复杂网络理论广泛用于系统的优化、传染病的防控、网络动力学等领域,其中H型指数作为复杂网络的重要分支对网络优化、避灾、控制等意义重大.近年来,各种H型指数被相继提出,极大地丰富了网络节点重要性识别方向的理论,然而综合考虑各种因素而提出的H指数却较少.因此本文提出了一种新的有向加权h指数（简记为dw-（?）指数）,用于度量有向加权网络中节点的重要性以及识别电网中线路的脆弱性.Dw-（?）指数综合考虑网络中节点的度和强度、边的权重和方向、邻居节点的重要性等因素,利用节点的有向权重和有向强度的乘积来计算节点的dw-（?）指数.同时根据算子H的迭代性,定义了同步迭代和异步迭代的dw-（?）指数.Dw-（?）指数可以有效度量有向加权网络中节点的重要性.Dw-（?）指数可以通过算子H的迭代得到dw-（?）指数序列.理论证明dw-（?）指数序列在同步迭代更新和异步迭代更新过程中经过有限步迭代后都会收敛,并且收敛于同一值.基于引文网络的分析表明,dw-（?）指数迭代序列收敛速度非常快.在小型网络或局部网络中一阶dw-（?）指数可近似达到dw-（?）指数的极限,它利用以目标节点为中心的两步局部网络的信息,只需要应用一次dw-（?）指数算法即可.在大规模网络和动态网络中可以用异步更新灵活地选择每次迭代更新的节点数目,相比于同步更新会大大缩短dw-（?）指数的收敛时间,也更加节省计算时间成本.为了有效预测连锁故障和防止大规模停电现象的发生,一般而言,我们无需关注电网中的所有传输线路,只需关注某些脆弱的传输线路.为此,我们把电网转化为我们所熟知的有向加权网络（即相关网络）,将传输线路脆弱性评估问题转化为节点的重要性评估.在现有研究中,我们改进一阶和二阶相关网络,建立了三阶和多阶相关网络,以便进一步掌握了电网分支之间的动态联系.在我们建立的三阶和多阶相关网络中,用dw-（?）指数算法来识别相关网络中的重要节点,也就是电网中的脆弱线路.IEEE-24节点系统的分析结果表明,dw-（?）指数在识别脆弱线路的应用上比现有方法的识别精度提高了13.33%以上.因此,dw-（?）指数不仅仅适用于引文网络,在电网和其他一般有向加权网络也有较大应用前景.