CN115239201A - 一种电力指数的评估方法及系统 - Google Patents

一种电力指数的评估方法及系统 Download PDF

Info

Publication number
CN115239201A
CN115239201A CN202211091258.8A CN202211091258A CN115239201A CN 115239201 A CN115239201 A CN 115239201A CN 202211091258 A CN202211091258 A CN 202211091258A CN 115239201 A CN115239201 A CN 115239201A
Authority
CN
China
Prior art keywords
index
power
market
indexes
data
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
Application number
CN202211091258.8A
Other languages
English (en)
Inventor
王戈
朱劲枫
陈定辉
汪道萍
尹伟
鲜鑫
苏育均
胡晓
樊晓倩
胡渝嘉
陈松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Sichuan Electric Power Co Ltd
Original Assignee
State Grid Sichuan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Sichuan Electric Power Co Ltd filed Critical State Grid Sichuan Electric Power Co Ltd
Priority to CN202211091258.8A priority Critical patent/CN115239201A/zh
Publication of CN115239201A publication Critical patent/CN115239201A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (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

本申请公开了一种电力指数的评估方法及系统，属于数据处理技术领域，所述方法包括：分别对用电指数、供电指数、市场指数、双碳指数各维度下的电力指标进行筛选和数据标准化处理，得到标准化指标集，利用离差平方和法进行R型分层聚类，获得各指数维度的指标聚类结果，对每一聚类进行非参数KW检验，确定各维度电力分析指标，利用时差相关分析法对各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。本申请解决了现有技术中存在电力指标选取智能化程度低，电力指数评估不准确的技术问题，达到了全面科学客观地评估电力指数，准确监测指数波动情况的技术效果。

Description

一种电力指数的评估方法及系统
技术领域
本申请涉及数据处理技术领域，尤其涉及一种电力指数的评估方法及系统。
背景技术
电力指数的构建需要 综合考虑多方面因素，为了准确测度电力波动情况，需要从大量影响 电力行业和电力时长的各因素指标中选取合适的具有代表性的指标 集合。在众多因素指标中，仅仅依靠技术人员的经验来选取指标，无 法准确反映电力波动情况，容易导致基于电力指数的分析不准确，无 法全面客观地评价地区的电力发展的经济水平与绿色低碳发展的状 态。现有技术中存在电力指标选取智能化程度低，电力指数评估不准 确的技术问题。
发明内容
本申请的目的是提供一种电力指数的评估方法及系统，用以解决现有技术中存在电力指标选取智能化程度低，电力指数评估不准确的技术问题。
鉴于上述问题，本申请提供了一种电力指数的评估方法及系统。
第一方面，本申请提供了一种电力指数的评估方法，其中，所述方法包括：分别对用电指数、供电指数、市场指数、双碳指数各维度下的电力指标进行筛选，获得初筛电力指标集；对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集；利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果；对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标；利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标；分别按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。
另一方面，本申请还提供了一种电力指数的评估系统，其中，所述系统包括：指标筛选模块，所述指标筛选模块用于分别对用电指数、供电指数、市场指数、双碳指数各维度下的电力指标进行筛选，获得初筛电力指标集；标准化处理模块，所述标准化处理模块用于对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集；聚类结果获得模块，所述聚类结果获得模块用于利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果；分析指标确定模块，所述分析指标确定模块用于对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标；分析指标划分模块，所述分析指标划分模块用于利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标；监测指数获得模块，所述监测指数获得模块用于分别按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请通过从用电指数、供电指数、市场指数、双碳指数四个维度对电力指标进行筛选，得到初筛电力指标集，然后利用极差标准化公式进行指标数据标准化处理，得到标准化指标集，利用离差平方和法对标准化指标集进行R型分层聚类，将相关性高的指标分类，从而得到各个指数维度的指标聚类结果，为了保证聚类结果的准确性，对指标聚类结果中每一聚类进行非参数KW检验，将检验合格的指标设为各维度电力分析指标，然后利用时差相关分析法对各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标，然后按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。达到了提高对电力指数评估的智能化水平，进而提高评估准确性的技术效果。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种电力指数的评估方法的流程示意图；
图2为本申请实施例提供的一种电力指数的评估方法中确定电力指标体系的流程示意图；
图3为本申请实施例提供的一种电力指数的评估方法中确定各维度电力分析指标的流程示意图；
图4为本申请一种电力指数的评估系统的结构示意图；
附图标记说明：指标筛选模块11，标准化处理模块12，聚类结果获得模块13，分析指标确定模块14，分析指标划分模块15，监测指数获得模块16。
具体实施方式
本申请通过提供一种电力指数的评估方法及系统，解决了现有技术中存在电力指标选取智能化程度低，电力指数评估不准确的技术问题。达到了全面科学客观地评估电力指数，准确监测指数波动情况的技术效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种电力指数的评估方法，其中，所述方法包括：
步骤S100：分别对用电指数、供电指数、市场指数、双碳指数各维度下的电力指标进行筛选，获得初筛电力指标集；
具体而言，影响电力波动的指标众多，在对指标进行筛选的过程中，需要考虑指标的全面性、统计充分性、敏感性、及时性和准确性等。根据电力行业和市场的规律及特征，结合工业的发展速度、产业结构变化趋势和新能源结构的清洁化等因素，从经济发展和绿色低碳两个视角，进行电力指标的选取。示例性的，如图2所示，构建以用电指数、供电指数、市场指数和双碳指数这四个维度为基础的电力指标体系。其中，所述用电指数反映了各行业的用电量情况，可选的，包括：第一产业用电量、城乡居民生活用电量、重点企业用电量等。所述供电指数反映了供电单位的电力供应能力，可选的，包括：地方电厂发电量、统调电厂发电量、地方电网发电量等。所述市场指数反映了不同电量品种在市场上的交易电量和交易均价，可选的，包括：各交易品种交易电量、各交易品种交易均价。所述双碳指数反映了绿色低碳的构建情况，可选的，包括：清洁能源发电量、清洁能源外送电量、电能替代量等。所述初筛电力指标集是可以用来准确地测度电力波动情况的指标集合，可选的，包括：第一产业用电量、第二产业用电量、地方电厂发电量等。由此，实现了对众多电力指标进行科学筛选的目标，达到了提供高质量的电力指标，进而提高电力指数构建的准确性的技术效果。
步骤S200：对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集；
进一步的，对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集，本申请实施例步骤S200还包括：
步骤S210：利用极差标准化公式：
Figure 114224DEST_PATH_IMAGE002
，其中，vij是指第i个指数下选取的第j个指标的原始数值，而uij则为对应的标准化后的数值，数值范围满足0≤uij≤1，i为初筛电力指标集中的指数个数，1≤i≤4，j为每个指数中的指标数，j=1,2,…。
具体而言，所述指标数据标准化处理是指利用极差标准化公式对正向指标和负向指标进行处理，使指标的大小处于一固定范围，且将负向指标转化为正向指标。其中，所述正向指标的指标数值越大，表明经济水平越高。负向指标的指标数值越小，表明经济发展越差。通过将各电力指标转换为正向指标，且数值范围满足0≤uij≤1，实现了指标标准化处理的目标，达到了统一指标的数值量级，消除指标之间的量纲影响，提高指标分析的准确性的技术效果。
步骤S300：利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果；
进一步的，所述利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果，本申请实施例还包括：
a：将标准化指标集中各指标作为一类构成类集，从类集中任取两类进行合并，获得合并方案，其中合并方案的总数为n(n-1)/2，其中，n为标准化指标集中指标数量，n=1,2,…；
b：将合并方案的数值代入公式：
Figure DEST_PATH_IMAGE003
，计算获得总离差平方和，其中，S为总离差平方和，nt代表第t类的指标个数，
Figure 641151DEST_PATH_IMAGE004
表示第t类中第j个评价指标标准化后的数值(j=1,2,...,nt)，
Figure 155309DEST_PATH_IMAGE005
为第t类指标的样本平均值向量，k为参与总离差平方和计算的合并方案个数，1≤k≤n(n-1)/2，t为对指标聚类后的类别个数，1≤t≤n；
c：选择总离差平方和最小的合并方案对应的合并类作为新一类加入类集中，重复步骤a-b，直到分类数达到预设分类数量为止。
具体而言，所述离差平方和是各项与平均项之差的平方的总和。通过对指标进行R型分层聚类，可以对指标进行定量筛选，实现将相关性大的指标聚为一类的目标。其中，各指数维度的指标聚类结果是对各个指数维度的指标进行相关性聚集后得到的聚类结果。首先，将n个评价指标分为n类，从n类中任意选取两类进行合并，在合并的同时其他类别保持不变，则所有合并方案的总数为n(n-1)/2。
具体的，在获得所有的合并方案后，将合并方案的离差平方和数值代入总离差平方和公式中，得到所有k类的总离差平方和。其中，S表示所有k类的总离差平方和，1≤k≤n(n-1)/2。当总离差平方和数值越小，表明该类评价指标的相似度越高，聚类越合理。因此，总离差平方和最小的合并方案对应的合并类，表明该类的聚集度足够高，将其作为新一类加入类集中，继续重复步骤a-b，重新计算总离差平方和，直至分类数达到预设分类数量。其中，所述预设分类数量是预先设置的对指标分类的合理分类数量，由工作人员自行设定，在此不做限制。由此，实现了对标准化指标集中的指标进行定量筛选，按照指标的相关性将指标划分为不同类型的目标，达到提高指标的系统化程度，进而提高电力指数评价体系的准确性的技术效果。
步骤S400：对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标；
进一步的，如图3所示，所述对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标，本申请实施例步骤S400还包括：
步骤S410：对各指标聚类结果进行数值特征显著性计算，获得聚类显著性水平；
步骤S420：当所述聚类显著性水平＞0.05时，通过非参数KW检验；
步骤S430：当所述聚类显著性水平＜0.05时，未通过所述非参数KW检验，重新调整所述指标聚类结果，直到满足所述非参数KW检验为止。
具体而言，由于在进行指标聚类时，结束聚类的条件为分类数达到预设分类数量，而预设分类数量是由工作人员自行设定，因此，为了避免确定分类个数的主观随意性，对指标聚类结果中每一聚类进行非参数KW检验，从而保证聚类数据确定的合理性。其中，所述非参数KW检验的原假设为不同的评价指标在数值特征上无显著差异。所述数值特征显著性计算是对计算假设各指标聚类结果在不同的评价指标在数值特征上无显著差异时所要承担的风险水平。所述聚类显著性水平是指各指标聚类结果的数值特征无显著差异的概率值。
具体的，当所述聚类显著性水平＞0.05时，则接受原假设，表明同一类的评价指标间没有显著差异，聚类数目合理；当显著性水平＜0.05时，则拒绝原假设，表明聚类数据不合理，需要重新调整指标聚类结果，直至满足所述非参数KW检验为止。由此，达到了对聚类结果进行检验，提高聚类质量的技术效果。
步骤S500：利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标；
进一步的，所述利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标，本申请实施例步骤S500还包括：
步骤S510：利用时差相关分析法的时差相关系数公式：
Figure 347256DEST_PATH_IMAGE006
，计算获得时差相关系数
Figure 4371DEST_PATH_IMAGE007
，其中，
Figure 154730DEST_PATH_IMAGE008
；
Figure 969233DEST_PATH_IMAGE009
，
Figure 636975DEST_PATH_IMAGE010
是按照时差对时间变量进行修正后得到的数据，
Figure 164908DEST_PATH_IMAGE011
和
Figure 673119DEST_PATH_IMAGE012
为均值、p为时间变量、
Figure 286503DEST_PATH_IMAGE013
称为时差或延迟期数、nj为总的数据个数、
Figure 492356DEST_PATH_IMAGE014
为延迟的数据个数、
Figure 563211DEST_PATH_IMAGE013
为负数时表示先行、
Figure 320952DEST_PATH_IMAGE013
为正数时表示滞后，
Figure 405320DEST_PATH_IMAGE015
为第
Figure 477181DEST_PATH_IMAGE016
期的待判断的指标，
Figure 855073DEST_PATH_IMAGE017
为第p期的基准指标；
步骤S520：若
Figure 534447DEST_PATH_IMAGE007
在
Figure 528948DEST_PATH_IMAGE018
或者
Figure 721944DEST_PATH_IMAGE019
时最大，则x和y是一致指标；
步骤S530：若
Figure 688763DEST_PATH_IMAGE007
在
Figure 257148DEST_PATH_IMAGE020
时最大，则x是y的先行指标；
步骤S540：若
Figure 551994DEST_PATH_IMAGE007
在
Figure 965658DEST_PATH_IMAGE021
时最大，则x是y的滞后指标。
进一步的，所述计算获得时差相关系数之后，本申请实施例步骤S510还包括：
步骤S511：对所述先行指标、一致指标、滞后指标进行筛选，其中，筛选条件为指标的时差相关系数绝对值大于0.5，且各指标的时差相关系数是一个时间序列数据，且时差相关系数中有正有负，将满足所述筛选条件的指标进行划分。
具体而言，所述时差相关分析法是指将被选指标相对于基准指标前后移动若干个月，然后将移动后的序列与基准序列进行相关分析，估计出各个时刻点与基准序列的相关系数，最大的相关系数对应的移动期数就是该指标的超前或延迟期数，进而得到计算指标与基准指标之间的超前或滞后期。其中，所述先行指标用于预测未来电力走向或者波峰、波谷的出现。所述一致指标反映了当前的电力运行状态和现有水平。所述滞后指标用于确定周期波峰或波谷是否已经出现。
具体的，通过所述时差相关系数公式可以对各分析指标的时差相关系数进行定量计算，从而提高分析的准确性。其中，x为待判断指标，y为基准指标。所述时差相关系数反映了待判断指标相对于基准指标的超前或滞后期数。在计算得到的
Figure 160885DEST_PATH_IMAGE007
中，选择出最大值
Figure 837854DEST_PATH_IMAGE022
，其对应的时差为x与y的波动最接近时的延迟期数。
Figure 869263DEST_PATH_IMAGE007
越接近于1，两个序列x和y的相关性越强。由此，可以对待判断指标进行指标种类的确定。进而，对所述各维度电力分析指标进行划分。
具体的，在对各维度电力分析指标进行划分之后，得到先行指标、一致指标和滞后指标滞后，根据各指标计算出的时差相关系数对指标进行筛选。筛选的条件为：指标的时差相关系数绝对值大于0.5，且各指标的时差相关系数是一个时间序列数据，且时差相关系数中有正有负。将满足筛选条件的指标划分出来，不满足筛选条件的指标进行剔除，从而删除分析指标中的冗余指标，减少分析指标，达到了提高分析的准确度和效率的技术效果。
步骤S600：分别按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。
进一步的，按照预设规则构建用电指数、供电指数、双碳指数模型，本申请实施例步骤S600还包括：
步骤S610：将各指标维度的指标原始数据的截面数据与时间序列数据相结合，构建数据矩阵
Figure 306192DEST_PATH_IMAGE023
，
Figure 637816DEST_PATH_IMAGE025
为数据矩阵
Figure 220107DEST_PATH_IMAGE027
中第e行第f列的元素，c为截面数据的个数，d为时间序列数据的个数， c=1,2,…，d=1,2,…；e为数据矩阵的横向坐标，1≤e≤c，f为数据的纵向坐标，1≤f≤d；
步骤S620：利用正态标准化方法对指标原始数据进行标准化处理，获得标准化矩阵
Figure 191343DEST_PATH_IMAGE028
，其中，
Figure 743547DEST_PATH_IMAGE029
，
Figure 352514DEST_PATH_IMAGE031
为标准化矩阵O中第e行第f列的元素，
Figure 230341DEST_PATH_IMAGE032
和
Figure 377288DEST_PATH_IMAGE033
分别为原始数据矩阵
Figure 44768DEST_PATH_IMAGE034
中的第f列数据的样本均值和标准差；
步骤S630：根据公式
Figure 960771DEST_PATH_IMAGE035
，计算各变量的相关系数，获得相关性系数矩阵R，
Figure 494652DEST_PATH_IMAGE036
是标准化矩阵中第g个指标和第k个指标的相关性系数，
Figure 191212DEST_PATH_IMAGE037
是第g个指标数据的均值，
Figure 164565DEST_PATH_IMAGE038
是标准化矩阵中第g个指标的第h行的数据值，
Figure 935075DEST_PATH_IMAGE039
是第k个指标数据的均值，
Figure 92386DEST_PATH_IMAGE038
是标准化矩阵中第k个指标的第h行的数据值，h为计算变量相关性系数时纵列的个数，h=1,2，…，d；
步骤S640：基于所述相关性系数矩阵R，根据公式
Figure 558134DEST_PATH_IMAGE040
，计算获得各指标的方差贡献率，根据公式：
Figure 724673DEST_PATH_IMAGE041
，计算获得各指标的累计方差贡献率，其中，
Figure 458012DEST_PATH_IMAGE042
表示第g个指标变量的贡献率、
Figure 989487DEST_PATH_IMAGE043
为第g个指标变量的累计贡献率、
Figure 191798DEST_PATH_IMAGE044
为R的特征值、
Figure 912761DEST_PATH_IMAGE045
为R的特征向量；
步骤S650：基于所述各指标的累计方差贡献率，确定指标的主成分，并计算各成分的得分系数；
步骤S660：根据标准化矩阵中的各元素xef、公式
Figure 251338DEST_PATH_IMAGE046
，计算获得成分得分系数，基于所述成分得分系数计算每个主成分的得分，其中，Qw是指第w个主成分的成分得分系数，xef是指标准化矩阵中第e行第f列的元素，uw是每个主成分的特征向量，
Figure 688136DEST_PATH_IMAGE047
是每个主成分特征向量的特征值的平方根，w是贡献率大于80%的指标个数，w=1,2，…，g；
步骤S670：利用主成分的得分、各成分的贡献率，计算获得各维度的电力指数得分；
步骤S680：获得计算基期，并设基期的用电指数为100，基于所述各维度的电力指数得分，计算用电指数、供电指数、双碳指数。
进一步的，按照预设规则构建市场指数模型，本申请实施例步骤S680还包括：
步骤S681：确定市场计算基期，计算获得基期的市场化交易电额I0，并将基期的市场指数定义为100；
步骤S682：利用公式
Figure 830273DEST_PATH_IMAGE048
，计算获得各报告期的IN，其中，IN是市场化交易结算电量，QTU为报告期第T月，第U类市场化交易电量，
Figure 869773DEST_PATH_IMAGE049
为基期第T月，第U类市场化交易电量，以月平均电量表示，PTU为报告期第T个月，第U类市场交易价格；N为当前的月份数，M为报告期市场类型数，M0代表基期的市场交易类型数；
步骤S683：根据各报告期的IN，计算获得市场指数，其中，
Figure 282431DEST_PATH_IMAGE050
，其中，I0是基期的市场化交易电额。
具体而言，由于在电力指数指标体系中用电指数、供电指数和双碳指数下对应的指标相互并列，而市场指数对应的指标具有交互乘积效应，因此，在对电力指数进行评估的过程中，用电指数、供电指数和双碳指数使用同一种模型进行评估，而市场指数通过市场指数模型进行评估。
具体的，按照预设规则构建用电指数、供电指数、双碳指数模型，是利用主成分分析法将多个指标转化为一个综合指标，并计算出主成分得分，从而对指数进行评估。其中，所述截面数据是指标原始数据在同一时间截面上反映整体的同一特征变量的观测值。所述时间序列数据是不同时间上收集到的数据，用于反映数据随时间变化的情况。所述数据矩阵反映了指标特征观测值和数据随时间变化的整体情况。
具体的，通过使用正态标准化方法将指标原始数据进行标准化处理，得到标准化矩阵，为后续进行指标计算和比对提供便利，提高数据分析的准确性。其中，所述各变量的相关系数反映了变量之间的相关程度，进而根据所述相关性系数矩阵指标的相关情况。所述方差贡献率是指方差与原序列方差的比值，表征不同周期的分量对原始数据形成的贡献程度，所述贡献率为各成分对应的特征值占所有特征值之和的百分比。所述累计方差贡献率是各指标的多个分量方差贡献率之和。根据所述各指标的累计方差贡献率大小，选择累计贡献率大于80%的特征值对应的指标变量作为主成分。
具体的，所述各个维度下的电力指数得分是通过根据每个维度的主成分个数，对多个主成分得分进行线性加权，以各个成分的贡献率为权重，进行计算得到的。进而得到对应的用电指数、供电指数和双碳指数。从而，实现对电力指数进行评估的目标，达到了对电力指数进行量化评估，提高评估的准确性的技术效果。
具体的，市场指数可以反映市场的总体状况和长期变化走势，市场指数的构建在基于给定的基年之后，按月统计12个月的基准值，按月进行计算，采用当年累计值，统计各交易中心完成的市场化交易结算电量。其中，所述市场计算基期是指在统计中计算动态指标作为对比标准的时期。所述市场化交易电额是在基期内市场上进行交易的电量额度。
具体的，根据公式计算市场化交易结算电量，从而得到各报告期的结算电量。其中，QTU为报告期第T月，第U类市场化交易电量，
Figure 14764DEST_PATH_IMAGE051
为基期第T月，第U类市场化交易电量，以月平均电量表示，即第U类市场化年度交易总电量QU除以12；PTU为报告期第T个月，第U类市场交易价格；M为报告期市场类型数（随着电力市场改革的不断推进，报告期M所代表的市场交易类型数会逐步增加，即计算期的市场类型数以实际为准）；M0代表基期的市场交易类型数。进而根据市场指数计算公式得到市场指数，从而实现对市场指数进行量化计算的目标。
具体的，根据模型获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数，对电力波动情况进行实时监测，从而实现电力监测全覆盖。可选的，通过设置各项指数波动设定各项指数波动范围阈值，通过系统运算和对比，对超过阈值的指标进行预警。通过设置的两种预警等级，实现预警结果分类处置。其中，预警等级包括正常和预警，发生预警后值班人员立即报送并组织相关人员进行分析，得出分析结果和下一步工作建议。可选的，通过监测指数增减趋势，分析指数发展方向。达到了科学有效的评估电力指数，进而全面客观地评价一个地区的电力发展经济水平与绿色低碳发展状态的技术效果。
综上所述，本申请所提供的一种电力指数的评估方法具有如下技术效果：
1.本申请实施例通过从全面性、及时性的指标选取原则，对用电指数、供电指数、市场指数、双碳指数四个维度下的电力指标进行初步筛选，来减少分析指标，提高分析效率，进而通过对指标数据进行标准化处理，提高指标数据的对比精度，然后利用离差平方和法对标准化指标集进行R型分层聚类，得到指标聚类结果，为了保证聚类结果的准确性，避免主观随意性，需要通过非参数KW检验对聚类结果进行检验，然后利用时差相关分析法划分各维度电力分析指标，确定先行指标、一致指标、滞后指标，分别按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，进而得到用电监测指数、供电监测指数、双碳监测指数、市场监测指数，对电力波动情况精细监测。达到了提高指数评估的准确性，进行科学、全面的电力指数评估的技术效果。
2.本申请实施例通过利用极差标准化公式对初筛电力指标集中的正向指标和负向指标进行标准化处理，将各电力指标转换为正向指标，且数值范围满足0≤uij≤1，由此，达到了统一指标的数值量级，避免由于量纲影响，导致指标无法进行统一比对，进而提高指标分析准确性的技术效果。
实施例二
基于与前述实施例中一种电力指数的评估方法同样的发明构思，如图4所示，本申请还提供了一种电力指数的评估系统，其中，所述系统包括：
指标筛选模块11，所述指标筛选模块11用于分别对用电指数、供电指数、市场指数、双碳指数各维度下的电力指标进行筛选，获得初筛电力指标集；
标准化处理模块12，所述标准化处理模块12用于对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集；
聚类结果获得模块13，所述聚类结果获得模块13用于利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果；
分析指标确定模块14，所述分析指标确定模块14用于对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标；
分析指标划分模块15，所述分析指标划分模块15用于利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标；
监测指数获得模块16，所述监测指数获得模块16用于分别按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。
进一步的，所述系统还包括：
标准化处理单元，所述标准化处理单元用于利用极差标准化公式：
Figure 332613DEST_PATH_IMAGE002
，其中，vij是指第i个指数下选取的第j个指标的原始数值，而uij则为对应的标准化后的数值，数值范围满足0≤uij≤1，i为初筛电力指标集中的指数个数，1≤i≤4，j为每个指数中的指标数，j=1,2,…。
进一步的，所述系统还包括：
a：将标准化指标集中各指标作为一类构成类集，从类集中任取两类进行合并，获得合并方案，其中合并方案的总数为n(n-1)/2，其中，n为标准化指标集中指标数量，n=1,2,…；
b：将合并方案的数值代入公式：
Figure 425071DEST_PATH_IMAGE003
，计算获得总离差平方和，其中，S为总离差平方和，nt代表第t类的指标个数，
Figure 941503DEST_PATH_IMAGE004
表示第t类中第j个评价指标标准化后的数值(j=1,2,...,nt)，
Figure 595470DEST_PATH_IMAGE005
为第t类指标的样本平均值向量，k为参与总离差平方和计算的合并方案个数，1≤k≤n(n-1)/2，t为对指标聚类后的类别个数，1≤t≤n；
c：选择总离差平方和最小的合并方案对应的合并类作为新一类加入类集中，重复步骤a-b，直到分类数达到预设分类数量为止。
进一步的，所述系统还包括：
显著性计算单元，所述显著性计算单元用于对各指标聚类结果进行数值特征显著性计算，获得聚类显著性水平；
检验单元，所述检验单元用于当所述聚类显著性水平＞0.05时，通过非参数KW检验；
聚类结果调整单元，所述聚类结果调整单元用于当所述聚类显著性水平＜0.05时，未通过所述非参数KW检验，重新调整所述指标聚类结果，直到满足所述非参数KW检验为止。
进一步的，所述系统还包括：
时差相关系数获得单元，所述时差相关系数获得单元用于利用时差相关分析法的时差相关系数公式：
Figure 462931DEST_PATH_IMAGE006
，计算获得时差相关系数
Figure 985180DEST_PATH_IMAGE052
，其中，
Figure 939141DEST_PATH_IMAGE053
；
Figure 685380DEST_PATH_IMAGE009
，
Figure 322029DEST_PATH_IMAGE010
是按照时差对时间变量进行修正后得到的数据，
Figure 913548DEST_PATH_IMAGE011
和
Figure 404572DEST_PATH_IMAGE012
为均值、p为时间变量、
Figure 633297DEST_PATH_IMAGE013
称为时差或延迟期数、nj为总的数据个数、
Figure 272088DEST_PATH_IMAGE014
为延迟的数据个数、
Figure 214768DEST_PATH_IMAGE013
为负数时表示先行、
Figure 232402DEST_PATH_IMAGE013
为正数时表示滞后，
Figure 648340DEST_PATH_IMAGE015
为第
Figure 961379DEST_PATH_IMAGE016
期的待判断的指标，
Figure 19333DEST_PATH_IMAGE017
为第p期的基准指标；
一致指标确定单元，所述一致指标确定单元用于若
Figure 891474DEST_PATH_IMAGE007
在
Figure 697888DEST_PATH_IMAGE018
或者
Figure 780113DEST_PATH_IMAGE019
时最大，则x和y是一致指标；
先行指标确定单元，所述先行指标确定单元用于若
Figure 359868DEST_PATH_IMAGE007
在
Figure 679991DEST_PATH_IMAGE020
时最大，则x是y的先行指标；
滞后指标确定单元，所述滞后指标确定单元用于若
Figure 844256DEST_PATH_IMAGE007
在
Figure 164510DEST_PATH_IMAGE021
时最大，则x是y的滞后指标。
进一步的，所述系统还包括：
多维度指标筛选单元，所述多维度指标筛选单元用于对所述先行指标、一致指标、滞后指标进行筛选，其中，筛选条件为指标的时差相关系数绝对值大于0.5，且各指标的时差相关系数是一个时间序列数据，且时差相关系数中有正有负，将满足所述筛选条件的指标进行划分。
进一步的，所述系统还包括：
数据矩阵构建单元，所述数据矩阵构建单元用于将各指标维度的指标原始数据的截面数据与时间序列数据相结合，构建数据矩阵
Figure 970792DEST_PATH_IMAGE023
，
Figure 716726DEST_PATH_IMAGE025
为数据矩阵
Figure 520733DEST_PATH_IMAGE027
中第e行第f列的元素，c为截面数据的个数，d为时间序列数据的个数， c=1,2,…，d=1,2,…；e为数据矩阵的横向坐标，1≤e≤c，f为数据的纵向坐标，1≤f≤d；
数据标准化处理单元，所述数据标准化处理单元用于利用正态标准化方法对指标原始数据进行标准化处理，获得标准化矩阵
Figure 46393DEST_PATH_IMAGE028
，其中，
Figure 203836DEST_PATH_IMAGE029
，
Figure 498551DEST_PATH_IMAGE031
为标准化矩阵O中第e行第f列的元素，
Figure 847361DEST_PATH_IMAGE032
和
Figure 798000DEST_PATH_IMAGE033
分别为原始数据矩阵
Figure 273981DEST_PATH_IMAGE034
中的第f列数据的样本均值和标准差；
相关系数矩阵获得单元，所述相关系数矩阵获得单元用于根据公式
Figure 642776DEST_PATH_IMAGE035
计算各变量的相关系数，获得相关性系数矩阵R，
Figure 444379DEST_PATH_IMAGE036
是标准化矩阵中第g个指标和第k个指标的相关性系数，
Figure 351155DEST_PATH_IMAGE037
是第g个指标数据的均值，
Figure 817777DEST_PATH_IMAGE038
是标准化矩阵中第g个指标的第h行的数据值，
Figure 618243DEST_PATH_IMAGE039
是第k个指标数据的均值，
Figure 13584DEST_PATH_IMAGE038
是标准化矩阵中第k个指标的第h行的数据值，h为计算变量相关性系数时纵列的个数，h=1,2，…，d；
贡献率计算单元，所述贡献率计算单元用于基于所述相关性系数矩阵R，根据公式
Figure 532290DEST_PATH_IMAGE054
，计算获得各指标的方差贡献率，根据公式：
Figure 491018DEST_PATH_IMAGE041
，计算获得各指标的累计方差贡献率，其中，
Figure 660837DEST_PATH_IMAGE042
表示第g个指标变量的贡献率、
Figure 476347DEST_PATH_IMAGE043
为第g个指标变量的累计贡献率、
Figure 233081DEST_PATH_IMAGE044
为R的特征值、
Figure 792238DEST_PATH_IMAGE055
为R的特征向量；
得分系数计算单元，所述得分系数计算单元用于基于所述各指标的累计方差贡献率，确定指标的主成分，并计算各成分的得分系数；
得分计算单元，所述得分计算单元用于根据标准化矩阵中的各元素xef、公式
Figure 556844DEST_PATH_IMAGE046
，计算获得成分得分系数，基于所述成分得分系数计算每个主成分的得分，其中，Qw是指第w个主成分的成分得分系数，xef是指标准化矩阵中第e行第f列的元素，uw是每个主成分的特征向量，
Figure 480938DEST_PATH_IMAGE047
是每个主成分特征向量的特征值的平方根，w是贡献率大于80%的指标个数，w=1,2，…，g；
电力指数得分计算单元，所述电力指数得分计算单元用于利用主成分的得分、各成分的贡献率，计算获得各维度的电力指数得分；
指数计算单元，所述指数计算单元用于获得计算基期，并设基期的用电指数为100，基于所述各维度的电力指数得分，计算用电指数、供电指数、双碳指数。
进一步的，所述系统还包括：
交易电额计算单元，所述交易电额计算单元用于确定市场计算基期，计算获得基期的市场化交易电额I0，并将基期的市场指数定义为100；
报告期交易电额计算单元，所述报告期交易电额计算单元用于利用公式
Figure 177498DEST_PATH_IMAGE048
，计算获得各报告期的IN，其中，IN是市场化交易结算电量，QTU为报告期第T月，第U类市场化交易电量，
Figure 87817DEST_PATH_IMAGE049
为基期第T月，第U类市场化交易电量，以月平均电量表示，PTU为报告期第T个月，第U类市场交易价格；N为当前的月份数，M为报告期市场类型数，M0代表基期的市场交易类型数；
市场指数计算单元，所述市场指数计算单元用于根据各报告期的IN，计算获得市场指数，其中，
Figure 858327DEST_PATH_IMAGE050
，其中，I0是基期的市场化交易电额。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种电力指数的评估方法和具体实例同样适用于本实施例的一种电力指数的评估系统，通过前述对一种电力指数的评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种电力指数的评估系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种电力指数的评估方法，其特征在于，所述方法包括：
分别对用电指数、供电指数、市场指数、双碳指数各维度下的电力指标进行筛选，获得初筛电力指标集；
对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集；
利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果；
对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标；
利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标；
分别按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。
2.如权利要求1所述的方法，其特征在于，对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集，包括：
利用极差标准化公式：
Figure 92726DEST_PATH_IMAGE002
，
其中，vij是指第i个指数下选取的第j个指标的原始数值，而uij则为对应的标准化后的数值，数值范围满足0≤uij≤1，i为初筛电力指标集中的指数个数，1≤i≤4，j为每个指数中的指标数，j=1,2,…。
3.如权利要求1所述的方法，其特征在于，所述利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果，包括：
a：将标准化指标集中各指标作为一类构成类集，从类集中任取两类进行合并，获得合并方案，其中合并方案的总数为n(n-1)/2，其中，n为标准化指标集中指标数量，n=1,2,…；
b：将合并方案的数值代入公式：
Figure 948686DEST_PATH_IMAGE003
，计算获得总离差平方和，其中，S为总离差平方和，nt代表第t类的指标个数，
Figure 459433DEST_PATH_IMAGE004
表示第t类中第j个评价指标标准化后的数值(j=1,2,...,nt)，
Figure 84450DEST_PATH_IMAGE005
为第t类指标的样本平均值向量，k为参与总离差平方和计算的合并方案个数，1≤k≤n(n-1)/2，t为对指标聚类后的类别个数，1≤t≤n；
c：选择总离差平方和最小的合并方案对应的合并类作为新一类加入类集中，重复步骤a-b，直到分类数达到预设分类数量为止。
4.如权利要求1所述的方法，其特征在于，所述对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标，包括：
对各指标聚类结果进行数值特征显著性计算，获得聚类显著性水平；
当所述聚类显著性水平＞0.05时，通过非参数KW检验；
当所述聚类显著性水平＜0.05时，未通过所述非参数KW检验，重新调整所述指标聚类结果，直到满足所述非参数KW检验为止。
5.如权利要求1所述的方法，其特征在于，所述利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标，包括：
利用时差相关分析法的时差相关系数公式：
Figure 927510DEST_PATH_IMAGE006
，计算获得时差相关系数
Figure 129821DEST_PATH_IMAGE007
，其中，
Figure 381942DEST_PATH_IMAGE008
；
Figure 189361DEST_PATH_IMAGE009
，
Figure 626158DEST_PATH_IMAGE010
是按照时差对时间变量进行修正后得到的数据，
Figure 633210DEST_PATH_IMAGE011
和
Figure 548076DEST_PATH_IMAGE012
为均值、p为时间变量、
Figure 288630DEST_PATH_IMAGE013
称为时差或延迟期数、nj为总的数据个数，
Figure 896329DEST_PATH_IMAGE014
为延迟的数据个数、
Figure 276495DEST_PATH_IMAGE013
为负数时表示先行、
Figure 368953DEST_PATH_IMAGE013
为正数时表示滞后，
Figure 885385DEST_PATH_IMAGE015
为第
Figure 539352DEST_PATH_IMAGE016
期的待判断的指标，
Figure 937972DEST_PATH_IMAGE017
为第p期的基准指标；
若
Figure 37384DEST_PATH_IMAGE018
在
Figure 346005DEST_PATH_IMAGE019
或者
Figure 685720DEST_PATH_IMAGE020
时最大，则x和y是一致指标；
若
Figure 447002DEST_PATH_IMAGE018
在
Figure 710625DEST_PATH_IMAGE021
时最大，则x是y的先行指标；
若
Figure 873753DEST_PATH_IMAGE018
在
Figure 571319DEST_PATH_IMAGE022
时最大，则x是y的滞后指标。
6.如权利要求5所述的方法，其特征在于，所述计算获得时差相关系数，之后包括：
对所述先行指标、一致指标、滞后指标进行筛选，其中，筛选条件为指标的时差相关系数绝对值大于0.5，且各指标的时差相关系数是一个时间序列数据，且时差相关系数中有正有负，将满足所述筛选条件的指标进行划分。
7.如权利要求1所述的方法，其特征在于，按照预设规则构建用电指数、供电指数、双碳指数模型，包括：
将各指标维度的指标原始数据的截面数据与时间序列数据相结合，构建数据矩阵
Figure 210111DEST_PATH_IMAGE023
，
Figure 683949DEST_PATH_IMAGE025
为数据矩阵
Figure 29479DEST_PATH_IMAGE027
中第e行第f列的元素，c为截面数据的个数，d为时间序列数据的个数， c=1,2,…，d=1,2,…；e为数据矩阵的横向坐标，1≤e≤c，f为数据的纵向坐标，1≤f≤d；利用正态标准化方法对指标原始数据进行标准化处理，获得标准化矩阵
Figure 586363DEST_PATH_IMAGE028
，其中，
Figure 588534DEST_PATH_IMAGE029
，
Figure 990696DEST_PATH_IMAGE031
为标准化矩阵O中第e行第f列的元素，
Figure 269362DEST_PATH_IMAGE032
和
Figure 997147DEST_PATH_IMAGE033
分别为原始数据矩阵
Figure 282635DEST_PATH_IMAGE034
中的第f列数据的样本均值和标准差；
根据公式
Figure 862389DEST_PATH_IMAGE035
，计算各变量的相关系数，获得相关性系数矩阵R，
Figure 182512DEST_PATH_IMAGE036
是标准化矩阵中第g个指标和第k个指标的相关性系数，
Figure 690985DEST_PATH_IMAGE037
是第g个指标数据的均值，
Figure 667031DEST_PATH_IMAGE038
是标准化矩阵中第g个指标的第h行的数据值，
Figure 847215DEST_PATH_IMAGE039
是第k个指标数据的均值，
Figure 693948DEST_PATH_IMAGE038
是标准化矩阵中第k个指标的第h行的数据值，h为计算变量相关性系数时纵列的个数，h=1,2，…，d；
基于所述相关性系数矩阵R，根据公式
Figure 153748DEST_PATH_IMAGE040
，计算获得各指标的方差贡献率，根据公式：
Figure 85932DEST_PATH_IMAGE041
，计算获得各指标的累计方差贡献率，其中，
Figure 836850DEST_PATH_IMAGE042
表示第g个指标变量的贡献率、
Figure 803669DEST_PATH_IMAGE043
为第g个指标变量的累计贡献率、
Figure 355742DEST_PATH_IMAGE044
为R的特征值、
Figure 165435DEST_PATH_IMAGE045
为R的特征向量；
基于所述各指标的累计方差贡献率，确定指标的主成分，并计算各成分的得分系数；
根据标准化矩阵中的各元素xef、公式
Figure 126569DEST_PATH_IMAGE046
，计算获得成分得分系数，基于所述成分得分系数计算每个主成分的得分，其中，Qw是指第w个主成分的成分得分系数，xef是指标准化矩阵中第e行第f列的元素，uw是每个主成分的特征向量，
Figure 275791DEST_PATH_IMAGE047
是每个主成分特征向量的特征值的平方根，w是贡献率大于80%的指标个数，w=1,2，…，g；
利用主成分的得分、各成分的贡献率，计算获得各维度的电力指数得分；
获得计算基期，并设基期的用电指数为100，基于所述各维度的电力指数得分，计算用电指数、供电指数、双碳指数。
8.如权利要求1所述的方法，其特征在于，按照预设规则构建市场指数模型，包括：
确定市场计算基期，计算获得基期的市场化交易电额I0，并将基期的市场指数定义为100；
利用公式
Figure 421601DEST_PATH_IMAGE048
，计算获得各报告期的IN，其中，IN是市场化交易结算电量，QTU为报告期第T月，第U类市场化交易电量，
Figure 973718DEST_PATH_IMAGE049
为基期第T月，第U类市场化交易电量，以月平均电量表示，PTU为报告期第T个月，第U类市场交易价格；N为当前的月份数，M为报告期市场类型数，M0代表基期的市场交易类型数；
根据各报告期的IN，计算获得市场指数，其中，
Figure 925493DEST_PATH_IMAGE050
，其中，I0是基期的市场化交易电额。
9.一种电力指数的评估系统，其特征在于，所述系统包括：
指标筛选模块，所述指标筛选模块用于分别对用电指数、供电指数、市场指数、双碳指数各维度下的电力指标进行筛选，获得初筛电力指标集；
标准化处理模块，所述标准化处理模块用于对所述初筛电力指标集进行指标数据标准化处理，得到标准化指标集；
聚类结果获得模块，所述聚类结果获得模块用于利用离差平方和法对所述标准化指标集进行R型分层聚类，获得各指数维度的指标聚类结果；
分析指标确定模块，所述分析指标确定模块用于对指标聚类结果中每一聚类进行非参数KW检验，将通过所述非参数KW检验的指标，确定为各维度电力分析指标；
分析指标划分模块，所述分析指标划分模块用于利用时差相关分析法对所述各维度电力分析指标进行划分，确定先行指标、一致指标、滞后指标；
监测指数获得模块，所述监测指数获得模块用于分别按照预设规则构建用电指数、供电指数、双碳指数模型和市场指数模型，获得用电监测指数、供电监测指数、双碳监测指数、市场监测指数。
CN202211091258.8A 2022-09-07 2022-09-07 一种电力指数的评估方法及系统 Pending CN115239201A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211091258.8A CN115239201A (zh) 2022-09-07 2022-09-07 一种电力指数的评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211091258.8A CN115239201A (zh) 2022-09-07 2022-09-07 一种电力指数的评估方法及系统

Publications (1)

Publication Number Publication Date
CN115239201A true CN115239201A (zh) 2022-10-25

Family

ID=83681358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211091258.8A Pending CN115239201A (zh) 2022-09-07 2022-09-07 一种电力指数的评估方法及系统

Country Status (1)

Country Link
CN (1) CN115239201A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116188622A (zh) * 2022-12-08 2023-05-30 北京国电通网络技术有限公司 电力指标信息展示方法、装置、电子设备和计算机介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114254965A (zh) * 2022-03-02 2022-03-29 国网四川省电力公司凉山供电公司 乡村振兴电力监测方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114254965A (zh) * 2022-03-02 2022-03-29 国网四川省电力公司凉山供电公司 乡村振兴电力监测方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨慧: "《中国城市房地产市场：历史回顾与未来展望》", 28 February 2019, 广东经济出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116188622A (zh) * 2022-12-08 2023-05-30 北京国电通网络技术有限公司 电力指标信息展示方法、装置、电子设备和计算机介质
CN116188622B (zh) * 2022-12-08 2023-09-12 北京国电通网络技术有限公司 电力指标信息展示方法、装置、电子设备和计算机介质

Similar Documents

Publication Publication Date Title
CN105930976B (zh) 基于加权理想点法的节点电压暂降严重程度综合评估方法
CN103258069B (zh) 一种钢铁行业电力需求的预测方法
CN110796173A (zh) 一种基于改进kmeans的负荷曲线形态聚类算法
CN113627735A (zh) 工程建设项目安全风险的预警方法及系统
CN114065605A (zh) 一种智能电能表运行状态检测评估系统和方法
CN111008193A (zh) 一种数据清洗与质量评价方法及系统
CN111178725A (zh) 一种基于层次分析法的保护设备状态预警方法
CN113642922A (zh) 一种中小微企业信用评估方法及装置
CN115239201A (zh) 一种电力指数的评估方法及系统
CN114266289A (zh) 一种复杂装备健康状态评估方法
CN112417627A (zh) 一种基于四维指标体系配电网运行可靠性分析方法
CN111598387A (zh) 一种于多维度确定电能表质量的方法及系统
CN112508465B (zh) 一种多维审计监控综合评价方法
CN114118793A (zh) 一种地方交易所风险预警方法、装置及设备
CN113450004A (zh) 电力信用报告生成方法、装置、电子设备及可读存储介质
CN112365187A (zh) 一种基于Lasso-logit模型的发电机组市场力滥用识别方法
CN110866696A (zh) 商铺掉铺风险评估模型训练方法及装置
Tanamal et al. House price prediction model using random forest in surabaya city
CN116823008A (zh) 一种园区能源利用效率评估方法、系统、设备和存储介质
CN114860808A (zh) 基于大数据的配电网设备异常事件关联分析方法
CN114048592A (zh) 一种精轧全流程分布式运行性能评估及非优原因追溯方法
CN114625781A (zh) 一种基于商品住房价值的批量评估方法
CN111915443A (zh) 实现智能投资产品组合分析计算处理的系统及其方法
CN112256735A (zh) 一种用电监测方法、装置、计算机设备和存储介质
CN112232555A (zh) 一种基于灰色系统理论的电力客户欠费预警方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20221025

RJ01 Rejection of invention patent application after publication