一种基于人工智能的电网精准投资项目决策方法技术

本发明专利技术提出了一种基于人工智能的电网精准投资项目决策方法。本发明专利技术通过不同决策维度下的不同指标、不同决策维度下的不同指标的指标类型建立精准投资项目决策指标体系；根据不同决策维度的不同指标的指标类型，对各待决策项目对应的不同决策维度下的不同指标的指标值进行量化评分；基于熵权法与变异系数法计算初始客观权重，由人工智能学习历史决策经验得到的权重，计算最终客观权重；将指标量化评分与最终客观权重进行加权计算得到待决策项目的综合评分，结合待决策项目综合评分对项目进行排序优选，以辅助电网开展精准投资决策。本发明专利技术指标体系来源可靠、指标体系具有可量化性、决策模型具有动态跟踪性，且本发明专利技术电网投资项目决策精度高。

【技术实现步骤摘要】
一种基于人工智能的电网精准投资项目决策方法
本专利技术属于电网高质量发展精准投资决策领域，尤其涉及一种基于人工智能的电网精准投资项目决策方法。
技术介绍
在“互联网+”、电力大数据以及人工智能蓬勃发展的时代背景下，电力企业需要从自身开始，打破部门间数据壁垒，实现效益最大化；同时在电网高质量发展的要求下，调整投资结构，实现资源配置优化，以一定的投入获取最大的产出。辅以数据挖掘以及人工智能技术，电网工程项目为适应高质量发展的新要求，必须实现精准投资。目前，电网企业投资大多还处于依靠经验的投资阶段，依赖人工进行投资决策，一方面难以对负荷增长进行正确的预判，另一方面容易受到主观意识的干扰，无法对项目的具体收益进行精准定位与精确判断，亟需形成精准投资策略，提升电网企业精准投资水平。在目前的项目决策体系中，仍存在一些问题。首先，目前所采用的指标体系中，没有考虑到电压等级的不同。对电网来说，不同电压等级的网架侧重点不同。220kV及以上主网架侧重支撑电网安全运行，而110kV及以下配电网需要考虑用户用电问题。将主网架项目与配电网项目采用同一套本文档来自技高网...

【技术保护点】
1.一种基于人工智能的电网精准投资项目决策方法，其特征在于，包括以下步骤：/n步骤1，通过不同决策维度下的不同指标、不同决策维度下的不同指标的指标类型建立精准投资项目决策指标体系；/n步骤2，根据不同决策维度的不同指标的指标类型，对各待决策项目对应的不同决策维度下的不同指标的指标值进行量化评分；/n步骤3，基于熵权法与变异系数法计算初始客观权重，由人工智能学习历史决策经验得到的权重，计算最终客观权重；/n步骤4，通过将步骤2计算得到的指标量化评分与步骤3计算得到的最终客观权重进行加权计算，可得到待决策项目的综合评分，结合待决策项目综合评分对项目进行排序优选，以辅助电网开展精准投资决策。/n

【技术特征摘要】
1.一种基于人工智能的电网精准投资项目决策方法，其特征在于，包括以下步骤：
步骤1，通过不同决策维度下的不同指标、不同决策维度下的不同指标的指标类型建立精准投资项目决策指标体系；
步骤2，根据不同决策维度的不同指标的指标类型，对各待决策项目对应的不同决策维度下的不同指标的指标值进行量化评分；
步骤3，基于熵权法与变异系数法计算初始客观权重，由人工智能学习历史决策经验得到的权重，计算最终客观权重；
步骤4，通过将步骤2计算得到的指标量化评分与步骤3计算得到的最终客观权重进行加权计算，可得到待决策项目的综合评分，结合待决策项目综合评分对项目进行排序优选，以辅助电网开展精准投资决策。


2.根据权利要求1所述的基于人工智能的电网精准投资项目决策方法，其特征在于：
步骤1所述不同决策维度下的不同指标为：indexl，m；
其中，indexl，m为第l个决策维度下的第m个指标，l∈[1，L]，m∈[1，M]，L为决策维度的数量，M为对应决策维度下指标的数量；
步骤1所述不同决策维度下的不同指标的指标类型为：



其中，typel，m为第l个决策维度下的第m个指标的指标类型，l∈[1，L]，m∈[1，M]，L为决策维度的数量，M为对应决策维度下指标的数量；
typel，m在定义指标后由人工根据指标类别与实际意义给出。


3.根据权利要求1所述的基于人工智能的电网精准投资项目决策方法，其特征在于：
步骤2所述各待决策项目对应的不同决策维度下的不同指标的指标值为：datal，m(n)
其中，datal，m(n)为第n个待决策项目对应的第l个决策维度下第m个指标的指标值，l∈[1，L]，m∈[1，M]，n∈[1，N]，L为决策维度的数量，M为对应决策维度下指标的数量，N为待决策项目的数量；
步骤2所述计算各待决策项目对应的不同决策维度下的不同指标的指标值的量化评分为：
所述各待决策项目对应的不同决策维度下的不同指标的指标值的量化评分为：scorel，m(n)；
其中，scorel，m(n)为第n个待决策项目对应的第l个决策维度下第m个指标的指标值的量化评分，l∈[1，L]，m∈[1，M]，n∈[1，N]，L为决策维度的数量，M为对应决策维度下指标的数量，N为待决策项目的数量；
当typel，m＝1时，表示指标为0-1类正指标，所述0-1类正指标的指标值为0或1；
若datal，m(n)＝1，则scorel，m(n)＝100；若datal，m(n)＝0，则scorel，m(n)＝0；
当typel，m＝2时，表示指标为0-1逆指标，所述0-1类逆指标的指标值为0或1；
若datal，m(n)＝0，则scorel，m(n)＝100；若datal，m(n)＝1，则scorel，m(n)＝0；
当typel，m＝3时，表示指标为区间类型指标，通过梯形函数分布模型计算区间类型指标的指标量化评分，具体为：



其中，a1、a2、b1、b2分别为梯形评分函数线性部分的第一函数参数、梯形评分函数线性部分的第二函数参数、梯形评分函数线性部分的第三函数参数、梯形评分函数线性部分的第四函数参数，c1、c2、c3、c4依次为指标值的第一分类阈值、指标值的第二分类阈值、指标值的第三分类阈值、指标值的第四分类阈值；
当typel，m＝4时，表示指标为非0-1类正指标，采用隶属度函数模型集合计算非0-1类正指标的指标量化评分，具体如下：
所述隶属度函数模型集合由正态分布、指数分布等多个概率分布函数模型构成，分别表示为：
model1，model2，…，modelk<...

【专利技术属性】
技术研发人员：吴开宇，卢生炜，武强，周明，孙元章，徐箭，李福成，廖思阳，杜静湄，
申请(专利权)人：国网湖北省电力有限公司，武汉大学，
类型：发明
国别省市：湖北;42