基于多維結構熵的智能電網(wǎng)投入成本多指標管理方法研究

潘徽, 馬冠雄, 鄧楚然, 彭澤武, 謝瀚陽

(廣東電網(wǎng)有限責任公司, 廣東, 廣州 610106)

0 引言

電力系統(tǒng)不僅與人們的日常生活息息相關，而且是國民經(jīng)濟和社會發(fā)展的基礎。它是經(jīng)濟活動和日常生活中不可缺少的動力源之一[1-2]。建設智能電網(wǎng)是電力企業(yè)發(fā)展的大趨勢[3]，智能電網(wǎng)使得電能質(zhì)量和電網(wǎng)可靠性得到顯著的改善，智能電網(wǎng)的建設需要大量的成本。在保證智能電網(wǎng)運行可靠性的基礎上，對智能電網(wǎng)的投入成本進行有效管理，可以減少電力企業(yè)的投資，提高其經(jīng)濟效益，滿足電力企業(yè)的實際需要。因此，對智能電網(wǎng)投資成本管理的研究已成為電力企業(yè)關注的焦點。

智能電網(wǎng)投入成本指標的選擇是智能電網(wǎng)投入成本管理的關鍵。熵理論廣泛應用于管理分析、過程控制和調(diào)度等領域。在熵理論的基礎上，引入多維結構熵空間尺度理論，有效降低指標的不確定性[4-5]。在此基礎上，提出了一種基于多維結構熵的智能電網(wǎng)投資成本多指標管理方法。通過構建智能電網(wǎng)投入成本多指標體系，根據(jù)系統(tǒng)中的指標收集投入成本數(shù)據(jù)，實現(xiàn)對智能電網(wǎng)投入成本的有效管理。

1 基于多維結構熵的智能電網(wǎng)投入成本多指標管理

圖1為智能電網(wǎng)投入成本多指標體系構建流程。

智能電網(wǎng)投入成本指標體系構建流程大體可分為初選、優(yōu)化與確定三個環(huán)節(jié)。

依照全面性、合理性與易操作性原則，從費用分解、資源分解和組織分解三個維度出發(fā)，共選取19個智能電網(wǎng)投入成本初選指標(費用分解：6個，代號為C11～C16；資源分解：9個，代號為C21～C29；組織分解：4個，代號為C31～C34)，構建初選指標體系。利用多維結構熵降低指標選取的不確定性，對指標體系進行優(yōu)化；在此基礎上進行指標因子分析，確定關鍵指標，可完成智能電網(wǎng)投入成本多指標體系構建，具體過程如下。

(1) 專業(yè)人員制作指標選取的調(diào)研問卷，收集評價者的相關建議。評價者針對初選指標與智能電網(wǎng)投入成本的相關性給予評價，依據(jù)評價結果排序初選指標。收回調(diào)研問卷并對評價者建議與排序結果進行整理，生成初選指標評價意見典型排序矩陣，其自動化程度可以保證在盡量少的人工干預下，快速隔離故障、自我恢復，避免大面積停電的發(fā)生，即通過對電網(wǎng)自動化程度的提高以滿足用戶對電力質(zhì)量和可靠性不斷提高的期望。

圖1 智能電網(wǎng)投入成本多指標體系構建流程

(2) 利用多維結構熵矩陣取代典型排序矩陣。受主觀意識影響，不同評價者對初選指標與智能電網(wǎng)投入成本的相關性的評價結果具有明顯差異，由此導致初選指標具有明顯不確定性。利用多維結構熵矩陣取代典型排序矩陣，能夠有效降低降低指標的不確定性。用k和D=[dij]k×n分別表示參與調(diào)研問卷評價者數(shù)量和根據(jù)y張調(diào)研問卷結果生成的典型排序矩陣[6-7]，dij(i=1,2,…,y;j=1,2,…,n)用于描述第i個評價者對第j個指標的評價，則式(1)所示為標準結構熵模型：

x(I)=-δPn(I)lnPn(I)

(1)

(2)

由此得到結構熵模型如下：

(3)

其中，β(I)、I和g分別表示dij對應的隸屬函數(shù)值和轉化參數(shù)量。

設定I和g分別等于g+1和a+2，由此得到：

(4)

其中，a表示評價者對給定初選指標的排序數(shù)。

與智能電網(wǎng)投入成本相關性越明顯的指標，其排序越靠前，相反排序靠后。依照式(3)、式(4)能夠得到：

(5)

在式(5)內(nèi)引入典型排序矩陣內(nèi)的dij，得到其結構熵值bij=u(dij)。

為了得到整個指標體系的結構熵值，需引入多維結構熵空間理論，構建統(tǒng)一的結構熵空間。

假設在結構上空間B內(nèi)，一個投入成本向量空間U存在M個向量(指標體系的層次數(shù)量)和y個維度(指標數(shù)量)。U內(nèi)包含投入成本向量ui，ui∈BY。由此構建多維結構熵矩陣：

(6)

(3) 假設y個評價值針對初選指標ui的排序結果關鍵度一致，即可計算y個評價值針對初選指標ui的認識度均值bj：

(7)

針對y個評價者，計算初選指標ui依照主觀認知導致的不確定性gj與總體認知度E：

Rj=|{|max(b1j,b2j,…,byj)-bj|+

|min(b1j,b2j,…,byj)-bj|}/2|

(8)

E=(e1,e2,…,en),ej=bj1-R

(9)

其中，Rj≥0，ei>0。

(4) 對標準化數(shù)據(jù)實施因子分析時選取SFSS軟件，以此獲取不同因子對總方差的解釋程度與因子載荷矩陣。將不同指標因子載荷數(shù)據(jù)作為標準，優(yōu)化初選指標：當初選指標的最大因子載荷小于設定閾值(通常設定為0.03～0.05，此處取值為0.04)時，可定義該指標與所屬維度的相關性較小，需排除；相反則可定義該指標與所述維度間具有明顯相關性，需保存。

(5) 標準化處理上述因子載荷矩陣，選取AMOS軟件檢驗此組標準化數(shù)據(jù)的組合信度與平均變異數(shù)抽取量，作為初選指標體系優(yōu)化的合理性依據(jù)。

通過以上過程最終獲取影響智能電網(wǎng)投入成本的關鍵指標，構建智能電網(wǎng)投入成本多指標體系，如表1所示。

表1 智能電網(wǎng)投入成本多指標體系

根據(jù)表1所示的智能電網(wǎng)投入成本指標，進行智能電網(wǎng)投入成本數(shù)據(jù)收集、記錄與整理，通過積極的網(wǎng)絡管理和自動響應機制，可以大大減少電網(wǎng)的停電時間和頻率，減少了向主站的呼叫次數(shù)，進而減少前期調(diào)度成本、后期維護成本等相關成本的投入，結合圖1內(nèi)其他各環(huán)節(jié)，完成智能電網(wǎng)投入成本多指標管理。

2 應用分析

為驗證本文所提基于多維結構熵的智能電網(wǎng)投入成本多指標管理方法的應用性，選取某市電力企業(yè)智能電網(wǎng)工程為應用對象，通過實際調(diào)研獲取應用對象投入成本基礎數(shù)據(jù)，其中，以某建成后的智能電網(wǎng)為例，年際報告中表明，10 kV及以下綜合線損率平均將下降1.9個百分點，公司年增加收入92.6億元，年降低人工及運行成本33.7億元，用電側增值服務每年獲得7.2億元收入，政府每年投入專向資金用于電力需求側管理能效項目，極大帶動社會投資，每年實施能源合同管理為公司帶來收益約25億元，二氧化碳減排量交易收益約為3億元。每年增加企業(yè)收益累計達200.9億元，將本文方法應用于其投入成本管理當中，驗證本文方法的應用性能。

3.1 投入成本管理效果分析

在初選指標內(nèi)選取最終構建多指標體系的指標，結果如表2所示。

分析表2得到，本文方法19個初選指標分別與3個公因子相對應。根據(jù)應用對象投入成本與實際調(diào)研所得投入成本數(shù)據(jù)，以上述初選指標優(yōu)化確定結果驗證本文方法管理效果，結果如表3所示。

分析表2得到，采用本文方法控制應用對象投入成本后，不同維度各項指標的投入成本均表現(xiàn)出不同程度的顯著下降趨勢。其中費用分解維度投入成本下降8.12%，資源分解維度投入成本下降8.50%，結構分解維度投入成本下降12.71%，應用對象整體投入成本下降8.50%。該結果表明，本文方法能夠有效降低智能電網(wǎng)投入成本，具有明顯的管理效果。

表2 初選指標優(yōu)化確定結果

表3 管理效果分析

3 總結

本文提出基于多維結構熵的智能電網(wǎng)投入成本多指標管理方法，構建投入成本多指標體系。依照體系內(nèi)指標進行成本數(shù)據(jù)收集、記錄與整理，提升智能電網(wǎng)投入成本管理效果。