智能配电网态势感知实现效果综合评估模型

葛磊蛟，李元良，汪宇倩

智能配电网态势感知实现效果综合评估模型

葛磊蛟1，李元良1，汪宇倩2

(1. 天津大学智能电网教育部重点实验室，天津 300072；2. 三一重机有限公司，苏州 215300)

作为衡量配电网智能化水平的重要途径，智能配电网态势感知已成为保证配电网安全、稳定运行的关键技术．针对配电网设备多样、运行多态而态势感知差异大的特征，为实现对智能配电网态势感知实现效果的定量分析，本文建立了智能配电网态势感知实现效果综合评估模型，包括综合评估指标体系和评估方法．其中，综合评估指标体系包括设备状态监测水平、电能质量监测水平、电网可靠性水平、电网自愈能力、电网消纳可再生能源水平5个方面一级指标，以及共计17个二级指标，实现对智能配电网态势感知实现效果的客观量化．综合评估方法方面，考虑到主观评估方法的专家意见偏好性与客观评估方法的强样本依赖性，本文采用基于二项系数方法和多目标规划方法相结合的主客观混合评估方法对综合评估指标体系进行赋权．典型配电网案例验证了该模型的可行性和实用性．本文所提出的智能配电网态势感知实现效果综合评估模型客观准确反映了配电网运行状况，消除了单一评估方法的片面性，有效提升了智能配电网的可观测度，实现了对配电网薄弱环节和潜在风险的分析，可为后续配电网态势感知领域的综合评估工作提供借鉴．

智能配电网；态势感知；综合评估模型；主客观混合评估方法

智能配电网态势感知是配电网安全稳定可靠运行的重要基础，也是新一代配电自动化系统的重要组成部分，态势感知实现效果的好坏决定了配电网的智能化发展水平和运营效益[1-2]，但配电网设备多样、运行多态，配电自动化系统、配电能量管理系统等不同区域、场景的差异较大，态势感知的实施情况差异大．若能对态势感知实现效果进行综合评估，可及时发现配电网的薄弱环节和潜在危险，提升配电网的可见性，从而为主动智能防控提供参考信息．由此，亟需构建一套多层次、多维度的智能配电网态势感知实现效果综合评估模型，以充分利用配电网的监测数据，维护智能配电网运行可靠性与稳定性，为电力运营商的决策调度、运行管理提供有效的技术指导．

近几年，态势感知技术逐渐应用于智能配电网领域，但现有的研究主要集中于配电网的特定性能或配电网与状态评估之间的关系上，针对智能配电网态势感知实现效果指标所提出的综合评估方法较少[3-6].文献[3]基于同步相量测量单元对大型电网态势进行综合评估，实现电网安全性能分析，但量测信息匮乏的配电网不适用于该类方法．文献[4]通过加权最小二乘法进行状态估计，实现对配电网实时量测数据的处理，并借助于层次分析法将实时运行状态量化表示；文献[5]提出了基于序关系和熵权法的组合赋权法评估配电网的健康状况．

智能配电系统规模庞大、节点众多且分布广泛，受用户终端影响较大，是一个巨大繁杂的综合能源聚集地．为全面系统地掌控评估配电网态势感知的实现效果，高效处理系统采集的繁杂数据，向操作人员提供指导性的决策辅助，开展智能配电网态势感知实现效果的综合评估体系构建及评估方法研究意义重大．本文建立了一套科学系统的态势感知实现效果评估指标体系，提出二项系数法与多目标规划法组合赋权的智能配电网态势感知实现效果综合评估方法，最终结合天津市典型区域配电网数据采用提出的智能配电网态势感知实现效果综合评估模型进行了合理性验证.

1 智能配电网的态势感知

1.1 态势感知的定义及内涵

态势感知技术首次提出于美国，后在航空飞行领域、海上航行领域及应急管理领域广泛应用[7-10]，现已逐步应用于配电网领域[11-17]．智能配电网态势感知共分为3个阶段：态势觉察、态势理解和态势预测．其具体定义为在一定的时空尺度上综合检测智能配电网的运行环境、设备状况，确定运行状态，分析可能引起态势感知变化的因素，预测未来智能配电网的变化趋势[18]，智能配电网态势感知模型如图1所示．

图1 智能配电网态势感知模型

1.2 智能配电网态势感知实现效果综合评估面临的问题

随着国际社会对智能配电网建设的日益关注，差异化场景下智能配电网态势感知实现效果的综合评估目前面临许多研究难题．

(1) 与传统配电网络相比，大量间歇性电源的接入导致配电网系统形成独有的电源结构，使智能配电网的运行状态更加灵活和多变[19]，增加了分布式能源的随机性、负荷的不确定性，给智能配电网态势感知带来障碍．

(2) 步入信息化时代后，众多新型设备引入智能配电网，同时电力用户对配电网电能质量、供电可靠性等提出更高要求，导致配电系统需要检测的数据规模与种类激增，加重了智能配电网态势感知的数据处理负担．

(3) 配电网态势感知实现效果的综合评估指标体系尚不健全，评估角度较片面．现阶段研究聚焦于配电网的特定性能或配电网与状态评估之间的关系上[20]，如可靠性、安全性等，或是运行状态、调度控制等；建立的综合评估模型受制于地域间经济水平和规划的差异，兼容性较差．

(4) 相关综合评估方法不足，单一的评估方法存在局限性．配电网态势感知领域单一使用主观或客观评估方法的现象仍然比较常见，且评估方法大多采用熵权法或层次分析法，必然会导致综合评估结果存在片面性．

2 智能配电网态势感知实现效果综合评估指标体系

2.1 综合评估指标体系构建原则

构建一个综合评估指标体系是实现智能配电网态势感知实现效果综合评估的基础，指标的合理选取又是综合评估指标体系建立的前提．为避免提出的指标体系脱离实际场景，指标选取应遵循如下原则.

(1) 兼容性原则．为保证态势感知实现效果可顺利量化，需保证输入数据的易获取性以及指标量化公式的可计算性，使综合评估指标体系兼容多类配电网环境．

(2) 实时性与高效性原则．配电网量测信息冗杂，若不对指标进行精炼，数据处理耗时将影响智能配电网态势感知的在线监测效果，所以指标的量化需考虑实时性与高效性，尽量选取具有代表性的指标，提升运算效率．

(3) 实用性与合理性原则．选取的指标应具有实际应用价值，保证上下层级的指标之间应具备逻辑关系，同一层级的指标应从不同角度对上一级指标进行描述，做到对态势感知实现效果的全面评估．

2.2 综合评估指标体系

基于上述提及的态势感知实现效果综合评估难题与指标体系构建原则，本文从设备状态监测水平、电能质量监测水平、电网可靠性水平、电网自愈能力、电网消纳可再生能源水平5个角度对智能配电网态势感知实现效果进行综合评估，建立了如图2所示的面向目标的智能配电网态势感知实现效果综合评估指标体系，其满足配电网利益相关者的需求，为构建综合评估模型奠定了基础．

2.2.1 设备状态监测水平

智能配电网在传统配电网基础上引入了PMU、智能电表、TTU、RTU等新型设备，构建了智能配电网态势感知体系的硬件基础，配电网设备的部署将影响智能配电网的可观测性和设备冗余度，进而影响态势感知的精度．

1) 智能电表覆盖率1

实现态势感知首先要求构建高级量测体系，而智能电表是建设高级量测体系的关键一环，其承担着电能数据采集、计量、传输和处理工作，有利于电网与用户的双向互动．智能电表覆盖率1是指定配电网范围内智能电表数量与节点数量的比值，即

式中：Ns表示指定配电网范围内的智能电表数量；Np表示指定配电网范围内的节点数量．

2) 电网资产利用率2

电网资产利用水平反映配电网调度效果和电力市场效果，代表配电网的趋优运营水平，是实现电力市场和优化调度的关键，间接反映态势理解和态势预测的实现效果．电网资产利用率2指一定配电网范围内运行效益与总电力成本的比值，即

式中：ES和IM分别是第小时的售电收益和环境效益；SP指电力设备的成本；DE指电力设备的数量；AD指电力设备的老化系数；w指所选取的时间范围．

3) 需要系数3

需要系数体现了智能配电网态势感知体系中资源配置的合理程度，是指定配电网范围内用电设备在实际状态下与额定负载时所需功率的比值，即

式中：sj为指定配电网范围内实际用电设备的所需功率；n为指定配电网范围内额定负载状态下用电设备的所需功率．

2.2.2 电能质量监测水平

为保证配电网的稳定趋优运营，智能配电网态势感知系统需实时监测配电网电能质量，及时反馈配电网运行中的不稳定因素．

1) 电压越限率1

配电网节点电压越限可能会造成电力系统的不稳定，是电能质量中关注的重点问题．电压越限率1由指定配电网范围和时间范围内节点电压越限的严重程度表示，其计算公式为

式中：V,max指节点的额定状态上限电压；V,min指节点的额定状态下限电压；V()指节点当前时刻的工作电压．

2) 潮流越限率2

当配电网出现潮流越限的情况，若不及时矫正将会降低电力系统稳定性，甚至使配电网瘫痪．潮流越限率2由指定配电网范围和时间范围内节点潮流越限的严重程度表示，其计算公式为

式中：l指所选取的配电网区域的支路数；S,max指支路的额定状态上限潮流；S()指支路在时刻的潮流大小．

3) 电流畸变程度3

电流畸变将影响电力设备的稳定工作，可能造成发热、振动等非正常现象，降低电能供应质量从而影响态势感知的实现效果．电流畸变程度3可用各节点谐波电流含量的最大值反映，其计算公式为

式中：1,i为节点的基波电流有效值；I,i为节点的总谐波电流有效值．

2.2.3 电网可靠性水平

伴随多起重大停电事故为社会造成的经济损失，电网可靠性水平已成为电力用户的关注焦点[21-23]，同样是衡量智能配电网态势感知水平的重要指标．

1) 供电可靠性1

供电可靠性表示指定配电网范围和时间范围内用户有效供电时长与统计时长的比值，即

式中k表示指定时间范围内的用户有效供电时长．

2)-1线路比重2

-1原则指含个元件的电力系统中若某一元件发生故障而被切除后，其余元件能够通过协同作用从而避免停电故障的发生．配电网供电线路满足-1原则可有效提高配电系统的可靠性，提升配电网态势感知的实现效果．-1线路比重2定义为指定配电网范围中满足-1原则的线路数量占所有线路的比重．

3)-1变压器比重3

电力变压器是输配电系统中的核心环节，满足-1原则可有效降低停电风险，保障电力用户的用电需求．-1变压器比重3定义为指定配电网范围中满足-1原则的变压器占所有变压器的比重．

4) 配电网故障率4

智能配电网态势预测的预警技术可以有效降低配电网的故障概率，提升供电可靠性并降低停电损失．配电网故障率4是指定配电网范围和时间范围内电力设备发生故障的概率，直接体现了态势预测中预警技术的效果．

式中fault,i代表设备的故障概率，可以根据历史数据获得．

2.2.4 电网自愈能力

电网自愈能力是智能电网的重要特征，态势感知技术可为配电网自愈提供数据获取、分析与决策等技术支撑，保障智能配电网的运维效果．

1) 配电网弹性1

配电系统的弹性与脆弱性分析技术是智能配电网态势理解的关键技术，对配电网弹性进行评估隶属于态势理解技术的范畴．

图3描述了由预防、渗透、适应、恢复4个阶段组成的配电网弹性恢复过程，配电网通过适应阶段和恢复阶段完成故障的自愈从而恢复稳定运行.

配电网弹性1定义为指定配电网范围和时间范围内实际供电负荷的积分与非故障状态负荷的积分的比值，即

式中：Pnor(t)代表t时刻系统负荷的正常运行功率；Pfl(t)代表t时刻系统负荷的故障运行功率．

2) 停电能量损失2

态势感知能够发现配电网中的供电隐患和薄弱环节，预防配电网的故障发生，提升配电网的供电可靠性，从而降低用户的损失．停电能量损失2描述了指定配电网范围和时间范围内用户因系统停电造成的电能损失，直接反映了智能配电网态势感知的感知精度．

式中：f,i为节点的负荷停电时间；L为节点的平均负荷．

3) 通讯延时3

智能配电网自愈依赖于实时的数据传输，以供电力系统及时准确决策，避免故障范围扩大．通讯延时3指智能配电网运行过程中通讯数据在系统内更新所耗费的平均时间，具体数值可从管理部门调取．

式中：x表示电力数据在系统内更新的时刻；n表示电力数据采集的时刻．

4) 故障自愈率4

故障自愈率4表示指定配电网范围和时间范围内实现故障自愈的用户数与发生故障的用户总量的比值．

式中：h表示指定时间范围内实现故障自愈的用户数；g表示指定时间范围内发生故障的用户数．

2.2.5 电网消纳可再生能源水平

以可再生能源为代表的分布式电源大量接入配电网致使传统无源配电网转变为有源配电网[24]，虽然有助于配电网的节能高效运行，但同样给智能配电网带来诸多不稳定因素，需要态势感知技术进行实时监测与状态分析．

1) 分布式电源消纳能力1

作为智能配电网态势理解中的关键技术，电力系统灵活性分析需对具有低可控性、强随机性和不确定性特征的分布式电源及时管控．分布式电源消纳能力1定义为配电网实际吸收分布式电源的输出电量与总负荷峰值的比值，其值越高则配电网的分布式电源的消纳状况越稳定，客观反映了配电系统的灵活性．其计算公式为

式中：DG表示指定配电网区域实际吸收分布式电源的发电量；m表示总负荷峰值．

2) 分布式电源弃电率2

为实现配电网节能增效，减少分布式电源弃电率是智能配电网态势感知的重要举措．分布式电源弃电率2指部分未被配电网传输或消纳的分布式电源发电量在分布式电源发电总量中的占比，即

式中：nz表示指定配电网范围和时间范围内分布式电源发电总量；s表示输送至电网的部分分布式电源发电量；le表示被负荷消纳的分布式电源发电量．

3) 可再生能源渗透率3

智能配电网态势感知体系着力实现配电网可持续发展，可再生能源的接入可有效缓解资源和环境压力．可再生能源渗透率3定义为指定配电网范围内用户侧的由可再生能源转化而成的电能消耗与用户终端电能总消耗的比值，即

式中：k表示用户侧消耗的由可再生能源转化而成的电能；z表示统计区域内配电网用户终端电能总消耗量．

3 综合评估指标体系赋权方法

综合评估方法主要分成3类：主观评估方法、客观评估方法和混合评估方法．本文提出一种二项系数法与多目标规划法组合赋权的智能配电网态势感知实现效果综合评估方法．相比现阶段研究常用的德尔菲法、层次分析法、区间层次分析法[25-27]等主观赋权方法，二项系数法的计算流程有所简化，拓展性强，并且消除了少数意见被忽略的弊端．而多目标规划法不同于如熵权法[28]等常规客观赋权方法，其不再对样本数量和异常值有较高要求，并融入了决策者对问题的理解，避免了结果的片面性．本文对二项系数法与多目标规划法的结果进行线性加权，由此构建的混合评估方法可充分发挥两种方法的优势，弥补各自的缺陷，使综合评估结果达到最佳效果．

3.1 二项系数法

二项系数法根据决策者排列出来的指标优先次序，对二项系数进行加权求和确定指标权重，是一种决策者根据自身对评估对象的知识掌握、主观认识、运行经验等隐形知识来确定指标权重的主观赋权方法．二项系数法的具体流程如图4所示．

图4 二项系数法流程

假设决策者为个专家，他们分别对智能配电网调控水平的综合评估指标体系中的个评估指标进行分析并按照重要程度定性排序．

步骤1 专家对于评估指标两两比较，对于第个指标，个专家各自独立地判定其重要性顺序为V，取个专家的排序平均值为a，以此反映其重要程度，数值越小，重要程度越高．其计算公式为

步骤2根据各个指标排序平均值的大小，对a进行排序，当出现a＝a(≠，≥1，≤)时，请个专家针对相同指标重新进行排序直至无重复情况，然后按照式(18)对再次排序的指标进行计算，确定最终的排序．

平均值最大的指标排列在第位，按照重要程度递减的原则依次向右排列，影响最小的指标放在最右边．a重列后对应的个指标依次用x表示，其排列顺序为

步骤3遵循对称方式，将最重要的指标放在中间，次重要的指标依次排列在其两侧，即可得到排 序为

步骤4利用二项系数加权和法计算各指标权重，计算公式为

式中：表示指标按对称方式排列后的位置号；ω表示位置号为的指标对应的主观权重；表示参与位置排列的指标数量．

二项系数法通过二项展开式对指标权值进行求解，计算过程简单且易于操作；此外该方法不受样本数据限制，能够有效解决最优化技术无法处理的实际问题．但权重的确定主要依赖于专家的知识经验的主观判断，存在随机信号不确定性，需结合客观赋权方法使用．

3.2 多目标规划法

多目标规划法是在一定的约束条件下对多个目标函数同时求极值的一种最优方法，它是在线性规划基础上发展起来的一种处理多目标决策问题的科学方法，可以在综合评估过程中兼顾多方面目标，其判断结果不依赖于人的主观判断，是一种有较强的数学理论依据的客观赋权方法．多目标规划法流程如图5所示．

图5 多目标规划法流程

步骤1 构造指标相对隶属度矩阵．

依据实际运行数据，形成个待选方案，每个方案需考虑个指标，用x表示第个方案中的第个指标，得到目标矩阵(x)×q．为消除不同量纲的影响，选择相对隶属度公式对x规格化如下：

(2) 评估值与指标值负相关时有

(4) 指标值在一定范围[d，]时评估值最高，即

步骤2 拟定最优方案．

设个指标权重向量为＝[1，2，…，]T，方案愈靠近方案0，则选用该方案可能性越大．度量其与最优方案的偏离程度的公式为

步骤3 建立多目标规划模型．

多目标规划模型为

由于每个方案相互独立，故可以将目标规划问题分解为多个单目标规划问题，即

步骤4 求取权值．

构造拉格朗日函数为

求其偏导，使其满足

将所得权重归一化可得

多目标规划赋权方法既融入了人的主观意见，避免了各分目标之间的比较评分，又兼顾了客观实际的要求，该方法所需信息量小并能获得满意的结果，尤其适合于需要快速多次赋权的情况，实际使用时可选择一个具有代表性的案例作为基点，以便较快地获取满意结果．

3.3 组合赋权法

主观赋权法虽然简单易处理但完全脱离客观数据，人为因素影响太强；客观赋权法过于依赖样本数据规模和准确度，其通用性较差，计算方法也比较复杂，不能体现评判者对不同属性指标的重视程度．组合赋权法是根据不同的偏好系数将主观赋权法与客观赋权法有机结合的一种综合指标赋权方法，本文选取线性加权的组合赋权方法将主观评估方法和客观评估方法进行组合．

3.4 综合评估流程

为了准确并客观地综合评估智能配电网态势感知实现效果，本文采用二项系数法计算指标主观权重，通过多目标规划法计算指标客观权重，使用线性加权求解组合权重，将各指标的权重乘以对应的指标数值，所有指标乘积的和即为智能配电网态势感知实现效果综合评分．具体态势感知实现效果综合评估流程如图6所示．

图6 态势感知实现效果综合评估流程

4 算例分析

4.1 数据集

为检验本文提出的智能配电网态势感知实现效果指标体系以及综合评估方法的可行性，选取中国天津市城区和郊区配电网进行案例分析，筛选出一年的12组月度电力数据为输入数据集，为凸显输入方案的代表性，分别将相邻两月的数据取平均可得到6组典型数据，形成6个待选方案．

结合各区域指标数据，取数据平均值并进行标准化处理，将负相关指标转换为正相关指标后，最终得到从智能电表覆盖率1到可再生能源渗透率3共17个指标数值，表1与图7分别展示了详细指标数据与城郊指标对比．

表1 指标与权重结果

Tab.1 Indicators and weighting results

图7 态势感知实现效果综合评估指标数值对比

由图7可归纳出现场状况如下．

(1) 总体上城区配电网在电能质量监测水平、电网可靠性水平和电网自愈能力方面表现远好于郊区配电网，但在电网消纳可再生能源水平上略逊于郊区配电网，符合配电网实际运行状况，验证了指标设置的合理性．

(2) 城区配电网负荷密集、管理方便、检修高效，使供电可靠性等态势感知实现效果指标整体表现较好；考虑到电动汽车开始普及，城区配电网应着力提升分布式电源消纳能力、分布式电源弃电率、可再生能源渗透率等弱势指标，进一步完善自身电网消纳可再生能源水平．

(3) 郊区配电网得益于更好的风电、光电等可再生能源建设条件，在电网消纳可再生能源水平上占据一定优势；但由于交通、经济、线路环境等方面的劣势，其在供电可靠性、电流畸变程度等方面相比城区配电网仍有较大差距，需要通过优化配电系统架构及网络结构，重要线路加装故障检测仪等手段予以改善.

4.2 综合评估方法对比

根据二项系数法的主观赋权流程与多目标规划法的客观数据处理，计算态势感知实现效果指标的主客观权重，最终通过式(32)对主客观权重进行组合，为避免组合赋权过程中出现评估观点的倾斜，取主观偏好系数为0.5，以科学地平衡两种赋权方式，最终得到态势感知实现效果组合权重，详细赋权结果如表1和图8所示．

图8 态势感知实现效果综合评估指标的主客观权重

对图8进行分析可以得出以下结论．

(1) 客观权重分布较为均匀，不同指标间的权重波动较小，而主观权重的方差较大，取值范围相比客观权重更广，所以单一使用不同的赋权方法势必会给综合评估结果带来巨大差异，可能造成结果偏颇．

(2) 对于供电可靠性、配电网故障率、配电网弹性等指标，主客观角度的判断结果是一致的，均很大程度影响智能配电网的态势感知的实现效果．其中运行可靠性与态势感知实现效果联系最为密切，是下一步智能配电网需重点提升的性能．

(3) 组合权重介于主观权重和客观权重之间，使混合评估方法融入了专家学者的主观意见，又充分利用了客观量测信息，避免了单一评估角度的片面性，相比单一使用二项系数法或多目标规划法更具优 越性．

4.3 综合评估结果分析

基于上述天津市智能配电网态势感知实现效果指标和权重结果，将17个指标值与权重值的乘积相加，最终得到智能配电网态势感知实现效果综合评分．表2列出了天津市智能配电网态势感知实现效果的主观、客观和综合评分结果．

表2 智能配电网态势感知实现效果的评分结果

Tab.2 Comprehensive evaluation results for situational awareness effects of smart distribution network

基于上述案例分析过程，可以得到如下结论：

(1) 无论进行主观评估、客观评估还是综合评估，城区的配电网态势感知实现效果均优于城郊，符合实际配电网运行环境，真实反映了各区域智能配 电网态势感知实现效果，验证了模型的合理性与可行性；

(2) 态势感知实现效果客观评估相比主观评估提升了郊区配电网评分，降低了城区配电网评分，显然两者在指标重要性认知上存在一定分歧．而综合评分对此现象进行均衡，削弱了单一角度评估的偏向性，使综合评估结果更具参考价值；

(3) 本文所提出的智能配电网态势感知实现效果综合评估模型可为配电网管理部门的优化调度提供有力理论支撑，是决策者制定配电网规划的重要参考，具有一定的应用推广价值．

5 结 论

态势感知在配电网领域的研究尚处于起步阶段，目前针对智能配电网态势感知实现效果问题的研究还十分匮乏，本文旨在研究智能配电网态势感知实现效果的综合评估方法，多方位考虑了包含设备状态监测水平、电能质量监测水平、电网可靠性水平、电网自愈能力、电网消纳可再生能源水平等影响因素在内的配电网态势感知实现效果，实现了对智能配电网态势感知实现效果的系统、准确、科学评估．具体结论如下．

(1) 本文以智能配电网态势感知实现效果为最终评估对象，秉持客观准确反映配电网运行状况的理念，建立了智能配电网态势感知实现效果综合评估指标体系，并阐述了各评估指标的含义及量化公式．

(2) 本文针对单一类型评估方法的片面性，提出了二项系数法与多目标规划法组合赋权的智能配电网态势感知实现效果综合评估方法，为今后的配电网评估提供了新思路．

(3) 案例研究证明了综合评估指标体系和综合评估方法的可行性和合理性，本综合评估模型可以为配电网的运行规划、调度维护提供强有效的理论支持.

随着新技术的不断涌现，态势感知的范围将在未来不断扩大，可处理数据将更加复杂，基于本综合评估模型可研究相关的机器学习算法或其他改进算法，以提高配电网态势感知实现效果评估的运算效率，并与技术进步保持同步．

［1］ 余贻鑫. 面向21世纪的智能电网[J]. 天津大学学报：自然科学与工程技术版，2020，53(6)：551-556.

Yu Yixin. A brief description of the basics of the smart grid[J]. Journal of Tianjin University：Sicence and Technology，2020，53(6)：551-556(in Chinese).

［2］ 张心洁，葛少云，刘 洪，等. 智能配电网综合评估体系与方法[J]. 电网技术，2014，38(1)：40-46.

Zhang Xinjie，Ge Shaoyun，Liu Hong，et al. Comprehensive assessment system and method of smart distribution grid[J]. Power System Technology，2014，38(1)：40-46(in Chinese).

［3］ 刘道伟，张东霞，孙华东，等. 时空大数据环境下的大电网稳定态势量化评估与自适应防控体系构建[J]. 中国电机工程学报，2015，35(2)：267-276.

Liu Daowei，Zhang Dongxia，Sun Huadong，et al. Construction of stability situation quantitative assessment and adaptive control system for large-scale power grid in the spatio-temporal big data environment[J]. Proceedings of the CSEE，2015，35(2)：267-276(in Chinese).

［4］ 吴争荣，俞小勇，董旭柱，等. 基于状态估计的配电网实时态势感知与评估[J]. 电力系统及其自动化学报，2018，30(3)：140-145.

Wu Zhengrong，Yu Xiaoyong，Dong Xuzhu，et al. Real-time situation awareness and evaluation of distribution network based on state estimation[J]. Proceedings of the CSU-EPSA，2018，30(3)：140-145(in Chinese).

［5］ Ma J，Liu X. Evaluation of health status of low-voltage distribution network based on order relation-entropy weight method[J]. Power System Protection & Control，2017，45(6)：87-93.

［6］ 葛少云，赵 浛，雷显荣，等. 高中压配电系统供电能力评估与分析[J]. 天津大学学报：自然科学与工程技术版，2017，50(7)：739-747.

Ge Shaoyun，Zhao Han，Lei Xianrong，et al. Evaluation and analysis of load supply capability of high-medium voltage distribution system[J]. Journal of Tianjin University：Science and Technology，2017，50(7)：739-747(in Chinese).

［7］ Sharma A，Nazir S，Ernstsen J. Situation awareness information requirements for maritime navigation：A goal directed task analysis[J]. Safety Science，2019，120：745-752.

［8］ Bruder C，Hasse C. Differences between experts and novices in the monitoring of automated systems[J]. International Journal of Industrial Ergonomics，2019，72：1-11.

［9］ YinJN，HuiMH，Ma YY，et al. Airport taxi situation awareness with a macroscopic distribution network analysis[J]. Networks & Spatial Economics，2019，19(3)：669-695.

［10］ DanialSN，SmithJ，KhanF，et al. Situation awareness modeling for emergency management on offshore platforms[J]. Human-Centric Computing and Information Sciences，2019，9(1)：1-26.

［11］ Donaldson DL，Jayaweera D. Effective solar prosumer identification using net smart meter data[J]. International Journal of Electrical Power & Energy Systems，2020，118：105823-105835.

［12］ LiX，TianGD，ShiQX，et al. Security region of natural gas network in electricity-gas integrated energy system[J]. International Journal of Electrical Power & Energy Systems，2020，117：105601-105616.

［13］ LiuYL，ShiXJ，XuY. A hybrid data-driven method for fast approximation of practical dynamic security region boundary of power systems[J]. International Journal of Electrical Power & Energy Systems，2020，117：105658-105664.

［14］ LiuXW，YuJG，LvWF，et al. Network security situation：From awareness to awareness-control[J]. Journal of Network and Computer Applications，2019，139：15-30.

［15］ 刘晟源，林振智，李金城，等. 电力系统态势感知技术研究综述与展望[J]. 电力系统自动化，2020，44(3)：229-239.

Liu Shengyuan，Lin Zhenzhi，Li Jincheng，et al. Review and prospect of situation awareness technologies of power system[J]. Automation of Electric Power Sys-tems，2020，44(3)：229-239(in Chinese).

［16］ 刘红军，管 荑，刘 勇，等. 电网调度系统网络安全态势感知研究[J]. 电测与仪表，2019，56(17)：69-75.

Liu Hongjun，Guan Yi，Liu Yong，et al. Research on network security situation awareness of electric power dispatching system[J]. Electric Measurement & Instrumentation，2019，56(17)：69-75(in Chinese).

［17］ 刘权莹，李俊娥，倪 明，等. 电网信息物理系统态势感知：现状与研究构想[J]. 电力系统自动化，2019，43(19)：9-23，51.

Liu Quanying，Li Jun’e，Ni Ming，et al. Situation awareness of grid cyber-physical system：Current status and research ideas[J]. Automation of Electric Power Systems，2019，43(19)：9-23，51(in Chinese).

［18］ 王守相，梁 栋，葛磊蛟. 智能配电网态势感知和态势利导关键技术[J]. 电力系统自动化，2016，40(12)：2-8.

Wang Shouxiang，Liang Dong，Ge Leijiao. Key technologies of situation awareness and orientation for smart distribution systems[J]. Automation of Electric Power Systems，2016，40(12)：2-8(in Chinese).

［19］ 谢 伟，王少荣，张 勇，等. 优化智能配电网动态特性的技术方法[J]. 电网技术，2019，43(3)：863-871.

Xie Wei，Wang Shaorong，Zhang Yong，et al. Technical methods for optimizing the dynamic characteristics of smart distribution network[J]. Power System Technology，2019，43(3)：863-871(in Chinese).

［20］ Kopsidas K，Tumelo-Chakonta C，Cruzat C. Power network reliability evaluation framework considering OHL electro-thermal design[J]. IEEE Transactions on Power Systems，2016，31(3)：2463-2471.

［21］ 刘自发，张在宝，杨 滨，等. 电网大停电社会综合损失评估[J]. 电网技术，2017，41(9)：2928-2940.

Liu Zifa，Zhang Zaibao，Yang Bin，et al. Evaluation of great blackout social comprehensive loss of power grid[J]. Power System Technology，2017，41(9)：2928-2940(in Chinese).

［22］ 易 俊，卜广全，郭 强，等. 巴西“3·21”大停电事故分析及对中国电网的启示[J]. 电力系统自动化，2019，43(2)：1-9.

Yi Jun，Bu Guangquan，Guo Qiang，et al. Analysis on blackout in Brazilian power grid on March 21，2018 and its enlightenment to power grid in China[J]. Automation of Electric Power Systems，2019，43(2)：1-9(in Chinese).

［23］ 李保杰，李进波，李洪杰，等. 土耳其“3. 31”大停电事故的分析及对我国电网安全运行的启示[J]. 中国电机工程学报，2016，36(21)：5788-5795，6021.

Li Baojie，Li Jinbo，Li Hongjie，et al. Analysis of Turkish blackout on March 31，2015 and lessons on China power grid[J]. Proceedings of the CSEE，2016，36(21)：5788-5795，6021(in Chinese).

［24］ 于 浩，刘家恺，宋关羽，等. 基于二阶锥规划的有源配电网多时段负荷恢复方法[J]. 天津大学学报：自然科学与工程技术版，2019，52(12)：1303-1311.

Yu Hao，Liu Jiakai，Song Guanyu，et al. Multi-time-period load restoration method for active distribution networks based on SOCP[J]. Journal of Tianjin University：Science and Technology，2019，52(12)：1303-1311(in Chinese).

［25］ Zhou M，Xie N，Wang C. Variable weight evaluation method of distribution network operation mode based on sensitivity and grey correlation[J]. Power System Protection & Control，2017，45(13)：130-137.

［26］ 徐铭铭，曹文思，姚 森，等. 基于模糊层次分析法的配电网重复多发性停电风险评估[J]. 电力自动化设

备，2018，38(10)：19-25，31.

Xu Mingming，Cao Wensi，Yao Sen，et al. Risk assessment of repeated multiple blackouts for distribution network based on fuzzy AHP[J]. Electric Power Automation Equipment，2018，38(10)：19-25，31(in Chinese).

［27］ 吴育华，诸 为，李新全，等. 区间层次分析法──IAHP[J]. 天津大学学报，1995，28(5)：700-705.

Wu Yuhua，Zhu Wei，Li Xinquan，et al. Interval approach to analysis of hierarchy process[J]. Journal of Tianjin University，1995，28(5)：700-705(in Chinese).

［28］ 王 森，王 蕾，陈 飞，等. 大数据环境下基于影子价格的配电网综合评价方法[J]. 电力自动化设备，2019，39(10)：94-101.

Wang Sen，Wang Lei，Chen Fei，et al. Comprehensive evaluation method of distribution network based on shadow price under big data environment[J]. Electric Power Automation Equipment，2019，39(10)：94-101(in Chinese).

Comprehensive Evaluation Model for Situational Awareness Effects of a Smart Distribution Network

Ge Leijiao1，Li Yuanliang1，Wang Yuqian2

(1. Key Laboratory of Smart Grid of Ministry of Education，Tianjin University，Tianjin 300072，China；2. Sany Heavy Machinery Ltd.，Suzhou 215300，China)

Situational awareness (SA) in a smart distribution network (SDN) is considered as a significant process that ensures its stable operation and determines its intelligence level. An SDN is characterized by equipment diversity and polymorphic operation. In order to quantitatively analyze the SA effects of an SDN，a comprehensive evaluation model that includes comprehensive evaluation indicators and evaluation methods was proposed. The comprehensive evaluation indicator system consists of five aspects: the monitoring level of equipment status and power quality，reliability，self-healing capability，and consumption level of renewable energy，which is five aspects of first-level indicators and a total of 17 second-level indicators. In terms of comprehensive evaluation methods，this study used binomial coefficient method-based，subjective weighting and multi-objective programming method-based，objective weighting in order to weight the proposed indicator system. The expert scoring ambiguity of the subjective evaluation method and the sample dependence of the objective evaluation method were both considered. A case was used to verify the feasibility and practicality of the proposed model. The comprehensive evaluation model that was developed for the SA effects of the SDN accurately reflects the operational status of the distribution network，eliminates the one-sidedness of the single evaluation method，improves the observability of the SDN，analyzes the weak links and potential risks of the SDN，and provides technical support for the comprehensive evaluation in the field of SA of an SDN.

smart distribution network；situational awareness；comprehensive evaluation model；subjective and objective hybrid method

TM744

A

0493-2137(2020)11-1101-11

10.11784/tdxbz202004006

2020-04-02；

2020-05-23.

葛磊蛟（1984—  ），男，博士，讲师.

葛磊蛟，legendglj99@163.com.

国家自然科学基金资助项目(51807134).

Supported by the National Natural Science Foundation of China(No. 51807134).

(责任编辑：孙立华)