CN115860547A - 基于组合赋权-topsis的乡村电气化数字化成效评价方法 - Google Patents
基于组合赋权-topsis的乡村电气化数字化成效评价方法 Download PDFInfo
- Publication number
- CN115860547A CN115860547A CN202211566204.2A CN202211566204A CN115860547A CN 115860547 A CN115860547 A CN 115860547A CN 202211566204 A CN202211566204 A CN 202211566204A CN 115860547 A CN115860547 A CN 115860547A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- weight
- topsis
- rural
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于组合赋权‑TOPSIS的乡村电气化数字化成效评价方法,它包括以下步骤:构建乡村电气化数字化建设成效评估体系;构建基于个体化赋权和改进粒子群算法的组合赋权模型;采用TOPSIS的综合评价方法;本发明能有效识别乡村电气化数字化建设情况,推动乡村电力数字化转型;本发明具有有效识别乡村电气化数字化建设、推动乡村电力数字化转型的优点。
Description
技术领域
本发明属于综合评价技术领域,具体涉及基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法。
背景技术
乡村电气化数字化成效评价是衡量乡村电气化数字化建设情况,识别电气化数字化建设薄弱环节的重要手段,能够有效指导电气化数字化科学、合理建设,目前,相关技术人员人员并未构建健全的乡村电气化数字化建设成效评价指标体系,未能将主观与客观赋权相结合的方法运用到电气化数字化建设成效评价中,不能真实、有效的反映电气化数字化建设实际情况;因此,提供一种有效识别乡村电气化数字化建设、推动乡村电力数字化转型的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法是非常有必要的。
发明内容
本发明的目的是为了克服现有技术的不足,而提供一种有效识别乡村电气化数字化建设、推动乡村电力数字化转型的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法。
本发明的目的是这样实现的:基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,它包括以下步骤:
步骤1:构建乡村电气化数字化建设成效评估体系;
步骤2:构建基于个体化赋权和改进粒子群算法的组合赋权模型;
步骤3:基于上述模型,采用TOPSIS评价方法进行综合评价;
步骤4:实例分析。
所述的步骤1中的构建乡村电气化数字化建设成效评估体系具体为:从乡村电气化、电网数字化两个维度出发,辨识乡村电气化数字化建设价值产出,以科学性、全面性、可比性、可操作性和差异性为指标选取原则,建立乡村电气化数字化建设成效评估体系。
所述的乡村电气化水平包括:1)可再生能源装机容量比例:可再生能源装机容量占比指可再生能源装机总量占全部装机容量的比例,计算公式为:可再生能源装机容量占比=可再生能源装机总量/总装机容量;2)能源自给率:能源自给率指的是能源自产总量与能源消费总量的百分率,表示一个地区能源生产满足消费的程度,能源自给率越高,对外依赖性就越小,反之越大,计算公式为:能源自给率=能源自产总量/能源消费总量;3)可再生能源占一次能源消费比重:一次能源消费量是一个国家或地区、部门、行业、企业一定时间内消耗的一次能源量,统计的最常用的五种商品能源包括:原煤、原油、天然气、水电、核电;可再生能源占一次能源消费比重指可再生能源消费量占一次能源消费总量的比例,计算公式为:可再生能源占一次能源消费比重=可再生能源消费量/一次能源消费总量;4)碳减排率:碳减排率指某一区域某段时间内碳减排量占碳排放总量的比例,计算公式为:碳减排率=碳排放量/碳排放总量。
所述的农网数字化水平包括:1)配电自动化终端覆盖率:配电网自动化是运用计算机技术、自动控制技术、电子技术、通信技术及新的高性能的配电设备技术手段,对配电网进行离线与在线的智能化监控管理,使配电网始终处于安全、可靠、优质、经济、高效的最优运行状态,配电自动化终端覆盖率指智能化监控管理的配电网区域占总配电区域面积的比例,计算公式为:配电自动化终端覆盖率=配电自动化区域面积/配电区域总面积;2)智能变电站覆盖率:智能变电站是采用可靠、经济、集成、低碳、环保的设备与设计,以全站信息数字化、通信平台网络化、信息共享标准化、系统功能集成化、结构设计紧凑化、高压设备智能化和运行状态可视化为基本要求,能够支持电网实时在线分析和控制决策,进而提高整个电网运行可靠性及经济性的变电站,智能变电站覆盖率指某一区域内智能变电站数量占总变电站数量的比例,计算公式为:智能变电站覆盖率=智能变电站数量/变电站总量;3)服务上线率:服务上线率指的是可以线上办理的业务数占总业务数的比例,计算公式为:服务上线率=可以线上办理的业务数/总业务数;4)供电可靠率:供电可靠率是指在统计期间内为不计及因系统电源不足而需限电的情况,电力系统用户的供电可靠率指标,直接反映了供电企业对电力用户的供电能力,也反映了电力工业对国民经济电能需求的满足程度,是供电企业的规划、设计、基建、施工、设备制造、生产运行等方面的质量和管理水平综合体现,计算公式为:供电可靠率=(1-客户平均停电时间/统计期间时间);5)电压合格率:电压合格率指在电网运行中,一个月内,监测点电压在合格范围内的时间总和与月电压监测总时间的百分比,计算公式为:电压合格率=电压合格时间/电压检测总时间。
所述的步骤2中的构建基于个体化赋权和改进粒子群算法的组合赋权模型具体为:首先采用个体化赋权方法,引用费肯纳对数定律,靠观控隶属度将定性排序转换为定量权重,然后基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化即PSO算法进行求解,从而确定各评价指标的客观权重,最后采用基于“乘法”集成法的组合赋权方法,最终确定指标组合权重系数。
所述的组合赋权法具体为:权重选取会直接影响到最后对于乡村电气化数字化建设成效的评价判断,当前在各类综合评价方法中,赋权方法一般可以分为主观赋权法和客观赋权法,主观赋权主要是通过专家对指标重要性的了解来决定各指标权重,专家的主观判断会直接影响最后的权重确定,客观评价法一般是通过数理计算来获取最后权重系数,这种赋权方法对于往往会受到所选取的数学模型影响,使得获得的权重数值与客观情况存在一定的差距,为了保证评价结果能真是反映乡村电气化数字化建设情况,采用组合赋权法对各个评价指标进行赋权,把主观与客观赋权方法从逻辑上有机结合起来,形成组合/集成赋权方法,同时考虑到应用的简便性,采用基于“乘法”集成法的组合赋权方法,最终确定指标权重系数,即假设pj、qj分别为主观、客观赋权方法得到的指标权重,则组合区中系数为:
所述的个体化主观赋权法具体为:由于乡村电气化数字化建设成效评价是一个复杂的系统,对其复权需要整体考虑,而主观赋权法可以发挥专家在该领域的丰富的实践经验,从整体的角度对指标进行赋权,传统的主观赋权法是各专家对指标直接打分,在综合确定各指标的分值,求得权重,这样做的缺点是,从专家的角度常常无法把对指标的也理评估转变成具体的分值,为避免这一问题,采用个体化赋权方法,专家只需对指标的重要性进行排序,再通过一定技术手段,将排序转变为权重对指标赋权;将重要性排序科学的转变成具体权重的方法属于泛系观控的范畴,该理论实现定性转定量的具体方法是靠观控隶属度的计算完成的,引用费肯纳对数定律,物理刺激量I,是心里感觉量S的指数函数,将S转变成I的数学表达为:对于n个排序指标,评价者对指标的心里感觉量Si,则Si=ln(M+2-i)/ln(M+1)(2),式中,M为转化系数即排序最大值;i为指标的排序值;则各指标的权重为:所述的客观赋权法具体为:客观赋权方法主要是从数据自身的规律性质出发,由其所得权重应尽量反映数据自身性质对评价结果的影响程度,基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化即PSO算法进行求解,从而确定各评价指标的客观权重。
所述的粒子群优化算法即PSO算法具体为:粒子群优化算法又称为粒子群算法、或微粒群算法,是观测者通过模拟鸟群寻找食物的行为而发展起来的一种基于群体配合的随机搜索算法,目标是鸟群用最快的速度找到食物,将每只鸟在觅食时得到的最近距离视为局部最优,将鸟群整体的最近距离视为全局最优,每一次迭代过后,利用局部最优修改全局最优,最终得到最优解,利用改进粒子群优化算法用于求解乡村电气化数字化建设成效各评价指标的客观权重,具体计算流程为:假设最优对象为M=(1,1,1,...,1),最劣对象为N=(-1,-1,-1,...,-1),根据标准化后的决策矩阵,可以得出确定权重的优化模型为:约束条件为:wi>0(6),/>可以看出上述模型是一个多元非线性优化问题,通过拉格朗日算子将上述有等式约束的问题转化为无约束的优化问题,即:/>式中,λ为拉格朗日乘子;A为标准化后的决策矩阵;针对多元非线性优化问题,采用改进PSO算法进行求解,具体包括以下步骤:
步骤①:设定种群个数以及粒子初始值:设置粒子个数为500个,第i个粒子的初始值为wi(0)={wi1,wi2,...,wij},均为(0,1)之间的随机数;
步骤②:设置粒子运动的惯性系数:传统的PSO算法惯性系数变化规律为:式中,/>为惯性初始权重;/>为惯性最终权重;kmax为粒子群最大迭代次数;上述该惯性系统计算方法,采用线性递减的计算算法,惯性权重会随着迭代次数的增加而逐步减小,在计算开始时具有较快的收敛速度,但容易陷入局部最优,导致计算精度降低;所述的改进PSO算法通过设置一种二次型指数型的非线性动态惯性系数计算方法,使得惯性系统不仅随着迭代次数变化而不断变化,同时保证每个粒子的惯性系统与当前的全局最优值相关,降低PSO算法陷入局部最优的可能性,提高计算精度,改进的惯性系数为:/>dmin<|gbest-wi(k)|<dmax(10),式中,dmax、dmin为初始最大与最小距离值;δ为控制系数;设置kmax=2000;该惯性系数计算公式能够保证粒子在距离全局最优值较远的情况下,有较大的惯性系数,从而使得算法具有较快的收敛速度进行全局搜索,当粒子在距离全局最优值较近的情况下,有较小的惯性系数,使得算法能够在局部提高最优解的求解精度;
步骤③:设置粒子加速系数:C1=1.8、C2=1.8;
步骤⑤:计算粒子的适应度:调整各粒子的最优位置以及种群的最优位置,当满足最大迭代次数以及适应度函数误差允许范围,停止计算输出计算结果,设置适应度函数误差为10-6,最终输出各评价指标的客观权重。
所述的步骤3中的采用TOPSIS评价方法进行综合评价具体为:通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则。
所述的TOPSIS评价模型具体为:TOPSIS的基本思想是通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则:其中与理想解最近且与负理想解最远的方案,视为方案集中的满意解;在该模型中,理想解是各指标属性均达到最满意的解,而负理想解则为各指标属性均达到最不满意的解;TOPSIS评价模型是比较经典的多目标决策方法;对乡村电气化数字化建设成效进行评价分析可以抽象为一个多目标评价的问题,通过构建基于组合赋权的TOPSIS模型乡村电气化数字化建设成效进行评价,具体包括以下步骤:
步骤3.4:确定正向以及负向最优解:
步骤3.7:根据贴近度的大小判断各备选方案的优劣,Ci值越大的备选方案为最优方案。
本发明的有益效果:本发明为基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,在使用中,包括以下步骤:构建乡村电气化数字化建设成效评估体系;构建基于个体化赋权和改进粒子群算法的组合赋权模型;基于上述模型,采用TOPSIS评价方法进行综合评价;实例分析:结合河南省兰考县电气化数字化建设的实际情况,进行模型实例测算验证了模型的可行性,本发明能有效识别乡村电气化数字化建设情况,推动乡村电力数字化转型;本发明具有有效识别乡村电气化数字化建设、推动乡村电力数字化转型的优点。
附图说明
图1为本发明的乡村电气化数字化建设成效评价指标体系示意图。
图2为本发明的改进PSO算法搜索适应度函数最优解变化示意图。
图3为本发明的河南省农村电气化数字化建设成效评价结果示意图。
具体实施方式
下面结合附图对本发明做进一步的说明。
实施例1
如图1-3所示,基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,它包括以下步骤:
步骤1:构建乡村电气化数字化建设成效评估体系;
步骤2:构建基于个体化赋权和改进粒子群算法的组合赋权模型;
步骤3:基于上述模型,采用TOPSIS评价方法进行综合评价;
步骤4:实例分析。
本发明为基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,在使用中,包括以下步骤:构建乡村电气化数字化建设成效评估体系,从乡村电气化、电网数字化两个维度出发,辨识乡村电气化数字化建设价值产出,以科学性、全面性、可比性、可操作性和差异性为指标选取原则,建立乡村电气化数字化建设成效评估体系;构建基于组合赋权法的赋权模型,首先,采用个体化赋权方法,引用费肯纳对数定律,靠观控隶属度将定性排序转换为定量权重,然后,基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化(PSO)算法对上述问题进行求解,从而确定各评价指标的客观权重。最后,采用基于“乘法”集成法的组合赋权方法,最终确定指标组合权重系数;基于上述模型,采用TOPSIS评价方法进行综合评价,通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则,最后结合河南省兰考县电气化数字化建设的实际情况,进行模型实例测算验证了模型的可行性,本发明能有效识别乡村电气化数字化建设情况,推动乡村电力数字化转型;本发明具有有效识别乡村电气化数字化建设、推动乡村电力数字化转型的优点。
实施例2
如图1-3所示,基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,它包括以下步骤:
步骤1:构建乡村电气化数字化建设成效评估体系;
步骤2:构建基于个体化赋权和改进粒子群算法的组合赋权模型;
步骤3:基于上述模型,采用TOPSIS评价方法进行综合评价;
步骤4:实例分析。
所述的步骤1中的构建乡村电气化数字化建设成效评估体系具体为:从乡村电气化、电网数字化两个维度出发,辨识乡村电气化数字化建设价值产出,以科学性、全面性、可比性、可操作性和差异性为指标选取原则,建立乡村电气化数字化建设成效评估体系,如图1所示。
所述的乡村电气化水平包括:1)可再生能源装机容量比例:可再生能源装机容量占比指可再生能源装机总量占全部装机容量的比例,计算公式为:可再生能源装机容量占比=可再生能源装机总量/总装机容量;2)能源自给率:能源自给率指的是能源自产总量与能源消费总量的百分率,表示一个地区能源生产满足消费的程度,能源自给率越高,对外依赖性就越小,反之越大,计算公式为:能源自给率=能源自产总量/能源消费总量;3)可再生能源占一次能源消费比重:一次能源消费量是一个国家或地区、部门、行业、企业一定时间内消耗的一次能源量,统计的最常用的五种商品能源包括:原煤、原油、天然气、水电、核电;可再生能源占一次能源消费比重指可再生能源消费量占一次能源消费总量的比例,计算公式为:可再生能源占一次能源消费比重=可再生能源消费量/一次能源消费总量;4)碳减排率:碳减排率指某一区域某段时间内碳减排量占碳排放总量的比例,计算公式为:碳减排率=碳排放量/碳排放总量。
所述的农网数字化水平包括:1)配电自动化终端覆盖率:配电网自动化是运用计算机技术、自动控制技术、电子技术、通信技术及新的高性能的配电设备技术手段,对配电网进行离线与在线的智能化监控管理,使配电网始终处于安全、可靠、优质、经济、高效的最优运行状态,配电自动化终端覆盖率指智能化监控管理的配电网区域占总配电区域面积的比例,计算公式为:配电自动化终端覆盖率=配电自动化区域面积/配电区域总面积;2)智能变电站覆盖率:智能变电站是采用可靠、经济、集成、低碳、环保的设备与设计,以全站信息数字化、通信平台网络化、信息共享标准化、系统功能集成化、结构设计紧凑化、高压设备智能化和运行状态可视化为基本要求,能够支持电网实时在线分析和控制决策,进而提高整个电网运行可靠性及经济性的变电站,智能变电站覆盖率指某一区域内智能变电站数量占总变电站数量的比例,计算公式为:智能变电站覆盖率=智能变电站数量/变电站总量;3)服务上线率:服务上线率指的是可以线上办理的业务数占总业务数的比例,计算公式为:服务上线率=可以线上办理的业务数/总业务数;4)供电可靠率:供电可靠率是指在统计期间内为不计及因系统电源不足而需限电的情况,电力系统用户的供电可靠率指标,直接反映了供电企业对电力用户的供电能力,也反映了电力工业对国民经济电能需求的满足程度,是供电企业的规划、设计、基建、施工、设备制造、生产运行等方面的质量和管理水平综合体现,计算公式为:供电可靠率=(1-客户平均停电时间/统计期间时间);5)电压合格率:电压合格率指在电网运行中,一个月内,监测点电压在合格范围内的时间总和与月电压监测总时间的百分比,计算公式为:电压合格率=电压合格时间/电压检测总时间。
所述的步骤2中的构建基于个体化赋权和改进粒子群算法的组合赋权模型具体为:首先采用个体化赋权方法,引用费肯纳对数定律,靠观控隶属度将定性排序转换为定量权重,然后基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化即PSO算法进行求解,从而确定各评价指标的客观权重,最后采用基于“乘法”集成法的组合赋权方法,最终确定指标组合权重系数。
所述的组合赋权法具体为:权重选取会直接影响到最后对于乡村电气化数字化建设成效的评价判断,当前在各类综合评价方法中,赋权方法一般可以分为主观赋权法和客观赋权法,主观赋权主要是通过专家对指标重要性的了解来决定各指标权重,专家的主观判断会直接影响最后的权重确定,客观评价法一般是通过数理计算来获取最后权重系数,这种赋权方法对于往往会受到所选取的数学模型影响,使得获得的权重数值与客观情况存在一定的差距,为了保证评价结果能真是反映乡村电气化数字化建设情况,采用组合赋权法对各个评价指标进行赋权,把主观与客观赋权方法从逻辑上有机结合起来,形成组合/集成赋权方法,同时考虑到应用的简便性,采用基于“乘法”集成法的组合赋权方法,最终确定指标权重系数,即假设pj、qj分别为主观、客观赋权方法得到的指标权重,则组合区中系数为:
所述的个体化主观赋权法具体为:由于乡村电气化数字化建设成效评价是一个复杂的系统,对其复权需要整体考虑,而主观赋权法可以发挥专家在该领域的丰富的实践经验,从整体的角度对指标进行赋权,传统的主观赋权法是各专家对指标直接打分,在综合确定各指标的分值,求得权重,这样做的缺点是,从专家的角度常常无法把对指标的也理评估转变成具体的分值,为避免这一问题,采用个体化赋权方法,专家只需对指标的重要性进行排序,再通过一定技术手段,将排序转变为权重对指标赋权;将重要性排序科学的转变成具体权重的方法属于泛系观控的范畴,该理论实现定性转定量的具体方法是靠观控隶属度的计算完成的,引用费肯纳对数定律,物理刺激量I,是心里感觉量S的指数函数,将S转变成I的数学表达为:对于n个排序指标,评价者对指标的心里感觉量Si,则Si=ln(M+2-i)/ln(M+1)(2),式中,M为转化系数即排序最大值;i为指标的排序值;则各指标的权重为:在本实施例中,利用定性排序与定量转化法确定指标权重对本发明有如下适应性;首先,即要评价的乡村电气化数字化建设成效是一个相对模糊的系统,而各指标权重的测量属于不定度测量,因此,利用定性分析与定量转化法适应于乡村电气化数字化建设成效评价起步阶段的权重设定;其次,指标权重的设定不可避免需要评价主体主观上对指标重要性的认识,从这方面来说,定性排序与定量转化法便于评价者的实际操作,而且从信息论和心理学层面构建的转化系数公式,能够更科学的给出排序指标的权重值,依据专家的主观判断确定乡村电气化数字化建设成效评价指标。
所述的客观赋权法具体为:客观赋权方法主要是从数据自身的规律性质出发,由其所得权重应尽量反映数据自身性质对评价结果的影响程度,基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化即PSO算法进行求解,从而确定各评价指标的客观权重。
所述的粒子群优化算法即PSO算法具体为:粒子群优化算法又称为粒子群算法、或微粒群算法,是观测者通过模拟鸟群寻找食物的行为而发展起来的一种基于群体配合的随机搜索算法,目标是鸟群用最快的速度找到食物,将每只鸟在觅食时得到的最近距离视为局部最优,将鸟群整体的最近距离视为全局最优,每一次迭代过后,利用局部最优修改全局最优,最终得到最优解,利用改进粒子群优化算法用于求解乡村电气化数字化建设成效各评价指标的客观权重,具体计算流程为:假设最优对象为M=(1,1,1,...,1),最劣对象为N=(-1,-1,-1,...,-1),根据标准化后的决策矩阵,可以得出确定权重的优化模型为:约束条件为:wi>0(6),/>可以看出上述模型是一个多元非线性优化问题,通过拉格朗日算子将上述有等式约束的问题转化为无约束的优化问题,即:/>式中,λ为拉格朗日乘子;A为标准化后的决策矩阵;针对多元非线性优化问题,采用改进PSO算法进行求解,具体包括以下步骤:
步骤①:设定种群个数以及粒子初始值:设置粒子个数为500个,第i个粒子的初始值为wi(0)={wi1,wi2,...,wij},均为(0,1)之间的随机数;
步骤②:设置粒子运动的惯性系数:传统的PSO算法惯性系数变化规律为:式中,/>为惯性初始权重;/>为惯性最终权重;kmax为粒子群最大迭代次数;上述该惯性系统计算方法,采用线性递减的计算算法,惯性权重会随着迭代次数的增加而逐步减小,在计算开始时具有较快的收敛速度,但容易陷入局部最优,导致计算精度降低;所述的改进PSO算法通过设置一种二次型指数型的非线性动态惯性系数计算方法,使得惯性系统不仅随着迭代次数变化而不断变化,同时保证每个粒子的惯性系统与当前的全局最优值相关,降低PSO算法陷入局部最优的可能性,提高计算精度,改进的惯性系数为:式中,dmax、dmin为初始最大与最小距离值;δ为控制系数;设置/>kmax=2000;该惯性系数计算公式能够保证粒子在距离全局最优值较远的情况下,有较大的惯性系数,从而使得算法具有较快的收敛速度进行全局搜索,当粒子在距离全局最优值较近的情况下,有较小的惯性系数,使得算法能够在局部提高最优解的求解精度;
步骤③:设置粒子加速系数:C1=1.8、C2=1.8;
步骤⑤:计算粒子的适应度:调整各粒子的最优位置以及种群的最优位置,当满足最大迭代次数以及适应度函数误差允许范围,停止计算输出计算结果,设置适应度函数误差为10-6,最终输出各评价指标的客观权重。
所述的步骤3中的采用TOPSIS评价方法进行综合评价具体为:通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则。
所述的TOPSIS评价模型具体为:TOPSIS的基本思想是通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则:其中与理想解最近且与负理想解最远的方案,视为方案集中的满意解;在该模型中,理想解是各指标属性均达到最满意的解,而负理想解则为各指标属性均达到最不满意的解;TOPSIS评价模型是比较经典的多目标决策方法;对乡村电气化数字化建设成效进行评价分析可以抽象为一个多目标评价的问题,通过构建基于组合赋权的TOPSIS模型乡村电气化数字化建设成效进行评价,具体包括以下步骤:
步骤3.4:确定正向以及负向最优解:
步骤3.7:根据贴近度的大小判断各备选方案的优劣,Ci值越大的备选方案为最优方案。
在本实施例中,步骤4中的实例分析结合河南省兰考县电气化数字化建设的实际情况,进行模型实例测算验证了模型的可行性,包括以下步骤:
步骤4.1:基础数据
根据河南省兰考县农村电网电气化数字化建设的实际情况,结合优化后的河南省农村电网电气化数字化建设成效评价体系对河南兰考县农村电网电气化数字化建设进行评价,指标原始数据如表1所示,
表1河南省兰考县农村电网电气化数字化建设成效评价基础数据
步骤4.2:计算综合评价
首先,根据本发明的主观以及客观赋权法,对各评价指标权重进行赋值,基于10位专家打分,得出的主观权重向量为w1=(0.07410.12640.12420.14080.09090.09770.11490.09060.1404);
利用Matlab2020b软件,通过改进PSO算法对上述客观赋权非线性优化模型进行求解,粒子在迭代238次,种群最优位置更新51次时适应度函数收敛,如图2所示,可以发现传统的PSO算法虽然收敛速度较改进的PSO快,但较早的陷入了局部最优,提出的基于二次型指数型的非线性动态惯性系数的改进PSO虽然收敛速度较慢,但是得到了更加好的解,最终通过改进的PSO算法得到客观权重向量为:w1=(0.12720.14320.09150.13380.10290.11750.09850.10680.0786),通过“乘法”集成法对上述主客观赋权向量进行处理,形成组合权重向量为:W=(0.08010.15320.09420.17080.08290.10050.09760.08130.1394),如表2所示,
表2指标权重
根据上述基础数据和组合权重计算出的指标权重对河南省兰考县农村电网电气化数字化建设成效进行评价,方案层指标得分如表3所示,
表3方案层指标得分
根据农村电气化数字化方案层指标得分得到河南省兰考县农村电气化数字化建设成效准则层指标得分,如图3所示,由图3可知,河南省兰考县农村电气化数字化建设成效综合得分为64.01分;其中,农网数字化得分为33.67,乡村电气化得分为30.34。
本发明为基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,在使用中,包括以下步骤:构建乡村电气化数字化建设成效评估体系,从乡村电气化、电网数字化两个维度出发,辨识乡村电气化数字化建设价值产出,以科学性、全面性、可比性、可操作性和差异性为指标选取原则,建立乡村电气化数字化建设成效评估体系;构建基于组合赋权法的赋权模型,首先,采用个体化赋权方法,引用费肯纳对数定律,靠观控隶属度将定性排序转换为定量权重,然后,基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化(PSO)算法对上述问题进行求解,从而确定各评价指标的客观权重。最后,采用基于“乘法”集成法的组合赋权方法,最终确定指标组合权重系数;基于上述模型,采用TOPSIS评价方法进行综合评价,通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则,最后结合河南省兰考县电气化数字化建设的实际情况,进行模型实例测算验证了模型的可行性,本发明能有效识别乡村电气化数字化建设情况,推动乡村电力数字化转型;本发明具有有效识别乡村电气化数字化建设、推动乡村电力数字化转型的优点。
Claims (10)
1.基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:它包括以下步骤:
步骤1:构建乡村电气化数字化建设成效评估体系;
步骤2:构建基于个体化赋权和改进粒子群算法的组合赋权模型;
步骤3:基于上述模型,采用TOPSIS评价方法进行综合评价;
步骤4:实例分析。
2.如权利要求1所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的步骤1中的构建乡村电气化数字化建设成效评估体系具体为:从乡村电气化、电网数字化两个维度出发,辨识乡村电气化数字化建设价值产出,以科学性、全面性、可比性、可操作性和差异性为指标选取原则,建立乡村电气化数字化建设成效评估体系。
3.如权利要求2所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的乡村电气化水平包括:1)可再生能源装机容量比例:可再生能源装机容量占比指可再生能源装机总量占全部装机容量的比例,计算公式为:可再生能源装机容量占比=可再生能源装机总量总装机容量;2)能源自给率:能源自给率指的是能源自产总量与能源消费总量的百分率,表示一个地区能源生产满足消费的程度,能源自给率越高,对外依赖性就越小,反之越大,计算公式为:能源自给率=能源自产总量能源消费总量;3)可再生能源占一次能源消费比重:一次能源消费量是一个国家或地区、部门、行业、企业一定时间内消耗的一次能源量,统计的最常用的五种商品能源包括:原煤、原油、天然气、水电、核电;可再生能源占一次能源消费比重指可再生能源消费量占一次能源消费总量的比例,计算公式为:
可再生能源占一次能源消费比重=可再生能源消费量一次能源消费总量;4)碳减排率:碳减排率指某一区域某段时间内碳减排量占碳排放总量的比例,计算公式为:碳减排率=碳排放量/碳排放总量。
4.如权利要求2所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的农网数字化水平包括:1)配电自动化终端覆盖率:配电网自动化是运用计算机技术、自动控制技术、电子技术、通信技术及新的高性能的配电设备技术手段,对配电网进行离线与在线的智能化监控管理,使配电网始终处于安全、可靠、优质、经济、高效的最优运行状态,配电自动化终端覆盖率指智能化监控管理的配电网区域占总配电区域面积的比例,计算公式为:配电自动化终端覆盖率=配电自动化区域面积/配电区域总面积;2)智能变电站覆盖率:智能变电站是采用可靠、经济、集成、低碳、环保的设备与设计,以全站信息数字化、通信平台网络化、信息共享标准化、系统功能集成化、结构设计紧凑化、高压设备智能化和运行状态可视化为基本要求,能够支持电网实时在线分析和控制决策,进而提高整个电网运行可靠性及经济性的变电站,智能变电站覆盖率指某一区域内智能变电站数量占总变电站数量的比例,计算公式为:智能变电站覆盖率=智能变电站数量/变电站总量;3)服务上线率:服务上线率指的是可以线上办理的业务数占总业务数的比例,计算公式为:服务上线率=可以线上办理的业务数/总业务数;4)供电可靠率:供电可靠率是指在统计期间内为不计及因系统电源不足而需限电的情况,电力系统用户的供电可靠率指标,直接反映了供电企业对电力用户的供电能力,也反映了电力工业对国民经济电能需求的满足程度,是供电企业的规划、设计、基建、施工、设备制造、生产运行等方面的质量和管理水平综合体现,计算公式为:供电可靠率=(1-客户平均停电时间/统计期间时间);5)电压合格率:电压合格率指在电网运行中,一个月内,监测点电压在合格范围内的时间总和与月电压监测总时间的百分比,计算公式为:电压合格率=电压合格时间/电压检测总时间。
5.如权利要求1所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的步骤2中的构建基于个体化赋权和改进粒子群算法的组合赋权模型具体为:首先采用个体化赋权方法,引用费肯纳对数定律,靠观控隶属度将定性排序转换为定量权重,然后基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化即PSO算法进行求解,从而确定各评价指标的客观权重,最后采用基于“乘法”集成法的组合赋权方法,最终确定指标组合权重系数。
6.如权利要求5所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的组合赋权法具体为:权重选取会直接影响到最后对于乡村电气化数字化建设成效的评价判断,当前在各类综合评价方法中,赋权方法一般可以分为主观赋权法和客观赋权法,主观赋权主要是通过专家对指标重要性的了解来决定各指标权重,专家的主观判断会直接影响最后的权重确定,客观评价法一般是通过数理计算来获取最后权重系数,这种赋权方法对于往往会受到所选取的数学模型影响,使得获得的权重数值与客观情况存在一定的差距,为了保证评价结果能真是反映乡村电气化数字化建设情况,采用组合赋权法对各个评价指标进行赋权,把主观与客观赋权方法从逻辑上有机结合起来,形成组合/集成赋权方法,同时考虑到应用的简便性,采用基于“乘法”集成法的组合赋权方法,最终确定指标权重系数,即假设pj、qj分别为主观、客观赋权方法得到的指标权重,则组合区中系数为:
7.如权利要求6所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的个体化主观赋权法具体为:由于乡村电气化数字化建设成效评价是一个复杂的系统,对其复权需要整体考虑,而主观赋权法可以发挥专家在该领域的丰富的实践经验,从整体的角度对指标进行赋权,传统的主观赋权法是各专家对指标直接打分,在综合确定各指标的分值,求得权重,这样做的缺点是,从专家的角度常常无法把对指标的也理评估转变成具体的分值,为避免这一问题,采用个体化赋权方法,专家只需对指标的重要性进行排序,再通过一定技术手段,将排序转变为权重对指标赋权;将重要性排序科学的转变成具体权重的方法属于泛系观控的范畴,该理论实现定性转定量的具体方法是靠观控隶属度的计算完成的,引用费肯纳对数定律,物理刺激量I,是心里感觉量S的指数函数,将S转变成I的数学表达为:对于n个排序指标,评价者对指标的心里感觉量Si,则Si=ln(M+2-i)/ln(M+1)(2),式中,M为转化系数即排序最大值;i为指标的排序值;则各指标的权重为:所述的客观赋权法具体为:客观赋权方法主要是从数据自身的规律性质出发,由其所得权重应尽量反映数据自身性质对评价结果的影响程度,基于最优和最劣对象距离之和最小原则构建了确定指标权重的非线性规划模型,并通过粒子群优化即PSO算法进行求解,从而确定各评价指标的客观权重。/>
8.如权利要求7所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的粒子群优化算法即PSO算法具体为:粒子群优化算法又称为粒子群算法、或微粒群算法,是观测者通过模拟鸟群寻找食物的行为而发展起来的一种基于群体配合的随机搜索算法,目标是鸟群用最快的速度找到食物,将每只鸟在觅食时得到的最近距离视为局部最优,将鸟群整体的最近距离视为全局最优,每一次迭代过后,利用局部最优修改全局最优,最终得到最优解,利用改进粒子群优化算法用于求解乡村电气化数字化建设成效各评价指标的客观权重,具体计算流程为:假设最优对象为M=(1,1,1,...,1),最劣对象为N=(-1,-1,-1,...,-1),根据标准化后的决策矩阵,可以得出确定权重的优化模型为:约束条件为:wi>0(6),/>可以看出上述模型是一个多元非线性优化问题,通过拉格朗日算子将上述有等式约束的问题转化为无约束的优化问题,即:/>式中,λ为拉格朗日乘子;A为标准化后的决策矩阵;针对多元非线性优化问题,采用改进PSO算法进行求解,具体包括以下步骤:
步骤①:设定种群个数以及粒子初始值:设置粒子个数为500个,第i个粒子的初始值为wi(0)={wi1,wi2,...,wij},均为(0,1)之间的随机数;
步骤②:设置粒子运动的惯性系数:传统的PSO算法惯性系数变化规律为:式中,/>为惯性初始权重;/>为惯性最终权重;kmax为粒子群最大迭代次数;上述该惯性系统计算方法,采用线性递减的计算算法,惯性权重会随着迭代次数的增加而逐步减小,在计算开始时具有较快的收敛速度,但容易陷入局部最优,导致计算精度降低;所述的改进PSO算法通过设置一种二次型指数型的非线性动态惯性系数计算方法,使得惯性系统不仅随着迭代次数变化而不断变化,同时保证每个粒子的惯性系统与当前的全局最优值相关,降低PSO算法陷入局部最优的可能性,提高计算精度,改进的惯性系数为:式中,dmax、dmin为初始最大与最小距离值;δ为控制系数;设置/>kmax=2000;该惯性系数计算公式能够保证粒子在距离全局最优值较远的情况下,有较大的惯性系数,从而使得算法具有较快的收敛速度进行全局搜索,当粒子在距离全局最优值较近的情况下,有较小的惯性系数,使得算法能够在局部提高最优解的求解精度;
步骤③:设置粒子加速系数:C1=1.8、C2=1.8;
步骤⑤:计算粒子的适应度:调整各粒子的最优位置以及种群的最优位置,当满足最大迭代次数以及适应度函数误差允许范围,停止计算输出计算结果,设置适应度函数误差为10-6,最终输出各评价指标的客观权重。
9.如权利要求1所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的步骤3中的采用TOPSIS评价方法进行综合评价具体为:通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则。
10.如权利要求9所述的基于组合赋权-TOPSIS的乡村电气化数字化成效评价方法,其特征在于:所述的TOPSIS评价模型具体为:TOPSIS的基本思想是通过构造多目标决策问题的正负理想解,并计算各可行方案与正负理想解二者之间的欧氏距离,求解不同方案对正负理想解的接近程度,作为方案排序的决策准则:其中与理想解最近且与负理想解最远的方案,视为方案集中的满意解;在该模型中,理想解是各指标属性均达到最满意的解,而负理想解则为各指标属性均达到最不满意的解;TOPSIS评价模型是比较经典的多目标决策方法;对乡村电气化数字化建设成效进行评价分析可以抽象为一个多目标评价的问题,通过构建基于组合赋权的TOPSIS模型乡村电气化数字化建设成效进行评价,具体包括以下步骤:
步骤3.4:确定正向以及负向最优解:
步骤3.7:根据贴近度的大小判断各备选方案的优劣,Ci值越大的备选方案为最优方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211566204.2A CN115860547A (zh) | 2022-12-07 | 2022-12-07 | 基于组合赋权-topsis的乡村电气化数字化成效评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211566204.2A CN115860547A (zh) | 2022-12-07 | 2022-12-07 | 基于组合赋权-topsis的乡村电气化数字化成效评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860547A true CN115860547A (zh) | 2023-03-28 |
Family
ID=85670875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211566204.2A Pending CN115860547A (zh) | 2022-12-07 | 2022-12-07 | 基于组合赋权-topsis的乡村电气化数字化成效评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860547A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109211A (zh) * | 2023-04-11 | 2023-05-12 | 佰聆数据股份有限公司 | 基于设备数字化的设备运行水平分析方法及装置 |
CN118052153A (zh) * | 2024-04-16 | 2024-05-17 | 上海叁零肆零科技有限公司 | 天然气管网数据优化方法、存储介质及电子设备 |
-
2022
- 2022-12-07 CN CN202211566204.2A patent/CN115860547A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109211A (zh) * | 2023-04-11 | 2023-05-12 | 佰聆数据股份有限公司 | 基于设备数字化的设备运行水平分析方法及装置 |
CN118052153A (zh) * | 2024-04-16 | 2024-05-17 | 上海叁零肆零科技有限公司 | 天然气管网数据优化方法、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106096810B (zh) | 基于配电网运行数据与地理拓扑信息的规划方法及系统 | |
CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
CN113468790B (zh) | 一种基于改进粒子群算法的风速特征模拟方法及系统 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN111080041A (zh) | 一种配电网互动性综合评价方法及系统 | |
CN115099511A (zh) | 基于优化copula的光伏功率概率估计方法及系统 | |
CN115860547A (zh) | 基于组合赋权-topsis的乡村电气化数字化成效评价方法 | |
CN115456406A (zh) | 一种综合能源系统的评估方法、装置、设备以及存储介质 | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN112446175B (zh) | 基于配电网概率潮流计算的分布式电源选址优化方法 | |
CN108009684A (zh) | 一种包含短期负荷预测的微电网并网状态能量管理方法 | |
CN115759604B (zh) | 一种综合能源系统优化调度方法 | |
Gao et al. | A two-stage decision framework for GIS-based site selection of wind-photovoltaic-hybrid energy storage project using LSGDM method | |
Makri et al. | Short term net imbalance volume forecasting through machine and deep learning: a UK case study | |
Hu et al. | Dynamic comprehensive assessment of power development based on provincial data | |
CN115099534A (zh) | 一种电源规划方案优选方法 | |
CN115689620A (zh) | 基于物理模型和数据驱动的煤价与电价传导模型构建方法 | |
Bo et al. | Research of Typical Line Loss Rate in Transformer District Based on Data-Driven Method | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
Chen et al. | The Application of Adaptive Generalized NGBM (1, 1) To Sales Forecasting: A Case Study of an Underwear Shop. | |
Xing et al. | Post-evaluation method and index system for energy Internet projects based on attribute theory | |
CN116596279B (zh) | 一种智慧园区能源消耗调度系统 | |
Han et al. | Voltage Overrun Evaluation and Prediction Research Based on Combinatorial Weighting and CNN-GRU | |
CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 |
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 |