CN1959735A - 基于数据包络分析的城市电网规划方案综合决策方法 - Google Patents

Abstract

一种基于数据包络分析的城市电网规划方案综合决策方法，方法的步骤如下：1)在规划区内从技术性、经济性、环境、适应性四大方面，建立综合评价指标集；2)根据行政区域或用地性质，把整个规划区分割为若干小分区，选取典型分区进行中压配电网规划；3)根据实际情况，采集综合评价指标集中的指标所需要的数据；4)选取综合评价指标集中“越小越好”的指标作为数据包络分析模型的输入指标，选取“越大越好”的指标作为数据包络分析模型的输出指标；5)综合评价指标集中定性数据采用德尔菲法进行处理，不处理定量数据；6)把综合评价指标集中采集到的数据，代入改进DEA模型，分别计算各方案的超效率值，根据超效率值的大小对方案进行排序决策。

Description

基于数据包络分析的城市电网规划方案综合决策方法

技术领域

本发明涉及规划方案的综合决策方法，特别是涉及到基于数据包络分析的城市电网规划方案的综合决策方法的技术。

背景技术

城市电网是城市现代化建设的重要基础设施之一，是现代化城市必不可少的能源供应系统。城市电网规划中形成的方案实际上是一种投资可能性，由于规划原理、技术路线、电源点选择、环境保护、运行维护、设备状态、资金构成、建设期限等不同，城网规划会形成众多不同的规划方案。当今的城市电网规划是一个具有不确定性的、复杂的、多目标的、非线性的决策过程。传统的城市电网规划方案决策追求单一目标，单一目标的最优必然会以牺牲其它目标为代价，不能做到比较全面、科学的综合决策；而通过专家凭借自身的丰富经验进行主观上的综合决策，这种方法缺乏理论依据和大量定性、定量的分析，决策工作具有主观性和偶然性。因此，要做到科学、合理的城市电网规划综合决策应该不仅仅只考虑负荷水平的确定、电压等级的选择、变电站站址及容量的选择，而是需要更多地综合考虑到供电可靠性、投资成本、适应性、环境保护等其它众多因素。

目前运用于城市电网规划综合决策的方法主要有模糊分析法、层次分析法等。这些方法建立对比矩阵和判断矩阵的过程比较复杂，都需要反映决策的偏好，在综合决策过程中极大程度依赖于决策者的主观判断，因此这两种方法存在着大量人为主观因素，容易造成综合决策的不确定性。

数据包络分析(Data Envelopment Analysis，简称DEA)是美国著名运筹学家A.Charnes和W.W.Cooper等学者于1978年提出，用于多个同类型决策单元DMU(Decision Making Units)相对有效性的评价，它突出的优点是：结构简单，所需指标少，无需考虑输入、输出要素的权重因素，具有很强的客观性。因此，一经推出，就逐渐成为测度生产效率的主流方法。目前DEA仅在电力系统的发电领域和配电领域中的测算和分析资源配置效率有所应用，而在电网规划方案综合决策领域，国内外相关文献中未见有过报道。

发明内容

针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种简单、可靠、实用的基于数据包络分析的城市电网规划方案综合决策方法体系，该方法体系理论清晰，相比其它的方法更直观、更方便且易于计算的，能比较科学、完整地综合反映电网规划方案，具有很强的客观性的。

为了解决上述技术问题，本发明所提供的一种基于数据包络分析的城市电网规划方案综合决策方法，其特征在于，具体实施步骤如下：

1)在规划区内从技术性、经济性、环境、适应性四大方面，10个以上指标，建立综合评价指标集；通过评价指标集与方案属性各要素的映射关系，来全面反映各电网规划方案的属性要素，最终达到综合评价各电网规划方案的目的。

2)根据行政区域或用地性质，把整个规划区分割为若干个小分区，选取典型分区，进行中压配电网规划，简化整个规划区电网规划综合决策的过程。

3)根据实际情况，采集综合评价指标集中的指标所需要的数据；

4)合理选择指标集中的输入、输出数据，选取综合评价指标集中“越小越好”的指标作为数据包络分析模型的输入指标，选取“越大越好”的指标作为数据包络分析模型的输出指标；虽然这些输入与输出指标并不是真正意义上的投入、产出指标，并且它们之间的关系也不严格满足线性关系，但从生产效率的角度考虑，仍具有积极意义；

5)综合评价指标集中的定性数据采用德尔菲法进行处理，定量数据不进行处理；由于DEA模型对决策单元的评价结果与各输入、输出数据的量纲无关，因此无需对这类型的定量数据进行处理，保留原值；

6)把综合评价指标集中采集到的数据，代入改进DEA模型，分别计算各方案的超效率值，根据超效率值的大小对方案进行排序决策。

进一步地，所述步骤1)中建立综合评价指标集：

a)应根据评价目的反映有关评价对象的各方面状况，如果评价指标集不全面，就无法对评价对象做出综合、整体的判断；

b)次，评价指标间不能过多的重叠，过多的重叠会容易被该评价指标误导，导致评价结果的失真；

c)综合评价指标集中的指标所需要的数据应是容易采集、计算或估计，否则该指标就无法应用，也就失去了实际意义。

进一步地，所述步骤2)中若综合决策不考虑中压配电网，省略该步骤。

进一步地，所述步骤3)中根据实际情况，简化综合评价指标集中的数据收集过程，若综合决策不考虑中压配电网，把综合评价指标集中相关的中压配电网评价指标略去，只收集高压配电网评价指标的数据；若只进行中压配电网规划的综合决策决策，则把综合评价指标集中相关的高压配电网评价指标略去，只收集中压配电网评价指标的数据。

进一步地，所述步骤5)中综合评价指标集中的定性数据处理：通过德尔菲法进行处理：

a)运用领域专家的知识、智慧、经验、信息和价值观，对初步拟出的综合决策指标进行匿名评议，提出修改意见；

b)并按事先规定的指标重要度的级数和量值给出各指标的重要度；

c)然后根据专家人数和各个专家给出的重要度，取加权平均值，即为该定性指标的量化值。

利用本发明提供的基于数据包络分析的城市电网规划方案综合决策方法，针对模糊分析法和层次分析法在进行城网综合决策过程中的一些缺陷，以及数据包络分析突出的优点，本发明首次将数据包络分析应用在城市电网规划方案的综合决策里，建立了一套多属性多目标城市电网规划综合决策体系，该体系从综合产出与综合投入的比率值进行城市电网规划方案的综合排序决策，该体系理论清晰，相比其它的方法更直观、更方便且易于计算，为城市电网规划综合决策问题提出了一崭新的思路和方法；本发明中的综合决策体系构建了一整套城市电网规划方案综合评价指标集，该指标集能比较科学、完整地综合反映电网规划方案的各属性要素；本发明合理选择综合评价指标作为数据包络分析模型的输入、输出指标；在处理指标集中的定性数据时，本发明运用德尔菲法，有效地将个人偏好造成的片面性降低，提高定性数据的可信度；最后将本发明应用于实际电网规划案例，取得了比较好的理想。本发明对现场具体城市电网规划有较大的参考作用，能成为城网规划工作人员进行综合决策较为可靠、实用的决策方法，将极大提高现有城市电网规划综合决策工作的水平。同时本综合决策体系能很好地解决城网规划中的一系列实际问题，在实际的运行和规划工作中可指导安排科学合理的城网建设及改造项目，保证巨额资金的合理投入，节约投资，由此带来的直接经济效益将是巨大的。

本发明中的数据包络分析法，理论清晰，相比其它的方法更直观、更方便且易于计算；所建立的DEA模型以决策单元各输入、输出的权重为变量，从最有利于决策单元的角度进行评价，从而避免了人为确定权重的问题；所建立的DEA模型排除了很多主观的因素，而且决策单元的评价结果与各输入、输出数据的量纲无关，具有很强的客观性；所建立的DEA模型认为输入和输出之间存在某种关系，每个输入都关联到一个或多个输出，在实际使用DEA模型时可不必确定这种输入和输出之间的关系表达式，从而简化了计算过程；实例计算证明，本发明优于其它方法，各项指标均优于其它方法。

附图说明

图1是本发明实施例基于数据包络分析的城市电网规划方案综合决策方法的指标集层次的示意框图。

具体实施方式

以下结合附图说明对本发明的实施例作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似方法及其相似变化，均应列入本发明的保护范围。

本发明实施例所提供的一种基于数据包络分析的城市电网规划方案综合决策方法，具体实施步骤如下：

首先针对规划区已提出的若干个可行的城市电网规划方案，然后进行如下步骤：

1)在规划区内从技术性、经济性、环境、适应性四大方面，10个指以上指标，建立综合评价指标集；

进行城市电网规划进行综合决策，首先必须综合评价各方案，全面反映各方案相关的属性要素，例如：投资成本、供电可靠性、运行成本、网架结构、潮流分布合理性、有功网损、电压水平、短路电流情况、运行方式灵活性、适应性、环境保护等等，这些属性要素错综复杂，无法直接用具体的数据进行表示，为此，需要建立一系列的评价指标集，通过评价指标集与方案属性各要素的映射关系，来全面反映各电网规划方案的属性要素，最终达到综合评价各电网规划方案的目的。

构建一套科学的综合评价指标集首先应根据评价目的反映有关评价对象的各方面状况，如果评价指标集不全面，就无法对评价对象做出综合、整体的判断；其次，评价指标间不能过多的重叠，过多的重叠会容易被该评价指标误导，导致评价结果的失真；最后，计算指标所需要的数据应是容易采集，指标容易计算或估计，否则该指标就无法应用，也就失去了实际意义。因此，本发明拟建立城市电网规划综合评价指标集，其综合评价决策集的层次结构参见图1，该综合评价指标集能较为科学、全面的描述与反映城市电网规划方案的各属性要素。

2)根据行政区域或用地性质，把整个规划区分割为若干个小分区，选取典型分区，进行中压配电网规划，简化整个规划区电网规划综合决策的过程；

实际电网规划综合决策过程中，若考虑规划区内所有的中压配电网的情况，综合决策的工作量多，且繁琐。因此，可将规划区依据行政区域或用地性质划分为一定数量的分区块，选取典型分区块的中压网，以简化整个规划区电网规划综合决策的过程。

3)根据实际情况，采集综合评价指标集中的指标所需要的数据；

参见图1所示，综合评价指标集包括技术性指标、经济性指标、环境指标、适应性指标；技术性指标包括可靠性指标、网架结构、供电质量指标；其中可靠性指标分为高压网和各分区中压网，高压网包括高压直供用户、上级站停电影响范围、线路平均长度、线路条数、电压等级单一度；各分区中压网包括高压站个数、线路平均长度；网架结构包括各分区中压网结构合理性、高压网架结构合理性；供电质量指标分别包括高压网和各分区中压网的潮流分布合理性、最低电压水平、短路电流合理性；经济性指标包括投资总额、运行费用；运行费用包括高压网损率、各分区中压网损率；环境指标包括规划区高压站总数目、各分区变电站对城市环境影响；适应性指标包括负荷增长较慢时经济性、各分区站点浪费情况、扩展性；扩展性包括上级站仓位裕量、上级站对区外供电可能性；综合评价指标集包括高压配网和中压配电网相应指标，在进行电网规划综合决策过程中同时考虑了高压网和中压网的情况。

然而，在综合决策过程中可根据实际情况略去一些指标，以简化综合评价指标集中的数据收集过程。实际的城市电网规划常常是先进行高压配电网规划，待高压配电网规划方案确定后再进行相应的中压网规划。因此，在高压配电网规划的综合决策决策过程中，可把本发明综合评价指标集中相关的中压配电网评价指标略去，只收集高压配电网评价指标的数据；同理，若只进行中压配电网的综合决策，只收集中压配电网评价指标的数据。

4)合理选择指标集中的输入、输出数据

本发明选取综合评价指标集中“越小越好”的指标作为数据包络分析模型的输入指标，选取“越大越好”的指标作为数据包络分析模型的输出指标。因此可得如下输入指标、输出指标：

输入指标：投资总额、高压网有功网损率、各分区中压网有功网损率、高压直供用户、高压网线路平均长度、高压网线路条数、各分区中压网线路平均长度、规划区高压站总数目、各分区变电站对城市环境影响及各分区站点浪费情况。

输出指标：上级站停电影响范围、高压网电压等级单一度、各分区高压站个数、高压网架结构合理性、各分区中压网架结构合理性、高压网最低点电压水平、各分区中压网若干最低点电压水平平均值、高压网短路电流是否超标、各分区中压网短路电流合理性、高压网潮流分布合理性、各分区中压网潮流分布合理性、负荷增长较慢时经济性、上级站仓位裕量及上级站对区外供电可能性。

虽然这些输入与输出指标并不是真正意义上的投入、产出指标，并且它们之间的关系也不严格满足线性关系，但从生产效率的角度考虑，仍具有积极意义。

5)综合评价指标集中的定性数据采用德尔菲法进行处理，定量数据不进行处理；

综合评价指标集中包括有两种类型的指标数据：定量数据和定性数据，它们的处理方式不相同。

定量数据处理：定量数据就是容易用具体的数值来表示其相应属性要素的指标，如本发明中的综合决策指标集中的投资总额、网损率、线路平均长度、高压用户站数目等等。由于DEA模型对决策单元的评价结果与各输入、输出数据的量纲无关，因此无需对这类型的数据进行处理，保留原值。

定性数据处理：定性数据多为模糊数据，不易通过具体的数值对其量化，如：网架结构合理性、潮流分布合理性、站点浪费情况、负荷增长慢时经济性等等。本发明对此类型的数据通过德尔菲法进行处理，即运用领域专家的知识、智慧、经验、信息和价值观，对初步拟出的综合决策指标进行匿名评议，提出修改意见，并按事先规定的指标重要度的级数和量值给出各指标的重要度(见表1)，然后根据专家人数和各个专家给出的重要度，取加权平均值，即为该定性指标的量化值。

德尔菲法作为一种独特的专家意见评价方法，它能充分发挥各位专家的作用，集思广益，能有效地将个人偏好造成的片面性降低，提高定性数据的可信度，同时能把各位专家间意见的分歧表达出来，取长补短，是处理定性数据的常用方法。

本发明将定性指标重要度分为十一级，量值范围为0～1.0，详见表2。

                       表1  定性数据量化度

不可比拟好(多)	极端好(多)	非常好(多)	显著好(多)	较为好(多)	一般
						1.0	0.9	0.8	0.7	0.6	0.5
较差(少)	显著差(少)	非常差(少)	极端差(少)	无法形容差(少)
						0.4	0.3	0.2	0.1	0

6)把综合评价指标集中采集到的数据，代入改进DEA模型，分别计算各方案的超效率值，根据超效率值的大小对方案进行排序决策。

理论基础：

数据包络分析(DEA)是以相对效率概念为基础、以凸分析和线性规划为工具的评价方法，可对同一类型的多输入、多输出复杂的决策单元DMU的相对有效性进行评定、排序。C²R是第一个DEA模型，也是运用最广泛的DEA模型，其最优化模型可用式(1)表示。

$\max u^T{y}_j/v^T{x}_j=\underset{r=1}{\overset{s}{\mathrm{\Σ}}}{u}_r{y}_{\mathrm{rj}}/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i{x}_{\mathrm{ij}}$

$s.t.\left\{\begin{array}{cc}\frac{u^T{y}_j}{v^T{x}_j}\≤1& x_j\≥0,y_j\≥0,\∀j\∈\{\mathrm{1,2},\·\·\·,n\}\\ & u\≥0,v\≥0\end{array}\right.---\left(1\right)$

式(1)最优化模型中有n个决策单元(DMU)，每个决策单元都有m个输入及s种输出，其中x_j＝(x_1j，x_2j，…，x_mj)^T，x_ij表示第j个DMU对第i种输入的投入量；y_j＝(y_1j，y_2j，…，y_mj)^T，y_rj表示第j个DMU对第r种输出的产出量；v_j＝(v₁，v₂，…，v_m)^T，v_i表示第i种输入的一种度量(或称“权重”)，i＝1，…，m；u_j＝(u₁，u₂，…，u_s)^T，u_r表示第r种输出的一种度量(或称“权重”)，r＝1，…，s。

式(1)的分式规划可经过Charnes-Cooper变换转化为一线性规划问题，并运用对偶规划，引入松弛变量s^-、剩余变量s⁺、非阿基米德无穷小量ε，则式(1)可转变为：

$\min \{\mathrm{\θ}-\mathrm{\ϵ}({\hat{e}}^T{s}^{-}+e^T{s}^{-})\}$

$s.t.\left\{\begin{array}{c}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{x}_j{\mathrm{\λ}}_j+s^{-}={\mathrm{\θx}}_0\\ \underset{j=1}{\overset{n}{\mathrm{\Σ}}}{y}_j{\mathrm{\λ}}_j-s^{+}=y_0\\ {\mathrm{\λ}}_j\≥0,j=\mathrm{1,2},\·\·\·,n\\ s^{+},s^{-}\≥0\end{array}\right.---\left(2\right)$

式(2)中， $\hat{e}={(\mathrm{1,1},\·\·\·,1)}^T\∈R^m,$ e＝(1，1，…，1)^T∈R^s，x_j为第j个决策单元的m维投入向量，y_j为第j个决策单元的s维产出向量。x₀、y₀是被评价的某决策单元DMU_j0的投入、产出向量，ε为非阿基米德无穷小量，实际应用中可取值为10^-5。

利用C²R模型可判断出某决策单元DMU_j0是否DEA有效，即若该模型的最优解λ⁰，s^-0，s⁺⁰，θ⁰满足：θ⁰＝1，并且s^-0＝0，s⁺⁰＝0，则DMU_j0为DEA有效；若θ⁰＝1，s^-0≠0或s⁺⁰≠0，则DMU_j0为DEA弱有效；若θ⁰＜1，则DMU_j0为DEA为无效。

C²R模型只适用判断出某决策单元DMU_j0是否DEA有效，但是在实际应用中，利用C²R模型对于多个决策单元评价时，则容易出现大量的、甚至全部决策单元都有效的情形，因此无法对所评价的决策单元的效率进行充分评价和排序。

针对C²R模型难于区分有效决策单元效率的问题，Per Anersen等人提出了改进的DEA模型-Super Efficiency DEA(SE-DEA)模型对决策单元进行分类，较好地解决了相对有效单元的排序问题。其改进DEA模型形式如下：

$\min \{\mathrm{\θ}-\mathrm{\ϵ}({\hat{e}}^T{s}^{-}+e^T{s}^{-})\}$

$s.t.\left\{\begin{array}{c}\underset{j\≠j_0}{\overset{n}{\underset{j=1}{\mathrm{\Σ}}}}{x}_j{\mathrm{\λ}}_j+s^{-}={\mathrm{\θx}}_0\\ \underset{j\≠j_0}{\overset{n}{\underset{j=1}{\mathrm{\Σ}}}}{y}_j{\mathrm{\λ}}_j-s^{+}=y_0\\ {\mathrm{\λ}}_j\≥0,j=\mathrm{1,2},\·\·\·,n\\ s^{+},s^{-}\≥0\end{array}\right.---\left(3\right)$

式(3)中的变量与式(2)的变量含义相同，SE-DEA最优化模型的实际上主要改进在于这个模型中只是在对有效单元评价计算时，去掉了效率指标小于1的约束条件，此时会得到大于等于1的效率θ，称之为超效率值。将各决策单元的超效率值排序，即可对各决策单元进行综合评价决策。

实例分析：

本发明将提出的城市电网规划方案综合决策体系应用在实际的城市电网规划中。该规划区最终提出三套规划方案，方案一为35kV方案，方案二为110kV方案，方案三为35kV、110kV混合方案。运用本发明电网规划综合决策体系对三个方案的输入、输出数据进行处理，计算了出该地区的三个城市电网规划方案的超效率值并进行排序，其结果见表2，同时为了比较本发明中的模型的计算结果，表2中也列出了区间层次法、模糊层次分析法的计算结果。

               表2综合决策结果

  Tab.2 Results of comprehensive judgment

	方案1	方案2	方案3
				DEA超效率值排序	2.0032	1.8503	2.9151
区间层次法可能度排序	0.2333	0.3792	0.3891
				模糊层次法可能度排序	0.2443	0.2652	0.4911

根据表2中的三个方案的超效率值大小，综合决策排序结果依次为：方案3、方案1、方案2，其中方案3相比其它两个方案在投入、产出效率方面有较明显的优势，因此，该地区运用本发明模型进行城市市电网规划方案综合决策，最终推荐方案3，此综合决策结果同层区间次法和模糊层次法的结果相一致，并且实际电网规划也是选择方案3为首选方案。

在实际的城市电网规划工作中需要进行规划的综合决策的方案数一般不会太多(少于10个)，本发明方法都可以适用。

Claims (5)

1、一种基于数据包络分析的城市电网规划方案综合决策方法，其特征在于，具体实施步骤如下：

1)在规划区内从技术性、经济性、环境、适应性四大方面，建立综合评价指标集；通过评价指标集与方案属性各要素的映射关系，来全面反映各电网规划方案的属性要素，最终达到综合评价各电网规划方案的目的；

2)根据行政区域或用地性质，把整个规划区分割为若干个小分区，选取典型分区，进行中压配电网规划，简化整个规划区电网规划综合决策的过程；

3)根据实际情况，采集综合评价指标集中的指标所需要的数据；

4)合理选择指标集中的输入、输出数据，选取综合评价指标集中“越小越好”的指标作为数据包络分析模型的输入指标，选取“越大越好”的指标作为数据包络分析模型的输出指标；

5)综合评价指标集中的定性数据采用德尔菲法进行处理，定量数据不进行处理；

6)把综合评价指标集中采集到的数据，代入改进DEA模型，分别计算各方案的超效率值，根据超效率值的大小对方案进行排序决策。

2、根据权利要求1所述的基于数据包络分析的城市电网规划方案综合决策方法，其特征在于，所述步骤1)中建立综合评价指标集：

a)先应根据评价目的，反映有关评价对象的各方面状况，如果评价指标集不全面，就无法对评价对象做出综合、整体的判断；

b)其次，评价指标间不能过多的重叠，过多的重叠会容易被该评价指标误导，导致评价结果的失真；

c)计算指标所需要的数据应是容易采集，指标容易计算或估计，否则该指标就无法应用，也就失去了实际意义。

3、根据权利要求1所述的基于数据包络分析的城市电网规划方案综合决策方法，其特征在于，所述步骤2)中若综合决策不考虑中压配电网，省略该步骤。

4、根据权利要求1所述的基于数据包络分析的城市电网规划方案综合决策方法，其特征在于，所述步骤3)中根据实际情况，简化综合评价指标集中的数据收集过程，若综合决策不考虑中压配电网，把综合评价指标集中相关的中压配电网评价指标略去，只收集高压配电网评价指标的数据；若只进行中压配电网规划的综合决策决策，则把综合评价指标集中相关的高压配电网评价指标略去，只收集中压配电网评价指标的数据。

5、根据权利要求1所述的基于数据包络分析的城市电网规划方案综合决策方法，其特征在于，所述步骤5)中综合评价指标集中的定性数据处理通过德尔菲法进行处理：

a)运用领域专家的知识、智慧、经验、信息和价值观，对初步拟出的综合决策指标进行匿名评议，提出修改意见；

b)并按事先规定的指标重要度的级数和量值给出各指标的重要度；

c)然后根据专家人数和各个专家给出的重要度，取加权平均值，即为该定性指标的量化值。