基于ahp-pca法的智能电网可持续发展综合评价方法
【专利摘要】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。
【专利说明】
基于AHP-PCA法的智能电网可持续发展综合评价方法
技术领域
[0001] 本发明设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(Pr incipalComponentAnalysis，主成分 分析)法的智能电网可持续发展综合评价方法。
【背景技术】
[0002] 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 建设发展程度的核屯、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。
[0003] 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W实现。
[0004] 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。
[0005] 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， W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。
[0006] 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W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。
[0007] 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W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W满足该方法的分析需要。
【发明内容】
[0008] 本发明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W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W更好地促 进智能电网的可持续发展。
[0009] 本发明是通过W下技术方案实现的，
[0010] 本发明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；
[0011] 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；
[0012] 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；
[OOU] 所述的Wahp-PGA中，在评价方法运行K个月后，当K《k时，Wahp的权重为1 ,Wpga的权重 为0;当K>k时，Wahp的权重为,Wpca结果的权重为1 -占。
[0014] 所述的层次分析法构建Wahp,包括W下步骤：
[0015] Sii,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；
[0016] Si2,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；
[0017] Si3,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Sl2,直到通过同一序列评价因素单排 序一致性检验；
[0018] Si4,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W此作为方案层全部评价因素的排序权 值，否则重复步骤Sl3，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。
[0019] 所述的目标层为智能电网可持续发展评价指数Wahp-pca;
[0020] 所述的准则层包括:经济性指标、社会性指标和环境性指标；
[0021] 所述的经济性指标对应的方案层序列，包括W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；
[0022] 所述的社会性指标对应的方案层序列，包括W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；
[0023] 所述的环境性指标对应的方案层序列，包括W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。
[0024] 所述的判断矩阵为A=(aij)nxn，其中：
当i = jWau = l，au表示同一序列 中任意两个评价因素 Ii与1处目比的重要性，n为判断矩阵A的阶数。
[0025] 所述的排序权值是指在确定判断矩阵A最大特征值Amax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。
[0026] 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au的取值，其中
％单排序一致性指标;虹为单排序随机一致性指标，与阶 数n有关，用于衡量Cl大小；由于Amax连续的依赖于au，因此用Amax-n来衡量判断矩阵A的不一 致程度；当Amax-n = 0时，判断矩阵A有完全的一致性，而Amax-n的差值越大，Cl越大，判断矩阵 A不一致性越严重。
[0027] 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 比羣
>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aリ的取值，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，iX。W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 (6=1 性指柄。
[002引所述的主成分分析法构建Wpga,包括W下步骤：
[0029] 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W比较的问题；
[0030] 对采集的样本数据进行分析，建立协方差矩阵，并对协方差矩阵进行特征值及 特征向量的处理，得到各主成分的方差；
[0031 ] S23，计算主成分方差贡献率，选取有效主成分，W降低变量维数;检验有效主成分 的相关性，若相关性为零，则生成主成分综合评价函数，否则，返回S21重新计算各个指标数 据的标准化数值；
[0032] S24,对主成分综合评价函撕讲知准化々I'理.俱丕Il阳。M-
[0033] 所述的标准化矩阵为 通过对样本数据矩阵
長用Z-score法标准化处理得到，其中：标准化后的数学期 望为E(Zi)=O,方差为D(Zi) = I,其中：Z康示第i个评价指标的所有归一化后的样本数据；
[0034]所述的样本数据矩阵X表示智能电网可持续发展评价指标体系中共有P个评价指 标，K个月采集了 t个数据样本。
[003引所述的Z - S C O r e法标准化处理通过W下计算公式实现：
.
[0036] 所述的相关系数矩阵为R= (ru)pxp，反应标准化矩阵Z内各元素 Zi和Zj的相互关 系，其中：相关系I
，而协方差cov(Zi，Zj)=E{[z广E(Zi)]
[Z广E(Zj) ]} =E(zi,zj)-E(z〇E(zj) =E(zi,zj)，即在Z-score法标准化处理后，相关系数矩 阵R等于协方差矩阵X，因此对协方差矩阵5：进行特征值及特征向量的求解即可得到主成 分ye的方差，W此判断各主成分相关性。
[0037] 所述的协方差矩阵X求解特征值及特征向量的过程如下：因为协方差矩阵X为实 对称矩阵，必正交相似于对角阵，则有BTsb= A =diag(Ai，A2, . . .Ap)，令Y = BTz,则有COV (YyT) = COV (BTzzTr)= BTcov(ZZT)B= A =diag(Ai，A2, .. .Ap)，最终得到协方差
巧第e个主成分的方差D(ye) =Ae,其中：ye和yf分别表示第e个主成 分、第f个主成分;第e个主成分的方差D(ye)与特征值Ae相等，则包含ye在内的任意两个主成 分之间互不相关。
[0038] 所述的方差贡献率是指主成分承载原有指标信息量的百分比，主成分ye的方差贡 献率关
前m个主成分方差累计贡献率为
￡实际应用中，根据经验值 法，当主成分方差累计贡献率P达到90%，即可舍去其余的主成分，只保留前m个主成分，所 述的前m个主成分即为有效主成分。
[0039] 所述的协方差矩阵X有m个大于零的特征值且满足、特征值对 应的规范特征向量为C=(C1，C2, . . .Cm)，则m个主成分表示为：
[0040]
5写为Y = cTZm，其中:Y称为主成分因子载荷矩阵， Zm为m个主成分标准化矩阵。
[0041] 所述的前m个主成分的相关性通过相关系数矩阵
圧行 检验，符合Rm的说明前m个主成分之间相关性为零，即指标体系的整个降维重构过程实现了 完全去相关性。
[0042] 所述的前m个相关性为零的主成分综合评价函数为f = wiyi+W2y2+. . .+Wmym,可W最 大程度地表征原指标体系的评价信息量，并且极大地缩减了原有指标体系的规模，将数量 众多的指标归结为单一的主成分综合评价指标，体现主成分分析在智能技术评价体系中的 简洁性、直接性和可操作性。
[0043] 所述的反标准化处理是指对Z-score法标准化处理进行逆运算，目[
\ 标准化处理采用基于层次分析法的评价指数的均值与标准差，使得Wpca与Wahp具有可比性。 技术效果
[0044] 与现有技术相比，本发明根据层次分析法和主成分分析法互补的特点，提出了结 合层次分析法和主成分分析法的综合评价方法，前期数据量较少时采用更有针对性的层次 分析法，采集的数据量足够之后逐步依赖基于数据赋权的主成分分析法;在两者过渡的过 程中，完成了由静态赋权到动态赋权的平滑转换，使得智能电网可持续发展指数评价更具 合理性、科学性和稳定性，为智能电网的规模化建设与运营提供依据。
【附图说明】
[0045] 图1为本发明中建立智能电网可持续发展评价指数流程图；
[0046] 图2为本发明中智能电网可持续发展评价指数的层次结构模型图；
[0047] 图3为实施例1中评价指标主成分分析特征根分布碎石图；
[004引图4为实施例1的智能电网可持续发展评价指数结果图。
【具体实施方式】
[0049] 下面对本发明的实施例作详细说明，本实施例在W本发明技术方案为前提下进行 实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施 例。 实施例1
[0050] 步骤Sii,如图2所示，本实施例根据智能电网可持续发展评价的需要，W智能电网 可持续发展评价指数作为目标层，W经济性、社会性和环境性作为准则层，包括供电煤耗 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、供电可靠性、人均用电量、 网厂协调装置规模、分布式电源比重、智能表计普及率、电动汽车渗透率和综合脱硫效率在 内的多种因素作为方案层。
[0051] 所述的供电煤耗率是指每千瓦时供电量的发电煤耗克数；
[0052] 所述的综合线损率是指电网运行耗损与供电量的比值；
[0053] 所述的平均峰谷差率是指电网最大负荷与最小负荷的差值与最大负荷的比值；
[0054] 所述的储能容量比是指储能系统装机容量占总装机容量的比例；
[0055] 所述的清洁能源装机比重是指清洁能源装机容量占总装机容量的比例；
[0056] 所述的供电可靠性是指剔除用户平均停电时间后的供电时间占供电总时间的比 例；
[0057] 所述的人均用电量通过用户平均停电时间体现，即所有用户的停电总时间与用户 总数的比值；
[0058] 所述的网厂协调装置规模是指配置有网厂协调装置规模的发电机组数量占全部 发电机组数量的比例；
[0059] 所述的分布式电源比重是指分布式电源容量占总装机容量的比例；
[0060] 所述的智能表计普及率是指装配有智能表计的用户数占总用户数的比例；
[0061] 所述的电动汽车渗透率是指电动汽车持有数量占汽车总数量的比例；
[0062] 所述的综合脱硫效率是指脱硫设施投运率与脱硫率的乘积，其中：脱硫设施投运 率为脱硫设施运行时间占发电机组运行时间的比例。
[006；3] 所述的判断矩阵A=(aij)nXn中，aij取值如表1所示：
[0064] 表1aij 取值
[0065] 其中：xi/x厢两判断得到上述结果的中间值分别取值2,4,6,8。
[0066] 步骤Sl2,根据判断矩阵A=(au)nxn，所述的准则层中因素相对于目标层的排序权 值如表2所示：
[0067] 亲2准刚房各巧素相对干目梳房的判断巧随巧各巧素排序巧值
[0068] 进一步地，得到方案层中同一序列评价因素基于准则层相应因素的判断矩阵和各 因素排序权值，如表3~表5所示：
[0069] 表3基于经济性的判断矩阵和各评价因素排序权值
[i
[i
[0072] 步骤Si3,进行表2~表5的层次单排序一致性检验，检验结果如表7所示，同时，为了 衡量一致性比率Cr的大小，对各阶数的随机一致性指标Ri进行取值，如表6所示：
[0073] 表6随机一致性指标Ri取值
[0(
[0075] 层次单排序一致性比率Cr<0.10,因此单排序判断矩阵A具有满意的一致性。
[0076] 步骤Si4,接着进行方案层对目标层的层次总排序一致性检验，依据表2和表7中的 数据，求得Rf = 0.0339 <0.10，满足一致性检验。
[0077] 完成全部评价因素的总排序一致性检验后，各评价因素相对于目标层的权值如表 8所示：
[0078] 表8评价因素相对于目标层的权值
[0079] 对运些评价因素进行打分，智能电网可持续发展评价指标按照其变化特点分为两 类:稳定型指标和发展型指标;稳定型指标的特点是发展现状较为成熟，在未来几年乃至十 几年内不会产生较大程度的变化，对于此类指标在等级划分时，W全国平均水平作为得分 的中值，如综合线损率、综合脱硫效率等;而发展型指标的特点是此领域的技术正在迅速发 展，在未来几年内将可能有较大的发展;为了保证评价体系在未来一段时间的有效性，如电 动汽车渗透率等发展型指标的全国平均水平将小于得分中值，分值的等级分为1、3、5、7、9 共五档，2、4、6、8为得分的中间值，具体如表9所示：
[0080] 表9评价因素数据得分表
[0081] 如表10-1和表10-2所示，W某地电网连续25个月的数据为例，对其进行基于层次 分析法的指标数据分值判定和评价指数的计算，得到的结果如表11所示：
[0082] 表10-1某地电网连续25个月相关评价指标原始数据
[0083] 表10-2某地电网连续25个月相关评价指标原始数据
[0084] 表11某地电网连续25个月数据得分及基于层次分析法的智能电网可持续发展指 数
[0085]对上述基于层次分析法的智能电网可持续发展评价指数进行分析后得到表12: [00861 亲12甚丰民欢祈決的课价搭狱
[0087] 步骤S21，对表10连续25个月的电网数据进行主成分分析，因方案层中各评价因素 的量纲不同，无法进行主成分的分析，因此首先要对原始数据进行标准化，采用Z-score法 进行数据处理，得到标准化电网数据，如表13-1和表13-2所示：
[0088] 表13-1某地电网连续25个月相关评价指标准化数据
[0089] 表13-2某地电网连续25个月相关评价指标准化数据
[0090]步骤S22,对表13中标准化数据求解主成分特征值，得到表14:
[0092] 步骤S23,根据经验法，选取的主成分累计方差贡献率大于90%时满足信息量要求， 而第一主成分和第二主成分累计的方差贡献率已经达到96.65%，满足最小信息量要求，故 提取前两项主成分作为有效主成分进行分析即可;如图3所示为12项主成分的特征根分布 碎石图，第一主成分的特征根处于绝对优势，由于主成分特征根等于其方差，故第一主成分 可W最大程度地解释原有指标，最大限度地表征原始评测数据量;从第=主成分开始，其方 差值已逐渐趋于零值，说明后10个主成分对于表征原有评价体系指标已失去意义。
[0093] 主成分因子载荷矩阵如下所示：
[OOM]根据表15,可W得到主成分分析后的第一主成分和第二主成分表达式为： 71 = 0.091x1+0.002x2+0.103x3+0.103x4
[0096] +0.100x5+0.102x6+0.103x广0.103x8， +0.103x9-0.103xi〇-〇 .019x11+0.103x12 72 = -0.103x1+0.501x2+0.021x3+0.024x4
[0097] +0.029x5+0.021x6+0.021x7-0.021x8, +0.019x9-0.021x10+0.492x11+0.022x12
[009引其中，X1、X2、.. .Xl康示标准化后的评价因素标准数据。
[0099]检查第一与第二主成分的相关性得到如表16所示的协方差矩阵E :
[0100]表16提取主成分协方差矩阵E
[0101] 由表中所示的协方差矩阵E可W看出提取的两个有效主成分之间互不相关，由此 验证主成分分析流程正确无误。
[0102] 为了计算基于主成分分析法的智能电网可持续发展指数，首先需要计算主成分分 析法的评价值，因此构建主成分函数；由表14得知第一主成分的特征根为9.653，第二主成 分的特征根为1.945,那么在生成综合主成分评价函数时，参照主成分权重计算公式，计算 第一主成分及第二主成分所占权重如公式为：
[0103
[0104
[01化]得到综合主成分评价函数:y=wiyi+w2y2 = 0.83巧1+0.167y2;
[0106] 因此，第25个月的可持续发展综合主成分评价值如表17所示：
[0107] 表17第25个月可持续发展综合主成分评价值
[010引步骤S25,将表17中主成份分析法的评价值W表12中基于AHP的评价指数的均值与 标准差作为基准进行反标准化，得到基于主成分分析法的智能电网可持续发展评价指数， 如表18所示：
[0109] 表18基于主成分分析法的智能电网可持续发展评价指数
[0110] 用同样的方法步骤可W得到其他月份的基于主成分分析法的智能电网可持续发 展评价指数。
[0111] 根据前面计算得到的连续25个月的Wahp和Wpga，取k = 11，得到Wahp-PGA，如表19所示：
[0112] 表19智能电网可持续发展评价指数
[0113] 需要注意的是，Wpca需要每月进行计算更新。
[0114] 为了更好地研究表19中Wahp、Wpca和Wahp-PCA之间的关系，将S种评价指数的发展变 化过程作图，如图4所示：
[011引在1-11个月期间，Wahp曲线与Wahp-PCA曲线重合；
[0116]从第12个月起，主成分分析法的引入使得Wpca对Wahp-PCA产生一定的影响:起初的影 响较小，Wahp仍然对Wahp-PCA起主导作用;一段时间后，Wpca对Wahp-pca的影响不断增大，Wahp-pca曲 线不断向Wpca靠犹。
【主权项】
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ΑΗΡ评价指数W AHP;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ΑΗΡ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的权重为备，WPCA结果的权重为1 -备。 iv lx2. 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： Sn，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W AHP-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 1 一 是，所述的判断矩阵为A=(aij)nXn，其中当i = j时aij = l，aij表不同一序列中任意 ?1β 两个评价因素 ldPlj相比的重要性，η为判断矩阵Α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A max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，其特征 是，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，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aiJ的 取值，其中：G =4^为单排序一致性指标;R:为单排序随机一致性指标，与阶数η有关， /2 - 1 用于衡量(^大小。7. 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，所述的方案层全部评价因素总排序一致性检验，是指全部因素一致性比率) 7 < 0.10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Α中的取值，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 m 排序，为总排序一致性指标，(Mq)为方案层对准则层因素 q的层次单排序一致性 ?/=1 m 指标；Σ义R，_(V)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。8. 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； &2，对采集的样本数据进行分析，建立协方差矩阵，并对协方差矩阵进行特征值及特征 向量的处理，得到各主成分的方差； &3，检验有效主成分的相关性，若相关性为零，则计算主成分方差贡献率，以降低变量 维度，得到有效主成分，生成主成分综合评价函数，否则，返回S21重新计算各个指标数据的 标准化数值； S24,对主成分综合评价函数进行反标准化处理，得到WPCA; 所述的标准化矩阵为通过对样本数据矩阵苌用Z-score法标准化处理得到，其中：标准化后的数学期望 为E(Z〇 =0，方差为D(Z〇 = 1义表示第i个评价指标的所有归一化后的样本数据； 所述的样本数据矩阵X表示智能电网可持续发展评价指标体系中共有P个评价指标，K 个月采集了 t个数据样本； 所述的相关性为零是指前m个主成分的相关系数矩￥ ?其中：相关系数矩阵R等于协方差矩阵Σ，相关系数矩阵为R= (r^)pXp，相关系数所述的协方差矩阵Σ中协方差，即第e个主成分的方差D(ye3)与特征 值k相等，其中:和yf分别表示第e个主成分、第f个主成分； 所述的有效主成分是指使得累计方差贡献率P达到90 %的前m个主成分，其中：?:所述的前m个主成分中单一主成分ye的方差贡献率爻 J所述的反标准化处理是指对z-score法标准化处理进行逆运算，即=?.? +? ,其中， 反标准化公式采用基于层次分析法的评价指数的均值与标准差，使得PCA评价指数与ΑΗΡ评 价指数具有可比性。9. 根据权利要求8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Z-score法标准化处理通过以下计算公式实现10. 根据权利要求8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，所述的协方差矩阵Σ有m个大于零的特征值且满足多…多，特征值对应的 规范特征向量为C=(ci，C2, . . .Cm)，则m个主成分表示）? 写为Y = CTZm，其中：Y称为主成分因子载荷矩阵，ZmSm个主成分标准化矩阵，前m个相关性为 零的主成分综合评价函数为f = Wiyi+W2y2+. . .+Wmym。
【文档编号】G06Q10/06GK105956757SQ201610268511
【公开日】2016年9月21日
【申请日】2016年4月27日
【发明人】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
【申请人】上海交通大学, 国网上海市电力公司