CN114493157A - 一种适用分散光伏用户的电能质量评估方法 - Google Patents

一种适用分散光伏用户的电能质量评估方法 Download PDF

Info

Publication number
CN114493157A
CN114493157A CN202111657982.8A CN202111657982A CN114493157A CN 114493157 A CN114493157 A CN 114493157A CN 202111657982 A CN202111657982 A CN 202111657982A CN 114493157 A CN114493157 A CN 114493157A
Authority
CN
China
Prior art keywords
evaluation
weight
power quality
electric energy
matrix
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
Application number
CN202111657982.8A
Other languages
English (en)
Inventor
李国欣
李�杰
李林运
王楠
潘世瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202111657982.8A priority Critical patent/CN114493157A/zh
Publication of CN114493157A publication Critical patent/CN114493157A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06395—Quality analysis or management
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种适用分散光伏用户的电能质量评估方法，根据光伏并网出力的特点分为6个影响指标，采用改进的层次分析法，在减少主观评判误差的前提下，得出影响指标的权重；将影响指标根据国标限值进行等级划分，考虑主客观评价方法对评估结果的不同影响，为了更为全面对光伏并网的电能质量进行评估，分别构建优劣解距离法、客观熵权法、模糊评价法模型，得出AHP‑TOPSIS、AHP‑EWM、AHP‑FCE三组评价指标等级权重结果；采用优化系数法对三组评价结果进行优化组合，得出最后的评价结果。根据该结果制定打分策略，方便非专业的光伏用户直观了解光伏并网的电能质量情况。

Description

一种适用分散光伏用户的电能质量评估方法
技术领域
本发明涉及电力***分析领域，特别是涉及一种适用分散式光伏用户的电能质量评估方法。
背景技术
传统的电能质量评估方法只是单纯的将测试数据与相应的国家标准进行比较，然后给出评估结果是否合格，没有考虑到影响电能质量因素的内在关系，只是简单的将每个影响因素分开与国标进行对比，缺乏整体性与统一性。近几年，随着光伏接入***的大幅增加，光伏出力特性对电能质量的影响越加的重要，因此，将光伏并网考虑在电能质量的评估当中，也是十分重要的。 本方法针对的对象主要是非专业的电力用户，他们对复杂的国标难以理解，本方法正是以国标为参考依据，赋予各项指标以合适的权重，将复杂的国标简单化，将多项的指标进行一系列的评价，最后给出相应的电能质量评估等级和分数。
发明内容
为了解决现有评价技术过于单一以及非专业的光伏用户对电能质量国标数据不熟悉的情况，本发明的目的在于提出一种适用分散光伏用户的电能质量评估方法，将复杂的国标数据运用到具体的评价方法中，给各项指标赋予合适的权重，得出最终简单明了的评价结果。
具体的，本发明的目的的技术解决方案为：一种适用分散光伏用户的电能质量评估方法，包括以下步骤。
步骤1、根据光伏并网和出力的特点，将影响光伏用户的电能质量具体分为电压总畸变度、谐波电压含有率、电压偏差、谐波电流含有率、频率偏差、出力波动性6个电能影响指标。
步骤2、为了减少主观评判误差，采用改进的层次分析法对6个电能影响指标进行综合评判，得到电能影响指标的权重。
步骤3、根据国标数值，对6个因素进行界定等级的划分，依据划分的数据，采用优劣解距离法建立标准化评价矩阵，结合步骤2中层次分析法所得到权重系数，得到电能影响指标的评价权重（AHP-TOPSIS）。
步骤4、由步骤3优劣距离法得到的标准化矩阵，采用客观评价熵权法，结合步骤2中层次分析法所得到权重系数，得到电能影响指标的评价权重(AHP-EWM)。
步骤5、由步骤3根据国标所划分的数据，采用模糊评价法建立相应的评价矩阵，结合步骤2中层次分析法所得到权重系数，得到电能影响指标的评价权重(AHP-FCE)。
步骤6、由步骤3、步骤4和步骤5所得到的3组不同的电能影响指标的评价权重，根据评价方法的主客观性，采用优化系数的权重组合策略，得出最终评价结果。
步骤7、制定打分策略，对步骤6的评价结果进行计算，得出最后相应的分数等级。
可选的，步骤1中，将影响光伏并网的电能指标分为电压总畸变度、谐波电压含有率、电压偏差、谐波电流含有率、频率偏差、出力稳定性。
可选的，步骤2中，为了减小层次分析法主观赋权对评价结果的影响，将传统判断矩阵采用的九标度法改进成三标度法。
在进行两两因素比较以后，为了进一步区分不同指标对电能质量的影响情况，需要计算不同影响指标重要性排序指数ri，
Figure 626684DEST_PATH_IMAGE001
，即ri为矩阵A中第i行元素之和，取rmax=max{ri},rmin=min{ri}；在得到排序性指数后，通过与最大、最小值之间的比较来构造判断矩阵B,接着求出优化矩阵C和拟优一致矩阵D，求D最大特征值以及其对应的特征向量，并进行归一化处理，得出改进层次分析法下的电能影响指标的权重。
可选的，步骤3中，依据国标值对6个电能影响指标进行等级划分，划分为优秀、良好、中等、合格、不合格5个等级，每两个等级间的间隔为x/4，其中x为国标规定的合格限值。
根据确定好的6个电能指标评价对象和5个评价等级，运用优劣解距离法构成正向化矩阵统一数据矩阵中的指标类型，再对正向化的矩阵进行标准化处理以消除各种指标量纲的影响。
在建立的标准化矩阵中，分别计算电能质量影响因素与最优方案和最劣方案间的距离，以此作为评价优劣的依据。
第j个评价等级与加权最大值的距离:
Figure 347253DEST_PATH_IMAGE002
。
第j个评价等级与加权最小值的距离:
Figure 759780DEST_PATH_IMAGE003
。
在计算出第j个评价等级的最大、最小值后，对5个电能质量评价等级进行归一化评分：依次按照上述公式计算5个电能质量评价等级的权重，以此来作为AHP-TOPSIS评价方法最后得到的评价结果。
可选的，步骤4中，根据具体划分不同等级的国标值数据，采用客观熵权法对数据进行分析，在步骤三得到标准化矩阵Z的基础上，计算加权概率矩阵P，其中的每一个元素为：
Figure 725462DEST_PATH_IMAGE004
。
式中的ωi为步骤2中采用层次分析法确定的6个评价对象的权重值。
计算6个电能质量因素的信息熵，信息熵越大，表明这个影响因素的指标信息越少。
将求出的信息熵转化为信息效用值（信息熵+信息效用值=1），将信息效用值进行归一化，得到每个指标的熵权值，以此来作为AHP-EWM评价方法最后得到的评价结果。
可选的，步骤5中，由步骤3根据国标所划分的数据，采用模糊评价法建立相应的评价矩阵，将所确定的6个电能质量影响因素组成模糊评价法的集合A；5个相应的等级标准｛优秀、良好、中等、合格、不合格｝为等级指标集合B；然后建立电能质量指标各质量等级的隶属度函数。考虑到所评价的电能质量指标都为偏小型指标，所以采用梯形型的隶属函数来进行评判矩阵的建立。
将每个不同的电能质量测量数值带入相应的隶属度函数，得到关于6项电能质量指标的模糊数学评价矩阵M=(mij)6×5 。
将模糊评价矩阵M与层次分析法得到的6个电能质量指标的权向量
ωi(i=1,2,3,4,5,6)相结合，得到最终的AHP-FCE电能质量综合评价结果对不同质量等级（B1~B5）的隶属度权重。
可选的，步骤6中，将由AHP-TOPSIS、AHP-EWM、AHP-FCE三种评估方法确定的不同质量等级的（B1~B5）的权重进行组合，采用优化系数的权重组合方法对h种评估方法的n项质量等级的电能质量综合评估：
Figure 907045DEST_PATH_IMAGE005
。
式中，h为所有赋权法的总数，ωk是第k种方法确定的各指标权重向量，λk是第k种方法的各指标权重系数。
考虑误差最小的情况下，为使组合权重ω与与原权重ωk之间的离差最小，从而得到优化的权重系数λ，
Figure 34401DEST_PATH_IMAGE006
。
将得到的优化权重系数进行归一化处理，得到λ*，代入组合公式，即可得到组合权重ω*=[ω1,ω2,...ωn] 。
可选的，步骤7中，由步骤6得到的5个电能质量评价等级的权重，根据最大权重数值可以判断出此次电能质量测试处于哪一种等级状态，当不合格的权重最大时，直接判定此次测试数据不合格，不予判分；当合格指标的权重最大时，打分的原则为基础分加上权重分：score=60+10*ω4，式中ω为最大权重的数值，当中等、良好、优秀的权重最大时，基础分依次为70分、80、90分，权重分为10*ωi，二者相加即为电能质量评价的总分数。
本发明与现有技术相比，其显著优点在于：1）运用改进的层次分析法，在不需要检验的基础上减少了因主观赋权而产生的误差；2）将层次分析法产生的权重与3种评价方法相结合，评价方法包含主观赋权法和客观赋权法，避免了单一评价方法产生的偶然性；3)采用带有权重系数的优化系数法求取组合权重，克服以往加法、乘法组合赋权具有偶然性、误差大的缺陷；4）本评价方法的对象为非专业的光伏用户，将复杂的国标数据融入到具体的评价方法中，最后得出一个简单直观的评价结果，方便用户了解光伏并网的电能质量情况。
附图说明
图1为本发明光伏并网的电能质量评估方法的流程图。
图2为影响光伏并网的6个电能质量指标。
具体实施例
为了使本论文的结构和优点更加清楚明了，下面结合附图和具体的实施例，进一步说明本发明方案。
如图1所示，一种适用分散光伏用户的电能质量评估方法，具体包含以下步骤。
步骤1、根据光伏并网和出力的特点，将影响光伏用户的电能质量具体分为电压总畸变度、谐波电压含有率、电压偏差、谐波电流含有率、频率偏差、出力波动性6个电能影响指标。
步骤2、利用改进的层次分析法对6个影响的电能质量指标赋予权重，建立评价矩阵如下表所示，为了减少主观赋权时的误差，区别通用的1~9尺度，此处采用1~3的比较尺度，两两指标之间进行比较，得出评价矩阵，结合表1构建评价矩阵：
重要程度 具体含义
3 表示指标i与指标j相比强烈重要
2 表示指标i与指标j相比更加重要
1 表示指标i与指标j相比稍微重要
对于不同的电能质量指标的重要程度区分是一个比较模糊的事情，由于不同的用户对电能质量的要求不同，那么对电能质量的关注指标也不同，故对最终评价结果的要求也不同。因此需要对各个指标的重要性进行排序，来构造评价矩阵B。
Figure 934224DEST_PATH_IMAGE007
。
其中ri为矩阵A中第i行元素之和，取rmax=max{ri},rmin=min{ri}；在求出评价矩阵B后，再求出优化矩阵C：
Figure 438017DEST_PATH_IMAGE008
。
根据求出来的优化矩阵来求出判断矩阵B的拟优一致矩阵D： dij=ecij。
求D最大特征值对应的特征向量并进行归一化处理，得出电能影响指标的权重。
步骤3、依据国标值对6个电能影响指标进行等级划分，划分为优秀、良好、中等、合格、不合格5个等级，以不合格临界值作为国标限值的最大值，并且每两个等级间的间隔为x/4，其中x为国标规定的合格限值。
优秀 良好 中等 合格 不合格
电压总畸变度（%） 0-1 1-2 2-3 3-4 ≥4
谐波电压含有率（%） 0-0.8 0.8-1.6 1.6-2.4 2.4-3.2 ≥3.2
电压偏差（%） 0-1.75 1.75-3.5 3.5-5.25 5.25-7 ≥7
谐波电流含有率（%） 0-2.68 2.68-5.35 5.35-8.03 8.03-10.7 ≥10.7
频率偏差 0-0.05 0.05-0.1 0.1-0.15 0.15-0.2 ≥0.2
出力波动（%） 0-0.1 0.1-0.2 0.2-0.3 0.3-0.4 ≥0.4
根据确定好的6个电能指标评价对象和5个评价等级，运用优劣解距离法构成正向化矩阵，统一数据矩阵中的指标类型。
所有的指标正向化处理后，需要消除指标量纲的影响，所以对得到的正向化矩阵进行标准化处理。具体表达式：
Figure 739686DEST_PATH_IMAGE009
。
建立的标准化矩阵中，结合层次分析法所确定的权重值分别计算电能质量影响因素与最优方案和最劣方案间的距离，以此作为评价优劣的依据。
第j个评价等级与加权最大值的距离:
Figure 536478DEST_PATH_IMAGE002
。
第j个评价等级与加权最小值的距离:
Figure 923597DEST_PATH_IMAGE003
。
式中的ωi为步骤2中采用层次分析法确定的6个评价对象的权重值。
在计算出第j个评价等级的最大、最小值后，对5个电能质量评价等级进行归一化评分：
Figure 231082DEST_PATH_IMAGE010
。
依次按照上述公式计算5个电能质量评价等级的权重，以此来作为AHP-TOPSIS评价方法最后得到的评价结果。
步骤4、根据具体划分不同等级的国标值数据，采用客观熵权法对数据进行分析，当指标的变异程度越小，所反映的信息量也就越少，其对应的权值也应该越低。
对确定好的6个电能指标评价对象和5个评价等级构成标准化化矩阵，计算加权概率矩阵P，其中的每一个元素为：
Figure 59360DEST_PATH_IMAGE011
。
式中的ωi为步骤2中采用层次分析法确定的6个评价对象的权重值。
计算5个电能质量评价等级的信息熵，信息熵的计算公式为：
Figure 856415DEST_PATH_IMAGE012
。
信息熵越大，表明这个影响因素的指标信息越少，因此用信息效用值来表示第i个影响因素的信息量，信息效用值越大，其对应的信息就越多，其中i为电能质量指标的个数，n为电能质量指标的等级数：dj=1-ej 。
将信息效用值进行归一化，得到每个指标的熵权值，以此来作为AHP-EWM评价方法最后得到的评价结果。
步骤5中，针对电能质量的评估具有模糊性，各个电能影响指标间的定量整合描述很困难，因此采用一种模糊评价理论对解决电能质量评估问题非常有效。
由步骤3根据国标所划分的数据，采用模糊评价法建立相应的评价矩阵，将所确定的6个电能质量影响因素组成模糊评价法的集合A；5个相应的等级标准｛优秀、良好、中等、合格、不合格｝为等级指标集合B。
然后建立电能质量指标各质量等级的隶属度函数。考虑到所评价的电能质量指标都为偏小型指标，所以采用梯形型的隶属函数来进行评判矩阵的建立。
B1（优秀）隶属度函数为：
Figure 402934DEST_PATH_IMAGE013
。
B2（良好）隶属度函数为：
Figure 576427DEST_PATH_IMAGE014
。
B3（中等）隶属度函数为：
Figure 40904DEST_PATH_IMAGE015
。
B4（合格）隶属度函数为：
Figure 8860DEST_PATH_IMAGE016
。
B5（不合格）隶属度函数为：
Figure 42675DEST_PATH_IMAGE017
。
对于不同的电能质量影响指标，建立的隶属度函数中的a1~a5的值不同。为了更好的说明，以确定电压畸变度的隶属度为例。
根据查阅的国标数值，将5个不同等级隶属度函数中的a1~a5赋予相应的国标值，{a1=0,a2=1,a3=2,a4=3,a5=4},将测试的具体数据带入上述的5个隶属度函数中，即可评价矩阵中关于电压畸变度的数据。
依次的，将每个不同的电能质量测量数值带入相应的隶属度函数，得到关于6项电能质量指标的模糊数学评价矩阵M=(mij)6×5：
Figure 754279DEST_PATH_IMAGE018
。
将模糊评价矩阵M与层次分析法得到的6个电能质量指标的权向量
ωi(i=1,2,3,4,5,6)相结合，得到最终的AHP-FCE电能质量综合评价结果对不同质量等级（B1-B5）的隶属度权重。
步骤6中，为了减少评价过程中的误差，将由AHP-TOPSIS、AHP-EWM、AHP-FCE三种评估方法确定的不同质量等级的（B1-B5）的权重进行组合。
AHP-TOPSIS的权重系数：
Figure 557150DEST_PATH_IMAGE019
。
AHP-EWM的权重系数：
Figure 696008DEST_PATH_IMAGE020
。
AHP-FCE的权重系数：
Figure 217119DEST_PATH_IMAGE021
。
采用优化系数的权重组合方法对h种评估方法的n项质量等级的电能质量综合评估：
Figure 466835DEST_PATH_IMAGE022
。
式中，h为所有赋权法的总数，ωk是第k种方法确定的各指标权重向量，λk是第k种方法的各指标权重系数。
考虑误差最小的情况下，为使组合权重ω与与原权重ωk之间的离差最小，根据下列的计算公式，从而得到优化的权重系数λ：
Figure 888326DEST_PATH_IMAGE023
。
将得到的优化权重系数进行归一化处理，得到λ*，代入组合公式：
Figure 198085DEST_PATH_IMAGE024
，即可得到组合权重ω*=[ω1,ω2,...ωn]。
步骤7中，由步骤6得到的5个电能质量评价等级的权重，可以判断出此次电能质量测试处于哪一种等级状态，当不合格的权重最大时，直接判定此次测试数据不合格，不予判分；当合格指标的权重最大时，打分的原则为基础分加上权重分：
Figure 206492DEST_PATH_IMAGE025
。
式中ω为最大权重的数值，当中等、良好、优秀的权重最大时，基础分依次为70分、80、90分，总分计算方式如下。
中等：
Figure 259899DEST_PATH_IMAGE026
。
良好：
Figure 975045DEST_PATH_IMAGE027
。
优秀：
Figure 455705DEST_PATH_IMAGE028
。
本发明主要针对的目标用户为非专业的光伏并网用户，在不了解复杂国标数据的情况下，通过三种组合评判方法可以简单直观的了解光伏并网后的电能质量情况。三种评价方法包含主观赋权和客观赋权，这三种方法构成综合的权重系数，既减小了评价的误差，也使得评估结果更符合实际的用户情况。
以上所述仅为本发明的实施例，凡在本发明的精神和原则之内的任何修改、替换，都在本发明的保护范围之内。

Claims (8)

1.一种适用分散光伏用户的电能质量评估方法，其特征在于，包括以下步骤：
步骤1、根据光伏并网和出力的特点，将影响光伏用户的电能质量具体分为电压总畸变度、谐波电压含有率、电压偏差、谐波电流含有率、频率偏差、出力波动性6个电能影响指标；
步骤2、为了减少主观评判误差，采用改进的层次分析法对6个电能影响指标进行综合评判，得到电能影响指标的权重；
步骤3、根据国标数值，对6个因素进行界定等级的划分，依据划分的数据，采用优劣解距离法建立标准化评价矩阵，然后结合步骤2中层次分析法所得到权重系数，得到电能影响指标的评价权重（AHP-TOPSIS）；
步骤4、由步骤3优劣距离法得到的标准化矩阵，采用客观评价熵权法，结合步骤2中层次分析法所得到权重系数，得到电能影响指标的评价权重(AHP-EWM)；
步骤5、由步骤3根据国标所划分的数据，采用模糊评价法建立相应的评价矩阵，结合步骤2中层次分析法所得到权重系数，得到电能影响指标的评价权重(AHP-FCE)；
步骤6、由步骤3、步骤4和步骤5所得到的3组不同的电能影响指标的评价权重，根据评价方法的主客观性，采用优化系数的权重组合策略，得出最终评价结果；
步骤7、制定打分策略，对步骤6的评价结果进行计算，得出最后相应的分数等级。
2.根据权利要求1所述的一种适用分散光伏用户的电能质量评估方法，其特征在于，步骤1中，将影响光伏并网的电能指标分为电压总畸变度、谐波电压含有率、电压偏差、谐波电流含有率、频率偏差、出力稳定性。
3.根据权利要求1所述的一种适用分散光伏用户的电能质量评估方法，其特征在于，步骤2中，为了减小层次分析法主观赋权对评价结果的影响，将传统判断矩阵采用的九标度法改进成三标度法，这样使得容易对两两因素做出相对重要的比较，并且不需要进行一致性检验；在进行两两因素比较以后，为了进一步区分不同指标对电能质量的影响情况，需要计算不同影响指标重要性排序指数ri，
Figure DEST_PATH_IMAGE002
即ri为矩阵A中第i行元素之和，取rmax=max{ri},rmin=min{ri}；在得到排序性指数后，通过与最大、最小值之间的比较来构造判断矩阵B,接着求出优化矩阵C和拟优一致矩阵D，求D最大特征值以及其对应的特征向量，并进行归一化处理，得出改进层次分析法下的电能影响指标的权重。
4.根据权利要求1所述的一种适用分散光伏用户的电能质量评估方法，其特征在于，步骤3中，依据国标值对6个电能影响指标进行等级划分，划分为优秀、良好、中等、合格、不合格5个等级，每两个等级间的间隔为x/4，其中x为国标规定的合格限值；
步骤3.1、根据确定好的6个电能指标评价对象和5个评价等级，运用优劣解距离法构成正向化矩阵统一数据矩阵中的指标类型，再对正向化的矩阵进行标准化处理以消除各种指标量纲的影响；
步骤3.2、在建立的标准化矩阵中，分别计算电能质量影响因素与最优方案和最劣方案间的距离，以此作为评价优劣的依据；
第j个评价等级与加权最大值的距离:
Figure 136049DEST_PATH_IMAGE002
第j个评价等级与加权最小值的距离:
Figure 740074DEST_PATH_IMAGE003
式中的为步骤2中采用层次分析法确定的6个评价对象的权重值；
步骤3.3、在计算出第j个评价等级的最大、最小值后，对5个电能质量评价等级进行归一化评分，计算5个电能质量评价等级的权重，以此来作为AHP-TOPSIS评价方法最后得到的评价结果。
5.根据权利要求1所述的一种适用分散光伏用户的电能质量评估方法，其特征在于，步骤4中，根据具体划分不同等级的国标值数据，采用客观熵权法对数据进行分析，当指标的变异程度越小，所反映的信息量也就越少，其对应的权值也应该越低；
在步骤三得到标准化矩阵Z的基础上，计算加权概率矩阵P，其中的每一个元素为：
Figure 659489DEST_PATH_IMAGE004
式中的ωi为步骤2中采用层次分析法确定的6个评价对象的权重值；
计算6个电能质量因素的信息熵，信息熵越大，表明这个影响因素的指标信息越少，因此用信息效用值来表示第i个影响因素的信息量，信息效用值越大，其对应的信息就越多，其中i为电能质量指标的个数，j为电能质量指标的等级数；将求出的信息熵转化为信息效用值（信息熵+信息效用值=1），将信息效用值进行归一化，得到每个指标的熵权值，以此来作为AHP-EWM评价方法最后得到的评价结果。
6.根据权利要求1所述的一种适用分散光伏用户的电能质量评估方法，其特征在于，步骤5中，针对电能质量的评估具有模糊性，各个电能影响指标间的定量整合描述很困难，因此采用一种模糊评价理论对解决电能质量评估问题非常有效：
步骤5.1、由步骤3根据国标所划分的数据，采用模糊评价法建立相应的评价矩阵，将所确定的6个电能质量影响因素组成模糊评价法的集合A；5个相应的等级标准｛优秀、良好、中等、合格、不合格｝为等级指标集合B；然后建立电能质量指标各质量等级的隶属度函数，考虑到所评价的电能质量指标都为偏小型指标，所以采用梯形型的隶属函数来进行评判矩阵的建立；
对于不同的电能质量影响指标，建立的隶属度函数中的a1~a5的值不同，具体的评级标准的赋值在步骤3中已经介绍具体的实施方法；
步骤5.2、将每个不同的电能质量测量数值带入相应的隶属度函数，得到关于6项电能质量指标的模糊数学评价矩阵M=(mij)6×5；
步骤5.3、将模糊评价矩阵M与层次分析法得到的6个电能质量指标的权向量
ωi(i=1,2,3,4,5,6)相结合，得到最终的AHP-FCE电能质量综合评价结果对不同质量等级（B1~B5）的隶属度权重。
7.根据权利要求1所述的一种适用分散光伏用户的电能质量评估方法，其特征在于，步骤6中，为了减少评价过程中的误差，将由AHP-TOPSIS、AHP-EWM、AHP-FCE三种评估方法确定的不同质量等级的（B1~B5）的权重进行组合，
采用优化系数的权重组合方法对h种评估方法的质量等级的电能质量综合评估：
Figure 353775DEST_PATH_IMAGE005
式中，h为所有赋权法的总数，ωk是第k种方法确定的各指标权重向量，λk是第k种方法的各指标权重系数；
考虑误差最小的情况下，为使组合权重ω与与原权重ωk之间的离差最小，从而得到优化的权重系数λ，
Figure DEST_PATH_IMAGE004
将得到的优化权重系数进行归一化处理，得到λ*，代入组合公式，即可得到组合权重为：
ω*=[ω1,ω2,...ωn]。
8.根据权利要求1所述的一种适用分散光伏用户的电能质量评估方法，其特征在于，步骤7中，由步骤6得到的5个电能质量评价等级的权重，根据最大权重数值可以判断出此次电能质量测试处于哪一种等级状态，当不合格的权重最大时，直接判定此次测试数据不合格，不予判分；当合格指标的权重最大时，打分的原则为基础分加上权重分：
score=60+10*ω4，式中ω为最大权重的数值，当中等、良好、优秀的权重最大时，基础分依次为70分、80、90分，权重分为10*ωi，二者相加即为电能质量评价的总分数。
CN202111657982.8A 2021-12-31 2021-12-31 一种适用分散光伏用户的电能质量评估方法 Pending CN114493157A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111657982.8A CN114493157A (zh) 2021-12-31 2021-12-31 一种适用分散光伏用户的电能质量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111657982.8A CN114493157A (zh) 2021-12-31 2021-12-31 一种适用分散光伏用户的电能质量评估方法

Publications (1)

Publication Number Publication Date
CN114493157A true CN114493157A (zh) 2022-05-13

Family

ID=81507932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111657982.8A Pending CN114493157A (zh) 2021-12-31 2021-12-31 一种适用分散光伏用户的电能质量评估方法

Country Status (1)

Country Link
CN (1) CN114493157A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115941502A (zh) * 2022-11-24 2023-04-07 中国联合网络通信集团有限公司 一种网络运维能力的确定方法及装置
CN117633605A (zh) * 2024-01-25 2024-03-01 浙江鹏信信息科技股份有限公司 数据安全分类分级能力成熟度评估方法、***及可读介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115941502A (zh) * 2022-11-24 2023-04-07 中国联合网络通信集团有限公司 一种网络运维能力的确定方法及装置
CN117633605A (zh) * 2024-01-25 2024-03-01 浙江鹏信信息科技股份有限公司 数据安全分类分级能力成熟度评估方法、***及可读介质
CN117633605B (zh) * 2024-01-25 2024-04-12 浙江鹏信信息科技股份有限公司 数据安全分类分级能力成熟度评估方法、***及可读介质

Similar Documents

Publication Publication Date Title
CN106055918B (zh) 一种电力***负荷数据的辨识及修正方法
CN105930976B (zh) 基于加权理想点法的节点电压暂降严重程度综合评估方法
CN111950918B (zh) 一种基于电力交易数据的市场风险评估方法
CN114493157A (zh) 一种适用分散光伏用户的电能质量评估方法
WO2017008180A1 (zh) 一种光伏组件失效风险判别方法
CN111177650B (zh) 一种配电网电能质量监测与综合评估***及方法
CN107563601A (zh) 一种智能电能表运行状态评价方法
CN111949939B (zh) 基于改进topsis和聚类分析的智能电表运行状态评价方法
CN111598484A (zh) 一种风光储***电能质量综合评估方法
CN112926893A (zh) 基于模糊综合评判和层次分析的水平井调剖效果评价方法
CN112990627B (zh) 电能质量评估方法
CN112966972A (zh) 一种基于组合赋权topsis的线损数据处理方法、装置、介质
CN115511387A (zh) 基于多源信息融合的油浸变压器状态评估方法及***
CN115525976A (zh) 基于模糊层次分析方法的邮轮动力***可靠性分析方法
CN116341290B (zh) 一种长贮装备可靠性抽样检测方法
CN107644285A (zh) 售电市场盈利能力评估指标的筛选与权重确定方法及***
CN112926895A (zh) 一种光伏电站***综合能效评价方法
CN112766727A (zh) 一种高端敏感用户电压暂降严重度评价方法
CN111598456A (zh) 一种电子式互感器的状态评估方法
CN117195505A (zh) 一种用于电能表信息化评价校准模型的测评方法及***
CN116629632A (zh) 一种配电网电能质量综合评估方法、装置及存储介质
CN112561231B (zh) 一种开关柜质量判定方法及***
CN111062538B (zh) 空间负荷预测中确定元胞负荷合理最大值的ceemd方法
CN114971233A (zh) 一种基于ifahp-critic和topsis的电能质量综合评估方法和***
CN109871655B (zh) 一种基于模糊等级评价的器件级产品试验应力确定方法

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