智能投影尋蹤方法在能效分級測評中的應用

馬立新，原曉琴，項　慶

（上海理工大學光電信息與計算機工程學院，上海 200093）

智能投影尋蹤方法在能效分級測評中的應用

馬立新，原曉琴，項慶

（上海理工大學光電信息與計算機工程學院，上海 200093）

為了深入研究電力能效測評系統采集海量數據并精細量化節能方案，根據電能質量國際標準，引入能效等級概念從多維度評測電力能效狀態。首先建立能效的投影尋蹤等級評價模型，采用人工魚群算法尋求最佳投影方向，并將該模型應用于電力能效等級的評價。研究表明，基于人工魚群算法的投影尋蹤等級評價模型對用電單位進行能效分析及評級，能精細量化反映用電單位的能效狀態。評測過程無需人為確定權重，避免了傳統評價方法因主觀原因造成的誤差。實例計算表明，評價結果具有較高的準確性和可行性。測評方法簡捷高效，為能效分級與測評提供了新算法。

用電單位；能效等級；人工魚群算法；投影尋蹤

新電改方案明確提出要堅持節能減排，并積極開展電力需求側管理和能效管理。能效測評系統助力企業節能減排。能效評測與分級是能效測評的重要依據。對企業進行能效測評與分級不僅可以讓企業根據自身能效狀況制定節能改造方案，進行有序用電、智能用電、節約用電，而且能夠促進該企業產能升級，提升用電對象的能效水平，為達到與發電企業直接交易購電的國家準入標準奠定了基礎［1］。

長期以來，我國的能效測試與評估工作進展緩慢，社會上大部分能效評估僅針對單臺用能設備，而對用能系統的能效測評與分級的研究工作開展較少。文獻［2-4］分別采用的層次分析法、模糊數學法、概率統計等評估方法定量評估電能質量。但上述方法均較強地依賴于人的主觀分析，而影響了評估結果的客觀性。本文將基于人工魚群算法AFSA（artificial fish school algorithm）的投影尋蹤PP（projection pursuit）理論應用于能效測評系統，建立企業的AFSA-PP能效分級模型。測評過程完全不受人為因素影響，測評等級能充分反映企業的能效狀況。

1　電力能效投影尋蹤模型的構建

投影尋蹤［5］是用來處理和分析高維數據的一種有效方法，其基本思想是：將散布于高維空間的數據投影到低維子空間上，通過優化投影指標，尋找出能反映高維數據結構的投影，在低維空間上對數據進行分析，以達到分析高維數據的目的。根據給定的判別標準，利用投影特征值對評價樣本進行等級評價，建立投影尋蹤等級評價PPE（projection pursuit grade evaluation）模型。投影尋蹤等級評價模型的建模步驟如下。

1）樣本評價指標歸一化處理

設能效等級值為y（i），各指標值的樣本集為｛x*（i，j）|i=1，2，···，n；j=1，2，···，p｝，其中x*（i，j）為第i個樣本的第 j個投影指標。對數據進行歸一化處理的目的是消除各指標量綱不同的影響，統一各指標值的變化范圍。對于越大越優和越小越優的指標分別為

式中：xmax（j）為第 j個指標值的最大值；xmin（j）為其最小值；x（i，j）為指標值歸一化后的序列。

2）構建投影指標函數

把p維數｛x（i，j）|j=1，2，···，p｝投影到以 a=｛a（1），a（2），···，a（p）｝為投影方向的一維投影值z（i），即

投影目標函數為

式中：Sz為投影值z（i）的標準差；Dz為投影值z（i）的局部密度；Rzy為z（i）與y（i）的相關系數；r（i，j）為樣本之間的距離；R為局部密度的窗口半徑，（rmax+ p/2）≤R≤2p，rmax=max r（i，j）；u（R-r（i，j））為單位階躍函數，當R≥r（i，j）時，其值為1，反之為0；Ez為｛z（i）|i=1，2，…，n｝的平均值；Ey為｛y（i）|i=1，2，…，n｝的平均值。

3）計算最佳投影方向

通過分析式（5）可知，Q（a（j））的值隨著投影方向a的變化而變化。因此可通過求解投影目標函數最大化問題來尋找最佳投影方向，即求解

本文采用人工魚群算法來解決上述優化問題。

4）能效等級評價

在獲得最佳投影方向之后，計算各樣本點的投影值z（i），將z（i）排列后可以得到樣本集投影值的散點圖，投影值與等級值一一對映，投影值越大，反映能效水平越好。通過對散點圖中各段進行線性插值近似得到一個分段連續函數，即為能效等級評價的數學模型。實例中將待評價樣本進行歸一化處理后計算得到投影值，將投影值代入能效等級評價模型即可得到此樣本所屬等級。

2　人工魚群算法的優化過程

人工魚群算法的基本思想［6］是：在一片水域中，魚生存數目最多的區域一般就是本水域中富含營養物質最多的地方，依據這一特點來模仿魚群的覓食、聚群和追尾行為，從而實現全局尋優。

人工魚群算法主要實現步驟如下：

步驟1初始化，定義參數人工魚群的規模N，在定義域的范圍內隨機產生魚群的位置，對人工魚群的感知距離Visual，移動的最大步長Step，擁擠度因子δ及覓食行為的最大嘗試次數try_number進行初始化定義；

步驟2判斷是否達到最大迭代次數，如果未達到，則執行步驟3，否則執行步驟4；

步驟3執行行為選擇策略，選擇合適的行為進行下一步移動，調整魚群的位置；

步驟4算法結束，輸出最優解。圖1所示為人工魚群算法尋優流程［7］。

圖1　人工魚群算法尋優流程Fig.1　Flow chart of artificial fish school algorithm optimization

3　實例分析

3.1電力能效指標體系構建及分級

目前，國家對整個用電系統的能效測評與分級的工作開展較少，尚未建立統一的能效標準。本文從多角度提取能反映企業電力能效的指標，綜合考慮電能能效、經濟能效和環保能效，參照電能質量國家標準及國家環保標準，選取能效指標并制定能效指標分級標準。

根據半年中能效測評系統對某企業的各個用電對象的監測，對得到的數據進行分析，最后篩選出9項反映該電力企業的能效指標，分別是電力系統頻率允許偏差、電流諧波總畸變率、電流諧波奇次畸變率、電流諧波偶次畸變率、供電電壓允許偏差、三相電壓允許不平衡度、功率因數、萬元經濟增加值和硫排放［8］。

本文根據能效測評對象的特性，參照電能質量標準以及環保標準，將能效狀況劃分為以下7個等級：優質、良好、合格、輕微污染、輕度污染、中度污染、重度污染［9］。這種劃分方法不僅能細致、清晰、全面地評估能效狀況，而且能從等級中推測出用電系統的主要用電設備類型，進而給出相應的節能減排方案。

3.2實例分析

表1是上海市某企業電力能效指標的2014年8月某天的測試數據。

將能效的各單項指標進行分級，如表2所示。根據隨機分布的原理，在上述區間生成任意多的樣本，同理也可以在其他等級內生成同樣多的樣本，然后對樣本進行歸一化處理。本實例從樣本集中選用350個樣本集。樣本集記為｛x（i，j），y（i）｝，且i=1，2，···，350，j=1，2，···，9。利用上述方法建立電力能效投影尋蹤模型。

表1　上海市某企業的電力能效指標測試數據Tab.1　Electric power energy efficiency index data of the enterprise in Shanghai

本文采用Matlab R2013a軟件進行分析，經過多次試驗選定人工魚群算法參數：人工魚群規模N=30，感知距離Visual=0.3，移動步長Step=0.3，擁擠度因子δ=0.3。經計算得到最佳投影方向a*=［0.275，0.320，0.342，0.290，0.313，0.361，0.334，0.335，0.411］.

將a*代入式（2）得到一維最佳投影值

通過樣本集投影值的散點圖得到能效等級評價的數學模型為

將表1的數據標準化后與最佳投影方向相乘，即可找到反映該企業電力能效狀況的最佳投影值z（i）=2.178，將最佳投影值代入式（10），即可得到y（i）=2.928。

采用本文評估方法得到的結果是2.928級，即該企業的電力能效等級是合格，離良好等級2級還有較大差距。通過分析該各個節點的數據，得出該企業電流諧波畸變指標和硫排放指標對結果影響較大，可以采取安裝諧波治理裝置和脫硫裝置的措施進行相應的節能改造。而運用文獻［2-4］的方法得到的評估等級是第3等級，只能粗略地判定評估等級，而本文的方法不僅可以判定等級，而且能反映處于該等級的程度，評估結果更準確細致。

表2　能效指標分級標準Tab.2　Grading standards of energy efficiency index

4　結語

本文利用投影尋蹤模型對能效進行預測，采用人工魚群算法對模型進行優化，選取9個能效指標、350個樣本進行了能效實例預測及分級。評價過程中無需人為確定權重，具有較高的預測準確度，評價方法有效可行。將投影尋蹤模型應用于能效測評與分級，不僅能反映用能系統的電力能效水平，而且適應了新電改中智能電網發展的需要。應用實例表明，該方法預測及分級效果準確有效，可以直接衍生在電力能效測評系統中，具有很好的實用價值。

［1］徐永海，肖湘寧（Xu Yonghai，Xiao Xiangning）.電力市場環境下的電能質量問題（Power quality problems in deregulated power systems）［J］.電網技術（Power System Technology），2004，28（22）：48-52.

［2］趙霞，趙成勇，賈秀芳，等（Zhao Xia，Zhao Chengyong，Jia Xiufang，et al）.基于可變權重的電能質量模糊綜合評價（Fuzzy synthetic evaluation of power quality based on changeable weight）［J］.電網技術（Power System Technology），2005，29（6）：11-16.

［3］唐會智，彭建春（Tang Huizhi，Peng Jianchun）.基于模糊理論的電能質量綜合量化指標研究（Research on synthetic and quantificated appraisal index of power quality based on fuzzy theory）［J］.電網技術（Power System Technology），2003，27（12）：85-88.

［4］江輝，彭建春，歐亞平，等（Jiang Hui，Peng Jianchun，Ou Yaping，et al）.基于概率統計和矢量代數的電能質量歸一量化與評價（Power quality unitary quantification and evaluation based on probability and vector algebra）［J］.湖南大學學報：自然科學版（Journal of Hunan University：Natural Sciences），2003，30（1）：66-70.

［5］付強，趙小勇.投影尋蹤模型原理及其應用［M］.北京：科學出版社，2006.

［6］李曉磊（Li Xiaolei）.一種新型的智能優化方法——人工魚群算法（A New Intelligent Optimization Method——Artificial Fish School Algorithm）［D］.杭州：浙江大學電氣工程學院（Hangzhou：College of Electrical Engineering，Zhejiang University），2003.

［7］李曉磊，邵之江，錢積新（Li Xiaolei，Shao Zhijiang，Qian Jixin）.一種基于動物自治體的尋優模式：魚群算法（An optimizing method based on autonomous animals：fish-swarm algorithm）［J］.系統工程理論與實踐（Systems Engineering-Theory&Practice），2002，22（11）：32-38.

［8］劉穎英，徐永海，肖湘寧（Liu Yingying，Xu Yonghai，Xiao Xiangning）.地區電網電能質量綜合評估新方法（Analysis of new method on power quality comprehensive evaluation for regional grid）［J］.中國電機工程學報（Proceedings of the CSEE），2008，28（22）：130-136.

［9］歐陽森，楊家豪，石怡理（Ouyang Sen，Yang Jiahao，Shi Yili）.基于競爭機制的電能質量動態評估方法（Dynamic evaluation method of power quality based on the competitive mechanism）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2015，27（2）：1-7.

Application of Intelligent Projection Pursuit Method in Classification of Energy Efficiency Evaluation

MA Lixin，YUAN Xiaoqin，XIANG Qing
（School of Optical-Electrical and Computer Engineering，University of Shanghai for Science and Technology，Shanghai 200093，China）

To deeply research the electric power energy efficiency evaluation system which collects a vast amount of data，and quantify the energy-saving scheme in detail，the concept of energy efficiency grade is introduced to multidimensionally evaluate the power state of energy efficiency according to the national standard of power quality.A projection pursuit grade evaluation model of energy efficiency is established first，then artificial fish school algorithm（AFSA）is used to seek the optimal projection direction.This model is applied to the evaluation of electric power energy efficiency grade.Results show that energy efficiency analysis and classification of power units using projection pursuit grade evaluation model based on AFSA reflects the state of energy efficiency of power units quantitatively.The evaluation is processed without artificial weights to avoid the traditional evaluation method of error due to subjective reasons.Example calculation shows that the evaluation result has high accuracy and feasibility.The evaluation method is simple and efficient，and provides a new algorithm for the classification and evaluation of energy efficiency.

power unit；energy efficiency grade；artificial fish school algorithm（AFSA）；projection pursuit

TM73

A

1003-8930（2016）10-0008-04

10.3969/j.issn.1003-8930.2016.10.002

2015-06-11；

2016-01-18

馬立新（1960—），男，博士，教授，研究方向為電能質量監控與能效測評技術、智能電網與智能科學、電氣設備狀態監測與診斷、電力系統分析與優化運行、風光發電智能控制系統。Email：malx_aii@sina.com

原曉琴（1990—），女，通訊作者，碩士研究生，研究方向為電能質量監控與能效測評技術。Email：zdhyuanxiaoqin@163.com

項慶（1991—），男，碩士研究生，研究方向為電能質量監控與諧波治理。Email：330378874@qq.com