基于CRITIC和改進(jìn)Grey-TOPSIS的電能質(zhì)量分級(jí)評(píng)估方法

趙洪山，李靜璇，米增強(qiáng)，蒲 靚，崔陽(yáng)陽(yáng)

基于CRITIC和改進(jìn)Grey-TOPSIS的電能質(zhì)量分級(jí)評(píng)估方法

趙洪山，李靜璇，米增強(qiáng)，蒲 靚，崔陽(yáng)陽(yáng)

(華北電力大學(xué)電氣與電子工程學(xué)院，河北 保定 071003)

為提高電能質(zhì)量分級(jí)評(píng)估的客觀性和準(zhǔn)確性，提出了一種基于CRITIC和改進(jìn)Grey-TOPSIS的電能質(zhì)量分級(jí)評(píng)估方法。首先，基于壓力-狀態(tài)-響應(yīng)模型中子系統(tǒng)間的邏輯關(guān)系，從壓力、狀態(tài)、響應(yīng)多維度選取評(píng)價(jià)指標(biāo)，建立科學(xué)的電能質(zhì)量綜合評(píng)估指標(biāo)體系。由于指標(biāo)間存在一定關(guān)聯(lián)關(guān)系，綜合指標(biāo)間的差異因素，從兩種信息角度采用CRITIC賦權(quán)法，保證指標(biāo)賦權(quán)的客觀性。然后，建立改進(jìn)Grey-TOPSIS評(píng)估模型，引入灰色關(guān)聯(lián)度改進(jìn)單一的歐氏距離。將圖形貼近度與空間位置融合，構(gòu)建新距離測(cè)度，彌補(bǔ)原有判據(jù)的缺陷。同時(shí)，將電能質(zhì)量等級(jí)矩陣加入評(píng)估矩陣中，通過計(jì)算實(shí)測(cè)和等級(jí)序列與正理想解間的貼近度，實(shí)現(xiàn)對(duì)電能質(zhì)量等級(jí)客觀的量化分級(jí)。最后，通過實(shí)際算例分析，驗(yàn)證了所提方法能夠充分利用數(shù)據(jù)信息，降低主觀因素影響，獲得更準(zhǔn)確、全面的電能質(zhì)量分級(jí)評(píng)估結(jié)果。

電能質(zhì)量分級(jí)評(píng)估；壓力-狀態(tài)-響應(yīng)模型；CRITIC賦權(quán)法；改進(jìn)Grey-TOPSIS評(píng)估方法

0 引言

近年來(lái)，隨著電力電子設(shè)備等非傳統(tǒng)主體單元逐漸呈現(xiàn)產(chǎn)業(yè)化發(fā)展趨勢(shì)，新能源發(fā)電逐漸大規(guī)模滲入電網(wǎng)，分布式電源和非線性負(fù)荷的運(yùn)行對(duì)電網(wǎng)的電能質(zhì)量產(chǎn)生一定的影響[1-2]。在負(fù)荷側(cè)，居民家庭電器及工業(yè)精密設(shè)備的使用，對(duì)電能質(zhì)量提出了更高的要求[3]。因此，通過建立合理的評(píng)估體系，對(duì)電能質(zhì)量進(jìn)行科學(xué)量化，準(zhǔn)確評(píng)估系統(tǒng)電能質(zhì)量的整體狀況，對(duì)保障用戶側(cè)用電品質(zhì)，指導(dǎo)電網(wǎng)電能質(zhì)量治理，推動(dòng)“依質(zhì)定價(jià)”在未來(lái)電力市場(chǎng)中的開展，具有重要的現(xiàn)實(shí)意義。

國(guó)內(nèi)外學(xué)者針對(duì)電能質(zhì)量綜合評(píng)估問題開展了相關(guān)研究。電能質(zhì)量評(píng)估指標(biāo)的綜合性會(huì)影響評(píng)估結(jié)果的科學(xué)性，現(xiàn)有評(píng)估體系多從電壓、頻率、波形角度來(lái)構(gòu)建評(píng)價(jià)指標(biāo)[4-5]。文獻(xiàn)[6]選取頻率偏差、電壓偏差、電壓波動(dòng)、三相電壓不平衡等7個(gè)指標(biāo)評(píng)估電能質(zhì)量整體狀況和變化趨勢(shì)。但僅從反映電能質(zhì)量狀態(tài)的因素構(gòu)建指標(biāo)，具有一定的局限性，需要考慮多維度影響因素，以提高評(píng)估指標(biāo)體系的科學(xué)性。

目前電能質(zhì)量評(píng)估方法主要有模糊評(píng)價(jià)法、投影尋蹤法、物元分析法等。采用模糊評(píng)估法[7-8]對(duì)電能質(zhì)量進(jìn)行評(píng)估時(shí)，評(píng)價(jià)者的主觀偏好會(huì)對(duì)隸屬度函數(shù)的選擇和指標(biāo)權(quán)重的確定產(chǎn)生影響，評(píng)估結(jié)果缺乏一定的客觀性。文獻(xiàn)[5]在評(píng)估中引入云推理模型來(lái)替代隸屬度函數(shù)，構(gòu)建多維多規(guī)則的云評(píng)價(jià)算法，降低隸屬度確定中的主觀性?；谏窠?jīng)網(wǎng)絡(luò)算法[9-10]構(gòu)建電能質(zhì)量評(píng)估模型，雖然能夠提高評(píng)估結(jié)果的客觀性，但模型訓(xùn)練需要大量的數(shù)據(jù)支持，評(píng)估過程較為復(fù)雜。投影尋蹤法[11-12]中將多指標(biāo)轉(zhuǎn)換為單一投影指標(biāo)問題，建立投影尋蹤電能質(zhì)量評(píng)估模型，但評(píng)估過程存在不確定性。因此，文獻(xiàn)[13]將物元法與證據(jù)理論融合，降低電能質(zhì)量評(píng)估過程中的不確定性。但在證據(jù)融合過程中可能導(dǎo)致部分有效信息丟失，影響評(píng)估的準(zhǔn)確性。TOPSIS法[14]充分利用指標(biāo)數(shù)據(jù)信息，基于相對(duì)貼近度概念對(duì)電能質(zhì)量?jī)?yōu)劣性進(jìn)行評(píng)價(jià)，但模型沒有對(duì)電能質(zhì)量等級(jí)進(jìn)行量化，無(wú)法劃分監(jiān)測(cè)點(diǎn)所屬的電能質(zhì)量等級(jí)，缺乏細(xì)致的電能質(zhì)量分級(jí)評(píng)估結(jié)果。由此可知，現(xiàn)有方法在指標(biāo)選取方面存在一定的局限性，難以對(duì)影響電能質(zhì)量的指標(biāo)因素進(jìn)行多維度分析，且評(píng)估方法難以對(duì)電能質(zhì)量等級(jí)實(shí)現(xiàn)客觀的量化分級(jí)，缺乏準(zhǔn)確、客觀的分級(jí)評(píng)估結(jié)果。

針對(duì)上述問題，本文依據(jù)壓力-狀態(tài)-響應(yīng)(Pressure-State-Response，PSR)模型中子系統(tǒng)間的邏輯關(guān)系，在選取反映電能質(zhì)量三要素的狀態(tài)指標(biāo)基礎(chǔ)上，考慮供電可靠性壓力因素和服務(wù)響應(yīng)因素，從多個(gè)維度構(gòu)建綜合的電能質(zhì)量評(píng)估指標(biāo)體系?？紤]指標(biāo)間存在一定的關(guān)聯(lián)性，利用CRITIC法確定指標(biāo)權(quán)重，保證賦權(quán)的客觀性。建立改進(jìn)Grey-TOPSIS評(píng)估模型，引入灰色關(guān)聯(lián)度與歐氏距離融合，改進(jìn)單一的距離判據(jù)，更精確地辨別方案的相對(duì)優(yōu)劣性，提高綜合評(píng)估結(jié)果的準(zhǔn)確性。從PSR維度評(píng)估分析，能夠?qū)ふ矣绊戨娔苜|(zhì)量的關(guān)鍵因素。同時(shí)在綜合評(píng)估矩陣中加入電能質(zhì)量等級(jí)矩陣，對(duì)電能質(zhì)量進(jìn)行客觀的分級(jí)量化，能夠獲得更準(zhǔn)確、細(xì)致的分級(jí)評(píng)估結(jié)果。

1 電能質(zhì)量評(píng)估指標(biāo)體系

20世紀(jì)80年代末期，國(guó)際組織提出針對(duì)環(huán)境治理的PSR框架體系[15-16]。PSR模型通過建立“原因-狀態(tài)-反應(yīng)”的思維邏輯，科學(xué)合理地對(duì)自然與人類活動(dòng)間的關(guān)聯(lián)和影響進(jìn)行分析?！盃顟B(tài)”代表所產(chǎn)生的現(xiàn)象，“壓力”代表造成該現(xiàn)象產(chǎn)生的因素，“響應(yīng)”代表社會(huì)或個(gè)人的反應(yīng)和采取的措施，體現(xiàn)一定的因果邏輯關(guān)系(見圖1)。結(jié)合電網(wǎng)背景，本文應(yīng)用PSR模型中的邏輯關(guān)系選取具有代表性的指標(biāo)，構(gòu)建電能質(zhì)量綜合評(píng)估指標(biāo)體系。

供電可靠性指標(biāo)涵蓋停電時(shí)長(zhǎng)、停電次數(shù)、供電可靠率等因素，能夠有效地反映對(duì)電能質(zhì)量產(chǎn)生影響的壓力因素，可視為“壓力”指標(biāo)。電壓、頻率和波形是衡量電能質(zhì)量重要的三要素，從該角度選取能夠?qū)嶋H反映電能質(zhì)量狀況的指標(biāo)作為“狀態(tài)”指標(biāo)，文中狀態(tài)子系統(tǒng)包含電壓偏差、三相不平衡度、頻率偏差等7個(gè)關(guān)鍵指標(biāo)。供電部門通過開展電能計(jì)量、故障搶修、電話服務(wù)等業(yè)務(wù)，積極優(yōu)化供電服務(wù)，推動(dòng)電能質(zhì)量的提升，體現(xiàn)了社會(huì)對(duì)提升電能質(zhì)量目標(biāo)的響應(yīng)，因此服務(wù)性指標(biāo)可視為“響應(yīng)”指標(biāo)。壓力、狀態(tài)、響應(yīng)三個(gè)子系統(tǒng)相互聯(lián)系、作用，共同構(gòu)成了基于PSR模型的電能質(zhì)量評(píng)估體系，因此電能質(zhì)量各評(píng)估指標(biāo)間不僅存在差異性，同時(shí)也具有一定的關(guān)聯(lián)性?；赑SR模型的電能質(zhì)量評(píng)估指標(biāo)體系如圖1所示。

圖1 電能質(zhì)量綜合評(píng)估指標(biāo)

根據(jù)國(guó)家相關(guān)標(biāo)準(zhǔn)將電能質(zhì)量劃分為五個(gè)等級(jí)[11]，I-V分別表示優(yōu)秀、良好、中等、合格、不合格，各電能質(zhì)量等級(jí)中的單指標(biāo)值如表1所示。

表1 電能質(zhì)量指標(biāo)分級(jí)情況

2 基于CRITIC和改進(jìn)Grey-TOPSIS的電能質(zhì)量分級(jí)評(píng)估模型

2.1 基于CRITIC確定指標(biāo)權(quán)重

在多指標(biāo)綜合評(píng)價(jià)方法中，指標(biāo)權(quán)重會(huì)影響評(píng)價(jià)結(jié)果。在主觀賦權(quán)法中，指標(biāo)權(quán)重受到評(píng)價(jià)者主觀偏好的影響，難以科學(xué)地衡量指標(biāo)的重要程度?？陀^賦權(quán)法基于數(shù)據(jù)信息量化指標(biāo)對(duì)評(píng)估結(jié)果的影響力。熵權(quán)法通過挖掘評(píng)價(jià)指標(biāo)間的差異性信息求取指標(biāo)權(quán)重[17]，是一種重要的客觀賦權(quán)法。雖然該方法降低了主觀因素對(duì)指標(biāo)賦權(quán)的影響，但僅考慮指標(biāo)的差異性，忽略了指標(biāo)間的關(guān)聯(lián)關(guān)系，因此提出CRITIC賦權(quán)法，更充分挖掘指標(biāo)數(shù)據(jù)蘊(yùn)含的信息，提高賦權(quán)的合理性、客觀性。

CRITIC賦權(quán)法從對(duì)比強(qiáng)度和沖突性兩種信息角度分析指標(biāo)信息量[18]。對(duì)比強(qiáng)度基于均方差思想反映評(píng)價(jià)指標(biāo)間的差異性。沖突性基于相關(guān)系數(shù)反映指標(biāo)間的關(guān)聯(lián)性。該賦權(quán)法綜合考慮指標(biāo)間的關(guān)聯(lián)性和差異性，彌補(bǔ)熵權(quán)法中的缺陷，賦權(quán)過程更為客觀、科學(xué)。CRITIC賦權(quán)法的步驟如下。

1) 效益型指標(biāo)和成本型指標(biāo)

效益型指標(biāo)

成本型指標(biāo)

式中：x為電能質(zhì)量指標(biāo)的原始數(shù)值；x(1)為正向化后的指標(biāo)值。

2) 指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化處理

對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，避免因量綱不同而影響評(píng)估的準(zhǔn)確性，如式(3)所示。

3) 求取指標(biāo)的相關(guān)系數(shù)

相關(guān)系數(shù)可以反映線性相關(guān)程度，基于離差乘積來(lái)衡量?jī)蓚€(gè)變量之間的關(guān)聯(lián)程度，如式(4)所示。

4) 綜合衡量指標(biāo)的信息量

5) 計(jì)算指標(biāo)權(quán)重

依據(jù)公式(5)中指標(biāo)所蘊(yùn)含的信息量來(lái)確定指標(biāo)權(quán)重值，定義指標(biāo)權(quán)重為

式中，w表示指標(biāo)的權(quán)重值。

2.2 改進(jìn)Grey-TOPSIS評(píng)估方法

傳統(tǒng)TOPSIS法作為一種多目標(biāo)決策評(píng)價(jià)方法，通過比較各評(píng)估對(duì)象與虛擬最優(yōu)和最劣解間的歐氏距離來(lái)衡量各個(gè)評(píng)估方案的優(yōu)劣性，該方法利用相對(duì)貼近度概念對(duì)評(píng)估結(jié)果進(jìn)行量化，可以綜合分析整體情況[19-20]。但傳統(tǒng)TOPSIS評(píng)價(jià)方法存在一定的缺陷：一是僅利用歐氏距離作為距離測(cè)度，可能存在評(píng)價(jià)方案與正理想解和負(fù)理想解的距離測(cè)度均相接近的情況，造成根據(jù)相對(duì)貼近度無(wú)法準(zhǔn)確判斷評(píng)價(jià)方案的相對(duì)優(yōu)劣性，影響評(píng)價(jià)結(jié)果的可靠性；二是在傳統(tǒng)TOPSIS評(píng)價(jià)中，利用相對(duì)貼近度的大小僅能對(duì)評(píng)估方案進(jìn)行內(nèi)部排序，判斷方案間的相對(duì)優(yōu)劣性，但無(wú)法實(shí)現(xiàn)評(píng)估對(duì)象的分級(jí)評(píng)估，即無(wú)法衡量評(píng)估對(duì)象的電能質(zhì)量等級(jí)。

針對(duì)上述傳統(tǒng)TOPSIS存在的缺陷，提出改進(jìn)Grey-TOPSIS法實(shí)現(xiàn)電能質(zhì)量分級(jí)評(píng)估?；疑P(guān)聯(lián)分析利用指標(biāo)間的關(guān)聯(lián)度來(lái)反映數(shù)據(jù)序列的內(nèi)在變化趨勢(shì)[21]，可以彌補(bǔ)傳統(tǒng)歐氏幾何距離無(wú)法準(zhǔn)確反映相對(duì)位置關(guān)系的缺陷。因此在傳統(tǒng)TOPSIS法中，引入灰色關(guān)聯(lián)分析，將歐氏幾何距離與灰色關(guān)聯(lián)度進(jìn)行融合，作為改進(jìn)后的距離測(cè)度，可以有效辨別評(píng)估對(duì)象間的相對(duì)位置關(guān)系，提高評(píng)估的準(zhǔn)確性。此外在模型中加入子系統(tǒng)分析環(huán)節(jié)，從PSR維度分析影響電能質(zhì)量的指標(biāo)因素。具體步驟如下。

1) 構(gòu)建原始評(píng)估矩陣

選取個(gè)評(píng)價(jià)指標(biāo)，個(gè)評(píng)估對(duì)象，依據(jù)監(jiān)測(cè)得到的指標(biāo)數(shù)據(jù)，構(gòu)造原始評(píng)估矩陣。

式中，x為評(píng)估對(duì)象中指標(biāo)的原始值。

2) 構(gòu)建標(biāo)準(zhǔn)化加權(quán)評(píng)估矩陣

TOPSIS評(píng)價(jià)法中定義正負(fù)理想解為標(biāo)準(zhǔn)評(píng)估矩陣中各指標(biāo)對(duì)應(yīng)最大、最小值的集合：

4) 計(jì)算歐氏距離和灰色關(guān)聯(lián)度

根據(jù)式(10)計(jì)算歐氏幾何距離。

根據(jù)式(11)和式(12)計(jì)算灰色關(guān)聯(lián)度。

(12)

5) 構(gòu)建改進(jìn)灰色-歐氏距離測(cè)度

6) 計(jì)算相對(duì)貼近度

利用公式(13)中的新距離測(cè)度，計(jì)算相對(duì)貼近度。如果D值越大，則該評(píng)估方案越貼近正理想解，該監(jiān)測(cè)點(diǎn)的電能質(zhì)量更優(yōu)。

7) 電能質(zhì)量子系統(tǒng)因素分析

基于步驟5)和6)計(jì)算PSR子系統(tǒng)電能質(zhì)量指標(biāo)所對(duì)應(yīng)的新距離測(cè)度，以PSR三個(gè)子系統(tǒng)的相對(duì)貼近度值作為子系統(tǒng)評(píng)分。

2.3 電能質(zhì)量分級(jí)評(píng)估模型

為實(shí)現(xiàn)對(duì)電能質(zhì)量分級(jí)量化，構(gòu)建電能質(zhì)量分級(jí)評(píng)估模型，具體流程(圖2)如下：

1) 根據(jù)PSR框架，基于壓力、狀態(tài)、響應(yīng)三個(gè)維度間的聯(lián)系和邏輯關(guān)系，選取涵蓋可靠性、服務(wù)性和電能狀態(tài)的電能質(zhì)量綜合評(píng)價(jià)指標(biāo)，使指標(biāo)體系具有科學(xué)性和綜合性，并對(duì)指標(biāo)進(jìn)行量化。

2) 考慮指標(biāo)間存在關(guān)聯(lián)性和差異性的特點(diǎn)，基于CRITIC賦權(quán)法計(jì)算指標(biāo)權(quán)重，充分利用指標(biāo)的數(shù)據(jù)信息，提高賦權(quán)過程的客觀性。

3) 利用改進(jìn)Grey-TOPSIS評(píng)價(jià)法進(jìn)行分級(jí)評(píng)估。在評(píng)估矩陣中加入電能質(zhì)量等級(jí)矩陣和基于標(biāo)準(zhǔn)的指標(biāo)最優(yōu)最劣值矩陣，能夠解決傳統(tǒng)TOPSIS評(píng)估無(wú)法判斷評(píng)估對(duì)象所屬電能質(zhì)量等級(jí)的問題，實(shí)現(xiàn)等級(jí)量化。引入灰色關(guān)聯(lián)度與歐式幾何距離融合來(lái)改進(jìn)距離測(cè)度，能夠可靠地反映各評(píng)估對(duì)象與正、負(fù)理想解間的位置關(guān)系，更準(zhǔn)確地判斷方案與最優(yōu)解的貼近度。

4) 根據(jù)相對(duì)貼近度，評(píng)價(jià)各評(píng)估對(duì)象電能質(zhì)量的相對(duì)優(yōu)劣性。從壓力、狀態(tài)、響應(yīng)維度評(píng)估指標(biāo)性能，分析影響電能質(zhì)量的關(guān)鍵指標(biāo)因素。根據(jù)電能質(zhì)量等級(jí)量化結(jié)果，實(shí)現(xiàn)分級(jí)評(píng)估目標(biāo)。

圖2 電能質(zhì)量分級(jí)評(píng)估流程

3 算例分析

3.1 電能質(zhì)量綜合評(píng)估分析

選取某觀測(cè)區(qū)域內(nèi)5個(gè)不同的觀測(cè)點(diǎn)，電壓等級(jí)為380 V，利用監(jiān)測(cè)設(shè)備采集的運(yùn)行數(shù)據(jù)對(duì)PSR指標(biāo)體系中的評(píng)估指標(biāo)進(jìn)行觀測(cè)和記錄。對(duì)某月內(nèi)的大量監(jiān)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和計(jì)算，取其95%概率大值作為該指標(biāo)的數(shù)據(jù)值，最終獲得各監(jiān)測(cè)點(diǎn)的指標(biāo)數(shù)據(jù)如表2所示。

依據(jù)相關(guān)標(biāo)準(zhǔn)和專家經(jīng)驗(yàn)量化各指標(biāo)的極限值，確定實(shí)際運(yùn)行狀況下最優(yōu)、最劣值，如表3所示，并將最優(yōu)最劣矩陣加入綜合評(píng)估矩陣中。

表2 監(jiān)測(cè)點(diǎn)指標(biāo)數(shù)據(jù)

表3 指標(biāo)最優(yōu)最劣值

指標(biāo)最優(yōu)極限值確定根據(jù)指標(biāo)類型劃分。對(duì)于效益型指標(biāo)，其最優(yōu)值為指標(biāo)的最大極限值，如服務(wù)性指標(biāo)最優(yōu)值為1；對(duì)于成本型指標(biāo)，其最優(yōu)值為指標(biāo)的最小極限值，如電壓波動(dòng)、電壓偏差等指標(biāo)最優(yōu)值為0。當(dāng)電網(wǎng)標(biāo)稱電壓為380 V時(shí)，電壓波動(dòng)與電壓閃變不超過3%，電壓偏差不超過7%，電壓諧波不超過5%，短時(shí)電壓不平衡度不超過4%，頻率偏差極限值不超過0.5 Hz，由此確定各指標(biāo)的最劣值。

為實(shí)現(xiàn)電能質(zhì)量客觀的分級(jí)量化，改進(jìn)傳統(tǒng)評(píng)估矩陣，利用實(shí)際監(jiān)測(cè)數(shù)據(jù)、最優(yōu)最劣極限值和等級(jí)數(shù)據(jù)構(gòu)建電能質(zhì)量綜合評(píng)估矩陣，并依據(jù)式(1)—式(3)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，構(gòu)建標(biāo)準(zhǔn)綜合評(píng)估矩陣，如表4所示。

基于CRITIC賦權(quán)法計(jì)算電能質(zhì)量綜合評(píng)價(jià)體系中各指標(biāo)權(quán)重，權(quán)重向量為：

= [0.0175, 0.1614, 0.2089, 0.1953, 0.0245, 0.2195, 0.0477, 0.0763, 0.0487]。

根據(jù)指標(biāo)權(quán)重計(jì)算加權(quán)標(biāo)準(zhǔn)綜合評(píng)估矩陣，利用改進(jìn)Grey-TOPSIS法進(jìn)行綜合評(píng)估，結(jié)果如表5所示。

表4 標(biāo)準(zhǔn)化綜合評(píng)估數(shù)據(jù)

表5 改進(jìn)Grey-TOPSIS計(jì)算結(jié)果

根據(jù)相對(duì)貼近度值排序，相對(duì)貼近度值越大，則反映該點(diǎn)電能質(zhì)量狀況更接近最優(yōu)理想解，電能質(zhì)量相對(duì)較好。5個(gè)監(jiān)測(cè)點(diǎn)的電能質(zhì)量相對(duì)優(yōu)劣性排序?yàn)椋罕O(jiān)測(cè)點(diǎn)1＞監(jiān)測(cè)點(diǎn)3＞監(jiān)測(cè)點(diǎn)4＞監(jiān)測(cè)點(diǎn)5＞監(jiān)測(cè)點(diǎn)2。監(jiān)測(cè)點(diǎn)1的電能質(zhì)量相對(duì)較好，監(jiān)測(cè)點(diǎn)2的電能質(zhì)量評(píng)估結(jié)果較差，應(yīng)對(duì)綜合評(píng)估結(jié)果較差監(jiān)測(cè)點(diǎn)的電能質(zhì)量狀況重點(diǎn)進(jìn)行監(jiān)測(cè)、治理。

根據(jù)表5中電能質(zhì)量等級(jí)界限對(duì)應(yīng)相對(duì)貼近度值，客觀量化電能質(zhì)量等級(jí)，實(shí)現(xiàn)各監(jiān)測(cè)點(diǎn)電能質(zhì)量的分級(jí)評(píng)估并作為治理依據(jù)，結(jié)果如表6所示。各監(jiān)測(cè)點(diǎn)電能質(zhì)量等級(jí)劃分結(jié)果：監(jiān)測(cè)點(diǎn)1電能質(zhì)量為良好，監(jiān)測(cè)點(diǎn)3對(duì)應(yīng)的電能質(zhì)量等級(jí)為中等，監(jiān)測(cè)點(diǎn)2、4、5對(duì)應(yīng)的電能質(zhì)量等級(jí)為合格。

表6 電能質(zhì)量等級(jí)劃分

3.2 電能質(zhì)量子系統(tǒng)因素分析

通過對(duì)電能質(zhì)量綜合評(píng)估體系中壓力、狀態(tài)和響應(yīng)三個(gè)子系統(tǒng)進(jìn)行評(píng)估，分析影響監(jiān)測(cè)點(diǎn)電能質(zhì)量綜合評(píng)估結(jié)果的重要指標(biāo)因素，如圖3所示。監(jiān)測(cè)點(diǎn)1的壓力和狀態(tài)系統(tǒng)評(píng)分在5個(gè)監(jiān)測(cè)點(diǎn)中達(dá)到最高，三個(gè)維度的指標(biāo)表現(xiàn)均較好，因此最終的綜合評(píng)估結(jié)果最優(yōu)。與其他觀測(cè)點(diǎn)相比，監(jiān)測(cè)點(diǎn)3的響應(yīng)維度評(píng)分值最高，服務(wù)性能指標(biāo)更優(yōu)，而響應(yīng)指標(biāo)可以對(duì)壓力、狀態(tài)因素產(chǎn)生正向的反饋，最終其排名較高。因此應(yīng)注重提升服務(wù)能力，進(jìn)而推動(dòng)電能質(zhì)量的提升。監(jiān)測(cè)點(diǎn)2在PSR子系統(tǒng)表現(xiàn)均較差，其壓力維度的表現(xiàn)與其他監(jiān)測(cè)點(diǎn)存在較大差距，最終電能質(zhì)量排名最低，應(yīng)重點(diǎn)優(yōu)化供電可靠性指標(biāo)因素，提高供電可靠性。

圖3 電能質(zhì)量子系統(tǒng)評(píng)估

3.3 電能質(zhì)量分級(jí)評(píng)估模型適應(yīng)性分析

為驗(yàn)證基于CRITIC和改進(jìn)Grey-TOPSIS電能分級(jí)評(píng)估模型的有效性，采用不同的評(píng)估方法對(duì)各監(jiān)測(cè)點(diǎn)電能質(zhì)量等級(jí)進(jìn)行評(píng)估分析，評(píng)估結(jié)果如表7所示。

表7 評(píng)估方法對(duì)比

由表7可知，文中提出的基于CRITIC和改進(jìn)Grey-TOPSIS的電能質(zhì)量分級(jí)評(píng)估結(jié)果與其他評(píng)估方法的評(píng)估結(jié)果基本一致，驗(yàn)證了該模型的適應(yīng)性。

在TOPSIS評(píng)估法中，為確定電能質(zhì)量等級(jí)，將電能等級(jí)序列也加入綜合評(píng)估矩陣中，但監(jiān)測(cè)點(diǎn)4的電能質(zhì)量等級(jí)結(jié)果存在誤差。因?yàn)樵摲椒▋H利用單一歐氏距離作為距離測(cè)度，無(wú)法準(zhǔn)確判斷待評(píng)估對(duì)象與正負(fù)理想解間的位置關(guān)系，可能導(dǎo)致電能質(zhì)量等級(jí)判斷錯(cuò)誤。文中評(píng)估方法引入灰色關(guān)聯(lián)度與歐氏距離結(jié)合形成新的擬合判據(jù)，能夠更可靠地反映方案的相對(duì)位置關(guān)系，評(píng)估結(jié)果更加準(zhǔn)確。在動(dòng)態(tài)時(shí)間彎曲空間距離度量[22]評(píng)估方法中，采用AHP和熵權(quán)法確定指標(biāo)權(quán)重，包含評(píng)價(jià)者主觀偏好?？赏卦评碚撛u(píng)估方法[23]運(yùn)用模糊評(píng)價(jià)方法，隸屬度函數(shù)的選擇受主觀因素影響。因此，上述兩種方法的評(píng)價(jià)結(jié)果在一定程度上受主觀因素影響，而本文評(píng)估模型充分利用指標(biāo)的數(shù)據(jù)信息，采用CRITIC賦權(quán)和改進(jìn)Grey-TOPSIS電能質(zhì)量等級(jí)評(píng)估，評(píng)價(jià)過程基于客觀數(shù)據(jù)信息，避免主觀偏好對(duì)評(píng)估的影響，結(jié)果更具科學(xué)性、客觀性。同時(shí)相較于其他方法，文中模型中引入PSR子系統(tǒng)分析環(huán)節(jié)，能夠感知影響監(jiān)測(cè)點(diǎn)電能質(zhì)量的重要指標(biāo)因素，為優(yōu)化電能質(zhì)量提供依據(jù)。

4 結(jié)論

文中利用CRITIC和改進(jìn)Grey-TOPSIS對(duì)電能質(zhì)量進(jìn)行分級(jí)評(píng)估?；赑SR模型中三個(gè)子系統(tǒng)間的邏輯關(guān)系，從壓力、狀態(tài)、響應(yīng)多維度選取電能質(zhì)量綜合評(píng)估指標(biāo)，構(gòu)建科學(xué)全面的指標(biāo)體系?？紤]指標(biāo)間不僅存在差異性，還具有一定的關(guān)聯(lián)性，充分利用數(shù)據(jù)信息，基于CRITIC法計(jì)算指標(biāo)權(quán)重，提高指標(biāo)賦權(quán)的客觀性。然后結(jié)合灰色關(guān)聯(lián)度改進(jìn)TOPSIS法，建立改進(jìn)Grey-TOPSIS評(píng)估模型，克服TOPSIS法中單一歐氏距離測(cè)度對(duì)位置判斷模糊的缺陷。同時(shí)在模型中加入電能質(zhì)量等級(jí)矩陣構(gòu)建綜合評(píng)估矩陣，實(shí)現(xiàn)對(duì)電能質(zhì)量等級(jí)的客觀量化評(píng)估。改進(jìn)后的模型能夠評(píng)估各監(jiān)測(cè)點(diǎn)電能質(zhì)量的相對(duì)優(yōu)劣性和具體等級(jí)，評(píng)估結(jié)果更為全面細(xì)致。實(shí)例表明，基于CRITIC和改進(jìn)Grey-TOPSIS的電能質(zhì)量分級(jí)評(píng)估模型具有適應(yīng)性。通過對(duì)比分析可知，該模型能充分利用指標(biāo)數(shù)據(jù)中蘊(yùn)含的信息，指標(biāo)權(quán)重和評(píng)估結(jié)果的客觀性更強(qiáng)。改進(jìn)后的距離擬合判據(jù)對(duì)位置判斷更準(zhǔn)確，提高了分級(jí)評(píng)估的可靠性。此外模型中的PSR子系統(tǒng)分析環(huán)節(jié)能夠分析影響評(píng)估結(jié)果的指標(biāo)因素，為提升電能質(zhì)量水平提供參考方向。

[1] 劉穎英, 馮丹丹, 林才華, 等. 電能質(zhì)量綜合評(píng)估研究現(xiàn)狀及發(fā)展趨勢(shì)[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(4): 167-176.

LIU Yingying, FENG Dandan, LIN Caihua, et al. Current status and development trend of power quality comprehensive assessment[J]. Power System Protection and Control, 2020, 48(4): 167-176.

[2] 付學(xué)謙, 孫宏斌, 郭慶來(lái), 等. 能源互聯(lián)網(wǎng)供能質(zhì)量綜合評(píng)估[J]. 電力自動(dòng)化設(shè)備, 2016, 36(10): 1-7.

FU Xueqian, SUN Hongbin, GUO Qinglai, et al. Comprehensive evaluation of energy quality for energy internet[J]. Electric Power Automation Equipment, 2016, 36(10): 1-7.

[3] ?KIRANMAI S A, LAXMI A J. Data mining for classification of power quality problems using WEKA and the effect of attributes on classification accuracy[J]. Protection and Control of Modern Power Systems, 2018, 3(1): 303-314.

[4] 張逸, 李渴, 邵振國(guó), 等. 基于標(biāo)準(zhǔn)文件的電能質(zhì)量領(lǐng)域本體構(gòu)建方法[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(17): 102-110.

ZHANG Yi, LI Ke, SHAO Zhenguo, et al. Standard files based ontology construction method in power quality domain[J]. Automation of Electric Power Systems, 2020, 44(17): 102-110.

[5] 陰艷超, 吳仁杰, 常斌磊. 復(fù)雜電網(wǎng)電能質(zhì)量知識(shí)云評(píng)價(jià)服務(wù)模型與方法[J]. 電力自動(dòng)化設(shè)備, 2018, 38(5): 241-247.

YIN Yanchao, WU Renjie, CHANG Binlei. Knowledge cloud evaluation service model and method for power quality of complex power grid[J]. Electric Power Automation Equipment, 2018, 38(5): 241-247.

[6] WANG T, LI Y, LIN C, et al. Fuzzy comprehensive evaluation of power quality based on confrontational cross DEA model[C] // 2019 IEEE Sustainable Power and Energy Conference (iSPEC), November 21-23, 2019, Beijing, China: 2595-2599.

[7] 康世崴, 彭建春, 何禹清. 模糊層次分析與多目標(biāo)決策相結(jié)合的電能質(zhì)量綜合評(píng)估[J]. 電網(wǎng)技術(shù), 2009, 33(19): 113-118.

KANG Shiwei, PENG Jianchun, HE Yuqing. Comprehensive evaluation of power quality based on the integration of fuzzy analytic hierarchy process with multi-objective decision-making[J]. Power System Technology, 2009, 33(19): 113-118.

[8] 楊家豪, 歐陽(yáng)森, 石怡理, 等. 一種組合隸屬度函數(shù)及其在電能質(zhì)量模糊評(píng)價(jià)中的應(yīng)用[J]. 電工電能新技術(shù), 2014, 33(2): 63-69.

YANG Jiahao, OUYANG Sen, SHI Yili, et al. Combined membership function and its application on fuzzy evaluation of power quality[J]. Advanced Technology of Electrical Engineering and Energy, 2014, 33(2): 63-69.

[9] SALARVAND A, MIRZAEIAN B, MOALLEM M. Obtaining a quantitative index for power quality evaluation in competitive electricity market[J]. IET Generation Transmission & Distribution, 2010, 4(7): 810-823.

[10] 歐陽(yáng)森, 石怡理. 改進(jìn)熵權(quán)法及其在電能質(zhì)量評(píng)估中的應(yīng)用[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(21): 156-159, 164.

OUYANG Sen, SHI Yili. A new improved entropy method and its application in power quality evaluation[J]. Automation of Electric Power Systems, 2013, 37(21): 156-159, 164.

[11] 周林, 栗秋華, 張鳳. 遺傳投影尋蹤插值模型在電能質(zhì)量綜合評(píng)估中的應(yīng)用[J]. 電網(wǎng)技術(shù), 2007, 31(7): 32-35.

ZHOU Lin, LI Qiuhua, ZHANG Feng. Application of genetic projection pursuit interpolation model on power quality synthetic evaluation[J]. Power System Technology, 2007, 31(7): 32-35.

[12] 李華, 賀鵬舉, 景麗婷, 等. 基于RAGA-PPM的電能質(zhì)量綜合評(píng)估方法[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(增刊2): 349-353.

LI Hua, HE Pengju, JING Liting, et al. The method of power quality comprehensive evaluation based on RAGA-PPM[J]. Transactions of China Electrotechnical Society, 2013, 28(S2): 349-353.

[13] 李玲玲, 劉敬杰, 凌躍勝, 等. 物元理論和證據(jù)理論相結(jié)合的電能質(zhì)量綜合評(píng)估[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(12): 383-391.

LI Lingling, LIU Jingjie, LING Yuesheng, et al. Power quality comprehensive evaluation based on matter-element theory and evidence theory[J]. Transactions of China Electrotechnical Society, 2015, 30(12): 383-391.

[14] 李杰. 基于合作博弈和改進(jìn)TOPSIS的電能質(zhì)量評(píng)估方法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(20): 109-115.

LI Jie. Research on evaluation method of power quality based on cooperative game theory and improved TOPSIS[J]. Power System Protection and Control, 2018, 46(20): 109-115.

[15] ZHANG D, SHEN J, LIU P, et al. Allocation of flood drainage rights based on the PSR model and Pythagoras Fuzzy TOPSIS method[J]. International Journal of Environmental Research and Public Health, 2020, 17(16): 1-19.

[16] 宋琪, 文福拴, 王維洲, 等. 智能電網(wǎng)社會(huì)效益測(cè)評(píng)的壓力—狀態(tài)—響應(yīng)模型[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(2): 23-32.

SONG Qi, WEN Fushuan, WANG Weizhou, et al. Evaluating social welfare of smart grid development in Pressure-State-Response framework[J]. Automation of Electric Power Systems, 2014, 38(2): 23-32.

[17] FAN L, ZHANG Y. Application of combination weighing and outranking relation method in evaluation of power quality[J]. Journal of Information and Computational Science, 2013, 10(1): 1-7.

[18] 湯旻安, 張凱越, 許希元. 基于啟發(fā)式規(guī)則與AHP-CRITIC算法的配電網(wǎng)故障恢復(fù)策略[J]. 電力系統(tǒng)保護(hù)與控制, 2020 ,48(14): 1-9.

TANG Min’an, ZHANG Kaiyue, XU Xiyuan. Service restoration strategy of a distribution network based on heuristic rules and the AHP-CRITIC algorithm[J]. Power System Protection and Control, 2020, 48(14): 1-9.

[19] 陳琪華, 何育恒, 曾永忠, 等. TOPSIS法在垃圾焚燒發(fā)電鍋爐蒸汽空氣預(yù)熱器綜合評(píng)價(jià)中的應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(4): 1274-1281, 1418.

CHEN Qihua, HE Yuheng, ZENG Yongzhong, et al. Application of TOPSIS method in the comprehensive evaluation of steam-air preheater on waste incineration boiler[J]. Proceedings of the CSEE, 2020, 40(4): 1274-1281, 1418.

[20] MALGORZATA J K, KATARZYNA A, RYSZARD W, et al. Application of MICMAC, fuzzy AHP, and fuzzy TOPSIS for evaluation of the maintenance factors affecting sustainable manufacturing[J]. Energies, 2021, 14(5): 1436-1446.

[21] 姚忠勝, 錢虹, 吳文軍, 等. 基于多因素綜合評(píng)價(jià)和改進(jìn)灰色關(guān)聯(lián)的供電可靠性研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(11): 28-34.

YAO Zhongsheng, QIAN Hong, WU Wenjun, et al. Research on power supply reliability based on multi- factor comprehensive evaluation and improved gray relation[J]. Power System Protection and Control, 2021, 49(11): 28-34.

[22] 林德清, 顧偉, 王元?jiǎng)P, 等. 基于動(dòng)態(tài)時(shí)間彎曲空間距離度量的電能質(zhì)量綜合評(píng)估[J]. 電網(wǎng)技術(shù), 2013, 37(2): 562-567.

LIN Deqing, GU Wei, WANG Yuankai, et al. Synthetic evaluation of power quality based on dynamic time warping spatial distance measurement[J]. Power System Technology, 2013, 37(2): 562-567.

[23] 李如琦, 蘇浩益. 基于可拓云理論的電能質(zhì)量綜合評(píng)估模型[J]. 電力系統(tǒng)自動(dòng)化, 2012, 36(1): 66-70.

LI Ruqi, SU Haoyi. A synthetic power quality evaluation model based on extension cloud theory[J]. Automation of Electric Power Systems, 2012, 36(1): 66-70.

Grading evaluation of power quality based on CRITIC and improved Grey-TOPSIS

ZHAO Hongshan, LI Jingxuan, MI Zengqiang, PU Liang, CUI Yangyang

(School of Electrical & Electronic Engineering, North China Electric Power University, Baoding 071003, China)

To improve the objectivity and accuracy of power quality evaluation, a grading evaluation model of power quality based on criteria importance through intercriteria correlation (CRITIC) and an improved grey-technique for order preference by similarity to an ideal solution (Grey-TOPSIS) method is proposed. First, the evaluation indices are selected based on the interaction between subsystems in a pressure-state-response (PSR) model, and a comprehensive evaluation index system is established. Because there is a certain correlation between indices, and considering the differences between indices, the CRITIC method is used to ensure the objectivity of index weighting based on two aspects of information. Then, an improved Grey-TOPSIS evaluation model is established, and the Euclidean distance is improved by introducing grey correlation degree. The new distance measure is constructed by fusing the progress of graph pasting with spatial position to make up for the defect of the original criterion. Moreover, the power quality grade is added to the evaluation matrix, and the grading evaluation of power quality is realized by judging the distance between the grade sequence and the positive ideal solution. The case study indicates that the improved model makes full use ofdata information, reduces the impact of subjective factors, and can obtain more accurate and comprehensive power quality evaluation results.

This work is supported by the National Key Research and Development Program of China (No. 2018YFE0122200).

grading evaluation of power quality; pressure-state-response model; CRITIC method;improved Grey-TOPSIS method

10.19783/j.cnki.pspc.210386

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目資助(2018YFE0122200)

2021-04-11；

2021-06-29

趙洪山(1965—)，男，博士，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制、電力設(shè)備故障預(yù)測(cè)與優(yōu)化運(yùn)維等研究；E-mail: zhaohshcn@ncepu.edu.cn

李靜璇(1996—)，女，碩士研究生，研究方向?yàn)殡娔苜|(zhì)量評(píng)估、變壓器剩余壽命預(yù)估。E-mail: lijingxuansd@163.com

(編輯 葛艷娜)