CN106651225A - 智能电网示范工程综合评估方法和*** - Google Patents
智能电网示范工程综合评估方法和*** Download PDFInfo
- Publication number
- CN106651225A CN106651225A CN201710078629.1A CN201710078629A CN106651225A CN 106651225 A CN106651225 A CN 106651225A CN 201710078629 A CN201710078629 A CN 201710078629A CN 106651225 A CN106651225 A CN 106651225A
- Authority
- CN
- China
- Prior art keywords
- weight
- index
- macro
- macro demand
- anp
- 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 54
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000007431 microscopic evaluation Methods 0.000 claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims description 62
- 238000013480 data collection Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 24
- 239000012141 concentrate Substances 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 7
- 230000008901 benefit Effects 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 7
- 238000011161 development Methods 0.000 description 20
- 230000018109 developmental process Effects 0.000 description 20
- 239000013598 vector Substances 0.000 description 16
- 230000005611 electricity Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 238000001028 reflection method Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- ONUFESLQCSAYKA-UHFFFAOYSA-N iprodione Chemical compound O=C1N(C(=O)NC(C)C)CC(=O)N1C1=CC(Cl)=CC(Cl)=C1 ONUFESLQCSAYKA-UHFFFAOYSA-N 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- 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)
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种智能电网示范工程综合评估方法和***，接收智能电网的微观评估指标数据集，利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重。根据微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值。利用DEMATEL‑ANP‑反熵权法计算各宏观需求指标的权重，根据宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题。通过DEMATEL‑ANP‑反熵权法确定宏观指标权重，基于矩估计理论的组合赋权法确定微观指标权重，能够科学地评估综合效益，评估可靠性高，具有指导性作用。
Description
技术领域
本发明涉及电力电网技术领域，特别是涉及一种智能电网示范工程综合评估方法和***。
背景技术
近年来，能源安全和环境问题日益受到重视，可再生能源得到大力发展，在电网信息化、自动化及互动性呼声下，智能电网再次受到业界的高度关注，成为世界各国竞相发展的一个热点领域。然而，智能电网的发展是一项复杂的***性工程，在全世界范围内依然处于起步阶段，其建设涉及发电、输电、变电、配电、用电和调度等众多环节，对我国经济、社会、环境的发展影响深远。亟需构建一套科学、合理、全面的综合评估指标体系和方法，实现对智能配电网的分析评价，为智能电网的规划、建设、改造提供指导和帮助。
传统的智能电网综合效益评估方法主要采用主观赋权法对各指标进行权重计算，主观赋权法包括层次分析法、专家调查法(Delphi法)和特征向量法等。主观赋权法的缺点在于主观性太强，易受人为因素影响，且缺乏理论性支撑。传统的智能电网综合效益评估方法存在评估可靠性低的缺点。
发明内容
基于此，有必要针对上述问题，提供一种评估可靠性高的智能电网示范工程综合评估方法和***。
一种智能电网示范工程综合评估方法，包括以下步骤：
接收智能电网的微观评估指标数据集；
利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重；
根据所述微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值；
利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重；
根据所述宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。
一种智能电网示范工程综合评估***，包括：
指标数据接收模块，用于接收智能电网的微观评估指标数据集；
微观权重计算模块，用于利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重；
指标值计算模块，用于根据所述微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值；
宏观权重计算模块，用于利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重；
综合评估输出模块，用于根据所述宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。
上述智能电网示范工程综合评估方法和***，接收智能电网的微观评估指标数据集，利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重。根据微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值。利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重，根据宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题。通过DEMATEL-ANP-反熵权法确定宏观指标权重，基于矩估计理论的组合赋权法确定微观指标权重，能够科学地评估综合效益，评估可靠性高，具有指导性作用。
附图说明
图1为一实施例中智能电网示范工程综合评估方法的流程图；
图2为一实施例中智能电网工程特性分析的技术路线示意图；
图3为一实施例中智能电网宏观需求指标集构建流程示意图；
图4为一实施例中智能电网智能化指标集示意图；
图5为一实施例中智能电网高效性指标集示意图；
图6为一实施例中智能电网可靠性指标集示意图；
图7为一实施例中智能电网绿色化指标集示意图；
图8为一实施例中智能电网综合效益评估指标体系示意图；
图9为一实施例中基于组合权重的智能电网评估分层优选模型示意图；
图10为一实施例中智能电网示范工程综合评估***的结构图。
具体实施方式
在一个实施例中，一种智能电网示范工程综合评估方法，如图1所示，包括以下步骤：
步骤S110：接收智能电网的微观评估指标数据集。
微观评估指标数据集中包括多种数据，每种数据均为智能电网的一种微观评估指标。微观评估指标的类型并不唯一，具体包括效益型指标、成本型指标和特定型指标。其中，效益型指标指随着指标取值的增大其分数增高；成本型指标指随着指标取值的减小其分数增高；而特定型指标指在中间的某个数值或子区间取值时其分数最高。
步骤S120：利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重。
利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题。
步骤S130：根据微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值；
微观评估指标数据集中包括的数据种类并不唯一，根据微观评估指标数据集计算得到的宏观需求指标值的种类也对应有所不同。本实施例中，微观评估指标数据集包括微观评估指标数据包括智能化指标数据集、高效性指标数据集、可靠性指标数据集和绿色化指标数据集；宏观需求指标值包括智能化指标值、高效性指标值、可靠性指标值和绿色化指标值。
利用基于矩估计理论的组合赋权法分别计算智能化指标数据集、高效性指标数据集、可靠性指标数据集和绿色化指标数据集中个数据的权重，然后根据各数据集和对应权重计算得到对应的智能化指标值、高效性指标值、可靠性指标值和绿色化指标值。
步骤S140：利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重。
采用DEMATEL-ANP和反熵权法相结合的最优组合赋权方法，对宏观需求指标的权重进行确定，从而将指标的专家经验信息和指标客观属性综合在一起。对应地，本实施例中，宏观需求指标包括智能化指标、高效性指标、可靠性指标和绿色化指标。利用DEMATEL-ANP-反熵权法分别计算得到智能化指标、高效性指标、可靠性指标和绿色化指标的权重。
步骤S150：根据宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。
对相应的指标评估值和对应权重进行加权求和，即可得到智能电网示范工程的综合评估结果。输出综合评估结果的方式并不唯一，可以是输出至存储器进行存储，也可以是输出至显示器进行显示。
通过基于矩估计理论的组合赋权法和DEMATEL-ANP-反熵权法分别确定微观评估指标的权重和宏观需求指标的权重，建立智能电网综合效益评估指标体系，以便进行智能电网示范工程综合评估。具体地，智能电网综合效益评估指标体系的建立应遵循智能电网未来重点发展领域和关键技术，将智能电网评估指标体系划分为宏观指标集和微观指标集两个层次。其中，宏观指标集主要通过剖析利益相关者的实际需求；微观指标集则是对宏观指标分解和转化，通过二维效益分析映射法进一步分解转化，形成具体完整、相互独立的指标。
电能的开发和应用，是人类征服自然过程中所取得的具有划时代意义的成就。随着电能一步一步进入人类生产生活的各个方面，作为电能输送平台的电网也同时经历了点一线一面的发展过程，传输距离由近及远，传送容量由小到大，传输质量、稳定性、与外部环境的协调性等逐步提高。按照电网智能化发展的相关定义，结合电网本身具有的自然属性、社会属性、技术特性、客体特性、功能特性五个角度对电网智能化发展特性进行分析，电网智能化发展特性分析技术路线图如图2所示。
宏观需求指标是对智能电网所带来的安全、经济以及社会效益等核心价值的评估，而价值是需求的体现，智能电网的核心价值正是电网利益相关者核心需求的体现。宏观需求指标本质上是对电网利益相关者需求满足程度的衡量，但电网各利益相关者的需求间存在耦合性和对立性，分析中容易造成指标遗漏，影响指标全面性。因此，在构建指标体系时，综合考虑各利益相关者的需求，从电网运行的角度出发，找到需求的平衡点，实现电网和谐发展。结合电网运行特点及智能电网的智能、高效、可靠、绿色四大基本属性。对电网利益相关者关注重点按智能化、高效性、可靠性、绿色化需求进行划分，具体如下：
1)智能化需求：安全经济、灵活可靠的智能装备是智能电网的基础；优质的电能质量可以有效提高用户用电满意度，是智能电网建设的主要任务之一；因此重点关注设施智能化水平和电能质量，量化指标为设施智能化程度和供电质量；
2)高效性需求：通过高效的运营管理手段，可起到优化电网资产利用率，降低损耗，节约建设成本的作用，因此重点关注电网运营效率，量化指标为运营高效性；
3)可靠性需求：安全、可靠、支持自愈的供电能力是电网稳定运行的根本保障，因此重点关注供电能力，量化指标为供电可靠性；
4)绿色化需求：构建支持双向通信、协调可持续发展的智能电网是未来社会发展的必然趋势，因此重点关注电网与用户互动能力和与新能源、环境协调能力，量化指标为电网互动性和发展协调性。
通过将宏观指标集和微观指标集结合，即可构建完整的智能电网综合评估指标体系，其中包括4个宏观指标，如图3所示。
每一个宏观指标又可通过二维效益分析映射法进一步分解和转化，得到相应的微观指标集。指标分解：首先明确指标针对的时间、空间和对象，根据不同的考察点，选择合适的维度，对指标进行分解，同时其指标界也分解为可供分解对象在特定维度上的界。指标转化：首先通过业务流程分析或数据挖掘等方法剖析该指标的各个影响因素，针对每个影响因素选取合适的过程指标进行量化和评估，完成指标及相应指标界的转化，进而形成具有因果关系的一系列指标。通过指标的分解，智能电网的特性指标得以细化，确定了指标的各个基本组成部分。通过指标转化，原有指标的影响因素被转化为可量化分析的一系列下属指标，便于对智能电网的特性进行评估。各个宏观指标下微观指标的分解转化结果如图4～图7所示。
智能化：(1)为适应电网的智能化发展，对电网的配套基础设施建设也提出了相应要求，即该设施可支持电网双向通信、实时信息采集、自动化管理等多项功能的实现，从而对电网智能化运行起到支撑作用。本发明从目前较为成熟的电网智能化设施，即电网通信基础、电网自动化应用和智能化***三方面进行分析。(2)智能电网智能化的最终落脚点为通过对电网进行智能控制实现供电能力的提升，供电能力指供应到用户受电端电能的品质，重点针对除电压偏差外的电能质量，随着电力体制改革的深入，电能也作为商品走进市场，其质量的优劣也越来越受到人们的重视。本发明从技术性层面来衡量电能质量，分别对电压稳态质量和暂态质量的控制调节能力进行分析。
高效性：(1)电网运营效率的提高，依托于智能化配电技术的推广应用，可以起到提升电网资产利用率，延长设备使用寿命、优化电网的投资，降低企业成本等作用。本发明从***容量利用水平、运行管理水平、设备利用水平三方面进行分析。(2)电网互动性是指电网与用户之间的进行交易互动，即用电信息在电网与用户之间的即时交换能力，并通过用户需求响应，实现负荷的避峰就谷等用电行为，从而提升电网的互动性和服务质量，最终实现电网相关业务的高效运行。本发明从用电信息交互能力和需求侧响应水平两方面进行分析。
可靠性：不管是对传统电网，还是对未来的智能电网，可靠性都是电网建设发展的根本所在，也是电网其他需求实现的重要保。本发明从电网的网络结构水平、电源备用情况、负荷供应水平、故障自愈能力和灾害抵抗能力等五方面进行分析。
绿色化：在能源短缺、环境保护和气候变化等问题日益突出的背景下，各国政府开始实行可持续性发展战略，将人类与环境的和谐友好作为未来的关注重点。面对众多挑战，要求电网具备更强的发展协调和适应性。本发明从电网自身的适应发展、电网与新能源的协调发展以及电网与环境和谐发展三方面进行分析。
宏观指标集主要通过剖析利益相关者的实际需求；微观指标集则是对宏观指标分解和转化，通过二维效益分析映射法进一步分解转化，所形成的指标更加具体完整、相互独立，不存在耦合依赖关系。
将上述的宏观需求指标集和微观评估指标集结合在一起，即构成了完整的智能电网多层级评估指标体系，其中包括智能化、高效性、可靠性、绿色化4个宏观需求指标，每个需求指标对应1个微观评估指标集，各具体指标如表1所示。该指标体系包含了设备智能化、信息采集与处理、故障自愈水平、网架坚强度、供电可靠性、清洁能源接入、环保与节能减排等方面，充分体现了智能电网的发展特点。
表1
即本实施例中，智能化指标数据集的数据包括变电站通信光纤化率、电力光纤到户比例、变电站光纤通信误码故障率、配电终端在线率、配电终端通信光纤化率、信息***集成化程度、馈线自动化终端覆盖率、站所监控终端覆盖率、变电站综合自动化率、微网EMS(能量管理***)覆盖率、间歇式能源场站调度***覆盖率、配网自动化***覆盖率、电网可监控电动汽车充换电站占比、主网运行风险预警功能、主网运行风险防御控制功能、大规模间歇性能源消纳控制功能、微电网控制水平、有序充电引导功能、间歇式能源发电站有功控制比例、间歇式能源发电站无功控制比例、电压无功综合自动调节装置比例、静态无功补偿装置比例、动态电压恢复器安装比例、安装故障电流限制器比例、变电站避雷装置安装比例和线路避雷器安装比例。
高效性指标数据集的数据包括变电容载比、中压线路负载率、变电站智能化巡检比例、线路完好率、主要设备完好率、电动汽车充电站年负载率、电动汽车换电站年负载率、高压线路可用系数、主变可用系数、110kV及以上断路器可用系数、电动汽车充换电站监测率、智能电表安装率、用电信息采集***覆盖率、客户服务信息***覆盖率、95598呼叫中心***覆盖率、实行动态电价用电量比例、负荷控制比例、微电网控制比例和电动汽车充换电站控制比例。
可靠性指标数据集中的数据包括高压电网N-2通过率、中压线路联络率、中压线路站间联络率、中压线路平均分段数、变电站单电源接线率、变电站单变率、主变“N-1”通过率、中压线路“N-1”通过率、主变“N-2”通过率、中压线路“N-2”通过率、低压平均停电时间、自愈控制正确率、动态不间断电源应用率、分布式电源、储能等自备电源用户比例、微电网供电用户比例、电动汽车换电站供电半径用户比例、110kV及以上线路防风能力等级比例、10kV线路防风能力等级比例、台风预警高压线路覆盖率、台风预警中压线路覆盖率、雷电预警高压线路覆盖率、雷电预警中压线路覆盖率、污闪预警高压线路覆盖率和污闪预警中压线路覆盖率。
绿色化指标数据集中的数据包括长度超限线路比例、高损配变比例、节能型变电站比例、新能源电站年发电量占比、新能源电站装机容量渗透率、微电网新能源年发电量比例、分布式电源发电和储能容量比例、分布式电源容量并网率、可再生能源发电容量比例和电动汽车充电站用电量比例。
表2列举了各项微观评估指标的具体类型和理想值，取值采用百分制。
表2
在选取具体微观指标时，明确定义各个指标，且指标均为定量指标，计算方法简单，基础数据容易获取，方便在实际问题中的应用。
组合赋权法的核心思想是组合权向量对应的评估值与原权向量对应的评估值向量之间的偏差应尽可能小。假设有k种赋权方法，n个评估指标的综合权重向量为A＝[a1，a2，...，aj，...，an]T，可以将k种赋权方法看作从总体中抽取的样本。对于主观权重，如果赋权的数量趋于很大时，由统计学的大数定理可知，其判断的权重向量的综合结果应该接近综合权重向量A，对于客观权重，采用不同的算法得到的结果具有重复性。因此可以用已有的主、客观权重来估计综合权重向量A。
在一个实施例中，步骤S120步骤122至步骤126。
步骤122：对预设的主观权重总体和客观权重总体进行样本抽取，得到各微观评估指标的权重样本。
假设分别从主观权重总体中抽取p个样本，客观权重总体中抽取k-p个样本，对于第i个评估指标，有k个权重样本。
步骤124：根据权重样本建立对应微观评估指标的综合权重模型。
对于第i个评估指标，根据k个权重样本组成该评估指标的综合权重ai，需要满足ai与k个主客观权重的偏差越小越好。综合权重模型如下：
其中，ai为第i个指标组合后的权重；α、β分别为主、客观权重的相对重要程度系数；gis、git分别为第s种主观赋权法和第t种客观赋权法对第i个指标的赋权结果。
k个样本来自2个总体，对于第i个评价指标，根据数理统计的原理，计算指标的主观权重gis和客观权重git的期望值：
根据上式，按照矩估计的基本思想，对于第i个指标，其主、客观重要性系数分别为：
对于n个指标，可以看成从2个总体中分别取出n个样本，同样按照矩估计的基本思想，可以得到综合指标中主、客观重要性系数：
A＝[a1，a2，...，aj，...，an]为k种赋权法组合所得的最终权重向量。基于总偏差最小的优化组合赋权法不仅要利用权重信息，还将评估向量作为组合的基础，将权重向量与评估值融合建立优化模型。
步骤126：对各综合权重模型构造拉格朗日函数，并根据拉格朗日函数计算得到计算微观评估指标数据集中各数据的权重。
为了求解a1，对该模型构造拉格朗日函数L(a1，μ)，根据极值存在的必要条件，分别对ai和μ求一阶偏导数：
令偏导数为0，以i＝1，2，...，n分别展开，可计算得到：
从而得到综合权重向量A＝[a1，a2，...，aj，...，an]。其中，an为微观评估指标数据集中第n个数据的权重。
微观评估指标数量较多，以定量指标为主，且指标之间不存在耦合依存关系，相对独立性较强。采用基于矩估计理论的组合赋权法，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题，提高了评估结果的科学性和合理性。
在一个实施例中，步骤S140包括步骤142至步骤146。
步骤142：根据DEMATEL-ANP方法计算各宏观需求指标的主观权重。
具体地，步骤142包括步骤1421至步骤1426。
步骤1421：根据宏观需求指标两两之间关联关系，建立ANP网络结构。
宏观需求指标作为ANP网络结构的网络层元素。针对智能电网综合评估问题，可将电网整体评估作为控制层(目标)，宏观指标作为网络层元素，根据宏观指标两两之间关联关系，建立各元素间的ANP网络结构，如图8所示。
步骤1422：根据ANP网络结构得到直接影响矩阵。
设ANP的网络层中有元素E1，E2，…，En，元素Ej(j≠i)对于Ei的直接影响程度为yij。依次以Ei(i＝1，2，...，n)为次准则，将其余元素(除Ei外)对该准则元素的直接影响程度进行两两比较，获得相应的判断矩阵，再利用特征根法得出以Ei为准则下的权重向量
将所有次准则下的权重向量合成为权重矩阵，由于在构造判断矩阵过程中，没有考虑元素对自身的影响，所以形成的内部依赖矩阵是对角线残缺的。在权重矩阵对角线上填0(表示元素对自身没有直接影响)，即可得DEMATEL方法中的直接影响矩阵Wd。
步骤1423：根据直接影响矩阵，利用DEMATEL方法得到各网络层元素间的平均综合影响矩阵。
根据DEMATEL方法求取综合影响矩阵时，需满足矩阵收敛的条件，否则无法确定综合影响矩阵是否可以获得，因此为回避上述问题，本方法计算了各层次指标间的平均综合影响矩阵W。
当n充分大时，可采用W＝Wd(I-Wd)-1进行近似计算，其中I为单位矩阵，矩阵W即为所需构建的内部依赖矩阵，简称其为综合影响权重矩阵。将各元素集的内部依赖矩阵进行合并，即可得到***超矩阵。根据综合影响权重矩阵W的极限是否唯一，可分为两种情况进行讨论：
(1)存在唯一极限值时，W＝limn→∞(Wd)n；
(2)当存在多个极限值时，矩阵呈现周期性变化，设P点为某次循环周期的开始，P点极限值为且T为循环周期，则整个周期内的极限值分别为取各点的平均值即可得到平均综合影响矩阵的极限值。
步骤1424：利用DEMATEL方法对各网络层元素之间的影响程度进行计算，得到加权矩阵。
对于***的加权矩阵A，同样借鉴DEMATEL方法，对各元素集之间影响程度进行计算。
步骤1425：根据平均综合影响矩阵和加权矩阵得到***加权超矩阵。
将加权矩阵与平均综合影响矩阵结合，即可得到***加权超矩阵
步骤1426：对***加权超矩阵进行演化，得到各宏观需求指标的主观权重。
对上述矩阵进行2k+1次演化(k→+∞)，最终形成一个长期稳定矩阵，其各行非零值均相同，即得到各评估指标的主观权重向量
智能电网各宏观需求指标间存在相互依存、相互影响的关系，需要通过比较间接优势度的方式得到ANP判断矩阵，同时借鉴DEMATEL法改进内部依赖矩阵的构建方法，避免元素对自身影响程度主观估计的同时，解决构建判断矩阵时直接影响和间接影响不统一的问题。
步骤144：根据反熵权法计算各宏观需求指标的客观权重。
宏观指标的客观权重向量ωo采用反熵权法进行确定，在确定指标权重时，指标的差异性越大，熵值越小，指标的权重系数越大；反之，指标的差异性越小，熵值越大，指标的权重系数越小。为避免出现熵权法中指标差异度敏感性较大，导致权重分配时出现了指标过小的极端情况，选用反熵权法确定指标客观权重。
其中，0≤pj≤1且反熵值与熵值的特征有所不同，指标的差异性越大，反熵值和指标的权重系数均越大；反之，指标的差异性越小，反熵值和指标的权重系数均越小。
具体地，步骤144包括步骤1442和步骤1444。
步骤1442：根据反熵权法计算各宏观需求指标的反熵。
设评估问题有m个评估对象，n个评估指标，指标值为xij＝(i＝1，2，...，n；j＝1，2，...，m)，评估矩阵为X＝(xij)n×m。根据评估矩阵X确定各指标的反熵为：
其中，hi表示第i个宏观需求指标的反熵，rij为评估矩阵中第i行第j列的数据。
步骤1444：根据反熵计算对应宏观需求指标的客观权重。
根据反熵值进一步确定各指标的客观权重ωoi。
其中，ωoi为第i个宏观需求指标的客观权重，hi表示第i个宏观需求指标的反熵。
步骤146：根据主观权重和客观权重计算得到对应宏观需求指标的权重。
根据DEMATEL-ANP方法，确定指标主观权重集合ωs＝{ωsi|1≤i≤n}，根据反熵权法，确定各指标的客观权重集合ωo＝{ωoi|1≤i≤n}。根据指标的不同，主客观权重的相对重要程度也有所不同。设主观权重与客观权重的相对重要程度分别表示为α和β，结合矩估计理论的基本思想，最终计算出各指标的主观和客观权重重要系数αi和βi。
利用已得的主观权重集合、客观权重集合以及主客观权重的相对重要系数，最终可计算出综合主、客观信息确定对应宏观需求指标的权重ωi。
ANP(Analytic Network Process，网络分析)法通过内部循环、反馈的网络结构，可以有效处理宏观需求指标间存在的复杂关联关系，并利用DEMATEL(Decision MakingTrial And Evaluation Laboratory，决策试验和评价实验室)理论对ANP方法进行改进，解决元素对自身的影响以及元素间相互关系无法客观表示的问题。反熵权法的使用有助于对指标属性的客观评估，从而使所得的评估结果更加客观、合理，还能有效降低权重对指标差异度的敏感性，从而减少权重分配时极端情况出现的频率。
将上述基于矩估计理论的组合赋权法和DEMATEL-ANP-反熵权法进行综合，即可得到图9所示的组合权重分层优选模型。分别确定宏观需求指标和微观评估指标的权重后，再综合考虑客观事实、专业知识与工程经验，分别对成本型、收益型、特定型三种不同类型的微观指标进行百分制评分，最后对相应的指标评估值进行加权求和，即可得到智能化、高效性、可靠性、绿色化四个方面以及整个智能电网示范工程综合评估结果。
上述智能电网示范工程综合评估方法，利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题。通过DEMATEL-ANP-反熵权法确定宏观指标权重，基于矩估计理论的组合赋权法确定微观指标权重，对智能电网示范工程微观评估指标进行赋权，既能有效反映决策者的主观意愿，又可以将客观数据之间的统计反映在权重中，使得赋权的结果更加公正。全面地考虑了智能电网的需求与属性，指标权重和评分的确定合理且客观，能够科学地评估综合效益，评估可靠性高，具有指导性作用，对智能电网示范工程的项目规划和后评估具有一定的意义。
在一个实施例中，一种智能电网示范工程综合评估***，如图10所示，包括指标数据接收模块110、微观权重计算模块120、指标值计算模块130、宏观权重计算模块140和综合评估输出模块150。
指标数据接收模块110用于接收智能电网的微观评估指标数据集。
微观评估指标数据集中包括多种数据，每种数据均为智能电网的一种微观评估指标。微观评估指标的类型并不唯一，具体包括效益型指标、成本型指标和特定型指标。
微观权重计算模块120用于利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重。
利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题。
指标值计算模块130用于根据微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值。
微观评估指标数据集中包括的数据种类并不唯一，根据微观评估指标数据集计算得到的宏观需求指标值的种类也对应有所不同。本实施例中，微观评估指标数据集包括微观评估指标数据包括智能化指标数据集、高效性指标数据集、可靠性指标数据集和绿色化指标数据集；宏观需求指标值包括智能化指标值、高效性指标值、可靠性指标值和绿色化指标值。
微观评估指标数据集中包括的数据种类并不唯一，根据微观评估指标数据集计算得到的宏观需求指标值的种类也对应有所不同。本实施例中，微观评估指标数据集包括微观评估指标数据包括智能化指标数据集、高效性指标数据集、可靠性指标数据集和绿色化指标数据集；宏观需求指标值包括智能化指标值、高效性指标值、可靠性指标值和绿色化指标值。
宏观权重计算模块140用于利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重。
采用DEMATEL-ANP和反熵权法相结合的最优组合赋权方法，对宏观需求指标的权重进行确定，从而将指标的专家经验信息和指标客观属性综合在一起。对应地，本实施例中，宏观需求指标包括智能化指标、高效性指标、可靠性指标和绿色化指标。利用DEMATEL-ANP-反熵权法分别计算得到智能化指标、高效性指标、可靠性指标和绿色化指标的权重。
综合评估输出模块150用于根据宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。
对相应的指标评估值和对应权重进行加权求和，即可得到智能电网示范工程的综合评估结果。输出综合评估结果的方式并不唯一，可以是输出至存储器进行存储，也可以是输出至显示器进行显示。
在一个实施例中，微观权重计算模块120包括权重样本抽样单元、权重模型建立单元和微观权值计算单元。
权重样本抽样单元用于对预设的主观权重总体和客观权重总体进行样本抽取，得到各微观评估指标的权重样本。
权重模型建立单元用于根据权重样本建立对应微观评估指标的综合权重模型。
微观权值计算单元用于对各综合权重模型构造拉格朗日函数，并根据拉格朗日函数计算得到计算微观评估指标数据集中各数据的权重。
采用基于矩估计理论的组合赋权法，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题，提高了评估结果的科学性和合理性。
在一个实施例中，宏观权重计算模块140包括主观权重计算单元、客观权重计算单元和宏观权重计算单元。
主观权重计算单元用于根据DEMATEL-ANP方法计算各宏观需求指标的主观权重。
具体地，主观权重计算单元包括ANP网络结构建立单元、直接影响矩阵计算单元、平均综合影响矩阵计算单元、加权矩阵计算单元、加权超矩阵计算单元和主观权重计算单元。
ANP网络结构建立单元用于根据宏观需求指标两两之间关联关系，建立ANP网络结构。宏观需求指标作为ANP网络结构的网络层元素。
直接影响矩阵计算单元用于根据ANP网络结构得到直接影响矩阵。
平均综合影响矩阵计算单元用于根据直接影响矩阵，利用DEMATEL方法得到各网络层元素间的平均综合影响矩阵。
加权矩阵计算单元用于利用DEMATEL方法对各网络层元素之间的影响程度进行计算，得到加权矩阵。
加权超矩阵计算单元用于根据平均综合影响矩阵和加权矩阵得到***加权超矩阵。
主观权重计算单元用于对***加权超矩阵进行演化，得到各宏观需求指标的主观权重。
智能电网各宏观需求指标间存在相互依存、相互影响的关系，需要通过比较间接优势度的方式得到ANP判断矩阵，同时借鉴DEMATEL法改进内部依赖矩阵的构建方法，避免元素对自身影响程度主观估计的同时，解决构建判断矩阵时直接影响和间接影响不统一的问题。
客观权重计算单元用于根据反熵权法计算各宏观需求指标的客观权重。
具体地，客观权重计算单元包括指标反熵计算单元和客观权重计算单元。
指标反熵计算单元用于根据反熵权法计算各宏观需求指标的反熵。
客观权重计算单元用于根据反熵计算对应宏观需求指标的客观权重。
宏观指标的客观权重向量ωo采用反熵权法进行确定，在确定指标权重时，指标的差异性越大，熵值越小，指标的权重系数越大；反之，指标的差异性越小，熵值越大，指标的权重系数越小。为避免出现熵权法中指标差异度敏感性较大，导致权重分配时出现了指标过小的极端情况，选用反熵权法确定指标客观权重。
宏观权重计算单元用于根据主观权重和客观权重计算得到对应宏观需求指标的权重。
根据DEMATEL-ANP方法，确定指标主观权重集合ωs＝{ωsi|1≤i≤n}，根据反熵权法，确定各指标的客观权重集合ωo＝{ωoi|1≤i≤n}。根据指标的不同，主客观权重的相对重要程度也有所不同。设主观权重与客观权重的相对重要程度分别表示为α和β，结合矩估计理论的基本思想，最终计算出各指标的主观和客观权重重要系数αi和βi。
利用已得的主观权重集合、客观权重集合以及主客观权重的相对重要系数，最终可计算出综合主、客观信息确定对应宏观需求指标的权重ωi。
ANP法通过内部循环、反馈的网络结构，可以有效处理宏观需求指标间存在的复杂关联关系，并利用DEMATEL理论对ANP方法进行改进，解决元素对自身的影响以及元素间相互关系无法客观表示的问题。反熵权法的使用有助于对指标属性的客观评估，从而使所得的评估结果更加客观、合理，还能有效降低权重对指标差异度的敏感性，从而减少权重分配时极端情况出现的频率。
上述智能电网示范工程综合评估***，利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重，避免由于单一赋权法确定权重而容易受到赋权法的影响造成赋权结果的偏倚的问题。通过DEMATEL-ANP-反熵权法确定宏观指标权重，基于矩估计理论的组合赋权法确定微观指标权重，能够科学地评估综合效益，评估可靠性高，具有指导性作用。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种智能电网示范工程综合评估方法，其特征在于，包括以下步骤：
接收智能电网的微观评估指标数据集；
利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重；
根据所述微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值；
利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重；
根据所述宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。
2.根据权利要求1所述的智能电网示范工程综合评估方法，其特征在于，所述微观评估指标数据集包括微观评估指标数据包括智能化指标数据集、高效性指标数据集、可靠性指标数据集和绿色化指标数据集；所述宏观需求指标值包括智能化指标值、高效性指标值、可靠性指标值和绿色化指标值。
3.根据权利要求1所述的智能电网示范工程综合评估方法，其特征在于，所述利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重的步骤，包括以下步骤：
对预设的主观权重总体和客观权重总体进行样本抽取，得到各微观评估指标的权重样本；
根据所述权重样本建立对应微观评估指标的综合权重模型；
对各所述综合权重模型构造拉格朗日函数，并根据所述拉格朗日函数计算得到计算微观评估指标数据集中各数据的权重。
4.根据权利要求1所述的智能电网示范工程综合评估方法，其特征在于，所述利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重的步骤，包括以下步骤：
根据DEMATEL-ANP方法计算各宏观需求指标的主观权重；
根据反熵权法计算各宏观需求指标的客观权重；
根据所述主观权重和客观权重计算得到对应宏观需求指标的权重。
5.根据权利要求4所述的智能电网示范工程综合评估方法，其特征在于，所述根据DEMATEL-ANP方法确定各宏观需求指标的主观权重的步骤，包括：
根据宏观需求指标两两之间关联关系，建立ANP网络结构；所述宏观需求指标作为所述ANP网络结构的网络层元素；
根据所述ANP网络结构得到直接影响矩阵；
根据所述直接影响矩阵，利用DEMATEL方法得到各网络层元素间的平均综合影响矩阵；
利用DEMATEL方法对各网络层元素之间的影响程度进行计算，得到加权矩阵；
根据所述平均综合影响矩阵和所述加权矩阵得到***加权超矩阵；
对所述***加权超矩阵进行演化，得到各宏观需求指标的主观权重。
6.一种智能电网示范工程综合评估***，其特征在于，包括：
指标数据接收模块，用于接收智能电网的微观评估指标数据集；
微观权重计算模块，用于利用基于矩估计理论的组合赋权法计算微观评估指标数据集中各数据的权重；
指标值计算模块，用于根据所述微观评估指标数据集以及对应数据的权重，计算得到宏观需求指标值；
宏观权重计算模块，用于利用DEMATEL-ANP-反熵权法计算各宏观需求指标的权重；
综合评估输出模块，用于根据所述宏观需求指标值以及对应宏观需求指标的权重计算得到综合评估结果并输出。
7.根据权利要求6所述的智能电网示范工程综合评估***，其特征在于，所述微观权重计算模块包括：
权重样本抽样单元，用于对预设的主观权重总体和客观权重总体进行样本抽取，得到各微观评估指标的权重样本；
权重模型建立单元，用于根据所述权重样本建立对应微观评估指标的综合权重模型；
微观权值计算单元，用于对各所述综合权重模型构造拉格朗日函数，并根据所述拉格朗日函数计算得到计算微观评估指标数据集中各数据的权重。
8.根据权利要求6所述的智能电网示范工程综合评估***，其特征在于，所述宏观权重计算模块包括：
主观权重计算单元，用于根据DEMATEL-ANP方法计算各宏观需求指标的主观权重；
客观权重计算单元，用于根据反熵权法计算各宏观需求指标的客观权重；
宏观权重计算单元，用于根据所述主观权重和客观权重计算得到对应宏观需求指标的权重。
9.根据权利要求8所述的智能电网示范工程综合评估***，其特征在于，所述主观权重计算单元包括：
ANP网络结构建立单元，用于根据宏观需求指标两两之间关联关系，建立ANP网络结构；所述宏观需求指标作为所述ANP网络结构的网络层元素；
直接影响矩阵计算单元，用于根据所述ANP网络结构得到直接影响矩阵；
平均综合影响矩阵计算单元，用于根据所述直接影响矩阵，利用DEMATEL方法得到各网络层元素间的平均综合影响矩阵；
加权矩阵计算单元，用于利用DEMATEL方法对各网络层元素之间的影响程度进行计算，得到加权矩阵；
加权超矩阵计算单元，用于根据所述平均综合影响矩阵和所述加权矩阵得到***加权超矩阵；
主观权重计算单元，用于对所述***加权超矩阵进行演化，得到各宏观需求指标的主观权重。
10.根据权利要求8所述的智能电网示范工程综合评估***，其特征在于，所述客观权重计算单元包括：
指标反熵计算单元，用于根据反熵权法计算各宏观需求指标的反熵；
客观权重计算单元，用于根据所述反熵计算对应宏观需求指标的客观权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710078629.1A CN106651225A (zh) | 2017-02-14 | 2017-02-14 | 智能电网示范工程综合评估方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710078629.1A CN106651225A (zh) | 2017-02-14 | 2017-02-14 | 智能电网示范工程综合评估方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106651225A true CN106651225A (zh) | 2017-05-10 |
Family
ID=58845135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710078629.1A Pending CN106651225A (zh) | 2017-02-14 | 2017-02-14 | 智能电网示范工程综合评估方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106651225A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109189831A (zh) * | 2018-08-21 | 2019-01-11 | 重庆邮电大学 | 一种基于组合赋权的购车倾向用户识别方法 |
| CN109190243A (zh) * | 2018-08-31 | 2019-01-11 | 海南电网有限责任公司电力科学研究院 | 一种基于组合赋权法的输电线路防雷措施选择方法 |
| CN110472844A (zh) * | 2019-07-30 | 2019-11-19 | 上海电力大学 | 一种用于含微型pmu装置的智能配电网的评价控制方法 |
| CN110929968A (zh) * | 2018-09-19 | 2020-03-27 | 中国电力科学研究院有限公司 | 一种智慧城市多能源联合供给综合调控方法及*** |
| CN111563652A (zh) * | 2020-03-31 | 2020-08-21 | 国网山东省电力公司经济技术研究院 | 一种评价电网企业综合计划执行情况的方法 |
| CN111913071A (zh) * | 2020-08-11 | 2020-11-10 | 一汽奔腾轿车有限公司 | 一种燃油车整车电磁兼容性能测评方法 |
| CN113379237A (zh) * | 2021-06-09 | 2021-09-10 | 国家电网有限公司 | 一种质子交换膜燃料电池调峰适应性判断方法及*** |
| CN113705080A (zh) * | 2021-07-21 | 2021-11-26 | 杭州电子科技大学 | 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 |
| CN113705987A (zh) * | 2021-08-13 | 2021-11-26 | 武汉大学 | 电网适应性并网变流器综合赋权性能评估方法及相关设备 |
| CN114510407A (zh) * | 2020-11-17 | 2022-05-17 | 上海交通大学 | 开源软件生态***指标计算方法 |
| CN115053795A (zh) * | 2022-06-10 | 2022-09-16 | 甘肃水务节水科技发展有限责任公司 | 用于灌溉***的数据测控的方法及终端 |
-
2017
- 2017-02-14 CN CN201710078629.1A patent/CN106651225A/zh active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109189831A (zh) * | 2018-08-21 | 2019-01-11 | 重庆邮电大学 | 一种基于组合赋权的购车倾向用户识别方法 |
| CN109190243A (zh) * | 2018-08-31 | 2019-01-11 | 海南电网有限责任公司电力科学研究院 | 一种基于组合赋权法的输电线路防雷措施选择方法 |
| CN110929968A (zh) * | 2018-09-19 | 2020-03-27 | 中国电力科学研究院有限公司 | 一种智慧城市多能源联合供给综合调控方法及*** |
| CN110472844A (zh) * | 2019-07-30 | 2019-11-19 | 上海电力大学 | 一种用于含微型pmu装置的智能配电网的评价控制方法 |
| CN111563652A (zh) * | 2020-03-31 | 2020-08-21 | 国网山东省电力公司经济技术研究院 | 一种评价电网企业综合计划执行情况的方法 |
| CN111913071A (zh) * | 2020-08-11 | 2020-11-10 | 一汽奔腾轿车有限公司 | 一种燃油车整车电磁兼容性能测评方法 |
| CN111913071B (zh) * | 2020-08-11 | 2022-08-12 | 一汽奔腾轿车有限公司 | 一种燃油车整车电磁兼容性能测评方法 |
| CN114510407A (zh) * | 2020-11-17 | 2022-05-17 | 上海交通大学 | 开源软件生态***指标计算方法 |
| CN113379237A (zh) * | 2021-06-09 | 2021-09-10 | 国家电网有限公司 | 一种质子交换膜燃料电池调峰适应性判断方法及*** |
| CN113379237B (zh) * | 2021-06-09 | 2023-11-24 | 国家电网有限公司 | 一种质子交换膜燃料电池调峰适应性判断方法及*** |
| CN113705080A (zh) * | 2021-07-21 | 2021-11-26 | 杭州电子科技大学 | 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 |
| CN113705080B (zh) * | 2021-07-21 | 2024-02-09 | 杭州电子科技大学 | 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 |
| CN113705987A (zh) * | 2021-08-13 | 2021-11-26 | 武汉大学 | 电网适应性并网变流器综合赋权性能评估方法及相关设备 |
| CN115053795A (zh) * | 2022-06-10 | 2022-09-16 | 甘肃水务节水科技发展有限责任公司 | 用于灌溉***的数据测控的方法及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106651225A (zh) | 智能电网示范工程综合评估方法和*** | |
| CN107563680B (zh) | 一种基于ahp和熵权法的配电网可靠性评估方法 | |
| CN109508857B (zh) | 一种主动配电网多阶段规划方法 | |
| CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
| CN106505593B (zh) | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 | |
| CN111478312A (zh) | 一种提升电网稳定性的综合能源集群协调控制方法 | |
| CN109546659B (zh) | 基于随机矩阵和智能场景匹配的配电网无功优化方法 | |
| CN113269371A (zh) | 一种智能配电网供电综合性能评估方法及*** | |
| CN109409770A (zh) | 一种基于神经网络的农村电网智能水平评价方法 | |
| CN104636988A (zh) | 一种主动配电网评估方法 | |
| CN114219212B (zh) | 一种计及泛在电力物联与边缘计算的需求侧资源柔性调度方法 | |
| CN102222276A (zh) | 电网二次设备状态检修方法及装置 | |
| CN105303265A (zh) | 一种主动配电网发展水平综合评价方法 | |
| CN109978242A (zh) | 基于统计升尺度的光伏发电集群功率预测方法及装置 | |
| CN105184655A (zh) | 一种城市配电网智能化改造评估方法 | |
| CN115528817A (zh) | 一种用户端智能配用电***、方法、介质、设备及终端 | |
| CN108520362A (zh) | 一种农村智能电网水平的综合评价方法 | |
| CN110210670A (zh) | 一种基于电力***短期负荷的预测方法 | |
| CN103617447A (zh) | 智能变电站的评价***及评价方法 | |
| CN111932072A (zh) | 一种基于os2架构的电网综合管控方法及*** | |
| CN109492874A (zh) | 一种三层级配电网投资决策体系的决策方法 | |
| 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 | |
| CN112688303A (zh) | 一种基于同期售电量的电力用户用电评价*** | |
| CN116633022A (zh) | 一种基于氢储能的微电网协调控制*** | |
| CN116167644A (zh) | 一种配网侧零碳新型电力***评价指标方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |