[发明专利]一种智能配电网的效能状态评价方法

权利要求书

1.一种智能配电网的效能状态评价方法，其特征在于，根据电网评价指标体系的构建原则，结合电网的特点建立了三大类别下的初始层次递进型的电网效能评价指标体系，对中心指标和非中心指标进行优化修正，并利用优化算法的混合比重对指标体系进行评价，所述方法包括如下步骤：

S1建立初始智能配电网效能评价指标体系：

建立效率、效果、效益三大类别下的初始层次递进型的电网效能评价指标体系，分为中心指标和非中心指标；

S2优化初始中心指标：

所述中心指标是专家通过经验可以进行分类判断的指标，其余指标为非中心指标，对初始中心指标进行修正；

S3优化初始非中心指标，消除冗余指标；

S4运用层次分析法和熵权法计算混合权重对最终确定的评价体系进行评价计算。

2.如权利要求1所述的智能配电网的效能状态评价方法，所述步骤S2优化初始中心指标具体为：利用改进的模糊聚类法对初始中心指标进行修正，所述方法包括如下步骤：

P1确定聚类单元全集U、聚类中心和聚类因子：

聚类全集为三大类别下一层指标，聚类中心则为专家经验判断的中心指标，聚类因子为其余非中心指标，其中X_m×n为聚类因子的原始数据矩阵，m表示聚类因子的个数，n表示聚类因子的特征数目；Y_b×n为聚类中心的原始数据矩阵，b表聚类中心的个数，n表示聚类中心的特征数目；

P2聚类中心与聚类因子的数据整理：

对于正向指标：

对于逆向指标：

其中：S_j(k)为将x_jk，标准化处理后的数据，x_max为第j个聚类因子的中特征数目中最大值，为第j个聚类因子的中特征数目中最小值；

P3建立模糊相似度矩阵A：

a_ji为矩阵A中的元素，d_ji表示中心指标j与非中心指标i的类间距离，建立聚类中心与聚类因子之间的的模糊聚类矩阵；

c一般为常数，取c＝0.1

模糊相似度矩阵为

P4中心指标的修正：

依据“最小化类间相似性，最大化类内相似性”原则，对所述P3中求得的模糊相识度矩阵各列求和得到该非中心指标对于所有中心指标的总相似度；设立阈值当总相似度小于该值时确立该非中心指标为为其所属的上一级下的中心指标，完成对中心指标的修正。

3.如权利要求1所述的智能配电网的效能状态评价方法，所述步骤S3优化初始非中心指标具体为，用熵权法改进的群灰色关联度分析法分析非中心指标进行筛选，所述方法包括如下步骤：

Q1构建参考数据与目标指标群：

对各指标原始数据进行无纲量化得数据矩阵Y_b×n＝[y_j1,…,y_jn]；1≤j≤b，X_m×n＝[x_i1,…,x_in]；1≤i≤m。目标指标的群关联度可由下式计算得

Q2熵权法计算指标权重，去除冗余非中心指标:

熵权法的改进，设指标数目为m，对非中心指标的原始数据标准化得到则X_m×n＝[x₁,x₂,…,x_n]，n为非中心指标的特征数目。

各指标的信息熵为

式中

如果ρ_ij＝0，则定义

各指标权重的确定，通过计算得到的信息熵计算得到的权重为：

改进后的群灰色关联度为:

设立阈值u,当认定该非中心指标为冗余指标，完成对非中心指标的优化。