基于边缘计算的台区状态综合评价方法

王小雷，宋耐超，史雷敏，惠杰，姜恩宇，林顺富

(1.上海电力大学电气工程学院，上海 200090; 2.国网河南省电力公司驻马店供电公司，河南 驻马店 463000;3.国网河南省电力公司许昌供电公司，河南 许昌 461000)

0 引言

台区是指一台变压器的供电范围或区域，当前智能台区存储的数据中包含大量的结构化数据［1］( 数值类数据，如电压、电流、温度、湿度等) 以及非结构化数据( 图片、视频等) 。台区数据量大、类型繁多、数据管理困难，传统的台区信息管理系统无法满足当前智能台区的业务要求［2］，造成运维人员无法对台区进行合理的状态评估［3］。而对台区进行合理的评估，有助于智能台区的建设，使台区的供电可靠性、电能质量、运维管理得到改善［4］。

目前针对配电网的状态综合评价方法已有很多，只有少部分学者和工作人员提出了适用于台区的状态综合评价方法。文献［5］提出了一种基于改进型序关系分析法的台区状态评价模型，可根据台区特征指标进行综合计算，形成量化的评价值以快速评价台区状态模型;文献［6］提出了一种基于分布性参数的评估指标体系，将各个分布性指标按一定局部权重系数加权后转化为单一性指标，根据单一性指标对台区进行状态评估; 文献［7］提取配变运行状态特征指标，采用Topsis 评估算法构建台区状态评估模型;最后依托模型评估结果，结合专家经验，综合评估台区可靠性; 文献［8］针对配电台区内的环境特点，提出了基于层次分析法的一套实用型配电网运行状态评估指标体系，采用层次分析法与德尔菲法确定指标权重因子，并利用模糊隶属度函数确定单项指标评分公式，从而实现对配电网运行状态的在线评估。此类方法所求出的权重因子，只体现了台区状态指标在主观性上的重要程度，没有体现台区状态指标在客观性上的重要程度，因此无法合理地对台区进行综合状态评价。

为了提高台区指标权重的客观性，目前部分学者主要使用熵权法来对权重进行修正［9-10］。熵权法虽然根据各项指标值的变异程度来确定指标权重，避免了人为因素带来的偏差，但是其忽略了指标本身的重要程度，以此求出的权重往往会忽视决策者主观的意图，因此最后得出的综合权重合理性较低。

1 智能台区部署

传统的台区信息管理系统结构单一，在处理大量的异构数据时有较高的延迟，在采集台区数据时会出现数据不完善甚至是数据缺失的情况，已无法满足现有台区业务的要求。并且传统台区中的终端不具备边缘计算功能，大量的信息传输会造成通信堵塞、系统崩溃等问题，因此为了更好地建设智能台区，需要在台区中安装边缘计算装置即智能融合终端。智能融合终端自带交采功能，可直接采集三相电压、电流等数据。其安装于配电变压器的出线侧，实时采集台区中的数据，智能台区结构部署如图1 所示。

图1 智能台区部署结构图Fig.1 Smart transformer area deployment structure

智能融合终端对上采用光纤、电力无线专网、无线公网等通信方式与台区信息管理中心进行数据协同交互;对下采用电力线载波、微功率无线、GPRS、RS485 等通信方式与末端感知设备进行通信，将台区作为边缘计算节点［11］，仅将数据处理结果返回至主站或发送至运维人员，减少了主站数据处理压力，便于运维人员对台区进行更好地管理［12］。文中所提的台区状态综合评价方案均在边缘计算模式下布置，具有较高的实用性。

2 台区特征指标体系建立

为了考虑台区数据的易获取性和可行性，选取以下5 种参数作为台区特征状态指标，5 种参数分别为供电半径X1、线损率X2、变压器负载率X3、用户电压合格率X4、三相不平衡度X5［13-14］。其中既包含反映网架特征的指标也包含反应负荷特性的指标，体现了所选指标的合理性，各指标的定义如下:

1) 供电半径X1:指台区配电变压器到最远用户负荷的距离。该参数是判断台区网架结构是否合理的重要参数，供电半径过长，在线路末端接入新的用户时，容易引发低电压问题，并加重台区内三相不平衡程度;

2) 线损率X2:指低压配电台区中线路损耗的电能占台区供应电能的比重，用来考核台区运行的经济性，常用来判断台区中是否存在窃电、漏电等现象。其计算公式如下:

式中G1为该台区的实际售电量;G2为该台区的实际供电量;

3) 变压器负载率X3:指配电台区变压器实际承担的负荷与其容量之比，反映了变压器的承载能力。变压器的长期负载率是额定容量的65% ～80%左右时最合适，在这种条件下损耗电能最小。变压器负载率过小，即代表所选变压器容量过大，造成资源浪费。变压器负载率过大，即代表变压器重载，不宜再接入新的负荷;

4) 用户电压合格率X4:指配电台区中电压合格的用户数量所占比重，反映了台区供电的电能质量，同时也关系到电力设备运行的安全与稳定，用户电压合格率越大即台区运行状态越好;

5) 三相负荷不平衡度X5:指配电台区三相中最大负荷与三相平均负荷的偏差占三相平均负荷的比重。其反映了负荷在台区三相中分配的合理程度，是评价电能质量及台区运行状态的重要指标，其计算公式如下:

式中PA、PB、PC分别代表变压器出线端A、B、C三相的负荷。

3 算法流程

3.1 各项指标预处理

所选台区特征指标按对台区的效益程度可划分为正向指标、逆向指标和区间型指标。正向指标为用户电压合格率X4，逆向指标为供电半径X1、线损率X2、三相负荷不平衡度X5，区间型指标为变压器负载率X3。其中正向指标值越大则代表台区的运行状态越好，逆向指标值越小则代表台区的运行状态越好，区间型指标值越靠近区间中部则达标台区的运行状态越好。

所选台区各项指标具有不同的量纲和类型，为了能够直接比较台区中的各项指标，所以将各项指标统一处理为逆向指标，并消去各项指标的量纲，各类指标的预处理公式如下:

1) 正向指标。

式中Ximax、Ximin分别为若干个台区中该项指标Xi的最大值和最小值;

2) 逆向指标。

式中Ximax、Ximin分别为若干个台区中该项指标Xi的最大值和最小值;

3) 区间型指标。

式中Ximid为该项指标Xi的正常区间中点值。

3.2 CRITIC 法确定客观权重

CRITIC 法是一种比熵权法和标准离差法更好的客观赋权法。它是基于评价指标的对比强度和指标之间的冲突性来综合衡量指标的客观权重［15］。考虑指标变异性大小的同时兼顾指标之间的相关性，并非数字越大就说明越重要，完全利用数据自身的客观属性进行科学评价。

对于CRITIC 法而言，在标准差一定时，指标间冲突性越小，权重也越小; 冲突性越大，权重也越大; 另外，当两个指标间的正相关程度越大时，( 相关系数越接近) ，冲突性越小，这表明这两个指标在评价方案的优劣上反映的信息有较大的相似性。其具体算法流程如下:

1) 计算各指标之间的相关系数。

式中j为台区的数量;

3) 计算第j个指标的标准差。

4) 计算第j个指标的信息量。

5) 计算第j个指标的客观权重。

式中m为评价指标的数量。

3.3 层次分析法确定主观权重

AHP ( Analytic Hierarchy Process) 层次分析法是美国运筹学家Saaty 教授于二十世纪80 年代提出的一种实用的多方案或多目标的决策方法［16-17］。其主要特征是，它合理地将定性与定量的决策结合起来，按照思维、心理的规律把决策过程层次化、数量化。该方法以其定性与定量相结合地处理各种决策因素的特点，以及其系统灵活简洁的优点，在科研评价领域内得到了广泛的重视和应用［18-20］。该方法计算流程如下:

1) 基于专家经验，采用9 级标度法构建判断矩阵。

式中bij代表第i个指标对第j个指标的重要程度。

9 级标度法的标度及其含义如表1 所示。

表1 9 级标度法Tab.19-level scaling method

2) 检验判断矩阵的一致性。

为避免该权重计算方法中主观性带来的片面，对结果进行一致性检验，公式如下:

式中CR为判断比较矩阵的随机一致性比率;CI为一般一致性指标;RI为随机平均一致性指标; λmax为矩阵的最大特征值。

当CR＜0.1 时，则认为判断矩阵满足一致性; 若CR≥0.1 时，则需要对矩阵进行修正，直到满足条件为止。

3) 权重rj计算。

在对判断矩阵进行一致性检验之后，使用几何平均法计算数据的权重:

3.4 综合权重以及评估函数的确定

层次分析法在构造判断矩阵时主要依据专家经验进行重要性判断，主要反映了主观程度上对指标重要性的判断，没有考虑指标本身的差异对指标权重的影响;CRITIC 法在求取指标权重时，仅考虑了指标本身差异对指标权重的影响，求出属于完全客观的权重数值，忽略了在实际情况下该指标对台区的影响程度。因此将层次分析法所求的主观权重rj与CRITIC 法所求的客观权重wj通过拉格朗日最优乘子法相结合，得出既能体现专家经验又能体现数据本身信息的综合权重Gj。

1) 确定综合权重Gj。

为了使主观权重rj与客观权重wj尽可能接近，根据最小信息熵原理，建立目标函数如下:

并用拉格朗日乘子优化可得最终综合权重为:

2) 确定评估函数。

台区的综合评估函数为:

式中Z=(Z1，Z2，…，Zn)T，Zn为第n个台区的综合评估函数; G=(G1，G2，…Gm)T;X=Xnm为第n个台区，第m个状态指标。

通过综合评估函数得出各个台区状态的评估函数值，并参照表2 对台区进行状态评价。

表2 台区状态评价结果参考表Tab.2 Reference table for evaluation results of transformer area

3) 文中算法流程。

文中算法流程包括以下步骤:

a) 在各个台区内变压器出线侧安装边缘计算装置，利用边缘计算装置采集不同台区某历史时间段不同时刻的运行状态参数，通过边缘计算模块计算出台区的特征状态指标;

b) 对台区的特征状态指标进行预处理，将其统一处理为逆向指标;

c) 通过CRITIC 法得出客观权重，通过层次分析法得出主观权重; 将主观权重与客观权重相结合得出综合权重，并构建状态评价函数，对台区状态进行评价;最后将评价结果发送至云主站，若该台区状态评价结果较差，则发送信息至运维人员，以便运维人员对台区进行优化;

d) 通过采集的台区历史数据，在云平台对评价模型深入训练，定期对边缘设备的评价模型进行更新，采用此方法减少了云中心及主站的数据处理压力，更加准确。文中算法的流程图如图2 所示。

图2 算法整体流程图Fig.2 Overall flow chart of algorithm

4 实例分析

文中以某地区的8 个台区数据作为实例进行分析。

1) 首先在台区内变压器出线侧安装智能融合终端，使用智能融合终端对台区内的各项运行状态参数进行采集，并通过智能融合终端进行相应的计算得到台区特征状态指标，对台区的特征状态指标进行预处理，将台区的特征状态指标统一处理为逆向指标，即数值越小，台区的运行状态越好，预处理结果如表3 所示。

表3 预处理后的状态指标Tab.3 Pretreated status index

2) 文中采用层次分析法进行主观权重计算，但为了能得出合理的主观权重，需要考虑实际情况，根据专家经验对台区特征指标重要度进行排序，以便确定层次分析法中的判断矩阵，其重要度由小到大依次为:X1＜X3＜X2＜X5＜X4。然后构建判断矩阵，利用式(11) 和式( 12) 检验矩阵的一致性，满足一致性之后，利用式(13) 和式(14) 计算出主观权重，其结果如表4所示。

表4 权重计算结果Tab.4 Weight calculation results

3) 通过CRITIC 法计算出台区状态评价指标的客观权重，其结果如表5 所示。并使用熵权法以及变异系数法求出权重与CRITIC 法所求的客观权重形成对比，其结果如表4 和图3 所示:

CRITIC 权重以评价指标的变异性和评价指标间的冲突性作为标准进行计算，指标变异性使用标准差进行衡量，标准差越大则权重越大。冲突性使用指标之间的相关系数进行衡量，指标之间相关性越强则冲突性较低，权重越小。由表5 可以看出，指标X1与指标X5指标冲突性较高，信息量较大，因此最后的权重占比较高。指标X2的变异性较大，但其指标冲突性较低，最后的权重占比小于指标X1与指标X5。其余两项指标的变异性与冲突性较为相似，因此最后得出结果较为接近。

为了验证文中方案的合理性，文中选用熵权法和变异系数法求取客观权重与CRITIC 法进行对比。由表5 可以看出，CRITIC 法所求的五项指标的客观权重未出现差异很大的情况，各项权重分布较为均匀。由图3 和表4 中可看出，CRITIC 法与变异系数法所求的客观权重分布差异不大，各权重分布较为均匀，在求取客观权重时均能得到良好的结果，然而熵权法所求的客观权重中，指标X3的权重占比过大，各项指标权重的差异较大。由于台区状态评估需考虑实际情况，在对主观权重进行优化时，应仍以主观权重为主，不能过多地对其修正。熵权法所求得的客观权重之间的差异较大，主观权重与之相结合会过多地影响主观权重的分布，从而造成最后台区状态评估结果不合理，因此熵权法并不适用。

4) 将计算所得的主观权重与客观权重相结合，通过式(17) 计算可得综合权重，其计算结果如表4 与图4 所示。

图4 综合权重结果比较图Fig.4 Comparison chart of comprehensive weight results

由图4 所示，熵权法所求的综合权重与CRITIC 法和变异系数法相比，熵权法所求的综合权重中，指标X3的占比过大，指标X5的占比小于指标X2，对主观权重的修正过多，导致最终结果偏离了实际需求。CRITIC法与变异系数法所求的综合权重均与实际需求相接近。从实际情况考虑，三相负荷不平衡度过大会造成三相电压不对称，使中性点电位产生位移，降低了电能质量，并增加了变压器的电能损耗，因此三相负荷不平衡度作为台区状态评价指标其重要程度较高，其重要程度不应与用户电压合格率相差较大，因此CRITIC 法所求的综合权重更为合理。

5) 通过式(18) 求得各台区的状态评估值，参照表2 得到各台区的状态评价结果，并通过智能融合终端将台区状态评价结果传送至云主站，若该台区状态评价结果较差，则发送信息至运维人员，以便运维人员对台区进行优化，其台区状态评价结果如表6 所示。

表6 台区状态评价结果Tab.6 Transformer area status evaluation results

由表6 可以看出，8 个台区之中1 号台区的状态最好，8 号台区的状态最差，5 号台区和7 号台区的状态较差，大部分台区保持着良好以上的水平。各个台区通过智能融合终端将台区评价结果发送至云主站，并且5 号、7 号和8 号台区发送评价结果以及告警信息至运维人员。运维人员可通过云主站或手机等相关设备查看该台区其原始数据，并分析该台区状态较差的原因。其中8 号台区供电半径处于平均水平，但是8 号台区的变压器负载率非常高，用户电压合格率也非常低，由此可以推断出8 号台区的变压器已不足以支撑台区正常运行，需要对台区进行优化改造，提升电能质量。除此以外，8 号台区的三相负荷不平衡度以及线损率较高，说明8 号台区的各相负荷接入并不合理，需要对其进行优化。

7 号台区与8 号台区相比，虽然7 号台区的供电半径较大，线损率较高，但是7 号台区的三相负荷不平衡度较低，用户电压合格率以及变压器负载率参数相比8号台区较好，因此整体运行状态要比8 号台区更好。7号台区中线损率过大，台区中可能存在窃电、漏电等情况，需要对台区进行优化改造。

5 号台区的运行状态与8 号台区相似，但是5 号台区的用户电压合格率与线损率比8 号台区状态要好，因此5 号台区的综合评价结果更好，但仍需对台区进行优化改造。其余台区的评价结果均为良好，台区的各项运行指标均保持在合理的范围之内，无需对台区进行改造。本方案所使用的综合权重可定期使用台区历史数据对其进行进一步优化，以此提高评价方法的准确性。本方案所使用的模型较为简洁，适合移植于边缘计算容器中，使台区中的智能融合终端更好地发挥作用。

5 结束语

1) 所提基于边缘计算的台区状态综合评价方法在边缘计算模式下构建，将台区作为边缘计算节点，就低化采集处理台区数据，仅将处理结果返回至云主站，解决了传统台区系统的传输容量小，计算力不足等问题。并将告警信息发送至运维人员，便于运维人员及时对台区进行优化调整;

2) 文中将主观权重与客观权重相综合，避免了主观权重的主观性较大以及客观权重可能与实际重要程度不一致的问题，得出的综合权重兼顾了专家经验和数据自身的特征，避免了层次分析法和熵权法的缺陷，使得出的评价结果更加合理;

3) 定期对台区边缘计算装置中的评价模型进行训练更新，进一步提高了评价模型的准确度，提高了台区的管理水平，可根据评估结果对问题台区进行优化改造，具有推广应用价值。

综上所述，文中提出基于边缘计算的台区状态综合评价算法，对智能融合终端采集的台区数据进行预处理和特征数据提取，利用层次分析法和CRITIC 法确定主客观权重，然后采用拉格朗日最优乘子法得出综合权重，最后得到各个台区状态评价结果。所述算法为低压配网台区进行台区状态综合评价提供了理论支持，同时为推动台区的智能发展提供了技术手段。通过实例分析，验证了所提方法的可行性和实用性。