一种电力系统充裕性评价方法、装置及存储介质与流程

1.本发明涉及电力系统充裕性评估领域，尤其是涉及一种基于ahp-熵权-topsis的电力系统充裕性评价方法、装置及存储介质。


背景技术：

2.电力系统充裕性(adequacy of electric power system)是指电力系统稳态运行时,在系统元件额定容量、母线电压和系统频率等的允许范围内,考虑系统中元件的计划停运以及合理预期的非计划停运条件下,向用户提供全部所需的电力和电量的能力。
3.概率方法是客观全面评估大规模可再生能源接入条件下电力系统充裕性的有效手段。现阶段电力充裕性指标主要由概率性指标构成。传统充裕性指标仅提供了一个研究期间内各类短缺参数的平均测量值，仅能表征电力系统短缺情况的总体特征。随着大规模新能源并网及其他发电资源的引入，新型电力系统中短缺事件呈现多样化特征，传统指标无法呈现各类短缺事件的多维度聚类分布特性；另一方面，新型电力系统中供电资源种类增加，各类资源特性不同，现有的充裕性指标体系无法匹配供电资源类型、容量和系统充裕性短缺特性及容量，对新型电力系统的短缺特征表征不完整。并且，当评估指标较多时，难以给出系统充裕性的总体评价。


技术实现要素：

4.本发明的目的就是为了提供一种基于ahp-熵权-topsis的电力系统充裕性评价方法、装置及存储介质，利用新的充裕性指标表征新型电力系统的短缺特征，并考虑各子指标对系统充裕性的贡献，对系统的各充裕性指标进行综合评价。
5.本发明的目的可以通过以下技术方案来实现：
6.一种基于ahp-熵权-topsis的电力系统充裕性评价方法，结合ahp(analytic hierarchy process,层次分析法)和熵权-topsis(technique for order preference by similarity to an ideal solution，优劣解距离法)对系统的各充裕性指标进行综合评价，具体包括以下步骤：
7.获取充裕性事件历史数据或仿真数据，作为评估的参考样本；
8.结合参考样本与被评估充裕性场景，确定参考样本和被评估场景的整体充裕性指标，并按照持续事件和短缺功率标准进行分类，得到各个区块的充裕性指标，构建充裕性指标数据集；
9.基于ahp-熵权-topsis算法分别对参考样本和被评估场景的充裕性指标数据集进行评估，得到参考样本评分区间和被评估场景评分；
10.基于被评估场景评分与参考样本评分区间之间的关系判断被评估对象的充裕性情况。
11.所述充裕性指标包括缺电时间期望lole、电力不足概率lolp、缺电频率lolf、负荷平均缺电时间lold、负荷平均缺电功率lols和期望缺供电量eens。
12.各个区块的电力不足概率lolptipj为：
[0013][0014]
其中，tq为事件q的短缺时间，u为事件集合，t为整体评价周期的长度；
[0015]
各个区块的电力不足概率lolptipj的和满足整体电力不足概率指标：
[0016][0017]
其中，t
year
表示整体lolp的评估年份的时间长度，i，j分别表示持续时间与短缺功率划分的类别数。
[0018]
各个区块的期望缺供电量eenstipj期望值为：
[0019][0020]
其中，eens为整体期望缺供电量，t
i,j
、p
i,j
分别代表区域[i,j]对应事件特征点的持续时间与短缺功率，e
i，j
为事件分布概率，
[0021][0022][0023][0024]
其中，n
i,j
代表区域[i,j]的事件次数，pq为事件q的短缺平均功率，n
all
为整体事件次数。
[0025]
各个区块的负荷平均缺电时间期望值loldtipj为：
[0026][0027]
其中，lold为整体负荷平均缺电时间。
[0028]
所述ahp-熵权-topsis算法的评估过程包括以下步骤：
[0029]
s31、基于ahp法对充裕性指标基于标度法进行打分，得到判断矩阵，并对判断矩阵进行一致性检验，基于检验通过的判断矩阵确定客观权重矩阵；
[0030]
s32、基于熵权-topsis算法对充裕性指标依次进行如下操作：指标正向化、标准化处理，通过计算概率矩阵确定每个指标的信息熵，基于信息熵确定主观权重矩阵，并结合客观权重矩阵确定综合权重矩阵，基于综合权重矩阵计算最优、最劣距离从而计算各个充裕性指标的综合评分并进行排序。
[0031]
所述判断矩阵为：
[0032][0033]
其中，m为充裕性指标个数，标度值a
ij
基于下述标准确定：当两个充裕性指标具有相同重要性时，标度值为1；当两个充裕性指标相比，前者比后者稍微重要时，标度值为3；当两个充裕性指标相比，前者比后者明显重要时，标度值为5；当两个充裕性指标相比，前者比后者强烈重要时，标度值为7；当两个充裕性指标相比，前者比后者极端重要时，标度值为9；当处于上述相邻标度中间值时，标度值分别取2、4、6、8；当两个充裕性指标反相比较时，分别取上述对应标度值的倒数作为标度值。
[0034]
所述对判断矩阵进行一致性检验具体为：
[0035]
基于判断矩阵的最大特征根λ
max
计算一致性指标ci：
[0036][0037]
其中，m为充裕性指标个数；
[0038]
基于一致性指标ci计算一致性比例cr：
[0039][0040]
其中，ri为平均一致性指标，其值根据充裕性指标个数预先配置；
[0041]
当cr＜0.1时，表明通过一致性检验。
[0042]
所述客观权重矩阵基于以下步骤确定：
[0043]
计算判断矩阵的最大特征根对应的特征向量k并归一化求权重值：
[0044]
k＝[k1,k2…km
]
t
[0045][0046]
由各权重值组成对角客观权重矩阵w：
[0047][0048]
其中，m为判断矩阵的特征根数量。
[0049]
所述s32包括以下步骤：
[0050]
s321、指标正向化
[0051]
所述充裕性指标包括极大型指标、极小型指标、中间型指标和区间型指标，将极小型指标转换为极大型指标：
[0052]
xi＝max{x1,x2,
…
xi}-xi[0053]
当所有元素xi均为正数时，直接去倒数处理：
[0054][0055]
s322、标准化处理
[0056]
对于n个评价对象，m个评价指标，标准化方法为：
[0057][0058]
标准化矩阵z中元素z
i,j
的计算方法为：
[0059][0060]
或：
[0061][0062]
s323、基于标准化矩阵计算概率矩阵p：
[0063][0064]
其中：
[0065][0066]
s324、基于概率矩阵计算每个指标的信息熵ej[0067][0068]
s325、计算信息效用值，并进行归一化处理得到主观权重值w：
[0069]dj
＝1-ej,(j＝1,2,...,m)
[0070][0071]
s326、结合ahp法得到的客观权重矩阵w，计算综合权重w'：
[0072]
w'＝[ω1',ω'2…
ω'm]＝w
·
[ω1,ω2…
ωm]
[0073]
s327、计算最优、最劣距离
[0074][0075][0076]
s328、计算各个充裕性指标的综合评分scorei并进行排序：
[0077][0078]
一种基于ahp-熵权-topsis的电力系统充裕性评价装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上述所述的方法。
[0079]
一种存储介质，其上存储有程序，所述程序被执行时实现如上述所述的方法。
[0080]
与现有技术相比，本发明具有以下有益效果：
[0081]
(1)本发明提出了各区块的充裕性指标计算方法，参考各类型储能设备的出力特性，对不同规模、不同时间尺度的短缺事件进行划分并进行特征提取，构建了多级多维的充裕性指标体系，相对传统单指标更加细致综合地反映了短缺事件集的时序、规模等特征，能够呈现各类短缺事件的多维度聚类分布特性，并且能够更好地匹配供电资源类型、容量和系统充裕性短缺特性及容量，为后期备用配置提供更精确的参考依据。
[0082]
(2)本发明提出的ahp-熵权-topsis算法能够综合考虑复杂繁多的各子指标对系统充裕性的贡献，可根据对系统充裕性的需求灵活调整不同指标的主观权重，并结合事件客观熵权得到各个指标的综合权重，对系统的各充裕性指标进行综合评价，评价结果更能反映实际情况，更具参考意义。
附图说明
[0083]
图1为本发明的方法流程图；
[0084]
图2为一种实施例中短缺事件集按短缺功率、持续时间进行划分示意图；
[0085]
图3为一种实施例中100个蒙特卡洛年仿真短缺事件集示意图；
[0086]
图4为一种实施例中多级指标下各分区短缺事件特征点求取结果示意图；
[0087]
图5为一种实施例中的充裕性指标树；
[0088]
图6为一种实施例中的100个蒙特卡洛年充裕性综合评分及排序结果示意图；
[0089]
图7为一种实施例中的多指标综合评价排序下各单独指标量变化趋势示意图。
具体实施方式
[0090]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0091]
现阶段电力充裕性指标主要由概率性指标构成，大致可分为以下几类：
[0092]
1)缺电时间期望lole(loss of load expecation)(小时/年)
[0093][0094]
2)电力不足概率lolp(loss of load possibility)
[0095][0096]
3)缺电频率lolf(loss of load frequency)(次/年)
[0097][0098]
4)负荷平均缺电时间lold(loss of load duration)(小时/次)
[0099][0100]
5)负荷平均缺电功率lols(loss of load size)(兆瓦)
[0101][0102]
6)期望缺供电量eens(expected energy not supplied)(兆瓦时/年)
[0103][0104]
上式中：d为样本评估天数；d
year
为参考年总天数，取365；d为天数自变量；t为小时数自变量；sgn为符号函数，大于0返回1，等于0返回0，小于0返回-1；l
dt
为第d天t小时时刻负荷功率；c
dt
为第d天t小时时刻系统可用发电容量。
[0105]
传统充裕性指标仅提供了一个研究期间内各类短缺参数的平均测量值，仅能表征电力系统短缺情况的总体特征。随着大规模新能源并网及其他发电资源的引入，新型电力系统中短缺事件呈现多样化特征，传统指标无法呈现各类短缺事件的多维度聚类分布特性；另一方面，新型电力系统中供电资源种类增加，各类资源特性不同，为了能够更好地匹配供电资源类型、容量和系统充裕性短缺特性及容量，也需要建立新的充裕性指标体系来表征新型电力系统的短缺特征。
[0106]
因此，本实施例提供一种基于ahp-熵权-topsis的电力系统充裕性评价方法，如图1所示，通过构建分级分维的电力系统充裕性指标体系，并结合ahp-熵权-topsis实现，具体的，包括以下步骤：
[0107]
s1、获取充裕性事件历史数据或仿真数据，作为评估的参考样本。
[0108]
具体的，根据现有的充裕性要求，参考历史数据或利用软件进行蒙特卡洛仿真，得到满足充裕性要求的一系列不同情况的充裕性事件集合，作为评估的对照样本。
[0109]
s2、结合参考样本与被评估充裕性场景，确定参考样本和被评估场景的整体充裕性指标，并按照持续事件和短缺功率标准进行分类，得到各个区块的充裕性指标，构建充裕性指标数据集。
[0110]
本实施例提出分级分维的电力系统充裕性指标体系，并以2维指标体系为例说明其制定方法。将统计周期内短缺事件结合短缺持续时间lold与平均短缺功率lols构而成二
维坐标进行分类汇总。为反映不同规模短缺事件的与各类发电资源的关系，横坐标t的分类可参考现有主要发电设备类型的放电持续时间与机组爬坡速率来给定，如表1所示。纵坐标短缺功率可参考不同类型备用的放电功率给定，或按照发电机组静态可信度容量的最大百分比给定，示意图如图2所示。
[0111]
表1发电资源分类及其特征
[0112][0113]
对于电力系统一段持续时间t内所有充裕度情况集合u，按上述持续时间、短缺功率标准进行分类，可计算得各个区块的电力不足概率lolptipj(loss of load in timei,poweri)为：
[0114][0115]
其中，tq为事件q的短缺时间，u为事件集合，t为整体评价周期的长度。
[0116]
各个区块的电力不足概率lolptipj的和满足整体电力不足概率指标：
[0117][0118]
其中，t
year
表示整体lolp的评估年份的时间长度，i，j分别表示持续时间与短缺功率划分的类别数。
[0119]
由于不同地区高比例新能源电力系统的电力短缺情况受地理条件、气候条件差异等因素影响较大，对于短缺事件的不同区块分布的频率特征难以进行量化约束。对于不同区块的短缺事件，可以分区块分别对其事件的持续时间、短缺功率求取均值，其结果作为该区块的短缺事件特征点：
[0120][0121][0122]
其中，n
i,j
代表区域[i,j]的事件次数，pq为事件q的短缺平均功率。
[0123]
对于各个区间的事件特征点，利用对应区间的短缺事件年发生概率对其进行赋权：
[0124][0125]
其中，n
all
为整体事件次数。
[0126]
在已有整体指标量条件下，求取各区块期望分指标量，首先对事件集合进行分类统计，综合考虑并计算各区块特征点的t
i,j
、p
i,j
以及事件分布概率e
i，j
，则各个区块的期望缺供电量eenstipj期望值为：
[0127][0128]
其中，eens为整体期望缺供电量，t
i,j
、p
i,j
分别代表区域[i,j]对应事件特征点的持续时间与短缺功率。
[0129]
各个区块的负荷平均缺电时间期望值loldtipj为：
[0130][0131]
其中，lold为整体负荷平均缺电时间。
[0132]
本实施例以年或季度为充裕性评估时间跨度，通过统计所有发生的充裕性事件的特性，并按上述方法将短缺事件按持续时间、短缺容量进行分类汇总，可得到以下可参考的一系列充裕性特征参数：
[0133]
1)持续时长在t1区间内的短缺事件总时长、事件数；
[0134]
2)持续时长在t2区间内的短缺事件总时长、事件数；
[0135]
3)持续时长在t3区间内的短缺事件总时长、事件数；
[0136]
4)所有短缺事件的总时长lole；
[0137]
5)所有短缺事件的事件数lolf；
[0138]
6)所有短缺事件的平均单次短缺时长lold；
[0139]
7)所有短缺事件的短缺电量enns；
[0140]
各个特征参数均可同时纳入进行综合评估，会根据纳入参考的特征参数对评价着重方面有所偏向。
[0141]
本实施例在matlab中基于样本数据建立负荷-火电机组-光伏-风电的电力系统模型，并基于蒙特卡洛算法得到100*8760个小时的充裕性情况，对充裕性数据按上述分类方法进行处理，其中对事件短缺时长按t1＝5h，t2＝10h划分为(0,t1]、(t1,t2]、(t2,+∞)三个时间分区，同理对短缺事件的规模按p1＝60mw，p2＝140mw划分为(0,p1]、(p1,p2]、(p2,+∞)三个规模分区。得到一百年蒙特卡洛模拟下共1599次短缺事件的分布如图3所示。对事件集按上述方式进行分区处理，求取特征点可得如图4所示，其中特征点圆的面积表示其分区事件的发生频次。
[0142]
取参考lolp指标为0.01，lold为87h，enns为20000mwh，各区块具体数据及期望值如下表2所示：
[0143]
表2多级指标量量化期望值
[0144][0145]
s3、基于ahp-熵权-topsis算法分别对参考样本和被评估场景的充裕性指标数据集进行评估，得到参考样本评分区间和被评估场景评分。
[0146]
为综合考虑不同维度指标对短缺事件评估的影响，结合aph-熵权-topsis综合评价方法对多个充裕性指标进行主观、客观组合赋权，并提取充裕性评估中关键的指标因素。
[0147]
具体的，包括以下步骤：
[0148]
s31、基于ahp法对充裕性指标基于标度法进行打分，得到判断矩阵，并对判断矩阵进行一致性检验，基于检验通过的判断矩阵确定客观权重矩阵。
[0149]
ahp(analytic hierarchy process)是一种主观赋权方法，其基本思想是将待决策问题按照一定的逻辑分类关系层层细分，由此构建一个多层次的指标体系框架，结合专家评分确定各层中指标间两两关联程度，以构建判断矩阵并进行一致性检验，最后根据判断矩阵求得各层指标在其所在层所占的权重。其判断流程如下：
[0150]
s311、对参考的m个评价指标根据两两比较标度判断原理，依据标度法对其打分，得到判断矩阵a：
[0151][0152]
其中，m为充裕性指标个数，标度值a
ij
采用1-9标度法确定，具体如表3所示。当两个充裕性指标具有相同重要性时，标度值为1；当两个充裕性指标相比，前者比后者稍微重要时，标度值为3；当两个充裕性指标相比，前者比后者明显重要时，标度值为5；当两个充裕性指标相比，前者比后者强烈重要时，标度值为7；当两个充裕性指标相比，前者比后者极端重要时，标度值为9；当处于上述相邻标度中间值时，标度值分别取2、4、6、8；当两个充裕性指标反相比较时，分别取上述对应标度值的倒数作为标度值。上述反相比较指充裕性指标后者比前者稍微重要/明显重要/强烈重要/极端重要时，标度值分别取1/3，1/5，1/7，1/9，介于中间时分别取1/2，1/4，1/6，1/8。
[0153]
表3 ahp 1-9标度法
[0154]
标度值重要性1两指标具有相同重要性3两指标相比，前者比后者稍微重要
5两指标相比，前者比后者明显重要7两指标相比，前者比后者强烈重要9两指标相比，前者比后者极端重要2,4,6,8上述相邻标度中间值上述倒数两指标反相
[0155]
s312、由于判断矩阵a受决策者主观判断影响，需对其进行一致性检验，其定义式如下：
[0156][0157][0158]
其中，m为充裕性指标个数；λ
max
为判断矩阵的最大特征根；ci为一致性指标；cr为一致性比例；ri为平均一致性指标，其值根据充裕性指标个数预先配置，本实施例的取值如表4所示。
[0159]
表4一致性检验ri值
[0160]
n12345678910ri000.520.891.121.261.361.411.461.52
[0161]
当cr＜0.1时，表明通过一致性检验。
[0162]
s313、计算判断矩阵的最大特征根对应的特征向量k并归一化求权重值：
[0163]
k＝[k1,k2…km
]
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0164][0165]
其中，m为判断矩阵的特征根数量，也即充裕性指标个数。
[0166]
s315、由各权重值组成对角客观权重矩阵w：
[0167][0168]
s32、基于熵权-topsis算法对充裕性指标依次进行如下操作：指标正向化、标准化处理，通过计算概率矩阵确定每个指标的信息熵，基于信息熵确定主观权重矩阵，并结合客观权重矩阵确定综合权重矩阵，基于综合权重矩阵计算最优、最劣距离从而计算各个充裕性指标的综合评分并进行排序。具体的，
[0169]
s321、指标正向化
[0170]
充裕性指标包括：
[0171]
1)极大型指标：越大越好；
[0172]
2)极小型指标：越小越好；
[0173]
3)中间型指标：越接近某个值越好；
[0174]
4)区间型指标：落在某个区间最好。
[0175]
本步骤将极小型指标转换为极大型指标：
[0176]
xi＝max{x1,x2,
…
xi}-xiꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
[0177]
当所有元素xi均为正数时，直接去倒数处理：
[0178][0179]
s322、标准化处理
[0180]
本步骤用于平衡因为指标之间的差异或是量纲带来的误差。对于n个评价对象，m个评价指标，标准化方法为：
[0181][0182]
标准化矩阵z中元素z
i,j
的计算方法为：
[0183][0184]
或：
[0185][0186]
s323、基于标准化矩阵计算概率矩阵p：
[0187][0188]
其中：
[0189][0190]
s324、基于概率矩阵计算每个指标的信息熵ej[0191][0192]
s325、计算信息效用值1-e，并进行归一化处理得到主观权重值w：
[0193]dj
＝1-ej,(j＝1,2,...,m)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)
[0194][0195]
s326、结合ahp法得到的客观权重矩阵w，计算综合权重w'：
[0196]
w'＝[ω1',ω'2…
ω'm]＝w
·
[ω1,ω2…
ωm]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0197]
s327、计算最优、最劣距离
[0198][0199][0200]
s328、计算各个充裕性指标的综合评分scorei并进行排序：
[0201][0202]
本实施例对100次仿真结果进行单独统计，求取其熵权权重，参考图5取各级指标等权重求取其ahp权重，并结合熵权权重求得综合权重，对各类权重进行归一化，结果如表5所示。
[0203]
表5算例指标各类权重
[0204]
指标类型ennslolplolsloldt1loldt2loldt3lolft1lolft2lolft3ahp权重0.20.20.20.06670.06670.06670.06670.06670.0667熵权权重0.09990.16260.04140.09360.10110.14950.09000.12070.1411综合权重0.02000.03250.00830.00630.00680.01000.00600.00810.0095
[0205]
对算例数据进行topsis综合评价，得到如下图6所示100个独立蒙特卡洛年充裕性综合评分及排序。按照综合评价所排顺序，分别展示九个单独指标量的变化趋势如图7所示。
[0206]
s4、基于被评估场景评分与参考样本评分区间之间的关系判断被评估对象的充裕性情况。
[0207]
根据上述结果分析可得，本发明能够综合考虑多组充裕性指标的影响，任意一单个指标都不能正确地对整体充裕性情况进行排序，但整体趋势上充裕性好坏与各指标量呈负相关性，也验证了本发明判断的合理性。同时对100次仿真结果的评分变化趋势进行分析，按综合评分对充裕性进行评价，如表6所示。
[0208]
表6评分区间及其对应充裕性情况
[0209]
综合评分0～0.50.5～0.70.7～0.90.9～1充裕性情况很差较差一般较好统计概率18％14％29％39％
[0210]
几个临界点的具体指标数据量如下表7所示：
[0211]
表7充裕性临界事件各指标数据
[0212]
[0213][0214]
评分区间划分依据和充裕性情况的描述可参考临界事件各个指标量值，并根据实际情况和对充裕性的要求进行重新制定。
[0215]
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0216]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依据本发明的构思在现有技术的基础上通过逻辑分析、推理、或者有限的实验可以得到的技术方案，皆应在权利要求书所确定的保护范围内。

技术特征：
1.一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，包括以下步骤：获取充裕性事件历史数据或仿真数据，作为评估的参考样本；结合参考样本与被评估充裕性场景，确定参考样本和被评估场景的整体充裕性指标，并按照持续事件和短缺功率标准进行分类，得到各个区块的充裕性指标，构建充裕性指标数据集；基于ahp-熵权-topsis算法分别对参考样本和被评估场景的充裕性指标数据集进行评估，得到参考样本评分区间和被评估场景评分；基于被评估场景评分与参考样本评分区间之间的关系判断被评估对象的充裕性情况。2.根据权利要求1所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，所述充裕性指标包括缺电时间期望lole、电力不足概率lolp、缺电频率lolf、负荷平均缺电时间lold、负荷平均缺电功率lols和期望缺供电量eens。3.根据权利要求2所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，各个区块的电力不足概率lolpt
i
p
j
为：其中，t
q
为事件q的短缺时间，u为事件集合，t为整体评价周期的长度；各个区块的电力不足概率lolpt
i
p
j
的和满足整体电力不足概率指标：其中，t
year
表示整体lolp的评估年份的时间长度，i，j分别表示持续时间与短缺功率划分的类别数。4.根据权利要求3所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，各个区块的期望缺供电量eenst
i
p
j
期望值为：其中，eens为整体期望缺供电量，t
i,j
、p
i,j
分别代表区域[i,j]对应事件特征点的持续时间与短缺功率，e
i，j
为事件分布概率，为事件分布概率，为事件分布概率，
其中，n
i,j
代表区域[i,j]的事件次数，p
q
为事件q的短缺平均功率，n
all
为整体事件次数。5.根据权利要求4所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，各个区块的负荷平均缺电时间期望值loldt
i
p
j
为：其中，lold为整体负荷平均缺电时间。6.根据权利要求1所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，所述ahp-熵权-topsis算法的评估过程包括以下步骤：s31、基于ahp法对充裕性指标基于标度法进行打分，得到判断矩阵，并对判断矩阵进行一致性检验，基于检验通过的判断矩阵确定客观权重矩阵；s32、基于熵权-topsis算法对充裕性指标依次进行如下操作：指标正向化、标准化处理，通过计算概率矩阵确定每个指标的信息熵，基于信息熵确定主观权重矩阵，并结合客观权重矩阵确定综合权重矩阵，基于综合权重矩阵计算最优、最劣距离从而计算各个充裕性指标的综合评分并进行排序。7.根据权利要求6所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，所述判断矩阵为：其中，m为充裕性指标个数，标度值a
ij
基于下述标准确定：当两个充裕性指标具有相同重要性时，标度值为1；当两个充裕性指标相比，前者比后者稍微重要时，标度值为3；当两个充裕性指标相比，前者比后者明显重要时，标度值为5；当两个充裕性指标相比，前者比后者强烈重要时，标度值为7；当两个充裕性指标相比，前者比后者极端重要时，标度值为9；当处于上述相邻标度中间值时，标度值分别取2、4、6、8；当两个充裕性指标反相比较时，分别取上述对应标度值的倒数作为标度值。8.根据权利要求6所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，所述对判断矩阵进行一致性检验具体为：基于判断矩阵的最大特征根λ
max
计算一致性指标ci：其中，m为充裕性指标个数；基于一致性指标ci计算一致性比例cr：其中，ri为平均一致性指标，其值根据充裕性指标个数预先配置；当cr＜0.1时，表明通过一致性检验。
9.根据权利要求6所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，所述客观权重矩阵基于以下步骤确定：计算判断矩阵的最大特征根对应的特征向量k并归一化求权重值：k＝[k1,k2…
k
m
]
t
由各权重值组成对角客观权重矩阵w：其中，m为判断矩阵的特征根数量。10.根据权利要求9所述的一种基于ahp-熵权-topsis的电力系统充裕性评价方法，其特征在于，所述s32包括以下步骤：s321、指标正向化所述充裕性指标包括极大型指标、极小型指标、中间型指标和区间型指标，将极小型指标转换为极大型指标：x
i
＝max{x1,x2,
…
x
i
}-x
i
当所有元素x
i
均为正数时，直接去倒数处理：s322、标准化处理对于n个评价对象，m个评价指标，标准化方法为：标准化矩阵z中元素z
i,j
的计算方法为：或：s323、基于标准化矩阵计算概率矩阵p：
其中：s324、基于概率矩阵计算每个指标的信息熵e
j
s325、计算信息效用值，并进行归一化处理得到主观权重值w：d
j
＝1-e
j
,(j＝1,2,...,m)s326、结合ahp法得到的客观权重矩阵w，计算综合权重w'：w'＝[ω
′1,ω'2…
ω'
m
]＝w
·
[ω1,ω2…
ω
m
]s327、计算最优、最劣距离s327、计算最优、最劣距离s327、计算最优、最劣距离s328、计算各个充裕性指标的综合评分score
i
并进行排序：11.一种基于ahp-熵权-topsis的电力系统充裕性评价装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-10中任一所述的方法。12.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-10中任一所述的方法。

技术总结
本发明涉及一种基于AHP-熵权-TOPSIS的电力系统充裕性评价方法、装置及存储介质，其中方法包括以下步骤：获取充裕性事件历史数据或仿真数据，作为评估的参考样本；结合参考样本与被评估充裕性场景，确定参考样本和被评估场景的整体充裕性指标，并按照持续事件和短缺功率标准进行分类，得到各个区块的充裕性指标，构建充裕性指标数据集；基于AHP-熵权-TOPSIS算法分别对参考样本和被评估场景的充裕性指标数据集进行评估，得到参考样本评分区间和被评估场景评分；基于被评估场景评分与参考样本评分区间之间的关系判断被评估对象的充裕性情况。与现有技术相比，本发明具有评价维度多、评估结果准确等优点。评估结果准确等优点。评估结果准确等优点。


技术研发人员：黄阮明 王晓晖 王丹 李凡 仇卫东 陈天一 曹阳 辛蜀骏 费斐 李灏恩 顾丹珍 张宇天
受保护的技术使用者：国网经济技术研究院有限公司
技术研发日：2023.04.18
技术公布日：2023/8/5