0  引言

    配電網(wǎng)工程在國(guó)家穩(wěn)增長(zhǎng)、調(diào)結(jié)構(gòu)、惠民生中發(fā)揮重要作用。近年來(lái)，公司不斷加大配電網(wǎng)等基礎(chǔ)性建設(shè)的投資力度，配電網(wǎng)新建、改建和擴(kuò)建，有效得提高了供電可靠性和穩(wěn)定性。但是由于配電網(wǎng)工程具有投資規(guī)模大、結(jié)構(gòu)復(fù)雜、多方參與等特點(diǎn)，在項(xiàng)目投資決策中缺少對(duì)于項(xiàng)目與線路臺(tái)區(qū)的關(guān)聯(lián)分析，不能全面反映資源投入轉(zhuǎn)換成應(yīng)有產(chǎn)出結(jié)果的效益，出現(xiàn)了部分項(xiàng)目與實(shí)際需求有差異、項(xiàng)目投產(chǎn)后設(shè)備利用率不足、投資不合理等現(xiàn)象。

    目前，針對(duì)配電網(wǎng)投資效益如何最優(yōu)化的研究仍較少。文獻(xiàn)[1]分析了配電網(wǎng)投資后得到的經(jīng)濟(jì)效益，但其只是從財(cái)務(wù)角度出發(fā)，沒(méi)有考慮其他影響因素；文獻(xiàn)[2]在配電網(wǎng)評(píng)估模型和技術(shù)方法層面進(jìn)行了研究，但太側(cè)重于技術(shù)實(shí)現(xiàn)的介紹，而沒(méi)有把投資的經(jīng)濟(jì)效益考慮在內(nèi)；文獻(xiàn)[3]介紹了十分全面的評(píng)價(jià)指標(biāo)體系的構(gòu)建，但太多的評(píng)價(jià)指標(biāo)反而容易干擾評(píng)價(jià)結(jié)果，導(dǎo)致評(píng)價(jià)結(jié)果失真；文獻(xiàn)[4]構(gòu)建了輔助電網(wǎng)基建項(xiàng)目決策的模型，但沒(méi)有充分考慮投資限額的問(wèn)題，因此存在某些地區(qū)的投資金額大于投資限額的問(wèn)題；文獻(xiàn)[5]構(gòu)建了激勵(lì)監(jiān)管環(huán)境下多周期優(yōu)化潮流和監(jiān)管約束模型；文獻(xiàn)[6]提出了一種可隨機(jī)優(yōu)化的配網(wǎng)投資決策模型；文獻(xiàn)[7]建立了配電自動(dòng)化系統(tǒng)成本效益綜合分析模型。

    基于上述研究成果現(xiàn)狀，本文針對(duì)線路運(yùn)營(yíng)數(shù)據(jù)的關(guān)鍵指標(biāo)構(gòu)建了綜合評(píng)價(jià)指標(biāo)體系，利用熵權(quán)法與層次分析法結(jié)合的組合賦權(quán)法確定指標(biāo)權(quán)重，進(jìn)而得到線路投資迫切程度的得分情況，然后通過(guò)基于條件隨機(jī)場(chǎng)的文本挖掘技術(shù)對(duì)在建項(xiàng)目進(jìn)行線路主體名稱提取后，對(duì)配電網(wǎng)項(xiàng)目投資情況與線路打分結(jié)果進(jìn)行關(guān)聯(lián)分析，最后用實(shí)例驗(yàn)證了該方法的合理性。

1  研究方法

1.1 熵權(quán)法

    熵權(quán)法的核心是根據(jù)指標(biāo)變異性的大小來(lái)確定權(quán)重。一般地，指標(biāo)的信息熵越小，其變異程度就越大，那么該指標(biāo)提供的信息量就越多，其權(quán)重就越大^[8]，從而在綜合評(píng)價(jià)中所起的作用也就越大。

1.2  層次分析（AHP）法

    AHP通過(guò)分析復(fù)雜系統(tǒng)所包含的因素及相關(guān)關(guān)系，構(gòu)造一個(gè)層次分析結(jié)構(gòu)模型^[9]，然后按照標(biāo)度規(guī)則將各指標(biāo)進(jìn)行兩兩比較，得到指標(biāo)判斷矩陣，最后計(jì)算得到判斷矩陣的最大特征值以及最大特征值對(duì)應(yīng)的特征向量，從而得出權(quán)重向量。其主要步驟如下：

    （1）依據(jù)標(biāo)度規(guī)則，構(gòu)造兩兩比較判斷矩陣A：

    如果CR<0.1，則判斷矩陣A通過(guò)了一致性檢驗(yàn)，否則對(duì)A進(jìn)行重新修正。

1.3  基于單位化約束條件的組合賦權(quán)法

    組合主客觀指標(biāo)權(quán)重的綜合賦權(quán)法是理想的指標(biāo)權(quán)重確定方法，目前，組合集成賦權(quán)法已存在多種形式，本文選用的是基于單位化約束條件的綜合賦權(quán)法^[10]。

    假設(shè)主觀賦權(quán)AHP法得到的指標(biāo)權(quán)重向量為：w=(w₁,w₂,…,w_n)，客觀賦權(quán)熵權(quán)法得到的指標(biāo)權(quán)重向量為：v=(v₁,v₂,…,v_n)，且主客觀權(quán)重和分別均為1，令R=αw+βv，其中R為組合主客觀權(quán)重后的最終權(quán)重向量，α、β分別為主客觀權(quán)重向量的系數(shù)，且α、β滿足約束條件：α²+β²=1。

    令各評(píng)價(jià)對(duì)象的最終得分值為d_i，依據(jù)多屬性決策的加法原則有：

    最后將系數(shù)α、β代入式（8）即可得到各評(píng)價(jià)對(duì)象的得分情況。

1.4  基于條件隨機(jī)場(chǎng)（CRF）的文本挖掘算法

    CRF是指在給定一組輸入隨機(jī)變量條件下，得出另一組輸出隨機(jī)變量的條件概率分布的模型，條件隨機(jī)場(chǎng)可以用于不同的預(yù)測(cè)問(wèn)題，尤其是在中文文本提取問(wèn)題上的應(yīng)用^[11]。

    設(shè)X與Y是隨機(jī)變量，P(Y|X)是在給定X條件下Y的條件概率分布。若隨機(jī)變量Y構(gòu)成一個(gè)無(wú)向圖，G=(V,E)表示的馬爾科夫隨機(jī)場(chǎng)，即：P(Y_V│X,Y_W,W≠V)=P(Y_V│X,Y_W,W~V)，對(duì)任意結(jié)點(diǎn)V成立，則稱條件概率分布P(Y|X)為條件隨機(jī)場(chǎng)，式中W~V表示在圖G=(V,E)中與結(jié)點(diǎn)V有邊連接的所有結(jié)點(diǎn)W，W≠V表示結(jié)點(diǎn)V以外的所有結(jié)點(diǎn)。

    在定義中，并沒(méi)有要求X和Y具有相同的結(jié)構(gòu)?，F(xiàn)實(shí)中，一般假設(shè)X和Y具有相同的圖結(jié)構(gòu)。本文主要考慮無(wú)向圖為如圖1和2所示的線性鏈的情況，即：

    G=(V={1,2,3,…,n},E={(i,i+1)}),i=1,2,3,…,(n-1)

    在此情況下，X=(X₁,X₂,…,X_n),Y=C(Y₁,Y₂,…,Y_n)，稱（X,Y）是一個(gè)條件隨機(jī)場(chǎng)。

    CRF++工具是著名的使用命令行進(jìn)行控制的條件隨機(jī)向量場(chǎng)的訓(xùn)練和測(cè)試工具，本文的研究實(shí)現(xiàn)了Python和工具的聯(lián)調(diào)，使得該算法的訓(xùn)練和測(cè)試命令更加簡(jiǎn)單明了，根據(jù)用具自選參數(shù)設(shè)定顯示內(nèi)容，同時(shí)根據(jù)需求定制特征模板。雖然CRF++工具占用內(nèi)存較大，但是它的結(jié)果準(zhǔn)確率較高，總的來(lái)說(shuō)，CRF++是綜合性能最佳的工具。

2  配電網(wǎng)項(xiàng)目投資與線路的關(guān)聯(lián)分析

2.1  綜合評(píng)價(jià)指標(biāo)體系構(gòu)建

    配電網(wǎng)對(duì)項(xiàng)目的投資旨在滿足用戶不斷增加的用電負(fù)荷需要，在此基礎(chǔ)上再盡可能較多地獲得企業(yè)收益，因此本文從配電網(wǎng)運(yùn)營(yíng)數(shù)據(jù)層面構(gòu)建指標(biāo)體系，對(duì)線路運(yùn)營(yíng)指標(biāo)進(jìn)行綜合評(píng)價(jià)，從而驗(yàn)證在建項(xiàng)目投資的合理情況。綜合評(píng)價(jià)的關(guān)鍵在于確定評(píng)價(jià)指標(biāo)的選取，本文從線路供電可靠性、負(fù)荷水平、電壓質(zhì)量以及三相不平衡這4個(gè)維度出發(fā)構(gòu)建的指標(biāo)體系如表1所示，指標(biāo)能從信息系統(tǒng)直接提取，避免了主觀因素的參與。

2.2  項(xiàng)目線路主體名稱提取

    由于在建項(xiàng)目絕大部分是針對(duì)10 kV線路進(jìn)行的，而且項(xiàng)目名稱的命名也存在不規(guī)范的情況，因此，本文對(duì)項(xiàng)目中10 kV線路主體名稱的提取采用基于CRF的文本挖掘算法。整個(gè)提取流程如圖3所示，具體步驟如下：

    （1）對(duì)項(xiàng)目名稱進(jìn)行預(yù)處理，主要包括對(duì)字母大小寫轉(zhuǎn)換、羅馬數(shù)字規(guī)范化以及統(tǒng)一某些漢字的書(shū)寫等工作。

    （2）對(duì)預(yù)處理后的文本進(jìn)行分詞，這個(gè)過(guò)程除了采用第三方算法包自帶的分詞規(guī)則外，還需要添加自定義詞典，本文加入了電力行業(yè)專業(yè)詞匯、城市信息詞匯、設(shè)備臺(tái)賬表抽取的線路名稱詞匯等。

    （3）識(shí)別命名實(shí)體（線路主體），基于條件隨機(jī)場(chǎng)的命名實(shí)體識(shí)別需要手動(dòng)對(duì)分詞后的文本進(jìn)行標(biāo)注，預(yù)先根據(jù)文本句式特點(diǎn)建立命名實(shí)體標(biāo)注集對(duì)每個(gè)詞進(jìn)行手動(dòng)標(biāo)注。

    （4）手動(dòng)標(biāo)注結(jié)束后，需要建立相應(yīng)的幾種特征模板來(lái)指定訓(xùn)練時(shí)涉及的特征值，從這幾種模板中選擇準(zhǔn)確率最高的一種作為最終的特征模板加入模型定義中，本文中，特征模板選用了CRF++的標(biāo)準(zhǔn)范例模板Template_NER_01、Template_NER_02。Template_NER_01模板中設(shè)定窗口大小為1，即認(rèn)為當(dāng)前詞與前后一個(gè)詞之間在語(yǔ)義上關(guān)聯(lián)度最高；Template_NER_02模板中設(shè)定窗口大小為2，即認(rèn)為當(dāng)前詞與前后兩個(gè)詞之間在語(yǔ)義上關(guān)聯(lián)度最高。

    （5）采用條件隨機(jī)場(chǎng)CRF工具，利用之前標(biāo)注后的訓(xùn)練集分別加入兩種特征模板訓(xùn)練模型，隨后在此基礎(chǔ)上輸入測(cè)試數(shù)據(jù)進(jìn)行不斷測(cè)試，找出測(cè)試集準(zhǔn)確率較高的模型，最后輸入要預(yù)測(cè)的文本到該模型中便可返回相應(yīng)的線路主體。

2.3  分析流程

    本文基于配電網(wǎng)線路的重過(guò)載、超載、過(guò)電壓、低電壓、三相不平衡、停電等方面指標(biāo)，從業(yè)務(wù)系統(tǒng)中提取多維度信息，通過(guò)綜合評(píng)價(jià)法對(duì)線路指標(biāo)情況進(jìn)行打分，然后通過(guò)基于條件隨機(jī)場(chǎng)的文本挖掘技術(shù)對(duì)在建項(xiàng)目進(jìn)行線路主體名稱提取后，關(guān)聯(lián)分析所有線路的得分情況與在建項(xiàng)目對(duì)于線路的投資情況，進(jìn)而驗(yàn)證在建項(xiàng)目的投資必要性和合理性，最終為電網(wǎng)企業(yè)科學(xué)合理地進(jìn)行配電網(wǎng)投資提供借鑒，發(fā)揮運(yùn)監(jiān)中心在企業(yè)閉塞環(huán)節(jié)優(yōu)化、風(fēng)險(xiǎn)防控、管理提升工作中的積極作用。圖4為本文分析的技術(shù)流程。

3  實(shí)例分析

3.1  數(shù)據(jù)來(lái)源

    提取配電網(wǎng)運(yùn)營(yíng)監(jiān)測(cè)平臺(tái)某供電公司2017年全年的配變運(yùn)營(yíng)數(shù)據(jù)，包括電壓質(zhì)量、負(fù)荷、三相不平衡以及停電數(shù)據(jù)，對(duì)其中配變所屬線路利用正則表達(dá)式進(jìn)行統(tǒng)一規(guī)范化后，得到10 kV線路的各指標(biāo)數(shù)據(jù)。例如，線路停電指標(biāo)的計(jì)算采用停電類別為“電網(wǎng)故障停限電”、停電時(shí)間在2017年內(nèi)、線路所屬電壓質(zhì)量為10 kV后的某線路下所有配變的停電時(shí)長(zhǎng)總和、停電次數(shù)總和作為該線路的停電指標(biāo)計(jì)算結(jié)果，同理計(jì)算得到線路的其他運(yùn)營(yíng)指標(biāo)計(jì)算結(jié)果。然后將線路供電可靠性、負(fù)荷水平、電壓質(zhì)量、三相不平衡4個(gè)維度的指標(biāo)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，匯總得到記錄數(shù)為19 082條線路指標(biāo)數(shù)據(jù)寬表。樣例結(jié)構(gòu)如表2所示。

3.2  線路綜合評(píng)價(jià)

    線路指標(biāo)數(shù)據(jù)的綜合評(píng)價(jià)采用AHP法與熵權(quán)法相結(jié)合的組合賦權(quán)法確定指標(biāo)權(quán)重。首先分別計(jì)算主、客觀法確定的指標(biāo)權(quán)重值，然后利用基于單位化約束條件的組合集成算法將二者進(jìn)行組合得到最終的指標(biāo)權(quán)重。具體步驟如下：

    （1）針對(duì)前面的指標(biāo)體系，構(gòu)建一級(jí)指標(biāo)專家打分判斷矩陣，結(jié)果如表3所示。

    經(jīng)計(jì)算，CI= 0.074，CR= 0.082<0.1,通過(guò)一致性檢驗(yàn)，得到的一級(jí)指標(biāo)權(quán)重為（0.546,0.211,0.078,0.165）。

    （2）構(gòu)建二級(jí)指標(biāo)專家打分判斷矩陣。以供電可靠性維度為例，構(gòu)建故障停電時(shí)長(zhǎng)及故障停電次數(shù)的判斷矩陣如表4所示。同理，構(gòu)建其他維度下的二級(jí)指標(biāo)判斷矩陣。

    經(jīng)計(jì)算，得到的各維度下二級(jí)指標(biāo)權(quán)重分別為（0.333,0.667）、（0.167,0.833）、（0.167,0.833）、（0.667,0.333）

    （3）將得到的一級(jí)、二級(jí)權(quán)重值對(duì)應(yīng)元素相乘便可得出AHP指標(biāo)權(quán)重值，結(jié)果為w=(0.182,0.364,0.035, 0.176,0.013,0.065,0.11,0.055)。

    （4）按照前面熵權(quán)法的介紹，得出熵權(quán)法確定的指標(biāo)權(quán)重結(jié)果為v=(0.108,0.101,0.139,0.234,0.182,0.161, 0.0367,0.038)。

    （5）利用基于單位化約束條件的組合集成賦權(quán)法組合主客觀權(quán)重w、v，得到指標(biāo)：故障停電時(shí)長(zhǎng)、故障停電次數(shù)、重載時(shí)長(zhǎng)、超載時(shí)長(zhǎng)、低電壓時(shí)長(zhǎng)、過(guò)電壓時(shí)長(zhǎng)、三相不平衡次數(shù)、三相不平衡時(shí)長(zhǎng)對(duì)應(yīng)的權(quán)重結(jié)果為：R=(0.156,0.273,0.071,0.196, 0.072,0.098,0.084,0.049)。

    （6）計(jì)算線路得分結(jié)果。利用線路實(shí)際指標(biāo)值與最終的指標(biāo)權(quán)重向量R進(jìn)行加權(quán)求和可以計(jì)算出19 082條10 kV線路的最終得分，樣例如表5所示。

3.3  項(xiàng)目名稱文本挖掘

    本文選用2018年1月~3月共17 881個(gè)在建項(xiàng)目，剔除110 kV和20 kV的工程項(xiàng)目后剩余項(xiàng)目記錄數(shù)17 533個(gè)，由于項(xiàng)目基礎(chǔ)信息中并沒(méi)有針對(duì)具體的線路名稱字段，因此只能從項(xiàng)目名稱中利用文本挖掘的技術(shù)提取項(xiàng)目主體。

    在對(duì)項(xiàng)目名稱字段進(jìn)行數(shù)據(jù)預(yù)處理的基礎(chǔ)上，引入自定義詞典及停用詞詞典，利用R中的jieba分詞算法包對(duì)項(xiàng)目名稱短文本進(jìn)行了分詞，基于CRF的實(shí)體識(shí)別首先需要對(duì)分詞后的文本進(jìn)行手動(dòng)標(biāo)注，其中標(biāo)注符號(hào)的說(shuō)明如表6所示。一部分分詞后的樣本標(biāo)注樣例如表7所示。

    本文特征模板選用了CRF++的標(biāo)準(zhǔn)范例模板Template_NER_01、Template_NER_02，采用條件隨機(jī)場(chǎng)CRF工具反復(fù)訓(xùn)練模型，得到兩種特征模板及其測(cè)試集對(duì)應(yīng)的準(zhǔn)確率和召回率統(tǒng)計(jì)結(jié)果如表8所示。

    因此選用準(zhǔn)確率和召回率都較高的Template_NER_2作為最終的特征模板。將2018年的17 553個(gè)項(xiàng)目經(jīng)過(guò)以上預(yù)處理、分詞、標(biāo)注等一系列操作后輸入訓(xùn)練好的最佳模型中，可得到如表9所示的樣例結(jié)果。

3.4  實(shí)驗(yàn)結(jié)果分析

    從配變運(yùn)營(yíng)數(shù)據(jù)整理、計(jì)算得到10 kV線路19 082條，通過(guò)上面綜合評(píng)價(jià)算法相應(yīng)得到19 082條線路的得分值。同時(shí)，2018年在建10 kV項(xiàng)目共17 533個(gè)，通過(guò)基于CRF的文本挖掘算法能提取出線路名稱的項(xiàng)目共15 743個(gè)，由于存在多個(gè)項(xiàng)目投資一條線路的情況，因此從這15 743個(gè)項(xiàng)目中整理得到8 218條10 kV線路，能與19 082條有得分值的線路關(guān)聯(lián)起來(lái)的項(xiàng)目有14 457個(gè)，相應(yīng)地，能關(guān)聯(lián)起來(lái)的線路有7 329條。即，從全省2018年1~3月對(duì)項(xiàng)目/線路的投資情況看，未關(guān)聯(lián)到線路運(yùn)營(yíng)數(shù)據(jù)卻存在投資行為的線路有889條，可能原因一是從項(xiàng)目名稱中提取的線路名稱與運(yùn)營(yíng)數(shù)據(jù)的線路無(wú)法匹配，二是存在一部分已投資線路的運(yùn)營(yíng)指標(biāo)并未出現(xiàn)異常，因此無(wú)法與運(yùn)營(yíng)數(shù)據(jù)中的線路關(guān)聯(lián)。能關(guān)聯(lián)起來(lái)的線路有7 329條，達(dá)到7 329/8 218=89%的線路投資覆蓋率，但是從線路運(yùn)營(yíng)指標(biāo)層面看，這89%的線路投資是否合理，是否存在得分很高但投資金額很低或者得分很低但投資金額高的情況還需進(jìn)一步分析。

    結(jié)合2018年前3個(gè)月對(duì)項(xiàng)目投資金額的考慮，得出線路得分與線路總投資的關(guān)系如圖5所示，橫軸代表項(xiàng)目得分，縱軸代表項(xiàng)目投資情況。對(duì)于成本類項(xiàng)目，投資金額基本都在200萬(wàn)元以下，不存在得分很低但投資金額大于200萬(wàn)元的情況；而對(duì)于資本類項(xiàng)目，有不少20分以下的項(xiàng)目投資金額卻在2 000萬(wàn)元以上，并且不存在得分大于70分以上的項(xiàng)目。具體的線路得分分布與投資金額的分布詳細(xì)情況如表10、表11所示。

    從表10成本類項(xiàng)目的投資情況看出，存在1條線路的投資超過(guò)1 000萬(wàn)元，但其綜合評(píng)價(jià)得分小于20分；并且存在4條線路的得分在50分以上，但其投資金額卻小于100萬(wàn)元的情況。從表11資本類項(xiàng)目的投資情況看出，有5條線路的綜合評(píng)價(jià)得分小于20分，但其投資金額在3 000萬(wàn)元以上；有7條線路的得分在50分以上但其投資金額卻在100萬(wàn)元以下。

    綜上，從運(yùn)營(yíng)數(shù)據(jù)層面來(lái)說(shuō)，通過(guò)對(duì)在建項(xiàng)目所投資的線路進(jìn)行綜合評(píng)價(jià)并結(jié)合其投資總金額的分析發(fā)現(xiàn)，絕大多數(shù)的項(xiàng)目投資相對(duì)合理，但也確實(shí)存在某些項(xiàng)目有投資不合理的情況：得分低但實(shí)際投資金額大或者得分高但實(shí)際投資金額少的線路數(shù)17條，占總線路數(shù)的比例為0.24%，針對(duì)這些項(xiàng)目仍需要結(jié)合其他方面的參考因素（比如社會(huì)因素、經(jīng)濟(jì)因素、氣象因素等）衡量是否投資合理。

4  結(jié)論

    配電網(wǎng)工程在國(guó)家穩(wěn)增長(zhǎng)、調(diào)結(jié)構(gòu)、惠民生中發(fā)揮重要作用。隨著近年來(lái)不斷加大配電網(wǎng)等基礎(chǔ)性建設(shè)的投資力度，配電網(wǎng)新建、改建和擴(kuò)建，有效地提高了供電可靠性和穩(wěn)定性。本文針對(duì)線路運(yùn)營(yíng)數(shù)據(jù)的關(guān)鍵指標(biāo)構(gòu)建了綜合評(píng)價(jià)指標(biāo)體系，利用組合賦權(quán)法確定指標(biāo)權(quán)重，進(jìn)而得到線路投資迫切程度的得分情況，然后通過(guò)基于條件隨機(jī)場(chǎng)的文本挖掘技術(shù)對(duì)在建項(xiàng)目進(jìn)行線路主體名稱提取后，對(duì)配電網(wǎng)項(xiàng)目投資情況與線路打分結(jié)果進(jìn)行關(guān)聯(lián)分析，得到不同項(xiàng)目分類下線路得分與投資金額的具體分布情況。通過(guò)本文的研究，可以從線路運(yùn)營(yíng)數(shù)據(jù)層面發(fā)現(xiàn)投資分配的合理性，為電網(wǎng)企業(yè)科學(xué)合理地進(jìn)行配電網(wǎng)投資提供借鑒，從而有效發(fā)揮運(yùn)監(jiān)中心在企業(yè)閉塞環(huán)節(jié)優(yōu)化、風(fēng)險(xiǎn)防控、管理提升工作中的積極作用。

參考文獻(xiàn)

[1] 吳鴻亮. 配電網(wǎng)投資經(jīng)濟(jì)效益計(jì)算分析[J]. 電網(wǎng)與清潔能源, 2010,26(9):13-16.

[2] 盧建昌,王偉. 基于熵權(quán)密切值法的配電網(wǎng)評(píng)估模型[J].華東電力,2013,41(5):1047-1050.

[3] 王敬敏,施婷. 智能配電網(wǎng)評(píng)估指標(biāo)體系的構(gòu)建[J]. 華北電力大學(xué)學(xué)報(bào),2012,39(6):65-70.

[4] 宋伶俐, 楊軍, 周博文, 等.一種電網(wǎng)基建項(xiàng)目輔助決策方法[J].電力自動(dòng)化設(shè)備,2013,33(6):64-69.

[5] HUANG Y,SODER L.Assessing the impact of incentive regulationon distribution network investment considering distributedgeneration integration[J].International Journal of Electrical Power& Energy Systems,2017,89:126-135.

[6] KONSTANTELOS I,GIANNELOS S,STRBAC G.Strategic valuationof smart grid technology options in distribution networks[J]. IEEE Transactions on Power Systems,2017,32(2):1293-1303.

[7] 王宗耀,蘇浩益. 配網(wǎng)自動(dòng)化系統(tǒng)可靠性成本效益分析[J]. 電力系統(tǒng)保護(hù)與控制,2014,42(6):98-103.

[8] 沈世鎰,吳忠華.信息論基礎(chǔ)與應(yīng)用[M]. 北京: 高等教育出版社,2004.

[9] 吳澤寧, 張超, 越仁榮, 等. 工程項(xiàng)目系統(tǒng)評(píng)價(jià)(第一版)[M]. 鄭州: 黃河水利出版社, 2002.

[10] 郭亞軍. 綜合評(píng)價(jià)理論與方法[M]. 北京: 科學(xué)出版社,2002.

[11] LEE S, LEE G G. Heuristic methods for reducing errors of geographic named entities learned by bootstrapping[C]. LNCS 3651: Proceedings of the Second International Joint Conference on Natural Language Processing, Jeju Island, Korea, October 11-13, 2005. Berlin, Heidelberg: Springer, 2005:658-669.

作者信息:

胡  宏1，彭  濤2

（1.國(guó)網(wǎng)江蘇省電力有限公司，江蘇 南京 210000；2. 國(guó)網(wǎng)江蘇省電力有限公司，江蘇 南京 210000）