劉沛津,史潔琳,孫 昱,王柳月,晏?hào)|陽

(1.西安建筑科技大學(xué) 機(jī)電工程學(xué)院,西安 710055;2.西安建筑科技大學(xué) 理學(xué)院,西安 710055)

以電能為核心的能源市場(chǎng)朝著綠色低碳化、協(xié)同多元化穩(wěn)步發(fā)展,深度融合“云大物移智”等新興技術(shù)和新能源技術(shù)的新一輪能源革命正助推“雙碳”愿景的高質(zhì)量實(shí)現(xiàn),其中用戶側(cè)的用電提質(zhì)增效是關(guān)鍵環(huán)節(jié)[1-3]。電力用戶作為電力市場(chǎng)體系中重要的有機(jī)單元,其用電能效評(píng)估是推動(dòng)自身參與虛擬電廠、移峰填谷、需求響應(yīng)等新興業(yè)務(wù)的必要條件,也是新型電力系統(tǒng)建設(shè)中優(yōu)化電力產(chǎn)業(yè)結(jié)構(gòu)、制定差異化節(jié)電策略的重要基礎(chǔ)。因此,開展以電力用戶能效狀態(tài)評(píng)估為核心的智能化數(shù)據(jù)服務(wù)具有重要的現(xiàn)實(shí)意義和工程價(jià)值。

目前電力用戶能效評(píng)估分析等常用算法仍以集中計(jì)算的方式為主[4]。隨著配電系統(tǒng)中海量終端互聯(lián)化、設(shè)備數(shù)據(jù)高維化和網(wǎng)架層次復(fù)雜化的發(fā)展,傳統(tǒng)依靠單一的云主站信息處理模式存在著數(shù)據(jù)傳輸高時(shí)延、高擁塞、信息遠(yuǎn)離設(shè)備端,且排隊(duì)處理緩慢等弊端。而邊緣計(jì)算技術(shù)將計(jì)算力部署在近配電終端數(shù)據(jù)源側(cè),在控制執(zhí)行單元側(cè)進(jìn)行數(shù)據(jù)分析、系統(tǒng)運(yùn)行狀態(tài)態(tài)勢(shì)感知[5-6],并做出自主快速?zèng)Q策,可有效彌補(bǔ)云計(jì)算的不足,成為近年來電力能源領(lǐng)域的熱點(diǎn)研究。Khan等[7]面向家庭能源門戶設(shè)計(jì)的站點(diǎn)可以用于實(shí)施任何特定的需求側(cè)服務(wù)。Wei等[8]將邊緣計(jì)算引入到工廠能源管理場(chǎng)景中以降低電力成本。目前邊緣計(jì)算技術(shù)已在能源優(yōu)化調(diào)度、負(fù)荷需求預(yù)測(cè)、服務(wù)分發(fā)策略等高級(jí)應(yīng)用場(chǎng)景展開深入實(shí)踐,邊緣智能化的發(fā)展為用戶的用電能效分析提供了有力支撐。

目前電力用戶能效評(píng)估方法主要有模糊評(píng)價(jià)法、數(shù)據(jù)包絡(luò)分析法、灰色關(guān)聯(lián)分析法等。吳劍飛等[9]通過對(duì)狀態(tài)因素集、評(píng)判集、指標(biāo)權(quán)重分別進(jìn)行分析,建立模糊綜合評(píng)估模型,然而評(píng)價(jià)過程中隸屬度函數(shù)的選擇易受專家經(jīng)驗(yàn)影響,評(píng)估結(jié)果有較強(qiáng)的主觀偏好性。李金良等[10]提出基于交叉超效率的CCR模型,可有效提高評(píng)估方法的客觀性,但評(píng)估過程較為復(fù)雜。羅志坤等[11]將灰色關(guān)聯(lián)分析法與層次分析法相結(jié)合進(jìn)行能效評(píng)估,該方法雖然適用性較強(qiáng),但方法中指標(biāo)權(quán)重的確定采用主觀賦權(quán)法,所得出的權(quán)重客觀性不足,進(jìn)而會(huì)降低評(píng)估方法的精確性。Kong等[12]基于熵權(quán)法與逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)計(jì)算家庭用戶的各時(shí)段能效評(píng)分,采用客觀賦權(quán)法能充分利用數(shù)據(jù)的本質(zhì)特征,保證賦權(quán)的客觀性,但由于未考慮到TOPSIS在計(jì)算相對(duì)優(yōu)劣性時(shí)歐式判據(jù)存在的缺陷,對(duì)于評(píng)估的準(zhǔn)確性會(huì)產(chǎn)生影響。Zhao等[13]結(jié)合灰色關(guān)聯(lián)度改進(jìn)傳統(tǒng)TOPSIS方法,彌補(bǔ)距離判據(jù)的不足,但忽視了實(shí)際用戶數(shù)量動(dòng)態(tài)變化時(shí),評(píng)估結(jié)果會(huì)存在不確定性。

基于上述分析,本文提出一種在邊緣系統(tǒng)架構(gòu)下實(shí)時(shí)動(dòng)態(tài)評(píng)估電力用戶能效的方法。在研究用戶邊緣計(jì)算能效評(píng)估框架的基礎(chǔ)上,依據(jù)“壓力-狀態(tài)-響應(yīng)”概念模型構(gòu)建多維動(dòng)態(tài)能效指標(biāo)集合,采用相關(guān)性定權(quán)法(criteria importance though intercrieria correlation,CRITIC),從差異性和沖突性兩種角度,更科學(xué)、合理的衡量指標(biāo)蘊(yùn)含的信息量,并針對(duì)TOPSIS在計(jì)算過程中存在的逆序現(xiàn)象和距離測(cè)度不合理的問題,通過構(gòu)造絕對(duì)理想點(diǎn)和改用灰色關(guān)聯(lián)度判據(jù),有針對(duì)性地進(jìn)行改進(jìn),彌補(bǔ)傳統(tǒng)方法在判斷評(píng)估對(duì)象相對(duì)優(yōu)劣性上的不足。同時(shí),考慮到邊緣節(jié)點(diǎn)存儲(chǔ)資源的有限性以及數(shù)據(jù)信息間存在的冗余性,進(jìn)一步融合指標(biāo)的重要性、獨(dú)立性與均衡性三重抽象屬性,引入合作博弈論思想優(yōu)選出精簡指標(biāo),可減小計(jì)算量以及對(duì)邊緣側(cè)內(nèi)存的占用。通過試驗(yàn)分析,驗(yàn)證了本文所提方法在評(píng)估的可靠性和準(zhǔn)確性上具有較大的優(yōu)勢(shì)。

1 邊緣能效評(píng)估方法

本文在邊緣計(jì)算模式下所構(gòu)建的用戶側(cè)能效評(píng)估框架如圖1所示,該框架分為用戶終端、邊緣節(jié)點(diǎn)和中心化主站。用戶終端位于框架的最底層,主要包括設(shè)備、儀表等,其通過多種通信方式獲取并傳輸采集到的能耗數(shù)據(jù)信息。邊緣節(jié)點(diǎn)匯集接收到的用戶終端數(shù)據(jù)后,結(jié)合邊緣計(jì)算模型對(duì)緩存在本地的數(shù)據(jù)進(jìn)行就地處理和分析,實(shí)時(shí)計(jì)算用戶的能效狀況,僅將處理后的數(shù)據(jù)和計(jì)算結(jié)果發(fā)送至中心化主站。頂層的中心化主站負(fù)責(zé)對(duì)所有上傳的用戶信息進(jìn)行管理,實(shí)現(xiàn)更深層次的分析與決策。

圖1 邊緣能效評(píng)估框架Fig.1 Edge energy efficiency evaluation framework

在該模式框架下,部署開發(fā)的邊緣節(jié)點(diǎn)軟、硬件系統(tǒng)架構(gòu)如圖2所示。軟件系統(tǒng)主要包括系統(tǒng)運(yùn)行環(huán)境、協(xié)議解析、存儲(chǔ)文件以及邊緣計(jì)算與服務(wù)。在Linux Real-Time OS系統(tǒng)環(huán)境下,節(jié)點(diǎn)支持Labview、MATLAB等語言,開發(fā)的邊緣感知的數(shù)據(jù)采集模塊可實(shí)現(xiàn)信息收集,設(shè)計(jì)了適用于用戶能效數(shù)據(jù)的存儲(chǔ)文件,包括傳感數(shù)據(jù)、指標(biāo)數(shù)值、計(jì)算結(jié)果等信息的分類存儲(chǔ),同時(shí)也能為用戶的能效數(shù)據(jù)分析提供算法模型與決策服務(wù)。硬件模塊主要包括主控單元、驅(qū)動(dòng)單元、處理單元、存儲(chǔ)單元、數(shù)據(jù)采集接口、內(nèi)置外設(shè)與通信單元。節(jié)點(diǎn)采用NI公司的 FPGA Kintex-7芯片,配有可重配置的工業(yè)級(jí)I/O模塊,支持WiFi、ZigBee、RJ-45以太網(wǎng)等無線通信形式,也可通過RS232、RS485、CAN 總線、USB等與傳感器進(jìn)行有線連接,傳感器接入后的采集數(shù)據(jù)可存儲(chǔ)于板載內(nèi)存或SD卡。

圖2 邊緣節(jié)點(diǎn)軟、硬件架構(gòu)Fig.2 Edge node hardware and software architecture

邊緣節(jié)點(diǎn)作為整個(gè)系統(tǒng)框架的核心,其評(píng)估方法的邏輯框圖如圖3所示,主要包括:

圖3 評(píng)估方法的邏輯框圖Fig.3 Logic diagram of evaluation method

1)能耗數(shù)據(jù)預(yù)處理。即將采集數(shù)據(jù)加工計(jì)算成實(shí)時(shí)的指標(biāo)數(shù)值,并根據(jù)“壓力-狀態(tài)-響應(yīng)”概念模型構(gòu)建電力用戶能效評(píng)估指標(biāo)體系,以綜合評(píng)測(cè)用戶能效水平。

2)指標(biāo)屬性特征融合優(yōu)化。即在構(gòu)建指標(biāo)體系的基礎(chǔ)上,為優(yōu)化指標(biāo)集合、減少邊緣存儲(chǔ)壓力,以影響度、優(yōu)化度融合各項(xiàng)指標(biāo)的屬性特征——重要性、獨(dú)立性、均衡性,同時(shí)采用合作博弈論避免融合過程中的決策偏好,根據(jù)融合后的量化結(jié)果篩選指標(biāo)。

3)能效評(píng)估。即通過CRITIC權(quán)重確定方法分配評(píng)估指標(biāo)權(quán)重,并由改進(jìn)灰色TOPSIS評(píng)估法對(duì)評(píng)估對(duì)象進(jìn)行排序,實(shí)現(xiàn)不同電力用戶在邊緣場(chǎng)景下的能效狀態(tài)評(píng)價(jià)。

2 構(gòu)建電力用戶能效評(píng)估指標(biāo)體系

2.1 “壓力-狀態(tài)-響應(yīng)”模型

“壓力-狀態(tài)-響應(yīng)”(Pressure-State-Response, PSR)模型能夠清晰闡釋系統(tǒng)中因果關(guān)系的持續(xù)性變化,并通過維度間的動(dòng)態(tài)邏輯關(guān)系構(gòu)建評(píng)價(jià)指標(biāo),在土地集約利用、生態(tài)系統(tǒng)健康等評(píng)價(jià)研究中得到廣泛應(yīng)用[14-15]。在電力領(lǐng)域,可認(rèn)為外部用電環(huán)境與生產(chǎn)活動(dòng)會(huì)對(duì)用戶施加壓力,進(jìn)而導(dǎo)致用戶的用電能效狀態(tài)發(fā)生變化,用戶通過改變現(xiàn)有的用電行為方式,可以有針對(duì)性地進(jìn)行節(jié)能響應(yīng),其模型結(jié)構(gòu)如圖4所示。

圖4 用戶能效的PSR概念模型Fig.4 PSR conceptual model of user energy efficiency

本文從用戶能效的PSR概念模型出發(fā),依據(jù)GBT 31960.1—2015《電力能效監(jiān)測(cè)系統(tǒng)技術(shù)規(guī)范》、GB/T 36714—2018《用能單位能效對(duì)標(biāo)指南》以及國內(nèi)、外對(duì)于電力用戶能效評(píng)估的現(xiàn)有研究成果,并遵循指標(biāo)數(shù)據(jù)的客觀性、科學(xué)性、可獲取性等原則,對(duì)用戶能效狀態(tài)評(píng)估的相關(guān)參數(shù)指標(biāo)進(jìn)行初步整理和篩選。以用戶負(fù)荷、電量、電壓、電流等運(yùn)行數(shù)據(jù)及其衍生數(shù)據(jù)為基礎(chǔ),選取8項(xiàng)最能反映用戶能效水平的指標(biāo),構(gòu)建能效評(píng)估指標(biāo)集合,以實(shí)現(xiàn)在邊緣節(jié)點(diǎn)評(píng)測(cè)在網(wǎng)電力用戶的能效情況,指標(biāo)體系見表1。

表1 能效評(píng)估指標(biāo)體系Tab.1 Energy efficiency evaluation index system

實(shí)際生產(chǎn)中設(shè)備的運(yùn)行與維護(hù)交替進(jìn)行,生產(chǎn)任務(wù)的進(jìn)度能夠?qū)τ脩裟苄┘右欢ǖ膲毫?用電量間接反映了生產(chǎn)進(jìn)程,因此壓力指標(biāo)可用用電量來表示。優(yōu)質(zhì)可靠的電能質(zhì)量可以提高用戶電能利用效率并減少經(jīng)濟(jì)損失,從該角度出發(fā)選取電流不平衡率、平均電壓等5項(xiàng)能夠反映用戶能效狀況的指標(biāo)作為狀態(tài)指標(biāo)。用戶通過增長產(chǎn)值能耗、使用低功耗設(shè)備等調(diào)控措施,積極提升自身能效,體現(xiàn)了用戶對(duì)實(shí)現(xiàn)健康用電目標(biāo)的響應(yīng),因此萬元產(chǎn)值能耗和主要耗能設(shè)備等級(jí)可視為響應(yīng)指標(biāo)。

2.2 基于指標(biāo)抽象屬性的融合篩選

隨著能效狀態(tài)監(jiān)測(cè)趨于全面化和精細(xì)化,大量冗余性較高的數(shù)據(jù)占用了較多的存儲(chǔ)資源,導(dǎo)致海量數(shù)據(jù)對(duì)邊緣設(shè)備存儲(chǔ)資源的需求越來越嚴(yán)重,有必要對(duì)信息進(jìn)行進(jìn)一步的精簡與篩選。本文緊密結(jié)合指標(biāo)體系的動(dòng)態(tài)邏輯關(guān)系,從指標(biāo)自身的屬性特征出發(fā),對(duì)指標(biāo)的“重要性”、“均衡性”、“獨(dú)立性”三重屬性特征進(jìn)行量化,以重要性反映指標(biāo)的信息價(jià)值,以均衡性選擇最具代表性的指標(biāo)詮釋評(píng)價(jià)對(duì)象最多的屬性,以獨(dú)立性剔除關(guān)聯(lián)程度高的指標(biāo),降低指標(biāo)集維數(shù)。定義影響度、優(yōu)化度對(duì)指標(biāo)的抽象屬性進(jìn)行融合,并基于合作博弈論優(yōu)化各指標(biāo)的篩選排序,進(jìn)而為邊緣側(cè)的數(shù)據(jù)去冗余提供依據(jù)。

2.2.1 指標(biāo)重要性

指標(biāo)重要性表征的是指標(biāo)對(duì)能效數(shù)據(jù)集合的影響程度。利用主成分分析法將指標(biāo)在各個(gè)主成分上的因子載荷的絕對(duì)值作為評(píng)價(jià)指標(biāo)重要性的依據(jù)。

令n為評(píng)估對(duì)象的數(shù)量,m為評(píng)估指標(biāo)個(gè)數(shù),能效評(píng)估標(biāo)準(zhǔn)化矩陣可表示為Z=[zij]n×m。對(duì)標(biāo)準(zhǔn)化后的指標(biāo)集Z計(jì)算其相關(guān)系數(shù)rij和協(xié)方差矩陣Rm×m。再由矩陣論相關(guān)理論得到特征根λ與特征向量α,將特征根λ從大到小依次排序,取λj>0的前j個(gè)特征根組成因子載荷矩陣bij,則指標(biāo)重要性的計(jì)算公式為

(1)

2.2.2 指標(biāo)獨(dú)立性

指標(biāo)獨(dú)立性表征的是指標(biāo)與指標(biāo)之間的關(guān)聯(lián)程度。斯皮爾曼等級(jí)相關(guān)系數(shù)用于反映變量間的依賴關(guān)系。

設(shè)定U和V為兩個(gè)n維的指標(biāo)變量,其斯皮爾曼相關(guān)系數(shù)為ρij,將指標(biāo)xj對(duì)各個(gè)指標(biāo)的相關(guān)度表示為tj,則指標(biāo)獨(dú)立性的計(jì)算公式為

(2)

2.2.3 指標(biāo)均衡性

指標(biāo)均衡性表征的是指標(biāo)在能效數(shù)據(jù)集合中的離散情況。熵是對(duì)所量測(cè)信息的不確定性或無序狀態(tài)的度量。

集合中第j個(gè)評(píng)估指標(biāo)的熵和熵權(quán)分別定義為ej、wj,則指標(biāo)均衡性的計(jì)算公式為

(3)

2.2.4 合作博弈求解融合模型

在計(jì)算三重指標(biāo)屬性特征的基礎(chǔ)上,為消除指標(biāo)選取上以單一方法定向篩選可能造成的結(jié)果“偏向性”,使用影響度、優(yōu)化度模型融合指標(biāo)屬性得到篩選結(jié)果的綜合量化值。

首先構(gòu)造指標(biāo)影響度融合模型,指標(biāo)影響度γj反映指標(biāo)在集合中的受關(guān)注程度,以指標(biāo)重要性Gj與指標(biāo)均衡性Sj的度量值來表示:

(4)

關(guān)鍵指標(biāo)篩選由指標(biāo)優(yōu)化度Oj確定,指標(biāo)優(yōu)化度為指標(biāo)在整體中的綜合表現(xiàn)情況,由指標(biāo)影響度γj和指標(biāo)獨(dú)立性Dj的線性組合來表示:

Oj=α1γj+α2Dj

(5)

式中,0<α1<1,0<α2<1,α1+α2=1。

在求解融合模型時(shí),為克服決策者對(duì)于篩選結(jié)果的主觀偏好性,采用合作博弈模型實(shí)現(xiàn)對(duì)偏好系數(shù)α1、α2取值的最優(yōu)分配。具體如下:通過將指標(biāo)優(yōu)化度對(duì)指標(biāo)影響度和指標(biāo)獨(dú)立性的差值極小化,對(duì)偏好系數(shù)α1和α2進(jìn)行優(yōu)化,由此建立對(duì)策模型:

(6)

式中αq為線性偏好系數(shù)。

式(6)的實(shí)質(zhì)即為多目標(biāo)函數(shù)規(guī)劃模型,將其簡化為以偏差最小化為目標(biāo)的問題進(jìn)行求解后,根據(jù)矩陣的微分性質(zhì)可得其相應(yīng)的最優(yōu)化一階導(dǎo)數(shù)條件為

(7)

對(duì)應(yīng)的線性方程組形式為

(8)

(9)

根據(jù)上述合成規(guī)則融合指標(biāo)多源屬性信息,并對(duì)指標(biāo)優(yōu)化度進(jìn)行排序,從而為指標(biāo)決策優(yōu)選提供依據(jù)。

3 評(píng)估模型

能效評(píng)估是邊緣計(jì)算的核心,在邊緣側(cè)對(duì)用戶的能效數(shù)據(jù)進(jìn)行信息融合,可實(shí)現(xiàn)用戶的就地能效評(píng)估。本文采用CRITIC賦權(quán)法計(jì)算評(píng)估指標(biāo)的權(quán)重,并以改進(jìn)灰色TOPSIS方法對(duì)待評(píng)估電力用戶進(jìn)行排序,評(píng)估結(jié)果在考慮到指標(biāo)數(shù)據(jù)的客觀信息的基礎(chǔ)上,能夠避免逆序問題并且更加合理地計(jì)算待評(píng)電力用戶與絕對(duì)理想解的距離測(cè)度。

3.1 基于CRITIC賦權(quán)的改進(jìn)灰色TOPSIS評(píng)估方法

TOPSIS法在決策分析時(shí)不特殊要求評(píng)估對(duì)象的樣本量、指標(biāo)多少以及數(shù)據(jù)分布[16],通過使用函數(shù)曲線計(jì)算評(píng)估對(duì)象與理想解之間的距離來排序。但傳統(tǒng)TOPSIS法存在一定的缺陷:1)在樣本增減時(shí)正、負(fù)理想解的變化可能會(huì)產(chǎn)生逆序現(xiàn)象[17];2)歐式幾何距離存在計(jì)算評(píng)價(jià)對(duì)象與正、負(fù)理想解的距離測(cè)度均相接近的情況[18],這時(shí)對(duì)于評(píng)估對(duì)象的優(yōu)劣較難界定,故不能直接用于用戶能效分析。近年來,已有一些學(xué)者將TOPSIS法應(yīng)用于能效評(píng)估方法的研究,但是存在以下幾方面的不足:

1)沒有考慮和處理評(píng)估對(duì)象數(shù)量變化時(shí)所帶來的決策沖突問題,這會(huì)對(duì)評(píng)估結(jié)果產(chǎn)生干擾。

2)通過各種主、客觀方法確定各個(gè)指標(biāo)的權(quán)重值,不同的賦權(quán)方法會(huì)對(duì)評(píng)估結(jié)果造成影響。

3)如何選取相對(duì)距離度量方法,用以得到一個(gè)合理有效的距離測(cè)度。

針對(duì)上述分析,本文綜合考慮各方面的影響因素,提出基于CRITIC賦權(quán)的改進(jìn)灰色TOPSIS評(píng)估方法,實(shí)現(xiàn)用戶能效評(píng)估,該模型具有如下特點(diǎn):

1)通過構(gòu)造絕對(duì)理想解,考慮并處理當(dāng)用戶數(shù)量動(dòng)態(tài)變化時(shí),理想解會(huì)隨之變化的問題,其優(yōu)點(diǎn)是保證最終評(píng)估結(jié)果不受決策用戶變化的干擾,從而具有一定的保序性。

2)采用CRITIC賦權(quán)法從對(duì)比性和沖突性兩種信息角度計(jì)算各評(píng)價(jià)指標(biāo)的權(quán)重分配,二者的有效結(jié)合能夠更好地展現(xiàn)各能效指標(biāo)的重要度。

3)將灰色關(guān)聯(lián)度代替原有的歐氏距離,進(jìn)而根據(jù)曲線序列的相似性計(jì)算距離測(cè)度,可以有效反映用戶間的內(nèi)部發(fā)展態(tài)勢(shì),提高評(píng)估的準(zhǔn)確性。

CRITIC賦權(quán)法的具體步驟如下。

Step1能效指標(biāo)同向化處理。求得標(biāo)準(zhǔn)化決策矩陣Z為

(10)

對(duì)能效指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理如下:

(11)

Step2基于CRITIC確定指標(biāo)權(quán)重。

1)計(jì)算指標(biāo)間的相關(guān)系數(shù)ζij為

(12)

2)定義指標(biāo)的信息量Cj為

(13)

3)確定指標(biāo)權(quán)重Wj為

(14)

Step3構(gòu)建標(biāo)準(zhǔn)化加權(quán)評(píng)估矩陣:

Y=(yij)n×m=(zijWj)n×m

(15)

式中yij為標(biāo)準(zhǔn)化加權(quán)后的能效指標(biāo)值。

Step4構(gòu)造絕對(duì)正、負(fù)理想解。在用戶能效優(yōu)劣評(píng)估中,將最優(yōu)用戶設(shè)為評(píng)估標(biāo)準(zhǔn)的正理想解,其各評(píng)價(jià)屬性均為所有待評(píng)用戶中的最優(yōu)值,將最遠(yuǎn)離理想用戶的待評(píng)用戶設(shè)為評(píng)估標(biāo)準(zhǔn)的負(fù)理想解,其各評(píng)價(jià)屬性均為所有待評(píng)用戶中的最劣值。為避免傳統(tǒng)TOPSIS方法中用戶正、負(fù)理想解的選擇存在相對(duì)性,對(duì)各評(píng)價(jià)屬性值進(jìn)行歸一化處理[17],處理后屬性值越大越好,因此待評(píng)用戶的絕對(duì)正、負(fù)理想解數(shù)據(jù)序列分別為

(16)

當(dāng)確定用戶的絕對(duì)正、負(fù)理想解后,待評(píng)用戶數(shù)量的增減并不會(huì)影響其與絕對(duì)理想解的距離,該值將始終保持不變,可確保待評(píng)用戶之間優(yōu)劣關(guān)系的穩(wěn)定。

Step5計(jì)算灰色關(guān)聯(lián)度。第i個(gè)待評(píng)用戶與絕對(duì)正、負(fù)理想解之間的灰色關(guān)聯(lián)矩陣為R+(R-),其中灰色關(guān)聯(lián)系數(shù)為

(17)

式中:ρ為分辨系數(shù),ρ∈[0,1.0],一般取ρ=0.5;|yij-b+(-)|為待評(píng)用戶與絕對(duì)理想解相對(duì)應(yīng)指標(biāo)差的絕對(duì)值,正灰色關(guān)聯(lián)系數(shù)對(duì)應(yīng)上標(biāo)“+”,負(fù)灰色關(guān)聯(lián)系數(shù)對(duì)應(yīng)上標(biāo)“-”。

Step6定義改進(jìn)后的第i個(gè)待評(píng)用戶與絕對(duì)正、負(fù)理想解的距離測(cè)度為:

(18)

(19)

Step7求取各待評(píng)用戶的相對(duì)貼近度為

(20)

相對(duì)貼近度的大小從一定程度上反映電力用戶能效水平的高低,其取值范圍為[0,1.0]。若Ci越大,表明待評(píng)用戶與用戶絕對(duì)正理想解越接近,同時(shí)越遠(yuǎn)離用戶絕對(duì)負(fù)理想解時(shí),該待評(píng)用戶能效水平越好。

3.2 電力用戶邊緣能效評(píng)估流程

為實(shí)現(xiàn)在邊緣節(jié)點(diǎn)對(duì)電力用戶的能效進(jìn)行量化,構(gòu)建能效評(píng)估模型,具體流程如圖5所示。

圖5 用戶邊緣能效評(píng)估流程Fig.5 User energy efficiency edge assessment process

1)根據(jù)邊緣節(jié)點(diǎn)采集到的用戶能效狀態(tài)參數(shù),計(jì)算出電力用戶的能效指標(biāo)數(shù)據(jù),并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,獲取精簡數(shù)據(jù)集。

2)利用CRITIC賦權(quán)法計(jì)算指標(biāo)權(quán)重,并在評(píng)估過程中引入絕對(duì)理想解與灰色關(guān)聯(lián)度來改進(jìn)TOPSIS評(píng)估方法,然后根據(jù)相對(duì)貼近度評(píng)價(jià)各電力用戶的相對(duì)優(yōu)劣性,實(shí)現(xiàn)邊緣評(píng)估目標(biāo)。

3)根據(jù)用戶的能效評(píng)估結(jié)果,將現(xiàn)階段能效水平較差的電力用戶的能效數(shù)據(jù)和評(píng)估結(jié)果上傳至中心化主站,而能效水平較優(yōu)的用戶則將其相關(guān)數(shù)據(jù)結(jié)果在邊緣側(cè)緩存。

4 試驗(yàn)分析

4.1 能效指標(biāo)屬性特征計(jì)算與融合

選取某地工業(yè)區(qū)的10個(gè)工業(yè)用戶,結(jié)合用戶用電數(shù)據(jù)的特點(diǎn),采用模塊化設(shè)計(jì)思路部署開發(fā)邊緣節(jié)點(diǎn),利用采集到的運(yùn)行數(shù)據(jù)對(duì)PSR指標(biāo)體系中的評(píng)估指標(biāo)進(jìn)行統(tǒng)計(jì)和計(jì)算,指標(biāo)預(yù)處理后的雷達(dá)圖如圖6所示。根據(jù)指標(biāo)圍成幾何封閉區(qū)域的面積,可以粗略衡量各個(gè)用戶的能效水平。

圖6 各項(xiàng)指標(biāo)標(biāo)準(zhǔn)化Fig.6 Standardization of indicators

由指標(biāo)特征定義公式,對(duì)預(yù)處理后的能效指標(biāo)數(shù)據(jù)計(jì)算其重要性、獨(dú)立性、均衡性3類屬性值,見表2。

表2 初選指標(biāo)屬性計(jì)算值Tab.2 Calculation value of primary selection index attribute

由式(4)計(jì)算可得指標(biāo)的影響度γj=[0.007 5,0.028 6,0.091 2,0.132 5,0.002 1,0.446 2,0.117 9,0.173 9]。

再根據(jù)矩陣的微分性質(zhì),得到最優(yōu)化的一階導(dǎo)數(shù)條件的矩陣表示為

(21)

從而得到線性方程組歸一化后的最優(yōu)解為α1=0.949 3,α2=0.050 7。則基于合作博弈論的指標(biāo)優(yōu)化度Oj=[0.012 6,0.034 6,0.094 8,0.131 8,0.007 8,0.431 8,0.117 7,0.172 6]。由此得到能效評(píng)價(jià)指標(biāo)的優(yōu)化度排序?yàn)?平均電壓>主要耗能設(shè)備等級(jí)>平均負(fù)載率>萬元產(chǎn)值能耗>電流不平衡率>電壓不合格累計(jì)時(shí)間>用電量>功率因數(shù)。

進(jìn)一步根據(jù)統(tǒng)計(jì)學(xué)基本理論,以數(shù)據(jù)方差表示各項(xiàng)指標(biāo)的信息量貢獻(xiàn)率,對(duì)排序結(jié)果中的指標(biāo)進(jìn)行末位剔除。為保證評(píng)估精度,給定信息貢獻(xiàn)率閾值為95.00%。發(fā)現(xiàn)當(dāng)所保留的指標(biāo)個(gè)數(shù)為7時(shí),能夠反映初選指標(biāo)集合信息的比率為99.77%,評(píng)估信息含量滿足需求。對(duì)此,將功率因數(shù)指標(biāo)作為冗余指標(biāo)予以剔除,故最終確定邊緣側(cè)評(píng)估指標(biāo)集合如圖7所示。

圖7 能效指標(biāo)集魚骨圖Fig.7 Fishbone diagram of energy efficiency index set

4.2 能效評(píng)估

4.2.1 能效分析

根據(jù)CRITIC法的定義計(jì)算各指標(biāo)的權(quán)值Wj=[0.121 7,0.101 2,0.144 6,0.173 4,0.182 7,0.140 0,0.136 4]。其中反映用戶狀態(tài)性能的平均負(fù)載率和平均電壓兩項(xiàng)指標(biāo)的權(quán)重較大,分別為0.173 4和0.182 7,突出狀態(tài)類指標(biāo)在評(píng)估過程中的重要性,也間接反映電能質(zhì)量對(duì)用戶的能效水平具有較大的影響。而用電量和電壓不合格累計(jì)時(shí)間兩項(xiàng)指標(biāo)的權(quán)重占比相對(duì)較小,一方面由于其在整體評(píng)估過程中提供的有用信息較少,另一方面也與各用戶該方面的能效指標(biāo)數(shù)據(jù)差異小有關(guān)。

基于評(píng)估模型設(shè)置電力用戶能效水平的絕對(duì)理想解,進(jìn)而計(jì)算各用戶分別與絕對(duì)正、負(fù)理想解的加權(quán)灰色關(guān)聯(lián)度,在此基礎(chǔ)上得到電力用戶綜合能效狀態(tài)評(píng)分及其優(yōu)劣排序,其結(jié)果見表3。由表3可知10個(gè)用戶的能效水平優(yōu)劣排序中,用戶5的能效水平最優(yōu),用戶8的能效水平次優(yōu)。

表3 邊緣側(cè)評(píng)估結(jié)果Tab.3 Edge side assessment results

為更加細(xì)致地反映電力用戶U1～U10的能效水平,將“壓力-狀態(tài)-響應(yīng)”模型各維度的相對(duì)貼近度值以折線圖的形式呈現(xiàn),如圖8所示。從圖8可以看出:各用戶的壓力指標(biāo)評(píng)分差異較明顯,中間出現(xiàn)較大起伏,狀態(tài)指標(biāo)評(píng)分值呈波動(dòng)變化,而響應(yīng)指標(biāo)的評(píng)估分值相近,整體差異較小。

圖8 各子系統(tǒng)評(píng)分情況Fig.8 Subsystem ratings

其中U5的狀態(tài)維度評(píng)分在10個(gè)用戶中最高,3個(gè)維度的指標(biāo)表現(xiàn)均較好,因此最終的綜合評(píng)估結(jié)果最優(yōu)。U2、U4的響應(yīng)維度評(píng)分值較高,最終其排名靠前。這是由于萬元產(chǎn)值能耗等響應(yīng)指標(biāo)可以對(duì)壓力、狀態(tài)產(chǎn)生正向的反饋,因此優(yōu)化用戶的響應(yīng)性能可以提高用電能效水平。U9、U10在狀態(tài)、響應(yīng)維度上的表現(xiàn)均較差,下一步應(yīng)努力提升電能質(zhì)量并盡量選用低耗能設(shè)備。U6的壓力維度評(píng)分與其他用戶相比存在較大差距,這與其用電量指標(biāo)表現(xiàn)較差有關(guān),因此其最終排名略低于U1。

上述分析表明,對(duì)電力用戶采用PSR模型分析,能夠找到用戶自身用能的薄弱環(huán)節(jié),通過邊緣節(jié)點(diǎn)將用戶的能效信息發(fā)送至中心化主站,運(yùn)維人員通過各項(xiàng)指標(biāo)可確定電力用戶能效異常的原因,并及時(shí)對(duì)用戶給予反饋并確定優(yōu)化方案。

4.2.2 邊云評(píng)估對(duì)比

為了證明本文邊緣節(jié)點(diǎn)能效評(píng)估方法與系統(tǒng)中心化主站指標(biāo)集合的評(píng)估效果一致,對(duì)主站能效評(píng)估進(jìn)行檢驗(yàn),計(jì)算結(jié)果見表4。

表4 主站側(cè)評(píng)估結(jié)果Tab.4 Main station side evaluation results

由表4可知,同一電力用戶在邊緣側(cè)與主站側(cè)的評(píng)估結(jié)果排序一致,而本文所提方法只需將計(jì)算模式切換到邊緣側(cè)執(zhí)行,即可利用數(shù)據(jù)冗余性來降低主站存儲(chǔ)資源。邊緣側(cè)評(píng)估結(jié)果相對(duì)于主站結(jié)果的誤差百分比,如圖9所示?？梢钥闯稣`差絕對(duì)值皆小于9.5%,符合對(duì)于邊緣節(jié)點(diǎn)的評(píng)估要求,進(jìn)一步證明該評(píng)估方法在保證用戶優(yōu)劣排序的基礎(chǔ)上,仍具有良好的評(píng)估精度,具備一定的可應(yīng)用性。

圖9 能效水平誤差分析Fig.9 Energy efficiency level error analysis chart

同時(shí)考慮到邊云傳輸?shù)牟町愋?傳統(tǒng)計(jì)算方式需要將每個(gè)傳感器采集到的數(shù)據(jù)全部傳輸給主站,數(shù)據(jù)量龐大,而利用本地邊緣節(jié)點(diǎn)的計(jì)算能力就可以周期性地僅將指標(biāo)數(shù)據(jù)與評(píng)估結(jié)果傳輸給主站。為進(jìn)一步說明邊緣計(jì)算的優(yōu)勢(shì),將邊緣計(jì)算與傳統(tǒng)計(jì)算方式進(jìn)行指標(biāo)對(duì)比,見表5。

表5 邊緣計(jì)算與主站計(jì)算對(duì)比Tab.5 Comparison of edge calculation and master station calculation

由表5可知,相較于主站計(jì)算方式,邊緣計(jì)算方式下傳輸給主站的數(shù)據(jù)量大幅減少,不僅節(jié)省了傳輸網(wǎng)絡(luò)帶寬,也間接減少了程序整體計(jì)算耗時(shí),有利于減輕主站的計(jì)算復(fù)雜度并緩解數(shù)據(jù)的存儲(chǔ)壓力。

4.3 評(píng)估方法的比較分析

4.3.1 與傳統(tǒng)TOPSIS法的比較

為驗(yàn)證改進(jìn)后的TOPSIS方法的有效性,將其與傳統(tǒng)TOPSIS法得到的評(píng)估結(jié)果進(jìn)行對(duì)比,見表6?？梢园l(fā)現(xiàn),本文方法和傳統(tǒng)方法在用戶能效排名上略有差別,主要有以下原因:

表6 評(píng)估結(jié)果比較Tab.6 Comparison of evaluation results

1)指標(biāo)權(quán)重層面。傳統(tǒng)TOPSIS法使用熵權(quán)法計(jì)算綜合排序,各指標(biāo)的權(quán)值結(jié)果為0.089 2,0.100 3,0.138 8,0.136 8,0.269 2,0.130 9,0.134 7。其中平均電壓指標(biāo)所占權(quán)重達(dá)到0.269 2,遠(yuǎn)高于用電量指標(biāo),且在整體權(quán)重分配中該項(xiàng)指標(biāo)的占比略大。這是因?yàn)殪貦?quán)法利用數(shù)據(jù)分布狀況確定權(quán)重,易夸大指標(biāo)間的權(quán)重差距,而改進(jìn)的TOPSIS法使用CRITIC法依據(jù)指標(biāo)內(nèi)的對(duì)比強(qiáng)度和指標(biāo)間的沖突程度綜合確定權(quán)重,在數(shù)值上可以均衡各指標(biāo)的權(quán)重值,從而能夠更好地彌補(bǔ)這一不足。

2)理想解計(jì)算層面。在刪減U2之前,由傳統(tǒng)TOPSIS法得到的各用戶能效狀態(tài)優(yōu)劣排序?yàn)閁5、U8、U4、U2、U3、U1、U6、U10、U7、U9,在刪減U2之后,排序則變?yōu)閁8、U5、U4、U3、U1、U6、U10、U7、U9。調(diào)整前、后,U5和U8兩者的優(yōu)劣順序發(fā)生了逆轉(zhuǎn),產(chǎn)生了逆排序現(xiàn)象,影響到評(píng)估結(jié)果的準(zhǔn)確性。而本文的改進(jìn)方法引入了絕對(duì)理想解,在刪減U2之前,各用戶的優(yōu)劣排序?yàn)閁5、U8、U4、U2、U3、U1、U6、U10、U7、U9;刪減U2后,排序?yàn)閁5、U8、U4、U3、U1、U6、U10、U7、U9,說明改進(jìn)后TOPSIS 法可有效避免因待評(píng)用戶數(shù)量變化而引起的逆排序問題,在調(diào)整待評(píng)用戶數(shù)量的前、后,其余待評(píng)用戶的優(yōu)劣順序沒有發(fā)生變化,證明所用改進(jìn)方法的準(zhǔn)確性和合理性。

3)距離測(cè)度層面。TOPSIS使用歐氏距離作為距離測(cè)度,在判斷待評(píng)估用戶與正、負(fù)理想解間的位置關(guān)系時(shí)存在固有缺陷;而本文采用灰色關(guān)聯(lián)度改進(jìn)后,一方面對(duì)于小樣本無規(guī)律指標(biāo)的評(píng)估決策準(zhǔn)確性更高,另一方面在計(jì)算貼近度時(shí)更接近待評(píng)用戶的態(tài)勢(shì)變化。

4.3.2 方法的對(duì)比分析

為進(jìn)一步說明本文所提評(píng)估算法的有效性,另選用3種典型方法進(jìn)行對(duì)比實(shí)驗(yàn),評(píng)估結(jié)果見表6。

表中GRA-TOPSIS和灰色關(guān)聯(lián)分析法與本文改進(jìn)方法的排序結(jié)果基本一致。改進(jìn)灰色關(guān)聯(lián)投影法的排序與本文方法相差不超過兩個(gè)排名。因此,在一定程度上表明本文方法可以較好地從用電能效水平差異上對(duì)電力用戶進(jìn)行評(píng)估,驗(yàn)證了模型的適應(yīng)性。

相比于上述文獻(xiàn)中的方法,本文方法具有以下優(yōu)勢(shì):1)GRA-TOPSIS評(píng)估方法未考慮到增減評(píng)估方案的情形,而本文的絕對(duì)理想解可抑制方案的相對(duì)位置關(guān)系發(fā)生反轉(zhuǎn)的可能,能夠適應(yīng)用戶及數(shù)據(jù)的動(dòng)態(tài)變化。2)在灰色關(guān)聯(lián)分析法中,采用FAHP確定指標(biāo)權(quán)重,包含專家對(duì)評(píng)價(jià)結(jié)果的主觀偏好,而本文方法充分利用客觀數(shù)據(jù)信息,避免主觀因素的影響。3)改進(jìn)灰色關(guān)聯(lián)投影法中引入馬氏距離夸大了微小變量的作用,特別是在與其他方法對(duì)比時(shí)評(píng)估結(jié)果的偏差較為明顯,而灰色關(guān)聯(lián)度在分析數(shù)據(jù)特征和相似程度方面均具有較好優(yōu)勢(shì),可靠性更高。因此,本文評(píng)估模型基于客觀能效數(shù)據(jù),采用CRITIC賦權(quán)和改進(jìn)灰色TOPSIS法進(jìn)行綜合能效評(píng)估,評(píng)估過程中通過構(gòu)造絕對(duì)理想解、引入CRITIC賦權(quán)法以及采用改進(jìn)加權(quán)灰色關(guān)聯(lián)度代替歐氏距離,克服了TOPSIS決策分析時(shí)存在逆排序現(xiàn)象、權(quán)重設(shè)定不合理及距離測(cè)度度量不準(zhǔn)確等固有缺陷,使得結(jié)果更具客觀性、穩(wěn)定性。

5 結(jié) 論

1)通過在邊緣側(cè)部署邊緣節(jié)點(diǎn),實(shí)時(shí)分析用戶的能效情況,改變傳統(tǒng)依賴上傳大量原始數(shù)據(jù)進(jìn)行分析評(píng)估的方法。與主站的信息交互僅以相關(guān)數(shù)據(jù)結(jié)果進(jìn)行傳輸可實(shí)現(xiàn)快速響應(yīng)。

2)構(gòu)建基于PSR模型的多維度電力用戶能效評(píng)估指標(biāo)體系,從中抽象出重要性、均衡性、獨(dú)立性3項(xiàng)數(shù)據(jù)特征關(guān)系,結(jié)合融合模型優(yōu)選出邊緣側(cè)精簡后的關(guān)鍵性指標(biāo),可減少向主站傳輸數(shù)據(jù)時(shí)對(duì)數(shù)據(jù)通道的占用和數(shù)據(jù)處理時(shí)間。

3)采用CRITIC權(quán)重與改進(jìn)灰色TOPSIS法相結(jié)合的評(píng)估模型,對(duì)能效狀況進(jìn)行研判分析。利用能效指標(biāo)的分析結(jié)果,用戶可以了解自身用能的薄弱環(huán)節(jié),有針對(duì)性地提高用電效率,形成在邊緣側(cè)“用電-監(jiān)測(cè)-評(píng)估-節(jié)電-改善”的優(yōu)質(zhì)循環(huán)。