基于AHP-PCA法的智能电网可持续发展综合评价方法技术

一种智能电网评估技术领域的基于AHP‑PCA法的智能电网可持续发展综合评价方法，在评价方法投入使用的前k个月，基于层次分析法进行对所有评价因素进行静态赋权，并根据智能电网的运行情况对各评价因素进行打分，构建AHP评价指数WAHP；评价方法运行k个月后，从第k+1个月开始基于主成分分析法对所有评价因素进行动态赋权，筛选出有效主成分，构建PCA评价指数WPCA，并与AHP评价指数WAHP进行结合，作为智能电网可持续发展评价指数WAHP。本发明专利技术通过将层次分析法与主成分分析法相结合，解决智能电网评估中主观差异带来的误差问题以及主成分空有信息量而无实际含义的问题，为智能电网的可持续发展提供有效的管理方案。

【技术实现步骤摘要】

本专利技术涉及的是一种智能电网评估领域的技术，具体是一种基于AHP(AnalyticHierarchyProcess，层次分析)法和PCA(PrincipalComponentAnalysis，主成分分析)法的智能电网可持续发展综合评价方法。
技术介绍
智能电网已成为未来几十年电力系统的发展趋势，其可持续发展能力是衡量电网建设发展程度的核心元素，因此智能电网可持续发展的综合评价研究对于智能电网的建设与发展具有重要意义。在智能电网评估中层次分析和主成分分析是比较常用的分析方法。为了满足可持续发展评价的需要，要求所采用分析方法的评价指标具有时效性，而单一的采用层次分析或主成分分析难以实现。层次分析法是一种定性和定量相结合、系统化、层次化的分析方法，是系统分析的重要工具。但层次分析法定量数据少、定性指标多，主观因素影响大，随着智能电网的不断发展和改革，专家的赋权会失去时效性；而指标选取数量较多时，对每两个指标之间重要程度的判断就会出现困难，甚至会对层次单排序和总排序的一致性产生影响，使一致性检验不能通过。主成分分析法是利用降维的思想，将多个原始变量转化为数量较少的综合变量，以反映原始变量中的绝大部分信息。主成分分析需要大量数据的支持，否则降维可能造成主成分无法给出符合实际背景和意义的解释，导致空有信息量而无实际含义，但智能电网运行初期数据量较少，显然无法满足分析需要。经过对现有技术的检索发现，中国专利文献号CN105429133A，公开(公告)日2016.03.23，公开了一种基于智能电网创新示范区的能源互联网综合评估与优化配置方法，包括以下步骤：步骤1、建立基于智能电网创新示范区能源互联网评价指标体系；步骤2、根据各指标间的相关性，采用解释结构模型对指标进行分层处理；步骤3、求解各指标对应的权重因子；步骤4、对各指标进行数据预处理：步骤5、对智能电网创新示范区进行综合评价；步骤6、依据评价结果对示范区智能电网进行优化配置一种。但是该技术主要依据层次分析法，具有较强的主观性。中国专利文献号CN105303468A，公开(公告)日2016.02.03，公开了一种基于主成分聚类分析的智能电网建设综合评价方法，包括以下步骤：步骤1、建立或选用普遍认可的智能电网建设综合评价指标体系；步骤2、对指标数据进行标准化处理；步骤3、建立指标数据相关系数矩阵并求解该矩阵的特征值和特征向量，生成主成分表达式；步骤4、计算主成分方差贡献率和累积方差贡献率，确定主成分个数；步骤5、构造综合主成分评价指标函数，给出智能电网发展建设水平的综合评价结果；步骤6、建立主成分因子负载矩阵，对智能电网综合评价指标进行聚类分析。但是该技术在智能电网建设初期可用于分析的数据量较少，难以满足该方法的分析需要。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出了一种基于AHP-PCA法的智能电网可持续发展综合评价方法，能够解决智能电网评估中主观差异带来的误差问题以及主成分空有信息量而无实际含义的问题，为智能电网的可持续发展提供建议与指导方案以更好地促进智能电网的可持续发展。本专利技术是通过以下技术方案实现的，本专利技术在评价方法投入使用的前k个月，由于数据不足，暂不考虑使用主成分分析法，此时基于层次分析法进行对所有评价因素进行静态赋权，并根据智能电网的运行情况对各评价因素进行打分，构建AHP评价指数WAHP；评价方法运行k个月后，从第k+1个月开始基于主成分分析法对所有评价因素进行动态赋权，筛选出有效主成分，构建PCA评价指数WPCA，并与AHP评价指数WAHP进行结合，作为智能电网可持续发展评价指数WAHP，如图1所示；所述的WAHP为层次分析中各评价因素的得分与其相应权重乘积之和；所述的WPCA为主成分分析中有效主成分与其方差贡献率乘积之和；所述的WAHP-PCA中，在评价方法运行K个月后，当K≤k时，WAHP的权重为1，WPCA的权重为0；当K＞k时，WAHP的权重为WPCA结果的权重为所述的层次分析法构建WAHP，包括以下步骤：S11，根据层次结构模型建立智能电网可持续发展评价指标体系，包括：目标层、准则层和方案层；S12，对准则层中因素构建判断矩阵，得到准则层中因素的排序权值；然后对方案层中的评价因素进行同一序列判断矩阵的构造，并进行同一序列评价因素的单排序，得到本序列中评价因素基于准则层中因素的重要性排序权值；S13，对同一序列评价因素单排序的结果进行单排序一致性检验，满足一致性检验的，进行方案层全部评价因素的总排序，否则重复步骤S12，直到通过同一序列评价因素单排序一致性检验；S14，同一序列评价因素单排序通过一致性检验后，进行方案层全部评价因素的总排序并进行总排序一致性检验，满足一致性检验的以此作为方案层全部评价因素的排序权值，否则重复步骤S13，直到通过方案层全部评价因素单排序一致性检验，之后与评价因素得分结合得到WAHP。所述的目标层为智能电网可持续发展评价指数WAHP-PCA；所述的准则层包括：经济性指标、社会性指标和环境性指标；所述的经济性指标对应的方案层序列，包括以下评价因素：供电煤耗率、综合线损率、平均峰谷差率、储能容量比、清洁能源装机比重和综合脱硫效率；所述的社会性指标对应的方案层序列，包括以下评价因素：供电可靠性、人均用电量、储能容量比、网厂协调装置规模、分布式电源比重、智能表计普及率和电动汽车渗透率；所述的环境性指标对应的方案层序列，包括以下评价因素：供电煤耗率、电动汽车占有率、清洁能源装机比重、分布式能源比重和综合脱硫效率。所述的判断矩阵为A＝(aij)n×n，其中：当i＝j时aij＝1，aij表示同一序列中任意两个评价因素li与lj相比的重要性，n为判断矩阵A的阶数。所述的排序权值是指在确定判断矩阵A最大特征值λmax的基础上，进行归一化处理得到的特征矢量W；所述的该特征矢量W为本层次中同一序列评价因素基于上一层次因素的重要性排序权值。所述的同一序列评价因素单排序一致性检验，是指当同一序列评价因素一致性比率时，则认为判断矩阵A具有满意的一致性，否则需要重新调整判断矩阵A中部分aij的取值，其中：为单排序一致性指标；RI为单排序随机一致性指标，与阶数n有关，用于衡量CI大小；由于λmax连续的依赖于aij，因此用λmax-n来衡量判断矩阵A的不一致程度；当λmax-n＝0时，判断矩阵A有完全的一致性，而λmax-n的差值越大，CI越大，判断矩阵A不一致性越严重。所述的方案层全部评价因素对目标层的总排序一致性检验，是指全部因素一致性比率时，层次总排序具有满意的一致性，否则需要重新调整那些一致性比率高的判断矩阵A中aij的取值，其中：Q为准则层因素的个数，aq为准则层因素q对目标层的排序，为总排序一致性指标，CI(q)为方案层对准则层因素q的层次单排序一致性指标；为总排序随机一致性指标，RI(q)为方案层对准则层因素q的随机一致性指标。所述的主成分分析法构建WPCA，包括以下步骤：S21，根据智能电网可持续发展评价指标体系，从评价方法开始运行时即采集方案层中各评价因素的样本数据，并对K个月的样本数据进行标准化处理，得到标准化矩阵，消除各评价因素量纲不一致导致难以比较的问题；S22，对采集的样本数据进行分析，建立协方本文档来自技高网...

【技术保护点】
一种基于AHP‑PCA法的智能电网可持续发展综合评价方法，其特征在于，在评价方法投入使用的前k个月，基于层次分析法进行对所有评价因素进行静态赋权，并根据智能电网的运行情况对各评价因素进行打分，构建AHP评价指数WAHP；评价方法运行k个月后，从第k+1个月开始基于主成分分析法对所有评价因素进行动态赋权，筛选出有效主成分，构建PCA评价指数WPCA，并与AHP评价指数WAHP进行结合，作为智能电网可持续发展评价指数WAHP；所述的WAHP为层次分析中各评价因素的得分与其相应权重乘积之和；所述的WPCA为主成分分析中有效主成分与其方差贡献率乘积之和；所述的WAHP‑PCA中，在评价方法运行K个月后，当K≤k时，WAHP的权重为1，WPCA的权重为0；当K＞k时，WAHP的权重为WPCA结果的权重为

【技术特征摘要】
1.一种基于AHP-PCA法的智能电网可持续发展综合评价方法，其特征在于，在评价方法投入使用的前k个月，基于层次分析法进行对所有评价因素进行静态赋权，并根据智能电网的运行情况对各评价因素进行打分，构建AHP评价指数WAHP；评价方法运行k个月后，从第k+1个月开始基于主成分分析法对所有评价因素进行动态赋权，筛选出有效主成分，构建PCA评价指数WPCA，并与AHP评价指数WAHP进行结合，作为智能电网可持续发展评价指数WAHP；所述的WAHP为层次分析中各评价因素的得分与其相应权重乘积之和；所述的WPCA为主成分分析中有效主成分与其方差贡献率乘积之和；所述的WAHP-PCA中，在评价方法运行K个月后，当K≤k时，WAHP的权重为1，WPCA的权重为0；当K＞k时，WAHP的权重为WPCA结果的权重为2.根据权利要求1所述的基于AHP-PCA法的智能电网可持续发展综合评价方法，其特征是，所述的层次分析法构建WAHP，包括以下步骤：S11，根据层次结构模型建立智能电网可持续发展评价指标体系，包括：目标层、准则层和方案层；S12，对准则层中因素构建判断矩阵，得到准则层中因素的排序权值；然后对方案层中的评价因素进行同一序列判断矩阵的构造，并进行同一序列评价因素的单排序，得到本序列中评价因素基于准则层中因素的重要性排序权值；S13，对同一序列评价因素单排序的结果进行单排序一致性检验，满足一致性检验的，进行方案层全部评价因素的总排序，否则重复步骤S12，直到通过同一序列评价因素单排序一致性检验；S14，同一序列评价因素单排序通过一致性检验后，进行方案层全部评价因素的总排序并进行总排序一致性检验，满足一致性检验的以此作为方案层全部评价因素的排序权值，否则重复步骤S13，直到通过方案层全部评价因素单排序一致性检验，之后与评价因素得分结合得到WAHP。3.根据权利要求2所述的基于AHP-PCA法的智能电网可持续发展综合评价方法，其特征是，所述的目标层为智能电网可持续发展评价指数WAHP-PCA；所述的准则层包括：经济性指标、社会性指标和环境性指标；所述的经济性指标对应的方案层序列，包括以下评价因素：供电煤耗率、综合线损率、平均峰谷差率、储能容量比、清洁能源装机比重和综合脱硫效率；所述的社会性指标对应的方案层序列，包括以下评价因素：供电可靠性、人均用电量、储能容量比、网厂协调装置规模、分布式电源比重、智能表计普及率和电动汽车渗透率；所述的环境性指标对应的方案层序列，包括以下评价因素：供电煤耗率、电动汽车占有率、清洁能源装机比重、分布式能源比重和综合脱硫效率。4.根据权利要求2所述的基于AHP-PCA法的智能电网可持续发展综合评价方法，其特征是，所述的判断矩阵为A＝(aij)n×n，其中：当i＝j时aij＝1，aij表示同一序列中任意两个评价因素li和lj相比的重要性，n为判断矩阵A的阶数。5.根据权利要求2或4所述的基于AHP-PCA法的智能电网可持续发展综合评价方法，其特征是，所述的排序权值是指在确定判断矩阵A最大特征值λmax的基础上，进行归一化处理得到的特征矢量W；所述的该特征矢量W为本层次中同一序列评价因素基于上一层次因素的重要性排序权值。6.根据权利要求2所述的基于AHP-PCA法的智能电网可持续发展综合评价方法...

【专利技术属性】
技术研发人员：陈海波，陈丽霞，凌平，陈靖文，施侠，孙弢，方陈，徐舒玮，张宇，姜山，柳劲松，冯冬涵，施勇，郑健，
申请(专利权)人：上海交通大学，国网上海市电力公司，
类型：发明
国别省市：上海;31