基于證據(jù)理論與效用理論融合的電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)精準(zhǔn)評(píng)估研究一、引言1.1研究背景與意義在現(xiàn)代社會(huì)中，電力作為一種不可或缺的能源，其穩(wěn)定供應(yīng)對(duì)于經(jīng)濟(jì)發(fā)展和社會(huì)生活的正常運(yùn)轉(zhuǎn)起著基礎(chǔ)性的支撐作用。電力系統(tǒng)作為一個(gè)龐大而復(fù)雜的網(wǎng)絡(luò)，涵蓋了發(fā)電、輸電、變電、配電和用電等多個(gè)環(huán)節(jié)，各個(gè)環(huán)節(jié)相互關(guān)聯(lián)、相互影響。隨著經(jīng)濟(jì)的快速發(fā)展和社會(huì)的不斷進(jìn)步，電力系統(tǒng)的規(guī)模持續(xù)擴(kuò)大，結(jié)構(gòu)愈發(fā)復(fù)雜，同時(shí)，新能源的大規(guī)模接入以及電力市場(chǎng)改革的深入推進(jìn)，也給電力系統(tǒng)的運(yùn)行帶來(lái)了更多的不確定性和挑戰(zhàn)。電力系統(tǒng)暫態(tài)過(guò)程是指系統(tǒng)在遭受諸如短路故障、設(shè)備故障、負(fù)荷突變、雷擊等大擾動(dòng)后，從一個(gè)穩(wěn)態(tài)過(guò)渡到另一個(gè)穩(wěn)態(tài)的短暫過(guò)程。在這一過(guò)程中，系統(tǒng)的電壓、電流、功率等電氣量會(huì)發(fā)生急劇變化，發(fā)電機(jī)的轉(zhuǎn)子運(yùn)動(dòng)狀態(tài)也會(huì)受到顯著影響，可能導(dǎo)致系統(tǒng)的暫態(tài)失穩(wěn)，進(jìn)而引發(fā)大面積停電事故。例如，2003年8月發(fā)生的美加大停電事故，由于一條輸電線路與樹(shù)木接觸跳閘，引發(fā)了一系列連鎖反應(yīng)，導(dǎo)致系統(tǒng)電壓崩潰和頻率大幅下降，最終造成了美國(guó)東北部和加拿大安大略省大面積停電，給當(dāng)?shù)氐慕?jīng)濟(jì)和社會(huì)生活帶來(lái)了巨大損失。2019年3月，英國(guó)倫敦地區(qū)發(fā)生停電事故，起因是電網(wǎng)中的一個(gè)天然氣發(fā)電站突發(fā)故障，引發(fā)了電力系統(tǒng)的暫態(tài)不穩(wěn)定，導(dǎo)致倫敦及周邊地區(qū)約100萬(wàn)用戶停電，交通陷入混亂，醫(yī)院等重要部門的正常運(yùn)轉(zhuǎn)也受到嚴(yán)重影響。這些嚴(yán)重的停電事故不僅會(huì)造成巨大的經(jīng)濟(jì)損失，還可能對(duì)社會(huì)秩序、公共安全和人們的生活造成嚴(yán)重的負(fù)面影響。因此，準(zhǔn)確評(píng)估電力系統(tǒng)的暫態(tài)風(fēng)險(xiǎn)，及時(shí)發(fā)現(xiàn)潛在的安全隱患，對(duì)于保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行具有至關(guān)重要的意義。傳統(tǒng)的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估方法主要有時(shí)域仿真法、直接法等。時(shí)域仿真法通過(guò)求解描述電力系統(tǒng)動(dòng)態(tài)過(guò)程的微分方程和代數(shù)方程，詳細(xì)模擬系統(tǒng)在擾動(dòng)后的暫態(tài)響應(yīng)，能夠較為準(zhǔn)確地反映系統(tǒng)的實(shí)際運(yùn)行情況，但計(jì)算量巨大，計(jì)算時(shí)間長(zhǎng)，難以滿足實(shí)時(shí)評(píng)估的需求。直接法則基于李雅普諾夫穩(wěn)定性理論，通過(guò)構(gòu)造能量函數(shù)等方法直接判斷系統(tǒng)的穩(wěn)定性，計(jì)算速度相對(duì)較快，但往往基于一些簡(jiǎn)化假設(shè)，評(píng)估結(jié)果的準(zhǔn)確性在一定程度上受到限制。此外，這些傳統(tǒng)方法在處理電力系統(tǒng)中的不確定性因素時(shí)存在一定的局限性，難以全面、準(zhǔn)確地評(píng)估暫態(tài)風(fēng)險(xiǎn)。證據(jù)理論作為一種基于不確定性推理的理論，能夠有效地處理不確定性信息。它將不確定性表達(dá)為證據(jù)，通過(guò)對(duì)多個(gè)證據(jù)的融合和分析，得出更加準(zhǔn)確和可靠的結(jié)論。在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中，證據(jù)理論可以綜合考慮來(lái)自不同監(jiān)測(cè)設(shè)備、不同數(shù)據(jù)源的信息，提高評(píng)估的準(zhǔn)確性和可靠性。效用理論是一種決策理論，用于描述人們?cè)诿媾R不確定性時(shí)如何進(jìn)行決策。它通過(guò)定義效用函數(shù)，將風(fēng)險(xiǎn)事件的后果量化為效用值，從而為決策提供依據(jù)。將效用理論引入電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估，可以從經(jīng)濟(jì)、社會(huì)等多個(gè)角度綜合評(píng)估風(fēng)險(xiǎn)的影響程度，為制定合理的風(fēng)險(xiǎn)應(yīng)對(duì)策略提供支持。因此，融合證據(jù)理論和效用理論進(jìn)行電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估，能夠充分發(fā)揮兩種理論的優(yōu)勢(shì)，有效處理電力系統(tǒng)中的不確定性因素，更加全面、準(zhǔn)確地評(píng)估暫態(tài)風(fēng)險(xiǎn)的可能性和嚴(yán)重性，為電力系統(tǒng)的安全穩(wěn)定運(yùn)行提供科學(xué)依據(jù)，具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。1.2國(guó)內(nèi)外研究現(xiàn)狀隨著電力系統(tǒng)規(guī)模的不斷擴(kuò)大和結(jié)構(gòu)的日益復(fù)雜，電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估成為了電力領(lǐng)域的研究熱點(diǎn)之一。國(guó)內(nèi)外學(xué)者在這一領(lǐng)域開(kāi)展了大量的研究工作，取得了一系列的研究成果。在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估方法方面，早期主要采用確定性的分析方法，如時(shí)域仿真法和直接法。時(shí)域仿真法通過(guò)對(duì)電力系統(tǒng)的微分方程和代數(shù)方程進(jìn)行數(shù)值求解，詳細(xì)模擬系統(tǒng)在擾動(dòng)后的暫態(tài)過(guò)程，能夠準(zhǔn)確地得到系統(tǒng)的暫態(tài)響應(yīng)，但計(jì)算量巨大，計(jì)算時(shí)間長(zhǎng)，難以滿足實(shí)時(shí)評(píng)估的需求。直接法則基于李雅普諾夫穩(wěn)定性理論，通過(guò)構(gòu)造能量函數(shù)等方法直接判斷系統(tǒng)的穩(wěn)定性，計(jì)算速度相對(duì)較快，但通常基于一些簡(jiǎn)化假設(shè)，評(píng)估結(jié)果的準(zhǔn)確性在一定程度上受到限制。為了克服傳統(tǒng)方法的局限性，近年來(lái)，概率方法逐漸被應(yīng)用于電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中。概率方法能夠考慮電力系統(tǒng)中各種不確定性因素的影響，如元件故障概率、負(fù)荷波動(dòng)、新能源發(fā)電的隨機(jī)性等，通過(guò)建立概率模型來(lái)評(píng)估系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的大小。其中，蒙特卡羅模擬法是一種常用的概率方法，它通過(guò)隨機(jī)抽樣的方式模擬系統(tǒng)的各種運(yùn)行狀態(tài)，對(duì)每個(gè)狀態(tài)進(jìn)行暫態(tài)分析，從而得到系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的統(tǒng)計(jì)結(jié)果。蒙特卡羅模擬法具有原理簡(jiǎn)單、適用范圍廣等優(yōu)點(diǎn)，但計(jì)算效率較低，需要進(jìn)行大量的重復(fù)計(jì)算。為了提高計(jì)算效率，一些改進(jìn)的蒙特卡羅模擬法，如重要性抽樣法、拉丁超立方抽樣法等被提出，這些方法通過(guò)合理地選擇抽樣策略，減少了抽樣次數(shù)，提高了計(jì)算效率。此外，人工智能技術(shù)也在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中得到了廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、決策樹(shù)等人工智能算法具有強(qiáng)大的學(xué)習(xí)和模式識(shí)別能力，能夠從大量的歷史數(shù)據(jù)中學(xué)習(xí)電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的特征和規(guī)律，從而實(shí)現(xiàn)對(duì)暫態(tài)風(fēng)險(xiǎn)的快速評(píng)估。例如，文獻(xiàn)[X]利用神經(jīng)網(wǎng)絡(luò)建立了電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估模型，通過(guò)對(duì)大量的故障樣本進(jìn)行訓(xùn)練，該模型能夠快速準(zhǔn)確地評(píng)估系統(tǒng)在不同故障情況下的暫態(tài)風(fēng)險(xiǎn)。人工智能方法在處理復(fù)雜的非線性問(wèn)題時(shí)具有明顯的優(yōu)勢(shì)，但也存在模型可解釋性差、對(duì)數(shù)據(jù)依賴性強(qiáng)等問(wèn)題。證據(jù)理論作為一種處理不確定性信息的有效工具，在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中也得到了一定的應(yīng)用。證據(jù)理論可以將來(lái)自不同監(jiān)測(cè)設(shè)備、不同數(shù)據(jù)源的信息作為證據(jù)進(jìn)行融合，從而提高評(píng)估結(jié)果的準(zhǔn)確性和可靠性。例如，文獻(xiàn)[X]將證據(jù)理論應(yīng)用于電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估中，通過(guò)融合多個(gè)監(jiān)測(cè)點(diǎn)的電壓、電流等信息，對(duì)系統(tǒng)的暫態(tài)穩(wěn)定性進(jìn)行評(píng)估，取得了較好的效果。然而，證據(jù)理論在實(shí)際應(yīng)用中也面臨一些問(wèn)題，如證據(jù)沖突的處理、基本概率分配函數(shù)的確定等，這些問(wèn)題的解決還需要進(jìn)一步的研究。效用理論在電力系統(tǒng)風(fēng)險(xiǎn)評(píng)估中的應(yīng)用相對(duì)較少，但近年來(lái)也逐漸受到關(guān)注。效用理論可以將風(fēng)險(xiǎn)事件的后果量化為效用值，從而為決策提供依據(jù)。在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中，將效用理論與其他方法相結(jié)合，可以從經(jīng)濟(jì)、社會(huì)等多個(gè)角度綜合評(píng)估風(fēng)險(xiǎn)的影響程度，為制定合理的風(fēng)險(xiǎn)應(yīng)對(duì)策略提供支持。例如，文獻(xiàn)[X]將效用理論引入電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中，通過(guò)建立效用函數(shù)，將系統(tǒng)停電損失、設(shè)備損壞成本等因素量化為效用值，綜合評(píng)估系統(tǒng)的暫態(tài)風(fēng)險(xiǎn)。但目前效用理論在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中的應(yīng)用還處于探索階段，效用函數(shù)的構(gòu)建和參數(shù)確定等問(wèn)題還需要進(jìn)一步的研究和完善。綜上所述，目前電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估的研究取得了一定的進(jìn)展，但仍存在一些不足之處。傳統(tǒng)的評(píng)估方法在處理不確定性因素時(shí)存在局限性，概率方法和人工智能方法雖然能夠考慮不確定性因素，但也面臨計(jì)算效率、模型可解釋性等問(wèn)題。證據(jù)理論和效用理論在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中的應(yīng)用還處于起步階段，需要進(jìn)一步的研究和探索，以解決實(shí)際應(yīng)用中存在的問(wèn)題，提高評(píng)估的準(zhǔn)確性和可靠性，為電力系統(tǒng)的安全穩(wěn)定運(yùn)行提供更有力的支持。1.3研究?jī)?nèi)容與方法1.3.1研究?jī)?nèi)容本研究將圍繞基于證據(jù)理論和效用理論的電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估展開(kāi)，具體研究?jī)?nèi)容如下：理論模型構(gòu)建：深入剖析證據(jù)理論和效用理論的基本原理，針對(duì)電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估的特點(diǎn)，構(gòu)建基于這兩種理論的綜合評(píng)估模型。在證據(jù)理論方面，明確如何將電力系統(tǒng)中的各種不確定性信息轉(zhuǎn)化為有效的證據(jù)，確定基本概率分配函數(shù)，以及解決證據(jù)沖突時(shí)的融合規(guī)則。在效用理論方面，建立合理的效用函數(shù)，充分考慮電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件在經(jīng)濟(jì)損失、社會(huì)影響、設(shè)備損壞等多方面的后果，將其量化為效用值。例如，經(jīng)濟(jì)損失可包括停電造成的工業(yè)生產(chǎn)損失、商業(yè)運(yùn)營(yíng)損失等；社會(huì)影響可涵蓋居民生活不便、交通混亂等方面；設(shè)備損壞則涉及發(fā)電機(jī)、變壓器等關(guān)鍵設(shè)備的維修或更換成本。通過(guò)對(duì)這些因素的綜合考量，構(gòu)建出能夠準(zhǔn)確反映電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的理論模型，并詳細(xì)探討該模型的特點(diǎn)和優(yōu)勢(shì)。證據(jù)獲取與處理：全面收集電力系統(tǒng)在暫態(tài)過(guò)程中的各類監(jiān)測(cè)數(shù)據(jù)，如電壓、電流、功率、頻率等電氣量數(shù)據(jù)，以及設(shè)備狀態(tài)信息、故障報(bào)警信息等。利用傳感器、智能電表、監(jiān)控系統(tǒng)等設(shè)備獲取這些數(shù)據(jù)，并通過(guò)數(shù)據(jù)通信網(wǎng)絡(luò)將其傳輸至數(shù)據(jù)處理中心。對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、去噪、填補(bǔ)缺失值等操作，以提高數(shù)據(jù)的質(zhì)量和可用性。采用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，從大量的歷史數(shù)據(jù)中提取有價(jià)值的信息，為證據(jù)的確定提供支持。例如，通過(guò)分析歷史故障數(shù)據(jù)，找出故障發(fā)生的規(guī)律和特征，以此來(lái)確定不同故障情況下的證據(jù)權(quán)重。效用分析與量化：從經(jīng)濟(jì)、社會(huì)、安全等多個(gè)維度對(duì)電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件的后果進(jìn)行深入分析。在經(jīng)濟(jì)維度，計(jì)算停電導(dǎo)致的直接經(jīng)濟(jì)損失，如工業(yè)企業(yè)因停電造成的生產(chǎn)停滯損失、商業(yè)活動(dòng)中斷的營(yíng)業(yè)額損失等，以及間接經(jīng)濟(jì)損失，如恢復(fù)供電所需的搶修成本、設(shè)備維修或更換費(fèi)用等。在社會(huì)維度，評(píng)估停電對(duì)居民生活的影響，如影響居民的日常生活秩序、降低生活質(zhì)量等，以及對(duì)公共服務(wù)設(shè)施的影響，如醫(yī)院、交通樞紐等重要部門的正常運(yùn)行受到干擾。在安全維度，考慮暫態(tài)風(fēng)險(xiǎn)事件對(duì)電力系統(tǒng)設(shè)備的損壞程度，以及可能引發(fā)的二次事故對(duì)人員和環(huán)境的危害。建立科學(xué)合理的效用函數(shù)，將這些不同維度的后果量化為統(tǒng)一的效用值，以便進(jìn)行綜合的風(fēng)險(xiǎn)評(píng)估。例如，可以采用層次分析法（AHP）等方法確定不同后果因素的權(quán)重，然后通過(guò)加權(quán)求和的方式計(jì)算出總的效用值。風(fēng)險(xiǎn)評(píng)估與實(shí)例驗(yàn)證：運(yùn)用構(gòu)建的理論模型和獲取的證據(jù)及效用值，對(duì)電力系統(tǒng)在不同運(yùn)行工況和故障情況下的暫態(tài)風(fēng)險(xiǎn)進(jìn)行全面評(píng)估。設(shè)定多種典型的故障場(chǎng)景，如線路短路、發(fā)電機(jī)失磁、負(fù)荷突變等，結(jié)合實(shí)際的電力系統(tǒng)參數(shù)和運(yùn)行數(shù)據(jù)，進(jìn)行仿真分析和計(jì)算。通過(guò)對(duì)評(píng)估結(jié)果的深入分析，明確不同故障場(chǎng)景下電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的大小和分布情況，找出系統(tǒng)中的薄弱環(huán)節(jié)和潛在風(fēng)險(xiǎn)點(diǎn)。以實(shí)際的電力系統(tǒng)為案例，收集現(xiàn)場(chǎng)的運(yùn)行數(shù)據(jù)和故障記錄，對(duì)評(píng)估模型進(jìn)行驗(yàn)證和校準(zhǔn)。對(duì)比模型評(píng)估結(jié)果與實(shí)際情況，分析模型的準(zhǔn)確性和可靠性，對(duì)模型中存在的不足之處進(jìn)行改進(jìn)和完善。例如，通過(guò)實(shí)際案例的驗(yàn)證，發(fā)現(xiàn)模型在某些特殊情況下對(duì)風(fēng)險(xiǎn)的評(píng)估存在偏差，進(jìn)一步調(diào)整模型參數(shù)或改進(jìn)算法，以提高模型的精度。1.3.2研究方法為實(shí)現(xiàn)上述研究?jī)?nèi)容，本研究將綜合運(yùn)用以下多種研究方法：文獻(xiàn)研究法：系統(tǒng)地查閱國(guó)內(nèi)外關(guān)于電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估、證據(jù)理論、效用理論等方面的學(xué)術(shù)文獻(xiàn)、研究報(bào)告、技術(shù)標(biāo)準(zhǔn)等資料。全面了解相關(guān)領(lǐng)域的研究現(xiàn)狀、發(fā)展趨勢(shì)和已取得的研究成果，分析現(xiàn)有研究中存在的問(wèn)題和不足，為本研究提供堅(jiān)實(shí)的理論基礎(chǔ)和研究思路。跟蹤最新的研究動(dòng)態(tài)，及時(shí)掌握相關(guān)領(lǐng)域的前沿技術(shù)和方法，為研究?jī)?nèi)容的創(chuàng)新和拓展提供參考。例如，關(guān)注證據(jù)理論在其他領(lǐng)域的應(yīng)用創(chuàng)新，以及效用理論在處理復(fù)雜系統(tǒng)風(fēng)險(xiǎn)評(píng)估時(shí)的新方法，將其引入到電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估研究中。模型構(gòu)建法：依據(jù)證據(jù)理論和效用理論的基本原理，結(jié)合電力系統(tǒng)暫態(tài)過(guò)程的特點(diǎn)和運(yùn)行規(guī)律，構(gòu)建適用于電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估的數(shù)學(xué)模型和分析框架。在模型構(gòu)建過(guò)程中，充分考慮電力系統(tǒng)中各種不確定性因素的影響，如元件故障概率的不確定性、負(fù)荷變化的隨機(jī)性、新能源發(fā)電的間歇性等。通過(guò)合理的假設(shè)和簡(jiǎn)化，使模型既能準(zhǔn)確反映電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的本質(zhì)特征，又具有可操作性和實(shí)用性。利用數(shù)學(xué)推導(dǎo)和理論分析的方法，對(duì)模型的性能和特點(diǎn)進(jìn)行深入研究，如模型的收斂性、穩(wěn)定性、準(zhǔn)確性等。例如，通過(guò)數(shù)學(xué)證明驗(yàn)證證據(jù)融合算法在模型中的有效性，以及效用函數(shù)的合理性和可解釋性。數(shù)據(jù)分析法：對(duì)電力系統(tǒng)運(yùn)行過(guò)程中產(chǎn)生的大量監(jiān)測(cè)數(shù)據(jù)和歷史數(shù)據(jù)進(jìn)行深入分析。運(yùn)用統(tǒng)計(jì)學(xué)方法，對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，了解數(shù)據(jù)的基本特征，如均值、方差、最大值、最小值等，為后續(xù)的分析提供基礎(chǔ)。采用數(shù)據(jù)挖掘技術(shù)，如關(guān)聯(lián)規(guī)則挖掘、聚類分析、分類算法等，從數(shù)據(jù)中挖掘出潛在的規(guī)律和知識(shí)。例如，通過(guò)關(guān)聯(lián)規(guī)則挖掘找出電力系統(tǒng)中不同運(yùn)行參數(shù)之間的關(guān)聯(lián)關(guān)系，以及故障發(fā)生與某些參數(shù)變化之間的潛在聯(lián)系。利用機(jī)器學(xué)習(xí)算法，如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等，建立數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)模型，對(duì)電力系統(tǒng)的暫態(tài)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)和評(píng)估。例如，使用神經(jīng)網(wǎng)絡(luò)模型對(duì)電力系統(tǒng)的暫態(tài)穩(wěn)定性進(jìn)行預(yù)測(cè)，根據(jù)輸入的電氣量數(shù)據(jù)和設(shè)備狀態(tài)信息，輸出系統(tǒng)暫態(tài)穩(wěn)定的概率。案例分析法：選取實(shí)際的電力系統(tǒng)案例，對(duì)所構(gòu)建的風(fēng)險(xiǎn)評(píng)估模型和方法進(jìn)行應(yīng)用和驗(yàn)證。收集案例電力系統(tǒng)的詳細(xì)參數(shù)、運(yùn)行數(shù)據(jù)和歷史故障記錄，確保案例的真實(shí)性和代表性。在案例分析過(guò)程中，嚴(yán)格按照所提出的評(píng)估方法和流程進(jìn)行操作，對(duì)電力系統(tǒng)在不同運(yùn)行工況和故障情況下的暫態(tài)風(fēng)險(xiǎn)進(jìn)行評(píng)估。將評(píng)估結(jié)果與實(shí)際情況進(jìn)行對(duì)比分析，評(píng)估模型的準(zhǔn)確性和有效性，找出模型存在的問(wèn)題和改進(jìn)方向。通過(guò)多個(gè)案例的分析和總結(jié)，不斷完善風(fēng)險(xiǎn)評(píng)估模型和方法，提高其在實(shí)際工程中的應(yīng)用價(jià)值。例如，對(duì)多個(gè)不同規(guī)模和結(jié)構(gòu)的電力系統(tǒng)案例進(jìn)行分析，驗(yàn)證模型在不同場(chǎng)景下的適應(yīng)性和可靠性。二、相關(guān)理論基礎(chǔ)2.1電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估概述電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估是指對(duì)電力系統(tǒng)在遭受大擾動(dòng)后，從一個(gè)穩(wěn)態(tài)過(guò)渡到另一個(gè)穩(wěn)態(tài)的過(guò)程中，系統(tǒng)發(fā)生暫態(tài)失穩(wěn)等風(fēng)險(xiǎn)事件的可能性和后果嚴(yán)重程度進(jìn)行綜合評(píng)估。其目的在于全面了解電力系統(tǒng)在暫態(tài)過(guò)程中的安全狀況，提前發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)隱患，為電力系統(tǒng)的調(diào)度運(yùn)行、規(guī)劃設(shè)計(jì)和安全控制提供科學(xué)依據(jù)，從而保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行，減少停電事故的發(fā)生，降低經(jīng)濟(jì)損失和社會(huì)影響。在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中，需要考慮多種因素。首先是系統(tǒng)的結(jié)構(gòu)和參數(shù)，包括發(fā)電機(jī)、變壓器、輸電線路等設(shè)備的參數(shù)，以及系統(tǒng)的拓?fù)浣Y(jié)構(gòu)。這些因素直接影響電力系統(tǒng)在暫態(tài)過(guò)程中的電氣量變化和動(dòng)態(tài)行為。例如，發(fā)電機(jī)的慣性時(shí)間常數(shù)、同步電抗等參數(shù)會(huì)影響發(fā)電機(jī)在故障后的轉(zhuǎn)子運(yùn)動(dòng)特性，進(jìn)而影響系統(tǒng)的暫態(tài)穩(wěn)定性。其次，負(fù)荷特性也是重要因素之一。不同類型的負(fù)荷在暫態(tài)過(guò)程中的響應(yīng)不同，如異步電動(dòng)機(jī)在電壓下降時(shí)會(huì)吸收更多的無(wú)功功率，可能導(dǎo)致系統(tǒng)電壓進(jìn)一步下降，增加暫態(tài)失穩(wěn)的風(fēng)險(xiǎn)。此外，新能源發(fā)電的接入帶來(lái)了新的不確定性。風(fēng)力發(fā)電和光伏發(fā)電具有間歇性和波動(dòng)性，其出力受天氣等自然因素影響較大，這使得電力系統(tǒng)的暫態(tài)風(fēng)險(xiǎn)評(píng)估更加復(fù)雜。在暫態(tài)過(guò)程中，新能源發(fā)電的突然變化可能會(huì)對(duì)系統(tǒng)的功率平衡和穩(wěn)定性產(chǎn)生沖擊。常用的電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估方法主要有時(shí)域仿真法、直接法、概率方法和人工智能方法等。時(shí)域仿真法是一種基于數(shù)值計(jì)算的方法，通過(guò)求解描述電力系統(tǒng)動(dòng)態(tài)過(guò)程的微分方程和代數(shù)方程，對(duì)系統(tǒng)在擾動(dòng)后的暫態(tài)響應(yīng)進(jìn)行詳細(xì)模擬。它能夠準(zhǔn)確地反映電力系統(tǒng)的實(shí)際運(yùn)行情況，提供豐富的暫態(tài)過(guò)程信息，如各節(jié)點(diǎn)電壓、電流、功率的變化曲線，以及發(fā)電機(jī)的轉(zhuǎn)子運(yùn)動(dòng)軌跡等。然而，時(shí)域仿真法的計(jì)算量巨大，計(jì)算時(shí)間長(zhǎng)，尤其是對(duì)于大規(guī)模電力系統(tǒng)，需要消耗大量的計(jì)算資源和時(shí)間。這使得它在實(shí)時(shí)評(píng)估和在線應(yīng)用中受到一定的限制。例如，在對(duì)一個(gè)包含數(shù)百臺(tái)發(fā)電機(jī)和數(shù)千條輸電線路的大型電力系統(tǒng)進(jìn)行暫態(tài)風(fēng)險(xiǎn)評(píng)估時(shí)，采用時(shí)域仿真法可能需要數(shù)小時(shí)甚至數(shù)天的計(jì)算時(shí)間，難以滿足實(shí)時(shí)決策的需求。直接法基于李雅普諾夫穩(wěn)定性理論，通過(guò)構(gòu)造能量函數(shù)等方法直接判斷系統(tǒng)的穩(wěn)定性。它不需要對(duì)系統(tǒng)的動(dòng)態(tài)過(guò)程進(jìn)行詳細(xì)的數(shù)值求解，計(jì)算速度相對(duì)較快。直接法能夠快速地給出系統(tǒng)是否穩(wěn)定的判斷結(jié)果，為電力系統(tǒng)的安全分析提供了一種快速有效的手段。但是，直接法往往基于一些簡(jiǎn)化假設(shè)，如忽略系統(tǒng)中的某些非線性因素、假設(shè)系統(tǒng)參數(shù)為常數(shù)等，這可能導(dǎo)致評(píng)估結(jié)果的準(zhǔn)確性在一定程度上受到限制。在實(shí)際電力系統(tǒng)中，存在著各種復(fù)雜的非線性因素，如發(fā)電機(jī)的飽和特性、電力電子設(shè)備的非線性行為等，這些因素在直接法中難以全面考慮，從而影響了評(píng)估結(jié)果的可靠性。概率方法考慮電力系統(tǒng)中各種不確定性因素的影響，如元件故障概率、負(fù)荷波動(dòng)、新能源發(fā)電的隨機(jī)性等。通過(guò)建立概率模型，對(duì)系統(tǒng)的各種運(yùn)行狀態(tài)進(jìn)行模擬和分析，從而得到系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的概率分布。概率方法能夠更全面地反映電力系統(tǒng)的實(shí)際運(yùn)行情況，為風(fēng)險(xiǎn)評(píng)估提供了更加準(zhǔn)確和可靠的結(jié)果。蒙特卡羅模擬法是一種常用的概率方法，它通過(guò)隨機(jī)抽樣的方式模擬系統(tǒng)的各種運(yùn)行狀態(tài)，對(duì)每個(gè)狀態(tài)進(jìn)行暫態(tài)分析，然后統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果，得到系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的統(tǒng)計(jì)特征。然而，概率方法通常需要大量的樣本數(shù)據(jù)和復(fù)雜的計(jì)算，計(jì)算效率較低。在實(shí)際應(yīng)用中，獲取足夠多的樣本數(shù)據(jù)往往比較困難，而且計(jì)算過(guò)程的復(fù)雜性也限制了其應(yīng)用范圍。例如，在采用蒙特卡羅模擬法進(jìn)行電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估時(shí)，為了得到較為準(zhǔn)確的結(jié)果，可能需要進(jìn)行數(shù)萬(wàn)次甚至數(shù)十萬(wàn)次的模擬計(jì)算，這對(duì)計(jì)算資源和時(shí)間的要求非常高。人工智能方法，如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、決策樹(shù)等，具有強(qiáng)大的學(xué)習(xí)和模式識(shí)別能力。它們可以從大量的歷史數(shù)據(jù)中學(xué)習(xí)電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的特征和規(guī)律，建立風(fēng)險(xiǎn)評(píng)估模型，從而實(shí)現(xiàn)對(duì)暫態(tài)風(fēng)險(xiǎn)的快速評(píng)估。人工智能方法在處理復(fù)雜的非線性問(wèn)題時(shí)具有明顯的優(yōu)勢(shì)，能夠快速準(zhǔn)確地給出評(píng)估結(jié)果。但是，這些方法的模型可解釋性差，對(duì)數(shù)據(jù)的依賴性強(qiáng)。在實(shí)際應(yīng)用中，很難直觀地理解人工智能模型的決策過(guò)程和依據(jù)，而且如果數(shù)據(jù)質(zhì)量不高或數(shù)據(jù)量不足，可能會(huì)導(dǎo)致模型的性能下降。例如，神經(jīng)網(wǎng)絡(luò)模型雖然能夠快速地對(duì)電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)進(jìn)行評(píng)估，但其內(nèi)部的神經(jīng)元連接和權(quán)重調(diào)整過(guò)程非常復(fù)雜，難以解釋其評(píng)估結(jié)果的產(chǎn)生原因。同時(shí)，如果訓(xùn)練數(shù)據(jù)中存在錯(cuò)誤或缺失值，可能會(huì)影響神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性和可靠性。2.2證據(jù)理論基礎(chǔ)證據(jù)理論，又被稱為Dempster-Shafer理論或信度函數(shù)理論，是一種處理不確定性和不完全信息的強(qiáng)大數(shù)學(xué)工具。該理論最早起源于20世紀(jì)60年代，由美國(guó)哈佛大學(xué)數(shù)學(xué)家ArthurDempster首次提出，當(dāng)時(shí)主要用于解決多值映射問(wèn)題，并利用上、下限概率來(lái)進(jìn)行相關(guān)研究。隨后，Dempster的學(xué)生GlennShafer對(duì)這一理論做了進(jìn)一步的拓展和完善，引入了信任函數(shù)的概念，從而形成了一套完整的基于“證據(jù)”和“組合”來(lái)處理不確定性推理問(wèn)題的數(shù)學(xué)方法。1976年，Shafer出版了《證據(jù)的數(shù)學(xué)理論》(AMathematicalTheoryofEvidence)，這本書的問(wèn)世標(biāo)志著證據(jù)理論正式成為一種處理不確定性問(wèn)題的成熟理論。證據(jù)理論的基本概念主要包括識(shí)別框架、基本概率分配等。識(shí)別框架是證據(jù)理論中的一個(gè)基礎(chǔ)概念，它是包含所有可能命題的完備且互斥的集合，通常記作(\Omega)。框架中的元素為基本命題，這些命題之間相互獨(dú)立且窮盡了所有可能的情況。例如，在判斷電力系統(tǒng)中某條輸電線路的運(yùn)行狀態(tài)時(shí)，識(shí)別框架可以表示為(\Omega={正常運(yùn)行，線路故障})，其中“正常運(yùn)行”和“線路故障”就是兩個(gè)基本命題，二者互斥且構(gòu)成了該問(wèn)題的所有可能結(jié)果。再比如，在評(píng)估電力系統(tǒng)中某個(gè)節(jié)點(diǎn)電壓的狀態(tài)時(shí)，識(shí)別框架可以是(\Omega={電壓正常，電壓偏高，電壓偏低})?；靖怕史峙洌˙asicProbabilityAssignment，BPA），也稱為mass函數(shù)，是定義在識(shí)別框架所有子集上的一個(gè)函數(shù)，記作(m(A))，它表示對(duì)命題(A)的信度分配。對(duì)于識(shí)別框架(\Omega)，滿足(m(\emptyset)=0)，這意味著空集不分配任何信度，因?yàn)榭占淮砣魏斡幸饬x的命題；同時(shí)，還需滿足(\sum_{A\subseteq\Omega}m(A)=1)，即對(duì)識(shí)別框架的所有子集分配的信度之和為1，以保證信度分配的完整性和歸一性。繼續(xù)以上述輸電線路運(yùn)行狀態(tài)判斷為例，假設(shè)根據(jù)某監(jiān)測(cè)設(shè)備提供的信息，得到基本概率分配為：(m({正常運(yùn)行})=0.8)，(m({線路故障})=0.1)，(m({正常運(yùn)行，線路故障})=0.1)。這里(m({正常運(yùn)行}))=0.8表示對(duì)“線路正常運(yùn)行”這一命題的信度為0.8；(m({線路故障}))=0.1表示對(duì)“線路故障”這一命題的信度為0.1；而(m({正常運(yùn)行，線路故障}))=0.1表示存在0.1的信度不知道該分配給“正常運(yùn)行”還是“線路故障”，即這部分信度處于不確定狀態(tài)。在證據(jù)理論中，還有信度函數(shù)（BeliefFunction）和似真函數(shù)（PlausibilityFunction）的概念。對(duì)于識(shí)別框架(\Omega)的任一子集(A)，信度函數(shù)(Bel(A))表示對(duì)(A)的全部信任程度，其定義為(Bel(A)=\sum_{B\subseteqA}m(B))，即(A)的信度函數(shù)是其所有子集的基本概率之和。似真函數(shù)(Pl(A))則表示不否定(A)的程度，計(jì)算公式為(Pl(A)=\sum_{B\capA\neq\emptyset}m(B)=1-Bel(\overline{A}))。信度區(qū)間（BeliefInterval）是由信度函數(shù)和似真函數(shù)確定的，對(duì)于命題(A)，其信度區(qū)間為([Bel(A),Pl(A)])，該區(qū)間表示對(duì)(A)的信任程度的不確定性范圍。在上述輸電線路的例子中，若(A={正常運(yùn)行})，則(Bel(A))=(m({正常運(yùn)行}))=0.8，(Pl(A))=1-(m({線路故障}))=0.9，信度區(qū)間為([0.8,0.9])，這表明對(duì)“線路正常運(yùn)行”這一命題的信任程度在0.8到0.9之間，存在一定的不確定性。證據(jù)理論的組合規(guī)則（Dempster組合規(guī)則）是該理論的核心內(nèi)容之一，主要用于處理多個(gè)獨(dú)立證據(jù)源的信息融合。當(dāng)存在兩個(gè)或多個(gè)獨(dú)立的證據(jù)源分別給出對(duì)同一命題的信度分配時(shí)，可以通過(guò)組合規(guī)則計(jì)算出一個(gè)綜合的信度分配。假設(shè)存在兩個(gè)獨(dú)立的證據(jù)源，其基本概率分配函數(shù)分別為(m_1)和(m_2)，對(duì)于識(shí)別框架(\Omega)的子集(A)，組合后的基本概率分配函數(shù)(m)可通過(guò)以下公式計(jì)算：m(A)=\frac{\sum_{B\capC=A}m_1(B)\cdotm_2(C)}{1-\sum_{B\capC=\emptyset}m_1(B)\cdotm_2(C)}其中，分母(1-\sum_{B\capC=\emptyset}m_1(B)\cdotm_2(C))用于對(duì)組合結(jié)果進(jìn)行歸一化處理，以確保組合后的基本概率分配滿足(m(\emptyset)=0)和(\sum_{A\subseteq\Omega}m(A)=1)的條件。例如，假設(shè)有兩個(gè)關(guān)于輸電線路運(yùn)行狀態(tài)的證據(jù)源，證據(jù)源1的基本概率分配為(m_1({正常運(yùn)行})=0.7)，(m_1({線路故障})=0.2)，(m_1({正常運(yùn)行，線路故障})=0.1)；證據(jù)源2的基本概率分配為(m_2({正常運(yùn)行})=0.6)，(m_2({線路故障})=0.3)，(m_2({正常運(yùn)行，線路故障})=0.1)。利用Dempster組合規(guī)則計(jì)算組合后的基本概率分配，首先計(jì)算分母(1-\sum_{B\capC=\emptyset}m_1(B)\cdotm_2(C))，這里只有當(dāng)(B={正常運(yùn)行})且(C={線路故障})或(B={線路故障})且(C={正常運(yùn)行})時(shí)，(B\capC=\emptyset)，則(1-\sum_{B\capC=\emptyset}m_1(B)\cdotm_2(C))=1-(0.7×0.3+0.2×0.6)=1-0.33=0.67。然后計(jì)算分子，對(duì)于(A={正常運(yùn)行})，(\sum_{B\capC=A}m_1(B)\cdotm_2(C))=(m_1({正常運(yùn)行})\cdotm_2({正常運(yùn)行})+m_1({正常運(yùn)行})\cdotm_2({正常運(yùn)行，線路故障})+m_1({正常運(yùn)行，線路故障})\cdotm_2({正常運(yùn)行}))=0.7×0.6+0.7×0.1+0.1×0.6=0.55，則組合后(m({正常運(yùn)行}))=\frac{0.55}{0.67}\approx0.82。同理可計(jì)算出(m({線路故障}))和(m({正常運(yùn)行，線路故障}))的值。通過(guò)組合規(guī)則，可以將多個(gè)證據(jù)源的信息進(jìn)行有效融合，從而得到更全面、準(zhǔn)確的信度分配。證據(jù)理論在處理不確定性問(wèn)題上具有顯著的優(yōu)勢(shì)。它能夠有效地處理多個(gè)證據(jù)之間的相關(guān)性，將來(lái)自不同監(jiān)測(cè)設(shè)備、不同數(shù)據(jù)源的信息作為證據(jù)進(jìn)行融合，提高了信息的利用效率和決策的準(zhǔn)確性。在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中，可以將來(lái)自不同位置的電壓監(jiān)測(cè)裝置、電流監(jiān)測(cè)裝置以及設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)等提供的信息作為多個(gè)證據(jù)源，利用證據(jù)理論進(jìn)行融合分析，從而更準(zhǔn)確地評(píng)估系統(tǒng)的暫態(tài)風(fēng)險(xiǎn)。證據(jù)理論不需要事先給出知識(shí)的先驗(yàn)概率，對(duì)不確定性信息的描述采用“區(qū)間估計(jì)”而非“點(diǎn)估計(jì)”，在區(qū)分不知道和不確定方面以及精確反映證據(jù)收集方面顯示出很大的靈活性。這種靈活性使得證據(jù)理論能夠更好地適應(yīng)電力系統(tǒng)中復(fù)雜多變的不確定性因素，為暫態(tài)風(fēng)險(xiǎn)評(píng)估提供更可靠的依據(jù)。2.3效用理論基礎(chǔ)效用理論是一種重要的決策理論，最早由丹尼爾?伯努利（DanielBernoulli）在18世紀(jì)提出。當(dāng)時(shí)，伯努利在研究圣彼得堡悖論時(shí)發(fā)現(xiàn)，人們?cè)跊Q策過(guò)程中并非僅僅依據(jù)期望收益的大小，還會(huì)考慮收益帶來(lái)的心理滿足程度，即效用。這一發(fā)現(xiàn)開(kāi)啟了效用理論的研究先河，隨著時(shí)間的推移，效用理論不斷發(fā)展和完善，逐漸成為經(jīng)濟(jì)學(xué)、管理學(xué)、心理學(xué)等多個(gè)領(lǐng)域中分析決策行為的重要工具。效用理論的核心概念是效用函數(shù)，它是一種將決策結(jié)果映射為決策者主觀滿意度或價(jià)值的函數(shù)，通常用(u(x))表示，其中(x)代表決策結(jié)果。效用函數(shù)反映了決策者對(duì)不同結(jié)果的偏好程度，其值越大，表示決策者對(duì)該結(jié)果越滿意。例如，在電力系統(tǒng)運(yùn)行中，對(duì)于發(fā)電企業(yè)來(lái)說(shuō)，發(fā)電利潤(rùn)是一個(gè)重要的決策結(jié)果。假設(shè)某發(fā)電企業(yè)有兩種發(fā)電方案，方案一的發(fā)電利潤(rùn)為100萬(wàn)元，方案二的發(fā)電利潤(rùn)為150萬(wàn)元。如果該企業(yè)的效用函數(shù)為(u(x)=x^{0.8})，則方案一的效用值為(u(100)=100^{0.8}\approx39.81)，方案二的效用值為(u(150)=150^{0.8}\approx56.92)。由此可見(jiàn)，方案二的效用值更高，說(shuō)明該企業(yè)更偏好方案二。偏好關(guān)系是效用理論中的另一個(gè)重要概念，它描述了決策者對(duì)不同決策方案的喜好順序。偏好關(guān)系通常滿足自反性、傳遞性和完備性。自反性是指決策者認(rèn)為任何一個(gè)方案至少與自身一樣好，即對(duì)于任意方案(A)，都有(A\succsimA)，其中(\succsim)表示“偏好于或無(wú)差異于”。傳遞性是指如果決策者偏好方案(A)甚于方案(B)，且偏好方案(B)甚于方案(C)，那么決策者必然偏好方案(A)甚于方案(C)，即若(A\succB)且(B\succC)，則(A\succC)，其中(\succ)表示“嚴(yán)格偏好于”。完備性是指對(duì)于任意兩個(gè)方案(A)和(B)，決策者能夠明確地表達(dá)出對(duì)它們的偏好關(guān)系，即要么(A\succB)，要么(B\succA)，要么(A\simB)，其中(\sim)表示“無(wú)差異于”。在電力系統(tǒng)的設(shè)備采購(gòu)決策中，假設(shè)有設(shè)備供應(yīng)商甲、乙、丙，若電力企業(yè)認(rèn)為甲供應(yīng)商的設(shè)備在質(zhì)量、價(jià)格和售后服務(wù)等方面都優(yōu)于乙供應(yīng)商的設(shè)備，即甲\succ乙；同時(shí)認(rèn)為乙供應(yīng)商的設(shè)備優(yōu)于丙供應(yīng)商的設(shè)備，即乙\succ丙。根據(jù)傳遞性，該電力企業(yè)必然認(rèn)為甲供應(yīng)商的設(shè)備優(yōu)于丙供應(yīng)商的設(shè)備，即甲\succ丙。在風(fēng)險(xiǎn)決策中，效用理論的應(yīng)用原理是通過(guò)計(jì)算不同決策方案的期望效用值來(lái)進(jìn)行決策。期望效用值是指每個(gè)決策方案在各種可能結(jié)果下的效用值乘以該結(jié)果發(fā)生的概率之和。設(shè)決策方案(A)有(n)種可能的結(jié)果(x_1,x_2,\cdots,x_n)，對(duì)應(yīng)的概率分別為(p_1,p_2,\cdots,p_n)，則方案(A)的期望效用值(EU(A))為：EU(A)=\sum_{i=1}^{n}p_i\##????????o?o?èˉ???????è?o????????¨???è?o???èˉ???°?¨?????????o\##\#3.1èˉ???°????

?????3??????o????????o??¨é?￠????§??-|???èˉ???°????

?????3???ˉ??μ????3??????????é￡?é??èˉ???°???é??è|???o???????????3é????¨?o???????????????±?????μ????3??????????é￡?é?????????±???

?′

???è???o???

?′

??μ????¤???a??1é?￠???????????μ????3???????????????1??§???è??è???????????è???¤???§è????￥????¤?é?¨??ˉ?￠???±????-?????????μ????3??????????????±?é?￠??￥???????3?????????????????????￥?????????????1?é?′???è????￥??3?3??ˉ1??????é￡?é???????????è????±??????????|????è????μ?o?è·ˉ???é???o|?????°é?????????±???3????o??3???????è????μè???????????????o|???é??è·??|?è????μ?o?è·ˉ??¨??????è???¨???-??′??1????????°??μ?￡???????è???¨??????±????????ˉè???ˉ?è?′??μ????3￠??¨???????????ˉè??????????????è????μ?o?è·ˉ????ˉ?é???¨??o|???è????￥??1????1??????±??????é???????

??-è????′?????±????¨??o|?????¨??ˉ??????????????μ????3??????-?????????????o?è·ˉ?????????é???????????????o?è·ˉ??ˉè???????????é￠??¤????è′?è?·??????è???￠???

?3?????????????é￡?é??????????μ??????????±????????????¨?????1é??é?????????

·é??è|??????????????????μ???????±?è???¤??????-è????μè·??|????é?????è????μ???è????????é???3????????????μ??ˉé?

??§???è??????????¨?????1é?????è?3??ˉè???ˉ?è?′??¨è′?è?·é???3°?????o??°è??è????°è±??????±????3??????????????¨3?????§?????μ????3???????è??è??????????ˉ??±?????????é￡?é???????′??￥??

?′

???è′?è?·????¤§?°???????????????μ??ˉ?????-?????3é?????é??????¤????????μ????????±??????μ???è′?è?·?????-?￠?é????????è′?è?·??1??§??￥????¤????????|??·￥???è′?è?·?????2?????§????±??°?è′?è?·????-￡è????§???????-???????è′?è?·?a?????￠???

???????°?????????????èμ·?3?????????????????13è??????ˉ?è?′?????μ??o???è??é????????è§????????????????è??è????±????3??????????????¨3?????§?????¨?¤??-￡é??????????μ?????oè°?è′?è?·?¤§?1??￠???

?????ˉè???ˉ?è?′??μ????3??????o??°é???3°è′?è?·???è?￥?3????????????μè????????è????μè????????è?????è?3é???±?????°±??1???????????μ??????é?????é￠?????3￠??¨?-???????é??é￠?????????μ??o???è??è????????????|?????????o????????

?????o??????è??é????????è§??-?????ˉ1?3?????????????é￡?é???1?èμ·?????3?????§?????¨????????μ??o???????????o??????è?3????ˉ?è?′?3????é￠???????é?????è????

?????o??????è?3?????????èμ·??μ???é????????????????μ??o???è??é????????è§?è????o?-￡???è????′????????ˉè?????????????μ??o?¤±?-￥????ˉ?è?′?3?????′??o??????μ????3??????-???è???¤???§è????′??￥??3?3???°?3?????????????é￡?é??????????μ??o?????o??μ????3????????

????è???¤????????????°?????§è???ˉ1???????¨3?????§??±????·¨?¤§????????μ??o?????ˉ??§???é?′?????°?????

?o??????μ??oè???-??????ˉ??§?¤§?°??????ˉ??§???é?′?????°è???¤§????????μ??o??¨?????°??°??¨???è??é????????è???????￠??????????o??3??????????????¨3??????è???????μ??o???????-￥??μ????????±???????????μ??o?????

???è°?è??è??????????????è???¨???-?????μ?￡????????????????????????¨?????-è·ˉé?????????????????è???-??????°?????±???????????¨??¨??????è???¨???-?????μ????????????????????

è???????-è·ˉé?????è???¤§??ˉè???ˉ?è?′????????¨??¨???é??????????μ???é??è??è???¤§?????±????3?????????μ????¨3?????§???è????μ?o?è·ˉ?????μé???????μ????????μ??1?-??????°??3????o??o?è·ˉ???è????μè??????????????è???¨???-?????μ?￡?????????1??§?????μé????????èμ·è????μ?o?è·ˉ??????????????????è???????μ????????±?????

??????????????

è???????μ??????????????μ??1????ˉ?è?′?o?è·ˉ????????μ?????????è????μ???é??é￠?????¤?é?¨??ˉ?￠???

?′

?1??????1???è§?????????￡????¤??°???????????|?é?·????????′é?¨????¤§é￡??????°é?a?-??????ˉ????????μ????3???????é?????é??è|??????

?1???????é?·?????ˉè???ˉ?è?′è????μ?o?è·ˉè·3é?????è???¤????????????′é?¨??ˉè?????????′a????????3????

′?????μ???è?????????¤§é￡???ˉè?????è????μ?o?è·ˉè????¨????????????????????°é?a??ˉè??é?

????o?è·ˉè|???°??????????-?é?a????-????2008?1′???????????1??°??oé?-????????°é?a?????3????ˉ?è?′?¤§é??è????μ?o?è·ˉ?????????è￠??????????é?

????o??¤§é?￠?§ˉ?????μ?o?????????μ????????o???è??è?￥?¨????????o¤???è????o?1?????ˉ1??μ????3?????????????é￡?é???o§?????±????????¨??μ????????o??ˉ?￠????????????μ???????????¨??·???è????o??′??

?????o????????ˉè???????o?o?è???±?????μ???????è?????è§??3????????????¨?¨3???è??è??????????μ????????ˉè???????¨è′?è?·???è°·???????°??????μ??o???????ˉ?è?′?3?????¤???¨??1é?????è?3?????¨è′?è?·?a?????????

?3???????è°???′?????μ??????????￠???

?3?????????????é￡?é???????????è??è????￥?????

?′

????????o?????μ????3??????????é￡?é??èˉ???°????

?????3???ˉ?????o??￥?????

??a?±?????????¨????o§????

??±?é?￠???è??????3??????????????

????è??è????????????

????è???¤???§è??????

?????¤?é?¨??ˉ?￠?????

?????3??????????????

????????o??o§????

???ˉ??????è????μ?o?è·ˉ?ˉ??o|????????μ???é?′è·??????????è??é????§?-????è????μ?o?è·ˉ?ˉ??o|?????

?o?è????μ?o?è·ˉ??¨??°?????oé?′?????????????ˉ?é???¨??o|????????????è????μ?o?è·ˉ?ˉ??o|???????o????é???3???????è????μè??????????ˉé?

??§???è?￥?ˉ??o|è??????????ˉè???ˉ?è?′è????μ???é￠?????￠???

??????é￡?é??????????μ???é?′è·??????±????????μ????????

è??è·??|???????è????????é??????????μ???é?′è·?è???¤?????????μ??????é?????é???????????è???¨???-?????μ???????¤±?????????è??é????§?????°?o???μ????3?????????????????????￥?￡???§???é??è??é????§???????????¨é?￠?ˉ1???é?????è???¤???′?￥???°?????°??????è???§????è′?è?·?13è?????????°????????¤±?¨3?????ˉè????§???è??è????????????

?????o??o§????

???ˉ??????è′?è?·?￠?é????????è′?è?·?3°è°·?·?????????μ??o????????o???????·?????????μ??o??

?????o???????·??-????è′?è?·?￠?é??????????

?o???μ???é???±?????￠?é??è????????è????????è′?è?·?￠?é????ˉè??????3????é?￠??′?????μ??????????￠???

??????é￡?é?????è′?è?·?3°è°·?·??????°?o?è′?è?·??¨???????????μ??????????¨??o|???è???¤§????3°è°·?·????????3????????????μ???è????μ??|??￥???????????±????3??????????????¨3?????§????????μ??o????????o???????·??????

?????o???????·????????????

?o??????μ??o???é????o??????é￠??????o??????è°??o|è???????o??????????|??¨??o|???????·?è???¤§??ˉè???ˉ?è?′?3??????????????13è?????????????????é??é￠????è???¤???§è??????

????????o??o§????

???ˉ??μ????????μ??o??ˉ??§???é?′?????°???????????¨??-è·ˉé????????è????μ?o?è·ˉ??μ????-?????|??????????è?°????????μ??o??ˉ??§???é?′?????°?ˉ1?????μ??o??¨??????è???¨???-???è??é???¨3?????§è?3??3é??è|????è???¤§?????ˉ??§???é?′?????°???????o???′????3??????????????¨3??????????????¨??-è·ˉé???????±??????????????¨??¨???é??????????μ????????????????????

è??è??????????-è·ˉé?????è???¤§??ˉè???ˉ?è?′????????¨?o??????§??μ???è??????????±?????¨??·??¨??μ????3????????¨3?????§???è????μ?o?è·ˉ??μ????????′??￥??3?3???°?o?è·ˉ?????

???????????

è???????μ??????????????μ???è???¤§??ˉè???ˉ?è?′?o?è·ˉ?????ˉ??μ???è??????????±????3????????????μè′¨é????????????¨3?????§????¤?é?¨??ˉ?￠?????

?????o??o§????

???ˉ???????????￡?¤??°???????é￠?????????μ????????o?o¤????′?è·??o|?-?????????￡?¤??°???????é￠????è??é???????μ????3????é?-????¤?é?¨???é??????|?????°±è???¤§?????????é￡?é???1??°±è??é???????μ????????o?o¤????′?è·??o|?????

?o???μ????????o??-?????μ???????????¨??·?1?é?′????o¤???é￠??1??¨??o|???è??é??????o¤????′?è·??o|??ˉè???ˉ?è?′?3????è??è????1???é￠??1???????????￠???

??????é￡?é???????¨?ˉ???a?o??o§????

???????è????ˉè??????-￥??????????o§????

??????￥è????μ?o?è·ˉ?ˉ??o|??o?????????????o§????

???ˉ??￥??????????????μ????-??o§è????μ?o?è·ˉ???é???o|?????°é?????é??è???ˉ1????????μ????-??o§è????μ?o?è·ˉ?????·????????????è???¤???′????????°èˉ???°è????μ?o?è·ˉ?ˉ??o|?ˉ1??μ????3??????????é￡?é???????±???????ˉ1?o?è′?è?·?￠?é????????????o§????

???ˉ??￥?????§????????o????????????è????????è′?è?·?￠?é???????μè??è?????????????￥????·±??￥?o?è§￡è′?è?·?￠?é???????￥?o????è??????????o??????é￡?é??èˉ???°????????′èˉ|???????????ˉ???è???§??¤??±????????¤???′?o|???èˉ???°????

?????3?è???¤???¨é?￠????3??????°?????

??μ????3??????????é￡?é???????±?????

?′

?????o?????-??o?o?èˉ???????è?o????????¨???è?o???é￡?é??èˉ???°????????°?ˉ??????°?????ˉ???????????????èˉ???°?????????\##\#3.2èˉ??????????è?·??????è?¨?¤o??¨?????o?o???μ????3??????????é￡?é??èˉ???°????

?????3???????é??è|??°?è???o?èˉ???°????

?è???????oèˉ????????????￥???è????¨èˉ???????è?oè??è???????????è?????è?????è???¨?????????°?ˉ1????±?????μ???°???????·±??￥?¤??????????????????￥????ˉ1??μ????3????è??è????????????????????è§￡?????¤??-????ˉ1?o?è????-??????èˉ???°????

?????|???μ????????μ?μ???????????-???μ?°?é????°??????é|????è|??ˉ1???è??è????°???é￠??¤????????????¨?§???¨?13????3??????-?????¤?3￠?3??-???1?3??ˉ1??°???è??è???????a?¤??????????é?¤??°?????-?????a?￡°?12??°?????￥???é????°??????è′¨é?????é????¨?o???§??????????

·??????????-???1?3??ˉ1??o?¤±???è??è?????è?￥???????????°???????????′??§?????????????

1?????μ????3???????è??è???

??????????éa???????????????a????

?????-￡???è??è??è????′?????￥??????è????μ?o?è·ˉ?????μ?????o??????????-￡???è??è??è????′??ˉè????o[10kV-10.5kV]???é??è??è???????????????μ????????-￡???è????′???????|??¨??o|?????￥??????èˉ?????ˉ1?????????é￠??????ˉ????¨??o|???è?￥????????μ???????μ??????o10.6kV???è????o?-￡???è????′0.1kV????

1???é￠????è????????è§????????|??ˉ?è????o?-￡???è????′0.1kV????ˉ1a????μ?????????a??è????????é￠??????ˉ????o|?￠???

0.1??????è????o????|???????é???????°???????§??????om(??μ????-￡???)=0.8???m(??μ?????????)=0.1???m(?????????)=0.1?????±?o?????????μ???è????o?-￡???è????′???è°???′??o????|???????é???????°??om(??μ????-￡???)=0.7???m(??μ?????????)=0.2???m(?????????)=0.1???è???

·????°±?°???μ???è?????è????-???????

?è???????o?o?èˉ???????????????-m(??μ????-￡???)???m(??μ?????????)???m(?????????)??????è?¨?¤o?ˉ1a????μ????-￡???a?????a????μ?????????a????￥?????????????????μ???????o|???é??????ˉ1?o??|???￡??????èˉ???°????

?????|?è???¤????è??è????????????-￡?????????é??????￡???????????????¤è￡?????????¨????????μ?????¨????????a??¨???????-??????ˉ??￥??′??￥?

1???????μ??????ˉ?????????????????????????μ???°?????°????????¨?¤??o?a?????é??a????????????????ˉ??′??￥????????o????|???????é???????°??om(???é??)=1???m(?-￡???)=0???m(?￡????)=0????ˉ1?o??????¤è￡?????????¨????????μ???è?￥????μ???°????o?è·ˉ?????¤è￡????a????¨???a??????????o????|???????é???????°??ˉè????om(??¨???)=1???m(??a??¨???)=0???è???§???′??￥?

1????|???￡???????

????????μ??????????èˉ????????????1??????????????′è§????è???¤?????????°?????

è???¤?????????¤è￡??????????é?????????????¨??μ????3??????????é￡?é??èˉ???°??-???èˉ???????é?????è?¨?¤o??o?????a?????????(E,A,m)????????-Eè?¨?¤oèˉ?????o?????|??????a????μ?è???¤????????§?????μ???1?3????Aè?¨?¤o???é￠?é??????????ˉèˉ??????????(\\Omega)????-?é????????????o???3?o???μ????3??????????é￡?é?????????§???ˉè?????é￠?????|?a?????????¨3???a?????a?????????¤±?¨3a???-????m??ˉ??o????|???????é???????°???????1???¨???é￠?é?????A????1?é???????????è?3m(\\emptyset)=0???(\\sum_{B\\subseteqA}m(B)=1)????ˉ1?o???￥è?a?????μ???????μ?è￡???????èˉ???????E??ˉ??￥è?¨?¤o??oèˉ￥??μ???????μ?è￡???????A=\{??μ????-￡???,??μ??????é??,??μ?????????\}???è?￥?

1???????μ???°???????????o????|???????é???????°??om(??μ????-￡???)=0.7???m(??μ??????é??)=0.2???m(??μ?????????)=0.1??????èˉ￥èˉ?????????ˉè?¨?¤o??o(??μ???????μ?è￡????,\{??μ????-￡???,??μ??????é??,??μ?????????\},\{m(??μ????-￡???)=0.7,m(??μ??????é??)=0.2,m(??μ?????????)=0.1\})??????????????§?o|é????ˉèˉ???°èˉ??????????????????§?¨??o|???é??è|??????μ????????¨??????????????§?o|é????1?3?????????ˉ??μ?????2?a??3???°?-?????????ˉ??μè???¤?è??é??èˉ?????????-????????????????????§?????ˉ????¤??°???????è?????????????o???\[H=-\sum_{A\subseteq\Omega}m(A)\log_2m(A)其中，H表示信息熵，m(A)是命題A的基本概率分配值。信息熵越大，說(shuō)明證據(jù)體中的不確定性越高。若一個(gè)證據(jù)體的基本概率分配為m(暫態(tài)穩(wěn)定)=0.5，m(暫態(tài)失穩(wěn))=0.3，m(不確定)=0.2。則其信息熵為：\begin{align*}H&=-(0.5\log_20.5+0.3\log_20.3+0.2\log_20.2)\\&=-(0.5??(-1)+0.3??(-1.737)+0.2??(-2.322))\\&\approx1.44\end{align*}沖突系數(shù)用于衡量多個(gè)證據(jù)之間的沖突程度。當(dāng)存在兩個(gè)證據(jù)源的基本概率分配函數(shù)分別為(m_1)和(m_2)時(shí)，沖突系數(shù)(K)的計(jì)算公式為：K=\sum_{A\capB=\emptyset}m_1(A)\cdotm_2(B)K值越大，表明兩個(gè)證據(jù)之間的沖突越嚴(yán)重。假設(shè)有兩個(gè)關(guān)于電力系統(tǒng)暫態(tài)穩(wěn)定性的證據(jù)源，證據(jù)源1的基本概率分配為m_1(暫態(tài)穩(wěn)定)=0.8，m_1(暫態(tài)失穩(wěn))=0.1，m_1(不確定)=0.1；證據(jù)源2的基本概率分配為m_2(暫態(tài)穩(wěn)定)=0.2，m_2(暫態(tài)失穩(wěn))=0.7，m_2(不確定)=0.1。則沖突系數(shù)K為：\begin{align*}K&=m_1(???????¨3???)??m_2(???????¤±?¨3)+m_1(???????¤±?¨3)??m_2(???????¨3???)+m_1(???????¨3???)??m_2(?????????)+m_1(???????¤±?¨3)??m_2(?????????)+m_1(?????????)??m_2(???????¨3???)+m_1(?????????)??m_2(???????¤±?¨3)\\&=0.8??0.7+0.1??0.2+0.8??0.1+0.1??0.1+0.1??0.2+0.1??0.7\\&=0.56+0.02+0.08+0.01+0.02+0.07\\&=0.76\end{align*}由于K值較大，說(shuō)明這兩個(gè)證據(jù)源之間存在較大的沖突，在進(jìn)行證據(jù)融合時(shí)需要特別處理。通過(guò)合理地獲取和表示證據(jù)體，并運(yùn)用不確定性度量方法對(duì)證據(jù)體進(jìn)行分析，可以更好地利用證據(jù)理論進(jìn)行電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估，提高評(píng)估結(jié)果的準(zhǔn)確性和可靠性。3.3效用函數(shù)的確定在電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估中，效用函數(shù)的確定是將風(fēng)險(xiǎn)事件的后果量化為效用值的關(guān)鍵步驟，其合理性直接影響風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和決策的科學(xué)性。由于電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件的后果涉及多個(gè)方面，包括經(jīng)濟(jì)損失、社會(huì)影響、設(shè)備損壞等，因此需要綜合考慮這些因素來(lái)構(gòu)建效用函數(shù)。從經(jīng)濟(jì)損失方面來(lái)看，電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件可能導(dǎo)致停電，進(jìn)而引發(fā)工業(yè)生產(chǎn)停滯、商業(yè)活動(dòng)中斷等直接經(jīng)濟(jì)損失，以及恢復(fù)供電所需的搶修成本、設(shè)備維修或更換費(fèi)用等間接經(jīng)濟(jì)損失。以某工業(yè)企業(yè)為例，其在正常生產(chǎn)情況下每小時(shí)的產(chǎn)值為10萬(wàn)元，若因電力系統(tǒng)暫態(tài)故障導(dǎo)致停電2小時(shí)，那么直接經(jīng)濟(jì)損失就達(dá)到20萬(wàn)元。同時(shí)，假設(shè)恢復(fù)供電的搶修成本為5萬(wàn)元，設(shè)備維修費(fèi)用為3萬(wàn)元，那么總的經(jīng)濟(jì)損失就是28萬(wàn)元。為了將經(jīng)濟(jì)損失量化為效用值，可以采用線性效用函數(shù)的形式。設(shè)經(jīng)濟(jì)損失為(x)，效用函數(shù)為(u_e(x))，則可表示為(u_e(x)=-k_ex)，其中(k_e)為經(jīng)濟(jì)損失效用系數(shù)，其值可根據(jù)電力系統(tǒng)的實(shí)際情況和決策者的風(fēng)險(xiǎn)偏好通過(guò)歷史數(shù)據(jù)統(tǒng)計(jì)分析或?qū)＜以u(píng)估等方法確定。若經(jīng)過(guò)分析確定(k_e=0.01)，當(dāng)經(jīng)濟(jì)損失(x=28)萬(wàn)元時(shí)，經(jīng)濟(jì)損失的效用值(u_e(28)=-0.01×28=-0.28)。社會(huì)影響也是確定效用函數(shù)時(shí)需要考慮的重要因素。電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件導(dǎo)致的停電會(huì)對(duì)居民生活、公共服務(wù)設(shè)施等產(chǎn)生負(fù)面影響。停電會(huì)使居民的日常生活受到干擾，如照明、供暖、制冷等基本需求無(wú)法滿足，影響居民的生活質(zhì)量。停電還會(huì)對(duì)醫(yī)院、交通樞紐等公共服務(wù)設(shè)施的正常運(yùn)行造成嚴(yán)重影響，威脅到人們的生命安全和社會(huì)秩序。為了量化社會(huì)影響，可以采用模糊評(píng)價(jià)的方法。將社會(huì)影響分為多個(gè)等級(jí)，如輕微、一般、嚴(yán)重、非常嚴(yán)重等，并為每個(gè)等級(jí)賦予相應(yīng)的效用值范圍。通過(guò)問(wèn)卷調(diào)查、專家評(píng)估等方式，確定不同停電時(shí)長(zhǎng)和影響范圍下社會(huì)影響的等級(jí)，從而得到對(duì)應(yīng)的效用值。假設(shè)將社會(huì)影響分為四個(gè)等級(jí)，輕微影響的效用值范圍為([-0.1,-0.05])，一般影響的效用值范圍為([-0.3,-0.1])，嚴(yán)重影響的效用值范圍為([-0.5,-0.3])，非常嚴(yán)重影響的效用值范圍為([-1,-0.5])。若某次停電對(duì)居民生活和公共服務(wù)設(shè)施造成了嚴(yán)重影響，通過(guò)評(píng)估確定其效用值為-0.4。設(shè)備損壞是電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件的另一個(gè)重要后果。發(fā)電機(jī)、變壓器、輸電線路等關(guān)鍵設(shè)備在暫態(tài)過(guò)程中可能會(huì)受到損壞，影響電力系統(tǒng)的正常運(yùn)行。設(shè)備損壞的程度不同，對(duì)系統(tǒng)的影響也不同，因此需要根據(jù)設(shè)備的重要性和損壞程度來(lái)確定效用值。對(duì)于重要設(shè)備，如發(fā)電機(jī)和主變壓器，其損壞會(huì)對(duì)電力系統(tǒng)的運(yùn)行產(chǎn)生重大影響，效用值應(yīng)較低；而對(duì)于一些次要設(shè)備，如部分輸電線路的附屬設(shè)備，其損壞對(duì)系統(tǒng)的影響相對(duì)較小，效用值可相對(duì)較高?？梢圆捎脤哟畏治龇ǎˋHP）等方法來(lái)確定不同設(shè)備的重要性權(quán)重，然后根據(jù)設(shè)備的損壞程度和重要性權(quán)重計(jì)算效用值。假設(shè)有發(fā)電機(jī)、變壓器和輸電線路三種設(shè)備，通過(guò)AHP方法確定它們的重要性權(quán)重分別為(0.5)、(0.3)和(0.2)。若發(fā)電機(jī)損壞程度為嚴(yán)重，其效用值為-0.8；變壓器損壞程度為一般，其效用值為-0.3；輸電線路損壞程度為輕微，其效用值為-0.1。則設(shè)備損壞的總效用值為(u_d=0.5×(-0.8)+0.3×(-0.3)+0.2×(-0.1)=-0.4+(-0.09)+(-0.02)=-0.51)。綜合考慮經(jīng)濟(jì)損失、社會(huì)影響和設(shè)備損壞等因素，電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件后果的效用函數(shù)可以表示為(u(x)=w_eu_e(x)+w_su_s(x)+w_du_d(x))，其中(u(x))為總效用值，(w_e)、(w_s)和(w_d)分別為經(jīng)濟(jì)損失、社會(huì)影響和設(shè)備損壞的權(quán)重，且(w_e+w_s+w_d=1)。這些權(quán)重可通過(guò)專家調(diào)查、層次分析法等方法確定，以反映不同因素在決策者心中的相對(duì)重要性。若通過(guò)專家調(diào)查確定(w_e=0.4)，(w_s=0.3)，(w_d=0.3)，結(jié)合前面計(jì)算的經(jīng)濟(jì)損失效用值(u_e(28)=-0.28)，社會(huì)影響效用值(u_s=-0.4)，設(shè)備損壞效用值(u_d=-0.51)，則總效用值(u(x)=0.4×(-0.28)+0.3×(-0.4)+0.3×(-0.51)=-0.112+(-0.12)+(-0.153)=-0.385)。通過(guò)這樣的方式，能夠?qū)㈦娏ο到y(tǒng)暫態(tài)風(fēng)險(xiǎn)事件的復(fù)雜后果量化為統(tǒng)一的效用值，為基于證據(jù)理論和效用理論的電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)評(píng)估提供關(guān)鍵的數(shù)據(jù)支持，使得風(fēng)險(xiǎn)評(píng)估結(jié)果更加全面、準(zhǔn)確，為電力系統(tǒng)的運(yùn)行決策提供有力依據(jù)。3.4融合評(píng)估模型的建立將證據(jù)理論和效用理論相結(jié)合，能夠充分發(fā)揮兩者的優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的全面、準(zhǔn)確評(píng)估?；诖?，建立如下融合評(píng)估模型：首先，根據(jù)前文建立的評(píng)估指標(biāo)體系，獲取各個(gè)指標(biāo)對(duì)應(yīng)的證據(jù)體。這些證據(jù)體來(lái)自于電力系統(tǒng)中的各類監(jiān)測(cè)設(shè)備、歷史數(shù)據(jù)以及專家經(jīng)驗(yàn)等。通過(guò)數(shù)據(jù)采集系統(tǒng)實(shí)時(shí)獲取電力系統(tǒng)中各節(jié)點(diǎn)的電壓、電流、功率等電氣量數(shù)據(jù)，利用傳感器監(jiān)測(cè)設(shè)備的運(yùn)行狀態(tài)，如溫度、振動(dòng)等參數(shù)。將這些數(shù)據(jù)進(jìn)行預(yù)處理和分析，轉(zhuǎn)化為證據(jù)理論中的證據(jù)體，包括基本概率分配函數(shù)的確定和命題集合的定義。假設(shè)通過(guò)監(jiān)測(cè)某節(jié)點(diǎn)的電壓數(shù)據(jù)，根據(jù)電壓的正常范圍和實(shí)際監(jiān)測(cè)值，確定對(duì)“電壓正常”、“電壓偏高”和“電壓偏低”這三個(gè)命題的基本概率分配。然后，利用證據(jù)理論的組合規(guī)則對(duì)多個(gè)證據(jù)體進(jìn)行融合。在實(shí)際電力系統(tǒng)中，通常會(huì)有多個(gè)證據(jù)源同時(shí)提供關(guān)于系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的信息。來(lái)自不同位置的電壓監(jiān)測(cè)裝置、電流監(jiān)測(cè)裝置以及設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)等都可以作為獨(dú)立的證據(jù)源。當(dāng)存在兩個(gè)證據(jù)源時(shí)，其基本概率分配函數(shù)分別為(m_1)和(m_2)，根據(jù)Dempster組合規(guī)則，對(duì)于識(shí)別框架(\Omega)的子集(A)，組合后的基本概率分配函數(shù)(m)為：m(A)=\frac{\sum_{B\capC=A}m_1(B)\cdotm_2(C)}{1-\sum_{B\capC=\emptyset}m_1(B)\cdotm_2(C)}在計(jì)算過(guò)程中，需要注意證據(jù)沖突的處理。當(dāng)證據(jù)之間沖突較大時(shí)，直接使用Dempster組合規(guī)則可能會(huì)導(dǎo)致不合理的結(jié)果。此時(shí)，可以采用一些改進(jìn)的組合規(guī)則，如Yager方法、Murphy方法等。Yager方法將沖突部分全部分配給未知命題，Murphy方法則先對(duì)多個(gè)證據(jù)進(jìn)行平均，再進(jìn)行組合。假設(shè)有兩個(gè)證據(jù)源，其基本概率分配函數(shù)分別為(m_1)和(m_2)，且存在較大沖突。采用Yager方法時(shí)，將沖突部分(\sum_{B\capC=\emptyset}m_1(B)\cdotm_2(C))全部加到未知命題的基本概率分配上；采用Murphy方法時(shí)，先計(jì)算所有證據(jù)的平均基本概率分配(\overline{m})，再進(jìn)行組合。經(jīng)過(guò)證據(jù)融合后，得到關(guān)于電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)的綜合證據(jù)體。根據(jù)該綜合證據(jù)體，可以計(jì)算出不同風(fēng)險(xiǎn)等級(jí)的信度。假設(shè)風(fēng)險(xiǎn)等級(jí)分為“低風(fēng)險(xiǎn)”、“中風(fēng)險(xiǎn)”和“高風(fēng)險(xiǎn)”，通過(guò)綜合證據(jù)體中的基本概率分配函數(shù)，計(jì)算出對(duì)這三個(gè)風(fēng)險(xiǎn)等級(jí)的信度。接著，結(jié)合效用理論，根據(jù)前文確定的效用函數(shù)，計(jì)算不同風(fēng)險(xiǎn)等級(jí)對(duì)應(yīng)的效用值。效用函數(shù)考慮了電力系統(tǒng)暫態(tài)風(fēng)險(xiǎn)事件在經(jīng)濟(jì)損失、社會(huì)影響、設(shè)備損壞等多方面的后果。設(shè)效用函數(shù)為(u(x))，其中(x)表示風(fēng)險(xiǎn)事件的后果。對(duì)于“低風(fēng)險(xiǎn)”等級(jí)，