研究背景与问题:

在现代电力系统中，电能质量的优劣对设备和用户都有直接影响。随着电网的不断扩展和负载多样性的增加，电能质量问题越来越引起重视。然而，电能质量综合评估过程中，如何合理选择评估指标以及如何准确处理指标实测数据中的不确定性问题成为了研究的难点。现有的评估方法往往忽略了指标选择和数据处理之间的耦合效应，难以得到可靠的评估结果。

研究方法:

针对上述问题，本研究提出了一种基于最小二乘法–遗传算法（LSM-GA）和改进可变模糊集（variable fuzzy set，IFS）的电能质量综合评估方法。首先，利用最小二乘法确定指标权重的最优解，以克服传统模糊综合评价法中权重分配的主观性。其次，结合遗传算法进行优化，提高算法的全局搜索能力和鲁棒性。此外，针对指标实测数据处理的不确定性，提出了一种改进的可变模糊集模型，将指标的模糊性转化为可变的模糊集，使评估过程更加客观和可靠。

核心结果:

实证研究表明，基于LSM-GA和IFS的电能质量综合评估方法在处理电能质量数据时表现出较高的准确性和有效性。与传统方法相比，本方法具有以下优势：1）通过遗传算法优化权值，提高评价结果的一致性和稳定性；2）改进的可变模糊集模型能够更准确地反映指标模糊性，使得评价过程更为科学合理；3）该方法能够有效识别和剔除异常值，提高评估结果的真实性。

结论与意义:

本研究提出的方法为电能质量综合评估提供了一种新颖的解决方案。首先，该方法能够充分考虑指标选择和数据处理的不确定性问题，从而提高了评价结果的质量和可信度；其次，该方法具有较强的泛化能力和适应能力，适用于不同场景的电能质量评估；最后，本研究的成果为电能质量监测、优化和改善提供了理论依据，对提高电力系统的稳定性和可靠性具有重要的实际意义。