CN103745415A - 基于层次分析的电网运行状态指标的评估方法及系统 - Google Patents

Abstract

本发明提供一种基于层次分析的电网运行状态指标的评估方法，包括：指标模型建立步骤，根据各电网运行状态指标的属性，建立多层结构的指标体系模型，该指标体系模型包括具有一个指标的目标层、从属于该目标层并具有至少一个指标的至少一级内容层；权重向量计算步骤，对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重；指标特征获得步骤，根据所述权重向量计算该指标的特征值。本发明还公开了相应的基于层次分析的电网运行状态指标的评估系统。本发明可简化电网运行状态指标体系的设计和构建，并为其提供准确的数据。

Description

基于层次分析的电网运行状态指标的评估方法及系统

技术领域

本发明涉及电力调度自动化领域，尤其涉及一种基于层次分析的电网运行状态指标的评估方法及系统。

背景技术

近年来，随着经济社会的快速发展，电网规模快速扩大。同时，各种自然灾害、复杂故障等为电网在极端情况下的安全稳定运行带来了极大的挑战。在此背景下，研究并建立科学、客观的电网运行状态指标体系，对推进电网科学发展，提高电网管理水平具有重要意义。

南方电网提出的一体化电网运行智能系统（Operation Smart System，OSS）及其电力系统运行驾驶舱模块（Power system Operation Cockpit，POC）是对电网运行状态指标体系的重要应用，其目的是深入分析电网运行特征，真实反映电网运行状态，进而提高运行人员对电网的操控能力。

电网运行状态指标数量众多，如何建立合理的指标体系、分配相关指标权重，是一直困扰研究人员的重要问题。

发明内容

本发明所要解决的技术问题是，提供一种基于层次分析的电网运行状态指标的评估方法，该方法可简化电网运行状态指标体系的设计和构建，并为其提供准确的数据。

本发明进一步所要解决的技术问题是，提供一种基于层次分析的电网运行状态指标的评估系统，该系统可简化电网运行状态指标体系的设计和构建，并为其提供准确的数据。

为了解决上述技术问题，本发明公开了以下技术方案：

一种基于层次分析的电网运行状态指标的评估方法，包括以下步骤：

指标模型建立步骤，根据各电网运行状态指标的属性，建立多层结构的指标体系模型，该指标体系模型包括具有一个指标的目标层、从属于该目标层并具有至少一个指标的至少一级内容层；

权重向量计算步骤，对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重向量；

指标特征计算步骤，根据所述权重向量计算该指标的特征值。

优选地，所述指标体系模型还包括有从属于所述目标层和内容层之间并具有至少一个指标的至少一级中间层。

优选地，所述权重向量计算步骤包括：

判断矩阵构造步骤，对所述指标体系模型中的每个指标构造对从属于该指标的下一层指标进行两两比较的判断矩阵；

一致性检验步骤，分析所述判断矩阵是否符合预设的一致性条件，若是，则保留该判断矩阵对应的指标数据，否则，丢弃该指标数据；

向量值计算步骤，计算经一致性检验后保留的判断矩阵的特征向量及该判断矩阵中每个元素的权重向量。

优选地，所述一致性检验步骤包括：

一致性比率计算步骤，计算该判断矩阵的最大特征值，并根据该最大特征值与该判断矩阵维数的差值计算该判断矩阵的随机一致性比率；

一致性阈值判断步骤，判断所述随机一致性比率是否大于预设的随机一致性阈值，若是，则执行下述非一致性矩阵处理步骤，否则，执行所述向量值计算步骤；

非一致性矩阵处理步骤，对该判断矩阵对应的指标数据进行调整修正或者丢弃该指标数据。

优选地，所述向量值计算步骤包括：

元素积计算步骤，计算该判断矩阵的每一行元素的乘积；

元素积求根步骤，计算所述乘积的n次方根，得到向量值，其中，n是该判断矩阵的维数；

向量标准化步骤，将所述向量值标准化，得到该判断矩阵的特征向量，该特征向量也是该判断矩阵对应的指标的下一层中各指标的权重向量。

相应地，本发明还公开了一种基于层次分析的电网运行状态指标的评估系统，包括有：

指标模型建立单元，用于根据各电网运行状态指标的属性，建立多层结构的指标体系模型，该指标体系模型包括具有一个指标的目标层、从属于该目标层并具有至少一个指标的至少一级内容层；

权重向量计算单元，用于对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重向量；

指标特征计算单元，用于根据所述权重向量计算该指标的特征值。

优选地，所述指标体系模型还包括有从属于所述目标层和内容层之间并具有至少一个指标的至少一级中间层。

优选地，所述权重向量计算单元包括：

判断矩阵构造单元，用于对所述指标体系模型中的每个指标构造对从属于该指标的下一层指标进行两两比较的判断矩阵；

一致性检验单元，用于分析所述判断矩阵是否符合预设的一致性条件，若是，则保留该判断矩阵对应的指标数据，否则，丢弃该指标数据；

向量值计算单元，用于计算经一致性检验后保留的判断矩阵的特征向量及该判断矩阵中每个元素的权重向量。

优选地，所述一致性检验单元包括：

一致性比率计算单元，用于计算该判断矩阵的最大特征值，并根据该最大特征值与该判断矩阵维数的差值计算该判断矩阵的随机一致性比率；

一致性阈值判断单元，用于判断所述随机一致性比率是否大于预设的随机一致性阈值，若是，则启动下述非一致性矩阵处理单元，否则，启动所述向量值计算单元；

非一致性矩阵处理单元，用于对该组数据进行调整修正或者丢弃该组数据。

优选地，所述向量值计算单元包括：

元素积计算单元，用于计算该判断矩阵的每一行元素的乘积；

元素积求根单元，用于计算所述乘积的n次方根，得到向量值，其中，n是该判断矩阵的维数；

向量标准化单元，用于将所述向量值标准化，得到该判断矩阵的特征向量，该特征向量也是该判断矩阵对应的指标的下一层中各指标的权重向量。

本发明的有益效果在于：

本发明的实施例通过对各项电网运行状态指标建立具有若干层次的指标体系模型，对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重向量，得到每个该指标的特征值。从而达到了简化电网运行状态指标体系的设计的效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的基于层次分析的电网运行状态指标的评估方法一个实施例的方法流程图。

图2是采用本发明的基于层次分析的电网运行状态指标的评估方法一个实施例建立的一个指标体系模型示例图。

图3是本发明的基于层次分析的电网运行状态指标的评估系统一个实施例的组成结构图。

具体实施方式

下面参考图1详细描述本发明提供的电网运行状态指标体系构建方法的一个实施例；如图1所示，本实施例实施一次电网运行状态指标体系的构建流程主要包括以下步骤：

在指标模型建立步骤S1中，根据各电网运行状态指标的属性，建立多层结构的指标体系模型，该指标体系模型包括具有一个指标的目标层、从属于该目标层并具有至少一个指标的至少一级内容层；

在权重向量计算步骤S2中，对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重向量；

在指标特征计算步骤S3中，根据所述权重向量计算该指标的特征值。

优选地，所述指标体系模型还包括有从属于所述目标层和内容层之间并具有至少一个指标的至少一级中间层。

具体实现时，所述权重向量计算步骤S2可具体包括：

在判断矩阵构造步骤S21中，对所述指标体系模型中的每个指标构造对从属于该指标的下一层指标进行两两比较的判断矩阵；

在一致性检验步骤S22中，分析所述判断矩阵是否符合预设的一致性条件，若是，则保留该判断矩阵对应的指标数据，否则，丢弃该指标数据；

在向量值计算步骤S23中，计算经一致性检验后保留的判断矩阵的特征向量及该判断矩阵中每个元素的权重向量。

进一步地，所述一致性检验步骤S22还可具体包括有：

在一致性比率计算步骤S221中，计算该判断矩阵的最大特征值，并根据该最大特征值与该判断矩阵维数的差值计算该判断矩阵的随机一致性比率；

在一致性阈值判断步骤S222中，判断所述随机一致性比率是否大于预设的随机一致性阈值，若是，则执行下述非一致性矩阵处理步骤S223，否则，执行所述向量值计算步骤S23；

在非一致性矩阵处理步骤S223，对该判断矩阵对应的指标数据进行调整修正或者丢弃该指标数据。

所述向量值计算步骤S23还可具体包括有：

在元素积计算步骤S231中，计算该判断矩阵的每一行元素的乘积；

在元素积求根步骤S232中，计算所述乘积的n次方根，得到向量值，其中，n是该判断矩阵的维数；

在向量标准化步骤S233中，将所述向量值标准化，得到该判断矩阵的特征向量，该特征向量也是该判断矩阵对应的指标的下一层中各指标的权重向量。

下面通过建立图2所示的指标体系模型，对本实施例的上述各步骤结合举例进行详细描述。

指标模型建立步骤S1：

建立分层的指标体系模型，同一层的指标从属于上一层的指标或对上层指标有影响，同时又支配下一层的指标或受到下层指标的作用。最上层为目标层，通常只有一个因素，最下层为内容层，通常为具体指标，中间层可以有一个或几个，通常为准则层。当每一层次过多时可进一步分解出子指标层，每一层次中各指标所支配的指标一般不超过9个，如果更多的话就增大了元素间比较的难度，并将影响模型的质量。因此，根据已有指标的物理意义对其初步分为以上几类。

判断矩阵构造步骤S21：

在确定指标权重时，如果只是定性的结果，则难以被所有人接受，因此，采用判断矩阵的方法计算权重。该方法不将所有指标放在一起比较，而是两两互相比较，采用相对尺度，以尽可能地减少性质不同的指标相互比较的困难，以提高准确度。

层次分析法的一个重要特点就是用两两重要性程度之比的形式表示出两个指标的相应重要性程度等级。如对某一指标，对其下的所有指标进行两两对比，并按其重要性程度评定等级，并记录其重要性之比，表1列出9个重要性等级及其赋值：

表1判断矩阵的比例标度及含义

标度	含义
		1	表示两个因素相比，同样重要
3	表示两个因素相比，一个比另一个稍微重要
		5	表示两个因素相比，一个比另一个明显重要
7	表示两个因素相比，一个比另一个强烈重要
		9	表示两个因素相比，一个比另一个极端重要
2，4，6，8	分别表示为相邻1-3，3-5，5-7，7-9的中值
		倒数	若因素i与j比较得，则j与i比较得

按两两比较结果构成的矩阵称作判断矩阵，然后可构造两两比较评判矩阵A：A=(a_ij)n×n(i，j=1，2，…,n)

以二级指标为例，指标B₂比指标B₁稍重要，B₃也比B₁稍重要，B₄比B₁明显重要，B₅比B₁强烈重要，得到判断矩阵：

$A=\left[\begin{array}{ccccc}1& 1/3& 1/3& 1/5& 1/7\\ 3& 1& 1& 1/3& 1/5\\ 3& 1& 1& 1/3& 1/5\\ 5& 3& 3& 1& 1/3\\ 7& 5& 5& 3& 1\end{array}\right]$

以三级指标为例，指标C₁₁和C₁₂同等重要，C₁₃比C₁₁稍重要，C₁₄比C₁₁稍重要；指标C₂₁和C₂₂同等重要，C₂₃比C₂₁稍重要，C₂₄比C₂₁稍重要；指标C₃₂比C₃₁稍重要，C₃₃比C₃₁明显重要，C₃₄比C₃₁明显重要；指标C₄₁和C₄₂同等重要，C₄₃比C₄₁稍重要，C₄₄比C₄₁明显重要，C₄₅比C₄₁明显重要；指标C₅₂比C₅₁稍重要。同理可得判断矩阵：

$B_1=\left[\begin{array}{cccc}1& 1& 1/3& 1/3\\ 1& 1& 1/3& 1/3\\ 3& 3& 1& 1\\ 3& 3& 1& 1\end{array}\right]$

$B_2=\left[\begin{array}{cccc}1& 1& 1/3& 1/3\\ 1& 1& 1/3& 1/3\\ 3& 3& 1& 1\\ 3& 3& 1& 1\end{array}\right]$

$B_3=\left[\begin{array}{ccccc}1& 1& 1/3& 1/5& 1/5\\ 1& 1& 1/3& 1/5& 1/5\\ 3& 3& 1& 1/3& 1/3\\ 5& 5& 3& 1& 1\\ 5& 5& 3& 1& 1\end{array}\right]$

$B_4=\left[\begin{array}{cccc}1& 1/3& 1/5& 1/5\\ 3& 1& 1/3& 1/3\\ 5& 3& 1& 1\\ 5& 3& 1& 1\end{array}\right]$

$B_5=\left[\begin{array}{cc}1& 1/3\\ 3& 1\end{array}\right]$

一致性检验步骤S22：

一致性检验就是分析该判断矩阵中是否存在自相矛盾的部分，即出现类似下面的情况：三个元素A、B、C，其中A比B重要，C比A重要，但B比C重要，显然矛盾。如果调研结果所构造的判断矩阵通过了一致性检验，那么就可以初步认为该调研结果是可靠的，否则，这组数据就不可靠，应当舍弃。

判断矩阵都是正互反矩阵（a_ij=1/a_ji），正互反矩阵的一致性检验需要用到如下数学定理：如果一个正互反矩阵A的元素满足a_ija_jk=a_ik，i（j，k）=1，2，…，n，则A具有完全一致性。而n阶正互反矩阵是一致矩阵的充要条件是λ_max=n。

因此，λ_max与矩阵维数的差值可以作为衡量一个正互反矩阵不一致程度的数量标准。

对于判断矩阵A，可以求得：

λ_max=5.1269

虽然CI值能反映出判断矩阵A的非一致性的严重程度，但未能指明该非一

${\mathrm{CI}}_A=\frac{{\mathrm{\λ}}_{\max }-n}{n-1}=\frac{5.1269-5}{4}=0.031725$

致性是否可以接受，因此在具体分析时，还需要引入一个度量的标准，即随机一致性指标，根据平均随机一致性指标（RI）来计算随机一致性比率：CR=CO/RI。一般而言,当CR<0.1时，可认为判断矩阵基本符合随机一致性指标；当CR≥0.1时，可认为判断矩阵A不符合随机一致性指标，必需进行调整和修正，使其满足CR<0.1，从而具有满意的一致性。

随机一致性指标RI和判断矩阵的阶数有关，一般情况下，矩阵阶数越大，则出现偏离的程度越大。随机一致性指标的值需要通过查表获得，由1998年天津大学出版社出版的《层次分析原理》（许树伯著）得出的1阶～7阶重复计算1000次的平均随机一致性指标如下表2。

表2随机一致性指标

n	1	2	3	4	5	6	7	8	9
										RI	0	0	0.58	0.9	1.12	1.24	1.32	1.41	1.45

由表2得RI_A=1.12，那么随机一致性比例CR_A=CI_A/RI_A=0.0283<0.10，因此矩阵A具有满意的一致性。如果不满足一致性要求，需要调整判断矩阵。

采用同样的方法处理其他矩阵，其结果见表3。

表3判断矩阵的一致性

判断矩阵	A	B1	B2	B3	B4	B5
							最大特征值	5.1269	4	4	4.0435	5.0556	2
CR	0.0283	0	0	0.0161	0.0124	0

同理可得所有矩阵的RI均小于表2中对应的随机一致性指标。

4）计算各指标的权重值

为了从判断矩阵中提炼出有用信息，达到对指标规律性的认识，为决策提供出科学依据，就需要计算判断矩阵的权重向量。一致性矩阵具有如下基本性质：

存在唯一的非零特征值λ_max=n，其规范化特征向量W=（W₁，W₂，…，W_n）T叫做权重向量，且a_ij=W_i/W_j；

一致性矩阵的列向量之和经规范化后的向量，就是权重向量；

一致性矩阵的任一列向量经规范化后的向量，就是权重向量；

对一致性矩阵的全部列向量求每一分量的几何平均，再规范化后的向量，就是权重向量。

因此，对于构造出的判断矩阵，就可以求出最大特征值所对应的特征向量，然后归一化后作为权值。根据上述定理中的性质b和性质d即得到判断矩阵满足一致性的条件下求取权值的方法，分别称为和法和根法。

计算B层各指标权重分为三步：

首先，计算判断矩阵A的每一行元素乘积0，i=1，2，…，n，

其中n是矩阵维数；其次，计算M_i的n次方根

可以得到向量M_A=[0.3165，0.7248，0.7248，1.7188,3.4997]T；最后，将

标准化为得到向量：W_A=[0.0453，0.1038，0.1038，0.2461，0.5011]T，W_A为A的特征向量，同时也是权重向量。W_A各元素分别对应B_i的权重，即B₁=0.0453，B₂=0.1038，B₃=0.1038，B₄=0.2461，B₅=0.5011。

然后，可用同样的方法计算C层各指标关于B层的排序权重，其计算结果见表4。

表4C层的权重计算结果

	相对B层权重	相对A层权重
			C11	0.1250	0.0057
C12	0.1250	0.0057
			C13	0.3750	0.0170
C14	0.3750	0.0170
			C21	0.1250	0.0130

C22	0.1250	0.0130
			C23	0.3750	0.0390
C24	0.3750	0.0390
			C31	0.0675	0.0070
C32	0.1509	0.0157
			C33	0.3908	0.0406
C34	0.3908	0.0406
			C41	0.0640	0.0158
C42	0.0640	0.0158
			C43	0.1518	0.0374
C44	0.3601	0.0886
			C45	0.3601	0.0886
C51	0.2500	0.1253
			C52	0.7500	0.3758

指标特征计算步骤S3：

依次类推可以算出每个指标对应的安全系数值，求和后再乘以100即可得到最终结果。即：

最终得分=∑权重×归一化的数值×100。

下面参考图3详细描述本发明提供的基于层次分析的电网运行状态指标的评估系统的一个实施例，如图3所示，本实施例主要包括有：

指标模型建立单元1，用于根据各电网运行状态指标的属性，建立多层结构的指标体系模型，该指标体系模型包括具有一个指标的目标层、从属于该目标层并具有至少一个指标的至少一级内容层；

权重向量计算单元2，用于对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重向量；

指标特征计算单元3，用于根据所述权重向量计算该指标的特征值。

具体实现时，所述指标体系模型还可包括有从属于所述目标层和内容层之间并具有至少一个指标的至少一级中间层。

具体实现时，所述权重向量计算单元2可具体包括有：

判断矩阵构造单元21，用于对所述指标体系模型中的每个指标构造对从属于该指标的下一层指标进行两两比较的判断矩阵；

一致性检验单元22，用于分析所述判断矩阵是否符合预设的一致性条件，若是，则保留该判断矩阵对应的指标数据，否则，丢弃该指标数据；

向量值计算单元23，用于计算经一致性检验后保留的判断矩阵的特征向量及该判断矩阵中每个元素的权重向量。

进一步地，所述一致性检验单元22可具体包括有：

一致性比率计算单元221，用于计算该判断矩阵的最大特征值，并根据该最大特征值与该判断矩阵维数的差值计算该判断矩阵的随机一致性比率；

一致性阈值判断单元222，用于判断所述随机一致性比率是否大于预设的随机一致性阈值，若是，则启动下述非一致性矩阵处理单元223，否则，启动所述向量值计算单元23；

非一致性矩阵处理单元223，用于对该组数据进行调整修正或者丢弃该组数据。

所述向量值计算单元23可具体包括有：

元素积计算单元231，用于计算该判断矩阵的每一行元素的乘积；

元素积求根单元232，用于计算所述乘积的n次方根，得到向量值，其中，n是该判断矩阵的维数；

向量标准化单元233，用于将所述向量值标准化，得到该判断矩阵的特征向量，该特征向量也是该判断矩阵对应的指标的下一层中各指标的权重向量。

本实施例描述的系统与前述实施例描述的方法完全对应，不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于层次分析的电网运行状态指标的评估方法，其特征在于，包括以下步骤：

指标模型建立步骤，根据各电网运行状态指标的属性，建立多层结构的指标体系模型，该指标体系模型包括具有一个指标的目标层、从属于该目标层并具有至少一个指标的至少一级内容层；

权重向量计算步骤，对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重向量；

指标特征计算步骤，根据所述权重向量计算该指标的特征值。

2.如权利要求1所述的基于层次分析的电网运行状态指标的评估方法，其特征在于，所述指标体系模型还包括有从属于所述目标层和内容层之间并具有至少一个指标的至少一级中间层。

3.如权利要求1或2所述的基于层次分析的电网运行状态指标的评估方法，其特征在于，所述权重向量计算步骤包括：

判断矩阵构造步骤，对所述指标体系模型中的每个指标构造对从属于该指标的下一层指标进行两两比较的判断矩阵；

一致性检验步骤，分析所述判断矩阵是否符合预设的一致性条件，若是，则保留该判断矩阵对应的指标数据，否则，丢弃该指标数据；

向量值计算步骤，计算经一致性检验后保留的判断矩阵的特征向量及该判断矩阵中每个元素的权重向量。

4.如权利要求3所述的基于层次分析的电网运行状态指标的评估方法，其特征在于，所述一致性检验步骤包括：

一致性比率计算步骤，计算该判断矩阵的最大特征值，并根据该最大特征值与该判断矩阵维数的差值计算该判断矩阵的随机一致性比率；

一致性阈值判断步骤，判断所述随机一致性比率是否大于预设的随机一致性阈值，若是，则执行下述非一致性矩阵处理步骤，否则，执行所述向量值计算步骤；

非一致性矩阵处理步骤，对该判断矩阵对应的指标数据进行调整修正或者丢弃该指标数据。

5.如权利要求4所述的基于层次分析的电网运行状态指标的评估方法，其特征在于，所述向量值计算步骤包括：

元素积计算步骤，计算该判断矩阵的每一行元素的乘积；

元素积求根步骤，计算所述乘积的n次方根，得到向量值，其中，n是该判断矩阵的维数；

向量标准化步骤，将所述向量值标准化，得到该判断矩阵的特征向量，该特征向量也是该判断矩阵对应的指标的下一层中各指标的权重向量。

6.一种基于层次分析的电网运行状态指标的评估系统，其特征在于，包括有：

指标模型建立单元，用于根据各电网运行状态指标的属性，建立多层结构的指标体系模型，该指标体系模型包括具有一个指标的目标层、从属于该目标层并具有至少一个指标的至少一级内容层；

权重向量计算单元，用于对从属于同一上层指标的所有下层指标进行基于相同层的两两比较，计算每个下层指标相对于其上层指标的权重向量；

指标特征计算单元，用于根据所述权重向量计算该指标的特征值。

7.如权利要求6所述的基于层次分析的电网运行状态指标的评估系统，其特征在于，所述指标体系模型还包括有从属于所述目标层和内容层之间并具有至少一个指标的至少一级中间层。

8.如权利要求6或7所述的基于层次分析的电网运行状态指标的评估系统，其特征在于，所述权重向量计算单元包括：

判断矩阵构造单元，用于对所述指标体系模型中的每个指标构造对从属于该指标的下一层指标进行两两比较的判断矩阵；

一致性检验单元，用于分析所述判断矩阵是否符合预设的一致性条件，若是，则保留该判断矩阵对应的指标数据，否则，丢弃该指标数据；

向量值计算单元，用于计算经一致性检验后保留的判断矩阵的特征向量及该判断矩阵中每个元素的权重向量。

9.如权利要求8所述的基于层次分析的电网运行状态指标的评估系统，其特征在于，所述一致性检验单元包括：

一致性比率计算单元，用于计算该判断矩阵的最大特征值，并根据该最大特征值与该判断矩阵维数的差值计算该判断矩阵的随机一致性比率；

一致性阈值判断单元，用于判断所述随机一致性比率是否大于预设的随机一致性阈值，若是，则启动下述非一致性矩阵处理单元，否则，启动所述向量值计算单元；

非一致性矩阵处理单元，用于对该组数据进行调整修正或者丢弃该组数据。

10.如权利要求9所述的基于层次分析的电网运行状态指标的评估系统，其特征在于，所述向量值计算单元包括：

元素积计算单元，用于计算该判断矩阵的每一行元素的乘积；

元素积求根单元，用于计算所述乘积的n次方根，得到向量值，其中，n是该判断矩阵的维数；

向量标准化单元，用于将所述向量值标准化，得到该判断矩阵的特征向量，该特征向量也是该判断矩阵对应的指标的下一层中各指标的权重向量。

Images