一种基于多属性决策的电力网络关键节点识别方法与流程

技术特征：
1.一种基于多属性决策的电力网络关键节点识别方法，其特征在于，包括以下步骤：步骤s10，基于复杂网络理论，建立电网抽象的拓扑网络，并获得所述拓扑网络的参数信息；步骤s11，根据预建立的电网关键节点综合评估指标体系，对所述拓扑网络进行评价，获得所述拓扑网络中各节点的指标值；其中，所述电网关键节点综合评估指标体系包括显著性评估指标和破坏性评估指标；显著性评估指标包括有节点度、介数、接近中心性指标，破坏性评估指标包括有收缩中心性、生成树中心性指标；步骤s12，基于熵权法计算各指标的客观权重，基于层次分析法计算各指标的专家主观权重，并综合所述主观权重和客观权重计算得到各节点指标的最终的综合权重；步骤s13，基于多属性决策的综合逼近理想排序方法，对各个指标进行综合排序，识别出电网关键节点。2.根据权利要求1所述的方法，其特征在于，在所述步骤s11中进一步包括：步骤s110，将每一节点连接的边数确定为节点度，以下式进行表示：c
d
(i)＝k
i
式中，c
d
(i)为节点i的节点度；k
i
为与节点i直接相连的节点数目；步骤s111，通过下式获得节点i的介数c
b
(i)：式中，n
jl
为节点j和l之间的最短路径条数；n
jl
(i)为节点j和节点l之间的最短路径过节点i的条数；n为网络总节点数；步骤s112，通过下式获得不同节点之间的接近中心性c
c
(i)：式中：d
ij
为节点i和j之间的最短距离，n为网络节点总数；步骤s113，通过采用节点收缩法来比较不同节点收缩后得到的网络凝聚度，以衡量节点重要度，所述网络凝聚度定义如下：式中，d
ij
为节点i和j之间的最短距离，n为网络节点总数；当n＝1时，φ(g)＝1，其中，0<φ(g)≤1；通过下式获得节点收缩中心性c
im
(i)：式中，φ(g*i)为将节点i收缩后的网络凝聚度；步骤s114，根据网络g的拉普拉斯矩阵，通过下式获得生成树中心性指标：步骤s110，步骤s110，
式中，为网络g拉普拉斯矩阵，d为网络g的度矩阵，a为网络g的邻接矩阵；τ(g)为网络生成树数目，即的任何一个n-1阶主子式；τ(g-i)为网络g删除节点i及i关联的边后网络的生成树数目。3.根据权利要求1所述的方法，在步骤s12中，基于各节点指标值确定各指标权重值的步骤进一步包括：步骤s120，基于熵权法计算客观权重w
j
；具体包括如下步骤：由n个电网节点，m个评价指标，建立原始评价矩阵x＝[x
ij
]
n
×
m
；对指标进行正向归一化处理，同上式，得到标准化矩阵y＝[y
ij
]
n
×
m
；联立以下方程组计算各指标权重w
j
；式中，e
j
为第j个指标的信息熵，d
j
为信息效用值；步骤s121，基于层次分析法计算各指标的专家主观权重β
i
，通过考虑决策对象之间的相互关系来分层，以构建多层次模型来计算各指标的重要度；具体包括：建立系统的递阶层次结构；依据九级标度法构造两两比较矩阵，得到判断矩阵u＝[u
ij
]
m
×
m
；联立下列方程组计算各指标的专家主观权重β
i
；式中，t
i
为判断矩阵每一行元素的乘积；进行一致性校验，根据校验结果调整前述判断矩阵；步骤s122，通过下式综合主观权重β
i
和客观权重w
j
计算得到最终的综合权重w
m
；
式中：m为评价指标的数量；t为评价指标的序号，t的取值是1～m；w
j
和w
t
均为相应序号的评价指标对应的客观权重；β
j
和β
t
均为相应序号的评价指标对应的专家主观权重。4.根据权利要求3所述的一种方法，其特征在于，所述步骤s13进一步包括：步骤s130，由n个节点及m个指标构造决策矩阵x；步骤s131，对各指标进行正向归一化处理，当x
ij
为效益性指标时，用式x
′
ij
进行处理，当x
ij
为成本型指标时，用式x
″
ij
进行处理，以构建电网标准化决策矩阵y；y＝[y
ij
]
n
×
mm
步骤s132，对y矩阵赋权构造加权规范评价矩阵z：z＝[z
ij
]
n
×
m
式中：z
ij
＝w
m
*y
ij
，w
m
为各指标权重值，权值由熵权-层次分析法确定；步骤s133，确定正理想解z

和负理想解z-：：式中，步骤s134，计算各方案到正理想解的距离以及到负理想解的距离以及到负理想解的距离以及到负理想解的距离步骤s135，计算各方案的相对贴近度c
i
：步骤s136，根据贴近度的大小对节点进行排序，得到电网关键节点最终辨识结果。

技术总结
本发明公开了一种基于多属性决策的电力网络关键节点识别方法。包括：步骤S10，建立电网抽象的拓扑网络；步骤S11，根据电网关键节点综合评估指标体系进行评估；步骤S12，基于各节点指标值确定各指标权重值；步骤S13，基于多属性决策的综合逼近理想排序对各个指标进行综合排序，识别出电网关键节点。本发明从多个角度对节点进行综合评价并采用主、客观赋权相结合的赋权方法，避免了单一属性的不足和赋权的主观性，使排序结果更具可靠性，对提高电力系统的可靠性、降低大规模停电事故的发生概率有重要意义。重要意义。重要意义。


技术研发人员：翁毅选 程韧俐 马伟哲 程维杰 何晓峰 郑晓辉 吴新 卢艺 陈洪云 谷若雨
受保护的技术使用者：深圳供电局有限公司
技术研发日：2021.12.22
技术公布日：2022/4/1