基于改进Grey-TOPSIS算法的变电站主设备综合多维指标量化评估方法技术

本发明专利技术公开了基于改进Grey

【技术实现步骤摘要】
基于改进Grey
‑
TOPSIS算法的变电站主设备综合多维指标量化评估方法


[0001]本专利技术涉及变电站主设备比选评估
，尤其涉及基于改进Grey
‑
TOPSIS算法的变电站主设备综合多维指标量化评估方法。

技术介绍

[0002]随着当前电网规模的不断扩大，变电站在电网工程中作为电力输配的枢纽环节，其主设备的比选显得格外重要。考虑到变电站主设备运行对电网供电和电网企业收益的影响，需要在变电站主设备选择时综合比较其给电网提供的安全性、可靠性保障和经济价值。现有变电站主设备的比选评价方法考虑维度较为单一，且大多数情况下由工程师根据经验选择，主观性较强，难以结合综合各方面因素对变电站主设备进行准确、客观的分级评估结果。
[0003]因此，需要提供一种方法来综合考虑变电站主设备的安全性、经济性和可靠性，削弱指标评判过程的主观性，并实现变电站主设备的分级评估，从而解决对变电站主设备的综合多维评价问题。

技术实现思路

[0004]为克服上述缺陷，本专利技术的目的在于提供基于改进Grey
‑
TOPSIS算法的变电站主设备综合多维指标量化评估方法，能够兼顾变电站主设备比选的安全性、能效性和经济性。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]一种基于改进Grey
‑
TOPSIS算法的变电站主设备综合多维指标量化评估方法，包括步骤：
[0007]S1、根据变电站主设备比选的经济技术要求，建立变电站主设备的综合多维指标，包括安全指标、能效指标和成本指标，并向下划分子指标；
[0008]S2、采用模糊数学隶属度的方法量化综合多维指标中的定性指标，以满足定性指标难以计算的要求；
[0009]S3、通过构建模糊评价矩阵的方法求得权向量，用权向量来描述变电站主设备同性质子指标的重要程度关系；
[0010]S4、以指标量化结果和指标计算结果为基本数值，采用改进Grey
‑
TOPSIS算法，引入灰色关联度与欧氏距离融合的方法来改进单一的距离判据，计算各方案的Grey
‑
TOPSIS评价得分，减小主设备方案评估的主观性；
[0011]S5、将Grey
‑
TOPSIS评价得分结合权向量进行计算，对备选方案进行排序，实现变电站主设备的分级评估，得到变电站主设备综合多维评价结果。
[0012]可选的，所述安全指标的子指标包括环境保护能力、运行事故情况、劳动保护能力和故障切断能力；所述能效指标的子指标包括设备可靠性、运维难易度、等效利用率、缺电损失评价率和拓展性；所述成本指标的子指标包括全寿命周期成本、资金占用率、效益成本
率和投资回收期；各子指标计算如下：
[0013]所述的全寿命周期成本LCC为：
[0014]LCC＝IC+OC+MC+FC+DC
[0015]其中，IC、OC、MC、FC和DC分别对应全寿命周期成本中的初始投资成本、运行成本、检修成本、故障成本和退役成本；
[0016]所述的资金占用率为：
[0017][0018]式中，ρ为流动资金占用率；P
m
为电网企业按照年度计划下达的资金；P
per
为变电站通用方案每千伏安投资，代表了建设变电站每千伏安所需要占用资金的数额；
[0019]所述的效益成本率：
[0020][0021]式中，R
i
为计算到i年的收益现值总额；LCC
i
为计算到i年的全寿命周期成本现值总额；
[0022]所述的投资回收期：
[0023][0024]式中，P0为项目的建设投资；R
t
为每年的净收益；i为折现率，通常取4％；
[0025]所述的运行事故情况：
[0026][0027]式中，f
S1
为特大事故因子；f
S2
为重大事故因子；f
S3
为一般事故因子。i为特大事故次数，K
S1
为特大事故因子；j为重大事故次数，K
S2
为重大事故因子；k为一般事故次数，K
S3
为一般事故因子；
[0028]所述的等效利用率：
[0029][0030]式中，Q
max
为设备最大负荷；T
max
为年用电最大负荷利用小时；S
N
为设备额定容量；8760为年小时数；
[0031]所述的缺电损失评价率(IEAR)：
[0032][0033]式中，r
s
表示系统的平均故障持续时间；c(r
s
)为系统在故障持续时间下的单位停电损失。
[0034]可选的，所述采用模糊数学隶属度的方法量化综合多维指标包括步骤：
[0035]S21、各指标重要程度采用隶属度按照0.9、0.7、0.5、0.3、0.1从高到低进行描述，
进行专家打分；
[0036]S22、采用几何平均法对评价结果进行量化计算：
[0037][0038]式中，a
n
为不同专家赋予指标的得分值，n为评价专家人数。
[0039]可选的，所述通过构建模糊评价矩阵的方法求得权向量，用权向量来描述变电站主设备同性质子指标的重要程度关系包括步骤：
[0040]S31、构建模糊评价矩阵
[0041][0042]其中，矩阵元素r
ij
中i＝1，2，
…
，k；j＝1，2，
…
，k，表示第i个评价指标对第j个评价指标的重要程度评价关系，采用标度1，3，5，7，9描述；k为评价指标的个数；
[0043]S32、求解模糊评价矩阵的权向量
[0044]通过将模糊评价矩阵R最大特征值对应的特征向量进行标准化，得到模糊评价矩阵的权向量；
[0045]S33、引入相关系数的概念
[0046]采用相关系数反映指标线性相关程度，基于离差乘积来，进一步对所列求权向量进行校验；
[0047][0048]式中，ζ
ij
为第i个指标与第j个指标间的相关系数，i＝1，2，
…
，k；j＝1，2，
…
，k；x
i
，y
i
为所比较指标在模糊评价矩阵中的赋值，越接近于1表示两个指标间的相关程度越大；
[0049]S34、定义衡量指标
[0050]利用评价指标的相关系数矩阵，根据对比强度和冲突性概念，定义信息度衡量指标C
j
进行校验；
[0051][0052]式中，σ
j
为指标j的均方差，反映指标间的差异性；(1
‑
ζ
ij
)反映指标间的冲突性；C
j
值越大表示蕴含本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进Grey
‑
TOPSIS算法的变电站主设备综合多维指标量化评估方法，其特征在于，包括步骤：S1、根据变电站主设备比选的经济技术要求，建立变电站主设备的综合多维指标，包括安全指标、能效指标和成本指标，并向下划分子指标；S2、采用模糊数学隶属度的方法量化综合多维指标中的定性指标，以满足定性指标难以计算的要求；S3、通过构建模糊评价矩阵的方法求得权向量，用权向量来描述变电站主设备同性质子指标的重要程度关系；S4、以指标量化结果和指标计算结果为基本数值，采用改进Grey
‑
TOPSIS算法，引入灰色关联度与欧氏距离融合的方法来改进单一的距离判据，计算各方案的Grey
‑
TOPSIS评价得分，减小主设备方案评估的主观性；S5、将Grey
‑
TOPSIS评价得分结合权向量进行计算，对备选方案进行排序，实现变电站主设备的分级评估，得到变电站主设备综合多维评价结果。2.如权利要求1所述的一种基于改进Grey
‑
TOPSIS算法的变电站主设备综合多维指标量化评估方法，其特征在于，所述安全指标的子指标包括环境保护能力、运行事故情况、劳动保护能力和故障切断能力；所述能效指标的子指标包括设备可靠性、运维难易度、等效利用率、缺电损失评价率和拓展性；所述成本指标的子指标包括全寿命周期成本、资金占用率、效益成本率和投资回收期；各子指标计算如下：所述的全寿命周期成本LCC为：LCC＝IC+OC+MC+FC+DC其中，IC、OC、MC、FC和DC分别对应全寿命周期成本中的初始投资成本、运行成本、检修成本、故障成本和退役成本；所述的资金占用率为：式中，ρ为流动资金占用率；P
m
为电网企业按照年度计划下达的资金；P
per
为变电站通用方案每千伏安投资，代表了建设变电站每千伏安所需要占用资金的数额；所述的效益成本率：式中，R
i
为计算到i年的收益现值总额；LCC
i
为计算到i年的全寿命周期成本现值总额；所述的投资回收期：式中，P0为项目的建设投资；R
t
为每年的净收益；i为折现率，通常取4％；所述的运行事故情况：
式中，fS1为特大事故因子；f
S2
为重大事故因子；f
S3
为一般事故因子。i为特大事故次数，K
S1
为特大事故因子；j为重大事故次数，K
S2
为重大事故因子；k为一般事故次数，K
S3
为一般事故因子；所述的等效利用率：式中，Q
max
为设备最大负荷；T
max
为年用电最大负荷利用小时；S
N
为设备额定容量；8760为年小时数；所述的缺电损失评价率(IEAR)：式中，r
s
表示系统的平均故障持续时间；c(r
s
)为系统在故障持续时间下的单位停电损失。3.如权利要求1所述的一种基于改进Grey
‑
TOPSIS算法的变电站主设备综合多维指标量化评估方法，其特征在于，所述采用模糊数学隶属度的方法量化综合多维指标包括步骤：S21、各指标重要程度采用隶属度按照0.9、0.7、0.5、0.3、0.1从高到低进行描述，进行专家打分；S22、采用几何平均法对评价结果进行量化计算：式中，a
n
为不同专家赋予指标的得分值，n为评价专家人数。4.如权利要求1所述的一种基于改进Grey
‑
TOPSI...

【专利技术属性】
技术研发人员：薛文杰，陈晨，翟育新，董平先，宋晓帆，齐桓若，宋景博，郭放，闫向阳，李凯，康祎龙，安超印，盛腾飞，
申请(专利权)人：国网河南省电力公司，
类型：发明
国别省市：