一种基于主成分聚类分析的智能电网建设综合评价方法
【技术领域】
[0001] 本发明属于智能电网技术领域，特别涉及一种基于主成分聚类分析的智能电网建 设综合评价方法。
【背景技术】
[0002] 智能电网为未来电网的发展指明了方向，科学准确地评价智能电网总体发展建设 水平、衡量不同区域电网智能化的差异化程度势在必行。
[0003] 主成分分析（Principal Component Analysis, PCA)和聚类分析（Cluster Analysis)是现代多元统计分析学科中处理多变量、高维度系统最方便快捷的方法之一。主 成分分析是一种把系统中的多个变量（指标）转化为几个综合指标的统计分析方法，聚类 分析是一种根据研究对象特征对研究对象进行分类的多元分析技术。上述两种方法已广泛 应用于电力系统负荷预测、同调机群识别和输电网规划方案决策等众多研究方向。
[0004] 目前，针对于智能电网建设评价方法的研究主要集中于运用动态综合评价法嫡权 法和生产函数法等评价方法对智能电网整体进行评估，但是运用主成分分析与聚类分析相 结合的方法对智能电网建设阶段进行综合评估的研究还是略显不足。另外，现阶段对智能 电网的研究主要集中在以"智能电网"为基础的的其他领域（诸如效益等）的评价上，对智 能电网的建设阶段的研究较少。
【发明内容】
[0005] 本发明的目的在于克服现有技术的不足，提供一种设计合理、计算过程简易且计 算结果可靠性高的基于主成分聚类分析的智能电网建设综合评价方法。
[0006] 本发明解决其技术问题是采取以下技术方案实现的：
[0007] -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：
[0008] 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；
[0009] 步骤2、对评价对象关于评价指标体系中的各个指标原始数据进行标准化处理，得 出各个指标数据的正态标准化数值；
[0010] 步骤3、对正态标准化处理后的指标数据进行PCA可行性检验，若通过检验，则依 据标准化后的指标数据构建相关系数矩阵并求解该矩阵的特征值和特征向量，根据特征向 量，生成主成分表达式；若检验结果不可行，则返回步骤1重新建立智能电网建设综合评价 指标体系；
[0011] 步骤4、判断各个主成分之间是否已去除相关性，若已去除，则计算各个主成分方 差贡献率和累积方差贡献率并根据累积方差贡献率确定主成分个数；若尚未去除，则返回 步骤2重新计算各个指标数据的正态标准化数值；
[0012] 步骤5、构造主成分综合评价指标函数，给出各个主成分以及综合评价结果；
[0013] 步骤6、依据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。
[0014] 而且，所述步骤1的具体评价指标包括：发电侧清洁电源利用率、单位发电量一氧 化碳排放量、间歇性电源新增调峰容量率、分布式电源接入率、风电及光电接入能力；电网 综合网损下降率、电网储能利用率、动态增容装置髓盖率、特高压线路输电占有率；插入式 电动汽车低谷充电率、电动汽车需求侧管理参与率、可控负荷比例、智能电表普及率。
[0015] 而且，所述步骤2的具体方法为：
[0016] 根据公式
η计算各个指标的正态标准化数值，
[0017] 其中，
[0018] 上述表达式中，Xlk为标准化化数据，4为原始数据，7为原始数据的均值，#为原 始数据的方差。
[0019] 而且，所述步骤3的具体步骤包括：
[0020] (1)对正态标准化处理后的指标数据进行PCA可行性检验；
[0021] (2)依据正态标准化后的指标数据构建相关系数矩阵R ;
[0023] 上述表达式中，R为相关系数矩阵，rn，r21. "^rpp为相关系数，X为已标准化的样 本数据矩阵，？为矩阵X的转置矩阵，η为评价对象个数；
[0024] (3)求解该相关系数矩阵的特征值和特征向量，根据该矩阵的特征向量，生成主成 分表达式；
[0025] ①求解该相关系数矩阵R的特征值；
[0026] 根据相关系数矩阵R的对角
即|R-XI| =0,求解相关 系数矩阵R的特征值；
[0027] 上述表达式中，λ为特征值，同时也是相应主成分的方差，I为单位矩阵， Y 11，Υ2ι，…，Ypp为相关系数；
[0028] ②根据如下公式求解该相关系数矩阵R的特征向量；
[0030] 上述表达式中，L为特征向量矩阵，I11, I21,…，Ipp为特征向量矩阵中的具体数值， L1, L2, L3, L4S特征向量矩阵中的行向量；
[0031] ③根据相关系数矩阵的特征向量，建立第i主成分Yi表达式；
[0032] Y1= L iX ；y2= L 2x··· ；yp= L px
[0033] 上述表达式中，yi为第i个主成分，i的取值为1，2,…，p ;
[0034] L1, L2，…，Lp为相关系数矩阵R的特征向量矩阵中的行向量，X为已标准化的样本 数据矩阵。
[0035] 而且，所述步骤4的具体步骤包括：
[0036] (1)判断各个主成分之间是否已去除相关性；
[0037] (2)计算各个主成分方差贡献率和累积方差贡献率并根据累积方差贡献率确定主 成分个数；
[0038] ①根据公式ωι= λ yp，求解出各个主成分方差贡献率；
[0039] 上述表达式中，O1为第i主成分的方差贡献率，λ i为第i个主成分的方差，p为 所有主成分方差的总和；
[0040] 其中，p的计算公式为p = AfA2+…λ p;
[0041] ②根据公式
求解出q个主成分的累积方差贡献率；
[0042] 上述表达式中，P为前q个主成分的累积方差贡献率，As为第s个主成分的方差， P为所有主成分方差的总和；
[0043] ③以累积方差贡献率85%为界，确定主成分个数。
[0044] 而且，所述步骤5的具体方法为：
[0045] 构造综合主成分评价指标函数f = ωιΥι+ω2γ2+…+ c〇qyq，给出各个主成分以及综 合评价结果；
[0046] 上述表达式中，f为主成分综合评价函数，ω i为第i个主成分的方差贡献率，y 第i个主成分的表达式，i的取值为1，2···，q。
[0047] 而且，所述步骤6的具体步骤为：
[0048] (1)建立被考察电网的主成分因子负载矩阵，定义主成分7]和原变量X 4勺相关系 数为
并根据公另
求解主成分因子载荷值；
[0049] 上述表达式中，Θ i为主成分对原变量Χι的总贡献率，α μ为因子负荷量表示第j 个主成分y,对原变量X i的贡献程度；λ ,为第j个主成分的方差，1 μ为第j个主成分表达 式上第i个原有变量的系数；
[0050] (2)依据Icovd Z]) I彡0. 5的聚类判别标准对智能电网综合评价指标进行聚类 分析，对原有的评价指标进行分类。
[0051 ] 本发明的优点和积极效果是：
[0052] 本发明以主成分聚类分析方法为理论基础，对智能电网评估指标体系中的多维评 价指标进行标准化、降维和去相关性处理，消除原指标体系中指标间的二次加权，为各评价 指标赋予主成分权重，同时利用主成分因子载荷矩阵聚类分析，结合指标大类的实际意义 与评估方向，对指标体系中的指标进行分类，梳理原指标体系评测变量的内在脉络，最终利 用综合主成分评价函数定量考察特定区域智能电网发展建设水平并作横向比较，为智能电 网发展提供有益参照。
【附图说明】