将评估指标的 类型作一致化处理。本发明将所有指标均转化为"极大型"指标，即指标值越大，评估结果 越好。
[0202] 对于"极小型"指标，令：
[0203] X*= X nax-x (11)
[0204] 其中，x_为评估指标X允许的最大值。
[0205] 对于"居中型"指标，令：
[0206]
(12)
[0207] 其中，x_为评估指标X允许的最小值，为计算系数，由实际评估指标的最理想 值与由最小值与最大值形成区间的长度共同决定。
[0208] 2)矩阵规格化处理
[0209] 假设将第1级评估标准中评估指标j的下界标准an的相对隶属度规格化为S jl = 0,第K级评估标准中评估指标j的下界标准ajK的相对隶属度规格化为&κ= 1，则第k级 评估标准中指标j的下界标准a]k的相对隶属度可用式（13)计算。
[0210]
(13:)
[0211] 通过上式的变换，可得到与A = [aj丄χκ相对应的下界标准相对隶属度矩阵S= 同理，可得到与B= [bjk]mXK相对应的上界标准相对隶属度矩阵S= [SlJmXK。
[0212] 当评估指标X11为"极大型"指标时，可采用式（14)计算下界相对隶属度。
[0213]
(14)
[0214] 将公式中的下界标准an和a jK换成上界标准b η和b jK，即可得到上界相对隶属度 Ζ-ij. ο
[0215] 3)评估指标权重计算
[0216] 本发明采用层次分析法（AHP)计算各层指标权重。通过不断赋值、修正直至通过 一致性校验的过程，可确保指标权重具有良好的判断质量。本发明给出一种典型的权重设 置结果，见图6。
[0217] 4)属性测度区间计算
[0218] 目前在属性区间识别模型的应用过程中，多基于线性属性测度函数确定属性测度 区间，往往存在较大误差。本发明通过建立非线性属性测度函数，采用双非线性目标加权法 计算指标的属性测度，从而获得更高的可信度。
[0219] 首先定义下界广义加权距离Slk表示第i个运行样本与第k个运行状态的"下界差 异"，即：
[0220]
(15)
[0221] 式（15)中，JLlk是第i个运行样本属于第k个运行状态的下界属性测度，它的确定 应使全体待评估样本与评估标准的加权广义距离之和最小，即：
；同时，将JLlk 看作第i个运行样本属于第k个运行状态的"下界概率"，为消除随机性和模糊性，根据最大 熵原理[33]，1114的确定应使信息熵最大，即：
[0222] 针对这个双目标规划问题，采用加权法构造单目标规划以获得属性测度函数的非 劣解：
[0225] 计算得到下界属性测度JLlk如式（18)所示。
[0223]
[0224]
[0226]
U8)
[0227] 式（18)中，ω ,为各指标的权重；B为大于零的常数，评估过程中一般取10。同理， 将评估指标值矩阵X变换为对上界标准矩阵B的相对隶属度矩阵Z = [^ ，可计算得到评 估指标的上界属性测度如式（19)所示。
[0228]
(195
[0229] 评估指标的属性测度区间/? =[丛,，队t]。
[0230] 对其做均值化处理，可以得到评估样本X1属于第k个运行状态的综合属性测度
y ik°
[0231] (IQ)
[0232] 5)配电网运行状态辨识
[0233] 运行状态的辨识方法有以下两种：
[0234] 方法一：基于级别特征值的辨识法，即通过计算级别特征值H11来辨识运行状态。
[0235]
(21)
[0236] 此方法可有效利用全部的隶属度信息。本发明规定：当H11位于区间[1，1. 8]时， 运行状态为紧急状态；位于区间[1. 8, 2. 6]时为恢复状态；位于区间[2. 6, 3. 4]时为异常 状态；位于区间[3. 4, 4. 2]时为正常状态；位于区间[4. 2, 5. 0]时为优化状态。
[0237] 方法二：基于置信度准则的辨识法。
[0238]
[0239] λ为置信度，取〇.5< λ <0.7。式（22)表示寻求一个最小的k值，使前k个综 合属性测度之和大于等于所设置信度值，则配电网运行样本X 1属于第k个运行状态。本发 明采用方法一计算准则层评估指标，然后将准则层指标计算结果作为目标层的输入，采用 方法一和方法二对配电网的运行状态进行辨识，得出最终配电网的运行状态。
[0240] 算例分析
[0241] 基于本发明提出的配电网运行状态评估方法开发的智能配电网自愈控制系统已 付诸实施。本发明以其中一条馈线为例进行分析，其网络拓扑如图2所示。此配电网有三 条分支，共有27台配变，其负荷包括工业、商业和居民三大类，是典型的IOkV等级配电网， 其首端支路的允许载流量为505A。
[0242] 对该配电网某一日内的两个时刻的运行状态进行评估，分别简称时刻1与时刻2， 对应的节点电压分布如图3所示。
[0243] 根据上述评估流程进行仿真计算。结果如表1至表3所示。根据计算结果判断得 到两个时刻的运行状态分别为"异常状态"和"正常状态"。
[0244] 在时刻1，馈线出口（节点1)处的电压偏低，导致下游节点电压普遍较低。此时配 电网中有19个节点出现了低电压或电压越下限的情况，只有4个节点的电压处于正常范围 内，且偏离IOkV额定电压较远，电能质量较差，配电网的健康程度偏低。由计算结果看出： 低电压、电压越下限、过负荷、电压偏差、基本负荷孤立供电能力和线路分段平均装接容量 6个基础层评估指标计算结果均处在异常状态区间范围内，导致配电网可靠性指标大大降 低，适应性较差，配电网整体辨识为异常状态，与实际情况相符。如表1、表2和表3所示。
[0245] 表1基础层评估指标计算结果
[0246] CN 105139095 A m ~P 15/16 页
[0247] 表2准则层评估指标计算结果
[0248]
[0249]
[0250] 表3运行状态辨识结果
[0251] LiN 丄uoidyuyo a 丄〇/丄o jm
[0252] 在时刻2,馈线末端节点出现绝缘下降，导致本节点及周围节点的电压下降。此时 只有节点23的电压越下限，其电压为9. 22kV，越限程度较低，其余节点电压均处于正常范 围内。如果按传统的辨识方法，此时为异常状态。但由计算结果可看出此时只有电压越下 限指标的计算结果处于异常状态的区间范围内，其值为0.922,略小于异常状态与正常状态 的边界值0. 93 ;而其余的基础层评估指标计算结果均处于正常范围内，此时配电网出现故 障和失负荷的概率较小、网络损耗率和设备轻载率低、多电源重要用户占比高，基本负荷孤 立供电能力也较强，配电网整体情况较为健康，评估为正常状态更符合实际情况。可见本发 明方法相比于传统方法更为客观。
【主权项】
1. 一种基于属性区间模型的配电网运行状态评估方法，其特征在于：包括以下步骤： 1) 进行配电网运行状态的划分：结合智能配电网实际工程将配电网运行状态，将配电 网运行状态划分为紧急状态、恢复状态、异常状态、正常状态和优化状态； 2) 建立配电网运行状态评估的指标框架：根据配电网需要保证的供电安全性、可靠 性、优质性、经济性以及适应性，建立配电网运行状态评估的指标； 3) 建立配电网运行状态评估关键指标的计算模型：根据配电网需要保证的供电安全 性、可靠性、优质性、经济性以及适应性，分别建立安全性评估指标的计算模型、可靠性评估 指标的计算模型、优质性评估指标的计算模型、经济性评估指标的计算模型以及适应性评 估指标的计算模型； 4) 基于属性识别理论配电网运行状态辨识的属性区间模型： 配电网运行状态评估的样本为待评估的n个时刻的运行数据样本；记每一个样本测量 m个运行状态评估指标为1:、I2.....Ini，第i个时刻第j个评估指标I j的测量值或计算值 为Xu (1彡i彡n, 1彡j彡m)，K个等级构成空间的评估集（C1, C2,…，Ck)是属性测度空间 的一个有序分割类，且满足(；< C2<…< Ck，按状态的优劣顺序将配电网运行状态的有序 分割类排序为紧急状态，恢复状态，异常状态，正常状态和优化状态； 针对每个运行状态评估指标均可以按照(；进行分割，形成描述m个运行状态评估指标 优劣程度的分类标准矩阵，如下所示：分类标准矩阵中，[a]k，b]k]为第j个评估指标在属性区间F上的第k个分割区间，满足 a.jk< b .jk，k = 1，2，…，K ;A = [a.jk]mXK和 B = [b .jk]mXK分别为下界 / 上界标准矩阵； 将分类矩阵转化为分类标准矩阵。2. 根据权利要求1所述的基于属性区间模型的配电网运行状态评估方法，其特征在 于：所述步骤1)中配电网运行状态的划分包括以下五种： 1) 紧急状态：配电网中发生故障、出现严重低电压、严重过负荷、过负荷持续时间超出 允许范围时所处的状态； 2) 恢复状态：对配电网的紧急状态实施控制后，其电气参数能符合运行约束条件，但 存在失电负荷或供电孤岛，此时配电网的运行状态虽不再恶化，但尚未恢复至正常的运行 状态； 3) 异常状态：配电网中存在过负荷且持续时间在允许范围内、出现过电压或低电压但 未发生电压失稳、存在运行异常的电力设备但未影响正常供电时所处的状态； 4) 正常状态：配电网中无过负荷、无电压越限、无运行异常的电力设备时所处的状态； 5) 优化状态：配电网安全、可靠运行，且在当前负荷水平下网络损耗低、运行成本小、 网架结构坚强、有功无功电源支持充裕、对负荷及其分布的变化具有很强的适应能力时所 处的状态。3. 根据权利要求1所述的基于属性区间模型的配电网运行状态评估方法，其特征在 于：所述步骤2)中安全性、可靠性、优质性、经济性以及适应性分别对应于以下五个区间： 1) 配电网的安全性通过