杭州杭港地铁五号线有限公司 浙江杭州 310000
摘要：低压配电网的智能发展对于提高电网供电能力和质量，提高电力体验具有重要意义。本文分析了智能电网中、低压电网指标的评价体系和方法。
关键词：智能配电网；网格化；评价指标体系；最小二乘法
目前，智能配电网建设蓬勃发展，投资不断增加，因此对智能配电网建设的评价已成为一项紧迫的任务。集成智能配电网技术和经济评价组是一个整体判断当前的智能配电网的发展水平衡量经济效益和社会效益的智能配电网的建设和未来智能配电网的发展指导，并提供了一个重要的基础科学规划、设计的重要依据。
一、网格化中低压智能配电网评价指标体系
1.指标体系的构建原则。评价指标体系是一个有机的整体，由一定数量的相互关联的、相对独立的评价指标组成，具有一定的层次结构。评价指标体系的低压配电网智能膨大的在本文中描述的已确定考虑到建造智能配电网的特点和简便的原则下，独立、代表性、可行性。
2.网格与平台区域划分原则。为了实现对中低压智能配电网的精细评价，首先对电网和电网面积单元进行划分。本文根据变电站或配电室10kv出线的供电面积，对每个电网进行划分。10 kV电网将形成一个网络或环网络结构并与其他变电站连接应当改进形成一个支持上级供电能力。
3.智能电网中、低压电网评价指标系统。鉴于局势的电力消费者最关心的台区，并且电力关注线路又关注台区，一个消费者的评价指标体系，对于台区单元评价，表1体系结构。主干线10kv中低电压企业评价指标体系表2和表3所示体系结构的单位评价指标体系。
.png)
表1中低压用户台区单元评价指标体系
.png)
表2 10 kV主干线评价指标体系
.png)
表3中低压电力企业台区评价指标体系
二、基于最小二乘模型的灰色关联度评价法
1.基于最小二乘法的赋权法。必须考虑到专家的主观意见和指标的客观性。结合主观赋权的优点和基于最小二乘法的熵权，确定了各指标的权重。（1）按环比评分的主观赋权方法。环比评价方法是一种主观赋权法，根据专家的经验，得出每个指标的显著系数，然后确定每个指标的权重。在环比评分方法中，专家只需要将每个指标与相邻的指标进行比较，而不是将所有因素进行比较。根据该理论，DARE方法必须确定的值数量较少，判断中不太可能出现矛盾，也不需要进行一致性测试。确定每个指标权重的程序如下：按顺序填写表4第1列中的评价指标，编号为A1-An，评价指标的个数是n。
.png)
表4评价指标重要性系数Ui的确定
根据专家经验，将表4第1列的相邻评价指标由上至下进行重要性比较，所得比分记作暂定系数Xi（i=1~n，表示第i个评价指标），加入第2列。Xi表示Ai和Ai+1的重要性之比。对表4第2列的暂定系数Xi进行修正，结果记作修正系数Yi（i=1~n，表示第i个评价指标），填入第3列。修正方法为将最后一个对象Yn的修正系数定为1，那么Yn-1=YnXn-1，Yn-2=Yn-1Xn-2，以此类推，求出各修正系数。将第3列的修正系数Yi进行归一化处理，结果计作权重，填入第4列。归一化方程为
.png)
（1）
该方法可以确定各指标的主观权重。对于电网智能配电网评价指标体系，以需求类型为评价指标，计算各需求类型的主观权重。然后计算各指标对各需求的主观权重作为评价指标。（2）熵权客观赋权法。熵权法是一种基于熵原理的权重确定方法，即根据各评价指标所包含的信息确定目标权重。指标的熵值越低，所提供的信息越重要，对应的权重值越重要。假设有m个评价对象和n个评价指标项，熵权法可以确定权重如下：根据原始数据确定评价矩阵R=（rij）m×n，rij为被评估对象的第j个指标的值。其中，i=1，2，…，m；j=1，2，…，n。矩阵形式如下：
.png)
（2）
不同约性消除指标，因此评价矩阵被标准化，得到标准矩阵S=（sij）m×n。指标的标准方法如下：
.png)
（3）
每个评价指标的熵为
.png)
（4）
对于sij=0，让sijlnsij=0。第j个评价指标的差值系数为
.png)
（5）
第j个评价指标的熵权为1
.png)
（6）
熵权vj表示指标中包含的信息量，熵权表示指标的重要性；数值越高，指标在评价体系中的作用就越大。（3）最小二乘法优化模型。如假设使用环比评级主观赋权法获得的权重为
.png)
（7）
使用目标分配熵法获得的权重为：
.png)
（8）
为了同时考虑主观经验偏好和客观数据的真实性，并实现主观性和客观性的统一，所获得的综合权重应尽可能接近主观和客观权重。因此，建立了最小二乘法的优化模型，如式（9）所示。
.png)
（9）
式中：综合权重是wj；主观权重是uj；客观权重是vj；指标标准化后的指标是sij。
2. 灰色相关度的总体评价方法。该方法是基于灰色系统的灰色过程，该过程主要基于空间理论，根据相关度确定样本序列与最优序列之间的相关度。其基本思想是根据序列的曲线和几何形状的相似程度来判断序列之间的关系。如果样本序列和最优序列相对一致，则两者之间的相关性程度较高，反之则较低。基本步骤如下：结合网格评价指标体系，每个网格或区域的评价指标可以构成一组比较值，称为：
.png)
（10）
式中：j=1，2，º，m，i为区域序号，m为区域数；j=1，2，º，n，J为区域指标的序号，n为区域指标的个数；Yij是第i区第j个指标的值。（2）确定了最佳序列，建立了原始矩阵。当使用灰色相关法进行全局评价时，首先需要定义每个指标的评价标准，即最优集合，即每个指标的最优值。每个区域的最佳值最高；成本类型的指标应尽可能小，每个区域的最佳值应尽可能低；对于“中间”类型的指标，选择最接近每个区域中值的值作为最佳值。最优序列Y0记为
.png)
（11）
原始矩阵的构造如式（12）所示。其中，第一个最优行为序列。
.png)
（12）
（3）指数值的无量纲处理给出了一个无量纲矩阵。指标通常都有不同的量纲，因为不同的目标和意义每个指标评价，并为以后进行比较时，有必要进行无量纲处理序列的序列和最佳样品，以便减少随机因素的干扰。无量纲处理公式如下：
.png)
（13）
所得的无量纲矩阵为
.png)
（14）
（4）评价矩阵R是通过计算综合评价的相关程度指数得到的。根据灰色系统理论，定义的样本序列Xi相对于xij指数上的最优序列X0的相关度rij为
.png)
（15）
式中：i=1，2，…，m；j=1，2，…，n；r是提高相关系数差异显著性的分辨率系数，其值区间为[0，1]，通常取r=0.5。
.png)
为两级最小差，
.png)
是两个级别之间的最大差异。得到的评价矩阵R由式（2）（5）表示
.png)
（16）
其中W为聚合加权线的向量。第i个评价区域与最佳序列ai之间的相关性为
.png)
（17）
其中wj为获得的总权重。相关性越高，相关评价对象越接近最佳指标。在此基础上，可以确定每个站点的优势和优势的顺序。该系统的评价方法为多层灰色评价。首先，利用相关矩阵对每个区域或线路单元的可靠性、质量和经济性进行评价。然后将各需求类型的相关矩阵作为面积或行评价的评价矩阵，再用于单元或行评价，得到各单元和直线的相关矩阵；最后，根据网格的组成，以台区单元和线路的关联矩阵作为评价矩阵，得到网格相关矩阵。
本文旨在促进智能配电网的精细化管理，制定了配电网评价系统的网格原则，提出了一套针对不同利益相关者的电网中、低压智能配电网评价指标体系，利用最小二乘模型对主观和客观权重进行优化，得到考虑主观性和客观性的全局权重，然后采用灰色相关矩阵分析方法对网格进行排序。
参考文献：
［1］秦其．智能配电网及其关键技术［M］．北京：中国电力出版社，2018．
［2］李红．新能源与智能电网协调发展评价指标体系研究［J］．能源技术经济，2018，5（5）：1-4．