基于大数据的地方电网电能量采集系统量化评价体系研究

叶逢春黄吉涛梁 飞舒一飞马智强

(国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心)，宁夏 银川 750011)

当下，电网电能量采集系统一直是电网工作的重要组成部分[1－3]。首先对于主要耗能行业，用能单位，利用现代网络技术和无线传感器，可以实现电能在线监测和管理，同时也利于各地电网对于电能计量数据的采集，它不仅可以引导高耗能企业合理评估，开展节能管理，也利于国家电网对用户的实时监控[4－6]。

随着经济的发展与社会的进步，电气行业也面临越来越多的挑战，同时大数据技术越来越多地被应用到各个领域，大数据驱动也已经成为电力系统发展的主要方向[7－10]。一些学者结合大数据技术与客观算法对国家电网地方的用采系统评价体系进行了研究[11－13]。

文献[11]以某市电力用户用电信息采集系统为研究对象，根据层次分析法，模糊理论等方法对其进行应用水平的评价，研究结果显示，该系统应用效果良好。但该文中采取层次分析的赋权方法主观因素影响大。文献[12]使用层次分析法，灰色理论等方法对朝阳地区的用采系统项目进行评价，评价效果良好，但仍存在文献[11]所述问题，并且此研究忽略用采系统企业管理水平的影响。

基于以上分析，本文基于大数据技术，结合熵值法与灰色理论对地方电网用采系统建立量化评价体系。本文的研究结果不仅可以提供各地方电网用采水平排名，也能为电网进一步建设和改进用采系统提供建议。

1 用采系统量化评价基础理论

1.1 基于大数据的评价技术

随着大数据技术的发展，大数据技术越来越多地被应用到各个领域。

对于电力行业而言，来自企业的生产数据(如发电量、温度、压力等)，来自电力企业的运营数据(如交易电价、用电客户等)，来自电力企业的管理数据(如一体化平台、ERP 等)，这三方面的数据共同构成了“电力大数据”。

“电力大数据”涉及电力系统的各个环节，综合了电力企业的产、运、销及运营和管理数据，为提升企业的竞争力和生产效率、深化企业层次、强化企业管理提供了强有力的技术手段。

随着社会用电需求的进一步增加，电气行业也面临越来越多的挑战，尤其是一些新兴的电网应用技术没有完善的理论参考，需要依靠经验进行决策，但人为的决策通常不够科学规范，此时依靠大数据技术的评价决策手段就显得尤为重要。以数据为导向的评价手段将克服传统的以经验为导向的弊端。

1.2 熵值法与灰色理论

基于数据的评价手段往往受到数据质量的限制，无序或缺少信息量的低质量数据通常会很大程度地干扰评价效果。因此，基于大数据技术的评价系统仍需要科学的算法保证评价结果的客观合理。

其中，熵值法作为一种客观的赋权方法，不仅可以减少数据的无序性对评价效果的影响，也弥补了主观赋权的不足。熵值法的基本思想是:当某组数据熵越小，则表明此数据无序度较低，此组数据应当在系统中占据更高的权重。

一般用Pj表示第j个数据的熵值，那么整组数据的熵值如公式(1)所示，公式中K为正常数。

利用此公式，则可基于熵的概念计算数据权重。设多属性决策矩阵如公式(2)所示。

可以用Ej表示所有方案对属性Xj的贡献总量，Ej计算方法如公式(3)所示。

式中:K为ln(m)的倒数，即Ej值的上限为1。最终可得到依据熵权法计算的权重Wj，如公式(4)所示。

式中:dj为各个方案贡献度的一致性程度，dj＝1－Ej。

此外，灰色理论对数据量要求低，并且在预测系统与评价系统中的使用效果较好，近些年得到广泛的应用。本文所述地方电网用采系统量化评价体系的核心算法选择灰色理论方法。灰色理论在评价系统中应用的本质是通过对评价数组的比较分析，得到与目标数据的关联程度，依靠关联度量化评价效果。灰色理论在评价体系具体应用如下:

首先，确定指标数据，设最优化指标数列为Y＝{Y(k) ｜k＝1，2，…，n}；待评价指标数列为Zi＝{Zi(k)｜k＝1，2，…，n}，i＝1，2，…，m。

其次，进行指标无量纲化处理，由于各指标数据量纲不同，不便于比较而无法得到正确的结论。因此在进行指标量化评价时，须对初始数据进行无量纲化处理。处理方法如公式(5)所示。

接着，计算待评价指标与最优化指标的关联系数。最优化指标Y(k)与待评价指标Zi(k)的关联系数计算公式如(6)所示。

记Δi(k)＝｜y(k)－zi(k)｜，则

式中:ρ∈(0，∞)。一般ρ取值为(0，1)，当ρ≤0.546 3 时，分辨力最好，本文取ρ＝0.5。ξi(k)是指标矩阵xi的第k个元素与最优化指标矩阵Y的第k个元素之间的关联系数。

最后，计算指标评价量化值。待评价指标与最优化指标关联系数是其在各个时刻或条件下的关联程度值，数值不止一个，信息过于分散不便于进行整体性比较，因此本文通过熵值法所求的权重对结果进行赋权求得最终评价量化值。

2 用采系统量化评价指标体系

本章根据用采系统一般评价指标的选取原则，结合地方电网运行经验，总结4 大类(技术、经济、管理以及社会效益)，23 小类指标。

2.1 技术指标体系

用采系统量化评价指标体系的技术指标包含主站功能指标，通信质量指标和功能核算指标三大类，如图1 所示，其中主站功能下分四个子指标J11，J12，J13 和J14，在指标考核期内，J11，J12 和J14 可分别根据以下公式计算，J13 可直接从系统获取。

图1 用采系统技术指标

通信质量下分四个子指标J21，J22，J23 和J24，J21，J22，J23 和J24 可分别根据以下公式计算。

功能核算下分三个子指标J31，J32 和J33，其可分别根据以下公式计算。

2.2 经济指标体系

用采系统量化评价指标体系的经济指标包含运营能力指标和项目建设指标两大类，如图2 所示，运营能力下分三个子指标G11，G12 和G13，此三个指标具体可由专家打分得出。项目建设下分四个子指标G21，G22，G23 和G24，此四个指标亦可从财务部门直接获得。

图2 用采系统经济指标

2.3 管理及社会指标体系

除技术和经济类指标外，管理及社会指标也作为评价用采系统的不可或缺的考虑因素，如图3 所示，其中管理水平下分两个指标，S11 和S12，社会效益下分三个指标，S21，S22 和S23。此五类指标均由专家根据当地电网实际管理水平与社会效益打分得出。

图3 用采系统管理及社会指标

2.4 案例分析

本小结以五个地方电网用采系统的23 个评价指标为案例，由于各指标量纲不统一，因此首先根据公式(5)进行无量纲处理，得到表1 和图4。

图4 各公司用采系统无量纲指标值占比

表1 各公司用采系统无量纲指标

从图4 中我们可以看出，每个公司不同指标各有优劣，无法直观进行用采系统的评价，因此本文根据灰色理论的一般原理，对其以关联度的表征方式进行客观评价。

首先，根据式(1)～式(4)可以求出Ej及各指标权重Wj:

Ej＝[0.793，0.832，0.765，0.851，0.865，0.695，0.797，0.740，0.844，0.803，0.827，0.755，0.800，0.859，0.814，0.708，0.837，0.836，0.697，0.817，0.858，0.794，0.791]；

Wj＝[0.045，0.036，0.051，0.032，0.029，0.066，0.044，0.056，0.034，0.043，0.037，0.053，0.043，0.031，0.040，0.063，0.035，0.036，0.066，0.040，0.031，0.045，0.045]；

进一步，根据式(6)～式(7)求得各公司指标关联系数:

A 公司各项指标关联系数为:[0.934，0.927，0.968，0.819，0.983，0.966，0.943，0.963，0.943，0.936，0.959，0.465，0.541，0.422，0.956，1.000，0.508，0.420，0.430，0.745，0.721，0.910，0.566]；

B 公司各项指标关联系数为:[1.000，0.945，1.000，1.000，0.978，1.000，1.000，1.000，0.985，0.949，0.980，1.000，0.618，1.000，1.000，0.751，0.562，0.978，0.517，1.000，0.773，0.791，1.000]；

C 公司各项指标关联系数为:[0.947，0.966，0.978，0.892，1.000，0.995，0.997，0.987，1.000，1.000，0.966，0.566，1.000，0.894，0.463，0.517，0.726，0.604，0.383，0.961，0.346，1.000，0.402]；

D 公司各项指标关联系数为:[0.990，1.000，0.890，0.874，0.987，0.985，0.961，0.973，0.966，0.966，0.938，0.478，0.461，0.706，0.559，0.519，1.000，0.567，1.000，0.333，0.532，0.430，0.338]；

E 公司各项指标关联系数为:[0.914，0.985，0.880，0.813，0.934，0.966，0.961，0.968，0.995，0.978，1.000，0.410，0.579，0.639，0.618，0.478，0.383，1.000，0.413，0.405，1.000，0.385，0.435]；

最终根据所求得Wj对关联系数进行赋权，得到五个地方电网的综合得分，分别为:60.9%，66.5%，61.4%，57.6%和56.9%。即最终评价排名为:B 公司>C 公司>A 公司>D 公司>E 公司。

3 结束语

本文基于大数据技术，结合熵值法与灰色理论对地方电网用采系统建立量化评价体系。

首先，笔者提出人为的决策通常不够科学规范，此时基于大数据技术的评价决策手段就显得尤为重要。以数据为导向的评价手段将克服传统的以经验为导向的弊端。此外，笔者论述了熵值法与灰色理论的一般实现方法，并结合二者为评价体系的算法。

其次，笔者根据用采系统一般评价指标的选取原则，结合地方电网运行经验，总结4 大类(技术、经济、管理以及社会效益)，23 小类指标。

最后，通过五家公司的具体指标参数，依据本文提出的算法，计算得到得到五个地方电网的综合得分，分别为:60.9%，66.5%，61.4%，57.6%和56.9%。即最终评价排名为:B 公司>C 公司>A 公司>D 公司>E 公司。