[0053] 图1是本发明的评价流程图；
[0054] 图2是本发明的对原始评价指标体系进行分层的设计图。
【具体实施方式】
[0055] 以下结合附图对本发明实施例做进一步详述：
[0056] -种基于主成分聚类分析的智能电网建设综合评价方法，如图1所示，包括以下 步骤：
[0057] 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；
[0058] 所述步骤1的具体的评价指标包括：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。
[0059] 对天津市5个市辖区的智能电网在此评价指标体系上的原始数据进行采集，得表 1〇
[0060] (表1):天津市5辖区智能电网建设评价指标值
[0062] 其中，单位发电量0)2排放量为逆指标，需要利用公式P last_Pramnt/Plast将此指标转 化为正指标CO2排放量下降率，式中P lasJP P 分别表示上一期与本期的单位用电量的 〇)2的排放量，转化后的指标电网1到电网5的分别为2. 4%、2. 1%、2. 2%、2. 1%、1.9%。
[0063] 另外，风电及光电接入能力为定性指标，构造定量评价集{1，2, 3, 4, 5,6, 7, 8, 9} 与定性指标{极差，很差，较差，稍差，一般，稍好，较好，很好，极好} 一一对应。
[0064] 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；
[0065] 所述步骤2的具体方法为：
[0066] 利用SPSS软件，根据公式
[0067] 计算各个指标的正态标准化数值；
[0068] 其中，
[0069] 上述表达式中，Xlk为标准化化数据，4为原始数据，f为原始数据的均值，#为原 始数据的方差。
[0070] 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；
[0071] 所述步骤3的具体步骤为：
[0072] (1)对正态标准化处理后的指标数据进行常规PCA可行性检验；
[0073] (2)依据正态标准化后的指标数据构建相关系数矩阵R ;
[0075] 上述表达式中，R为相关系数矩阵，rn，r21. ···，、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；
[0076] (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；
[0077] ①求解该相关系数矩阵R的特征值；
[0078] 根据相关系数矩阵R的对角
即I R- λ I I = 0,求解相关 系数矩阵R的特征值；
[0079] 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；
[0080] ②根据如下公式求解该相关系数矩阵R的特征向量；
[0082] 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；
[0083] 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；
[0084] Y1= L iX ；y2= L 2x··· ；yp= L px
[0085] 上述表达式中，y;为第i个主成分，i的取值为1，2,…，p ;
[0086] 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。
[0087] 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；
[0088] 所述步骤4的具体步骤为：
[0089] (1)判断各个主成分之间是否已去除相关性；
[0090] (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；
[0091] ①根据公式ωι= λ yp，求解出各个主成分方差贡献率；
[0092] 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；
[0093] 其中，p的计算公式为p = AfA2+…λ p;
[0094] ②根据公式
求解出q个主成分的累积方差贡献率；
[0095] 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；
[0096] ③以累积方差贡献率85%为界，确定主成分个数。
[0097] 其具体的主成分特征值、方差贡献率和累积贡献率如表2所示：
[0098] (表2)评价指标值的主成分特征值分布
[0100] 由于自第5主成分开始特征值趋近于零，因此表2中仅列出了前4个主成分，从表 2可以清晰地看到，前两个主成分的累积贡献率已经达到89. 023%，已经超出0. 8的阀值， 只选取前2个主成分就可以对原有的系统进行很好的反映。
[0101] 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；
[0102] 所述步骤5的具体方法为：
[0103] 依据所选取的主成分表达式和方差贡献率，构造综合主成分评价指标函数f = ω iYi+ ω化+…+ ωqyq，给出各个主成分以及综合评价结果；
[0104] 上述表达式中，f为主成分综合评价函数，CO1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。
[0105] 评价结果如表3所示：
[0106] (表3)被考察电网的主成分评价函数值
[0107]
[0108] 由表3可知，电网1、电网3智能化发展水平领先，电网2处于中间水平，电网4和 电网5在智能电网建设中已经处于滞后水平尤其是电网5在智能电网的建设中已严重落后 于其他4个地区。
[0109] 步骤6、建立被考察电网的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；
[0110] 所述步骤6的具体步骤为：
[0111] (1)建立被考察电网的主成分因子负载矩阵，定义主成分1和原变量^的相关系 数为
并根据公式
求解主成分因子载荷值；
[0112] 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。
[0113] 其具体的主成分因子载荷矩阵如表4所示：
[0114] (表4)被考察电网的主成分因子载荷矩阵
[0116] (2)依据IcmKFb 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。
[0117] 其具体步骤为依据I COV (F1, Z]) I彡0. 5的聚类判别标准，由第一主成分与原有的