基于改进云模型和博弈证据理论的配电网项目评估方法

1.本发明涉及配电网项目评估的技术领域，更具体地，涉及一种基于改进云模型和博弈证据理论的配电网项目评估方法。


背景技术：

2.近年来，随着新型电力系统建设加快以及负荷持续增长，配电网的投资建设需求不断提高。以国内为例，输电网建设日渐饱和，电网公司投资建设重心逐渐转移到配电网中的典型问题改造、网架改善和供电质量等方向。配电网规划方案优选具有经济效益难以量化、方案之间技术指标难以精确对比、建设时间周期长等特点，因此，从各类典型问题解决方案中选出最优投资方案对电网公司至关重要。电网公司以问题为导向的投资决策过程如下：首先通过问题导向数据需求分析、智能建模分析以及典型问题认定标准的梳理，辨识现状电网存在的问题及根因，进而形成配电网问题库；其次针对问题库中存在的问题，通过规划技术导则和人工经验的方式制定相应的项目规划方案；由于同一个问题在规划技术导则下存在不同的解决思路，且规划人员人工难以判断出哪一种解决方案为该问题的最优解决方案，所以电网公司会对每一个方案都进行详细研究与说明，并纳入项目库中；随后对项目库中的每种规划方案进行投资估算，并将每个方案的相关信息，如规划方案必要性、投资周期、工程造价等纳入项目库，最终依靠人工经验得出项目建设排序方案。但是，由于以人工经验得出项目建设排序往往会造成规划方案主观性大，不同方案间难以量化比较的问题。从电网长远发展的角度，这种优选方式使得配电网规划无法做到系统化，项目投资的随意性较大，难以保证电网投资的经济效益和社会效益。因此，亟需对配电网投资项目优选方法进行研究，提高项目优选的科学性。当前项目优选方法主要分为两类。第一类方法主要为建立多维评价指标体系，通过权重分配与量化打分的方式进行评价，如首先建立项目评价体系，选取各类评价指标，再通过层次分析法、反熵权法、模糊综合评价法等方法确定权重，并对每一个项目进行量化打分。但是在第一类方法中，权重分配往往采用专家打分或三角模糊函数的形式确定，一方面具有较强的主观性，另一方面无法兼顾多属性评价决策中的随机性和模糊性问题。第二类方法是基于投资优化模型及相关改进方式进行求解，如通过条件风险价值模型、帕累托最优解模型等，对每一个项目进行排序。第二类方法主要注重项目的经济效益和投资产出，但不能将多维角度隶属度进行融合决策，无法解决决策中的不确定性问题。
3.现有技术公开了一种配电网项目投资决策方法，尤其涉及一种基于基础台账的10kv及以下的配电网项目投资决策方法，包括以下步骤：1、建立10kv及以下配网评价指标体系；2、建立配网现状分析综合评价模型；3、问题清单建立与关联；4、项目排序与决策。该申请首次根据配网基础台账对各配网项目进行投资决策，在项目尚未投入时，建立评价指标体系和现状分析综合评价模型，根据配网发展和现状分析结果确定问题清单，将问题清单与指标体系和项目关联，实现项目改善效果的评价和排序。该申请没有考虑配电网项目的模糊性和不确定性的缺陷，评价结果不准确。


技术实现要素：

4.本发明为克服上述现有技术对配电网项目评估不准确的缺陷，提供一种基于改进云模型和博弈证据理论的配电网项目评估方法，克服了配电网项目评估的主观性、模糊性和不确定性的缺陷，能够科学准确的评估配电网项目的价值，为配电网项目优选作出指导。
5.为解决上述技术问题，本发明的技术方案如下：
6.本发明提供了一种基于改进云模型和博弈证据理论的配电网项目评估方法，包括：
7.s1：获取配电网原始数据和配电网项目的相关数据，设定若干个评估指标；
8.s2：利用云熵优化的改进云模型计算每个所述评估指标的优化隶属度；
9.s3：对每个评估指标的优化隶属度引入符合证据理论的不确定性概率，计算评估指标的转化隶属度，并构建每个配电网项目的基本概率分配矩阵；
10.s4：利用博弈证据理论，根据基本概率分配矩阵计算每个评估指标的动态权重；并结合预设的静态权重，计算每个评估指标的最优组合权重；
11.s5：根据每最优组合权重判断相应的评估指标是否存在冲突；若存在冲突，则利用最优组合权重计算修正系数，对评估指标的转化隶属度进行修正，获得修正隶属度，执行步骤s6；否则，将基本概率分配矩阵作为最终概率分配矩阵，执行步骤s7；
12.s6：根据每个评估指标的修正隶属度计算冲突程度，将冲突程度与每个评估指标的修正隶属度进行融合，获得每个评估指标的融合隶属度，更新每个配电网项目的基本概率分配矩阵，获得最终概率分配矩阵；
13.s7：根据每个配电网项目的最终概率分配矩阵，分别计算每个配电网项目与预设的正理想项目和负理想项目的平均贴合度，获得每个配电网项目的正理想平均贴合度和负理想平均贴合度；
14.s8：计算每个配电网项目的正理想平均贴合度与所有正理想平均贴合度中的最大值的差值，获得每个配电网项目的正贴合度差值；计算每个配电网项目的负理想平均贴合度与所有负理想平均贴合度中的最大值的差值，获得每个配电网项目的负贴合度差值；
15.s9：根据每个配电网项目的正贴合度差值和负贴合度差值计算相应的贴合度差值平均值；对贴合度差值平均值进行排序，获得配电网项目的评估结果。
16.优选地，所述步骤s1中，配电网原始数据包括原配电线路总条数、原配电自动化配置数量、原配电线路绝缘化公里数、原配电线路联络线条数、原配电线路供电半径合格线路条数、原配电线路分段合理线路条数和原线路总配变个数；
17.配电网项目的相关数据包括项目建设后满足n-1安全准则的配电线路提升条数、各个电网监测点电压合格率、电网监测点个数、项目建设后配电自动化配置台数、项目建设后配电线路绝缘化提升公里数、项目建设后配电线路联络线路提升条数、项目建设后供电半径合格线路提升条数、项目建设后分段合理线路提升条数、配变重载下降个数、高损配变下降个数、项目建设后运行周期年限内每年新增负荷报装收益之和、评价年配电网供电量、评价年上年配电网线损率、评价年配电网线损率、用户平均停电时间、用户平均限电停电时间、项目建设后运行周期内新接入分布式电源容量、建设项目初始投资成本、项目建设后运行周期内每年运行成本净现值之和、项目建设后运行周期内、每年维护成本净现值之和、项目建设后运行周期内每年故障成本净现值之和、项目建设后运行周期内设备退役后回收收
益和设备拆除人工费用。
18.优选地，所述步骤s1中，评估指标包括转供能力评估指标、网架结果水平评估指标、负载能力评估指标、投资效益评估指标、社会效益评估指标和全生命周期成本评估指标；
19.转供能力评估指标包括：
20.n-1配电线路提升率＝项目建设后满足n-1安全准则的配电线路提升条数/配电网原始数据包括原配电线路总条数
×
100％；
21.综合电压合格提升率＝各个电网监测点电压合格率之和/电网监测点个数
×
100％；
22.配电自动化配置提升台数＝项目建设后配电自动化配置台数-原配电自动化配置数量；
23.线路绝缘化率提升程度＝项目建设后配电线路绝缘化提升公里数/原配电线路绝缘化公里数
×
100％；
24.网架结果水平评估指标包括：
25.配电线路提升联络率＝项目建设后配电线路联络线路提升条数/原配电线路联络线条数
×
100％；
26.线路供电半径提升合格率＝项目建设后供电半径合格线路提升条数/原配电线路供电半径合格线路条数
×
100％；
27.提升线路分段合格率＝项目建设后分段合理线路提升条数/原配电线路分段合理线路条
×
100％；
28.负载能力评估指标包括：
29.重载配变下降率＝配变重载下降个数/线路总配变个数
×
100％；
30.高损配变下降率＝高损配变下降个数/线路总配变个数
×
100％；
31.投资效益评估指标包括：
32.增供电量效益＝项目建设后运行周期年限内每年新增负荷报装收益之和；
33.局部线路损耗率预计改善程度＝评价年配电网供电量
×
(评价年上年配电网线损率-评价年配电网线损率)；
34.社会效益评估指标包括：
35.局部供电可靠率预计改善程度＝[1-(用户平均停电时间-用户平均限电停电时间/统计期间时间]
×
100％；
[0036]
分布式新能源潜在效益＝项目建设后运行周期内新接入分布式电源容量；
[0037]
全生命周期成本评估指标包括：
[0038]
初始投资成本＝建设项目初始投资成本；
[0039]
运行成本＝项目建设后运行周期内，每年运行成本净现值之和；
[0040]
维护成本＝项目建设后运行周期内，每年维护成本净现值之和；
[0041]
故障成本＝项目建设后运行周期内，每年故障成本净现值之和；
[0042]
退役成本＝项目建设后运行周期内，设备退役后回收收益-设备拆除人工费用。
[0043]
优选地，所述步骤s2的具体方法为：
[0044]
所述云熵优化的改进云模型为3en规则云模型和50％关联度规则云模型的联合云
模型；利用云熵优化的改进云模型计算每个所述评估指标的优化隶属度的具体方法为：
[0045]
s2.1：对每个评估指标设定若干个等级，并计算每个评估指标在每个等级的期望值；具体的：
[0046][0047]
式中，e
x,ij
表示第i个评估指标在第j个等级的期望值，c
max,ij
表示第i个评估指标在第j个等级的上限边界值，c
min,ij
表示第i个评估指标在第j个等级的下限边界值；
[0048]
s2.2：分别利用3en规则云模型和50％关联度规则云模型，计算相应规则云模型下每个评估指标在每个等级的超熵与熵值；具体的：
[0049]
对于3en规则云模型：
[0050][0051][0052]
式中，e
′
n,ij
表示3en规则下第i个评估指标在第j个等级的超熵，he
′
ij
表示3en规则下第i个评估指标在第j个等级的熵值；
[0053]
对于50％关联度规则云模型：
[0054][0055][0056]
式中，e
″
n,ij
表示50％关联度规则下第i个评估指标在第j个等级的超熵，he
″
ij
表示50％关联度规则下第i个评估指标在第j个等级的熵值；
[0057]
s2.3：根据每个评估指标在每个等级的期望值和3en规则云模型下每个评估指标在每个等级的超熵与熵值计算最小隶属度，根据每个评估指标在每个等级的期望值和50％关联度规则云模型下每个评估指标在每个等级的超熵与熵值计算最大隶属度；具体的：
[0058]
计算最小隶属度：
[0059][0060]
计算最大隶属度：
[0061][0062]
式中，k
′
min,ij
表示第i个评估指标在第j个等级的最小隶属度，k
″
max,ij
表示第i个评估指标在第j个等级的最大隶属度，xi表示第i个评估指标的数据值；
[0063]
s2..4：根据最小隶属度和最大隶属度计算每个评估指标的优化隶属度；具体的：
[0064]
将每个评估指标的隶属度记为k，计算隶属度记为k与最小隶属度和最大隶属度的关联度偏差：
[0065]
δk＝(k-k
′
min,ij
)2+(k
″
max,ij-k)2[0066]
当关联度偏差δk取得最小值时对应的k作为每个评估指标的优化隶属度。
[0067]
传统的云模型不足之处在于云熵(en)呈现定性概念的模糊性，基于不同云熵数值计算得到的风险等级关联度可能会造成不同甚至冲突的风险判定结论，传统云模型云熵计算方法主要为基于“3en”规则和基于“50％关联度”规则。基于“3en”规则等级划分非常清晰，云滴主要落入的区间为[ex-3en,ex+3en]，其他区域的云滴忽略不计，缺点在于界限太过于严格分明，导致忽略了小概率事件。基于“50％关联度”规则特点在于等级划分具有模糊性，处于等级边界的数值和相邻两个等级的关联度对等，均为50％，缺点在于等级划分太过于模糊，导致计算的隶属度不够精确。云熵优化的改进云模型综合了两种传统方案的优势，既考虑分明性又考虑模糊性。
[0068]
优选地，所述步骤s3，对每个评估指标的优化隶属度引入符合证据理论的不确定性概率，计算评估指标的转化隶属度，并构建每个配电网项目的基本概率分配矩阵的具体方法为：
[0069]
将每个评估指标的优化隶属度记为k
ij
，引入符合证据理论的不确定性概率θi，则评估指标的转化隶属度为：
[0070][0071]
θi＝1-max(k
ij
)
[0072]
式中，m(k
′
ij
)表示第i个评估指标在第j个等级的转化隶属度，k
ij
表示第i个评估指标在第j个等级的优化隶属度，θi表示第i个评估指标的不确定性概率，i＝1,2,
…
,m，j＝1,2,
…
,n，m表示评估指标的数量，n表示设定等级的数量；
[0073]
根据每个评估指标在每个等级的转化隶属度构建基本概率分配矩阵：
[0074][0075]
式中，u表示配电网项目的基本概率分配矩阵。
[0076]
优选地，所述步骤s4，根据基本概率分配矩阵计算每个评估指标的动态权重的具体方法为：
[0077]
计算每个等级的平均隶属度：
[0078][0079]
根据每个评估指标的转化隶属度与每个等级的平均隶属度，计算每个评估指标的隶属度差值：
[0080][0081]
根据差值计算计算每个评估指标的动态权重：
[0082][0083]
式中，表示第j个等级的平均隶属度，li表示第i个评估指标的隶属度差值，ξ
1i
表示第i个评估指标的动态权重。
[0084]
优选地，所述步骤s4，计算每个评估指标的最优组合权重的具体方法为：
[0085]
对每个评估指标预设静态权重ξ
2i
，则静态权重矩阵为ξ2＝(ξ
21
,
…
,ξ
2i
,
…
,ξ
2m
)；动态权重矩阵为ξ1＝(ξ
11
,
…
,ξ
1i
,
…
,ξ
1m
)，引入第一组合系数和第二组合系数，则组合权重矩阵为：
[0086][0087]
式中，ξs表示组合权重矩阵；分别表示动态权重矩阵、静态权重矩阵的转置矩阵，a表示第一组合系数，b表示第二组合系数；
[0088]
通过寻找纳什均衡点的方法，极小化静态权重矩阵、动态权重矩阵和组合权重矩阵的偏差，目标函数和约束条件为：
[0089][0090][0091][0092]
根据微分原理，将目标函数和约束条件转化为线性方程组：
[0093][0094]
对线性方程组求解，获得第一组合系数和第二组合系数的值后，进行归一化处理，获得最优组合权重ξ
′s。
[0095]
优选地，所述步骤s5的具体方法为：
[0096]
评估指标的数量为m，判断最优组合权重ξ
′s与1/m之间的关系；若ξ
′s》1/m，则判定不存在冲突，将基本概率分配矩阵作为最终概率分配矩阵；若ξ
′s《1/m，则判定存在冲突，计算修正系数：
[0097][0098]
利用修正系数对评估指标的转化隶属度进行修正，获得修正隶属度：
[0099]m′
(k
′
ij
)＝f
discount,i
×
m(k
′
ij
)
[0100]
式中，ξ
′
si
表示第i个评估指标的最优组合权重，f
discount,i
表示第i个评估指标的修正系数，m
′
(k
′
ij
)表示第i个评估指标在第j个等级的修正隶属度。
[0101]
优选地，所述步骤s6中，根据每个评估指标的修正隶属度计算冲突程度，将冲突程
度与每个评估指标的修正隶属度进行融合，获得每个评估指标的融合隶属度的具体方法为：
[0102]
具体的优选地，所述步骤s7中的具体方法为：
[0103]
对于p个配电网项目，将所有配电网项目中每个评估指标对应的最优数值进行组合，作为正理想项目，将正理想项目的基本概率分配矩阵记为u
+
；将所有配电网项目中每个评估指标对应的最差数值进行组合，作为负理想项目，将负理想项目的基本概率分配矩阵记为u-；
[0104]
第p个配电网项目的最终概率分配矩阵u
p
为：
[0105][0106]
正理想项目的基本概率分配矩阵u
+
为：
[0107][0108]
负理想项目的基本概率分配矩阵u-为：
[0109][0110]
计算第p个配电网项目与正理想项目的平均贴合度：
[0111][0112][0113]
计算第p个配电网项目与负理想项目的平均贴合度：
[0114][0115][0116]
式中，表示第p个配电网项目与正理想项目的贴合度，表示第p个配电网项目的正理想平均贴合度；表示第p个配电网项目与负理想项目的贴合度，表示第p个配电网项目的负理想平均贴合度，p＝1,2,
…
p。
[0117]
优选地，所述步骤s8的具体方法为：
[0118]
计算每个配电网项目的正贴合度差值：
[0119][0120]
计算每个配电网项目的负贴合度差值：
[0121]
[0122]
式中，为第p个配电网项目的正贴合度差值，为第p个配电网项目负贴合度差值。
[0123]
优选地，所述步骤s9中，根据每个配电网项目的正贴合度差值和负贴合度差值计算相应的贴合度差值平均值的具体方法为：
[0124][0125]
式中，表示第p个配电网项目的贴合度差值平均值。
[0126]
与现有技术相比，本发明技术方案的有益效果是：
[0127]
本发明首先根据配电网原始数据和配电网项目的相关数据设定多维度的评估指标，既有代表性且贴近实际情况；之后，利用云熵优化的改进云模型计算每个评估指标的优化隶属度，并将优化隶属度转化为满足证据理论的转化隶属度，构建基本概率分配矩阵，云熵优化的改进云模型有效的实现了定量数值与定性概念之间的相互转化，克服了传统隶属度函数主观性、模糊性的缺陷；其次采用博弈证据理论为每个评估指标进行组合赋权，获得最优组合权重，利用组合权重判断评估指标是否存在冲突，并对冲突进行修正和融合，获得最终概率分配矩阵；博弈证据理论不仅充分地考虑到了评估指标之间的重要性差异，而且仅对冲突评估指标进行修正，尽可能保留原始信息，更高效地识别正确焦元，从而提高融合的精度；最后根据每个配电网项目的最终概率分配矩阵，计算每个配电网项目与预设的正理想项目和负理想项目贴近程度，根据贴近程度的排序确定配电网项目的评估结果。本发明克服了配电网项目评估的主观性、模糊性和不确定性的缺陷，能够科学准确的评估配电网项目的价值，为配电网项目优选作出指导。
附图说明
[0128]
图1为实施例1所述基于改进云模型和博弈证据理论的配电网项目评估方法的流程图。
[0129]
图2为实施例2所述的3en规则云模型的评价基准云图。
[0130]
图3为实施例2所述的50％关联度规则云模型的评价基准云图。
[0131]
图4为实施例2所述的云熵优化的改进云模型的评价基准云图。
[0132]
图5为实施例3所述的配电网项目优评估指标体系示意图。
具体实施方式
[0133]
附图仅用于示例性说明，不能理解为对本专利的限制；
[0134]
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
[0135]
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0136]
下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0137]
实施例1
[0138]
本实施例提供了一种基于改进云模型和博弈证据理论的配电网项目评估方法，如
图1所示，包括：
[0139]
s1：获取配电网原始数据和配电网项目的相关数据，设定若干个评估指标；
[0140]
s2：利用云熵优化的改进云模型计算每个所述评估指标的优化隶属度；
[0141]
s3：对每个评估指标的优化隶属度引入符合证据理论的不确定性概率，计算评估指标的转化隶属度，并构建每个配电网项目的基本概率分配矩阵；
[0142]
s4：利用博弈证据理论，根据基本概率分配矩阵计算每个评估指标的动态权重；并结合预设的静态权重，计算每个评估指标的最优组合权重；
[0143]
s5：根据每最优组合权重判断相应的评估指标是否存在冲突；若存在冲突，则利用最优组合权重计算修正系数，对评估指标的转化隶属度进行修正，获得修正隶属度，执行步骤s6；否则，将基本概率分配矩阵作为最终概率分配矩阵，执行步骤s7；
[0144]
s6：根据每个评估指标的修正隶属度计算冲突程度，将冲突程度与每个评估指标的修正隶属度进行融合，获得每个评估指标的融合隶属度，更新每个配电网项目的基本概率分配矩阵，获得最终概率分配矩阵；
[0145]
s7：根据每个配电网项目的最终概率分配矩阵，分别计算每个配电网项目与预设的正理想项目和负理想项目的平均贴合度，获得每个配电网项目的正理想平均贴合度和负理想平均贴合度；
[0146]
s8：计算每个配电网项目的正理想平均贴合度与所有正理想平均贴合度中的最大值的差值，获得每个配电网项目的正贴合度差值；计算每个配电网项目的负理想平均贴合度与所有负理想平均贴合度中的最大值的差值，获得每个配电网项目的负贴合度差值；
[0147]
s9：根据每个配电网项目的正贴合度差值和负贴合度差值计算相应的贴合度差值平均值；对贴合度差值平均值进行排序，获得配电网项目的评估结果。
[0148]
在具体实施过程中，本实施例首先根据配电网原始数据和配电网项目的相关数据设定多维度的评估指标，既有代表性且贴近实际情况；之后，利用云熵优化的改进云模型计算每个评估指标的优化隶属度，并将优化隶属度转化为满足证据理论定义转化隶属度，构建基本概率分配矩阵，云熵优化的改进云模型有效的实现了定量数值与定性概念之间的相互转化，克服了传统隶属度函数主观性、模糊性的缺陷；其次采用博弈证据理论为每个评估指标进行组合赋权，获得最优组合权重，利用组合权重判断评估指标是否存在冲突，并对冲突进行修正和融合，获得最终概率分配矩阵；博弈证据理论不仅充分地考虑到了评估指标之间的重要性差异，而且仅对冲突评估指标进行修正，尽可能保留原始信息，更高效地识别正确焦元，从而提高融合的精度；最后根据每个配电网项目的最终概率分配矩阵，计算每个配电网项目与预设的正理想项目和负理想项目贴近程度，根据贴近程度的排序确定配电网项目的评估结果。本实施例克服了配电网项目评估的主观性、模糊性和不确定性的缺陷，能够科学准确的评估配电网项目的价值，为配电网项目优选作出指导。
[0149]
实施例2
[0150]
本实施例提供了一种基于改进云模型和博弈证据理论的配电网项目评估方法，包括：
[0151]
s1：获取配电网原始数据和配电网项目的相关数据，设定若干个评估指标；
[0152]
s2：利用云熵优化的改进云模型计算每个所述评估指标的优化隶属度；具体的：
[0153]
所述云熵优化的改进云模型为3en规则云模型和50％关联度规则云模型的联合云
模型；利用云熵优化的改进云模型计算每个所述评估指标的优化隶属度的具体方法为：
[0154]
s2.1：对每个评估指标设定若干个等级，并计算每个评估指标在每个等级的期望值；具体的：
[0155][0156]
式中，e
x,ij
表示第i个评估指标在第j个等级的期望值，c
max,ij
表示第i个评估指标在第j个等级的上限边界值，c
min,ij
表示第i个评估指标在第j个等级的下限边界值；
[0157]
s2.2：分别利用3en规则云模型和50％关联度规则云模型，计算相应规则云模型下每个评估指标在每个等级的超熵与熵值；具体的：
[0158]
对于3en规则云模型：
[0159][0160][0161]
式中，e
′
n,ij
表示3en规则下第i个评估指标在第j个等级的超熵，he
′
ij
表示3en规则下第i个评估指标在第j个等级的熵值；
[0162]
对于50％关联度规则云模型：
[0163][0164][0165]
式中，e
″
n,ij
表示50％关联度规则下第i个评估指标在第j个等级的超熵，he
″
ij
表示50％关联度规则下第i个评估指标在第j个等级的熵值；
[0166]
s2.3：根据每个评估指标在每个等级的期望值和3en规则云模型下每个评估指标在每个等级的超熵与熵值计算最小隶属度，根据每个评估指标在每个等级的期望值和50％关联度规则云模型下每个评估指标在每个等级的超熵与熵值计算最大隶属度；具体的：
[0167]
计算最小隶属度：
[0168][0169]
计算最大隶属度：
[0170][0171]
式中，k
′
min,ij
表示第i个评估指标在第j个等级的最小隶属度，k
″
max,ij
表示第i个评估指标在第j个等级的最大隶属度，xi表示第i个评估指标的数据值；
[0172]
s2..4：根据最小隶属度和最大隶属度计算每个评估指标的优化隶属度；具体的：
[0173]
将每个评估指标的隶属度记为k，计算隶属度记为k与最小隶属度和最大隶属度的关联度偏差：
[0174]
δk＝(k-k
′
min,ij
)2+(k
″
max,ij-k)2[0175]
当关联度偏差δk取得最小值时对应的k作为每个评估指标的优化隶属度。
[0176]
如图2-4所示，分别为3en规则云模型、50％关联度规则云模型和云熵优化的改进云模型的评价基准云图；从图中可以看出，传统的云模型不足之处在于云熵(en)呈现定性概念的模糊性，基于不同云熵数值计算得到的风险等级关联度可能会造成不同甚至冲突的风险判定结论，传统云模型云熵计算方法主要为基于“3en”规则和基于“50％关联度”规则。基于“3en”规则等级划分非常清晰，云滴主要落入的区间为[ex-3en,ex+3en]，其他区域的云滴忽略不计，缺点在于界限太过于严格分明，导致忽略了小概率事件。基于“50％关联度”规则特点在于等级划分具有模糊性，处于等级边界的数值和相邻两个等级的关联度对等，均为50％，缺点在于等级划分太过于模糊，导致计算的隶属度不够精确。云熵优化的改进云模型综合了两种传统方案的优势，既考虑分明性又考虑模糊性。
[0177]
s3：对每个评估指标的优化隶属度引入符合证据理论的不确定性概率，计算评估指标的转化隶属度，并构建每个配电网项目的基本概率分配矩阵；具体的：
[0178]
将每个评估指标的优化隶属度记为k
ij
，引入符合证据理论的不确定性概率θi，则评估指标的转化隶属度为：
[0179][0180]
θi＝1-max(k
ij
)
[0181]
式中，m(k
′
ij
)表示第i个评估指标在第j个等级的转化隶属度，k
ij
表示第i个评估指标在第j个等级的优化隶属度，θi表示第i个评估指标的不确定性概率，i＝1,2,
…
,m，j＝1,2,
…
,n，m表示评估指标的数量，n表示设定等级的数量；
[0182]
根据每个评估指标在每个等级的转化隶属度构建基本概率分配矩阵：
[0183][0184]
式中，u表示配电网项目的基本概率分配矩阵。
[0185]
s4：利用博弈证据理论，根据基本概率分配矩阵计算每个评估指标的动态权重；并结合预设的静态权重，计算每个评估指标的最优组合权重；具体的：
[0186]
计算每个等级的平均隶属度：
[0187][0188]
根据每个评估指标的转化隶属度与每个等级的平均隶属度，计算每个评估指标的隶属度差值：
[0189][0190]
根据差值计算计算每个评估指标的动态权重：
[0191][0192]
式中，表示第j个等级的平均隶属度，li表示第i个评估指标的隶属度差值，ξ
1i
表示第i个评估指标的动态权重。
[0193]
对每个评估指标预设静态权重ξ
2i
，则静态权重矩阵为ξ2＝(ξ
21
,
…
,ξ
2i
,
…
,ξ
2m
)；动态权重矩阵为ξ1＝(ξ
11
,
…
,ξ
1i
,
…
,ξ
1m
)，引入第一组合系数和第二组合系数，则组合权重矩阵为：
[0194][0195]
式中，ξs表示组合权重矩阵；分别表示动态权重矩阵、静态权重矩阵的转置矩阵，a表示第一组合系数，b表示第二组合系数；
[0196]
通过寻找纳什均衡点的方法，极小化静态权重矩阵、动态权重矩阵和组合权重矩阵的偏差，目标函数和约束条件为：
[0197][0198][0199][0200]
根据微分原理，将目标函数和约束条件转化为线性方程组：
[0201][0202]
对线性方程组求解，获得第一组合系数和第二组合系数的值后，进行归一化处理，获得最优组合权重ξ
′s。
[0203]
s5：根据每最优组合权重判断相应的评估指标是否存在冲突；若存在冲突，则利用最优组合权重计算修正系数，对评估指标的转化隶属度进行修正，获得修正隶属度，执行步骤s6；否则，将基本概率分配矩阵作为最终概率分配矩阵，执行步骤s7；具体的：
[0204]
评估指标的数量为m，判断最优组合权重ξ
′s与1/m之间的关系；若ξ
′s》1/m，则判定不存在冲突，保存基本概率分配矩阵；若ξ
′s《1/m，则判定存在冲突，计算修正系数：
[0205][0206]
利用修正系数对评估指标的转化隶属度进行修正，获得修正隶属度：
[0207]m′
(k
′
ij
)＝f
discount,i
×
m(k
′
ij
)
[0208]
式中，ξ
′
si
表示第i个评估指标的最优组合权重，f
discount,i
表示第i个评估指标的修正系数，m
′
(k
′
ij
)表示第i个评估指标在第j个等级的修正隶属度。具体的：
[0209]
s6：根据每个评估指标的修正隶属度计算冲突程度，将冲突程度与每个评估指标的修正隶属度进行融合，获得每个评估指标的融合隶属度，更新每个配电网项目的基本概率分配矩阵，获得最终概率分配矩阵；具体的：
[0210]
根据评估指标的修正隶属度计算冲突程度：
[0211][0212]
将冲突程度与评估指标的修正隶属度进行融合,获得评估指标的融合隶属度：
[0213][0214]
式中，s
ct,i
表示第i个冲突程度，m(ψ
ij
)表示第i个评估指标在第j个等级的融合隶属度；
[0215]
利用m(ψ
ij
)更新每个配电网项目的基本概率分配矩阵，获得最终概率分配矩阵。
[0216]
s7：根据每个配电网项目的最终概率分配矩阵，分别计算每个配电网项目与预设的正理想项目和负理想项目的平均贴合度，获得每个配电网项目的正理想平均贴合度和负理想平均贴合度；具体的：
[0217]
对于p个配电网项目，将所有配电网项目中每个评估指标对应的最优数值进行组合，作为正理想项目，将正理想项目的基本概率分配矩阵记为u
+
；将所有配电网项目中每个评估指标对应的最差数值进行组合，作为负理想项目，将负理想项目的基本概率分配矩阵记为u-；
[0218]
第p个配电网项目的最终概率分配矩阵u
p
为：
[0219][0220]
正理想项目的基本概率分配矩阵u
+
为：
[0221][0222]
负理想项目的基本概率分配矩阵u-为：
[0223][0224]
计算第p个配电网项目与正理想项目的平均贴合度：
[0225][0226][0227]
计算第p个配电网项目与负理想项目的平均贴合度：
[0228][0229][0230]
式中，表示第p个配电网项目与正理想项目的贴合度，表示第p个配电网项目的正理想平均贴合度；表示第p个配电网项目与负理想项目的贴合度，表示第p个配电网项目的负理想平均贴合度，p＝1,2,
…
p。
[0231]
s8：计算每个配电网项目的正理想平均贴合度与所有正理想平均贴合度中的最大值的差值，获得每个配电网项目的正贴合度差值；计算每个配电网项目的负理想平均贴合度与所有负理想平均贴合度中的最大值的差值，获得每个配电网项目的负贴合度差值；具体的：
[0232]
计算每个配电网项目的正贴合度差值：
[0233][0234]
计算每个配电网项目的负贴合度差值：
[0235][0236]
式中，为第p个配电网项目的正贴合度差值，为第p个配电网项目负贴合度差值。
[0237]
s9：根据每个配电网项目的正贴合度差值和负贴合度差值计算相应的贴合度差值平均值；对贴合度差值平均值进行排序，获得配电网项目的评估结果；具体的：
[0238][0239]
式中，表示第p个配电网项目的贴合度差值平均值；
[0240]
贴合度差值平均值越大，则对应的贴合度差值平均值的价值越高。
[0241]
实施例3
[0242]
本实施例提供了一种基于改进云模型和博弈证据理论的配电网项目评估方法，其中步骤s1中，如图5所示：
[0243]
获取的配电网原始数据包括原配电线路总条数、原配电自动化配置数量、原配电线路绝缘化公里数、原配电线路联络线条数、原配电线路供电半径合格线路条数、原配电线路分段合理线路条数和原线路总配变个数；
[0244]
获取的配电网项目的相关数据包括项目建设后满足n-1安全准则的配电线路提升条数、各个电网监测点电压合格率、电网监测点个数、项目建设后配电自动化配置台数、项目建设后配电线路绝缘化提升公里数、项目建设后配电线路联络线路提升条数、项目建设后供电半径合格线路提升条数、项目建设后分段合理线路提升条数、配变重载下降个数、高损配变下降个数、项目建设后运行周期年限内每年新增负荷报装收益之和、评价年配电网供电量、评价年上年配电网线损率、评价年配电网线损率、用户平均停电时间、用户平均限电停电时间、项目建设后运行周期内新接入分布式电源容量、建设项目初始投资成本、项目建设后运行周期内每年运行成本净现值之和、项目建设后运行周期内、每年维护成本净现
值之和、项目建设后运行周期内每年故障成本净现值之和、项目建设后运行周期内设备退役后回收收益和设备拆除人工费用。
[0245]
根据上述数据设定6个维度的18个评估指标，包括转供能力评估指标、网架结果水平评估指标、负载能力评估指标、投资效益评估指标、社会效益评估指标和全生命周期成本评估指标；
[0246]
转供能力评估指标包括：
[0247]
n-1配电线路提升率＝项目建设后满足n-1安全准则的配电线路提升条数/配电网原始数据包括原配电线路总条数
×
100％；
[0248]
综合电压合格提升率＝各个电网监测点电压合格率之和/电网监测点个数
×
100％；
[0249]
配电自动化配置提升台数＝项目建设后配电自动化配置台数-原配电自动化配置数量；
[0250]
线路绝缘化率提升程度＝项目建设后配电线路绝缘化提升公里数/原配电线路绝缘化公里数
×
100％；
[0251]
网架结果水平评估指标包括：
[0252]
配电线路提升联络率＝项目建设后配电线路联络线路提升条数/原配电线路联络线条数
×
100％；
[0253]
线路供电半径提升合格率＝项目建设后供电半径合格线路提升条数/原配电线路供电半径合格线路条数
×
100％；
[0254]
提升线路分段合格率＝项目建设后分段合理线路提升条数/原配电线路分段合理线路条
×
100％；
[0255]
负载能力评估指标包括：
[0256]
重载配变下降率＝配变重载下降个数/线路总配变个数
×
100％；
[0257]
高损配变下降率＝高损配变下降个数/线路总配变个数
×
100％；
[0258]
投资效益评估指标包括：
[0259]
增供电量效益＝项目建设后运行周期年限内每年新增负荷报装收益之和；
[0260]
局部线路损耗率预计改善程度＝评价年配电网供电量
×
(评价年上年配电网线损率-评价年配电网线损率)；
[0261]
社会效益评估指标包括：
[0262]
局部供电可靠率预计改善程度＝[1-(用户平均停电时间-用户平均限电停电时间/统计期间时间]
×
100％；
[0263]
分布式新能源潜在效益＝项目建设后运行周期内新接入分布式电源容量；
[0264]
全生命周期成本评估指标包括：
[0265]
初始投资成本＝建设项目初始投资成本；
[0266]
运行成本＝项目建设后运行周期内，每年运行成本净现值之和；
[0267]
维护成本＝项目建设后运行周期内，每年维护成本净现值之和；
[0268]
故障成本＝项目建设后运行周期内，每年故障成本净现值之和；
[0269]
退役成本＝项目建设后运行周期内，设备退役后回收收益-设备拆除人工费用。
[0270]
对每个设定五个等级，即m＝18，n＝5；后续计算方法与实施例2相同。
[0271]
相同或相似的标号对应相同或相似的部件；
[0272]
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
[0273]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。