羅春輝,瞿綱舉,鄒同華,湯濤,謝佳,羅茜
(1. 湖南省送變電工程有限公司,湖南省長沙市 410015;2. 智能電網(wǎng)運行與控制湖南省重點實驗室(長沙理工大學(xué)),湖南省長沙市 410114)
隨著我國風(fēng)電滲透率逐年提高,風(fēng)力發(fā)電的不穩(wěn)定性和間歇性對電網(wǎng)安全穩(wěn)定經(jīng)濟運行的影響更加凸顯。在國家扶持風(fēng)力發(fā)電快速發(fā)展的背景下,保證電力系統(tǒng)安全穩(wěn)定的基礎(chǔ)上降低發(fā)電成本,促進清潔能源消納已成為當(dāng)務(wù)之急[1-3]。通過分析利用大量風(fēng)電并網(wǎng)運行數(shù)據(jù)可有效指導(dǎo)風(fēng)電場生產(chǎn)運行,進而為高風(fēng)電滲透率場景下電網(wǎng)安全經(jīng)濟運行提供重要保障[4-7],因此,有必要對風(fēng)電場運行狀態(tài)的分析和評價方法進行深入研究。
目前,對于風(fēng)電場運行性能的評價可以分為評價指標(biāo)研究和評估方法研究兩類。文獻[8-12]從多個角度構(gòu)建了風(fēng)電場評價指標(biāo),豐富了風(fēng)電統(tǒng)計指標(biāo)體系,但因應(yīng)用場景不同,未能實現(xiàn)對風(fēng)電場實際生產(chǎn)運行情況的綜合反映。在構(gòu)建評估指標(biāo)的基礎(chǔ)上,對于風(fēng)電場評估方法的研究主要可以歸納為兩類:統(tǒng)計分析[13-16]和綜合評估[17-19]。其中統(tǒng)計分析方法是對數(shù)據(jù)進行定量處理的理論和方法,一般是指對統(tǒng)計數(shù)據(jù)進行收集、分類并進行解釋的過程。綜合評估方法也稱為多指標(biāo)綜合評估方法,是指同時評估多個指標(biāo)和多個單位,并對評估目標(biāo)進行整體定量判斷的方法。文獻[13]根據(jù)風(fēng)電場的出力數(shù)據(jù),運用統(tǒng)計分析方法對東北區(qū)域風(fēng)電出力同時率、概率分布、負(fù)荷相關(guān)性等特性指標(biāo)進行分析。文獻[14]將風(fēng)電場的特性評價指標(biāo)分為風(fēng)電自然特性和與電網(wǎng)交互作用特性兩大類,從多個角度綜合反映了風(fēng)電的統(tǒng)計規(guī)律。文獻[15]提出一種考慮風(fēng)電機組可靠性與風(fēng)速相關(guān)性的風(fēng)電場可靠性評估方法,考慮風(fēng)速與風(fēng)電機組故障率之間的相關(guān)性,評估風(fēng)速對風(fēng)電場可靠性的影響。文獻[16]通過分析海上風(fēng)電場各種拓?fù)浣Y(jié)構(gòu)的可靠性和經(jīng)濟性,利用可靠性框圖對鏈?zhǔn)斤L(fēng)電場的可靠性進行了分析,采用分類方法對環(huán)型風(fēng)電場的可靠性進行了分析。文獻[13-16]得到的只是一些不確定的關(guān)系,結(jié)論局限于在統(tǒng)計和概率分布層面對風(fēng)電場的運行性能進行分析,并未將各個方面的影響因素進行綜合,缺乏整體性評價。文獻[17]基于變權(quán)灰云模型完成了風(fēng)電場并網(wǎng)技術(shù)性能的綜合評價,通過不同風(fēng)電場并網(wǎng)性能之間的對比,驗證了方法的有效性。文獻[18]利用逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)實現(xiàn)了風(fēng)電場的綜合評價排名,但評價指標(biāo)以風(fēng)電場的電能質(zhì)量、并網(wǎng)指標(biāo)為主,與文獻[17]同樣未考慮風(fēng)電場生產(chǎn)中較為重要的電量指標(biāo)。文獻[19]根據(jù)層次分析法評價風(fēng)電場運行的經(jīng)濟性,但評價指標(biāo)采用評分的方法,主觀性較強,不能反映風(fēng)電場的實際運行情況。
由上述分析可知,目前對于風(fēng)電場運行性能的評價方法以統(tǒng)計分析方法為主,通過對相關(guān)運行數(shù)據(jù)以圖表的形式進行整理、解釋,但對風(fēng)電場運行性能進行綜合評價方面的研究較少,且側(cè)重于通過風(fēng)電場的單一性指標(biāo)來反映整體的運行性能,未考慮直接反映風(fēng)電場生產(chǎn)經(jīng)濟效益的電量因素。風(fēng)電場在實際生產(chǎn)過程中涉及的影響因素、運行指標(biāo)較多,需要將風(fēng)電場運行的多個指標(biāo)進行綜合分析,以便找出影響風(fēng)電場生產(chǎn)運行水平的相關(guān)因素,從而提高風(fēng)電場的經(jīng)濟效益,促進風(fēng)電消納。
本文將風(fēng)電場運行性能作為一個整體進行分解,充分體現(xiàn)評價的層次性、各指標(biāo)間的關(guān)聯(lián)關(guān)系及對整體評價的影響程度。把運行性能狀態(tài)作為一個定性概念,運用正態(tài)云模型表示此概念的不確定性。通過權(quán)重向量和模糊關(guān)系模型進行模糊運算,從而得到風(fēng)電場運行性能的綜合評價結(jié)果。最后,以國內(nèi)某風(fēng)電場的實際運行數(shù)據(jù)為算例分析,對比驗證了本文風(fēng)電場運行特性評價方法的合理性和有效性。
風(fēng)電場運行指標(biāo)包括電量指標(biāo)、設(shè)備運行指標(biāo)、運行維護指標(biāo)以及電力消耗指標(biāo),對于風(fēng)電場的運行評價應(yīng)包括設(shè)備運行評價、生產(chǎn)維護評價、電力消耗評價以及發(fā)電量評價等4 個方面[20]。根據(jù)層次分析法(analytic hierarchy process,AHP)的基本思想,目標(biāo)層通常只有一個要素,并對設(shè)計要素進行評價,本文中即是風(fēng)電場的運行性能。對于準(zhǔn)則層,參照標(biāo)準(zhǔn)NB/T 31045—2013 《風(fēng)電場運行指標(biāo)與評價導(dǎo)則》,建立風(fēng)電場運行性能評估的準(zhǔn)則層包含設(shè)備運行因素、運行維護因素、電量因素、電力消耗因素。再將準(zhǔn)則層進行細(xì)分后,產(chǎn)生子準(zhǔn)則層。針對設(shè)備運行因素,提出風(fēng)電場可利用率、年風(fēng)機平均運行時間2 個要素;針對生產(chǎn)維護因素,提出年風(fēng)機平均非計劃停機時間、年風(fēng)機平均計劃停運時間、度電運行維護費3 個要素;針對電力消耗因素,提出綜合場用電率、購網(wǎng)電量、各項損失電量3 個要素;針對電量因素,提出發(fā)電量、上網(wǎng)電量、棄風(fēng)電量、利用小時4 個要素。因此,基于AHP 的風(fēng)電場運行性能評估模型的目標(biāo)層、準(zhǔn)則層、子準(zhǔn)則層全部建立,如圖1 所示。
圖1 風(fēng)電場運行性能評價指標(biāo)體系Fig. 1 Evaluation index system of wind farm operation performance
運行特性反映風(fēng)電場的基本情況,主要是統(tǒng)計性指標(biāo)。對于圖1 中所示的運行性能評價指標(biāo),一部分指標(biāo)可以從風(fēng)電場的監(jiān)控系統(tǒng)或統(tǒng)計報表中直接獲得,部分指標(biāo)需要進行計算才能得到。對于設(shè)備運行指標(biāo)中的風(fēng)電場可利用率,分以下2 種情況進行統(tǒng)計計算。
1)若風(fēng)電場全部風(fēng)電機組單機容量都相同,風(fēng)電場可利用率即為全部風(fēng)電機組實際可利用率的平均值。
2)若風(fēng)電場有多種單機容量的風(fēng)電機組,風(fēng)電場可利用率應(yīng)分別統(tǒng)計各容量風(fēng)電機組的平均實際可利用率,再按容量加權(quán)平均,即
式中:Af為風(fēng)電場可利用率;Pfi為第i臺風(fēng)電機組的容量;Afi為第i臺機組的實際可利用率;Pf為總裝機容量。
風(fēng)電機組實際可利用率Afi的計算式為
式中:T為日歷時間;TB.i為第i臺機組的故障時間;TD.i為第i臺機組的狀態(tài)不明時間。
度電運行維護費FkWh的表達(dá)式為
式中:F為統(tǒng)計年度內(nèi)的風(fēng)電場運行維護費;Ep為風(fēng)電場的發(fā)電量。
綜合場用電率的計算式為
式中:Ep為發(fā)電量;Ein為用網(wǎng)電量;Eout為上網(wǎng)電量,即風(fēng)電場最終向電網(wǎng)輸送的電量,可以從風(fēng)電場與電網(wǎng)的關(guān)口電能表取得。
電量指標(biāo)中的利用小時的計算式為
由于選取的風(fēng)電場運行性能評價指標(biāo)的量綱和取值范圍均不同,因此采用計算相對劣化度的方法對評價指標(biāo)進行規(guī)范化處理,從而對不同評價指標(biāo)進行統(tǒng)一評估。相對劣化度取值為0~1 之間,0 代表指標(biāo)沒有劣化,1 代表指標(biāo)劣化非常嚴(yán)重。對風(fēng)電場的運行性能評估可以分為以下2種指標(biāo)計算劣化度。
越小越優(yōu)型指標(biāo),如圖1 中所示的U21、U22、U23、U31、U32、U33、U43,劣化度計算公式為
式中:x為指標(biāo)參數(shù)的實測值;[xmin,xmax]為指標(biāo)參數(shù)的正常范圍。
根據(jù)上述相對劣化度的計算式,計算風(fēng)電場所有評價指標(biāo)的相對劣化度值,記為L={li1,li2,···,lij},i=1,2,···,4,j=1,2,···,η,η為第i個一級指標(biāo)下二級指標(biāo)的個數(shù)。
參考風(fēng)電場運行性能特征研究的大量相關(guān)文獻,目前對風(fēng)電場運行性能各指標(biāo)的優(yōu)劣范圍賦值并無相關(guān)標(biāo)準(zhǔn)。本文將風(fēng)電場運行性能的評價結(jié)果,劃分為優(yōu)秀、良好、中等、較差4 個等級。確定評價集W={W1,W2,W3,W4}={優(yōu)秀,良好,中等,較差}。劃分評價等級與相對劣化度之間的關(guān)系如表1 所示。
表1 評價等級與相對劣化度的關(guān)系Table 1 Relationship between evaluation grade and relative deterioration degree
由圖可知,風(fēng)電場運行性能作為總評價對象,其影響因素有設(shè)備運行因素U1、生產(chǎn)維護因素U2、電力消耗因素U3、電力因素U4,確定因素集U={U1,U2,U3,U4}。而將因素U1作為評價對象,其影響因素有U11、U12,則確定因素集U1={U11,U12}。同理將因素U2、U3、U4分別作為評價對象,則分別確定因素集U2={U21,U22,U23}、U3={U31,U32,U33}、U4={U41,U42,U43,U44}。
層次分析法中的重要步驟是構(gòu)建判斷矩陣,關(guān)于前一層次某個要素,可對比當(dāng)前層次各要素間兩兩相對重要性程度在目標(biāo)層的設(shè)計元素U和準(zhǔn)則層的設(shè)計元素之間創(chuàng)建內(nèi)部關(guān)系,構(gòu)建判斷矩陣如表2 所示。
表2 判斷矩陣構(gòu)建方式Table 2 Build judgment matrix
表2 中,uij表示某要素與前一層次要素U做對比時,要素Ui相對于要素Uj的重要性,若相反則取倒數(shù)為1/uij。所以,在判斷矩陣中,uii=1,uij=1/uji。判斷矩陣的標(biāo)度利用模糊數(shù)值定義為1~9 的整數(shù)來表示,即用數(shù)字1~9 及其倒數(shù)來表示uij。因素相對重要程度評分規(guī)則表如表3 所示。
表3 因素相對重要程度評分規(guī)則Table 3 Scoring rules for relative importance of factors
計算權(quán)重后,需對判斷矩陣進行一致性檢驗,從而保證前后判斷的一致性。在進行一致性檢驗時,采用一致性比值 ψ的大小來進行判斷,若ψ ≤0.1,認(rèn)為此判斷矩陣在一致性方面滿足條件,一致性比值 ψ的計算式為
式中:RI為隨機一致性指標(biāo),對于γ階矩陣,RI的取值如表4 所示。CI為判斷矩陣的一致性指標(biāo)。
表4 γ 階矩陣的 RI 值Table 4 Value of matrix RI of order γ
云模型作為定性與定量之間轉(zhuǎn)換的不確定性模型,充分反映了語言概念的隨機性和模糊性,構(gòu)建了定量與定性之間的映射。在論域空間中,由大量云滴組成的云可以代表一個特定的概念,并通過期望Ex、熵En和超熵He來進行整體表征[21]。
則x在論域Z上的分布稱為正態(tài)云。本文利用正態(tài)隸屬云來確定風(fēng)電場運行性能評估指標(biāo)的隸屬度,正態(tài)隸屬云生成算法流程如下:
4)重復(fù)步驟1)~3)至產(chǎn)生K個云滴。通過借助經(jīng)驗與反復(fù)試驗,云滴數(shù)為1500 時此云模型綜合反映隨機樣本數(shù)值和隸屬程度的不確定性,能有效呈現(xiàn)隨機性和模糊性間的關(guān)聯(lián)。
正態(tài)云生成算法流程圖如附錄A 中圖A1 所示。
傳統(tǒng)云模型中數(shù)字特征的求解在數(shù)據(jù)處于閾值附近時,其相對應(yīng)的確定度趨近于0,從而評估結(jié)果難以辨別:
故本文對數(shù)據(jù)特征的求解公式進行改進,確定隸屬云生成算法中3 個數(shù)字特征的計算式為
式中:i表示狀態(tài),i∈{1,2,3,4};Bmax和Bmin分別為相對劣化度的最大和最小邊界;ε 為常數(shù),可根據(jù)變量模糊閥度進行調(diào)整,本文取ε=En/10。
結(jié)合表1 所示的相對劣化度與評價等級關(guān)系,建立云模型的數(shù)字特征如表5 所示。
運行性能狀態(tài)作為一個定性概念,故本文運用正態(tài)云模型表示此概念的不確定性具有明顯優(yōu)勢。通過云發(fā)生器,可將運行性能評價中的隨機性和模糊性轉(zhuǎn)換為確定度這個定量值,反映了評價過程中的隨機性與模糊性之間的關(guān)聯(lián)。
根據(jù)表5 中的數(shù)字特征,利用正態(tài)隸屬云生成算法,生成運行性能評估指標(biāo)的正態(tài)隸屬云圖如圖2 所示。
表5 云模型的數(shù)字特征Table 5 Digital characteristics of cloud model
圖2 運行性能評估指標(biāo)的正態(tài)隸屬云圖Fig. 2 The chart of normal membership cloud chart of operation performance evaluation index
在圖2 所示的正態(tài)隸屬云中,橫坐標(biāo)為評價指標(biāo)的相對劣化度L(x),縱坐標(biāo)為評價指標(biāo)相對于評價集的隸屬度r,從而得到運行性能各評價指標(biāo)相對于各評價等級的隸屬度確定步驟為:
1)計算風(fēng)電場評價指標(biāo)規(guī)范化后的相對劣化度L,根據(jù)表中的數(shù)字特征生成各評價等級的隸屬云;
2)對于運行性能評估第i個一級指標(biāo)下的第1 個評價指標(biāo),過L(x)=li1,作一條平行于縱坐標(biāo)軸的直線,此時與圖2 所示的隸屬云圖有M個交點,取M個交點對應(yīng)的隸屬度r的平均值作為該評價指標(biāo)相對于某評價等級的隸屬度;
3)同理,可得到其余評價指標(biāo)相對于各個評價等級的隸屬度。
根據(jù)各因素劣化度值和上述隸屬度的計算方法,分別計算出設(shè)備運行因素、生產(chǎn)維護因素、電力消耗因素、電量因素的指標(biāo)隸屬度矩陣Rf1、Rf2、Rf3、Rf4。各隸屬度矩陣Rfi可以表示為
式中:i∈{1,2,3,4},j∈{1,2,···,η},η為第i個一級指標(biāo)下二級指標(biāo)的個數(shù)。
風(fēng)電場運行特性評價一級指標(biāo)的隸屬度為
式中:ωf1、ωf2、ωf3、ωf4為二級指標(biāo)的權(quán)重矩陣。
從而,風(fēng)電場運行特性的模糊綜合評判結(jié)果為
式中:ωf為風(fēng)電場運行性能評價一級指標(biāo)的權(quán)重矩陣;Rf為一級指標(biāo)的隸屬度矩陣。
采用限值矩陣對模糊變換后的矩陣進行評價,即
式中: θ為限值矩陣;Yi為風(fēng)電場運行性能一級指標(biāo)模糊綜合評價結(jié)果的定量值;Q為最后模糊綜合評價結(jié)果的定量值。
本文規(guī)定限值矩陣為
根據(jù)限值矩陣進行轉(zhuǎn)換后,可以得到一個評價結(jié)果的定量值,根據(jù)定量值所在的區(qū)間對風(fēng)電場運行性能水平進行評估。當(dāng)定量值≥80時,評價結(jié)果為“優(yōu)秀”;當(dāng)60 ≤定量值<80時,評價結(jié)果為“良好”;當(dāng)40 ≤定量值<60時,評價結(jié)果為“中等”;當(dāng)定量值<40時,評價結(jié)果為 “較差”。
為了驗證本文提出的風(fēng)電場運行特性評估方法的有效性,以國內(nèi)某風(fēng)電場2017 年的實際運行數(shù)據(jù)為例進行分析。該風(fēng)電場共有風(fēng)電機組56 臺,單臺機組的額定功率為1.5 MW,總裝機容量為84 MW。根據(jù)該風(fēng)電場的運行年報顯示,2017 年風(fēng)電場的發(fā)電量為18511.49 萬kW·h,上網(wǎng)電量為18276.02 萬kW·h,購網(wǎng)電量51.92萬kW·h,各項損失電量623.13 萬kW·h,棄風(fēng)電量為619.41 萬kW·h,年累計運行時間為8656.90 h,年風(fēng)機平均非計劃、計劃時間分別為48.8393、49.625 h,全年的運行維護費用為425 萬元。根據(jù)部分評價指標(biāo)的計算方法,得到風(fēng)電場的可利用率、度電運行維護費、綜合場用電率、利用小時的值如附錄C 表C1 所示。
1)根據(jù)表3 中的評分規(guī)則,判斷矩陣如附錄B 表B1—表B5 所示。將因素集U中各元素之間重要程度進行比較得到的判斷矩陣記為X,同理,將因素集U1、U2、U3、U4中各元素進行比較,將判斷矩陣分別記為X1、X2、X3、X4。對各判斷矩陣分別求特征向量及最大特征值,并進行一致性校驗,校驗結(jié)果如附錄B 中表B6 所示。
由附錄B 表B6 可知,各判斷矩陣的ψ<0.1,滿足一致性要求。最終確定權(quán)重集為ωf=[0.2892 0.1678 0.1233 0.4197]、ωf1=[0.6667 0.3333]、ωf2=[0.2628 0.0786 0.6586]、ωf3=[0.5470 0.1085 0.3445]、ωf4=[0.3118 0.5363 0.0555 0.0964]。
2)根據(jù)該風(fēng)電場各評價指標(biāo)的值和隸屬度的確定方法,從而可以確定各因素集對評價集的模糊關(guān)系矩陣[Rfi,i∈{1,2,3,4}。]
3)對因素集U1、U2、U3、U4分別進行模糊關(guān)系變換,得到各因素集對于評價集的隸屬度向量Bfi,i∈{1,2,3,4}。
根據(jù)評分規(guī)則,確定2017 年該風(fēng)電場運行性能4 個一級指標(biāo)(設(shè)備運行因素、生產(chǎn)維護因素、電力消耗因素、電量因素)的結(jié)果分別為“良好”、“良好”、“優(yōu)秀”、“優(yōu)秀”。
4)將因素集U={U1,U2,U3,U4}作為評價對象,各因素U1、U2、U3、U4視為U中的因素,因此得到因素集U對于評級集W的模糊關(guān)系矩陣Rf。
對因素集U進行模糊關(guān)系變換,最終得到因素集U對于評價集W的隸屬度向量Bf。
5)風(fēng)電場運行性能綜合評價結(jié)果的定量值為
根據(jù)評分規(guī)則,確定2017 年該風(fēng)電場運行性能的評價結(jié)果為“良好”。結(jié)合4 個一級指標(biāo)的評價結(jié)果,通過對評價結(jié)果相對較差的一級指標(biāo)的相關(guān)影響因素進行分析,并進行相應(yīng)地改進,將有助于提高風(fēng)電場整體的運行性能,從而進一步提高風(fēng)電場的經(jīng)濟效益。
為進一步驗證本文提出的風(fēng)電場運行性能評價方法的有效性,利用該風(fēng)電場2016—2018 年的運行數(shù)據(jù),將本文方法與常用多指標(biāo)綜合分析方法進行對比。該風(fēng)電場2016—2018 年各指標(biāo)數(shù)據(jù)如附錄C 表C12 所示,方法對比排序結(jié)果如表6 所示,其中1—3 表示評價結(jié)果優(yōu)劣排序,1為最好。
表6 不同方法的2016—2018 年風(fēng)電場運行性能評估結(jié)果排序Table 6 Ranking of evaluation results of wind farm operation performance evaluation results by different methods in 2016—2018
由附錄C 表C2 可知,2017 年的各項指標(biāo)大都優(yōu)于另外2 年,其中包括反映風(fēng)電場經(jīng)濟效益的發(fā)電量、上網(wǎng)電量以及各項損失電量等指標(biāo)。根據(jù)表6 中的排序結(jié)果,利用本文方法,該風(fēng)電場近3 年的運行性能排序結(jié)果為:2017 年>2016年>2018 年,通過對比附錄C 表C2 中的各項指標(biāo)數(shù)據(jù),可知評價結(jié)果與實際運行情況相符。算例分析結(jié)果中,主成分分析法與本文方法結(jié)果一致,但主成分分析法用于綜合評價函數(shù)的意義不太明確。本文所提方法將與風(fēng)電場運行情況評價有關(guān)的因素進行分解,然后進行綜合評價,更能反映風(fēng)電場的綜合運行性能。改進后的云模型數(shù)字特征計算公式中,當(dāng)評價指標(biāo)數(shù)據(jù)取到閾值附近時,可提高評價結(jié)果的區(qū)分度。本文方法在指標(biāo)數(shù)和影響因素較多的情況下,能較明確地反映風(fēng)電場運行中存在的問題,從而針對該因素提出科學(xué)有效的治理措施,以進一步提高風(fēng)電場的經(jīng)濟效益,更加符合實際運行評價需求。
本文根據(jù)風(fēng)電場實際生產(chǎn)過程的統(tǒng)計指標(biāo)數(shù)據(jù)建立了風(fēng)電場運行性能評價指標(biāo)體系,在此基礎(chǔ)上提出層次分析法和模糊數(shù)學(xué)理論相結(jié)合的風(fēng)電場運行性能多維評價模型。通過對風(fēng)電場實際運行數(shù)據(jù)驗證分析,得到如下結(jié)論。
1)在建立風(fēng)電場運行性能評價指標(biāo)中,考慮風(fēng)電場實際生產(chǎn)中的各個典型指標(biāo),可以更加符合生產(chǎn)實際,且在風(fēng)電場的生產(chǎn)評價中具備一定的工程應(yīng)用價值。
2)在本文的風(fēng)電場運行性能評價多層模型中,針對常規(guī)云模型中數(shù)字特征計算方法在指標(biāo)數(shù)據(jù)閾值附近時評價結(jié)果難以辨別的問題,采用改進的云參數(shù)生成正態(tài)隸屬云以確定各評價指標(biāo)相對于評價集的隸屬度,有利于提高評價結(jié)果的區(qū)分度。
3)構(gòu)建合理的評價指標(biāo)體系是進行風(fēng)電場運行性能評價的基礎(chǔ),本文基于風(fēng)電場的實際生產(chǎn)報表構(gòu)建了評估指標(biāo)體系,但均為定量指標(biāo)。后續(xù)將進一步研究評價指標(biāo)考慮定性指標(biāo)以及將本文評價方法應(yīng)用于風(fēng)電場現(xiàn)有的數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)中。
(本刊附錄請見網(wǎng)絡(luò)版,印刷版略)