CN103618638A - 评估电力通信网检修方案的方法 - Google Patents

Abstract

一种评估电力通信网检修方案的方法。其包括：提出各项评估指标、指标参数降维、评估学习和输出评估结果等阶段。本发明提供的评估电力通信网检修方案的方法首先提出了评估电力通信网检修方案的指标体系，之后对该指标体系进行主成分分析，提出了关键指标，最后通过关键指标建立决策树模型，该模型可对检修方案进行合理评估。本发明能够减少评估中的比较次数，简化了评估过程，有利于建立检修方案知识库。

Description

评估电力通信网检修方案的方法

技术领域

本发明属于输变电控制技术领域，特别是涉及一种评估电力通信网检修方案的方法。 

背景技术

电力通信网是电力系统的第二张实体网络，是电网智能化的重要组成部分，其安全性与可靠性直接影响到电网运行的稳定性。不同的地域条件，天气情况，网络拓扑和一些其他的因素都会对电力通信网业务产生不同的影响，定期对电力通信网进行检修会减小这些因素对电力通信网业务的影响。在对电力通信网进行检修前，必须做好充分的准备工作，制定完备的检修方案，确保在检修期间，电力通信网的各项业务不会受到影响。一个良好的检修方案会使得检修过程中电力通信网的运行更为安全可靠。因此，对电力通信网的检修方案进行评估是必要的。为了解现有技术的发展状况，对已有专利进行了检索，比较、分析，筛选出如下与本发明申请相关度较高的专利信息： 

1.一种核电站设备故障检修的方法和系统（申请号：201210228392.8），该发明公开了属于核电设备自动控制、检测技术领域的一种核电站设备故障检修的方法和系统，该系统包括故障检修系统、故障知识库、设备状态显示终端和核电机器人。故障检修系统对核电站设备进行实时监测，分析各设备的运行状态；核电机器人对核电站内的设备进行巡查，它通过读取与每个设备一一对应的终端上所显示的信息来判断其对应设备是否正常。当机器人捕获到故障信息时，机器人依据故障信息中所提供的检修方案对故障 设备进行检修操作。该发明以集中式的系统管理各核电站设备，因而具有鲁棒性强，核电机器人的设计更加简单，任务调配灵活准确等优点。 

2.在线故障检修系统及方法（申请号：201110373993.3），该发明提供在线故障检修系统及检修方法。该系统包括故障采集模块、知识库以及检修指导模块。故障采集模块采集检修对象产生的故障代码。知识库储存有故障代码及相对应的检修方案。检修指导模块根据从该故障采集模块采集的故障代码中选取的一个故障代码从该知识库中调用相对应的检修方案以提供故障检修指导，并在检修方案所指导的检修完成后进行检修结果判断以决定是否需要针对该选取的故障代码提供进一步检修方案。利用上述检修系统进行检修时，可实时读取检修对象产生的故障代码，并通过检修指导模块在线实时指导检修对象检修、进行检修结果的判断，提高了检修效率。 

上述第一篇专利申请公开了一种核电站设备故障检修的方法和系统，对核电站设备进行实时监测，分析各设备的运行状态；核电机器人在核电站内的设备进行巡查，它通过读取与每个设备一一对应的终端上所显示的信息来判断其对应设备是否正常。当机器人捕获到故障信息时，机器人依据故障信息中所提供的检修方案对故障设备进行检修操作。但是这种方法只能对发生故障时的设备进行检修，基于的是知识库中的检修方案，而对这些方案是否合理没有进行有效的评估，会造成当方案不合理时，产生次生故障等危害。 

上述第二篇专利申请公开了一种在线故障检修系统及方法。故障采集模块采集检修对象产生的故障代码。知识库储存有故障代码及相对应的检修方案。检修指导模块根据从该故障采集模块采集的 故障代码中选取的一个故障代码从该知识库中调用相对应的检修方案以提供故障检修指导，并在检修方案所指导的检修完成后进行检修结果判断以决定是否需要针对该选取的故障代码提供进一步检修方案。这种方法较第一篇专利有了很大改进，添加了反馈功能可以使得检修方案更加完善。缺点在于并没有完全给出检修方案的指标体系，也没有给出具体的检修方案评估方法，在反馈时显得过于主观臆断。 

发明内容

为了解决上述问题，本发明的目的在于提供一种评估电力通信网检修方案的方法。 

为了达到上述目的，本发明提供的评估电力通信网检修方案的方法包括按顺序进行的下列步骤： 

步骤一：提出各项评估指标的S01阶段：首先提出电力通信网检修方案的p项评估指标，也称维数； 

步骤二：指标参数降维的S02阶段：本阶段使用主成分分析法，对上述提出的p项评估指标进行指标参数降维，最终得到n项关键评估指标，其中n的取值由累计贡献率阈值K决定，K由用户输入决定； 

步骤三：评估学习的S03阶段： 

本阶段通过n项关键评估指标建立决策树模型，采用C4.5决策树模型，n项关键评估指标的每个变量选取信息增益率最高者作为当前选择属性，之后再从剩下的属性中继续挑选信息增益率最高者，直到决策树建立完毕； 

步骤四：输出评估结果的S04阶段： 

使用训练完毕的决策树对电力通信网检修方案进行评估，即从 根节点属性取值依次到达叶子节点，得到方案是否合理的结论；当叶子节点显示评估结果为不合理时，输出与该不合理叶子节点最近的合理节点以供用户参考。 

在S02阶段中，所述的指标参数降维方法所使用的主成分分析法分析过程包括按顺序进行的下列步骤： 

步骤一、指标数值归一化的S201阶段： 

首先对各项评估指标的数值进行归一化处理，每项评估指标中，最大值记为Max，最小值记为Min，则归一化后，评估指标中的各个数据i变为： 

$i=\frac{\mathrm{Max}-i}{\mathrm{Max}-\mathrm{Min}}$

之后，评估指标中的每个数据都为0-1之间的浮点数； 

步骤二、计算各评估指标数值平均值的S202阶段； 

之后计算各项评估指标对应数值的平均值： 

$\stackrel{\‾}{x_i}=\frac{1}{t}\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{x}_{\mathrm{ti}}$

其中t为训练集样本数目，

为第i项评估指标的平均值，x_ti为第t组数据的第i项评估指标； 

步骤三、计算协方差矩阵的S203阶段： 

随后计算协方差矩阵其中p为维数： 

$s_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{t}{\mathrm{\Σ}}}(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}{\sqrt{\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})}^2\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}^2}}$

其中，x_ki表示第k组数据的第i项评估指标，而各项评估指标平均值已由步骤二得出； 

步骤四、计算矩阵特征值及特征向量的S204阶段： 

之后求出协方差矩阵的特征值λ_i及对应的特征向量a_i；∑的前m个较大的特征值λ₁≥λ₂≥K≥λ_m≥0就是前m个主成分对应的方差，对应的单位特征向量就是主成分Fi上的载荷系数，则原变量的第i个主成分Fi为： 

$F_i=a_i^T{X}_i$

主成分的信息贡献率用来反映信息量的大小，为： 

${\∂}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i;$

步骤五、输出主成分的S205阶段： 

最终要选择几个主成分，即F1,F2…Fm中m的确定是通过方差累积贡献率G(m)来确定，为： 

$G\left(m\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\λ}}_k$

当累积贡献率大于用户输入阈值K时，就人为足够反映原始变量的信息，对应的m即为抽取的前m个主成分；用户能够通过需要的主成分数量来调整阈值K的大小。 

本发明提供的评估电力通信网检修方案的方法首先提出了评估电力通信网检修方案的指标体系，之后对该指标体系进行主成分分析，提出了关键指标，最后通过关键指标建立决策树模型，该模型可对检修方案进行合理评估。本发明能够减少评估中的比较次数，简化了评估过程，有利于建立检修方案知识库。 

本发明提供的评估电力通信网检修方案的方法，根据天气情况、地理条件、网络拓扑、业务分布、人员配备等因素建立一套完备的电力通信网检修方案的指标体系；根据提出的指标体系和已有的检修方案评估结果，提出关键指标；根据关键指标建立模型，并 通过已有的检修方案评估结果进行学习，最终给出评估方法。 

附图说明

图1为本发明提供的评估电力通信网检修方案的方法的结构示意图。 

图2为本发明提供的评估电力通信网检修方案的方法的S02阶段中指标参数降维方法流程图。 

具体实施方式

下面结合附图和具体实施例对本发明提供的评估电力通信网检修方案的方法进行详细说明。 

如图1所示，本发明提供的评估电力通信网检修方案的方法包括按顺序进行的下列步骤： 

步骤一：提出各项评估指标的S01阶段： 

首先提出电力通信网检修方案的p项评估指标，也称维数，包括： 

（1）检修时的温度：取值范围为-20—50，数值代表温度值，小于-20按-20取值，大于50按50取值。该指标一般由天气预报产生； 

（2）检修时的湿度：取值范围为0-100，数值代表湿度值。该指标一般由天气预报产生； 

（3）检修时的风力大小：取值范围为0-12，0代表无风，12代表12级风及以上。该指标一般由天气预报产生； 

（4）检修时的下雨情况：取值范围为0-4，0代表无雨，1代表小雨，2代表中雨，3代表大到暴雨。该指标一般由天气预报产生； 

（5）检修时的下雪情况：取值范围为0-4，0代表无雪，1代表小雪，2代表中雪，3代表大到暴雪。该指标一般由天气预报产生； 

（6）检修点的地理情况：取值范围为0-2，0代表地势平坦，1代表崎岖丘陵，2代表高山大河； 

（7）检修开始时间：取值范围为0-24，浮点数值，表示检修开始的时间； 

（8）检修预计持续时间：取值范围为0-不限，浮点数值，以小时为单位，表示预计检修持续时间； 

（9）参与人员数量：取值范围1-不限，表示参与检修工作的人员数量； 

（10）参与人员平均工作年限：取值范围0-40，浮点数值，表示参与检修工作的人员的平均工作年限； 

（11）参与人员和谐程度：取值范围为0或者1。0代表参与检修的人员关系不和谐，1代表参与检修人员关系和谐； 

（12）检修点承载业务数量：取值范围为0-不限，表示检修点上承载的电力通信网业务数量； 

（13）检修点承载业务平均重要度：赋值范围为1-5，浮点数值，表示检修点上承载的电力通信网业务的平均重要度； 

（14）是否为业务分配新的保护路径：取值范围为1或0，表示是否为检修点上承载的业务分配新的保护路径； 

（15）是否将重要度大于a的业务分配到割边、割点上：取值范围为1或0，表示是否将重要度大于a的业务分配到网络拓扑上的割边、割点上； 

所述的a的取值可人工指定。一般来说，a可选择重要度最高的数，也就是1。 

（16）去除检修点后增加的割边数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割边数量； 

（17）去除检修点后增加的割点数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割点数量； 

步骤二：指标参数降维的S02阶段： 

由于在S01阶段中提出的p项评估指标（本发明为17项）过于庞大繁琐，有些评估指标在评估电力通信网检修方案时并不显得重要，本阶段使用主成分分析法，对上述提出的p项评估指标进行指标参数降维，最终得到n项关键评估指标，用于对电力通信网检修方案进行评估。其中n的取值由累计贡献率阈值K决定，K由用户输入决定。 

步骤三：评估学习的S03阶段： 

本阶段通过n项关键评估指标建立决策树模型，学习数据由专家给出。这些数据即为重要的n项关键评估指标取值以及最终的方案是否合理。采用C4.5决策树模型，n项关键评估指标的每个变量选取信息增益率最高者作为当前选择属性，之后再从剩下的属性中继续挑选信息增益率最高者，直到决策树建立完毕。采用C4.5决策树模型，可处理连续数值属性，使用后剪枝方法避免过拟合。另外，C4.5决策是目前很成熟的模型，因此这里不再赘述。 

步骤四：输出评估结果的S04阶段： 

使用训练完毕的决策树对电力通信网检修方案进行评估。即从根节点属性取值依次到达叶子节点，得到方案是否合理的结论。当叶子节点显示评估结果为不合理时，输出与该不合理叶子节点最近的合理节点以供用户参考。 

在S02阶段中，所述的指标参数降维方法使用主成分分析法，其过程如图2所示，包括按顺序进行的下列步骤： 

步骤一、指标数值归一化的S201阶段： 

首先对各项评估指标的数值进行归一化处理。每项评估指标中，最大值记为Max，最小值记为Min。则归一化后，评估指标中的 各个数据i变为： 

$i=\frac{\mathrm{Max}-i}{\mathrm{Max}-\mathrm{Min}}$

之后，评估指标中的每个数据都为0-1之间的浮点数。本阶段是为步骤三计算协方差矩阵做准备； 

步骤二、计算各评估指标数值平均值的S202阶段； 

之后计算各项评估指标对应数值的平均值： 

$\stackrel{\‾}{x_i}=\frac{1}{t}\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{x}_{\mathrm{ti}}$

其中t为训练集样本数目，

为第i项评估指标的平均值，x_ti为第t组数据的第i项评估指标。本阶段是为步骤三计算协方差矩阵做准备； 

步骤三、计算协方差矩阵的S203阶段： 

随后计算协方差矩阵

其中p为维数，本发明中p为17。 

$s_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{t}{\mathrm{\Σ}}}(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}{\sqrt{\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})}^2\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}^2}}$

其中，x_ki表示第k组数据的第i项评估指标，而各项评估指标平均值已由步骤二得出。协方差每一项数据s_ij的大小，可以反应出第i项评估指标与第j项评估指标的关联程度。协方差矩阵主要表示各项评估指标之间的关联程度，为步骤四、五找到主成分做准备； 

步骤四、计算矩阵特征值及特征向量的S204阶段： 

之后求出协方差矩阵的特征值λ_i及对应的特征向量a_i。∑的前m个较大的特征值λ₁≥λ₂≥K≥λ_m≥0就是前m个主成分对应的方差，对应的单位特征向量就是主成分Fi上的载荷系数，则原变量的第i个主成分Fi为： 

$F_i=a_i^T{X}_i$

主成分的信息贡献率用来反映信息量的大小，为： 

${\∂}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i$

每项成分的信息贡献率决定了其重要度，信息贡献率越大的成分越重要； 

步骤五、输出主成分的S205阶段： 

最终要选择几个主成分，即F1,F2…Fm中m的确定是通过方差累积贡献率G(m)来确定，为： 

$G\left(m\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\λ}}_k$

当累积贡献率大于用户输入阈值K时，就人为足够反映原始变量的信息，对应的m即为抽取的前m个主成分；用户可以通过需要的主成分数量来调整阈值K的大小。 

Claims (2)

1.一种评估电力通信网检修方案的方法，其特征在于：所述的方法包括按顺序进行的下列步骤：

步骤一：提出各项评估指标的S01阶段：首先提出电力通信网检修方案的p项评估指标，也称维数；

步骤二：指标参数降维的S02阶段：本阶段使用主成分分析法，对上述提出的p项评估指标进行指标参数降维，最终得到n项关键评估指标，其中n的取值由累计贡献率阈值K决定，K由用户输入决定；

步骤三：评估学习的S03阶段：

本阶段通过n项关键评估指标建立决策树模型，采用C4.5决策树模型，n项关键评估指标的每个变量选取信息增益率最高者作为当前选择属性，之后再从剩下的属性中继续挑选信息增益率最高者，直到决策树建立完毕；

步骤四：输出评估结果的S04阶段：

使用训练完毕的决策树对电力通信网检修方案进行评估，即从根节点属性取值依次到达叶子节点，得到方案是否合理的结论；当叶子节点显示评估结果为不合理时，输出与该不合理叶子节点最近的合理节点以供用户参考。

2.根据权利要求1所述的评估电力通信网检修方案的方法，其特征在于：在S02阶段中，所述的指标参数降维方法所使用的主成分分析法分析过程包括按顺序进行的下列步骤：

步骤一、指标数值归一化的S201阶段：

首先对各项评估指标的数值进行归一化处理，每项评估指标中，最大值记为Max，最小值记为Min，则归一化后，评估指标中的各个数据i变为：

$i=\frac{\mathrm{Max}-i}{\mathrm{Max}-\mathrm{Min}}$

之后，评估指标中的每个数据都为0-1之间的浮点数；

步骤二、计算各评估指标数值平均值的S202阶段；

之后计算各项评估指标对应数值的平均值：

$\stackrel{\‾}{x_i}=\frac{1}{t}\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{x}_{\mathrm{ti}}$

其中t为训练集样本数目，

为第i项评估指标的平均值，x_ti为第t组数据的第i项评估指标；

步骤三、计算协方差矩阵的S203阶段：

随后计算协方差矩阵

其中p为维数：

$s_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{t}{\mathrm{\Σ}}}(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}{\sqrt{\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})}^2\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}^2}}$

其中，x_ki表示第k组数据的第i项评估指标，而各项评估指标平均值已由步骤二得出；

步骤四、计算矩阵特征值及特征向量的S204阶段：

之后求出协方差矩阵的特征值λ_i及对应的特征向量a_i；∑的前m个较大的特征值λ₁≥λ₂≥K≥λ_m≥0就是前m个主成分对应的方差，对应的单位特征向量就是主成分Fi上的载荷系数，则原变量的第i个主成分Fi为：

$F_i=a_i^T{X}_i$

主成分的信息贡献率用来反映信息量的大小，为：

${\∂}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i;$

步骤五、输出主成分的S205阶段：

最终要选择几个主成分，即F1,F2…Fm中m的确定是通过方差累积贡献率G(m)来确定，为：

$G\left(m\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\λ}}_k$

当累积贡献率大于用户输入阈值K时，就人为足够反映原始变量的信息，对应的m即为抽取的前m个主成分；用户能够通过需要的主成分数量来调整阈值K的大小。

Images