蒋小亮, 李秋燕, 张文朝, 全少理, 李锰, 梁海平, 田圣双

(1.国网河南省电力公司经济技术研究院，河南 郑州 450052； 2.中电普瑞电力工程有限公司，北京 102200；3.华北电力大学 电气与电子工程学院，河北 保定 071003)

0 引 言

随着我国新型城镇化、农业现代化工作的深入推进，经济对供电可靠性、电能质量的要求越来越高。经过多年的建设与改造，我国配电网结构不断改善、供电能力不断提高。但与发达国家相比，我国配电网在电能质量、供电可靠性等方面还存在较大差距[1]。文献[2-3]明确提出加快建设现代配电网，构建城乡统筹、安全可靠、经济高效、技术先进、环境友好、与小康社会相适应的现代配电网，以安全可靠的电力供应和优质高效的供电服务保障经济社会发展，为全面建成小康社会提供有力支撑。

配电网综合评价旨在全面衡量配电网发展状况，通过对配电网的供电质量、网架结构、运行水平、技术装备、经济与社会性等要素进行评价，深入了解配电网现状及存在问题，并针对配电网的薄弱环节提出改进意见和措施，促进配电网的不断发展和完善。

不少学者和专家对配电网的综合评价进行了大量的研究。而从经济性[4-6]、评价的属性偏好[7]、子目标之间的协调性[8-9]、用户侧微观需求[10]、网格化思想[11]、等多方面构建评价体系的研究很多，但是对配电网的智能化指标涉及较少。目前，构建配电网评价体系常用的方法有层次分析法或者改进的层次分析法[12-13]、德尔菲法[14]、鱼骨图分析法[15]，模糊综合评价法[16]等。文献[16]综合运用了以上几种方法，吸取了各种方法的优点，并引入全生命周期指标来反映配电网的运行管理水平，结果表明够充分利用现有的数据资源实现评价，为评估工作常态化提供了条件。文献[17]按照差异化原则将评价区域分成A、B、C、D四类，分别给出各类供电区域评价指标的参考值，及各类供电区域对整个评价区域的影响权重来完成配电网的综合评价。文献[18] 建立了基于DEMATEL-ANP-反熵权和灰色关联分析法组合的区域输配电网智能化水平评价模型，对输配电网智能化发展水平评价具有较好科学性及适用性。

针对目前缺乏现代配电网成熟度评价的现状，本文提出了基于变异系数法和TOPSIS法的现代配电网评价方法，采用变异系数法对各个指标权重进行赋值，并用TOPSIS法对各地区的现代配电网成熟度进行打分，随后通过实际算例测试多个地区配电网的成熟度水平并对其做出综合评价。

1 现代配电网成熟度评价指标选择

随着人们生产生活的电气化、智能化程度越来越高，对供电可靠性和电能质量的要求越来越高。同时，分布式电源的大量接入、电力电子技术的广泛应用以及配电自动化建设的逐步推进促使配电网发生着深刻的变革[19]。遴选能够充分反映现代配电网发展水平的指标是现代配电网成熟度评价的基础。本文从配电网运行的可靠性、经济性及自动化水平等不同角度出发，选取了7个评价指标，分别为中心城市(区)供电可靠性、中心城市(区)用户平均停电时间、中心城市(区)综合电压合格率、110 kV及以下线损率、配电自动化覆盖率、配电通信网覆盖率和智能电网覆盖率来全面反映配电网的运行特性和现代化水平。

2 基于变异系数法的指标权重系数计算

变异系数法(Coefficient of Variation Method)是直接利用各项评价指标所包含的信息，通过计算得到各评价指标的权重，该方法是一种客观赋权的方法，具有良好的实用性和科学性。变异系数法通过考虑评价指标数据的相对变化程度实现评价指标动态赋权，可显著降低主观因素干扰。

采用变异系数法计算评价指标的权重，主要计算步骤如下：

(1)建立评价矩阵

假设有m个数量相同的评价指标，第j个评价对象的评价指标向量为Yj=[y1j,y2j,…,ymj]T，如果有n个评价对象，则评价矩阵可表示为Y=[Y1,Y2,…,Yn]。各评价指标的权重用ω表示，则权重向量为ω=[ω1,ω2,…,ωm]T。

(2)评价指标同向化

评价指标可分为正向评价指标和负向评价指标，正向评价指标值越大其反映的状况越优，负向评价指标则正好相反。当m个评价指标中含有负向评价指标时，则需对负向评价指标进行同向化处理，采用式(1)实现。

(1)

(3)评价指标去量纲化

由于各指标所代表的物理涵义不同，因此存在着量纲上的差异，需对Y′进行去量纲化处理，采用式(2)进行处理，得到标准矩阵Y″：

(2)

(4)评价指标权重计算

针对去量纲化处理后的标准矩阵Y″，分别采用式(3)和式(4)计算评价指标的均值和标准差：

(3)

(4)

利用均值和标准差计算变异系数Vi，计算式见式(5)：

(5)

如式(6)所示，利用变异系数Vi可计算各评价指标的权重 。

(6)

确定各评价指标的权重后，可采用TOPSIS法对各评价对象进行综合评价。如果把评价指标看成坐标系中的变量，则在几何上形成一个高维空间，从几何角度看，每个被评价对象是由反映它的多个评价指标值在该空间决定的一个点，而综合评价问题就变成了对这些空间点的排序和评价。

TOPSIS法采用相对接近度来表征各个评价对象与参考点的距离。首先在空间确定出参考点，包括最优点和最劣点，然后计算各个评价对象与参考点的距离，与最优点越近或与最劣点越远说明被评价对象的综合特性越好。本文的具体计算如下：

根据式(7)确定加权数据矩阵Y‴。

(7)

由于评价指标已经正向化，可以用所有样本中各评价指标的最大值构成正理想样本，用各评价指标的最小值构成负理想样本，分别用Y+和Y-表示。

定义样本点到最优点的距离为D+，其计算见式(8)：

(8)

定义样本点到最劣点的距离为D-，其计算见式(9)：

(9)

相对接近度由式(10)计算得出：

(10)

根据相对接近度Cj的大小，可以对各评价对象进行排序。Cj越大表明评价对象与正理想样本的相对距离越小，相应评价对象的评价结果越优。

3 现代配电网对标标杆的确定

本文以文献[1]中给出的2020年的期望指标为现代配电网建设改造的指导目标，以2014年的实际情况作为合格配电网的标准，如表1所示。

通过表1可以看到其中供电可靠性离目标水平相差0.19个百分点；用户均停电时间和目标水平相差较大；电压合格率接近目标水平；配电自动化覆盖率、配电通信网覆盖率、智能电表覆盖率还有很大提升空间。

表1 配电网建设改造指导目标

4 算例分析

算例选用某省的五个地区同一年份的统计数据进行分析计算，根据数据统计出的评价指标如表2所示。

表2 配电网成熟度指标数据

选取2014年电网各项评价指标数据作为合格数据，赋值60分；选取2020年水平数据作为最好数据，赋值100分。按照公式(11)进行一次函数曲线拟合，得到A、B、C、D、E5个地区的各项数据的评分数据。

(11)

(12)

其中xevaluation(i,j)是评分结果，sgiven(i,j)是给定的第j个配电网第i个评价指标的给定数据，sbest(i,2)和sworst(i,1)分别是给定各项评价指标中的最好数据和最坏数据。

通过计算数据组成对于给定数据的评价矩阵，按照第2章的计算步骤，对评价矩阵进行处理，得到如式(13)所示的标准评价矩阵Y″，图1为评价矩阵对应指标的对比图。

(13)

图1为评价矩阵中各个地区的各个指标数值的对比图。综合评价越高的地区，该地区各个指标的值越大。

图1 评价矩阵对应的指标

由图1可以看到5个地区的前4个评价指标相差不大，配电自动化覆盖率、配电通信网覆盖率、智能电表覆盖率指标相差较大。

采用式(3)和(4)计算每个评价指标的平均值及标准差；用式(5)计算变异系数；用式(6)计算评价指标的权重；计算结果如表3所示，其对应图如图2。

表3 参数计算结果

图2 平均值、标准差、变异系数和权重

由表3及图2可以看到，配电网自动化覆盖率、配电通信网覆盖率、智能电表覆盖率三项评价指标的数据过于分散，所以，它们的标准差偏大，而平均值相差无几，因此，他们具有很大的变异系数，对应的指标权重也会增加。计算结果证明了这一点。

根据各评价指标的权重，通过式(7)可获得式(14)所示的加权数据矩阵 ，其对应加权评价矩阵中的各个评价指标对比如图3所示。

(14)

图3 加权评价矩阵

由图3可以看到，配电设备自动化率、通信网覆盖率和智能电表覆盖率三项评价指标因为权重较大，各配电网的对应评分对于整体评价的影响显著上升。

进而，利用加权数据矩阵计算得到正理想样本点Y+和负理想样本点Y-：

Y+=(0.046 8,0.022 4,0.003 6,0.049 5,0.099 7,0.131 9,0.158 8)
Y-=(0.040,0.021,0.004,0.042,0.067,0.084,0.097)

进一步可分别计算出样本点到最优点和最劣点的距离D+和D-：

D+=(0.063 2,0.084 8,0.037 3,0.011 3,0.008 4)
D-=(0.034 9,0.006 4,0.048 2,0.079 7,0.083 3)

图4 与最优点和最劣点的距离

绘制最优点和最劣点的距离如图4所示。样本点越接近最优点，该点在图表中越接近中心点。

通过观察图4可以发现，B点离最优点最远，离最劣点最近。但是，某个给定点与最优点和最劣点之间的距离并不能直观地反应其综合水平的优劣。因此，根据式(10)计算出样本点到最优样本点的相对接近度Cj。

Cj的值越大，表明评价值越优。将Cj按大小排序实现配电网成熟度综合评价，如表4所示。

图5 相对接近度

通过表4可以看到E地区的成熟度最高，在对标城市中排名第一，而B地区的成熟度最低，排名最后。将相对接近度绘制到图中，如图5所示。

由表4和图5的相对接近度数据可知，E地区的综合评价结果最优，D、C、A地区次之，B地区最差。智能电表覆盖率和配电网通信覆盖率指标权重较大，而对于B地区，这两项指标对应的标准矩阵数值与D、E地区相比差距较大，而其他指标对应的数值与D、E地区比较接近，甚至优于上述两个地区。因此评价指标权重越大，对于评价结果的影响越大。同理，对其他地区进行分析，也可得到一致的结论。评价结果和实际相符，结果表明本文所提出的现代配电网成熟度综合评价方法可实现对配电网情况的客观有效评价。

表4 配电网成熟度综合评价排序

5 结束语

本文综合了变异系数法和TOPSIS法的优点，与以往的评价方法相比，具有计算量小、评价结果客观有效的特点。该方法不仅能实现不同地区之间的横向对比，计算结果还能够反应指标和目标值之间的差距，同时可直观的看到各指标对配电网成熟度的影响程度，对于配电网规划建设具有一定的指导意义，是一种客观有效的综合现代配电网成熟度评价方法。

[1] 纵观国外配电自动化发展[EB/OL], 赛尔电力自动化, 总第102期, http://dq.shejis.com/dqlw/201109/article_93143.html, 2011-09-06.

[2] 国家能源局. 配电网建设改造行动计划(2015年～2020年)[Z].国能电力[2015]290号, 北京, 2015.

[3] 中华人民共和国发展和改革委员会. “国家发展改革委关于加快配电网建设改造的指导意见”(发改能源[2015]1899号)[Z]. 北京, 2015.

[4] 肖峻, 高海霞, 葛少云, 等. 城市中压配电网评估方法与实例研究[J]. 电网技术, 2005, 29(13): 77-81.

[5] 马丽叶. 配电网运行经济性评价模型的建立与分析[D]. 河北：燕山大学, 2011.

[6] 刘胜利, 曹阳, 冯跃亮, 等. 配电网投资效益评价与决策模型研究及应用[J]. 电力系统保护与控制, 2015, 43(2): 119-125.

[7] 谈元鹏, 李买林, 许刚. 基于属性偏好学习的配电网综合评价方法[J]. 计算机应用研究, 2017,24(3): 1-8.

[8] 薛振宇, 李敬如, 陈楷, 等. 一种考虑协调系数的配电网综合评价方法[J]. 电力系统保护与控制, 2013,41(12):15-19.

[9] 李瑾, 李善波, 欧阳金鑫, 等. 基于进化规划算法的配电网运行方式定制方法[J]. 电力系统保护与控制, 2015, 43(21): 48-53.

[10] 张欣悦, 荆志朋, 谢晓琳. 面向用户的智能配电网综合评价指标体系及应用[J]. 华北电力大学学报(自然科学版), 2016,33(2): 106-110.

[11] 罗玮, 苗友忠, 雷为民, 等. 基于网格化的城市配电网综合评价体系研究[J]. 现代电子技术, 2016,40(10): 167-170.

[12] 肖峻, 王成山, 周敏. 基于区间层次分析法的城市电网规划综合评判决策[J]. 中国电机工程学报, 2004,24(4): 50-57．[13] 羌丁建, 寿挺, 朱铁铭, 等. 高压配电网规划评价指标体系与综合评价模型[J]. 电力系统保护与控制, 2013,41(1): 52-57.

[14] 李晓辉, 张来, 李小宇, 等. 基于层次分析法的现状电网评估方法研究[J]. 电力系统保护与控制, 2008,36(14):57-61.

[15] 韩振焘, 黄志伟, 韩少云, 等. 城市配电网综合评价体系[J]. 电网技术, 2012, 36(8): 95-99.

[16] 冯新龙, 孙岩, 林声宏, 等. 配电网综合评价指标体系及评估方法[J]. 广东电力, 2013,26(11): 20-25.

[17] 崔凯, 史梓男, 赵娟. 配电网评价指标体系研究[J]. 电力建设, 2013,56(2):18-21.

[18] 徐秋卉. 基于灰色关联和组合赋权的智能输配电网综合评价研究[D]. 北京：华北电力大学, 2015.

[19] 王晶, 陈骏宇, 金华锋. 含分布式电源的配电网动态孤岛划分博弈模型[J]. 电力系统保护与控制, 2016,44(14): 14-24.