基于大数据的电网运行效率评价指标

《基于大数据的电网运行效率评价指标》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于大数据的电网运行效率评价指标　　摘要：基于我国电网运行效率低、指标体系建立具有局限性的状况，首先提出了一种基于大数据的电网运行效率指标筛选方法，通过指标筛选，建立了一套可靠有效的评价指标体系；然后经指标归一化处理、指标权重计算，对指标体系中各指标进行详细的评价分析；最后将此指标体系用于河北省电力公司，对其进行综合评分，列出评分结果。该实例结果验证了基于大数据建立的指标体系的可靠性和有效性。　　?P键词：电网运行效率指标体系大数据指标归一化有效性　　中图分类号：TM769文献标识码：A文章编号：1674-098X（2016）12（b）-0001-03　　随着国民生活质量的逐渐提高，用户用

2、电量与日俱增，电网的投资规模也逐渐扩大，如何以最小的投资满足国民用电需求、提高电网运行效率[1]显得愈发重要。若要提高电网的运行效率，首先应建立一套科学的电网运行效率指标体系，并对其进行有效分析，即电网运行效率指标评价。目前大多数对电网运行效率的评价方法都较单一，建立的指标是从固定指标里抽取出来的，这样的指标具有局限性，不能全面描述电网的运行效率。该文针对这种指标局限性，创新性地提出了一种基于大数据的筛选指标、建立指标并评价指标的方法。　　1基于大数据的指标筛选　　目前科学技术快速发展，“数据爆炸”[2]这一名词日益为人们所熟悉，它是在现代技术“互联网”“物联网”“云计算”等的推动下快速发

3、展起来的，现在就是一个“得数据者得天下”的社会，电网也应抓住时代机会，利用“电网互联”获得的数据对电网进行有效的分析。　　“大数据”一般指的是需要处理的信息量较大、超出一般电脑处理数据内存量的数据，由于目前大数据还处于初步研究阶段，其定义尚未达成共识，但它在互联网、科技与国防军事、政府管理等领域已成为信息化改革的核心。电力大数据有着大数据的特点，即数据数量多、数据类型多、价值数据少、数据处理速度快等。电力系统中的数据主要来源于发电、输电、变电、配电、用电等环节中连接的传感器和测量仪器仪表。　　所有电力网中的电力数据的集合即为电力大数据，基于这些数据进行系统的分析，利用相关分析法全范围地抽取

4、有效的电网运行效率指标，且这些指标间相互独立――即基于大数据的电网运行效率指标，它不再是人为地认定某些指标比较重要，而是利用大数据全范围地抽取有效指标。这种基于大数据的指标筛选，不仅充分弥补了人为筛选指标的局限性，更可以很好地反映电网运行效率。　　2电网运行效率评价模型的构建　　基于大数据的指标，数量既多又杂，有些指标可能无效或指标间可能有关联，若直接将这些指标用于指标评价，会因部分数据重复而影响评价结果，因此，构建科学有效的电网运行效率评价模型，则必须提前对这些指标进行处理，处理的过程包括：（1）指标简约；（2）指标归一化；（3）指标的权重计算；（4）综合评分。　　2.1指标简约　　对大

5、数据的所有指标进行初步筛选，筛选出与电网运行效率有关的指标，由于数据量庞大，这个过程由计算机完成。假设初步筛选出的指标有p个，这些指标间可能存在关联，因此，需对其进行指标简约。将p个指标进行分类，设分为m类，则有指标矩阵：　　（1）　　其中：第一行、第二行、第m行分别代表第一类、第二类、第m类指标，代表第一类、第二类、第m类指标的个数，且。　　求各个指标的相关性矩阵。每两个指标间都有一个相关系数γ，γ的取值可以表示两个指标间的相关程度，其计算公式如下：　　（2）　　其中：γ的取值范围为[-1，1]。当γ为正值时，表示两个指标呈正相关；反之，为负相关。

6、γ

7、越接近于1表示两个指标的相关性越强

8、，当时，表示两个指标完全相关；当时，表示两个指标完全不相关，即相互独立；当时，表示两个指标基本不相关；当时，表示两个指标低度相关；当时，表示两个指标显著相关；当时，表示两个指标高度相关。式中的、代表同一类指标中任意两个指标x、y的第i个采样值，、为这两个指标采样值的平均值，其计算公式如下：　　（3）　　（4）　　其中，n为指标的采样数量，将公式（3）和（4）中的值带入公式（2），可以计算出每两个指标间的相关系数，将这些相关系数按照一定的顺序排列，即可形成指标的相关性矩阵，如表1所示。　　相关性矩阵中，代表的是类指标中第p个指标和第q个指标间的相关系数，同一个指标间的相关系数为1。根据相关性

9、矩阵中相关系数的数值对指标进行约简，约简原则如下。　　（1）对于相关系数大于0.8的两个指标，删除一个，保留一个。　　（2）对与任何两个以上指标的相关系数都处于0.5～0.8之间的指标进行删除。　　按照以上的原则进行筛选后的指标，即为基于大数据约简后的指标。　　2.2指标归一化　　指标体系中，各指标类型可能不同，比如绝对量型指标、无量型指标和比值型指标，这些指标属性不同，数据范围差异大，不便于指标评价的后续计算，因此，须