國際電網評價關鍵指標“一流水平”量化評估

王　旭，黃俊輝，談　健，韓　俊，顧文琦，韓　旭

（1.國網江蘇省電力公司，南京　210000；2.國網江蘇省電力公司經濟技術研究院，南京　210000；3.華北電力大學經濟與管理學院，北京　102206）

國際電網評價關鍵指標“一流水平”量化評估

王旭1，黃俊輝2，談健2，韓俊2，顧文琦3，韓旭3

（1.國網江蘇省電力公司，南京210000；2.國網江蘇省電力公司經濟技術研究院，南京210000；3.華北電力大學經濟與管理學院，北京102206）

為了對電網評價關鍵指標進行量化評估和確定國際電網“一流水平”區間，該文選取國際通用、可綜合反映電網整體發展與運營管理水平的8項關鍵指標，構建世界范圍內的關鍵指標數據庫；分別通過五分位法、最優分割法以及K-means聚類法3種不同數據分析方法對每項關鍵指標進行量化評估，根據不同“一流水平”區間劃分結果，分析不同方法評估不同類型指標的優劣性，結合實際情況，確定每項關鍵指標的一流水平，為電網評估提供參考借鑒。

關鍵指標；數據庫；一流水平；量化評估

隨著社會經濟的發展和技術裝備的進步，電網功能逐步體現豐富化、多樣化，社會對電網服務的要求也越來越高，不僅直接服務于用戶、發電商，與地方政府、監管方關系密切，同時也需適應能源資源環境變化、促進生態環境優化。

目前對標管理大多只選取歐美少數幾個發達國家進行綜合比較，樣本數據少，很多指標難以代表國際先進水平，對標結果對電網運營專業績效的提升意義不強。因此，選取國際通用電網評價關鍵指標[1]，在國際整體樣本庫的基礎上進行數據分級處理，量化評估的電網評價關鍵指標“一流水平”區間將更具代表性和針對性，對各專業部門緊扣指標開展診斷分析，制定指標提升舉措更具現實意義。

縱觀其他領域，應用數據分級的研究范圍和成果主要包括以下兩方面。一方面，聚類分析理論是目前數據分級研究和應用的重點，Fisher[2]提出的最優分割法作為有序數列分級方法之一，多被應用于機床熱關鍵點分析[3]、河流流域汛期分期[4]等領域；MacQueen提出了K-means算法[5]，總結了Cox[6]、Fisher[2]、Sebestyen[7]等的研究成果，給出了K-means算法的詳細步驟，并用數學方法進行了證明；Hartigan[8]對聚類算法進行了系統的論述。另一方面，對于數據分級的指標無量綱化處理，眾多學者提出了不同方法。現實應用中，定量型的指標通常分為效益型、成本型、固定型、區間型和偏離型5類[9]。文獻[10]將線性比例變換方法和極差變換方法結]合，提出了新的指標無量綱化處理方法。文獻[11]在此基礎上分析了指標一致化與無量綱化對線性綜合評價結果的影響。文獻[12]分析發現采用極差變換法計算的數值要小于比例法，相對差值達64.44%。

本文首先根據國際先進電網評價體系構建情況選取8項電網評價關鍵指標，并將指標分為正向型、逆向型與適中型，采用極差變換法來進行指標無量綱化處理并分別選用最優分割法、五分位法以及K-Means法進行量化評估，分析不同方法評估不同類型指標的優劣性，結合實際情況，確定每項關鍵指標的“一流水平”。

1　電網評價關鍵指標的選取

通過調研比較和實施效果評估，較有代表性的電網評價體系包括歐盟供電質量評價體系、美國GMI評價體系、韓國可持續經營管理體系等。對國際先進電網評價體系的指標構建層次梳理及統計發現，各國在經濟發展水平、發電裝機、電源結構等方面情況各不相同，但評價體系構建主要包含“不限電、少停電、用好電”3個維度，相關維度的釋義與指標劃分如圖1所示。“不限電”是一流電網供應最基本的要求，即電力資源充裕，網架結構堅強，運行安全穩定；“少停電”是對一流電網可靠性、經濟運營的主要目標，要求優化電網結構、科學調度和運維，提高供電的可靠性；“用好電”是電力公司乃至整個電力行業真正的社會責任，需要支持新能源發展，及時完成清潔能源入網項目規劃及建設工作，提升電網對清潔能源的接納能力。

綜上所述，本文從“不限電”、“少停電”、“用好電”3個維度出發，選取國際通用、社會公眾關注度較高、較為宏觀和綜合反映電網整體發展與運營管理水平、目標導向性較強的8項關鍵指標作為量化評估對象。同時根據指標特性，將8項關鍵指標分為正向型（指標越大越好）、適中型（指標在某個區間內最優）和逆向型（指標越小越好）。

圖1　關鍵指標體系詮釋Fig.1　Interpretation diagram of key indicators system

2　評估方法概述

本文應用五分位法、最優分割法以及K-means聚類法分別對8項關鍵指標進行量化評估。

2.1基于五分位法的關鍵指標“一流水平”量化評估

首先以極差變換法對指標進行無量綱化處理，然后在指標樣本充足的情況下（10個以上），符合正態分布的，取五分級中的最優段分級值作為“一流水平”的基準，5段區間分界點分別為為指標標準差）。

五分位法計算流程如圖2所示。

進而進行正態性檢驗，如表1所示，A、B、C、D 和E段分別為前文中的5個區間。

不符合正態分布的指標，依據標準正態分布的樣本分位比例按16%、37%、63%、84%分別設置4個分位數，以排列在前16%內樣本的值作為“一流水平”基準。

2.2基于最優分割法的關鍵指標“一流水平”量化

評估

最優分割法通過級間指標誤差最小化來盡可能合理劃分級內指標，主要圍繞指標間的距離展開，該方法的具體計算過程如圖3所示。在確定不同級數的區間后，最優分割法以損失函數來確定具體的指標劃分級數。損失函數為

表1　正態分布檢驗表Tab.1　Normality Test table

式中：it表示第t個級的第一個指標數據；it+1-1表示第t+1個級的第1個數據的前一個數據；也就是第t個級的最后一個數據；D(it,it+1-1)表示第t個去區間的級內損失；L[b(n,k)]表示將n個數據分為k個級別后的級內損失之和。

此時可作L[b(n,k)]隨k變化的趨勢圖，觀察相應的拐點，此拐點則是在n已知的情形下使得L[b(n,k)]最小化的k值。

圖3　最優分割法計算流程Fig.3　Flow chart of optimum partition method

2.3基于K-Means聚類法的關鍵指標“一流水平”量化評估模型

K-means法是典型的基于距離的聚類算法，采用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大。

具體步驟如圖4所示。

圖4　K-Means法計算流程Fig.4　Flow chart of K-Means method

選取歐氏距離確定每個指標與質心間的距離，由于電網評價指標均為一維指標，因此距離為兩者之間差的絕對值，相關定義為

式中：xi為第i個指標；yj為第 j個質心；M為指標個數；K為質心個數。

3　算例分析

3.1樣本數據

如表2所示，根據數據挖掘的最近年份可取原則，基于8項電網評價關鍵指標的樣本數據庫覆蓋世界各洲的33個國家，具有全面性和代表性。

3.2算例結果展示

應用五分位法計算時，對數據進行正態分布性檢驗后決定其劃分依據；最優分割法計算過程中需要通過損失函數圖的拐點來確定最優分級數，從而選擇最優分級數下的一流區間作為該方法的最終計算結果；為了方便進行比較，K-Means法的分級數均定義為5級。其流程如圖4所示。

在選用以上3種方法進行量化評估后，通過進一步分析研究，在確定最終“一流水平”量化評估區間過程中考慮以下情形。

（1）由于最優分割法在計算過程中重點考慮了指標級間距離，因此在進行一流區間量化的過程中會受到樣本中偏離均值較大的數據干擾，出現一流區間范圍過大的現象，例如系統平均停電時間與系統平均停電次數中的南非、巴西等國的數據。而五分位法相對可以較好地避免上述情形。因此，五分位法相對適合量化數據分布散亂、數值差距明顯的指標。

（2）K-Means法在劃分一流區間的過程中，采用質心聚類的思想，處理適中型指標時，一定程度上均衡了指標數值與分布狀態對分類所造成的影響，因此得出的“一流水平”量化區間相對于另兩種方法相對更精確。

（3）對于系統供缺電量（ENS）指標，五分位法量化的一流區間內的國家為瑞典、捷克、匈牙利，K-Means法量化的一流區間國家是瑞典、捷克、匈牙利語葡萄牙和波蘭，而葡萄牙與捷克之間的歐式距離較大，則選取五分位法作為一流區間量化評估方法較為合理。

（4）對于清潔能源占比指標，最優分割法與KMeans法量化區間范圍較為接近，考慮到挪威和巴西國情相同，均是水電發展較為突出且遠遠超出其他國家，因此認為最優分割法量化結果較為合理。

最終，綜合考慮3種不同量化方法的優劣性、不同分級區間的數值差距以及各國的實際情況，確定8項電網評級關鍵指標的國際“一流水平”區間及對應國家如表3所示。

表2　各國電網關鍵指標數據Tab.2　key indicator data of each state grid

表3　關鍵指標一流水平區間及相應的國家Tab.3‘World-Class’of key indicators and corresponding countries

4　結語

本文選取了8項電網評價關鍵指標，并分別采用五分位法、最優分割法和K-Means法對其進行“一流水平”量化評估，通過比較分析3種方法的適合情形，針對8項指標分別確定了相對合理量化方法。對比評估結果及各國電網運營現狀，本文量化評估的“一流水平”區間符合國際現實情況，具有一定代表意義，可作為有關部門借鑒提升的依據。另外，由于各國電網運行績效影響因素較多，僅通過關鍵指標量化比較很難客觀地體現各國的實際差距。結合電網實際運行背景，針對每項指標提出特定的評估和考核方法還有待進一步研究。

[1]趙川，葉華，梁鈴，等（Zhao Chuan，Ye Hua，Liang Ling，et al）.電網調度運行關鍵績效指標（KPI）的構建方法（Construction method of key performance indicators （KPI）of dispatching operation）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2015，27（5）：97-102.

[2]Fisher W D.On grouping for maximum homogeneity[J]. Journal of the American Statistical Association，1958，53 （284）：789-798.

[3]高峰，劉江，楊新剛，等（Gao Feng，Liu Jiang，Yang Xin?gang，et al）.基于Fisher最優分割法的機床熱關鍵點優化研究（Study on optimization of thermal key points for machine tools based on Fisher optimal segmentation method）[J].儀器儀表學報（Chinese Journal of Scientif?ic Instrument），2013，34（5）：1070-1075.

[4]肖聰，顧圣平，崔巍，等（Xiao Cong，Gu Shengping，Cui Wei，et al）.Fisher最優分割法在李仙江流域汛期分期中的應用（Applications of Fisher optimum partition method in division of flood season Lixianjiang basin）[J].水電能源科學（Water Resources and Power），2014，32 （3）：70-74.

[5]Macqueen J.Some methods for classification and analysis of multivariate observations[C]//Fifth Berkeley Sympo?sium on Mathematical Statistics and Probability，The Re?gents of the University of California，1967：281-297.

[6]Cox D R.Note on Grouping[J].Journal of the American Statistical Association，1957，52（280）：543-547．

[7]Sebestyen G S.Decision-making Processes in Pattern Recognition[M].New York：Macmillan，1962.

[8]Hartigan J A.Clustering Algorithms[M].NewYork：John Wiley＆SonsInc.，1975．

[9] 劉樹林，邱菀華（Liu Shulin，Qiu Wanhua）.多屬性決策基礎理論研究（Studies on the basic theories for MADM）[J].系統工程理論與實踐（Systems Engineering-Theory &Practice），1998，18（1）：38-43.

[10]焦立新（Jiao Lixin）.評價指標標準化處理方法的探討（On methods of standardization management of index）[J].安徽農業技術師范學院學報（Journal of Anhui Agro?technical Teachers College），1999，13（3）：7-10.

[11]張立軍，袁能文（Zhang Lijun，Yuan Nengwen）.線性綜合評價模型中指標標準化方法的比較與選擇（Com?parison and selection of index standardization methods in linear comprehensive evaluation model）[J].統計與信息論壇（Statistics&Information Forum），2010，25（8）：10-15.

[12]俞立平，武夷山（Yuan Liping，Wu Yishan）.科技評價中標準化方法對評價結果的影響研究（Study on influ?ence of data standardization to evaluation results in sci?ence and technology）[J].現代圖書情報技術（New Tech?nology of Library and Information Service），2011（9）：66-71.

Quantitative Assessment on the'World-Class'of the Key Indicators of Grid Evaluation

WANG Xu1，HUANG Junhui2，TAN Jan2，HAN jun2，GU Wenqi3，HAN Xu3
（1.State Grid Jiangsu Power Company，Nanjing 210000，China；2.State Grid Jiangsu Economic Research Institute，Nanjing 210000，China；3.College of Economics and Management，North China Electric Power University，Beijing 102206，China）

In order to do the quantitative assessment on the key indicators of grid evaluation and determine the‘worldclass’of the international power grid，this paper selects 8 key indicators which are internationally accepted and can comprehensively reflect the overall development and operation of the grid.Furthermore，this paper does the quantitative assessment on each key indicator by quintile method，optimal segmentation method and K-means clustering method in order to draw the appropriate“world-class”section.On this basis，this paper analyzes the advantages and disadvantag?es of assessing different types of indicators by different methods and determines the top level of each key indicator to a reference for the grid assessment with the combination of the actual situation.

key indicators；databases；world-class；quantitative assessment

TM71

A

1003-8930（2016）02-0082-05

10.3969/j.issn.1003-8930.2016.02.013

王旭（1972—），男，碩士，高級工程師，主要從事電網規劃及相關管理工作，xu.wang@js.sgcc.com.cn

黃俊輝（1965—），男，本科，高級工程師，主要從事電網規劃及相關管理工作，huangjh@js.sgcc.com.cn

談健（1973—），男，碩士，高級工程師，主要從事負荷預測、能源經濟方面的研究工作；tanjian@js.sgcc.com.cn

2015-08-06；

2015-09-17

省級公司“世界一流電網”建設評估與決策優化關鍵技術及應用研究（國網科技項目）（GHJS1500008）