童靈華，周開河，范良忠

（1.國網浙江省電力公司寧?？h供電公司，浙江寧海 315600；2.國網浙江省電力公司寧波供電公司，浙江寧波 315016；3.浙江大學寧波理工學院，浙江寧波 315100）

多智能優(yōu)化算法的配電網狀態(tài)估計

童靈華1，周開河2，范良忠3

（1.國網浙江省電力公司寧?？h供電公司，浙江寧海 315600；2.國網浙江省電力公司寧波供電公司，浙江寧波 315016；3.浙江大學寧波理工學院，浙江寧波 315100）

狀態(tài)準確估計是保證配電網正常運行的基礎，在電力系統(tǒng)中具有十分重要的地位?？紤]配電網狀態(tài)復雜多變的特點，利用智能算法之間的優(yōu)勢互補理論，構建了基于多智能優(yōu)化算法的配電網狀態(tài)估計模型。首先設計配電網狀態(tài)估計的目標優(yōu)化函數(shù)，然后利用遺傳算法對配電網狀態(tài)值進行初步估計，并采用蟻群算法對配電網狀態(tài)的初步估計值進行修正，最后通過配電網狀態(tài)估計的具體算例進行仿真測試。結果表明，該模型可以對遺傳算法和蟻群算法的配電網狀態(tài)估計結果進行有效融合，精確刻畫了配電網狀態(tài)變化特點，提高了配電網狀態(tài)估計的精度，且比其他配電網狀態(tài)估計模型具有明顯的優(yōu)勢，估計結果可以為配電網企業(yè)以及管理人員提供有價值的信息。

配電網系統(tǒng)；狀態(tài)估計；智能優(yōu)化算法；分布式電源

隨著人們生活水平的不斷改善，人們對電網的可靠性和質量要求更高，傳統(tǒng)電力網絡系統(tǒng)無法適應要求[1-3]。當前有許多清潔能源引入到配電網中，提高了電網可靠性，然而由于負荷的隨機性和分布式電源輸出的波動性，導致電網狀態(tài)變化非常復雜。對電網狀態(tài)進行準確估計，改善電網穩(wěn)定性和安全性具有重要的實際意義[4-6]。

針對配電網狀態(tài)估計問題，許多國家的科研工作者進行了大量有意義的研究工作[7-8]。當前配電網絡狀態(tài)方法主要分為4類：基于節(jié)點電壓的配電網絡狀態(tài)方法、基于支路電流法的配電網絡狀態(tài)方法、基于支路功率法配電網絡狀態(tài)方法和基于智能算法的配電網絡狀態(tài)方法[9-11]?；诠?jié)點電壓的配電網絡狀態(tài)估計是最早采用的方法，以節(jié)點電壓為狀態(tài)量，通過不斷迭代建立實時量測和偽量測之間的映射關系，實現(xiàn)對電網狀態(tài)的估計[12]。然而該類方法的迭代時間長，執(zhí)行效率低，而且需要大量的儲存空間，局限性比較明顯[13]?；谥冯娏鞣ǖ呐潆娋W絡狀態(tài)是最成熟的估計方法，以支路電流為狀態(tài)量，根據電流實量測和偽量測進行狀態(tài)估計。但該方法不能體現(xiàn)電網的電抗特性，會出現(xiàn)病態(tài)收斂[15-16]。基于支路功率法將功率作為狀態(tài)量實現(xiàn)狀態(tài)估計，但無法適應節(jié)點注入型的量測[17-19]?；谥悄芩惴ǖ呐潆娋W絡狀態(tài)方法是最近才興起的方法[20]，根據實時量測和偽量測的關系建立目標優(yōu)化函數(shù)，然后通過智能算法進行尋優(yōu)，找到電網狀態(tài)的最優(yōu)估計值，主要有：粒子群算法，神經網絡、遺傳算法以及蟻群算法等[21-23]。然而配電網狀態(tài)估計是一個典型的NP難題，單一智能算法存在收斂速度慢、估計誤差大等缺陷，難以獲得高精度的配電網狀態(tài)估計值[24-26]。

針對配電網狀態(tài)復雜多變的特點，為了解決單一智能算法存在的缺陷，提出了基于多智能優(yōu)化算法的配電網狀態(tài)估計模型。

1 配電網的基本結構

當前分布式電源種類眾多，如風力發(fā)電等，由于分布式電源接到配電網系統(tǒng)中，可以增強電壓的穩(wěn)定性，配電網損失大幅度減少[27]。配電網系統(tǒng)通過不斷實測數(shù)據，并根據補充的電力負荷數(shù)據實現(xiàn)配電網狀態(tài)估計，典型的配電網結構如圖1所示。

圖1 典型的配電網結構Fig.1 Typical structure of distribution network

實時量測數(shù)據通過測量裝置采集實時數(shù)據，當前量測數(shù)據很多，可以是負荷功率、支路功率等；偽量測數(shù)據主要是用戶使用的電力負荷數(shù)據，對配電網狀態(tài)估計具有至關重要的作用。對一個區(qū)域的配電網系統(tǒng)，可以量測到入點和出點的電力負荷，那么該區(qū)域的總負荷為

式中：sd和Ω分別為入點和出點的負荷；sj為流過開關j的負荷。

2 遺傳算法和蟻群優(yōu)化算法

2.1 遺傳算法

受到自然規(guī)律“適者生存，優(yōu)勝劣汰”的啟發(fā)，Holland等提出了一種智能優(yōu)化算法—遺傳算法。其不需要太多的求解對象先驗知識，限制條件少，通過模擬種群進化對問題進行尋優(yōu)和求解，具有良好的全局搜索能力，且有隱并行性，對復雜問題求解效率高，被學者引入到配電網狀態(tài)估計中[28]。

配電網狀態(tài)估計過程中，遺傳算法要確定初始種群，即配電網狀態(tài)的可能最優(yōu)解集，并對初始種群中的個體進行評價，主要采用適應函數(shù)值來確定。本文選擇配電網狀態(tài)估計誤差作為適應函數(shù)值，然后通過模擬“適者生存，優(yōu)勝劣汰”的過程，使種群不斷向更優(yōu)的方向進化，即朝著配電網狀態(tài)估計最小誤差的方向搜索，最后通過選擇、交叉、變異等過程，找到誤差最小的配電網狀態(tài)估計值。

2.2 蟻群優(yōu)化算法

1991年，意大利學者Dorigo M等通過對螞蟻爬行和搜索食物的過程進行研究，提出了一種智能優(yōu)化算法——蟻群優(yōu)化算法，在搜索食物過程中，螞蟻會在路徑上留下一種稱之為信息素的物質，蟻群通過信息素進行交流和溝通，不斷地改變爬行和搜索方向，最后到達目的地，工作過程可以描述為：

1）根據待求解問題初始化蟻群，每一個螞蟻均放置于一個起點上，且節(jié)點之間的路徑有一定的初始信息素τij（0）。

2）每一個螞蟻k（k=1，2，3，…，m）對路徑上的信息素進行分析，決定下一次移動到那個節(jié)點上。設Stabu，k表示螞蟻k當前爬行過的節(jié)點集合，那么該螞蟻從節(jié)點i移動到節(jié)點的j的轉移概率為

式中：Sallowed，k={C-Stabu，k}為螞蟻k下一次可移動到的節(jié)點集合；α為信息啟發(fā)式因子；β為期望值啟發(fā)式因子；τij（t）為t時刻，路徑（i，j）上信息素的強度；ηij為啟發(fā)函數(shù)。

3）為了避免殘留信息素太多導致把啟發(fā)信息淹沒，當螞蟻完成全部節(jié)點搜索后，對殘留信息實現(xiàn)更新操作，t+n時刻的信息量調整方式具體如下：

式中：ρ為信息素揮發(fā)系數(shù)；Δτ（ijt）為本次的信息素增量；Δτ（ikjt）為第k只螞蟻在路徑（i，j）上的信息量，具體計算公如下：

式中：Q為信息素強度；Lk為第k只螞蟻搜索的路徑總長度。

4）如果滿足終止條件，根據最短路徑找到問題的最優(yōu)解，不然轉第2）步繼續(xù)搜索。

3 多智能優(yōu)化算法的配電網狀態(tài)估計

3.1 配電網狀態(tài)估計的目標優(yōu)化函數(shù)

相對其他配電網狀態(tài)估計方法，智能優(yōu)化算法的性能更優(yōu)，配電網狀態(tài)估計的目標優(yōu)化函數(shù)為

式中：x為配電網系統(tǒng)的狀態(tài)變化量；zi為量測量i的測量值；hi（）為量測函數(shù)；wi為量測量i的權重[29-30]。

配電網系統(tǒng)的狀態(tài)變化量取值范圍為

式中：xjmin和xjmax分別為配電網系統(tǒng)狀態(tài)變化量的最小和最大值。

從式（6）可知配電網狀態(tài)估計可轉化為一個帶約束的優(yōu)化函數(shù)。要對配電網狀態(tài)進行準確估計，就要盡可能使量測值與估計值間的誤差最小。本文選擇遺傳算法和蟻群算法組合的多智能算法對目標函數(shù)進行求解，提高配電網狀態(tài)估計精度。

3.2 多智能優(yōu)化算法的配電網狀態(tài)估計步驟

1）收集配電網的實測數(shù)據，并對其進行預處理，去除一些異?；蛘邿o用的數(shù)據。

2）根據式（6）和式（7）建立配電網狀態(tài)估計的目標優(yōu)化函數(shù)。

3）初始化遺傳算法的種群，并對交叉、變異等參數(shù)值進行設置。

4）根據配電網狀態(tài)估計結果與實測量之間的誤差確定每一個個體的適應度值，并找到最優(yōu)個體，將其保存起來。

5）將部分較好的個體直接選擇到新的種群，并對部分個體進行交叉和變異操作，保留較優(yōu)個體組成新的種群。

6）若達到最大進化數(shù)，輸出最優(yōu)個體，得到配電網狀態(tài)的估計值。

7）初始化蟻群優(yōu)化算法的種群，以及相關參數(shù)。

8）根據遺傳算法的配電網狀態(tài)估計值初始化每一條路徑上的初始化信息素。

9）根據初始信息素，每一種螞蟻進行下一節(jié)點的轉移。

10）每一只螞蟻更新自己爬行路徑上的信息素濃度。

11）更新整個路徑上的信息素。

12）如果找到終點，根據最優(yōu)路徑得到配電網狀態(tài)估計值。

13）確定遺傳算法和蟻群優(yōu)化算法的權值，對它們的配電網狀態(tài)估計值進行融合，得到配電網狀態(tài)估計的最終值。

綜上可知，多智能優(yōu)化算法的配電網狀態(tài)估計流程如圖2所示。

圖2 多智能優(yōu)化算法的工作流程Fig.2 W orking flow ofmulti-intelligence optim ization algorithm

4 仿真測試結果與分析

為了分析多智能優(yōu)化算法的配電網狀態(tài)估計性能，采用電壓估計值、電流估計值等作為評價標準，對配電網系統(tǒng)的輸出值進行采集，獲得了100個數(shù)據點。

采用文獻[14]算法、遺傳算法進行對比分析，所有算法的電壓估計值如圖3所示。對圖3的電壓估計值變化曲線進行分析可以發(fā)現(xiàn)，相對于單一遺傳算法，多智能優(yōu)化算法的配電網狀態(tài)估計精度更高，估計誤差明顯減少，而且配電網狀態(tài)估計結果也優(yōu)于文獻[14]算法的配電網狀態(tài)估計算法。

圖3 不同算法的配電網電壓估計結果Fig.3 Estimation results of distribution network voltage for different algorithms

采集到50個配電網電流的量測數(shù)據，采用文獻[14]算法、遺傳算法和多智能優(yōu)化算法對電流值進行估計，結果如圖4所示。對圖4進行分析可知，多智能優(yōu)化算法獲得了更高精度的配電網電流估計結果，克服了單一遺傳算法以及傳統(tǒng)方法的局限性，可以準確刻畫配電網狀態(tài)隨機性變化特點，配電網電流的估計結果更加可靠，可以保證配電網系統(tǒng)的正常工作。

圖4 不同算法的配電網電流估計結果對比Fig.4 Estimation results of distribution network current for different algorithm s

5 結語

配電網狀態(tài)受到外界如天氣等因素影響，以及自身內部影響，變化復雜，一直是電力系統(tǒng)研究領域的重點。單一種智能算法難以全面反映配電網狀態(tài)的隨機性、時變性，本文設計了一種基于多智能優(yōu)化算法的配電網狀態(tài)估計模型。首先建立配電網狀態(tài)的目標優(yōu)化函數(shù)，然后聯(lián)合遺傳算法和蟻群算法對配電網狀態(tài)進行估計。在Matlab2014平臺上的測試結果表明，該模型綜合利用了遺傳算法和蟻群算法優(yōu)勢，準確反映了配電網狀態(tài)變化特點，獲得了比對比算法更高的配電網狀態(tài)估計精度，為配電網研究人員提供了一種新的研究工具。

[1]ATWA Y M，ELSAADANY E F.Optimal allocation of ESS in distribution systemswith a high penetration ofwind energy[J].IEEE Trans on Power Systems，2010，25（4）: 1815-1822.

[2]SINGH R，PAL B C，JABR R A，et al.Meter placement for distribution system state estimation:an ordinal optimization approach[J].IEEE Trans on Power Systems，2011，26（4）:2328-2335.

[3] 尤毅，劉東，于文鵬，等.主動配電網技術及其進展[J].電力系統(tǒng)自動化，2012，36（18）:10-16. YOU Yi，LIU Dong，YUWenpeng，et al.Technology and its trends of active distribution network[J].Automation of Electric Power Systems，2012，36（18）:10-16（in Chinese）.

[4]滿超楠，楊帥崢，周琳，等.基于保護間隙的配電網差異性綜合防雷保護[J].電瓷避雷器，2013，1（136）:64-67. MAN Chaonan，YANG Shuaizheng，ZHOU Lin，et al. The otherness integrated lightning protection of the power distribution network based on protection gap[J].Insulators and Surge Arresters，2013，1（136）:64-67（in Chinese）.

[5]行鵬，朱宜東，林國生，等.基于PCL和工控機的沖擊絕緣耐受試驗控制系統(tǒng)[J].高壓電器，2012，48（1）:105-109. XING Peng，ZHU Yidong，LIN Guosheng，et al.Control system of impulse insulation withstand test based on PLC and IPC[J].High Voltage Apparatus，2012，48（1）:105-109（in Chinese）.

[6]王海冰，鄧健，衣濤，等.計及電力自由交易的電力系統(tǒng)節(jié)能經濟調度新模式研究[J].電網與清潔能源，2015（5）:15-20. WANG Haibing，DENG Jian，YITao，et al.Research on the novelmodel of economic dispatching in power system considering free electricity transaction[J].Power System and Clean Energy，2015（5）:15-20（in Chinese）.

[7]謝偉紅，成浩，章健軍.基于傳感器網絡的智能配電網通信模型研究[J].湖南電力，2013，33（1）:5-8. XIE Weihong，CHENG Hao，ZHANG Jianjun.Research on smart grid communication network model based on sensor network[J].Hunan Electric Power，2013，33（1）: 5-8（in Chinese）.

[8]陳春，汪諷，劉蓓，等.一種智能配電網安全運行控制方法[J].電工技術學報，2015，30（12）:357-366. CHEN Chun，WANG Feng，LIU Bei，et al.A method of safe operation control of smart distribution system[J]. Transactions of China Electrotechnical Society，2015，30（12）:357-366（in Chinese）.

[9]張建華，曾博，張玉瑩，等.主動配電網規(guī)劃關鍵問題與研究展望[J].電工技術學報，2014，29（2）:13-23. ZHANG Jianhua，ZENG Bo，ZHANG Yuying，et al.Key issues and research prospects of active distribution network planning[J].Transactions ofChina Electrotechnical Society，2014，29（2）：13-23（in Chinese）.

[10]趙俊博，張葛祥，黃彥全.含新能源電力系統(tǒng)狀態(tài)估計研究現(xiàn)狀和展望[J].電力自動化設備，2014，34（5）:7-20. ZHAO Junbo，ZHANG Gexiang，HUANG Yanquan. Status and prospect of state estimation for power system containing renewable energy[J].Electric Power Automation Equipment，2014，34（5）:7-20（in Chinese）.

[11]李濱，杜孟遠，祝云，等.基于準實時數(shù)據的智能配電網狀態(tài)估計[J].電工技術學報，2016，31（1）:34-44. LIBin，DU Mengyuan，ZHU Yun，etal.A state estimator for smart distribution networkswith quasi-real time data[J]. Transactions of China Electrotechnical Society，2016，31（1）:34-44（in Chinese）.

[12]楊成龍，高曉萍.基于支路帶節(jié)點功率估計的配網狀態(tài)估計實用算法[J].電網技術，2003，27（10）:87-91. YANG Chenglong，GAO Xiaoping.A practical state estimation algorithm for distribution network based on branch with node power estimation[J].Power System Technology，2003，27（10）:87-91（in Chinese）.

[13]巨云濤，吳文傳，程學啟，等.基于多源信息的配電網電流匹配狀態(tài)估計[J].電力系統(tǒng)自動化，2012，36（16）: 53-57. JU Yuntao，WUWenchuan，CHENG Xueqi，etal.Multisource information based currentmatching state estimation for distribution network[J].Automation of Electric Power Systems，2012，36（16）：53-57（in Chinese）.

[14]李建，王心豐，段剛，等.基于等效功率變換的配電網狀態(tài)估計算法[J].電力系統(tǒng)自動化，2003，27（10）:39-44. LI Jian，WANG Xinfeng，DUAN Gang，et al.A state estimation method for distribution systems based on equivalent power transformation[J].Automation of Electric Power Systems，2003，27（10）：39-44（in Chinese）.

[15]陳艷波，周京陽，于爾鏗，等.基于轉移潮流的狀態(tài)估計模型[J].電力系統(tǒng)自動化，2010，34（2）:39-42. CHEN Yanbo，ZHOU Jingyang，YU Erkeng，et al.A transfer power flow based state estimation model[J].Automation of Electric Power Systems，2010，34（2）:39-42（in Chinese）.

[16]李慧.用于配網負荷處理的全面抗差估計方法[J].電工技術學報，2008，23（2）:138-142. LI Hui.A comprehensive robust estimation algorithm for distribution network load data processing[J].Transactions of China Electrotechnical Society，2008，23（2）:138-142（in Chinese）.

[17]巨云濤，吳文傳，張伯明.支持大規(guī)模電流量測的配網抗差狀態(tài)估計方法[J].中國電機工程學報，2011，31（19）:82-89. JU Yuntao，WUWenchuan，ZHANG Boming.Novelmethod for distribution state estimation based on uncertainty ofmeasurement[J].Automation of Electric Power Systems，2011，31（19）:82-89（in Chinese）.

[18]劉浩，戴居豐.基于系統(tǒng)分割的保留非線性快速P-Q分解狀態(tài)估計法[J].電網技術，2005，29（12）:72-76. LIU Hao，DAI Jufeng.System partition based state estimation algorithm using fast decoupled P-Q and retaining nonlinearity[J].Power System Technology，2005，29（12）:72-76（in Chinese）.

[19]孟曉麗，高君，盛萬興，等.含分布式電源的配電網日前兩階段優(yōu)化調度模型[J].電網技術，2015，39（5）: 1294-1300. MENG Xiaoli，GAO Jun，SHENG Wanxing，et al.A day-ahead two-stage optimal schedulingmodel for distribution network containing distributed generations[J].Power System Technology，2015，39（5）:1294-1300（in Chinese）.

[20]衛(wèi)志農，陳勝，孫國強，等.含多類型分布式電源的主動配電網分布式三相狀態(tài)估計[J].電力系統(tǒng)自動化，2015，39（9）:68-74. WEI Zhinong，CHEN Sheng，SUN Guoqiang，et al. Distributed three-phase state estimation for active distribution network integrated with different types of distributedgenerators[J].Automation of Electric Power Systems，2015，39（9）:68-74（in Chinese）.

[21]NIKNAM T，F(xiàn)IROUZI B B.A practical algorithm for distribution state estimation including renewable energy sources[J].Renewable Energy，2009，34（11）:2309-2316.

[22]錢靜，施毅斌，崔立忠，等.智能配電網模型信息集成技術研究[J].電網技術，2013，37（12）:3534-3540. QIAN Jing，SHIYibin，CUI Lizhong，et al.Research on model information integration technology for smart distribution network[J].Power System Technology，2013，37（12）:3534-3540（in Chinese）.

[23]王少芳，劉廣一，郎燕生，等.基于預測殘差的配電網三相狀態(tài)估計[J].電力系統(tǒng)保護與控制，2014，42（22）: 51-56. WANG Shaofang，LIU Guangyi，LANG Yansheng，et al. Study on three-phase state estimation for distribution networks based on residual prediction[J].Power System Protection and Control，2014，42（22）:51-56（in Chinese）.

[24]李靜，羅雅迪，趙昆，等.考慮大規(guī)模風電接入的快速抗差狀態(tài)估計研究[J].電力系統(tǒng)保護與控制，2014，42（22）:113-118. LI Jing，LUO Yadi，ZHAO Kun，et al.Research of fast and robust state estimation considering large-scale wind power integration[J].Power System Protection and Control，2014，42（22）:113-118（in Chinese）.

[25]韓斐，楊洪耕.基于復值獨立分量分析的配電網諧波狀態(tài)估計[J].電網技術，2014，38（11）:3173-3189. HAN Fei，YANG Honggeng.Harmonic state estimation in power distribution network based on complex independent component analysis[J].Power System Technology，2014，38（11）:3173-3189（in Chinese）.

[26]王斌，丁曉群，沈茂亞.帶變異算子的PSO算法在配電網狀態(tài)估計中的應用[J].江蘇電機工程，2006，25（4）: 18-20. WANG Bin，DING Xiaoqun，SHEN Maoya.Application of the particle swarm optimization algorithm with mutation operators in distribution state estimation[J].Jiangsu Electrical Engineering，2006，25（4）:18-20（in Chinese）.

[27]黃若霖，王寬，詹開翅.基于自適應免疫粒子群優(yōu)化算法的配電網狀態(tài)估計[J].電力系統(tǒng)保護與控制，2009，37（11）:54-57. HUANG Ruolin，WANG Kuan，ZHAN Kaichi.State estimation based on optimization algorithm of adaptive immune particle swarm for distribution system[J].Power System Protection and Control，2009，37（11）:54-57（in Chinese）.

[28]許瓊，代粉蕾.基于改進遺傳算法的配電網狀態(tài)估計[J].航空計算技術，2008，38（3）:107-110. XU Qiong，DAI Fenlei.State estimation of distribution system based on modified genetic algorithm[J].Aeronautical Computing Technique，2008，38（3）:107-110（in Chinese）.

[29]吳篤貴，徐政.基于相量量測的電力系統(tǒng)諧波狀態(tài)估計（I）:理論、模型與求解算法[J].電工技術學報，2004，19（2）:64-68. WU Dugui，XU Zheng.Power system harmonic state estimation based on phase measurements（I）:theory，model and solution algorithm[J].Transactions of China Electro Technical Society，2004，19（2）:64-68（in Chinese）.

[30]許瓊，王媛媛，史曉楠.基于增量最小二乘算法的配電網狀態(tài)估計[J].西安科技大學學報，2008，28（3）:547-550. XU Qiong，WANG Yuanyuan，SHIXiaonan.Incremental least squares algorithm based state estimation of distribution system[J].Journal of Xian University of Science and Technology，2008，28（3）:547-550（in Chinese）.

（編輯 馮露）

State Estimation of Distribution Network Based on M ulti-Intelligence Optim ization A lgorithm

TONG Linghua1，ZHOU Kaihe2，F(xiàn)AN Liangzhong3
（1.Ninghai Power Supply Company，State Grid Zhejiang Electric Power Corporation，Ninghai315600，Zhejiang，China；2.Ningbo Electric Power Supply Company，State Grid Zhejiang Electric Power Corporation，Ningbo 315016，Zhejiang，China；3.Ningbo Institute of Technology，Zhejiang University，Ningbo 315100，Zhejiang，China）

Accurate state estimation is basis of normal operation for distribution network and has very important position in the power system.Considering complex and changeable state of distribution network，a new state estimation model of distribution network based on multi-intelligence optimization algorithm is constructed according to advantage complementary theory of intelligent algorithms.Firstly，the objection function is established to describe state changing，and secondly，genetic algorithm is used to estimate the status，and ant colony algorithm is used to correct state value of the distribution network，and finally，the simulation test is carried out by the specific example.The results show that the proposed model can effectively fuse genetic algorithm and ant colony algorithm，effectively describe the change characteristics，and help to improve the estimation accuracy，and its results are super to other estimation models，and the results can provide valuable information for distribution network enterprises and managers.

distribution network system；state estimation；intelligentoptimization algorithm；distributed generation

2016-07-17。

童靈華（1974—），男，碩士，高級工程師，主要研究方向為電網建設運行技術及其管理；

周開河（1963—），男，學士，高級工程師，主要研究方向為電網信息通信技術及其管理；

范良忠（1980—），男，博士，副教授，主要研究方向為計算機應用。

國家自然科學基金資助項目（31302231）；浙江省教育廳科研項目（Y201226043）.

Project Supported by National Natural Science Foundation of China（31302231）；Research Project of Education Department of Zhejiang Province（Y201226043）.

1674-3814（2017）02-0008-06

TP212

A