CN114971233A - 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统 - Google Patents
一种基于ifahp-critic和topsis的电能质量综合评估方法和系统 Download PDFInfo
- Publication number
- CN114971233A CN114971233A CN202210512179.3A CN202210512179A CN114971233A CN 114971233 A CN114971233 A CN 114971233A CN 202210512179 A CN202210512179 A CN 202210512179A CN 114971233 A CN114971233 A CN 114971233A
- Authority
- CN
- China
- Prior art keywords
- power quality
- evaluation
- weight
- index
- critic
- 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 135
- 238000013441 quality evaluation Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 77
- 238000012544 monitoring process Methods 0.000 claims abstract description 54
- 238000001303 quality assessment method Methods 0.000 claims abstract description 12
- 238000012163 sequencing technique Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method 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
- G06Q10/06395—Quality analysis or management
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于IFAHP‑CRITIC和TOPSIS的电能质量综合评估方法和系统,包括:选取若干电能质量评估指标;利用IFAHP确定各电能质量评估指标的主观权重;利用CRITIC确定各电能质量评估指标的客观权重;构建各电能质量评估指标的主客观组合赋权模型;判断组合权重是否最优;构建基于TOPSIS法的电能质量评估模型;根据电能质量评估模型对电能质量监测点进行排序并评估其电能质量等级;本发明避免了采用单一赋权法使电能质量指标权重过于主观或过于客观,使得对各各监测点的电能质量评估结果更贴近实际;本发明采用逼近理想解排序法求解各监测点到理想解的相对贴近度,可进一步评估处于同一电能质量等级的各监测点的电能质量好坏,使得评估结果更为精细。
Description
技术领域
本发明涉及电能质量评估领域,尤其是一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法和系统。
背景技术
随着光伏风电等分布式电源并入大电网,及大量非线性、冲击性负荷接入电力系统,引起日益严重的电能质量问题。同时随着电能的商品属性逐渐被还原,越来越多的电力用户也更加关注电能质量问题。而电能质量的评估分级是电能质量问题治理、电力市场实行按质定价的前提。因此,对电能质量进行综合合理的评估具有重大意义。
目前,国内外学者主要利用模糊数学法、层次分析法、概率统计与矢量代数法、秩和比法及各种智能算法等对电能质量进行综合评估。利用模糊层次分析法这种主观分析方法对电能质量进行综合评估,该法忽视了客观因素的影响,使得最终的评估结果缺乏客观性。利用加权秩和比法评估电能质量,同时采用熵值法确定指标权重以此降低评估模型的复杂性及主观因素的片面性。还有方法建立电能质量综合评估的随机森林模型,以电能质量评估指标为特征对电能质量进行等级划分,并据此生成样本集对模型进行训练,最终对电能质量进行综合评估。国内外现有方法种类繁多,但均具有各自的局限性:模糊数学法通过隶属度函数改善了评估指标的模糊性问题,但隶属度函数的选取易受主观因素影响,层次分析法也是主观分析法,同样具有忽略客观因素的缺陷。相对的客观分析法,如熵权法、指标相关法等则完全忽视了专家意见等主观因素。概率统计法对与基准值的选取有较高要求,基准值不一致时会使评估结果有较大差距。而各种智能算法虽不需要权重计算,但需要进行大量的样本训练,当样本容量不足时必然会使评估结果不准确。此外,当不同监测点的电能质量等级评估结果为同一电能质量等级时,出现无法区分处于同一电能质量级别的监测点的电能质量优劣情况。
综上所述,现有技术的电能质量评估存在较多问题,包括:电能质量指标权重过于主观或过于客观,使其评估结果不准确;对与基准值的选取有较高要求,基准值不一致时会使评估结果有较大差距以及需要进行大量的样本训练,当样本容量不足时必然会使评估结果不准确等问题。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法和系统;本发明解决了单一赋权法使电能质量指标权重过于主观或过于客观的问题;解决了评估结果不准确的问题。
实现本发明目的所采用的技术方案是,基于直觉模糊层次分析法(Intuitionistic fuzzy analytic hierarchy process,IFAHP)、指标相关法((CriteriaImportance Through Intercriteria Correlation,CRITIC)和逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)的电能质量综合评估方法
本发明采用的技术方案如下:
一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,包括:选取若干电能质量评估指标;利用IFAHP确定各电能质量评估指标的主观权重;利用CRITIC确定各电能质量评估指标的客观权重;构建各电能质量评估指标的主客观组合赋权模型;判断组合权重是否最优;构建基于TOPSIS法的电能质量评估模型;根据电能质量评估模型对电能质量监测点进行排序并评估其电能质量等级。
进一步的,所述选取电能质量评估指标通过频率偏差、电压偏差、电压波动、谐波及三相不平衡度这5个指标构成对电能质量进行综合评估的指标体系。
进一步的,所述利用IFAHP确定主观权重包括:构造电能质量评估指标的直觉模糊评估矩阵;检验电能质量评估指标的直觉模糊评价矩阵的一致性;计算各电能质量评估指标的主观权重。
进一步的,所述利用CRITIC确定客观权重包括:构造电能质量评估指标的CRITIC评估矩阵;计算电能质量评估指标的CRITIC评估矩阵的相关系数;计算各电能质量评估指标的客观权重。
进一步的,所述构建主客观组合赋权模型是基于最小二乘法的主客观组合赋权模型。
进一步的,所述判断组合权重是否最优具体通过人工蜂群算法来计算主观权重和客观权重的各电能质量评估指标的优化组合权重。
进一步的,构建基于TOPSIS法的电能质量评估模型包括:建立标准化评估矩阵;利用所建立的标准化评估矩阵和各电能质量评估指标的优化组合权重来构建加权标准化决策矩阵;通过加权标准化决策矩阵计算各评估点到正负理想解的距离;求解各评估点到理想解的相对贴近度。
一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估系统,包括:
采集模块,用于选取若干电能质量评估指标;
计算模块,用于利用IFAHP确定各电能质量评估指标的主观权重;利用CRITIC确定各电能质量评估指标的客观权重;
处理模块,用于构建各电能质量评估指标的主客观组合赋权模型;判断主观权重和客观权重的优化组合权重是否最优,若最优则进行电能质量等级评估;构建基于TOPSIS法的电能质量评估模型;
评估模块,用于根据电能质量评估模型对电能质量监测点进行排序并评估其电能质量等级。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明避免了采用单一赋权法使电能质量指标权重过于主观或过于客观,使得对各各监测点的电能质量评估结果更贴近实际。
2、本发明采用逼近理想解排序法求解各监测点到理想解的相对贴近度,可进一步评估处于同一电能质量等级的各监测点的电能质量好坏,使得评估结果更为精细。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是电能质量综合评估方法流程图;
图2是确定主观权重方法流程图;
图3是确定客观权重方法流程图;
图4是电能质量评估模型构建方法流程图。
图5是电能质量综合评估系统结构图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
实施例1
一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,包括:
S1:选取若干电能质量评估指标。
所述选取电能质量评估指标通过频率偏差、电压偏差、电压波动、谐波及三相不平衡度这5个指标构成对电能质量进行综合评估的指标体系;本实施例中,优选的,选取5个电能质量评估指标。
本发明采用的频率偏差指标是指在电力系统正常运行条件下,系统频率的实际值和额定值之差,用式(1)来计算:
fδ=fs-fe (1)
其中,fδ为频率偏差;fs为实际频率;fe为额定频率。
本发明采用的电压偏差指标指供电系统在正常运行方式下,某一节点的实际运行电压与系统额定电压的差值和额定电压之比的百分数,其中正常运行方式是指所有电气元件均按预定工况运行,用式(2)来计算电压偏差指标:
其中,ΔU为电压偏差;Us为实际电压;Ue为额定电压。
本发明采用的电压波动指标取值为电压方均根值曲线上相邻两个极值电压之差,其中电压方均根值曲线是每半个基波电压周期方均根值(即有效值)的时间函数,电压波动指标值以系统额定电压的百分数表示,用式(3)计算:
其中,ΔUδ为电压偏差;Umax为实际电压的最大值;Umin为实际电压的最小值;Ue为额定电压。
本发明采用的谐波指标是谐波电压总谐波畸变率(THDij),用式(4)来计算:
本发明采用的三相电压不平衡指标是负序电压不平衡度,用电压负序基波分量与正序基波分量的方均根值之比表示,用式(5)来计算:
其中,δu为三相电压不平衡度;U1、U2分别为正序、负序电压方均根值。
S2:利用IFAHP确定各电能质量评估指标的主观权重。
本发明利用直觉模糊层次分析法(Intuitionistic fuzzy analytic hierarchyprocess,IFAHP)刻画专家对电能质量评估指标重要度模糊认识的本质,在不确定性和模糊性的处理上同时考虑隶属度、非隶属度以及犹豫度三个方面,进而实现精确、灵活地描述专家的主观意见;其包括:
S21:构造电能质量评估指标的直觉模糊评估矩阵。
构造电能质量评估指标的直觉模糊评估矩阵A=(ahj)n×n,其中,h=1,2,…,n;j=1,2,……,n,n为电能评估指标个数,αhj为隶属度,是A的构成元素,ahj=(αhj,βhj),表示专家认为电能质量评估指标h相比指标j的重要程度;βhj为非隶属度,表示专家认为电能质量评估指标j相比指标h的重要程度;π为犹豫度,用式(6)来计算π:
π=1-αhj-βhj (6)
隶属度、非隶属度满足式(7)所示约束:
电能质量评估指标的直觉模糊评价矩阵展开形式如式(8)所示:
S22:检验电能质量评估指标的直觉模糊评价矩阵的一致性。
本发明将一致性阈值系数记作τ,其数值大小取为0.1,若则电能质量评估指标的直觉模糊评价矩阵A通过一致性检验;否则,引入修正因子δ对A为进行调节和修正处理,处理后得到的电能质量评估指标的直觉模糊评价矩阵记作A',计算如式(12)所示:
a'hj为A'的构成元素,αhj′为对αhj进行修正后得到的隶属度,βij′为对βhj进行修正后得到的非隶属度;直至满足d(A,A')<τ则判定为电能质量评估指标的直觉模糊评价矩阵通过一致性检验。
S23:计算各电能质量评估指标的主观权重。
电能质量评估指标j的直觉模糊权重如式(13)所示:
S3:利用CRITIC确定各电能质量评估指标的客观权重。
本发明利用指标相关法(Criteria Importance Through IntercriteriaCorrelation,CRITIC)来计算各电能质量评估指标的客观权重;其包括:
S31:构造电能质量评估指标的CRITIC评估矩阵。
构造m×n阶评价矩阵S,如式(15)所示:
S=(sij)m×n (15)
式中,m为评估对象数,n为评估指标数,各电能质量评估指标均为区间型指标,指标允许区间为[ajmin,ajmax],其中ajmin为第j个指标允许区间的下限,ajmax为第j个指标允许区间的上限;
则其归一化表达式如式(16)为:
式中,Sij为评估矩阵S中的第i个评估对象的第j个指标的评分;S′ij为归一化后评价矩阵S'中的第i个评估对象的第j个指标的评分;Sj是所有评估对象的第j个指标评分集合;i=1,2,…,m;j=1,2,…,n。
S32:计算电能质量评估指标的CRITIC评估矩阵的相关系数。
计算评估矩阵的相关系数,归一化评估矩阵S',各指标的标准差Gj和指标间的相关系数Rij的计算如式(17)和(18)所示:
Rij=cov(S'i,S'j)/(Gi,Gj)i=1,2…,n (18)
式中,S'i、S'j分别为归一化评估矩阵S'第i、j列。
S33:计算各电能质量评估指标的客观权重。
指标j所蕴含的信息量记作Ej,Ej的计算如式(19)所示:
第j个指标的客观权重记作wjk,wjk的计算如式(20)所示:
S4:构建各电能质量评估指标的主客观组合赋权模型。
所述构建主客观组合赋权模型是基于最小二乘法的主客观组合赋权模型;使采用组合权重计算所得的评估分值分别与使用主客观权重计算所得的评估分值之间的偏差越小越好,具体的:
目标函数如(21)所示,并采用人工蜂群算法求解该式:
式中,Ui(wj)、Ui(wjz)、Ui(wjk)分别为对第i个评估对象使用组合权重、主观权重与客观权重计算所得的第j个指标评估分值;其计算如式(22)所示:
S5:判断组合权重是否最优。
所述判断组合权重是否最优具体通过人工蜂群算法来计算主观权重和客观权重的各电能质量评估指标的优化组合权重,具体的,采用人工蜂群算法对S4所构建的模型进行求解;若不是最优权重,则重新进行计算,若是最优权重,则进入到S7进行质量评判。
S6:构建基于TOPSIS法的电能质量评估模型。
S61:建立标准化评估矩阵。
建立评估矩阵,记作X;包括m个评估对象,每个评估对象取n个评估指标,每个指标的等级限值均为p个,评估矩阵表示为X=(Xij)(n+p)×m,其中Xij的计算如式(23)所示:
式中,pij表示第i个评估对象的第j个评估指标的等级限值;
采用式(24)对X进行标准化处理,得到标准化评估矩阵E=(eij)(n+p)×m:
eij=Xij/max{Xij} (24)
式中,Xij表示第i个评估对象的第j个评估指标的原始数值;eij表示第i个评估对象的第j个评估指标标准化后的数值。
S62:构建加权标准化决策矩阵。
本实施例中,利用所建立的标准化评估矩阵和各电能质量评估指标的优化组合权重来构建加权标准化决策矩阵。
根据组合权重,按照式(25)构建加权标准化决策矩阵Z=(zij)(n+p)×m:
zij=wj×yij (25)
S63:计算各评估点到正负理想解的距离。
其中,评估点是指处理过的各评估对象的各评估指标的评分值。
S64:求解各评估点到理想解的相对贴近度。
具体的,根据相对贴近度对各监测点及等级限值进行比较排序来确定各监测点的电能质量等级。
S7:根据电能质量评估模型对电能质量监测点进行排序并评估其电能质量等级。
本实施例首先,选取电能质量评估指标,利用IFAHP确定主观权重;其次,利用CRITIC确定客观权重;然后,构建基于最小二乘法的主客观组合赋权模型,采用人工蜂群算法求解优化组合权重;避免了只采用IFAHP而使主观因素影响过多及只使用CRITIC又使评估结果缺乏主观因素。最后,采用TOPSIS求解各监测点到理想解的相对贴近度,据此对电能质量监测点进行排序并评估其电能质量等级,可进一步区分处于同一电能质量级别的监测点的电能质量优劣情况。
实施例2
实施例2根据实施例1的内容进行了实验说明,具体为:
1)选取电能质量评估指标
根据国家相关标准,选用频率偏差、电压偏差、电压波动、谐波及三相不平衡度构成对电能质量进行综合评估的指标体系。监测点实测值如2所示。
表2监测点实测数据
监测点 | 频率偏差/Hz | 电压偏差/% | 电压波动/% | 谐波/% | 三相不平衡度/% |
1 | 0.0922 | 3.212 | 1.33 | 1.72 | 0.83 |
2 | 0.1562 | 6.68 | 1.53 | 4.28 | 1.36 |
3 | 0.118 | 4.35 | 1.95 | 2.67 | 1.35 |
4 | 0.1787 | 5.33 | 1.37 | 3.36 | 1.74 |
5 | 0.1892 | 4.22 | 1.58 | 4.57 | 1.83 |
6 | 0.011 | 6.569 | 1.382 | 3.279 | 1.954 |
7 | 0.031 | 3.793 | 1.044 | 4.496 | 0.523 |
各项电能质量评估指标具体划分限值如表3所示。
表3电能质量指标等级限值表
电能质量等级 | 频率偏差/Hz | 电压偏差/% | 电压波动/% | 谐波/% | 三相不平衡度/% |
Ⅰ | [0,0.05] | [0,1.2] | [0,0.5] | [0,1.0] | [0,0.5] |
II | (0.05,0.1] | (1.2,3.0] | (0.5,1.0] | (1.0,2.0] | (0.5,1.0] |
III | (0.1,0.15] | (3.0,4.5] | (1.0,1.5] | (2.0,3.0] | (1.0,1.5] |
IV | (0.15,0.2] | (4.5,7.0] | (1.5,2.0] | (3.0,5.0] | (1.5,2.0] |
Ⅴ | (0.2,+∞) | (7.0,+∞) | (2.0,+∞) | (5.0,+∞) | (2.0,+∞) |
2)计算权重
本发明采用IFAHP法,按照表1构造直觉模糊评估矩A如下所示;
表1专家决策评估等级及对应分值表
按照公式(1)~(9)得电能质量评估指标的主观权重Wzj=[0.1146 0.2990 0.18910.2411 0.1562]。
根据公式(10)~(14)得电能质量评估指标的客观权重wjk=[0.2242 0.21810.1611 0.2230 0.1736]
利用人工蜂群算法求解式(15)所示的目标函数,求得主客观评分分值的最小偏差为0.0637。组合权重wj=[0.1695 0.2585 0.1750 0.2321 0.1649]。
3)利用TOPSIS法对电能质量进行综合评估
基于采用TOPSIS法综合评估电能质量,列出评估矩阵。
按照式(19)构建加权标准化决策矩阵Z如下所示。
据式(20)确定各电能质量评估指标的最优劣解如表4所示。
表4指标最优劣解表
3)基于IFAHP-CRITIC和TOPSIS的电能质量综合评估
按照监测点实测数据求解得各监测点的相对贴近度,按照电能质量指标等级限值求解得各级限值的相对贴近度。按照排名得电能质量综合评估结果,如表5所示。
表5电能质量综合评估结果
将使用本发明方法对各监测点的电能质量评估等级进行评估的结果,与使用基于短板效应的多指标共同贡献的电能质量综合评估方法、基于改进雷达图的配电系统电能质量评估方法、基于改进PSO-SVM的电能质量综合评估方法、基于改进熵权法的评估结果对比,如表6所示;
表6评估结果对比
由表5、表6可得监测点1到7的电能质量等级分别为Ⅱ级、Ⅳ级、Ⅲ级、Ⅳ级、Ⅳ级、Ⅰ级、Ⅰ级。由表6知,各对比评估方法及本发明方法对于监测点1-3及6、7的电能质量等级评估结果均一致。但由于各评估方法采用的权重计算方法、主客观占比不同等原因,导致各评估方法对于个别监测点的评估等级结果略有不同。基于改进雷达图的配电系统电能质量评估方法评估监测点4的电能质量等级为Ⅲ级,而基于短板效应的多指标共同贡献的电能质量综合评估方法、基于改进PSO-SVM的电能质量综合评估方法、基于改进熵权法的评估及本发明方法均评估其电能质量等级为Ⅳ级;基于短板效应的多指标共同贡献的电能质量综合评估方法将检测点5的电能质量等级评估为Ⅲ级,基于改进雷达图的配电系统电能质量评估方法、基于改进PSO-SVM的电能质量综合评估方法、基于改进熵权法的评估及本发明方法均将其电能质量等级评估为Ⅳ级。
由表5、表6可见,监测点2、4、5同属Ⅳ级,监测点6和7同属Ⅰ级,根据各监测点到理想解的相对贴近度可进一步知监测点的电能质量的优先次序为2、4、5,同属Ⅰ级的监测点6的电能质量优于监测点7。
实施例3
一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估系统,其可以实现实施例1中所述方法的所有步骤,如图5所示,其系统包括:
采集模块,用于选取若干电能质量评估指标。
所述选取电能质量评估指标,包括:通过频率偏差、电压偏差、电压波动、谐波及三相不平衡度指标构成对电能质量进行综合评估的指标体系。
计算模块,用于利用IFAHP确定各电能质量评估指标的主观权重;利用CRITIC确定各电能质量评估指标的客观权重。
所述利用IFAHP确定主观权重,包括:构造电能质量评估指标的直觉模糊评估矩阵;检验电能质量评估指标的直觉模糊评价矩阵的一致性;通过一致性检验后,计算各电能质量评估指标的主观权重。
所述利用CRITIC确定客观权重,包括:构造电能质量评估指标的CRITIC评估矩阵;计算电能质量评估指标的CRITIC评估矩阵的相关系数;通过相关系数计算各电能质量评估指标的客观权重。
客观权重记作wjk,wjk的计算如下式所示:
处理模块,用于构建各电能质量评估指标的主客观组合赋权模型;判断主观权重和客观权重的优化组合权重是否最优,若最优则进行电能质量等级评估;构建基于TOPSIS法的电能质量评估模型。
所述构建主客观组合赋权模型是基于最小二乘法的主客观组合赋权模型;所述判断组合权重是否最优,包括:通过人工蜂群算法来计算主观权重和客观权重的各电能质量评估指标的优化组合权重。
具体的,采用人工蜂群算法求解该式:
式中,Ui(wj)、Ui(wjz)、Ui(wjk)分别为对第i个评估对象使用组合权重、主观权重与客观权重计算所得的第j个指标评估分值;其计算如下式所示:
构建基于TOPSIS法的电能质量评估模型,包括:
建立标准化评估矩阵,所述标准化评估矩阵为E=(eij)(n+p)×m。
利用所建立的标准化评估矩阵和各电能质量评估指标的优化组合权重来构建加权标准化决策矩阵;所述加权标准化决策矩阵为Z=(zij)(n+p)×m。
评估模块,用于根据电能质量评估模型对电能质量监测点进行排序并评估其电能质量等级。
本发明基于IFAHP-CRITIC和TOPSIS法的电能质量综合评估方法构建了基于最小二乘法的主客观组合赋权模型,利用直觉模糊层次分析法确定主观权重,利用指标相关法确定客观权重,采用人工蜂群算法求解优化组合权重。避免了采用单一赋权法使电能质量指标权重过于主观或过于客观,使得对各各监测点的电能质量评估结果更贴近实际。采用逼近理想解排序法求解各监测点到理想解的相对贴近度,可进一步评估处于同一电能质量等级的各监测点的电能质量好坏,使得评估结果更为精细。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,其特征在于,包括:
选取若干电能质量评估指标;
利用IFAHP确定各电能质量评估指标的主观权重;利用CRITIC确定各电能质量评估指标的客观权重;
构建各电能质量评估指标的主客观组合赋权模型;判断主观权重和客观权重的优化组合权重是否最优,若最优则进行电能质量等级评估;
构建基于TOPSIS法的电能质量评估模型;根据电能质量评估模型对电能质量监测点进行排序并评估其电能质量等级。
2.如权利要求1所述的基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,其特征在于,所述选取电能质量评估指标,包括:
通过频率偏差、电压偏差、电压波动、谐波及三相不平衡度指标构成对电能质量进行综合评估的指标体系。
3.如权利要求1所述的基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,其特征在于,所述利用IFAHP确定主观权重,包括:
构造电能质量评估指标的直觉模糊评估矩阵;检验电能质量评估指标的直觉模糊评价矩阵的一致性;通过一致性检验后,计算各电能质量评估指标的主观权重。
5.如权利要求1所述的基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,其特征在于,所述利用CRITIC确定客观权重,包括:
构造电能质量评估指标的CRITIC评估矩阵;计算电能质量评估指标的CRITIC评估矩阵的相关系数;通过相关系数计算各电能质量评估指标的客观权重。
7.如权利要求1所述的基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,其特征在于,所述构建主客观组合赋权模型是基于最小二乘法的主客观组合赋权模型。
8.如权利要求1所述的基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,其特征在于,所述判断组合权重是否最优,包括:
通过人工蜂群算法来计算主观权重和客观权重的各电能质量评估指标的优化组合权重。
9.如权利要求1所述的基于IFAHP-CRITIC和TOPSIS的电能质量综合评估方法,其特征在于,构建基于TOPSIS法的电能质量评估模型,包括:
建立标准化评估矩阵;利用所建立的标准化评估矩阵和各电能质量评估指标的优化组合权重来构建加权标准化决策矩阵;通过加权标准化决策矩阵计算各评估点到正负理想解的距离;求解各评估点到理想解的相对贴近度。
10.一种基于IFAHP-CRITIC和TOPSIS的电能质量综合评估系统,其特征在于,包括:
采集模块,用于选取若干电能质量评估指标;
计算模块,用于利用IFAHP确定各电能质量评估指标的主观权重;利用CRITIC确定各电能质量评估指标的客观权重;
处理模块,用于构建各电能质量评估指标的主客观组合赋权模型;判断主观权重和客观权重的优化组合权重是否最优,若最优则进行电能质量等级评估;构建基于TOPSIS法的电能质量评估模型;
评估模块,用于根据电能质量评估模型对电能质量监测点进行排序并评估其电能质量等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512179.3A CN114971233A (zh) | 2022-05-12 | 2022-05-12 | 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512179.3A CN114971233A (zh) | 2022-05-12 | 2022-05-12 | 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114971233A true CN114971233A (zh) | 2022-08-30 |
Family
ID=82981381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210512179.3A Pending CN114971233A (zh) | 2022-05-12 | 2022-05-12 | 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971233A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116415742A (zh) * | 2023-06-12 | 2023-07-11 | 水利部水利水电规划设计总院 | 风光水电系统两阶段随机多属性决策方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795692A (zh) * | 2019-09-16 | 2020-02-14 | 浙江工业大学 | 一种主动配电网运行状态评估方法 |
CN111177650A (zh) * | 2019-12-18 | 2020-05-19 | 国网浙江省电力有限公司绍兴供电公司 | 一种配电网电能质量监测与综合评估系统及方法 |
CN111489040A (zh) * | 2020-04-22 | 2020-08-04 | 云南电网有限责任公司 | 一种基于最优组合赋权的电压序列综合评估方法 |
CN112990627A (zh) * | 2019-12-16 | 2021-06-18 | 国网山东省电力公司潍坊供电公司 | 电能质量评估方法 |
CN113779798A (zh) * | 2021-09-14 | 2021-12-10 | 国网江苏省电力有限公司电力科学研究院 | 基于直觉模糊组合赋权的电能质量数据处理方法及装置 |
CN113887908A (zh) * | 2021-09-24 | 2022-01-04 | 浙江工业大学 | 考虑主客观交叉融合权重的桥梁风险评估方法 |
-
2022
- 2022-05-12 CN CN202210512179.3A patent/CN114971233A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795692A (zh) * | 2019-09-16 | 2020-02-14 | 浙江工业大学 | 一种主动配电网运行状态评估方法 |
CN112990627A (zh) * | 2019-12-16 | 2021-06-18 | 国网山东省电力公司潍坊供电公司 | 电能质量评估方法 |
CN111177650A (zh) * | 2019-12-18 | 2020-05-19 | 国网浙江省电力有限公司绍兴供电公司 | 一种配电网电能质量监测与综合评估系统及方法 |
CN111489040A (zh) * | 2020-04-22 | 2020-08-04 | 云南电网有限责任公司 | 一种基于最优组合赋权的电压序列综合评估方法 |
CN113779798A (zh) * | 2021-09-14 | 2021-12-10 | 国网江苏省电力有限公司电力科学研究院 | 基于直觉模糊组合赋权的电能质量数据处理方法及装置 |
CN113887908A (zh) * | 2021-09-24 | 2022-01-04 | 浙江工业大学 | 考虑主客观交叉融合权重的桥梁风险评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116415742A (zh) * | 2023-06-12 | 2023-07-11 | 水利部水利水电规划设计总院 | 风光水电系统两阶段随机多属性决策方法及系统 |
CN116415742B (zh) * | 2023-06-12 | 2023-08-22 | 水利部水利水电规划设计总院 | 风光水电系统两阶段随机多属性决策方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598484A (zh) | 一种风光储系统电能质量综合评估方法 | |
CN107515839A (zh) | 经改进赋权算法处理的电能质量模糊评估法 | |
CN112785119B (zh) | 基于聚类和层次分析算法的配网电压越限原因分析方法 | |
CN110782130A (zh) | 一种基于多属性决策的区域电压质量综合评估方法 | |
CN112990627B (zh) | 电能质量评估方法 | |
CN111563682A (zh) | 一种配电自动化设备测试评价方法 | |
CN112990695B (zh) | 基于博弈dea-多目标决策的dg电能质量评估方法 | |
CN112488565A (zh) | 一种基于物元可拓的海外工程项目风险评价方法 | |
CN111582630A (zh) | 一种用于确定低压台区线损率评估值的方法及系统 | |
CN115719177A (zh) | 一种考虑时序的区域电能质量综合评估方法 | |
CN114971233A (zh) | 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统 | |
CN112069723A (zh) | 一种用于评估电力系统暂态稳定的方法及系统 | |
CN117040020A (zh) | 一种地区整体光伏新能源可消纳能力指数分布的求解方法 | |
CN115986817A (zh) | 一种虚拟电厂多成员综合贡献度分配方法 | |
CN113779798A (zh) | 基于直觉模糊组合赋权的电能质量数据处理方法及装置 | |
CN112818525A (zh) | 一种水电机组状态评价方法及其系统 | |
CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
Farahani et al. | Car sales forecasting using artificial neural networks and analytical hierarchy process | |
CN114493157A (zh) | 一种适用分散光伏用户的电能质量评估方法 | |
CN113743452A (zh) | 电能质量评估方法及装置 | |
CN117353321A (zh) | 一种基于源荷不确定性的配电网安全评估方法和系统 | |
CN112070336A (zh) | 一种基于层次分析法的制造业信息量化分析方法及装置 | |
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 | |
CN116797096A (zh) | 基于ahp-熵权法的供应链韧性水平模糊综合评估方法 | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 |
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 |