城市电网本地通信网络数字化感知业务与通信技术适配研究
钟成1 , 翟迪2 , 陆阳2 , 范静怡3 , 刘晓波3 , 张馨月3 , 赵雄文3
（1. 国网雄安新区供电公司, 河北 雄安 071000; 2. 国网智能电网研究院有限公司, 北京 102209; 3. 华北电力大学 新能源电力系统国家重点实验室, 北京 102206）
摘要： 针对新型本地数字化电力感知业务差异化对通信性能的需求，灵活合理的通信技术适配对建立安全、可靠、经济的电力通信网络至关重要。面向新型电力系统中的新型本地数字化感知场景，首先，对典型本地通信技术和电力业务通信性能需求进行分析和总结，构建了多层多指标维度综合评价模型；其次，提出基于相关系数的模糊层次分析-熵权主客观组合权重法进行通信指标赋权；最后，结合改进的逼近理想解排序法计算加权评价得分获得适配结果。结果表明：所提评价模型和适配算法为新型本地数字化电力感知业务与通信技术适配提供了理论基础和解决方案。
引文信息
钟成, 翟迪, 陆阳, 等. 城市电网本地通信网络数字化感知业务与通信技术适配研究[J]. 中国电力, 2023, 56(8): 86-98.
ZHONG Cheng, ZHAI Di, LU Yang, et al. Adaptation of digital perception service and communication technologies for local communication network of urban grid[J]. Electric Power, 2023, 56(8): 86-98.
引言
随着新型电力系统建设和城市电网大量分布式传感器和监控终端的泛在、高效、安全接入，研究面向城市电网新型数字化感知业务与本地通信技术适配成为迫切需要解决的问题[1] 。本地通信网络是新型电力系统数字化的“最后一公里”通信网络，用于边缘物联代理、业务终端以及采集控制终端等本地智能设备间信息交换，实现电力物联网信息感知和数据传输。大量异构终端和新兴应用服务的加入使本地通信网络中场景及业务多样化和网络异构化不断加深，依托新型电力系统本地通信网络的本地电力感知场景和各种数学建模方法与信息技术，产生多种新型本地数字化电力感知场景及业务。如何构建本地通信感知场景与业务性能需求特征模型，并全面精准、差异化地为业务选择合适的通信技术、保证服务质量，是设计终端接入方式、优化通信资源分配并建立城市电网多模态通信网络的基础和支撑。 目前，电力业务与通信技术适配问题主要基于多指标评价模型，通过确定指标权重和决策评分获得加权评分结果和适配决策。在采用主观赋权法进行适配的工作中，文献[2]阐述了配电物联网业务通信需求和应用场景，给出通信技术定性适配原则和建议。文献[3-4]采用层次分析法（analytic hierarchy process，AHP）分别对电网中多种应用场景和智慧园区场景中的相关电力业务进行通信技术适配。文献[5]考虑低压城中村台区场景集抄系统，采用模糊AHP（fuzzy analytic hierarchy process，FAHP）进行通信技术适应性评估。文献[6]采用AHP对虚拟电厂通信网络体系中的控制、采集和营销业务进行通信方式适配。文献[2-6]中，各个通信性能指标的权重和各备选通信技术的评分2部分均由主观方法确定，最终得分为所有通信指标下权重与相应得分的加权和，是一种基于主观的赋权和评价方法。基于主观权重的适配方法充分体现了基于实际应用情况的各种场景与业务下的主观需求，但存在随机性和决策者个体局限性，直接使用专家打分作为决策评分，没有考虑多指标决策研究中广泛使用的客观决策评分方法。采用客观赋权法进行适配的工作中，充分挖掘评价问题中的原始数据并进行分析得到权重，操作简便、不受人为因素影响，但可能无法较好地贴近实际应用需求，甚至出现背离现实基本逻辑与认知的情况。文献[7]采用一种基于客观权重的综合排序匹配算法为电力业务终端进行通信技术选型，基于所评价业务的通信性能需求构建决策矩阵，采用加权平均法计算指标权重，但客观赋权法的基本原理是基于对备选方案中各个指标的波动程度及所能反映的信息量，决策矩阵应基于备选通信技术建立[8-9] 。在采用组合赋权法进行适配的工作中，考虑主、客观权重各自的特性和优势，结合两者的组合权重充分应用了多指标决策中固定的数据信息和决策者的经验分析，已成为运筹与管理学等评价问题中的主要应用方法[10-14] 。文献[10]提出一种基于强弱集合划分的主观权重和基于属性衡量度的客观权重的组合赋权匹配算法用于电力终端通信接入网通信技术适配，其中对组合权重中主客观权重的比例系数进行主观设定，且权重计算中存在大量集合运算，在新型电力系统多样化业务场景及逐步细化的性能指标体系下，其计算复杂度较高。文献[12]仅针对5G通信技术与配电网业务之间的适配性，基于5种网络技术性能方面指标，提出结合场景偏好和熵权的线性组合赋权法。文献[10,12]采用完全由人为设定线性权重比例系数，或直接认为主观权重和客观权重在线性组合权重中各占一半，使得确定组合权重时再次引入主观因素、弱化了客观权重的参与，极大地影响了组合赋权的效果。此外，现有工作主要针对传统业务与通信技术的适配研究，缺乏针对新型电力系统背景下基于各种传感器、终端节点的感知业务与低压侧本地通信网络的适配研究。 针对上述问题，本文结合雄安新区智慧城市规划及厦门半兰山智慧变电站等新型本地电力感知场景，研究城市电网新型本地数字化感知业务与通信技术适配。主要研究内容包括：1）总结梳理了典型城市电网本地通信网络感知场景与业务及广泛采用的本地通信技术，从业务维、指标维和数据维进行数字化分析，构建了多层多指标综合评价模型；2）提出基于相关系数的FAHP-熵权组合赋权法获得通信指标的组合权重。考虑组合权重最大程度贴近主客观权重，由相关熵理论构建基于相关系数的线性组合权重系数最优规划问题计算求解组合权重，克服人为设定线性组合权重的线性系数时可能的不合理性，将主、客观权重性质充分保留在组合权重中；3）将逼近理想解排序法（technique for order preference by similarity to an ideal solution，TOPSIS）法引入电力业务与通信技术适配，考虑电力业务与通信技术适配为双向评价问题，即须同时评估各项业务的通信性能需求和各项通信技术的性能优劣，提出根据业务自身性能需求改进正、负理想解的最适合-TOPSIS（best fit-technique for order preference by similarity to ideal solution，BF- TOPSIS）评分算法，结合组合权重计算加权业务适配得分结果得到最终适配决策；4）针对本文所提业务与技术进行算例分析，总结适配结果与当前实际应用情况相符，为城市电网本地数字化感知业务与通信技术适配提供有效方案和应用建议。
1 城市电网本地通信网络典型业务与通信技术综述
1.1 城市电网本地通信技术分析 城市电网本地通信网络适用的典型本地通信技术主要有低压PLC、工业以太网、光纤专网EPON、微功率无线、RS-485、Wi-Fi、LoRa和蓝牙等技术。 有线通信技术中，低压PLC技术利用现有设施，无须布线和重新组网，具有低成本的独特优势，但其调制频段低，易受低频及外界环境噪声干扰，通信安全性难以保障[15] ；工业以太网技术组网灵活，网络协议兼容性强，能够支持较为恶劣的运行环境，但成本较高，网络扩展性低[16] ；光纤专网具有超高的带宽和通信容量，网络可靠性和安全性高，但搭建成本高、周期长，容易受地形等因素的影响，主要承载电网中对时延、安全性和可靠性有较高要求的电力业务；RS-485是一种串行异步收发协议，网络实现简单，抗外界干扰能力强，具有高可靠性，但数据传输速率和组网灵活度较低，通常用于一些离散数据的采集[17] 。 无线通信技术中，微功率无线技术组网快捷灵活，建网成本低，能够自动维护和修复网络故障；Wi-Fi技术相对成熟，网络扩展灵活，支持高带宽、低时延的数据传输，但通信距离较短，易受干扰，网络安全性不足；LoRa网络性能稳定，覆盖距离大，但受限于功耗、带宽的限制，其传输速率不支持时延要求高、传输大颗粒数据的业务[1,18] ；蓝牙技术对不同设备的兼容性强，且通信功耗低，适用于设备间小范围的通信，网络扩展性、抗干扰能力和安全性较强[19] 。 1.2 城市电网本地通信数字化感知业务通信性能需求分析 针对雄安新区智慧城市规划及厦门半兰山智慧变电站等新型电力感知场景，选取城市电力地下管廊、智慧变电站、分布式新能源调控、电动汽车充电设施、本地用电电力物联网和配电自动化6种场景下的典型电力业务进行通信性能分析。 城市电力地下管廊结构狭长，环境较为封闭，对通信安全性与可靠性要求相对较低，但对通信传输距离要求较高。管廊内部署有大量传感和各种终端设备，对通信系统的技术成熟度和部署成本提出较高要求；对于管廊内环境量/状态量监测业务实时监测空气含氧量、有害气体等环境/状态量，传输小颗粒数据，通信带宽需求较低，实时性需求高；对于视频图像等大颗粒数据，对传输带宽要求较高。 智慧变电站中主要涉及基于视频、图像等传感器的机器人和无人机巡检业务[20] 。由于巡检业务需要实时回传站内情况，要求高带宽、低时延，且保证通信的安全性与可靠性，使得信息无误到达，站内工作人员能够做出准确判断。 分布式能源调控业务对新能源系统中的发电公共连接点、并网点、汇流箱等信息以及工作区域内阳光照射幅度、环境温度等气象数据进行实时监控。数据采集、状态监控类感知业务要求通信实时可靠、广覆盖、大连接；调度控制类业务要求通信低时延、高安全、高可靠[21] 。 电动汽车充电桩业务主要包含主站发布召测、计费、调度等命令；终端上传设备或线路监测状态、实时计费信息等[22] 。沿高速公路等要求远距离通信。在安全性方面，要求具备防止恶意网络攻击和数据加密机制，保证通信中数据的完整性，高可靠性；而对通信带宽、时延要求较低。 用电信息采集对电力用户的用电信息进行采集、处理和实时监控，覆盖电力用户、各类计量点、电动汽车充电设施、分布式电源与微电网等，主要实现远程抄表与计费、电能质量与异常监测、负荷采集、信息发布和智能设备信息交互[8] 。专变采集终端对通信网络的实时性、可靠性、安全性有较高要求，相对而言对建设成本和产业成熟度的要求低于网络性能因素。 配电自动化系统基于计算机等信息设备集成相关信息系统部署于地市级调控中心，实现对配电网的监测、控制和快速故障隔离，具备馈线自动化、故障处理、信息分析和信息交互等功能。配电自动化二遥承担遥测、遥信功能，对网络实时性和安全性要求较低，可优先考虑功耗和建设等成本问题。 本文根据大量技术报告、文献[7-8,10,17,23-27]和电网实际场景调研，得到表1所示的各类本地通信技术性能和表2所示的城市电网典型本地通信网络数字化感知业务通信性能需求。对电力感知业务从场景维、指标维和数据维进行数字化分析，选取带宽、传输距离、实时性、可靠性为可定量指标，有相应参数取值；选取安全性、成本、产业技术成熟度等为定性指标，采用线性比例分级评价法给出数值量化结果[8] ，级别越高表明技术性能表现越好或业务所需性能要求越高。
表1 本地通信技术性能
Table 1 Performance of local communication technologies
注：定性指标（如安全性等）后括号中的数值为某种性能指标下对各通信技术在该指标的性能情况定性排序后，通过线性比例分级评价法得出的通信技术性能量化数值，数值越大表示性能越优。
表2 数字化感知本地电力业务通信性能需求
Table 2 Communication performance requirements of digital perception local power businesses
注：定性通信性能需求（如安全性等）后括号中的数值为某种性能需求下，各业务对该性能的需求情况进行定性排序，通过线性比例分级评价法得出相应通信性能需求的量化数值，数值越大表示需求越高。
2 基于相关系数组合赋权和BF-TOPSIS决策的电力业务与通信技术适配算法
2.1 构建多指标综合评价匹配模型 为准确描述城市电网本地通信网络中的数字化电力感知业务通信性能需求和本地通信技术性能，考虑电力业务的指标维数字化，选取与匹配问题相关的影响指标构建多指标综合评价模型，如图1所示。层次模型中，目标层为某种电力业务与通信技术的匹配性评价；主指标层选取技术指标、安全指标和经济指标；子指标层为3个主指标所对应的具体指标；方案层为备选的本地通信技术。
图1 多指标综合评价模型
Fig.1 Multi-index comprehensive evaluation model
2.2 FAHP计算主观权重 主观权重是根据专家或决策者的先验知识、经验或偏好，按照重要性程度、特定需求等对各指标进行比较判断，并将这种语言型信息通过数学方法转换为数值型信息，通过赋值、计算将这些感知性信息表征为具体数值，进而得到相对重要性程度[28] 。主观权重不会随评价对象和备选方案的增减而变化，可在一段时间内相对稳定，具有较强的保序性和可解释性。本文采用FAHP获得指标的主观权重。AHP通过选取影响目标问题的多个因素，根据各因素主导关系，建立层次评价模型，对评价模型同一层次的多个因素两两之间互相比较，量化其相对重要程度，以此获取各影响因素所占权重[29] 。由于评价问题的客观复杂性和决策者认知的模糊性，主观赋权中专家的评分与判断也可能不一致。FAHP进一步结合了AHP和模糊综合评价分析，经比较后能够构造更为符合人类思维的模糊一致判断矩阵，降低了判断矩阵一致性检验的难度，更好地体现问题的模糊性，贴近人类的复杂性思维，从而避免在对评价对象进行分析时受人为个体因素影响，很大限度上减少了评价者对评价对象打分时的主观性和随意性，使评价过程更加准确。在电力业务与通信技术适配中，针对每一种特定业务都会产生相应的主观比较判断矩阵。本节描述获得某一种业务的性能指标权重的步骤，研究多种业务时重复该过程。 2.2.1 构建模糊判断矩阵 通过专家与相关从业人员调查问卷打分得到多指标综合评价模型中的主指标间和同一主指标下的子指标间的两两重要程度的量化值[8,27] 。打分结果根据九级标度法[30] 进行量化，即0.5分表示比较的2个因素具有相同重要程度，0.6~0.9分（间隔为0.1分）依次表示重要程度递增，0.1~0.4分表示不重要程度（为0.6~0.9分比较值的反比较打分），据此得到判断矩阵 T tij )K ×K K 为通信技术的指标的个数（本文中 K =7 ）， tij 表示指标 i 相对于指标 j 的重要程度，取值即为0.1~0.9分的打分值。
2.2.2 一致性检验 在FAHP中，矩阵的一致性表明对各个指标相对重要性的判断是连贯且合理的。评价者给出的判断矩阵基于差异化的认知，首先需要检验模糊判断矩阵的一致性。根据顶点三角形之积相等定义[31] ，当满足式（1）时判断矩阵T
当式（1）不成立时需要对模糊判断矩阵进一步进行一致性转化 [32] ，得到模糊一致性判断矩阵 R r ij k×K ，其中
式中： 为 T 中第 i 行元素之和； r ij i 相对于指标 j 的重要程度。 2.2.3 计算主观权重 根据图1，定义主指标层模糊一致性判断矩阵为 ，本文中 K 0 =3 ，对应技术指标、安全指标、经济指标；子指标层模糊一致性判断矩阵分别为 ,K 1 =3 ，对应带宽、传输距离、实时性指标； ,K 2 =2 ，对应安全性、可靠性指标； , K 3 =2 ，对应成本、产业技术成熟度指标。 基于转化系数线性函数法[33] 计算模糊一致性判断矩阵对应的权值，主指标层第 i 个指标的主观权重 ωi 为
式中： θ 为线性转换系数，这里 θ =K 0 −1 。 子指标层中以模糊一致性判断矩阵 对应的子指标的主观权重为例，第 i 个子指标的主观权重 ϕ 1i 为
式中： θ 1 =K 1 −1 。 结合式（3）（4）， 子指标的总体主观权重 λ 1i 为
同理可得模糊一致性判断矩阵 和 对应的子指标的总体主观权重 λ 2i 、 λ 3i 分别为
式中： ϕ 2i 、 ϕ 3i 分别为 i 个子指标的主观权重。 将计算得到的全部子指标的总体主观权重依次排列得主观权重向量为 λ =( λ 1 ,λ 2 ,⋯,λ k λK ) ， K 为子指标总数。 2.3 熵权法计算客观权重 客观权重基于指标取值在全部备选方案中的波动性程度确定其对决策方案的排序中的贡献程度。本文采用熵权法，基于各指标下性能表现的原始数据进行分析和计算得到指标的客观权重。随着电网数字化转型，能源与信息深度融合，熵能从信息不确定性度量的角度反映复杂电网中的某些特性，通过计算各个指标具有客观信息量的多少得到各指标所占客观权重。熵值越小，表明该指标下的值变化程度越大，提供的影响评价的信息越多，应赋予较高的权重。由于熵权法基于备选通信技术计算客观权重，为方案主导型后验权重[9] ，当备选通信技术确定后，对各个业务进行技术适配时，客观权重不会发生变化。 2.3.1 构建评价矩阵和标准化 定义图1中方案层有M 种备选通信技术，子指标层共有K 种评价子指标，构造M ×K 的评价矩阵 X =(xmk )M ×K
式中： xmk 表示第 m 个备选技术在第 k 项指标方面的性能表现。对于定性指标（如安全性），采用1至 M 级匹配度确定各备选技术的性能：表现最好的备选技术的性能值为 M ，其次为 M −1 ，依此类推，表现最差的备选技术性能值为1。 根据各指标下对应的性能表现值变化对评价结果的影响，可将指标分为成本型指标和效益型指标[14] 。在同一备选方案中，效益型指标的性能表现值越大，评价结果越优；成本型指标反之。将评价矩阵中的性能表现值进行标准化，得到标准化评价矩阵 。对于本文图1中模型，除成本和实时性指标外，其余指标均为效益型指标。成本型和效益型指标的标准化计算分别为
2.3.2 计算客观权重 计算概率矩阵 P =( pmk )M ×K ，其中 pmk 表示第 k 个指标下第 m 个通信技术所占的比重为
指标 k 的熵值为
根据式（10）（11）得到第 k 个指标的客观权重为
将计算得到的全部子指标的客观权重依次排列得到客观权重向量 ε =( ε 1 ,ε 2 ,⋯,εk ,⋯,εK ) 。 2.4 基于相关系数的线性组合权重 基于组合赋权思想对主观权重 λ 和客观权重 ε 采用线性组合法获得组合权重。组合赋权主要关注如何集结多种类型的权重保证整体权重的统一和可靠性，主要有线性权重、非线性权重、基于权重集/方案集的优化组合等方法[9,13] 。其中，线性权重通过对多种方法或角度获得的权重按照一定的计算方法分配“权重的权重”，将多种权重按线性比例进行组合，以其直观和低复杂性且同时可解决组合赋权中不同赋权方法不一致、不同决策者评价不一致、主客观信息融合问题而被广泛应用[9] 。考虑当前研究中各种典型的赋权方法基于深入研究和广泛应用均可信且有效，各种方法获得的主观权重和客观权重均认为是属性权重真值的一种估计值[34] ，而组合权重则应充分兼具主观和客观权重各自内在特性，构成可靠性更高的权重。本文提出一种基于相关系数的线性组合权重计算法，通过相关系数描述组合权重与主观、客观权重之间的接近程度—距离，结合组合评价方法中的最小化线性加和距离[14,35] ，构建最小化线性加和相关系数问题求解组合权重。 定义1：根据相关熵理论[36] ，为描述相似程度，定义非零变量 χ 和 γ 的相关系数为
且满足
设第 k 个子指标的线性组合权重为
式中： 分别为主观权重和客观权重所占组合权重的比例系数， 。根据定义1，相关系数越小，相关性越强。用相关系数分别度量组合权重中的主观及客观比例系数和主观及客观权重的相关性，得到最优规划问题为
对式（16）求导可得 ，则组合权重为
则 K 个指标的组合权重向量为 φ =( φ 1 ,φ 2 ,⋯,φk ,⋯,φK ) 。 2.5 BF-TOPSIS法排序与决策 TOPSIS是一种基于计算欧式距离得到方案差距的得分评价方法，通过在备选方案中寻找使成本最小（大）或效益最大（小）的指标值作为最优（差）指标值并构成正（负）理想解[11] ，分别计算各备选方案与正、负理想解的欧式距离得到各方案的贴近度优劣排序，并结合权重得到最终决策得分，在多指标评价中有较好的得分评价性能[12,14] 。考虑电力业务与通信技术适配为双向匹配问题，首先，若仅从备选技术角度进行技术选择，技术在各项通信指标方面综合表现最好的即被选择为某项业务匹配，忽略了业务自身的通信性能需求，某些拥有较高贴近度的备选技术可能在某几项指标方面有非常好的性能，但在其他指标方面其性能不满足业务需求，对新型数字化感知业务的精准通信技术适配和高服务质量产生不同程度的影响。其次，传统TOPSIS中，对应每种指标下的性能值正理想解为各备选方案在该指标下的最优性能值（如本文中，备选方案光纤专网在各指标下性能值最优），若业务都匹配光纤专网技术可能造成资源浪费和高昂成本、引起网络拥塞，无法有效实现差异化适配。 针对差异化、精准化业务与通信技术适配，应为各项业务选择满足其通信性能需求且最为接近的技术进行适配，减少随机或统一选择适配技术时的资源不合理使用和业务拥塞，本文对传统TOPSIS法进行改进，提出BF-TOPSIS法，将已知的业务自身性能需求值作为正理想解，将不能满足业务自身性能需求的且与业务需求差距最大的指标值的集合作为负理想解。BF-TOPSIS法主要步骤如下。 1）根据表2和式（9）得到目标业务的标准化通信性能需求向量 Y =[ yk ]1×K 。 2）根据2.4节中所得组合权重 φ ，分别对2.3.1中标准化评价矩阵 和目标业务的标准化性能需求向量 Y 进行加权标准化，得到加权标准化评价矩阵 和加权标准化业务性能需求向量 ，其中 3）计算加权标准化评价矩阵中的正理想解 和负理想解 为 4）计算备选方案与正理想解和负理想解的欧式距离 和 为
5）计算备选方案的距离贴近度 C m
C ={Cm }m ∈{1,⋯,M }Cm ∈[0,1] ，其值越大表明备选方案的适配性越好。 6）将所有M 种备选技术方案的距离贴近度值按降序排序，最优适配通信技术 m ∗ 为
2.6 算法流程 根据2.1~2.5节内容，基于相关系数的FAHP-熵权组合赋权法和BF-TOPSIS决策的电力业务与通信技术适配算法流程如图2示。
图2 所提适配算法流程
Fig.2 Process of the proposed adaptive algorithm
3 匹配算例分析
本节以城市电力地下管廊监测业务、智慧变电站无人机巡检业务和用电信息采集业务为例，基于Matlab和SPSS分析软件仿真构建多层多指标综合评价模型并进行电力业务与通信技术的适配，最后总结了所提典型数字化感知电力业务的通信技术选型结果。其中，备选通信技术即表1中的8种通信技术，智慧变电站机器人/无人机巡检业务主要进行无线通信，仅选取微功率无线、LoRa、Wi-Fi、蓝牙技术作为备选通信技术。 3.1 根据备选通信技术方案计算客观权重 为 ε 为
图3 通信性能指标的客观权重
Fig.3 Objective weights for communication performance indicators
计算客观权重后，基于FAHP分别计算每种业务下的指标主观权重，并结合上述客观权重得到组合权重。最后，将组合权重用于BF-TOPSIS法中获得业务与各备选通信技术的适配得分。3.2 城市电力地下管廊监控系统环境量/状态量数据业务的通信技术匹配 根据表1和式（1）~（3），专家打分得到的一致性化后的模糊判断矩阵为
根据式（4）~（8）（15）~（18），图4为计算所得城市电力地下管廊环境量/状态量监测业务对通信性能指标需求程度的主观权重与组合权重值。组合权重排名前三的指标为：实时性、传输距离、带宽。
图4 城市电力地下管廊监控系统环境量/状态量数据业务中的通信性能指标的主观权重和组合权重 Fig.4 The subjective weight and combined weight of communication performance indicators in the environmental quantity/status volume data service of urban power underground pipe gallery monitoring system 根据本文所提BF-TOPSIS算法对城市电力地下管廊环境量/状态量监测业务与备选本地通信技术进行适配分析，其中，加权标准化正理想解向量为
加权标准化负理想解向量为
计算各备选方案得到距离贴近度为
式（31）中数值分别对应PLC、工业以太网、EPON、蓝牙、RS-485、Wi-Fi、LoRa、微功率无线的距离贴近度。
降序排列后得适配结果，其中LoRa技术的适配得分最高，为最适合的备选技术，其在具有较好的实时性的同时，传输距离远且成本较低，有较高的产业技术成熟度。
3.3 智慧变电站无人机巡检业务的通信技术匹配 针对智慧变电站无人机巡检业务的通信技术适配中，模糊判断矩阵为 图5为智慧变电站场景无人机巡检业务对各种通信性能指标需求的主观权重与组合权重值。与前文类似，智慧变电站无人机巡检业务与备选本地通信技术的加权标准化正理想解向量为
图5 智慧变电站无人机巡检业务中的通信性能指标主观权重和组合权重
Fig.5 The subjective weight and combined weight of communication performance indicators in the UAV inspection service of smart substation
加权标准化负理想解向量为 计算各备选方案得到距离贴近度为
式（35）中数值分别对应蓝牙、Wi-Fi、LoRa、微功率无线的距离贴近度。 贴近度降序排列后得适配结果，其中Wi-Fi技术为第一备选技术，Wi-Fi技术具有带宽大、实时性好、高可靠性、传输距离较远等特点，与无人机巡检业务性能需求相匹配。其次为蓝牙技术。微功率无线技术由于带宽、实时性、安全性、可靠性、产业技术成熟度在4种无线通信技术中综合最差，与该业务通信需求匹配度最低。 3.4 用电信息采集业务的通信技术匹配 针对用电信息采集业务的通信技术适配中，模糊判断矩阵为
图6所示为用电信息采集业务对各种通信性能指标需求的主观权重与组合权重值。与前文类似，用电信息采集业务与备选本地通信技术的加权标准化正理想解向量为
图6 用电信息采集业务中的通信性能指标主观权重和组合权重 Fig.6 The subjective weight and combined weight of communication performance indicators in the power information collection service
加权标准化负理想解向量为 计算各备选方案得到距离贴近度为 式（39）中数值分别对应PLC、工业以太网、EPON、蓝牙、RS-485、Wi-Fi、LoRa、微功率无线的距离贴近度。 贴近度降序排列后，光纤专网EPON为第一备选技术，其带宽大、实时性好、安全性高。其次为工业以太网。适配性最低的是Wi-Fi技术，其传输距离较短，成本高，且用电信息采集业务对带宽需求较低。 表3总结了本文所提8种业务和8种通信技术在所提适配算法下的选型结果。适配结果与当前实际场景下的已有应用情况基本一致，证明本文适配模型与算法具有应用合理性，为城市电网本地通信网络中的通信技术选型与规划提供支撑。
表3 典型本地通信电力业务与通信技术适配结果总结 Table 3 The summary of matching results between typical local communication power services and communication technologies
4 结论
本文针对本地通信网中新型数字化感知电力业务的通信性能需求及“多样性+差异性”的通信技术，首先为典型新型数字化感知电力业务与相关本地通信技术适配构建了多指标综合评价模型。其次，结合主观FAHP和客观熵权法评价为通信指标赋权，并从相关熵角度提出基于相关系数的组合赋权优化问题求解组合权重，将主、客观权重性质充分保留在组合权重中。最后，基于业务自身通信性能需求提出BF-TOPSIS法计算业务与通信技术适配得分进而得到选型结果。研究结果表明，本文所提模型与适配算法为新型电力系统下的城市电网本地通信技术的选择提供了理论基础和解决方案。
（责任编辑 张重实）
作者介绍
钟成（1970—），男，硕士，高级工程师（教授级），从事电力物联网、智能电网、智能传感与量测技术研究，E-mail：hebeizhongc@163.com;
翟迪（1989—），男，通信作者，博士，从事物联网、无损探伤、室内定位技术研究，E-mail：dasluogu@163.com;
陆阳（1984—），男，博士，高级工程师（教授级），从事电力传感网、智能电网、电力传感技术研究，E-mail：luyang@geiri.sgcc.com.cn;
范静怡（1999—），女，硕士，从事新型电力系统、电力物联网资源分配研究，E-mail：fjy01243165@163.com.