CN110264112B - 基于双向加权灰色关联的配电网可靠性影响因素分析方法 - Google Patents

Abstract

本发明公开了一种基于双向加权灰色关联的配电网可靠性影响因素分析方法。首先运用改进层次分析法和熵权法对配电网可靠性影响因素进行赋权，将主观权重与客观权重相结合，从指标维度得到纵向权重。然后利用模糊加权法从时间维度得到横向权重。将双向权重引入灰色关联分析算法,求得供电区域可靠性指标与各影响因素之间的关联度。最后由某供电区域的数据，采用本发明所提方法得到了可靠性指标与各影响因素的关联度，从而确定了配电网供电可靠性的薄弱环节。

Description

基于双向加权灰色关联的配电网可靠性影响因素分析方法

技术领域

本发明涉及电力***领域，尤其涉及一种基于双向加权灰色关联的配电网可靠性影响因素分析方法。

背景技术

配电网是输电网络与用户之间的媒介，是社会生产生活得以正常进行的直接保证。目前我国多数城市配电网具有网络结构复杂、自动化水平不高、带电作业水平不足等特点，其对配电网可靠运行带来了潜在威胁。

现阶段配电网可靠性评估方面的研究多注重可靠率的计算,各国学者已经研究出多种可靠性评估和预测具体计算方法，大致可分为两大类：解析法和模拟法。其中，解析法主要包括最小路法、故障模式后果分析法(FMEA)、网络等值法、状态空间法、最小割集法故障树分析法、故障扩散法、馈线分区法等；模拟法根据是否考虑***状态的时序性，可以分为序贯模拟法、非序贯模拟法和伪序贯模拟法三种。这些计算方法不足以支持可靠性的***分析。对于供电企业而言，在完成可靠性评估之后还需要确定供电可靠性的薄弱环节，为改造投资、优化运行提供参考。而不同的措施所关联的影响因素各不相同。要达此目的，需要较为准确的获知可靠性指标与影响因素之间的关联程度，进而才能确定提升效益好、耗费成本低的相关措施。

现有关于可靠性影响因素分析的专利中，有基于模糊综合法的分析方法，通过对各单一指标进行模糊打分，确定供电可靠性与各影响因素之间的关联程度。该方法计算较为复杂、主观性较强，且当指标集较大时会出现超模糊现象，造成评判失败。层次分析法是***的分析方法，所需信息较少，简洁实用。近几年在电力行业中的应用也得到长足的发展，如球磨机料位、磨煤机出力等都有具体应用，但在可靠性影响元素分析方面应用较少。在传统灰色关联分析模型中，灰色关联度是对各个历史时期的关联系数求取均值获得的，且传统关联度计算公式对各影响因素采用平权处理。这两方面问题将影响结果的合理性，而利用基于双向加权的灰色关联法能够更好的弥补上述不足，在现有专利文献中，尚缺乏此方法的应用。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于双向加权灰色关联的配电网可靠性影响因素分析方法。

本发明采用的技术方案是：

一种基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，包括以下几个步骤：

I.对配电网可靠性影响因素指标进行分层，利用改进层次分析法，得到纵向主观权重；

II.对配电网可靠性影响因素指标进行量化，利用熵权法，得到纵向客观权重；

III.将纵向主观权重与纵向客观权重相结合，从指标维度得到纵向组合权重；

IV.利用模糊加权法，从时间维度得到横向权重；

V.将双向权重引入到灰色关联法，把***平均停电时间作为参考数列，计算可靠性指标与影响因素的关联度，从而确定供电区域中对供电可靠性产生影响的关键因素。

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，所述步骤IV考虑时间的影响，按照时间的近大远小原则，把越靠近当前的可靠性影响因素的历史数据赋予越大的权值。

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤I所述的对配电网可靠性影响因素指标进行分层，具体为：

将各种因素分为三个层次：可靠性为目标层；设备运行状态、网架结构、技术类因素为中间层；线路平均负载率、配电变压器平均负载率，电缆化率、绝缘化率、网络联络水平、平均分段情况，以及中压电网平均故障修复时间、带电作业指数和配电自动化率为指标层。

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤II所述的对配电网可靠性影响因素指标进行量化，首先确定反映***特征的参考序列，X₀'＝(x₀₁',x₀₂',...,x_0n')，假定有m个配电网可靠性影响因素(平均指标)，n年的某可靠性指标(待评价对象)，所构成的评价矩阵为X₁'＝[X_ik']_m×n,i＝1,2,...,m；k＝1,2,...,n，

其具体计算步骤为：

步骤一：对X'进行规范化处理：

当第i个指标为正向指标：

当第i个指标为负向指标：

式中：x_ik为第i行第k列标准化后的值i＝1,2,…,m,k＝1,2,…,n),x′_max，x′_min分别为该项指标的最大和最小值；

步骤二：标准化后得到

按下式计算各比较序列的数值相对于参考序列的数值的偏离程度：

Δξ_0i(k)＝|X_ik-X_0k| (3)

步骤三：计算两级最大极差和最小极差：

步骤四：计算关联度系数和原始关联度：

式中，ρ为分辨系数，其值在(0，1)之间，通常取ρ＝0.5。

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤I所述的纵向主观权重的计算步骤为：

步骤一：通过对指标两两对比打分构造判断矩阵，即根据各个特征量(影响因素)对影响可靠性的重要程度构造判断矩阵A、B₁、B₂、B₃：

式中a_ik采用九标度法，应用准则如下所示：

由此可分别求得目标层对中间层的判断矩阵[A]_3*3，以及中间层对各指标层的判断矩阵[B₁]_2*2，[B₂]_4*4，[B₃]_3*3；

步骤二：构造拟优化传递矩阵，对判断矩阵的各元素取对数处理，构造

其中n为判断矩阵的阶数；w即为满足一致性校验的拟优化传递矩阵，记A、B₁，B₂，B₃的拟优化矩阵为w₀,w₁,w₂,w₃；

步骤三：应用规范列平均法计算拟优化传递矩阵的权重：

步骤四：计算各个特征量的权重值w_i,i＝0,1,2,3：

步骤五：计算指标层各特征向量对目标层的纵向主观权重α_i：

α＝w₀(w₁ w₂ w₃)。 (11)

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤II所述的纵向客观权重的计算步骤为：

步骤一：建立评价矩阵X_mn'；

步骤二：规范化处理，按上式(1)、(2)将各指标进行标准化处理；

步骤三：计算信息熵：

其中：

步骤四：计算熵权值，即指标层各特征向量对目标层的纵向客观权重β_i：

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤III所述的纵向组合权重的计算方法为：

采用乘法合成法对指标进行纵向组合赋权，获得纵向组合权重：

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤IV所述的横向权重的计算方法如下：

步骤一：形成历史时间k₁与k₂的模糊互补优先关系矩阵

表示针对某个影响因素指标，年份k₁的数据与k₂的数据重要性大小对比关系，

k₁,k₂＝1,2,...n；

当k₁>k₂时，表示历史时间k₁的数据比k₂的数据重要，令

反之，当k₁<k₂时，则令

当k₁＝k₂时，令

步骤二：将模糊互补优先关系矩阵

改造成模糊一致矩阵

其中

步骤三：求横向权重：

式中，

γ(k)为横向权重，表示第k年的影响因素指标i与***平均停电时间的关联系数ψ(x_0k,x_ik)的权重。

所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤V所述的将双向权重引入到灰色关联法，具体计算方法为：

横向模糊加权：计算影响因素指标i与***平均停电时间在第k个年份之间的横向加权关联度P_0i：

由此，结合横向权重γ_k，计算影响因素指标i与***平均停电时间的双向加权关联度R_0i：

本发明的优点是：

采用本发明所提方法可以得到可靠性指标与各影响因素的关联度，从而确定配电网供电可靠性的薄弱环节。

附图说明

图1为本发明基于双向加权灰色关联的配电网可靠性影响因素分析方法的程序流程图；

图2为可靠性影响因素层次图；

图3为可靠性影响因素和***平均停电时间的关联度图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例。

如图1所示，一种基于双向加权灰色关联的配电网可靠性影响因素分析方法，包括以下几个步骤：

I.对配电网可靠性影响因素指标进行分层，利用改进层次分析法，得到纵向主观权重；

II.对配电网可靠性影响因素指标进行量化，利用熵权法，得到纵向客观权重；

III.将纵向主观权重与纵向客观权重相结合，从指标维度得到纵向组合权重；

IV.利用模糊加权法，从时间维度得到横向权重；

V.将双向权重引入到灰色关联法，把***平均停电时间作为参考数列，计算可靠性指标与影响因素的关联度，从而确定供电区域中对供电可靠性产生影响的关键因素。

步骤IV考虑时间的影响，按照时间的近大远小原则，把越靠近当前的可靠性影响因素的历史数据赋予越大的权值。

步骤I所述的对配电网可靠性影响因素指标进行分层，具体为：

将各种因素分为三个层次：可靠性为目标层；设备运行状态、网架结构、技术类因素为中间层；线路平均负载率、配电变压器平均负载率，电缆化率、绝缘化率、网络联络水平、平均分段情况，以及中压电网平均故障修复时间、带电作业指数和配电自动化率为指标层。

步骤II所述的对配电网可靠性影响因素指标进行量化，首先确定反映***特征的参考序列，X₀'＝(x₀₁',x₀₂',...,x_0n')，假定有m个配电网可靠性影响因素(平均指标)，n年的某可靠性指标(待评价对象)，所构成的评价矩阵为X₁'＝[X_ik']_m×n,i＝1,2,...,m；k＝1,2,...,n，

其具体计算步骤为：

步骤一：对X'进行规范化处理：

当第i个指标为正向指标：

当第i个指标为负向指标：

式中：x_ik为第i行第k列标准化后的值i＝1,2,…,m,k＝1,2,…,n),x′_max，x′_min分别为该项指标的最大和最小值；

步骤二：标准化后得到

按下式计算各比较序列的数值相对于参考序列的数值的偏离程度：

Δξ_0i(k)＝|X_ik-X_0k| (3)

步骤三：计算两级最大极差和最小极差：

步骤四：计算关联度系数和原始关联度：

式中，ρ为分辨系数，其值在(0，1)之间，通常取ρ＝0.5。

步骤I所述的纵向主观权重的计算步骤为：

步骤一：通过对指标两两对比打分构造判断矩阵，即根据各个特征量(影响因素)对影响可靠性的重要程度构造判断矩阵A、B₁、B₂、B₃：

式中a_ik采用九标度法，应用准则如下所示：

由此可分别求得目标层对中间层的判断矩阵[A]_3*3，以及中间层对各指标层的判断矩阵[B₁]_2*2，[B₂]_4*4，[B₃]_3*3；

步骤二：构造拟优化传递矩阵，对判断矩阵的各元素取对数处理，构造

其中n为判断矩阵的阶数；w即为满足一致性校验的拟优化传递矩阵，记A、B₁，B₂，B₃的拟优化矩阵为w₀,w₁,w₂,w₃；

步骤三：应用规范列平均法计算拟优化传递矩阵的权重：

步骤四：计算各个特征量的权重值w_i,i＝0,1,2,3：

步骤五：计算指标层各特征向量对目标层的纵向主观权重α_i：

α＝w₀(w₁ w₂ w₃)。 (11)

步骤II所述的纵向客观权重的计算步骤为：

步骤一：建立评价矩阵X_mn'；

步骤二：规范化处理，按上式(1)、(2)将各指标进行标准化处理；

步骤三：计算信息熵：

其中：

步骤四：计算熵权值，即指标层各特征向量对目标层的纵向客观权重β_i：

步骤III所述的纵向组合权重的计算方法为：

采用乘法合成法对指标进行纵向组合赋权，获得纵向组合权重：

步骤IV所述的横向权重的计算方法如下：

步骤一：形成历史时间k₁与k₂的模糊互补优先关系矩阵

表示针对某个影响因素指标，年份k₁的数据与k₂的数据重要性大小对比关系，

k₁,k₂＝1,2,...n；

当k₁>k₂时，表示历史时间k₁的数据比k₂的数据重要，令

反之，当k₁<k₂时，则令

当k₁＝k₂时，令

步骤二：将模糊互补优先关系矩阵

改造成模糊一致矩阵

其中

步骤三：求横向权重：

式中，

γ(k)为横向权重，表示第k年的影响因素指标i与***平均停电时间的关联系数ψ(x_0k,x_ik)的权重。

步骤V所述的将双向权重引入到灰色关联法，具体计算方法为：

横向模糊加权：计算影响因素指标i与***平均停电时间在第k个年份之间的横向加权关联度P_0i：

由此，结合横向权重γ_k，计算影响因素指标i与***平均停电时间的双向加权关联度R_0i：

本发明选取某供电区域2008-2017年的相关历史数据。首先对三大类共9个影响因素进行分层并量化计算，数据如表1所示。本发明包括网架类因素：电缆化率X₁、绝缘化率X₂、联络水平(百分率)X₃和平均分段数X₅；设备状态类因素：线路平均负载率X₇(反向指标)、配电变压器平均负载率X₈(反向指标)；以及作业效率类：配电自动化水平(百分率)X₄、带电作业指数(百分率)X₆和中压电网平均故障修复时间X₉(反向指标)。其次要确定反映***特征的参考序列，本发明为***平均停电时间X₀'＝(x₀₁',x₀₂',x₀₃',x₀₄')。

表1某供电区域2008-2017年的数据：

根据改进的层次分析法和熵权法求得纵向组合权重；根据模糊加权法求得横向权重，各权重计算如表2、3所示：

表2纵向权重：

表3横向权重：

将双向权重引入到灰色关联法，把***平均停电时间作为参考数列，计算得到可靠性指标与影响因素之间的关联度，并与直接用灰色关联法求解的结果进行对比，结果如表4、图2所示：

表4***停电时间与可靠性影响因素的关联度：

灰色关联法	0.5230	0.7576	0.7689	0.6851	0.7696	0.7663	0.5824	0.7284	0.6092
										改进灰色关联	0.0371	0.0481	0.1068	0.0828	0.1322	0.553	0.0688	0.0804	0.0698

从图2(a)可以看出，不考虑双向权重，使用灰色关联法得到的数据波动较小，各个指标的贡献程度比较平均，较难寻找到影响配电网可靠性的关键因素。从图2(b)中可以看出，考虑双向权重后，网络联络水平、平均分段情况的关联度值最高，对***平均停电时间影响最大。

图3为可靠性影响因素和***平均停电时间的关联度图。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，包括以下几个步骤：

I.对配电网可靠性影响因素指标进行分层，利用改进层次分析法，得到纵向主观权重；

II.对配电网可靠性影响因素指标进行量化，利用熵权法，得到纵向客观权重；

III.将纵向主观权重与纵向客观权重相结合，从指标维度得到纵向组合权重；

IV.利用模糊加权法，从时间维度得到横向权重；

V.将双向权重引入到灰色关联法，把***平均停电时间作为参考数列，计算可靠性指标与影响因素的关联度，从而确定供电区域中对供电可靠性产生影响的关键因素；

步骤I所述的对配电网可靠性影响因素指标进行分层，具体为：

将各种因素分为三个层次：可靠性为目标层；设备运行状态、网架结构、技术类因素为中间层；线路平均负载率、配电变压器平均负载率，电缆化率、绝缘化率、网络联络水平、平均分段情况，以及中压电网平均故障修复时间、带电作业指数和配电自动化率为指标层；

步骤II所述的对配电网可靠性影响因素指标进行量化，首先确定反映***特征的参考序列，X₀'＝(x₀₁',x₀₂',...,x_0n')，假定有m个配电网可靠性影响因素，n年的某可靠性指标，所构成的评价矩阵为X₁'＝[X_ik']_m×n,i＝1,2,...,m；k＝1,2,...,n，

其具体计算步骤为：

步骤一：对X'进行规范化处理：

当第i个指标为正向指标：

当第i个指标为负向指标：

式中：x_ik为第i行第k列标准化后的值i＝1,2,…,m,k＝1,2,…,n),x′_max，x′_min分别为该项指标的最大和最小值；

步骤二：标准化后得到

按下式计算各比较序列的数值相对于参考序列的数值的偏离程度：

Δξ_0i(k)＝|X_ik-X_0k| (3)

步骤三：计算两级最大极差和最小极差：

步骤四：计算关联度系数和原始关联度：

式中，ρ为分辨系数，其值在(0，1)之间，通常取ρ＝0.5；

步骤I所述的纵向主观权重的计算步骤为：

步骤一：通过对指标两两对比打分构造判断矩阵，即根据各个特征量对影响可靠性的重要程度构造判断矩阵A、B₁、B₂、B₃：

式中a_ik采用九标度法，应用准则如下所示：

由此可分别求得目标层对中间层的判断矩阵[A]_3*3，以及中间层对各指标层的判断矩阵[B₁]_2*2，[B₂]_4*4，[B₃]_3*3；

步骤二：构造拟优化传递矩阵，对判断矩阵的各元素取对数处理，构造

其中n为判断矩阵的阶数；w即为满足一致性校验的拟优化传递矩阵，记A、B₁，B₂，B₃的拟优化矩阵为w₀,w₁,w₂,w₃；

步骤三：应用规范列平均法计算拟优化传递矩阵的权重：

步骤四：计算各个特征量的权重值w_i,i＝0,1,2,3：

步骤五：计算指标层各特征向量对目标层的纵向主观权重α_i：

α＝w₀(w₁ w₂ w₃)； (11)

步骤II所述的纵向客观权重的计算步骤为：

步骤一：建立评价矩阵X_mn'；

步骤二：规范化处理，按上式(1)、(2)将各指标进行标准化处理；

步骤三：计算信息熵：

其中：

步骤四：计算熵权值，即指标层各特征向量对目标层的纵向客观权重β_i：

步骤III所述的纵向组合权重的计算方法为：

采用乘法合成法对指标进行纵向组合赋权，获得纵向组合权重：

步骤IV所述的横向权重的计算方法如下：

步骤一：形成历史时间k₁与k₂的模糊互补优先关系矩阵

表示针对某个影响因素指标，年份k₁的数据与k₂的数据重要性大小对比关系，

k₁,k₂＝1,2,...n；

当k₁>k₂时，表示历史时间k₁的数据比k₂的数据重要，令

反之，当k₁<k₂时，则令

当k₁＝k₂时，令

步骤二：将模糊互补优先关系矩阵

改造成模糊一致矩阵

其中

步骤三：求横向权重：

式中，

γ(k)为横向权重，表示第k年的影响因素指标i与***平均停电时间的关联系数ψ(x_0k,x_ik)的权重。

2.根据权利要求1所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，所述步骤IV考虑时间的影响，按照时间的近大远小原则，把越靠近当前的可靠性影响因素的历史数据赋予越大的权值。

3.根据权利要求1所述的基于双向加权灰色关联的配电网可靠性影响因素分析方法，其特征在于，步骤V所述的将双向权重引入到灰色关联法，具体计算方法为：

横向模糊加权：计算影响因素指标i与***平均停电时间在第k个年份之间的横向加权关联度P_0i：

由此，结合横向权重γ_k，计算影响因素指标i与***平均停电时间的双向加权关联度R_0i：

Images