基于优化专家评价法的三阶段DEA电网能效分析方法

技术领域

本发明属于电网指标能效分析技术领域，具体涉及基于优化专家评价法的三阶段DEA电网能效分析方法。

背景技术

合理的电网投资、建设规划是保证电力行业合理、高效运行的重要手段。各个地区电网运行状态是否良好直接取决于电网投资、规划等是否科学与合理。随着电力市场的逐步形成，电网规划内容方面不再是单一性目标，而是一个多目标的且具有复杂性的决策过程。对电网指标效率值合理的分析，寻找出影响效率值低的主要因素，从而可以合理的指导电网未来建设投资，有效的提升电网总体质量。

Fried等人在2002年提出的三阶段DEA模型，可以看作是扩展了1999年所提出的模型，在1999年的模型中，Fried等人仅将环境因素考虑在内，采用Tobit回归来剔除环境因素的影响。而2002年的模型同时将环境因素和随机噪声的影响考虑在内，这样，Tobit回归不能有效分离随机噪声的影响，所以才采用SFA回归。本申请基于国内外对于这个问题的研究基础之上，考虑了传统专家评价法直接指定投入、产出、环境指标数据存在不合理的地方，主要研究基于因子、聚类分析前提下，使各类指标选取合理全面化，从而能够更准确的得出效率值，合理全面的对电网能效方面提供有效的提升建议。

发明内容

本发明针对现有技术中的不足，提供一种基于优化专家评价法的三阶段DEA电网能效分析方法，借鉴传统专家评价法的思想，考虑了引入因子和聚类思想专家评价法确定指标数据。首先对原始指标数据进行标准化处理，经过因子降维及聚类分析后，结合专家评价法确定聚类分析结果的合理性，并与传统专家评价法指定的指标数据进行对比，分析本申请提出方法选择指标的全面与合理性，对分析出的分类结果进行三阶段DEA分析，并对比传统专家评价法得到的效率值，最终可以得出能够全面体现电网水平的各县域电网企业的效率值。

为实现上述目的，本发明采用以下技术方案：基于优化专家评价法的三阶段DEA电网能效分析方法，包括如下步骤：

步骤1、为除去量纲不统一带来的影响，对电网原始指标数据进行标准化处理；

步骤2、对标准化后的电网指标数据进行因子降维分析，降低电网原始数据维度，用少数包含大量信息的主成分指标数据取代原始大量指标数据，同时获得聚类数目；

步骤3、将获取的主成分指标数据结合聚类数目进行聚类分析，得到各类具体指标内容；分析获得的各类指标相对于传统专家评价法直接给定的各类指标的合理性和全面性；

步骤4、采用三阶段DEA电网效率值分析方法进行效率分析；

步骤5、将得到的电网企业效率值与采用传统专家评价法进行效率分析得到的结果进行比较分析。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤1中对电网原始指标数据进行标准化处理包括：

采用Min-max法进行标准化处理，实现对数据进行线性变换，如下式所示，

其中x′表示经标准化处理后的数据，x表示原始数据值，x

进一步地，步骤2中，采用主成分分析方法进行因子降维分析。

进一步地，步骤4中，第一阶段采用基于规模报酬可变的BCC-DEA模型，获得等价的线性规划模型如下式所示：

其中，j表示决策单元，

进一步地，步骤4中，第二阶段采用随机前沿SFA分析方法对数据进行处理，首先构建相似SFA模型，把松弛变量分解成含有环境因素、随机因素和管理因素三个自变量的函数；

其次应用最大似然估计法对投入冗余的松弛变量S

最后推导出分离公式。

进一步地，步骤4中，首先构建相似SFA模型，把松弛变量分解成含有环境因素、随机因素和管理因素三个自变量的函数，其表达式如下：

S

其中n＝1，2...N表示投入个数，i＝1，2，...I表示决策单元个数；S

进一步地，步骤4中，应用最大似然估计法对S

其中，

进一步地，最后推导出分离公式如下式所示：

其中

进一步地，第三阶段为将第二阶段得到的调整后投入、产出指标数据，代入DEA进行效率值分析，得到剔除环境影响因素后的效率值结果。

本发明的有益效果是：本方法对原始指标数据进行标准化处理，经过因子降维及聚类分析后，结合专家评价法确定聚类分析结果的合理性，并与传统专家评价法指定的指标数据进行对比，分析本方法选择指标的全面与合理性，对分析出的分类结果进行三阶段DEA分析，与传统专家经验确定各类指标相比，本发明的方法可以全面合理的选择出各类指标内容，并有效的分析出效率评价结果。

附图说明

图1是本发明的三阶段DEA电网能效分析方法流程图。

图2是本发明的指标号特征值的碎石图。

图3是本发明的聚类距离及指标聚类示意图。

图4是本发明的10-20KV配电变压器数量和容量两项指标相关性图。

图5是本发明的因子降维聚类的专家评价方法与传统专家评价法综合效率值对比图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

如图1-图5所示，本发明提供一种基于优化专家评价法的三阶段DEA电网能效分析方法，借鉴传统专家评价法的思想，考虑了引入因子和聚类思想专家评价法确定指标数据。首先对原始指标数据进行标准化处理，经过因子降维及聚类分析后，结合专家评价法确定聚类分析结果的合理性，并与传统专家评价法指定的指标数据进行对比，分析文章提出方法选择指标的全面与合理性，对分析出的分类结果进行三阶段DEA分析，并对比传统专家评价法得到的效率值，最终可以得出能够全面体现电网水平的各县域电网企业的效率值。具体步骤如下：

步骤1、首先，为剔除电网指标量纲不统一带来的影响，对电网原始指标数据进行标准化处理。采用Min-max法进行标准化处理，该标准化方法实现对数据进行线性变换，如下式(1)所示。

其中x′表示经标准化处理后的数据，x表示原始数据值，x

在DEA效率分析之前，提出添加两个环节(即增加因子降维分析和聚类分析两个环节)选择指标代替传统专家评价方法直接指定指标。

步骤2、对标准化后的电网指标数据进行因子降维分析，去除数据间彼此重叠信息量较大的指标数据，减少原始指标数据分析复杂程度，用少数包含大量信息的主成分指标数据取代原始大量指标数据，同时获得聚类数目。

因子分析中最常用数据分析方法为主成分分析(PCA)。PCA利用降维思想将原始复杂且相关性很强的变量以几个独立主成分因素表达，同其他统计方法相比，其数学理论基础较强，具有严格的逻辑推理和实验论证。PCA通过线性变换将给定指标数据转换为新的指标数据，这些新的变量按照方差依次递减的顺序排列，可用于提取数据的主要特征分量。新变量即称为主成分，而且其保留了原有变量中所包含的信息。主成分分析模型如下：

设某样本内容有P项分析指标分别为X

式中：[c

假设各项观测指标在第i次实验中的取值为b

求取矩阵B

步骤3、将获取的主成分指标数据结合聚类数目进行聚类分析，避免传统K均值聚类中随机选择聚类数目带来的不足，得出合适的聚类结果，每一类包含特定指标内容(投入、产出和环境变量的指标内容)，并结合专家评价法确定聚类结果的合理性；同时将得出的结果与直接由专家评价法选择各类指标进行对比，体现本发明方法选择指标的全面性与合理性，避免传统专家评价法中主观性太强、考虑不全面的缺点，进而为三阶段DEA效率分析提供可靠全面的指标分析数据。

专家评价法对各类指标选取主要原则如下：(1)选用信息系统中已统计且表述清晰的指标数据；(2)选用使用场合多、时效性较强的指标数据。因此传统专家评价法考虑投入变量为电网一次设备线路和变压器等；电网企业的产出主要考虑总经济效益和电量相关性指标；环境变量应选取对电网设备运行效率会产生影响，同时又不在电网公司主观掌控范围内的因素，包括产业结构、区域特性、经济特性等。

K均值(K-means)聚类的基本原理是给定包含n个数据对象的数据集，要将数据集聚成k个类；选取数据集最大最小值内k组随机数据作为k个初始中心，对于一个数据对象，分别计算这个数据对象到k个初始中心的欧几里得距离，选取与这个数据对象欧几里得距离最小的中心作为这个数据对象归属的中心，对于其它数据对象，以同样的方式进行选取归属中心，对归属同一中心的数据对象重新计算平均值，记录这k个新的数据中心，下一步继续与这些数据中心进行比较，直到k个数据中心不再发生变化为止。初始中心点的设定对于聚类算法运行的过程和最终聚类的结果都会产生较大的影响，传统的K-means算法的初始中心点的设定往往是随机性的，因此本发明先采用因子分析，获得聚类数目，避免传统采用试凑法判断初始聚类数目是否合适带来的资源浪费。在聚类分析中反应指标或变量间性质远近的统计量称之为聚类统计量，常用的聚类统计量有：距离和相似系数，具体如下。

1)距离：对任意两个变量i和k可以定义欧式距离如式(3)所示(Euclideandistance)：

2)相似系数：常用于对变量的聚类。对于连续性资料常用的有Pearson相关系数；对于分类资料常用的有Pearson列联系数。

Pearson相关系数如式(4)所示：

Pearson列联系数如式(5)所示：

其中，x

步骤4、采用三阶段DEA电网效率值分析方法进行效率分析。

DEA是一种以凸规划为计算工具，评价和排序同一类型的多输入、多输出复杂对象相对有效性的非参数方法。基本原理为：将决策单元(decision making unit，DMU)的投入与产出项投射于生产前沿边界所处的几何空间上，通过比较DMU偏离生产前沿边界的程度来评价它们的相对有效性，进而根据选取的权重逐个评价DMU在所有DMU的相对效率。DEA具有结构简单、需求指标量少、具备显著客观性等特点，已成为评估企业绩效和生产效率的有力工具。

第一阶段，首先鉴于电网企业主要工作是投资、建设、维护电网及保证社会生产等，且电网产出不受电网企业掌控，所以选用投入导向型模型。应用基于规模报酬可变的BCC-DEA模型，其利用对偶理论和分式规划的Charnes-Cooper变换，获得等价的线性规划模型如下式(6)所示：

其中，j表示决策单元，

第二阶段，采用随机前沿(SFA)分析方法对数据进行处理，SFA回归的目的是剔除环境因素和随机因素对效率测度的影响，将所有决策单元调整于相同的外部环境中。这一阶段的最大似然估计值参数β

首先构建相似SFA模型，把松弛变量分解成含有环境因素、随机因素和管理因素三个自变量的函数。其表达式如(7)：

S

其中n＝1，2...N表示投入个数，i＝1，2，...I表示决策单元个数；S

其次应用最大似然估计法对S

其中，

最后根据Jondrow等论文思路，推导出的分离公式如式(9)所示：

其中

第三阶段，将第二阶段得到的调整后投入、产出指标数据，代入DEA进行效率值分析，得到剔除环境影响因素后的效率值结果，进而对各电网企业提出合理有效的能效管理建议。

步骤5、将得到的电网企业各项效率值与采用传统专家评价法进行效率分析得到的结果进行比较分析，验证本发明方法可以更全面合理的分析出各项指标效率值，有效的提出县域电网企业能效提升建议。

本发明的一个实施例中，下表1仅给出前10个指标总方差解释表内容用于分析，从第二列中选择特征值大于1的作为主成分，前三个特征值大于1；同时可以看出成分1方差百分比为83.527，成分2方差百分比为11.997，累积百分比达95.523，成分3为百分之2.867，累积百分比达98.390，可以看出，将分析的电网指标数据分为三类时，就能够覆盖电网原数据百分之98.390的内容，故将指标数据分成三类并用于聚类分析是合理的。

表1总方差解释表

图2是本发明的指标号特征值的碎石图，由图2斜率变化量可以看出，横坐标(分析变量个数)组件号在1-3之间时，特征值斜率变化比较快，这可以说明选取3个因子对原始变量中的信息有很强的描述作用；但在组件号3之后，其斜率变化很小；故将指标数据分为三类，与上表1总方差解释表分类结果相一致。

特别的，倘若最终聚为其他较多的类别数，可以根据获得的“初始聚类中心”表，或者“聚类成员表”寻找各类指标数据相互之间的共同特性，结合专家评价法进而将结果合并为所需要的三类指标数据。

下表2中为整理出含信息量大的指标数据，以0.8(成分含量大)以上为界限选择的指标。

表2占比成分比重大的指标(主成分)

由图3可以直观的看出聚类的类别和聚类距离的大小存在一定的相关性，例如距离大约在[0.5，1.3]之间时，基本上均考虑聚为第1类，第2、3聚类结果类似。

下表3所示为本发明的因子降维聚类的专家评价方法与专家评价法对各类指标选择结果的对比。

表3两种方法各类指标选择结果对比

由图4可以看出，传统专家评价法多选择的(两项)指标与已选定的指标存在严重线性相关性(图4给出一个示意)，因此选择其对应一个指标就包含了两项指标内容，故需要剔除传统专家评价法中35千伏-110千伏变电站数量和10-20千伏配电变压器数量两项指标。同时结合表2、表3可以看出传统专家评价法选择指标中缺少一些包含成分比重大的指标数据。

图5为分别采用两种方法的综合效率值对比图，可以看出两种不同的方法，综合效率值(等于纯技术效率值乘规模效率值)在整体上趋势没有大的变化；在全面考虑了主成分指标后，各县域综合效率值大部分出现增长趋势，即当全面合理的考虑各类指标数据时，使得各电网企业的综合效率水平有所提升，合理的反应电网企业真实效率结果，结合纯技术效率值和规模效率值提出针对性能效提升规划建议。

本发明针对电网指标数据具有复杂性和多样性的特点，考虑到电网各项指标量纲不统一带来的不利影响，故先对电网原始各项指标数据进行标准化处理。本发明先对标准化处理后的数据进行因子降维分析，将电网中复杂多样的指标数据进行降维处理，用最少的、包含信息量大的主成分指标取代原始指标数据，同时获得聚类数目；接着对获得的主成分数据并结合聚类数目进行K均值聚类分析，最终得到各类中具体指标数据，结合专家评价法确定各类指标的合理性；再将得到的各类结果进行三阶段DEA效率分析，合理的得出各县域对应的效率值(即纯技术效率、规模效率和综合效率值)。依据最终各效率值可以有针对性的提出各县域电网公司能效规划意见。与传统专家经验确定各类指标相比，此方法可以全面合理的选择出各类指标内容，并有效的分析出效率评价结果。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。