一種新型智能配電網(wǎng)風(fēng)險評估模型

高 賀 ，孫 瑩 ，李可軍 ，梁永亮

（1.山東大學(xué) 電氣工程學(xué)院，山東 濟南 250061；2.中國石油大學(xué)（華東）信息與控制學(xué)院 電氣工程系，山東 青島 266580）

0 引言

近年來，針對智能電網(wǎng)的研究和建設(shè)成為世界各國的關(guān)注焦點。我國國家電網(wǎng)公司和相關(guān)學(xué)者密切跟蹤國際形勢變化，在借鑒歐美智能電網(wǎng)［1］的基礎(chǔ)上，根據(jù)我國基本國情，提出了建設(shè)堅強可靠、經(jīng)濟高效、清潔環(huán)保、透明開放、友好互動的統(tǒng)一堅強智能電網(wǎng)的發(fā)展戰(zhàn)略［2］。

對智能電網(wǎng)進行風(fēng)險評估，對于識別網(wǎng)絡(luò)發(fā)展過程中的薄弱環(huán)節(jié)和主要風(fēng)險因素、實現(xiàn)網(wǎng)絡(luò)的趨優(yōu)運營具有重要意義。目前針對智能電網(wǎng)風(fēng)險評估的研究相對較多：文獻［3］闡述了從宏觀戰(zhàn)略和微觀過程這2個方面構(gòu)建智能電網(wǎng)評估指標(biāo)體系的具體過程，但未能針對智能電網(wǎng)的狀態(tài)評估方法展開深入研究；文獻［4］提出了智能電網(wǎng)風(fēng)險評估的整體思路和總體框架，但僅局限于從工程風(fēng)險和金融風(fēng)險這2個方面進行討論，從而使風(fēng)險評估結(jié)果過于片面、缺乏說服力；文獻［5］考慮到智能電網(wǎng)的時間和區(qū)域發(fā)展特性，利用多維度風(fēng)險評估矩陣對智能電網(wǎng)進行風(fēng)險評估，但其構(gòu)建的網(wǎng)絡(luò)風(fēng)險因素結(jié)構(gòu)框架過于簡單粗略而使網(wǎng)絡(luò)風(fēng)險評估效果并不理想。

智能配電網(wǎng)作為智能電網(wǎng)的關(guān)鍵環(huán)節(jié)之一，是實現(xiàn)智能電網(wǎng)整體建設(shè)目標(biāo)的重要保障，但目前針對智能配電網(wǎng)風(fēng)險評估的研究很少。因此，本文基于現(xiàn)有研究［3-7］，首先建立智能配電網(wǎng)多級風(fēng)險評估體系并劃分網(wǎng)絡(luò)風(fēng)險等級；然后綜合應(yīng)用模糊層次分析法 FAHP（Fuzzy Analytic Hierarchy Process）和相似度聚類分析確定評估體系的靜態(tài)主觀權(quán)重；為計及微觀指標(biāo)風(fēng)險值的時序特征，基于改進CRITIC賦權(quán)法確定微觀指標(biāo)的動態(tài)客觀權(quán)重，并將其與指標(biāo)對應(yīng)的靜態(tài)主觀權(quán)重結(jié)合為同時考慮專家主觀經(jīng)驗和指標(biāo)風(fēng)險值客觀發(fā)展趨勢的最優(yōu)變權(quán)；最后在專家打分的基礎(chǔ)上，結(jié)合相應(yīng)的權(quán)重系數(shù)求取智能配電網(wǎng)整體風(fēng)險值以評判網(wǎng)絡(luò)風(fēng)險等級和安全級別；實例驗證了該模型能有效實現(xiàn)智能配電網(wǎng)的風(fēng)險評估。

1 智能配電網(wǎng)風(fēng)險評估模型的構(gòu)建

1.1 智能配電網(wǎng)多級風(fēng)險評估體系的建立

為保證智能配電網(wǎng)風(fēng)險評估體系的系統(tǒng)性和評估指標(biāo)間的獨立性，本文依據(jù)風(fēng)險管理的基本原則和一般流程，從工程風(fēng)險、金融風(fēng)險、安全風(fēng)險、技術(shù)風(fēng)險、管理風(fēng)險和外部風(fēng)險這6個宏觀風(fēng)險類型展開分析，每個宏觀風(fēng)險均具體劃分到多個微觀指標(biāo)。圖1為建立的智能配電網(wǎng)多級風(fēng)險評估體系。

風(fēng)險評估體系中的6個宏觀風(fēng)險類型簡述如下。

a.工程風(fēng)險（R1）：主要指智能配電網(wǎng)的工程系統(tǒng)故障對網(wǎng)絡(luò)運行帶來的不良影響，其下屬微觀指標(biāo)中的新型配電設(shè)備主要包括分布式電源、大型可再生能源電源以及用戶側(cè)的智能電器等。

b.金融風(fēng)險（R2）：主要來源于市場因素，其中市場價格波動帶來的風(fēng)險為主要風(fēng)險。

c.安全風(fēng)險（R3）：主要指智能配電網(wǎng)利用數(shù)字化手段與用戶進行互動時，潛在的網(wǎng)絡(luò)攻擊可能導(dǎo)致網(wǎng)絡(luò)重要信息的泄露以及終端用戶個人信息的被侵犯，從而給智能配電網(wǎng)的安全運行帶來巨大威脅。

d.技術(shù)風(fēng)險（R4）：它是目前智能配電網(wǎng)面臨的最大風(fēng)險，其中電力、通信和軟件等相關(guān)領(lǐng)域核心技術(shù)的開發(fā)及電力行業(yè)、相關(guān)學(xué)者強大的后續(xù)研發(fā)能力是推動智能配電網(wǎng)全面發(fā)展的中堅力量。

e.管理風(fēng)險（R5）：主要包括針對管理人員的技術(shù)培訓(xùn)機制不健全、網(wǎng)絡(luò)建設(shè)經(jīng)費不足和終端用戶因個人隱私傾向而抵制使用智能設(shè)備。

f.外部風(fēng)險（R6）：宏觀政策波動主要包括宏觀經(jīng)濟形勢的改變和相關(guān)法律政策的調(diào)整，社會文化和自然環(huán)境的變化對人們接受智能化生活的思想意識有著潛移默化的影響。

圖1 智能配電網(wǎng)多級風(fēng)險評估體系Fig.1 Multilevel risk assessment system for smart distribution grid

1.2 智能配電網(wǎng)風(fēng)險評估等級的劃分

文獻［5］應(yīng)用風(fēng)險評估矩陣法，綜合風(fēng)險因素的危害程度和風(fēng)險事件的可能性得到25個風(fēng)險值，并將其按風(fēng)險結(jié)果劃分的范圍標(biāo)準(zhǔn)映射為等級1—5。本文在文獻［5］風(fēng)險等級劃分的基礎(chǔ)上，將風(fēng)險等級與網(wǎng)絡(luò)安全級別作一一對應(yīng)，如表1所示。

表1 智能配電網(wǎng)風(fēng)險評估等級的劃分Table 1 Risk levels of smart distribution grid assessment

2 風(fēng)險評估體系的最優(yōu)變權(quán)

2.1 基于相似度聚類分析的靜態(tài)主觀權(quán)重

FAHP［8-10］建立在專家主觀經(jīng)驗的基礎(chǔ)上，專家權(quán)威性的大小直接決定其所建立的指標(biāo)排序向量真實度的高低，故基于FAHP的賦權(quán)過程必須考慮專家權(quán)威性，但現(xiàn)有相關(guān)文獻［8-10］大都忽略了此關(guān)鍵信息。因此，為彌補目前FAHP未計及專家權(quán)威性這一缺陷，本文根據(jù)FAHP建立專家小組的指標(biāo)排序向量矩陣L，應(yīng)用相似度聚類分析建立專家小組的權(quán)威因數(shù)矩陣γ，結(jié)合兩矩陣確定智能配電網(wǎng)風(fēng)險評估體系的靜態(tài)主觀權(quán)重，賦權(quán)流程見圖2。

圖2 靜態(tài)主觀權(quán)重分配流程圖Fig.2 Flowchart of static subjective weight assignment

指標(biāo)排序向量矩陣L的求取可參考文獻［10］中1.1節(jié)所述方法，鑒于篇幅，此處不再贅述?，F(xiàn)詳細說明權(quán)威因數(shù)矩陣γ的求取過程。

步驟1：根據(jù)矩陣L構(gòu)造相似度關(guān)聯(lián)矩陣S=［spq］n×n。 引入向量夾角余弦 spq（p≠q；p，q=1，2，…，n）來量化矩陣L中任意2個行向量lp和lq（專家ep和eq建立的指標(biāo)排序向量）間的相似程度，具體計算方法見式（1），lp和 lq的相似度越高，spq的值越大。

其中，為向量lq的轉(zhuǎn)置向量；‖lp‖和‖lq‖分別為向量lp和lq的范數(shù)。

步驟2：根據(jù)矩陣S進行專家聚類。具體如下：

a.尋找矩陣S中的最大非對角線元素sab，將專家 ea、eb歸入集合 E；

b.令sab=sba=0，尋找并記錄S中第a和第b行的最大非對角線元素sac（sbc），將專家ec歸入集合E；

c.令 sac=sca=0（sbc=scb=0），尋找并記錄 S 中第c行最大非對角線元素scd，將專家ed歸入集合E；

d.依此類推，直至n位專家全部歸入集合E；

e.設(shè)定合理的閾值T，若記錄的slk≤T，則將專家 el、ek聚為一類，否則將專家 el、ek分屬為不同類。

步驟3：計算專家類別間權(quán)威因數(shù)α。根據(jù)各專家類別建立的指標(biāo)排序向量，計算專家類別間的一致性差異值，某一專家類別的一致性差異值越小，說明該專家類別確定的指標(biāo)排序向量越具有代表性，從而該專家類別的權(quán)威性越高。若通過聚類，n位專家被分成 r類，其中專家 ei屬于第 h（1≤h≤r）類，且該類包括φh位專家，則該類別的權(quán)威因數(shù)αh為：

其中，Ni為專家ei與其他專家所建立的指標(biāo)排序向量間的綜合一致性差異值；N′h為第h類專家與其他專家類別間的綜合一致性差異值。

步驟4：計算專家類別內(nèi)權(quán)威因數(shù)β。同一類別中不同專家所建立的模糊判斷矩陣的一致性比例［8-10］不同，從而導(dǎo)致不同專家建立的指標(biāo)排序向量的權(quán)威性不同。第h類別中專家ei的權(quán)威因數(shù)βi為：

其中，c 為調(diào)節(jié)比例因子［11］，本文中 c=10；CRi和 CRj分別為第h類別中專家ei和ej所建立的模糊判斷矩陣的一致性比例。

步驟5：綜合α和β計算γ。專家ei的權(quán)威因數(shù)為：

以智能配電網(wǎng)風(fēng)險評估體系中技術(shù)風(fēng)險（R4）下屬的微觀指標(biāo)（R41、R42、R43）為例來說明靜態(tài)主觀權(quán)重的分配過程。若專家小組由5位專家組成，即n=5，利用FAHP求得的指標(biāo)排序向量矩陣L為：

根據(jù)矩陣L構(gòu)造的相似度關(guān)聯(lián)矩陣S為：

根據(jù)矩陣S進行專家聚類的過程如圖3所示。

圖3 專家聚類流程圖Fig.3 Flowchart of expert clustering analysis

設(shè)閾值T=0.997 0，則5位專家被分為3類：E1=｛e3，e4，e1｝，E2= ｛e2｝，E3= ｛e5｝。 根據(jù)式（2）和式（3）計算所得的專家類別間、類別內(nèi)權(quán)威因數(shù)矩陣分別為：α=［0.931 0，0.034 5，0.034 5］，β=［0.339 8，1，0.297 6，0.362 6，1］。 根據(jù)式（4）求得的專家權(quán)威因數(shù)矩陣為：γ=［0.3164，0.0345，0.2771，0.3376，0.0345］。 綜上所述，指標(biāo) R41、R42、R43的靜態(tài)主觀權(quán)重為：w1（R4）=γL=［0.4749，0.3036，0.2216］。

同理，基于上述方法確定的智能配電網(wǎng)風(fēng)險評估體系的靜態(tài)主觀權(quán)重如表2所示。

表2 智能配電網(wǎng)風(fēng)險評估體系的靜態(tài)主觀權(quán)重Table 2 Static subjective weights of risk assessment system for smart distribution grid

2.2 基于改進CRITIC賦權(quán)法的動態(tài)客觀權(quán)重

實際調(diào)研表明，關(guān)鍵性風(fēng)險指標(biāo)對智能配電網(wǎng)的影響程度隨時間變化而逐漸演變，即關(guān)鍵性風(fēng)險指標(biāo)的參數(shù)具有時序特征。從整體上來看，各風(fēng)險指標(biāo)對智能配電網(wǎng)的影響程度隨著網(wǎng)絡(luò)的日趨完善而逐漸減小，但不同指標(biāo)風(fēng)險值的下降幅度不同，在網(wǎng)絡(luò)不同發(fā)展階段呈現(xiàn)出的客觀分布特征也不同。

為充分計及關(guān)鍵性風(fēng)險指標(biāo)參數(shù)的時序特征對評估過程的影響，本文基于改進CRITIC賦權(quán)法賦予各微觀指標(biāo)相應(yīng)的動態(tài)客觀權(quán)重，進而將微觀指標(biāo)的靜態(tài)主觀權(quán)重和動態(tài)客觀權(quán)重整合為最優(yōu)變權(quán)，使賦權(quán)過程既參考評估專家的主觀經(jīng)驗，又依據(jù)微觀指標(biāo)風(fēng)險值的客觀變化趨勢，從而使權(quán)重系數(shù)的確定更為嚴(yán)謹(jǐn)合理。

2.2.1 改進CRITIC賦權(quán)法機理

CRITIC 賦權(quán)法［12］是由 Diakoulaki提出的一種新型客觀賦權(quán)方法，由于其同時考慮了同一指標(biāo)參數(shù)的變化幅度大小和不同指標(biāo)間的沖突性大小對權(quán)重系數(shù)的影響，因此CRITIC賦權(quán)法相比于熵權(quán)法和標(biāo)準(zhǔn)離差法具有明顯的優(yōu)勢。

CRITIC賦權(quán)法以指標(biāo)的對比強度和沖突性為基礎(chǔ)，其中對比強度用來量化同一指標(biāo)在不同決策方案中取值差異性大小，用標(biāo)準(zhǔn)差來衡量；沖突性用來量化不同指標(biāo)間相關(guān)性大小，用相關(guān)系數(shù)來衡量?；贑RITIC賦權(quán)法進行客觀賦權(quán)的計算過程為：

其中，σi為指標(biāo)i的標(biāo)準(zhǔn)差；u為決策方案的數(shù)量；xi，k和 xj，k分別為指標(biāo) i和 j在第 k 個決策方案中的歸一化參數(shù)值；xi，ave和 xj，ave分別為指標(biāo) i和 j在所有決策方案中歸一化參數(shù)的平均值；rij為指標(biāo)i和j的相關(guān)系數(shù)；w2（i）為指標(biāo) i的動態(tài)客觀權(quán)重；v為指標(biāo)的數(shù)量。指標(biāo)i和j的參數(shù)均經(jīng)過歸一化處理［12］。

雖然CRITIC賦權(quán)法綜合考慮了不同指標(biāo)間的對比強度和沖突性，但并未考慮指標(biāo)間的離散性，研究表明，熵值可以用來量化數(shù)據(jù)間的聚集程度［12］，故本文應(yīng)用熵值將式（5）改進為式（6），使賦權(quán)過程同時融合指標(biāo)間的對比強度、沖突性和離散性。

其中，si為指標(biāo)i的熵值，其計算方法見文獻［13］。

2.2.2 改進CRITIC賦權(quán)法的具體應(yīng)用

由于智能配電網(wǎng)風(fēng)險評估體系中各微觀指標(biāo)均為定性指標(biāo)，因此本文基于專家打分法［14］對各指標(biāo)進行風(fēng)險評估，并將各微觀指標(biāo)對應(yīng)的分值作為其風(fēng)險值。由于各微觀指標(biāo)風(fēng)險值的量綱相同，故在利用改進CRITIC賦權(quán)法進行權(quán)重計算時，無需對各微觀指標(biāo)的風(fēng)險值進行歸一化處理。

根據(jù)已有研究和專家經(jīng)驗預(yù)測智能配電網(wǎng)在中期和遠期發(fā)展階段中各微觀指標(biāo)風(fēng)險值。將各微觀指標(biāo)在近期、中期和遠期發(fā)展階段的風(fēng)險值作為改進CRITIC賦權(quán)法的3個決策方案，進而由式（5）和（6）確定智能配電網(wǎng)風(fēng)險評估體系的動態(tài)客觀權(quán)重。

2.3 最優(yōu)變權(quán)的求取

為避免單一賦權(quán)方法的局限性和片面性，提高權(quán)重系數(shù)的科學(xué)性，本文將基于相似度聚類分析的靜態(tài)主觀權(quán)重和基于改進CRITIC賦權(quán)法的動態(tài)客觀權(quán)重結(jié)合為最優(yōu)變權(quán)，從而達到優(yōu)勢互補的效果。針對指標(biāo)i，其最優(yōu)變權(quán)的計算公式如下：

其中，w1（i）和 w2（i）分別為指標(biāo) i的靜態(tài)主觀權(quán)重和動態(tài)客觀權(quán)重；t為與指標(biāo)i相同類別的指標(biāo)總數(shù)。

3 智能配電網(wǎng)風(fēng)險評估具體步驟

綜上所述，智能配電網(wǎng)風(fēng)險評估具體步驟如下。

步驟1：邀請專家參與智能配電網(wǎng)風(fēng)險評估。本文邀請5位從事智能配電網(wǎng)相關(guān)工作的專家參與風(fēng)險評估，為充分計及專家權(quán)威性對評估結(jié)果的影響，采用強制比較法［15］從專家的職稱、工齡和學(xué)歷3個方面分析其權(quán)威性，求得的專家權(quán)重向量為：K=［k（i）|i=1，2，3，4，5］=［0.208，0.183，0.212，0.169，0.228］；令專家根據(jù)自身經(jīng)驗和指標(biāo)實際狀態(tài)打出相應(yīng)的分值，打分范圍與表1中提供的各風(fēng)險等級對應(yīng)的風(fēng)險值區(qū)間相同。將某一風(fēng)險指標(biāo)Rij的所得分值（風(fēng)險值）Gij定義為：

其中，gij（l）為專家 el針對指標(biāo) Rij所打出的分值；k（l）為專家el的權(quán)重值。

步驟2：基于相似度聚類分析和改進CRITIC賦權(quán)法確定智能配電網(wǎng)風(fēng)險評估體系的最優(yōu)變權(quán)。

步驟3：結(jié)合各微觀指標(biāo)的風(fēng)險值和相應(yīng)的最優(yōu)變權(quán)，基于加權(quán)平均求取智能配電網(wǎng)的整體風(fēng)險值。

步驟4：將各風(fēng)險等級對應(yīng)風(fēng)險值區(qū)間的中間值作為該等級的特征風(fēng)險值，定義特征風(fēng)險值向量為T=［3，7.5，12.5，17.5，22.5］，將求取的智能配電網(wǎng)整體風(fēng)險值與向量T進行比較以確定智能配電網(wǎng)風(fēng)險等級和網(wǎng)絡(luò)安全級別。

4 實例驗證與分析

選取華東地區(qū)某智能配電網(wǎng)作為研究對象，結(jié)合各微觀指標(biāo)的風(fēng)險值和相應(yīng)的最優(yōu)變權(quán)求取該智能配電網(wǎng)的整體風(fēng)險值，并與網(wǎng)絡(luò)實際發(fā)展?fàn)顩r進行比較分析，以驗證本文建立的風(fēng)險評估模型的有效性。

應(yīng)用本文第3節(jié)步驟1中所述方法，求取該智能配電網(wǎng)各微觀指標(biāo)在近期發(fā)展階段的風(fēng)險值；根據(jù)專家經(jīng)驗和已有研究，預(yù)測各微觀指標(biāo)在中期發(fā)展階段和遠期發(fā)展階段的風(fēng)險值。表3展示了智能配電網(wǎng)多級風(fēng)險評估體系中6個宏觀風(fēng)險類型（R1—R6）下屬各微觀指標(biāo)在網(wǎng)絡(luò)不同發(fā)展階段的風(fēng)險值。

表3 微觀指標(biāo)不同發(fā)展階段的風(fēng)險值Table 3 Microscopic index risk for different development stages

根據(jù)表2和表3提供的有效信息，根據(jù)改進CRITIC賦權(quán)法和式（7）確定各微觀指標(biāo)的動態(tài)客觀權(quán)重和最優(yōu)變權(quán)如表4所示。

表4 微觀指標(biāo)的權(quán)重系數(shù)Table 4 Microscopic index weights

根據(jù)各微觀指標(biāo)的近期風(fēng)險值和相應(yīng)的最優(yōu)變權(quán)，基于加權(quán)平均求得該智能配電網(wǎng)6個宏觀風(fēng)險類型的風(fēng)險值和網(wǎng)絡(luò)整體風(fēng)險值如表5所示。

表5 智能配電網(wǎng)風(fēng)險值Table 5 Risks of smart distribution grid

現(xiàn)針對表5作簡要分析如下。

a.該智能配電網(wǎng)整體風(fēng)險值為16.4746，將其與特征風(fēng)險值向量T比較可知，該網(wǎng)絡(luò)的風(fēng)險等級接近于第4級，參照表1可知該網(wǎng)絡(luò)面臨的風(fēng)險較高，網(wǎng)絡(luò)安全級別接近于較危險。由于目前我國智能配電網(wǎng)的發(fā)展處于初期階段，網(wǎng)絡(luò)智能化水平較低且發(fā)展受到多方面因素的限制，網(wǎng)絡(luò)面臨的風(fēng)險較大且對風(fēng)險的承受能力不足，因此基于本文建立的評估模型分析得到該智能配電網(wǎng)面臨的風(fēng)險狀況與我國智能配電網(wǎng)的實際發(fā)展?fàn)顩r基本一致。

b.該智能配電網(wǎng)面臨的技術(shù)風(fēng)險（R4）極高。不夠成熟的核心技術(shù)和不夠健全的體制標(biāo)準(zhǔn)是制約智能配電網(wǎng)全面發(fā)展的核心因素，因此必須重視智能配電網(wǎng)相關(guān)領(lǐng)域核心技術(shù)的研發(fā)，推動智能配電網(wǎng)技術(shù)標(biāo)準(zhǔn)的不斷完善。

c.該智能配電網(wǎng)面臨的工程風(fēng)險（R1）、安全風(fēng)險（R3）、管理風(fēng)險（R5）和外部風(fēng)險（R6）均較高。目前智能化和自動化配電設(shè)施大部分處于規(guī)劃建設(shè)的試點階段，運行數(shù)據(jù)匱乏且與傳統(tǒng)設(shè)備的協(xié)調(diào)性差；信息網(wǎng)絡(luò)和用戶終端信息網(wǎng)均未形成規(guī)模、信息安全技術(shù)和相關(guān)標(biāo)準(zhǔn)均未成熟，導(dǎo)致網(wǎng)絡(luò)自身存在較大的安全隱患；專業(yè)技術(shù)人員的缺乏和粗放型的管理機制使網(wǎng)絡(luò)發(fā)展過程中面臨較大的管理風(fēng)險；國家對智能配電網(wǎng)發(fā)展的扶持力度不夠，出臺的相關(guān)政策不夠完善，且用戶對智能化生活的接受意識較為薄弱使智能配電網(wǎng)的發(fā)展受外部影響較大。

d.該智能配電網(wǎng)面臨的金融風(fēng)險（R2）中等。隨著網(wǎng)絡(luò)發(fā)展規(guī)模的逐漸擴大，網(wǎng)絡(luò)建設(shè)對資金的需求也會相應(yīng)增大，導(dǎo)致在資金操作和市場交易等過程中面臨的風(fēng)險增大，因此在網(wǎng)絡(luò)發(fā)展的各個階段均應(yīng)對金融風(fēng)險給予一定的重視。

綜上所述，本文提出的評估模型能夠直觀準(zhǔn)確地實現(xiàn)智能配電網(wǎng)的風(fēng)險評估，且能夠識別網(wǎng)絡(luò)發(fā)展過程中的薄弱環(huán)節(jié)和面臨的主要風(fēng)險，對于全面推進智能配電網(wǎng)的趨優(yōu)發(fā)展具有重要的指導(dǎo)意義。

5 結(jié)論

本文提出了一種新型智能配電網(wǎng)風(fēng)險評估模型，實例驗證了該評估模型具有較強的實用性?，F(xiàn)將該評估模型的特點總結(jié)如下：

a.智能配電網(wǎng)多級風(fēng)險評估體系融合了宏觀風(fēng)險和微觀指標(biāo)，盡可能全面地覆蓋了網(wǎng)絡(luò)發(fā)展過程中面臨的關(guān)鍵性風(fēng)險因素；

b.綜合應(yīng)用相似度聚類分析和FAHP賦予評估體系合理的靜態(tài)主觀權(quán)重，彌補了傳統(tǒng)主觀賦權(quán)方法未能考慮專家權(quán)威性的缺陷；

c.評估體系的最優(yōu)變權(quán)同時計及了評估專家的主觀經(jīng)驗和微觀指標(biāo)風(fēng)險值的客觀發(fā)展趨勢，使靜態(tài)風(fēng)險評估轉(zhuǎn)化為計及時序特征的動態(tài)風(fēng)險評估。

隨著智能配電網(wǎng)的逐漸發(fā)展，本文建立的智能配電網(wǎng)多級風(fēng)險評估體系所涵蓋的風(fēng)險因素信息可能無法滿足未來網(wǎng)絡(luò)風(fēng)險評估的需要，因此對評估體系的框架作適當(dāng)?shù)臄U展，并針對指標(biāo)風(fēng)險值的求取方法作進一步深入的探索，是今后研究工作的重點。

［1］SLIMOES M G，ROCHE R，KYRIAKIDES E，et al.Smart-grid technologies and progress in Europe and the USA［C］∥Energy Conversion Congress and Exposition.Phoenix，AZ，USA：IEEE，2011：383-390.

［2］?？?，薛峰，楊衛(wèi)東．中國智能電網(wǎng)基本特征及其技術(shù)進展評書［J］．電力系統(tǒng)自動化，2009，33（17）：10-15．CHANG Kang，XUE Feng，YANG Weidong.Review on the basic characteristics and its technical process of smart grid in China［J］.Automation of Electric Power Systems，2009，33（17）：10-15.

［3］王彬，何光宇，梅生偉，等．智能電網(wǎng)評估指標(biāo)體系的構(gòu)建方法［J］．電力系統(tǒng)自動化，2011，35（23）：1-5．WANG Bin，HE Guangyu，MEI Shengwei，et al.Construction method of smart grid’s assessment index system［J］.Automation of Electric Power Systems，2011，35（23）：1-5.

［4］趙珊珊，張東霞，印永華．智能電網(wǎng)的風(fēng)險評估［J］．電網(wǎng)技術(shù)，2009，33（19）：7-10．ZHAO Shanshan，ZHANG Dongxia，YIN Yonghua.Risk assessment of smartgrid［J］.Power System Technology，2009，33（19）：7-10.

［5］孫強，張義賦，韓冬，等．多因素、多維度的智能電網(wǎng)風(fēng)險評估［J］．電網(wǎng)技術(shù)，2012，36（9）：51-55．SUN Qiang，ZHANG Yifu，HAN Dong，et al.Multifactorial and multidimensional risk evaluation of smart grid ［J］.Power System Technology，2012，36（9）：51-55.

［6］曾鳴，陳英杰，胡獻忠，等．基于多層次模糊綜合評判法的我國智能電網(wǎng)風(fēng)險評估［J］．華東電力，2011，39（4）：535-539．ZENG Ming，CHEN Yingjie，HU Xianzhong，et al.The risk assessment of China’s smart grid based on multi-level fuzzy comprehensive evaluation method ［J］.East China Electric Power，2011，39（4）：535-539.

［7］HABASH R W Y，GROZA V，KREWSKI D，et al.A risk assessment framework for the smart grid［C］∥Electrical Power&Energy Conference.Halifax，NS，Canada：IEEE，2013：1-6.

［8］巫偉南，楊軍，胡文平，等．考慮輸電線路故障特性的電網(wǎng)綜合風(fēng)險評估體系［J］．電力自動化設(shè)備，2014，34（6）：129-134．WU Weinan，YANG Jun，HU Wenping，et al.Power grid risk assessment system considering characteristics of transmission line failure［J］.Electric Power Automation Equipment，2014，34（6）：129-134.

［9］國連玉，李可軍，梁永亮，等．基于灰色模糊綜合評判的高壓斷路器狀態(tài)評估［J］．電力自動化設(shè)備，2014，34（11）：161-167．GUO Lianyu，LIKejun，LIANG Yongliang，et al.HV circuit breaker state assessment based on gray-fuzzy comprehensive evaluation［J］.Electric Power Automation Equipment，2014，34（11）：161-167.

［10］田林鋼，靳聰聰，巴超．改進的模糊層次分析法在海堤工程安全評價中的應(yīng)用［J］．武漢大學(xué)學(xué)報（工學(xué)版），2013，46（3）：317-327．TIAN Lingang，JIN Congcong，BA Chao.Application of improved fuzzy AHP to safety evaluation of seawall engineering ［J］.Engineering Journal ofWuhan University，2013，46（3）：317-327.

［11］何立華，王櫟綺，張連營．基于聚類的多屬性群決策專家權(quán)重確定方法［J］．運籌與管理，2014，23（6）：65-71．HE Lihua，WANG Yueqi，ZHANG Lianying.A method of determining the experts’weights ofmulti-attribute group decisionmaking based on clustering analysis［J］.Operations Research and Management Science，2014，23（6）：65-71.

［12］宋冬梅，劉春曉，沈晨，等．基于主客觀賦權(quán)法的多目標(biāo)多屬性決策方法［J］．山東大學(xué)學(xué)報（工學(xué)版），2015，45（4）：1-9．SONG Dongmei，LIU Chunxiao，SHEN Chen，et al.Multiple objective and attribution decision making based on the subjective and objective weighting［J］.Journal of Shandong University（Engineering Science），2015，45（4）：1-9.

［13］傅學(xué)謙，陳皓勇．基于加權(quán)秩和比法的電能質(zhì)量綜合評估［J］．電力自動化設(shè)備，2015，35（1）：128-132．FU Xueqian，CHEN Haoyong.Comprehensive power quality evaluation based on weighted rank sum ration method［J］.Electric Power Automation Equipment，2015，35（1）：128-132.

［14］徐巖，陳昕．基于合作博弈和云模型的變壓器狀態(tài)評估方法［J］．電力自動化設(shè)備，2015，35（3）：88-93．XU Yan，CHEN Xin.Transformer status assessment based on cooperative game and cloud model［J］.Electric Power Automation Equipment，2015，35（3）：88-93.

［15］廖瑞金，黃飛龍，楊麗君，等．變壓器狀態(tài)評估指標(biāo)權(quán)重計算的未知有理數(shù)法［J］．高電壓技術(shù)，2010，36（9）：2219-2224．LIAO Ruijin，HUANG Feilong，YANG Lijun，et al.Calculation method of power transformer condition assessment index weight usingunascertainedmethod［J］.High Voltage Engineering，2010，36（9）：2219-2224.