Content uploaded by Leijiao Ge
Author content
All content in this area was uploaded by Leijiao Ge on Jul 25, 2021
Content may be subject to copyright.
第53 卷 第11 期
2020 年11 月
天津大学学报(自然科学与工程技术版)
Journal of Tianjin University(Science and Technology)
Vol. 53 No. 11
Nov. 2020
收稿日期:2020-04-02;修回日期:2020-05-23.
作者简介:葛磊蛟(1984— ),男,博士,讲师.
通信作者:葛磊蛟,legendglj99@163.com.
基金项目:国家自然科学基金资助项目(51807134).
Supported by the National Natural Science Foundation of China(No. 51807134).
DOI:10.11784/tdxbz202004006
智能配电网态势感知实现效果综合评估模型
葛磊蛟 1,李元良 1,汪宇倩 2
(1. 天津大学智能电网教育部重点实验室,天津 300072;2. 三一重机有限公司,苏州 215300)
摘 要:作为衡量配电网智能化水平的重要途径,智能配电网态势感知已成为保证配电网安全、稳定运行的关键技
术.针对配电网设备多样、运行多态而态势感知差异大的特征,为实现对智能配电网态势感知实现效果的定量分
析,本文建立了智能配电网态势感知实现效果综合评估模型,包括综合评估指标体系和评估方法.其中,综合评估
指标体系包括设备状态监测水平、电能质量监测水平、电网可靠性水平、电网自愈能力、电网消纳可再生能源水平
5个方面一级指标,以及共计 17 个二级指标,实现对智能配电网态势感知实现效果的客观量化.综合评估方法方
面,考虑到主观评估方法的专家意见偏好性与客观评估方法的强样本依赖性,本文采用基于二项系数方法和多目标
规划方法相结合的主客观混合评估方法对综合评估指标体系进行赋权.典型配电网案例验证了该模型的可行性和实
用性.本文所提出的智能配电网态势感知实现效果综合评估模型客观准确反映了配电网运行状况,消除了单一评估
方法的片面性,有效提升了智能配电网的可观测度,实现了对配电网薄弱环节和潜在风险的分析,可为后续配电网
态势感知领域的综合评估工作提供借鉴.
关键词:智能配电网;态势感知;综合评估模型;主客观混合评估方法
中图分类号:TM744 文献标志码:A 文章编号:0493-2137(2020)11-1101-11
Comprehensive Evaluation Model for Situational Awareness
Effects of a Smart Distribution Network
Ge Leijiao1,Li Yuanliang 1,Wang Yuqian2
(1. Key Laboratory of Smart Grid of Ministry of Education,Tianjin University,Tianjin 300072,China;
2. Sany Heavy Machinery Ltd.,Suzhou 215300,China)
Abstract:Situational awareness (SA) in a smart distribution network (SDN) is considered as a significant process
that ensures its stable operation and determines its intelligence level. An SDN is characterized by equipment diversity
and polymorphic operation. In order to quantitatively analyze the SA effects of an SDN,a comprehensive evaluation
model that includes comprehensive evaluation indicators and evaluation methods was proposed. The comprehensive
evaluation indicator system consists of five aspects: the monitoring level of equipment status and power quality,
reliability,self-healing capability,and consumption level of renewable energy,which is five aspects of first-level
indicators and a total of 17 second-level indicators. In terms of comprehensive evaluation methods,this study use
d
binomial coefficient method-based,subjective weighting and multi-objective programming method-based,objective
weighting in order to weight the proposed indicator system. The expert scoring ambiguity of the subjective evaluation
method and the sample dependence of the objective evaluation method were both considered. A case was used to ver-
ify the feasibility and practicality of the proposed model. The comprehensive evaluation model that was developed fo
r
the SA effects of the SDN accurately reflects the operational status of the distribution network,eliminates the one-
sidedness of the single evaluation method,improves the observability of the SDN,analyzes the weak links and poten-
tial risks of the SDN,and provides technical support for the comprehensive evaluation in the field of SA of an SDN.
·1102· 天津大学学报(自然科学与工程技术版) 第53 卷 第 11 期
Keywords:smart distribution network;situational awareness;comprehensive evaluation model;subjective and
objective hybrid method
智能配电网态势感知是配电网安全稳定可靠运
行的重要基础,也是新一代配电自动化系统的重要组
成部分,态势感知实现效果的好坏决定了配电网的智
能化发展水平和运营效益[1-2],但配电网设备多样、运
行多态,配电自动化系统、配电能量管理系统等不同
区域、场景的差异较大,态势感知的实施情况差异
大.若能对态势感知实现效果进行综合评估,可及时
发现配电网的薄弱环节和潜在危险,提升配电网的可
见性,从而为主动智能防控提供参考信息.由此,亟
需构建一套多层次、多维度的智能配电网态势感知实
现效果综合评估模型,以充分利用配电网的监测数
据,维护智能配电网运行可靠性与稳定性,为电力运
营商的决策调度、运行管理提供有效的技术指导.
近几年,态势感知技术逐渐应用于智能配电网领
域,但现有的研究主要集中于配电网的特定性能或配
电网与状态评估之间的关系上,针对智能配电网态势
感知实现效果指标所提出的综合评估方法较少[3-6].
文献[3]基于同步相量测量单元对大型电网态势进行
综合评估,实现电网安全性能分析,但量测信息匮乏
的配电网不适用于该类方法.文献[4]通过加权最小
二乘法进行状态估计,实现对配电网实时量测数据的
处理,并借助于层次分析法将实时运行状态量化表
示;文献[5]提出了基于序关系和熵权法的组合赋权
法评估配电网的健康状况.
智能配电系统规模庞大、节点众多且分布广泛,
受用户终端影响较大,是一个巨大繁杂的综合能源聚
集地.为全面系统地掌控评估配电网态势感知的实
现效果,高效处理系统采集的繁杂数据,向操作人员
提供指导性的决策辅助,开展智能配电网态势感知实
现效果的综合评估体系构建及评估方法研究意义重
大.本文建立了一套科学系统的态势感知实现效果
评估指标体系,提出二项系数法与多目标规划法组合
赋权的智能配电网态势感知实现效果综合评估方法,
最终结合天津市典型区域配电网数据采用提出的智
能配电网态势感知实现效果综合评估模型进行了合
理性验证.
1 智能配电网的态势感知
1.1 态势感知的定义及内涵
态势感知技术首次提出于美国,后在航空飞行领
域、海上航行领域及应急管理领域广泛应用[7-10],现
已逐步应用于配电网领域[11-17].智能配电网态势感
知共分为 3个阶段:态势觉察、态势理解和态势预
测.其具体定义为在一定的时空尺度上综合检测智
能配电网的运行环境、设备状况,确定运行状态,分
析可能引起态势感知变化的因素,预测未来智能配电
网的变化趋势[18],智能配电网态势感知模型如图 1
所示.
图1 智能配电网态势感知模型
Fig.1 Situational awareness model for smart distribution
networks
1.2 智能配电网态势感知实现效果综合评估面临的
问题
随着国际社会对智能配电网建设的日益关注,差
异化场景下智能配电网态势感知实现效果的综合评
估目前面临许多研究难题.
(1) 与传统配电网络相比,大量间歇性电源的接
入导致配电网系统形成独有的电源结构,使智能配电
网的运行状态更加灵活和多变[19],增加了分布式能
源的随机性、负荷的不确定性,给智能配电网态势感
知带来障碍.
(2) 步入信息化时代后,众多新型设备引入智能
配电网,同时电力用户对配电网电能质量、供电可靠
性等提出更高要求,导致配电系统需要检测的数据规
模与种类激增,加重了智能配电网态势感知的数据处
理负担.
(3) 配电网态势感知实现效果的综合评估指标
体系尚不健全,评估角度较片面.现阶段研究聚焦于
配电网的特定性能或配电网与状态评估之间的关系
上[20],如可靠性、安全性等,或是运行状态、调度控制
等;建立的综合评估模型受制于地域间经济水平和规
划的差异,兼容性较差.
(4) 相关综合评估方法不足,单一的评估方法存
在局限性.配电网态势感知领域单一使用主观或客
观评估方法的现象仍然比较常见,且评估方法大多采
用熵权法或层次分析法,必然会导致综合评估结果存
在片面性.
2020 年11 月 葛磊蛟等:智能配电网态势感知实现效果综合评估模型 ·1103·
2 智能配电网态势感知实现效果综合评估指
标体系
2.1 综合评估指标体系构建原则
构建一个综合评估指标体系是实现智能配电网
态势感知实现效果综合评估的基础,指标的合理选取
又是综合评估指标体系建立的前提.为避免提出的
指标体系脱离实际场景,指标选取应遵循如下原则.
(1) 兼容性原则.为 保证态势感知实现效果可
顺利量化,需保证输入数据的易获取性以及指标量化
公式的可计算性,使综合评估指标体系兼容多类配电
网环境.
(2) 实时性与高效性原则.配电网量测信息冗
杂,若不对指标进行精炼,数据处理耗时将影响智能
配电网态势感知的在线监测效果,所以指标的量化需
考虑实时性与高效性,尽量选取具有代表性的指标,
提升运算效率.
(3) 实用性与合理性原则.选取的指标应具有
实际应用价值,保证上下层级的指标之间应具备逻辑
关系,同一层级的指标应从不同角度对上一级指标进
行描述,做到对态势感知实现效果的全面评估.
2.2 综合评估指标体系
基于上述提及的态势感知实现效果综合评估难
题与指标体系构建原则,本文从设备状态监测水平、
电能质量监测水平、电网可靠性水平、电网自愈能
力、电网消纳可再生能源水平 5个角度对智能配电网
态势感知实现效果进行综合评估,建立了如图 2所示
的面向目标的智能配电网态势感知实现效果综合评
估指标体系,其满足配电网利益相关者的需求,为构
建综合评估模型奠定了基础.
2.2.1 设备状态监测水平 A
智能配电网在传统配电网基础上引入了PMU、
智能电表、TTU、RTU 等新型设备,构建了智能配电
网态势感知体系的硬件基础,配电网设备的部署将影
响智能配电网的可观测性和设备冗余度,进而影响态
势感知的精度.
1) 智能电表覆盖率 A1
实现态势感知首先要求构建高级量测体系,而智
能电表是建设高级量测体系的关键一环,其承担着电
能数据采集、计量、传输和处理工作,有利于电网与
用户的双向互动.智能电表覆盖率 A1是指定配电网
范围内智能电表数量与节点数量的比值,即
1sp
/=ANN
(1)
式中:Ns表示指定配电网范围内的智能电表数量;Np
图2 智能配电网态势感知实现效果综合评估指标体系
Fig.2 Evaluation index system of smart distribution net-
work situational awareness effect
表示指定配电网范围内的节点数量.
2) 电网资产利用率A2
电网资产利用水平反映配电网调度效果和电力
市场效果,代表配电网的趋优运营水平,是实现电力
市场和优化调度的关键,间接反映态势理解和态势预
测的实现效果.电网资产利用率A2指一定配电网范
围内运行效益与总电力成本的比值,即
wDE
2w
11
AD
=(ES+IM) SP 1 8760
==
⎡⎤
⎛⎞
×−
⎢⎥
⎜⎟
⎝⎠
⎣⎦
∑∑
TN
i
jj i
ji
AT
(2)
式中:ESj和IMj分别是第j小时的售电收益和环境
效益;SPi指电力设备 i的成本;NDE 指电力设备的数
量;ADi指电力设备 i的老化系数;Tw指所选取的时
间范围.
3) 需要系数 A3
需要系数体现了智能配电网态势感知体系中资
源配置的合理程度,是指定配电网范围内用电设备在
实际状态下与额定负载时所需功率的比值,即
sj
3
n
100%=×
P
A
P (3)
式中:Psj 为指定配电网范围内实际用电设备的所需
功率;Pn为指定配电网范围内额定负载状态下用电
设备的所需功率.
2.2.2 电能质量监测水平 B
为保证配电网的稳定趋优运营,智能配电网态势
·1104· 天津大学学报(自然科学与工程技术版) 第53 卷 第 11 期
感知系统需实时监测配电网电能质量,及时反馈配电
网运行中的不稳定因素.
1) 电压越限率 B1
配电网节点电压越限可能会造成电力系统的不
稳定,是电能质量中关注的重点问题.电压越限率 B1
由指定配电网范围和时间范围内节点电压越限的严
重程度表示,其计算公式为
p
wlim
1nodewp
0
0
=()d/()
=
∑∫
N
T
i
BPttTN
(4)
,min ,min ,min
lim
node ,max ,min
,max ,max ,max
() ()
() 0 ()
() ()
⎧−<
⎡⎤
⎣⎦
⎪
⎪
=⎨
⎪−>
⎡⎤
⎪⎣⎦
⎩
iii ii
iii
ii i i i
VVtV VtV
Pt V Vt V
Vt V V Vt V
≥≥
(5)
式中:Vi,max 指节点 i的额定状态上限电压;Vi,min 指节
点i的额定状态下限电压;Vi(t)指节点 i当前时刻的
工作电压.
2) 潮流越限率 B2
当配电网出现潮流越限的情况,若不及时矫正将
会降低电力系统稳定性,甚至使配电网瘫痪.潮流越
限率 B2由指定配电网范围和时间范围内节点潮流越
限的严重程度表示,其计算公式为
l
wlim
2linewl
0
0
=()d/()
=
∑∫
NT
i
BPttTN (6)
,max
lim
line
,max ,max ,max
0()
() () ()
⎧
⎪
=⎨−>
⎡⎤
⎪⎣⎦
⎩
ii
ii i ii
St S
Pt
St S S St S
≤
(7)
式中:Nl指所选取的配电网区域的支路数;Si,max 指支
路i的额定状态上限潮流;Si(t)指支路 i在t时刻的
潮流大小.
3) 电流畸变程度B3
电流畸变将影响电力设备的稳定工作,可能造成
发热、振动等非正常现象,降低电能供应质量从而影
响态势感知的实现效果.电流畸变程度B3可用各节
点谐波电流含量的最大值反映,其计算公式为
p
2
3,1,
12
=max /
ki i
iN k
BII
∞
=
⎛⎞
⎜⎟
⎜⎟
⎝⎠
∑
≤≤
(8)
式中:I1,i为节点 i的基波电流有效值;Ik,i为节点 i的
总谐波电流有效值.
2.2.3 电网可靠性水平 C
伴随多起重大停电事故为社会造成的经济损失,
电网可靠性水平已成为电力用户的关注焦点[21-23],同
样是衡量智能配电网态势感知水平的重要指标.
1) 供电可靠性 C1
供电可靠性表示指定配电网范围和时间范围内
用户有效供电时长与统计时长的比值,即
1kw
/
100%=×CTT (9)
式中Tk表示指定时间范围内的用户有效供电时长.
2) N-1线路比重C2
N-1原则指含N个元件的电力系统中若某一元
件发生故障而被切除后,其余元件能够通过协同作用
从而避免停电故障的发生.配电网供电线路满足
N-1原则可有效提高配电系统的可靠性,提升配电网
态势感知的实现效果.N-1线路比重C2定义为指定
配电网范围中满足 N-1原则的线路数量占所有线路
的比重.
3) N-1变压器比重C3
电力变压器是输配电系统中的核心环节,满足
N-1原则可有效降低停电风险,保障电力用户的用电
需求.N-1变压器比重C3定义为指定配电网范围中
满足 N-1原则的变压器占所有变压器的比重.
4) 配电网故障率 C4
智能配电网态势预测的预警技术可以有效降低
配电网的故障概率,提升供电可靠性并降低停电损
失.配电网故障率 C4是指定配电网范围和时间范围
内电力设备发生故障的概率,直接体现了态势预测中
预警技术的效果.
DE
4fault,
1
=1 (1 )
=
−−
∩
N
i
i
CP
(10)
式中Pfault,i代表设备 i的故障概率,可以根据历史数
据获得.
2.2.4 电网自愈能力 D
电网自愈能力是智能电网的重要特征,态势感知
技术可为配电网自愈提供数据获取、分析与决策等技
术支撑,保障智能配电网的运维效果.
1) 配电网弹性D1
配电系统的弹性与脆弱性分析技术是智能配电
网态势理解的关键技术,对配电网弹性进行评估隶属
于态势理解技术的范畴.
图3描述了由预防、渗透、适应、恢复 4个阶段
组成的配电网弹性恢复过程,配电网通过适应阶段和
恢复阶段完成故障的自愈从而恢复稳定运行.
配电网弹性D1定义为指定配电网范围和时间范
围内实际供电负荷的积分与非故障状态负荷的积分
的比值,即
[]
44
11
1 nor fl nor
=1 () ()d ()d−−
∫∫
tt
tt
D
Pt Pt t Ptt (11)
式中:Pnor(t)代表 t时刻系统负荷的正常运行功率;
Pfl(t)代表 t时刻系统负荷的故障运行功率.
2020 年11 月 葛磊蛟等:智能配电网态势感知实现效果综合评估模型 ·1105·
图3 智能配电网弹性恢复过程
Fig.3 Recovery process of smart distribution network
2) 停电能量损失 D2
态势感知能够发现配电网中的供电隐患和薄弱
环节,预防配电网的故障发生,提升配电网的供电可
靠性,从而降低用户的损失.停电能量损失 D2描述
了指定配电网范围和时间范围内用户因系统停电造
成的电能损失,直接反映了智能配电网态势感知的感
知精度.
p
f,
1
2
=
=∑
N
ii
i
LTD (12)
式中:Tf,i为节点 i的负荷停电时间;Li为节点 i的平
均负荷.
3) 通讯延时D3
智能配电网自愈依赖于实时的数据传输,以供电
力系统及时准确决策,避免故障范围扩大.通讯延时
D3指智能配电网运行过程中通讯数据在系统内更新
所耗费的平均时间,具体数值可从管理部门调取.
3xn
=−
D
TT
(13)
式中:Tx表示电力数据在系统内更新的时刻;Tn表示
电力数据采集的时刻.
4) 故障自愈率 D4
故障自愈率 D4表示指定配电网范围和时间范围
内实现故障自愈的用户数与发生故障的用户总量的
比值.
4h g
= / 100%×DN N (14)
式中:Nh表示指定时间范围内实现故障自愈的用户
数;Ng表示指定时间范围内发生故障的用户数.
2.2.5 电网消纳可再生能源水平 E
以可再生能源为代表的分布式电源大量接入配
电网致使传统无源配电网转变为有源配电网[24],虽
然有助于配电网的节能高效运行,但同样给智能配电
网带来诸多不稳定因素,需要态势感知技术进行实时
监测与状态分析.
1) 分布式电源消纳能力 E1
作为智能配电网态势理解中的关键技术,电力系
统灵活性分析需对具有低可控性、强随机性和不确定
性特征的分布式电源及时管控.分布式电源消纳能
力E1定义为配电网实际吸收分布式电源的输出电量
与总负荷峰值的比值,其值越高则配电网的分布式电
源的消纳状况越稳定,客观反映了配电系统的灵活
性.其计算公式为
D1Gm
=/PEP (15)
式中:PDG 表示指定配电网区域实际吸收分布式电源
的发电量;Pm表示总负荷峰值.
2) 分布式电源弃电率E2
为实现配电网节能增效,减少分布式电源弃电率
是智能配电网态势感知的重要举措.分 布 式电源弃
电率E2指部分未被配电网传输或消纳的分布式电源
发电量在分布式电源发电总量中的占比,即
2nzslenz
( ) / 100%=−− ×EPPPP (16)
式中:Pnz 表示指定配电网范围和时间范围内分布式
电源发电总量;Ps表示输送至电网的部分分布式电源
发电量;Ple 表示被负荷消纳的分布式电源发电量.
3) 可再生能源渗透率 E3
智能配电网态势感知体系着力实现配电网可持
续发展,可再生能源的接入可有效缓解资源和环境压
力.可再生能源渗透率 E3定义为指定配电网范围内
用户侧的由可再生能源转化而成的电能消耗与用户
终端电能总消耗的比值,即
3kz
/
100%=×EPP (17)
式中:Pk表示用户侧消耗的由可再生能源转化而成
的电能;Pz表示统计区域内配电网用户终端电能总
消耗量.
3 综合评估指标体系赋权方法
综合评估方法主要分成 3类:主观评估方法、客
观评估方法和混合评估方法.本文提出一种二项系
数法与多目标规划法组合赋权的智能配电网态势感
知实现效果综合评估方法.相比现阶段研究常用的
德尔菲法、层次分析法、区间层次分析法[25-27]等主观
赋权方法,二项系数法的计算流程有所简化,拓展性
强,并且消除了少数意见被忽略的弊端.而多目标规
划法不同于如熵权法[28]等常规客观赋权方法,其不
再对样本数量和异常值有较高要求,并融入了决策者
对问题的理解,避免了结果的片面性.本文对二项系
数法与多目标规划法的结果进行线性加权,由此构建
的混合评估方法可充分发挥两种方法的优势,弥补各
自的缺陷,使综合评估结果达到最佳效果.
3.1 二项系数法
二项系数法根据决策者排列出来的指标优先次
·1106· 天津大学学报(自然科学与工程技术版) 第53 卷 第 11 期
序,对二项系数进行加权求和确定指标权重,是一种
决策者根据自身对评估对象的知识掌握、主观认识、
运行经验等隐形知识来确定指标权重的主观赋权方
法.二项系数法的具体流程如图 4所示.
图4 二项系数法流程
Fig.4 Flow chart of binomial coefficient method
假设决策者为L个专家,他们分别对智能配电
网调控水平的综合评估指标体系中的 N个评估指标
进行分析并按照重要程度定性排序.
步骤 1 专家对于评估指标两两比较,对于第n
个指标,L个专家各自独立地判定其重要性顺序为
Vm,取L个专家的排序平均值为an,以此反映其重要
程度,数值越小,重要程度越高.其计算公式为
1
11, 2, ,
=
==
∑
L
nm
m
aVn N
L (18)
步骤 2 根据各个指标排序平均值的大小,对an
进行排序,当出现 ai=aj(i≠j,i≥1,j≤N)时,请L个
专家针对相同指标重新进行排序直至无重复情况,然
后按照式(18)对再次排序的指标进行计算,确定最终
的排序.
平均值最大的指标排列在第N位,按照重要程
度递减的原则依次向右排列,影响最小的指标放在最
右边.an重列后对应的 N个指标依次用 xN表示,其
排列顺序为
12
N
x
xx>>> (19)
步骤 3 遵循对称方式,将最重要的指标放在中
间,次重要的指标依次排列在其两侧,即可得到排
序为
213 1NN
x
xxx x
−
←←→→ (20)
步骤 4 利用二项系数加权和法计算各指标权
重,计算公式为
11
12/
in
in
C
ω
−−
−
= (21)
{
}
[]
1
1(1)!/[1(1)]!(1)!
( 1)!/ ( )!( 1)!
−
−=− −−− − =
−−−
i
n
Cn n i i
nnii
式中:i表示指标按对称方式排列后的位置号;ωi表
示位置号为i的指标对应的主观权重;n表示参与位
置排列的指标数量.
二项系数法通过二项展开式对指标权值进行求
解,计算过程简单且易于操作;此外该方法不受样本
数据限制,能够有效解决最优化技术无法处理的实际
问题.但权重的确定主要依赖于专家的知识经验的
主观判断,存在随机信号不确定性,需结合客观赋权
方法使用.
3.2 多目标规划法
多目标规划法是在一定的约束条件下对多个目
标函数同时求极值的一种最优方法,它是在线性规划
基础上发展起来的一种处理多目标决策问题的科学
方法,可以在综合评估过程中兼顾多方面目标,其判
断结果不依赖于人的主观判断,是一种有较强的数学
理论依据的客观赋权方法.多目标规划法流程如图 5
所示.
图5 多目标规划法流程
Fig.5 Flow chart of multi-objective programming
步骤 1 构造指标相对隶属度矩阵.
依据实际运行数据,形成q个待选方案,每个方
案需考虑p个指标,用 xjk 表示第j个方案中的第k
个指标,得到目标矩阵(xjk)p×q.为消除不同量纲的影
响,选择相对隶属度公式对xjk 规格化如下:
(1) 评估值与指标值正相关时有
,min ,max ,min ,max ,min
,max ,min
)/()
1
(−− ≠
⎧
=⎨
⎩=
⎪
⎪
jk j j j j j
jk
jj
xx x x x x
r
xx
(22)
(2) 评估值与指标值负相关时有
**
*
1
1
Δ
⎧−− ≠
⎪
=⎨=
⎪
⎩
j
kjjjk j
jk
j
kj
x
xxx
r
x
x
(23)
(3) 指标值取一固定值*
j
x
评估值最高时,
**
*
1
1
Δ
⎧−− ≠
⎪
=⎨=
⎪
⎩
j
kjjjk j
jk
j
kj
x
xxx
r
x
x
(24)
(4) 指标值在一定范围[dj,′
j
d]时评估值最
高,即
2020 年11 月 葛磊蛟等:智能配电网态势感知实现效果综合评估模型 ·1107·
1( )/
1,
1( )/
σ
σ
−−
⎧
⎪
⎪′
⎡⎤
=∈
⎨⎣⎦
⎪′′
−−
⎪
⎩
jjk j jkj
j
kjkjj
jk j j jk j
dx x d
rxdd
xd xd
<
>
(25)
式中:
Δ
j表示 max| |
*
jk j
x
x-,1≤k≤q;
σ
j表示 max{dj
-dj,min,dj,max-′
j
d}.于是,可以得到指标的相对隶属
度矩阵 R=(rjk)p×q.指标的相对隶属度越高,则该方
案的指标值越好,定义一个相对最优方案为基点方
案,即G0=(1,1,…,1,1)T.
步骤 2 拟定最优方案.
设p个指标权重向量为 W=[
ω
1,
ω
2,…,
ω
p]T,方
案k愈靠近方案G0,则选用该方案可能性越大.度量
其与最优方案的偏离程度的公式为
1
() (1 ) 1,2, ,
ωω
=
=−=
∑
p
kjjk
j
grkq
(26)
步骤 3 建立多目标规划模型.
多目标规划模型为
T
12
min ( ) [ ( ), ( ), , ( )]
ωωω ω
=
q
gg gg
2
1
1
s.t.
0, 1, 2, ,
ω
ω
=
⎧=
⎪
⎨
⎪=
⎩
∑
p
j
j
jjp≥
(27)
由于每个方案相互独立,故可以将目标规划问题
分解为多个单目标规划问题,即
1
min ( )
q
k
k
g
ω
=
∑
2
1
1
s.t.
0, 1, 2, ,
ω
ω
=
⎧=
⎪
⎨
⎪=
⎩
∑
p
j
j
jjp≥
(28)
步骤 4 求取权值.
构造拉格朗日函数为
2
11 1
(,) (1 ) ( 1)
qp p
jjk j
kj j
Gr
ωλ ω λ ω
== =
=−+−
∑∑ ∑ (29)
求其偏导,使其满足
1
2
1
(1 ) 2 0
10
q
jk j
k
j
p
j
j
Gr
G
λω
ω
ω
λ
=
=
⎧∂=−+ =
⎪∂
⎪
⎨∂
⎪=−=
⎪∂
⎩
∑
∑
(30)
将所得权重归一化可得
*
111
(1 ) (1 )
ω
===
=− −
∑∑∑
qpq
j
jk jk
kjk
rr (31)
多目标规划赋权方法既融入了人的主观意见,避
免了各分目标之间的比较评分,又兼顾了客观实际的
要求,该方法所需信息量小并能获得满意的结果,尤
其适合于需要快速多次赋权的情况,实际使用时可选
择一个具有代表性的案例作为基点,以便较快地获取
满意结果.
3.3 组合赋权法
主观赋权法虽然简单易处理但完全脱离客观数
据,人为因素影响太强;客观赋权法过于依赖样本数
据规模和准确度,其通用性较差,计算方法也比较复
杂,不能体现评判者对不同属性指标的重视程度.组
合赋权法是根据不同的偏好系数将主观赋权法与客
观赋权法有机结合的一种综合指标赋权方法,本文选
取线性加权的组合赋权方法将主观评估方法和客观
评估方法进行组合.
(1 )
ii i
ab
ωα α
=+− (32)
式中:
α
为主观偏好系数,
α
∈[0,1];1-
α
为客观偏
好系数;
ω
i表示第i个指标的组合权重;ai、bi分别为
第i个指标的主观权重和客观权重.
3.4 综合评估流程
为了准确并客观地综合评估智能配电网态势感
知实现效果,本文采用二项系数法计算指标主观权
重,通过多目标规划法计算指标客观权重,使用线性
加权求解组合权重,将各指标的权重乘以对应的指标
数值,所有指标乘积的和即为智能配电网态势感知实
现效果综合评分.具体态势感知实现效果综合评估
流程如图 6所示.
图6 态势感知实现效果综合评估流程
Fig.6 Flow chart for comprehensive assessment of situ-
ational awareness effect
4 算例分析
4.1 数据集
为检验本文提出的智能配电网态势感知实现效
果指标体系以及综合评估方法的可行性,选取中国天
津市城区和郊区配电网进行案例分析,筛选出一年的
12 组月度电力数据为输入数据集,为凸显输入方案
的代表性,分别将相邻两月的数据取平均可得到 6组
·1108· 天津大学学报(自然科学与工程技术版) 第53 卷 第 11 期
典型数据,形成6个待选方案.
结合各区域指标数据,取数据平均值并进行标准
化处理,将负相关指标转换为正相关指标后,最终得
到从智能电表覆盖率 A1到可再生能源渗透率 E3共
17 个指标数值,表 1与图7分别展示了详细指标数
据与城郊指标对比.
表1 指标与权重结果
Tab.1 Indicators and weighting results
指标 城区数据 郊区数据 主观权重 客观权重 组合权重
A1 0.870 0.276 0.000 02 0.055 38 0.027 70
A2 0.798 0.473 0.066 65 0.036 92 0.051 79
A3 0.671 0.376 0.001 83 0.057 43 0.029 63
B1 0.883 0.271 0.122 19 0.049 22 0.085 71
B2 0.842 0.198 0.008 54 0.052 74 0.030 64
B3 0.892 0.081 0.000 24 0.049 22 0.024 73
C1 0.911 0.052 0.196 38 0.059 07 0.127 73
C2 0.962 0.692 0.066 65 0.078 00 0.072 33
C3 0.762 0.133 0.122 19 0.065 63 0.093 91
C4 0.871 0.498 0.174 56 0.066 71 0.120 64
D1 0.799 0.219 0.027 77 0.058 45 0.043 11
D2 0.832 0.679 0.174 56 0.070 76 0.122 66
D3 0.877 0.491 0.027 77 0.065 63 0.046 70
D4 0.752 0.235 0.000 24 0.060 00 0.030 12
E1 0.581 0.742 0.001 83 0.074 78 0.038 31
E2 0.621 0.558 0.008 54 0.057 43 0.032 99
E3 0.231 0.579 0.000 02 0.042 64 0.021 33
图7 态势感知实现效果综合评估指标数值对比
Fig.7 Comparison of evaluation indicators for situ-
ational awareness effects
由图7可归纳出现场状况如下.
(1) 总体上城区配电网在电能质量监测水平、电
网可靠性水平和电网自愈能力方面表现远好于郊区
配电网,但在电网消纳可再生能源水平上略逊于郊区
配电网,符合配电网实际运行状况,验证了指标设置
的合理性.
(2) 城区配电网负荷密集、管理方便、检修高
效,使供电可靠性等态势感知实现效果指标整体表现
较好;考虑到电动汽车开始普及,城区配电网应着力
提升分布式电源消纳能力、分布式电源弃电率、可再
生能源渗透率等弱势指标,进一步完善自身电网消纳
可再生能源水平.
(3) 郊区配电网得益于更好的风电、光电等可再
生能源建设条件,在电网消纳可再生能源水平上占据
一定优势;但由于交通、经济、线路环境等方面的劣
势,其在供电可靠性、电流畸变程度等方面相比城区
配电网仍有较大差距,需要通过优化配电系统架构及
网络结构,重要线路加装故障检测仪等手段予以改善.
4.2 综合评估方法对比
根据二项系数法的主观赋权流程与多目标规划
法的客观数据处理,计算态势感知实现效果指标的主
客观权重,最终通过式(32)对主客观权重进行组合,
为避免组合赋权过程中出现评估观点的倾斜,取主观
偏好系数为 0.5,以科学地平衡两种赋权方式,最终
得到态势感知实现效果组合权重,详细赋权结果如表
1和图8所示.
图8 态势感知实现效果综合评估指标的主客观权重
Fig.8 Subjective and objective weights of situational
awareness effect evaluation indicators
对图8进行分析可以得出以下结论.
(1) 客观权重分布较为均匀,不同指标间的权重
波动较小,而主观权重的方差较大,取值范围相比客
观权重更广,所以单一使用不同的赋权方法势必会给
综合评估结果带来巨大差异,可能造成结果偏颇.
(2) 对于供电可靠性、配电网故障率、配电网弹
性等指标,主客观角度的判断结果是一致的,均很大
程度影响智能配电网的态势感知的实现效果.其中
运行可靠性与态势感知实现效果联系最为密切,是下
一步智能配电网需重点提升的性能.
(3) 组合权重介于主观权重和客观权重之间,使
混合评估方法融入了专家学者的主观意见,
又充分利
用了客观量测信息,避免了单一评估角度的片面性,
相比单一使用二项系数法或多目标规划法更具优
越性.
4.3 综合评估结果分析
基于上述天津市智能配电网态势感知实现效果
指标和权重结果,将17 个指标值与权重值的乘积相
加,最终得到智能配电网态势感知实现效果综合评
2020 年11 月 葛磊蛟等:智能配电网态势感知实现效果综合评估模型 ·1109·
分.表2列出了天津市智能配电网态势感知实现效
果的主观、客观和综合评分结果.
表2 智能配电网态势感知实现效果的评分结果
Tab.2 Comprehensive evaluation results for situational
awareness effects of smart distribution network
配电网 主观评分 客观评分 综合评分
城区 0.856 23 0.782 13 0.819 18
郊区 0.370 99 0.400 50 0.385 75
基于上述案例分析过程,可以得到如下结论:
(1) 无论进行主观评估、客观评估还是综合评
估,城区的配电网态势感知实现效果均优于城郊,符
合实际配电网运行环境,真实反映了各区域智能配
电网态势感知实现效果,验证了模型的合理性与可
行性;
(2) 态势感知实现效果客观评估相比主观评估
提升了郊区配电网评分,降低了城区配电网评分,显
然两者在指标重要性认知上存在一定分歧.而综合
评分对此现象进行均衡,削弱了单一角度评估的偏向
性,使综合评估结果更具参考价值;
(3) 本文所提出的智能配电网态势感知实现效
果综合评估模型可为配电网管理部门的优化调度提
供有力理论支撑,是决策者制定配电网规划的重要参
考,具有一定的应用推广价值.
5 结 论
态势感知在配电网领域的研究尚处于起步阶段,
目前针对智能配电网态势感知实现效果问题的研究
还十分匮乏,本文旨在研究智能配电网态势感知实现
效果的综合评估方法,多方位考虑了包含设备状态监
测水平、电能质量监测水平、电网可靠性水平、电网
自愈能力、电网消纳可再生能源水平等影响因素在内
的配电网态势感知实现效果,实现了对智能配电网态
势感知实现效果的系统、准确、科学评估.具体结论
如下.
(1) 本文以智能配电网态势感知实现效果为最
终评估对象,秉持客观准确反映配电网运行状况的理
念,建立了智能配电网态势感知实现效果综合评估指
标体系,并阐述了各评估指标的含义及量化公式.
(2) 本文针对单一类型评估方法的片面性,提出
了二项系数法与多目标规划法组合赋权的智能配电
网态势感知实现效果综合评估方法,为今后的配电网
评估提供了新思路.
(3) 案例研究证明了综合评估指标体系和综合
评估方法的可行性和合理性,本综合评估模型可以为
配电网的运行规划、调度维护提供强有效的理论支持.
随着新技术的不断涌现,态势感知的范围将在未
来不断扩大,可处理数据将更加复杂,基于本综合评
估模型可研究相关的机器学习算法或其他改进算法,
以提高配电网态势感知实现效果评估的运算效率,并
与技术进步保持同步.
参考文献:
[1] 余贻鑫. 面向 21 世纪的智能电网[J]. 天津大学学
报:自然科学与工程技术版,2020,53(6):551-556.
Yu Yixin. A brief description of the basics of the smart
grid[J]. Journal of Tianjin University :Sicence and
Technology,2020,53(6):551-556(in Chinese).
[2] 张心洁,葛少云,刘 洪,等. 智能配电网综合评估
体系与方法[J]. 电网技术,2014,38(1):40-46.
Zhang Xinjie,Ge Shaoyun,Liu Hong,et al. Compre-
hensive assessment system and method of smart distribu-
tion grid[J]. Power System Technology ,2014 ,
38(1):40-46(in Chinese).
[3] 刘道伟,张东霞,孙华东,等. 时空大数据环境下的
大电网稳定态势量化评估与自适应防控体系构建[J].
中国电机工程学报,2015,35(2):267-276.
Liu Daowei,Zhang Dongxia ,Sun Huadong ,et al.
Construction of stability situation quantitative assessment
and adaptive control system for large-scale power grid in
the spatio-temporal big data environment[J]. Proceed-
ings of the CSEE,2015 ,35(2):267-276(in Chi-
nese).
[4] 吴争荣,俞小勇,董旭柱,等. 基于状态估计的配电
网实时态势感知与评估[J]. 电力系统及其自动化学
报,2018,30(3):140-145.
Wu Zhengrong,Yu Xiaoyong,Dong Xuzhu,et al.
Real-time situation awareness and evaluation of distribu-
tion network based on state estimation[J]. Proceedings
of the CSU-EPSA,2018 ,30(3):140-145(in Chi-
nese).
[5] Ma J,Liu X. Evaluation of health status of low-voltage
distribution network based on order relation-entropy
weight method[J]. Power System Protection &
Control,2017,45(6):87-93.
[6] 葛少云,赵 浛,雷显荣,等. 高中压配电系统供电
能力评估与分析[J]. 天津大学学报:自然科学与工程
技术版,2017,50(7):739-747.
Ge Shaoyun,Zhao Han,Lei Xianrong,et al. Evalua-
·1110· 天津大学学报(自然科学与工程技术版) 第53 卷 第 11 期
tion and analysis of load supply capability of high-
medium voltage distribution system[J]. Journal of Tian-
jin University :Science and Technology ,2017 ,
50(7):739-747(in Chinese).
[7] Sharma A,Nazir S,Ernstsen J. Situation awareness
information requirements for maritime navigation:A
goal directed task analysis[J]. Safety Science,2019,
120:745-752.
[8] Bruder C,Hasse C. Differences between experts and
novices in the monitoring of automated systems[J]. In-
ternational Journal of Industrial Ergonomics,2019 ,
72:1-11.
[9] Yin J N,Hui M H,Ma Y Y,et al. Airport taxi situa-
tion awareness with a macroscopic distribution network
analysis[J]. Networks & Spatial Economics,2019 ,
19(3):669-695.
[10] Danial S N,Smith J,Khan F,et al. Situation aware-
ness modeling for emergency management on offshore
platforms[J]. Human-Centric Computing and Informa-
tion Sciences,2019,9(1):1-26.
[11] Donaldson D L,Jayaweera D. Effective solar prosumer
identification using net smart meter data[J]. International
Journal of Electrical Power & Energy Systems,2020,
118:105823-105835.
[12] Li X,Tian G D,Shi Q X,et al. Security region of
natural gas network in electricity-gas integrated energy
system[J]. International Journal of Electrical Power &
Energy Systems,2020,117:105601-105616.
[13] Liu Y L,Shi X J,Xu Y. A hybrid data-driven method
for fast approximation of practical dynamic security re-
gion boundary of power systems[J]. International Jour-
nal of Electrical Power & Energy Systems,2020 ,
117:105658-105664.
[14] Liu X W,Yu J G,Lv W F,et al. Network security
situation :From awareness to awareness-control[J].
Journal of Network and Computer Applications,2019,
139:15-30.
[15] 刘晟源,林振智,李金城,等. 电力系统态势感知技
术研究综述与展望[J]. 电力系统自动化,2020 ,
44(3):229-239.
Liu Shengyuan,Lin Zhenzhi,Li Jincheng,et al. Re-
view and prospect of situation awareness technologies of
power system[J]. Automation of Electric Power Sys-
tems,2020,44(3):229-239(in Chinese).
[16] 刘红军,管 荑,刘 勇,等. 电网调度系统网络安
全态势感知研究[J]. 电测与仪表,2019 ,56(17):
69-75.
Liu Hongjun,Guan Yi,Liu Yong,et al. Research on
network security situation awareness of electric power
dispatching system[J]. Electric Measurement & Instru-
mentation,2019,56(17):69-75(in Chinese).
[17] 刘权莹,李俊娥,倪 明,等. 电网信息物理系统态
势感知:现状与研究构想[J]. 电力系统自动化,
2019,43(19):9-23,51.
Liu Quanying,Li Jun’e ,Ni Ming ,et al. Situation
awareness of grid cyber-physical system:Current status
and research ideas[J]. Automation of Electric Power
Systems,2019,43(19):9-23,51(in Chinese).
[18] 王守相,梁 栋,葛磊蛟. 智能配电网态势感知和态
势利导关键技术[J]. 电力系统自动化,2016 ,
40(12):2-8.
Wang Shouxiang,Liang Dong,Ge Leijiao. Key tech-
nologies of situation awareness and orientation for smart
distribution systems[J]. Automation of Electric Power
Systems,2016,40(12):2-8(in Chinese).
[19]
谢 伟,王少荣,张 勇,等. 优化智能配电网动态
特性的技术方法[J]. 电网技术,2019,43(3):863-
871.
Xie Wei,Wang Shaorong,Zhang Yong,et al. Techni-
cal methods for optimizing the dynamic characteristics of
smart distribution network[J]. Power System Technol-
ogy,2019,43(3):863-871(in Chinese).
[20] Kopsidas K ,Tumelo-Chakonta C,Cruzat C. Power
network reliability evaluation framework considering
OHL electro-thermal design[J]. IEEE Transactions on
Power Systems,2016,31(3):2463-2471.
[21] 刘自发,张在宝,杨 滨,等. 电网大停电社会综合
损失评估[J]. 电网技术,2017,41(9):2928-2940.
Liu Zifa,Zhang Zaibao,Yang Bin,et al. Evaluation
of great blackout social comprehensive loss of power
grid[J]. Power System Technology,2017,41(9):
2928-2940(in Chinese).
[22] 易 俊,卜广全,郭 强,等. 巴西“3·21”大停
电事故分析及对中国电网的启示[J]. 电力系统自动
化,2019,43(2):1-9.
Yi Jun ,Bu Guangquan,Guo Qiang,et al. Analysis on
2020 年11 月 葛磊蛟等:智能配电网态势感知实现效果综合评估模型 ·1111·
blackout in Brazilian power grid on March 21,2018 and
its enlightenment to power grid in China[J]. Automation
of Electric Power Systems,2019,43(2):1-9(in Chi-
nese).
[23] 李保杰,李进波,李洪杰,等. 土耳其“3. 31”大停
电事故的分析及对我国电网安全运行的启示[J]. 中国
电机工程学报,2016,36(21):5788-5795,6021.
Li Baojie,Li Jinbo,Li Hongjie ,et al. Analysis of
Turkish blackout on March 31,2015 and lessons on
China power grid[J]. Proceedings of the CSEE,2016,
36(21):5788-5795,6021(in Chinese).
[24] 于 浩,刘家恺,宋关羽,等. 基于二阶锥规划的有
源配电网多时段负荷恢复方法[J]. 天津大学学报:自
然科学与工程技术版,2019,52(12):1303-1311.
Yu H a o ,Liu Jiakai,Song Guanyu,et al. Multi-time-
period load restoration method for active distribution
networks based on SOCP[J]. Journal of Tianjin Univer-
sity:Science and Technology,2019,52(12):1303-
1311(in Chinese).
[25] Zhou M,Xie N,Wang C. Variable weight evaluation
method of distribution network operation mode based on
sensitivity and grey correlation[J]. Power System Protec-
tion & Control,2017,45(13):130-137.
[26] 徐铭铭,曹文思,姚 森,等. 基于模糊层次分析法
的配电网重复多发性停电风险评估[J]. 电力自动化设
备,2018,38(10):19-25,31.
Xu Mingming,Cao Wensi,Yao Sen,et al. Risk as-
sessment of repeated multiple blackouts for distribution
network based on fuzzy AHP[J]. Electric Power Auto-
mation Equipment ,2018 ,38(10):19-25 ,31(in
Chinese).
[27] 吴育华,诸 为,李新全,等. 区间层次分析法──
IAHP[J]. 天津大学学报,1995,28(5):700-705.
Wu Yuhua,Zhu Wei,Li Xinquan,et al. Interval ap-
proach to analysis of hierarchy process[J]. Journal of
Tianjin University,1995 ,28(5):700-705(in Chi-
nese).
[28] 王 森,王 蕾,陈 飞,等. 大数据环境下基于影
子价格的配电网综合评价方法[J]. 电力自动化设备,
2019,39(10):94-101.
Wang Sen,Wang Lei,Chen Fei,et al. Comprehensive
evaluation method of distribution network based on
shadow price under big data environment[J]. Electric
Power Automation Equipment ,2019 ,39(10):94-
101(in Chinese).
(责任编辑:孙立华)