基于多维结构熵的智能电网投入成本多指标管理方法研究

潘徽, 马冠雄, 邓楚然, 彭泽武, 谢瀚阳

(广东电网有限责任公司, 广东, 广州 610106)

0 引言

电力系统不仅与人们的日常生活息息相关，而且是国民经济和社会发展的基础。它是经济活动和日常生活中不可缺少的动力源之一[1-2]。建设智能电网是电力企业发展的大趋势[3]，智能电网使得电能质量和电网可靠性得到显著的改善，智能电网的建设需要大量的成本。在保证智能电网运行可靠性的基础上，对智能电网的投入成本进行有效管理，可以减少电力企业的投资，提高其经济效益，满足电力企业的实际需要。因此，对智能电网投资成本管理的研究已成为电力企业关注的焦点。

智能电网投入成本指标的选择是智能电网投入成本管理的关键。熵理论广泛应用于管理分析、过程控制和调度等领域。在熵理论的基础上，引入多维结构熵空间尺度理论，有效降低指标的不确定性[4-5]。在此基础上，提出了一种基于多维结构熵的智能电网投资成本多指标管理方法。通过构建智能电网投入成本多指标体系，根据系统中的指标收集投入成本数据，实现对智能电网投入成本的有效管理。

1 基于多维结构熵的智能电网投入成本多指标管理

图1为智能电网投入成本多指标体系构建流程。

智能电网投入成本指标体系构建流程大体可分为初选、优化与确定三个环节。

依照全面性、合理性与易操作性原则，从费用分解、资源分解和组织分解三个维度出发，共选取19个智能电网投入成本初选指标(费用分解：6个，代号为C11～C16；资源分解：9个，代号为C21～C29；组织分解：4个，代号为C31～C34)，构建初选指标体系。利用多维结构熵降低指标选取的不确定性，对指标体系进行优化；在此基础上进行指标因子分析，确定关键指标，可完成智能电网投入成本多指标体系构建，具体过程如下。

(1) 专业人员制作指标选取的调研问卷，收集评价者的相关建议。评价者针对初选指标与智能电网投入成本的相关性给予评价，依据评价结果排序初选指标。收回调研问卷并对评价者建议与排序结果进行整理，生成初选指标评价意见典型排序矩阵，其自动化程度可以保证在尽量少的人工干预下，快速隔离故障、自我恢复，避免大面积停电的发生，即通过对电网自动化程度的提高以满足用户对电力质量和可靠性不断提高的期望。

图1 智能电网投入成本多指标体系构建流程

(2) 利用多维结构熵矩阵取代典型排序矩阵。受主观意识影响，不同评价者对初选指标与智能电网投入成本的相关性的评价结果具有明显差异，由此导致初选指标具有明显不确定性。利用多维结构熵矩阵取代典型排序矩阵，能够有效降低降低指标的不确定性。用k和D=[dij]k×n分别表示参与调研问卷评价者数量和根据y张调研问卷结果生成的典型排序矩阵[6-7]，dij(i=1,2,…,y;j=1,2,…,n)用于描述第i个评价者对第j个指标的评价，则式(1)所示为标准结构熵模型：

x(I)=-δPn(I)lnPn(I)

(1)

(2)

由此得到结构熵模型如下：

(3)

其中，β(I)、I和g分别表示dij对应的隶属函数值和转化参数量。

设定I和g分别等于g+1和a+2，由此得到：

(4)

其中，a表示评价者对给定初选指标的排序数。

与智能电网投入成本相关性越明显的指标，其排序越靠前，相反排序靠后。依照式(3)、式(4)能够得到：

(5)

在式(5)内引入典型排序矩阵内的dij，得到其结构熵值bij=u(dij)。

为了得到整个指标体系的结构熵值，需引入多维结构熵空间理论，构建统一的结构熵空间。

假设在结构上空间B内，一个投入成本向量空间U存在M个向量(指标体系的层次数量)和y个维度(指标数量)。U内包含投入成本向量ui，ui∈BY。由此构建多维结构熵矩阵：

(6)

(3) 假设y个评价值针对初选指标ui的排序结果关键度一致，即可计算y个评价值针对初选指标ui的认识度均值bj：

(7)

针对y个评价者，计算初选指标ui依照主观认知导致的不确定性gj与总体认知度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) 对标准化数据实施因子分析时选取SFSS软件，以此获取不同因子对总方差的解释程度与因子载荷矩阵。将不同指标因子载荷数据作为标准，优化初选指标：当初选指标的最大因子载荷小于设定阈值(通常设定为0.03～0.05，此处取值为0.04)时，可定义该指标与所属维度的相关性较小，需排除；相反则可定义该指标与所述维度间具有明显相关性，需保存。

(5) 标准化处理上述因子载荷矩阵，选取AMOS软件检验此组标准化数据的组合信度与平均变异数抽取量，作为初选指标体系优化的合理性依据。

通过以上过程最终获取影响智能电网投入成本的关键指标，构建智能电网投入成本多指标体系，如表1所示。

表1 智能电网投入成本多指标体系

根据表1所示的智能电网投入成本指标，进行智能电网投入成本数据收集、记录与整理，通过积极的网络管理和自动响应机制，可以大大减少电网的停电时间和频率，减少了向主站的呼叫次数，进而减少前期调度成本、后期维护成本等相关成本的投入，结合图1内其他各环节，完成智能电网投入成本多指标管理。

2 应用分析

为验证本文所提基于多维结构熵的智能电网投入成本多指标管理方法的应用性，选取某市电力企业智能电网工程为应用对象，通过实际调研获取应用对象投入成本基础数据，其中，以某建成后的智能电网为例，年际报告中表明，10 kV及以下综合线损率平均将下降1.9个百分点，公司年增加收入92.6亿元，年降低人工及运行成本33.7亿元，用电侧增值服务每年获得7.2亿元收入，政府每年投入专向资金用于电力需求侧管理能效项目，极大带动社会投资，每年实施能源合同管理为公司带来收益约25亿元，二氧化碳减排量交易收益约为3亿元。每年增加企业收益累计达200.9亿元，将本文方法应用于其投入成本管理当中，验证本文方法的应用性能。

3.1 投入成本管理效果分析

在初选指标内选取最终构建多指标体系的指标，结果如表2所示。

分析表2得到，本文方法19个初选指标分别与3个公因子相对应。根据应用对象投入成本与实际调研所得投入成本数据，以上述初选指标优化确定结果验证本文方法管理效果，结果如表3所示。

分析表2得到，采用本文方法控制应用对象投入成本后，不同维度各项指标的投入成本均表现出不同程度的显著下降趋势。其中费用分解维度投入成本下降8.12%，资源分解维度投入成本下降8.50%，结构分解维度投入成本下降12.71%，应用对象整体投入成本下降8.50%。该结果表明，本文方法能够有效降低智能电网投入成本，具有明显的管理效果。

表2 初选指标优化确定结果

表3 管理效果分析

3 总结

本文提出基于多维结构熵的智能电网投入成本多指标管理方法，构建投入成本多指标体系。依照体系内指标进行成本数据收集、记录与整理，提升智能电网投入成本管理效果。