电网交叉补贴规模影响因子筛选方法技术

本发明专利技术公开了一种电网交叉补贴规模影响因子筛选方法。影响电网企业交叉补贴规模的因子存在复杂的结构特性，无法使用简单的数学模型或传统统计学方法进行优化。本发明专利技术采用的技术方案包括：1)由于影响交叉补贴规模的变量存在复杂的层级关系，应用层级树作为影响因子分组分类形式；2)每个终端节点包含一个影响因子；3)每个影响因子的计分以其上溯根节点的深度向量为依据；4)对于重叠的影响因子独立计分并优化；5)基于影响因子的计分向量，对弹性网络的估计公式进行校正；6)参数估计的交叉检验。本发明专利技术可对电网交叉补贴规模影响因子进行高效的筛选，以利于应用在交叉补贴规模预测和成本管控。

Screening Method of Influencing Factor of Cross Subsidy Scale in Power Grid

The invention discloses a screening method for influencing factors of power grid cross-subsidy scale. The factors affecting the scale of cross-subsidy of power grid enterprises have complex structural characteristics, and can not be optimized by simple mathematical models or traditional statistical methods. The technical scheme adopted by the invention includes: 1) because of the complex hierarchical relationship of variables affecting the scale of cross-subsidy, the hierarchical tree is used as the grouping classification form of impact factors; 2) each terminal node contains an impact factor; 3) the scoring of each impact factor is based on the depth vector of its upstream root node; 4) the independent scoring and optimization of overlapping impact factors; The scoring vector of the influence factor corrects the estimation formula of the elastic network. 6) Cross-test of parameter estimation. The invention can efficiently screen the influencing factors of cross subsidy scale of power grid, so as to facilitate the application of cross subsidy scale prediction and cost control.

【技术实现步骤摘要】
电网交叉补贴规模影响因子筛选方法
本专利技术属于电网交叉补贴规模预测领域，具体地说是一种基于优化层级树-弹性网络的电网交叉补贴规模影响因子筛选方法。
技术介绍
我国居民电价约为工业电价的90％以下，而世界上大多数国家居民电价高于工业电价，平均约为工业电价的1.5倍。而不合理的是，我国电价长期存在工商业用户补贴居民用电的补贴形式。随着我国电力体制改革的推进，首先影响到的必然是用电量大、电压等级高的工商业用户。由此带来的是来自工商业补贴来源的丢失，将造成电网企业较大的损失，这就要求尽快出台改革配套的交叉补贴的新机制。通过对影响交叉补贴的各类动态子因素的研究，建立电价交叉补贴动态影响因素库。建立交叉补贴各影响因素的动态预测模型，识别输配电价改革不同阶段的关键影响因素是一件亟待解决的课题。然而，影响交叉补贴规模的因素众多，对于预测模型的准确度和推广度不利。选择合适的统计学变量筛选方法因此显得必需。在很多领域的研究中，包括电力经济学在内，其所涉及的高维变量存在着等级从属关系。有着类似属性的变量往往会被同时选中或者同时移除。在筛选这类变量时，将这种关系考虑在内，而非将其作为相互独立、毫无关系的变量，对于提高预测模型准确性有着不可忽视的影响。
技术实现思路
本专利技术所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于优化层级树-弹性网络的电网交叉补贴规模影响因子筛选方法，其在弹性网络elasticnet的基础上，根据变量属性关系，对于电网领域存在的重叠变量进行等级评分系统和参数估计的优化，以修正变量筛选的效率和准确度。为此，本专利技术采用如下的技术方案：电网交叉补贴规模影响因子筛选方法，其包括步骤：1)由于影响交叉补贴规模的变量存在复杂的层级关系，应用层级树作为影响因子分组分类形式；2)每个终端节点包含一个影响因子；3)每个影响因子的计分以其上溯根节点的深度向量为依据；4)对于重叠的影响因子独立计分并优化；5)基于影响因子的计分向量，对弹性网络的估计公式进行校正；6)参数估计的交叉检验。作为上述技术方案的补充，在构建的层级树中，对于任意一个的终端节点(第i个终端节点，对应着影响因子Xi)，其所对应的所有上溯分类序列的深度向量作为其在层级树中的位置信息，则第i个影响因子Xi的深度向量为定义一个二元向量为实数集合，使得对于l＝1，…，p-1(p为影响因子总数)，则二元向量Vi的第l个元素为：在此基础上，对于任意Xi定义层级分数si：此处τ和α均是符号为正的常数，这些分数si的上限为：作为上述技术方案的补充，步骤4)中，对于重叠的影响因子进行优化校正，即在弹性网络估计公式中增加正则化项弹性网络的估计公式为：进行优化后的初步公式为：式中，为所需估计的模型参数向量；λ1为lasso惩罚项参数；λ2为ridge惩罚项参数；λOL为对于重叠的影响因子的惩罚项参数；β-OL为非重叠影响因子的参数；为对于重叠影响因子的惩罚函数；β为理论模型参数向量；y表示因变，此处即电网补贴。作为上述技术方案的补充，对于任意一个重叠变量Xj，存在k个从属于不同组的单位，即Xj1，…，Xjk，对应的二元向量为Vj1，…，Vjk，转化为重叠变量各个单位的权重后的计分为：作为上述技术方案的补充，优化校正后的弹性网络的估计公式为：作为上述技术方案的补充，进行参数估计的交叉检验选择10：1交叉检验方法，即将数据随机均等分为十份，使用其中九份作为训练集，另外一份作为测试集，对估计的参数进行检验；如此重复多次，得到优化估计。作为上述技术方案的补充，所述的层级树为二叉树，每个终端节点仅包含一个影响因子。作为上述技术方案的补充，所述的重叠影响因子为同一影响因子作用于多个分支结构终端的形式特征，在进行计分时，将此类变量与对应的计分向量单独考虑。本专利技术具有的有益效果如下：本专利技术在弹性网络elasticnet的基础上，根据变量属性关系，对于电网领域存在的重叠变量进行等级评分系统和参数估计的优化，修正了变量筛选的效率和准确度。本专利技术可对电网交叉补贴规模影响因子进行高效的筛选，利于应用在交叉补贴规模预测和成本管控。附图说明图1为本专利技术实施例中交叉补贴影响路径图；图2为本专利技术实施例中理论输配电价影响因素的影响路径图；图3为本专利技术实施例中电量影响因素的影响路径图；图4为本专利技术实施例中购电价影响因素的影响路径图；图5为本专利技术实施例中销售电价影响因素的影响路径图；图6为本专利技术实施例中交叉补贴规模影响因子层级树图；图6中，1为通常膨胀指数，2为人均国民生产总值，3为人口基数，4为人口增长率，5为政治、政策环境，6为产业结构，7为用电量，8为电价，9为电力市场交易开放，10为电网企业经营状况，11为新能源，12为技术因素，13为变电容量，14为最高用电负荷，15为线损率，16为线路长度，17为供电密度，18为供电面积，19为人均国民生产总值，20为年初固定资产，21为年末固定资产，22为职工人数，23为售电量，24为供电户数，25为户均用电量，26为变电容量，27为最高用电负荷，28为输电网络阻塞，29为线路长度，30为供电密度，31为供电面积，32为社会劳动生产率，33为技术进步，34为物价变动，35为供电面积，36为供电密度，37为线路长度，38为变电容量，39为电压，40为负荷率，41为加速折旧天气，42为设备国产化，43为电力设备更新升级，44为电气化水平，45为输配电线损，46为电力需求，47为其他能源价格变动，48为输电网络阻塞，49为电网输电能力，50为发电技术进步，51为电力供应区间分布，52为装机容量，53为城市化率，54为工业化水平，55为人口增长，56为电力需求弹簧，57为家庭收入状况，58为产业发展状况，59为大用户直购比，60为电网基础设施建设，61为发电技术，62为发电方式，63为区域消费增长，64为区域经济增长，65为区域产业结构，66为城市化率，67为工业化水平，68为人口增长，69为清洁替代能源，70为节能减排，71为污染治理，72为环境排放标准，73为用户结构，74为能源供需，75为气温与气候条件，76为无功、电压影响，77为电网结构影响，78为电网设备影响，79为计量设备影响，80为电网运行管理，81为电能计量影响，82为抄、核、收质量，83为窃电影响，84为功率因数，85为电压，86为负荷率，87为三相负荷不平衡，88为电能表，89为线路长度。具体实施方式本实施例提供一种基于优化层级树-弹性网络的电网交叉补贴规模影响因子筛选方法，其内容包括：1.弹性网络(Elasticnet)与层级结构弹性网络(Elasticnet)作为经典的机器学习算法，线性结合了Lasso和Ridge算法中的L1和L2惩罚项，从而克服了两者的缺陷:Lasso不适用于样本量小，因子间存在关联的情况；而Ridge回归单纯依靠L2惩罚项无法做到因子筛选。弹性网络估计原理为：弹性网络方法同时适用于影响因子的稀疏性和成组性，在确定的条件下能够稳定地选择出合适的影响因子，故而拥有应用于电网补贴规模影响因子筛选的潜力。拥有层级结构的影响因子在层级聚类分析中十分常见，如在遗传学研究中，基因通常会按照其生物特性和基因功能进行分组分类，而通常这样的分类都会呈现多重层级。相比较排列变量的优本文档来自技高网...

【技术保护点】
1.电网交叉补贴规模影响因子筛选方法，其特征在于，包括步骤：1)由于影响交叉补贴规模的变量存在复杂的层级关系，应用层级树作为影响因子分组分类形式；2)每个终端节点包含一个影响因子；3)每个影响因子的计分以其上溯根节点的深度向量为依据；4)对于重叠的影响因子独立计分并优化；5)基于影响因子的计分向量，对弹性网络的估计公式进行校正；6)参数估计的交叉检验。

【技术特征摘要】
1.电网交叉补贴规模影响因子筛选方法，其特征在于，包括步骤：1)由于影响交叉补贴规模的变量存在复杂的层级关系，应用层级树作为影响因子分组分类形式；2)每个终端节点包含一个影响因子；3)每个影响因子的计分以其上溯根节点的深度向量为依据；4)对于重叠的影响因子独立计分并优化；5)基于影响因子的计分向量，对弹性网络的估计公式进行校正；6)参数估计的交叉检验。2.根据权利要求1所述的电网交叉补贴规模影响因子筛选方法，其特征在于，在构建的层级树中，对于任意一个的终端节点，其所对应的所有上溯分类序列的深度向量作为其在层级树中的位置信息，则第i个影响因子Xi的深度向量为定义一个二元向量为实数集合，使得对于l＝1，…，p-1，p为影响因子总数，则二元向量Vi的第l个元素为：在此基础上，对于终端节点Xi定义层级分数si：此处τ和α均是符号为正的常数，这些分数si的上限为：3.根据权利要求2所述的电网交叉补贴规模影响因子筛选方法，其特征在于，步骤4)中，对于重叠的影响因子进行优化校正，即在弹性网络估计公式中增加正则化项弹性网络的估计公式为：进行优化后的初步公式为：式中，为所需估计的模型参数向量；λ1为lasso惩罚项参数；λ2为ridge惩罚项参数；λoL为对于重叠...

【专利技术属性】
技术研发人员：陈飞，朱国荣，高峰，张一泓，吴剑，汪鲁，陈俊，纪德良，成飞，王薇，
申请(专利权)人：国网浙江省电力有限公司经济技术研究院，浙江华云信息科技有限公司，
类型：发明
国别省市：浙江,33