面向自愈的智能配電網(wǎng)健康狀態(tài)綜合評價研究

程宏波，吳思宇，詹驥文，王 勛，李林哲

（1.華東交通大學電氣與電子工程學院，江西 南昌330013；2.江西省科學技術(shù)情報研究所，江西 南昌330000）

分布式電源的接入、用戶互動電力的增加，使得智能配電網(wǎng)的動態(tài)行為變得復雜，運行風險大大增加［1］，對其實施自愈控制是智能配電網(wǎng)的基本要求。自愈（self-healing）是智能配電網(wǎng)顯著的特征。自愈是指把電網(wǎng)中有問題的元件從系統(tǒng)中隔離且在較少或無需人為干預的情況下使系統(tǒng)迅速恢復到正常運行狀態(tài)，而幾乎不中斷對用戶的供電服務(wù)［2］。實現(xiàn)配電網(wǎng)可靠的自愈控制，確保電網(wǎng)的安全可靠、經(jīng)濟環(huán)保和優(yōu)質(zhì)高效是當前重要且緊迫的任務(wù)。

目前，對于電網(wǎng)自愈控制的研究，較多的關(guān)注于電網(wǎng)自愈框架體系的構(gòu)建［3-6］，對于具體的自愈實現(xiàn)方法的研究則相對較少，文獻［3］提出一種基于狀態(tài)轉(zhuǎn)移的自愈控制方案，提出將配電網(wǎng)劃分為緊急、恢復、異常運行、隱性安全、顯性安全、經(jīng)濟運行和強壯運行等7個狀態(tài)，根據(jù)狀態(tài)分別進行相應(yīng)的控制，由控制決策中心控制配電網(wǎng)在7個狀態(tài)之間轉(zhuǎn)換，以使配電網(wǎng)始終保持在良好狀態(tài)；而文獻［4］提出一種基于智能體群體系統(tǒng)的城市電網(wǎng)分層遞階的自愈控制方法，根據(jù)智能體反應(yīng)出城市電網(wǎng)的運行狀態(tài)，從而選擇合適的控制方式與控制策略；文獻［5］將配電網(wǎng)運行劃分為正常、預警、臨界、緊急和恢復5種狀態(tài)，針對不同的運行狀態(tài)實施相應(yīng)的控制方法。上述文獻的根本思想是在配電網(wǎng)狀態(tài)實時判斷的基礎(chǔ)上，采取不同的自愈控制方法，控制配電網(wǎng)向更好的運行狀態(tài)轉(zhuǎn)化，為配電網(wǎng)的自愈控制提供了可行的解決思路，但上述文獻都只關(guān)注于在不同狀態(tài)之間進行轉(zhuǎn)移的控制策略，而未對配電網(wǎng)狀態(tài)評價的具體方法進行研究。實現(xiàn)配電網(wǎng)自愈控制的前提在于配電網(wǎng)實時運行狀態(tài)全面、準確地評價。目前對配電網(wǎng)規(guī)劃的研究較多［7］，它們多關(guān)注電網(wǎng)中長期的網(wǎng)架及設(shè)備的長期狀態(tài)，并不能反應(yīng)配電網(wǎng)的實時運行情況。尋找合適的狀態(tài)評價方法，為智能配電網(wǎng)的自愈控制提供依據(jù)是當前進行自愈研究的前提。

智能配電網(wǎng)是一個復雜的大系統(tǒng)，其設(shè)備眾多，檢測信息種類繁雜，且量綱不一，要實現(xiàn)對智能配電網(wǎng)狀態(tài)的評價，不能單從某一方面進行評價，需要分別從不同的角度綜合反應(yīng)其運行狀態(tài)。

因此，通過分析智能配電網(wǎng)同傳統(tǒng)配電網(wǎng)區(qū)別，在傳統(tǒng)配電網(wǎng)評價的基礎(chǔ)上，考慮智能電網(wǎng)的經(jīng)濟性、環(huán)保性的區(qū)別，建立針對智能配電網(wǎng)實時運行狀態(tài)評價的指標體系；利用模糊數(shù)學對評價指標的數(shù)據(jù)進行處理，建立判斷矩陣；根據(jù)各指標自身變化所反映出的客觀規(guī)律，采用熵權(quán)法來確定各指標的權(quán)重，實現(xiàn)不同階段不同指標權(quán)重的動態(tài)調(diào)整；最后通過模糊綜合評估得到智能配電網(wǎng)健康狀態(tài)的綜合評價結(jié)果，可為基于狀態(tài)轉(zhuǎn)移的智能配電網(wǎng)自愈控制提供依據(jù)。

1 評價指標

建設(shè)智能電網(wǎng)的目標是要建設(shè)一個安全、可靠、優(yōu)質(zhì)、經(jīng)濟、清潔環(huán)保的堅強電網(wǎng)［8］，這5個方面較為全面系統(tǒng)地反映了智能電網(wǎng)的主要特征，因此，從可靠性、安全性、優(yōu)質(zhì)性、經(jīng)濟性及環(huán)保性5個方面建立評價指標，得到如圖1所示的綜合評價指標體系。

圖1 智能配電網(wǎng)健康狀態(tài)評價體系Fig.1 The health status evaluation system in smart distribution grid

1.1 可靠性指標

電力可靠性是指電網(wǎng)及設(shè)備在規(guī)定時間內(nèi)按規(guī)定標準供應(yīng)電能的能力［9］。智能電網(wǎng)中，由于分布式電源以及V2G技術(shù)的應(yīng)用，智能配電網(wǎng)供應(yīng)電能的能力會受到影響，因此需在配電網(wǎng)傳統(tǒng)可靠性指標的基礎(chǔ)上，增加以下指標。

1）DG可控容量占比A4。分布式電源的接入增加了配電網(wǎng)的供電能力，但由于分布式發(fā)電的運行方式較為靈活，用衡量傳統(tǒng)電源供電能力的指標不太適合，因此，定義分布式電源的可控容量比為

式中：λC為DG可控容量占比；Pi為第i種DG的調(diào)控容量；Pc為系統(tǒng)總可調(diào)控容量。

可以看出，當可控容量占比越大，可接入的分布式電源出力越大，整個配電網(wǎng)的供電能力就越強，其可靠性越高。

2）電動汽車的反向送電比例A5。眾多的電動汽車可視為配電網(wǎng)的一個有效的儲能系統(tǒng)，在配電網(wǎng)用電低谷時，電動汽車可作為負荷吸收電能，在用電高峰時可將電動汽車的儲能釋放至配電網(wǎng)，作為備用電源增加了電網(wǎng)的供電能力，提高了配電網(wǎng)的供電可靠性。定義電動汽車的反向送電能力為

式中：λfs為電動汽車對潮流的反送能力；Li-為第i輛汽車向電網(wǎng)的放電量；Li+為第i輛汽車從電網(wǎng)吸收的電量。

可以看出，λfs的值越大表明電動汽車對潮流的反送能力越好，可靠性相對越高。

1.2 安全性及優(yōu)質(zhì)性指標

電網(wǎng)安全性是指系統(tǒng)在發(fā)生故障情況下，短時間內(nèi)系統(tǒng)維持持續(xù)供電的能力［10］。目前，衡量配電網(wǎng)安全性的指標主要有支路負載率、PV曲線斜率、電壓安全穩(wěn)定性等［11］，智能配電網(wǎng)在網(wǎng)架結(jié)構(gòu)及承受波動性能力方面同傳統(tǒng)配電網(wǎng)沒有太大的區(qū)別，因此此類指標與傳統(tǒng)配電網(wǎng)評價指標相同。

電力系統(tǒng)的優(yōu)質(zhì)性主要體現(xiàn)在電能質(zhì)量［12］，電能質(zhì)量的衡量主要從電壓、頻率和波形、三相不平衡度等方面來反應(yīng)優(yōu)劣，智能電網(wǎng)中電能質(zhì)量的衡量指標與傳統(tǒng)配電網(wǎng)基本一致。

1.3 經(jīng)濟性指標

電網(wǎng)經(jīng)濟性是指電網(wǎng)運行在供電成本率低或發(fā)電能源消耗率及網(wǎng)損率最小的狀態(tài)時反映的經(jīng)濟效益。傳統(tǒng)配電網(wǎng)中，經(jīng)濟性主要從線路和配變損耗來衡量［13-14］，而由于分布式電源的接入將有效降低傳統(tǒng)化石能源的消耗率；因此，定義智能配電網(wǎng)化石能源消耗率D3指標如下：

式中：λxh為接入DG的能源消耗改善率；P′i為第i座分布式發(fā)電站單位時間的發(fā)電量；η為煤電轉(zhuǎn)換系數(shù)；C為單位時間電網(wǎng)的煤耗量。

從式（3）可以看出，若分布式電源的發(fā)電量越大，指標值越大，反映出發(fā)電廠對用戶發(fā)送相同電量下所消耗的煤炭數(shù)量越少，經(jīng)濟性相對越高。

1.4 環(huán)保性指標

綠色環(huán)保是智能配電網(wǎng)同傳統(tǒng)配電網(wǎng)的顯著區(qū)別之一，清潔能源的接入及電動汽車的普及，不僅緩解了對于傳統(tǒng)化石能源的依賴，而且大大降低了溫室氣體的排放，使得環(huán)境友好成為智能配電網(wǎng)區(qū)別于傳統(tǒng)配電網(wǎng)的一個顯著特征。本文選取分布式電源電動汽車的滲透率指標、溫室氣體減排的環(huán)保效益指標來反應(yīng)智能配電網(wǎng)的環(huán)保性，指標定義如下：

1）分布式電源滲透率E1。智能配電網(wǎng)的清潔環(huán)保主要體現(xiàn)在清潔能源的有效利用中，并且通過合理接入還能夠有效地降低網(wǎng)損，DG的滲透率指標表示為

式中：λDG為DG的滲透率；Pi為第i座分布式電源的發(fā)電量；PLmax為電網(wǎng)最大負荷功率；n為接入的配電網(wǎng)分布式電源數(shù)量。

從式中可看出，滲透率越高表明清潔能源在整個系統(tǒng)所占比例越高，環(huán)保性越好。

2）電動汽車滲透率E2。電動汽車的使用實現(xiàn)了汽車尾氣的零排放，對環(huán)境保護起著巨大的改善，電動汽車滲透率指標表示為

式中：λst為電動汽車滲透率；N為全網(wǎng)同時能夠接入的電動汽車數(shù)量；Pc為電動汽車充電功率，假設(shè)充電與放電功率相等；Pf為全網(wǎng)負荷曲線的峰荷。

從式中可看出，λst的值越大，表示在電網(wǎng)運行接入電網(wǎng)中的電動汽車數(shù)量越多，則環(huán)保性越高。

3）環(huán)保效益E3。傳統(tǒng)火力發(fā)電對環(huán)境的污染嚴重，分布式電源對配電網(wǎng)具有顯著的環(huán)境效益，主要體現(xiàn)在分布式電源的接入對溫室氣體的減排?？梢詫h(huán)保效益表示為

式中：Cen為DG發(fā)電的環(huán)境效益；αi為第i種分布式電源的環(huán)境價值，參考文獻［14］以風力發(fā)電為例，通過計算得到風電帶來的環(huán)境價值為0.149 1 元/kWh。

2 基于熵權(quán)法的指標權(quán)重確定

配電網(wǎng)運行狀態(tài)涉及到的指標較多，它們分別從不同側(cè)面對配電網(wǎng)運行狀態(tài)進行描述。在對配電網(wǎng)的健康狀態(tài)進行評估時，合理確定各指標的權(quán)重是評估結(jié)果的關(guān)鍵。

在配電網(wǎng)運行的不同階段，調(diào)度運行人員對配電網(wǎng)控制所關(guān)注的重點是不同的。在正常運行階段，配電網(wǎng)各部分工作正常，外部擾動的影響小，無故障情況的沖擊，此時電網(wǎng)安全性和可靠性指標的波動較小，而經(jīng)濟性與環(huán)保性指標的波動則相對較大，調(diào)度人員將更多關(guān)注配電網(wǎng)的運行是否趨向于經(jīng)濟環(huán)保；而當受到外部擾動或某些元件退出運行而使系統(tǒng)處于異常狀態(tài)時，安全性可靠性指標相對于其它指標的波動更為劇烈，調(diào)度人員將更多關(guān)注如何清除擾動的影響并盡快恢復電網(wǎng)供電，此時，對安全可靠性的關(guān)注則要優(yōu)先于其他指標。故在不同運行階段，各指標的波動程度不同，波動越大的指標越需要加以更多地關(guān)注，相應(yīng)地，在評價時則應(yīng)賦予更多的權(quán)重，以便其影響能得到準確地體現(xiàn)。這種權(quán)重可以根據(jù)信息論中的熵權(quán)法進行分析。

在信息論中以熵值反應(yīng)系統(tǒng)的波動程度，若評價指標的波動程度越大，對應(yīng)指標的熵值越小，則該指標提供的信息量越大，相對權(quán)重就越高，這與熵權(quán)法的基本思想是一致的。熵權(quán)法是一種能夠挖掘數(shù)據(jù)本身所蘊含客觀規(guī)律的權(quán)重確定方法，其克服了僅憑專家經(jīng)驗確定指標權(quán)重的主觀隨意性，反映的權(quán)重系數(shù)更為真實可靠［15-16］，熵的定義為

式中：β為指標的熵值；k為系數(shù)，取；Pij為指第j項指標下第i種狀態(tài)指標值的比重。

第i個指標的熵權(quán)為

可得到熵權(quán)法的評價指標權(quán)重向量w=(w1H,w2H,…,wnH)。

通過上述對熵權(quán)的定義可看出，當配電網(wǎng)某個指標的波動較大時，對應(yīng)的指標變量的概率Pij值越高，與之成正比的熵權(quán)值越大，與配電網(wǎng)控制的實際情況相符。

3 運行狀態(tài)的劃分

評價配電網(wǎng)運行狀態(tài)，需要將配電網(wǎng)狀態(tài)進行科學合理地劃分，以便在此基礎(chǔ)上采取適當?shù)奶幚泶胧┦古潆娋W(wǎng)朝良好的自愈狀態(tài)轉(zhuǎn)化。常用的劃分方法是將配電網(wǎng)劃分為經(jīng)濟、正常、脆弱、惡化、極端5個狀態(tài)，然后在此基礎(chǔ)上分別實施恢復、校正、優(yōu)化等自愈控制。各狀態(tài)的定義如表1所示。

表1 配電網(wǎng)運行狀態(tài)程度定義Tab.1 Definition of distribution grid′s running state

配電網(wǎng)健康狀態(tài)評價的主要目的就是根據(jù)采集到的實時指標數(shù)據(jù)，判斷系統(tǒng)狀態(tài)，在狀態(tài)評價結(jié)果的基礎(chǔ)上，分別采取對應(yīng)的自愈控制措施，實現(xiàn)配電網(wǎng)的自愈功能。

4 健康狀態(tài)的綜合評價方法

根據(jù)各類性質(zhì)指標的信息確定智能配電網(wǎng)的健康狀態(tài)，屬于多指標綜合評價。而模糊綜合評價是在考慮多種因素的影響下，運用模糊數(shù)學工具對事物做出綜合評價的方法［17］。因此本文利用模糊評價方法對智能配電網(wǎng)的健康狀態(tài)評價進行分析。

4.1 評價指標的處理

在模糊評價中，隸屬度函數(shù)的確定至關(guān)重要，它反映了模糊集合中各元素隸屬于某特定性質(zhì)的程度［18］。

由于配電網(wǎng)中各評價指標的取值類型不同，隸屬度函數(shù)也有所差異。例如PV曲線斜率、負荷的變化速率等指標是越小越優(yōu)，屬于成本型指標，而無功配置水平、電壓安全穩(wěn)定性等都是越大越優(yōu)，屬于效益型指標，其他指標的分類可參見表2。

表2 指標的評價標準Tab.2 The evaluation standard of indexes

以常見的效益型指標隸屬度函數(shù)為例，結(jié)合SDG的實際情況，借鑒文獻［19］的方法，確定各指標隸屬度函數(shù)表示為

式中：a，e表示被評價指標最優(yōu)值和最差值，在指標值區(qū)間（a，e）的5等分點b，c，d分別作為5種狀態(tài)的評估區(qū)間（采用等分區(qū)間確定隸屬函數(shù)值對評估精度影響不大，且便于編程處理）。

在隸屬度函數(shù)中，界限a，b，c，d，e的值和指標的評價標準有關(guān)。以電網(wǎng)運行標準及規(guī)范為基礎(chǔ)，結(jié)合現(xiàn)場實際，擬定各指標的評價標準如表2所示。

結(jié)合表2中的評價標準，依據(jù)隸屬度函數(shù)可求得各指標屬于評判集的隸屬度，設(shè)第i個指標屬于第j個評價層的隸屬程度為rij，據(jù)此可得各指標的單因素評價集Ri={ri1,ri2,…,rin}，由各個單因素評估集為行向量可得到模糊評判矩陣R=[Rij],j=1,…,n，它描述了由各個單指標進行評估所得結(jié)果的集合。

4.2 多指標綜合評價

模糊評判矩陣反映了由各個單指標參數(shù)而得到的評價結(jié)果，熵權(quán)法確定的權(quán)重則體現(xiàn)了這些指標在綜合評估時所占的比重，將兩者結(jié)合，可得智能配電網(wǎng)健康狀態(tài)的綜合評價：

若Hr=max(Hj)是模糊綜合結(jié)果H的最大元素，根據(jù)隸屬度最大原則，Hr所對應(yīng)的狀態(tài)可作為最終的評估結(jié)果。

4.3 驗證分析

為了驗證本文方法的可行性，以某地區(qū)配電網(wǎng)作為研究對象進行分析。以該地區(qū)配電網(wǎng)某一時段的檢測數(shù)據(jù)為基礎(chǔ)，采用本文方法對該時段的配電網(wǎng)運行狀態(tài)進行評價分析。

假設(shè)該段配電網(wǎng)某時刻的檢測參數(shù)為T0=［TA，TB，TC，TD，TE］，其中TA，TB，TC，TD，TE分別為可靠性、安全性、優(yōu)質(zhì)性、經(jīng)濟性及環(huán)保性的檢測數(shù)據(jù)向量。為便于說明，以該時刻安全性指標TB為例，假設(shè)某一時刻檢測計算所得的各項指標參數(shù)矩陣為［B1B2B3B4B5B6］=［1.42 8.54 0.94 0.473 5 0.893 4 0.723］

采用式（9）所列隸屬度函數(shù)進行判斷，可得6項指標各自的單因素評價集，將其集合后得安全性指標的模糊評價矩陣為

采用同樣方法可求得根據(jù)可靠性、經(jīng)濟性、優(yōu)質(zhì)性、環(huán)保性指標所得的模糊評價矩陣RA，RC，RD，RE。將其綜合可得根據(jù)實時檢測指標的模糊評價矩陣R=［RARBRCRDRE］T（21×5）。

假設(shè)該時刻前4個檢測周期所得到的檢測數(shù)據(jù)分別為T1，T2，T3，T4，結(jié)合該時刻的檢測數(shù)據(jù)T0，對其所構(gòu)成的時間序列求熵得

代入式（7）求得最后的權(quán)重向量為

利用式（8）可求得最終的評估結(jié)果為

與評價集合｛經(jīng)濟，正常，脆弱，惡化，極端｝比較，根據(jù)最大隸屬度原則，可看出最終評價結(jié)果為經(jīng)濟運行狀態(tài)。確定的可靠性、安全性、優(yōu)質(zhì)性、經(jīng)濟性及環(huán)保性指標的權(quán)重向量為［A B C D E］=［0.122 7 0.156 5 0.190 1 0.234 9 0.275 8］。

可采用相同方法對其他時段的檢測數(shù)據(jù)進行處理，所得的指標權(quán)重相量及評價結(jié)果如表3所示。

表3 評價結(jié)果匯總Tab.3 The summary of evaluation results

圖2 T0，P0，S0時刻狀態(tài)權(quán)重對比圖Fig.2 The weight contrast figure at the time of T0，P0，S0

將評價所得的各類指標權(quán)重列于圖2，從圖中可以看出：不同狀態(tài)下各指標的權(quán)重是不同的，在經(jīng)濟運行狀態(tài)下，環(huán)保性與經(jīng)濟性指標在整個評估中所占的權(quán)重相對較高；當電網(wǎng)運行在脆弱狀態(tài)時，可靠性與安全性指標所占的權(quán)重升高，而經(jīng)濟性和環(huán)保性指標的權(quán)重降低；在故障影響較大的惡化狀態(tài)時，可靠性與安全性指標的權(quán)重則進一步提升，經(jīng)濟性及環(huán)保性指標的比例進一步降低。這符合電網(wǎng)運行不同階段關(guān)注重點不同的實際情況。

5 結(jié)論

針對智能配電網(wǎng)的自愈控制，提出一種智能配電網(wǎng)健康狀態(tài)的綜合評價方法，評價結(jié)果可為智能電網(wǎng)的自愈控制提供決策依據(jù)。通過文中分析，得到以下結(jié)論：

1） 智能配電網(wǎng)同傳統(tǒng)配電網(wǎng)存在較大區(qū)別，在建立評價指標時，需考慮智能配電網(wǎng)中清潔能源并網(wǎng)、電動汽車接入等對配電網(wǎng)狀態(tài)的影響。

2） 當配電網(wǎng)處于不同運行狀態(tài)時，不同指標的波動程度不同，熵權(quán)法可有效反映這種波動，并可實現(xiàn)指標權(quán)重的動態(tài)調(diào)整，從而為智能配電網(wǎng)健康狀態(tài)的評價提供更為準確、客觀的權(quán)重分配方法。

3） 通過模糊綜合評價可得到較為全面的配電網(wǎng)健康狀態(tài)評價結(jié)果，該評價結(jié)果可為智能配電網(wǎng)基于狀態(tài)轉(zhuǎn)移的自愈控制方法提供基礎(chǔ)。

[1] 李林哲,王勛,詹驥文.一種通過貢獻矩陣評估電力系統(tǒng)脆弱性的方法[J].華東交通大學學報,2014,31(2):123-130.

[2] 郭志忠.電網(wǎng)自愈控制方案[J].電力系統(tǒng)自動化,2005,29(10):85-91.

[3] 陳星鶯,顧欣欣,余昆,等.城市電網(wǎng)自愈控制體系結(jié)構(gòu)[J].電力系統(tǒng)自動化,2009,33(24):38-42.

[4] 賈東梨,孟曉麗,宋曉輝.智能配電網(wǎng)自愈控制技術(shù)體系框架研究[J].電網(wǎng)與清潔能源,2011,27(2):14-18

[5] 余昆,陳星鶯,曹一家.城市電網(wǎng)自愈控制的分層遞階體系結(jié)構(gòu)[J].電網(wǎng)技術(shù),2012,36(10):165-171.

[6] 萬秋蘭.大電網(wǎng)實現(xiàn)自愈的理論研究方向[J].電力系統(tǒng)自動化,2009,33(17):29-32

[7] 孔濤,程浩忠,李鋼,等.配電網(wǎng)規(guī)劃研究綜述[J].電網(wǎng)技術(shù),2009,33(19):92-99.

[8] 張東霞,姚良忠,馬文媛.中外智能電網(wǎng)發(fā)展戰(zhàn)略[J].中國電機工程學報,2013,33(31):1-15.

[9] 孫元章,程林,劉海濤.基于實時運行狀態(tài)的電力系統(tǒng)運行可靠性評估[J].電網(wǎng)技術(shù),2005,29(15):6-12.

[10] 吳際舜.電力系統(tǒng)靜態(tài)安全分析[M].上海:上海交大出版社,1985:102-107.

[11] 栗秋華,周林,張鳳,等.基于模糊理論和層次分析法的電力系統(tǒng)電壓態(tài)勢預警等級綜合評估[J].電網(wǎng)技術(shù),2008,32(4):40-45.

[12] 王睿,方潔,張可,等.基于熵權(quán)和AHP的電能質(zhì)量模糊綜合評估[J].電測與儀表,2007,44(11):21-25.

[13] 張勇軍,翟偉芳,林建熙.分布式發(fā)電并網(wǎng)的網(wǎng)損影響評價指標研究[J].繼電器,2011,39(13):134-137.

[14] 方歡歡.智能配電網(wǎng)經(jīng)濟性評估方法研究[D].上海:上海交通大學,2012.

[15] 喬巍巍.數(shù)控系統(tǒng)可靠性建模及熵權(quán)模糊綜合評價[D].長春:吉林大學,2008.

[16] GHOLAMHOSSEIN YARI, ALIREZA CHAJI.Determination of ordered weighted averaging operator weights based on the mentropy measures[J].International Journal of Intelligent Systems,2012,27(12):1020-1033.

[17] 林濟鏗,李童飛,趙子明,等.基于熵權(quán)模糊綜合評價模型的電力系統(tǒng)黑啟動方案評估[J].電網(wǎng)技術(shù),2012,36(2):115-120.

[18] 陳靜,李華強,鄭武,等.基于全局模糊指標的電力系統(tǒng)在線安全評估[J].繼電器,2011,39(18):93-98.

[19] 吳姜,蔡澤祥,胡春潮,等.基于模糊正態(tài)分布隸屬函數(shù)的繼電保護裝置狀態(tài)評價[J].繼電器,2012,40(5):48-52.