一种基于多元时空信息建模的智能配电网态势感知方法
【专利摘要】本发明公开了一种基于多元时空信息建模的智能配电网态势感知方法，首次将多元时空信息模型用于智能配电网态势感知中，是对考虑电网潜在联系和固有特性的发展，深入挖掘和有效利用电网的状态信息和量测信息；同时将建模得到的精度较高的节点电压幅值与节点电压相角作为虚拟的量测信息，增加配电网量测冗余度，提高配电网状态估计的收敛速度和收敛精度，缩短状态估计时间，为智能配电网在线估计提供了可能性；最后针对配电网实时态和未来态进行了安全稳定分析，对配电网在未来时刻的潜在风险进行了预判，为系统调度、系统决策提供了参考。
【专利说明】
-种基于多元时空信息建模的智能配电网态势感知方法
技术领域
[0001] 本发明设及一种基于多元时空信息建模的智能配电网态势感知方法，属于电力系 统监测、分析和控制技术领域。
【背景技术】
[0002] 随着电网的发展和相关技术的进步，新能源发电规模日趋扩大，结构也日益复杂， 运给智能配电网的安全稳定运行带来了一系列挑战。为了更好地建设智能配电网，在已有 的调度体系基础上，一些专家和学者提出了基于态势感知（situation awareness,SA)的智 能调度体系架构，W期实现对智能配电网运行状态和发展趋势的准确掌握。态势感知的概 念最早起源于军事领域，后来由化dsl巧给出了完整的定义，指在特定的时空条件下，认知、 理解环境因素，并对未来的发展趋势进行预测。电网态势感知主要通过采集到的广域时空 量测信息进行理解和预测，力求有效地掌握电网的安全态势。
[0003] 电网态势感知主要分为=个阶段:态势要素采集、实时态势理解、未来态势预测。 学者提出在时空大数据的环境下，充分利用广域量测信息的时空特性，实现大电网的稳定 态势评估及防御体系的构建。同时针对电网的暂态过程，提出了基于响应的电网暂态稳定 态势评估，提高电网的暂态稳定监控和预警能力。态势感知的最终目的是为了充分调动决 策者的认知能力，通过可视化界面有利于决策者对电网态势的全面理解。由此可见，当前国 内外研究主要集中在输电网态势感知的架构体系、评估方法W及可视化等方面。然而，随着 新能源并网规模的不断扩大，增加了配电网运行的不确定性，对配电网调度提出了更高的 要求。考虑到配电网中量测冗余度较低的现状，W及分布式电源并网对系统安全运行带来 的显著影响，传统的状态估计目前面临估计精度低和收敛性差等问题。当状态估计方法获 得的信息不够全面和准确时，将造成电网调度中屯、响应延迟、甚至错误，最终危害电力系统 的运行稳定性。因此，设计高效、可靠地智能配电网态势感知方法对配电网的安全、经济运 行具有重要意义。
【发明内容】
[0004] 发明目的：为克服现有技术不足，本发明旨在提供一种基于多元时空信息建模的 智能配电网态势感知方法。
[0005] 技术方案:为解决上述技术问题，本发明采用如下技术方案：
[0006] -种基于多元时空信息建模的智能配电网态势感知方法，包括顺序相接的如下步 骤：
[0007] 1)首先获得配电网的网络参数信息W及负荷和分布式电源有功功率出力信息； [000引2)程序初始化；
[0009] 3)将一年的负荷数据W及风电厂、光伏的有功功率出力通过潮流计算得到配电网 状态信息、支路功率和支路电流，并在潮流值的基础上添加高斯白噪声作为实时量测信息； 伪量测为节点注入功率，其标准差为0.2;虚拟量测还包括为零节点注入功率；
[0010] 4)将步骤3中计算得到的配电网状态信息W及生成的实时量测数据选取400个数 据样本，建立多元时空信息模型；
[0011] 5)确定估计时刻k，将时刻k-1的配电网状态信息估计值输入多元时空信息模型， 得到时刻k状态信息的建模值；
[0012] 6)针对步骤5得到的估计时刻k的状态信息建模值进行筛选，选取节点电压幅值与 节点电压相角作为虚拟量测信息；
[0013] 7)将伪量测、实时量测和步骤6生成的虚拟量测输入配电网状态估计器中进行状 态估计，得到时刻k的配电网状态信息估计值；
[0014] 8)将步骤7中得到的时刻k的状态信息估计值输入多元时空信息模型，得到时刻k+ 1状态信息的建模值，并进行未来态势预判。
[0015] 工作原理:本发明基于多元时空信息建模的智能配电网态势感知方法，利用历史 状态信息和实时量测对配电网运行状态进行多元时间序列建模，并将建模结果作为虚拟量 测输入状态估计器中W期获得精度较高的配电网实时运行状态;本发明将智能配电网的实 时态和未来态应用到配电网安全稳定分析中，得到当前和未来时刻的电压稳定指标和支路 功率失稳临近度。
[0016] 为了进一步提高精度，步骤1)中参数信息包括:配电网的拓扑信息、节点信息、支 路信息W及源荷的有功功率信息。
[0017] 为了更进一步提高精度，步骤2)中程序初始化包括:设定状态变量初始值、状态估 计收敛精度和最大迭代次数。
[0018] 优选，所述步骤3)中，负荷数据采样间隔为15min。
[0019] 所述步骤3)中，支路电流标准差为0.005，支路功率标准差为0.03;在实际量测装 置中，电流幅值的量测精度的确比功率的量测精度高，如此设置参数能更加符合实际电力 系统实际工况。
[0020] 根据历史数据训练模型统计所得，所述步骤6)中，节点电压幅值为模型均方差小 于0.Olpu,节点电压相角为模型均方差小于1°。
[0021] 1、多元时空信息建模
[0022] 智能配电网中的状态信息和量测信息之间存在固有的时空相关性，深度挖掘电网 已有信息之间的关联特性，对电网运行状态进行建模，可为态势感知、在线评估、实时调度 提供参考依据。假设Xt为智能配电网的t时刻的状态信息(节点电压幅值和相角），通过配电 网中历史负荷功率和发电功率信息，经过潮流计算可得：
[0023] . . . , Xt-2 , Xt-I, Xt, Xt+l , Xt+2 ,...
[0024] 式中Xt不仅与其自身的历史信息相关(时间信息），还与其相邻节点的状态信息密 切联系(空间信息）。
[0025] 假设多元时间序列模型中因变量y与自变量X之间存在如下关系：
[0026] y = a〇+aixi+a2X2+. . .+amXm+e
[0027] 式中a〇，ai，. . .?为模型的未知参数，xi，X2, . . .Xm为自变量，e为对应的模型误差， 是均值为0，方差〇2〉0的随机变量。
[0028] 本发明选取智能配电网中k时刻的节点电压幅值和相角作为时间序列模型的因变 量，模型的自变量采用最大相关性方法(Maximum Relevance,MR)对历史时刻的状态信息W 及k-1时刻的实时量测分析获得。智能配电网的时间序列模型为：
[0029]
[0030] 式中yi，y2,...，yn为智能配电网中某个节点的电压幅值或电压相角；xii，xi2,...， Xn,m-l为MR提取的历史状态信息和前一时刻的量测信息;令
则上式可表示为：
[0031] Y=XA+e
[0032] 时间序列模型的参数一般采用最小二乘估计法获得，即W误差项的平方和最小为 目标函数。然而，本发明模型的自变量中包含智能配电网的实时量测信息，针对可能出现的 不良数据，本文将采用具有鲁棒性的化ber函数作为模型参数估计的目标函数：
[0033]
[0034] 式中S为化ber函数的参数。化ber函数相对于二次函数来说，对异常值并不敏感， 它是一种使用鲁棒性回归的目标函数。当多元时空信息模型建立之后，需要对上述假设进 行显著性检验，本文采用经典的F检验法。
[0035] 2配电网S相状态估计
[0036] 本发明选取节点电压幅值和相角作为状态变量X，则量测量Z可表示为：
[0037] z = h(x)+v
[0038] 式中h(x)为量测函数，V为量测误差，通常假设为正态分布;配电网=相状态估计 目前普遍采用最小二乘法，其模型为：
[0039] minj(x) = [z-h(x) ]\[z-h(x)]
[0040] s.t.g(x)=0
[0041] c(x)《0
[0042] 式中W为权重矩阵，g(x)为配电网中的潮流约束，C(X)为分布式电源注入功率的不 等式约束。为了防止量测装置或通信过程引起的不良数据导致配电网=相状态估计精度降 低，本文针对实时量测进行了量测辨识环节，剔除不良数据。
[0043] 3态势预判
[0044] 本发明通过多元时空信息建模和配电网=相状态估计获得了智能配电网的态势 信息，并利用配电网电压稳定指标与支路功率失稳临近度进行分析和预判，W便调度人员 更好地了解配电网的运行状态与趋势。
[0045] 针对配电网中的电压稳定问题，本文采用第一类电压稳定指标和电压稳定裕度来 反映配电网的运行状态。设支路b。的第一类电压稳定指标Lfj:
[0046]
[0047] 式中巧日j分别为支路bfj的首节点和末节点，Rfj和Xfj为支路bfj的电阻和电抗值，Uf 为支路bfj中首节点f的电压幅值，門和A为流过末节点j的有功功率和无功功率。
[004引整个配电网的第一类电压稳定指标^
[0049] L=max{Lb}
[0050] 式中Lb为配电网全部支路的第一类电压稳定指标Lft的集合。L越小，整个配电网的 电压越稳定。
[0051] 整个配电网的第一类电压稳定裕度B:
[0052] B = I-L
[0053] 第一类电压稳定裕度B越大，配电网电压越稳定。
[0054] 针对配电网中的支路功率越限问题，采用支路功率失稳临近度Pc,考核配电网运 行潜在的风险。
[0化5]
[0化6] 式中Pb为整个配电网所有支路的有功功率;巧""、醫*为支路有功功率上限、下限， 分别取2和-2。当支路功率失稳临近度时，支路功率越限，线路失稳。根据配电网的实 时态和未来态计算上述配电网的电压稳定指标和支路功率失稳临近度，从而对配电网的态 势信息和运行状态进行预判
[0057] 本发明未提及的技术均为现有技术。
[0058] 有益效果:本发明基于多元时空信息建模的智能配电网态势感知方法不仅为基于 态势感知的智能调度体系提供了全面、准确地实时数据库和态势信息，更对智能配电网稳 定运行状态进行了预判，为调度人员决策提供了参考依据。
【附图说明】
[0059] 图1:本发明方法流程图；
[0060] 图2:配电网IE邸123节点系统中18号节点A相态势图；
[0061 ]图3:配电网IE邸123节点系统中79号节点A相态势图；
[0062] 图4:配电网IEEE123节点系统在未来48小时内的稳定指标趋势图。
【具体实施方式】
[0063] 为了更好地理解本发明，下面结合实施例进一步阐明本发明的内容，但本发明的 内容不仅仅局限于下面的实施例。
[0064] 如图1所示，本发明基于多元时空信息建模的智能配电网态势感知方法，利用历史 状态信息和实时量测对配电网运行状态进行多元时间序列建模，并将建模结果作为虚拟量 测输入状态估计器中W期获得精度较高的配电网实时运行状态。最后，本发明将智能配电 网的实时态和未来态应用到配电网安全稳定分析中，得到当前和未来时刻的电压稳定指标 和支路功率失稳临近度。该方法不仅为基于态势感知的智能调度体系提供了全面、准确地 实时数据库和态势信息，更对智能配电网稳定运行状态进行了预判，为调度人员决策提供 了参考依据。
[0065] 本发明的具体步骤如下：
[0066] 1)首先获得配电网的网络参数信息；
[0067] 2)程序初始化；
[0068] 3)将一年的负荷数据W及风电厂、光伏的有功功率出力(数据采样间隔为15min) 通过潮流计算得到配电网状态信息、支路功率和支路电流，并在潮流值的基础上添加高斯 白噪声(支路电流标准差为0.005，支路功率标准差为0.03)作为实时量测信息;伪量测为节 点注入功率，其标准差为0.2;虚拟量测还包括为零节点注入功率；
[0069] 4)将步骤3中计算得到的配电网状态信息W及生成的实时量测数据选取400个数 据样本，建立多元时空信息模型；
[0070] 5)确定估计时刻k，将时刻k-1的配电网状态信息估计值输入多元时空信息模型， 得到时刻k状态信息的建模值；
[0071] 6)针对步骤5得到的估计时刻k的状态信息建模值进行删选，选取精度较高的节点 电压幅值(模型均方差小于0.Olpu)与节点电压相角(模型均方差小于1°)作为虚拟量测信 息；
[0072] 7)将伪量测、实时量测和步骤6生成的虚拟量测输入配电网状态估计器中进行状 态估计，得到时刻k的配电网状态信息估计值；
[0073] 8)将步骤7中得到的时刻k的状态信息估计值输入多元时空信息模型，得到时刻k+ 1状态信息的建模值，并进行未来态势预判。
[0074] 1、多元时空信息建模
[0075] 智能配电网中的状态信息和量测信息之间存在固有的时空相关性，深度挖掘电网 已有信息之间的关联特性，对电网运行状态进行建模，可为态势感知、在线评估、实时调度 提供参考依据。假设Xt为智能配电网的某一时刻的状态信息(节点电压幅值和相角），通过 配电网中历史负荷功率和发电功率信息，经过潮流计算可得：
[0076] . . . , Xt-2 , Xt-I, Xt, Xt+l , Xt+2 ,...
[0077] 式中Xt不仅与其自身的历史信息相关(时间信息），还与其相邻节点的状态信息密 切联系(空间信息）。
[0078] 假设多元时间序列模型中因变量y与自变量X之间存在如下关系：
[0079] y = a〇+aixi+a2X2+. . .+amXm+e
[0080] 式中a〇，ai，. . .?为模型的未知参数，X1，X2, . . .Xm为自变量，e为对应的模型误差， 是均值为0，方差为〇2〉0的随机变量。
[0081] 本发明选取智能配电网中k时刻的节点电压幅值和相角作为时间序列模型的因变 量，模型的自变量采用最大相关性方法(Maximum Relevance,MR)对历史时刻的状态信息W 及k-1时刻的实时量测分析获得。智能配电网的时间序列模型为：
[0082]
[0083] 式中yi，y2,. . .，yn为智能配电网中某个节点的电压幅值或电压相角；xii，xi2,...， Xn,m-l为MR提取的历史状态信息和前一时刻的量测信息。令
则上式可表示为：
[0084] Y=XA+e
[0085] 时间序列模型的参数一般采用最小二乘估计法获得，即W误差项的平方和最小为 目标函数。然而，本发明模型的自变量中包含智能配电网的实时量测信息，针对可能出现的 不良数据，本文将采用具有鲁棒性的化ber函数作为模型参数估计的目标函数：
[0086]
[0087] 式中S为化ber函数的参数。化ber函数相对于二次函数来说，对异常值并不敏感， 它是一种使用鲁棒性回归的目标函数。当多元时空信息模型建立之后，需要对上述假设进 行显著性检验，本文采用经典的F检验法。
[0088] 2、配电网S相状态估计
[0089] 本文选取节点电压幅值和相角作为状态变量X，则量测量Z可表示为：
[0090] z = h(x)+v
[0091] 式中h(x)为量测函数，V为量测误差，通常假设为正态分布。配电网=相状态估计 目前普遍采用最小二乘法，其模型为：
[0092] minj(x) = [z-h(x) ]\[z-h(x)]
[0093] s.t.g(x)=0
[0094] c(x)《0
[OOM]式中W为权重矩阵，g(x)为配电网中的潮流约束，C(X)为分布式电源注入功率的不 等式约束。为了防止量测装置或通信过程引起的不良数据导致配电网=相状态估计精度降 低，本发明针对实时量测进行了量测辨识环节，剔除不良数据。
[0096] 3、态势预判
[0097] 本发明通过多元时空信息建模和配电网=相状态估计获得了智能配电网的态势 信息，并利用配电网电压稳定指标与支路功率失稳临近度进行分析和预判，W便调度人员 更好地了解配电网的运行状态与趋势。
[0098] 针对配电网中的电压稳定问题，本文采用第一类电压稳定指标和电压稳定裕度来 反映配电网的运行状态。设支路b。的第一类电压稳定指标LfJ:
[0099] 王,=坤评,乂广〇,民,):+巧的-〇,乂,?)巧]/11:，且1^。《1
[0100] 式中巧日j分别为支路bfj的首节点和末节点，Rfj和Xfj为支路bfj的电阻和电抗值，Uf 为支路bfj中首节点f的电压幅值，門和A为流过末节点j的有功功率和无功功率。
[0101 ]整个配电网的第一类电压稳定指标^
[0102] L=max{Lb}
[0103] 式中Lb为配电网全部支路的第一类电压稳定指标Lft的集合。L越小，整个配电网的 电压越稳定。
[0104] 整个配电网的第一类电压稳定裕度B:
[0105] B = I-L
[0106] 第一类电压稳定裕度B越大，配电网电压越稳定。
[0107] 针对配电网中的支路功率越限问题，采用支路功率失稳临近度Pc,考核配电网运 行潜在的风盼。
[010 引
[0109] 式中Pb为整个配电网所有支路的有功功率；/r'、巧mm为支路有功功率上限、下限， 分别取2和-2。当支路功率失稳临近度时，支路功率越限，线路失稳。根据配电网的实 时态和未来态计算上述配电网的电压稳定指标和支路功率失稳临近度，从而对配电网的态 势信息和运行状态进行预判。
[0110] 下面介绍本发明的算例：
[0111] 本发明测试的算例为本文测试系统采用配电网IEEE13节点系统，如图2所示，并在 节点4和节点13分别接入光伏和风机。节点4接入的=相光伏额定功率为600KW，节点13接入 的=相风机额定功率为750KW。其中风电数据来自华东某地区风电场的有功功率数据，光伏 数据采用某光伏电站有功功率数据，负荷为该地区母线负荷数据，数据采样间隔为15min。 为了进行多元时空信息建模，首先通过潮流计算得到支路功率和支路电流，并在潮流值的 基础上添加高斯白噪声(支路电流标准差为0.005，支路功率标准差为0.03)作为实时量测 数据，其配置如图5所示;伪量测为节点注入功率，其标准差为0.2;虚拟量测为零节点注入 功率和多元时空信息建模结果（其标准差为建模过程的均方差）。所有程序均采在主频为 2.2細Z，RAM为8GB的电脑上，通过MATLAB R2014a软件实现。
[0112] 本发明选取400个数据样本(包括配电网状态信息、量测信息）建立多元时空信息 模型，并得到配电网的实时态;将建模得到的实时态作为状态估计初值，同时将建模得到的 部分精度较高的节点电压幅值和相角作为虚拟量测信息，最终获得精度较高的配电网实时 运行状态。现采用最大绝对估计误差em和平均绝对估计误差er作为衡量状态估计精度的指 标：
[0113]
[0114]
[0115] 式中Xi为第i个状态估计值，Xtrue为Xi对应的真实值（即潮流计算值），N为状态量的 总数。同时，通过100次配电网状态估计的统计量，从W下四个方面将本文方法与传统配电 网=相状态估计进行比较，如表1所示。
[0116] 根据表1所示，本文方法虽然在最大绝对误差上较传统方法没有明显提高，但均保 持在合理范围内。而在平均绝对误差、平均迭代次数、平均计算时间=个方面本文方法较传 统方法均有明显改善，说明本文方法具有较快的收敛速度和较高的收敛精度；同时，计算时 间的减小给配电网在线评估、实时调度提供了可靠地保证。
[0117] 本发明在IE邸123节点系统的节点33和节点96分别接入光伏和风机，其S相总额 定功率为650KW、700KW。采用多元时间序列对智能配电网的未来态进行建模，其中输入量为 历史状态信息和量测信息，如图2-图3所示为节点18和节点79在未来24小时内的变化趋势 与真实值得对比图。
[0118] 由图2-图3可知，多元时空信息模型能够大致跟踪配电网未来24小时内的态势信 息，有利于调度人员了解配电网的变化趋势，为系统调度提供参考依据。为了更好地了解配 电网在未来时刻的运行状态，对配电网未来24小时内的第一类电压稳定指标L和支路功率 失稳临近度P。的最大值进行计算，如图4所示。
[0119] 由图4可知，在未来24小时，配电网IEEE123节点系统稳定。该系统的第一类电压稳 定指标保持在0.15W内且具有一定裕度;而支路功率失稳临近度在第25-50采样时刻超过 1.0,但是配电网支路仍存在较大功率裕度。通过多元时间序列对配电网未来态进行建模， 从而获得配电网运行趋势；并将其应用到配电网稳定分析中，深入了解配电网的运行状态 和潜在风险，为未来的运行计划和决策提供参考信息。
[0120] 本申请针对智能配电网中历史量测信息的时空关联特性缺乏深入挖掘和有效利 用，提出基于多元时空信息建模的智能配电网态势感知方法。该方法首次将多元时空信息 模型用于智能配电网态势感知中，是对考虑电网潜在联系和固有特性的发展，深入挖掘和 有效利用电网的状态信息和量测信息。同时将建模得到的精度较高的节点电压幅值(绝对 误差小于与节点电压相角作为虚拟的量测信息，增加配电网量测冗余度，提高配电网状态 估计的收敛速度和收敛精度，缩短状态估计时间，为智能配电网在线估计提供了可能性。最 后针对配电网实时态和未来态进行了安全稳定分析，对配电网在未来时刻的潜在风险进行 了预判，为系统调度、系统决策提供了参考。
[0121] 表1IE邸13节点系统中两种狀杰估计方法对比表
[0122]
[0123] 本发明基于多元时空信息建模的智能配电网态势感知方法，首次将多元时空信息 模型用于智能配电网态势感知中，是对考虑电网潜在联系和固有特性的发展，深入挖掘和 有效利用电网的状态信息和量测信息。同时将建模得到的精度较高的节点电压幅值与节点 电压相角作为虚拟的量测信息，增加配电网量测冗余度，提高配电网状态估计的收敛速度 和收敛精度，缩短状态估计时间，为智能配电网在线估计提供了可能性。最后针对配电网实 时态和未来态进行了安全稳定分析，对配电网在未来时刻的潜在风险进行了预判，为系统 调度、系统决策提供了参考。
[0124] W上仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来 说，在不脱离本发明原理的前提下，还可W对各设施位置进行调整，运些调整也应视为本发 明的保护范围。
【主权项】
1. 一种基于多元时空信息建模的智能配电网态势感知方法，其特征在于:包括顺序相 接的如下步骤： 1) 首先获得配电网的网络参数信息以及负荷和分布式电源有功功率出力信息； 2) 程序初始化； 3) 将一年的负荷数据以及风电厂、光伏的有功功率出力通过潮流计算得到配电网状态 信息、支路功率和支路电流，并在潮流值的基础上添加高斯白噪声作为实时量测信息;伪量 测为节点注入功率，其标准差为〇. 2;虚拟量测还包括为零节点注入功率； 4) 将步骤3中计算得到的配电网状态信息以及生成的实时量测数据选取400个数据样 本，建立多元时空信息模型； 5) 确定估计时刻k，将时刻k-Ι的配电网状态信息估计值输入多元时空信息模型，得到 时刻k状态信息的建模值； 6) 针对步骤5得到的估计时刻k的状态信息建模值进行筛选，选取节点电压幅值与节点 电压相角作为虚拟量测信息； 7) 将伪量测、实时量测和步骤6生成的虚拟量测输入配电网状态估计器中进行状态估 计，得到时刻k的配电网状态信息估计值； 8) 将步骤7中得到的时刻k的状态信息估计值输入多元时空信息模型，得到时刻k+Ι状 态信息的建模值，并进行未来态势预判。2. 根据权利要求1所述的基于多元时空信息建模的智能配电网态势感知方法，其特征 在于:步骤1)中参数信息包括:配电网的拓扑信息、节点信息、支路信息以及源荷的有功功 率?目息。3. 根据权利要求1所述的基于多元时空信息建模的智能配电网态势感知方法，其特征 在于：步骤2)中程序初始化包括:设定状态变量初始值、状态估计收敛精度和最大迭代次 数。4. 根据权利要求1-3任意一项所述的基于多元时空信息建模的智能配电网态势感知方 法，其特征在于:所述步骤3)中，负荷数据采样间隔为15min。5. 根据权利要求4所述的基于多元时空信息建模的智能配电网态势感知方法，其特征 在于:所述步骤3)中，支路电流标准差为0.005,支路功率标准差为0.03。6. 根据权利要求1-3任意一项所述的基于多元时空信息建模的智能配电网态势感知方 法，其特征在于:所述步骤6)中，节点电压幅值为模型均方差小于O.Olpu，节点电压相角为 模型均方差小于1°。
【文档编号】G06Q10/06GK105956760SQ201610269490
【公开日】2016年9月21日
【申请日】2016年4月27日
【发明人】黄蔓云, 卫志农, 孙国强, 臧海祥
【申请人】河海大学