一种区域电网智能化水平的预测方法.pdf

本发明公开了一种区域电网智能化水平的预测方法，包括构建区域电网智能化水平评估体系，每个一级指标下设3至5个二级指标，每个二级指标下设2至5个三级指标；将各级指标存储于一指标数据库；运用极值化处理方法对三级指标进行归一化处理；对一级指标、二级指标和归一化后的三级指标采用序关系‑变异系数法确定权重，然后对各级指标进行评估，从而得到区域电网智能化水平得分；基于评估结果采用Logistic模型对下一阶段区域电网智能化水平进行预测；或利用已有的典型地区的评估结果，辅之以待评估区域的一些基本信息，采用偏最小二乘回归法实现空间外推的预测；本发明能有效避免评估的单一性与片面性，对于宏观把握电网信息具有一定的意义。

1.一种区域电网智能化水平的预测方法，其特征在于，步骤如下：
步骤一、构建区域电网智能化水平评估体系，该区域电网智能化水平评估体系由安全
可靠、经济高效、透明开放、清洁环保、友好互动构成，所述安全可靠、经济高效、透明开放、
清洁环保、友好互动均为一级指标；每个一级指标下设3至5个二级指标，每个二级指标下设
2至5个三级指标，建立一包括上述所有各级指标的指标数据库；
步骤二、运用极值化处理方法，对指标数据库中的三级指标进行归一化处理；
步骤三、对一级指标、二级指标和步骤二归一化后的三级指标采用序关系-变异系数法
进行权重确定；
步骤四：利用下述公式对经过步骤三权重确定后的三级指标进行综合评估，从而得到
三级指标的得分：
$f=\underset{i=1}{\Σ}{x}_i^{*}{\mathrm{\ω}}_i---\left(1\right)$
公式(1)中，表示三级指标的第i个指标归一化后的数据，ωi表示三级指标的第i个指
标的权重；
以此类推，利用上述公式层层向上依次对经过步骤三权重确定后的二级指标和一级指
标进行综合评估，在此过程中，公式(1)中的分别用二级指标、一级指标的第i个指标归一
化后的数据来替换，ωi分别用二级指标、一级指标的第i个指标的权重来替换；从而得到区
域电网智能化水平的得分；
步骤五、对区域电网智能化水平的得分进行时间外推或空间外推，时间外推是指基于
评估结果采用Logistic模型对下一阶段区域电网智能化水平进行预测；空间外推是指利用
已有的典型地区的评估结果，辅之以待评估区域的基本信息，采用偏最小二乘回归法实现
空间外推的预测；
时间外推步骤如下：
Logistic预测模型的一阶微分方程为：
$\frac{dF}{dt}=bF(1-F)---\left(2\right)$
$F=\frac{y\left(t\right)}{y_m}---\left(3\right)$
式(2)和式(3)中，y(t)为t时刻评估指标值；ym为评估指标最大值；F为某一时刻评估指
标值与最大值之比；b为一常数；
基于分离变量法求解式(3)，得：
$F\left(t\right)=\frac{1}{1+a\exp (-bt)}---\left(4\right)$
$T_{max}=\frac{In\left(a\right)}{b}---\left(5\right)$
式(4)和式(5)中，a为常数；Tmax为评估指标增长最快时间点；
利用非线性最小二乘法求解Logistic模型的参数，目标函数为：
$\begin{array}{cc}\min & \underset{t=1}{\overset{N}{\Σ}}{\[Y\left(t\right)-y\left(t\right)\]}^2\end{array}---\left(6\right)$
式中，Y(t)为指标预测值，y(t)为指标实际值，从而得到某区域电网已知年份的下一年
的区域电网智能化水平预测值；
空间外推步骤如下：
采用偏最小二乘回归分析方法：假设现有m个自变量P＝{p1,p2,…,pm}和n个因变量Q＝
{q1,q2,…,qn}，获得k组样本点后，从自变量P和因变量Q中提取主成分t1和u1，其中，t1是p1,
p2,…,pm的线性组合)和u1(u1是q1,q2,…,qn的线性组合)，主成分t1和u1方差最大，如式(7)
所示：
M(t1)→max,M(u1)→max (7)
式(7)中，M(t1)，M(u1)分别表示t1和u1的方差；
从自变量P和因变量Q中提取主成分t1和u1在t1过程中，主成分t1和u1之间的相关系数r
(t1,u1)保持最大，即：
r(t1,u1)→max (8)
提取第1个主成分t1后，分别实施P与Q对t1的回归分析，若模型精度满足预设要求，则计
算停止；否则，重复上述的提取过程，直到能够满足精度要求；若最终共得到了p个主成分，
分别记为t1,t2,…,tp，那么因变量Q对自变量P的对应关系则转化成，为了因变量Q对p个提
取得到的主成分的回归分析方程；
以下述九个待评估区域的基本信息作为自变量P，以区域电网智能化水平作为因变量
Q，进行偏最小二乘回归分析；从而得到待评估区域的同年份的区域电网智能化水平值；


2.根据权利要求1所述一种区域电网智能化水平评估方法，其特征在于，所述区域电网
智能化水平评估体系的内容如下：

一种区域电网智能化水平的预测方法

技术领域

本发明属于智能电网评估预测领域，尤其涉及一种区域电网智能化水平的预测方
法。

背景技术

智能电网评估的目的是深入了解智能电网现阶段的发展水平，查找不足以确定未
来重点发展方向，进而促进智能电网社会效益的充分实现，并为下一步的建设指明方向。随
着智能电网研究和实施的推进，亟需一种综合且有效的方法来有效评估当前智能电网的发
展程度，这不仅是电力工业科学决策的前提，也是电力行业相关决策的基础。

欧美等发达国家在智能电网综合评估方面开展了大量研究，目前已经公开的智能
电网评估体系中，影响大的大部分由欧美科研部门提出。美国能源部针对美国本土电网情
况制定了智能电网发展评估指标体系并给出具体评估计算方法，据此深入分析智能电网在
美国发展的情况。IBM建立了反映智能电网发展的成熟度模型，该模型从人员/技术、运行流
程两个方向对智能电网进行评估，通过设置合理问卷对技术人员、管理人员我国对于智能
电网评估的研究多集中于指标体系的构建与完善，而评估方法则主要通过对传统评估方法
进行改进后实现。国内目前较为熟知的指标体系包括“两型”电网评估指标体系以及智能电
网试点项目评估指标体系等。然而，现有评估体系各有侧重，应用范围有限，而且评估结果
往往只能给出方案的优劣结论，无法提供薄弱环节分析和改善具体措施，而这些是使用人
员迫切需要了解的。此外，限制智能电网评估应用的另一个因素在于部分评估对象关联的
底层指标难以采集，造成即使建立了较为合理的评估指标体系和方法但难以应用。

发明内容

针对电网的智能化水平，本发明对传统评估方法进行了改进，提出了一种区域电
网智能化水平的预测方法，以达到多维度、深层次、宽领域的全面评估以及在时间维度与空
间维度的预测推演。

为解决上述技术问题，本发明提出的一种区域电网智能化水平的预测方法，步骤
如下：

步骤一、构建区域电网智能化水平评估体系，该区域电网智能化水平评估体系由
安全可靠、经济高效、透明开放、清洁环保、友好互动构成，所述安全可靠、经济高效、透明开
放、清洁环保、友好互动均为一级指标；每个一级指标下设3至5个二级指标，每个二级指标
下设2至5个三级指标，建立一包括上述所有各级指标的指标数据库；

步骤二、运用极值化处理方法，对指标数据库中的三级指标进行归一化处理；

步骤三、对一级指标、二级指标和步骤二归一化后的三级指标采用序关系-变异系
数法进行权重确定；

步骤四：利用下述公式对经过步骤三权重确定后的三级指标进行综合评估，从而
得到三级指标的得分：

$f=\underset{i=1}{\Σ}{x}_i^{*}{\mathrm{\ω}}_i---\left(1\right)$

公式(1)中，表示三级指标的第i个指标归一化后的数据，ωi表示三级指标的第i
个指标的权重；

以此类推，利用上述公式层层向上依次对经过步骤三权重确定后的二级指标和一
级指标进行综合评估，在此过程中，公式(1)中的分别用二级指标、一级指标的第i个指标
归一化后的数据来替换，ωi分别用二级指标、一级指标的第i个指标的权重来替换；从而得
到区域电网智能化水平的得分；

步骤五、对区域电网智能化水平的得分进行时间外推或空间外推，时间外推是指
基于评估结果采用Logistic模型对下一阶段区域电网智能化水平进行预测；空间外推是指
利用已有的典型地区的评估结果，辅之以待评估区域的一些基本信息，采用偏最小二乘回
归法实现空间外推的预测；

时间外推步骤如下：

Logistic预测模型的一阶微分方程为：

$\frac{dF}{dt}=bF(1-F)---\left(2\right)$

$F=\frac{y\left(t\right)}{y_m}---\left(3\right)$

式(2)和式(3)中，y(t)为t时刻评估指标值；ym为评估指标最大值；F为某一时刻评
估指标值与最大值之比；b为一常数；

基于分离变量法求解式(3)，得：

$F\left(t\right)=\frac{1}{1+a\exp (-bt)}---\left(4\right)$

$T_{max}=\frac{In\left(a\right)}{b}---\left(5\right)$

式(4)和式(5)中，a为常数；Tmax为评估指标增长最快时间点；

由于Logistic模型具有非线性特征，故可利用非线性最小二乘法求解Logistic模
型的参数，目标函数为：

$\begin{array}{cc}min& \underset{t=1}{\overset{N}{\Σ}}{\[Y\left(t\right)-y\left(t\right)\]}^2\end{array}---\left(6\right)$

式中，Y(t)为指标预测值，y(t)为指标实际值，从而得到某区域电网已知年份的下
一年的区域电网智能化水平预测值；

空间外推步骤如下：

偏最小二乘回归分析方法的原理如下：假设现有m个自变量P＝{p1,p2,…,pm}和n
个因变量Q＝{q1,q2,…,qn}，为得到它们的对应关系，先要获得k组样本点。在获得足够样本
点后，从自变量P和因变量Q中提取主成分t1(t1是p1,p2,…,pm的线性组合)和u1(u1是q1,
q2,…,qn的线性组合)，为了让原数据包含的变异信息尽可能多的保留下来，要求其成分方
差最大如式(7)所示：

M(t1)→max,M(u1)→max (7)

式(7)中，M(t1)，M(u1)分别表示t1和u1的方差。

为保证自变量P与因变量Q之间的相关性能够有效保留下来，在t1和u1的提取过程
中，应使两者之间的相关系数r(t1,u1)保持最大，即：

r(t1,u1)→max (8)

因此，在P与Q中提取的成分t1和u1能最大程度地保留原有信息。提取第1个主成分
t1后，分别实施P与Q对t1的回归分析，若模型精度满足预设要求，则计算停止；否则，重复上
述的提取过程，直到能够满足精度要求。若最终共得到了p个主成分，分别记为t1,t2,…,tp，
那么因变量Q对自变量P的对应关系则转化成，为了因变量Q对p个提取得到的主成分的回归
分析方程；

以下述九个待评估区域的基本信息作为自变量P，以区域电网智能化水平作为因
变量Q，进行偏最小二乘回归分析；从而得到待评估区域的同年份的区域电网智能化水平
值；

编号
待评估区域的基本信息
1
区域人口
2
总售电量
3
总居民电量
4
总工业用户用电量
5
总机动车数量
6
35kv以上变电站数量
7
110kv以上的线路里程数
8
人均GDP
9
人均可支配收入

与现有技术相比，本发明的有益效果是：

本发明应用于区域电网智能化水平评估与时空外推中，结合表征智能电网的五个
特征构建了区域电网智能化水平评估指标体系，特别是考虑关键技术对区域电网发展水平
的支撑作用，在评估指标体系中引入关键技术适用度计及关键技术的发展水平及其在地区
电网的适用程度。采用序关系-变异系数法作为评估计算方法，综合主客观影响提升评估结
果的合理性。基于Logistic模型实现了区域智能化水平评估结果在时间维度上的预测；针
对底层指标难以采集获取的区域，利用已有的典型地区的评估结果，辅之以待评估区域的
一些基本信息，基于偏最小二乘回归分析方法实现了空间外推。充分挖掘数据的潜在信息，
对于电网的规划与安全运行具有重要的意义。

附图说明

图1是本发明研究材料-河南区域电网智能化水平评估结果雷达图。

图2是河南电网智能化水平时间外推曲线。

具体实施方式

一种区域电网智能化水平的预测方法，其特征在于，步骤如下：

步骤一、构建区域电网智能化水平评估体系，该区域电网智能化水平评估体系由
安全可靠、经济高效、透明开放、清洁环保、友好互动构成，所述安全可靠、经济高效、透明开
放、清洁环保、友好互动均为一级指标；每个一级指标下设3至5个二级指标，每个一级指标
对应的二级指标中均设置了“关键技术适用度”指标，用于衡量关键技术对区域发展的支撑
程度。进一步地，每个二级指标下设2至5个三级指标，其中：关键技术适用度对应的三级指
标包括与一级指标关联的几项关键技术。建立一包括上述所有各级指标的指标数据库，如
表1所示；

表1区域电网智能化水平评估体系

步骤二、运用极值化处理方法，对指标数据库中的三级指标进行归一化处理；

该步骤中智能电网评估体系指标的极值处理可分为三类:极大化处理、极小化处
理、0/1型处理。其中极大化处理针对增大趋势优良发展的指标，极小化处理针对减小趋势
优良发展的指标，0/1型处理针对是否判断型的指标。处理方法如下：

其中xmax表示指标x样本值的最大值，xmin表示指标x样本值的最小值。对于判断型
指标，是取1，否取0。x*表示归一化后的数据值，其大小在0～1之间。对各指标的处理见表2
所示。

表2区域电网智能化水平评估体系指标的处理

步骤三、对一级指标、二级指标和步骤二归一化后的三级指标采用序关系-变异系
数法进行权重确定；

采用序关系法对各级指标进行定性排序并且主观赋权。假设某二级级指标包括m
个三级指标，则按重要程度从大到小有唯一一个确定的序关系x1＞x2＞…＞xm，专家关于评
估指标xk-1与xk的重要程度之比ωk-1/ωk的理性判断为ωk-1/ωk＝rk，且满足rk＞1/rk-1，则
第m个指标的权重ωm为rk的赋值参考如表3。

表3 rk的赋值参考

rk
说明
1.0
指标xk-1与指标xk具有同样的重要性
1.2
指标xk-1比指标xk稍微重要
1.4
指标xk-1比指标xk明显重要
1.6
指标xk-1比指标xk强烈重要
1.8
指标xk-1比指标xk极端重要

依次类推可确定各个层级指标的权重并逐级向上进行计算。

采用变异系数法客观赋权，直接利用各项指标所包含的信息，通过计算得到指标
的权重。计算过程如下。

(1)数据归一化处理。为了消除各项指标量纲不同带来的影响，首先对各项指标进
行归一化处理，

$z_{ij}=\frac{y_{ij}}{\max y_j},\begin{array}{c}i=1,2,...,n\\ j=1,2,...,m\end{array}---\left(9\right)$

式中，yij表示第i个被评估对象的第j个指标的值，max yj表示第j个指标的最大
值，zij表示经过无量纲处理后的指标值。

(2)计算各指标的平均值和标准差Sj。

${\stackrel{\‾}{Z}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{z}_{ij},j=1,2,...m---\left(10\right)$

$S_j=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(z_{ij}-{\stackrel{\‾}{Z}}_j)}^2},j=1,2,...,m---\left(11\right)$

(3)计算各指标变异系数Vj和权重ωj。

$V_j=\frac{S_j}{{\stackrel{\‾}{Z}}_j},j=1,2,...m---\left(12\right)$

${\mathrm{\ω}}_j=\frac{V_j}{\underset{j=1}{\overset{m}{\Σ}}{V}_j},j=1,2,...m---\left(13\right)$

采用序关系-变异系数组合赋权。用ωj′表示序关系法得到的权重，ωj″表示变异
系数法计算得到的权值，那么组合权重为

ωj＝ρωj′+(1-ρ)ωj″,j＝1,2,…m (14)

其中，0≤ρ≤1，文中取0.5。

国网河南省电力公司地处中原，居于华中、华北、西北联网的枢纽地位。选取河南
电网作为研究对象，对2009-2013年期间河南电网智能化水平进行评估，并对评估结果进行
进一步分析。

采用序关系-变异系数法求取各级指标的权重，一级指标权重如表4所示。

表4一级指标权重值

一级指标
安全可靠
经济高效
清洁环保
透明开放
友好互动
权重
0.2457
0.1653
0.1575
0.1833
0.2479

步骤四：利用下述公式对经过步骤三权重确定后的三级指标进行综合评估，从而
得到三级指标的得分：

$f=\underset{i=1}{\Σ}{x}_i^{*}{\mathrm{\ω}}_i---\left(15\right)$

公式(15)中，表示三级指标的第i个指标归一化后的数据，ωi表示三级指标的
第i个指标的权重；

以此类推，利用上述公式层层向上依次对经过步骤三权重确定后的二级指标和一
级指标进行综合评估，在此过程中，公式(1)中的分别用二级指标、一级指标的第i个指标
归一化后的数据来替换，ωi分别用二级指标、一级指标的第i个指标的权重来替换；从而得
到区域电网智能化水平的得分；

结合二级和三级指标的权重，得到2009-2013年期间河南电网一级指标的评估结
果如表5所示。

表5河南一级指标评估结果

2009
2010
2011
2012
2013
安全可靠
0.4917
0.4839
0.533
0.5228
0.5067
经济高效
0.3305
0.3401
0.3653
0.4209
0.4451
清洁环保
0.2131
0.2191
0.2348
0.2434
0.2761
透明开放
0.2707
0.343
0.3729
0.4045
0.7154
友好互动
0.3139
0.3429
0.4132
0.4895
0.5593

一级指标权重与评估值线性加权求和，得到2009-2013年期间河南电网智能化水
平各年度评估结果如表6所示。

表6河南电网智能化水平评估结果

年份
2009
2010
2011
2012
2013
评估结果
0.3691
0.3831
0.4229
0.4449
0.4862

评估结果分析。图1是2009-2013年期间河南电网智能化水平评估结果雷达图，可
得：

1)河南电网智能化水平始终保持着逐年稳定发展的趋势，发展速度较为平稳。

2)经济高效、透明开放和友好互动三项指标的增幅较高，增长速度较快。

3)安全可靠指标发展较为平缓，增幅有限。

4)清洁环保指标增速较慢，这与河南电网火电比重大有关。

步骤五、时空外推；

步骤五、对区域电网智能化水平的得分进行时间外推或空间外推，时间外推是指
基于评估结果采用Logistic模型对下一阶段区域电网智能化水平进行预测；空间外推是指
利用已有的典型地区的评估结果，辅之以待评估区域的一些基本信息，采用偏最小二乘回
归法实现空间外推的预测；

时间外推步骤如下：

Logistic预测模型的一阶微分方程为：

$\frac{dF}{dt}=bF(1-F)---\left(16\right)$

$F=\frac{y\left(t\right)}{y_m}---\left(17\right)$

式(16)和式(17)中，y(t)为t时刻评估指标值；ym为评估指标最大值；F为某一时刻
评估指标值与最大值之比；b为一常数；

基于分离变量法求解式(17)，得：

$F\left(t\right)=\frac{1}{1+a\exp (-bt)}---\left(18\right)$

$T_{max}=\frac{In\left(a\right)}{b}---\left(19\right)$

式(18)和式(19)中，a为常数；Tmax为评估指标增长最快时间点；

由于Logistic模型具有非线性特征，故可利用非线性最小二乘法求解Logistic模
型的参数，目标函数为：

$\begin{array}{cc}\min & \underset{t=1}{\overset{N}{\Σ}}{\[Y\left(t\right)-y\left(t\right)\]}^2\end{array}---\left(20\right)$

式中，Y(t)为指标预测值，y(t)为指标实际值，从而得到某区域电网已知年份的下
一年的区域电网智能化水平预测值；

以河南2009-2012年区域智能化水平作为时间预测基础数据，基于Logistic模型
获得河南电网区域智能化水平时间外推曲线如图2所示。

用河南2013年区域智能化水平对预测结果准确性进行校验：2013年拟合数据为
0.4731，实际数据为0.48626，误差为2.6％，外推结果较为可信。

空间外推步骤如下：

偏最小二乘回归分析方法的原理如下：假设现有m个自变量P＝{p1,p2,…,pm}和n
个因变量Q＝{q1,q2,…,qn}，为得到它们的对应关系，先要获得k组样本点。在获得足够样本
点后，从自变量P和因变量Q中提取主成分t1(t1是p1,p2,…,pm的线性组合)和u1(u1是q1,
q2,…,qn的线性组合)，为了让原数据包含的变异信息尽可能多的保留下来，要求其成分方
差最大如式(21)所示：

M(t1)→max,M(u1)→max (21)

式(21)中，M(t1)，M(u1)分别表示t1和u1的方差。

为保证自变量P与因变量Q之间的相关性能够有效保留下来，在t1和u1的提取过程
中，应使两者之间的相关系数r(t1,u1)保持最大，即：

r(t1,u1)→max (22)

因此，在P与Q中提取的成分t1和u1能最大程度地保留原有信息。提取第1个主成分
t1后，分别实施P与Q对t1的回归分析，若模型精度满足预设要求，则计算停止；否则，重复上
述的提取过程，直到能够满足精度要求。若最终共得到了p个主成分，分别记为t1,t2,…,tp，
那么因变量Q对自变量P的对应关系则转化成，为了因变量Q对p个提取得到的主成分的回归
分析方程；

以下述九个基本信息作为自变量P，以区域电网智能化水平作为因变量Q，进行偏
最小二乘回归分析；从而得到待评估区域的同年份的区域电网智能化水平值；

表8待评估区域的基本信息

选用河南和江苏两地进行点到点空间外推计算和误差分析，具体采用“前推回算”
方法分析空间外推计算方法的误差。步骤如下：

(1)选用2013年河南、江苏地区的区域基本信息构建区域基本信息数据库，根据数
据库中区域基本信息以及区域智能化水平，基于偏最小二乘法建立回归方程。

(2)外推北京、天津、山东和内蒙等四个地区电网的智能化水平。

(3)由北京、天津、山东和内蒙等四个地区电网智能化水平建立回归方程，基于该
回归方程外推江苏和河南地区电网的智能化水平。

(4)与河南和江苏地区的实际结果对比，校验空间外推方法的准确性，误差分析结
果如表9所示。

表9区域电网智能化水平空间外推误差分析

河南
江苏
外推值
0.5177
0.6272
实际值
0.4863
0.6296
误差
6％
0.30％

经误差分析可知：外推值与实际值之间误差在可接受的范围内，外推方法具有较
高精度，外推结果较为可信。

尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施
方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本
发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的
保护之内。