配電線路風(fēng)災(zāi)損失混合預(yù)測算法研究
——以湛江地區(qū)為例

陳　曄，莫　新，胡　波，李中良，尹　姣，姜大志（.廣東電網(wǎng)有限責(zé)任公司湛江供電局，廣東　湛江　54000；.汕頭大學(xué)工學(xué)院計(jì)算機(jī)系，廣東　汕頭　5506；.廣東卓維網(wǎng)絡(luò)有限公司，廣東　佛山　5800）

配電線路風(fēng)災(zāi)損失混合預(yù)測算法研究
——以湛江地區(qū)為例

陳曄1，莫新1，胡波2，李中良3，尹姣3，姜大志2
（1.廣東電網(wǎng)有限責(zé)任公司湛江供電局，廣東湛江524000；2.汕頭大學(xué)工學(xué)院計(jì)算機(jī)系，廣東汕頭515063；3.廣東卓維網(wǎng)絡(luò)有限公司，廣東佛山528200）

我國沿海地區(qū)是風(fēng)災(zāi)影響的重災(zāi)區(qū)，每年登陸的高強(qiáng)度熱帶氣旋均會造成配電線路大面積倒桿、斷桿、斷線及其他設(shè)備受損，給社會與經(jīng)濟(jì)發(fā)展帶來嚴(yán)重影響.本文通過利用2006-2014年湛江地區(qū)配電線路的風(fēng)災(zāi)受損數(shù)據(jù)，提出一種新穎的特征提取方法并融合神經(jīng)網(wǎng)絡(luò)、遺傳程序設(shè)計(jì)和多表達(dá)式程序設(shè)計(jì)算法建立一個混合預(yù)測模型來預(yù)測風(fēng)災(zāi)下的配電線路受損情況.結(jié)果表明本文提出的方法是可行、有效的，為災(zāi)后快速搶修復(fù)電提供決策支持.

熱帶氣旋；配電線路；特征提取；混合預(yù)測模型

0　引言

隨著人民生活水平的飛速提高，社會對供電可靠性的要求也越來越高，而熱帶氣旋作為沿海地區(qū)最常見的自然災(zāi)害之一，其發(fā)生導(dǎo)致電網(wǎng)大量線路跳閘或停運(yùn)，并造成配電線路大面積倒桿、斷桿、斷線及其他設(shè)備受損，對社會與經(jīng)濟(jì)發(fā)展帶來嚴(yán)重影響.因此，研究風(fēng)災(zāi)對配電線路的影響，在災(zāi)前預(yù)測其可能受損程度，對災(zāi)后及時快速地?fù)屝迯?fù)電，具有不可估量的理論與現(xiàn)實(shí)意義.

鑒于此，國內(nèi)已有不少研究者開展配電線路與風(fēng)災(zāi)之間的關(guān)系研究，但目前的主要研究還停留在配電線路應(yīng)對風(fēng)災(zāi)的具體防范措施上，很少有研究者研究建立風(fēng)災(zāi)與配電線路的損失的量化模型.如吳長浩等人提出面向輸配電線路在特殊氣候條件下安全運(yùn)行的施工規(guī)范［1］.張飛飛在“計(jì)及風(fēng)災(zāi)影響的中壓配電網(wǎng)規(guī)劃方案研究”一文中，提出了切實(shí)可行的配電線路的規(guī)范方案［2］.彭向陽等人結(jié)合南方電網(wǎng)的現(xiàn)狀，并結(jié)合廣東省近些年來臺風(fēng)登陸的情況與特點(diǎn)，系統(tǒng)地分析了臺風(fēng)造成配電設(shè)施受損的特點(diǎn)、成因以及提升配電線路抵御風(fēng)災(zāi)的措施，具有非常好的借鑒意義［3］.

也有不少的研究者在臺風(fēng)災(zāi)害災(zāi)情預(yù)評估方面進(jìn)行研究［4-6］，但成果主要集中在房屋、農(nóng)田等災(zāi)情損失指標(biāo)的確立上.如陳佩燕等人建立能夠定量地預(yù)估倒塌房屋數(shù)、受淹農(nóng)田面積、直接經(jīng)濟(jì)損失率等災(zāi)情損失指標(biāo)［7］.而趙飛等人在此基礎(chǔ)上進(jìn)一步采用模糊數(shù)學(xué)法建立評估模型［8］.對風(fēng)災(zāi)損失的量化模型研究，涉及配電線路受損方面的研究較少.

本文結(jié)合廣東省湛江供電局配電線路的實(shí)際情況，通過2006-2014年湛江地區(qū)風(fēng)災(zāi)受損數(shù)據(jù)，在一個混合預(yù)測算法的基礎(chǔ)上，建立了風(fēng)災(zāi)與配電線路受損的模型，為風(fēng)災(zāi)受損的預(yù)測預(yù)報(bào)提供決策支持.

1　湛江地區(qū)配電線路風(fēng)災(zāi)損失統(tǒng)計(jì)

熱帶氣旋及其對配電線路有著嚴(yán)重的影響，以2014年的第9號超強(qiáng)臺風(fēng)“威馬遜”為例，“威馬遜”于7月18—19日在瓊粵桂三省附近沿海三次登陸，共造成59個縣市區(qū)、742.3萬人、468.5千公頃農(nóng)作物受災(zāi)，直接經(jīng)濟(jì)損失約為265.5億元.“威馬遜”對電力系統(tǒng)也造成重創(chuàng)，共造成廣東電網(wǎng)10 KV及以上線路跳閘3 000條次，變電站累計(jì)失壓183座，74 000多基桿塔受損，受影響供電臺區(qū)70 000多個，累計(jì)影響用戶532.7萬戶.

配電線路是電網(wǎng)的一個重要組成部分.在風(fēng)災(zāi)下，配電線路受損的內(nèi)在成因主要有“臺風(fēng)風(fēng)力超過配電線路風(fēng)荷標(biāo)準(zhǔn)”、“部分配電線路設(shè)施陳舊，未及時改造，設(shè)計(jì)標(biāo)準(zhǔn)偏低、健康不佳”、“制造與施工質(zhì)量不良”、“線路走廊樹木及高桿類植物在風(fēng)災(zāi)下壓線倒桿”.但若要在熱帶氣旋作用下，研究并建立配電線路基礎(chǔ)參數(shù)和配電線路受損之間的微觀關(guān)系是極具困難的.

圖1　9次臺風(fēng)經(jīng)過湛江地區(qū)的路線圖

統(tǒng)計(jì)2006年到2014年在湛江或附近地區(qū)/海域登陸的，并對湛江地區(qū)造成不同程度影響的熱帶氣旋，共計(jì)9次.其登陸后在湛江或附近區(qū)域的行進(jìn)路線圖如圖1所示.表1列舉的數(shù)據(jù)是這9次熱帶氣旋中，湛江地區(qū)配電線路的受損數(shù)據(jù)，包括受損線路、倒（斜）桿和斷桿.

表1　配電線路損失表

用折線刻畫9次熱帶氣旋下受損線路、倒（斜）桿和斷桿三者之間的關(guān)系（如圖2所示），發(fā)現(xiàn)這三者之間存在一定的一致變化關(guān)系.因此，在建立配電線路受損的預(yù)測模型時，可以先獨(dú)立預(yù)測其中的一個因變量，然后根據(jù)此因變量的預(yù)測結(jié)果來反演其他兩個因變量.從而簡化模型預(yù)測的難度（本文采用斷桿作為因變量）.

圖2　 9次熱帶氣旋下的受損線路、倒（斜）桿、斷桿情況

2　風(fēng)災(zāi)損失混合預(yù)測模型的建立

2.1神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）是借鑒人腦結(jié)構(gòu)與運(yùn)行而組成的一種算法.其最具代表性、最廣泛應(yīng)用的方法是BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)［9-10］，它是一種按誤差進(jìn)行逆向傳播算法所訓(xùn)練出來的多層向前反饋的網(wǎng)絡(luò).BP的拓?fù)浣Y(jié)構(gòu)一般包含有輸入層、隱含層和輸出層.它根據(jù)大量的輸入與輸出的映射關(guān)系使用最速下降法，在各層之間通過反向傳播以調(diào)整網(wǎng)絡(luò)節(jié)點(diǎn)與節(jié)點(diǎn)間的權(quán)值和閾值，目標(biāo)是使得網(wǎng)絡(luò)的誤差平方和最?。ㄆ浔举|(zhì)是一個優(yōu)化過程）.BP通過不斷學(xué)習(xí)，能夠從未知模式的大量的復(fù)雜數(shù)據(jù)中自動地發(fā)現(xiàn)內(nèi)在規(guī)律，從而有效克服傳統(tǒng)分析過程的復(fù)雜性、非線性和困難性.神經(jīng)網(wǎng)絡(luò)算法已經(jīng)成為一種廣泛使用的算法，在分類、模式識別、濾波、自動控制、預(yù)測等方面取得極佳的結(jié)果.

2.2遺傳程序設(shè)計(jì)

Koza提出遺傳程序設(shè)計(jì)方法（Genetie Programming，GP），它是演化計(jì)算（Evolutionary Computation，EC）領(lǐng)域的一個分支，是遺傳算法（Genetic Algorithm，GA）的自然擴(kuò)展與延伸［11-12］.基于遺傳程序設(shè)計(jì)的預(yù)測分析，可從一組隨機(jī)的染色體結(jié)構(gòu)出發(fā)，在演化過程中自動地發(fā)現(xiàn)目標(biāo)對象所包含的規(guī)律，而不需要設(shè)計(jì)者對目標(biāo)對象有深入的了解.由于遺傳程序設(shè)計(jì)這種高度的自組織、自適應(yīng)、自學(xué)習(xí)的特性，使得其在各個領(lǐng)域普遍應(yīng)用，例如金融市場的預(yù)測，電力需求的預(yù)測以及集成電路設(shè)計(jì)等等.

與神經(jīng)網(wǎng)絡(luò)算法相比，GP算法得到的模型可以是一類數(shù)學(xué)表達(dá)式規(guī)則，其輸入可為函數(shù)、變量或者數(shù)值等，而輸出為因變量和對象類等等，這凸顯了GP算法的優(yōu)勢，因?yàn)榻?jīng)過該算法獲取的模型是一個可被人理解的顯性模型.

2.3多表達(dá)式程序設(shè)計(jì)

2003年，羅馬利亞學(xué)者OLTEAN M.提出了多表達(dá)式程序設(shè)計(jì)（Multi Expression Programming，MEP）［13-14］.雖然與GP同屬于演化算法，但是與GP算法不同，MEP算法是一種基于線性編碼方法的新型演化算法，亦是融合GP和GA優(yōu)秀特性的演化算法.MEP染色體編碼有一定的特殊性，當(dāng)染色體的基因型向表現(xiàn)型轉(zhuǎn)化時可以翻譯成多個表達(dá)式，這在很大程度上提高了染色體的多樣性.此外，與GP相比，由于MEP染色體具有一定松散耦合的復(fù)用性，可以用較短的染色體便可翻譯成更為復(fù)雜的程序結(jié)構(gòu).

2.4混合預(yù)測算法

NN、GP和MEP是三種廣泛應(yīng)用的建模預(yù)測算法.在本文中，我們糅合NN、GP和MEP算法，設(shè)計(jì)一種混合預(yù)測算法，建立配電線路受損預(yù)測模型.混合預(yù)測算法的應(yīng)用優(yōu)勢可體現(xiàn)在以下幾個方面：

1.對數(shù)據(jù)噪聲有更大的容忍度；

2.在一定程度上減輕過擬合的現(xiàn)象；

3.即使在一個方法不能取得理想結(jié)果的時候，也能保持較高的準(zhǔn)確率.

圖3　混合預(yù)測算法框架

混合預(yù)測算法框架主要分為三個步驟如圖3.步驟①：對于同一份數(shù)據(jù)集Datasets，分別作為訓(xùn)練集輸入到NN（BP神經(jīng)網(wǎng)絡(luò)）、GP和MEP算法中.步驟②：分別運(yùn)行BP、GP和MEP算法，實(shí)現(xiàn)模型的訓(xùn)練（具體參數(shù)如數(shù)值實(shí)驗(yàn)一節(jié)中所示），分別獲取三個預(yù)測模型BP model、GP model和MEP model.然后在步驟③，對于新的待識別的數(shù)據(jù)，分別輸入到BP model、GP model和MEP model中，分別得到輸出結(jié)果RBP、RGP和RMEP，然后再應(yīng)用預(yù)設(shè)的集成規(guī)則，實(shí)現(xiàn)對未知數(shù)據(jù)的綜合集成預(yù)測.

3　數(shù)值實(shí)驗(yàn)

3.1特征提取

在構(gòu)建宏觀項(xiàng)目時，熱帶氣旋的信息相對是確定的.但是由于每個熱帶氣旋的行動路徑不一樣，其對被影響區(qū)域的影響程度也就不一樣.因此需要確定的問題是：在一次熱帶氣旋下，目標(biāo)區(qū)域中所影響的范圍該如何刻畫.為此，基于配電線路提出區(qū)域質(zhì)心的概念，以此來度量臺風(fēng)對目標(biāo)區(qū)域的影響范圍.區(qū)域性質(zhì)心把配電線路分布密度映射為“物體”（即湛江各地區(qū)）的“質(zhì)量”密度，依此求出對應(yīng)地區(qū)的區(qū)域性“質(zhì)心”.可以把每個線桿都看成一個質(zhì)點(diǎn)來考慮，則區(qū)域性質(zhì)心計(jì)算公式如下所示：

其中，xi表示桿塔i的經(jīng)緯度坐標(biāo)，mi即表示桿塔i的質(zhì)量.

通過上述公式，可以計(jì)算湛江地區(qū)的各個區(qū)域性質(zhì)心，分別包括赤坎、東海、雷州、廉江、麻章、坡頭、遂溪、吳川、霞山、徐聞共10個質(zhì)心點(diǎn).為了安全保密起見，我們暫不公布上述10個質(zhì)心點(diǎn)的具體數(shù)值，請讀者見諒.

通過質(zhì)心點(diǎn)，可結(jié)合熱帶氣旋行進(jìn)路徑估算臺風(fēng)對目標(biāo)區(qū)域的影響范圍.假設(shè)有兩個區(qū)域A和B，質(zhì)心點(diǎn)分別為Z1和Z2.另設(shè)有一熱帶氣旋T，其發(fā)展路徑為一條直線.具體如圖4所示：

圖4　熱帶氣旋以及區(qū)域示意圖

可以求得質(zhì)心點(diǎn)與熱帶氣旋的近似垂直距離，對圖4，質(zhì)心點(diǎn)與熱帶氣旋路徑的垂直距離分別為Z1T1和Z2T2.則距離均值ZTaverage可由下述公式計(jì)算：

其中N是目標(biāo)區(qū)域中質(zhì)心點(diǎn)的數(shù)量之和，在本例中N=2.

此外，定義R為集合｛Z1T1，Z2T2，……，ZNTN｝中最大最小值的比率.則R可用下述公式計(jì)算：

可以從物理意義上來解釋ZTaverage和R的作用.參數(shù)ZTaverage可用來描述某一熱帶氣旋離目標(biāo)區(qū)域的遠(yuǎn)近，但是此參數(shù)并不足以刻畫熱帶氣旋與目標(biāo)區(qū)域之間的交叉關(guān)系，即熱帶氣旋是否會穿過目標(biāo)區(qū)域.一般而言，如果高強(qiáng)度的熱帶氣旋（如臺風(fēng)及以上級別的熱帶氣旋）穿過某一地區(qū)，那對這個地區(qū)的影響程度要大于同等強(qiáng)度氣旋但沒有經(jīng)過目標(biāo)區(qū)域.因此參數(shù)R被設(shè)計(jì)并用來大致度量這種是否穿過的差異關(guān)系.通過整理9次熱帶氣旋，選擇斷桿數(shù)量作為目標(biāo)自變量，可得出如下表2的數(shù)據(jù)集.

表2　九次熱帶氣旋下的數(shù)據(jù)集合

3.2數(shù)值實(shí)驗(yàn)結(jié)果

在本次數(shù)值模擬中，BP、GP和MEP三種算法的參數(shù)設(shè)置如下：

BP算法：輸入節(jié)點(diǎn)4，輸出節(jié)點(diǎn)1，中間節(jié)點(diǎn)9.

GP算法：運(yùn)算符集F=｛+，-，*，/｝，進(jìn)化代數(shù)1 000，種群大小50，最大樹深10，選擇概率0.1，交叉概率0.9，編譯概率0.05.

MEP算法：運(yùn)算符集F=｛+，-，*，/｝，進(jìn)化代數(shù)1 000，種群大小50，染色體長度10，單點(diǎn)雜交概率0.3，兩點(diǎn)交叉概率0.3，多點(diǎn)交叉概率0.3，標(biāo)準(zhǔn)變異概率0.25，均勻變異概率0.25.

在問題的求解過程中，三個算法的輸入變量分別是風(fēng)速、臺風(fēng)距湛江各地區(qū)中心點(diǎn)距離的均值和最小/最大值，輸出變量時斷桿.由于GP和MEP是演化算法的一種，它的一個特點(diǎn)是需要設(shè)定一個適應(yīng)值函數(shù)，為此，設(shè)定一個統(tǒng)一的適應(yīng)值函數(shù)如下：

在上式中，n是數(shù)據(jù)集的大小，Vi是模型的計(jì)算結(jié)果，而是模型期望結(jié)果，即實(shí)際的斷桿數(shù)量.

由于本次數(shù)值實(shí)驗(yàn)的數(shù)據(jù)集非常小，只有9條可用的數(shù)據(jù)，為此將數(shù)據(jù)集隨機(jī)組合形成訓(xùn)練集（6條樣本）和測試集（3條樣本），隨機(jī)抽取5次，最終共形成5份訓(xùn)練與測試數(shù)據(jù)，分別對這5份數(shù)據(jù)集進(jìn)行數(shù)值實(shí)驗(yàn)Test1～Test5.每次實(shí)驗(yàn)分別統(tǒng)計(jì)BP、GP、MEP和混合預(yù)測算法在測試集上的平均誤差（集成BP、GP和MEP算法的結(jié)果即為混合算法的結(jié)果，集成公式為（BP+GP+MEP）/3）.其結(jié)果如表3所示.

表3　數(shù)值實(shí)驗(yàn)結(jié)果表　%

由表3可以看出，在綜合評價(jià)上，混合預(yù)測算法的表現(xiàn)最優(yōu)，5次平均誤差的均值為16%.但是混合預(yù)測算法也并不是每次都能得到最優(yōu)的結(jié)果，比如在Test2中，MEP的平均誤差為8.2%，但是混合預(yù)測算法為9.4%，但是它還是優(yōu)于BP和GP.總體而言，混合算法的表現(xiàn)較為穩(wěn)定.再者，相比較BP、GP和MEP算法，MEP算法的表現(xiàn)最優(yōu)，5次平均誤差的均值為17.5%，優(yōu)于BP 20.4%和GP 18.4%，可在此處體現(xiàn)MEP算法的優(yōu)越性.

4　結(jié)語

中國是世界上受熱帶氣旋影響最嚴(yán)重的國家與地區(qū)之一.而在中國大陸沿海，廣東是受熱帶氣旋干擾最嚴(yán)重的地區(qū).據(jù)相關(guān)資料統(tǒng)計(jì)，平均每年登陸我國的熱帶氣旋有9個左右，而登陸廣東地區(qū)的氣旋就約有3個.高強(qiáng)度的熱帶氣旋登陸，常伴有狂風(fēng)、暴雨等惡劣天氣，導(dǎo)致洪澇、風(fēng)暴潮、山體滑坡等災(zāi)害.對熱帶氣旋可能造成的災(zāi)害進(jìn)行有效的預(yù)評估，對各地應(yīng)急決策部門制定科學(xué)合理的防臺減災(zāi)及救災(zāi)策略有著重要的意義.

本文結(jié)合廣東省湛江市電力系統(tǒng)配電線路的實(shí)際情況，通過收集近幾年湛江地區(qū)風(fēng)災(zāi)受損數(shù)據(jù)，提出一種特征提取方法并構(gòu)建一個混合預(yù)測算法來有效挖掘風(fēng)災(zāi)與配電線路受損的關(guān)系模型.模擬實(shí)驗(yàn)結(jié)果顯示，本方法是有效、可行的.通過混合預(yù)測模型，可以快速、準(zhǔn)確地進(jìn)行災(zāi)前預(yù)測、評估，為減災(zāi)、救災(zāi)工作提供必要的依據(jù).此外，本模型具有很好的泛化能力，原則上只要改換訓(xùn)練集并做微小的調(diào)整，就可以對很多因風(fēng)災(zāi)而受損的指標(biāo)進(jìn)行預(yù)估.

［1］吳長浩.增強(qiáng)配電網(wǎng)抗“臺風(fēng)”能力的幾點(diǎn)建議［J］.電力安全技術(shù)，2013，15（6）：47-48.

［2］張飛飛，劉念，肖銳，等.計(jì)及風(fēng)災(zāi)影響的中壓配電網(wǎng)規(guī)劃方案研究［J］.華東電力，2012，40（7）：1178-1181.

［3］彭向陽.配電線路臺風(fēng)受損原因及風(fēng)災(zāi)防御措施分析［J］.南方電網(wǎng)技術(shù)，2010，4（1）：99-102.

［4］劉少軍，張京紅，何政偉，等.基于GIS的臺風(fēng)災(zāi)害損失評估模型研究［J］.災(zāi)害學(xué)，2010，25（2）：64-67.

［5］張斌，陳海燕，顧駿強(qiáng).基于GIS的臺風(fēng)災(zāi)害評估系統(tǒng)設(shè)計(jì)開發(fā)［J］.災(zāi)害學(xué)，2008，23（1）：47-50.

［6］李春梅，羅曉玲，劉錦鑾，等.層次分析法在熱帶氣旋災(zāi)害影響評估模式中的應(yīng)用［J］.熱帶氣旋學(xué)報(bào)，2006，22（3）：223-228.

［7］陳佩燕，楊玉華，雷小途，等.我國臺風(fēng)災(zāi)害成因分析及災(zāi)情預(yù)估［J］.自然災(zāi)害學(xué)報(bào)，2009，18（1）：64-73.

［8］趙飛，廖永豐，張妮娜，等.登陸中國臺風(fēng)災(zāi)害損失預(yù)評估模型研究［J］.災(zāi)害學(xué)，2011，26（2）：81-85.

［9］HAYKIN S.神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)［M］.申富饒，徐燁，鄭俊，等譯.北京：機(jī)械工業(yè)出版社，2011.

［10］KARABATAK M，INCE M C.An expert system for detection of breast cancer based on association rules and neural network［J］.Expert Systems with Applications，2009，36（2）：3465-3469.

［11］KOZA J R.Genetic programming：On the programming of computers by means of natural selection［M］. Cambridge，MA：MIT Press，1992.

［12］JIANG D Z，LI L Y，HU B，et al.An approach for prediction of acute hypotensive episodes via hilbert-huang method and genetic programming［J］.International Journal of Distributed Sensor Networks，2015，Article ID 354807.

［13］OLTEAN M，GROSAN C.A comparision of several linear genetic programming techniques［J］.Complex Systems，2003，14（4）：282-311.

［14］GANDOMI A H，F(xiàn)ARAMARZIFAR A，REZAEE P G，et al.Newdesign equations for elastic modulus of concrete using multi expression programming［J］.Journal of Civil Engineering and Management，2015，21 （6）：761-774.

Research of Hybrid Prediction Algorithm for Distribution Line Loss in TC Disaster—A Case of Zhanjiang Region

CHEN Ye1，MO Xin1，HU Bo2，LI Zhongliang3，YIN Jiao3，JIANG Dazhi2
（1.ZhanjiangPower SupplyBureau of GuangdongPower Grid Co.，Ltd. 2.Department of Computer Science，Shantou University，Shantou 513063，Guangdong，China；3.Department of EngineeringTechnology，GuangdongTopwayCo.，Ltd.，F(xiàn)oshan 528200，Guangdong，China）

The coastal area of China is a heavy disaster area affected by wind disaster.High intensity of tropical cyclones（TC）landing every year generally causes severe damage for distribution lines，including pole inverted，pole broken and line disconnected and so on.It also causes serious influence on the development ofthe social and the national economy.Accordingto Zhanjiang distribution lines'damaged data in recent years，a novel feature extraction method is proposed.Then，a hybrid prediction algorithm based on neural network，genetic programming and multi-expression programming is presented to predict the loss of distribution lines in TC disaster.It is indicated that the methodology will provide decision support for the rapid repair after disaster.

tropical cyclone；distribution line；feature extraction；hybrid prediction algorithm

TP311

A

1001-4217（2016）02-0072-09

2015-09-22

陳曄（1968—），男，湖北羅田人，高級工程師.研究方向：智能電網(wǎng).

莫新（1973—），男，廣東雷州人，高級工程師.研究方向：智能電網(wǎng).E-mail：zjmoxin@139.com

姜大志（1982—），男，江蘇南京人，博士，副教授.研究方向：智能計(jì)算.E-mail：dzjiang@stu.edu.cn

中國南方電網(wǎng)有限責(zé)任公司科技項(xiàng)目（K-GD2014-080）；國家自然科學(xué)基金（61502291）；廣東省高等學(xué)校優(yōu)秀青年教師培養(yǎng)計(jì)劃項(xiàng)目（YQ2015070）；廣東省普通高校特色創(chuàng)新項(xiàng)目（自然科學(xué)類）（2015KTSCX039）；廣東省教育科學(xué)研究教育科研項(xiàng)目（2015GXJK037）