一種黑啟動(dòng)方案評(píng)估的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)領(lǐng)域，尤其涉及一種黑啟動(dòng)方案評(píng)估的方法。
【背景技術(shù)】
[0002] 電力系統(tǒng)黑啟動(dòng)是指整個(gè)電網(wǎng)系統(tǒng)因故障停運(yùn)后，通過(guò)系統(tǒng)中具有自啟動(dòng)能力也 稱(chēng)為具有黑啟動(dòng)能力機(jī)組的啟動(dòng)，帶動(dòng)無(wú)自啟動(dòng)能力的機(jī)組，并逐漸擴(kuò)大系統(tǒng)供電范圍，最 終實(shí)現(xiàn)整個(gè)系統(tǒng)的恢復(fù)。黑啟動(dòng)方案一般是由調(diào)度人員事先制定好，以備系統(tǒng)出現(xiàn)全網(wǎng)停 電時(shí)使用。對(duì)于特定的系統(tǒng)，可能存在眾多的可行方案，而不同的方案對(duì)于系統(tǒng)恢復(fù)過(guò)程的 綜合作用可能存在巨大的差異，如何對(duì)眾多的方案進(jìn)行評(píng)估，從而實(shí)現(xiàn)方案的排序和優(yōu)選， 一直是黑啟動(dòng)研究的重要課題之一。
[0003] 《中國(guó)電力》2013年02期加入收藏投稿-基于改進(jìn)數(shù)據(jù)包絡(luò)分析模型的黑啟動(dòng)方 案評(píng)估沙峰楊建彪艾欣蘭華藍(lán)紫豪-提出了合理選擇黑啟動(dòng)方案，對(duì)順利恢復(fù)系統(tǒng)供電、 減少停電損失具有至關(guān)重要的意義。針對(duì)傳統(tǒng)數(shù)據(jù)包絡(luò)分析模型不能對(duì)方案排序的不足， 提出一種基于改進(jìn)數(shù)據(jù)包絡(luò)分析模型的黑啟動(dòng)方案評(píng)估方法。在分析傳統(tǒng)數(shù)據(jù)包絡(luò)分析模 型的基礎(chǔ)上，引入最優(yōu)與最差2個(gè)虛擬方案，建立改進(jìn)后的數(shù)據(jù)包絡(luò)分析模型，得到一組公 共權(quán)重，依此計(jì)算各方案的效率指數(shù)，實(shí)現(xiàn)黑啟動(dòng)方案的排序。針對(duì)實(shí)際電網(wǎng)黑啟動(dòng)的案 例，采用所提方法與其他方法進(jìn)行比較分析，結(jié)果表明所提方法能給出正確的黑啟動(dòng)方案 排序，同時(shí)提高了評(píng)估結(jié)果的可區(qū)分性。
[0004] 華北電力大學(xué)電氣與電子工程學(xué)院--中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第 二十七屆學(xué)術(shù)年會(huì)論文集，中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第二十七屆學(xué)術(shù)年會(huì)提 出了電力系統(tǒng)全停電后的黑啟動(dòng)恢復(fù)是一個(gè)非常重要的問(wèn)題，黑啟動(dòng)方案評(píng)估對(duì)輔助調(diào)度 人員制訂黑啟動(dòng)方案，實(shí)現(xiàn)系統(tǒng)全停后的快速恢復(fù)具有重要作用，提出了一種基于群決策 和層次分析法（AHP)相結(jié)合的黑啟動(dòng)方案評(píng)估方法，通過(guò)提取影響黑啟動(dòng)的重要指標(biāo)建立 層次分析模型，并結(jié)合專(zhuān)家權(quán)重進(jìn)行群決策得到綜合評(píng)價(jià)值。該方法充分利用群決策和 AHP法的特點(diǎn)，更好地減少個(gè)人偏好對(duì)評(píng)價(jià)結(jié)果的影響。河北南網(wǎng)的應(yīng)用實(shí)例證明了該方法 在一定程度上彌補(bǔ)了黑啟動(dòng)個(gè)體決策方法的不足，可為調(diào)度運(yùn)行人員制訂黑啟動(dòng)方案提供 更加科學(xué)的決策參考。
[0005] 黑啟動(dòng)方案的評(píng)估是一個(gè)多屬性綜合評(píng)價(jià)問(wèn)題，研究人員從不同角度對(duì)這問(wèn)題進(jìn) 行了深入研究，提出了眾多有效評(píng)估方法?，F(xiàn)有文獻(xiàn)中有關(guān)黑啟動(dòng)方案評(píng)估方法大致可以 分為確定性方法和模糊類(lèi)方法兩大類(lèi)。常用的確定性方法有層次分析法AHP，數(shù)據(jù)包絡(luò)分 析DEA以及TOPSIS等；模糊類(lèi)方法的思想是將使用模糊工具將數(shù)據(jù)模糊化然后與確定性的 AHP或者DEA等方法相結(jié)合。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種黑啟動(dòng)方案評(píng)估的方法，旨在解決黑啟動(dòng)方案存在較 多可行方案時(shí)，無(wú)法確認(rèn)方案的優(yōu)先順序，降低電網(wǎng)系統(tǒng)恢復(fù)效率，影響用戶(hù)使用的技術(shù)問(wèn) 題。
[0007] 本發(fā)明是這樣實(shí)現(xiàn)的，一種黑啟動(dòng)方案評(píng)估的方法將使用有序二元比較法求得的 主管權(quán)重與利用變異系數(shù)法求得的客觀權(quán)重通過(guò)向量相似理論相結(jié)合得到綜合權(quán)重，然 后，用基于Vague集的PR0METHEE方法進(jìn)行方案評(píng)估，充分利用主客觀信息以及Vague集從 正反兩方面看待事物的特性；由于PR0METHEE方法可以將原始方案中的指標(biāo)值處理成模糊 數(shù)據(jù)，不需要檢查數(shù)據(jù)的有效性所以可以實(shí)現(xiàn)任意方案的完全排序，除此之外本發(fā)明將數(shù) 據(jù)的客觀差異性與專(zhuān)家的主觀偏好良好地結(jié)合了起來(lái)，比單一的使用客觀權(quán)重或者主觀權(quán) 重更加合理；利用Vague集從正反兩方面考慮問(wèn)題使排序結(jié)果更具說(shuō)服力。
[0008] 具體步驟包括：
[0009] 步驟一、請(qǐng)L位專(zhuān)家給出黑啟動(dòng)評(píng)估的各評(píng)估指標(biāo)的排序向量，利用有序二兀比 較法求出主觀權(quán)重；
[0010] 步驟二、根據(jù)由每個(gè)評(píng)價(jià)指標(biāo)的值組成的初始決策矩陣?yán)米儺愊禂?shù)法求取客 觀權(quán)重；
[0011] 步驟三、利用向量相似度理論求得綜合權(quán)重；
[0012] 步驟四、將實(shí)數(shù)形式的初始決策矩陣轉(zhuǎn)換成Vague集形式的決策矩陣，并將權(quán)重 向量也轉(zhuǎn)化成該形式；
[0013] 步驟五、利用基于Vague集的PR0METHEE方法對(duì)各方案進(jìn)行排序，得到排序序列。
[0014] 進(jìn)一步，所述的主觀權(quán)重由有序二元比較法求得，克服了 AHP類(lèi)方法確定主觀權(quán) 重時(shí)可能遇到一致性檢驗(yàn)通不過(guò)的情況而不得不反復(fù)修改比較矩陣的缺點(diǎn)，具體方法為：
[0015] 步驟一、確定評(píng)價(jià)對(duì)象和專(zhuān)家集：設(shè)X為考察的全體對(duì)象集，記為X = (X1, X2,... xN}為參與確定指標(biāo)權(quán)重的專(zhuān)家集為P = (P1, p2. .. P1J ;
[0016] 步驟二、應(yīng)用集值迭代法為各指標(biāo)排序：選取的L位專(zhuān)家，賦予每位專(zhuān)家權(quán)重為 { λ λ 2,. . . λ J，讓每位專(zhuān)家在指標(biāo)集中按照重要程度對(duì)指標(biāo)進(jìn)行排序，第k (1彡k彡L) 位專(zhuān)家選取的指標(biāo)順序集為Xk= (X 3, x5, X1, χΝ. ..，xN D，式中χ3位于Xk的第一個(gè)位置，即表 示X3在專(zhuān)家k認(rèn)為最重要，按照各個(gè)指標(biāo)在X,中的位置分別賦予該指標(biāo)得分，在X,中X 3對(duì) 應(yīng)的得分為N，X5對(duì)應(yīng)的得分為N-I，以此類(lèi)推，X N i對(duì)應(yīng)的得分為1 ;
[0017] 設(shè)μ lik(l彡i彡N，1彡k彡L)為指標(biāo)i在專(zhuān)家k處所獲得的得分，令
s作為綜合評(píng)分，式中I < i < N，根據(jù)gl的由大到小對(duì)評(píng)價(jià)指標(biāo)進(jìn)行新的排 T/* 「.：氺. 氺 * _1 ? 序，J =. ，X2，· ..，f，
[0018] 步驟三、由L位專(zhuān)家分別對(duì)相鄰評(píng)價(jià)指標(biāo)進(jìn)行比較獲得比較矩陣；
[0019] 由L位專(zhuān)家通過(guò)對(duì)比相鄰指標(biāo)中前一指標(biāo)相對(duì)后一指標(biāo)的重要程度，二者同樣重 要取值為1. 〇 ;前者稍微重要，取值1. 2 ;前者明顯重要，取值1. 4 ;前者強(qiáng)烈重要，取值1. 6 ; 前者極端重要，取值1. 8 ;給出評(píng)價(jià)區(qū)間，區(qū)間端點(diǎn)值取相鄰的rk數(shù)值，其相對(duì)重要程度為 介于兩者兩rk數(shù)值對(duì)應(yīng)的重要程度之間；
[0020] 步驟四、將區(qū)間通過(guò)下式轉(zhuǎn)化為點(diǎn)值：
[0022] 式中，ιγ/為專(zhuān)家i對(duì)指標(biāo)j的評(píng)價(jià)矩陣中的下界，ιγ/'為評(píng)價(jià)矩陣中的上界，j =1，2，…，n-1 ;
[0023] 步驟五、確定評(píng)價(jià)指標(biāo)的權(quán)重：由于N個(gè)指標(biāo)相鄰進(jìn)行比較，可以得到N-I個(gè)比較 值：
[0024] 式中：^代表的含義為重新排序后的第一個(gè)指標(biāo)相對(duì)于第二個(gè)指標(biāo)的重要程度， 可以用第一個(gè)指標(biāo)和第二個(gè)指標(biāo)的絕對(duì)重要度之比
闡述，
[0030] 進(jìn)一步，所述的客觀權(quán)重由變異系數(shù)法求得，利用了變異系數(shù)法計(jì)算過(guò)程更加簡(jiǎn) 潔且準(zhǔn)確性更高的特點(diǎn)，具體方法為：
[0031 ] 步驟一、設(shè)某個(gè)評(píng)價(jià)指標(biāo)體系共有m個(gè)評(píng)價(jià)指標(biāo)，對(duì)η個(gè)評(píng)價(jià)對(duì)象進(jìn)行了系統(tǒng)評(píng)測(cè) 與數(shù)據(jù)采樣，那么原始數(shù)據(jù)評(píng)價(jià)矩陣可以表示為矩陣X :
[0033] 步驟二、依據(jù)各個(gè)分類(lèi)對(duì)象指標(biāo)的實(shí)際值計(jì)算各指標(biāo)的均值和標(biāo)準(zhǔn)差：
[0034] 其中第j個(gè)指標(biāo)的均值和標(biāo)準(zhǔn)差分別為
[0036] 式中 j = 1，2，......m ；
[0037] 步驟三、計(jì)算各指標(biāo)的變異系數(shù)：
[0038] Bj = Sj / Xj .
[0039] 步驟四、確定各指標(biāo)的權(quán)重：
[0040] 先對(duì)指標(biāo)變異系數(shù)進(jìn)行歸一化處理：
然后得到 指標(biāo)的權(quán)重集Vj= { V i，V2，…VM}，其中
[0041] 進(jìn)一步，利用向量相似度理論求得綜合權(quán)重；如果一種賦權(quán)法所得的向量與其它 賦權(quán)法所得的向量相似程度大，則說(shuō)明多數(shù)決策者持有相近的主觀偏好或由原數(shù)據(jù)處理得 到的權(quán)重比較穩(wěn)定可靠，這些權(quán)向量在組合權(quán)向量中應(yīng)獲得更大的比重；因此，可以通過(guò)滿(mǎn) 足綜合權(quán)重的與主客觀權(quán)重的相似度最大為原則來(lái)求取綜合權(quán)重：
[0042] (1)向量相似度的計(jì)算
[0043] 對(duì)于任意兩個(gè)N維向量X = (X1, X2,…，xn)，Y = Cy1, y2,~yn)，其內(nèi)積表示為：
[0044] [X，Y] = XJ^x2Y2+... xnyn
[0045] 向量的范數(shù)表示為：
[0051] 兩個(gè)向量的方向相似度相似度β為：
[0052]
[0053] 兩個(gè)向量的相似度相似度γ為：
[0054] γ (X，Υ) = α β
[0055] (2)基于向量相似度組合賦權(quán)法
[0056] 假設(shè)共有N個(gè)評(píng)價(jià)指標(biāo)，決策者通過(guò)主客觀賦權(quán)法共得到L組權(quán)重向量為，則其中 第k個(gè)權(quán)重向量為：
[0057] Wk= (w kl，wk2,…，wkN)，k = 1，2,…，L
[0058] 將主客觀權(quán)重采用組合系數(shù)求得總和權(quán)重為：
[0059] Wc= Θ ^1+ Θ 2ff2+.·. Θ LffL
[0060] 式中#為綜合權(quán)重向量，Θ Θ 2，…（^為組合系數(shù)；
[0061] 任一權(quán)重向量^與其他向量總相似度為：
S因?yàn)樵O(shè)權(quán)系數(shù)向量為：
[0066] 進(jìn)一步，獲得Vague集形式的綜合權(quán)重，該種權(quán)重從正反兩方面來(lái)描述各個(gè)指標(biāo) 間的重要性關(guān)系，的具體方法為：
[0067] 假設(shè)有L位專(zhuān)家對(duì)6個(gè)指標(biāo)的排序向量分別為：
[0068] γ ;(…X," X6…）i = (1，2,…L)
[0069] 主觀權(quán)重向量為：
[0070] ω ' = (ω/，ω2'，ω3'，ω4'，ω5'，ω 6' )
[0071]