本發(fā)明涉及數(shù)據(jù)評(píng)價(jià)，尤其涉及基于源網(wǎng)荷儲(chǔ)電網(wǎng)投資協(xié)調(diào)與管控分析模型的構(gòu)建方法。

背景技術(shù)：

1、隨著經(jīng)濟(jì)的快速發(fā)展和社會(huì)用電需求的不斷增長(zhǎng)，電網(wǎng)作為能源輸送和分配的重要基礎(chǔ)設(shè)施，其投資建設(shè)和優(yōu)化升級(jí)至關(guān)重要。電網(wǎng)投資不僅對(duì)于保障電力供應(yīng)的穩(wěn)定性、可靠性和安全性具有關(guān)鍵作用，也是推動(dòng)能源轉(zhuǎn)型、促進(jìn)可再生能源消納、實(shí)現(xiàn)低碳發(fā)展的重要支撐。

2、同時(shí)，隨著電力市場(chǎng)改革的不斷深化，電網(wǎng)企業(yè)面臨著日益激烈的市場(chǎng)競(jìng)爭(zhēng)和經(jīng)營(yíng)壓力，如何科學(xué)合理地進(jìn)行電網(wǎng)投資決策，提高投資效益和效率，成為電網(wǎng)企業(yè)面臨的重要課題。

3、傳統(tǒng)的多屬性決策方法，如熵權(quán)法-topsis法，根據(jù)指標(biāo)的變異程度來確定指標(biāo)的權(quán)重。指標(biāo)的變異程度越大，說明該指標(biāo)提供的信息量越大，其權(quán)重也越大。還通過構(gòu)造評(píng)價(jià)問題的正理想解和負(fù)理想解，計(jì)算各方案與理想解和負(fù)理想解的距離，來對(duì)方案進(jìn)行排序和評(píng)價(jià)，從而選出最優(yōu)方案。但是在指標(biāo)的選擇和數(shù)據(jù)的預(yù)處理過程中，可能會(huì)因人為因素導(dǎo)致指標(biāo)的遺漏或數(shù)據(jù)的偏差，進(jìn)而影響權(quán)重的準(zhǔn)確性。且指標(biāo)之間的相互關(guān)系和動(dòng)態(tài)變化，可能導(dǎo)致權(quán)重分配不合理，影響評(píng)價(jià)結(jié)果的準(zhǔn)確性。且傳統(tǒng)的評(píng)價(jià)方法如熵權(quán)法-topsis法通常是基于靜態(tài)數(shù)據(jù)和固定的指標(biāo)體系進(jìn)行評(píng)價(jià)，無法及時(shí)反映電網(wǎng)投資項(xiàng)目所處環(huán)境和條件的動(dòng)態(tài)變化，導(dǎo)致評(píng)價(jià)結(jié)果的時(shí)效性和適應(yīng)性不足。電網(wǎng)投資項(xiàng)目的評(píng)價(jià)指標(biāo)之間往往存在復(fù)雜的非線性關(guān)系，而傳統(tǒng)的評(píng)價(jià)方法如熵權(quán)法-topsis法通?；诰€性假設(shè)，難以準(zhǔn)確描述和處理這些復(fù)雜的非線性關(guān)系。這可能導(dǎo)致評(píng)價(jià)結(jié)果不能準(zhǔn)確反映電網(wǎng)投資項(xiàng)目的實(shí)際情況，無法為投資決策提供有效的支持。

4、為了解決上述問題，本發(fā)明提出基于源網(wǎng)荷儲(chǔ)電網(wǎng)投資協(xié)調(diào)與管控分析模型的構(gòu)建方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提出基于源網(wǎng)荷儲(chǔ)電網(wǎng)投資協(xié)調(diào)與管控分析模型的構(gòu)建方法以解決背景技術(shù)中所提出的問題：

2、傳統(tǒng)多屬性決策方法的指標(biāo)權(quán)重的確定具有主觀性，影響評(píng)價(jià)結(jié)果的準(zhǔn)確性；靜態(tài)評(píng)價(jià)無法及時(shí)反映電網(wǎng)投資項(xiàng)目所處環(huán)境和條件的動(dòng)態(tài)變化，導(dǎo)致評(píng)價(jià)結(jié)果的時(shí)效性和適應(yīng)性不足；對(duì)復(fù)雜非線性關(guān)系的處理能力不足。

3、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

4、基于源網(wǎng)荷儲(chǔ)電網(wǎng)投資協(xié)調(diào)與管控分析模型的構(gòu)建方法，包括如下步驟：

5、s1：對(duì)電網(wǎng)企業(yè)發(fā)展模式和運(yùn)營(yíng)狀態(tài)進(jìn)行分析；

6、s2：對(duì)不同類型項(xiàng)目對(duì)電網(wǎng)發(fā)展的貢獻(xiàn)度進(jìn)行分析；

7、s3：運(yùn)用全壽命周期成本的理論對(duì)投資評(píng)價(jià)指標(biāo)進(jìn)行分析，并建立投資評(píng)價(jià)指標(biāo)體系；

8、s4：進(jìn)一步構(gòu)建電網(wǎng)投資協(xié)調(diào)與管控分析模型，并以此生成電網(wǎng)投資方案。

9、優(yōu)選地，所述s2中，對(duì)各類潛在市場(chǎng)化業(yè)務(wù)的投入產(chǎn)出進(jìn)行分析，采用技術(shù)經(jīng)濟(jì)方法，考慮資金時(shí)間價(jià)值，運(yùn)用凈現(xiàn)值、內(nèi)部收益率和修正內(nèi)部收益率制備分析各類潛在市場(chǎng)化業(yè)務(wù)的技術(shù)經(jīng)濟(jì)性；

10、所述凈現(xiàn)值計(jì)算如下：

11、

12、其中，為凈現(xiàn)值；為現(xiàn)金流入；為現(xiàn)金流出；為計(jì)算期；為折現(xiàn)率或基準(zhǔn)收益率；

13、所述內(nèi)部收益率表示使投資方案凈現(xiàn)值為0的折現(xiàn)率，其值為凈現(xiàn)值等于0時(shí)的；

14、所述修正內(nèi)部收益率計(jì)算如下：

15、

16、其中，為修正內(nèi)部收益率。

17、優(yōu)選地，所述潛在市場(chǎng)化業(yè)務(wù)包括基本售電業(yè)務(wù)、節(jié)能服務(wù)業(yè)務(wù)、電動(dòng)車充電服務(wù)、分布式能源投資、建設(shè)與運(yùn)營(yíng)服務(wù)、電務(wù)服務(wù)、客戶工程服務(wù)、電力app營(yíng)銷服務(wù)、供應(yīng)鏈金融服務(wù)、融資租賃服務(wù)和電力保險(xiǎn)服務(wù)。

18、優(yōu)選地，所述s3中的投資評(píng)價(jià)指標(biāo)包括電網(wǎng)發(fā)展效益指標(biāo)、電網(wǎng)可靠效益評(píng)價(jià)指標(biāo)和電網(wǎng)經(jīng)濟(jì)效益評(píng)價(jià)；

19、所述電網(wǎng)發(fā)展效益指標(biāo)包括增供電量和增供負(fù)荷；

20、所述增供電量計(jì)算如下：

21、增供電量=項(xiàng)目建設(shè)后預(yù)計(jì)達(dá)到的電量水平-當(dāng)前電量水平

22、所述增供負(fù)荷計(jì)算如下：

23、增供負(fù)荷=項(xiàng)目建設(shè)后預(yù)計(jì)達(dá)到的用電負(fù)荷水平-當(dāng)前用電負(fù)荷水平

24、以此計(jì)算負(fù)荷增長(zhǎng)率：

25、負(fù)荷增長(zhǎng)率=(項(xiàng)目建設(shè)后預(yù)計(jì)達(dá)到的用電負(fù)荷水平-當(dāng)前用電負(fù)荷水平)/規(guī)劃年限

26、所述電網(wǎng)可靠效益評(píng)價(jià)指標(biāo)包括減少停電時(shí)間和降低網(wǎng)絡(luò)損耗；

27、所述電網(wǎng)經(jīng)濟(jì)效益評(píng)價(jià)包括單位造價(jià)、項(xiàng)目征地費(fèi)用、投資收益率、投資回收期；

28、根據(jù)上述評(píng)價(jià)指標(biāo)建立電網(wǎng)項(xiàng)目全壽命周期內(nèi)的評(píng)價(jià)指標(biāo)體系。

29、優(yōu)選地，所述電網(wǎng)投資協(xié)調(diào)與管控分析模型基于確定的投資評(píng)價(jià)指標(biāo)體系建立指標(biāo)矩陣體系：

30、設(shè)立個(gè)方案，即個(gè)評(píng)價(jià)對(duì)象，個(gè)生產(chǎn)經(jīng)營(yíng)指標(biāo)，即個(gè)評(píng)價(jià)指標(biāo)，初始指標(biāo)矩陣搭建如下：

31、

32、其中，表示第個(gè)方案的第個(gè)生產(chǎn)經(jīng)營(yíng)指標(biāo)；

33、建立無量綱化指標(biāo)矩陣為，其中：

34、

35、其中，為無量綱化指標(biāo)矩陣的元素；

36、基于改進(jìn)蟻群算法優(yōu)化的雙向bi-lstm搭建的深度學(xué)習(xí)網(wǎng)絡(luò)，將評(píng)價(jià)指標(biāo)體系的指標(biāo)及參數(shù)作為輸入，實(shí)現(xiàn)對(duì)評(píng)價(jià)指標(biāo)體系的學(xué)習(xí)，指標(biāo)對(duì)應(yīng)的權(quán)重作為輸出，所述雙向bi-lstm的輸出具體如下：

37、

38、

39、

40、其中，表示前向lstm的第個(gè)輸入點(diǎn)的隱藏層狀態(tài)；為前向lstm的第個(gè)輸入點(diǎn)的權(quán)重參數(shù)；表示前向lstm的第個(gè)輸入點(diǎn)的隱藏層輸出狀態(tài)；為前向lstm的第個(gè)輸入點(diǎn)的偏置參數(shù)；表示后向lstm的第個(gè)輸入點(diǎn)的隱藏層狀態(tài)；為后向lstm的第個(gè)輸入點(diǎn)的權(quán)重參數(shù)；表示后向lstm的第個(gè)輸入點(diǎn)的隱藏層輸出狀態(tài)；為后向lstm的第個(gè)輸入點(diǎn)的偏置參數(shù)；表示bi-lstm的輸出狀態(tài)；為激活函數(shù)；為輸出權(quán)重參數(shù)；為輸出偏置參數(shù)；

41、所述雙向bi-lstm的前向lstm和后向lstm中均添加有殘差模塊，具體如下：

42、

43、其中，和為殘差網(wǎng)絡(luò)中第個(gè)殘差塊的輸入和輸出；為殘差映射；為第個(gè)殘差塊的權(quán)重參數(shù)；

44、所述改進(jìn)蟻群算法具體如下：

45、

46、

47、

48、

49、其中，為信息素濃度在點(diǎn)上的值；為迭代次數(shù)；為信息素?fù)]發(fā)系數(shù)；為信息素?fù)]發(fā)系數(shù)的最小值；為的變化值；為螞蟻；為螞蟻攜帶的信息素；為目標(biāo)值；為最小目標(biāo)值；

50、所述蟻群算法在目標(biāo)值范圍值中，選取8個(gè)點(diǎn)作為下一個(gè)更新點(diǎn)，根據(jù)具有指向信息的新型啟發(fā)式機(jī)制，將更新點(diǎn)對(duì)應(yīng)的評(píng)價(jià)誤差值進(jìn)行計(jì)算，并選取其中誤差值最小的3個(gè)點(diǎn)作為下一次迭代更新的目標(biāo)點(diǎn)；

51、基于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)輸出的權(quán)重值建立加權(quán)規(guī)范矩陣：

52、

53、其中，為第項(xiàng)指標(biāo)的權(quán)重值。

54、優(yōu)選地，所述s4中，基于改進(jìn)蟻群算法確定動(dòng)態(tài)變化的正理想解與負(fù)理想解；

55、計(jì)算各個(gè)方案到正理想解與負(fù)理想解的歐式距離：

56、備選方案到正理想解的距離為：

57、

58、備選方案到負(fù)理想解的距離為：

59、

60、計(jì)算各方案的排隊(duì)指示值，即綜合評(píng)價(jià)指數(shù)：

61、

62、按由大到小排列方案的優(yōu)劣次序生成電網(wǎng)投資方案。

63、與現(xiàn)有技術(shù)相比，本發(fā)明提供了基于源網(wǎng)荷儲(chǔ)電網(wǎng)投資協(xié)調(diào)與管控分析模型的構(gòu)建方法，具備以下有益效果：

64、本發(fā)明通過對(duì)比投入和產(chǎn)出，可以科學(xué)評(píng)估每類項(xiàng)目的效益和效率，從而優(yōu)化資源配置，促進(jìn)電網(wǎng)的可持續(xù)發(fā)展和整體效益的最大化；還基于深度神經(jīng)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)指標(biāo)之間的復(fù)雜關(guān)系和數(shù)據(jù)的內(nèi)在規(guī)律，能夠準(zhǔn)確描述和處理電網(wǎng)投資項(xiàng)目評(píng)價(jià)指標(biāo)之間的復(fù)雜非線性關(guān)系，提高評(píng)價(jià)結(jié)果的準(zhǔn)確性和可靠性；還避免了人為因素的干擾，提高了權(quán)重確定的準(zhǔn)確性和客觀性；還通過改進(jìn)蟻群算法構(gòu)建動(dòng)態(tài)理想解，能夠?qū)崟r(shí)反映電網(wǎng)投資項(xiàng)目所處環(huán)境和條件的變化，實(shí)現(xiàn)對(duì)項(xiàng)目的動(dòng)態(tài)跟蹤和評(píng)價(jià)，提高了評(píng)價(jià)結(jié)果的時(shí)效性和適應(yīng)性。