社会效益模型建模。
3.根据权利要求2所述的方法，其特征在于，所述步骤S11包括：项目经济效益包括改造成本，运行成本和维护费用；
改造成本Cg的计算公式如下：
Cg＝Ck+Cd+Cn-Cb
其中，Ck为改造费用，Cd为设备费，Cn为配电网配套工程费用，Cb为政府补贴费用；
运行成本的计算公式如下：
Cr＝Es-Cs+Ec-Cc
其中，Es为补贴电价时段设备用电量；Cs为补贴电价；Ec为正常时间设备用电；Cc为正常电价。
4.根据权利要求2所述的方法，其特征在于，所述步骤S12包括：综合能源工程所创造的总环境价值EV，其计算公式如下所示：
EV＝∑Δmi×EVi
式中，EVi为第i种污染物的环境价值；Δmi为第i种污染物减排量，其计算公式如下所示：
Δmi＝ti×a-Ti×b
其中，ti、Ti分别表示污染物量的第i种污染物排放因子，a表示污染物减少用量，b为污染物的新增用量。
5.根据权利要求2所述的方法，其特征在于，所述步骤S13的建模包括计算“促进电能替代”评价指标、“改善生活环境”评价指标和“增加就业岗位”评价指标。
6.根据权利要求5所述的方法，其特征在于，
对于“促进电能替代”评价指标，假设某地区原来的总负荷量为S0，由综合能源项目而新增的负荷为ΔSn，则采用下式计算“促进电能替代”的程度，即：
其中，α表示“促进电能替代”指标；
对于“改善生活环境”评价指标，其计算公式如下所示：
其中，ΔNt为实施综合能源项目后新增的室温合格户数，Nn为总测量户数；
对于“增加就业岗位”评价指标，其计算公式如下所示：
式中，β表示“增加就业岗位”指标，Δwn表示某地区实施综合能源项目后的新增就业岗位，ωo为原就业岗位数。
7.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
假设给定了n个方案，并且每个方案设置有p个评价指标，则其构成了评价数据矩阵为X，其中X＝[x1，x2，…，xp]，xi＝[x1i，x2i，…，xpi]T，xki表示xi的第k个分量。
8.根据权利要求7所述的方法，其特征在于，所述步骤S3包括：
根据下式对所述评价数据矩阵X进行标准化处理，得到标准化后的矩阵Y，
Y＝[y1，y2，…，yp]，yi＝[y1i，y2i，…，ypi]T，
yki表示yi的第k个分量；其中，
9.根据权利要求8所述的方法，其特征在于，所述步骤S4包括：
计算标准化矩阵Y的相关系数矩阵R，若相关系数矩阵R有q个非负特征值，且对其进行降序排序，即：
λ1≥λ2≥…≥λq≥0
分别求出对应于特征值λi的特征向量ei(i＝1，2，…，q)，并且特征向量ei的模为1，如下式所示：
其中，eki表示向量ei的第k个分量；
则主成分的计算式则可表达为：
Z＝YE
其中，E＝[e1，e2，…，eq]为q个特征值对应规范正交特征矩阵，Z＝[z1，z2，…，zq]为q个主成分构成的矩阵，
zi＝[z1i，z2i，…，zpi]T，zki表示第i个主成分zi的第k个分量。
10.根据权利要求9所述的方法，其特征在于，由于各主成分之间不存在相关性，因此第i个主成分zi对评价指标信息的贡献率为：
累计贡献率定义如下：
假设累计贡献率为0.85～0.95的特征值包括{λ1，λ2，…，λm}，其对应于第1、第2、…、第m(m≤q)个主成分。
11.根据权利要求10所述的方法，其特征在于，所述步骤S5包括：方案的综合评价值可由上述m个主成分的线性加权和计算获得，即：
其中，F为方案的综合评价值。
12.一种基于主成分分析的综合能源项目综合效益评价装置，用于实现权利要求1-11项所述的方法，其特征在于，所述装置包括：
指标体系建立模块：根据客户提供的数据、资料建立基于PCA的综合能源项目综合效益评价指标体系；
综合效益评价模型构建模块：基于上述综合效益评价指标体系，进一步以基于PCA方法构建综合效益评价模型；
标准化处理模块：对所建综合效益评价模型的原始数据矩阵进行标准化处理，得到标准化后的评价数据；
计算分析模块：计算得到标准化数据矩阵的相关系数矩阵；对相关系数矩阵进行特征值分析，进而计算得到各主成分与原指标之间的映射关系、贡献率及累计贡献率；
评价值获取模块：根据上述结果，进一步计算得到各地区的主成分评价值与综合评价值；
决策模块：分析以上数据，综合考虑各方面因素对综合能源项目的影响，作出优化的项目规划。
13.一种终端，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-11任一项所述方法的步骤。
14.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-11任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210157042.0A CN114548756A (zh) | 2022-02-21 | 2022-02-21 | 基于主成分分析的综合能源项目综合效益评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210157042.0A CN114548756A (zh) | 2022-02-21 | 2022-02-21 | 基于主成分分析的综合能源项目综合效益评价方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114548756A true CN114548756A (zh) | 2022-05-27 |
Family
ID=81675376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210157042.0A Pending CN114548756A (zh) | 2022-02-21 | 2022-02-21 | 基于主成分分析的综合能源项目综合效益评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114548756A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965120A (zh) * | 2022-12-01 | 2023-04-14 | 广东电网有限责任公司 | 一种区域能源在短期内的安全预警方法 |
| CN116451829A (zh) * | 2023-02-23 | 2023-07-18 | 葛洲坝集团交通投资有限公司 | 一种基于主成分分析的高速公路建设减排优化方法及系统 |
| CN117408573A (zh) * | 2023-12-13 | 2024-01-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种upfc设备画像展示与性能分析方法和系统 |
| CN117933754A (zh) * | 2024-01-30 | 2024-04-26 | 华北电力大学 | 基于变分量子算法的综合能源微网评价生成系统及方法 |
-
2022
- 2022-02-21 CN CN202210157042.0A patent/CN114548756A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965120A (zh) * | 2022-12-01 | 2023-04-14 | 广东电网有限责任公司 | 一种区域能源在短期内的安全预警方法 |
| CN116451829A (zh) * | 2023-02-23 | 2023-07-18 | 葛洲坝集团交通投资有限公司 | 一种基于主成分分析的高速公路建设减排优化方法及系统 |
| CN117408573A (zh) * | 2023-12-13 | 2024-01-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种upfc设备画像展示与性能分析方法和系统 |
| CN117408573B (zh) * | 2023-12-13 | 2024-02-09 | 国网江苏省电力有限公司苏州供电分公司 | 一种upfc设备画像展示与性能分析方法和系统 |
| CN117933754A (zh) * | 2024-01-30 | 2024-04-26 | 华北电力大学 | 基于变分量子算法的综合能源微网评价生成系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114548756A (zh) | 基于主成分分析的综合能源项目综合效益评价方法及装置 | |
| Helseth et al. | Detailed long‐term hydro‐thermal scheduling for expansion planning in the Nordic power system | |
| Karabulut et al. | Long term energy consumption forecasting using genetic programming | |
| CN116707331B (zh) | 基于模型预测的逆变器输出电压高精度调节方法及系统 | |
| CN115564193A (zh) | 智能配电网多维度综合效益评估方法及系统、存储介质 | |
| CN115511631A (zh) | 一种碳交易方法、装置、电子设备及存储介质 | |
| Benidris et al. | Reliability and sensitivity analysis of composite power systems considering voltage and reactive power constraints | |
| CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
| CN111950752A (zh) | 光伏电站发电量预测方法、装置、系统及其存储介质 | |
| CN113743667A (zh) | 一种台区用电量预测方法、装置、设备及存储介质 | |
| US9312695B2 (en) | Condition-based management of power transformers | |
| CN110210677B (zh) | 一种结合聚类和深度学习算法的母线短期日负荷预测方法和装置 | |
| CN116432524A (zh) | 一种变压器油温预测方法、装置、设备及存储介质 | |
| CN115759436A (zh) | 一种电网大数据下的用户电量电费预测方法及系统 | |
| CN115964843A (zh) | 考虑储能的提高区域电网新能源承载能力评估方法及系统 | |
| Xiong et al. | PSO algorithm‐based scenario reduction method for stochastic unit commitment problem | |
| CN115952878A (zh) | 用电负荷预测方法、装置、电子设备和存储介质 | |
| Peralta et al. | Unit commitment with load uncertainty by joint chance-constrained programming | |
| CN116933189A (zh) | 一种数据检测方法和装置 | |
| CN112036713A (zh) | 一种基于主成分分析的煤改电综合效益评价方法和系统 | |
| CN109978384A (zh) | 一种配电网运行效率的主导因素分析方法及相关产品 | |
| Gangammanavar | Multiple timescale stochastic optimization with application to integrating renewable resources in power systems | |
| KR20190129675A (ko) | 지향성 비용함수를 이용한 에너지 수요예측을 위한 장치 및 방법 | |
| CN117691583B (zh) | 一种用于虚拟电厂的电力调度系统及方法 | |
| CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 |
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 |