CN111695807A - 计及发电和用电侧能效的地区电网能效评估方法及*** - Google Patents
计及发电和用电侧能效的地区电网能效评估方法及*** Download PDFInfo
- Publication number
- CN111695807A CN111695807A CN202010530604.2A CN202010530604A CN111695807A CN 111695807 A CN111695807 A CN 111695807A CN 202010530604 A CN202010530604 A CN 202010530604A CN 111695807 A CN111695807 A CN 111695807A
- Authority
- CN
- China
- Prior art keywords
- index
- energy efficiency
- power grid
- central
- clustering
- 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 52
- 238000010248 power generation Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 96
- 230000008569 process Effects 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 57
- 230000005611 electricity Effects 0.000 claims description 10
- 238000005265 energy consumption Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012797 qualification Methods 0.000 claims description 9
- 230000008093 supporting effect Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004134 energy conservation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 8
- 238000013210 evaluation model Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/0639—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种计及发电和用电侧能效的地区电网能效评估方法及***,包括:采集发电侧能效、电网侧能效和用户侧能效的指标数据;建立各维度专项指标池;通过层次分析法确定各维度下各项指标的第一权重,采用统计学中的TOPSIS法对各项指标进行评分;过指标的综合权重和指标得分对地区电网能效进行评估。本发明在建立包含不同维度电网广义综合能效指标体系的基础上,对各指标的综合权重进行计算,在此基础上建立了地区电网的广义综合能效评价模型,为后期电网综合能效水平提升策略的制定提供决策支持。
Description
技术领域
本发明属于地区电网技术领域,特别涉及一种计及发电侧能效和用电侧能效的地区电网广义综合能效评估方法及***。
背景技术
随着智能电网的不断发展,发电侧大量新能源并网运行,用电侧电动汽车等新型负荷也越来越多,然而传统的电网综合能效评估体系主要针对电网侧本身的属性,如损耗率等;电网综合能效评估通常采用传统方法,主要包括层次分析法和熵权法。虽然层次分析法可以更好地解决定性指标和定量分析的问题,它过多依赖专家的主观意图,导致一个更大的事故在决策过程中缺乏必要的理论基础。熵权法符合数学规律具有严格的数学意义,但往往会忽视决策者主观的意图。
发明内容
本发明的目的在于提供一种计及发电和用电侧能效的地区电网能效评估方法及***,考虑电网作为发电与用电侧之间的中间环节的支撑作用,涵盖了电网服务属性的多方指标,能够真实体现电网在电力***中对能源优化配置、高效利用的需求,促使电网综合能效评估范围延伸服务发电侧和用电侧,为指导地区电网能效薄弱环节的改善提供了参考。
为了实现上述目的,本发明采用如下技术方案:
计及发电和用电侧能效的地区电网能效评估方法,包括:
步骤1、采集发电侧能效、电网侧能效和用户侧能效的指标数据;
步骤2、分维度选择指标数据,将选择的指标数据初始化分为中心指标和非中心指标,通过模糊聚类的方法对电网广义综合能效各维度下的中心指标和非中心指标进行分类修正,建立各维度专项指标池;
步骤3、通过层次分析法确定各维度下各项指标的第一权重,采用统计学中的TOPSIS法对各项指标进行评分;
步骤4、通过多重统计中的熵权法确定各指标的第二权重,第一权重和第二权重采用线性加权的方法得到综合权重,通过指标的综合权重和指标得分对地区电网能效进行评估。
本发明进一步的改进在于:步骤1中,用户侧能效的指标数据包括:市辖供电可靠率、县辖供电可靠率、智能电表覆盖率;电网侧能效的指标数据包括:供电可靠率、220kV N-1通过率、综合电压合格率、综合线损率;发电侧能效的指标数据包括:非化石能源装机占比、电能占终端能源消费比重、220kV单位变电支撑用电负荷、220kV单位线路支撑用电负荷。
本发明进一步的改进在于:步骤2中包括四个维度:清洁绿色、安全可靠、低耗节能和经济高效。
本发明进一步的改进在于:步骤2中对初始中心指标进行修正的步骤包括:
1)确定聚类单元全集U、聚类中心和聚类因子:
聚类单元全集U为三大类别下一层指标;聚类中心则专家经验判断的中心指标;聚类因子为其余非中心指标;Xm×n为聚类因子的原始数据矩阵,m表示聚类因子的个数,n表示聚类因子的特征数目;Yb×n为聚类中心的原始数据矩阵,b表聚类中心的个数,n表示聚类中心的特征数目;
2)聚类中心与聚类因子的数据整理:
对于正向指标:
对于逆向指标:
式中:Si(k)为将xik标准化处理后的数据,xmax为第i个聚类因子中的特征数目中最大值,xmin为第i个聚类因子中的特征数目中最小值;Sj(k)为将yjk标准化处理后的数据,ymax为第j个聚类因子中的特征数目中最大值,ymin为第j个聚类因子中的特征数目中最小值;
3)建立模糊相似度矩阵A
aij为矩阵A中的元素,dij表示中心指标i与非中心指标j的类间距离,建立聚类中心与聚类因子之间的模糊聚类矩阵,如下所示:
4)中心指标的修正
对模糊聚类矩阵A中各列求和得到该非中心指标对于所有中心指标的总相似度;设立阈值,当总相似度小于该值时确立该非中心指标为其所属的上一级下的中心指标,完成对中心指标的修正。
本发明进一步的改进在于:步骤2中对初始非中心指标进行修正的步骤如下:
1)以中心指标为参考数据,非中心指标为目标数据筛选掉关联度小于设定阈值的非中心指标,保留关联度大于阈值的非中心指标;
2)构建参考数据与目标指标群,将每一个三级指标下的中心指标设为参考指标群Y,非中心指标设为目标指标群X,对各指标原始数据进行无纲量化得数据矩阵为:
式中取ρ=0.5,p=2;
通过改进的灰色关联度分析法,对非中心指标进行筛选;改进后的灰色关联度为:
本发明进一步的改进在于:步骤2中,清洁绿色维度的专项指标池包括:非化石能源装机占比、电能占终端能源消费比例、220kV单位变电支撑用电负荷、220kV单位线路支撑用电负荷、弃电比例;
安全可靠维度的专项指标池包括:220kV N-1通过率、市辖综合供电电压合格率、县辖综合供电电压合格率、市辖供电可靠率、县辖供电可靠率;
低耗节能维度的专项指标池包括:综合线损率、发电设备本年平均利用小时、配电自动化覆盖率;
经济高效维度的专项指标池包括:单位投资增供负荷、单位投资增售电量、单位投资减少户均停电时间。
本发明进一步的改进在于:步骤3通过层次分析法确定各维度下各项指标的主观权重,采用TOPSIS法对各项指标进行评分,具体如下:
采用1-9标度法编写判断矩阵,矩阵元素如下表所示:
通过一致性检验判断判断矩阵是否存在矛盾是可行;判断矩阵的一致性基于式(11):
其中,λmax为最大特征值,n为判断矩阵的顺序;CI为均值随机一致性指标;层次分析法AHP得到的指标的主观权重记为w1,w1为最大特征值的特征向量进行归一化得到的值;
根据TOPSIS法,计算指标分数的方法如下:
1)构造多目标决策的原始矩阵评价指标集组成的n和m方案设置评价指标;决定评价指标的指数m方案表达的特征量,从而构成了多目标决策矩阵C如(12)所示;
其中,Cij为第i个方案第j个评价指标的指标特征量,i=1,2…m,j=1,2…,n;
2)将式(12)的决策矩阵归一化为无量纲属性的决策矩阵R;
3)将评价指标的权重向量设为Wi=(w1,w2,…,wn),将式(13)转化为加权决策矩阵v;
其中,vij=wjRij,i=1,2,…,m,j=1,2,…,n;
4)确定理想解,包括正理想解和负理想解;
5)确定欧式距离,用n维欧式范数度量从各备选项到正理想点的距离Si+和负理想点的距离Si-:
6)计算各指标的当前值与正理想解之间的相对接近RCi;
其中,0≤RCi≤1,i=1,2,…,n。
本发明进一步的改进在于:步骤4中应用EWM计算指标的客观权重w2;共建立m个区域进行电网综合能效评价,将原始数据标准化为Xm×n=[x1,x2,...,xn],其中n为待评价指标个数;各指标的信息熵为:
通过信息熵计算得到的目标权值为:
采用线性加权的方法得到各指标的综合权重w(i);
其中,α和β分别为指标i的主观权重和客观权重占综合权重的比例。
本发明进一步的改进在于:通过指标的综合权重和指标得分对地区电网能效进行评估,利用地区电网能效评估结果对地区电网能效薄弱环节进行改善。
计及发电和用电侧能效的地区电网能效评估***,包括:
数据采集模块,用于采集发电侧能效、电网侧能效和用户侧能效的指标数据;
指标池建立模块,用于分维度选择指标数据,将选择的指标数据初始化分为中心指标和非中心指标,通过模糊聚类的方法对电网广义综合能效各维度下的中心指标和非中心指标进行分类修正,建立各维度专项指标池;
评分模块、通过层次分析法确定各维度下各项指标的第一权重,采用统计学中的TOPSIS法对各项指标进行评分;
评估模块,用于采用多重统计中的熵权法确定各指标的第二权重,第一权重和第二权重采用线性加权的方法得到综合权重,通过指标的综合权重和指标得分对地区电网能效进行评估。相对于现有技术,本发明具有以下有益效果:本发明考虑电网作为发电与用电侧之间的中间环节的支撑作用,涵盖了电网服务属性的多方指标,能够真实体现电网在电力***中对能源优化配置、高效利用的需求,促使电网综合能效评估范围延伸服务发电侧和用电侧,为指导地区电网能效薄弱环节的改善提供了参考。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种计及发电和用电侧能效的地区电网能效评估方法的总流程图;
图2为本发明一种计及发电和用电侧能效的地区电网能效评估方法的具体流程图;
图3为地区电网发电侧、电网侧和用户侧相关指标示意图;
图4为地区电网综合能效各维度专项指标池示意图;
图5为各地市综合能效评估结果示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
下面结合实例进一步阐述本发明方法。
请参阅图1及图4所示,本发明一种计及发电和用电侧能效的地区电网能效评估方法,包括以下步骤:
步骤1、采集发电侧能效、电网侧能效和用户侧能效的指标数据;
步骤2、按照清洁绿色、安全可靠、低耗节能、经济高效四个维度,在步骤1采集的指标数据中选择地区电网广义综合能效的相关评估指标;将相关评估指标初始化分为中心指标和非中心指标(首先由专家法从指标体系中筛选出三个角度下面的中心指标、非中心指标,中心指标是专家通过经验进行分类判断的指标,其余指标为非中心指标。对不同地区电网***,其电网结构,电网企业制度等不同使得对不同地区其中心指标与非中心指标不同),通过模糊聚类的方法对电网广义综合能效各维度下的中心指标和非中心指标进行分类修正,建立各维度专项指标池(图4所示);
步骤3、通过层次分析法确定各维度下各项指标的第一权重及得分范围,采用统计学中的TOPSIS法对各项指标进行评分;
步骤4、通过多重统计中的熵权法确定各指标的第二权重,第一权重和第二权重采用线性加权的方法得到综合权重,通过指标的综合权重和指标得分得到地区电网能效的评估得分,通过地区电网能效的评估得分指导地区电网能效薄弱环节的改善。
请参阅图3所示,步骤1中采集发电侧能效、电网侧能效和用户侧能效的指标数据;用户侧能效的指标数据包括:市辖供电可靠率、县辖供电可靠率、智能电表覆盖率;电网侧能效的指标数据包括:供电可靠率、220kV N-1通过率、综合电压合格率、综合线损率;发电侧能效的指标数据包括:非化石能源装机占比、电能占终端能源消费比重、220kV单位变电支撑用电负荷、220kV单位线路支撑用电负荷。
请参阅图4所示,步骤2按照“清洁绿色”、“安全可靠”、“低耗节能”、“经济高效”四个维度科学选择电网广义综合能效的相关评价指标,通过模糊聚类对各维度下的中心指标和非中心指标进行分类修正,建立电网广义综合能效各维度专项指标池,具体包括:
首先对初始中心指标进行修正,步骤如下:
1)确定聚类单元全集U、聚类中心和聚类因子
聚类单元全集U为三大类别(发电侧能效、电网侧能效和用户侧能效)下一层指标,聚类中心则为专家经验判断的中心指标,聚类因子为其余非中心指标;Xm×n为聚类因子的原始数据矩阵,m表示聚类因子的个数,n表示聚类因子的特征数目;Yb×n为聚类中心的原始数据矩阵,b表聚类中心的个数,n表示聚类中心的特征数目;
2)聚类中心与聚类因子的数据整理
对于正向指标:
对于逆向指标:
式中:Si(k)为将xik标准化处理后的数据,xmax为第i个聚类因子中的特征数目中最大值,xmin为第i个聚类因子中的特征数目中最小值;Sj(k)为将yjk标准化处理后的数据,ymax为第j个聚类因子中的特征数目中最大值,ymin为第j个聚类因子中的特征数目中最小值;
3)建立模糊相似度矩阵A
aij为矩阵A中的元素,dij表示中心指标i与非中心指标j的类间距离,建立聚类中心与聚类因子之间的模糊聚类矩阵,如下所示:
4)中心指标的修正
依据“最小化类间相似性,最大化类内相似性”原则,对模糊聚类矩阵A中各列求和得到该非中心指标对于所有中心指标的总相似度。设立阈值当总相似度小于该值时确立该非中心指标为其所属的上一级下的中心指标,完成对中心指标的修正。
然后,对初始非中心指标进行修正,步骤如下:
1)首先利用灰色关联度分析在解决不确定、贫信息***的***辨识、聚类评估方面的显著优势,可以用来消除冗余非中心指标带来的影响。其基本思想是通过计算目标数据与参考数据的相似程度来判别两者之间的联系的紧密,在对非中心指标的优化中,中心指标为参考数据,非中心指标为目标数据以筛选掉关联度小的非中心指标,保留关联度大的非中心指标,同时通过灰色关联的程度才筛选指标有可能会删除一些独立性比较大的非中心指标,无法保证数据间的独立性。因此,改进的灰色关联度分析法对非中心指标进行筛选保证各指标对评价目标的准确性。
2)构建参考数据与目标指标群,将每一个三级指标下的中心指标设为参考指标群Y,非中心指标设为目标指标群X,对各指标原始数据进行无纲量化得数据矩阵为:
式中取ρ=0.5,p=2;
改进后的灰色关联度为:
Wi表示各指标由信息熵计算得到的权重;
通过模糊聚类的分类修正,建立电网广义综合能效各维度专项指标池如图4所示:
清洁绿色维度的专项指标池包括:非化石能源装机占比、电能占终端能源消费比例、220kV单位变电支撑用电负荷、220kV单位线路支撑用电负荷、弃电比例。
安全可靠维度的专项指标池包括:220kV N-1通过率、市辖综合供电电压合格率、县辖综合供电电压合格率、市辖供电可靠率、县辖供电可靠率。
低耗节能维度的专项指标池包括:综合线损率、发电设备本年平均利用小时、配电自动化覆盖率。
经济高效维度的专项指标池包括:单位投资增供负荷、单位投资增售电量、单位投资减少户均停电时间。
步骤3通过层次分析法确定各维度下各项指标的主观权重,采用统计学中的TOPSIS法对各项指标进行评分如下:
本发明提出的电网综合能效评价的重点是考虑当前电能替代和清洁替代的背景。针对“清洁绿色”、“安全可靠”、“低耗节能”、“经济高效”共性特征,科学选择广义综合能效的相关评价指标,建立电网综合能效评价指标池。
清洁绿色专项指标的选择重点关注清洁能源生产和能源利用管理两个领域。在能源利用管理领域,提倡优化能源结构、节约能源、提高能源利用效率,选择能反映电气化水平、能源利用效率和能源成本的指标。
安全可靠专项指标包括能够反映***在规定条件下、规定时间内完成规定功能的相关指标,以及与电能质量有关的指标。它是对电力***持续向电力用户提供可接受的质量标准和所需数量的能力的一种衡量。
电网的低功耗、节能运行是指电网以达到最低功耗、功率损失率和供电成本为目标的运行方式。因此,低耗节能专项指标池中的指标应侧重于生产、传输和使用各个环节的电能利用率。
电网经济效率是指电网投资的有效性,反映了电网投资的效益。在单位投资条件下,提高单位成本下电网的发电效率和供电能力是十分必要的。因此,经济高效专项指标池中的指标应侧重于反映供用电单位投资成本。
层次分析法(AHP)是一种通过研究指标之间的联系和相似性,按一定标准对指标进行分类的统计方法。与统计分析、相关分析等复杂数据挖掘方法相比,层次分析法使用方便,具有较好的通用性。在没有先验知识的环境,它可以迅速和有效地提取主导因素反映原始数据的特征信息,并克服缺点,监督分类方法需要大量的先验信息,因此非常适合上述指标体系在代表信息挖掘。
利用层次分析法计算指标的主观权重。由于评价指标体系具有层次结构,问题具有层次结构,因此采用1-9标度法来编写判断矩阵,矩阵元素如下表所示。
例如,可能有三个元素A、B和C:A比B重要,B比C重要,但是C比A重要。因此,通过一致性检验来判断判断矩阵是否存在矛盾是可行的。判断矩阵的一致性基于式(11)。
其中,λmax为最大特征值,n为判断矩阵的顺序;CI为均值随机一致性指标(RI与判断矩阵的顺序有关);一般来说,矩阵的阶数越高,偏差越大。随机一致性指标的值需要通过查找表来获得。CI值越大,判断矩阵的一致性可靠性越差。如果判断矩阵一致性测试失败,则重新分配。AHP得到的指标的主观权重记为w1,即对应的最大特征值的特征向量进行归一化得到的值。
由于评价指标的单位不同,应设置无量纲指标。TOPSIS的评价是基于无量纲数据,可以反映整体情况,对指标或方案进行评分。根据TOPSIS技术,计算指标分数的算法如下:
1)构造多目标决策的原始矩阵评价指标集组成的n和m方案设置评价指标。决定评价指标的指数m方案可以表达的特征量,从而构成了多目标决策矩阵C如(12)所示。
其中,Cij为第i个方案第j个评价指标的指标特征量,i=1,2…m,j=1,2…,n。
2)建立无量纲决策矩阵。由于各指标特征量的维数可能不同,数值差异较大,因此将式(12)的决策矩阵归一化为无量纲属性的决策矩阵R。
3)建立加权决策矩阵。将评价指标的权重向量设为Wi=(w1,w2,…,wn),将式(13)转化为加权决策矩阵v。
其中,vij=wjRij,i=1,2,…,m,j=1,2,…,n。
4)确定理想解,包括正理想解和负理想解。
5)确定欧式距离,用n维欧式范数度量从各备选项到正理想点的距离Si+和负理想点的距离Si-:
6)计算各指标的当前值与正理想解之间的相对接近RCi。
其中,0≤RCi≤1,i=1,2,…,n。
步骤4中参考多重统计中的熵权法确定各指标的客观权重,采用线性加权的方法得到各指标的综合权重,考虑到AHP的主观性和EWM的客观性,设置适当的系数形成相应的线性组合,建立地区电网的广义综合能效评价模型,根据能效评价得分来指导地区电网能效薄弱环节的改善:
应用EWM计算指标的客观权重w2。共建立m个区域进行电网综合能效评价,将原始数据标准化为Xm×n=[x1,x2,...,xn],其中n为待评价指标个数。各指标的信息熵为:
通过信息熵计算得到的目标权值为:
采用线性加权的方法得到各指标的综合权重w(i)。
其中,α和β分别为指标i的主观权重和客观权重占综合权重的比例。
步骤4参考多重统计中的熵权法确定各指标的客观权重,采用线性加权的方法得到综合权重,各个维度占综合能效得分的综合权重如表1所示。通过指标的综合权重和指标得分得到地区的综合能效得分如图5所示。下面对得分较高和得分较低城市的电网能效进行具体分析。由表2可知,与其他城市相比,A、B在综合线损率、电能占终端能耗比重、220kV机组变电站支撑电力负荷等指标上具有明显优势。与B相比,A在用电占终端能耗的比例上具有优势。从表4可以看出,E和F在供电可靠性率等指标上存在明显的不足。与E相比,F在综合线损比指标上具有更大的劣势,因此E与F的网格结构急需优化。通过相关指标的具体得分可以用来指导地区电网能效薄弱环节的改善。
表1各维度占电网综合能效的综合权重
评价维度 | 清洁绿色 | 安全可靠 | 低耗节能 | 经济高效 |
权重 | 0.5579 | 0.1219 | 0.2633 | 0.0569 |
表2地区A和B的优势指标
表3地区E和F的优势指标
本发明还提供一种计及发电和用电侧能效的地区电网能效评估***,包括:
数据采集模块,用于采集发电侧能效、电网侧能效和用户侧能效的指标数据;
指标池建立模块,用于分维度选择指标数据,将选择的指标数据初始化分为中心指标和非中心指标,通过模糊聚类的方法对电网广义综合能效各维度下的中心指标和非中心指标进行分类修正,建立各维度专项指标池;
评分模块、通过层次分析法确定各维度下各项指标的第一权重,采用统计学中的TOPSIS法对各项指标进行评分;
评估模块,用于采用多重统计中的熵权法确定各指标的第二权重,第一权重和第二权重采用线性加权的方法得到综合权重,通过指标的综合权重和指标得分对地区电网能效进行评估。
本发明还提供了一种计及发电和用电侧能效的地区电网能效评估***,所述***包括:处理器以及与所述处理器耦合的存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现上述一种计及发电和用电侧能效的地区电网能效评估方法的方法步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.计及发电和用电侧能效的地区电网能效评估方法,其特征在于,包括:
步骤1、采集发电侧能效、电网侧能效和用户侧能效的指标数据;
步骤2、分维度选择指标数据,将选择的指标数据初始化分为中心指标和非中心指标,通过模糊聚类的方法对电网广义综合能效各维度下的中心指标和非中心指标进行分类修正,建立各维度专项指标池;
步骤3、通过层次分析法确定各维度下各项指标的第一权重,采用统计学中的TOPSIS法对各项指标进行评分;
步骤4、通过多重统计中的熵权法确定各指标的第二权重,第一权重和第二权重采用线性加权的方法得到综合权重,通过指标的综合权重和指标得分对地区电网能效进行评估。
2.根据权利要求1所述的计及发电和用电侧能效的地区电网能效评估方法,其特征在于,步骤1中,用户侧能效的指标数据包括:市辖供电可靠率、县辖供电可靠率、智能电表覆盖率;电网侧能效的指标数据包括:供电可靠率、220kV N-1通过率、综合电压合格率、综合线损率;发电侧能效的指标数据包括:非化石能源装机占比、电能占终端能源消费比重、220kV单位变电支撑用电负荷、220kV单位线路支撑用电负荷。
3.根据权利要求1所述的计及发电和用电侧能效的地区电网能效评估方法,其特征在于,步骤2中包括四个维度:清洁绿色、安全可靠、低耗节能和经济高效。
4.根据权利要求1所述的计及发电和用电侧能效的地区电网能效评估方法,其特征在于,步骤2中对初始中心指标进行修正的步骤包括:
1)确定聚类单元全集U、聚类中心和聚类因子:
聚类单元全集U为三大类别下一层指标;聚类中心则专家经验判断的中心指标;聚类因子为其余非中心指标;Xm×n为聚类因子的原始数据矩阵,m表示聚类因子的个数,n表示聚类因子的特征数目;Yb×n为聚类中心的原始数据矩阵,b表聚类中心的个数;
2)聚类中心与聚类因子的数据整理:
对于正向指标:
对于逆向指标:
式中:Si(k)为将xik标准化处理后的数据,xmax为第i个聚类因子中的特征数目中最大值,xmin为第i个聚类因子中的特征数目中最小值;Sj(k)为将yjk标准化处理后的数据,ymax为第j个聚类因子中的特征数目中最大值,ymin为第j个聚类因子中的特征数目中最小值;
3)建立模糊相似度矩阵A
aij为矩阵A中的元素,dij表示中心指标i与非中心指标j的类间距离,建立聚类中心与聚类因子之间的模糊聚类矩阵,如下所示:
4)中心指标的修正
对模糊聚类矩阵A中各列求和得到该非中心指标对于所有中心指标的总相似度;设立阈值,当总相似度小于该值时确立该非中心指标为其所属的上一级下的中心指标,完成对中心指标的修正;
步骤2中对初始非中心指标进行修正的步骤如下:
1)以中心指标为参考数据,非中心指标为目标数据筛选掉关联度小于设定阈值的非中心指标,保留关联度大于阈值的非中心指标;
2)构建参考数据与目标指标群,将每一个三级指标下的中心指标设为参考指标群Y,非中心指标设为目标指标群X,对各指标原始数据进行无纲量化得数据矩阵为:
式中取ρ=0.5,p=2;
通过改进的灰色关联度分析法,对非中心指标进行筛选;改进后的灰色关联度为:
5.根据权利要求1所述的计及发电和用电侧能效的地区电网能效评估方法,其特征在于,步骤2中,清洁绿色维度的专项指标池包括:非化石能源装机占比、电能占终端能源消费比例、220kV单位变电支撑用电负荷、220kV单位线路支撑用电负荷、弃电比例;
安全可靠维度的专项指标池包括:220kV N-1通过率、市辖综合供电电压合格率、县辖综合供电电压合格率、市辖供电可靠率、县辖供电可靠率;
低耗节能维度的专项指标池包括:综合线损率、发电设备本年平均利用小时、配电自动化覆盖率;
经济高效维度的专项指标池包括:单位投资增供负荷、单位投资增售电量、单位投资减少户均停电时间。
6.根据权利要求1所述的计及发电和用电侧能效的地区电网能效评估方法,其特征在于,步骤3通过层次分析法确定各维度下各项指标的主观权重,采用TOPSIS法对各项指标进行评分,具体如下:
采用1-9标度法编写判断矩阵,矩阵元素如下表所示:
通过一致性检验判断判断矩阵是否存在矛盾是可行;判断矩阵的一致性基于式(11):
其中,λmax为最大特征值,n为判断矩阵的顺序;CI为均值随机一致性指标;层次分析法AHP得到的指标的主观权重记为w1,w1为最大特征值的特征向量进行归一化得到的值;
根据TOPSIS法,计算指标分数的方法如下:
1)构造多目标决策的原始矩阵评价指标集组成的n和m方案设置评价指标;决定评价指标的指数m方案表达的特征量,从而构成了多目标决策矩阵C如(12)所示;
其中,Cij为第i个方案第j个评价指标的指标特征量,i=1,2…m,j=1,2…,n;
2)将式(12)的决策矩阵归一化为无量纲属性的决策矩阵R;
3)将评价指标的权重向量设为Wi=(w1,w2,…,wn),将式(13)转化为加权决策矩阵v;
其中,vij=wjRij,i=1,2,…,m,j=1,2,…,n;
4)确定理想解,包括正理想解和负理想解;
5)确定欧式距离,用n维欧式范数度量从各备选项到正理想点的距离Si+和负理想点的距离Si-:
6)计算各指标的当前值与正理想解之间的相对接近RCi;
其中,0≤RCi≤1,i=1,2,…,n。
8.根据权利要求1所述的计及发电和用电侧能效的地区电网能效评估方法,其特征在于,通过指标的综合权重和指标得分对地区电网能效进行评估,利用地区电网能效评估结果对地区电网能效薄弱环节进行改善。
9.计及发电和用电侧能效的地区电网能效评估***,其特征在于,包括:
数据采集模块,用于采集发电侧能效、电网侧能效和用户侧能效的指标数据;
指标池建立模块,用于分维度选择指标数据,将选择的指标数据初始化分为中心指标和非中心指标,通过模糊聚类的方法对电网广义综合能效各维度下的中心指标和非中心指标进行分类修正,建立各维度专项指标池;
评分模块、通过层次分析法确定各维度下各项指标的第一权重,采用统计学中的TOPSIS法对各项指标进行评分;
评估模块,用于采用多重统计中的熵权法确定各指标的第二权重,第一权重和第二权重采用线性加权的方法得到综合权重,通过指标的综合权重和指标得分对地区电网能效进行评估。
10.计及发电和用电侧能效的地区电网能效评估***,其特征在于,包括:处理器以及与所述处理器耦合的存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现权利要求1-8中任一项所述的计及发电和用电侧能效的地区电网能效评估方法的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530604.2A CN111695807A (zh) | 2020-06-11 | 2020-06-11 | 计及发电和用电侧能效的地区电网能效评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530604.2A CN111695807A (zh) | 2020-06-11 | 2020-06-11 | 计及发电和用电侧能效的地区电网能效评估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111695807A true CN111695807A (zh) | 2020-09-22 |
Family
ID=72480506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010530604.2A Pending CN111695807A (zh) | 2020-06-11 | 2020-06-11 | 计及发电和用电侧能效的地区电网能效评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695807A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132514A (zh) * | 2020-09-24 | 2020-12-25 | 哈尔滨工程大学 | 一种物资采购的评估方法 |
CN112329868A (zh) * | 2020-11-10 | 2021-02-05 | 西安电子科技大学 | 基于clara聚类的制造加工设备群能效状态评价方法 |
CN112633762A (zh) * | 2020-12-31 | 2021-04-09 | 国网河北省电力有限公司经济技术研究院 | 楼宇能效获取方法及设备 |
CN113010396A (zh) * | 2021-03-03 | 2021-06-22 | 国网冀北电力有限公司信息通信分公司 | 云边协同网络能效的评估方法、装置、设备及存储介质 |
CN113328526A (zh) * | 2021-06-04 | 2021-08-31 | 国网黑龙江省电力有限公司管理培训中心 | 一种智能电网的运行监测*** |
CN113689134A (zh) * | 2021-09-01 | 2021-11-23 | 国网江苏省电力有限公司东台市供电分公司 | 一种电力供电所质效评价方法 |
CN113780728A (zh) * | 2021-08-03 | 2021-12-10 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 工业锅炉能效排放的离线检测方法、***、介质、设备 |
CN115062942A (zh) * | 2022-06-09 | 2022-09-16 | 北京信息科技大学 | 应急救援效能评估方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829604A (zh) * | 2018-12-13 | 2019-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种电网侧储能电站运行效果综合评估方法 |
CN111222755A (zh) * | 2019-12-20 | 2020-06-02 | 国网新疆电力有限公司乌鲁木齐供电公司 | 一种智能配电网的效能状态评价方法 |
CN111260211A (zh) * | 2020-01-14 | 2020-06-09 | 东南大学 | 一种基于ahp-改进的熵权法-topsis的智慧能源***评价方法及装置 |
-
2020
- 2020-06-11 CN CN202010530604.2A patent/CN111695807A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829604A (zh) * | 2018-12-13 | 2019-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种电网侧储能电站运行效果综合评估方法 |
CN111222755A (zh) * | 2019-12-20 | 2020-06-02 | 国网新疆电力有限公司乌鲁木齐供电公司 | 一种智能配电网的效能状态评价方法 |
CN111260211A (zh) * | 2020-01-14 | 2020-06-09 | 东南大学 | 一种基于ahp-改进的熵权法-topsis的智慧能源***评价方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132514A (zh) * | 2020-09-24 | 2020-12-25 | 哈尔滨工程大学 | 一种物资采购的评估方法 |
CN112132514B (zh) * | 2020-09-24 | 2024-07-09 | 哈尔滨工程大学 | 一种物资采购的评估方法 |
CN112329868A (zh) * | 2020-11-10 | 2021-02-05 | 西安电子科技大学 | 基于clara聚类的制造加工设备群能效状态评价方法 |
CN112329868B (zh) * | 2020-11-10 | 2023-08-01 | 西安电子科技大学 | 基于clara聚类的制造加工设备群能效状态评价方法 |
CN112633762A (zh) * | 2020-12-31 | 2021-04-09 | 国网河北省电力有限公司经济技术研究院 | 楼宇能效获取方法及设备 |
CN113010396A (zh) * | 2021-03-03 | 2021-06-22 | 国网冀北电力有限公司信息通信分公司 | 云边协同网络能效的评估方法、装置、设备及存储介质 |
CN113328526A (zh) * | 2021-06-04 | 2021-08-31 | 国网黑龙江省电力有限公司管理培训中心 | 一种智能电网的运行监测*** |
CN113780728A (zh) * | 2021-08-03 | 2021-12-10 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 工业锅炉能效排放的离线检测方法、***、介质、设备 |
CN113689134A (zh) * | 2021-09-01 | 2021-11-23 | 国网江苏省电力有限公司东台市供电分公司 | 一种电力供电所质效评价方法 |
CN115062942A (zh) * | 2022-06-09 | 2022-09-16 | 北京信息科技大学 | 应急救援效能评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695807A (zh) | 计及发电和用电侧能效的地区电网能效评估方法及*** | |
CN109829604A (zh) | 一种电网侧储能电站运行效果综合评估方法 | |
CN114862139B (zh) | 一种基于数据驱动的台区线损率异常诊断方法 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN111222755A (zh) | 一种智能配电网的效能状态评价方法 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN112132424A (zh) | 一种大规模储能多属性决策选型方法 | |
CN116826710A (zh) | 基于负荷预测的削峰策略推荐方法、装置及存储介质 | |
CN115660170A (zh) | 多维指标权重协同优化的数据资产管理成效差异化评估方法和*** | |
CN113159650A (zh) | 基于改进物元可拓模型的光充储***运营效益评价方法 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
CN113033886B (zh) | 一种配电网规划建设评估方法 | |
Du et al. | Comprehensive energy efficiency evaluation of municipal power grid based on TOPSIS method | |
CN113780686A (zh) | 一种面向分布式电源的虚拟电厂运行方案优化方法 | |
CN112348066A (zh) | 一种基于灰色聚类算法的线路不停电等级评估方法 | |
CN113592362A (zh) | 一种城市电网抗灾变能力评估方法及相关装置 | |
CN113469420A (zh) | 一种多元电源***电力能源结构评价优化方法 | |
Novikova et al. | Tool for assessing the level of energy security of the decentralized power supply system for enterprises in Cameroon | |
CN112365169A (zh) | 一种未来低碳能源框架下的电网运营评价分析方法 | |
Kong et al. | User group portrait method of integrated energy system based on multi-source big data | |
CN112633622B (zh) | 一种智能电网运营指标筛选方法 | |
CN118278792A (zh) | 计及全要素成本收益比的台区增容综合评价方法及*** | |
CN117952445A (zh) | 一种基于改进并合规则的不同数量混合储能方案评估方法 | |
Hong et al. | Analysis of Distribution Network Reliability Factors Based on AHP-Improved Entropy Weight Method and Gray Correlation Degree |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200922 |