CN112308427A - 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及*** - Google Patents

Abstract

本发明公开了一种基于组合赋权‑灰关联的新能源消纳制约因素评估方法及***，分层建立新能源消纳制约因素综合评价指标体系；采用组合赋权法对二级指标进行量化评估，得到组合权重；采用灰色关联度法对指标体系进行评估，得到一级指标的影响程度排序，本发明采用的组合赋权方法能够充分结合主客观权重，在借鉴专家知识和经验的同时，分析指标数据之间的内在联系，有助于新能源消纳评价指标权重选取更加科学和准确。

Description

一种基于组合赋权-灰关联的新能源消纳制约因素评估方法 及***

技术领域

本发明属于电力***评估技术领域，具体涉及一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及***。

背景技术

受风速、光照强度等自然条件不稳定的影响，风电和光伏发电均具有明显的不确定性、难可控性和时空分布特性，其大规模接入也为电力***带来一系列亟待解决的问题。新能源消纳是一项***工程，与用电需求、网架结构、调峰能力、***稳定等多种因素密切相关。

大规模新能源并网后，制约其消纳能力的根本原因在于***调节能力不足，下面从源-网-荷三方面深入分析制约大规模新能源并网消纳能力的主要因素。①***调节能力：主要与机组自身的调节性能(我国的电源结构以火电为主，而具有深度调峰能力的燃气、水电以及抽水蓄能等灵活机组相对较少，电力***整体的调节性能较差)、***开机方式有关，由于新能源出力的不确定性，其发电功率波动会严重影响电网的调峰情况，进而制约了***对新能源的消纳水平；②***备用容量：为保证***的安全稳定，电力***运行时均会预留一定的备用，旋转备用率越高，需要的开机容量就越大，***的下调负备用将越不足，在负荷低谷时段新能源大发时，弃电的可能性就会增加，新能源消纳能力降低；③新能源渗透率：新能源的装机容量越大，渗透率越高，对电力***的调峰容量需求将越大，消纳将越困难，应合理规划新能源的装机规模；④电网输送能力：我国的风电装机主要分布于“三北”地区，光伏装机主要分布在西部地区，新能源就地消纳空间有限，因此需要提高电网输送能力，实现风电、光伏发电的跨省跨区传输；⑤***负荷特性：负荷特性具有一定的随机性，峰谷差越大，***调峰压力将更加越困难，可以通过电价响应、引入可中断负荷等手段降低峰谷差。

消纳制约因素的量化评估就是衡量各指标对于新能源消纳的重要度以及作用程度，并以量化的形式给出大小，权重越大说明该指标的作用越大，反之作用越小。指标赋权合理与否对评价或决策结果起着决定性作用，同样的指标数据，赋予不一样的权重值，可能会造成评价结果相差很多甚至得到相反的结果。

已有的计算权重的研究主要是针对主观赋权法和客观赋权法两个方面展开的。其中，主观赋权法相对而言研究较早、较为成熟，由专家根据主观偏好、相关经验并结合实际进行判断而得到原始权重比较矩阵，再利用相关数学理论进行处理而得到权重值，比较常用的主观赋权法主要有特征向量法、专家调查(Delphi)法、最小平方和法、二项系数法、层次分析法(AHP)等。对于客观赋权法的研究时间尚短，还存在很多不足，它主要是通过挖掘各指标数据之间的内在联系来计算权重，不考虑人的主观判断与倾向，一般结合较强的数学理论依据，其常用的方法主要有熵值法、主成分分析法、多目标规划法、均方差法及离差法等。

发明内容

发明目的：为解决现有消纳制约因素评估方法中存在的指标赋权不合理的问题，本发明提出了一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及***。

本发明所采用的技术方案是：一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，包括以下步骤：

步骤1：分层建立新能源消纳制约因素综合评价指标体系，该评价指标体系包括一级指标以及与一级指标相对应的二级指标；

步骤2：采用组合赋权法对二级指标进行量化评估，得到各二级指标的组合权重；

步骤3：基于步骤2得到的二级指标的组合权重，采用灰色关联度法对步骤1建立的评价指标体系进行评估，得到一级指标的影响程度。

进一步的，所述步骤1具体包括：

以电源指标、网架指标、负荷指标和调峰指标作为一级指标，与所述电源指标对应的二级指标包括：出力波动率和出力同时率；与所述网架指标对应的二级指标包括：线路重载率、变电站主变重载率、线路N-1通过率和电压合格率；与所述负荷指标对应的二级指标包括：负荷率；与所述调峰指标对应的二级指标包括：峰谷差率；

通过获取不同运行方案下的二级指标数值，对二级指标数值进行趋同化处理，建立得到新能源消纳制约因素综合评价指标体系。

进一步的，所述的对二级指标数值进行趋同化处理，具体包括：

将二级指标按照其对于决策目标的作用单调性进行分类，其中，效益型指标包括N-1通过率和电压合格率，成本型指标包括出力波动率、出力同时率、线路重载率、变电站主变重载率、负荷率和峰谷差率；

将所有二级指标进行正向处理，包括将所有成本型指标变为1减去原来的数值，所有效益型指标数值不变；

将经过正向处理后的所有二级指标进行极差变换，得到新能源消纳制约因素综合评价指标体系。

进一步的，所述组合赋权法为层次分析法和熵值法结合的组合赋权法。

进一步的，所述步骤2具体包括：

采用层次分析法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量为

采用熵值法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量

采用线性加权组合法，将权值向量为

和权值向量

进行组合，得到组合权重向量：

式中，δ和1-δ分别为各二级指标主、客观权重的偏好系数。

进一步的，所述步骤3具体包括：

根据下式计算关联度系数ε_ij：

式中，u_j为二级指标参考值，d_ij为二级指标实际值，ρ为分辨系数，

为绝对最大值，

为绝对最小值；

基于各指标的关联度系数，结合二级指标的组合权重W＝[ω₁,ω₂,...,ω_m]，根据下式计算得到相对应的一级指标的灰色关联度g_i：

式中，ω_j为第j个二级指标的组合权重；

基于各一级指标的灰色关联度，得到一级指标的影响程度，灰色关联度越高则一级指标的影响程度越大。

本发明还公开了一种基于组合赋权-灰关联的新能源消纳制约因素评估***，包括：

评价指标体系建立模块，用于分层建立新能源消纳制约因素综合评价指标体系，该评价指标体系包括一级指标以及与一级指标相对应的二级指标；

组合赋权计算模块，用于采用组合赋权法对二级指标进行量化评估，得到各二级指标的组合权重；

灰色关联度计算模块，用于基于二级指标的组合权重，采用灰色关联度法对建立的评价指标体系进行评估，得到一级指标的影响程度。

进一步的，所述评价指标体系建立模块包括以下子模块：

分类模块，用于将二级指标按照其对于决策目标的作用单调性进行分类，其中，效益型指标包括N-1通过率和电压合格率，成本型指标包括出力波动率、出力同时率、线路重载率、变电站主变重载率、负荷率和峰谷差率；

正向处理模块，用于将所有二级指标进行正向处理，包括将所有成本型指标变为1减去原来的数值，所有效益型指标数值不变；

极差变换模块，用于将经过正向处理后的所有二级指标进行极差变换，得到新能源消纳制约因素综合评价指标体系。

进一步的，所述组合赋权计算模块包括以下子模块：

层次分析评估模块，用于采用层次分析法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量为

熵值评估模块，用于采用熵值法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量

组合权重计算模块，用于采用线性加权组合法，将权值向量为

和权值向量

进行组合，得到组合权重向量。

进一步的，所述灰色关联度计算模块包括以下子模块：

关联度系数计算模块，用于根据下式计算关联度系数ε_ij：

式中，u_j为二级指标参考值，d_ij为二级指标实际值，ρ为分辨系数，

为绝对最大值，

为绝对最小值；

灰色关联度计算子模块，用于基于各指标的关联度系数，结合二级指标的组合权重W＝[ω₁,ω₂,...,ω_m]，根据下式计算得到相对应的一级指标的灰色关联度g_i：

式中，ω_j为第j个二级指标的组合权重。

有益效果：本发明与现有技术相比，具有以下优点：

1、本发明采用组合赋权-灰关联对消纳制约因素进行量化评估，其中，基于层次分析法和熵值法的组合赋权法用于二级指标的量化评估，该组合赋权方法充分结合主客观权重，评估结果更加科学和准确，灰关联法用于一级指标的量化评估，由于一级指标范围太笼统，无法量化评估，故先对二级指标进行量化评估，再得到一级指标的排序，可以使评估的结果更加准确，为后续研究如何提高新能源的消纳能力打下坚实的基础；

2、本发明构建的多层次的新能源消纳制约因素综合评价指标体系，在电网运行实际经验及相关理论研究成果的基础上，综合考虑了制约新能源消纳的主要因素，明确不同层次的指标划分。

附图说明

图1是一种基于组合赋权-灰关联的新能源消纳制约因素评估方法的流程图；

图2是新能源消纳制约因素综合评价指标体系的示意图。

具体实施方式

下面结合附图和实施例进一步阐述本发明。

如图1所示的一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，具体包括以下步骤：

步骤1：分层建立新能源消纳制约因素综合评价指标体系，该评价指标包括4类一级指标和8个二级指标。现对该步骤1做进一步说明：

根据电网运行实际经验及相关理论研究成果，制约新能源消纳能力的主要因素有网架输送能力、新能源渗透率、电网调节能力和负荷特性等。应用分层分类建立指标体系的思想，从电源、网架、负荷和调峰四个维度构建新能源消纳制约因素综合评价指标体系，其中，电源、网架、负荷和调峰为一级指标。结合大规模新能源并网的影响和工程实际情况，选取出力波动率、出力同时率、线路重载率、主变重载率、N-1通过率、电压合格率、负荷率、峰谷差率这8个指标作为二级指标，与一级指标互相对应。

现结合图2所示的评价指标体系框图对上述指出的4类一级指标和8个二级指标进行说明。1、电源指标：针对新能源出力的时空特性，提出了出力波动率和出力同时率两个指标，其中出力波动率反映了时间尺度上的出力变化规律，出力同时率反映空间尺度上的出力特性。

(1)出力波动率：

出力波动率指标是在单步变化量ΔP＝P[(i+1)·ΔT]-P(i·ΔT)和单步变化率k＝ΔP/P_N基础上的定义，选取新能源出力的一个典型日分为n个时间间隔统计出力，计算公式为：

式中：ΔT为基准时间间隔；i表示该时刻对应的基准时间间隔数；P(i·ΔT)表示新能源发电前一时刻的实际出力；P[(i+1)·ΔT]表示新能源发电后一时刻的实际出力；P_N表示新能源发电的额定功率。

(2)出力同时率：

出力同时率是指各风场和光伏电站发电同时达到最高的机率，为日最高发电出力与当日新能源并网机组总容量之比。公式为：

式中，P_∑为分布式电源的总出力；∑P_N为所有分布式电源装机(并网)容量的总和。

同时率反映了各分布式电源发电同时达到最高的机率，同时率越高，那么限制新能源发电出力的情况将会越多，一般在70％以下，多应用于一定时间尺度下的空间相关性分析、电网规划中电力平衡以及电源接人***研究等方面。

2、网架指标：主要体现电网的供电能力，是衡量电网结构是否合理、输配电传送能力是否匹配的重要指标。风电的大规模接入可能造成网架中节点电压过低和线路过载等问题。

(1)线路重载率：

重载线路一般是送电瓶颈，重载线路所在处限制电网的输送功率，同时对附近节点的电压有较大影响，是电网充裕性最主要的评价指标之一。规定达到输电线路额定输送容量80％以上的线路为重载线路。

式中，m为重载线路条数，n为所有的总线条数。

(2)变电站主变重载率：

变压器是联系各电压等级线路的重要设备，其负载率能够反映相关地区的负荷情况(负荷密度、分布特性等)。

式中：P_Ti、S_Ti分别为变压器i的最大负荷和额定容量。

负载率在一定正常范围的变压器属于正常运行的变压器，对于不同电压等级的变压器而言，其评判标准有所差异，具体如下：

220kV及以上变电站：负载率≥70％，称为重载；

110kV变电站：负载率≥80％，称为重载。

变电站主变重载率C₄的计算公式与线路重载率相同。

(3)线路N-1通过率：

线路N-1通过率指标用来考察并网形式，新能源接入的单辐射线路越多，对线路N-1校验贡献率就越大。指标计算公式为

式中：N_DG表示新能源接入提高了线路联络率的线路数量，N表示电网中已经通过N-1校验的线路，N_all表示电网中运行的所有线路。

(4)电压合格率：

为风力发电投产后，对接入点添加了相应的无功补偿后的电压水平。以不越限节点数量N₁与选用的总节点数量N₀的比值作为指标值：

选用的电压波动范围为≤±5％，超过该范围即为电压越限。

3、负荷指标：负荷状况可以反映出负荷在全电网的分布情况，是电网安全运行分析的极为重要的一个方面，同时还是经济性运行需要考虑的一个方面。

选用负荷率作为负荷指标，负荷率为电网平均负荷与最大负荷的比值。从电网安全运行的角度来分析，负荷率比值越接近1，表明电网负荷峰谷值越接近。

式中：P_P为一定时间内全网平均负荷；P_MAX为一定时间内全网最大负荷。

4、调峰指标：在新能源大量并网的条件下，电力***必须具备足够的调峰能力，才能平抑新能源机组的出力波动，保障电网及新能源电厂的可靠运行。

选用峰谷差率作为调峰指标，峰谷差是指一段时间内电力***最大负荷与最小负荷之间的差值，峰谷差率为峰谷差与最大负荷的比值。选取一典型日进行研究，计算公式为：

式中：P_max为一定时间内全网最大负荷，P_min为一定时间内全网最小负荷。峰谷差率的突出问题就是电网调峰负荷不足，致使电网低谷负荷与高峰负荷差距大，通过该指标可以反映电网调峰的能力。

步骤2：获取不同方案下的二级指标数值，得到数据样本，数据样本C_ij是由i种方案下j个二级指标原始数据组成的矩阵，对数据样本进行趋同化处理。

由于指标属性之间存在差异，将评价指标按照其对于决策目标的作用单调性分类，共有三种类型：效益型(越大越好型)指标、成本型(越小越好型)指标和固定型(越靠近某个固定值越好型)指标。不同指标的单位不一致，量纲也各不相同，因此需要对基础指标数据进行趋同化处理。通常用向量归一化、线性比例变换和极差变换这几种方法。

在步骤1所建立的综合评价指标体系中，N-1通过率和电压合格率为效益型指标，其余均为成本型指标。考虑到步骤1所建立的指标体系的具体情况，先对所有指标进行正向处理，即效益型指标数值不变，成本型指标变为由1减去原来的数值，然后再进行极差变换。现以对出力波动率(成本型指标)和N-1通过率指标(效益型指标)为例，说明极差变换，变换公式参见式(9)：

式中，C₁(i)和C₅(i)是第i种方案下出力波动率和N-1通过率的指标数值，maxC和minC是i种方案下指标的最大值和最小值，

和

是经过趋同化处理后的第i种方案的出力波动率和N-1通过率。

步骤3：采用层次分析法和熵值法结合的组合赋权法对二级指标进行量化评估，得到组合权重。

指标体系建立之后，则要考虑各级指标的赋权问题。由于一级指标范围太笼统，无法量化评估，故先对二级指标进行量化评估，再得到一级指标的排序。

对步骤2中趋同化处理后的数据样本，采用层次分析法(AHP)和熵值法结合的组合赋权法进行评估，该组合赋权方法能够充分结合主客观权重，在借鉴专家知识和经验的同时，分析指标数据之间的内在联系，有助于新能源消纳评价指标权重选取更加科学和准确。

上述提及的层次分析法是将与决策有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的决策方法。该方法具有***、灵活、简洁的优点，大体上可按如下四个步骤进行：

①建立递阶层次结构模型；

②构造出各层次中的所有判断矩阵；

引用数字1-9及其倒数作为标度来定义判断矩阵A＝(a_ij)_nxn。

③层次单排序及一致性检验：

计算一致性指标：

其中，λ_max为判断矩阵的最大特征值。

指标个数n＝8，平均随机一致性指标RI＝1.41。

计算一致性比例：

当CR≤0.1时，则认为判断矩阵的一致性是可以接受的；当CR≥0.1时，需要对判断矩阵作适当调整，使其具有满意的一致性。

④层次总排序及一致性检验：

采用几何平均法(方根法)计算权重，最终得到各因素的排序权重，从而进行方案选择。

计算步骤：①A的元素按行相乘得一新向量；②将新向量的每个分量开n次方；③将所得向量归一化即为权重向量。

上述提及的熵值法是一种客观设定指标权重的方法。熵的概念最初来自于热力学第二定律，用以描述某个数据的离散程度，熵越大，离散程度就越大；熵越小，离散程度就越小。利用熵值法对指标进行判断时，主要根据在整个评估体制中指标的熵值提供的信息量值来决定的。该方法可以使得评价结果更加符合实际情况，有效避免人为的干扰因素。计算步骤如下：

①计算出第k项指标下的第j个待评价的方案指标值f_kj的比重p_kj：

②计算***中第k项指标的信息熵值e_k：

式中，常数k(k＞0)和此***中的样本数(方案数)m是有关系的。在一个信息是完全无序的***中，他的有序度为0，但是其熵值是最大的，e＝1；但是，如果有m个样本都处于完全无序的分布状态时，可知p_jk＝1/m，由式(14)可得：

于是知k＝1/lnm，且0≤e_k≤1。

③计算***中的第k项指标下的差异性的系数g_k：

g_k＝1-e_k (16)

信息熵e_k是用来度量***中的第k项指标值效用价值的，所以如果它是毫无顺序时，e_k＝1，这个时候e_k的信息对整个综合评价***的效用值是0。g_k越大，指标就越重要。

④定义权值w_k：

用信息熵法来计算各个指标的权值，它的本质就是利用这个指标的信息价值系数进行计算的，当价值系数越高时，对于该评价的重要性就越高，于是***中的第k项指标的权值为：

现对层次分析法(AHP)和熵值法结合的组合赋权法进行说明。

假设采用层次分析法(AHP)计算理论所得到的权值向量为

采用熵值法所得到的权值向量

一般采用线性加权组合法来确定评价指标的权重，那么综合两种方法所得的组合权重向量为：

式中，δ和1-δ为各评价指标主、客观权重的偏好系数。取主观权重的系数为0.8，则客观权重的系数为0.2。该组合赋权方法能够充分结合主客观权重，在借鉴专家知识和经验的同时，分析指标数据之间的内在联系，有助于新能源消纳评价指标权重选取更加科学和准确。

步骤4：根据二级指标权重，采用灰色关联度法对评价指标体系进行评估，得到一级指标的影响程度排序。

根据步骤3得到的二级指标权重，再结合每个具体指标的计算值(通过比较已有数据与参考样本得到它们之间的距离差，即关联系数)，采用灰色关联度法对评价指标体系进行分析(灰色关联度＝指标权重*关联系数)，从电源、网架、负荷和调峰四个维度判断其影响程度，关联度越高则指标的影响程度越大。

上述提及到的灰色关联度法是灰色***理论在多属性决策方面的应用，根据因素间发展态势的相似或相异程度来衡量因素间关联的程度，实现对***动态发展过程的量化分析，本质上是一种几何处理。具体通过对实际数列曲线和目标数列曲线的几何形状进行相似程度的判断，来确定二者之间的关联程度，若目标序列为理想最优序列，关联度即表示实际方案与最优方案的接近程度，即关联度越大，方案越接近最优方案，反之亦然。灰色关联度分析的基本步骤如下：

①确定决策矩阵R：

决策矩阵R＝{U；D}，其中U是决策矩阵的参考数列，由各指标的最优值构成，U＝{u₁,u₂,...,u_n}，u_n表示第n个指标的最优值，可以是公认最优值，也可以是计算最优值；D表示标准化后的指标集合，D＝(d₁,d₂,...,d_n),d_n表示第n个指标，构成决策矩阵的比较数列集，决策矩阵R具体表达式为：

②计算关联系数：

关联度系数ε_ij是表示第i条比较数列曲线与参考数列曲线在第j个点，即第j个指标处的相对差值，关联系数的表达式如下：

式中，u_j为二级指标参考值；d_ij为二级指标实际值；ρ为分辨系数，一般取ρ＝0.5；

为绝对最大值；

为绝对最小值。

③确定方案的灰色关联度：

基于各指标的关联度系数，结合指标权重W＝[ω₁,ω₂,...,ω_m]，便可求得方案整体与最优方案集的灰色关联度g_i：

式中，当ω_j为第j个指标的权重，通过比较各方案的灰色关联度对方案进行排序，显然，灰色关联度高的方案越接近最优方案，反之亦然，即通过比较一级指标的灰色关联度，对指标进行排序，得到一级指标的影响程度排序。

本发明考虑了大规模新能源并网***的运行特点，分析不同消纳制约因素的性质及不同制约因素间的关系，建立了完善的综合评估指标体系，更加全面地反映了消纳制约因素的各方面特性。同时采用了层次分析法和熵权法相结合的组合赋权方法，充分结合主客观权重，在借鉴专家知识和经验的同时，分析指标数据之间的内在联系，有助于新能源消纳评价指标权重选取更加科学和准确。现采用某地区电网作为算例样本，以2021-2023年夏季和冬季高峰运行方式下的6组负荷潮流为基础，对本发明的评估方法做进一步说明。

数据样本为：

根据工程实际和专家意见，层次分析法的判断矩阵为：

一致性比例CR＝0.032509＜0.1，判断矩阵的一致性合格。

采用组合赋权法计算得到二级指标的组合权重：

w＝(0.0495,0.0783,0.0933,0.1041,0.1738,0.0432,0.3007,0.1572)^T

对二级指标权重进行排序，指标的重要性排序为：负荷率>N-1通过率>峰谷差率>主变重载率>线路重载率>出力同时率>出力波动率>电压合格率。

采用灰色关联度对指标体系进行分析，得到2021-2023年制约该地区新能源消纳的最主要因素是网架，占比达43％。其次是负荷、调峰和电源，分别占29％、15％和13％。

一二级指标的排序显示，新能源接入地区的电网主变、线路通道潮流输送能力等安全约束是制约新能源消纳的最主要因素，新能源主要送出通道(如过江通道)还需进一步加强；***负荷规模大小，是影响新能源的接纳能力的第二大因素，负荷水平越大，新能源就地消纳越多，全网新能源可接入容量就越大；新能源反调峰特性削弱了***调峰能力，大量新能源接入后，增大了电网峰谷差，调峰矛盾更加凸出，电网调峰成为制约新能源接入的第三大因素；新能源自身并网特性是影响其接入的另一因素，其波动性和同时率越大，电网接纳新能源的能力就越小。

本发明还提出了一种基于组合赋权-灰关联的新能源消纳制约因素评估***，包括：

评价指标体系建立模块，用于分层建立新能源消纳制约因素综合评价指标体系，该评价指标体系包括一级指标以及与一级指标相对应的二级指标；

组合赋权计算模块，用于采用组合赋权法对二级指标进行量化评估，得到各二级指标的组合权重；

灰色关联度计算模块，用于基于二级指标的组合权重，采用灰色关联度法对建立的评价指标体系进行评估，得到一级指标的影响程度。

本发明的评价指标体系建立模块包括以下子模块：

分类模块，用于将二级指标按照其对于决策目标的作用单调性进行分类，其中，效益型指标包括N-1通过率和电压合格率，成本型指标包括出力波动率、出力同时率、线路重载率、变电站主变重载率、负荷率和峰谷差率；

正向处理模块，用于将所有二级指标进行正向处理，包括将所有成本型指标变为1减去原来的数值，所有效益型指标数值不变；

极差变换模块，用于将经过正向处理后的所有二级指标进行极差变换，得到新能源消纳制约因素综合评价指标体系。

本发明的组合赋权计算模块包括以下子模块：

层次分析评估模块，用于采用层次分析法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量为

熵值评估模块，用于采用熵值法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量

组合权重计算模块，用于采用线性加权组合法，将权值向量为

和权值向量

进行组合，得到组合权重向量。

本发明的灰色关联度计算模块包括以下子模块：

关联度系数计算模块，用于根据下式计算关联度系数ε_ij：

式中，u_j为二级指标参考值，d_ij为二级指标实际值，ρ为分辨系数，

为绝对最大值，

为绝对最小值；

灰色关联度计算子模块，用于基于各指标的关联度系数，结合二级指标的组合权重W＝[ω₁,ω₂,...,ω_m]，根据下式计算得到相对应的一级指标的灰色关联度g_i：

式中，ω_j为第j个二级指标的组合权重。

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。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，其特征在于：包括以下步骤：

步骤1：分层建立新能源消纳制约因素综合评价指标体系，该评价指标体系包括一级指标以及与一级指标相对应的二级指标；

步骤2：采用组合赋权法对二级指标进行量化评估，得到各二级指标的组合权重；

步骤3：基于步骤2得到的二级指标的组合权重，采用灰色关联度法对步骤1建立的评价指标体系进行评估，得到一级指标的影响程度。

2.根据权利要求1所述的一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，其特征在于：所述步骤1具体包括：

以电源指标、网架指标、负荷指标和调峰指标作为一级指标，与所述电源指标对应的二级指标包括：出力波动率和出力同时率；与所述网架指标对应的二级指标包括：线路重载率、变电站主变重载率、线路N-1通过率和电压合格率；与所述负荷指标对应的二级指标包括：负荷率；与所述调峰指标对应的二级指标包括：峰谷差率；

通过获取不同运行方案下的二级指标数值，对二级指标数值进行趋同化处理，建立得到新能源消纳制约因素综合评价指标体系。

3.根据权利要求2所述的一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，其特征在于：所述的对二级指标数值进行趋同化处理，具体包括：

将二级指标按照其对于决策目标的作用单调性进行分类，其中，效益型指标包括N-1通过率和电压合格率，成本型指标包括出力波动率、出力同时率、线路重载率、变电站主变重载率、负荷率和峰谷差率；

将所有二级指标进行正向处理，包括将所有成本型指标变为1减去原来的数值，所有效益型指标数值不变；

将经过正向处理后的所有二级指标进行极差变换，得到新能源消纳制约因素综合评价指标体系。

4.根据权利要求1所述的一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，其特征在于：所述组合赋权法为层次分析法和熵值法结合的组合赋权法。

5.根据权利要求3所述的一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，其特征在于：所述步骤2具体包括：

采用层次分析法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量为

采用熵值法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量

采用线性加权组合法，将权值向量为

和权值向量

进行组合，得到组合权重向量：

式中，δ和1-δ分别为各二级指标主、客观权重的偏好系数。

6.根据权利要求1所述的一种基于组合赋权-灰关联的新能源消纳制约因素评估方法，其特征在于：所述步骤3具体包括：

根据下式计算关联度系数ε_ij：

式中，u_j为二级指标参考值，d_ij为二级指标实际值，ρ为分辨系数，

为绝对最大值，

为绝对最小值；

基于各指标的关联度系数，结合二级指标的组合权重W＝[ω₁,ω₂,...,ω_m]，根据下式计算得到相对应的一级指标的灰色关联度g_i：

式中，ω_j为第j个二级指标的组合权重；

基于各一级指标的灰色关联度，得到一级指标的影响程度，灰色关联度越高则一级指标的影响程度越大。

7.一种基于组合赋权-灰关联的新能源消纳制约因素评估***，其特征在于：包括：

评价指标体系建立模块，用于分层建立新能源消纳制约因素综合评价指标体系，该评价指标体系包括一级指标以及与一级指标相对应的二级指标；

组合赋权计算模块，用于采用组合赋权法对二级指标进行量化评估，得到各二级指标的组合权重；

灰色关联度计算模块，用于基于二级指标的组合权重，采用灰色关联度法对建立的评价指标体系进行评估，得到一级指标的影响程度。

8.根据权利要求7所述的一种基于组合赋权-灰关联的新能源消纳制约因素评估***，其特征在于：所述评价指标体系建立模块包括以下子模块：

分类模块，用于将二级指标按照其对于决策目标的作用单调性进行分类，其中，效益型指标包括N-1通过率和电压合格率，成本型指标包括出力波动率、出力同时率、线路重载率、变电站主变重载率、负荷率和峰谷差率；

正向处理模块，用于将所有二级指标进行正向处理，包括将所有成本型指标变为1减去原来的数值，所有效益型指标数值不变；

极差变换模块，用于将经过正向处理后的所有二级指标进行极差变换，得到新能源消纳制约因素综合评价指标体系。

9.根据权利要求7所述的一种基于组合赋权-灰关联的新能源消纳制约因素评估***，其特征在于：所述组合赋权计算模块包括以下子模块：

层次分析评估模块，用于采用层次分析法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量为

熵值评估模块，用于采用熵值法对经趋同化处理后的二级指标数值进行评估，得到各二级指标的权值向量

组合权重计算模块，用于采用线性加权组合法，将权值向量为

和权值向量

进行组合，得到组合权重向量。

10.根据权利要求7一种基于组合赋权-灰关联的新能源消纳制约因素评估***，其特征在于：所述灰色关联度计算模块包括以下子模块：

关联度系数计算模块，用于根据下式计算关联度系数ε_ij：

式中，u_j为二级指标参考值，d_ij为二级指标实际值，ρ为分辨系数，

为绝对最小值；

灰色关联度计算子模块，用于基于各指标的关联度系数，结合二级指标的组合权重W＝[ω₁,ω₂,...,ω_m]，根据下式计算得到相对应的一级指标的灰色关联度g_i：

式中，ω_j为第j个二级指标的组合权重。

Images