本发明涉及一种基于多属性决策的区域电压质量综合评估方法,属于电压质量评估技术。
背景技术:
目前,对电压质量的评估已有一定的研究,但由于电压各指标之间可能存在一定的线性相关性,造成数据的冗余,给实际分析计算带来麻烦,因此在若干个区域的各电压指标的大量数据去除相关性的数据是具有挑战的。另一个具有挑战性的问题是,由于决策者对电压质量的认知都会存在一定的局限性和不确定性,决策要把这种因素考虑在内。此外,本发明涉及来自属性集、指标集、方案集三方面的数据,要将些来源不同的大量数据融合起来具有很大的挑战性。
多属性决策方法目前主要应用于投资决策、方案优选、导弹防御决策及水文系统评估等方面,很少用于电力行业,且应用的较为粗浅,并不具有很好的决策精度。如今电力行业的发展日新月异,对电压质量的评价会提出更高的要求,因此需要一种更加准确的决策方法。
技术实现要素:
发明目的:为了克服现有技术中存在的不足,本发明提供一种基于多属性决策的区域电压质量综合评估方法,是一种基于证据决策的多属性决策方法,根据决策者对每个方案的置信度来综合分析,根据得到的平均效用值来衡量方案的优劣程度,即得到区域电压质量水平。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于多属性决策的区域电压质量综合评估方法,包括如下步骤:
步骤1、初步筛选出影响区域电压质量的指标;
步骤2、构建各指标的目标函数;
步骤3、导入实际数据,通过目标函数计算各指标;
步骤4、基于各指标的计算结果,计算各指标之间的相关性,筛选出相关性在阈值范围内的指标,将筛选出的指标作为评估指标,使用评估指标表征区域电压质量;
步骤5、采用非主观偏好的交叉熵赋权法确定各评估指标的权重;
步骤6、采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量;
步骤7、将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果。
具体的,所述步骤1中,初步筛选出的指标包括电压合格率c1、电压偏差c2、电压不合格频度c3、三相不平衡c4、电压波动c5、电压闪变c6、谐波畸变率c7、电压暂降c8和频率差c9。
具体的,所述步骤2中,各指标的目标函数为:
①电压合格率:f1=ag1+bg2+cg3
其中:g1、g2和g3分别表示一类、二类和三类负荷的电压合格率,a、b和c分别为g1、g2和g3的权重系数;其使用到的权重系数可以通过层次分析法确定;
②电压偏差:
其中:ure表示系统实测电压值,un表示系统额定电压值;
③电压不合格频度(即单位时间内电压不合格的次数):f3
④三相不平衡:
其中:u1为三相电压正序分量的方均根值,u2为三相电压负序分量的方均根值;
⑤电压波动:
其中:umax和umin分别为电压的最大值和最小值;
⑥电压闪变:
其中:pst表示10min计算一次的短时闪变值,plt表示2h计算一次的长时闪变值,k0.1=0.0314,k1=0.0525,k3=0.0657,k10=0.28,k50=0.08,p0.1、p1、p3、p10、p50分别为10min内瞬时闪变视感超过0.1%、1%、3%、10%、50%时间比的概率分布水平,pstj为2h内第j个短时闪变值;
⑦谐波畸变率:
其中:thdu为总电压谐波畸变率,u1为基波电压有效值,uk为第k次谐波电压有效值,k为谐波的最高次,通常k≤50;
⑧电压暂降:
其中:usagi为电压暂降的幅值,si为某区域内节点i的负荷敏感性因子,ntotal为该某区域内的节点总数;
⑨频率差:f9=frel-fn
其中:frel表示实际频率,fn表示标称频率。
具体的,所述步骤4中,计算皮尔逊系数以去除指标间的线性相关性,设任意两个指标为x和y,通过下式计算这两个指标的皮尔逊系数ρx,y:
若皮尔逊相关系数ρx,y的值在-0.8到+0.8之间,则保留指标x和y,否则删除其中一个指标。每两个指标都需要计算一次皮尔逊相关系数:若皮尔逊相关系数接近正负1,则说明两个指标的线性相关性较大;若皮尔逊相关系数接近0,说明两个指标的线性相关性很小。取皮尔逊相关系数的阈值为正负0.8,即在-0.8到+0.8之间则同时保留两个指标,否则删除其中一个指标。
具体的,所述步骤4中,包括如下步骤:
(41)设初步筛选出的指标个数为l0,初始化t=1;
(42)u=t+1;
(43)计算第t个指标和第u个指标的皮尔逊系数;
(44)若皮尔逊系数大于0.8或小于-0.8,则除第u个指标;
(45)判断u=l0是否成立:若不成立,则u=u+1,返回步骤(43);否者,进入步骤(46);
(46)判断t=l0-1是否成立:若不成立,则t=t+1,返回步骤(42);否者,结束。
具体的,所述步骤5中,采用非主观偏好的交叉熵赋权法确定各评估指标的权重,具体包括如下步骤:
(51)假设待评估的区域为m个,评估指标的个数为l个,基于下式建立综合评估决策矩阵f:
其中:fij表示第j个区域内的第i个评估指标的值,i=1,2,…,l,j=1,2,…,m;
(52)对综合评估决策矩阵f进行无量纲化处理,得到无量纲矩阵
(53)在无量纲矩阵u的所有0元素上加一个值极小的调整因子σ=10exp(-t),将无量纲矩阵u变换为矩阵
(54)计算第j个区域内的第i个评估指标的特征值比重
(55)对于第i个评估指标,定义第j个区域与其他区域之间的加权交叉熵为dij,dij的对称表示形式为:
其中:
(56)计算第i个评估指标在任意两个区域间的总加权交叉熵di:
(57)总加权交叉熵di越大,表示第i个评估指标在各个区域内间的信息差异越大,越有利于区分区域电压质量;因此,基于所有评估指标的总加权交叉熵最大为目标,构造最优模型:
利用拉格朗日最小二乘法构造拉格朗日函数:
其中:ω=(ω1,ω2,…,ωl),λ表示拉格朗日常数;
得到第i个评估指标的权重ωi为:
归一化处理后得到第i个评估指标的权重ωi为:
归一化后的结构即为最终的第i个评估指标的权重ωi。
具体的,所述步骤6中,采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量;具体包括如下步骤:
(61)将每一个评估指标分为n个评价等级,将每个区域的每个评估指标在每个评价等级上进行置信度评估,得到每个电压质量指标置信度向量s(ei(aj)):
s(ei(aj))={(hn,βn,i(aj))};i=1,2,…,l;j=1,2,…,m;n=1,2,…,n
其中:ei=ei(aj)表示第j个区域的第i个电压质量指标,hn表示第n个评价等级,βn,i(aj)表示第j个区域内的第i个评估指标在第n个评价等级上的置信度;
(62)将电压质量指标集合{e1,e2,…,el}称为证据融合的底层,使用{ω1,ω2,…,ωl}表征各评估指标的重要性,将{h1,h2,…,hl}称为证据融合的中层;决策者根据每个评估指标的目标函数值的情况利用置信度评估方法评估其位于哪一个等级中;置信度评估结果(hn,βn,i(aj))形成证据矩阵,根据矩阵决策者依然无法直接从这个矩阵中判断方案优劣,需要对这些证据进行融合,证据融合过程如下:
根据置信度计算得到基本可信度mn,i=ωiβn,i(aj),由于决策者对区域电压质量指标认知的不确定性,可通过计算得到不确定的基本可信度
考虑证据融合的方便性,对基本可信度进行分解;
将前i个评估指标在第n个评价等级上的置信度进行融合,得到总的置信度mn,i(i):
mn,i(i+1)=ki(i+1)[mn,i(i)mn,i+1+mh,i(i)mn,i+1+mn,i(i)mh,i+1]
其中:mh,i(i)表示未分配给前i个评估指标的基本可信度;得到总的置信度向量为s(aj)={(hn,βn(aj)),(h,βh(aj))},且有:
其中,其中βh(aj)表示决策者的总不确定的置信度。
具体的,所述步骤7中,将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果;具体包括如下步骤:
引进u(hn)为各评价等级的效用值,各等级效用值取值在0~1之间且等级越高效用值越大;将区域电压质量总置信度向量分布映射为效用值
以平均效用值作为衡量方案的最终指标。
本发明首先研究电压质量的影响因素,然后求解各个目标函数,统计实际数据,并计算各个目标函数值,利用皮尔逊相关性算法消除其中的线性相关性,再利用交叉熵赋权法和层次分析法,计算属性权重。决策者根据数据对方案的每个进行置信度评估,然后根据证据融合方法对每个属性进行融合,得到整体方案的置信度,最后进行效用评估,得到反映方案优劣度的效用值。
有益效果:本发明提供的基于多属性决策的区域电压质量综合评估方法,通过使用的皮尔逊相关性算法,有效简化了数据计算其有效考虑了预测过程中产生的不确定因素,对方案的置信度分析和融合,得到了一种科学合理的评价方法;该方法可以用于区域电压质量的比较或对未来电能质量的预测。
附图说明
图1为本发明的总体流程图;
图2为本发明利用皮尔逊系数去相关的流程图;
图3为本发明的交叉熵求权重的算法流程图;
图4为本发明的证据融合的示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示为一种基于多属性决策的区域电压质量综合评估方法,本案首先研究电压质量的影响因素,然后求解各个目标函数,统计实际数据,并计算各个目标函数值,利用皮尔逊相关性算法消除其中的线性相关性,再利用交叉熵赋权法和层次分析法,计算属性权重。决策者根据数据对方案的每个进行置信度评估,然后根据证据融合方法对每个属性进行融合,得到整体方案的置信度,最后进行效用评估,得到反映方案优劣度的效用值。下面对各个步骤做出进一步的说明。
步骤1、初步筛选出影响区域电压质量的指标。
初步筛选出的指标包括电压合格率c1、电压偏差c2、电压不合格频度c3、三相不平衡c4、电压波动c5、电压闪变c6、谐波畸变率c7、电压暂降c8和频率差c9。
步骤2、构建各指标的目标函数。
各指标的目标函数为:
①电压合格率:f1=ag1+bg2+cg3
其中:g1、g2和g3分别表示一类、二类和三类负荷的电压合格率,a、b和c分别为g1、g2和g3的权重系数;其使用到的权重系数可以通过层次分析法确定;
②电压偏差:
其中:ure表示系统实测电压值,un表示系统额定电压值;
③电压不合格频度(即单位时间内电压不合格的次数):f3
④三相不平衡:
其中:u1为三相电压正序分量的方均根值,u2为三相电压负序分量的方均根值;
⑤电压波动:
其中:umax和umin分别为电压的最大值和最小值;
⑥电压闪变:
其中:pst表示10min计算一次的短时闪变值,plt表示2h计算一次的长时闪变值,k0.1=0.0314,k1=0.0525,k3=0.0657,k10=0.28,k50=0.08,p0.1、p1、p3、p10、p50分别为10min内瞬时闪变视感超过0.1%、1%、3%、10%、50%时间比的概率分布水平,pstj为2h内第j个短时闪变值;
⑦谐波畸变率:
其中:thdu为总电压谐波畸变率,u1为基波电压有效值,uk为第k次谐波电压有效值,k为谐波的最高次,通常k≤50;
⑧电压暂降:
其中:usagi为电压暂降的幅值,si为某区域内节点i的负荷敏感性因子,ntotal为该某区域内的节点总数;
⑨频率差:f9=frel-fn
其中:frel表示实际频率,fn表示标称频率。
步骤3、导入实际数据,通过目标函数计算各指标。
步骤4、基于各指标的计算结果,计算各指标之间的相关性,筛选出相关性在阈值范围内的指标,将筛选出的指标作为评估指标,使用评估指标表征区域电压质量。
计算皮尔逊系数以去除指标间的线性相关性,设任意两个指标为x和y,通过下式计算这两个指标的皮尔逊系数ρx,y:
若皮尔逊相关系数ρx,y的值在-0.8到+0.8之间,则保留指标x和y,否则删除其中一个指标。每两个指标都需要计算一次皮尔逊相关系数:若皮尔逊相关系数接近正负1,则说明两个指标的线性相关性较大;若皮尔逊相关系数接近0,说明两个指标的线性相关性很小。取皮尔逊相关系数的阈值为正负0.8,即在-0.8到+0.8之间则同时保留两个指标,否则删除其中一个指标。
相关性的筛选过程如下:
(41)设初步筛选出的指标个数为l0,初始化t=1;
(42)u=t+1;
(43)计算第t个指标和第u个指标的皮尔逊系数;
(44)若皮尔逊系数大于0.8或小于-0.8,则除第u个指标;
(45)判断u=l0是否成立:若不成立,则u=u+1,返回步骤(43);否者,进入步骤(46);
(46)判断t=l0-1是否成立:若不成立,则t=t+1,返回步骤(42);否者,结束。
步骤5、采用非主观偏好的交叉熵赋权法确定各评估指标的权重;
(51)假设待评估的区域为m个,评估指标的个数为l个,基于下式建立综合评估决策矩阵f:
其中:fij表示第j个区域内的第i个评估指标的值,i=1,2,…,l,j=1,2,…,m;
(52)对综合评估决策矩阵f进行无量纲化处理,得到无量纲矩阵
(53)在无量纲矩阵u的所有0元素上加一个值极小的调整因子σ=10exp(-t),将无量纲矩阵u变换为矩阵
(54)计算第j个区域内的第i个评估指标的特征值比重
(55)对于第i个评估指标,定义第j个区域与其他区域之间的加权交叉熵为dij,dij的对称表示形式为:
其中:
(56)计算第i个评估指标在任意两个区域间的总加权交叉熵di:
(57)总加权交叉熵di越大,表示第i个评估指标在各个区域内间的信息差异越大,越有利于区分区域电压质量;因此,基于所有评估指标的总加权交叉熵最大为目标,构造最优模型:
利用拉格朗日最小二乘法构造拉格朗日函数:
其中:ω=(ω1,ω2,…,ωl),λ表示拉格朗日常数;
得到第i个评估指标的权重ωi为:
归一化处理后得到第i个评估指标的权重ωi为:
归一化后的结构即为最终的第i个评估指标的权重ωi。
步骤6、采用基于证据决策的多属性决策方法得到每一个区域的区域电压质量的总置信度向量。
(61)将每一个评估指标分为n个评价等级,将每个区域的每个评估指标在每个评价等级上进行置信度评估,得到每个电压质量指标置信度向量s(ei(aj)):
s(ei(aj))={(hn,βn,i(aj))};i=1,3,…,l;j=1,2,…,m;n=1,2,…,n
其中:ei=ei(aj)表示第j个区域的第i个电压质量指标,hn表示第n个评价等级,βn,i(aj)表示第j个区域内的第i个评估指标在第n个评价等级上的置信度;
(62)将电压质量指标集合{e1,e2,…,el}称为证据融合的底层,使用{ω1,ω2,…,ωl}表征各评估指标的重要性,将{h1,h2,…,hl}称为证据融合的中层;决策者根据每个评估指标的目标函数值的情况利用置信度评估方法评估其位于哪一个等级中;置信度评估结果(hn,βn,i(aj))形成证据矩阵,根据矩阵决策者依然无法直接从这个矩阵中判断方案优劣,需要对这些证据进行融合,证据融合过程如下:
根据置信度计算得到基本可信度mn,i=ωiβn,i(aj),由于决策者对区域电压质量指标认知的不确定性,可通过计算得到不确定的基本可信度
考虑证据融合的方便性,对基本可信度进行分解;
将前i个评估指标在第n个评价等级上的置信度进行融合,得到总的置信度mn,i(i):
mn,i(i+1)=ki(i+1)[mn,i(i)mn,i+1+mh,i(i)mn,i+1+mn,i(i)mh,i+1]
其中:mh,i(i)表示未分配给前i个评估指标的基本可信度;得到总的置信度向量为s(aj)={(hn,βn(aj)),(h,βh(aj))},且有:
其中,其中βh(aj)表示决策者的总不确定的置信度。
步骤7、将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果。
将所有区域的区域电压质量总置信度向量分布映射为效用值,计算每一个区域的区域电压质量的平均效用值,将平均效用值作为对应区域电压质量的量化结果;具体包括如下步骤:
引进u(hn)为各评价等级的效用值,各等级效用值取值在0~1之间且等级越高效用值越大;将区域电压质量总置信度向量分布映射为效用值
以平均效用值作为衡量方案的最终指标。
本案将使用一种基于证据推理的多属性决策方法来进行电压质量的评估,其通过使用的皮尔逊相关性算法,有效简化了数据计算其有效考虑了预测过程中产生的不确定因素,对方案的置信度分析和融合,得到了一种科学合理的评价方法。这种方法可以用于区域电压质量的比较或对未来电能质量的预测。
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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。