基于反熵权法的智能电网评价.pdf

第４０卷第ｌ１期２０１２年６月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶｂ１．４０ＮＯ．１１Ｊｕｎ．１，２０１２基于反熵权法的智能电网评价张海瑞，韩冬，刘玉娇，宋依群，严正，孙强，张义斌（１．上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室，上海２００２４０；２．国网能源研究院，北京１０００５２）摘要：针对我国智能电网发展所面－的特殊情况，从发电侧、电网侧、用电侧构建了智能电网绿色高效的评价指标，提出了一—种新的评价方法一反熵权法。通过四类典型指标对反熵和熵进行了灵敏度分析和对比，说明了反熵赋权更适合于智能电网评价。从分析各地区智能电网发展多样性的角度出发，提出了基于反熵权法的智能电网综合评价模型通过对五个地区智能电网进行评价，并与熵权法进行对比，说明了基于反熵权法的智能电网评价方法有效、合理。关键字：权重；反熵权；熵权法；综合评价；智能电网Ｓｍａｒｔｇｒｉｄｅｖａｌｕａｔｉｏｎｂａｓｅｄｏｎａｎｔｉ－ｅｎｔｒｏｐｙｗｅｉｇｈｔｍｅｔｈｏｄ—ＺＨＡＮＧＨａｉ．ｒｕｉ，ＨＡＮＤｏｎｇ，ＬＩＵＹｕ－ｊｉａｏ，ＳＯＮＧＹｉ．ｑｕｎ，ＹＡＮＺｈｅｎｇ，ＳＵＮＱｉａｎｇ，ＺＨＡＮＧＹｉｂｉｎ（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｏｎｔｒｏｌｏｆＰｏｗｅｒＴｒａｎｓｍｉｓｓｉｏｎａｎｄＴｒａｎｓｆｏｒｍａｔｉｏｎ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ（Ｄｅｐａｍ＇ｎｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｇｈａｉＪｉａｏＴ０ｎｇＵｎｉｖｅｒｓ耐），Ｓｈａｎｇｈａｉ２００２４０，Ｃｈｉｎａ；２．ＳｔａｔｅＧｒｉｄＥｎｅｒｇｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ１０００５２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＩｎｖｉｅｗｏｆｔｈｅｓｐｅｃｉａｌｓｉｔｕａｔｉｏｎｏｆｃｕｒｒｅｎｔｓｍａｒｔｇｒｉｄｄｅｖｅｌｏｐｍｅｎｔｉｎＣｈｉｎａ，ｔｈｉｓｐａｐｅｒｃｏｎｓｔｒｕｃｔｓｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓｏｆｇｒｅｅｎａｎｄｅｆｆｉｃｉｅｎｔｓｍａｒｔｇｒｉｄａｔｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｓｉｄｅ，ｐｏｗｅｒｎｅｔｗｏｒｋｓｉｄｅ，ａｎｄｐｏｗｅｒｕｔｉｌｉｚａｔｉｏｎｓｉｄｅ，ａｎｄｐｕｔｓｆｏｒｗａｒｄａｎｏｖｅｌ———ｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄａｎｔｉｅｎｔｒｏｐｙｗｅｉｇｈｔｍｅｔｈｏｄ．Ｔｈｒｏｕｇｈａｎａｌｙｓｉｓａｎｄｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｓｅｎｓｉｔｉｖｉｔｙｏｆｆｏｕｒｔｙｐｉｃａｌｉｎｄｅｘｅｓ，ｔｈｅ—ａｎｔｉ－ｅｎｔｒｏｐｙｗｅｉｇｈｔｉｓｐｒｏｖｅｄｍｏｒｅｓｕｉｔａｂｌｅｆｏｒｓｍａｒｔｇｒｉｄｅｖａｌｕａｔｉｏｎ．Ｔｈｅｎ，ａｎｔｉｅｎｔｒｏｐｙｗｅｉｇｈｔｂａｓｅｄｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｉｓｓｕｉｔａｂｌｅｆｏｒｅｖａｌｕａｔｉｎｇｔｈｅｄｉｖｅｒｓｉｔｙｏｆｓｍａｒｔｇｒｉｄｄｅｖｅｌｏｐｍｅｎｔｉｎｄｉｆｆｅｒｅｎｔａｒｅａｓ．Ｉｔｉｓｓｈｏｗｎｖｉａｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｓｍａｒｔｇｒｊｄｅｖａｌｕａｔｉｏｎｉｎｆｉｖｅａｒｅａｓｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｎｔｉ－ｅｎｔｒｏｐｙｗｅｉｇｈｔｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅａｎｄｒｅａｓｏｎａｂｌｅ．Ｋｅｙｗｏｒｄｓ：ｗｅｉｇｈｔ；ａｎｔｉ－ｅｎｔｒｏｐｙｗｅｉｇｈｔ；ｅｎｔｒｏｐｙｗｅｉｇｈｔｍｅｔｈｏｄ；ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎ；ｓｍａｒｔｇｒｉｄ中图分类号：ＴＭ７１文献标识码：Ａ文章编号：１６７４－３４１５（２０１Ｉ）ｉ１－００２４－０６０引言资源和环境的双重压力迫使人们开始审视电网在节能减排中的重要作用［１１。同样，低碳理念对电力行业也产生了广泛而且深刻的影ｈｉｌｌ２１。智能电网成为了节能减排技术的应用主体，智能电网建设也成了低碳经济的重要组成部分ｐＪ。电网作为电能输送的载体，为了实现能源资源的大范围优化配置，因此，以特高压电网为骨干网架，各级电网协调发展，通过利用先进的通信、信息和控制等技术，构建以信息化、自动化、互动化为特征的坚强智能电网使其成为了可能［４１。我国智能电网技术的实施与技术的成熟度、经济发展水平和实力、人民生活水平高低、国家所实施的法律法规等多种因素有关，实施是一个长期的过程，要根据实际的需求和可能逐步进行，期间会有变化，有些技术要试点后推广，切忌盲目投入ｐＪ。因此，对智能电网进行评价势在必行，评价指标的建立和方法的选择都至关重要。文献【６］提出了智能电网的综合评价指标，文献［７］提出了智能配电网自愈能力的评价指标，文献【８１分析了美国智能电网评价指标。文献【９．１１］描述了基于熵值法进行评价的基本步骤，并指出熵值可以反映指标的无序程度。在此基础上，本文从绿色高效的角度构建了智能电网评价指标，提出了反熵权法，并与熵权法进行了对比分析，最后将其应用于智能电网综合评价，通过算例验证了该方法的有效性、可行性。１智能电网评价指标１．１智能电网评价宗旨和目的张海瑞，等基于反熵权法的智能电网评价．２５一目前，美国智能电网重点发展以信息化为基础的配电网智能化引。欧洲更关注新能源建设。与欧美不同，我国发展智能电网更关注建设具有中国特色的坚强智能电网，以建立统一调度和运行的特高压电网为目标，旨在从多个方面促进新能源的使用”和提高现有资源的使用效率［Ｊ。同时，文献［１４。１５１提出了智能电网实现的几个关键技术，讨论了适合中国电网情况的智能电网。针对当前具体国情，本文注重评价智能电网在节能减排方面的作用及其高效运行的意义。１．２指标构建智能电网代表了电力行业的发展趋势。智能电网可以提高能源效率，减少线路损耗，有利于可再生能源的融合和电动汽车的充电，可有效减少温室气体的排放。本文主要从发电侧、电网侧、用电侧对智能电网建设目标的绿色高效方面进行评价，其指标分别为：（１）发电侧发电侧主要考核清洁电源的发展和利用情况，用清洁电源发电量占比来评价智能电网建设水平。１）清洁电源发电量占比（辟）Ｐ：Ｐ／ＱＴ（１）式中：表示风、水、光、核电厂全年实际发电量，ＭＷｈ；表示所有发电厂全年实际发电量，ＭＷｈ。（２）电网侧电网作为能量传递的纽带，其本身运行效率对衡量智能电网建设水平具有重要意义。因此，电网侧的评价指标有电网综合网损率（ＲＤｓｓ）、设备可用系数（ＡＦ）、负荷系数（ＬＦ）、峰谷率（尺Ｐｖ）。１）电网综合网损率（墨ｌｏｓｓ）Ｒｍｓ。＝（－Ｑｓ）／Ｑ．（２）式中：ＱＢ表示购电量，ＭＷｈ；Ｑｓ表示售电量，Ｍ。智能电网的建设，将通过一系列手段降低网络损耗，例如，提高电压等级、采用新型导线等手段均能够有效地降低网络损耗。２）设备可用系数（Ｆ）＝∑／＝ｌ（３）‘ｌ，＿一Ｊ、表示第，类设备的可用系数，设备主要包括架空线路、变压器、断路器、隔离开关、全封闭组合电器等。３）负荷系数（Ｆ）ＬＦ＝ｌ，￣－，ｆ（ｍ，ｊ／＝１Ｊ／ｌｌｌＹｌ，Ｊ）（４），，＼ａｃ【，，、式中：表示断面的实际最大负荷，ＭＷ；Ｐｌｉ．，表示断面，的稳定限额，ＭＷ。断面可由电网公司提供，并经过第三方审核。４）峰谷率（Ｒｐｖ）ｖ＝尸Ｐ／Ｐｖ（５）式中：ＰＰ表示典型目的峰荷，ＭＷ；，表示典型日的谷荷，ＭＷ。ｆ３）用电侧用电侧的智能电网建设水平用电动汽车减排量来评价。插电式电动汽车低谷充电率（）ＲＥｖ＝ｖ／．Ｔ（６）式中：、，表示插电式电动汽车低谷充电量，指评价周期内平均每天低谷时段电动汽车充电量，ＭＷｈ；、，表示插电式电动汽车总充电量，指评价周期内电动汽车平均每天的总充电量，ＭＷｈ。综上所述，本文从绿色高效的角度构建了智能电网建设评价指标体系，如表１所示。表１智能电网绿色高效评价指标Ｔａｂｌｅ１Ｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓｏｆｇｒｅｅｎａｎｄｅｆｎｃｉｅｎｔｓｍａｒｔｇｒｉｄ环节．指标发电侧清洁电源发电量占比电网综合网损率设备可用系数电网倾９负荷系数峰谷率用电侧插电式电动汽车低谷充电率２基于反熵权法的评价模型２．１反熵熵源于系统热力学，被引入信息论，表征系统的无序程度。当系统可能处于种不同状态时，每…种状态出现的概率为Ｐｉ（ｉ＝１，２，，），则系统的熵为∑ｈ＝一Ｐｌｎ（７）●‘’ｌｌ一∑其中，ｏｌ且Ｐ＝ｌ。’本文提出两种基于熵值的反熵，ｈ、ｈ。与熵值一２６．电力系统保护与控制的特征相反，即指标的差异性越大，反熵越大。针对上述系统，反熵的两种定义如式（８）、式（９）。’∑ｈ＝一ｐｌｎ（１一Ｐ）（８）”∑ｈ＝一ｎ（１一Ｐｆ）Ｉｎｐｉ（９）＝１＿一、ｆｆ∑式中：０＜ｐ，＜ＩＲＰ＝ｌ。２．２四类典型指标为了能够深入分析指标差异度与反熵之间的“”关系，下面提出了四类比较典型的指标：一枝独秀“”“”“指标、均匀分布指标、反一枝独秀指标、集”中分布指标，如图１所示。其基本特征如下：“”（１）一枝独秀型指标该指标特征：少数评价对象的指标值较高，多数对象的指标值相对落后。反映了少数电网公司对该类指标的建设超前于当前平均水平。如图１（ａ）所不ｏ“”（２）均匀分布型指标该指标特征：评价对象的指标值均匀分布在一定区间内。反映了各电网公司对该类指标建设进程存在差异，比较客观地反映各地区智能电网建设的积极性。如图ｌｆｂ）所示。“”（３）反一枝独秀型指标该指标特征：少数评价对象的指标较低，多数对象的指标值均相等。反映了少数电网公司对该类指标建设比较落后，显示出其建设中存在一定问题。如图１（ｃ）所示。“”（４）集中分布型指标该类指标特征：评价对象的指标值均集中在某一值附近或近似相等。反映了各电网公司对该类指标的建设齐头并进，或已经达到了目标值。如图ｌ（ｄ１所示。１２３４５“”（ｃ）反一枝独秀型指标图１四类典型指标示意图Ｆｉｇ．１Ｆｏｕｒｋｉｎｄｓｏｆｔｙｐｉｃａｌｉｎｄｅｘｅｓ２．３灵敏度分析根据上文提出的四类典型指标，对反熵的灵敏度进行分析，并与对应熵值的灵敏度进行比较。定“”义ｋ为最大值／最小值，可知，对同一类典型指标而言，ｋ反映了指标的差异程度，由此可以进行如下分析。图２给出了反熵１、反熵２及熵随指标差异度“”的变化情况。其中，１为一枝独秀型指标，２“”“”为均匀分布型指标，３为反一枝独秀型指“”标，４为集中分布型指标。可见，对同一典型指标而言，差异度越大，反熵值越大；对不同典型指标，有堑＞生＞＞丝：０一————＞＞＞＝ＡｋＡｋＡｋＡｋ生＞丝＞：ｏ————＞＞＿二＝ＵＡｋＡｋＡｋＡｋ一笪＞一丝＞一＞一丝：００———一一＞一＞一＞一＿二ＡｋＡｋＡｋＡｋ△△式中：矗、、Ａｈ；、Ａｈ＇４表示四类典型指标△△△△下反熵１的变化量；、、、表示△△△四类典型指标下反熵２的变化量；、、、表示四类典型指标下熵的变化量；Ａｋ表示四类典型指标下指标差异度的变化量。（ａ）反熵１随差异度的变化情况壤薹亨亨一守。①通过灵敏度分析得到如下结论：反熵与指标②的差异度成正比，熵值与指标的差异度成反比；∈当ｋ（１，１０）时，反熵１、反熵２及熵值的变化范围∈∈∈③为：ｈ（Ｏ，１），ｈ。（６，ｌｏ），ｈ（Ｏ，１）；四类典型“”“指标中，一枝独秀指标的灵敏度最大，均匀分”“”“”布、反一枝独秀的灵敏度次之，集中分布指标的灵敏度最小。张海瑞，等基于反熵权法的智能电网评价．２７．在评价中，反熵与权重成正比。因此，对同一典型指标而言，指标差异度越大，权重越大；对不“”“同典型指标而言，一枝独秀指标的权重最大，均”“”“”匀分布、反一枝独秀的权重次之，集中分布指标的权重最小。同时，由于权重变化还受反熵取值范围的影响，权重特征在算例中进一步分析。２．４反熵权法的评价步骤本文提出了基于反熵的评价方法。假设有ｍ项评价指标，，１个评价对象。反熵权法的具体步骤如下：（１）指标预处理对于不同地区的智能电网来说，在不同的建设起点和相同建设目标下进行评价，其结果往往很不公平。因此，本文提出一种预处理方法，适应了地区间的差异，具体模型为—ｃ：ｍ—ｉｎ—｛ｘ—Ｕ，—ａｏ＿．｝ｘｌＯ０％（１０）ｍａｘ｛ｘｏ．，ａ，ｊ）式中：ｘｖ为第个地区第ｉ项指标的实际值；ａ为第个地区第ｉ项指标的目标值；ｃｉｊ为第个地区第ｉ项指标预处理后的指标值，可以反映该地区根据实际情况制定的智能电网建设目标的完成程度。预处理得到的评价指标矩阵为ｒｑｑ：ｌ—ｒＩｌｃ２２—ｌ：：’Ｉ。ＬｃｍｌＣｍ２（２）确定反炳根据Ｃ确定各指标的反熵为：一∑ｌｎ（１－ｒ￣ｊ）：一∑一ｒ￣ｊ）Ｉｎｒ０－∑式中，＝／：：。Ｃ／ｊ。（３）确定权重＝∑／／乙＝．∑／疗ｆ己式中，、为两类反熵确定的权重。（１１）（１２）３算例根据本文提出的评价指标，应用反熵权法对五个地区的智能电网进行综合评价。假设经过预处理得到的评价指标数据如表２。表２中各项指标值均代表了智能电网的实现程度，直接或间接地反映了五个地区电网公司目标的完成情况。表２评价指标目标的完成程度Ｔａｂｌｅ２Ｆｉｎｉｓｈｉｎｇｄｅｇｒｅｅｏｆｅｖａｌｕａｔｉｏｎｉｎｄｅｘｔａｒｇｅｔ％图３给出了六项评价指标的柱状分布图，可见，指标２、６的差异度较大。图４给出了反熵的值，并与熵值进行了对比，可见，由于取值范围的不同，反熵２可更加明确地反映各项指标的差异程度。ｌ・００．８０．６萋０２０．０１２３４５图３指标分布图Ｆｉｇ．３Ｉｎｄｅｘｅｓｐｒｏｆｉｌｅ图４指标的反熵Ｆｉｇ．４Ａｎｔｉ－ｅｎｔｒｏｐｙｏｆｉｎｄｅｘｅｓ（１３）根据式（１３）、式（１４）得到各项指标的权重，并与熵值法得到的权重进行比较，如图５所示。可见，（１４）三种赋权方法得到的权重波动情况比较一致，区别在于波动幅度。可知，熵权法对指标差异度的敏感性要远大于反熵权法，因此导致权重分配时出现了晰一２８一电力系统保护与控制图５所示的情况，即指标２和指标５的权重小于０．１的极端情况。当指标权重太小时则失去了比较该指标的意义，这种情况应当避免。而反熵权１和反熵权２之间的区别在于前者鼓“”励一枝独秀的情况，这一特征对智能电网评价具有重要意义。在实际评价中，使先进的电网公司因此而受到鼓励，调动了发展的积极性。因此，反熵权１更加合理、可行。图５反熵权—Ｆｉｇ．５Ａｎｔｉｅｎｔｒｏｐｙｗｅｉｇｈｔｓ表３给出了反熵法权与熵权法的评价结果。由于赋权原理不同，导致评价结果出现差异。因此，评价方法的选择对评价结果具有很大影响。表３智能电网评价结果Ｔａｂｌｅ３Ｅｖａｌｕａｔｉｏｎｒｅｓｕｌｔｓｏｆｓｍａｒｔｇｒｉｄ综上所述，考虑地区差异的预处理方法保证了信息的完整性及评价的公平性，可以鼓励各地区智能电网的发展因地制宜，在服从全国统一规划的前提下充分利用当地资源优势；通过与熵权法进行比较，说明了反熵权法的合理性。４结语本文构建了智能电网绿色高效评价指标，提出了基于反熵权的评价方法。在此基础上将反熵权法与熵权法进行了对比研究，通过四类典型指标分析了二者对指标差异度的敏感性，说明了反熵权法更适合于智能电网评价。采用模拟数据对五个地区的智能电网进行评价，说明了反熵权法与熵权法的赋权特点，分析表明采用反熵权１的评价方法更具合理性。智能电网评价是项复杂的系统工程，因此，评价指标仍需补充和改进。本文所提出的评价方法根据指标差异度进行赋权，而综合评价结果对电网规划与投资具有重要意义，因此，评价方法的有效性仍有待进一步证明。后续研究主要针对评价指标及评价方法展开，希望本文能够对以后的电网评价提供帮助。参考文献［１］何光宇，孙英云．智能电网基础【Ｍ】．北京：中国电力出版社，２０１０．［２］［３］［４］［６］［７］［８］［９］—ＨＥＧｕａｎｇｙｕ，ＳＵＮＹｉｎｇ－ｙｕｎ．Ｉｎｔｅｌｌｉｇｅｎｔｇｒｉｄｆｏｕｎｄａｔｉｏｎ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＰｒｅｓｓ，２０１０．康重庆，陈启鑫，夏清．低碳电力技术的研究展望［Ｊ］．电网技术，２００９，３３（２）：１－７．—ＫＡＮＧＣｈｏｎｇ－ｑｉｎｇ，ＣＨＥＮＱｉｘｉｎ，ＸＩＡＱｉｎｇ．Ｐｒｏｓｐｅｃｔｓｏｆｌｏｗ－ｃａｒｂｏｎｅｌｅｃｔｒｉｃｉｔｙ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００９，３３（２）：１－７．许晓慧．智能电网导论【Ｍ】．北京：中国电力出版社，２００９．—ＸＵＸｉａｏｈｕｉ．Ｉｎｔｅｌｌｉｇｅｎｔｇｒｉｄｉｎｔｒｏｄｕｃｔｉｏｎ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＰｒｅｓｓ，２００９．——胡学浩．智能电网未来电网的发展态势『Ｊ】．电网技术，２００９，３３（１４１：１．５．ＨＵＸｕｅ．ｈａｏ．Ｓｍａｒｔｇｒｉｄ－－ａｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｆｕｔｕｒｅｐｏｗｅｒｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００９，３３（１４）：—１５．杨永标，丁孝华，朱金大，等．物联网应用于电动汽车充电设施的设想［Ｊ］．电力系统自动化，２０１０，３４（２１）：９５．９８．—ＹＡＮＧＹｏｎｇ－ｂｉａｏ，ＤＩＮＧＸｉａｏｈｕａ，ＺＨＵＪｉｎ－ｄａ，ｅｔａ１．Ａｓｓｕｍｐｔｉｏｎｏｆｉｎｔｅｍｅｔｏｆｔｈｉｎｇｓａｐｐｌｉｅｄｉｎｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｃｈａｒｇｉｎｇｆａｃｉｌｉｔｉｅｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１０，３４（２１）：９５－９８．倪敬敏，何光宇，沈沉，等．美国智能电网评估综述［Ｊ１．电力系统自动化，２０１０，３４（８）：９－１３，６６．—ＮＩＪｉｎｇｍｉｎ，ＨＥＧｕａｎｇ－ｙｕ，ＳＨＥＮＣｈｅｎ，ｅｔａ１．ＡｒｅｖｉｅｗｏｆａｓｓｅｓｓｍｅｎｔｏｆｓｍａｒｔｇｒｉｄｉｎＡｍｅｒｉｃａ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１０，３４（８）：９－１３，６６．李天友，徐丙垠．智能配电网自愈功能与评价指标［Ｊ］．—电力系统保护与控制，２０１０，３８（２２）：１０５１０８．ＬＩＴｉａｎ－ｙｏｕ，ＸＵＢｉｎｇ－ｙｉｎ。Ｓｅｌｆ－ｈｅａｌｉｎｇａｎｄｉｔｓｂｅｎｃｈｍａｒｋｉｎｇｏｆｓｍａｒｔｄｉｓｔｒｉｂｕｔｉｏｎｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（２２）：１０５－１０８．王智东，李晖，李隽，等．智能电网的评估体系［Ｊ］．电网技术，２００９，３３（１７）：１４．１８．ＷＡＮＧＺｈｉ－ｄｏｎｇ，ＬＩＨｕｉ，ＬＩＪｕｎ，ｅｔａ１．Ａｓｓｅｓｓｍｅｎｔｉｎｄｅｘｓｙ￣ｅｍｆｏｒｓｍａｒｔｇｒｉｄｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，—２００９，３３（１７）：１４１８．孙长海，提运桥．基于模糊熵权的电网建设项目招标评标［Ｊ］．华北电力大学学报：社会科学版，２０１０（６）：１０．１２．ＳＵＮＣｈａｎｇ－ｈａｉ，ＴＩＹｕｎ・ｑｉａｏ．Ａｓｔｕｄｙｏｎｇｒｉｄ张海瑞，等基于反熵权法的智能电网评价．２９．（上接第５页ｃｏｎｔｉｎｕｅｄｆｒｏｍｐａｇｅ５）［１Ｏ］许福友，陈艾容，等．信号预处理对桥梁颤震导数识别结果影响分析［Ｊ】．武汉理工大学学报：交通科学与工程版，２００８，３２（５）：７８２．７８５．ＸＵＦｕ．ｙｏｕ，ＣＨＥＮＡｉ．ｒｏｎｇ，ｅｔａ１．Ａｎａｌｙｓｉｓｏｆｔｈｅｉｎｆｌｕｅｎｃｅｏｆｐｒｅｐｒｏｃｅｓｓｅｄｓｉｇｎａｌｓｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｂｒｉｄｇｅｆｌｕｔｔｅｒｄｅｒｉｖａｔｉｖｅｓ［Ｊ［．ＪｏｕｒｎａｌｓｏｆａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ：ＴｒａｎｓｐｏｒｔａｔｉｏｎＳｃｉｅｎｃｅ＆—Ｅｎｇｉｎｅｅｒｉｎｇ，２００８，３２（５）：７８２７８５．［儿］ＩｎｇｌｅＶＫ，ＰｒｏａｋｉｓＪＧ．数字信号处理一一使用ＭＡＴＬＡＢ［Ｍ］．西安：西安交通大学出版社，２００２．［１２］ＺｈｏｕＮ，ＴｒｕｄｎｏｗｓｋｉＤ，ＰｉｅｒｒｅＪＷ，ｅｔａ１．Ａｎａｌｇｏｒｉｔｈｍｆｏｒｒｅｍｏｖｉｎｇｔｒｅｎｄｓｆｒｏｍｐｏｗｅｒ－ｓｙｓｔｅｍｏｓｃｉｌｌａｔｉｏｎｄａｔａ［ｅｌ／／ＩＥＥＥＰｏｗｅｒａｎｄＥｎｅｒｇｙＳｏｃｉｅｔｙＧｅｎｅｒａｌＭｅｅｔｉｎｇ，Ｐｉｔｔｓｂｕｒｇｈ，ＰＡ，２００８．［１３］ＫａｒｊａｌａｉｎｅｎＰＡ．ＲｅｇｕｌａｔｉｚａｔｉｏｎａｎｄＢａｙｅｓｉａｎｍｅｔｈｏｄｓｆｏｒｅｖｏｋｅｄｐ￣ｅｎｔｉａｌｅｓｔｉｍａｔｉｏｎ［Ｄ１．ＫｕｏｐｉｏＵｎｉｖｅｒｓｉｔｙＰｕｂｌｉｃａｔｉｏｎｓＣ，ＮａｔｕｒａｌａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，１９９７：５０．５２．’［１４］ＴａｒｖａｉｎｅｎＭＰＲａｎｔａ－ａｈｏＰ０，ＫａｒｊａｌａｉｎｅｎＰＡ．ＡｎａｄｖａｎｃｅｄｄｅｔｒｅｎｄｉｎｇｍｅｔｈｏｄｗｉｔｈａｐｐｌｉｃａｔｉｏｎｔｏＨＲＶａｎａｌｙｓｉｓ［Ｊ［．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＢｉｏｍｅｄｉｃａｌ—Ｅｎｇｉｎｅｅｒｉｎｇ，２００２，４９（２、：１７２１７５．［１５］赵礼杰．基于ＥＭＤ和Ｐｒｏｎｙ算法在低频振荡模态参数辨识中的应用［Ｊ］．电力系统保护与控制，２００９，３７（２３）：９．１４．ＺＨＡＯＬｉ－ｊｉｅ．ＡｐｐｌｉｃａｔｉｏｎｏｆＰｒｏｗａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＥＭＤｆｏｒｉｄｅｎｔｉｆｙｉｎｇｍｏｄｅｌｐａｒａｍｅｔｅｒｓｏｆｌｏｗ－ｆｒｅｑｕｅｎｃｙｏｓｃｉｌｌａｔｉｏｎｓ［Ｊ】．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（２３）：９－１４．［１６］丁蓝，薛安成，李津，等．基于窗口滑动改进Ｐｒｏｗ算法电力系统低频振荡识别［Ｊ］．电力系统自动化，２０１０，３４（２２）：２４・２８．ＤＩＮＧＬａｎ，ＸＵＥＡｎ・ｃｈｅｎｇ，ＬＩＪｉｎ，ｅｔａ１．ＡｍｏｖｉｎｇＰｒｏｗａｌｇｏｒｉｔｈｍｆｏｒｐｏｗｅｒｓｙｓｔｅｍｌｏｗｆｒｅｑｕｅｎｃｙｏｓｃｉｌｌａｔｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｊ】．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙ￣ｅｍｓ，２０１０，３４（２２）：２４－２８．［１７］竺炜唐颖杰，周有庆，等．基于改进Ｐｒｏｎｙ算法的电力系统低频振荡模式识别［Ｊ】．电网技术，２００９，３３（５）：４４．４７．ＺＨＵＷｅｉ，ＴＡＮＧＹｉｎｇ－ｊｉｅ，ＺＨＯＵＹｏｕ－ｑｉｎｇ，ｅｔａ１．ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｐｏｗｅｒｓｙｓｔｅｍｌｏｗｆｒｅｑｕｅｎｃｙｏｓｃｉｌｌａｔｉｏｎｍｏｄｅｂａｓｅｄＯｌｌｉｍｐｒｏｖｅｄＰｒｏｗａｌｇｏｒｉｔｈｒｎ［Ｊ】．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００９，３３（５）：４４－４７．—收稿日期：２０１卜０７１９作者简介：周念成（１９＇６９一），男，博士，副教授，从事电力系统自动化和电能质量方面的教学和研究；王子疆（１９８７一），男，硕士研究生，主要研究方向为电—力系统运行与控制。Ｅｍａｉｌ：ｗｙｊ１７６２＠１６３．ｔｏｍ