一种电网层设备利用率主要影响因素的分析方法与流程

本发明涉及电力系统的技术领域，具体涉及一种电网层设备利用率主要影响因素的分析方法。

背景技术：

随着近些年来智能电网的推广建设和电力公司对电网发展质量和效益重视程度的逐渐提高，电力系统资产利用率逐渐成为一个受到广泛关注的问题。其中，输配电线路以及变压器作为主要承担电能输送任务的一次设备，涉及高昂的投资，其利用率高低水平对电力系统资产利用效率有着较直接的影响，故进行电力系统资产利用率相关研究时，本发明所选取的研究对象是以输配电线路和变压器为主的电网设备。

为满足需求侧供电要求并适应未来负荷增加速率，同时保证电网安全稳定性、经济性等各方面约束条件，有必要对电网设备使用情况进行合理的评估，掌握现有设备利用率，从而为电网规划设计、运行调度等提供有效的参考信息和指导建议，避免电网建设过度超前致使设备利用率普遍偏低造成设备容量浪费以及电网企业经济效益降低，或电网建设滞后于负荷增长，使得大量设备处于重负荷甚至超负荷运转进而影响电网的安全稳定运行。

传统电网层设备利用率的计算仅仅停留在计算各设备的负载情况，也即利用效率，而未进一步挖掘呈现该利用率态势的背后动因。电网层设备利用率表征电网资产的运营水平，其受到多方面因素的影响，这些影响因素相互制约，相互作用，涵盖范围广，即有来自经济社会发展的影响，电网自身所处不同建设阶段的影响，又涉及到电源建设、负荷发展、气象环境等因素的作用。

有鉴于此，为避免电网层设备容量浪费，充分挖掘设备的传输潜力，真的做到“物尽其用”，急需提供一种电网层设备利用率主要影响因素的分析方法使电网设备保持在较高的运行水平以实现更高的经济效益。

技术实现要素：

为了解决上述技术问题，本发明所采用的技术方案是提供了一种电网层设备利用率主要影响因素的分析方法，包括以下步骤：

s1、获取相关数据：确定需进行相关性分析的对象，并采集计算所需的相关数据；

s2、数据清洗；删除重复数据，纠正错误数据以及同步数据周期；

s3、通过灰色关联度分析法分析设备利用率与影响因素相关性大小，确定相关影响因素对设备层设备利用率的影响情况；

s4、确定相关影响因素对电网层设备利用率的影响情况；

所述相关数据包括系统设备层由智能传感器实时采集生产管理系统、调度系统和在线监测系统的设备利用率；与所述设备利用率对应时间点下的各影响因素。

在上述方法中，所述步骤s3具体包括：

单个影响因素与多台设备的设备利用率的分析主要包括以下步骤：

a11、设定一定的时间间隔，获取不同时段下各设备的设备利用率，构成比较序列如下：

式中，为设备j对应的比较序列，neqm为所分析的设备总数；为设备j在时段s的利用率，s＝1,2,...,q，q为时段总数；

a12、按与比较序列相同的时间间隔，获取影响因素在不同时段下的数值，构成参考序列如下：

x0＝{x0(1),x0(2),...,x0(s),...,x0(q)}

式中，x0(s)为所分析的影响因素在时段s的数值；

a13、数据预处理

分别判断与x0的相关性，公式如下：

当上述公式为正时，对比较序列不做处理；当为负时，对比较序列进行逆化算子操作，即

a14、计算经典灰色关联度，具体计算如下式：

式中，γ^j(s)表示比较序列与参考序列x0在时段s的经典关联系数；ρ为分辨系数，其作用在于提高各关联系数之间的差异显著性，取值范围在0-1，通常取ρ＝0.5；γ^j为与x0的经典灰色关联度；

a15、计算灰色绝对关联度

对比较序列与参考序列进行始点零化像，具体如下：

求解几何因子s0,sj：

式中，ε^j为与x0的灰色绝对关联度；

a16、计算灰色相对关联度

对比较序列与参考序列进行初始化像，具体如下：

x0′＝{x0(1)/x0(1),x0(2)/x0(1),...,x0(q)/x0(1)}

式中，若x0(1)为零，计算和x0′(k)，k＝2,3,...,q时，取x0(1)为接近零且数值较小的正数，即无穷小正数；

求解几何因子s0′,sj′：

式中，η^j为与x0的灰色相对关联度；

a17、计算灰色综合关联度，具体公式如下：

χ^j＝θγ^j+υε^j+(1-θ-υ)η^j,(θ+υ)∈(0,1)

式中，χ^j为与x0的灰色综合关联度，θ和υ为权系数，其中θ＝0.5，υ＝0.25。

在上述方法中，所述步骤s3具体包括：

单台设备的设备利用率与多个影响因素的相关性分析主要包括以下步骤：

b11、设定一定的时间间隔；获取不同时段内设备利用率，构成参考序列，具体如下：

式中，为设备j对应的参考序列，neqm为所研究的设备总数；为设备j在时段s的利用率，s＝1,2,...,q，q为时段总数；

b12、构建影响因素比较序列

设集合ω＝{选取的影响因素}，集合ω为影响因素，f为集合ω中所有元素的个数；

按与参考序列相同的时间间隔，确定不同影响因素在各时段内对应影响因素的比较序列，具体如下：

式中，为设备j辐射范围内影响因素l在时段s的取值。

当影响因素序列与参考序列呈现负相关关系时，对原进行逆化算子操作，将计算得到的新数值作为各取值；

b13、计算经典灰色关联度

经典灰色关联度根据参考序列和比较序列曲线之间几何形状的相似程度判断其联系的紧密与否，具体计算公式如下：

式中，为与的经典灰色关联度；

b14、计算灰色绝对关联度

对参考序列与比较序列进行始点零化像，具体如下：

求解几何因子

式中，为与的灰色绝对关联度；

b15、计算灰色相对关联度

对参考序列与比较序列进行初始化像，具体如下：

式中，若为零，计算和k＝2,3,...,q时，取为接近零且数值较小的正数；

其次求解几何因子

式中，为与的灰色相对关联度；

b16、计算灰色综合关联度

灰色综合关联度集合了经典灰色关联度，灰色绝对关联度，灰色相对关联度的特性，具体公式如下：

式中，为与的灰色综合关联度，θ和υ为权系数,其中θ＝0.5，υ＝0.25；

其中，值越大，则该影响因素对配电网设备j的设备利用率的影响程度越大。

在上述方法中，所述步骤s4具体包括以下步骤：

基于所述单台设备的设备利用率与多个影响因素的相关性分析，构造关联度矩阵χ，具体如下式：

对矩阵中每一行转化为1-f的标度

任取关联度矩阵χ的一行对其元素按从大到小排序后，分别赋予f到1，即一行当中最大的元素用f代替，一行当中最小的元素用1代替；得到标度矩阵mχ，mχ中的元素取值均为1到f；

任取标度矩阵mχ中的一列，将该列中的元素累加，即对列求和对各suml按从大到小排序，保留排序结果；suml的值越大，排序越靠前，说明对应影响因素l与区域内电网层设备利用率整体的关联程度大。

本发明对配电网层设备利用率的分析主要是基于设备层设备利用率分析，运用相关性分析方法挖掘设备利用率数据分布下隐藏的与设备利用率相关的有价值信息，寻找影响配设备利用率的主要因素，为提高设备利用率提供了一定的改善途径和思路，帮助电网利用率维持在合理水平。

附图说明

图1为本发明提供的流程图；

图2为本发明提供的相关性分析模型示意图。

具体实施方式

本发明对配电网层设备利用率的分析主要是基于设备层设备利用率分析，运用相关性分析方法挖掘设备利用率数据分布下隐藏的与设备利用率相关的有价值信息，寻找影响配设备利用率的主要因素，为提高设备利用率提供了一定的改善途径和思路，帮助电网利用率维持在合理水平。下面结合具体实施例和说明书附图对本发明做出详细的说明。

如图1-2所示，本发明提供了一种电网设备利用率主要影响因素的分析方法，具体包括以下步骤：

s1、获取相关数据：确定需进行相关性分析的对象，并采集计算所需的相关数据。本发明主要进行设备利用率与影响因素的相关性分析，相关数据包括设备利用率与影响因素数据。其中，

如图1所示，进行设备利用率与各影响因素之间的相关性分析主要需要两方面数据来源：1)设备利用率，这些设备利用率数据表征最基本的、设备级别的运行效率，主要来源于系统设备层由智能传感器实时采集生产管理系统、调度系统和在线监测系统的设备利用率；2)与设备利用率对应时间点下的各影响因素。影响因素覆盖电网自身发展、电源发展、负荷特性、经济社会发展、自然环境等方面的影响因素，主要来源于电网内部不同信息系统如调度系统、在线监测系统等，以及国家统计局、各省市统计局、能源局，地理信息系统，公共服务部门、互联网等提供的数据。

s2、数据清洗；删除重复数据，纠正错误数据以及同步数据周期等；本发明中数据清洗体现在以下两方面：

(1)由于设备利用率数据与影响因素数据的周期不同，在计算前统一设备利用率与影响因素数据的周期。如设备利用率计算所需的设备运行数据通常由智能传感器实时采集，用户安装的智能电表按照每15分钟的采样频率更新数据，气象数据的更新频率多为逐个小时，经济社会发展数据周期一般有月度、季度、年度，而电网自身发展、电网运行、负荷发展以及电源发展数据多以规划为目的，通常以年为时间度量，因此采集到的数据在时间间隔上的不一致将对后续相关性计算造成影响，因此，需要对设备利用率数据和各影响因素数据进行处理，使其周期相同。

(2)清洗有质量问题的数据，如对于缺少数据进行手工填入(即手工清理)或从本数据源或其他数据源推导出平均值、众数、中位数等代替缺失值，清除重复记录的数据，对于不一致或错误的数据运用规则库(如常识性规则、业务特定规则等)进行修正。

s3、通过灰色关联度分析法分析设备利用率与影响因素相关性大小，确定相关影响因素对设备层设备利用率的影响情况。

如图2所示，从模型输入来看，进行设备利用率与各影响因素之间的相关性分析主要需要两方面数据来源：1)采集不同时间段面内流过各设备的功率，并计算所需时间段的设备利用率，这些设备利用率数据表征最基本的、设备级别的运行效率情况；2)与设备利用率对应时间点下的各影响因素数据。

从模型输出来看，模型的输出为表征影响因素与电网层设备利用率相关度的关联系数。通过关联系数排序，可筛选出影响设备利用率的主要影响因素，可为未来时段下电网层设备利用率预测服务，还可为电网设备管理提供预警等辅助信息。

从模型适用性来看，电网设备利用率与各影响因素之间的相关性分析主要体现设备层设备利用率与一些影响因素所表征的序列呈现动态追随、趋势相近、紧密联系的相关关系，这种相关关系是一种可能性，不能直接证明，不等同于必然的因果关系，亦不是严格的函数关系。相关性分析的对象即可以是单台设备利用率与各影响因素之间的关联程度，也可以是某影响因素对不同设备层设备利用率的关联程度，同时，还可以是各影响因素与区域内所研究电网层设备利用率整体之间的关联程度。换而言之，电网设备利用率与各影响因素之间的相关性分析模型应用灵活，可以适用于不同的分析场景：1)既可以适用于设备层级的分析，以设备利用率和影响因素作为相关性分析的对象，分析影响因素与设备利用率之间的关系；2)又可基于设备利用率和影响因素的相关性分析面向电网层级，分析如输电网、配电网等不同类型的区域电网层设备利用率整体与影响因素间的相关性分析。下面通过具体实施例来分析设备利用率和影响因素之间的关联性。

实施例1。

单个影响因素与多台设备的设备利用率的相关性分析

选取某一影响因素与多台设备的设备利用率进行相关性分析，可判断受该影响因素影响的较为突出的设备。如温度等气象类影响因素，对居民用户负荷有较直接影响，其通过影响负荷需求从而改变电网中流通的电能，而考虑到各设备在电网中的电气位置不同，所承载的负荷对温度的敏感程度也不尽相同，在发电侧按经济出力安排运行方式下，各设备利用率变化程度也不一样，换而言之，这些影响因素对各设备的设备利用率有一定的间接影响。分析这些影响因素对不同设备的设备利用率的相关性，可帮助识别出对该影响因素较为敏感的设备，即当某些影响因素急剧变化时，设备利用率也追随发生较大幅度改变的设备，可为电网运行、监控提供信息参考。

单个影响因素与多台设备的设备利用率的相关性分析主要包括以下步骤：

a11、设定一定的时间间隔，获取不同时段下各设备的设备利用率，构成比较序列如下：

式中，为设备j对应的比较序列，neqm为所分析的各设备总数；为设备j在时段s的利用率，s＝1,2,...,q，q为时段总数。

a12、构成参考序列

按与比较序列相同的时间间隔，获取影响因素在不同时段下的数值，构成如下参考序列：

x0＝{x0(1),x0(2),...,x0(s),...,x0(q)}

式中，x0(s)为所分析的影响因素在时段s的数值。

a13、数据预处理

分别判断与x0的相关性，公式如下：

当上述公式为正时，对比较序列不做处理；当为负时，对比较序列进行逆化算子操作，即

a14、计算经典灰色关联度

具体计算如下式：

式中，γ^j(s)表示比较序列与参考序列x0在时段s的经典关联系数。ρ为分辨系数，其作用在于提高各关联系数之间的差异显著性，取值范围在0-1，通常取ρ＝0.5。γ^j为与x0的经典灰色关联度。

a15、计算灰色绝对关联度

对比较序列与参考序列进行始点零化像，具体如下：

求解几何因子s0,sj：

式中，ε^j为与x0的灰色绝对关联度。

a16、计算灰色相对关联度

对比较序列与参考序列进行初始化像，具体如下：

x0′＝{x0(1)/x0(1),x0(2)/x0(1),...,x0(q)/x0(1)}

式中，若x0(1)为零，计算和x0′(k)，k＝2,3,...,q时，取x0(1)为接近零且数值较小的正数(无穷小正数)；

求解几何因子s0′,sj′：

式中，η^j为与x0的灰色相对关联度。

a17、计算灰色综合关联度

灰色综合关联度集合了经典灰色关联度，灰色绝对关联度，灰色相对关联度的特性，能更全面地描述比较序列与参考序列之间的关联程度，具体公式如下：

χ^j＝θγ^j+υε^j+(1-θ-υ)η^j,(θ+υ)∈(0,1)

式中，χ^j为与x0的灰色综合关联度，θ和υ为权系数,其中θ＝0.5，υ＝0.25。

上述步骤a11-a17为分析一个影响因素与各设备的设备利用率之间的相关性，若要分析多个影响因素与各设备的设备利用率之间的相关性，则分别重复上述分析过程，区别在于每次分析中的比较序列由所要分析的影响因素构成。

实施例2。

单台设备的设备利用率与多个影响因素的相关性分析。

设备输送的功率与多个影响因素相关，即包括负荷需求，电网发展阶段等直接影响因素，又涉及经济发展水平，气象条件，人口环境因素等间接影响。在众多影响因素中寻找占主导作用的主要影响因素，透过设备利用率数据表象挖掘其背后的控制因子，对引导设备利用率往期望的发展态势变化，实现更好的电网设备资产管理具有一定的意义。单台设备的设备利用率与多个影响因素的相关性分析具体包括以下步骤：

b11、设定一定的时间间隔；获取不同时段内设备利用率，构成参考序列，具体如下：

式中，为设备j对应的参考序列，neqm为所研究设备的总数；为设备j在时段s的利用率，s＝1,2,...,q，q为时段总数。

b12、构建影响因素比较序列

设集合ω＝{选取的影响因素}，集合ω为影响因素，f为集合ω中所有元素的个数。

按与参考序列相同的时间间隔，确定不同影响因素在各时段内对应影响因素的比较序列，具体如下：

式中，为设备j辐射范围内影响因素l在时段s的取值。

当影响因素序列与参考序列呈现负相关关系时，对原进行逆化算子操作，将计算得到的新数值作为各取值；

b13、计算经典灰色关联度

经典灰色关联度根据参考序列和比较序列曲线之间几何形状的相似程度判断其联系的紧密与否，具体计算公式如下：

式中，为与的经典灰色关联度；

b14、计算灰色绝对关联度

对参考序列与比较序列进行始点零化像，具体如下：

求解几何因子

式中，为与的灰色绝对关联度；

b15、计算灰色相对关联度

对参考序列与比较序列进行初始化像，具体如下：

式中，若为零，计算和k＝2,3,...,q时，取为接近零且数值较小的正数；

其次求解几何因子

式中，为与的灰色相对关联度；

b16、计算灰色综合关联度

灰色综合关联度集合了经典灰色关联度，灰色绝对关联度，灰色相对关联度的特性，具体公式如下：

式中，为与的灰色综合关联度，θ和υ为权系数,其中θ＝0.5，υ＝0.25；

其中，值越大，则表明该影响因素对配电网设备j的设备利用率的影响程度越大，通过对各的排序分析，即可知哪些影响因素起主要作用，哪些影响因素的作用相对不明显。确定影响该设备的设备利用率的主要影响因素，用于指导该设备的利用率的提高。

s4、根据步骤s3，确定相关影响因素对区域电网设备利用率的影响情况。

如步骤3中所述的单台设备的设备利用率与多个影响因素的相关性分析，可得到对于单台设备而言，哪些影响因素起主导作用。而对于一个区域而言，设备众多，单台设备的影响因素作用力排序不尽相同，对于多台设备整体而言，如何均衡整体，确定其起主要作用的影响因素是本节进一步思考的问题。

基于步骤s3中单台设备的设备利用率与多个影响因素的相关性分析，可构造关联度矩阵χ，具体如下式：

(1)对矩阵中每一行转化为1-f的标度

任取关联度矩阵χ的一行对其元素按从大到小排序后，分别赋予f到1，即一行当中最大的元素用f代替，一行当中最小的元素用1代替。得到标度矩阵mχ，mχ中的元素取值均为1到f。

(2)形成影响因素排序

任取标度矩阵mχ中的一列，将该列中的元素累加，即对列求和，对各suml按从大到小排序，保留排序结果。因此，suml的值越大，排序越靠前，说明对应影响因素l与区域内所研究的电网设备利用率整体的关联程度大。

本发明不局限于上述最佳实施方式，任何人应该得知在本发明的启示下作出的结构变化，凡是与本发明具有相同或相近的技术方案，均落入本发明的保护范围之内。