基于改進(jìn)TOPSIS-PSO-SVM的配電網(wǎng)適應(yīng)性評(píng)價(jià)研究

黃元生，姜雨晴，王 靜

(華北電力大學(xué) 經(jīng)濟(jì)管理系，河北 保定 071003)

近年來(lái)，為了適應(yīng)經(jīng)濟(jì)發(fā)展以及能源結(jié)構(gòu)調(diào)整的需要，以光伏、風(fēng)電為代表的新能源發(fā)電正逐步成為能源發(fā)展戰(zhàn)略的重要組成部分[1]。相較于傳統(tǒng)的配電網(wǎng)結(jié)構(gòu)，包含新能源的電網(wǎng)結(jié)構(gòu)具有分散性、不穩(wěn)定性等特點(diǎn)，同時(shí)也受到光伏、風(fēng)電的隨機(jī)性和波動(dòng)性以及供電不確定性和用戶負(fù)荷端不確定性的影響[2-3]。能源革命下，以往的以傳統(tǒng)能源供電為對(duì)象的配電網(wǎng)適應(yīng)性評(píng)價(jià)方法已經(jīng)不能完全涵蓋配電網(wǎng)系統(tǒng)中的新特征，因此準(zhǔn)確分析新能源并網(wǎng)后對(duì)配電網(wǎng)的影響以及配電網(wǎng)適應(yīng)的程度，對(duì)于制度的科學(xué)制定以及配電網(wǎng)的改造具有一定的指導(dǎo)意義。

相較于傳統(tǒng)配電網(wǎng)，加入新能源發(fā)電的配電網(wǎng)在多方面都有所不同。傳統(tǒng)能源接入配電網(wǎng)的適應(yīng)性評(píng)價(jià)多從系統(tǒng)可靠性[4-5]、供電安全[3，6-8]、經(jīng)濟(jì)性[9]等來(lái)進(jìn)行評(píng)價(jià)。文獻(xiàn)[10]研究了分布式發(fā)電對(duì)配電網(wǎng)可靠性的影響，在改善電網(wǎng)可靠性方面起到了一定的作用。文獻(xiàn)[11]分析了配電網(wǎng)的可靠性與風(fēng)險(xiǎn)性的評(píng)估，提出了同時(shí)適用于接入分布式電源的微網(wǎng)和傳統(tǒng)配電網(wǎng)的配電系統(tǒng)的一種可靠性評(píng)估方法。文獻(xiàn)[12]將供電安全標(biāo)準(zhǔn)作為配電網(wǎng)網(wǎng)格化規(guī)劃現(xiàn)狀電網(wǎng)評(píng)估的依據(jù)，建立了標(biāo)準(zhǔn)的評(píng)價(jià)體系。文獻(xiàn)[13]重點(diǎn)研究了基于地理信息系統(tǒng)(Geography Information System，GIS)的配電網(wǎng)供電可靠性的定量評(píng)估系統(tǒng)。文獻(xiàn)[14]構(gòu)建了一套針對(duì)配電網(wǎng)的經(jīng)濟(jì)性評(píng)價(jià)指標(biāo)體系。文獻(xiàn)[15]研究了配電網(wǎng)的無(wú)功優(yōu)化問(wèn)題，改善了區(qū)域網(wǎng)絡(luò)電壓質(zhì)量， 有效降低了配電網(wǎng)有功損失。

對(duì)于配電網(wǎng)評(píng)價(jià)的相關(guān)研究方法一般是傳統(tǒng)、單一的主觀或者客觀評(píng)價(jià)方法。文獻(xiàn)[16]利用熵權(quán)法(Entropy Weight Method，EM)和改進(jìn)的灰色關(guān)聯(lián)分析法(Grey Relational Analysis，GR)對(duì)配電網(wǎng)可靠性的影響因素進(jìn)行了分析。文獻(xiàn)[17～18]考慮到區(qū)域電網(wǎng)的分層問(wèn)題，采用層次分析法(Analytic Hierarchy Process，AHP)進(jìn)行了配電網(wǎng)適應(yīng)性的評(píng)價(jià)。文獻(xiàn)[19]結(jié)合模糊理論對(duì)配電網(wǎng)中的電能質(zhì)量進(jìn)行了評(píng)價(jià)研究。

基于上述研究，針對(duì)傳統(tǒng)的配電網(wǎng)，其評(píng)價(jià)主要是針對(duì)配電網(wǎng)的某一特性或幾個(gè)特性進(jìn)行的評(píng)價(jià)，例如可靠性、經(jīng)濟(jì)性評(píng)價(jià)等，并沒(méi)有反應(yīng)其與外部環(huán)境的相互關(guān)系。因此，本文對(duì)于新能源接入配電網(wǎng)后的適應(yīng)性評(píng)價(jià)進(jìn)行了新的內(nèi)涵定義，即配電網(wǎng)適應(yīng)性是一種考慮到配電網(wǎng)本身以及與外部交互狀態(tài)下的一種評(píng)價(jià)，是分析、判斷電網(wǎng)建設(shè)質(zhì)量的重要內(nèi)容，也是作為對(duì)電網(wǎng)規(guī)劃系統(tǒng)后續(xù)的建設(shè)質(zhì)量和運(yùn)營(yíng)狀態(tài)的一種反饋。

本文從可靠性、負(fù)載率、電流、電能質(zhì)量、運(yùn)行年限、新能源利用率6個(gè)方面構(gòu)建了配電網(wǎng)適應(yīng)性評(píng)級(jí)指標(biāo)體系。這是首次將此6項(xiàng)指標(biāo)結(jié)合應(yīng)用到配電網(wǎng)適應(yīng)性評(píng)價(jià)指標(biāo)體系中。本文還根據(jù)《分布式電源接入電網(wǎng)評(píng)價(jià)導(dǎo)則》中的配電網(wǎng)適應(yīng)性評(píng)價(jià)方法，將利用主觀、客觀賦權(quán)的組合權(quán)重和理想點(diǎn)法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)應(yīng)用到期望評(píng)價(jià)值的確定過(guò)程中。最終，本文建立了改進(jìn)粒子群(Particle Swarm Optimization，PSO)優(yōu)化支持向量機(jī)(Support Vector Machine，SVM)的配電網(wǎng)適應(yīng)性評(píng)價(jià)模型，為實(shí)現(xiàn)新能源的可預(yù)測(cè)、可控制、可調(diào)度打下了基礎(chǔ)，也為配電網(wǎng)所進(jìn)行的新能源并網(wǎng)改造提供了指導(dǎo)依據(jù)。

1 配電網(wǎng)適應(yīng)性評(píng)價(jià)指標(biāo)體系

合理的評(píng)價(jià)指標(biāo)體系是進(jìn)行配電網(wǎng)適應(yīng)性評(píng)價(jià)的基礎(chǔ)。所構(gòu)建的指標(biāo)體系應(yīng)該包含新能源接入配電網(wǎng)后其適應(yīng)性變化的各個(gè)因素。本文根據(jù)評(píng)價(jià)指體系構(gòu)建所遵循的原則，通過(guò)查閱相關(guān)資料文獻(xiàn)并結(jié)合咨詢專家的意見(jiàn)，確立了配電網(wǎng)適應(yīng)性評(píng)價(jià)的指標(biāo)體系。

1.1 指標(biāo)體系的確立

為充分反映新能源接入前后配電網(wǎng)運(yùn)行狀態(tài)的變化情況，本文從可靠性、負(fù)載率、電流、電能質(zhì)量、運(yùn)行年限、新能源利用率6個(gè)方面構(gòu)建了評(píng)價(jià)指標(biāo)體系，細(xì)化為16項(xiàng)具體評(píng)價(jià)指標(biāo)，如表1所示。

表1 配電網(wǎng)適應(yīng)性評(píng)價(jià)指標(biāo)體系

1.2 評(píng)價(jià)指標(biāo)的分析

本文中所使用的評(píng)價(jià)指標(biāo)如下：

(1)變壓器可靠性A1。變壓器可靠性是指配電網(wǎng)中變壓設(shè)備滿足N-1原則的比重。該指標(biāo)反映了配電系統(tǒng)中變壓器的安全性和穩(wěn)定性。變壓器可靠性越高，說(shuō)明配電網(wǎng)中變壓器對(duì)于新能源接入的適應(yīng)性也就越好。其計(jì)算為

(1)

式中，a1為配電網(wǎng)中變壓器總數(shù)量；a2為滿足N-1原則的變壓器數(shù)量；

(2)線路可靠性A2。線路可靠性是指線路中滿足N-1線路占總線路數(shù)量的比重。該指標(biāo)反映的是配電網(wǎng)線路的安全性。線路可靠性越高，配電線路對(duì)于新能源接入的適應(yīng)性也就越好。其計(jì)算為

(2)

式中，a3為配電網(wǎng)中的線路總數(shù)；a4為滿足N-1原則的配電線路數(shù)；

(3)變壓器滿載率B1。變壓器滿載率是指分布式電源接入電網(wǎng)后，滿載和過(guò)載變壓器的增加比例；

(4)線路滿載率B2。線路過(guò)載率是過(guò)載線路占配電網(wǎng)線路總數(shù)的比重。此指標(biāo)反映的是配電網(wǎng)中線路的運(yùn)行狀況。線路過(guò)載率越低，說(shuō)明線路的運(yùn)行狀況越良好，對(duì)于新能源接入的適應(yīng)程度越高。線路過(guò)載率的計(jì)算為

(3)

式中，b1為配電網(wǎng)中過(guò)載線路數(shù)；

(5)變壓器容載比B3。變壓器容載比是指配電網(wǎng)內(nèi)的變壓器總裝機(jī)容量和負(fù)荷峰值的比值。該指標(biāo)反映的是變壓器的運(yùn)行狀況和利用效率。對(duì)于不同電壓等級(jí)的變電設(shè)備有不同的容載比推薦范圍，對(duì)220 kV變電所的容載比為1.6～1.9，而35～110 kV變電所的容載比取值為1.8～2.1。變壓器容載比的計(jì)算為

(4)

式中，b2為配電網(wǎng)中變壓器總?cè)萘?；b3為配電網(wǎng)年度負(fù)荷峰值；

(6)線路最大電流C1。線路最大電流是指能夠承受且不影響設(shè)備安全狀態(tài)的電流的極限值，一般只允許在短時(shí)間內(nèi)出現(xiàn)，否則會(huì)造成設(shè)備損壞；

(7)線路額定電流C2。線路額定電流是指在額定環(huán)境條件，線路的長(zhǎng)期連續(xù)工作時(shí)允許電流。線路工作時(shí)電流不應(yīng)超過(guò)它的額定電流。

(8)電壓偏差超標(biāo)率D1。分布式電源接入電網(wǎng)后，在實(shí)際運(yùn)行中，系統(tǒng)各點(diǎn)的實(shí)際電壓與標(biāo)稱電壓由于運(yùn)行方式的改變等原因會(huì)存在偏差，稱為電壓偏差。電壓偏差超標(biāo)率是指電壓偏差超標(biāo)節(jié)點(diǎn)的增加比例；

(9)諧波畸變超標(biāo)率D2。諧波畸變超標(biāo)率是分布式電源接入電網(wǎng)后，電壓總諧波畸變率超標(biāo)節(jié)點(diǎn)的增加比例；

(10)諧波電流超標(biāo)率D3。諧波電流超標(biāo)率是指分布式電源接入電網(wǎng)后，諧波電流超標(biāo)節(jié)點(diǎn)的增加比例；

(11)電壓波動(dòng)超標(biāo)率D4。電壓波動(dòng)超標(biāo)率是指分布式電源接入電網(wǎng)后，電壓波動(dòng)超標(biāo)節(jié)點(diǎn)的增加比例，表示電網(wǎng)電壓有效值的快速變化；

(12)電壓不平衡度超標(biāo)率D5。電壓不平衡超標(biāo)率是指分布式電源接入電網(wǎng)后，負(fù)序電壓不平衡度超標(biāo)節(jié)點(diǎn)的增加比例。電壓不平衡是指三相電壓之間的幅值差，或相對(duì)于正常電壓相位差存在相位偏移，或兩者都有；

(13)變壓器運(yùn)行年限E1。變壓器運(yùn)行年限是指配電網(wǎng)中變電設(shè)備的運(yùn)行年限。該指標(biāo)反映配電系統(tǒng)中變電設(shè)備的運(yùn)行狀況和日常運(yùn)行損耗；

(14)線路運(yùn)行年限E2。線路運(yùn)行年限是指配電網(wǎng)中線路的平均運(yùn)行年限。該指標(biāo)反映線路設(shè)備運(yùn)行狀況和日常損耗；

(15)新能源滲透率F1。新能源滲透率是指配電網(wǎng)中新能源總裝機(jī)容量和總負(fù)荷峰值的比值。該指標(biāo)反映新能源裝機(jī)容量與總負(fù)荷之間的關(guān)系

(5)

式中，f1為配電網(wǎng)內(nèi)新能源發(fā)電的總裝機(jī)容量；f2為配電網(wǎng)內(nèi)總負(fù)荷峰值；

(16)新能源消納率F2。新能源消納率是指配電網(wǎng)實(shí)際吸收新能源的輸出電量和總負(fù)荷峰值的比值。該指標(biāo)反映的是新能源發(fā)電出力對(duì)于電網(wǎng)總負(fù)荷的貢獻(xiàn)程度。此指標(biāo)的計(jì)算如下

(6)

式中，f3為配電網(wǎng)內(nèi)的新能源上網(wǎng)電量。

2 基于改進(jìn)TOPSIS-PSO-SVM的配電網(wǎng)適應(yīng)性評(píng)價(jià)

2.1 層次分析法

層次分析法是一種多目標(biāo)決策分析方法[20]，根據(jù)內(nèi)部的系統(tǒng)化、層次化的邏輯關(guān)系，將評(píng)價(jià)指標(biāo)組合成有序的層次結(jié)構(gòu)，然后利用專家的專業(yè)知識(shí)和經(jīng)驗(yàn)對(duì)同一層次的指標(biāo)進(jìn)行兩兩比較，并按照規(guī)定的標(biāo)度值構(gòu)造判別矩陣。其具體分析方法步驟如下[21]：建立層次結(jié)構(gòu)模型；判斷矩陣的構(gòu)造；層次的單排序及其一致性檢驗(yàn)；層次總排序及其一致性檢驗(yàn)。

2.2 熵權(quán)法

熵權(quán)法是測(cè)量信息不確定性的一種方法。其原理是將物理學(xué)中“熵”的概念引入信息論，即熵值越大指標(biāo)的權(quán)重越小，信息越無(wú)效，無(wú)序度越強(qiáng)；熵值越小指標(biāo)的權(quán)重越大，信息越有效，排序越強(qiáng)。其基本步驟如下[22-23]：指標(biāo)矩陣的建立；指標(biāo)矩陣的規(guī)范化處理；計(jì)算指標(biāo)的特征比重；計(jì)算指標(biāo)的熵權(quán)；計(jì)算指標(biāo)的差異化系數(shù)；計(jì)算指標(biāo)權(quán)重。

2.3 組合權(quán)重計(jì)算模型

利用式(7)中的組合權(quán)重計(jì)算方法，計(jì)算配電網(wǎng)適應(yīng)性評(píng)價(jià)指標(biāo)的組合權(quán)重

(7)

式中，wj為第j項(xiàng)指標(biāo)的組合權(quán)重；w1j為第j項(xiàng)指標(biāo)的AHP主觀權(quán)重；w2j為第j項(xiàng)指標(biāo)的EM客觀權(quán)重。

2.4 理想點(diǎn)法

理想點(diǎn)法又稱優(yōu)劣解距離法，是一種逼近于理想解的排序法[24]。理想點(diǎn)法是多目標(biāo)決策分析中一種常用有效方法，優(yōu)點(diǎn)是可以簡(jiǎn)潔形成直接供參考的決策信息；缺點(diǎn)是采用一維定性方式確定指標(biāo)權(quán)重，多因素分析情況下，指標(biāo)權(quán)重確定難度較大。其基本步驟如下[25]：建立標(biāo)準(zhǔn)化決策矩陣；建立加權(quán)標(biāo)準(zhǔn)化決策矩陣；確定最優(yōu)解與最劣解；計(jì)算備選方案與最優(yōu)解、最劣解距離；計(jì)算備選方案相對(duì)貼近程度；依據(jù)相對(duì)貼近程度對(duì)備選方案進(jìn)行排序，確定最優(yōu)方案。

2.5 改進(jìn)PSO-SVM模型的建立

改進(jìn)后的PSO優(yōu)化SVM算法步驟如下[26-27]：

步驟1首先設(shè)置種群粒子個(gè)數(shù)為m；

步驟2初始化種群中各粒子的速度和位置，規(guī)定粒子群算法中的種群大小為m=15，慣性權(quán)重最值ωmax=1.2，ωmin=0.4，學(xué)習(xí)因子c1=c2=2.05，迭代次數(shù)最高為Tmax。設(shè)定支持向量機(jī)的參數(shù)C和g范圍，預(yù)設(shè)變異閾值h=10，變異概率Pm=0.3，得到第1代種群

(8)

將各粒子的歷史最優(yōu)位置Pbest設(shè)為初始位置，取粒子群全局最優(yōu)位置gbest中的最優(yōu)值；

步驟3根據(jù)得到的種群，更新SVM算法中的懲罰系數(shù)C和核函數(shù)寬度g；

步驟4利用訓(xùn)練樣本訓(xùn)練SVM算法模型；

步驟5利用測(cè)試樣本測(cè)試SVM 算法精度，即適應(yīng)度函數(shù)值。適應(yīng)度函數(shù)值計(jì)算表示式為

(9)

式中，Zrec為識(shí)別的工況類型；Zact為實(shí)際的工況類型；n為測(cè)試樣本數(shù)量；

步驟6更新粒子速度和位置，表達(dá)式為

(10)

u(k+1)=u(k)+v(k+1)

(11)

式中，w為慣性權(quán)重；r1和r2為位于[0，1]的隨機(jī)數(shù)；k表示當(dāng)前的迭代次數(shù)，初始值為1；pbest(k)表示的是第k代個(gè)體最優(yōu)粒子的位置；gbest(k)表示第k代全局最優(yōu)粒子的位置；c1和c2為常數(shù)；v表示粒子的速度；u表示粒子的位置；

步驟7在每次計(jì)算更新之后，計(jì)算每個(gè)粒子的適應(yīng)度，并與之前的所經(jīng)歷的最優(yōu)位置pbest進(jìn)行比較。如果粒子現(xiàn)在所處的位置更優(yōu)，則將當(dāng)前粒子所在的位置作為pbest；

步驟8將每一個(gè)粒子所處的適應(yīng)度與全體粒子的最優(yōu)位置gbest比較，如果粒子群現(xiàn)在所處的位置更優(yōu)，則將當(dāng)前粒子所在的位置作為gbest；

步驟9檢查終值條件，若精度滿足預(yù)設(shè)條件，則停止迭代；若精度未滿足預(yù)設(shè)條件，則返回步驟3；若超出最大迭代次數(shù)，同樣停止迭代[28-29]；

步驟10輸出最優(yōu)解。

對(duì)于粒子群算法的改進(jìn)如下[30]：根據(jù)慣性權(quán)重ω的性質(zhì)和算法的計(jì)算式可知，ω的取值對(duì)后期經(jīng)過(guò)迭代后粒子的速度大小有較大影響，ω取值較大時(shí)，粒子具有較強(qiáng)的全局搜索能力，但是收斂能力變差；ω較小時(shí)，容易導(dǎo)致全局搜索能力變小，最終陷入局部最優(yōu)，因此固定的ω取值無(wú)法兼顧全局搜索和局部搜索。針對(duì)此問(wèn)題，本文引入自適應(yīng)慣性權(quán)重[31]的方法進(jìn)行修正，該方法可以改變每次迭代時(shí)ω的變化速度，使其進(jìn)行自適應(yīng)變化，提高尋優(yōu)情況。計(jì)算式如下

(12)

式中，ω為當(dāng)前慣性權(quán)重值；fi為粒子當(dāng)前迭代的適應(yīng)度值。

本文引入粒距來(lái)解決初始空間粒子分散不均勻的問(wèn)題。定義如下

(13)

式中，D(t)為粒子距離，表示粒子之間的相互分散程度，數(shù)值越大，代表粒子之間越分散；m為種群規(guī)模；n為空間維數(shù)；pid為第i個(gè)粒子在第d維度的數(shù)值；pd為所有粒子在d維度的平均值。

通過(guò)粒距的大小可以判斷種群是否需要變異操作。變異操作就是用來(lái)改進(jìn)粒子群算法對(duì)重點(diǎn)搜索區(qū)域的局部搜索性能。預(yù)先設(shè)定好一個(gè)閾值h，并讓其與粒距的大小進(jìn)行比較，若粒距D(t)小于閾值，則進(jìn)行高斯變異，按一定的概率pm選擇粒子，范圍一般是[0.1， 0.3]。變異前后粒子歷史信息不變，讓被選中的粒子通過(guò)高斯變異的方式跳出局部區(qū)域進(jìn)行搜索，避免早熟收斂的現(xiàn)象發(fā)生。其相關(guān)流程如圖1所示。

圖1 改進(jìn)的粒子群優(yōu)化支持向量機(jī)流程圖Figure 1. Flow chart of improved PSO-SVM

2.6 基于改進(jìn)TOPSIS-PSO-SVM的配電網(wǎng)適應(yīng)性評(píng)價(jià)步驟

考慮到單一權(quán)重確定方法有一定的局限性。因此基于主、客觀權(quán)重的基本原理和適用特點(diǎn)，本文采用兩種賦權(quán)方法進(jìn)行組合，得到組合權(quán)重。然后，利用TOPSIS法綜合評(píng)價(jià)得到評(píng)價(jià)模型的期望輸出值。最終，利用改進(jìn)的PSO-SVM進(jìn)行評(píng)價(jià)分析。具體步驟為：

步驟1利用AHP法計(jì)算各指標(biāo)的主觀權(quán)重?；诒?中的配電網(wǎng)適應(yīng)性評(píng)價(jià)指標(biāo)體系，通過(guò)調(diào)查問(wèn)卷的方式，邀請(qǐng)相應(yīng)專家打分，構(gòu)造各級(jí)指標(biāo)的判斷矩陣。通過(guò)AHP確定各級(jí)指標(biāo)的主觀權(quán)重，并通過(guò)一致性檢驗(yàn)，最終確定三級(jí)指標(biāo)對(duì)目標(biāo)方案的主觀權(quán)重w1j；

步驟2利用熵權(quán)法計(jì)算出各指標(biāo)的客觀權(quán)重w2j。具體方法是首先將指標(biāo)矩陣X進(jìn)行規(guī)范化處理，得到規(guī)范化矩陣G=(gij)m×n。利用式(7)中的組合賦權(quán)，計(jì)算評(píng)價(jià)指標(biāo)的組合權(quán)重；

步驟3利用TOPSIS法確定期望輸出值。參考《分布式電源接入電網(wǎng)評(píng)價(jià)導(dǎo)則》中關(guān)于配電網(wǎng)適應(yīng)性評(píng)價(jià)的方法，本文根據(jù)TOPSIS方法確定了改進(jìn)PSO-SVM評(píng)價(jià)模型的期望輸出值。首先建立標(biāo)準(zhǔn)化決策矩陣Z=[zij]

(14)

式中，aij為第i個(gè)備選方案的第j個(gè)因素值。建立加權(quán)標(biāo)準(zhǔn)化決策矩陣X=[xij]，權(quán)重向量為

Wj=[w1，w2，…,wn]T

(15)

式中，Wj為組合權(quán)重向量，其中xij=wjzij；

(16)

計(jì)算各方案的相對(duì)貼進(jìn)度，如下式

(17)

并將各方案的相對(duì)貼進(jìn)度確定為改進(jìn)PSO-SVM評(píng)價(jià)模型的期望輸出值；

步驟5利用改進(jìn)的PSO-SVM組合評(píng)價(jià)模型進(jìn)行評(píng)價(jià)。將指標(biāo)體系的原始數(shù)據(jù)作為評(píng)價(jià)模型的輸入值，并將步驟3中確定的TOPSIS評(píng)價(jià)值作為模型的期望輸出值，據(jù)此來(lái)進(jìn)行模型的訓(xùn)練與評(píng)價(jià)，得到最終的評(píng)價(jià)結(jié)果。其具體步驟可參照上文的改進(jìn)的PSO-SVM模型優(yōu)化步驟。

本文構(gòu)建了基于改進(jìn)的TOPSIS-PSO-SVM模型的配電網(wǎng)適應(yīng)性評(píng)價(jià)模型，具體框架流程如圖2所示。

圖2 改進(jìn)TOPSIS-PSO-SVM評(píng)價(jià)模型流程Figure 2. Improved TOPSI-PSO-SVM evaluation model flow

3 案例分析

鑒于寧夏為第一個(gè)國(guó)家新能源示范區(qū)，本文選取了寧夏5個(gè)地區(qū)5年的配電網(wǎng)數(shù)據(jù)來(lái)進(jìn)行分析，分別是銀川地區(qū)、石嘴山地區(qū)、吳忠地區(qū)、寧東地區(qū)、中衛(wèi)地區(qū)。為了方便闡述，將5個(gè)地區(qū)分別用A市、B市、C市、D市、E市進(jìn)行表示。同時(shí)為了更加詳細(xì)、清晰的說(shuō)明評(píng)價(jià)的過(guò)程，本文以其中一個(gè)地區(qū)的5年數(shù)據(jù)為例，進(jìn)行詳細(xì)的評(píng)價(jià)步驟說(shuō)明，包括權(quán)重的確定、樣本期望輸出值的確定以及模型的評(píng)價(jià)結(jié)果。具體過(guò)程如下：

(1)指標(biāo)權(quán)重的確定。根據(jù)已確立的評(píng)價(jià)指標(biāo)體系，通過(guò)官網(wǎng)以及行業(yè)的權(quán)威網(wǎng)站和相應(yīng)工作人員，進(jìn)行信息搜集。利用AHP確定指標(biāo)的主觀權(quán)重，利用EM得到指標(biāo)的客觀權(quán)重，并根據(jù)式(7)計(jì)算得出指標(biāo)組合權(quán)重，結(jié)果如表2所示；

表2 評(píng)價(jià)指標(biāo)體系權(quán)重表

(2)樣本期望輸出值的確定。由于各指標(biāo)之間的單位量級(jí)不一樣，在綜合評(píng)價(jià)前進(jìn)行了數(shù)據(jù)的無(wú)量綱化處理，得到了標(biāo)準(zhǔn)化矩陣。利用TOPSIS法確定了各方案的相對(duì)貼進(jìn)度，并將其確定為改進(jìn)PSO-SVM模型的期望輸出值；

(3)基于改進(jìn)PSO-SVM模型的配電網(wǎng)適應(yīng)性評(píng)價(jià)過(guò)程。根據(jù)選取的寧夏5個(gè)地區(qū)的配電網(wǎng)樣本數(shù)據(jù)，按照年度隨機(jī)選取20組作為訓(xùn)練樣本，剩余5組作為測(cè)試樣本。將樣本數(shù)據(jù)分別帶入改進(jìn)的PSO-SVM模型以及PSO-SVM和單一的SVM中，分別進(jìn)行訓(xùn)練。訓(xùn)練結(jié)果和過(guò)程誤差對(duì)比體現(xiàn)在表3中。從相對(duì)誤差的角度分析，改進(jìn)PSO-SVM模型訓(xùn)練的相對(duì)誤差范圍在[2.780%，3.975%]之間，相對(duì)誤差絕對(duì)值平均數(shù)為1.217%。相較于PSO-SVM和單一的SVM模型，本文提出的評(píng)價(jià)模型具有較高的訓(xùn)練精度，提供了一個(gè)良好的評(píng)價(jià)模型環(huán)境。模型最終得到的懲罰因子C為 210.234 6，核函數(shù)寬度為0.002 2，粒子群算法得到的懲罰因子C為61.504 0，核函數(shù)寬度為0.01。

表3 改進(jìn)PSO-SVM評(píng)價(jià)模型訓(xùn)練結(jié)果

根據(jù)模型的訓(xùn)練結(jié)果，將5組測(cè)試集代入評(píng)價(jià)模型，得到了5組測(cè)試樣本的評(píng)價(jià)結(jié)果。其結(jié)果如表4所示。將改進(jìn)PSO-SVM獲得的測(cè)試輸出值和期望輸出值進(jìn)行比較，測(cè)試輸出值與期望輸出值得相對(duì)誤差絕對(duì)值最大為1.182%，相對(duì)誤差絕對(duì)值最小為0.533%，其相對(duì)誤差絕對(duì)值平均數(shù)為0.885 4%，相對(duì)誤差的上下波動(dòng)范圍較小。

表4 改進(jìn)PSO-SVM評(píng)價(jià)模型的測(cè)試結(jié)果

同時(shí)，本文給出了PSO-SVM模型和SVM模型的測(cè)試結(jié)果。如表5所示，在5組測(cè)試樣本中，PSO-SVM模型的測(cè)試輸出值和期望輸出值之間的相對(duì)誤差絕對(duì)值最大為3.54%，最小相對(duì)誤差絕對(duì)值為2.61%，相對(duì)誤差絕對(duì)值平均數(shù)為3.28%；SVM模型的測(cè)試輸出值和期望輸出值之間的相對(duì)誤差絕對(duì)值最大為6.51%，最小相對(duì)誤差絕對(duì)值為2.19%，相對(duì)誤差絕對(duì)值平均數(shù)為4.82%。因此，可以認(rèn)為本文構(gòu)建的基于改進(jìn)PSO-SVM的配電網(wǎng)適應(yīng)性評(píng)價(jià)模型具有較高的評(píng)價(jià)精度和性能。

表5 PSO-SVM和SVM評(píng)價(jià)模型測(cè)試結(jié)果

為了更加清晰直觀地了解到改進(jìn)PSO-SVM模型的有效性，本文將3種評(píng)價(jià)模型的評(píng)價(jià)測(cè)試值繪制了改進(jìn)PSO-SVM、PSO-SVM、SVM模型評(píng)價(jià)結(jié)果對(duì)比圖，如圖3和圖4所示。關(guān)于點(diǎn)評(píng)價(jià)方面，在5組測(cè)試樣本中，改進(jìn)PSO-SVM模型的評(píng)價(jià)值誤差是最小的，每一個(gè)點(diǎn)的評(píng)價(jià)值均優(yōu)于另外兩個(gè)模型的點(diǎn)評(píng)價(jià)值。在評(píng)價(jià)結(jié)果區(qū)間方面，改進(jìn)的PSO-SVM模型的相對(duì)誤差區(qū)間為[-1.038%，0.948 1%]，相對(duì)誤差絕對(duì)值平均數(shù)為0.885 4%，PSO-SVM模型的相對(duì)誤差區(qū)間為[-3.54%，3.51%]，相對(duì)誤差絕對(duì)值平均數(shù)為3.28%。SVM模型的相對(duì)誤差區(qū)間為[-6.51%，5.71%]，相對(duì)誤差絕對(duì)值平均數(shù)為4.82%?？梢钥闯?，在點(diǎn)評(píng)價(jià)值和誤差區(qū)間方面對(duì)比，基于改進(jìn)PSO-SVM的評(píng)價(jià)模型在配電網(wǎng)適應(yīng)性評(píng)價(jià)中所得到的評(píng)價(jià)結(jié)果精確性更好，波動(dòng)性更小。

圖3 3種模型的評(píng)價(jià)結(jié)果對(duì)比圖Figure 3. Comparison of evaluation results of the three models

圖4 三種模型的相對(duì)誤差對(duì)比圖Figure 4. Relative error comparison diagram of the three models

4 評(píng)價(jià)結(jié)果與分析

為了更加直觀地分析5個(gè)地區(qū)配電網(wǎng)適應(yīng)性評(píng)價(jià)結(jié)果，將5個(gè)地區(qū)5年來(lái)配電網(wǎng)適應(yīng)性的結(jié)果展示在圖5中。

圖5 5個(gè)地區(qū)配電網(wǎng)適應(yīng)性評(píng)價(jià)值Figure 5. Adaptability evaluation value of distribution networks in 5 regions

如圖5所示，5個(gè)地區(qū)配電網(wǎng)在5年間的適應(yīng)性評(píng)價(jià)值的排序都在發(fā)生變化。其中D、E兩地區(qū)的評(píng)價(jià)值在5年間都是持續(xù)上升的，均保持增長(zhǎng)趨勢(shì)，表明其適應(yīng)性整體提升。A、B兩地區(qū)在2015～2017年的評(píng)價(jià)值保持上升的趨勢(shì)，而從2017年起急劇下降，原因主要是分布式能源并網(wǎng)，其配電網(wǎng)可靠性與負(fù)載率情況急劇下降。但是，隨著一整年技術(shù)與新能源利用率的提升，2019年得到了提升。C地區(qū)整體的配電網(wǎng)適應(yīng)性評(píng)價(jià)值比較穩(wěn)定，C地區(qū)的特點(diǎn)是網(wǎng)架堅(jiān)實(shí)可靠、設(shè)備表中智能化和運(yùn)維效果良好，技術(shù)創(chuàng)新度高。因此，C地區(qū)5年來(lái)保持穩(wěn)定的評(píng)價(jià)值。但是，隨著分布式能源并網(wǎng)，C地區(qū)新能源利用率并不高，其優(yōu)勢(shì)逐漸下降，因此在其配電網(wǎng)適應(yīng)性評(píng)價(jià)值的綜合排序逐年降低。

為了驗(yàn)證評(píng)價(jià)指標(biāo)對(duì)于整體配電網(wǎng)評(píng)價(jià)值的影響情況，在此對(duì)評(píng)價(jià)指標(biāo)體系中各個(gè)指標(biāo)的組合權(quán)重值進(jìn)行了更為詳細(xì)的分析，如圖6所示。從圖6中的數(shù)據(jù)可以看出，在所有配電網(wǎng)評(píng)級(jí)指標(biāo)中一級(jí)指標(biāo)中電能質(zhì)量下的各個(gè)指標(biāo)D1、D2、D3、D4所占權(quán)重比例是較大的，電能質(zhì)量指標(biāo)的表現(xiàn)對(duì)于配電網(wǎng)適應(yīng)性評(píng)價(jià)有著十分重要的作用。這是由于新能源等分布式能源并網(wǎng)運(yùn)行可能會(huì)引起系統(tǒng)電能質(zhì)量的變化，具體表現(xiàn)在電壓閃變和波動(dòng)。如果新能源和局部負(fù)荷不能協(xié)調(diào)運(yùn)行，往往會(huì)導(dǎo)致配電網(wǎng)的流量發(fā)生劇烈的變化，使配電網(wǎng)的電壓調(diào)整更加困難，引起系統(tǒng)電壓的波動(dòng)。此外，新能源電源的啟動(dòng)和停運(yùn)會(huì)受到諸多因素的影響，各種因素變化的隨機(jī)性將會(huì)導(dǎo)致配電網(wǎng)的電壓閃變。同時(shí)5個(gè)地區(qū)雖然在某個(gè)指標(biāo)權(quán)重上有所不同，但是對(duì)于整體16個(gè)評(píng)價(jià)指標(biāo)的分布是具有共性的，同時(shí)也體現(xiàn)了寧夏5個(gè)地區(qū)的配電網(wǎng)適應(yīng)性評(píng)價(jià)得分雖具有不同的結(jié)果，但是整體的分布式能源并網(wǎng)后，配電網(wǎng)所體現(xiàn)出來(lái)的特征是具有共性的，例如電壓偏差超標(biāo)率D1、諧波電流超標(biāo)率D3、電壓波動(dòng)超標(biāo)率D4在5個(gè)地區(qū)的權(quán)重分布比重較大。這些指標(biāo)對(duì)于配電網(wǎng)適應(yīng)性評(píng)價(jià)的結(jié)果起著關(guān)鍵作用。

圖6 配電網(wǎng)適應(yīng)性評(píng)價(jià)指標(biāo)權(quán)重分布圖Figure 6. The weight distribution diagram of the adaptability evaluation index of the distribution network

為了更加直觀地觀察各地區(qū)指標(biāo)得分情況，將5個(gè)地區(qū)在可靠性指標(biāo)、負(fù)載率指標(biāo)、電流指標(biāo)、電能質(zhì)量指標(biāo)、運(yùn)行年限指標(biāo)、新能源利用率6個(gè)方面的指標(biāo)得分進(jìn)行分析，如圖7所示。

圖7 配電網(wǎng)適應(yīng)性評(píng)價(jià)一級(jí)指標(biāo)得分情況Figure 7. Scores of the first-level index of distribution network adaptability evaluation

從圖7中可以看出，在各區(qū)域配電網(wǎng)系統(tǒng)中沒(méi)有一個(gè)地區(qū)在所有的指標(biāo)得分中表現(xiàn)中處于絕對(duì)優(yōu)勢(shì)。其中C市在電能質(zhì)量方面表現(xiàn)最優(yōu)，E市在負(fù)載率指標(biāo)方面表現(xiàn)最優(yōu)，5個(gè)地區(qū)在新能源利用效率方面比較平均。另外電流指標(biāo)、可靠性指標(biāo)、運(yùn)行年限指標(biāo)整體比重占比很小，所以并沒(méi)有完全顯示出來(lái)。因此，在對(duì)配電網(wǎng)適應(yīng)性評(píng)價(jià)系統(tǒng)進(jìn)行評(píng)價(jià)時(shí)，不能單方面的參考某項(xiàng)指標(biāo)的數(shù)值，而應(yīng)全面觀察其整體表現(xiàn)情況進(jìn)行分析?？梢钥闯鲈?個(gè)區(qū)域中，負(fù)載率指標(biāo)、電能質(zhì)量指標(biāo)、新能源利用效率這3個(gè)指標(biāo)得分是占有絕對(duì)優(yōu)勢(shì)的。

5 結(jié)束語(yǔ)

隨著能源革命的到來(lái)，大量分布式電源接入到配電網(wǎng)，準(zhǔn)確有效地對(duì)接入新能源的配電網(wǎng)進(jìn)行適應(yīng)性評(píng)價(jià)具有重大意義。本文首先對(duì)接入分布式電源的配電網(wǎng)的適應(yīng)性進(jìn)行了新的定義。其次，從6個(gè)方面建立了一套科學(xué)合理的配電網(wǎng)適應(yīng)性評(píng)價(jià)指標(biāo)體系。本文基于主、客觀的組合賦權(quán)，結(jié)合TOPSIS，構(gòu)建了改進(jìn)的PSO-SVM評(píng)價(jià)模型。該模型的評(píng)價(jià)精度展現(xiàn)了一定的優(yōu)越性。最后將提出的評(píng)價(jià)模型應(yīng)用到實(shí)例分析中，證明該模型在配電網(wǎng)適應(yīng)性評(píng)價(jià)中具有較強(qiáng)的適用性以及可行性。通過(guò)結(jié)果分析可知，負(fù)載率指標(biāo)、電能質(zhì)量指標(biāo)、新能源利用效率這3個(gè)指標(biāo)在配電網(wǎng)適應(yīng)性評(píng)價(jià)中占有一定的優(yōu)勢(shì)。