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

背景技術：

1、隨著經(jīng)濟的快速發(fā)展和社會用電需求的不斷增長，電網(wǎng)作為能源輸送和分配的重要基礎設施，其投資建設和優(yōu)化升級至關重要。電網(wǎng)投資不僅對于保障電力供應的穩(wěn)定性、可靠性和安全性具有關鍵作用，也是推動能源轉(zhuǎn)型、促進可再生能源消納、實現(xiàn)低碳發(fā)展的重要支撐。

2、同時，隨著電力市場改革的不斷深化，電網(wǎng)企業(yè)面臨著日益激烈的市場競爭和經(jīng)營壓力，如何科學合理地進行電網(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，如熵權法-topsis法，根據(jù)指標的變異程度來確定指標的權重。指標的變異程度越大，說明該指標提供的信息量越大，其權重也越大。還通過構造評價問題的正理想解和負理想解，計算各方案與理想解和負理想解的距離，來對方案進行排序和評價，從而選出最優(yōu)方案。但是在指標的選擇和數(shù)據(jù)的預處理過程中，可能會因人為因素導致指標的遺漏或數(shù)據(jù)的偏差，進而影響權重的準確性。且指標之間的相互關系和動態(tài)變化，可能導致權重分配不合理，影響評價結果的準確性。且傳統(tǒng)的評價方法如熵權法-topsis法通常是基于靜態(tài)數(shù)據(jù)和固定的指標體系進行評價，無法及時反映電網(wǎng)投資項目所處環(huán)境和條件的動態(tài)變化，導致評價結果的時效性和適應性不足。電網(wǎng)投資項目的評價指標之間往往存在復雜的非線性關系，而傳統(tǒng)的評價方法如熵權法-topsis法通?；诰€性假設，難以準確描述和處理這些復雜的非線性關系。這可能導致評價結果不能準確反映電網(wǎng)投資項目的實際情況，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)荷儲電網(wǎng)投資協(xié)調(diào)與管控分析模型的構建方法。

技術實現(xiàn)思路

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

2、傳統(tǒng)多屬性決策方法的指標權重的確定具有主觀性，影響評價結果的準確性；靜態(tài)評價無法及時反映電網(wǎng)投資項目所處環(huán)境和條件的動態(tài)變化，導致評價結果的時效性和適應性不足；對復雜非線性關系的處理能力不足。

3、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術方案：

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

5、s1：對電網(wǎng)企業(yè)發(fā)展模式和運營狀態(tài)進行分析；

6、s2：對不同類型項目對電網(wǎng)發(fā)展的貢獻度進行分析；

7、s3：運用全壽命周期成本的理論對投資評價指標進行分析，并建立投資評價指標體系；

8、s4：進一步構建電網(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，對各類潛在市場化業(yè)務的投入產(chǎn)出進行分析，采用技術經(jīng)濟方法，考慮資金時間價值，運用凈現(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化業(yè)務的技術經(jīng)濟性；

10、所述凈現(xiàn)值計算如下：

11、

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

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時的；

14、所述修正內(nèi)部收益率計算如下：

15、

16、其中，為修正內(nèi)部收益率。

17、優(yōu)選地，所述潛在市場化業(yè)務包括基本售電業(yè)務、節(jié)能服務業(yè)務、電動車充電服務、分布式能源投資、建設與運營服務、電務服務、客戶工程服務、電力app營銷服務、供應鏈金融服務、融資租賃服務和電力保險服務。

18、優(yōu)選地，所述s3中的投資評價指標包括電網(wǎng)發(fā)展效益指標、電網(wǎng)可靠效益評價指標和電網(wǎng)經(jīng)濟效益評價；

19、所述電網(wǎng)發(fā)展效益指標包括增供電量和增供負荷；

20、所述增供電量計算如下：

21、增供電量=項目建設后預計達到的電量水平-當前電量水平

22、所述增供負荷計算如下：

23、增供負荷=項目建設后預計達到的用電負荷水平-當前用電負荷水平

24、以此計算負荷增長率：

25、負荷增長率=(項目建設后預計達到的用電負荷水平-當前用電負荷水平)/規(guī)劃年限

26、所述電網(wǎng)可靠效益評價指標包括減少停電時間和降低網(wǎng)絡損耗；

27、所述電網(wǎng)經(jīng)濟效益評價包括單位造價、項目征地費用、投資收益率、投資回收期；

28、根據(jù)上述評價指標建立電網(wǎng)項目全壽命周期內(nèi)的評價指標體系。

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價指標體系建立指標矩陣體系：

30、設立個方案，即個評價對象，個生產(chǎn)經(jīng)營指標，即個評價指標，初始指標矩陣搭建如下：

31、

32、其中，表示第個方案的第個生產(chǎn)經(jīng)營指標；

33、建立無量綱化指標矩陣為，其中：

34、

35、其中，為無量綱化指標矩陣的元素；

36、基于改進蟻群算法優(yōu)化的雙向bi-lstm搭建的深度學習網(wǎng)絡，將評價指標體系的指標及參數(shù)作為輸入，實現(xiàn)對評價指標體系的學習，指標對應的權重作為輸出，所述雙向bi-lstm的輸出具體如下：

37、

38、

39、

40、其中，表示前向lstm的第個輸入點的隱藏層狀態(tài)；為前向lstm的第個輸入點的權重參數(shù)；表示前向lstm的第個輸入點的隱藏層輸出狀態(tài)；為前向lstm的第個輸入點的偏置參數(shù)；表示后向lstm的第個輸入點的隱藏層狀態(tài)；為后向lstm的第個輸入點的權重參數(shù)；表示后向lstm的第個輸入點的隱藏層輸出狀態(tài)；為后向lstm的第個輸入點的偏置參數(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)絡中第個殘差塊的輸入和輸出；為殘差映射；為第個殘差塊的權重參數(shù)；

44、所述改進蟻群算法具體如下：

45、

46、

47、

48、

49、其中，為信息素濃度在點上的值；為迭代次數(shù)；為信息素揮發(fā)系數(shù)；為信息素揮發(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；為目標值；為最小目標值；

50、所述蟻群算法在目標值范圍值中，選取8個點作為下一個更新點，根據(jù)具有指向信息的新型啟發(fā)式機制，將更新點對應的評價誤差值進行計算，并選取其中誤差值最小的3個點作為下一次迭代更新的目標點；

51、基于深度神經(jīng)網(wǎng)絡學習輸出的權重值建立加權規(guī)范矩陣：

52、

53、其中，為第項指標的權重值。

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

55、計算各個方案到正理想解與負理想解的歐式距離：

56、備選方案到正理想解的距離為：

57、

58、備選方案到負理想解的距離為：

59、

60、計算各方案的排隊指示值，即綜合評價指數(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)有技術相比，本發(fā)明提供了基于源網(wǎng)荷儲電網(wǎng)投資協(xié)調(diào)與管控分析模型的構建方法，具備以下有益效果：

64、本發(fā)明通過對比投入和產(chǎn)出，可以科學評估每類項目的效益和效率，從而優(yōu)化資源配置，促進電網(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)絡自動學習指標之間的復雜關系和數(shù)據(jù)的內(nèi)在規(guī)律，能夠準確描述和處理電網(wǎng)投資項目評價指標之間的復雜非線性關系，提高評價結果的準確性和可靠性；還避免了人為因素的干擾，提高了權重確定的準確性和客觀性；還通過改進蟻群算法構建動態(tài)理想解，能夠?qū)崟r反映電網(wǎng)投資項目所處環(huán)境和條件的變化，實現(xiàn)對項目的動態(tài)跟蹤和評價，提高了評價結果的時效性和適應性。