CN115600876A - 一种基于多维指标的配电网资源分配方法、装置及设备 - Google Patents
一种基于多维指标的配电网资源分配方法、装置及设备 Download PDFInfo
- Publication number
- CN115600876A CN115600876A CN202211377498.4A CN202211377498A CN115600876A CN 115600876 A CN115600876 A CN 115600876A CN 202211377498 A CN202211377498 A CN 202211377498A CN 115600876 A CN115600876 A CN 115600876A
- Authority
- CN
- China
- Prior art keywords
- index
- characteristic data
- power distribution
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000013468 resource allocation Methods 0.000 title claims description 41
- 238000011156 evaluation Methods 0.000 claims description 92
- 238000011161 development Methods 0.000 claims description 66
- 238000007781 pre-processing Methods 0.000 claims description 20
- 230000008901 benefit Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000005284 excitation Effects 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012887 quadratic function Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 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
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多维指标的配电网资源分配方法、装置及设备,属于电网资源分配决策技术领域,通过获取评价指标对应的特征数据,基于特征数据获取投入产出指数以及发展水平指数,确定资源分配比例,从而实现了精准的资源分配,并且引入双因子理论,兼顾配电网的发展现状和未来发展需求构建了投资分配模型,更加精准地确定各配电台区的资源分配比例,实现对各配电台精准高效的分配决策和规划。
Description
技术领域
本发明涉及电网资源分配决策技术领域,具体涉及一种基于多维指标的配电网资源分配方法、装置及设备。
背景技术
配电网作为联系终端用户与发、输电系统的重要枢纽,其运行的安全性与稳定性对用户用电质量起着至关重要的作用。对配电网进行精准合理的资源规划不仅可以提高供电的安全可靠性,而且可以降低建设与运维成本。而传统的资源分配方法往往存在分配不合理、单位资源效益偏低和资源均衡性差等问题,阻碍了电网的高质量发展。现有公开的文献或技术主要针对电网发展现状开展分析,尚未结合未来发展规划和需求,并且在分析过程中考虑因素比较单一,未综合考虑投入产出效益和发展水平质量对资源分配的影响作用,难以满足电力体制改革新形势下电网企业对配电网精细化资源分配的需求。
发明内容
本申请的目的在于提供一种基于多维指标的配电网资源分配方法、装置及设备,解决了现有技术中存在的问题。
本发明通过下述技术方案实现:
第一方面,本申请提供一种基于多维指标的配电网资源分配方法,包括:
获取配电网的评价指标对应的第一特征数据以及第二特征数据,所述第一特征数据用于表征评价指标的连续多年数据差值的平均值,所述第二特征数据用于表征评价指标连续多年的数据平均值;
对所述第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,并根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数;
对所述第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,并根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数;
引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,并根据所述双因子确定每个配电台区对应的资源分配比例;
根据所述每个配电台区对应的资源分配比例,进行资源分配,得到配电网资源分配的结果。
在一种可能的实施方式中,所述评价指标包括技术指标以及效益指标,所述技术指标包括供电可靠性指标、供电装备水平指标以及供电安全性指标,所述效益指标包括电能代替电量指标、新能源接入容量占总容量比例指标、改善网络结构效益指标、线损变换减少CO2排放量指标、减少SO2排放量指标以及减少NO2排放量指标。
在一种可能的实施方式中,对所述第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,包括:
采用相关系数法获取两两第一特征数据之间的相关系数,并判断是否存在相关系数大于预先设定的阈值,若是,则剔除其中一个第一特征数据,并对第一特征数据进行统一数据类型处理,否则直接对第一特征数据进行统一数据类型处理;
将所有第一特征数据中的负向指标转换为正向指标,得到统一数据类型后的第一特征数据;
对统一数据类型后的第一特征数据进行归一化,得到预处理后的第一特征数据。
在一种可能的实施方式中,根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数,包括:
将预处理后的第一特征数据除以单位固定资产投资额,得到第一特征数据对应的转换数据,根据转换数据拟合隶属度函数,并确定每个第一特征数据对应的隶属度得分yij;
确定每个预处理后的第一特征数据对应的变异系数为:
根据所述第一特征数据对应的变异系数,获取第j个第一特征数据的权重ωj为:
根据所述隶属度得分yij以及权重ωj,确定第i个配电台区的投入产出指数Si为:
在一种可能的实施方式中,对所述第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,包括:
采用相关系数法获取两两第二特征数据之间的相关系数,并判断是否存在相关系数大于预先设定的阈值,若是,则剔除其中一个第二特征数据,并对第二特征数据进行归一化,否则对第二特征数据进行归一化;
对第二特征数据进行归一化,并将归一化后的第二特征数据作为预处理后的第二特征数据。
在一种可能的实施方式中,根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数,包括:
根据预处理后的第二特征数据,在m个配电台区中确定最大的第二特征数据,并以最大的构成参考序列,所述参考序列为:
Y0=(y'01,y'02,…,y'0n)
y'0j=max(y'1j,y'2j,…,y'mj)
其中,y'01,y'02,…,y'0n分别表示n个第二特征数据的最大值,y'1j,y'2j,…,y'mj分别表示m个配电台区对应的第j个第二特征数据;
根据所述参考序列,确定y'ij对应的数据差Δij为:
Δij=|y'0j-y'ij|
根据所有数据差Δij中的最大值Δmin以及最小值Δmax,确定灰色关联系数ξij为:
其中,ξij表示y'ij对应的灰色关联系数,ρ表示分辨系数;
获取归一化后的第二特征数据y'ij的指标比重fij为:
根据指标比重fij,确定第j个评价指标的熵值hj为:
根据第j个评价指标的熵值hj,确定第j个指标对应的权重λj为:
在一种可能的实施方式中,引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,包括:
根据所有配电台区的投入产出指数Si以及发展水平指数Ri,确定双因子为:
k1imax=Rimax/Rimin
k1imin=Rimin/Rimax
k2imax=Simax/Simin
k2imin=Simin/Simax
其中,k1imax表示配电台区发展水平的激励因子,k1imin表示配电台区发展水平的保健因子,k2imax表示配电台区投入产出的激励因子,k2imin表示配电台区投入产出的保健因子,Rimax和Rimin分别表示所有发展水平指数Ri中的最大值以及最小值,Simax和Simin分别表示所有投入产出指数Si中的最大值以及最小值。
在一种可能的实施方式中,并根据所述双因子确定每个配电台区对应的资源分配比例,包括:
根据所有配电台区的投入产出指数Si以及发展水平指数Ri,确定每个配电台区对应的角度参数θ为:
θ=arctanKi评价
其中,Ki评价表示斜率,S平均表示所有投入产出指数Si的平均值,R平均表示所有发展水平指数Ri的平均值;
根据双因子以及每个配电台区对应的角度参数θ,确定投入产出指数以及发展水平指数对应的调整系数为:
其中,π表示圆周率,k1i表示发展水平指数对应的调整系数,k2i表示投入产出指数对应的调整系数;
根据投入产出指数以及发展水平指数对应的调整系数,获取第i个配电台区对应的综合资源调整系数y”i为:
y”i=(k1iRi+k2iSi)/2
基于综合资源调整系数y”i,确定每个配电台区对应的资源分配比例Ii为:
第二方面,本申请提供一种基于多维指标的配电网资源分配装置,包括数据获取模块、第一指数获取模块、第二指数获取模块、分配比例确定模块以及分配模块;
所述数据获取模块用于,获取配电网的评价指标对应的第一特征数据以及第二特征数据,所述第一特征数据用于表征评价指标的连续多年数据差值的平均值,所述第二特征数据用于表征评价指标连续多年的数据平均值;
所述第一指数获取模块用于,对所述第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,并根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数;
所述第一指数获取模块用于,对所述第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,并根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数;
所述分配比例确定模块用于,引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,并根据所述双因子确定每个配电台区对应的资源分配比例;
所述分配模块用于,根据所述每个配电台区对应的资源分配比例,进行资源分配,得到配电网资源分配的结果。
第三方面,本申请提供一种基于多维指标的配电网资源分配设备,包括存储器和处理器,所述存储器与处理器之间通过总线相互连接;
所述存储器存储计算机执行指令;
所述处理器执行存储器存储的计算机执行指令,使得处理器执行如第一方面所述的基于多维指标的配电网资源分配方法。
本申请提供的一种基于多维指标的配电网资源分配方法、装置及设备,通过获取评价指标对应的特征数据,基于特征数据获取投入产出指数以及发展水平指数,确定资源分配比例,从而实现了精准的资源分配,并且引入双因子理论,兼顾配电网的发展现状和未来发展需求构建了投资分配模型,更加精准地确定各配电台区的资源分配比例,实现对各配电台精准高效的分配决策和规划。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。在附图中:
图1为本申请实施例提供的一种基于多维指标的配电网资源分配方法的流程图。
图2为本申请实施例提供的配电台区对应的各区间综合调整系数趋势变化图。
图3为本申请实施例提供的一种基于多维指标的配电网资源分配装置的结构示意图。
图4为本申请实施例提供的一种基于多维指标的配电网资源分配设备的结构示意图。
附图中标记及对应的零部件名称:
21-数据获取模块、22-第一指数获取模块、23-第二指数获取模块、24-分配比例确定模块、25-分配模块、31-存储器、32-处理器、33-总线。
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明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1所示,一种基于多维指标的配电网资源分配方法,包括:
S11、获取配电网的评价指标对应的第一特征数据以及第二特征数据,第一特征数据用于表征评价指标的连续多年数据差值的平均值,第二特征数据用于表征评价指标连续多年的数据平均值。
评价指标的连续多年数据差值的平均值可以为每一年评价指标数据减去上一年的评价指标数据得到的多个差值的平均值,例如,使用2022年的评价指标数据减去2021年的评价指标数据,得到差值A1;使用2021年的评价指标数据减去2020年的评价指标数据,得到差值A2;使用2020年的评价指标数据减去2019年的评价指标数据,得到差值A3,那么该评价指标对应的第一特征数据应当为(A1+A2+A3)/3。
第二特征数据通过连续多年的评价指标数据取平均值获取,例如,2022年的评价指标数据为B1、2021年的评价指标数据为B2以及2020年的评价指标数据为B3,那么该评价指标对应的第二特征数据应当为(B1+B2+B3)/3。
配电网的评价指标可以是配电网的运行数据,如减少NO2排放量。
S12、对第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,并根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数。
第一预处理可以包括对评价指标的简约、逆向指标的正向化以及数据的归一化处理。对评价指标的简约可以包括将两个近似的指标剔除一个。评价指标可能越大越好(如配电网的负荷能力),该种指标称为正向指标;评价指标也可能越小越好(如线损率),该种指标称为负向指标,为了便于数据的处理,因此需要将负向指标转换为正向指标。
S13、对第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,并根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数。
对第二特征数据进行第二预处理操作可以包括评价指标的简约以及数据的归一化处理。
S14、引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,并根据双因子确定每个配电台区对应的资源分配比例。
可选的,资源分配可以包括基建资源分配或者投资分配,可以根据资源分配比例将资源分配至各个配电台区。
S15、根据每个配电台区对应的资源分配比例,进行资源分配,得到配电网资源分配的结果。
本申请提供的一种基于多维指标的配电网资源分配方法,通过获取评价指标对应的特征数据,基于特征数据获取投入产出指数以及发展水平指数,确定资源分配比例,从而实现了精准的资源分配,并且引入双因子理论,兼顾配电网的发展现状和未来发展需求构建了投资分配模型,更加精准地确定各配电台区的资源分配比例,实现对各配电台精准高效的分配决策和规划。
在一种可能的实施方式中,评价指标包括技术指标以及效益指标,技术指标包括供电可靠性指标、供电装备水平指标以及供电安全性指标,效益指标包括电能代替电量指标、新能源接入容量占总容量比例指标、改善网络结构效益指标、线损变换减少CO2排放量指标、减少SO2排放量指标以及减少NO2排放量指标。供电可靠性指标、供电装备水平指标以及供电安全性指标具体如表1所示。
表1 10KV及以下配电网综合评价指标
可选的,改善网架结构效益指标为0、1或者2,设置第一阈值以及第二阈值,将收益小于第一阈值的配电台区对应的改善网架结构效益指标定义为0,将收益位于第一阈值与第二阈值之间的配电台区对应的改善网架结构效益指标定义为1,将收益大于第二阈值的配电台区对应的改善网架结构效益指标定义为2。值得说明的是,在实际应用中,该改善网架结构效益指标可以忽略不计。
在一种可能的实施方式中,对第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,包括:
采用相关系数法获取两两第一特征数据之间的相关系数,并判断是否存在相关系数大于预先设定的阈值,若是,则剔除其中一个第一特征数据,并对第一特征数据进行统一数据类型处理,否则直接对第一特征数据进行统一数据类型处理。
可选的,采用相关系数法对10KV及以下配电网综合评价指标体系进行约简,剔除指标之间的耦合关系。用相关系数r的取值范围判断指标间的相关程度,设置相关系数绝对值的阈值为0.8,相关系数绝对值小于等于0.8的两个指标,可作为独立指标;大于0.8的两个指标,则只需要保留其中一个即可。
对第一特征数据进行统一数据类型处理为:
xij'=xij xij为正向指标对应的第一特征数据
其中,xij表示第i个配电台区的第j个评价指标对应的第一特征数据,i=1,2,…,m,m表示配电网中配电台区的总数,j=1,2,…,n,n表示配电台区对应的指标总数,k=0.1,xij'表示统一数据类型后的第一特征数据。
对统一数据类型后的第一特征数据进行归一化,得到预处理后的第一特征数据,该归一化为:
其中,Mj=max{xij'},mj=min{xij'},xij”表示归一化后的xij'。
在一种可能的实施方式中,根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数,包括:
将预处理后的第一特征数据除以单位固定资产投资额,得到第一特征数据对应的转换数据,根据转换数据拟合隶属度函数,并确定每个第一特征数据对应的隶属度得分yij。
引入单位固定资产投资额来计算各指标的隶属度得分,消除计算时数据的不确定性与转移性。先将各指标数据除以单位固定资产投资额,再通过隶属度函数将现有指标数据转化为可以评判的分数。隶属度函数选择二次函数拟合,分数值采用百分制。例如:可假定转换数据的最大值对应100分,转换数据的平均值对应50分,转换数据的最小值对应0分,以转换数据作为二次函数的自变量,以分值作为二次函数的因变量,并根据三个坐标点确定二次函数,以该二次函数为基础,就可以计算出m个配电台区的n个评价指标的隶属度得分yij(i=1,2,…,m;j=1,2,…,n)。
确定指标权重时,为避免主观的偏好对评价结果产生影响,并充分考虑指标间的客观差异性,本发明引入变异系数法客观量化各指标的重要程度。
确定每个预处理后的第一特征数据对应的变异系数为:
根据第一特征数据对应的变异系数,获取第j个第一特征数据的权重ωj为:
根据隶属度得分yij以及权重ωj,确定第i个配电台区的投入产出指数Si为:
在一种可能的实施方式中,对第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,包括:
采用相关系数法获取两两第二特征数据之间的相关系数,并判断是否存在相关系数大于预先设定的阈值,若是,则剔除其中一个第二特征数据,并对第二特征数据进行归一化,否则对第二特征数据进行归一化。
为避免指标信息重复,使用相关系数法对10KV及以下配电网综合评价指标体系进行约简。相关系数小于等于0.8的两个指标,均保留;大于0.8的两个指标,约简其中一个指标。
灰色关联评价系统由m个配电台区和n个评价指标组成,则可建立评价指标矩阵A=(aij)m×n(i=1,2,…,m;j=1,2,…,n)。对第二特征数据进行归一化为:
Y=(y'ij)m×n
其中,aij表示第i个配电台区的第j个评价指标对应的第二特征数据,y'ij表示归一化后的第二特征数据,Y表示归一化矩阵,i=1,2,…,m,m表示配电网中配电台区的总数,j=1,2,…,n,n表示配电台区对应的指标总数。
将归一化后的第二特征数据作为预处理后的第二特征数据。
本发明引入隶属度函数改进灰色关联度分析法,使其适用于动态发展过程中的量化分析,避免出现定量结果与定性分析差异的情况。
在一种可能的实施方式中,根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数,包括:
根据预处理后的第二特征数据,在m个配电台区中确定最大的第二特征数据,并以最大的构成参考序列,参考序列为:
Y0=(y'01,y'02,…,y'0n)
y'0j=max(y'1j,y'2j,…,y'mj)
其中,y'01,y'02,…,y'0n分别表示n个第二特征数据的最大值,y'1j,y'2j,…,y'mj分别表示m个配电台区对应的第j个第二特征数据。
根据参考序列,确定y'ij对应的数据差Δij为:
Δij=|y'0j-y'ij|
根据所有数据差Δij中的最大值Δmin以及最小值Δmax,确定灰色关联系数ξij为:
拟合隶属度关联系数:引入隶属度函数将灰色关联系数映射至0-100之间,解决了数据间离散程度较小的问题,提高了计算准确性。假定第二特征数据的最大值对应100分,第二特征数据的平均值对应50分,第二特征数据的最小值对应0分,以第二特征数据为二次函数的自变量,以分数为二次函数的因变量,由三点坐标确定二次函线,从而可以根据二次函线计算出隶属度关联系数即将第二特征数据代入二次函数中,得到的结果。
熵权法是利用信息论中的信息熵计算出各指标的权重来进行客观赋权的方法,可有效避免人为主观判断的干扰,本发明基于熵权法计算第二指标数据中各指标的第二特征数据对应的指标权重。
获取归一化后的第二特征数据y'ij的指标比重fij为:
根据指标比重fij,确定第j个评价指标的熵值hj为:
根据第j个评价指标的熵值hj,确定第j个指标对应的权重λj为:
本实施例中,引入双因子理论,兼顾考虑配电网的发展现状和未来发展需求,提出投资分配模型,分析得到配电网的投资分配比例,修正传统方法基于指标权重或评价得分作为投资比例缺乏依据的缺陷;为了解决配电网投资分配不平衡的问题,本发明创新性地引入双因子理论中激励因子与保健因子的概念,以确定投入产出指数和发展水平指数的调整系数。定义激励因子为能够引导配电网进一步提升的系数,保健因子为维持配电网基本正常需求的系数。当k1和k2取值大于1时,定义为激励因子;当k1和k2取值小于1时,定义为保健因子。
在一种可能的实施方式中,引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,包括:
根据所有配电台区的投入产出指数Si以及发展水平指数Ri,确定双因子为:
k1imax=Rimax/Rimin
k1imin=Rimin/Rimax
k2imax=Simax/Simin
k2imin=Simin/Simax
其中,k1imax表示配电台区发展水平的激励因子,k1imin表示配电台区发展水平的保健因子,k2imax表示配电台区投入产出的激励因子,k2imin表示配电台区投入产出的保健因子,Rimax和Rimin分别表示所有发展水平指数Ri中的最大值以及最小值,Simax和Simin分别表示所有投入产出指数Si中的最大值以及最小值。
各配电台区发展水平、投入产出调整系数的取值区间为:k1i取值区间为:若则k1i∈[k1imin,1];若则k1i∈[1,k1imax]。k2i的取值区间为:若则k2i∈[1,k2imax];若则k2i∈[k2imin,1]。
如图2所示,以发展水平指数和投入产出指数的平均值为原点,将坐标系划分为四个区间,分别为综合水平高效区、发展水平关注区、投入产出关注区、综合水平低能区,可以根据各个配电台区的投入产出指数Si以及发展水平指数Ri,确定各个配电台区分别位于哪个区间中。
在一种可能的实施方式中,并根据双因子确定每个配电台区对应的资源分配比例,包括:
根据所有配电台区的投入产出指数Si以及发展水平指数Ri,确定每个配电台区对应的角度参数θ为:
θ=arctan Ki评价
其中,Ki评价表示斜率,S平均表示所有投入产出指数Si的平均值,R平均表示所有发展水平指数Ri的平均值。
根据双因子以及每个配电台区对应的角度参数θ,确定投入产出指数以及发展水平指数对应的调整系数为:
其中,π表示圆周率,k1i表示发展水平指数对应的调整系数,k2i表示投入产出指数对应的调整系数。
根据投入产出指数以及发展水平指数对应的调整系数,获取第i个配电台区对应的综合资源调整系数y”i为:
y”i=(k1iRi+k2iSi)/2
基于综合资源调整系数y”i,确定每个配电台区对应的资源分配比例Ii为:
其中,PL表示10KV及以下配电网的当前基建资源总量,FL表示10KV及以下配电网的期望基建资源总量,则各地市的资源分配比例为R=[I1,I2,…,Im]。值得说明的是,当资源分配为投资分配时,PL应当表示10KV及以下配电网的当前投资额,FL应当表示10KV及以下配电网的期望投资额。
实施例2
如图3所示,本申请提供一种基于多维指标的配电网资源分配装置,包括数据获取模块21、第一指数获取模块22、第二指数获取模块23、分配比例确定模块24以及分配模块25。
数据获取模块21用于,获取配电网的评价指标对应的第一特征数据以及第二特征数据,第一特征数据用于表征评价指标的连续多年数据差值的平均值,第二特征数据用于表征评价指标连续多年的数据平均值。
第一指数获取模块22用于,对第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,并根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数。
第一指数获取模块23用于,对第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,并根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数。
分配比例确定模块24用于,引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,并根据双因子确定每个配电台区对应的资源分配比例。
分配模块25用于,根据每个配电台区对应的资源分配比例,进行资源分配,得到配电网资源分配的结果。
本实施例所述一种基于多维指标的配电网资源分配装置可以执行实施例1所述的方法技术方案,其有益效果及原理类似,此处不再赘述。
实施例3
如图4所示,本实施例提供一种基于多维指标的配电网资源分配设备,包括存储器31和处理器32,存储器31与处理器32之间通过总线33相互连接。
存储器31存储计算机执行指令。
处理器32执行存储器存储的计算机执行指令,使得处理器执行如实施例1所述的一种基于多维指标的配电网资源分配方法。
具体举例的,存储器可以但不限于包括随机存取存储器(random access memory,RAM)、只读存储器(Read Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(FirstInput First Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等等;具体地,处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable GateArray,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现,同时,处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central Processing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制,例如,所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction setcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units,NPU)的处理器;所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外,所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
实施例4
本实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当计算机执行指令被处理器执行时用于实现如实施例1所述的一种基于多维指标的配电网资源分配方法。
实施例5
本申请实施例还可以提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如实施例1所述的一种基于多维指标的配电网资源分配方法。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多维指标的配电网资源分配方法,其特征在于,包括:
获取配电网的评价指标对应的第一特征数据以及第二特征数据,所述第一特征数据用于表征评价指标的连续多年数据差值的平均值,所述第二特征数据用于表征评价指标连续多年的数据平均值;
对所述第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,并根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数;
对所述第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,并根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数;
引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,并根据所述双因子确定每个配电台区对应的资源分配比例;
根据所述每个配电台区对应的资源分配比例,进行资源分配,得到配电网资源分配的结果。
2.根据权利要求1所述的基于多维指标的配电网资源分配方法,其特征在于,所述评价指标包括技术指标以及效益指标,所述技术指标包括供电可靠性指标、供电装备水平指标以及供电安全性指标,所述效益指标包括电能代替电量指标、新能源接入容量占总容量比例指标、改善网络结构效益指标、线损变换减少CO2排放量指标、减少SO2排放量指标以及减少NO2排放量指标。
3.根据权利要求1所述的基于多维指标的配电网资源分配方法,其特征在于,对所述第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,包括:
采用相关系数法获取两两第一特征数据之间的相关系数,并判断是否存在相关系数大于预先设定的阈值,若是,则剔除其中一个第一特征数据,并对第一特征数据进行统一数据类型处理,否则直接对第一特征数据进行统一数据类型处理;
将所有第一特征数据中的负向指标转换为正向指标,得到统一数据类型后的第一特征数据;
对统一数据类型后的第一特征数据进行归一化,得到预处理后的第一特征数据。
4.根据权利要求1-3任一所述的基于多维指标的配电网资源分配方法,其特征在于,根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数,包括:
将预处理后的第一特征数据除以单位固定资产投资额,得到第一特征数据对应的转换数据,根据转换数据拟合隶属度函数,并确定每个第一特征数据对应的隶属度得分yij;
确定每个预处理后的第一特征数据对应的变异系数为:
根据所述第一特征数据对应的变异系数,获取第j个第一特征数据的权重ωj为:
根据所述隶属度得分yij以及权重ωj,确定第i个配电台区的投入产出指数Si为:
5.根据权利要求4所述的基于多维指标的配电网资源分配方法,其特征在于,对所述第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,包括:
采用相关系数法获取两两第二特征数据之间的相关系数,并判断是否存在相关系数大于预先设定的阈值,若是,则剔除其中一个第二特征数据,并对第二特征数据进行归一化,否则对第二特征数据进行归一化;
对第二特征数据进行归一化,并将归一化后的第二特征数据作为预处理后的第二特征数据。
6.根据权利要求5所述的基于多维指标的配电网资源分配方法,其特征在于,根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数,包括:
根据预处理后的第二特征数据,在m个配电台区中确定最大的第二特征数据,并以最大的构成参考序列,所述参考序列为:
Y0=(y'01,y'02,…,y'0n)
y'0j=max(y'1j,y'2j,…,y'mj)
其中,y'01,y'02,…,y'0n分别表示n个第二特征数据的最大值,y'1j,y'2j,…,y'mj分别表示m个配电台区对应的第j个第二特征数据;
根据所述参考序列,确定y'ij对应的数据差Δij为:
Δij=|y'0j-y'ij|
根据所有数据差Δij中的最大值Δmin以及最小值Δmax,确定灰色关联系数ξij为:
其中,ξij表示y'ij对应的灰色关联系数,ρ表示分辨系数;
获取归一化后的第二特征数据y'ij的指标比重fij为:
根据指标比重fij,确定第j个评价指标的熵值hj为:
根据第j个评价指标的熵值hj,确定第j个指标对应的权重λj为:
7.根据权利要求6所述的基于多维指标的配电网资源分配方法,其特征在于,引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,包括:
根据所有配电台区的投入产出指数Si以及发展水平指数Ri,确定双因子为:
k1imax=Rimax/Rimin
k1imin=Rimin/Rimax
k2imax=Simax/Simin
k2imin=Simin/Simax
其中,k1imax表示配电台区发展水平的激励因子,k1imin表示配电台区发展水平的保健因子,k2imax表示配电台区投入产出的激励因子,k2imin表示配电台区投入产出的保健因子,Rimax和Rimin分别表示所有发展水平指数Ri中的最大值以及最小值,Simax和Simin分别表示所有投入产出指数Si中的最大值以及最小值。
8.根据权利要求7所述的基于多维指标的配电网资源分配方法,其特征在于,并根据所述双因子确定每个配电台区对应的资源分配比例,包括:
根据所有配电台区的投入产出指数Si以及发展水平指数Ri,确定每个配电台区对应的角度参数θ为:
θ=arctanKi评价
其中,Ki评价表示斜率,S平均表示所有投入产出指数Si的平均值,R平均表示所有发展水平指数Ri的平均值;
根据双因子以及每个配电台区对应的角度参数θ,确定投入产出指数以及发展水平指数对应的调整系数为:
其中,π表示圆周率,k1i表示发展水平指数对应的调整系数,k2i表示投入产出指数对应的调整系数;
根据投入产出指数以及发展水平指数对应的调整系数,获取第i个配电台区对应的综合资源调整系数y”i为:
y”i=(k1iRi+k2iSi)/2
基于综合资源调整系数y”i,确定每个配电台区对应的资源分配比例Ii为:
9.一种基于多维指标的配电网资源分配装置,其特征在于,包括数据获取模块、第一指数获取模块、第二指数获取模块、分配比例确定模块以及分配模块;
所述数据获取模块用于,获取配电网的评价指标对应的第一特征数据以及第二特征数据,所述第一特征数据用于表征评价指标的连续多年数据差值的平均值,所述第二特征数据用于表征评价指标连续多年的数据平均值;
所述第一指数获取模块用于,对所述第一特征数据进行第一预处理操作,得到预处理后的第一特征数据,并根据预处理后的第一特征数据,确定配电网中各个配电台区对应的投入产出指数;
所述第一指数获取模块用于,对所述第二特征数据进行第二预处理操作,得到预处理后的第二特征数据,并根据预处理后的第二特征数据,确定配电网中各个配电台区对应的发展水平指数;
所述分配比例确定模块用于,引入双因子理论,以各个配电台区的投入产出指数以及发展水平指数为基础获取双因子,并根据所述双因子确定每个配电台区对应的资源分配比例;
所述分配模块用于,根据所述每个配电台区对应的资源分配比例,进行资源分配,得到配电网资源分配的结果。
10.一种基于多维指标的配电网资源分配设备,其特征在于,包括存储器和处理器,所述存储器与处理器之间通过总线相互连接;
所述存储器存储计算机执行指令;
所述处理器执行存储器存储的计算机执行指令,使得处理器执行如权利要求1至8任意一项所述的基于多维指标的配电网资源分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211377498.4A CN115600876A (zh) | 2022-11-04 | 2022-11-04 | 一种基于多维指标的配电网资源分配方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211377498.4A CN115600876A (zh) | 2022-11-04 | 2022-11-04 | 一种基于多维指标的配电网资源分配方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115600876A true CN115600876A (zh) | 2023-01-13 |
Family
ID=84851911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211377498.4A Pending CN115600876A (zh) | 2022-11-04 | 2022-11-04 | 一种基于多维指标的配电网资源分配方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116131258A (zh) * | 2023-01-30 | 2023-05-16 | 国网河北省电力有限公司 | 一种有源配电网多指标数据化调度运行系统和方法 |
-
2022
- 2022-11-04 CN CN202211377498.4A patent/CN115600876A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116131258A (zh) * | 2023-01-30 | 2023-05-16 | 国网河北省电力有限公司 | 一种有源配电网多指标数据化调度运行系统和方法 |
CN116131258B (zh) * | 2023-01-30 | 2023-09-19 | 国网河北省电力有限公司 | 一种有源配电网多指标数据化调度运行系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019100504A1 (zh) | 构建基于大数据技术的电力交易指标体系的方法 | |
WO2020098728A1 (zh) | 集群负荷预测方法、装置及存储介质 | |
CN115600876A (zh) | 一种基于多维指标的配电网资源分配方法、装置及设备 | |
US11861702B2 (en) | Method and apparatus for renewable energy allocation based on reinforcement learning | |
Ziming et al. | Innovations In The Field Of Sports Industry Management: Assessment Of The Digital Economy'S Impact On The Qualitative Development Of The Sports Industry | |
CN111428938A (zh) | 一种基于功能差异与全寿命周期的输电网方案优选方法 | |
CN111027017B (zh) | 一种配电网管理状态综合评价系统 | |
Duan et al. | How to evaluate the efficiency of green economy and its regional differences: Evidence from China | |
CN114549082A (zh) | 一种基于网络大数据的经济信息预测分析系统 | |
CN111814314A (zh) | 基于稳定性评价的水电站补偿分摊方案评价方法 | |
CN110825780A (zh) | 一种基于聚集算法的创新资源评估方法及装置 | |
CN111967896A (zh) | 提高可中断类负荷参与需求响应积极性的方法及系统 | |
Yang et al. | Evaluation Index System of China’s Digital Economy Development Level-based on factor analysis | |
CN110728467A (zh) | 一种水资源与国民经济匹配能力评价方法 | |
Ma | Research on the construction of university financial management performance appraisal system based on data mining technology | |
An et al. | Analysis and Evaluation of Innovation Performance of Micro, Small and Medium-sized Technology Enterprises Based on ANN-RBF | |
CN114649820B (zh) | 一种风光储场站多环节容量分配方法及系统 | |
CN116307606B (zh) | 一种基于区块链的共享储能灵活性运行调度方法 | |
Zhang | An empirical study on the impact of digital economy development on the upgrading and optimization of industrial structure | |
Sun et al. | Research on human reliability of the high-speed railway intelligent dispatching centralized traffic control system | |
CN110782136B (zh) | 基于综合能源大数据的能源信息处理系统及方法 | |
CN114022043A (zh) | 城市发展水平确定方法、装置及终端设备 | |
Guo | Analysis of agricultural economic development and optimisation measures under the strategy of rural revitalisation | |
CN117236769A (zh) | 一种实现电制氢技术数字画像的方法及系统 | |
Liu et al. | Analysis and forecast of special car market based on BP neural network |
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 |