电网热力平台效益评估方法及评估系统

1.本发明涉及电力系统技术领域，具体涉及一种电网热力平台效益评估方法及评估系统。


背景技术：

[0002]“三北”地区得益于独特的自然条件及国家政策法规的大力引导，可再生能源装机规模继续保持稳步增长趋势。由于本地消纳空间较小、局部地区电网网架受限、促进新能源消纳利用的市场机制不完善等因素的影响，“三北”地区弃风弃光问题严重。同时，“三北”地区的热力负荷表现出灵活性高、调度响应快、规模潜力大的特点，可作为这些地区消纳新能源的优质电力资源。
[0003]
电网热力平台的建设，充分利用热力负荷的可调控特性，进一步挖掘热力负荷响应调度价值，共同打造共建共治共赢的能源互联网生态圈，实现电网公司与用户及其他主体的数据共享、成果共享与价值共享。
[0004]
由于电网热力平台较为新颖，其综合效益分析指标涵盖发电公司、电网公司和终端热力用户三个方面，且考虑到电网热力平台要支持甘肃的扶贫政策，因此在对电网热力平台进行效益评估时需要从多方面全方位考虑电网热力平台的效益。目前，现有的效益评价方法主要是针对项目的经济效益进行评估，没有考虑到电网热力平台所需兼顾的环境效益、社会效益和政策响应效益。


技术实现要素：

[0005]
本发明的目的就是针对上述技术的不足，提供一种电网热力平台效益评估方法及评估系统，多维度对综合效益进行评估，通过市场化手段激发热力负荷用户参与有偿辅助服务、现货市场的积极性，从而充分利用热力负荷的可调控特性，进一步挖掘热力负荷响应调度价值。
[0006]
为实现上述目的，本发明所设计的电网热力平台效益评估方法，包括如下步骤：
[0007]
a)构建基于电网热力平台参与交易的整体效益评估体系：其中，所述整体效益评估体系包括不同层级的指标；
[0008]
b)采用专家打分法对所述步骤a)构建的整体效益评估体系中的每个最下层级的指标进行打分，获得每个专家对每个指标打分的数值；
[0009]
c)根据所述数值，对最下层级的指标依次约简，获得符合相关性要求的指标；
[0010]
d)将符合相关性要求的指标进行规范化处理；
[0011]
e)采用主客观赋权法对规范化处理后的指标进行指标权重计算；
[0012]
f)利用雷达图评价整体效益。
[0013]
优选地，所述步骤a)中，所述指标包括四个一级指标：经济效益指标、环境效益指标、社会效益指标和政策响应效益指标，每个一级指标下设至少一个二级指标，每个二级指标下设至少一个三级指标。
[0014]
优选地，所述步骤b)中，根据每个专家对每个指标打分的数值，形成专家打分矩阵为：(i
α1
,i
α2
,
……
,i
αn
)，i
α1
为第一个专家对第α个指标打分的数值。
[0015]
优选地，所述步骤c)中，取得同属一个指标下的任意两个下级指标之间的相关性系数，如果两个指标的相关性系数小于预设的第一相关性系数阈值，则认为这两个指标数据相互独立，如果两个指标的相关性系数大于第一相关性系数阈值，且其中一个指标与其他指标相关性大于预设的第二相关性系数阈值，所述第二相关性系数阈值大于所述第一相关性系数阈值，则去掉该指标，对最下层级的指标依次约简，最后得出符合相关性要求的指标；
[0016]
优选地，所述步骤c)中，约简化公式为：
[0017][0018]
式中，α和β为同一个指标下的任意两个最下层级指标，r
αβ
为指标α和指标β的相关性系数，i
α
，i
β
分别为同一个指标下的任意两个最下层级指标被一个专家打分的数值，分别为所有专家对于指标α和指标β打分数值的平均值。
[0019]
优选地，所述步骤d)中，所述规范化处理选取极值处理方法对极值型指标进行处理，选取隶属函数法对中间型指标进行处理，针对极大型指标采用极大值法，采用如下公式：
[0020][0021]
针对极小型指标采用极小值法，采用如下公式：
[0022][0023]
式中，a
ij
为规范化后的指标数值，i
ij
为第i个倒数第二级指标的第j个指标的数值，m
j
＝max
i
{i
ij
}，m
j
＝min
i
{i
ij
}，变换之后，指标的极大值为1，极小值为0；
[0024]
针对中间型指标选取隶属函数法，采用如下公式：
[0025][0026]
式中：i表示指标数值，a、d分别表示函数的下限和上限，b、c分别表示适度区间[b，c]的两端值。
[0027]
优选地，所述步骤e)中，所述主客观赋权法包括主观
‑
层次分析法、客观
‑
熵权法和主客观集成法，所述主观
‑
层次分析法进行指标权重计算的方法为：
[0028]
(e1)将风险因素作为各个指标层次，体现同一风险因素的设置一个指标，不同风险因素设置多个平行指标；
[0029]
(e2)通过对指标间两两元素的重要性比较，构造判断矩阵；
[0030]
d＝(i
ij
)
m
×
n
i＝1,2,3,
…
n
[0031]
式中，m为倒数第二级指标的个数，n为每个倒数第二级指标对应的最下级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值；
[0032]
(e3)构建层次结构和判定重要性标度后，通过方根法计算判断矩阵的特征值和特征向量，以进行层次单排序及一致性检验：
[0033]
(e31)计算每行元素乘积：
[0034][0035]
(e32)计算每行方根：
[0036][0037]
(e33)计算判断矩阵特征向量：
[0038][0039]
(e34)计算判断矩阵最大特征值：
[0040][0041]
然后对判断矩阵进行一致性检验，一致性是指判断矩阵中的元素满足如下关系：
[0042][0043]
当判断矩阵的阶数n＝1,2时，判断矩阵具有完全一致性，当判断矩阵的阶数n>2时，运用随机一致性比率cr检验其一致性：
[0044][0045]
上式中，ci为一致性指标：
[0046]
其中：λ
max
为判断矩阵的最大特征值，n为判断矩阵的阶数，当cr<0.10时，认为判断矩阵具有很好一致性，否则就要调整矩阵，使之具有很好一致性；
[0047]
所述客观
‑
熵权法进行指标权重计算的方法为：
[0048]
第j项指标的权重w
j
为：
[0049][0050]
第j项指标的熵值为：
[0051][0052][0053]
式中，w
j
为第j个指标的权重，其为最下级的指标，m为倒数第二级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值；
[0054]
所述主客观集成法进行指标权重计算的方法为：
[0055]
以主客观权重偏离程度最小为目标的综合集成赋权模型来确定评价指标的权重，若主观权重向量为
[0056]
w
′
＝(w
′1,w
′2,
…
w
′
n
)
t
[0057]
且满足w
′
j
∈[0,1],∑
j＝1
w
′
j
＝1，客观权重向量w
″
＝(w
″1,w
″2,
…
w
″
n
)
t
，且满足w
″
j
∈[0,1],∑
j＝1
w
″
j
＝1，则最终权重向量为：w＝αw
′
+βw
′
[0058]
其中，α和β满足：α,β>0,α+β＝1，对于指标i
ij
，其主观加权属性值为a
ij
αw
j
，客观加权属性值为a
ij
βw
′
j
，主客观加权属性值的差异为a
ij
αw
j
‑
a
ij
βw
′
j
，定义指标i
ij
的主客观决策信息的偏离程度为d
i
＝a
ij
α
j
w
j
‑
a
ij
β
j
w
′
j
，上式中，d
i
越小，方案a
i
的主客观决策信息越趋于一致，构造如下最化模型：
[0059]
mind＝(d1,d2,
…
,d
m
)
[0060]
上述多目标规划模型可转化成如下等价的单目标规划模型：
[0061][0062]
s.t.α
j
+β
j
＝1(α
j
,β
j
≥0)。
[0063]
优选地，所述步骤f)中，利用雷达图中各指标贡献比例进行衡量，计算各指标的四边形面积/最优状态面积，各指标的四边形面积为：
[0064]
式中：m为评价指标个数，k
j
为伸缩坐标刻度h为各四边形垂直于指标坐标轴的对角线长度的1/2，对于每个四边形该长度都相等，i
ij
表示第j个评价对象的第i个指标的取值，w
j
为第j项指标的权重，最优状态面积为：s
opt
＝mh，用评价对象的实际面积与最优状态面积的百分比值表示综合评价结果：
[0065][0066]
评价结果越接近100％，表示电网热力平台的综合效益越好，反之越差。
[0067]
一种电网热力平台效益评估系统，所述评估系统包括：
[0068]
整体效益评估体系构建模块：构建基于电网热力平台参与交易的整体效益评估体系，所述整体效益评估体系包括不同层级的指标；
[0069]
指标打分模块：根据建立的整体效益评估体系，采用专家打分法对每个指标打分，
获得每个专家对每个指标打分的数值；
[0070]
指标约简模块：对最下层级的指标依次约简，获得符合相关性要求的指标；
[0071]
规范化处理模块：将符合相关性要求的指标进行规范化处理；
[0072]
指标权重计算模块：采用主客观赋权法对规范化处理后的指标进行指标权重计算；
[0073]
整体效益评价模块：利用雷达图评价整体效益。
[0074]
优选地，所述整体效益评估体系构建模块中，所述指标包括四个一级指标：经济效益指标、环境效益指标、社会效益指标和政策响应效益指标，每个一级指标下设至少一个二级指标，每个二级指标下设至少一个三级指标。
[0075]
优选地，所述指标打分模块中，根据每个专家对每个指标打分的数值形成专家打分矩阵：(i
α1
,i
α2
,
……
,i
αn
)，i
α1
为第一个专家对第α个指标打分的数值。
[0076]
优选地，所述指标约简模块中，取得同属一个指标下的任意两个下级指标之间的相关性系数，如果两个指标的相关性系数小于预设的第一相关性系数阈值，则认为这两个指标数据相互独立，如果两个指标的相关性系数大于第一相关性系数阈值，且其中一个指标与其他指标相关性大于预设的第二相关性系数阈值，所述第二相关性系数阈值大于所述第一相关性系数阈值，则去掉该指标，对最下层级的指标依次约简，最后得出符合相关性要求的指标。
[0077]
优选地，所述指标约简模块中，约简化公式为：
[0078][0079]
式中，α和β为同一个指标下的任意两个最下层级指标，r
αβ
为指标α和指标β的相关性系数，i
α
，i
β
分别为同一个指标下的任意两个最下层级指标被一个专家打分的数值，分别为所有专家对于指标α和指标β打分数值的平均值。
[0080]
优选地，所述规范化处理模块中，所述规范化处理选取极值处理方法对极值型指标进行处理，选取隶属函数法对中间型指标进行处理，针对极大型指标采用极大值法，采用如下公式：
[0081][0082]
针对极小型指标采用极小值法，采用如下公式：
[0083][0084]
式中，a
ij
为规范化后的指标数值，i
ij
为第i个倒数第二级指标的第j个指标的数值，m
j
＝max
i
{i
ij
}，m
j
＝min
i
{i
ij
}，变换之后，指标的极大值为1，极小值为0；
[0085]
针对中间型指标选取隶属函数法，采用如下公式：
[0086][0087]
式中：i表示指标数值，a、d分别表示函数的下限和上限，b、c分别表示适度区间[b，c]的两端值。
[0088]
优选地，所述指标权重计算模块中，所述主客观赋权法包括主观
‑
层次分析法、客观
‑
熵权法和主客观集成法，所述主观
‑
层次分析法进行指标权重计算的方法为：
[0089]
(e1)将风险因素作为各个指标层次，体现同一风险因素的设置一个指标，不同风险因素设置多个平行指标；
[0090]
(e2)通过对指标间两两元素的重要性比较，构造判断矩阵；
[0091]
d＝(i
ij
)
m
×
n
i＝1,2,3,
…
n
[0092]
式中，m为倒数第二级指标的个数，n为每个倒数第二级指标对应的最下级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值；
[0093]
(e3)构建层次结构和判定重要性标度后，通过方根法计算判断矩阵的特征值和特征向量，以进行层次单排序及一致性检验：
[0094]
(e31)计算每行元素乘积：
[0095][0096]
(e32)计算每行方根：
[0097][0098]
(e33)计算判断矩阵特征向量：
[0099][0100]
(e34)计算判断矩阵最大特征值：
[0101][0102]
然后对判断矩阵进行一致性检验，一致性是指判断矩阵中的元素满足如下关系：
[0103][0104]
当判断矩阵的阶数n＝1,2时，判断矩阵具有完全一致性，当判断矩阵的阶数n>2时，运用随机一致性比率cr检验其一致性：
[0105]
[0106]
上式中，ci为一致性指标：
[0107]
其中：λ
max
为判断矩阵的最大特征值，n为判断矩阵的阶数，当cr<0.10时，认为判断矩阵具有很好一致性，否则就要调整矩阵，使之具有很好一致性；
[0108]
所述客观
‑
熵权法进行指标权重计算的方法为：
[0109]
第j项指标的权重w
j
为：
[0110][0111]
第j项指标的熵值为：
[0112][0113][0114]
式中，w
j
为第j个指标的权重，其为最下级的指标，m为倒数第二级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值；
[0115]
所述主客观集成法进行指标权重计算的方法为：
[0116]
以主客观权重偏离程度最小为目标的综合集成赋权模型来确定评价指标的权重，若主观权重向量为
[0117]
w
′
＝(w
′1,w
′2,
…
w
′
n
)
t
[0118]
且满足w
′
j
∈[0,1],∑
j＝1
w
′
j
＝1，客观权重向量w
″
＝(w
″1,w
″2,
…
w
″
n
)
t
，且满足w
″
j
∈[0,1],∑
j＝1
w
″
j
＝1，则最终权重向量为：w＝αw
′
+βw
′
[0119]
其中，α和β满足：α,β>0,α+β＝1，对于指标i
ij
，其主观加权属性值为a
ij
αw
j
，客观加权属性值为a
ij
βw
′
j
，主客观加权属性值的差异为a
ij
αw
j
‑
a
ij
βw
′
j
，定义指标i
ij
的主客观决策信息的偏离程度为d
i
＝a
ij
α
j
w
j
‑
a
ij
β
j
w
′
j
，上式中，d
i
越小，方案a
i
的主客观决策信息越趋于一致，构造如下最化模型：
[0120]
mind＝(d1,d2,
…
,d
m
)
[0121]
上述多目标规划模型可转化成如下等价的单目标规划模型：
[0122][0123]
s.t.α
j
+β
j
＝1(α
j
,β
j
≥0)。
[0124]
优选地，所述整体效益评价模块中，利用雷达图中各指标贡献比例进行衡量，计算各指标的四边形面积/最优状态面积，各指标的四边形面积为：
[0125]
式中：m为评价指标个数，k
j
为伸缩坐标刻度h为各四边形垂直于指标坐标轴的对角线长度的1/2，对于每个四边形该长度都相等，i
ij
表示第j个评价对象的第i个指标的取
值，w
j
为第j项指标的权重，最优状态面积为：s
opt
＝mh，用评价对象的实际面积与最优状态面积的百分比值表示综合评价结果：
[0126][0127]
评价结果越接近100％，表示电网热力平台的综合效益越好，反之越差。
[0128]
本发明与现有技术相比，具有以下优点：
[0129]
1、提出了一种电网热力平台综合效益评估方法，通过对电网热力平台的显性和隐性效益的多维度分析，从多角度构建了完整的效益评价指标体系，建立基于主客观权重确定方法的包括经济效益指标、环境效益指标、社会效益指标、政策响应效益指标的效益评价模型，为评估电网热力平台实施的效益提供依据；
[0130]
2、通过对电网热力平台准确合理的评估，深度挖掘小型热电联供机组、区域内的储热设备等热电协同负荷的多能源协同优化效应，通过市场化手段激发热力负荷用户参与有偿辅助服务、现货市场的积极性，从而充分利用热力负荷的可调控特性，进一步挖掘热力负荷响应调度价值；
[0131]
3、效益评估中充分考虑热力负荷的可调控特性，能够进一步挖掘热力负荷响应调度价值，实现电网公司与用户及其他主体的数据共享、成果共享与价值共享，拓展电网公司综合能源业务范围，扩大了电力市场主体范围，促使资源配置更为高效。
附图说明
[0132]
图1为本发明电网热力平台效益评估方法中使用雷达图的示意图。
具体实施方式
[0133]
下面结合附图和具体实施例对本发明作进一步的详细说明。
[0134]
如图1所示，一种电网热力平台效益评估方法，包括如下步骤：
[0135]
a)构建基于电网热力平台参与交易的整体效益评估体系：包括不同层级的指标，
[0136]
具体而言，步骤a)中，指标包括四个一级指标：经济效益指标、环境效益指标、社会效益指标和政策响应效益指标，每个一级指标下设若干个二级指标，每个二级指标下设若干个三级指标，如下表：
[0137]
表1共享型热网电力平台综合效益评估指标体系
[0138]
[0139][0140]
其中c1、c1为极小型指标，其余指标为极大型指标。
[0141]
b)采用专家打分法对步骤a)构建的整体效益评估体系中的每个最下层级的指标进行打分：获得每个专家对每个指标打分的数值，形成专家打分矩阵：(i
α1
,i
α2
,
……
,i
αn
)，i
α1
为第一个专家对第α个指标打分的数值；
[0142]
c)根据数值，对最下层级的指标依次约简，获得符合相关性要求的指标：为了评估电网热力平台用户对热力平台的综合效益，由于评估体系中的指标之间存在一定的相关性，如果直接将采集的指标数据用于计算，部分收益将因重复而放大，不能准确反映投资效益，因此，需要对评估体系中的指标进行约简，指标约简的目的，就是通过约简，剔除相关性较强的指标，使剩余指标弱相关、评价结果更合理，指标约简处理是利用相关性分析进行指标约简，剔除相关性较强的指标，在本步骤中，取得同属一个指标下的任意两个下级指标之间的相关性系数，如果两个指标的相关性系数小于预设的第一相关性系数阈值，本实施例中第一相关性系数阈值为0.3，则认为这两个指标数据相互独立，如果两个指标的相关性系数大于第一相关性系数阈值，且其中一个指标与其他指标相关性大于预设的第二相关性系数阈值，本实施例中第二相关性系数阈值为0.5，则去掉该指标，对最下层级的指标依次约简，最后得出符合相关性要求的指标，本实施例中，约简化公式为：
[0143]
[0144]
式中，α和β为二级指标下的任意两个三级指标，r
αβ
为指标α和指标β的相关性系数，i
α
，i
β
分别为二级指标下的任意两个三级级指标被一个专家打分的数值，分别为所有专家对于指标α和指标β打分数值的平均值；
[0145]
d)将符合相关性要求的指标进行规范化处理：在评估体系中，有些指标是比值型指标，如资源利用效率指标，有些为绝对量指标，如经济效益的成本类指标，由于不同指标因属性差异，数据范围差距很大，因此需要对指标进行规范化处理，规范化处理是选取极值处理方法对极值型指标进行处理，选取隶属函数法对中间型指标进行处理，针对极大型指标采用极大值法，采用如下公式：
[0146][0147]
针对极小型指标采用极小值法，采用如下公式：
[0148][0149]
式中，a
ij
为规范化后的指标数值，i
ij
为第i个倒数第二级指标的第j个指标的数值，m
j
＝max
i
{i
ij
}，m
j
＝min
i
{i
ij
}，变换之后，指标的极大值为1，极小值为0；
[0150]
针对中间型指标采用隶属度法，采用如下公式：
[0151][0152]
式中：i表示指标数值，a、d分别表示函数的下限和上限，b、c分别表示适度区间[b，c]的两端值；
[0153]
e)采用主客观赋权法对规范化处理后的指标进行指标权重计算：主客观赋权法包括主观
‑
层次分析法、客观
‑
熵权法和主客观集成法，主观
‑
层次分析法进行指标权重计算的方法为：
[0154]
(e1)将风险因素作为各个指标层次，体现同一风险因素的设置一个指标，不同风险因素设置多个平行指标；
[0155]
(e2)通过对指标间两两元素的重要性比较，构造判断矩阵；
[0156]
d＝(i
ij
)
m
×
n
i＝1,2,3,
…
n
[0157]
式中，m为倒数第二级指标的个数，n为每个倒数第二级指标对应的最下级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值；
[0158]
(e3)构建层次结构和判定重要性标度后，通过方根法计算判断矩阵的特征值和特征向量，以进行层次单排序及一致性检验：
[0159]
(e31)计算每行元素乘积：
[0160][0161]
(e32)计算每行方根：
[0162][0163]
(e33)计算判断矩阵特征向量：
[0164][0165]
(e34)计算判断矩阵最大特征值：
[0166][0167]
然后对判断矩阵进行一致性检验，一致性是指判断矩阵中的元素满足如下关系：
[0168][0169]
当判断矩阵的阶数n＝1,2时，判断矩阵具有完全一致性，当判断矩阵的阶数n>2时，运用随机一致性比率cr检验其一致性：
[0170][0171]
上式中，ci为一致性指标：
[0172][0173]
其中：λ
max
为判断矩阵的最大特征值，n为判断矩阵的阶数，当cr<0.10时，认为判断矩阵具有很好一致性，否则就要调整矩阵，使之具有很好一致性；
[0174]
客观
‑
熵权法进行指标权重计算的方法为：
[0175]
第j项指标的权重w
j
为：
[0176][0177]
第j项指标的熵值为：
[0178][0179]
[0180]
式中，w
j
为第j个指标的权重，其为最下级的指标，m为倒数第二级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值
[0181]
主客观集成法进行指标权重计算的方法为：以主客观权重偏离程度最小为目标的综合集成赋权模型来确定评价指标的权重，若主观权重向量为
[0182]
w
′
＝(w
′1,w
′2,
…
w
′
n
)
t
[0183]
且满足w
′
j
∈[0,1],∑
j＝1
w
′
j
＝1，客观权重向量w
″
＝(w
″1,w
″2,
…
w
″
n
)
t
，且满足w
″
j
∈[0,1],∑
j＝1
w
″
j
＝1，则最终权重向量为：w＝αw
′
+βw
′
[0184]
其中，α和β满足：α,β>0,α+β＝1，对于指标i
ij
，其主观加权属性值为a
ij
αw
j
，客观加权属性值为a
ij
βw
′
j
，主客观加权属性值的差异为a
ij
αw
j
‑
a
ij
βw
′
j
，定义指标i
ij
的主客观决策信息的偏离程度为d
i
＝a
ij
α
j
w
j
‑
a
ij
β
j
w
′
j
，上式中，d
i
越小，方案a
i
的主客观决策信息越趋于一致，构造如下最化模型：
[0185]
mind＝(d1,d2,
…
,d
m
)
[0186]
上述多目标规划模型可用等权的线性权和法化成如下等价的单目标规划模型：
[0187][0188]
s.t.α
j
+β
j
＝1(α
j
,β
j
≥0)；
[0189]
f)利用雷达图评价整体效益：利用雷达图中各指标贡献比例进行衡量，计算各指标的四边形面积/最优状态面积，用评价对象的实际面积与最优状态面积的百分比值表示综合评价结果，评价结果越接近100％，表示电网热力平台的综合效益越好，反之越差，本实施例中，雷达图作图步骤如下：
[0190]
f1)作单位圆；
[0191]
f2)从圆心引出m条射线，将圆平分为m个扇形区域，每个区域代表一个评价指标，记圆周与各条射线的交点为a，b，
…
；
[0192]
f3)以圆心为起点，对每个扇形区域作角平分线，该角平分线代表每个指标的坐标轴，在每条角平分线上，以比例kj伸缩坐标刻度，其中：k
j
＝mw
j
，指标数值1对应的点用p1，p2，
…
表示；
[0193]
f4)在每条角平分线上，以k
j
x
ij
为长度，标出该指标取值的对应点，用p1，p2，
…
表示；
[0194]
f5)以圆心o、点p
j
以及与p
j
相邻的2个交点为顶点作四边形，四边形面积即代表了对应指标对综合评价值的贡献。
[0195]
制得的图如图1。
[0196]
图中：p1’～p5’点代表进行比例伸缩后的1，也是各指标所能取到的最大值；p1～p5点代表各指标的实际取值；点o，a，p1，e所构成的四边形面积代表指标1对综合评价值的贡献，其余指标的情况与指标1类似，各指标的四边形面积为：贡献，其余指标的情况与指标1类似，各指标的四边形面积为：式中：m为评价指标个数，k
j
为伸缩坐标刻度h为各四边形垂直于指标坐标轴的对角线长度的1/2，对于每个四边形该长度都相等，i
ij
表示第j个评价对象的第i个指标的取值，w
j
为第j项指标的权重，最优状态面积为：s
opt
＝mh
[0197]
用评价对象的实际面积与最优状态面积的百分比值表示综合评价结果，即：
[0198][0199]
评价结果越接近100％，表示电网热力平台的综合效益越好，反之越差，综合评分值高的，电网热力平台综合效益好；综合评分值低的，电网热力平台综合效益有待加强。
[0200]
本实施例中，上述方法使用到的电网热力平台效益评估系统，包括：
[0201]
整体效益评估体系构建模块：构建基于电网热力平台参与交易的整体效益评估体系，整体效益评估体系包括不同层级的指标；
[0202]
指标打分模块：根据建立的整体效益评估体系，采用专家打分法对每个指标打分，获得每个专家对每个指标打分的数值；
[0203]
指标约简模块：对最下层级的指标依次约简，获得符合相关性要求的指标；
[0204]
规范化处理模块：将符合相关性要求的指标进行规范化处理；
[0205]
指标权重计算模块：采用主客观赋权法对规范化处理后的指标进行指标权重计算；
[0206]
整体效益评价模块：利用雷达图评价整体效益。
[0207]
具体而言，整体效益评估体系构建模块中，指标包括四个一级指标：经济效益指标、环境效益指标、社会效益指标和政策响应效益指标，每个一级指标下设至少一个二级指标，每个二级指标下设至少一个三级指标。
[0208]
指标打分模块中，根据每个专家对每个指标打分的数值形成专家打分矩阵：(i
α1
,i
α2
,
……
,i
αn
)，i
α1
为第一个专家对第α个指标打分的数值。
[0209]
指标约简模块中，取得同属一个指标下的任意两个下级指标之间的相关性系数，如果两个指标的相关性系数小于预设的第一相关性系数阈值，则认为这两个指标数据相互独立，如果两个指标的相关性系数大于第一相关性系数阈值，且其中一个指标与其他指标相关性大于预设的第二相关性系数阈值，第二相关性系数阈值大于第一相关性系数阈值，则去掉该指标，对最下层级的指标依次约简，最后得出符合相关性要求的指标。
[0210]
指标约简模块中，约简化公式为：
[0211][0212]
式中，α和β为同一个指标下的任意两个最下层级指标，r
αβ
为指标α和指标β的相关性系数，i
α
，i
β
分别为同一个指标下的任意两个最下层级指标被一个专家打分的数值，分别为所有专家对于指标α和指标β打分数值的平均值。
[0213]
优选地，规范化处理模块中，规范化处理选取极值处理方法对极值型指标进行处理，选取隶属函数法对中间型指标进行处理，针对极大型指标采用极大值法，采用如下公式：
[0214][0215]
针对极小型指标采用极小值法，采用如下公式：
[0216][0217]
式中，a
ij
为规范化后的指标数值，i
ij
为第i个倒数第二级指标的第j个指标的数值，m
j
＝max
i
{i
ij
}，m
j
＝min
i
{i
ij
}，变换之后，指标的极大值为1，极小值为0；
[0218]
针对中间型指标选取隶属函数法，采用如下公式：
[0219][0220]
式中：i表示指标数值，a、d分别表示函数的下限和上限，b、c分别表示适度区间[b，c]的两端值。
[0221]
指标权重计算模块中，主客观赋权法包括主观
‑
层次分析法、客观
‑
熵权法和主客观集成法，主观
‑
层次分析法进行指标权重计算的方法为：
[0222]
(e1)将风险因素作为各个指标层次，体现同一风险因素的设置一个指标，不同风险因素设置多个平行指标；
[0223]
(e2)通过对指标间两两元素的重要性比较，构造判断矩阵；
[0224]
d＝(i
ij
)
m
×
n
i＝1,2,3,
…
n
[0225]
式中，m为倒数第二级指标的个数，n为每个倒数第二级指标对应的最下级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值；
[0226]
(e3)构建层次结构和判定重要性标度后，通过方根法计算判断矩阵的特征值和特征向量，以进行层次单排序及一致性检验：
[0227]
(e31)计算每行元素乘积：
[0228][0229]
(e32)计算每行方根：
[0230][0231]
(e33)计算判断矩阵特征向量：
[0232][0233]
(e34)计算判断矩阵最大特征值：
[0234][0235]
然后对判断矩阵进行一致性检验，一致性是指判断矩阵中的元素满足如下关系：
[0236][0237]
当判断矩阵的阶数n＝1,2时，判断矩阵具有完全一致性，当判断矩阵的阶数n>2时，运用随机一致性比率cr检验其一致性：
[0238][0239]
上式中，ci为一致性指标：
[0240]
其中：λ
max
为判断矩阵的最大特征值，n为判断矩阵的阶数，当cr<0.10时，认为判断矩阵具有很好一致性，否则就要调整矩阵，使之具有很好一致性；
[0241]
客观
‑
熵权法进行指标权重计算的方法为：
[0242]
第j项指标的权重w
j
为：
[0243][0244]
第j项指标的熵值为：
[0245][0246][0247]
式中，w
j
为第j个指标的权重，其为最下级的指标，m为倒数第二级指标的个数，i
ij
为第i个倒数第二级指标的第j个指标的数值；
[0248]
主客观集成法进行指标权重计算的方法为：
[0249]
以主客观权重偏离程度最小为目标的综合集成赋权模型来确定评价指标的权重，若主观权重向量为
[0250]
w
′
＝(w
′1,w
′2,
…
w
′
n
)
t
[0251]
且满足w
′
j
∈[0,1],∑
j＝1
w
′
j
＝1，客观权重向量w
″
＝(w
″1,w
″2,
…
w
″
n
)
t
，且满足w
″
j
∈[0,1],∑
j＝1
w
″
j
＝1，则最终权重向量为：w＝αw
′
+βw
′
[0252]
其中，α和β满足：α,β>0,α+β＝1，对于指标i
ij
，其主观加权属性值为a
ij
αw
j
，客观加权属性值为a
ij
βw
j
′
，主客观加权属性值的差异为a
ij
αw
j
‑
a
ij
βw
j
′
，定义指标i
ij
的主客观决策信息的偏离程度为d
i
＝a
ij
α
j
w
j
‑
a
ij
β
j
w
j
′
，上式中，d
i
越小，方案a
i
的主客观决策信息越趋于一致，构造如下最化模型：
[0253]
mind＝(d1,d2,
…
,d
m
)
[0254]
上述多目标规划模型可转化成如下等价的单目标规划模型：
[0255][0256]
s.t.α
j
+β
j
＝1(α
j
,β
j
≥0)。
[0257]
整体效益评价模块中，利用雷达图中各指标贡献比例进行衡量，计算各指标的四边形面积/最优状态面积，各指标的四边形面积为：
[0258]
式中：m为评价指标个数，k
j
为伸缩坐标刻度h为各四边形垂直于指标坐标轴的对角线长度的1/2，对于每个四边形该长度都相等，i
ij
表示第j个评价对象的第i个指标的取值，w
j
为第j项指标的权重，最优状态面积为：s
opt
＝mh，用评价对象的实际面积与最优状态面积的百分比值表示综合评价结果：
[0259][0260]
评价结果越接近100％，表示电网热力平台的综合效益越好，反之越差。
[0261]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0262]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0263]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0264]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0265]
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对发明的具体实施方式进行种种变更、修改或
者等同替换，但这些变更、修改或者等同替换，均在发明待批的权利要求保护范围之内。