一种基于改进主成分分析的低压台区评价方法技术

技术编号:17780666 阅读:104 留言:0更新日期:2018-04-22 09:41
本发明专利技术公开了一种基于改进主成分分析方法的低压台区评价方法,包括以下步骤:S1:建立低压台区评价指标模型;S2:获取所述低压台区评价指标集合中每个台区指标对应的数据;S3:建立改进主成分分析算法模型,根据采集的指标数据确定主成分个数并计算每个低压台区的综合得分;S4:根据所述每个低压台区的综合得分,采用聚类算法对所有台区进行综合评价。本发明专利技术不仅能够消除指标间的相关性,而且避免了因主观确权造成的评价结果干扰,实现客观、科学的评价;同时,采用体系聚类算法对台区综合评分进行分析,可以将众多的台区进行分层,使得评价结果清晰了然,便于进行投资改造的方案设计。

【技术实现步骤摘要】
一种基于改进主成分分析的低压台区评价方法
本专利技术涉及一种基于改进主成分分析的低压台区评价方法,属于400V低压台区运行管理评价领域。
技术介绍
随着新一轮电力体制改革的不断推进和能源互联网的持续发酵,新的环境对营销、调度、配网等环节的发展提出了更高的要求,而供电最基本的单元--台区,在物理上连接电力生产与电力消费,是电力商品交付用户的最后一站。因此,台区评价和管理方法的好坏,对供电企业的发展与管理起着重要的影响。目前配电网的评估方法的研究主要围绕高、中压配电网进行评估,对于低压配电网即台区的评估方法和案例还处于起步阶段。传统的电网指标评价方法和评价体系主要基于层次分析法、专家打分法等主观综合评价法,这类方法可以充分利用行业人员的实际工作经验,且实施起来简单易行。主观的综合评价方法虽然简单易行,但是往往会忽略数据本身的特性以及评价指标之间的相关关系。考虑到实际台区的评价指标数量众多,对所有的指标都进行评价不仅费时费力,而且有部分指标存在数据的相关重叠,影响了最终的评分的准确客观,因此,降低评价体系的指标量、消除指标间的相关性对于构建科学客观的评价体系显得尤为重要。
技术实现思路
专利技术目的:提供一种基于改进主成分分析的低压台区评价方法,能够消除了指标间的相关性,能够避免了因主观确权造成的评价结果干扰,是一种兼具客观性和科学性的评价模型。为解决上述技术问题,本专利技术所采用的技术方案如下:一种基于改进主成分分析的低压台区评价方法,包括以下步骤:S1:建立低压台区评价指标模型;S2:获取所述低压台区评价指标集合中每个台区指标对应的数据;S3:建立改进主成分分析算法模型,根据采集的指标数据确定主成分个数并计算每个低压台区的综合得分;S4:根据所述每个低压台区的综合得分,采用聚类算法对所有台区进行综合评价。为了提高评价准确性,优选,所述步骤S1具体包括:通过层次分析法分析低压台区效能,得到所述低压台区指标集合的一级指标;将所述低压台区一级指标分解得到所述低压台区一级指标下的低压台区二级指标,所述低压台区一级指标和低压台区二级指标构成低压台区评价指标模型。为了保证评价的全面性,优选,所述低压台区一级指标包括:台区特性指标、负载水平指标、经济效益指标和供电能力指标;所述低压台区二级指标包括:台变容量、台区半径、绝缘化率、最大负载率、平均负载率、供电量、售电量、线损率、三相不平衡度、供电可靠率、电压合格率以及平均功率因数。上述基于低压台区台区特性、负载水平、经济效益以及供电能力四个方面,通过层次分析法得到台区的4个一级指标以及12个二级指标,得到全面的低压台区效能评价模型。为了提高评价准确性,优选,所述步骤S3中,利用对数中心化来代替数据标准化,建立改进主成分分析算法模型,然后根据采集的指标数据确定主成分个数,计算每个低压台区的综合得分。所述对数中心化计算方法为:其中,p为所述低压台区二级指标个数,n为所述低压台区个数,xij为所述低压台区中第i个台区的第j个指标数值,yij为所述xij对数中心化后的数值。为了提高评价准确性,优选,所述改进主成分分析算法的具体步骤包括:S31:将所述S2中获取的指标数值生成初始矩阵X;S32:利用所述对数中心化的方法处理初始矩阵X,生成新的矩阵Y;S33:根据所述矩阵Y建立相关系数矩阵,并计算特征值和特征向量;S34:计算各特征值得方差贡献率和累计贡献率,当累计贡献率大于85%时,确定主成分的个数;S35:计算各主成分的得分和综合得分。为了提高评价准确性,优选,所述步骤S4中,利用系统聚类的方法处理所述低压台区的综合得分,将低压台区聚为3类,综合得分越高的一类,其低压台区效能越好,相应地,综合得分越低,其效能越差。本专利技术未提及的技术均参照现有技术。本专利技术基于改进主成分分析的低压台区评价方法,不仅能够消除指标间的相关性,而且避免了因主观确权造成的评价结果干扰,实现客观、科学的评价;同时,采用体系聚类算法对台区综合评分进行分析,可以将众多的台区进行分层,使得评价结果清晰了然,便于进行投资改造的方案设计。附图说明图1为本专利技术实施例提供的低压台区评价方法的流程图;图2为本专利技术实施例提供的低压台区综合评价指标模型;图3为本专利技术实施例提供的改进主成分分析算法模型;图4为本专利技术实施例提供的51个台区的系统聚类树。具体实施方式为了更好地理解本专利技术,下面结合实施例进一步阐明本专利技术的内容,但本专利技术的内容不仅仅局限于下面的实施例。本专利技术实施例公开一种基于改进主成分分析的低压台区评价方法,如图1所示,包括以下步骤:S1:建立低压台区评价指标模型;S2:获取所述低压台区评价指标集合中每个台区指标对应的数据;S3:建立改进主成分分析算法模型,根据采集的指标数据确定主成分个数并计算每个低压台区的综合得分;S4:根据所述每个低压台区的综合得分,采用聚类算法对所有台区进行综合评价。如图2所示,通过层次分析法分析低压台区效能,得到所述低压台区指标集合的一级指标,所述低压台区一级指标包括:台区特性指标、负载水平指标、经济效益指标和供电能力指标。将所述低压台区一级指标分解得到所述低压台区一级指标下的低压台区二级指标,所述一级指标中,台区特性指标涵盖了台变容量、台区半径和绝缘化率,负载水平指标涵盖了最大负载率、平均负载率,经济效益指标涵盖了供电量、售电量、线损率,供电能力指标涵盖了三相不平衡度、供电可靠率、电压合格率以及平均功率因数。上述低压台区一级指标和低压台区二级指标构成低压台区综合评价模型。如表1所示,以51个低压台区数据作为算例。表1为本专利技术实施例提供的51个低压台区12个二级指标的数据利用对数中心化来代替数据标准化,建立改进主成分分析算法模型,然后根据采集的指标数据确定主成分个数,计算每个低压台区的综合得分。如图3所示,改进主成分分析算法的具体步骤包括:S31:将所述S2中获取的指标数值生成初始矩阵X;S32:利用所述对数中心化的方法处理初始矩阵X,生成新的矩阵Y;S33:根据所述矩阵Y建立相关系数矩阵,并计算特征值和特征向量;S34:计算各特征值得方差贡献率和累计贡献率,当累计贡献率大于85%时,确定主成分的个数;S35:计算各主成分的得分和综合得分。进一步地,步骤S32中,对数中心化计算方法为:其中,p为所述低压台区二级指标个数,n为所述低压台区个数,xij为所述低压台区中第i个台区的第j个指标数值,yij为所述xij对数中心化后的数值。根据上述改进主成分分析算法模型可以得到51个低压台区的综合得分,如表2所示。表2为本专利技术实施例提供的51个低压台区的综合得分利用系统聚类的方法处理所述低压台区的综合得分,将低压台区聚为3类,综合得分越高的一类,其低压台区效能越好,对应地,综合得分越低,其效能越差。如表3和图4所示,聚类的结果表明,第3类台区属于评分最高的,第2类属于中等,第1类属于最差的。因此,该市需加强对第1类台区的改造建设。表3为本专利技术实施例提供的51个低压台区综合得分聚为三类的结果;本专利技术基于改进主成分分析的低压台区评价方法,克服传统评价方法主观性的缺点,解决了指标相关影响评价结果的问题,该方法简单易行,可以提供清晰划分低压台区层次,便于设计投资改造的方案。本文档来自技高网...
一种基于改进主成分分析的低压台区评价方法

【技术保护点】
一种基于改进主成分分析的低压台区评价方法,其特征在于:包括以下步骤:S1:建立低压台区评价指标模型;S2:获取所述低压台区评价指标集合中每个台区指标对应的数据;S3:建立改进主成分分析算法模型,根据采集的指标数据确定主成分个数并计算每个低压台区的综合得分;S4:根据所述每个低压台区的综合得分,采用聚类算法对所有台区进行综合评价。

【技术特征摘要】
1.一种基于改进主成分分析的低压台区评价方法,其特征在于:包括以下步骤:S1:建立低压台区评价指标模型;S2:获取所述低压台区评价指标集合中每个台区指标对应的数据;S3:建立改进主成分分析算法模型,根据采集的指标数据确定主成分个数并计算每个低压台区的综合得分;S4:根据所述每个低压台区的综合得分,采用聚类算法对所有台区进行综合评价。2.根据权利要求1所述的方法,其特征在于:所述步骤S1具体包括:通过层次分析法分析低压台区效能,得到所述低压台区指标集合的一级指标;将所述低压台区一级指标分解得到所述低压台区一级指标下的低压台区二级指标,所述低压台区一级指标和低压台区二级指标构成低压台区评价指标模型。3.根据权利要求2所述的方法,其特征在于:所述低压台区一级指标包括:台区特性指标、负载水平指标、经济效益指标和供电能力指标;所述低压台区二级指标包括:台变容量、台区半径、绝缘化率、最大负载率、平均负载率、供电量、售电量、线损率、三相不平衡度、供电可靠率、电压合格率以及平均功率因数。4.根据权利要求1所述的方法,其特征在于:所述步骤S3中,利用对数中心化来代替数据标准化,建立改进主成分分析算法模型,然后根据采集的指标数据确...

【专利技术属性】
技术研发人员:高苏州韦耀范韩璐姜维伊朱蕾
申请(专利权)人:国网江苏省电力公司宿迁供电公司东南大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1