CN103337043B - 电力通信设备运行状态的预警方法和系统 - Google Patents

Abstract

本发明提供一种电力通信设备运行状态的预警方法，包括获取电力通信设备的运行状态的影响因素数据；获取权重矩阵；将每种影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种影响因素数据对应的等级属性；根据每种所述等级属性，确定每种影响因素在每个预设的运行状态下的模糊隶属度，得到电力通信设备的模糊隶属度矩阵；将模糊隶属度矩阵乘以权重矩阵得到评价结果向量，求解评价结果向量的平均值得到所述电力通信设备的运行状态；输出预设的与所述运行状态对应的预警信息。对应地，本发明还提供一种电力通信设备运行状态的预警系统，能实时对电力通信设备的运行状态进行预警，预警结果可靠性高，防止电力通信设备出现安全隐患。

Description

电力通信设备运行状态的预警方法和系统

技术领域

本发明涉及电力通信设备技术领域，特别是涉及一种电力通信设备运行状态的预警方法，以及一种电力通信设备运行状态的预警系统。

背景技术

随着电力行业的发展，电力信息化的进程不断加快，电力网与电力信息网之间相互渗透的趋势越来越明显。电力系统的高稳定性要求电力网中的发电、输电和配电系统具有很高的自动化水平，需要这些系统在一个高效、有效的模式下协调运行，而电力通信系统的安全运行是其中不可缺少的一环。电力通信网经过多年来的安全管理，安全局面平稳，安全指标稳步提高。但随着通信网规模迅速扩展，技术复杂性的相应增加，客观上需要管理创新，需要建立与现代电网及其通信网相适应的现代化管理体系。对电力通信设备的状态管理占据着越来越重要的地位。状态评估是状态管理的重要依据和核心。从运维的角度，设备状态评估需综合考虑设备安全性、经济性和社会影响等方面的风险，确定设备状态等级，针对性地开展运维工作，防止电力通信设备出现状态劣化的安全隐患。

目前，已有很多电力通信设备运行状态的相关研究成果。其中一种主流的方法为层次分析法（Analytic Hierarchy Process:AHP）。这一方法的核心是将决策者的经验判断给予量化，从而为决策者提供定量形式的决策依据。目前该方法已被广泛地应用于尚无统一度量标尺的复杂问题的分析方面，解决用纯参数数学模型方法难以解决的决策分析问题。该方法对系统进行分层次、确定相对权值、规范化处理，最后给出排序。在评估过程中经历系统分解、安全性判断和综合判断三个阶段。

1）系统分解，建立层次结构模型：层次模型的构造是基于分解法的思想，进行对象的系统分解。它的基本层次有三类:目标层、准则层和指标层，目的是基于系统基本特征建立系统的评估指标体系。

2）构造判断矩阵，通过单层次计算进行安全性判断:判断矩阵的作用是在上一层某一元素约束条件下，对同层次的两元素之间相对重要性进行比较，根据心理学家提出的“人区分信息等级的极限能力为7±2”的研究结论，AHP方法在对评估指标的相对重要程度进行测量时，引入了九分位的相对重要的比例标度，构成判断矩阵。

计算的中心问题是求解判断矩阵的最大特征根及其对应的特征向量；通过判断矩阵及矩阵运算的数学方法，确定对于上一层次的某个元素而言，本层次中与其相关元素的相对风险权值。

3)层次总排序，完成综合判断:计算各层元素对系统目标的合成权重，完成综合判断，进行总排序，以确定递阶结构图中最底层各个元素在总目标中的风险程度。AHP方法不仅能够确定每个风险因素的权值，还能够对多个预选方案进行排序，为决策者提供判断依据。

但是，当采用该方法用于设备状态预警时，存在以下问题：

在实际系统中，AHP方法要求同一层的多个因素相互之间不能存在依赖关系，否则，基本判断方法会失效。但是，在电力通信设备运行状态的确定中涉及很多影响指标，由于缺乏相关的历史统计数据，评价指标的独立性与权重的合理性很难保证，预警结果的可靠性较差。而且由于指标过多，工作量较大。

传统的电力通信设备运行状态的预警技术需要专业人员对每个设备独立进行运行状态的确定。面对大量设备需要进行状态评估时，工作量过大，且由于人的主观性，使得预警结果很难保持较高的可靠性，预警效果不佳，安全隐患较大。

发明内容

基于此，本发明提供一种电力通信设备运行状态的预警方法和系统，能实时对电力通信设备的运行状态进行预警，预警结果可靠性高，防止电力通信设备出现安全隐患。

一种电力通信设备运行状态的预警方法，包括如下步骤：

获取电力通信设备的运行状态的多种影响因素数据；

获取权重矩阵，所述权重矩阵包括每种所述影响因素数据在预设的电力通信设备的每种运行状态下对应的权重值；

将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性；

根据每种所述等级属性，确定每种所述影响因素在每个预设的运行状态下的模糊隶属度，得到所述电力通信设备的模糊隶属度矩阵；

将所述模糊隶属度矩阵乘以所述权重矩阵得到评价结果向量，求解所述评价结果向量的平均值得到所述电力通信设备的运行状态；

输出预设的与所述运行状态对应的预警信息。

一种电力通信设备运行状态的预警系统，包括：

影响因素模块，用于获取电力通信设备的运行状态的多种影响因素数据；

权重模块，用于获取权重矩阵，所述权重矩阵包括每种所述影响因素数据在预设的电力通信设备的每种运行状态下对应的权重值；

等级匹配模块，用于将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性；

模糊隶属度模块，用于根据每种所述等级属性，确定每种所述影响因素在每个预设的运行状态下的模糊隶属度，得到所述电力通信设备的模糊隶属度矩阵；

运行状态模块，用于将所述模糊隶属度矩阵乘以所述权重矩阵得到评价结果向量，求解所述评价结果向量的平均值得到所述电力通信设备的运行状态；

输出模块，用于输出预设的与所述运行状态对应的预警信息。

上述电力通信设备运行状态的预警方法和系统，获取对电力通信设备运行状态的影响因素数据，将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性，从而将各种影响因素分别进行等级划分，对每一等级分别给出相应的模糊隶属度矩阵；在预设的电力通信设备的运行状态下，获取各种影响因素数据对应不同的运行状态的权重值，得到权重矩阵；最后根据模糊隶属度矩阵和权重矩阵预测电力通信设备的运行状态，实现对电力通信设备运行状态的自动预警，防止电力通信设备出现安全隐患，本发明预警过程大大地减少了工作量，预警结果安全可靠。

附图说明

图1为本发明电力通信设备运行状态的预警方法在一实施例中的流程示意图。

图2为本发明电力通信设备运行状态的预警系统在一实施例中的结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。

如图1所示，为本发明电力通信设备运行状态的预警方法在一实施例中的流程示意图，包括：

S11、获取电力通信设备的运行状态的影响因素数据；

电力通信设备的运行状态为设备运行现状及运维水平的综合等级，在本实施例中，可分为正常、注意、异常、严重四个运行状态，可将运行状态等级计为C＝{1,2,3,4}，分别对应正常、注意、异常、严重4个等级；

正常状态表示设备运行状态及维护水平优良，可以正常运行；

注意状态表示设备运行状态及维护水平良好，存在导致状态劣化的轻微隐患，仍可以继续运行，应加强运行中的监视；

异常状态表示设备运行状态及维护水平中等，存在导致状态劣化的严重隐患，应监视运行，并适时安排技术整改；

严重状态表示设备运行状态及维护水平差，存在导致状态劣化的严重隐患，需要立即安排技术整改；

在本实施例中，所述影响因素数据包括预设的风险数据、备品数据、设备供应数据、历史数据；电力通信设备的运行状态的影响因素，以影响电力通信设备运行状态的各种因素所组成的一个普通集合，U＝[u₁,u₂,u₃,u₄]，其中u₁代表风险情况因素，u₂代表备品情况因素，u₃代表供应情况因素，u₄代表历史情况因素；根据这四种影响因素，获取电力通信设备的四种影响因素数据。

S12、获取权重矩阵，所述权重矩阵包括每种所述影响因素数据在预设的电力通信设备的每种运行状态下对应的权重值；

以电力通信设备的风险情况、设备备品情况、设备供应情况、历史情况作为状态等级的准则层评判因素集，对各因素的影响程度及其重要性赋以相应的权重，定义权重集为A＝[a₁ a₂ a₃ a₄]。权重可通过对影响因素数据相对于设备运行状态的重要性两两比较量化后获得判断矩阵SA＝{a_ij}_4×4，然后计算所述判断矩阵的最大特征向量归一化后作为所述权重集A＝[a₁ a₂ a₃ a₄]。

如下表格是其中一个权重矩阵的实施例：

状态评价	风险情况	备品情况	供应情况	历史情况
					风险情况	1	2	3	4
备品情况	1/2	1	2	3
					供应情况	1/3	1/2	1	2
历史情况	1/4	1/3	1/2	1

求该矩阵最大特征向量，归一化得A=[0.4673 0.2772 0.1601 0.0954]。

S13、将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性；

在一较佳实施例中，所述将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性的步骤包括：

所述预设的等级准则包括风险等级集、备品情况集、设备供应情况集和历史情况集；

所述备品情况集包括的等级属性为有备品和无备品，将所述备品数据与所述备品情况集进行匹配，得到对应的等级属性；

所述设备供应情况集包括的等级属性为停产和在产，将所述设备供应情况集与所述设备供应情况集进行匹配，得到对应的等级属性；

所述历史情况集包括多个质量合格准则，所述质量合格准则包括竣工资料质量、投产验收质量、定检情况、设备运行资料和厂家服务质量，将历史数据与所述质量合格准则进行比较，得到的合格个数作为所述历史数据对应的等级属性；

风险情况按预设的风险大小值分为F个等级，记风险等级集为：R＝[1,2,…,F]，每一等级对应特定的风险程度，当设备的风险在某一等级的风险程度内时，该等级即为设备的风险等级属性；

备品情况分为有备品、无备品两种等级，记备品情况集为S＝[1,2]；

设备供应情况分为停产、在产两种等级，记供应情况集为M＝[1,2]；

历史情况包括多个质量合格准则，为：竣工资料质量、投产验收质量、定检情况、设备运行质量、厂家服务质量，每个质量合格准则分为合格、不合格两种状态。将历史数据与所述质量合格准则进行比较，得到的合格个数作为所述历史数据对应的等级属性，如历史情况可分为3种等级，等级1为质量合格准则全部合格，等级2为质量合格准则中有1项或2项不合格，等级3为子准质量合格准则中有3项及以上不合格。记历史情况集为H＝[1,2,3]。

S14、根据每种所述等级属性，确定每种所述影响因素在每个预设的运行状态下的模糊隶属度，得到所述电力通信设备的模糊隶属度矩阵；

模糊评价是为了确定影响因素集U中每一个因素指标在评语集中的隶属度，建立一个从U到C的模糊关系，从而导出隶属度矩阵R＝（r_ij)_4×4，其中，r_ij表示因素u_i对评语v_j的隶属度；

风险等级为i(i＝1,2,…,F)时，该风险等级对状态等级集的模糊隶属度矩阵为R_i＝[r_i1 r_i2 r_i3 r_i4]，其中r_in（n＝1,2,3,4)为大于等于0的实数，且各元素之和为1，代表对状态等级集C＝{1,2,3,4}中各元素的倾向度，r_in越大，代表越倾向于相应的状态等级。

如6个风险等级的风险情况隶属度可为：

R₁＝[0 0 0 1]

R₂＝[0 0 0.2 0.8]

R₃＝[0 0.3 0.6 0.1]

R₄＝[0.3 0.6 0.1 0]

R₅＝[0.7 0.3 0 0]

R₆＝[1 0 0 0]。

备品情况等级为j(j＝1,2)时，该备品情况等级对状态等级集的模糊隶属度矩阵为S_j＝[s_j1 s_j2 s_j3 s_j4],其中s_jn（n＝1,2,3,4)为大于等于0的实数，且各元素之和为1，代表对状态等级集C＝{1,2,3,4}中各元素的倾向度，s_jn越大，代表越倾向于相应的状态等级。

如备品情况隶属度可为：

S₁＝[1 0 0 0]

S₂＝[0 0 0.2 0.8]。

供应情况等级为k(k＝1,2)时，该供应情况等级对状态等级集的模糊隶属度矩阵为M_k＝[m_k1 m_k2 m_k3 m_k4]，其中m_kn（n＝1,2,3,4)为大于等于0的实数，且各元素之和为1，代表对状态等级集C＝{1,2,3,4}中各元素的倾向度，m_kn越大，代表越倾向于相应的状态等级。

如供应情况隶属度可为：

M₁＝[1 0 0 0]

M₂＝[0 0 0.2 0.8]

历史情况等级为l(l＝1,2,3)时，该备品情况等级对状态等级集的模糊隶属度矩阵为H_l＝[h_l1 h_l2 h_l3 h_l4],其中h_ln（n＝1,2,3,4)为大于等于0的实数，且各元素之和为1，代表对状态等级集C＝{1,2,3,4}中各元素的倾向度，h_ln越大，代表越倾向于相应的状态等级。

如历史情况隶属度可为：

H₁＝[1 0 0 0]

H₂＝[0 0.8 0.2 0]

H₃＝[0 0 0.2 0.8]

最后得到的模糊隶属度矩阵为：

$R_{\mathrm{ijkl}}=\left[\begin{array}{c}{R}_i\\ S_j\\ M_k\\ H_l\end{array}\right]=\left[\begin{array}{cccc}{r}_{i1}& r_{i2}& r_{i3}& r_{i4}\\ s_{j1}& s_{j2}& s_{j3}& s_{j4}\\ m_{k1}& m_{k2}& m_{k3}& m_{k4}\\ h_{l1}& h_{l2}& h_{l3}& h_{l4}\end{array}\right];$

其中，设备的风险等级为i，备品情况等级为j，供应情况等级为k，历史情况等级为l。

S15、将所述模糊隶属度矩阵乘以所述权重矩阵得到评价结果向量，求解所述评价结果向量的平均值得到所述电力通信的运行状态；

计算 $B_{\mathrm{ijkl}}={\mathrm{AR}}_{\mathrm{ijkl}}=\left[\begin{array}{cccc}{a}_1& a_2& a_3& a_4\end{array}\right]\left[\begin{array}{cccc}{r}_{i1}& r_{i2}& r_{i3}& r_{i4}\\ s_{j1}& s_{j2}& s_{j3}& s_{j4}\\ m_{k1}& m_{k2}& m_{k3}& m_{k4}\\ h_{l1}& h_{l2}& h_{l3}& h_{l4}\end{array}\right]$

$=\left[\begin{array}{cccc}{b}_1& b_2& b_3& b_4\end{array}\right]$

其中B_ijkl为评价结果向量，对该向量求解平均值，根据该值与设备的运行状态等级C＝{1,2,3,4}进行比较，得到该电力通信设备的运行状态。

在一较佳实施例中，所述求解所述评价结果向量的平均值得到所述电力通信的运行状态的步骤为：

根据公式对所述评价结果向量进行加权平均，当|W-n|≤0.5时，电力通信设备的运行状态为n对应的运行状态；

其中，b_i为所述评价结果向量；n为所述运行状态对应的预设值，n＝1,2,3,4，分别对应正常状态、注意状态、异常状态、严重状态。

对设备评价结果向量B_ijkl采用加权平均，即令则当|W-n|≤0.5时（n＝1,2,3,4），设备的状态等级即为状态评价集中的第n类等级。

S16、输出预设的与所述运行状态对应的预警信息；

得到电力通信设备的运行状态，根据预设的对应的预警信息，输出预警信息，实现对电力通信设备的运行状态的实时预警。

对应地，本发明还提供一种电力通信设备运行状态的预警系统，如图2所示，包括：

影响因素模块21，用于获取电力通信设备的运行状态的多种影响因素数据；

电力通信设备的运行状态为设备运行现状及运维水平的综合等级，在本实施例中，可分为正常、注意、异常、严重四个运行状态，可将运行状态等级计为C＝{1,2,3,4}，分别对应正常、注意、异常、严重4个等级；

正常状态表示设备运行状态及维护水平优良，可以正常运行；

注意状态表示设备运行状态及维护水平良好，存在导致状态劣化的轻微隐患，仍可以继续运行，应加强运行中的监视；

异常状态表示设备运行状态及维护水平中等，存在导致状态劣化的严重隐患，应监视运行，并适时安排技术整改；

严重状态表示设备运行状态及维护水平差，存在导致状态劣化的严重隐患，需要立即安排技术整改；

在本实施例中，所述影响因素数据包括预设的风险数据、备品数据、设备供应数据、历史数据；电力通信设备的运行状态的影响因素，以影响电力通信设备运行状态的各种因素所组成的一个普通集合，U＝[u₁,u₂,u₃,u₄]，其中u₁代表风险情况因素，u₂代表备品情况因素，u₃代表供应情况因素，u₄代表历史情况因素；根据这四种影响因素，获取电力通信设备的四种影响因素数据。

权重模块22，用于获取权重矩阵，所述权重矩阵包括每种所述影响因素数据在预设的电力通信设备的每种运行状态下对应的权重值；

以电力通信设备的风险情况、设备备品情况、设备供应情况、历史情况作为状态等级的准则层评判因素集，对各因素的影响程度及其重要性赋以相应的权重，定义权重集为A＝[a₁ a₂ a₃ a₄]。权重可通过对影响因素数据相对于设备运行状态的重要性两两比较量化后获得判断矩阵SA＝{a_ij}_4×4，然后计算所述判断矩阵的最大特征向量归一化后作为所述权重集A＝[a₁ a₂ a₃ a₄]。

等级匹配模块23，用于将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性；

在一较佳实施例中，所述等级匹配模块23中的所述预设的等级准则包括风险等级集、备品情况集、设备供应情况集和历史情况集；

所述备品情况集包括的等级属性为有备品和无备品，将所述备品数据与所述备品情况集进行匹配，得到对应的等级属性；

所述设备供应情况集包括的等级属性为停产和在产，将所述设备供应情况集与所述设备供应情况集进行匹配，得到对应的等级属性；

所述历史情况集包括多个质量合格准则，所述质量合格准则包括竣工资料质量、投产验收质量、定检情况、设备运行资料和厂家服务质量，将历史数据与所述质量合格准则进行比较，得到的合格个数作为所述历史数据对应的等级属性；

风险情况按风险的大小分为F个等级，记风险等级集为R＝[1,2,…,F]，每一等级对应特定的风险程度，当设备的风险在某一等级的风险程度内时，该等级即为设备的风险等级属性；

备品情况分为有备品、无备品两种等级，记备品情况集为S＝[1,2]；

设备供应情况分为停产、在产两种等级，记供应情况集为M＝[1,2]；

历史情况包括多个质量合格准则，为：竣工资料质量、投产验收质量、定检情况、设备运行质量、厂家服务质量，每个质量合格准则分为合格、不合格两种状态。将历史数据与所述质量合格准则进行比较，得到的合格个数作为所述历史数据对应的等级属性，如历史情况可分为3种等级，等级1为质量合格准则全部合格，等级2为质量合格准则中有1项或2项不合格，等级3为子准质量合格准则中有3项及以上不合格。记历史情况集为H＝[1,2,3]。

模糊隶属度模块24，用于根据每种所述等级属性，确定每种所述影响因素在每个预设的运行状态下的模糊隶属度，得到所述电力通信设备的模糊隶属度矩阵；

模糊评价是为了确定影响因素集U中每一个因素指标在评语集中的隶属度，建立一个从U到C的模糊关系，从而导出隶属度矩阵R＝（r_ij)_4×4，其中，r_ij表示因素u_i对评语v_j的隶属度；

风险等级为i(i＝1,2,…,F)时，该风险等级对状态等级集的模糊隶属度矩阵为R_i＝[r_i1 r_i2 r_i3 r_i4]，其中r_in（n＝1,2,3,4)为大于等于0的实数，且各元素之和为1，代表对状态等级集C＝{1,2,3,4}中各元素的倾向度，r_in越大，代表越倾向于相应的状态等级。

运行状态模块25，用于将所述模糊隶属度矩阵乘以所述权重矩阵得到评价结果向量，求解所述评价结果向量的平均值得到所述电力通信设备的运行状态；

计算 $B_{\mathrm{ijkl}}={\mathrm{AR}}_{\mathrm{ijkl}}=\left[\begin{array}{cccc}{a}_1& a_2& a_3& a_4\end{array}\right]\left[\begin{array}{cccc}{r}_{i1}& r_{i2}& r_{i3}& r_{i4}\\ s_{j1}& s_{j2}& s_{j3}& s_{j4}\\ m_{k1}& m_{k2}& m_{k3}& m_{k4}\\ h_{l1}& h_{l2}& h_{l3}& h_{l4}\end{array}\right]$

$=\left[\begin{array}{cccc}{b}_1& b_2& b_3& b_4\end{array}\right]$

其中B_ijkl为评价结果向量，对该向量求解平均值，根据该值与设备的运行状态等级C＝{1,2,3,4}进行比较，得到该电力通信设备的运行状态。

在一较佳实施例中，所述运行状态模块还用于：

根据公式对所述评价结果向量进行加权平均，当|W-n|≤0.5时，电力通信设备的运行状态为n对应的运行状态；

其中，b_i为所述评价结果向量；n为所述运行状态对应的预设值，n＝1,2,3,4，分别对应正常状态、注意状态、异常状态、严重状态。

对设备评价结果向量B_ijkl采用加权平均，即令则当|W-n|≤0.5时（n＝1,2,3,4），设备的状态等级即为状态评价集中的第n类等级。

输出模块26，用于输出预设的与所述运行状态对应的预警信息。

得到电力通信设备的运行状态，根据预设的对应的预警信息，输出预警信息，实现对电力通信设备的运行状态的实时预警。

本发明电力通信设备运行状态的预警方法和系统，获取对电力通信设备运行状态的影响因素数据，包括风险数据、备品数据、设备供应数据、历史数据四种因素，这四种因素相互间有较好的独立性，而且能较直观地反映设备提供业务服务的能力；将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性，从而将各种影响因素分别进行等级划分，对每一等级分别给出相应的模糊隶属度矩阵；在预设的电力通信设备的运行状态下，获取各种影响因素数据对应不同的运行状态的权重值，得到权重矩阵；最后根据模糊隶属度矩阵和权重矩阵预测电力通信设备的运行状态，实现对电力通信设备运行状态的自动预警，防止电力通信设备出现安全隐患，本发明预警过程大大地减少了工作量，预警结果安全可靠。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电力通信设备运行状态的预警方法，其特征在于，包括如下步骤：

获取电力通信设备的运行状态的多种影响因素数据；

获取权重矩阵，所述权重矩阵包括每种所述影响因素数据在预设的电力通信设备的每种运行状态下对应的权重值；

将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性；

根据每种所述等级属性，确定每种所述影响因素在每个预设的运行状态下的模糊隶属度，得到所述电力通信设备的模糊隶属度矩阵；

将所述模糊隶属度矩阵乘以所述权重矩阵得到评价结果向量，求解所述评价结果向量的平均值得到所述电力通信设备的运行状态；

输出预设的与所述运行状态对应的预警信息。

2.根据权利要求1所述的电力通信设备运行状态的预警方法，其特征在于，所述影响因素数据包括风险数据、备品数据、设备供应数据、历史数据。

3.根据权利要求2所述的电力通信设备运行状态的预警方法，其特征在于，所述电力通信设备的运行状态包括正常状态、注意状态、异常状态、严重状态。

4.根据权利要求3所述的电力通信设备运行状态的预警方法，其特征在于，所述将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性的步骤包括：

所述预设的等级准则包括风险等级集、备品情况集、设备供应情况集和历史情况集；

所述备品情况集包括的等级属性为有备品和无备品，将所述备品数据与所述备品情况集进行匹配，得到对应的等级属性；

所述设备供应情况集包括的等级属性为停产和在产，将所述设备供应情况集与所述设备供应情况集进行匹配，得到对应的等级属性；

所述历史情况集包括多个质量合格准则，所述质量合格准则包括竣工资料质量、投产验收质量、定检情况、设备运行质量和厂家服务质量，将历史数据与所述质量合格准则进行比较，得到的合格个数作为所述历史数据对应的等级属性。

5.根据权利要求4所述的电力通信设备运行状态的预警方法，其特征在于，所述求解所述评价结果向量的平均值得到所述电力通信的运行状态的步骤为：

根据公式对所述评价结果向量进行加权平均，当|W-n|≤0.5时，电力通信设备的运行状态为n对应的运行状态；

其中，b_i为所述评价结果向量；n为所述运行状态对应的预设值，n＝1,2,3,4，分别对应正常状态、注意状态、异常状态、严重状态。

6.一种电力通信设备运行状态的预警系统，其特征在于，包括：

影响因素模块，用于获取电力通信设备的运行状态的多种影响因素数据；

权重模块，用于获取权重矩阵，所述权重矩阵包括每种所述影响因素数据在预设的电力通信设备的每种运行状态下对应的权重值；

等级匹配模块，用于将每种所述影响因素数据与预设的等级准则进行匹配，确定所述电力通信设备中每种所述影响因素数据对应的等级属性；

模糊隶属度模块，用于根据每种所述等级属性，确定每种所述影响因素在每个预设的运行状态下的模糊隶属度，得到所述电力通信设备的模糊隶属度矩阵；

运行状态模块，用于将所述模糊隶属度矩阵乘以所述权重矩阵得到评价结果向量，求解所述评价结果向量的平均值得到所述电力通信设备的运行状态；

输出模块，用于输出预设的与所述运行状态对应的预警信息。

7.根据权利要求6所述的电力通信设备运行状态的预警系统，其特征在于，所述影响因素数据包括预设的风险数据、备品数据、设备供应数据、历史数据。

8.根据权利要求7所述的电力通信设备运行状态的预警系统，其特征在于，所述电力通信设备的运行状态包括正常状态、注意状态、异常状态、严重状态。

9.根据权利要求8所述的电力通信设备运行状态的预警系统，其特征在于，所述等级匹配模块中的所述预设的等级准则包括风险等级集、备品情况集、设备供应情况集和历史情况集；

所述备品情况集包括的等级属性为有备品和无备品，将所述备品数据与所述备品情况集进行匹配，得到对应的等级属性；

所述设备供应情况集包括的等级属性为停产和在产，将所述设备供应情况集与所述设备供应情况集进行匹配，得到对应的等级属性；

所述历史情况集包括多个质量合格准则，所述质量合格准则包括竣工资料质量、投产验收质量、定检情况、设备运行质量和厂家服务质量，将历史数据与所述质量合格准则进行比较，得到的合格个数作为所述历史数据对应的等级属性。

10.根据权利要求9所述的电力通信设备运行状态的预警系统，其特征在于，所述运行状态模块用于：

根据公式对所述评价结果向量进行加权平均，当|W-n|≤0.5时，电力通信设备的运行状态为n对应的运行状态；

其中，b_i为所述评价结果向量；n为所述运行状态对应的预设值，n＝1,2,3,4，分别对应正常状态、注意状态、异常状态、严重状态。