基于多維結構熵的智能電網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

(廣東電網有限責任公司, 廣東, 廣州 610106)

0 引言

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

智能電網投入成本指標的選擇是智能電網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投資成本多指標管理方法。通過構建智能電網投入成本多指標體系，根據系統中的指標收集投入成本數據，實現對智能電網投入成本的有效管理。

1 基于多維結構熵的智能電網投入成本多指標管理

圖1為智能電網投入成本多指標體系構建流程。

智能電網投入成本指標體系構建流程大體可分為初選、優化與確定三個環節。

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，共選取19個智能電網投入成本初選指標(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，可完成智能電網投入成本多指標體系構建，具體過程如下。

(1) 專業人員制作指標選取的調研問卷，收集評價者的相關建議。評價者針對初選指標與智能電網投入成本的相關性給予評價，依據評價結果排序初選指標。收回調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生，即通過對電網自動化程度的提高以滿足用戶對電力質量和可靠性不斷提高的期望。

圖1 智能電網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分別表示參與調研問卷評價者數量和根據y張調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對應的隸屬函數值和轉化參數量。

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。

與智能電網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)內引入典型排序矩陣內的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，構建統一的結構熵空間。

假設在結構上空間B內，一個投入成本向量空間U存在M個向量(指標體系的層次數量)和y個維度(指標數量)。U內包含投入成本向量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) 對標準化數據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據作為標準，優化初選指標：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據的組合信度與平均變異數抽取量，作為初選指標體系優化的合理性依據。

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

表1 智能電網投入成本多指標體系

根據表1所示的智能電網投入成本指標，進行智能電網投入成本數據收集、記錄與整理，通過積極的網絡管理和自動響應機制，可以大大減少電網的停電時間和頻率，減少了向主站的呼叫次數，進而減少前期調度成本、后期維護成本等相關成本的投入，結合圖1內其他各環節，完成智能電網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投入成本多指標管理方法的應用性，選取某市電力企業智能電網工程為應用對象，通過實際調研獲取應用對象投入成本基礎數據，其中，以某建成后的智能電網為例，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。根據應用對象投入成本與實際調研所得投入成本數據，以上述初選指標優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投入成本，具有明顯的管理效果。

表2 初選指標優化確定結果

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。依照體系內指標進行成本數據收集、記錄與整理，提升智能電網投入成本管理效果。