基于風(fēng)險(xiǎn)及模式識(shí)別的電力系統(tǒng)支路重要性評(píng)估

趙一婕，辛 巍，范 楊，程 繩

（1.航宇救生裝備有限公司武漢創(chuàng)新中心，湖北 武漢 430000；2.國(guó)網(wǎng)湖北省電力有限公司檢修公司，湖北 武漢 430050）

0 引言

近年來(lái)，全球性極端自然災(zāi)害不斷發(fā)生，可能導(dǎo)致電力系統(tǒng)出現(xiàn)從局部到大面積的停電事故［1-7］，嚴(yán)重威脅電網(wǎng)的安全運(yùn)行。因此，國(guó)內(nèi)外學(xué)術(shù)及工程界提出采用差異化規(guī)劃方法［8-9］構(gòu)建核心骨干網(wǎng)架，以應(yīng)對(duì)嚴(yán)重自然災(zāi)害，保障重要負(fù)荷持續(xù)供電。電網(wǎng)核心骨干網(wǎng)架［10-11］構(gòu)建的關(guān)鍵在于對(duì)網(wǎng)架支路的重要性進(jìn)行評(píng)估、選擇與排序。文獻(xiàn)［12］提出了一種基于小世界拓?fù)淠Ｐ偷碾娋W(wǎng)脆弱性評(píng)估方法，該方法側(cè)重于從網(wǎng)絡(luò)拓?fù)浣：途W(wǎng)絡(luò)基本特征方面來(lái)尋找重要線路，但沒(méi)有從電網(wǎng)運(yùn)行特性及約束條件方面考慮線路重要性。文獻(xiàn)［13］提出了一種基于電網(wǎng)生存性評(píng)估的關(guān)鍵線路識(shí)別方法，該方法采用平均最短電氣距離反映線路的重要性，融入了電氣元件的參數(shù)特征，但是很難考慮了拓?fù)浣Y(jié)構(gòu)變化的概率。文獻(xiàn)［14］提出了一種電力系統(tǒng)脆弱性的風(fēng)險(xiǎn)評(píng)估方法，該方法兼顧了事故概率以及事故后對(duì)整個(gè)電力系統(tǒng)的嚴(yán)重后果，對(duì)支路的重要性評(píng)估具有一定的啟發(fā)意義。

在電力系統(tǒng)風(fēng)險(xiǎn)評(píng)估領(lǐng)域，多風(fēng)險(xiǎn)指標(biāo)的綜合方法一般采用加權(quán)形式，各種加權(quán)方法的區(qū)別主要在于各指標(biāo)權(quán)重的確定［15-22］。文獻(xiàn)［23］中利用層次分析法再結(jié)合專家調(diào)查法實(shí)現(xiàn)指標(biāo)權(quán)重的分配，該方法有很強(qiáng)的解釋性，但操作起來(lái)復(fù)雜。文獻(xiàn)［24］中暫態(tài)安全風(fēng)險(xiǎn)的綜合指標(biāo)采用了范數(shù)加權(quán)的綜合方法，該方法的權(quán)重系數(shù)受主觀因素影響較大。目前，對(duì)于支路安全分級(jí)問(wèn)題的研究還不夠深入，文獻(xiàn)［25］中將電壓安全分為5個(gè)等級(jí)，分級(jí)原則是根據(jù)風(fēng)險(xiǎn)計(jì)算指標(biāo)值來(lái)人為均勻設(shè)定每一級(jí)的風(fēng)險(xiǎn)分類區(qū)間。這種分級(jí)方法簡(jiǎn)單方便，但必須依托于綜合風(fēng)險(xiǎn)值的基礎(chǔ)之上，并且主觀性強(qiáng)。因此，需要尋找一種客觀的權(quán)重確定方法和新的分級(jí)方法，該分級(jí)方法能獨(dú)立于綜合風(fēng)險(xiǎn)值，并且能與綜合風(fēng)險(xiǎn)計(jì)算結(jié)果相一致。

本文提出了一種電力系統(tǒng)支路重要性排序和分級(jí)的新思路。設(shè)定事故集為單一支路退運(yùn)，得到過(guò)負(fù)荷風(fēng)險(xiǎn)、低電壓風(fēng)險(xiǎn)和失負(fù)荷風(fēng)險(xiǎn)，并構(gòu)成三維風(fēng)險(xiǎn)向量；采用迭代自組織數(shù)據(jù)分析算法（Iterative Selforganizing Data Analysis Techniques Algorithm，即ISODATA）將三維風(fēng)險(xiǎn)向量按照數(shù)據(jù)相似度聚類，實(shí)現(xiàn)每條支路風(fēng)險(xiǎn)等級(jí)初步自動(dòng)評(píng)定；使用主成分分析方法對(duì)三維風(fēng)險(xiǎn)指標(biāo)進(jìn)行分析，將其投影到主方向軸線上就可以獲取能夠清晰分辨不同重要性等級(jí)的一維數(shù)據(jù)，完成綜合風(fēng)險(xiǎn)指標(biāo)計(jì)算，對(duì)支路重要性進(jìn)行排序，并將分級(jí)與排序結(jié)果進(jìn)行對(duì)比，完善支路分級(jí)結(jié)果。本文從支路退運(yùn)風(fēng)險(xiǎn)角度出發(fā)，提出了支路重要性評(píng)估的新方法，為核心骨干網(wǎng)架的構(gòu)建奠定了理論基礎(chǔ)。

1 基于退運(yùn)風(fēng)險(xiǎn)自組織的支路重要性分級(jí)

1.1 支路退運(yùn)風(fēng)險(xiǎn)指標(biāo)

定義電力系統(tǒng)的支路退運(yùn)風(fēng)險(xiǎn)為支路退運(yùn)的概率與退運(yùn)后產(chǎn)生的后果的乘積，即：

式（1）中，P(Ei)是支路i退運(yùn)的概率，一般服從泊松分布；f(Y|Ei，L)是支路退運(yùn)后系統(tǒng)處于特定運(yùn)行狀態(tài)的概率分布；Sev(Y)描述了在狀態(tài)Y時(shí)事故的嚴(yán)重度。

支路退運(yùn)風(fēng)險(xiǎn)考慮了單一支路退運(yùn)的概率，以及該支路退運(yùn)后對(duì)整個(gè)系統(tǒng)中其他所有元件所造成的后果，以下3種指標(biāo)可以分別從不同的角度比較科學(xué)全面地評(píng)估該支路在整個(gè)系統(tǒng)中的重要性。

1）過(guò)負(fù)荷風(fēng)險(xiǎn)

過(guò)負(fù)荷風(fēng)險(xiǎn)是電力系統(tǒng)事故后，導(dǎo)致其他未故障支路的有功功率超過(guò)其額定值的可能性和嚴(yán)重程度的結(jié)合，即：

其中，過(guò)負(fù)荷嚴(yán)重度取決于事故后其他所有支路的潮流分布，嚴(yán)重度函數(shù)如式（3）所示，曲線如圖1所示。

圖1 過(guò)負(fù)荷嚴(yán)重度函數(shù)Fig.1 Severity function of overload risk

2）低電壓風(fēng)險(xiǎn)

低電壓風(fēng)險(xiǎn)是電力系統(tǒng)事故后導(dǎo)致系統(tǒng)中節(jié)點(diǎn)電壓低于額定值的可能性和嚴(yán)重性的結(jié)合，即：

式（4）中，低電壓嚴(yán)重度取決于事故后節(jié)點(diǎn)的電壓，嚴(yán)重度函數(shù)如式（5）所示，曲線如圖2所示。

圖2 低電壓嚴(yán)重度函數(shù)Fig.2 Severity function of low voltage risk

3）失負(fù)荷風(fēng)險(xiǎn)

失負(fù)荷風(fēng)險(xiǎn)是事故后系統(tǒng)負(fù)荷節(jié)點(diǎn)失去負(fù)荷的可能性和嚴(yán)重程度的結(jié)合，即：

式（6）中，m為負(fù)荷節(jié)點(diǎn)數(shù)，Pqi為事故Ei后第i個(gè)負(fù)荷節(jié)點(diǎn)失去的負(fù)荷。

其中，失負(fù)荷嚴(yán)重度取決于失去負(fù)荷的比例，其嚴(yán)重度函數(shù)如式（7）所示，曲線如圖3所示。

圖3失負(fù)荷嚴(yán)重度函數(shù)Fig.3 Severity function of lostload risk

1.2 基于ISODATA聚類的支路重要性分級(jí)

ISODATA聚類，即迭代自組織數(shù)據(jù)分析算法［26-28］，是一種非監(jiān)督動(dòng)態(tài)聚類算法的模式識(shí)別方法。ISODATA采用歐氏距離來(lái)分析數(shù)據(jù)本身的相似度，其核心思想是歐氏距離越小，相似度越大，將相似度高的數(shù)據(jù)自動(dòng)聚集在一起。其基本步驟如下：

1）設(shè)置參數(shù)：待分類樣本xi；預(yù)期的聚類中心數(shù)目K；初始的聚類中心數(shù)目Nc；每一聚類域中最少的樣本數(shù)目θN；聚類域中樣本距離分布的標(biāo)準(zhǔn)差θS；兩聚類中心之間的最小距離θC；判斷循環(huán)停止的迭代運(yùn)算的次數(shù)IP；兩聚類中心之間的距離Dij。

2）隨機(jī)選取Nc個(gè)樣本作為初始聚類的中心；

3）將樣本xi分配到最近的聚類Sj。規(guī)則為：若Dj=min(‖ ‖xi-Cj)，i=1，2，…，p，j=1，2，…，c，則將xi歸到聚類Sj。

4）計(jì)算各聚類的中心：

將新的中心值定為聚類的中心Ci=Zi。

5）分裂。若當(dāng)前聚類的數(shù)目少于預(yù)期的聚類數(shù)目K，則開(kāi)始進(jìn)行聚類分裂。

6）合并。當(dāng)兩個(gè)聚類的中心距離小于二者中心的最小距離θC時(shí)，兩個(gè)聚類合并為一個(gè)新的聚類。若全部聚類中心之間的距離Dˉij=‖ ‖Ci-Cj＜θC，就開(kāi)始合并。新聚類中心為：

7）如果迭代次數(shù)達(dá)到最大迭代次數(shù)IP，或過(guò)程收斂，則迭代過(guò)程結(jié)束，否則IP=IP+1，回到步驟3。

支路重要性分級(jí)的思想即設(shè)定事故集為單一支路退運(yùn)，分別計(jì)算出該退運(yùn)線路的過(guò)負(fù)荷風(fēng)險(xiǎn)、低電壓風(fēng)險(xiǎn)和失負(fù)荷風(fēng)險(xiǎn)，將每條支路的三個(gè)風(fēng)險(xiǎn)值表示成一個(gè)三維風(fēng)險(xiǎn)向量，采用ISODATA算法將三維風(fēng)險(xiǎn)向量按照數(shù)據(jù)相似度聚類，得到每一級(jí)的聚類中心和支路編號(hào)，實(shí)現(xiàn)每條支路重要性等級(jí)初步自動(dòng)分級(jí)。

2 基于PCA的支路重要性排序及分級(jí)調(diào)整

2.1 主成分分析PCA

主成分分析（PCA）方法［29-32］是一種廣泛應(yīng)用于模式識(shí)別領(lǐng)域?qū)ふ叶嗑S數(shù)據(jù)主要特性的統(tǒng)計(jì)分析方法，其主要目的是將高維數(shù)據(jù)投影到低維空間，從多維數(shù)據(jù)中解析出主要成分，揭示多維數(shù)據(jù)有效信息，簡(jiǎn)化分析復(fù)雜問(wèn)題。

PCA的主要思想是對(duì)原N維列向量使用線性變換，得到按照重要性由高到低排序的新的N列向量。在得到的新列向量中選取重要性最大的M（M＜N）維子向量，作為原列向量的主成分。

記x1，…，xp為原始列向量的p個(gè)分量，設(shè)變換后列項(xiàng)的分量ξi，i=1，2，…，p，是原列向量子分量的線性組合，設(shè)定線性組合系數(shù)的模為1，即

這p個(gè)αi構(gòu)成特征變換矩陣A。最優(yōu)的正交變換A的每個(gè)分量αi使對(duì)應(yīng)ξi的方差達(dá)到極值，數(shù)據(jù)將更加離散可分，相似性更低，也就代表了更多的信息。同時(shí)要求組成A的每個(gè)列向量?jī)蓛烧唬ＷC得到的新分量間兩兩不相關(guān)。此外，如果某維分量的方差越大，該分量就越重要，擁有更多的信息。

2.2 基于PCA的支路重要性排序及分級(jí)調(diào)整

以三維風(fēng)險(xiǎn)向量作為源數(shù)據(jù)，利用PCA方法對(duì)三維風(fēng)險(xiǎn)向量進(jìn)行降維，保留源數(shù)據(jù)中的主要信息，得到所有三維風(fēng)險(xiǎn)數(shù)據(jù)的最大主方向，然后將三維風(fēng)險(xiǎn)向量投影到主方向軸線上就可以獲取能夠清晰分辨不同類別（即ISODATA自動(dòng)分類結(jié)果）的一維數(shù)據(jù)，進(jìn)而參照PCA降維結(jié)果來(lái)進(jìn)行綜合風(fēng)險(xiǎn)指標(biāo)計(jì)算。第一主成分ξ1即為綜合風(fēng)險(xiǎn)，計(jì)算公式如式（11）所示。

根據(jù)式（11）得到所有支路的綜合風(fēng)險(xiǎn)，根據(jù)綜合風(fēng)險(xiǎn)值進(jìn)行支路重要性排序，綜合風(fēng)險(xiǎn)越大，該支路故障后對(duì)整個(gè)電力系統(tǒng)的影響越大，因此該支路越重要。

根據(jù)支路重要性排序結(jié)果，標(biāo)注空間分級(jí)投影的上下邊界支路，如果相鄰兩重要級(jí)別支路的投影不存在交叉，則可以設(shè)定這兩級(jí)的分級(jí)點(diǎn)為該兩級(jí)的邊界支路的風(fēng)險(xiǎn)平均值；如果存在允許范圍內(nèi)的交叉，則以重要等級(jí)高的邊界支路風(fēng)險(xiǎn)為準(zhǔn)，落在邊界支路遠(yuǎn)離原點(diǎn)方向的投影點(diǎn)均自動(dòng)設(shè)定為偏重要等級(jí)，按照新的兩級(jí)邊界支路的風(fēng)險(xiǎn)平均值作為這兩級(jí)的分級(jí)點(diǎn)。設(shè)定分級(jí)交叉百分比為交叉支路數(shù)Njc占所有支路數(shù)Nz的百分比，如式（12）所示。

當(dāng)分級(jí)交叉百分比滿足ψ＜10%時(shí)，可認(rèn)為，采用第一主成分能夠綜合體現(xiàn)p個(gè)指標(biāo)的三維空間分級(jí)信息，即分級(jí)交叉在允許范圍內(nèi)。

3 基于模式識(shí)別的支路重要性評(píng)估

采用ISODATA聚類算法和PCA方法，完成了支路重要性評(píng)估，流程見(jiàn)圖4。

圖4 基于模式識(shí)別的支路重要性評(píng)估流程圖Fig.4 Assessment flowchart of branch importance based on pattern recognition

基于模式識(shí)別的電力系統(tǒng)支路重要性評(píng)估的具體流程分為四步：

第一步，計(jì)算所有支路的三種風(fēng)險(xiǎn)指標(biāo)。設(shè)定故障為單一支路退運(yùn)，分別計(jì)算出該退運(yùn)支路的過(guò)負(fù)荷風(fēng)險(xiǎn)、低電壓風(fēng)險(xiǎn)和失負(fù)荷風(fēng)險(xiǎn)，將該支路的3個(gè)風(fēng)險(xiǎn)值表示成一個(gè)三維風(fēng)險(xiǎn)向量。同理，可以得到系統(tǒng)中其他所有支路的三維風(fēng)險(xiǎn)向量。

第二步，采用ISODATA算法對(duì)支路重要性進(jìn)行分級(jí)。采用迭代自組織數(shù)據(jù)分析算法將所有支路的三維風(fēng)險(xiǎn)向量按照數(shù)據(jù)相似度聚類，實(shí)現(xiàn)支路退運(yùn)風(fēng)險(xiǎn)等級(jí)初步自分級(jí)。以聚類中心與原點(diǎn)歐式距離的大小來(lái)判斷支路重要性等級(jí)。聚類中心距離原點(diǎn)越遠(yuǎn)，該級(jí)別所包含的三維風(fēng)險(xiǎn)點(diǎn)距離原點(diǎn)越遠(yuǎn)，因此這些風(fēng)險(xiǎn)點(diǎn)的風(fēng)險(xiǎn)就越大，其所屬重要性級(jí)別就越重要。

第三步，采用PCA方法對(duì)支路重要性進(jìn)行排序。采用主成分分析方法對(duì)三維風(fēng)險(xiǎn)向量進(jìn)行分析，得到能夠清晰分辨不同重要性級(jí)別的第一主成分，以此作為綜合風(fēng)險(xiǎn)指標(biāo)綜合風(fēng)險(xiǎn)指標(biāo)，從而完成支路重要性排序。

第四步，調(diào)整分級(jí)結(jié)果，得到分級(jí)點(diǎn)。將支路重要性分級(jí)與排序的結(jié)果進(jìn)行比較分析，得到交叉支路，根據(jù)交叉支路百分比來(lái)判斷ISODATA聚類的可行性和科學(xué)性。若滿足判據(jù)，則對(duì)分級(jí)結(jié)果進(jìn)行調(diào)整，找出新的分級(jí)邊界支路，確定每一級(jí)的分級(jí)點(diǎn)；若判據(jù)不滿足，則重新設(shè)定聚類參數(shù)進(jìn)行支路重要性分級(jí)。

4 算例分析

4.1 算例設(shè)置

以IEEE39節(jié)點(diǎn)系統(tǒng)為例，設(shè)定負(fù)荷分配因數(shù)的波動(dòng)為5%，并以此作為系統(tǒng)運(yùn)行參數(shù)的變化。設(shè)預(yù)想事故集為系統(tǒng)中的每一條支路依次斷開(kāi)，這些支路的年開(kāi)斷率λy均是0.3。

根據(jù)骨干網(wǎng)架搜索的需要，設(shè)定支路重要性級(jí)別為三個(gè)等級(jí)，一級(jí)最為重要，二級(jí)其次，三級(jí)重要性級(jí)別最低。ISODATA算法的初始聚類中心為系統(tǒng)中任意三條支路的三維風(fēng)險(xiǎn)點(diǎn)。

4.2 支路重要性分級(jí)

經(jīng)過(guò)仿真計(jì)算，得到過(guò)負(fù)荷嚴(yán)重度，低電壓嚴(yán)重度和切負(fù)荷嚴(yán)重度，對(duì)應(yīng)的風(fēng)險(xiǎn)值即為所算得的嚴(yán)重度與故障發(fā)生概率的乘積，三維風(fēng)險(xiǎn)向量如圖5所示。采用ISODATA算法，對(duì)46條支路的三維風(fēng)險(xiǎn)進(jìn)行重要性分級(jí)，分為一級(jí)、二級(jí)和三級(jí)，分別用*、+和·表示，每一類的聚類中心見(jiàn)表1和圖5所示。

從表1可以看出，一級(jí)支路聚類中心的三個(gè)風(fēng)險(xiǎn)值均大于二級(jí)支路的聚類中心風(fēng)險(xiǎn)值，同理，二級(jí)支路的大于三級(jí)支路的聚類中心風(fēng)險(xiǎn)值。因此，重要性級(jí)別越高，其聚類中心的三個(gè)風(fēng)險(xiǎn)值比低級(jí)別的聚類中心風(fēng)險(xiǎn)值越大，該級(jí)別的所有支路相對(duì)于低級(jí)別的支路就越重要。

表1 基于ISODATA算法的支路重要性分級(jí)結(jié)果Table 1 Classification result of branch importance based on ISODATA algorithm

4.3 支路重要性排序及分級(jí)調(diào)整

采用PCA方法分析支路退運(yùn)的三維風(fēng)險(xiǎn)向量，得到所有三維風(fēng)險(xiǎn)向量的第一主成分，將所有三維空間風(fēng)險(xiǎn)點(diǎn)向?qū)?yīng)于第一主成分的主方向軸作投影，如圖5所示，得到三維風(fēng)險(xiǎn)歸一化的權(quán)重系數(shù)向量為：

圖5 基于風(fēng)險(xiǎn)及模式識(shí)別的支路重要性分級(jí)圖Fig.5 Grade chart of branch importance based on risk and pattern recognition

根據(jù)αT1和所有支路的三維風(fēng)險(xiǎn)向量，再結(jié)合式（11），可以計(jì)算出所有支路風(fēng)險(xiǎn)降維后的綜合風(fēng)險(xiǎn)值。選取不同重要性級(jí)別的邊界支路風(fēng)險(xiǎn)值列于表2所示。

對(duì)綜合風(fēng)險(xiǎn)進(jìn)行降序排列，得到支路重要性排序圖，如圖6所示。

圖6 基于PCA方法的支路重要性排序及分級(jí)調(diào)整圖Fig.6 Rank and grade adjustment chart of branch importance based on PCA method

結(jié)合圖5和圖6可以看出，一級(jí)與二級(jí)的邊界支路風(fēng)險(xiǎn)落差大，兩級(jí)別不存在交叉支路，因此分級(jí)點(diǎn)為3.877×10-4。而二級(jí)與三級(jí)的邊界風(fēng)險(xiǎn)落差小一些，且存在交叉，分級(jí)交叉支路為L(zhǎng)30（在表1中加粗標(biāo)紅）。這是因?yàn)镮SODATA聚類將相似三維風(fēng)險(xiǎn)向量聚為一類，雖然L8和L30的綜合風(fēng)險(xiǎn)很接近，但由于二級(jí)的聚類中心和L8的三維風(fēng)險(xiǎn)點(diǎn)均偏向軸Y（低電壓風(fēng)險(xiǎn)）的正方向，根據(jù)聚類的相似性特點(diǎn)可知，L8為二級(jí)支路是合理的。由于Nz=1，ψ=2.2%＜10%，在允許范圍內(nèi)。以二級(jí)分界支路為準(zhǔn)，L8為二級(jí)支路的下分界，L11為三級(jí)支路的上分界，因此該兩級(jí)別的重要性分級(jí)點(diǎn)為1.178×10-4，分級(jí)點(diǎn)如表2所示。

表2 邊界支路風(fēng)險(xiǎn)及分級(jí)點(diǎn)Table 2 Risk of boundary branches and Classification point

表2選取了支路分級(jí)的上邊界和下邊界支路進(jìn)行羅列，各級(jí)別的綜合風(fēng)險(xiǎn)是依次降低的，各分指標(biāo)總體上是降順排列的，但也存在特例，例如三級(jí)支路11的過(guò)負(fù)荷風(fēng)險(xiǎn)1.125大于二級(jí)支路8的過(guò)負(fù)荷風(fēng)險(xiǎn)0.342。由于L8比L11的失負(fù)荷風(fēng)險(xiǎn)大很多，因此L8比L11的綜合風(fēng)險(xiǎn)大，L8更重要是合理的。

采用聚類算法進(jìn)行空間分類，以風(fēng)險(xiǎn)點(diǎn)距離最短為分類條件進(jìn)行的風(fēng)險(xiǎn)指標(biāo)值的分類，減少了人為因素的影響，更具有普適性，趨于智能分類結(jié)果。

5 結(jié)論

本文提出了電力系統(tǒng)支路重要性評(píng)估的新方法，采用ISODATA聚類算法，根據(jù)支路退運(yùn)風(fēng)險(xiǎn)指標(biāo)的相似性進(jìn)行三維風(fēng)險(xiǎn)向量的初步自組織分級(jí)；采用PCA方法對(duì)電力系統(tǒng)的三維風(fēng)險(xiǎn)向量進(jìn)行了降維分析，以所有風(fēng)險(xiǎn)向量第一主成分作為綜合風(fēng)險(xiǎn)值，對(duì)所有支路的綜合風(fēng)險(xiǎn)值進(jìn)行排序，實(shí)現(xiàn)了電力系統(tǒng)支路重要性分級(jí)和排序。

以IEEE39節(jié)點(diǎn)系統(tǒng)為例進(jìn)行仿真計(jì)算，仿真結(jié)果表明初步分級(jí)與重要性排序結(jié)果存在的交叉支路百分比ψ＜10%在允許范圍內(nèi)，驗(yàn)證了這種風(fēng)險(xiǎn)分級(jí)和綜合方法的有效性和可行性。該方法也適用于IEEE118節(jié)點(diǎn)系統(tǒng)，以及實(shí)際電網(wǎng)系統(tǒng)的支路重要性分級(jí)與排序。將ISODATA聚類算法與主成分分析方法相結(jié)合在電力系統(tǒng)支路重要性評(píng)估中的應(yīng)用，為綜合指標(biāo)的計(jì)算以及重要性支路的選取提供了一種有效且智能的方法，從而為構(gòu)建核心骨干網(wǎng)架提供了理論支撐。