基于邊緣計(jì)算的臺(tái)區(qū)狀態(tài)綜合評(píng)價(jià)方法

王小雷，宋耐超，史雷敏，惠杰，姜恩宇，林順富

(1.上海電力大學(xué)電氣工程學(xué)院，上海 200090; 2.國(guó)網(wǎng)河南省電力公司駐馬店供電公司，河南 駐馬店 463000;3.國(guó)網(wǎng)河南省電力公司許昌供電公司，河南 許昌 461000)

0 引言

臺(tái)區(qū)是指一臺(tái)變壓器的供電范圍或區(qū)域，當(dāng)前智能臺(tái)區(qū)存儲(chǔ)的數(shù)據(jù)中包含大量的結(jié)構(gòu)化數(shù)據(jù)［1］( 數(shù)值類數(shù)據(jù)，如電壓、電流、溫度、濕度等) 以及非結(jié)構(gòu)化數(shù)據(jù)( 圖片、視頻等) 。臺(tái)區(qū)數(shù)據(jù)量大、類型繁多、數(shù)據(jù)管理困難，傳統(tǒng)的臺(tái)區(qū)信息管理系統(tǒng)無(wú)法滿足當(dāng)前智能臺(tái)區(qū)的業(yè)務(wù)要求［2］，造成運(yùn)維人員無(wú)法對(duì)臺(tái)區(qū)進(jìn)行合理的狀態(tài)評(píng)估［3］。而對(duì)臺(tái)區(qū)進(jìn)行合理的評(píng)估，有助于智能臺(tái)區(qū)的建設(shè)，使臺(tái)區(qū)的供電可靠性、電能質(zhì)量、運(yùn)維管理得到改善［4］。

目前針對(duì)配電網(wǎng)的狀態(tài)綜合評(píng)價(jià)方法已有很多，只有少部分學(xué)者和工作人員提出了適用于臺(tái)區(qū)的狀態(tài)綜合評(píng)價(jià)方法。文獻(xiàn)［5］提出了一種基于改進(jìn)型序關(guān)系分析法的臺(tái)區(qū)狀態(tài)評(píng)價(jià)模型，可根據(jù)臺(tái)區(qū)特征指標(biāo)進(jìn)行綜合計(jì)算，形成量化的評(píng)價(jià)值以快速評(píng)價(jià)臺(tái)區(qū)狀態(tài)模型;文獻(xiàn)［6］提出了一種基于分布性參數(shù)的評(píng)估指標(biāo)體系，將各個(gè)分布性指標(biāo)按一定局部權(quán)重系數(shù)加權(quán)后轉(zhuǎn)化為單一性指標(biāo)，根據(jù)單一性指標(biāo)對(duì)臺(tái)區(qū)進(jìn)行狀態(tài)評(píng)估; 文獻(xiàn)［7］提取配變運(yùn)行狀態(tài)特征指標(biāo)，采用Topsis 評(píng)估算法構(gòu)建臺(tái)區(qū)狀態(tài)評(píng)估模型;最后依托模型評(píng)估結(jié)果，結(jié)合專家經(jīng)驗(yàn)，綜合評(píng)估臺(tái)區(qū)可靠性; 文獻(xiàn)［8］針對(duì)配電臺(tái)區(qū)內(nèi)的環(huán)境特點(diǎn)，提出了基于層次分析法的一套實(shí)用型配電網(wǎng)運(yùn)行狀態(tài)評(píng)估指標(biāo)體系，采用層次分析法與德?tīng)柗品ù_定指標(biāo)權(quán)重因子，并利用模糊隸屬度函數(shù)確定單項(xiàng)指標(biāo)評(píng)分公式，從而實(shí)現(xiàn)對(duì)配電網(wǎng)運(yùn)行狀態(tài)的在線評(píng)估。此類方法所求出的權(quán)重因子，只體現(xiàn)了臺(tái)區(qū)狀態(tài)指標(biāo)在主觀性上的重要程度，沒(méi)有體現(xiàn)臺(tái)區(qū)狀態(tài)指標(biāo)在客觀性上的重要程度，因此無(wú)法合理地對(duì)臺(tái)區(qū)進(jìn)行綜合狀態(tài)評(píng)價(jià)。

為了提高臺(tái)區(qū)指標(biāo)權(quán)重的客觀性，目前部分學(xué)者主要使用熵權(quán)法來(lái)對(duì)權(quán)重進(jìn)行修正［9-10］。熵權(quán)法雖然根據(jù)各項(xiàng)指標(biāo)值的變異程度來(lái)確定指標(biāo)權(quán)重，避免了人為因素帶來(lái)的偏差，但是其忽略了指標(biāo)本身的重要程度，以此求出的權(quán)重往往會(huì)忽視決策者主觀的意圖，因此最后得出的綜合權(quán)重合理性較低。

1 智能臺(tái)區(qū)部署

傳統(tǒng)的臺(tái)區(qū)信息管理系統(tǒng)結(jié)構(gòu)單一，在處理大量的異構(gòu)數(shù)據(jù)時(shí)有較高的延遲，在采集臺(tái)區(qū)數(shù)據(jù)時(shí)會(huì)出現(xiàn)數(shù)據(jù)不完善甚至是數(shù)據(jù)缺失的情況，已無(wú)法滿足現(xiàn)有臺(tái)區(qū)業(yè)務(wù)的要求。并且傳統(tǒng)臺(tái)區(qū)中的終端不具備邊緣計(jì)算功能，大量的信息傳輸會(huì)造成通信堵塞、系統(tǒng)崩潰等問(wèn)題，因此為了更好地建設(shè)智能臺(tái)區(qū)，需要在臺(tái)區(qū)中安裝邊緣計(jì)算裝置即智能融合終端。智能融合終端自帶交采功能，可直接采集三相電壓、電流等數(shù)據(jù)。其安裝于配電變壓器的出線側(cè)，實(shí)時(shí)采集臺(tái)區(qū)中的數(shù)據(jù)，智能臺(tái)區(qū)結(jié)構(gòu)部署如圖1 所示。

圖1 智能臺(tái)區(qū)部署結(jié)構(gòu)圖Fig.1 Smart transformer area deployment structure

智能融合終端對(duì)上采用光纖、電力無(wú)線專網(wǎng)、無(wú)線公網(wǎng)等通信方式與臺(tái)區(qū)信息管理中心進(jìn)行數(shù)據(jù)協(xié)同交互;對(duì)下采用電力線載波、微功率無(wú)線、GPRS、RS485 等通信方式與末端感知設(shè)備進(jìn)行通信，將臺(tái)區(qū)作為邊緣計(jì)算節(jié)點(diǎn)［11］，僅將數(shù)據(jù)處理結(jié)果返回至主站或發(fā)送至運(yùn)維人員，減少了主站數(shù)據(jù)處理壓力，便于運(yùn)維人員對(duì)臺(tái)區(qū)進(jìn)行更好地管理［12］。文中所提的臺(tái)區(qū)狀態(tài)綜合評(píng)價(jià)方案均在邊緣計(jì)算模式下布置，具有較高的實(shí)用性。

2 臺(tái)區(qū)特征指標(biāo)體系建立

為了考慮臺(tái)區(qū)數(shù)據(jù)的易獲取性和可行性，選取以下5 種參數(shù)作為臺(tái)區(qū)特征狀態(tài)指標(biāo)，5 種參數(shù)分別為供電半徑X1、線損率X2、變壓器負(fù)載率X3、用戶電壓合格率X4、三相不平衡度X5［13-14］。其中既包含反映網(wǎng)架特征的指標(biāo)也包含反應(yīng)負(fù)荷特性的指標(biāo)，體現(xiàn)了所選指標(biāo)的合理性，各指標(biāo)的定義如下:

1) 供電半徑X1:指臺(tái)區(qū)配電變壓器到最遠(yuǎn)用戶負(fù)荷的距離。該參數(shù)是判斷臺(tái)區(qū)網(wǎng)架結(jié)構(gòu)是否合理的重要參數(shù)，供電半徑過(guò)長(zhǎng)，在線路末端接入新的用戶時(shí)，容易引發(fā)低電壓?jiǎn)栴}，并加重臺(tái)區(qū)內(nèi)三相不平衡程度;

2) 線損率X2:指低壓配電臺(tái)區(qū)中線路損耗的電能占臺(tái)區(qū)供應(yīng)電能的比重，用來(lái)考核臺(tái)區(qū)運(yùn)行的經(jīng)濟(jì)性，常用來(lái)判斷臺(tái)區(qū)中是否存在竊電、漏電等現(xiàn)象。其計(jì)算公式如下:

式中G1為該臺(tái)區(qū)的實(shí)際售電量;G2為該臺(tái)區(qū)的實(shí)際供電量;

3) 變壓器負(fù)載率X3:指配電臺(tái)區(qū)變壓器實(shí)際承擔(dān)的負(fù)荷與其容量之比，反映了變壓器的承載能力。變壓器的長(zhǎng)期負(fù)載率是額定容量的65% ～80%左右時(shí)最合適，在這種條件下?lián)p耗電能最小。變壓器負(fù)載率過(guò)小，即代表所選變壓器容量過(guò)大，造成資源浪費(fèi)。變壓器負(fù)載率過(guò)大，即代表變壓器重載，不宜再接入新的負(fù)荷;

4) 用戶電壓合格率X4:指配電臺(tái)區(qū)中電壓合格的用戶數(shù)量所占比重，反映了臺(tái)區(qū)供電的電能質(zhì)量，同時(shí)也關(guān)系到電力設(shè)備運(yùn)行的安全與穩(wěn)定，用戶電壓合格率越大即臺(tái)區(qū)運(yùn)行狀態(tài)越好;

5) 三相負(fù)荷不平衡度X5:指配電臺(tái)區(qū)三相中最大負(fù)荷與三相平均負(fù)荷的偏差占三相平均負(fù)荷的比重。其反映了負(fù)荷在臺(tái)區(qū)三相中分配的合理程度，是評(píng)價(jià)電能質(zhì)量及臺(tái)區(qū)運(yùn)行狀態(tài)的重要指標(biāo)，其計(jì)算公式如下:

式中PA、PB、PC分別代表變壓器出線端A、B、C三相的負(fù)荷。

3 算法流程

3.1 各項(xiàng)指標(biāo)預(yù)處理

所選臺(tái)區(qū)特征指標(biāo)按對(duì)臺(tái)區(qū)的效益程度可劃分為正向指標(biāo)、逆向指標(biāo)和區(qū)間型指標(biāo)。正向指標(biāo)為用戶電壓合格率X4，逆向指標(biāo)為供電半徑X1、線損率X2、三相負(fù)荷不平衡度X5，區(qū)間型指標(biāo)為變壓器負(fù)載率X3。其中正向指標(biāo)值越大則代表臺(tái)區(qū)的運(yùn)行狀態(tài)越好，逆向指標(biāo)值越小則代表臺(tái)區(qū)的運(yùn)行狀態(tài)越好，區(qū)間型指標(biāo)值越靠近區(qū)間中部則達(dá)標(biāo)臺(tái)區(qū)的運(yùn)行狀態(tài)越好。

所選臺(tái)區(qū)各項(xiàng)指標(biāo)具有不同的量綱和類型，為了能夠直接比較臺(tái)區(qū)中的各項(xiàng)指標(biāo)，所以將各項(xiàng)指標(biāo)統(tǒng)一處理為逆向指標(biāo)，并消去各項(xiàng)指標(biāo)的量綱，各類指標(biāo)的預(yù)處理公式如下:

1) 正向指標(biāo)。

式中Ximax、Ximin分別為若干個(gè)臺(tái)區(qū)中該項(xiàng)指標(biāo)Xi的最大值和最小值;

2) 逆向指標(biāo)。

式中Ximax、Ximin分別為若干個(gè)臺(tái)區(qū)中該項(xiàng)指標(biāo)Xi的最大值和最小值;

3) 區(qū)間型指標(biāo)。

式中Ximid為該項(xiàng)指標(biāo)Xi的正常區(qū)間中點(diǎn)值。

3.2 CRITIC 法確定客觀權(quán)重

CRITIC 法是一種比熵權(quán)法和標(biāo)準(zhǔn)離差法更好的客觀賦權(quán)法。它是基于評(píng)價(jià)指標(biāo)的對(duì)比強(qiáng)度和指標(biāo)之間的沖突性來(lái)綜合衡量指標(biāo)的客觀權(quán)重［15］。考慮指標(biāo)變異性大小的同時(shí)兼顧指標(biāo)之間的相關(guān)性，并非數(shù)字越大就說(shuō)明越重要，完全利用數(shù)據(jù)自身的客觀屬性進(jìn)行科學(xué)評(píng)價(jià)。

對(duì)于CRITIC 法而言，在標(biāo)準(zhǔn)差一定時(shí)，指標(biāo)間沖突性越小，權(quán)重也越小; 沖突性越大，權(quán)重也越大; 另外，當(dāng)兩個(gè)指標(biāo)間的正相關(guān)程度越大時(shí)，( 相關(guān)系數(shù)越接近) ，沖突性越小，這表明這兩個(gè)指標(biāo)在評(píng)價(jià)方案的優(yōu)劣上反映的信息有較大的相似性。其具體算法流程如下:

1) 計(jì)算各指標(biāo)之間的相關(guān)系數(shù)。

式中j為臺(tái)區(qū)的數(shù)量;

3) 計(jì)算第j個(gè)指標(biāo)的標(biāo)準(zhǔn)差。

4) 計(jì)算第j個(gè)指標(biāo)的信息量。

5) 計(jì)算第j個(gè)指標(biāo)的客觀權(quán)重。

式中m為評(píng)價(jià)指標(biāo)的數(shù)量。

3.3 層次分析法確定主觀權(quán)重

AHP ( Analytic Hierarchy Process) 層次分析法是美國(guó)運(yùn)籌學(xué)家Saaty 教授于二十世紀(jì)80 年代提出的一種實(shí)用的多方案或多目標(biāo)的決策方法［16-17］。其主要特征是，它合理地將定性與定量的決策結(jié)合起來(lái)，按照思維、心理的規(guī)律把決策過(guò)程層次化、數(shù)量化。該方法以其定性與定量相結(jié)合地處理各種決策因素的特點(diǎn)，以及其系統(tǒng)靈活簡(jiǎn)潔的優(yōu)點(diǎn)，在科研評(píng)價(jià)領(lǐng)域內(nèi)得到了廣泛的重視和應(yīng)用［18-20］。該方法計(jì)算流程如下:

1) 基于專家經(jīng)驗(yàn)，采用9 級(jí)標(biāo)度法構(gòu)建判斷矩陣。

式中bij代表第i個(gè)指標(biāo)對(duì)第j個(gè)指標(biāo)的重要程度。

9 級(jí)標(biāo)度法的標(biāo)度及其含義如表1 所示。

表1 9 級(jí)標(biāo)度法Tab.19-level scaling method

2) 檢驗(yàn)判斷矩陣的一致性。

為避免該權(quán)重計(jì)算方法中主觀性帶來(lái)的片面，對(duì)結(jié)果進(jìn)行一致性檢驗(yàn)，公式如下:

式中CR為判斷比較矩陣的隨機(jī)一致性比率;CI為一般一致性指標(biāo);RI為隨機(jī)平均一致性指標(biāo); λmax為矩陣的最大特征值。

當(dāng)CR＜0.1 時(shí)，則認(rèn)為判斷矩陣滿足一致性; 若CR≥0.1 時(shí)，則需要對(duì)矩陣進(jìn)行修正，直到滿足條件為止。

3) 權(quán)重rj計(jì)算。

在對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)之后，使用幾何平均法計(jì)算數(shù)據(jù)的權(quán)重:

3.4 綜合權(quán)重以及評(píng)估函數(shù)的確定

層次分析法在構(gòu)造判斷矩陣時(shí)主要依據(jù)專家經(jīng)驗(yàn)進(jìn)行重要性判斷，主要反映了主觀程度上對(duì)指標(biāo)重要性的判斷，沒(méi)有考慮指標(biāo)本身的差異對(duì)指標(biāo)權(quán)重的影響;CRITIC 法在求取指標(biāo)權(quán)重時(shí)，僅考慮了指標(biāo)本身差異對(duì)指標(biāo)權(quán)重的影響，求出屬于完全客觀的權(quán)重?cái)?shù)值，忽略了在實(shí)際情況下該指標(biāo)對(duì)臺(tái)區(qū)的影響程度。因此將層次分析法所求的主觀權(quán)重rj與CRITIC 法所求的客觀權(quán)重wj通過(guò)拉格朗日最優(yōu)乘子法相結(jié)合，得出既能體現(xiàn)專家經(jīng)驗(yàn)又能體現(xiàn)數(shù)據(jù)本身信息的綜合權(quán)重Gj。

1) 確定綜合權(quán)重Gj。

為了使主觀權(quán)重rj與客觀權(quán)重wj盡可能接近，根據(jù)最小信息熵原理，建立目標(biāo)函數(shù)如下:

并用拉格朗日乘子優(yōu)化可得最終綜合權(quán)重為:

2) 確定評(píng)估函數(shù)。

臺(tái)區(qū)的綜合評(píng)估函數(shù)為:

式中Z=(Z1，Z2，…，Zn)T，Zn為第n個(gè)臺(tái)區(qū)的綜合評(píng)估函數(shù); G=(G1，G2，…Gm)T;X=Xnm為第n個(gè)臺(tái)區(qū)，第m個(gè)狀態(tài)指標(biāo)。

通過(guò)綜合評(píng)估函數(shù)得出各個(gè)臺(tái)區(qū)狀態(tài)的評(píng)估函數(shù)值，并參照表2 對(duì)臺(tái)區(qū)進(jìn)行狀態(tài)評(píng)價(jià)。

表2 臺(tái)區(qū)狀態(tài)評(píng)價(jià)結(jié)果參考表Tab.2 Reference table for evaluation results of transformer area

3) 文中算法流程。

文中算法流程包括以下步驟:

a) 在各個(gè)臺(tái)區(qū)內(nèi)變壓器出線側(cè)安裝邊緣計(jì)算裝置，利用邊緣計(jì)算裝置采集不同臺(tái)區(qū)某歷史時(shí)間段不同時(shí)刻的運(yùn)行狀態(tài)參數(shù)，通過(guò)邊緣計(jì)算模塊計(jì)算出臺(tái)區(qū)的特征狀態(tài)指標(biāo);

b) 對(duì)臺(tái)區(qū)的特征狀態(tài)指標(biāo)進(jìn)行預(yù)處理，將其統(tǒng)一處理為逆向指標(biāo);

c) 通過(guò)CRITIC 法得出客觀權(quán)重，通過(guò)層次分析法得出主觀權(quán)重; 將主觀權(quán)重與客觀權(quán)重相結(jié)合得出綜合權(quán)重，并構(gòu)建狀態(tài)評(píng)價(jià)函數(shù)，對(duì)臺(tái)區(qū)狀態(tài)進(jìn)行評(píng)價(jià);最后將評(píng)價(jià)結(jié)果發(fā)送至云主站，若該臺(tái)區(qū)狀態(tài)評(píng)價(jià)結(jié)果較差，則發(fā)送信息至運(yùn)維人員，以便運(yùn)維人員對(duì)臺(tái)區(qū)進(jìn)行優(yōu)化;

d) 通過(guò)采集的臺(tái)區(qū)歷史數(shù)據(jù)，在云平臺(tái)對(duì)評(píng)價(jià)模型深入訓(xùn)練，定期對(duì)邊緣設(shè)備的評(píng)價(jià)模型進(jìn)行更新，采用此方法減少了云中心及主站的數(shù)據(jù)處理壓力，更加準(zhǔn)確。文中算法的流程圖如圖2 所示。

圖2 算法整體流程圖Fig.2 Overall flow chart of algorithm

4 實(shí)例分析

文中以某地區(qū)的8 個(gè)臺(tái)區(qū)數(shù)據(jù)作為實(shí)例進(jìn)行分析。

1) 首先在臺(tái)區(qū)內(nèi)變壓器出線側(cè)安裝智能融合終端，使用智能融合終端對(duì)臺(tái)區(qū)內(nèi)的各項(xiàng)運(yùn)行狀態(tài)參數(shù)進(jìn)行采集，并通過(guò)智能融合終端進(jìn)行相應(yīng)的計(jì)算得到臺(tái)區(qū)特征狀態(tài)指標(biāo)，對(duì)臺(tái)區(qū)的特征狀態(tài)指標(biāo)進(jìn)行預(yù)處理，將臺(tái)區(qū)的特征狀態(tài)指標(biāo)統(tǒng)一處理為逆向指標(biāo)，即數(shù)值越小，臺(tái)區(qū)的運(yùn)行狀態(tài)越好，預(yù)處理結(jié)果如表3 所示。

表3 預(yù)處理后的狀態(tài)指標(biāo)Tab.3 Pretreated status index

2) 文中采用層次分析法進(jìn)行主觀權(quán)重計(jì)算，但為了能得出合理的主觀權(quán)重，需要考慮實(shí)際情況，根據(jù)專家經(jīng)驗(yàn)對(duì)臺(tái)區(qū)特征指標(biāo)重要度進(jìn)行排序，以便確定層次分析法中的判斷矩陣，其重要度由小到大依次為:X1＜X3＜X2＜X5＜X4。然后構(gòu)建判斷矩陣，利用式(11) 和式( 12) 檢驗(yàn)矩陣的一致性，滿足一致性之后，利用式(13) 和式(14) 計(jì)算出主觀權(quán)重，其結(jié)果如表4所示。

表4 權(quán)重計(jì)算結(jié)果Tab.4 Weight calculation results

3) 通過(guò)CRITIC 法計(jì)算出臺(tái)區(qū)狀態(tài)評(píng)價(jià)指標(biāo)的客觀權(quán)重，其結(jié)果如表5 所示。并使用熵權(quán)法以及變異系數(shù)法求出權(quán)重與CRITIC 法所求的客觀權(quán)重形成對(duì)比，其結(jié)果如表4 和圖3 所示:

CRITIC 權(quán)重以評(píng)價(jià)指標(biāo)的變異性和評(píng)價(jià)指標(biāo)間的沖突性作為標(biāo)準(zhǔn)進(jìn)行計(jì)算，指標(biāo)變異性使用標(biāo)準(zhǔn)差進(jìn)行衡量，標(biāo)準(zhǔn)差越大則權(quán)重越大。沖突性使用指標(biāo)之間的相關(guān)系數(shù)進(jìn)行衡量，指標(biāo)之間相關(guān)性越強(qiáng)則沖突性較低，權(quán)重越小。由表5 可以看出，指標(biāo)X1與指標(biāo)X5指標(biāo)沖突性較高，信息量較大，因此最后的權(quán)重占比較高。指標(biāo)X2的變異性較大，但其指標(biāo)沖突性較低，最后的權(quán)重占比小于指標(biāo)X1與指標(biāo)X5。其余兩項(xiàng)指標(biāo)的變異性與沖突性較為相似，因此最后得出結(jié)果較為接近。

為了驗(yàn)證文中方案的合理性，文中選用熵權(quán)法和變異系數(shù)法求取客觀權(quán)重與CRITIC 法進(jìn)行對(duì)比。由表5 可以看出，CRITIC 法所求的五項(xiàng)指標(biāo)的客觀權(quán)重未出現(xiàn)差異很大的情況，各項(xiàng)權(quán)重分布較為均勻。由圖3 和表4 中可看出，CRITIC 法與變異系數(shù)法所求的客觀權(quán)重分布差異不大，各權(quán)重分布較為均勻，在求取客觀權(quán)重時(shí)均能得到良好的結(jié)果，然而熵權(quán)法所求的客觀權(quán)重中，指標(biāo)X3的權(quán)重占比過(guò)大，各項(xiàng)指標(biāo)權(quán)重的差異較大。由于臺(tái)區(qū)狀態(tài)評(píng)估需考慮實(shí)際情況，在對(duì)主觀權(quán)重進(jìn)行優(yōu)化時(shí)，應(yīng)仍以主觀權(quán)重為主，不能過(guò)多地對(duì)其修正。熵權(quán)法所求得的客觀權(quán)重之間的差異較大，主觀權(quán)重與之相結(jié)合會(huì)過(guò)多地影響主觀權(quán)重的分布，從而造成最后臺(tái)區(qū)狀態(tài)評(píng)估結(jié)果不合理，因此熵權(quán)法并不適用。

4) 將計(jì)算所得的主觀權(quán)重與客觀權(quán)重相結(jié)合，通過(guò)式(17) 計(jì)算可得綜合權(quán)重，其計(jì)算結(jié)果如表4 與圖4 所示。

圖4 綜合權(quán)重結(jié)果比較圖Fig.4 Comparison chart of comprehensive weight results

由圖4 所示，熵權(quán)法所求的綜合權(quán)重與CRITIC 法和變異系數(shù)法相比，熵權(quán)法所求的綜合權(quán)重中，指標(biāo)X3的占比過(guò)大，指標(biāo)X5的占比小于指標(biāo)X2，對(duì)主觀權(quán)重的修正過(guò)多，導(dǎo)致最終結(jié)果偏離了實(shí)際需求。CRITIC法與變異系數(shù)法所求的綜合權(quán)重均與實(shí)際需求相接近。從實(shí)際情況考慮，三相負(fù)荷不平衡度過(guò)大會(huì)造成三相電壓不對(duì)稱，使中性點(diǎn)電位產(chǎn)生位移，降低了電能質(zhì)量，并增加了變壓器的電能損耗，因此三相負(fù)荷不平衡度作為臺(tái)區(qū)狀態(tài)評(píng)價(jià)指標(biāo)其重要程度較高，其重要程度不應(yīng)與用戶電壓合格率相差較大，因此CRITIC 法所求的綜合權(quán)重更為合理。

5) 通過(guò)式(18) 求得各臺(tái)區(qū)的狀態(tài)評(píng)估值，參照表2 得到各臺(tái)區(qū)的狀態(tài)評(píng)價(jià)結(jié)果，并通過(guò)智能融合終端將臺(tái)區(qū)狀態(tài)評(píng)價(jià)結(jié)果傳送至云主站，若該臺(tái)區(qū)狀態(tài)評(píng)價(jià)結(jié)果較差，則發(fā)送信息至運(yùn)維人員，以便運(yùn)維人員對(duì)臺(tái)區(qū)進(jìn)行優(yōu)化，其臺(tái)區(qū)狀態(tài)評(píng)價(jià)結(jié)果如表6 所示。

表6 臺(tái)區(qū)狀態(tài)評(píng)價(jià)結(jié)果Tab.6 Transformer area status evaluation results

由表6 可以看出，8 個(gè)臺(tái)區(qū)之中1 號(hào)臺(tái)區(qū)的狀態(tài)最好，8 號(hào)臺(tái)區(qū)的狀態(tài)最差，5 號(hào)臺(tái)區(qū)和7 號(hào)臺(tái)區(qū)的狀態(tài)較差，大部分臺(tái)區(qū)保持著良好以上的水平。各個(gè)臺(tái)區(qū)通過(guò)智能融合終端將臺(tái)區(qū)評(píng)價(jià)結(jié)果發(fā)送至云主站，并且5 號(hào)、7 號(hào)和8 號(hào)臺(tái)區(qū)發(fā)送評(píng)價(jià)結(jié)果以及告警信息至運(yùn)維人員。運(yùn)維人員可通過(guò)云主站或手機(jī)等相關(guān)設(shè)備查看該臺(tái)區(qū)其原始數(shù)據(jù)，并分析該臺(tái)區(qū)狀態(tài)較差的原因。其中8 號(hào)臺(tái)區(qū)供電半徑處于平均水平，但是8 號(hào)臺(tái)區(qū)的變壓器負(fù)載率非常高，用戶電壓合格率也非常低，由此可以推斷出8 號(hào)臺(tái)區(qū)的變壓器已不足以支撐臺(tái)區(qū)正常運(yùn)行，需要對(duì)臺(tái)區(qū)進(jìn)行優(yōu)化改造，提升電能質(zhì)量。除此以外，8 號(hào)臺(tái)區(qū)的三相負(fù)荷不平衡度以及線損率較高，說(shuō)明8 號(hào)臺(tái)區(qū)的各相負(fù)荷接入并不合理，需要對(duì)其進(jìn)行優(yōu)化。

7 號(hào)臺(tái)區(qū)與8 號(hào)臺(tái)區(qū)相比，雖然7 號(hào)臺(tái)區(qū)的供電半徑較大，線損率較高，但是7 號(hào)臺(tái)區(qū)的三相負(fù)荷不平衡度較低，用戶電壓合格率以及變壓器負(fù)載率參數(shù)相比8號(hào)臺(tái)區(qū)較好，因此整體運(yùn)行狀態(tài)要比8 號(hào)臺(tái)區(qū)更好。7號(hào)臺(tái)區(qū)中線損率過(guò)大，臺(tái)區(qū)中可能存在竊電、漏電等情況，需要對(duì)臺(tái)區(qū)進(jìn)行優(yōu)化改造。

5 號(hào)臺(tái)區(qū)的運(yùn)行狀態(tài)與8 號(hào)臺(tái)區(qū)相似，但是5 號(hào)臺(tái)區(qū)的用戶電壓合格率與線損率比8 號(hào)臺(tái)區(qū)狀態(tài)要好，因此5 號(hào)臺(tái)區(qū)的綜合評(píng)價(jià)結(jié)果更好，但仍需對(duì)臺(tái)區(qū)進(jìn)行優(yōu)化改造。其余臺(tái)區(qū)的評(píng)價(jià)結(jié)果均為良好，臺(tái)區(qū)的各項(xiàng)運(yùn)行指標(biāo)均保持在合理的范圍之內(nèi)，無(wú)需對(duì)臺(tái)區(qū)進(jìn)行改造。本方案所使用的綜合權(quán)重可定期使用臺(tái)區(qū)歷史數(shù)據(jù)對(duì)其進(jìn)行進(jìn)一步優(yōu)化，以此提高評(píng)價(jià)方法的準(zhǔn)確性。本方案所使用的模型較為簡(jiǎn)潔，適合移植于邊緣計(jì)算容器中，使臺(tái)區(qū)中的智能融合終端更好地發(fā)揮作用。

5 結(jié)束語(yǔ)

1) 所提基于邊緣計(jì)算的臺(tái)區(qū)狀態(tài)綜合評(píng)價(jià)方法在邊緣計(jì)算模式下構(gòu)建，將臺(tái)區(qū)作為邊緣計(jì)算節(jié)點(diǎn)，就低化采集處理臺(tái)區(qū)數(shù)據(jù)，僅將處理結(jié)果返回至云主站，解決了傳統(tǒng)臺(tái)區(qū)系統(tǒng)的傳輸容量小，計(jì)算力不足等問(wèn)題。并將告警信息發(fā)送至運(yùn)維人員，便于運(yùn)維人員及時(shí)對(duì)臺(tái)區(qū)進(jìn)行優(yōu)化調(diào)整;

2) 文中將主觀權(quán)重與客觀權(quán)重相綜合，避免了主觀權(quán)重的主觀性較大以及客觀權(quán)重可能與實(shí)際重要程度不一致的問(wèn)題，得出的綜合權(quán)重兼顧了專家經(jīng)驗(yàn)和數(shù)據(jù)自身的特征，避免了層次分析法和熵權(quán)法的缺陷，使得出的評(píng)價(jià)結(jié)果更加合理;

3) 定期對(duì)臺(tái)區(qū)邊緣計(jì)算裝置中的評(píng)價(jià)模型進(jìn)行訓(xùn)練更新，進(jìn)一步提高了評(píng)價(jià)模型的準(zhǔn)確度，提高了臺(tái)區(qū)的管理水平，可根據(jù)評(píng)估結(jié)果對(duì)問(wèn)題臺(tái)區(qū)進(jìn)行優(yōu)化改造，具有推廣應(yīng)用價(jià)值。

綜上所述，文中提出基于邊緣計(jì)算的臺(tái)區(qū)狀態(tài)綜合評(píng)價(jià)算法，對(duì)智能融合終端采集的臺(tái)區(qū)數(shù)據(jù)進(jìn)行預(yù)處理和特征數(shù)據(jù)提取，利用層次分析法和CRITIC 法確定主客觀權(quán)重，然后采用拉格朗日最優(yōu)乘子法得出綜合權(quán)重，最后得到各個(gè)臺(tái)區(qū)狀態(tài)評(píng)價(jià)結(jié)果。所述算法為低壓配網(wǎng)臺(tái)區(qū)進(jìn)行臺(tái)區(qū)狀態(tài)綜合評(píng)價(jià)提供了理論支持，同時(shí)為推動(dòng)臺(tái)區(qū)的智能發(fā)展提供了技術(shù)手段。通過(guò)實(shí)例分析，驗(yàn)證了所提方法的可行性和實(shí)用性。