黃元生，姜雨晴，王 靜

(華北電力大學 經(jīng)濟管理系，河北 保定 071003)

近年來，為了適應經(jīng)濟發(fā)展以及能源結(jié)構(gòu)調(diào)整的需要，以光伏、風電為代表的新能源發(fā)電正逐步成為能源發(fā)展戰(zhàn)略的重要組成部分[1]。相較于傳統(tǒng)的配電網(wǎng)結(jié)構(gòu)，包含新能源的電網(wǎng)結(jié)構(gòu)具有分散性、不穩(wěn)定性等特點，同時也受到光伏、風電的隨機性和波動性以及供電不確定性和用戶負荷端不確定性的影響[2-3]。能源革命下，以往的以傳統(tǒng)能源供電為對象的配電網(wǎng)適應性評價方法已經(jīng)不能完全涵蓋配電網(wǎng)系統(tǒng)中的新特征，因此準確分析新能源并網(wǎng)后對配電網(wǎng)的影響以及配電網(wǎng)適應的程度，對于制度的科學制定以及配電網(wǎng)的改造具有一定的指導意義。

相較于傳統(tǒng)配電網(wǎng)，加入新能源發(fā)電的配電網(wǎng)在多方面都有所不同。傳統(tǒng)能源接入配電網(wǎng)的適應性評價多從系統(tǒng)可靠性[4-5]、供電安全[3，6-8]、經(jīng)濟性[9]等來進行評價。文獻[10]研究了分布式發(fā)電對配電網(wǎng)可靠性的影響，在改善電網(wǎng)可靠性方面起到了一定的作用。文獻[11]分析了配電網(wǎng)的可靠性與風險性的評估，提出了同時適用于接入分布式電源的微網(wǎng)和傳統(tǒng)配電網(wǎng)的配電系統(tǒng)的一種可靠性評估方法。文獻[12]將供電安全標準作為配電網(wǎng)網(wǎng)格化規(guī)劃現(xiàn)狀電網(wǎng)評估的依據(jù)，建立了標準的評價體系。文獻[13]重點研究了基于地理信息系統(tǒng)(Geography Information System，GIS)的配電網(wǎng)供電可靠性的定量評估系統(tǒng)。文獻[14]構(gòu)建了一套針對配電網(wǎng)的經(jīng)濟性評價指標體系。文獻[15]研究了配電網(wǎng)的無功優(yōu)化問題，改善了區(qū)域網(wǎng)絡電壓質(zhì)量， 有效降低了配電網(wǎng)有功損失。

對于配電網(wǎng)評價的相關(guān)研究方法一般是傳統(tǒng)、單一的主觀或者客觀評價方法。文獻[16]利用熵權(quán)法(Entropy Weight Method，EM)和改進的灰色關(guān)聯(lián)分析法(Grey Relational Analysis，GR)對配電網(wǎng)可靠性的影響因素進行了分析。文獻[17～18]考慮到區(qū)域電網(wǎng)的分層問題，采用層次分析法(Analytic Hierarchy Process，AHP)進行了配電網(wǎng)適應性的評價。文獻[19]結(jié)合模糊理論對配電網(wǎng)中的電能質(zhì)量進行了評價研究。

基于上述研究，針對傳統(tǒng)的配電網(wǎng)，其評價主要是針對配電網(wǎng)的某一特性或幾個特性進行的評價，例如可靠性、經(jīng)濟性評價等，并沒有反應其與外部環(huán)境的相互關(guān)系。因此，本文對于新能源接入配電網(wǎng)后的適應性評價進行了新的內(nèi)涵定義，即配電網(wǎng)適應性是一種考慮到配電網(wǎng)本身以及與外部交互狀態(tài)下的一種評價，是分析、判斷電網(wǎng)建設質(zhì)量的重要內(nèi)容，也是作為對電網(wǎng)規(guī)劃系統(tǒng)后續(xù)的建設質(zhì)量和運營狀態(tài)的一種反饋。

本文從可靠性、負載率、電流、電能質(zhì)量、運行年限、新能源利用率6個方面構(gòu)建了配電網(wǎng)適應性評級指標體系。這是首次將此6項指標結(jié)合應用到配電網(wǎng)適應性評價指標體系中。本文還根據(jù)《分布式電源接入電網(wǎng)評價導則》中的配電網(wǎng)適應性評價方法，將利用主觀、客觀賦權(quán)的組合權(quán)重和理想點法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)應用到期望評價值的確定過程中。最終，本文建立了改進粒子群(Particle Swarm Optimization，PSO)優(yōu)化支持向量機(Support Vector Machine，SVM)的配電網(wǎng)適應性評價模型，為實現(xiàn)新能源的可預測、可控制、可調(diào)度打下了基礎，也為配電網(wǎng)所進行的新能源并網(wǎng)改造提供了指導依據(jù)。

1 配電網(wǎng)適應性評價指標體系

合理的評價指標體系是進行配電網(wǎng)適應性評價的基礎。所構(gòu)建的指標體系應該包含新能源接入配電網(wǎng)后其適應性變化的各個因素。本文根據(jù)評價指體系構(gòu)建所遵循的原則，通過查閱相關(guān)資料文獻并結(jié)合咨詢專家的意見，確立了配電網(wǎng)適應性評價的指標體系。

1.1 指標體系的確立

為充分反映新能源接入前后配電網(wǎng)運行狀態(tài)的變化情況，本文從可靠性、負載率、電流、電能質(zhì)量、運行年限、新能源利用率6個方面構(gòu)建了評價指標體系，細化為16項具體評價指標，如表1所示。

表1 配電網(wǎng)適應性評價指標體系

1.2 評價指標的分析

本文中所使用的評價指標如下：

(1)變壓器可靠性A1。變壓器可靠性是指配電網(wǎng)中變壓設備滿足N-1原則的比重。該指標反映了配電系統(tǒng)中變壓器的安全性和穩(wěn)定性。變壓器可靠性越高，說明配電網(wǎng)中變壓器對于新能源接入的適應性也就越好。其計算為

(1)

式中，a1為配電網(wǎng)中變壓器總數(shù)量；a2為滿足N-1原則的變壓器數(shù)量；

(2)線路可靠性A2。線路可靠性是指線路中滿足N-1線路占總線路數(shù)量的比重。該指標反映的是配電網(wǎng)線路的安全性。線路可靠性越高，配電線路對于新能源接入的適應性也就越好。其計算為

(2)

式中，a3為配電網(wǎng)中的線路總數(shù)；a4為滿足N-1原則的配電線路數(shù)；

(3)變壓器滿載率B1。變壓器滿載率是指分布式電源接入電網(wǎng)后，滿載和過載變壓器的增加比例；

(4)線路滿載率B2。線路過載率是過載線路占配電網(wǎng)線路總數(shù)的比重。此指標反映的是配電網(wǎng)中線路的運行狀況。線路過載率越低，說明線路的運行狀況越良好，對于新能源接入的適應程度越高。線路過載率的計算為

(3)

式中，b1為配電網(wǎng)中過載線路數(shù)；

(5)變壓器容載比B3。變壓器容載比是指配電網(wǎng)內(nèi)的變壓器總裝機容量和負荷峰值的比值。該指標反映的是變壓器的運行狀況和利用效率。對于不同電壓等級的變電設備有不同的容載比推薦范圍，對220 kV變電所的容載比為1.6～1.9，而35～110 kV變電所的容載比取值為1.8～2.1。變壓器容載比的計算為

(4)

式中，b2為配電網(wǎng)中變壓器總?cè)萘浚籦3為配電網(wǎng)年度負荷峰值；

(6)線路最大電流C1。線路最大電流是指能夠承受且不影響設備安全狀態(tài)的電流的極限值，一般只允許在短時間內(nèi)出現(xiàn)，否則會造成設備損壞；

(7)線路額定電流C2。線路額定電流是指在額定環(huán)境條件，線路的長期連續(xù)工作時允許電流。線路工作時電流不應超過它的額定電流。

(8)電壓偏差超標率D1。分布式電源接入電網(wǎng)后，在實際運行中，系統(tǒng)各點的實際電壓與標稱電壓由于運行方式的改變等原因會存在偏差，稱為電壓偏差。電壓偏差超標率是指電壓偏差超標節(jié)點的增加比例；

(9)諧波畸變超標率D2。諧波畸變超標率是分布式電源接入電網(wǎng)后，電壓總諧波畸變率超標節(jié)點的增加比例；

(10)諧波電流超標率D3。諧波電流超標率是指分布式電源接入電網(wǎng)后，諧波電流超標節(jié)點的增加比例；

(11)電壓波動超標率D4。電壓波動超標率是指分布式電源接入電網(wǎng)后，電壓波動超標節(jié)點的增加比例，表示電網(wǎng)電壓有效值的快速變化；

(12)電壓不平衡度超標率D5。電壓不平衡超標率是指分布式電源接入電網(wǎng)后，負序電壓不平衡度超標節(jié)點的增加比例。電壓不平衡是指三相電壓之間的幅值差，或相對于正常電壓相位差存在相位偏移，或兩者都有；

(13)變壓器運行年限E1。變壓器運行年限是指配電網(wǎng)中變電設備的運行年限。該指標反映配電系統(tǒng)中變電設備的運行狀況和日常運行損耗；

(14)線路運行年限E2。線路運行年限是指配電網(wǎng)中線路的平均運行年限。該指標反映線路設備運行狀況和日常損耗；

(15)新能源滲透率F1。新能源滲透率是指配電網(wǎng)中新能源總裝機容量和總負荷峰值的比值。該指標反映新能源裝機容量與總負荷之間的關(guān)系

(5)

式中，f1為配電網(wǎng)內(nèi)新能源發(fā)電的總裝機容量；f2為配電網(wǎng)內(nèi)總負荷峰值；

(16)新能源消納率F2。新能源消納率是指配電網(wǎng)實際吸收新能源的輸出電量和總負荷峰值的比值。該指標反映的是新能源發(fā)電出力對于電網(wǎng)總負荷的貢獻程度。此指標的計算如下

(6)

式中，f3為配電網(wǎng)內(nèi)的新能源上網(wǎng)電量。

2 基于改進TOPSIS-PSO-SVM的配電網(wǎng)適應性評價

2.1 層次分析法

層次分析法是一種多目標決策分析方法[20]，根據(jù)內(nèi)部的系統(tǒng)化、層次化的邏輯關(guān)系，將評價指標組合成有序的層次結(jié)構(gòu)，然后利用專家的專業(yè)知識和經(jīng)驗對同一層次的指標進行兩兩比較，并按照規(guī)定的標度值構(gòu)造判別矩陣。其具體分析方法步驟如下[21]：建立層次結(jié)構(gòu)模型；判斷矩陣的構(gòu)造；層次的單排序及其一致性檢驗；層次總排序及其一致性檢驗。

2.2 熵權(quán)法

熵權(quán)法是測量信息不確定性的一種方法。其原理是將物理學中“熵”的概念引入信息論，即熵值越大指標的權(quán)重越小，信息越無效，無序度越強；熵值越小指標的權(quán)重越大，信息越有效，排序越強。其基本步驟如下[22-23]：指標矩陣的建立；指標矩陣的規(guī)范化處理；計算指標的特征比重；計算指標的熵權(quán)；計算指標的差異化系數(shù)；計算指標權(quán)重。

2.3 組合權(quán)重計算模型

利用式(7)中的組合權(quán)重計算方法，計算配電網(wǎng)適應性評價指標的組合權(quán)重

(7)

式中，wj為第j項指標的組合權(quán)重；w1j為第j項指標的AHP主觀權(quán)重；w2j為第j項指標的EM客觀權(quán)重。

2.4 理想點法

理想點法又稱優(yōu)劣解距離法，是一種逼近于理想解的排序法[24]。理想點法是多目標決策分析中一種常用有效方法，優(yōu)點是可以簡潔形成直接供參考的決策信息；缺點是采用一維定性方式確定指標權(quán)重，多因素分析情況下，指標權(quán)重確定難度較大。其基本步驟如下[25]：建立標準化決策矩陣；建立加權(quán)標準化決策矩陣；確定最優(yōu)解與最劣解；計算備選方案與最優(yōu)解、最劣解距離；計算備選方案相對貼近程度；依據(jù)相對貼近程度對備選方案進行排序，確定最優(yōu)方案。

2.5 改進PSO-SVM模型的建立

改進后的PSO優(yōu)化SVM算法步驟如下[26-27]：

步驟1首先設置種群粒子個數(shù)為m；

步驟2初始化種群中各粒子的速度和位置，規(guī)定粒子群算法中的種群大小為m=15，慣性權(quán)重最值ωmax=1.2，ωmin=0.4，學習因子c1=c2=2.05，迭代次數(shù)最高為Tmax。設定支持向量機的參數(shù)C和g范圍，預設變異閾值h=10，變異概率Pm=0.3，得到第1代種群

(8)

將各粒子的歷史最優(yōu)位置Pbest設為初始位置，取粒子群全局最優(yōu)位置gbest中的最優(yōu)值；

步驟3根據(jù)得到的種群，更新SVM算法中的懲罰系數(shù)C和核函數(shù)寬度g；

步驟4利用訓練樣本訓練SVM算法模型；

步驟5利用測試樣本測試SVM 算法精度，即適應度函數(shù)值。適應度函數(shù)值計算表示式為

(9)

式中，Zrec為識別的工況類型；Zact為實際的工況類型；n為測試樣本數(shù)量；

步驟6更新粒子速度和位置，表達式為

(10)

u(k+1)=u(k)+v(k+1)

(11)

式中，w為慣性權(quán)重；r1和r2為位于[0，1]的隨機數(shù)；k表示當前的迭代次數(shù)，初始值為1；pbest(k)表示的是第k代個體最優(yōu)粒子的位置；gbest(k)表示第k代全局最優(yōu)粒子的位置；c1和c2為常數(shù)；v表示粒子的速度；u表示粒子的位置；

步驟7在每次計算更新之后，計算每個粒子的適應度，并與之前的所經(jīng)歷的最優(yōu)位置pbest進行比較。如果粒子現(xiàn)在所處的位置更優(yōu)，則將當前粒子所在的位置作為pbest；

步驟8將每一個粒子所處的適應度與全體粒子的最優(yōu)位置gbest比較，如果粒子群現(xiàn)在所處的位置更優(yōu)，則將當前粒子所在的位置作為gbest；

步驟9檢查終值條件，若精度滿足預設條件，則停止迭代；若精度未滿足預設條件，則返回步驟3；若超出最大迭代次數(shù)，同樣停止迭代[28-29]；

步驟10輸出最優(yōu)解。

對于粒子群算法的改進如下[30]：根據(jù)慣性權(quán)重ω的性質(zhì)和算法的計算式可知，ω的取值對后期經(jīng)過迭代后粒子的速度大小有較大影響，ω取值較大時，粒子具有較強的全局搜索能力，但是收斂能力變差；ω較小時，容易導致全局搜索能力變小，最終陷入局部最優(yōu)，因此固定的ω取值無法兼顧全局搜索和局部搜索。針對此問題，本文引入自適應慣性權(quán)重[31]的方法進行修正，該方法可以改變每次迭代時ω的變化速度，使其進行自適應變化，提高尋優(yōu)情況。計算式如下

(12)

式中，ω為當前慣性權(quán)重值；fi為粒子當前迭代的適應度值。

本文引入粒距來解決初始空間粒子分散不均勻的問題。定義如下

(13)

式中，D(t)為粒子距離，表示粒子之間的相互分散程度，數(shù)值越大，代表粒子之間越分散；m為種群規(guī)模；n為空間維數(shù)；pid為第i個粒子在第d維度的數(shù)值；pd為所有粒子在d維度的平均值。

通過粒距的大小可以判斷種群是否需要變異操作。變異操作就是用來改進粒子群算法對重點搜索區(qū)域的局部搜索性能。預先設定好一個閾值h，并讓其與粒距的大小進行比較，若粒距D(t)小于閾值，則進行高斯變異，按一定的概率pm選擇粒子，范圍一般是[0.1， 0.3]。變異前后粒子歷史信息不變，讓被選中的粒子通過高斯變異的方式跳出局部區(qū)域進行搜索，避免早熟收斂的現(xiàn)象發(fā)生。其相關(guān)流程如圖1所示。

圖1 改進的粒子群優(yōu)化支持向量機流程圖Figure 1. Flow chart of improved PSO-SVM

2.6 基于改進TOPSIS-PSO-SVM的配電網(wǎng)適應性評價步驟

考慮到單一權(quán)重確定方法有一定的局限性。因此基于主、客觀權(quán)重的基本原理和適用特點，本文采用兩種賦權(quán)方法進行組合，得到組合權(quán)重。然后，利用TOPSIS法綜合評價得到評價模型的期望輸出值。最終，利用改進的PSO-SVM進行評價分析。具體步驟為：

步驟1利用AHP法計算各指標的主觀權(quán)重?；诒?中的配電網(wǎng)適應性評價指標體系，通過調(diào)查問卷的方式，邀請相應專家打分，構(gòu)造各級指標的判斷矩陣。通過AHP確定各級指標的主觀權(quán)重，并通過一致性檢驗，最終確定三級指標對目標方案的主觀權(quán)重w1j；

步驟2利用熵權(quán)法計算出各指標的客觀權(quán)重w2j。具體方法是首先將指標矩陣X進行規(guī)范化處理，得到規(guī)范化矩陣G=(gij)m×n。利用式(7)中的組合賦權(quán)，計算評價指標的組合權(quán)重；

步驟3利用TOPSIS法確定期望輸出值。參考《分布式電源接入電網(wǎng)評價導則》中關(guān)于配電網(wǎng)適應性評價的方法，本文根據(jù)TOPSIS方法確定了改進PSO-SVM評價模型的期望輸出值。首先建立標準化決策矩陣Z=[zij]

(14)

式中，aij為第i個備選方案的第j個因素值。建立加權(quán)標準化決策矩陣X=[xij]，權(quán)重向量為

Wj=[w1，w2，…,wn]T

(15)

式中，Wj為組合權(quán)重向量，其中xij=wjzij；

(16)

計算各方案的相對貼進度，如下式

(17)

并將各方案的相對貼進度確定為改進PSO-SVM評價模型的期望輸出值；

步驟5利用改進的PSO-SVM組合評價模型進行評價。將指標體系的原始數(shù)據(jù)作為評價模型的輸入值，并將步驟3中確定的TOPSIS評價值作為模型的期望輸出值，據(jù)此來進行模型的訓練與評價，得到最終的評價結(jié)果。其具體步驟可參照上文的改進的PSO-SVM模型優(yōu)化步驟。

本文構(gòu)建了基于改進的TOPSIS-PSO-SVM模型的配電網(wǎng)適應性評價模型，具體框架流程如圖2所示。

圖2 改進TOPSIS-PSO-SVM評價模型流程Figure 2. Improved TOPSI-PSO-SVM evaluation model flow

3 案例分析

鑒于寧夏為第一個國家新能源示范區(qū)，本文選取了寧夏5個地區(qū)5年的配電網(wǎng)數(shù)據(jù)來進行分析，分別是銀川地區(qū)、石嘴山地區(qū)、吳忠地區(qū)、寧東地區(qū)、中衛(wèi)地區(qū)。為了方便闡述，將5個地區(qū)分別用A市、B市、C市、D市、E市進行表示。同時為了更加詳細、清晰的說明評價的過程，本文以其中一個地區(qū)的5年數(shù)據(jù)為例，進行詳細的評價步驟說明，包括權(quán)重的確定、樣本期望輸出值的確定以及模型的評價結(jié)果。具體過程如下：

(1)指標權(quán)重的確定。根據(jù)已確立的評價指標體系，通過官網(wǎng)以及行業(yè)的權(quán)威網(wǎng)站和相應工作人員，進行信息搜集。利用AHP確定指標的主觀權(quán)重，利用EM得到指標的客觀權(quán)重，并根據(jù)式(7)計算得出指標組合權(quán)重，結(jié)果如表2所示；

表2 評價指標體系權(quán)重表

(2)樣本期望輸出值的確定。由于各指標之間的單位量級不一樣，在綜合評價前進行了數(shù)據(jù)的無量綱化處理，得到了標準化矩陣。利用TOPSIS法確定了各方案的相對貼進度，并將其確定為改進PSO-SVM模型的期望輸出值；

(3)基于改進PSO-SVM模型的配電網(wǎng)適應性評價過程。根據(jù)選取的寧夏5個地區(qū)的配電網(wǎng)樣本數(shù)據(jù)，按照年度隨機選取20組作為訓練樣本，剩余5組作為測試樣本。將樣本數(shù)據(jù)分別帶入改進的PSO-SVM模型以及PSO-SVM和單一的SVM中，分別進行訓練。訓練結(jié)果和過程誤差對比體現(xiàn)在表3中。從相對誤差的角度分析，改進PSO-SVM模型訓練的相對誤差范圍在[2.780%，3.975%]之間，相對誤差絕對值平均數(shù)為1.217%。相較于PSO-SVM和單一的SVM模型，本文提出的評價模型具有較高的訓練精度，提供了一個良好的評價模型環(huán)境。模型最終得到的懲罰因子C為 210.234 6，核函數(shù)寬度為0.002 2，粒子群算法得到的懲罰因子C為61.504 0，核函數(shù)寬度為0.01。

表3 改進PSO-SVM評價模型訓練結(jié)果

根據(jù)模型的訓練結(jié)果，將5組測試集代入評價模型，得到了5組測試樣本的評價結(jié)果。其結(jié)果如表4所示。將改進PSO-SVM獲得的測試輸出值和期望輸出值進行比較，測試輸出值與期望輸出值得相對誤差絕對值最大為1.182%，相對誤差絕對值最小為0.533%，其相對誤差絕對值平均數(shù)為0.885 4%，相對誤差的上下波動范圍較小。

表4 改進PSO-SVM評價模型的測試結(jié)果

同時，本文給出了PSO-SVM模型和SVM模型的測試結(jié)果。如表5所示，在5組測試樣本中，PSO-SVM模型的測試輸出值和期望輸出值之間的相對誤差絕對值最大為3.54%，最小相對誤差絕對值為2.61%，相對誤差絕對值平均數(shù)為3.28%；SVM模型的測試輸出值和期望輸出值之間的相對誤差絕對值最大為6.51%，最小相對誤差絕對值為2.19%，相對誤差絕對值平均數(shù)為4.82%。因此，可以認為本文構(gòu)建的基于改進PSO-SVM的配電網(wǎng)適應性評價模型具有較高的評價精度和性能。

表5 PSO-SVM和SVM評價模型測試結(jié)果

為了更加清晰直觀地了解到改進PSO-SVM模型的有效性，本文將3種評價模型的評價測試值繪制了改進PSO-SVM、PSO-SVM、SVM模型評價結(jié)果對比圖，如圖3和圖4所示。關(guān)于點評價方面，在5組測試樣本中，改進PSO-SVM模型的評價值誤差是最小的，每一個點的評價值均優(yōu)于另外兩個模型的點評價值。在評價結(jié)果區(qū)間方面，改進的PSO-SVM模型的相對誤差區(qū)間為[-1.038%，0.948 1%]，相對誤差絕對值平均數(shù)為0.885 4%，PSO-SVM模型的相對誤差區(qū)間為[-3.54%，3.51%]，相對誤差絕對值平均數(shù)為3.28%。SVM模型的相對誤差區(qū)間為[-6.51%，5.71%]，相對誤差絕對值平均數(shù)為4.82%?？梢钥闯?，在點評價值和誤差區(qū)間方面對比，基于改進PSO-SVM的評價模型在配電網(wǎng)適應性評價中所得到的評價結(jié)果精確性更好，波動性更小。

圖3 3種模型的評價結(jié)果對比圖Figure 3. Comparison of evaluation results of the three models

圖4 三種模型的相對誤差對比圖Figure 4. Relative error comparison diagram of the three models

4 評價結(jié)果與分析

為了更加直觀地分析5個地區(qū)配電網(wǎng)適應性評價結(jié)果，將5個地區(qū)5年來配電網(wǎng)適應性的結(jié)果展示在圖5中。

圖5 5個地區(qū)配電網(wǎng)適應性評價值Figure 5. Adaptability evaluation value of distribution networks in 5 regions

如圖5所示，5個地區(qū)配電網(wǎng)在5年間的適應性評價值的排序都在發(fā)生變化。其中D、E兩地區(qū)的評價值在5年間都是持續(xù)上升的，均保持增長趨勢，表明其適應性整體提升。A、B兩地區(qū)在2015～2017年的評價值保持上升的趨勢，而從2017年起急劇下降，原因主要是分布式能源并網(wǎng)，其配電網(wǎng)可靠性與負載率情況急劇下降。但是，隨著一整年技術(shù)與新能源利用率的提升，2019年得到了提升。C地區(qū)整體的配電網(wǎng)適應性評價值比較穩(wěn)定，C地區(qū)的特點是網(wǎng)架堅實可靠、設備表中智能化和運維效果良好，技術(shù)創(chuàng)新度高。因此，C地區(qū)5年來保持穩(wěn)定的評價值。但是，隨著分布式能源并網(wǎng)，C地區(qū)新能源利用率并不高，其優(yōu)勢逐漸下降，因此在其配電網(wǎng)適應性評價值的綜合排序逐年降低。

為了驗證評價指標對于整體配電網(wǎng)評價值的影響情況，在此對評價指標體系中各個指標的組合權(quán)重值進行了更為詳細的分析，如圖6所示。從圖6中的數(shù)據(jù)可以看出，在所有配電網(wǎng)評級指標中一級指標中電能質(zhì)量下的各個指標D1、D2、D3、D4所占權(quán)重比例是較大的，電能質(zhì)量指標的表現(xiàn)對于配電網(wǎng)適應性評價有著十分重要的作用。這是由于新能源等分布式能源并網(wǎng)運行可能會引起系統(tǒng)電能質(zhì)量的變化，具體表現(xiàn)在電壓閃變和波動。如果新能源和局部負荷不能協(xié)調(diào)運行，往往會導致配電網(wǎng)的流量發(fā)生劇烈的變化，使配電網(wǎng)的電壓調(diào)整更加困難，引起系統(tǒng)電壓的波動。此外，新能源電源的啟動和停運會受到諸多因素的影響，各種因素變化的隨機性將會導致配電網(wǎng)的電壓閃變。同時5個地區(qū)雖然在某個指標權(quán)重上有所不同，但是對于整體16個評價指標的分布是具有共性的，同時也體現(xiàn)了寧夏5個地區(qū)的配電網(wǎng)適應性評價得分雖具有不同的結(jié)果，但是整體的分布式能源并網(wǎng)后，配電網(wǎng)所體現(xiàn)出來的特征是具有共性的，例如電壓偏差超標率D1、諧波電流超標率D3、電壓波動超標率D4在5個地區(qū)的權(quán)重分布比重較大。這些指標對于配電網(wǎng)適應性評價的結(jié)果起著關(guān)鍵作用。

圖6 配電網(wǎng)適應性評價指標權(quán)重分布圖Figure 6. The weight distribution diagram of the adaptability evaluation index of the distribution network

為了更加直觀地觀察各地區(qū)指標得分情況，將5個地區(qū)在可靠性指標、負載率指標、電流指標、電能質(zhì)量指標、運行年限指標、新能源利用率6個方面的指標得分進行分析，如圖7所示。

圖7 配電網(wǎng)適應性評價一級指標得分情況Figure 7. Scores of the first-level index of distribution network adaptability evaluation

從圖7中可以看出，在各區(qū)域配電網(wǎng)系統(tǒng)中沒有一個地區(qū)在所有的指標得分中表現(xiàn)中處于絕對優(yōu)勢。其中C市在電能質(zhì)量方面表現(xiàn)最優(yōu)，E市在負載率指標方面表現(xiàn)最優(yōu)，5個地區(qū)在新能源利用效率方面比較平均。另外電流指標、可靠性指標、運行年限指標整體比重占比很小，所以并沒有完全顯示出來。因此，在對配電網(wǎng)適應性評價系統(tǒng)進行評價時，不能單方面的參考某項指標的數(shù)值，而應全面觀察其整體表現(xiàn)情況進行分析?？梢钥闯鲈?個區(qū)域中，負載率指標、電能質(zhì)量指標、新能源利用效率這3個指標得分是占有絕對優(yōu)勢的。

5 結(jié)束語

隨著能源革命的到來，大量分布式電源接入到配電網(wǎng)，準確有效地對接入新能源的配電網(wǎng)進行適應性評價具有重大意義。本文首先對接入分布式電源的配電網(wǎng)的適應性進行了新的定義。其次，從6個方面建立了一套科學合理的配電網(wǎng)適應性評價指標體系。本文基于主、客觀的組合賦權(quán)，結(jié)合TOPSIS，構(gòu)建了改進的PSO-SVM評價模型。該模型的評價精度展現(xiàn)了一定的優(yōu)越性。最后將提出的評價模型應用到實例分析中，證明該模型在配電網(wǎng)適應性評價中具有較強的適用性以及可行性。通過結(jié)果分析可知，負載率指標、電能質(zhì)量指標、新能源利用效率這3個指標在配電網(wǎng)適應性評價中占有一定的優(yōu)勢。