CN113269371A - 一种智能配电网供电综合性能评估方法及系统 - Google Patents

Abstract

本发明公开了一种基于知识图谱的智能配电网供电综合性能评估方法及系统，方法包括步骤：获取待评估智能配电网的物理空间多源数据，建立智能配电网供电系统的数字化模型；对智能配电网供电系统的数字化模型的特征进行分析，基于知识图谱，以清洁性、经济性、灵活性和可靠性四个方面建立智能配电网供电综合性能评估指标体系；采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据设定的指标等级及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。本发明提供的方法及系统，利用知识图谱建立更加完善的智能配电网评估指标体系，采用组合权重进行评估，对智能配电网的优化运行具有指导作用。

Description

一种智能配电网供电综合性能评估方法及系统

技术领域

本发明涉及智能配电网优化运行技术领域，特别是涉及一种智能配电网供电综合性能评估方法及系统。

背景技术

早期配电网主要以满足用电负荷需求为主要目标，主要侧重于火电等传统供电电源和网架结构的建设，逐步形成了基本满足负荷需求的传统配电网。随着大量分布式电源、电力电子设备、分布式储能装置、电动汽车等接入配电网，传统配电网正逐步向智能配电网阶段过渡。同时，目前用户对电能质量以及供电可靠性等方面的要求也在不断提升，为保证在运行调度等方面更加复杂的智能配电网中为用户提供更加优质的服务，有必要对于新形态下的智能配电网的供电综合性能进行评估。

针对智能配电网的综合评估方法，已有众多学者从不同方面建立了相应的评估指标体系，主要分为两方面：一是针对配电网的规划现状和发展水平进行评估，其中韩震焘等人在电网技术，2012，36(08)：95-99.“城市配电网综合评价体系”中公开了一种面向城市配电网建设特点的综合评估指标体系；二是针对配电网的可靠性、灵活性等分别建立具有针对性的配电网评估体系，其中陈碧云等人在电力系统自动化，2019，43(19)：103-113.“计及多类型信息扰动的配电网可靠性评估”中提出了一种配电网在考虑外部信息扰动时的可靠性评估方法，陈垚煜等人则在电力建设，2019，40(07)：34-40.“考虑典型场景的配电网调控方案灵活性评估方法”中建立了针对配电网升级改造过程中调控灵活性提升的配电网灵活性评估指标体系。上述文献在对配电网进行评估的过程中侧重于传统线路、变压器以及运行特性，而对智能配电网中含极高比例可再生能源供电、电力电子装置的大量应用、以及储能、电动汽车等都考虑较少，智能配电网供电综合性能的评估指标体系应是在对配电网的清洁性、经济性、灵活性、可靠性等方面进行综合考虑的基础上来反映配电网的现状发展水平以及实时运行状态，进而对配电网的供电综合性能进行评估。此外，智能配电网作为一个设备庞杂、知识密集的系统，使用传统评估方法不能很好展现配电网各评估指标之间的连接关系。

发明内容

本发明的目的是提供一种智能配电网供电综合性能评估方法及系统，利用知识图谱建立更加完善的智能配电网评估指标体系，采用组合权重进行评估，对智能配电网的优化运行具有指导作用。

为实现上述目的，本发明提供了如下方案：

一种基于知识图谱的智能配电网供电综合性能评估方法，包括以下步骤：

S1)获取待评估智能配电网的物理空间多源数据，建立智能配电网供电系统的数字化模型；

S2)对智能配电网供电系统的数字化模型的特征进行分析，基于知识图谱，以清洁性、经济性、灵活性和可靠性四个方面建立智能配电网供电综合性能评估指标体系；

S3)采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据设定的指标等级及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

可选的，所述评估方法在步骤S3)之后还包括：

S4)根据评估结果分析智能配电网供电综合性能的薄弱环节，并作出相应调整决策。

可选的，步骤S1)中所述待评估智能配电网的物理空间多源数据包括电网拓扑数据、清洁能源的装机状况以及电力电子设备的具体参数；所述智能配电网供电系统的数字化模型包括电源、输电线路、场站和用户四个部分。

可选的，步骤S2)中所述清洁性方面的指标包括可再生能源利用率、可再生能源渗透率、可再生能源发电功率波动率、电力电子装置渗透率和功率预测精度；所述灵活性方面的指标包括灵活性供需平衡、净负荷波动率、变压器向上容量裕度、变压器向下容量裕度、支路负荷裕度和支路负荷均衡度；所述经济性方面的指标包括柔直系统供电率、综合线损率、理论线损偏高比例、高损耗配变比例、变电容载比和中压线路负载率；所述可靠性方面的指标包括中压线路联络率、变电站单电源线率、变电站单变率、主变“N-1”校验通过率、中压线路“N-1”校验通过率、电压偏移度、电压畸变率、负荷点的平均故障频率和平均停电持续时间、系统的平均停电频率和平均停电持续时间、用户的平均停电频率和平均停电持续时间。

可选的，步骤S3)中所述采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据评估指标及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果，具体包括以下步骤：

S31)基于专家意见，采用层次分析法确定智能配电网供电综合性能评估指标的指标主观权重；

S32)基于指标主观权重，采用熵权法确定智能配电网供电综合性能评估指标的指标客观权重；

S33)将步骤S31)中得到的指标主观权重和步骤S32)中得到的指标客观权重进行加权融合，得到指标组合权重；

S34)根据设定的指标等级及其对应的指标组合权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

可选的，步骤S31)中所述基于专家意见，采用层次分析法确定智能配电网供电综合性能评估指标的指标主观权重，具体包括以下步骤：

S311)基于专家意见，针对智能配电网供电综合能力评估指标体系的各层，通过每两个评估指标之间的互相比较确定相对重要程度，构造判断矩阵 A＝(b_ij)_n×n；其中：b_ij为评估指标i相对评估指标j的重要程度系数，i＝1,2,3,…,n， j＝1,2,3，…,n；n为判断矩阵A的阶数，与评估指标数量相等；

S312)依次对判断矩阵A的列、行进行归一化处理，得到初始的指标主观权重x_i，计算公式为：

S313)计算判断矩阵A的最大特征根λ_max，计算公式为：

进而对判断矩阵A进行一致性验证，计算公式为：

其中：RI为平均随机一致性指标，C_i为衡量不一致程度的数量指标，C_r为一致性指标；

对C_r＜0.1进行判断，若满足，则通过一致性验证；若不满足，则返回步骤311)调整判断矩阵A，直到满足一致性要求为止，得到最终的指标主观权重x_i；

步：骤S32)中所述基于指标主观权重，采用熵权法确定智能配电网供电综合性能评估指标的指标客观权重，具体包括以下步骤：

S321)构造评价矩阵X＝(x_ij)_n×m；其中：n为评估指标的个数；m为评估专家的人数；x_ij为第j个评估专家对第i个评估指标的评价值，i＝1,2,3,…,n； j＝1,2,3,…,m；

S322)对评价矩阵X＝(x_ij)_n×m依次进行标准化和归一化处理，评价矩阵标准化后为P＝(p_ij)_n×n，计算各评估专家给出评估指标的指标主观权重的熵值，并计算熵权得到指标客观权重，计算公式为：

其中：max(x_j)、min(x_j)分别为按行筛选所得的最大值和最小值；p_ij为第j 个评估专家对第i个评估指标的指标主观权重的比重；E_j为第j个评估专家的熵值；c_j为第j个评估专家的熵权，即指标客观权重；

步骤S33)中所述指标组合权重的计算公式为：

其中：W_i为指标组合权重，满足0＜W_i＜1，

步骤S34)中所述设定的指标等级分为较好、中等和较差，所述模糊评价方法采用的隶属度函数模型包括极小型指标、极大型指标和中间型指标的隶属函数模型；所述极小型指标的值越小与所述较好的等级指标越接近，所述极大型指标的值越大与所述较好的等级指标越接近，所述中间型指标的值位于某个区间内与所述较好的等级指标越接近；所述评估结果的计算公式为：

F(x)＝f₁(x)F₁+f₂(x)F₂+f₃(x)F₃；

其中：F(x)为指标综合评分，f₁、f₂、f₃分别为指标在所述隶属度函数模型中较好、中等、较差的隶属度，所述隶属度函数模型的隶属度，F₁、F₂、F₃分别为较好、中等、较差对应的分数，分别取为100、50、0。

一种智能配电网供电综合性能评估系统，包括：

数据获取模块：用于获取待评估智能配电网的物理空间多源数据，建立智能配电网供电系统的数字化模型；

图谱构建模块：用于对智能配电网供电系统的数字化模型的特征进行分析，基于知识图谱，以清洁性、经济性、灵活性和可靠性四个方面建立智能配电网供电综合性能评估指标体系；

计算评估模块：用于采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据指标等级及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

可选的，所述评估系统还包括：

推理决策模块：用于根据评估结果分析智能配电网供电综合性能的薄弱环节，并作出相应调整决策。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

(1)本发明建立了考虑智能配电网清洁性、经济性、灵活性、可靠性的智能配电网供电综合性能评估指标体系，并采用知识图谱来直观展现整个评估体系，应用于实际配电网将能够实现对含极高比例清洁能源供电的智能配电网供电性能的有效评估；

(2)本发明基于层次分析法和熵权法相结合方法，综合考虑主观与客观因素来确定指标的组合权重，使评价结果更加准确；

(3)本发明采用模糊评价方法通过对因素层指标量化分级实现了对指标的科学评分，进而实现对智能配电网供电综合能力的科学评价；

因此，本发明具有较强的实用性和可行性，可为电网调度、规划以及运行管理人员的决策工作提供重要的依据，具有很高的推广应用价值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例智能配电网供电综合性能评估方法的流程图；

图2为本发明实施例基于知识图谱的评估指标体系；

图3为本发明实施例极大型指标隶属函数图；

图4为本发明实施例极小型指标隶属函数图；

图5为本发明实施例中间型指标隶属函数图；

图6为本发明实施例智能配电网供电综合性能评估系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种智能配电网供电综合性能评估方法及系统，利用知识图谱建立更加完善的智能配电网评估指标体系，采用组合权重进行评估，对智能配电网的优化运行具有指导作用。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明实施例提供的基于知识图谱的智能配电网供电综合性能评估方法，包括以下步骤：

S1)获取待评估智能配电网的物理空间多源数据，建立智能配电网供电系统的数字化模型；

S2)对智能配电网供电系统的数字化模型的特征进行分析，基于知识图谱，以清洁性、经济性、灵活性和可靠性四个方面建立智能配电网供电综合性能评估指标体系；

智能配电网的供电综合性能应是电网建设水平以及电网运行调控水平的综合体现，受电网网架结构、地理条件、运行管理、设备配置等因素的影响，因此智能配电网供电综合性能评估应形成一个综合的指标体系，可靠性和经济性是对智能配电网供电能力的最基本要求，也是智能配电网平稳运行的基础条件；同时，对于含极高比例可再生能源供电的智能配电网，风电、光伏发电的强烈间歇性导致配电网的净负荷剧烈波动，造成了配电网的灵活性不足，因此，作为本发明的特征之一，应将灵活性作为含极高比例可再生能源供电的智能配电网的供电能力的要求之一；高比例可再生能源供电使得配电网的供电清洁性比例增加，为响应实现碳达峰的目标，作为本发明的特征之一，将供电的清洁性也作为智能配电网供电能力的评估指标之一；结合多名电力专家的权威意见与有关配电网评估文献所提指标，如图2所示，本发明确定出清洁性、经济性、灵活性、可靠性的智能配电网供电综合能力评估指标体系；

本发明对评估对象进行分析，将智能配电网供电综合能力评估指标体系分为目标层、准则层、因素层，其中目标层为整个评估指标体系的一致性目标，准则层为目标层的下层，根据目标层的评价目标的关键特征确定准则层的二级指标，因素层作为准则层的下层，通过考虑智能配电网的系统要素和对应准则层的指标而确定；对于因素层中指标的确定，主要根据对应的准则层指标的关键特征并结合智能配电网的设备配置与运行特点确定；

S3)采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据设定的指标等级及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

层次分析法作为一种典型的主观赋权方法，将复杂问题通过分解分层，通过对每层指标集中各指标重要度的判断确定对应权重，而熵权法是最终客观赋权方法，它反映数据本身的客观规律从而确定对应权重。作为本发明的特征之一，将两种方法相结合，通过熵权法对层次分析法的权重进行修正，从而减小了专家评价的主观性，以得到更合理的组合权重。

所述评估方法在步骤S3)之后还包括：

S4)根据评估结果分析智能配电网供电综合性能的薄弱环节，并作出相应调整决策。

步骤S1)中所述待评估智能配电网的物理空间多源数据主要包括电网拓扑数据，如线路、母线、变压器、断路器等设备以及一次设备和二次设备之间的连接关系，以及风电、光伏发电等清洁能源的装机状况和虚拟电厂和柔直系统及其他电力电子设备的具体参数等；所述智能配电网供电系统的数字化模型包括电源、输电线路、场站和用户四个部分。

步骤S2)中所述清洁性方面的指标包括可再生能源利用率、可再生能源渗透率、可再生能源发电功率波动率、电力电子装置渗透率和功率预测精度；所述灵活性方面的指标包括灵活性供需平衡、净负荷波动率、变压器向上容量裕度、变压器向下容量裕度、支路负荷裕度和支路负荷均衡度；所述经济性方面的指标包括柔直系统供电率、综合线损率、理论线损偏高比例、高损耗配变比例、变电容载比和中压线路负载率；所述可靠性方面的指标包括中压线路联络率、变电站单电源线率、变电站单变率、主变“N-1”校验通过率、中压线路“N-1”校验通过率、电压偏移度、电压畸变率、负荷点的平均故障频率和平均停电持续时间、系统的平均停电频率和平均停电持续时间、用户的平均停电频率和平均停电持续时间。

一、清洁性方面的指标：

1.可再生能源利用率：指可再生能源每天可发电总量与实际发电量之比，反映了可再生能源发电的利用情况以及是否出现严重的弃风光现象；

2.可再生能源渗透率：指可再生能源的发电量与总的发电量之比，具有时间性特征，以天为单位，反映了配电网每天可再生能源发电占比；

3.可再生能源发电功率波动率：指所有可再生能源发电实时出力的波动率；

4.电力电子装置渗透率：指经过电力电子换流器并网的电源容量和总电源容量的比；

5.功率预测精度：反映了各可再生能源发电厂出力的平均预测精度；

式中：P^f _i、P^t _i分别为发电厂的预测出力和实时出力；P^e _i为发电厂的额定容量；n为发电厂的个数；

一、灵活性方面的指标：

1.灵活性供需平衡：

式中：I_SD为灵活性供需平衡指标，反应各时刻灵活性调节能力与灵活性需求的比值，该值越大，表示配电网的整体灵活性越好，越能适应净负荷的不确定变化；

分别为一个调度周期内净负荷增加和净负荷减少的调度时段灵活性供应与灵活性需求比值的总和；u_t为净负荷功率变化的状态量，下一时刻净负荷增加时为1，否则为0；

分别为t和t+1时刻的净负荷大小；T为一天中的时刻数，本文取调度间隔为1h，因此，T取24；

分别为t时刻配电网向上、向下总灵活性调节能力；S_vp、S_ess分别为虚拟电厂和储能装置的集合；

2.净负荷波动率：指虚拟电厂单位时间内净负荷的变化率，反映了净负荷波动的剧烈程度；

3.变压器向上容量充裕度：指与配电网相连的变压器的向上的传输容量裕度，反映了变压器的向上灵活性；

一台变压器向上容量裕度为

则

式中：P_max为变压器的最大允许传输容量；P_t为t时刻的传输功率；

4.变压器向下容量裕度：

式中：P_min为变压器的最小允许传输容量；

5.支路负荷裕度：指各支路的负载情况；

式中：I_k、In_k分别为第k条线路的实际电流和额定电流；l为配电网系统支路数；

6.支路负荷均衡度：指各支路负荷的均匀程度；

式中：L_k为第k条支路的负荷率；

为所有支路的平均负荷率；

三、经济性方面的指标：

1.柔直系统供电率：指配电网由柔直系统供电量与总需供电量之比；

2.综合线损率：指配电网每月的整个区域的总损耗占总供电量的比例；

3.理论线损偏高比例：指理论线损偏高线路占线路总条数的比例；

4.高损耗配变比例：指S7(S8)系列及以下配电变压器所占的比例；

5.变电容载比指：变电容量与最大负荷的比值；

6.中压线路负载率：指中压线路的平均负载率；

四、可靠性方面的指标：

1.中压线路联络率：指中压配电网中与其他线路有联络的线路所占的比例；

2.变电站单电源线率：指只有单回线供电的变电站所占的比例；

3.变电站单变率：指只有单台主变的变电站所占的比例；

4.主变“N-1”校验通过率：是指在最大负荷下，任一台主变退出运行后，本变电站其它主变能够承受全部负荷的变电站所占的比例；

5.中压线路“N-1”校验通过率：是指在最大负荷下，变电站出线断开后，该线路全部负荷能够通过不超过两次操作实现转供的出线比例；

6.平均供电可用率：指一年中用户经历的不停电时间总数与用户要求的总供电时间之比；

7.电压偏移度：指智能配电网中各节点电压偏移的最大值；

式中：U_i-e、U_i-d分别为节点的额定电压和实际电压；

8.电压畸变率：指智能配电网中各节点电压畸变率的最大值；

式中：U_i,1为基波电压分量；U_i,2、U_i,3、U_i,n分别为各次谐波电压；

9.负荷点平均故障频率λ：指负荷节点平均一年的停电次数；

10.负荷点年平均停电持续时间U：指负荷点平均一年内的停电时间；

式中：n_i为负荷点i的停电次数；T_ui为负荷点i的工作时间；T_di为负荷点 i的故障停电时间；D为一年的总小时数；m为智能配电网的节点数目；

11.系统平均停电频率：指智能配电网中所有用电用户单位时间内的平均停电次数；

式中：N_i为负荷节点i的用户数；N_T为系统内总用户数；

12.系统平均停电持续时间：指智能配电网内用户平均遭受的停电持续时间；

13.用户平均停电频率：指一年内每个停电电力客户所遭受的平均停电次数；

式中：L_i为一年中第i个停电事故影响到的用户总数；M为经历过停电的不同用户总数；

14.用户平均停电持续时间：指所遭受停电的用户一年中平均停电持续时间；

供电可靠性是指系统对用户保持连续供电的能力，是智能配电网供电综合性能的最直接体现。

步骤S3)中所述采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据评估指标及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果，具体包括以下步骤：

S31)基于专家意见，采用层次分析法确定智能配电网供电综合性能评估指标的指标主观权重；

S32)基于指标主观权重，采用熵权法确定智能配电网供电综合性能评估指标的指标客观权重；

S33)将步骤S31)中得到的指标主观权重和步骤S32)中得到的指标客观权重进行加权融合，得到指标组合权重；

S34)根据设定的指标等级及其对应的指标组合权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

步骤S31)中所述基于专家意见，采用层次分析法确定智能配电网供电综合性能评估指标的指标主观权重，具体包括以下步骤：

S311)基于专家意见，针对智能配电网供电综合能力评估指标体系的各层，通过每两个评估指标之间的互相比较确定相对重要程度，构造判断矩阵 A＝(b_ij)_n×n，如式：

其中：b_ij为评估指标i相对评估指标j的重要程度系数，i＝1,2,3,…,n， j＝1,2,3，…,n，取值为1-9之间的任意整数，且b_ij与b_ji互为倒数，取值与重要程度之间的关系见表1，越大指标i越重要；n为判断矩阵A的阶数，与评估指标数量相等；

表1九分法标度及其含义

S312)依次对判断矩阵A的列、行进行归一化处理，得到特征向量，特征向量即指初始的指标主观权重x_i，计算公式为：

S313)计算判断矩阵A的最大特征根λ_max，计算公式为：

进而对判断矩阵A进行一致性验证，计算公式为：

其中：RI为平均随机一致性指标，其取值见表2，C_i为衡量不一致程度的数量指标，C_r为一致性指标；

表2平均随机一致性指标RI

对C_r＜0.1进行判断，若满足，则通过一致性验证；若不满足，则返回步骤311)调整判断矩阵A，直到满足一致性要求为止，得到最终的指标主观权重x_i；

根：据计算所得指标主观权重，利用熵权法构造评价专家主观权重优劣程度的熵模型，得到专家自身权重；

步骤S32)中所述基于指标主观权重，采用熵权法确定智能配电网供电综合性能评估指标的指标客观权重，具体包括以下步骤：

S321)构造评价矩阵X＝(x_ij)_n×m；其中：n为评估指标的个数；m为评估专家的人数；x_ij为第j个评估专家对第i个评估指标的评价值，i＝1,2,3,…,n， j＝1,2,3,…,m；

S322)对评价矩阵X＝(x_ij)_n×m依次进行标准化和归一化处理，评价矩阵标准化后为P＝(p_ij)_n×n，计算各评估专家给出评估指标的指标主观权重的熵值，并计算熵权得到指标客观权重(即专家自身权重)，计算公式为：

其中：max(x_j)、min(x_j)分别为按行筛选所得的最大值和最小值；p_ij为第j 个评估专家对第i个评估指标的指标主观权重的比重；若p_ij＝0，则定义

E_j为第j个评估专家的熵值；c_j为第j个评估专家的熵权，即指标客观权重；

步骤S33)中所述指标组合权重的计算公式为：

其中：W_i为指标组合权重，满足0＜W_i＜1，

步骤S34)基于知识图谱的智能配电网供电综合能力评估指标体系因素层中含有较多综合性指标，不同的指标具有不同的属性值，因此，不能对所有指标给出较统一的量化标准，因此采用模糊评价方法通过模糊语言“较好”、“中等”、“较差”来描述指标属于不同等级的差异程度，进而计算各指标的综合评分，属于“较好”、“中等”、“较差”的隶属度分别用f₁、f₂、f₃来表示，且满足f₁+f₂+f₃＝1，具体步骤如下：

a)建立因素层指标隶属函数模型。即在智能配电网中，获得指标实际运行数据后，根据经验确定每个指标对应的隶属函数模型，主要分为三种预设隶属函数模型：

第一种是适用于极小型指标，即指标值越小与模糊语言“较好”越接近，其对应的隶属函数曲线如图3所示，其中横坐标为指标具体数值，纵坐标为指标属于较好f₁、中等f₂、较差f₃的隶属度，其隶属函数式如下：

前述设定为极小型指标的有：可再生能源发电功率波动率、功率预测精度、净负荷波动率、支路负荷均衡度、综合线损率、理论线损偏高比例、高损耗配变比例、变电站单电源线率、变电站单变率、电压偏移度、电压畸变率、负荷点的平均故障频率和平均停电持续时间、系统的平均停电频率和平均停电持续时间、用户的平均停电频率和平均停电持续时间；

第二种是适用于极大型指标，即指标值越大与模糊语言“较好”越接近，其对应的隶属函数曲线如图4所示，其中横坐标为指标具体数值，纵坐标为指标属于较好f₁、中等f₂、较差f₃的隶属度，其隶属函数式如下：

前述设定为极大型指标的有：可再生能源利用率、可再生能源渗透率、电力电子装置渗透率、柔直系统供电率、中压线路联络率、主变“N-1”校验通过率、中压线路“N-1”校验通过率、平均供电可用率；

第三种是适用于中间型指标，即指标值位于某个区间内时与模糊语言“较好”越接近，其对应的隶属函数曲线如图5所示，其中横坐标为指标具体数值，纵坐标为指标属于较好f₁、中等f₂、较差f₃的隶属度，其隶属函数式如下：

前述设定为中间型指标的有：灵活性供需平衡、变压器向上容量裕度、变压器向下容量裕度、支路负荷裕度、变电容载比、中压线路负载率；

b)计算因素层指标综合评分，得到评估结果；

根据指标的基础数据计算指标具体值，并根据其隶属函数模型确定其隶属度f₁、f₂、f₃，采用下式对指标的综合评分进行计算：

F(x)＝f₁(x)F₁+f₂(x)F₂+f₃(x)F₃；(21)

其中：F(x)为指标综合评分，f₁、f₂、f₃分别为指标在所述隶属度函数模型中较好、中等、较差的隶属度，F₁、F₂、F₃分别为较好、中等、较差对应的分数，分别取为100、50、0。

上述过程为根据确定的因素层指标组合权重和确定的各因素评分，计算准则层中各指标的综合评分；同样的，根据确定的准则层指标组合权重和计算的准则层指标评分计算目标层的综合评分。

如图6所示，本发明实施例提供的智能配电网供电综合性能评估系统，包括：

数据获取模块：用于获取待评估智能配电网的物理空间多源数据，建立智能配电网供电系统的数字化模型；

图谱构建模块：用于对智能配电网供电系统的数字化模型的特征进行分析，基于知识图谱，以清洁性、经济性、灵活性和可靠性四个方面建立智能配电网供电综合性能评估指标体系；

计算评估模块：用于采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据指标等级及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

所述评估系统还包括：

推理决策模块：用于根据评估结果分析智能配电网供电综合性能的薄弱环节，并作出相应调整决策。

本发明有以下技术效果：

(1)本发明建立了考虑智能配电网清洁性、经济性、灵活性、可靠性的智能配电网供电综合性能评估指标体系，并采用知识图谱来直观展现整个评估体系，应用于实际配电网将能够实现对含极高比例清洁能源供电的智能配电网供电性能的有效评估；

(2)本发明基于层次分析法和熵权法相结合方法，综合考虑主观与客观因素来确定指标的组合权重，使评价结果更加准确；

(3)本发明采用模糊评价方法通过对因素层指标量化分级实现了对指标的科学评分，进而实现对智能配电网供电综合能力的科学评价；

因此，本发明具有较强的实用性和可行性，可为电网调度、规划以及运行管理人员的决策工作提供重要的依据，具有很高的推广应用价值。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于知识图谱的智能配电网供电综合性能评估方法，其特征在于，包括以下步骤：

S1)获取待评估智能配电网的物理空间多源数据，建立智能配电网供电系统的数字化模型；

S2)对智能配电网供电系统的数字化模型的特征进行分析，基于知识图谱，以清洁性、经济性、灵活性和可靠性四个方面建立智能配电网供电综合性能评估指标体系；

S3)采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据设定的指标等级及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

2.根据权利要求1所述的智能配电网供电综合性能评估方法，其特征在于，所述评估方法在步骤S3)之后还包括：

S4)根据评估结果分析智能配电网供电综合性能的薄弱环节，并作出相应调整决策。

3.根据权利要求1所述的智能配电网供电综合性能评估方法，其特征在于，步骤S1)中所述待评估智能配电网的物理空间多源数据包括电网拓扑数据、清洁能源的装机状况以及电力电子设备的具体参数；所述智能配电网供电系统的数字化模型包括电源、输电线路、场站和用户四个部分。

4.根据权利要求1所述的智能配电网供电综合性能评估方法，其特征在于，步骤S2)中所述清洁性方面的指标包括可再生能源利用率、可再生能源渗透率、可再生能源发电功率波动率、电力电子装置渗透率和功率预测精度；所述灵活性方面的指标包括灵活性供需平衡、净负荷波动率、变压器向上容量裕度、变压器向下容量裕度、支路负荷裕度和支路负荷均衡度；所述经济性方面的指标包括柔直系统供电率、综合线损率、理论线损偏高比例、高损耗配变比例、变电容载比和中压线路负载率；所述可靠性方面的指标包括中压线路联络率、变电站单电源线率、变电站单变率、主变“N-1”校验通过率、中压线路“N-1”校验通过率、电压偏移度、电压畸变率、负荷点的平均故障频率和平均停电持续时间、系统的平均停电频率和平均停电持续时间、用户的平均停电频率和平均停电持续时间。

5.根据权利要求1所述的智能配电网供电综合性能评估方法，其特征在于，步骤S3)中所述采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据评估指标及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果，具体包括以下步骤：

S31)基于专家意见，采用层次分析法确定智能配电网供电综合性能评估指标的指标主观权重；

S32)基于指标主观权重，采用熵权法确定智能配电网供电综合性能评估指标的指标客观权重；

S33)将步骤S31)中得到的指标主观权重和步骤S32)中得到的指标客观权重进行加权融合，得到指标组合权重；

S34)根据设定的指标等级及其对应的指标组合权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

6.根据权利要求5所述的智能配电网供电综合性能评估方法，其特征在于，步骤S31)中所述基于专家意见，采用层次分析法确定智能配电网供电综合性能评估指标的指标主观权重，具体包括以下步骤：

S311)基于专家意见，针对智能配电网供电综合能力评估指标体系的各层，通过每两个评估指标之间的互相比较确定相对重要程度，构造判断矩阵A＝(b_ij)_n×n；其中：b_ij为评估指标i相对评估指标j的重要程度系数，i＝1,2,3,…,n，j＝1,2,3，…,n；n为判断矩阵A的阶数，与评估指标数量相等；

S312)依次对判断矩阵A的列、行进行归一化处理，得到初始的指标主观权重x_i，计算公式为：

S313)计算判断矩阵A的最大特征根λ_max，计算公式为：

进而对判断矩阵A进行一致性验证，计算公式为：

其中：RI为平均随机一致性指标，C_i为衡量不一致程度的数量指标，C_r为一致性指标；

对C_r＜0.1进行判断，若满足，则通过一致性验证；若不满足，则返回步骤311)调整判断矩阵A，直到满足一致性要求为止，得到最终的指标主观权重x_i；

步：骤S32)中所述基于指标主观权重，采用熵权法确定智能配电网供电综合性能评估指标的指标客观权重，具体包括以下步骤：

S321)构造评价矩阵X＝(x_ij)_n×m；其中：n为评估指标的个数；m为评估专家的人数；x_ij为第j个评估专家对第i个评估指标的评价值，i＝1,2,3,…,n，j＝1,2,3,…,m；

S322)对评价矩阵X＝(x_ij)_n×m依次进行标准化和归一化处理，评价矩阵标准化后为P＝(p_ij)_n×n，计算各评估专家给出评估指标的指标主观权重的熵值，并计算熵权得到指标客观权重，计算公式为：

其中：max(x_j)、min(x_j)分别为按行筛选所得的最大值和最小值；p_ij为第j个评估专家对第i个评估指标的指标主观权重的比重；E_j为第j个评估专家的熵值；c_j为第j个评估专家的熵权，即指标客观权重；

步骤S33)中所述指标组合权重的计算公式为：

其中：W_i为指标组合权重，满足0＜W_i＜1，

步骤S34)中所述设定的指标等级分为较好、中等和较差，所述模糊评价方法采用的隶属度函数模型包括极小型指标、极大型指标和中间型指标的隶属函数模型；所述极小型指标的值越小与所述较好的等级指标越接近，所述极大型指标的值越大与所述较好的等级指标越接近，所述中间型指标的值位于某个区间内与所述较好的等级指标越接近；所述评估结果的计算公式为：

F(x)＝f₁(x)F₁+f₂(x)F₂+f₃(x)F₃；

其中：F(x)为指标综合评分，f₁、f₂、f₃分别为指标在所述隶属度函数模型中较好、中等、较差的隶属度，F₁、F₂、F₃分别为较好、中等、较差对应的分数，分别取为100、50、0。

7.一种智能配电网供电综合性能评估系统，其特征在于，包括：

数据获取模块：用于获取待评估智能配电网的物理空间多源数据，建立智能配电网供电系统的数字化模型；

图谱构建模块：用于对智能配电网供电系统的数字化模型的特征进行分析，基于知识图谱，以清洁性、经济性、灵活性和可靠性四个方面建立智能配电网供电综合性能评估指标体系；

计算评估模块：用于采用层次分析法和熵权法确定智能配电网供电综合性能评估指标的指标权重，并根据指标等级及其对应的指标权重采用模糊评价方法进行智能配电网供电综合性能评估，得到评估结果。

8.根据权利要求7所述的智能配电网供电综合性能评估系统，其特征在于，所述评估系统还包括：

推理决策模块：用于根据评估结果分析智能配电网供电综合性能的薄弱环节，并作出相应调整决策。

Images