高 賀 ，孫 瑩 ，李可軍 ，梁永亮

（1.山東大學 電氣工程學院，山東 濟南 250061；2.中國石油大學（華東）信息與控制學院 電氣工程系，山東 青島 266580）

0 引言

近年來，針對智能電網的研究和建設成為世界各國的關注焦點。我國國家電網公司和相關學者密切跟蹤國際形勢變化，在借鑒歐美智能電網［1］的基礎上，根據我國基本國情，提出了建設堅強可靠、經濟高效、清潔環(huán)保、透明開放、友好互動的統(tǒng)一堅強智能電網的發(fā)展戰(zhàn)略［2］。

對智能電網進行風險評估，對于識別網絡發(fā)展過程中的薄弱環(huán)節(jié)和主要風險因素、實現(xiàn)網絡的趨優(yōu)運營具有重要意義。目前針對智能電網風險評估的研究相對較多：文獻［3］闡述了從宏觀戰(zhàn)略和微觀過程這2個方面構建智能電網評估指標體系的具體過程，但未能針對智能電網的狀態(tài)評估方法展開深入研究；文獻［4］提出了智能電網風險評估的整體思路和總體框架，但僅局限于從工程風險和金融風險這2個方面進行討論，從而使風險評估結果過于片面、缺乏說服力；文獻［5］考慮到智能電網的時間和區(qū)域發(fā)展特性，利用多維度風險評估矩陣對智能電網進行風險評估，但其構建的網絡風險因素結構框架過于簡單粗略而使網絡風險評估效果并不理想。

智能配電網作為智能電網的關鍵環(huán)節(jié)之一，是實現(xiàn)智能電網整體建設目標的重要保障，但目前針對智能配電網風險評估的研究很少。因此，本文基于現(xiàn)有研究［3-7］，首先建立智能配電網多級風險評估體系并劃分網絡風險等級；然后綜合應用模糊層次分析法 FAHP（Fuzzy Analytic Hierarchy Process）和相似度聚類分析確定評估體系的靜態(tài)主觀權重；為計及微觀指標風險值的時序特征，基于改進CRITIC賦權法確定微觀指標的動態(tài)客觀權重，并將其與指標對應的靜態(tài)主觀權重結合為同時考慮專家主觀經驗和指標風險值客觀發(fā)展趨勢的最優(yōu)變權；最后在專家打分的基礎上，結合相應的權重系數(shù)求取智能配電網整體風險值以評判網絡風險等級和安全級別；實例驗證了該模型能有效實現(xiàn)智能配電網的風險評估。

1 智能配電網風險評估模型的構建

1.1 智能配電網多級風險評估體系的建立

為保證智能配電網風險評估體系的系統(tǒng)性和評估指標間的獨立性，本文依據風險管理的基本原則和一般流程，從工程風險、金融風險、安全風險、技術風險、管理風險和外部風險這6個宏觀風險類型展開分析，每個宏觀風險均具體劃分到多個微觀指標。圖1為建立的智能配電網多級風險評估體系。

風險評估體系中的6個宏觀風險類型簡述如下。

a.工程風險（R1）：主要指智能配電網的工程系統(tǒng)故障對網絡運行帶來的不良影響，其下屬微觀指標中的新型配電設備主要包括分布式電源、大型可再生能源電源以及用戶側的智能電器等。

b.金融風險（R2）：主要來源于市場因素，其中市場價格波動帶來的風險為主要風險。

c.安全風險（R3）：主要指智能配電網利用數(shù)字化手段與用戶進行互動時，潛在的網絡攻擊可能導致網絡重要信息的泄露以及終端用戶個人信息的被侵犯，從而給智能配電網的安全運行帶來巨大威脅。

d.技術風險（R4）：它是目前智能配電網面臨的最大風險，其中電力、通信和軟件等相關領域核心技術的開發(fā)及電力行業(yè)、相關學者強大的后續(xù)研發(fā)能力是推動智能配電網全面發(fā)展的中堅力量。

e.管理風險（R5）：主要包括針對管理人員的技術培訓機制不健全、網絡建設經費不足和終端用戶因個人隱私傾向而抵制使用智能設備。

f.外部風險（R6）：宏觀政策波動主要包括宏觀經濟形勢的改變和相關法律政策的調整，社會文化和自然環(huán)境的變化對人們接受智能化生活的思想意識有著潛移默化的影響。

圖1 智能配電網多級風險評估體系Fig.1 Multilevel risk assessment system for smart distribution grid

1.2 智能配電網風險評估等級的劃分

文獻［5］應用風險評估矩陣法，綜合風險因素的危害程度和風險事件的可能性得到25個風險值，并將其按風險結果劃分的范圍標準映射為等級1—5。本文在文獻［5］風險等級劃分的基礎上，將風險等級與網絡安全級別作一一對應，如表1所示。

表1 智能配電網風險評估等級的劃分Table 1 Risk levels of smart distribution grid assessment

2 風險評估體系的最優(yōu)變權

2.1 基于相似度聚類分析的靜態(tài)主觀權重

FAHP［8-10］建立在專家主觀經驗的基礎上，專家權威性的大小直接決定其所建立的指標排序向量真實度的高低，故基于FAHP的賦權過程必須考慮專家權威性，但現(xiàn)有相關文獻［8-10］大都忽略了此關鍵信息。因此，為彌補目前FAHP未計及專家權威性這一缺陷，本文根據FAHP建立專家小組的指標排序向量矩陣L，應用相似度聚類分析建立專家小組的權威因數(shù)矩陣γ，結合兩矩陣確定智能配電網風險評估體系的靜態(tài)主觀權重，賦權流程見圖2。

圖2 靜態(tài)主觀權重分配流程圖Fig.2 Flowchart of static subjective weight assignment

指標排序向量矩陣L的求取可參考文獻［10］中1.1節(jié)所述方法，鑒于篇幅，此處不再贅述。現(xiàn)詳細說明權威因數(shù)矩陣γ的求取過程。

步驟1：根據矩陣L構造相似度關聯(lián)矩陣S=［spq］n×n。 引入向量夾角余弦 spq（p≠q；p，q=1，2，…，n）來量化矩陣L中任意2個行向量lp和lq（專家ep和eq建立的指標排序向量）間的相似程度，具體計算方法見式（1），lp和 lq的相似度越高，spq的值越大。

其中，為向量lq的轉置向量；‖lp‖和‖lq‖分別為向量lp和lq的范數(shù)。

步驟2：根據矩陣S進行專家聚類。具體如下：

a.尋找矩陣S中的最大非對角線元素sab，將專家 ea、eb歸入集合 E；

b.令sab=sba=0，尋找并記錄S中第a和第b行的最大非對角線元素sac（sbc），將專家ec歸入集合E；

c.令 sac=sca=0（sbc=scb=0），尋找并記錄 S 中第c行最大非對角線元素scd，將專家ed歸入集合E；

d.依此類推，直至n位專家全部歸入集合E；

e.設定合理的閾值T，若記錄的slk≤T，則將專家 el、ek聚為一類，否則將專家 el、ek分屬為不同類。

步驟3：計算專家類別間權威因數(shù)α。根據各專家類別建立的指標排序向量，計算專家類別間的一致性差異值，某一專家類別的一致性差異值越小，說明該專家類別確定的指標排序向量越具有代表性，從而該專家類別的權威性越高。若通過聚類，n位專家被分成 r類，其中專家 ei屬于第 h（1≤h≤r）類，且該類包括φh位專家，則該類別的權威因數(shù)αh為：

其中，Ni為專家ei與其他專家所建立的指標排序向量間的綜合一致性差異值；N′h為第h類專家與其他專家類別間的綜合一致性差異值。

步驟4：計算專家類別內權威因數(shù)β。同一類別中不同專家所建立的模糊判斷矩陣的一致性比例［8-10］不同，從而導致不同專家建立的指標排序向量的權威性不同。第h類別中專家ei的權威因數(shù)βi為：

其中，c 為調節(jié)比例因子［11］，本文中 c=10；CRi和 CRj分別為第h類別中專家ei和ej所建立的模糊判斷矩陣的一致性比例。

步驟5：綜合α和β計算γ。專家ei的權威因數(shù)為：

以智能配電網風險評估體系中技術風險（R4）下屬的微觀指標（R41、R42、R43）為例來說明靜態(tài)主觀權重的分配過程。若專家小組由5位專家組成，即n=5，利用FAHP求得的指標排序向量矩陣L為：

根據矩陣L構造的相似度關聯(lián)矩陣S為：

根據矩陣S進行專家聚類的過程如圖3所示。

圖3 專家聚類流程圖Fig.3 Flowchart of expert clustering analysis

設閾值T=0.997 0，則5位專家被分為3類：E1=｛e3，e4，e1｝，E2= ｛e2｝，E3= ｛e5｝。 根據式（2）和式（3）計算所得的專家類別間、類別內權威因數(shù)矩陣分別為：α=［0.931 0，0.034 5，0.034 5］，β=［0.339 8，1，0.297 6，0.362 6，1］。 根據式（4）求得的專家權威因數(shù)矩陣為：γ=［0.3164，0.0345，0.2771，0.3376，0.0345］。 綜上所述，指標 R41、R42、R43的靜態(tài)主觀權重為：w1（R4）=γL=［0.4749，0.3036，0.2216］。

同理，基于上述方法確定的智能配電網風險評估體系的靜態(tài)主觀權重如表2所示。

表2 智能配電網風險評估體系的靜態(tài)主觀權重Table 2 Static subjective weights of risk assessment system for smart distribution grid

2.2 基于改進CRITIC賦權法的動態(tài)客觀權重

實際調研表明，關鍵性風險指標對智能配電網的影響程度隨時間變化而逐漸演變，即關鍵性風險指標的參數(shù)具有時序特征。從整體上來看，各風險指標對智能配電網的影響程度隨著網絡的日趨完善而逐漸減小，但不同指標風險值的下降幅度不同，在網絡不同發(fā)展階段呈現(xiàn)出的客觀分布特征也不同。

為充分計及關鍵性風險指標參數(shù)的時序特征對評估過程的影響，本文基于改進CRITIC賦權法賦予各微觀指標相應的動態(tài)客觀權重，進而將微觀指標的靜態(tài)主觀權重和動態(tài)客觀權重整合為最優(yōu)變權，使賦權過程既參考評估專家的主觀經驗，又依據微觀指標風險值的客觀變化趨勢，從而使權重系數(shù)的確定更為嚴謹合理。

2.2.1 改進CRITIC賦權法機理

CRITIC 賦權法［12］是由 Diakoulaki提出的一種新型客觀賦權方法，由于其同時考慮了同一指標參數(shù)的變化幅度大小和不同指標間的沖突性大小對權重系數(shù)的影響，因此CRITIC賦權法相比于熵權法和標準離差法具有明顯的優(yōu)勢。

CRITIC賦權法以指標的對比強度和沖突性為基礎，其中對比強度用來量化同一指標在不同決策方案中取值差異性大小，用標準差來衡量；沖突性用來量化不同指標間相關性大小，用相關系數(shù)來衡量?；贑RITIC賦權法進行客觀賦權的計算過程為：

其中，σi為指標i的標準差；u為決策方案的數(shù)量；xi，k和 xj，k分別為指標 i和 j在第 k 個決策方案中的歸一化參數(shù)值；xi，ave和 xj，ave分別為指標 i和 j在所有決策方案中歸一化參數(shù)的平均值；rij為指標i和j的相關系數(shù)；w2（i）為指標 i的動態(tài)客觀權重；v為指標的數(shù)量。指標i和j的參數(shù)均經過歸一化處理［12］。

雖然CRITIC賦權法綜合考慮了不同指標間的對比強度和沖突性，但并未考慮指標間的離散性，研究表明，熵值可以用來量化數(shù)據間的聚集程度［12］，故本文應用熵值將式（5）改進為式（6），使賦權過程同時融合指標間的對比強度、沖突性和離散性。

其中，si為指標i的熵值，其計算方法見文獻［13］。

2.2.2 改進CRITIC賦權法的具體應用

由于智能配電網風險評估體系中各微觀指標均為定性指標，因此本文基于專家打分法［14］對各指標進行風險評估，并將各微觀指標對應的分值作為其風險值。由于各微觀指標風險值的量綱相同，故在利用改進CRITIC賦權法進行權重計算時，無需對各微觀指標的風險值進行歸一化處理。

根據已有研究和專家經驗預測智能配電網在中期和遠期發(fā)展階段中各微觀指標風險值。將各微觀指標在近期、中期和遠期發(fā)展階段的風險值作為改進CRITIC賦權法的3個決策方案，進而由式（5）和（6）確定智能配電網風險評估體系的動態(tài)客觀權重。

2.3 最優(yōu)變權的求取

為避免單一賦權方法的局限性和片面性，提高權重系數(shù)的科學性，本文將基于相似度聚類分析的靜態(tài)主觀權重和基于改進CRITIC賦權法的動態(tài)客觀權重結合為最優(yōu)變權，從而達到優(yōu)勢互補的效果。針對指標i，其最優(yōu)變權的計算公式如下：

其中，w1（i）和 w2（i）分別為指標 i的靜態(tài)主觀權重和動態(tài)客觀權重；t為與指標i相同類別的指標總數(shù)。

3 智能配電網風險評估具體步驟

綜上所述，智能配電網風險評估具體步驟如下。

步驟1：邀請專家參與智能配電網風險評估。本文邀請5位從事智能配電網相關工作的專家參與風險評估，為充分計及專家權威性對評估結果的影響，采用強制比較法［15］從專家的職稱、工齡和學歷3個方面分析其權威性，求得的專家權重向量為：K=［k（i）|i=1，2，3，4，5］=［0.208，0.183，0.212，0.169，0.228］；令專家根據自身經驗和指標實際狀態(tài)打出相應的分值，打分范圍與表1中提供的各風險等級對應的風險值區(qū)間相同。將某一風險指標Rij的所得分值（風險值）Gij定義為：

其中，gij（l）為專家 el針對指標 Rij所打出的分值；k（l）為專家el的權重值。

步驟2：基于相似度聚類分析和改進CRITIC賦權法確定智能配電網風險評估體系的最優(yōu)變權。

步驟3：結合各微觀指標的風險值和相應的最優(yōu)變權，基于加權平均求取智能配電網的整體風險值。

步驟4：將各風險等級對應風險值區(qū)間的中間值作為該等級的特征風險值，定義特征風險值向量為T=［3，7.5，12.5，17.5，22.5］，將求取的智能配電網整體風險值與向量T進行比較以確定智能配電網風險等級和網絡安全級別。

4 實例驗證與分析

選取華東地區(qū)某智能配電網作為研究對象，結合各微觀指標的風險值和相應的最優(yōu)變權求取該智能配電網的整體風險值，并與網絡實際發(fā)展狀況進行比較分析，以驗證本文建立的風險評估模型的有效性。

應用本文第3節(jié)步驟1中所述方法，求取該智能配電網各微觀指標在近期發(fā)展階段的風險值；根據專家經驗和已有研究，預測各微觀指標在中期發(fā)展階段和遠期發(fā)展階段的風險值。表3展示了智能配電網多級風險評估體系中6個宏觀風險類型（R1—R6）下屬各微觀指標在網絡不同發(fā)展階段的風險值。

表3 微觀指標不同發(fā)展階段的風險值Table 3 Microscopic index risk for different development stages

根據表2和表3提供的有效信息，根據改進CRITIC賦權法和式（7）確定各微觀指標的動態(tài)客觀權重和最優(yōu)變權如表4所示。

表4 微觀指標的權重系數(shù)Table 4 Microscopic index weights

根據各微觀指標的近期風險值和相應的最優(yōu)變權，基于加權平均求得該智能配電網6個宏觀風險類型的風險值和網絡整體風險值如表5所示。

表5 智能配電網風險值Table 5 Risks of smart distribution grid

現(xiàn)針對表5作簡要分析如下。

a.該智能配電網整體風險值為16.4746，將其與特征風險值向量T比較可知，該網絡的風險等級接近于第4級，參照表1可知該網絡面臨的風險較高，網絡安全級別接近于較危險。由于目前我國智能配電網的發(fā)展處于初期階段，網絡智能化水平較低且發(fā)展受到多方面因素的限制，網絡面臨的風險較大且對風險的承受能力不足，因此基于本文建立的評估模型分析得到該智能配電網面臨的風險狀況與我國智能配電網的實際發(fā)展狀況基本一致。

b.該智能配電網面臨的技術風險（R4）極高。不夠成熟的核心技術和不夠健全的體制標準是制約智能配電網全面發(fā)展的核心因素，因此必須重視智能配電網相關領域核心技術的研發(fā)，推動智能配電網技術標準的不斷完善。

c.該智能配電網面臨的工程風險（R1）、安全風險（R3）、管理風險（R5）和外部風險（R6）均較高。目前智能化和自動化配電設施大部分處于規(guī)劃建設的試點階段，運行數(shù)據匱乏且與傳統(tǒng)設備的協(xié)調性差；信息網絡和用戶終端信息網均未形成規(guī)模、信息安全技術和相關標準均未成熟，導致網絡自身存在較大的安全隱患；專業(yè)技術人員的缺乏和粗放型的管理機制使網絡發(fā)展過程中面臨較大的管理風險；國家對智能配電網發(fā)展的扶持力度不夠，出臺的相關政策不夠完善，且用戶對智能化生活的接受意識較為薄弱使智能配電網的發(fā)展受外部影響較大。

d.該智能配電網面臨的金融風險（R2）中等。隨著網絡發(fā)展規(guī)模的逐漸擴大，網絡建設對資金的需求也會相應增大，導致在資金操作和市場交易等過程中面臨的風險增大，因此在網絡發(fā)展的各個階段均應對金融風險給予一定的重視。

綜上所述，本文提出的評估模型能夠直觀準確地實現(xiàn)智能配電網的風險評估，且能夠識別網絡發(fā)展過程中的薄弱環(huán)節(jié)和面臨的主要風險，對于全面推進智能配電網的趨優(yōu)發(fā)展具有重要的指導意義。

5 結論

本文提出了一種新型智能配電網風險評估模型，實例驗證了該評估模型具有較強的實用性?，F(xiàn)將該評估模型的特點總結如下：

a.智能配電網多級風險評估體系融合了宏觀風險和微觀指標，盡可能全面地覆蓋了網絡發(fā)展過程中面臨的關鍵性風險因素；

b.綜合應用相似度聚類分析和FAHP賦予評估體系合理的靜態(tài)主觀權重，彌補了傳統(tǒng)主觀賦權方法未能考慮專家權威性的缺陷；

c.評估體系的最優(yōu)變權同時計及了評估專家的主觀經驗和微觀指標風險值的客觀發(fā)展趨勢，使靜態(tài)風險評估轉化為計及時序特征的動態(tài)風險評估。

隨著智能配電網的逐漸發(fā)展，本文建立的智能配電網多級風險評估體系所涵蓋的風險因素信息可能無法滿足未來網絡風險評估的需要，因此對評估體系的框架作適當?shù)臄U展，并針對指標風險值的求取方法作進一步深入的探索，是今后研究工作的重點。

［1］SLIMOES M G，ROCHE R，KYRIAKIDES E，et al.Smart-grid technologies and progress in Europe and the USA［C］∥Energy Conversion Congress and Exposition.Phoenix，AZ，USA：IEEE，2011：383-390.

［2］?？?，薛峰，楊衛(wèi)東．中國智能電網基本特征及其技術進展評書［J］．電力系統(tǒng)自動化，2009，33（17）：10-15．CHANG Kang，XUE Feng，YANG Weidong.Review on the basic characteristics and its technical process of smart grid in China［J］.Automation of Electric Power Systems，2009，33（17）：10-15.

［3］王彬，何光宇，梅生偉，等．智能電網評估指標體系的構建方法［J］．電力系統(tǒng)自動化，2011，35（23）：1-5．WANG Bin，HE Guangyu，MEI Shengwei，et al.Construction method of smart grid’s assessment index system［J］.Automation of Electric Power Systems，2011，35（23）：1-5.

［4］趙珊珊，張東霞，印永華．智能電網的風險評估［J］．電網技術，2009，33（19）：7-10．ZHAO Shanshan，ZHANG Dongxia，YIN Yonghua.Risk assessment of smartgrid［J］.Power System Technology，2009，33（19）：7-10.

［5］孫強，張義賦，韓冬，等．多因素、多維度的智能電網風險評估［J］．電網技術，2012，36（9）：51-55．SUN Qiang，ZHANG Yifu，HAN Dong，et al.Multifactorial and multidimensional risk evaluation of smart grid ［J］.Power System Technology，2012，36（9）：51-55.

［6］曾鳴，陳英杰，胡獻忠，等．基于多層次模糊綜合評判法的我國智能電網風險評估［J］．華東電力，2011，39（4）：535-539．ZENG Ming，CHEN Yingjie，HU Xianzhong，et al.The risk assessment of China’s smart grid based on multi-level fuzzy comprehensive evaluation method ［J］.East China Electric Power，2011，39（4）：535-539.

［7］HABASH R W Y，GROZA V，KREWSKI D，et al.A risk assessment framework for the smart grid［C］∥Electrical Power&Energy Conference.Halifax，NS，Canada：IEEE，2013：1-6.

［8］巫偉南，楊軍，胡文平，等．考慮輸電線路故障特性的電網綜合風險評估體系［J］．電力自動化設備，2014，34（6）：129-134．WU Weinan，YANG Jun，HU Wenping，et al.Power grid risk assessment system considering characteristics of transmission line failure［J］.Electric Power Automation Equipment，2014，34（6）：129-134.

［9］國連玉，李可軍，梁永亮，等．基于灰色模糊綜合評判的高壓斷路器狀態(tài)評估［J］．電力自動化設備，2014，34（11）：161-167．GUO Lianyu，LIKejun，LIANG Yongliang，et al.HV circuit breaker state assessment based on gray-fuzzy comprehensive evaluation［J］.Electric Power Automation Equipment，2014，34（11）：161-167.

［10］田林鋼，靳聰聰，巴超．改進的模糊層次分析法在海堤工程安全評價中的應用［J］．武漢大學學報（工學版），2013，46（3）：317-327．TIAN Lingang，JIN Congcong，BA Chao.Application of improved fuzzy AHP to safety evaluation of seawall engineering ［J］.Engineering Journal ofWuhan University，2013，46（3）：317-327.

［11］何立華，王櫟綺，張連營．基于聚類的多屬性群決策專家權重確定方法［J］．運籌與管理，2014，23（6）：65-71．HE Lihua，WANG Yueqi，ZHANG Lianying.A method of determining the experts’weights ofmulti-attribute group decisionmaking based on clustering analysis［J］.Operations Research and Management Science，2014，23（6）：65-71.

［12］宋冬梅，劉春曉，沈晨，等．基于主客觀賦權法的多目標多屬性決策方法［J］．山東大學學報（工學版），2015，45（4）：1-9．SONG Dongmei，LIU Chunxiao，SHEN Chen，et al.Multiple objective and attribution decision making based on the subjective and objective weighting［J］.Journal of Shandong University（Engineering Science），2015，45（4）：1-9.

［13］傅學謙，陳皓勇．基于加權秩和比法的電能質量綜合評估［J］．電力自動化設備，2015，35（1）：128-132．FU Xueqian，CHEN Haoyong.Comprehensive power quality evaluation based on weighted rank sum ration method［J］.Electric Power Automation Equipment，2015，35（1）：128-132.

［14］徐巖，陳昕．基于合作博弈和云模型的變壓器狀態(tài)評估方法［J］．電力自動化設備，2015，35（3）：88-93．XU Yan，CHEN Xin.Transformer status assessment based on cooperative game and cloud model［J］.Electric Power Automation Equipment，2015，35（3）：88-93.

［15］廖瑞金，黃飛龍，楊麗君，等．變壓器狀態(tài)評估指標權重計算的未知有理數(shù)法［J］．高電壓技術，2010，36（9）：2219-2224．LIAO Ruijin，HUANG Feilong，YANG Lijun，et al.Calculation method of power transformer condition assessment index weight usingunascertainedmethod［J］.High Voltage Engineering，2010，36（9）：2219-2224.