張文秀，王 林，宋人杰，丁江林+

(1.國網(wǎng)吉林供電公司，吉林 吉林 132000；2.東北電力大學 信息工程學院，吉林 吉林 132012)

0 引 言

隨著配電網(wǎng)改造工作的全面展開，對現(xiàn)有的配電網(wǎng)進行綜合評價是配電網(wǎng)改造工作的前提。配電網(wǎng)綜合評價方法是配電網(wǎng)評價工作中的關(guān)鍵之一，目前評價的方法主要有模糊綜合評價法、主成分分析法、層次分析法、灰關(guān)聯(lián)法等。一般都是從安全性、經(jīng)濟性、電能質(zhì)量等方面對配電網(wǎng)進行評價[1-4]，已不能滿足對多維配電網(wǎng)的評價工作。而計算權(quán)重的方法主要有客觀權(quán)重法如熵權(quán)法、反熵權(quán)法等從數(shù)據(jù)出發(fā)過于客觀；和主觀權(quán)重法如德爾菲法、層次分析法等為因素影響嚴重[2-5]。常用的評價方法對配電網(wǎng)指標數(shù)據(jù)的隨機性和模糊性的考慮不充分，且模糊綜合評價中隸屬度函數(shù)主觀性較強；由于云模型能充分體現(xiàn)模糊性和隨機性的內(nèi)在關(guān)聯(lián)性，被廣泛引用于數(shù)據(jù)挖掘、決策分析、變壓器狀態(tài)評估等領(lǐng)域[6,7]。

云模型能充分體現(xiàn)隨機性和模糊性之間的關(guān)聯(lián)性，并且能夠處理定性概念與定量描述的不確定；在已有研究的基礎(chǔ)上，充分考慮配電網(wǎng)評價指標數(shù)據(jù)的隨機性和模糊性，本文將云模型運用到配電網(wǎng)綜合評價中，解決評價等級區(qū)間劃分邊界過硬的問題；本文利用相容矩陣分析法和熵權(quán)法的組合賦權(quán)法確定常權(quán)重，避免單一賦權(quán)對賦權(quán)結(jié)果的影響；在此基礎(chǔ)上，為了避免出現(xiàn)關(guān)鍵指標的數(shù)據(jù)出現(xiàn)異常但未能充分體現(xiàn)在評價結(jié)果的情況，本文利用懲罰機制的變權(quán)公式對常權(quán)重進行修正；于是，結(jié)合以上三方面的情況，提出了基于組合賦權(quán)法和云模型的配電網(wǎng)綜合評價方法。

1 配電網(wǎng)綜合評價指標體系

為了科學、合理的綜合評價配電網(wǎng)，需要選取具有代表性的指標。滿足配電網(wǎng)的供電可靠性、安全性和電能質(zhì)量要求是配電網(wǎng)正常運行的前提，于是對這三者進行評價是必不可少的；隨著互聯(lián)網(wǎng)+、配電網(wǎng)改造的進行，對配電網(wǎng)智能化發(fā)展是非常迫切的；隨著售電方式、配電網(wǎng)投資形式、經(jīng)濟效益的多元化，對配電網(wǎng)進行經(jīng)濟性評價是非常有必要的；面對全球環(huán)境污染逐漸加劇的情形，對配電網(wǎng)提出了低碳發(fā)展、發(fā)展清潔能源，實現(xiàn)可再生能源的充分利用，使配電網(wǎng)的發(fā)展能夠充分體現(xiàn)環(huán)境友好型，因此對配電網(wǎng)進行環(huán)保性和可持續(xù)性評價是十分必要的。

本文從安全性、優(yōu)質(zhì)性、經(jīng)濟性、智能性、環(huán)保性和可持續(xù)性6個方面出發(fā)，利用層次分析法構(gòu)建配電網(wǎng)綜合評價指標體系。下面以智能化及其下屬指標為例說明各個指標含義。

(1)自動化終端覆蓋率

(2)故障自愈速度

故障自愈速度即發(fā)生故障停電時間在3 min之內(nèi)的恢復(fù)的時間。

(3)智能調(diào)度中心比例

(4)通信可用率

(5)配電信息采集率

評價指標的評分標準，見表1。

表1 評價指標的評分標準

2 配電網(wǎng)指標權(quán)重的計算方法

合適的配電網(wǎng)指標權(quán)重的計算方法是配電網(wǎng)綜合評價中的關(guān)鍵之一，目前指標權(quán)重主要有主觀和客觀兩個方面的權(quán)重，其計算方法主要有主觀方面的層次分析法[8]、德爾菲法和客觀方面的熵權(quán)法、反熵權(quán)法[1,4]以及主客觀相結(jié)合的組合賦權(quán)法[5]等。層次分析法是通過專家經(jīng)驗確定指標之間的相對重要度，易受到專家經(jīng)驗的影響主觀性強。熵權(quán)法是根據(jù)指標數(shù)據(jù)差異性的大小來計算權(quán)重，其對指標數(shù)據(jù)的差異性敏感。由于單一方法確定的定權(quán)重容易受其賦權(quán)方法本身的影響而造成偏倚，故本文利用組合賦權(quán)法；由于層次分析法中要對判斷矩陣進行一致性檢驗，若不滿足一致性檢驗則得重新構(gòu)造判斷矩陣，不利于權(quán)重的計算，故利用相容矩陣分析法來計算主觀權(quán)重，從而避免在計算權(quán)重的過程中多次進行重新構(gòu)造判斷矩陣。當個別關(guān)鍵的配電網(wǎng)指標數(shù)值出現(xiàn)異常時，定權(quán)重模式下無法反映此時異常數(shù)據(jù)對對配電網(wǎng)狀態(tài)帶來的影響，因此本文采用懲罰機制的變權(quán)公式對定權(quán)重進行修正。

2.1 相容矩陣分析法

相容矩陣分析法是針對層次分析中出現(xiàn)構(gòu)造的判斷矩陣不滿足一致性檢驗的情況提出的，主要是為避免層次分析法決定權(quán)重時多次重新構(gòu)造判斷矩陣的情況。配電網(wǎng)專家在配電網(wǎng)綜合評價指標體系的基礎(chǔ)上，對各評價指標相對重要程度打分，得到判斷矩陣A，其打分標準見文獻[9]中。相容矩陣分析法的主要原理是將構(gòu)造的判斷矩陣進行修正使其成為滿足一致性條件的判斷矩陣。其計算步驟為：

(1)構(gòu)造判斷矩陣A=(aij)n×n，aii=1，aij=1/aji；

(3)求指標權(quán)重wi

(1)

2.2 熵權(quán)法

熵權(quán)法是通過熵值所提供的信息量的大小來決定權(quán)重的方法，若指標的信息熵越小，則該指標提供的信息量越大，在綜合評價中所起作用也越大，權(quán)重也越高。用熵權(quán)法確定的指標權(quán)重步驟如下：

(1)對指標樣本數(shù)據(jù)X=(xij)m×n規(guī)范化處理，去除量綱的影響。根據(jù)配電網(wǎng)指標數(shù)據(jù)的特點有將指標分為極大型指標(指標值越大越好)、中間型指標(指標數(shù)據(jù)為中間值或中間區(qū)域時處于最佳狀態(tài))、極小型指標(指標值越小越好)。對于不同指標類型的歸一化方式不一樣。具體的方式如下：

極大型指標類型的規(guī)范化處理

(2)

中間型指標類型的規(guī)范化處理分為點型和域型指標規(guī)范化。

點型：其中rj是理想值

(3)

域型：其中理想值為[rj1,rj2]

(4)

極小型指標類型的規(guī)范化處理

(5)

進行上述規(guī)范化處理后得到標準矩陣Y=(yij)m×n。

(2)計算各指標的熵值,若設(shè)ej為指標j的熵值，則計算公式如下

(6)

(7)

其中，m為樣本數(shù)據(jù)組數(shù)。

(3)熵的冗余度

dj=1-ej

(8)

(4)計算指標的信熵權(quán)重

(9)

2.3 組合賦權(quán)法

組合賦權(quán)法是將主觀權(quán)重和客觀權(quán)重進行組合以求取最優(yōu)權(quán)重的方法，主觀權(quán)重較多受到?jīng)Q策者的經(jīng)驗和專業(yè)知識的影響；客觀權(quán)重反映的是指標之間的聯(lián)系程度以及各指標所提供的信息量的大??；利用組合賦權(quán)法即兼顧了專家對指標偏好，又減少了主觀隨意性。本文利用主客觀權(quán)重的加權(quán)線性組合來確定組合權(quán)重。具體賦權(quán)公式如下

wi=βwAi+(1-β)wBi

(10)

其中，wAi為主觀權(quán)重，wBi為客觀權(quán)重，β為賦權(quán)法的偏好系數(shù)，如果0≤β≤0.5時，說明決策者偏好客觀權(quán)重，客觀權(quán)重占主要比例。若0.5≤β時，說明決策者偏向主觀權(quán)重，主觀權(quán)重占主要比例；本文取β=0.2。

2.4 變權(quán)重

變權(quán)重能反映綜合評價中各個評價等級的均衡性，在定權(quán)重模式下，由于配電網(wǎng)指標數(shù)據(jù)出現(xiàn)異常，又且其權(quán)重較小，其評價結(jié)果中未能充分體現(xiàn)數(shù)據(jù)異常對配電網(wǎng)的運行狀態(tài)評價結(jié)果的影響，故常權(quán)重不適合用于配電網(wǎng)綜合評價。因此采用懲罰機制的變權(quán)公式，對常權(quán)重進行修正，得到最終的變權(quán)重來體現(xiàn)指標數(shù)據(jù)出現(xiàn)異常對配電網(wǎng)評價過的影響。其變權(quán)公式為

(11)

其公式的具體含義見文獻[10]，為了充分考慮配電網(wǎng)各個評價等級之間的均衡度本文取α=0。

3 基于云模型的配電網(wǎng)綜合評價模型

云模型是一種實現(xiàn)定性概念與定量數(shù)值之間的轉(zhuǎn)換的不確定性模型[11]，正態(tài)云模型是常用的云模型之一，正態(tài)云有3個數(shù)字特征期望Ex、熵En、超熵He，通常用SC(Ex,En,He)來表示，其中期望表示云的重心位置；熵反映屬性概念的模糊性；超熵反映云滴的分布的離散度即隨機性?；谠颇Ｐ偷呐潆娋W(wǎng)綜合評價方法步驟如下：

(1)建立配電網(wǎng)指標集：U={U1,U2,…,Un}，n為配電網(wǎng)指標個數(shù)。

(2)建立評價集云模型

根據(jù)構(gòu)建的配電網(wǎng)指標體系的指標集，建立評價集V，本文根據(jù)現(xiàn)有配電網(wǎng)與配電網(wǎng)改造目標之間的相對差距將評價等級劃分為5個等級即評語集為：V={差,一般,中等,良好,優(yōu)秀}={v1,v2,v3,v4,v5}。各等級的云模型特征值見表2，對應(yīng)的評價云圖為圖1所示。

(3)確定指標的權(quán)重

本文利用2.3節(jié)中計算的變權(quán)重為最終權(quán)重。

(4)將指標樣本值轉(zhuǎn)化為指標得分值，計算指標得分值的數(shù)字特征值并建立基本云模型。

計算各指標云模型的數(shù)字特征值Ex，En，He，計算公式如下

表2 配電網(wǎng)綜合評價云模型特征值

圖1 云模型隸屬度

(12)

其中，Exj為指標j的統(tǒng)計平均值，m為指標數(shù)據(jù)采集的組數(shù)

(13)

(14)

(5)計算綜合云SC

本文利用文獻[11]中虛擬云綜合云的算法計算綜合云

(15)

式中：wi為指標i的權(quán)重。

評價集云模型對應(yīng)的云向量為Ci(Exi,Eni,Hei),綜合云SC(Ex,En,He)，兩者之間的相似度用兩向量余弦角表示，計算公式如下

(16)

式(16)中可以看出，兩個云之間的越相似，其相似度越大。利用相似度最大原則判別綜合云屬于哪一個等級，并且利用云發(fā)生器算法，產(chǎn)生評價集云和綜合云，用Matlab仿真實現(xiàn)云圖來表示綜合云與評價集云之間的關(guān)系。

4 實例分析

以安全性指標權(quán)重的計算為例說明其計算過程，利用專家對安全性的下級指標進行兩兩比較得到判斷矩陣A

配電網(wǎng)5個評價等級的云模型對應(yīng)的云向量為：C1=(0,23,0.5)；C2=(65,3,0.2)；C3=(75,3,0.2)；C4=(85,3,0.2)；C5=(100,5,0.1)。利用綜合云算法和式(15)分別計算常權(quán)重下的綜合云SCC和變權(quán)重下的綜合云SC。SCC=(66.2414,1.9405,2.0626)，SC=(0,2.2828,2.2391)

根據(jù)云發(fā)生器算法生成各等級云圖和綜合云圖，如圖2和圖3所示。從圖3可知變權(quán)重下此配電網(wǎng)的評價結(jié)果為差等級，而從圖2可知常權(quán)重下此配電網(wǎng)評價結(jié)果為一般，根據(jù)云相似度計算得到常權(quán)中下的綜合云與各評價等級云之間的相似度，其中綜合云與一般等級的相似度最大，故利用相似度最大原則得到此配電網(wǎng)在常權(quán)重下的評價結(jié)果等級為一般；變權(quán)重下的綜合云與差等級的相似度最大，故此配電網(wǎng)在變權(quán)重下的評價結(jié)果等級為差；可得知變權(quán)下的評價結(jié)果和常權(quán)下的評價結(jié)果差異較大，經(jīng)過分析可知此配電網(wǎng)中智能化和環(huán)保性較差，故導(dǎo)致此配電網(wǎng)的評價等級為差。

圖2 常權(quán)重下綜合云的云滴分布

在變權(quán)模式下利用文獻[12]模糊綜合評價法對此地區(qū)的配電網(wǎng)進行評價，評價結(jié)果見表3，將兩者的評價結(jié)果進行對比分析，見表3，評價結(jié)果兩者都處于差等級，即評價結(jié)果一致，于此同時表明基于云模型的配電網(wǎng)綜合評價方法是合理可行的。云模型的評價結(jié)果為云模型參數(shù)，它反映的配電網(wǎng)運行狀態(tài)發(fā)展的一種趨勢；在評價結(jié)果的云模型參數(shù)為(0,2.2828,2.2391)中，he=2.2391，此值反映隨機性，此值較大，故此地配電網(wǎng)的運行狀態(tài)相對不太穩(wěn)定，通過對此地區(qū)的配電網(wǎng)調(diào)研，發(fā)現(xiàn)是由于階段性的配電網(wǎng)改造引起的,而模糊綜合評價不能反映配電網(wǎng)發(fā)展中的一些趨勢。在調(diào)研時發(fā)現(xiàn)此地區(qū)的火力發(fā)電站占主要的一部分，而風力發(fā)電站較少，仍然有部分用戶使用非智能電表，與分析結(jié)果相符合，故變權(quán)可以很好的反映個別關(guān)鍵指標數(shù)值偏離正常值時對配電網(wǎng)狀態(tài)帶來的影響。

此地區(qū)的配電網(wǎng)狀態(tài)為差等級，與實際的配電網(wǎng)情況相符合。根據(jù)評價結(jié)果分析可以明確此配電網(wǎng)下一步建設(shè)改造的重點：加大投資建設(shè)智能配電網(wǎng)調(diào)度中心以及自動化終端，提高配電網(wǎng)故障自愈速度，提高此地區(qū)配電網(wǎng)的智能化水平，大力推廣網(wǎng)絡(luò)售電平臺；大力發(fā)展太陽能光伏產(chǎn)業(yè)、新能源汽車、生物制產(chǎn)業(yè)、地熱利用產(chǎn)業(yè)、沼氣發(fā)電產(chǎn)業(yè)等提高此地區(qū)配電網(wǎng)的環(huán)保水平。

圖3 變權(quán)重下綜合云的云滴分布

評價等級差一般中等良好優(yōu)秀評價結(jié)果等級區(qū)間[0,60][60,70][70,80][80,90][90,100]云模型右半云(0,23,0.5)(65,3,0.2)(75,3,0.2)(85,3,0.2)(100,5,0.1)綜合云(0,2.2828,2.2391)云模型相似度0.72900.03510.03040.02680.0364差模糊綜合評價結(jié)果的隸屬度0.61320.34710.039700差

5 結(jié)束語

(1)利用相容矩陣分析法確定主觀權(quán)重，避免了傳統(tǒng)的層次分析的要進行的多次一致性檢驗的缺陷。

(2)利用主、客觀相結(jié)合的組合賦權(quán)法確定權(quán)重，兼顧了計算權(quán)重時的主觀因素和客觀因素。同時利用懲罰機制的變權(quán)來反映配電網(wǎng)指標數(shù)值偏離正常值時對配電網(wǎng)評價結(jié)果的影響。

(3)利用云模型進行綜合評價，避免了配電網(wǎng)指標數(shù)據(jù)的隨機性和模糊性對綜合評價造成的影響，兼顧了配電網(wǎng)指標數(shù)據(jù)的不確定性和隨機性。

(4)用云圖來表示評價等級云與綜合云之間的關(guān)系，可更加清楚的看到綜合云的云滴落于哪個評價等級的范圍，從而定性說明評價的配電網(wǎng)所屬等級。