深度｜基于KPCA-MEE的电力市场售电公司信用评价研究

(1)样本数据采集。以 4 家售电公司(分别为 ZG 电气、HR 电力、Y 电力、NMH  电)经处理后的运营数据为样本进行算例实证分析，应用上文所构建的售电公司信用评价指标体系，采用KPCA-MEE  模型进行综合评价。为保证模型适用性，样本企业中包含了独立的售电公司、由发电集团企业内部组建的售电公司等多种不同性质的售电公司。具体数据如表 3 所示。

(2)该售电公司的信用评价指标体系中，部分指标值越小代表风险越小，部分指标越大代表信用水平越低，为排除各个评价指标值量纲和数量级的不同对结果造成的影响，首先需要对售电公司各信用评价指标和评价的等级标准数据进行预处理。

(3)选取多项式为本试验的核函数，取值为 s=0.000 015，m = 0.03，d = 3，则

价，同时 4 个主元所对应的贡献率经数据归一化处理后即为 KPCA-MEE 评价模型中所应用的指标权重(0.574 754 53，0.256 402  47，0.106 286 061，0.062 556 939)。

3.2 MEE 物元可拓评价

利用通过 KPCA 法所得的综合指标及其权重，将处理后数据代入 MEE 评价模型中，计算关联度结果如表 5 所示。

通过表 5 可以看出，ZG 电气的信用水平对Ⅱ级的隶属度高，为 0.091 465 594;HR 电力和Y 电力的信用水平对Ⅰ级的隶属度高，分别为0.117 890 455 和 0.111 574 501;NMH 电的信用水平对Ⅳ级的隶属度高，为 0.062  435 975。因此，4 个样本售电公司中，NMH 电的信用等级最高，信用水平属于Ⅳ级;HR 电力和 Y 电力的信用评级最低，都属于Ⅰ级;ZG  电气虽然拥有最大年售电量，但综合考虑 ZG 电气的市场交易行为表现，其信用水平并没有被单一地评判为高级，而是处于Ⅱ级，属于中下游水平。

该算例可证明，本文所构建的模型不仅考虑了供电规模，更兼顾了供电可靠性、安全性等方面，能够较为准确合理地评价市场上各售电公司的信用等级，具有较高的准确性和客观性，对购电主体选择交易对象具有较大的参考价值。同时可以进一步说明经过  KPCA 处理指标之后进行MEE 信用评价，能够有效剔除冗杂信息并得到科学合理的评价结果，提升评价的准确性和客观性。

4 结语

本文将核主成分分析法和物元可拓模型结合起来，构建了 KPCA-MEE  售电公司综合信用评价模型，实现优化售电公司信用评价指标体系、客观合理地评价售电公司信用水平的目标。并应用模型对 4  家售电公司的信用水平进行评价，KPCA-MEE  售电公司综合信用评价模型所得结果与现实情况一致，说明该模型具有较高的可靠性和合理性，可以为电力市场针对售电公司的选择决策提供依据，在一定程度上维护电力市场稳定平衡。

参考文献：

赵琳, 张富春, 董兴华, 等. 大电力客户信用综合评价体系研究[J].

电力科学与工程, 2016, 32(1): 31–36.

ZHAO Lin, ZHANG Fuchun, DONG Xinghua,et al. Research oncomprehensive  assessment system of large electricity customercredit[J]. Electric Power Science  and Engineering, 2016, 32(1):

31–36.[1]

王宇哲, 雷霞, 陈晓盛, 等. 基于 BP 神经网络电力大客户信用等级评价研究[J]. 电力需求侧管理, 2015, 17(5): 49–53.

WANG Yuzhe, LEI Xia, CHEN Xiaosheng, et al. Large powercustomer credit rating  based on BP eural network[J]. Power DSM,

2015, 17(5): 49–53.

ZHU R, LIANG Q, ZHAN H. Analysis of aero-engine performance and ion  based on fuzzy comprehensive evaluation[J]. Procedia Engineering, 2017, 174:  1202–1207.

[3]王敬敏, 孙艳复, 康俊杰. 基于熵权法与改进 TOPSIS 法的电力企业竞争力评价[J]. 华北电力大学学报 (自然科学版), 2010,  37(6):61–64.

WANG Jingmin, SUN Yanfu, KANG Junjie. Evaluation of competitive of power  enterprises based on entropy and improved

TOPSIS[J]. Journal of North China Electric Power University (Natural Science  Edition), 2010, 37(6): 61–64.

[4]张勇刚, 张学伟, 高远,等. 物元可拓法在烤烟感官质量评价中的应用[J]. 西北农业学报, 2010, 19(10): 96–100.

ZHANG Yonggang, ZHANG Xuewei, GAO Yuan, et al. Application of matter-element  extension in sensory quality evaluation of flue-cured tobacco[J]. Acta  Agriculturae Boreali-Occidentalis Sinica,2010, 19(10): 96–100.

[5]李向东, 李南. 基于物元可拓分析的高新技术产业安全研究[J]. 科学学与科学技术管理, 2009, 30(2): 142–147.LI  Xiangdong, LI Nan. The evaluation of security for hi-tech industry based on  hierarchy method[J]. Science of Science and Management of S.&T., 2009,  30(2): 142–147.

[6]牛东晓, 马天男, 王海潮,等. 基于 KPCA 和 NSGAⅡ优化 CNN 参数的电动汽车充电站短期负荷预测[J]. 电力建设, 2017,  38(3):85–92.

NIU Dongxiao, MA Tiannan, WANG Haichao, et al. Short-term load foreing of  electric vehicle ging station based on KPCA and CNN parameters optimized by  NSGAⅡ[J]. Electric Power Construction, 2017, 38(3): 85–92.

[7]彭张林, 张爱萍, 王素凤,等. 综合评价指标体系的设计原则与构建流程[J]. 科研管理, 2017, 38(S1): 209–215.

PENG Zhanglin, ZHANG Aiping, WANG Sufeng, et al. Designing principles and  constructing processes of the comprehensive evaluation indicator system[J].  Science Research Management, 2017,38(S1): 209–215.

[8]李菁苗, 吴吉义, 章剑林,等. 电子商务环境下中小企业信用评价[J]. 系统工程理论与实践, 2012, 32(3): 555–560.

LI Jingmiao, WU Jiyi, ZHANG Jianlin, et al. Study on SMEs credit evaluation  system in e-commerce environment[J]. System Engineering-Theory &Practice,  2012, 32(3): 555–560.

[9]郭宏. 创业板上市公司基于新指标视角的发展能力评价模型及应用研究[J]. 工业技术经济, 2016, 35(12): 76–83.

GUO Hong. The development capability evaluation model based on the new index  of GEM listing corporation application research[J].

[10]Journal of Industrial Technological Economics, 2016, 35(12): 76–83.郑和忠, 魏长江,  王树华. 基于主成分分析和核主成分分析的地震属性优化的研究[J]. 青岛大学学报 (自然科学版), 2017, 30(3):76–80.

ZHENG Hezhong, WEI Changjiang, WANG Shuhua. Seismic attribute optimization  research based on principal component analysis and kernel principal component  analysis[J]. Journal of Qingdao

University(Natural Science Edition), 2017, 30(3): 76–80.

[11]吕蔚,王新峰, 孙智信. 基于核主成分分析的高校科技创新能力评价研究[J]. 国防科技大学学报, 2008, 30(3): 81–85.

LV Wei, WANG Xinfeng, SUN Zhixin. Application of the kernel principal  component analysis method to university S&T innovation capability  evaluation[J]. Journal of National University of Defense

Technology, 2008, 30(3): 81–85.

[12]JIANG L L, DENG Z Q, TANG S W. KPCA denoising and its application in  machinery fault diagnosis[J]. Applied Mechanics&Materials, 2011,  103:274-278.

[13]杜卓明, 屠宏, 耿国华. KPCA 方法过程研究与应用[J]. 计算机工程与应用, 2010, 46(7): 8–10.

DU Zhuoming, TU Hong, GENG Guohua. KPCA method research and application  process[J]. Computer Engineering and Applications,2010, 46(7): 8–10.

[14]李义超, 廖枝灵, 杜易成. 基于物元可拓模型的地方政府信用风险评估及对策[J]. 经济经纬, 2016, 33(4): 133–138.

LI Yichao, LIAO Zhiling, DU Yicheng. Local government credit risk assessment  and ermeasures based on element extension model[J]. Economic Survey, 2016,  33(4): 133–138.

[15]何玉钧, 刘毅, 周生平. 基于物元可拓模型的电力通信网风险评估[J]. 电力系统保护与控制, 2017, 45(14): 64–69.

HE Yujun，LIU Yi，ZHOU Shengping. Risk evaluation for electric power  communication network based on matter-element extensible model[J]. Power System  Production and Control, 2017, 45(14):

64–69.

[16]张晶晶,马传明,匡恒,等. 青岛市土壤重金属污染的物元可拓评价[J]. 中国环境科学, 2017, 37(2): 661–668.

ZHANG Jingjing, MA Chuanming, KUANG Heng, et al. Assessment of heavy metals  pollution in soil of Qingdao based on matter-element extension model[J]. China  Environmental Science, 2017, 37(2):661–668.

[17]林立. 基于物元可拓模型的中国地方政府融资平台风险研究[J].

经济理论与经济管理, 2012(5): 65–71.

LIN Li. Research on the risks of the local government financing platform  based on entropy-weight and matter-element model[J].

Economic Theory and Business Management, 2012(5): 65–71.