莫一夫，葉琳浩，張勇軍

(華南理工大學(xué) 電力學(xué)院 廣東省綠色能源技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510640)

0 引言

智能電網(wǎng)信息管理系統(tǒng)是電網(wǎng)實(shí)現(xiàn)發(fā)電和用電雙向互動的重要平臺，是智能電網(wǎng)信息物理融合的關(guān)鍵所在[1]，隨著智能電網(wǎng)建設(shè)的逐步推進(jìn)和電網(wǎng)規(guī)模的擴(kuò)大，智能電網(wǎng)信息管理系統(tǒng)的復(fù)雜程度呈現(xiàn)幾何式增長。對智能電網(wǎng)信息管理系統(tǒng)的復(fù)雜性進(jìn)行量化評估，不僅能夠?yàn)橄到y(tǒng)的設(shè)計(jì)優(yōu)化提供量化參考，對于其服務(wù)定價(jià)、運(yùn)維成本估算也有著重要的意義。

在系統(tǒng)復(fù)雜性科學(xué)方面，自香農(nóng)在《信息論》中提出用“熵”來描述系統(tǒng)信息含量后，熵就成為了量化描述復(fù)雜性的一個(gè)重要指標(biāo)，并廣泛地應(yīng)用于公共管理績效分析[2]、項(xiàng)目復(fù)雜性評價(jià)[3]、過程控制與調(diào)度[4]、設(shè)備故障診斷[5]等各個(gè)研究領(lǐng)域。

在電力系統(tǒng)復(fù)雜性研究方面，文獻(xiàn)[6]提出了電力系統(tǒng)復(fù)雜性研究的理論框架，指出了復(fù)雜性科學(xué)應(yīng)用于電力系統(tǒng)分析的前景以及一些未來研究方向。從熵理論出發(fā)，許多學(xué)者針對電網(wǎng)運(yùn)行過程中的特性建立了不同的熵指標(biāo)，為電力系統(tǒng)運(yùn)行分析開辟了新方向。文獻(xiàn)[7]提出了聯(lián)合加權(quán)熵以表征電網(wǎng)自組織臨界演化水平，并對電網(wǎng)進(jìn)行了有效的仿真計(jì)算。文獻(xiàn)[8]根據(jù)電網(wǎng)潮流分布特性和負(fù)荷變化對電壓的影響構(gòu)建了潮流分布熵和奇異值熵，進(jìn)而對電網(wǎng)關(guān)鍵節(jié)點(diǎn)進(jìn)行識別。文獻(xiàn)[9]則依據(jù)潮流分布特性和轉(zhuǎn)移特性提出了基于效用風(fēng)險(xiǎn)熵的脆弱性評估模型，較好地分析了故障脆弱性。文獻(xiàn)[10]基于小波包時(shí)間熵提取了配電網(wǎng)運(yùn)行狀態(tài)特征，能夠分析配電網(wǎng)的各種運(yùn)行狀態(tài)。文獻(xiàn)[11]利用熵度和輸電介數(shù)分析了母線的連通性，進(jìn)而有效地評價(jià)了電網(wǎng)結(jié)構(gòu)的復(fù)雜性和安全性。類似的研究使得熵理論在電網(wǎng)中的應(yīng)用日漸深入成熟，成為電力系統(tǒng)復(fù)雜性研究的重要理論工具。

針對智能電網(wǎng)信息管理系統(tǒng)的復(fù)雜性，文獻(xiàn)[12-14]提出了適用于智能電網(wǎng)發(fā)展的信息管理系統(tǒng)體系結(jié)構(gòu)，為其復(fù)雜性評估方向提供了指導(dǎo)。文獻(xiàn)[15]從復(fù)雜適應(yīng)性系統(tǒng)的角度出發(fā)，研究了智能電網(wǎng)信息管理系統(tǒng)的復(fù)雜性特征，并基于復(fù)雜科學(xué)管理思維和多智能系統(tǒng)構(gòu)建了智能電網(wǎng)信息管理系統(tǒng)的設(shè)計(jì)框架，但文章僅停留在對復(fù)雜性特征的研究與描述上，沒有對系統(tǒng)復(fù)雜性進(jìn)行量化評估。

總體而言，我國目前對于智能電網(wǎng)信息管理系統(tǒng)復(fù)雜性特征的認(rèn)識仍不夠深入[16]，對其復(fù)雜性進(jìn)行量化和評估的研究更是亟待開展。

鑒于熵理論已被成熟地應(yīng)用到制造系統(tǒng)[17]、列車控制系統(tǒng)[18]等系統(tǒng)的結(jié)構(gòu)復(fù)雜性評估。本文分析了智能電網(wǎng)信息管理系統(tǒng)的復(fù)雜性特征，從系統(tǒng)主站層、通信網(wǎng)絡(luò)層、智能終端設(shè)備層3個(gè)層面出發(fā)，提出了基于結(jié)構(gòu)熵的復(fù)雜性評估方法，并在量化評估了智能電網(wǎng)信息管理系統(tǒng)各個(gè)復(fù)雜性測量因素的基礎(chǔ)上，引入管理功和多維熵空間尺度理論[19]，進(jìn)一步建立了基于多維結(jié)構(gòu)熵的智能電網(wǎng)信息管理系統(tǒng)復(fù)雜性評估模型。該模型能夠同時(shí)計(jì)算和分析系統(tǒng)各分層的復(fù)雜性和系統(tǒng)整體的復(fù)雜性，指導(dǎo)系統(tǒng)的設(shè)計(jì)研發(fā)和運(yùn)維優(yōu)化。最后，通過實(shí)例分析驗(yàn)證了設(shè)計(jì)模型的有效性和合理性。

1 智能電網(wǎng)信息管理系統(tǒng)的復(fù)雜性評估指標(biāo)體系

智能電網(wǎng)信息管理系統(tǒng)由管理人員、資金、物理設(shè)備和信息等要素組成，是能夠收集、儲存、處理電網(wǎng)全域信息流的人機(jī)交互綜合管理系統(tǒng)，是智能電網(wǎng)規(guī)劃建設(shè)過程中的重要組成部分。智能電網(wǎng)信息管理系統(tǒng)集成先進(jìn)的傳感測量技術(shù)、通信技術(shù)以及控制技術(shù)，可以實(shí)時(shí)監(jiān)控電網(wǎng)運(yùn)行狀態(tài)，對電網(wǎng)進(jìn)行全方位的態(tài)勢感知、智能控制以及優(yōu)化調(diào)度，實(shí)現(xiàn)電網(wǎng)與用戶雙向互動，在復(fù)雜變化的環(huán)境下確保電力供應(yīng)的安全性、可靠性、持續(xù)性、經(jīng)濟(jì)性、清潔性，為用戶提供高附加值的服務(wù)。

整合電能生產(chǎn)、使用和管理全流程，智能電網(wǎng)信息管理系統(tǒng)的信息流貫穿電力系統(tǒng)的發(fā)電、輸電、變電、配電、用電和調(diào)度等各個(gè)環(huán)節(jié)，包含并整合了數(shù)據(jù)采集與監(jiān)視控制(SCADA)系統(tǒng)、能量管理系統(tǒng)(EMS)等智能系統(tǒng)所采集的數(shù)據(jù)，其架構(gòu)可大致分為系統(tǒng)主站層、通信網(wǎng)絡(luò)層、智能終端設(shè)備層，具體如圖1所示。

圖1 智能電網(wǎng)信息管理系統(tǒng)結(jié)構(gòu)Fig.1 Framework of smart grid information management system

智能電網(wǎng)信息管理系統(tǒng)由若干相互作用的單元組成，其復(fù)雜性是指要素和要素之間、要素和系統(tǒng)之間、子系統(tǒng)與系統(tǒng)之間、系統(tǒng)和外部環(huán)境之間的關(guān)系的各種不確定性。本文按照智能電網(wǎng)信息管理系統(tǒng)的架構(gòu)，從系統(tǒng)主站層、通信網(wǎng)絡(luò)層和智能終端設(shè)備層3個(gè)方面對其復(fù)雜性進(jìn)行量化評估。在系統(tǒng)主站層，既考慮數(shù)據(jù)庫設(shè)計(jì)過程中的靜態(tài)復(fù)雜性，如數(shù)據(jù)實(shí)體集數(shù)、數(shù)據(jù)聯(lián)系集數(shù)、數(shù)據(jù)屬性數(shù)、元組數(shù)，也考慮其運(yùn)行過程中的動態(tài)復(fù)雜性，如訪問總量；在通信網(wǎng)絡(luò)層和智能終端設(shè)備層，各種設(shè)備的數(shù)量和類型，以及通信設(shè)備的通信丟包率和終端設(shè)備的數(shù)據(jù)采集頻率反映主要的復(fù)雜性特征。智能電網(wǎng)信息管理系統(tǒng)復(fù)雜性評估指標(biāo)體系如圖2所示。

圖2 智能電網(wǎng)信息管理系統(tǒng)復(fù)雜性評估指標(biāo)體系Fig.2 Complexity evaluation index system of smart grid information management system

2 基于結(jié)構(gòu)熵的復(fù)雜性評估方法

香農(nóng)提出的信息熵是用來度量信息含量的指標(biāo)，在系統(tǒng)復(fù)雜性研究中，信息熵可用來表示系統(tǒng)狀態(tài)和結(jié)構(gòu)的不確定性，系統(tǒng)的混亂無序程度越高，系統(tǒng)結(jié)構(gòu)的熵值越大。

設(shè)系統(tǒng)存在n1種狀態(tài)，第i種狀態(tài)的發(fā)生概率為Pi，則該系統(tǒng)的結(jié)構(gòu)熵為：

(1)

2.1 系統(tǒng)主站層結(jié)構(gòu)熵計(jì)算方法

智能電網(wǎng)信息管理系統(tǒng)的系統(tǒng)主站層，主要用于儲存和處理各個(gè)智能終端設(shè)備上傳的數(shù)據(jù)，并通過智能算法對電網(wǎng)運(yùn)行狀態(tài)進(jìn)行分析評估和控制調(diào)度。系統(tǒng)數(shù)據(jù)庫是系統(tǒng)主站層的主要部分，反映了系統(tǒng)主站層的復(fù)雜性特征，決定了系統(tǒng)主站層的復(fù)雜程度。

在數(shù)據(jù)庫的設(shè)計(jì)階段，實(shí)體-聯(lián)系模型(簡稱E-R模型)通常被用于建立概念數(shù)據(jù)模型。E-R模型包含實(shí)體、聯(lián)系、屬性3種基本成分，利用清晰簡單的符號圖形來描述設(shè)計(jì)者的想法，便于不熟悉計(jì)算機(jī)技術(shù)的用戶進(jìn)行理解。因此E-R模型是用來分析數(shù)據(jù)庫復(fù)雜性的有效工具。

a. 數(shù)據(jù)實(shí)體集數(shù)。

實(shí)體是在現(xiàn)實(shí)世界中區(qū)別于其他對象的“事物”或“對象”。一般而言，具有相同類型及相同性質(zhì)(或?qū)傩?的實(shí)體可歸為一個(gè)實(shí)體集。在設(shè)計(jì)時(shí)，可將電表、變壓器、集中器等這些具體設(shè)備看作實(shí)體，也可將設(shè)備日凍結(jié)數(shù)據(jù)、月收費(fèi)情況、更換設(shè)備這些抽象概念看作實(shí)體。在E-R圖中，實(shí)體用方框表示，實(shí)體集用矩形符號表示，矩形框內(nèi)標(biāo)明實(shí)體集的名稱。

智能電網(wǎng)信息管理系統(tǒng)的E-R模型中，設(shè)實(shí)體集數(shù)為ne，則實(shí)體集的結(jié)構(gòu)熵為：

(2)

b. 聯(lián)系集數(shù)。

聯(lián)系是實(shí)體與實(shí)體之間的相互關(guān)聯(lián)。聯(lián)系的類型有一對一、一對多、多對一和多對多4種。同一類聯(lián)系構(gòu)成聯(lián)系集。聯(lián)系集數(shù)是指E-R模型中聯(lián)系集的數(shù)量，即E-R模型中菱形的數(shù)量。設(shè)智能電網(wǎng)信息管理系統(tǒng)中聯(lián)系集數(shù)為nr，其結(jié)構(gòu)熵為：

(3)

c. 數(shù)據(jù)屬性數(shù)。

屬性指實(shí)體集或聯(lián)系集中每個(gè)個(gè)體具有的性質(zhì)。實(shí)體或聯(lián)系的屬性值是存儲在系統(tǒng)數(shù)據(jù)的重要組成部分，每個(gè)實(shí)體和聯(lián)系都有屬性，如集中器實(shí)體集中的屬性有集中器編號、通信方式、協(xié)議類型、抄表間隔等。這些屬性表示該實(shí)體集中每個(gè)實(shí)體均儲存了相似的信息，但是每個(gè)實(shí)體的屬性都有各自的值。

數(shù)據(jù)屬性數(shù)是指E-R模型中每個(gè)實(shí)體集和聯(lián)系集的屬性的數(shù)量之和，即E-R圖中橢圓形符號的數(shù)量。設(shè)智能電網(wǎng)信息管理系統(tǒng)E-R模型中共有np個(gè)實(shí)體集和聯(lián)系集，則np=ne+nr，第i個(gè)實(shí)體集或聯(lián)系集的屬性數(shù)為ni，則總的屬性數(shù)的結(jié)構(gòu)熵為：

(4)

d. 元組數(shù)。

在智能電網(wǎng)信息管理系統(tǒng)中，元組數(shù)對應(yīng)著數(shù)據(jù)庫存儲的數(shù)據(jù)量，是系統(tǒng)主站層復(fù)雜性的直接影響因素。1個(gè)元組即為數(shù)據(jù)表中的1行。一個(gè)數(shù)據(jù)表中的每個(gè)元組均有一個(gè)唯一的對應(yīng)編號(記錄號)。設(shè)智能電網(wǎng)信息管理系統(tǒng)共有n2張數(shù)據(jù)表，其中第i張數(shù)據(jù)表的元組數(shù)為nti，則第i張表中的數(shù)據(jù)量的結(jié)構(gòu)熵為：

(5)

e. 訪問總量。

對系統(tǒng)主站層數(shù)據(jù)庫的靜態(tài)數(shù)據(jù)復(fù)雜性進(jìn)行建模分析后，也必須考慮動態(tài)數(shù)據(jù)的復(fù)雜性。系統(tǒng)主站層的動態(tài)數(shù)據(jù)復(fù)雜性主要表現(xiàn)為用戶對智能電網(wǎng)信息管理系統(tǒng)各頁面的數(shù)據(jù)操作，因此可以用訪問總量來分析其復(fù)雜程度。

在測量時(shí)間內(nèi)，用戶對智能電網(wǎng)信息管理系統(tǒng)各頁面的訪問操作數(shù)量即為訪問總量。設(shè)智能電網(wǎng)信息管理系統(tǒng)在某段測量時(shí)間內(nèi)，用戶對智能電網(wǎng)信息管理系統(tǒng)各頁面的訪問總量為nv，則訪問總量的結(jié)構(gòu)熵為：

(6)

2.2 通信網(wǎng)絡(luò)層結(jié)構(gòu)熵計(jì)算方法

通信網(wǎng)絡(luò)層主要由各種通信設(shè)備構(gòu)成，系統(tǒng)主站與智能終端設(shè)備通過遠(yuǎn)程通信建立聯(lián)系，由主站下達(dá)指令，終端設(shè)備上傳實(shí)時(shí)數(shù)據(jù)。通信網(wǎng)絡(luò)層的復(fù)雜性可以從通信設(shè)備的數(shù)量、通信設(shè)備的類型和通信丟包率3個(gè)方面進(jìn)行評估。

a. 通信設(shè)備數(shù)量。

設(shè)智能電網(wǎng)信息管理系統(tǒng)中通信設(shè)備的數(shù)量為nc，其結(jié)構(gòu)熵為：

(7)

b. 通信設(shè)備類型。

設(shè)智能電網(wǎng)信息管理系統(tǒng)中有ntc種通信設(shè)備，則通信設(shè)備類型的結(jié)構(gòu)熵為：

(8)

c. 通信丟包率。

設(shè)第i種通信設(shè)備的通信丟包率為ri，則通信設(shè)備通信丟包率的結(jié)構(gòu)熵為：

(9)

2.3 智能終端設(shè)備層結(jié)構(gòu)熵計(jì)算方法

智能電網(wǎng)由發(fā)電、變電、輸電、配電、用電和調(diào)度6個(gè)部分組成，投入各部分的智能終端設(shè)備是使智能電網(wǎng)具有良好可觀性的基礎(chǔ)。從目前的技術(shù)應(yīng)用情況來看，智能終端設(shè)備及系統(tǒng)主要分為兩大類：一類是用于采集電力系統(tǒng)數(shù)據(jù)的電網(wǎng)狀態(tài)量測系統(tǒng)，如配電管理系統(tǒng)(DMS)、EMS、用戶管理系統(tǒng)和電廠管理系統(tǒng)等；另一類是用于采集個(gè)人用戶用電信息的個(gè)人量測系統(tǒng)，如智能電表、智能抄表設(shè)備等。這些設(shè)備的數(shù)量、類型和數(shù)據(jù)采集頻率是影響復(fù)雜性的主要因素。

a. 智能終端設(shè)備數(shù)量。

設(shè)智能電網(wǎng)信息管理系統(tǒng)中智能終端設(shè)備的數(shù)量為na，其結(jié)構(gòu)熵為：

(10)

b. 智能終端設(shè)備類型。

設(shè)智能電網(wǎng)信息管理系統(tǒng)中有nta種智能終端設(shè)備，則智能終端設(shè)備類型的結(jié)構(gòu)熵為：

(11)

c. 數(shù)據(jù)采集頻率。

設(shè)第i種智能終端設(shè)備的數(shù)據(jù)采集頻率為fi，則智能終端設(shè)備的數(shù)據(jù)采集頻率的結(jié)構(gòu)熵為：

(12)

3 基于多維結(jié)構(gòu)熵的復(fù)雜性評估模型

前文分別從智能電網(wǎng)信息管理系統(tǒng)的系統(tǒng)主站層、通信網(wǎng)絡(luò)層、智能終端設(shè)備層3個(gè)維度建立了復(fù)雜性評估指標(biāo)體系，提出了基于結(jié)構(gòu)熵計(jì)算方法，得到了系統(tǒng)多個(gè)維度的結(jié)構(gòu)熵值。為綜合考慮多維度結(jié)構(gòu)熵所反映的系統(tǒng)復(fù)雜性問題，需要引入多維熵空間尺度理論，建立基于多維結(jié)構(gòu)熵的復(fù)雜性評估模型對系統(tǒng)各分量的復(fù)雜性以及整體復(fù)雜性進(jìn)行計(jì)算分析。

3.1 系統(tǒng)復(fù)雜性分量尺度模型

文獻(xiàn)[19]提出了管理功的概念，揭示了管理復(fù)雜性減少的原理，即管理功越大，管理系統(tǒng)復(fù)雜性越高，則管理成本也就越高。根據(jù)智能電網(wǎng)信息管理系統(tǒng)各層復(fù)雜性的特點(diǎn)，利用管理功能夠準(zhǔn)確反映各層復(fù)雜性和管理成本的大小。

設(shè)ei為系統(tǒng)的1個(gè)N維復(fù)雜性向量，ei=(ei1，ei2，…，eiN)，其中eiN表示系統(tǒng)第i層各復(fù)雜性指標(biāo)的結(jié)構(gòu)熵值。根據(jù)管理功的定義和多維向量空間的歐幾里得關(guān)系，得到系統(tǒng)復(fù)雜性分量公式如下：

(13)

3.2 系統(tǒng)整體復(fù)雜性尺度模型

為了得到整個(gè)系統(tǒng)復(fù)雜性的結(jié)構(gòu)熵值，需要建立一個(gè)統(tǒng)一的結(jié)構(gòu)熵空間。

假設(shè)在熵空間H中，一個(gè)復(fù)雜性向量空間E具有M個(gè)向量和K個(gè)維度(M為系統(tǒng)層次的數(shù)量，K為復(fù)雜性判斷指標(biāo)的數(shù)量)。E的元素定義為復(fù)雜性向量ei，而ei∈HK。由此，可形成系統(tǒng)復(fù)雜性的結(jié)構(gòu)熵矩陣：

S中2個(gè)向量之間的距離為：

‖ei+1-ei‖=‖e(i+1)1-ei1,e(i+1)2-ei2,…,e(i+1)K-eiK‖

(14)

將M個(gè)復(fù)雜性向量相結(jié)合，并在結(jié)合后的新空間上定義一個(gè)新的n維復(fù)雜性尺度空間：e1×e2×…×eM。設(shè)Φ是一個(gè)映像，Φ：e1×e2×…×eM→H，其為H上的M維張量，定義此張量為TM(H)，其也是H上的一個(gè)向量空間。

當(dāng)系統(tǒng)的結(jié)構(gòu)熵矩陣行列數(shù)不一致時(shí)，對于列數(shù)較少的行向量，可用0元素將短缺的行元素補(bǔ)齊，則張量的形式為‖Φi‖=‖ei‖，‖Φi‖即為系統(tǒng)第i層的統(tǒng)一結(jié)構(gòu)熵。

若系統(tǒng)各層次的復(fù)雜性評價(jià)分量具有相同屬性，則可用式(15)計(jì)算整個(gè)系統(tǒng)的復(fù)雜性統(tǒng)一評估值：

(15)

其中，‖ei+1-ei‖為系統(tǒng)的第i+1層在第i層之后所產(chǎn)生的復(fù)雜性信息量。

如果系統(tǒng)各層次的復(fù)雜性評價(jià)分量均有不同屬性，則計(jì)算整個(gè)系統(tǒng)的復(fù)雜性統(tǒng)一評估值的方法為：

(16)

當(dāng)系統(tǒng)中同時(shí)存在著部分具有相同屬性和部分具有不同屬性的復(fù)雜性向量時(shí)，具有相同屬性和不同屬性的向量可分別利用式(15)、(16)計(jì)算其產(chǎn)生的復(fù)雜性信息量，二者相加即可得系統(tǒng)整體復(fù)雜性信息量。

4 案例分析

4.1 某市智能電網(wǎng)信息管理系統(tǒng)介紹

某市供電局于2014年基于已建立的各個(gè)負(fù)荷控制系統(tǒng)，整合、建立了涵蓋發(fā)電管理系統(tǒng)、廣域控制系統(tǒng)(WAMS)、EMS、變電站綜合自動化系統(tǒng)、DMS等各方面數(shù)據(jù)來源的智能電網(wǎng)信息管理系統(tǒng)。

整套系統(tǒng)根據(jù)當(dāng)?shù)赜秒娞攸c(diǎn)，建設(shè)集中式管理平臺，通過GPRS、CDMA移動公網(wǎng)、230MHz無線專網(wǎng)、同步數(shù)字體系(SDH)光纖數(shù)字網(wǎng)等多種信道系統(tǒng)對發(fā)電、變電、輸電、配電、調(diào)度、終端售電端現(xiàn)場的電能信息進(jìn)行采集，并對計(jì)量設(shè)備工況信息進(jìn)行遠(yuǎn)程實(shí)時(shí)在線監(jiān)視和調(diào)控，具有電能質(zhì)量監(jiān)測、線損分析、電費(fèi)電量計(jì)算、追繳催費(fèi)、有序用電管理、計(jì)量設(shè)備工況和用電異常監(jiān)測等全方位功能。

整套系統(tǒng)針對已有系統(tǒng)存在的問題，在數(shù)據(jù)庫方面進(jìn)行優(yōu)化設(shè)計(jì)。因數(shù)據(jù)庫整體較為龐大，本文僅展示涉及用電信息部分的E-R圖，如圖3所示。

圖3 智能電網(wǎng)信息管理系統(tǒng)部分E-R圖Fig.3 Partial E-R diagram of smart grid information management system

4.2 某市智能電網(wǎng)信息管理系統(tǒng)復(fù)雜性測算

對系統(tǒng)各項(xiàng)用于復(fù)雜性評估計(jì)算的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，并利用式(1)—(12)計(jì)算對應(yīng)復(fù)雜性指標(biāo)的結(jié)構(gòu)熵值，結(jié)果如表1所示。

表1 復(fù)雜性數(shù)據(jù)統(tǒng)計(jì)表Table 1 Statistic of complexity data

4.2.1 系統(tǒng)復(fù)雜性評估計(jì)算

由熵值計(jì)算結(jié)果，可形成該系統(tǒng)的結(jié)構(gòu)熵值矩陣如下：

由式(13)可計(jì)算各復(fù)雜性分量。由‖Φi‖=‖ei‖可計(jì)算各層統(tǒng)一結(jié)構(gòu)熵，計(jì)算結(jié)果如表2所示。

表2 復(fù)雜性評估計(jì)算結(jié)果Table 2 Calculative results of complexity evaluation

因各復(fù)雜性向量的屬性不同，由式(16)計(jì)算得到系統(tǒng)整體復(fù)雜性評估值為：

33.6539+60.32≈429.68

4.2.2 評估結(jié)果分析

從系統(tǒng)各層層內(nèi)復(fù)雜性來看，元組數(shù)的大小與系統(tǒng)主站層的復(fù)雜性密切相關(guān)，采用多張二維數(shù)據(jù)表來記錄數(shù)據(jù)有利于對數(shù)據(jù)進(jìn)行分類處理，但同時(shí)極大地增加了數(shù)據(jù)量的復(fù)雜性，因此在數(shù)據(jù)庫設(shè)計(jì)階段應(yīng)適當(dāng)權(quán)衡二者的關(guān)系，利用本文所提復(fù)雜性評估模型來評估各種方案的復(fù)雜性；在通信網(wǎng)絡(luò)層中，通信丟包率和通信設(shè)備數(shù)量是復(fù)雜性的主要影響因素，因此需要統(tǒng)一通信設(shè)備標(biāo)準(zhǔn)，提高通信方式的可靠性，降低丟包率；在智能終端設(shè)備層，終端設(shè)備數(shù)量隨著系統(tǒng)智能電網(wǎng)的發(fā)展是必然增加的，而WAMS和SCADA系統(tǒng)等新一代高精度、高采樣頻率系統(tǒng)的推廣應(yīng)用更使得智能終端設(shè)備層變得愈加復(fù)雜。

從各層復(fù)雜性分量來看，w1>w3>w2，系統(tǒng)主站層是儲存處理整個(gè)系統(tǒng)數(shù)據(jù)的重要部分，也是整個(gè)系統(tǒng)運(yùn)行、控制的關(guān)鍵所在，因此是系統(tǒng)最為復(fù)雜的部分。同時(shí)，隨著技術(shù)的發(fā)展，通信網(wǎng)絡(luò)層和智能終端設(shè)備層在未來必將更加復(fù)雜，有必要提前制定各項(xiàng)標(biāo)準(zhǔn)和要求，在規(guī)劃投入新設(shè)備的時(shí)候做好規(guī)范化管理，減少管理成本。

5 結(jié)論

智能電網(wǎng)信息管理系統(tǒng)復(fù)雜性評估是現(xiàn)階段發(fā)展智能電網(wǎng)、構(gòu)建智能電網(wǎng)信息管理系統(tǒng)的重要理論研究新內(nèi)容，是估算系統(tǒng)管理運(yùn)維成本和效率的前提。本文提出的基于多維結(jié)構(gòu)熵的復(fù)雜性評估模型，從智能電網(wǎng)信息管理系統(tǒng)的架構(gòu)出發(fā)，多維度、全方位地對系統(tǒng)的復(fù)雜性進(jìn)行計(jì)算，開啟了智能電網(wǎng)信息管理系統(tǒng)復(fù)雜性評估的嶄新角度。

根據(jù)各復(fù)雜性分量w1、w2、w3，同時(shí)結(jié)合系統(tǒng)整體復(fù)雜性評估值‖C‖T，可以從局部到整體綜合評價(jià)系統(tǒng)的復(fù)雜性，‖C‖T值越大，表示系統(tǒng)結(jié)構(gòu)越復(fù)雜。本文方法為設(shè)計(jì)運(yùn)行人員提供了清晰明確的量化參考指標(biāo)，便于設(shè)計(jì)人員對比優(yōu)選系統(tǒng)設(shè)計(jì)方案，合理估算運(yùn)維管理服務(wù)成本，具有工程實(shí)際應(yīng)用價(jià)值。若能在下一階段開發(fā)具有相應(yīng)功能的計(jì)算軟件，則可在更大的生產(chǎn)實(shí)踐范圍內(nèi)推廣使用。

參考文獻(xiàn)：

[1] US Department of Energy. Smart grid system report[J]. Washington DC，USA：US Department of Energy，2009.

[2] 熊學(xué)兵. 基于復(fù)雜性科學(xué)管理熵理論的公共管理績效評價(jià)研究[J]. 財(cái)貿(mào)研究，2010，21(2)：76-81.

XIONG Xuebing. Research on the performance evaluation of public management based on entropy in complexity science[J]. Finance and Trade Research，2010，21(2)：76-81.

[3] 李仕峰，楊乃定，劉效廣. 基于熵和證據(jù)理論的NPD項(xiàng)目復(fù)雜性模糊評價(jià)[J]. 管理工程學(xué)報(bào)，2013，27(1)：121-126，134.

LI Shifeng，YANG Naiding，LIU Xiaoguang. Complexity fuzzy evalua-tion of NPD projects based on entropy and evidence theory[J]. Journal of Industrial Engineering and Engineering Management，2013，27(1)：121-126，134.

[4] 饒運(yùn)清，EFSTATHIOU J. 基于信息熵的制造系統(tǒng)復(fù)雜性測度及其在調(diào)度中的應(yīng)用[J]. 機(jī)械工程學(xué)報(bào)，2006，42(7)：8-13.

RAO Yunqing，EFSTATHIOU J. Entropy-based measurement of manufacturing system complexity and its application in scheduling[J]. Journal of Mechanical Engineering，2006，42(7)：8-13.

[5] 孔繁森，吳雅夫，李聰. 基于信息熵的設(shè)備電氣故障診斷復(fù)雜性評價(jià)[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2011，41(3)：697-701.

KONG Fansen，WU Yafu，LI Cong. Assessment of fault diagnosis complexity about electrical fault diagnosis of equipment based on information entropy[J]. Journal of Jilin University(Engineering and Technology Edition)，2011，41(3)：697-701.

[6] 曹一家，王光增. 電力系統(tǒng)復(fù)雜性及其相關(guān)問題研究[J]. 電力自動化設(shè)備，2010，30(2)：5-10.

CAO Yijia，WANG Guangzeng. Research on power system complexity and related topics[J]. Electric Power Automation Equipment，2010，30(2)：5-10.

[7] 劉文穎，蔡萬通，張寧，等. 基于聯(lián)合加權(quán)熵的電網(wǎng)自組織臨界狀態(tài)演化[J]. 中國電機(jī)工程學(xué)報(bào)，2015，35(6)：1363-1370.

LIU Wenying，CAI Wantong，ZHANG Ning，et al. Evolution of self-organizing of grid critical state based on united weighted entropy theory[J]. Proceedings of the CSEE，2015，35(6)：1363-1370.

[8] 王濤，岳賢龍，顧雪平，等. 基于奇異值熵和潮流分布熵的電網(wǎng)關(guān)鍵節(jié)點(diǎn)辨識[J]. 電力自動化設(shè)備，2016，36(4)：46-53.

WANG Tao，YUE Xianlong，GU Xueping，et al. Power grid critical node identification based on singular value entropy and power flow distribution entropy[J]. Electric Power Automation Equipment，2016，36(4)：46-53.

[9] 丁明，過羿，張晶晶. 基于效用風(fēng)險(xiǎn)熵的復(fù)雜電網(wǎng)連鎖故障脆弱性辨識[J]. 電力系統(tǒng)自動化，2013，37(17)：52-57.

DING Ming，GUO Yi，ZHANG Jingjing. Vulnerability identification for cascading failures of complex power grid based on effect risk entropy[J]. Automation of Electric Power Systems，2013，37(17)：52-57.

[10] 余南華，李傳健，楊軍，等. 基于小波包時(shí)間熵的配電網(wǎng)運(yùn)行狀態(tài)特征提取方法[J]. 電力自動化設(shè)備，2014，34(9)：64-71，79.

YU Nanhua,LI Chuanjian,YANG Jun，et al. Operating state feature extraction based on wavelet-packet time entropy for distribution network[J]. Electric Power Automation Equipment，2014，34(9)：64-71，79.

[11] 薛飛，雷憲章，BOMPARD E. 電網(wǎng)的結(jié)構(gòu)性安全分析[J]. 電力系統(tǒng)自動化，2011，35(19)：1-5.

XUE Fei，LEI Xianzhang，BOMPARD E. Structural analysis of power grid security[J]. Automation of Electric Power Systems，2011，35(19)：1-5.

[12] 曹軍威，萬宇鑫，涂國煜,等. 智能電網(wǎng)信息系統(tǒng)體系結(jié)構(gòu)研究[J]. 計(jì)算機(jī)學(xué)報(bào)，2013，36(1)：143-167.

CAO Junwei，WAN Yuxin，TU Guoyu，et al. Information system architecture for smart grid[J]. Chinese Journal of Computers，2013，36(1)：143-167.

[13] KIM K D，KUMAR P R. Cyber-physical systems：a perspective at the centennial[J]. Proceedings of the IEEE，2012，100(Special Centennial Issue)：1287-1308.

[14] ERICSSON G N. Cyber security and power system communication-essential parts of a smart grid infrastructure[J]. IEEE Transactions on Power Delivery，2010，25(3)：1501-1507.

[15] 劉喜梅，睢杰. 智能電網(wǎng)信息管理系統(tǒng)的復(fù)雜性特征分析及啟

示[J]. 華北電力大學(xué)學(xué)報(bào)(社會科學(xué)版)，2013(2)：20-24.

LIU Ximei，JU Jie. Analysis of the complexity features for information management system of smart grid[J]. Journal of North China Electric Power University(Social Sciences)，2013(2)：20-24.

[16] 劉喜梅，田惠英，秦超. 基于復(fù)雜科學(xué)管理思維與MAS技術(shù)的智能電網(wǎng)信息管理系統(tǒng)研究[J]. 電網(wǎng)技術(shù)，2012，36(8)：204-208.

LIU Ximei，TIAN Huiying，QIN Chao. Research on smart grid information management system based on complex scientific management thinking and multi agent system technology[J]. Power System Technology，2012，36(8)：204-208.

[17] 段建國，李愛平，謝楠，等. 基于狀態(tài)熵的制造系統(tǒng)結(jié)構(gòu)復(fù)雜性建模與評價(jià)[J]. 機(jī)械工程學(xué)報(bào)，2012，48(5)：92-100.

DUAN Jianguo，LI Aiping，XIE Nan，et al. Structural complexity modeling and evaluation of manufacturing systems based on state entropy[J]. Journal of Mechanical Engineering，2012，48(5)：92-100.

[18] 崔鵬亮，王海峰，陳建譯，等. 基于信息熵的列控系統(tǒng)復(fù)雜性度量方法[J]. 鐵道學(xué)報(bào)，2015(9)：53-61.

CUI Pengliang，WANG Haifeng，CHEN Jianyi，et al. Information entropy-based method for complexity measurement of train control system[J]. Journal of the China Railway Society，2015(9)：53-61.

[19] 宋華嶺. 企業(yè)系統(tǒng)管理復(fù)雜性評價(jià)[M]. 北京：經(jīng)濟(jì)管理出版社，2004：30-31.