董美玲，游大海，王剛，陳偉華

(強(qiáng)電磁工程與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué)),武漢市430074)

?

基于云模型的輸電網(wǎng)規(guī)劃方案綜合決策方法

董美玲，游大海，王剛，陳偉華

(強(qiáng)電磁工程與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué)),武漢市430074)

針對(duì)目前輸電網(wǎng)規(guī)劃方案綜合決策中存在不確定因素以及確定指標(biāo)權(quán)重方法主觀性強(qiáng)的問題，提出了基于組合權(quán)重和云模型的輸電網(wǎng)規(guī)劃方案綜合決策方法。該方法首先基于層次分析法、序關(guān)系法計(jì)算的主觀權(quán)重和熵權(quán)法、變異系數(shù)法計(jì)算的客觀權(quán)重，利用粒子群優(yōu)化算法求取各評(píng)價(jià)指標(biāo)的組合權(quán)重，克服了單一專家賦權(quán)或客觀賦權(quán)的不足。然后采用云模型對(duì)各方案進(jìn)行優(yōu)劣排序，充分發(fā)揮了云模型能反映評(píng)價(jià)信息的模糊性和隨機(jī)性的優(yōu)勢(shì)。最后結(jié)合IEEE Garver-6算例驗(yàn)證了該決策方法的有效性。

輸電網(wǎng)規(guī)劃方案；綜合決策；組合權(quán)重；云模型；粒子群優(yōu)化算法

0 引 言

輸電網(wǎng)規(guī)劃是根據(jù)電力系統(tǒng)的負(fù)荷預(yù)測(cè)及電源規(guī)劃對(duì)輸電系統(tǒng)的主要網(wǎng)架做出發(fā)展規(guī)劃[1]。輸電網(wǎng)規(guī)劃的基本要求是確保輸送容量、供電可靠性等，組合電力系統(tǒng)各部分使其整體結(jié)構(gòu)運(yùn)行效率最高，經(jīng)濟(jì)上最合理，并能充分適應(yīng)系統(tǒng)日后發(fā)展的需要。一般將輸電網(wǎng)規(guī)劃問題分為2個(gè)階段：建立優(yōu)化模型產(chǎn)生待選方案和方案比選綜合決策。輸電網(wǎng)規(guī)劃方案綜合決策是對(duì)待選方案就其安全性、可靠性、經(jīng)濟(jì)性、適應(yīng)性等各項(xiàng)指標(biāo)進(jìn)行綜合評(píng)價(jià)，最終決策出綜合最優(yōu)的規(guī)劃方案。

目前，輸電網(wǎng)規(guī)劃方案的綜合決策方法主要是基于專家評(píng)判的模糊評(píng)價(jià)法和層次分析法，這2種方法均受專家知識(shí)、經(jīng)驗(yàn)、偏好的制約，沒有充分利用客觀數(shù)據(jù)所提供的信息，主觀性和偶然性較強(qiáng)。為解決模糊綜合評(píng)價(jià)中確定指標(biāo)權(quán)重主觀性強(qiáng)的問題，文獻(xiàn)[2]將熵權(quán)法引入模糊綜合評(píng)價(jià)。文獻(xiàn)[3]將數(shù)據(jù)包絡(luò)法應(yīng)用于配電網(wǎng)規(guī)劃方案綜合決策，具有一定的應(yīng)用價(jià)值，但不適用于評(píng)價(jià)指標(biāo)過(guò)多、過(guò)于復(fù)雜的情況。文獻(xiàn)[4]將主成分分析法應(yīng)用于解決輸電網(wǎng)規(guī)劃方案的綜合決策問題，權(quán)重的確定完全依賴客觀數(shù)據(jù)特征，減少了評(píng)價(jià)過(guò)程中的主觀因素的影響，但是主成分分析法要求有大量樣本數(shù)據(jù)，給實(shí)際操作帶來(lái)困難。文獻(xiàn)[5]在輸電網(wǎng)規(guī)劃綜合決策中應(yīng)用了灰色關(guān)聯(lián)分析法，充分利用了客觀數(shù)據(jù)信息?；疑P(guān)聯(lián)分析法能夠處理信息不完全明確的灰色系統(tǒng)，對(duì)于小樣本無(wú)規(guī)律指標(biāo)的評(píng)價(jià)問題準(zhǔn)確性較高，但較難處理信息量龐大的評(píng)價(jià)對(duì)象。

本文將組合權(quán)重和云模型結(jié)合應(yīng)用于輸電網(wǎng)規(guī)劃方案的綜合決策。鑒于主、客觀賦權(quán)法各自的特點(diǎn)和缺陷，基于熵值法和變異系數(shù)法確定的客觀權(quán)重和層次分析法、序關(guān)系法確定的主觀權(quán)重，利用粒子群優(yōu)化算法確定各指標(biāo)的權(quán)重系數(shù)[6]。而云模型能充分反映評(píng)價(jià)信息的模糊性和隨機(jī)性，實(shí)現(xiàn)定量和定性之間的相互轉(zhuǎn)換，更客觀全面地評(píng)價(jià)各輸電網(wǎng)規(guī)劃方案，提高綜合評(píng)價(jià)決策結(jié)果的可信度。

1 云模型相關(guān)概念

基于概率論和模糊數(shù)學(xué)，我國(guó)工程院院士李毅德教授于1995年提出了云的概念[7]，是將某個(gè)自然語(yǔ)言值表示的定性概念轉(zhuǎn)化成定量表示的不確定性轉(zhuǎn)換模型。設(shè)U是一個(gè)用精確數(shù)值表示的定量論域，C是U上的定性概念，若給定參數(shù)x∈U是定性概念C的一次隨機(jī)出現(xiàn)，x對(duì)C的確定度u(x)∈[0,1]是有穩(wěn)定傾向的隨機(jī)數(shù)：u:U→[0,1], ?x∈U,x→u(x)。則x在論域U上的分布稱為云，即為云C(x)。每1個(gè)[x,u(x)]稱為1個(gè)云滴。

研究表明，具有普遍適用性的是正態(tài)隸屬云[8]，正態(tài)隸屬云可由3個(gè)數(shù)字特征來(lái)刻畫：期望值Ex、熵En和超熵He。Ex反映了定性概念的云滴群的重心位置。En體現(xiàn)了定性概念的隨機(jī)性和模糊性：一方面En是定性概念隨機(jī)性的度量，反映隸屬于這個(gè)定性概念的云滴的離散程度；另一方面又體現(xiàn)了模糊概念的亦此亦彼性的裕度，反映了論域空間中可被該概念接受的云滴的取值范圍。He是熵的不確定性的度量，即熵的熵，反映了云滴的凝聚度。

利用云的3個(gè)數(shù)字特征可以構(gòu)造正態(tài)云模型發(fā)生器，生成云滴，生成算法如下：

(4)重復(fù)步驟(1)～(3)，直至產(chǎn)生足夠數(shù)量的云滴。

2 基于組合權(quán)重和云模型的輸電網(wǎng)規(guī)劃綜合決策過(guò)程

基于組合權(quán)重和云模型的輸電網(wǎng)規(guī)劃綜合決策過(guò)程具體步驟如下。

(1)建立指標(biāo)集。根據(jù)評(píng)價(jià)對(duì)象建立指標(biāo)集：U={U1,U2,…,Um}，m為評(píng)價(jià)指標(biāo)的個(gè)數(shù)。

(2)建立描述評(píng)價(jià)集云模型。根據(jù)構(gòu)建的指標(biāo)集，建立評(píng)價(jià)集V={V1,V2,…,Vn}，Vi(i=1,2，…，n)是對(duì)指標(biāo)評(píng)語(yǔ)等級(jí)的模糊描述。本文采用基于黃金分割率的模型驅(qū)動(dòng)法對(duì)云模型評(píng)價(jià)集進(jìn)行劃分。即在[0,1]之間，劃分5個(gè)評(píng)價(jià)等級(jí)，各等級(jí)的云模型數(shù)字特征如表1所示。

表1 評(píng)價(jià)集云模型數(shù)字特征

Table 1 Numerical characteristics of evaluation sets’ cloud model

利用上節(jié)所述的正態(tài)云模型發(fā)生器算法，各等級(jí)均生成1 000個(gè)云滴，最終構(gòu)成的評(píng)價(jià)集云模型如圖1所示。

圖1 評(píng)價(jià)集云模型Fig.1 Cloud model of evaluation sets

該圖顯示了各評(píng)語(yǔ)等級(jí)對(duì)應(yīng)的隸屬云，云的幾何形狀較好地反映了定性概念與其定量轉(zhuǎn)換的不確定性。

(3)指標(biāo)的無(wú)量綱化處理。根據(jù)評(píng)價(jià)指標(biāo)集采集各待選方案數(shù)據(jù)，并對(duì)其進(jìn)行無(wú)量綱化處理，使得指標(biāo)數(shù)據(jù)更加客觀有效。評(píng)價(jià)指標(biāo)可分為定量指標(biāo)和定性指標(biāo)。對(duì)于定量指標(biāo)可分為效益型(越大越好)、成本型(越小越好)和固定型(在某一固定點(diǎn)值附近最好)，分別進(jìn)行歸一化處理，使之成為[0,1]的某個(gè)值，且數(shù)值越大越好。

效益型指標(biāo)無(wú)量綱化公式：

(1)

成本型指標(biāo)無(wú)量綱化公式：

(2)

固定型指標(biāo)無(wú)量綱化公式：

(3)

對(duì)于定性指標(biāo)，需要將其自然語(yǔ)言描述轉(zhuǎn)換成數(shù)值表示，而云模型可以綜合定性概念的隨機(jī)性和模糊性，用3個(gè)數(shù)字特征來(lái)描述整個(gè)云團(tuán)，實(shí)現(xiàn)定性和定量之間的轉(zhuǎn)換。因此可根據(jù)多位專家意見，將定性指標(biāo)轉(zhuǎn)化成云模型表示[9]。具體而言，通過(guò)h位專家對(duì)定性指標(biāo)進(jìn)行語(yǔ)言型評(píng)判，在本文中評(píng)語(yǔ)等級(jí)分為“很好”、“較好”、“一般”、“較差”、“很差”5種。每個(gè)評(píng)語(yǔ)等級(jí)均有1個(gè)云模型與之對(duì)應(yīng)，如表1所示。則h個(gè)語(yǔ)言型評(píng)價(jià)值可表示為一個(gè)綜合云模型：

(4)

En=En1+En2+…+Enh

(5)

式中：Exi(i=1,2,…,h)表示第i個(gè)專家認(rèn)為該指標(biāo)所屬評(píng)語(yǔ)等級(jí)的云模型期望值；Eni(i=1,2,…,h)表示第i個(gè)專家認(rèn)為該指標(biāo)所屬評(píng)語(yǔ)等級(jí)的云模型的熵。

由此得到每個(gè)定性指標(biāo)的期望值Ex即可作為該指標(biāo)的量化值，然后再根據(jù)定量指標(biāo)的無(wú)量綱公式對(duì)其進(jìn)行歸一化處理。

(4)計(jì)算指標(biāo)的組合權(quán)重。層次分析法能夠解決多層相關(guān)因素構(gòu)成的復(fù)雜系統(tǒng)的決策問題，是一種實(shí)用的多目標(biāo)決策方法[10]。層次分析法根據(jù)專家意見，采用1～9標(biāo)度法比較各元素間的相對(duì)重要性，構(gòu)造相對(duì)于上一層元素重要性的判斷矩陣，再根據(jù)最大特征根法求取各元素的局部權(quán)重。層次分析法充分尊重專家經(jīng)驗(yàn)，所計(jì)算出的指標(biāo)權(quán)重具有一定實(shí)用價(jià)值。

針對(duì)層次分析法存在的一致性問題，1992年中國(guó)學(xué)者郭亞軍提出了序關(guān)系法[11]。序關(guān)系法無(wú)需構(gòu)造判斷矩陣，只要對(duì)各指標(biāo)重要性進(jìn)行排序，并依次比較前后相鄰指標(biāo)的重要度，最終計(jì)算得到各指標(biāo)的權(quán)重，并且無(wú)需進(jìn)行一致性校驗(yàn)。

熵權(quán)法是一種依據(jù)各指標(biāo)的變異程度大小來(lái)確定指標(biāo)權(quán)重的客觀賦權(quán)法[2,5]。某個(gè)指標(biāo)值變異程度越大，信息熵越小，提供的信息量越多，在綜合評(píng)價(jià)中起的作用也就越大，則該指標(biāo)的權(quán)重也應(yīng)越大。熵權(quán)法數(shù)學(xué)原理清晰，有效利用了指標(biāo)數(shù)據(jù)的客觀信息，避免了指標(biāo)賦權(quán)的主觀隨意性。

變異系數(shù)法原理類似于熵權(quán)法，其基本理念為某指標(biāo)的變異系數(shù)(標(biāo)準(zhǔn)差)越大，則在綜合評(píng)價(jià)中該指標(biāo)提供的信息量越大，在綜合評(píng)價(jià)中所起的作用越大，其權(quán)重越大[12]。

為了充分利用各種權(quán)重求取方法得出的權(quán)重信息，本文構(gòu)建求取組合權(quán)重的優(yōu)化模型，并應(yīng)用粒子群優(yōu)化算法進(jìn)行求解。具體而言，通過(guò)引入權(quán)重求取方法加權(quán)系數(shù)θ的概念，將每個(gè)指標(biāo)的組合權(quán)重表示成各種權(quán)重求取方法求得的結(jié)果的加權(quán)之和，基于組合權(quán)重向量與原有主、客觀權(quán)重偏差盡量小的思想，建立如下模型：

(6)

(7)

0≤θi≤1

(8)

(9)

式中：W=(w1,w2,…,wj,…,wn)為組合權(quán)重向量；wij為第i種權(quán)重求取方法求得的第j個(gè)指標(biāo)的權(quán)重；m為權(quán)重求取方法數(shù)量；n為指標(biāo)數(shù)量；θi為第i種權(quán)重求取方法的加權(quán)系數(shù)。

利用粒子群算法求解時(shí)，基于組合權(quán)重向量與各種權(quán)重求取方法的求取結(jié)果偏差之和最小目標(biāo)，首先求出各種權(quán)重求取方法的加權(quán)系數(shù)θ，進(jìn)而得到組合權(quán)重向量。該方法既充分利用了各種權(quán)重求取方法的優(yōu)點(diǎn)，又避免了人為選擇權(quán)重求取方法的主觀隨意性，因此求取的組合權(quán)重結(jié)果較為客觀全面。

(10)

計(jì)算出的關(guān)聯(lián)度k是個(gè)有穩(wěn)定傾向的隨機(jī)數(shù)，由此體現(xiàn)了云模型能反映評(píng)價(jià)信息的模糊性，而不是簡(jiǎn)單地將指標(biāo)歸屬于某一個(gè)評(píng)語(yǔ)等級(jí)，使得評(píng)價(jià)結(jié)果更為科學(xué)客觀。通過(guò)各指標(biāo)與各評(píng)語(yǔ)等級(jí)云模型的關(guān)聯(lián)度的計(jì)算，可以得到綜合評(píng)判矩陣Dm×n，其中Dij表示第i個(gè)指標(biāo)屬于第j個(gè)評(píng)語(yǔ)等級(jí)云的關(guān)聯(lián)度。

將綜合評(píng)判矩陣D與綜合權(quán)重向量W相乘，并歸一化后可得到綜合評(píng)判結(jié)果向量B：

B=W×D=[b1,b2,…bn]

(11)

式中bi(i=1,2,…n)表示被評(píng)價(jià)的規(guī)劃方案整體屬于第i個(gè)評(píng)語(yǔ)等級(jí)的隸屬度。

進(jìn)一步利用加權(quán)求和法得出評(píng)判結(jié)果得分r為

(12)

式中fi表示等級(jí)i的得分值，得分值越高表明該規(guī)劃方案的評(píng)價(jià)結(jié)果越好。本文評(píng)判等級(jí)1～5對(duì)應(yīng)的分?jǐn)?shù)依次取值為5、4、3、2、1。

通過(guò)比較各方案的評(píng)判結(jié)果得分，可對(duì)各方案進(jìn)行優(yōu)劣排序，挑選出最優(yōu)方案。

3 案例分析

選取輸電網(wǎng)規(guī)劃經(jīng)典算例 IEEE Garver-6 系統(tǒng)[13]中3個(gè)備選方案進(jìn)行算例分析。備選方案依次為“N”安全準(zhǔn)則下的最小費(fèi)用方案(方案1)，“N1”準(zhǔn)則下的最小費(fèi)用方案(方案2)及其次優(yōu)方案(方案3)，如圖2所示，圖中實(shí)線、虛線分別代表已建線路、新建線路。

基于輸電網(wǎng)規(guī)劃的本質(zhì)要求，本文建立了包含經(jīng)濟(jì)性、可靠性、社會(huì)影響性、適應(yīng)性等方面的綜合評(píng)價(jià)指標(biāo)體系[14]，如表2所示。表3給出了各定量指標(biāo)的類型以及相應(yīng)的無(wú)量綱化參數(shù)，以及3個(gè)方案的定量指標(biāo)數(shù)據(jù)。其中，本文認(rèn)為重載線路為負(fù)載率在0.9以上的線路，電量不足期望值只考慮1條線路故障的情況。

根據(jù)上一節(jié)給出的各種類型指標(biāo)的無(wú)量綱化公式(1)～(3)對(duì)定量指標(biāo)進(jìn)行無(wú)量綱化處理，得到各定量指標(biāo)歸一化結(jié)果，如表4所示。對(duì)于定性指標(biāo)，可根據(jù)幾位專家意見，歸為很好、較好、一般、較差、很差5個(gè)等級(jí)，再由云模型將定性指標(biāo)定量化。本文通過(guò)5位專家對(duì)各方案的定性指標(biāo)進(jìn)行評(píng)判，統(tǒng)計(jì)將各方案的各個(gè)指標(biāo)歸為各檔的專家人數(shù)，如表5所示。

根據(jù)式(4)求得3個(gè)方案定性指標(biāo)的量化結(jié)果如表6所示。

根據(jù)文獻(xiàn)[14]構(gòu)造各評(píng)價(jià)指標(biāo)的專家判斷矩陣，利用層次分析法計(jì)算得到各指標(biāo)的權(quán)重向量：

圖2 待選方案結(jié)構(gòu)Fig.2 Alternative scheme structure表2 評(píng)價(jià)指標(biāo)集Table 2 Evaluation index set

表3 3個(gè)方案定量指標(biāo)數(shù)據(jù)Table 3 Quantitative index data in three schemes

表4 3個(gè)方案定量指標(biāo)歸一化結(jié)果Table 4 Normalization results of quantitative indices in three schemes

表5 3個(gè)方案定性指標(biāo)專家判斷結(jié)果Table 5 Expert judgment results of qualitative indices in three schemes

W1= (0.181 3, 0.090 7, 0.083 3, 0.223 9, 0.047 4, 0.042 3, 0.086 2, 0.057 2, 0.010 8, 0.020 2, 0.104 5, 0.052 2)。

表6 3個(gè)方案定性指標(biāo)量化結(jié)果

Table 6 Quantitative results of qualitative indices in three schemes

利用序關(guān)系法計(jì)算得到各指標(biāo)的權(quán)重向量：W2=( 0.144 4, 0.131 3, 0.064 1, 0.083 3, 0.045 8, 0.045 8, 0.064 1, 0.075 7, 0.052 6, 0.063 1, 0.120 3, 0.109 4)。

根據(jù)表4和表6各指標(biāo)的歸一化結(jié)果，利用熵權(quán)法計(jì)算得到各指標(biāo)的權(quán)重向量：W3=(0.079 7, 0.086 0, 0.081 2, 0.085 7, 0.086 2, 0.079 8, 0.085 1, 0.084 1, 0.079 7, 0.080 5, 0.086 0, 0.085 8)。

利用變異系數(shù)法計(jì)算得到各指標(biāo)的權(quán)重向量：W4=( 0.091 6, 0.123 8, 0.046 3, 0.112 6, 0.155 5, 0.005 1, 0.050 4, 0.007 8, 0.021 1, 0.110 9, 0.158 2, 0.116 9)。

根據(jù)計(jì)算出的4組權(quán)重向量由式(5)構(gòu)造組合權(quán)重優(yōu)化模型，通過(guò)粒子群優(yōu)化算法計(jì)算得到各指標(biāo)的組合權(quán)重向量：W=(0.130 5, 0.088 3, 0.088 4, 0.144 2, 0.086 8, 0.054 9, 0.076 0, 0.070 7, 0.045 3, 0.050 4, 0.095 3, 0.069 1)。其中，粒子群求解收斂結(jié)果如圖3所示，經(jīng)過(guò)幾代進(jìn)化，目標(biāo)函數(shù)值很快收斂到了最小值。隨著試驗(yàn)次數(shù)增加，可以證實(shí)該計(jì)算結(jié)果真實(shí)可信。

圖3 粒子群求解收斂結(jié)果Fig.3 Convergence result of PSO

根據(jù)本文的12個(gè)評(píng)價(jià)指標(biāo)的歸一化結(jié)果和評(píng)語(yǔ)的5個(gè)等級(jí)，由式(6)分別計(jì)算3個(gè)方案12個(gè)評(píng)價(jià)指標(biāo)與5種評(píng)語(yǔ)等級(jí)云模型之間的關(guān)聯(lián)度，得到3個(gè)方案的綜合評(píng)判矩陣D。

基于 各方案的綜合評(píng)判矩陣D與組合權(quán)重向量W，根據(jù)式(7)計(jì)算得到各方案的綜合評(píng)判結(jié)果向量，如表7所示。

表7 各方案綜合評(píng)判結(jié)果

Table 7 Comprehensive evaluation results vectors of each scheme

進(jìn)一步，由式(8)計(jì)算得到各方案總評(píng)分。方案1為3.049 6；方案2為3.920 5；方案3為 3.950 2。故最終的評(píng)價(jià)結(jié)果：方案3>方案2>方案1，并且方案2與方案3明顯優(yōu)于方案1。與文獻(xiàn)[14]的組合權(quán)重灰色關(guān)聯(lián)分析、主成分分析法和組合權(quán)重Topsis法評(píng)價(jià)結(jié)果比較如表8所示。

表8 仿真結(jié)果比較

Table 8 Comparison of simulation results

由表8可知，本文提出的基于組合權(quán)重和云模型的評(píng)價(jià)結(jié)果與文獻(xiàn)[14]的組合權(quán)重灰色關(guān)聯(lián)分析、組合權(quán)重主成分分析法和組合權(quán)重Topsis法評(píng)價(jià)結(jié)果完全一致。相比之下，本文提出的方法求取的指標(biāo)權(quán)重兼顧了主觀賦權(quán)與客觀賦權(quán)的優(yōu)點(diǎn)，又充分發(fā)揮了云模型能反映評(píng)價(jià)信息的模糊性和隨機(jī)性的優(yōu)勢(shì)，評(píng)價(jià)過(guò)程更為科學(xué)全面。

從指標(biāo)值分析，方案1由于線路負(fù)載率較高并且不滿足“N-1”安全準(zhǔn)則，影響電網(wǎng)的安全穩(wěn)定運(yùn)行，因此雖然經(jīng)濟(jì)性占優(yōu)但是評(píng)分最低。而方案2和方案3同時(shí)滿足“N-1”安全準(zhǔn)則，方案3的網(wǎng)絡(luò)充裕度明顯優(yōu)于方案2，可以滿足靈活調(diào)度以及未來(lái)負(fù)荷增長(zhǎng)的需要，并且考慮到方案2比方案3多1條輸電走廊，占地更多。因此從整體考慮，方案3優(yōu)于方案2。綜上所述，可知由基于組合權(quán)重和云模型的輸電網(wǎng)規(guī)劃綜合決策方法得出的結(jié)論合理、可信。

4 結(jié) 論

本文將組合權(quán)重和云模型相結(jié)合應(yīng)用于輸電網(wǎng)規(guī)劃綜合決策中，在層次分析法求取主觀權(quán)重和熵權(quán)法求取客觀權(quán)重的基礎(chǔ)上，利用粒子群優(yōu)化算法得到評(píng)價(jià)指標(biāo)的組合權(quán)重，既尊重了專家意見，又充分利用了指標(biāo)數(shù)據(jù)信息的客觀性；在評(píng)價(jià)過(guò)程中發(fā)揮了云模型能充分反映評(píng)價(jià)信息的模糊性和隨機(jī)性的優(yōu)勢(shì)，提高了綜合評(píng)價(jià)決策結(jié)果的科學(xué)性和可信度。算例結(jié)果表明基于組合權(quán)重和云模型的綜合評(píng)價(jià)方法物理意義明晰，易于被規(guī)劃決策人員掌握，評(píng)價(jià)結(jié)果合理可信，是一種值得推廣的方法。

致 謝

本文得到了廣東電網(wǎng)規(guī)劃中心的相關(guān)工作人員的大力支持，在此向他(她)們表示衷心的感謝。

[1]程浩忠. 電力系統(tǒng)規(guī)劃[M]. 北京：中國(guó)電力出版社，2008：111-115.

[2]聶宏展，呂盼，喬怡，等. 基于熵權(quán)法的輸電網(wǎng)規(guī)劃方案模糊綜合評(píng)價(jià) [J].電網(wǎng)技術(shù).2009，33(11)：60-64. Nie Hongzhan，Lv Pan，Qiao Yi，et al. Comprehensive decision-making of alternative transmission network planning based on entropy weight method [J].Power System Technology，2009，33(11)：60-64.

[3]劉亞麗. 基于DEAHP方法的輸電網(wǎng)規(guī)劃方案綜合評(píng)價(jià)及決策 [D]. 濟(jì)南：山東大學(xué)，2010. Liu Yali. Comprehensive evaluation and decision-making for tansmission network planning alternatives based on DEAHP method [D]. Shandong University，2010.

[4]聶宏展，聶聳，喬怡，等. 基于主成分分析法的輸電網(wǎng)規(guī)劃方案綜合決策[J].電網(wǎng)技術(shù).2010，34(6)：134-138. Nie Hongzhan，Nie Song，Qiao Yi，et al. Comprehensive decision-making of alternative transmission network planning based on principal component analysis [J].Power System Technology，2010，34(6)：134-138.

[5]羅毅，李昱龍. 基于熵權(quán)法和灰色關(guān)聯(lián)分析法的輸電網(wǎng)規(guī)劃方案綜合決策[J].電網(wǎng)技術(shù). 2013，37(1)：77-81. Luo Yi，Li Yulong. Comprehensive decision-making of alternative transmission network planning based on entropy weight and Grey relational analysis method [J].Power System Technology，2013，37(1)： 77-81.

[6]Li Z H, Lin Y, Chen W H, et al. Fuzzy comprehensive evaluation for transmission grid planning based on combination weight[J]. Power and Energy, 2015: 91.

[7]李德毅，孟海軍，史雪梅. 隸屬云和隸屬云發(fā)生器 [J]. 計(jì)算機(jī)研究與發(fā)展， 1995，32(6)：15-20. Li Deyi，Meng Haijun，Shi Xuemei. Membership clouds and membership cloud generators [J]. Computer Research & Development，1995，32(6)：15-20.

[8]李德毅，劉常昱. 論正態(tài)云模型的普適性 [J]. 中國(guó)工程科學(xué), 2004，6(8)：28-34. Li Deyi，Liu Changyu.Study on the universality of the normal cloud model [J].Engineering Science，2004，6(8)：28-34.

[9]廖良才，范林軍，王鵬. 一種基于云理論的組織績(jī)效評(píng)估方法 [J]. 系統(tǒng)工程, 2010(1)：99-104. Liao Liangcai，F(xiàn)an Linjun，Wang Peng. Method of evaluating organizational performance based on cloud theory [J]. Systems Engineering. 2010(1)：99-104.

[10]趙會(huì)茹，李娜娜，李天友，等. 基于AHP_云模型配電網(wǎng)故障對(duì)象的停電后果評(píng)估 [J].華東電力, 2013，41(7)：1456-1460. Zhao Huiru，Li Nana，Li Tianyou，et al. Outage consequence assessment for distribution network failure objects based on AHP cloud model [J]. East China Electric Power, 2013，41(7)：1456-1460.

[11]郭亞軍. 綜合評(píng)價(jià)理論、方法及應(yīng)用 [M]. 北京：科學(xué)出版社，2007.

[12]孫凱，鞠曉峰，李煜華. 基于變異系數(shù)法的企業(yè)孵化器運(yùn)行績(jī)效評(píng)價(jià)[J]. 哈爾濱理工大學(xué)學(xué)報(bào), 2007，(03)： 165-167. Sun Kai，Ju Xiaofeng，Li Yuhua. Performance evaluation of enterprise incubators based on variation coefficient method[J]. Journal of Harbin University of Science and Technology, 2007，(03)：165-167.

[13]Romero R, Monticelli A, Garcia A, et al. Test systems and mathematical models for transmission network expansion planning [J]. IEE Proceedings of Generation Transmission and Distribution. 2002，149(1)：27-36.

[14]李昱龍. 輸電網(wǎng)規(guī)劃方案綜合評(píng)價(jià)方法研究與應(yīng)用 [D]. 北京： 華北電力大學(xué)， 2012. Li Yulong. Application and research on comprehensive assessment modeling method for alternative transmission network planning [D]. North China Electric Power University，2012.

(編輯： 張小飛)

Comprehensive Decision-Making of Transmission Network Planning Schemes Based on Cloud Model

DONG Meiling,YOU Dahai, WANG Gang, CHEN Weihua

(State Key Laboratory of Advanced Electromagnetic Engineering and Technology,Huazhong University of Science and Technology, Wuhan 430074, China)

According to the uncertainty of comprehensive decision-making and the strong subjectivity of index weight determining method in power transmission network planning, a comprehensive decision-making method for transmission network planning schemes was proposed based on the combined weight and cloud model. Firstly, based on the subjective weights calculated by analytic hierarchy process (AHP) and order relation method as well as the objective weights calculated by entropy method and variation coefficient method, the combined weight of each evaluation index was obtained by particle swarm optimization (PSO) algorithm, in order to remedy the insufficiency of experts assigned index weight and objective weight. Then the cloud model was adapted to determine the comprehensive evaluation results of each network planning scheme, which could fully reflect the fuzziness and randomness of index information. Finally, a simulation analysis of IEEE Garver-6 system was given to verify the effectiveness of the proposed decision-making method.

transmission network planning scheme; comprehensive decision-making; combined weight; cloud model; particle swarm optimization algorithm

廣東電網(wǎng)公司電網(wǎng)規(guī)劃研究中心科研項(xiàng)目(030000QQ00120020)。

TM 715

A

1000-7229(2015)10-0154-07

10.3969/j.issn.1000-7229.2015.10.023

2015-07-11

2015-08-28

董美玲(1991)，女，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃及其綜合評(píng)價(jià)，負(fù)荷預(yù)測(cè)及需求側(cè)管理；

游大海(1957)，男，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化及電力系統(tǒng)繼電保護(hù)；

王剛(1990)，男，博士研究生，研究方向?yàn)殡娋W(wǎng)規(guī)劃及其綜合評(píng)價(jià)；

陳偉華(1989)，男，碩士研究生，研究方向?yàn)殡娋W(wǎng)規(guī)劃綜合評(píng)價(jià)，輸電網(wǎng)靜態(tài)穩(wěn)定，暫態(tài)穩(wěn)定評(píng)估等。