CN105117773A - 基于模糊评价算法的电力通信光传输网络综合评估方法 - Google Patents

Abstract

本发明公开了一种电力通信光传输网络综合评估方法。电力系统的安全越来越依赖电力通信光传输网络，所以对电力通信光传输网进行综合性评估，对于进一步指导电力通信光传输网的规划建设具有很重要的意义。本发明包括模糊评价指标体系构建：依据所述电力通信光传输网络影响因素，建立电力通信光传输网络综合指标模型；获取权重向量：采用变异系数法，根据模糊评价指标体系计算得到指标的权重向量；构建评价矩阵：根据专家打分的形式，建立指标隶属度的评价矩阵；综合评价：采用合适的合成因子对其进行合成，并对评价结果进行解释。本发明能够对电力通信光传输网络进行综合评估，同时注重主客观一致性，评价结果更加的真实。

Description

基于模糊评价算法的电力通信光传输网络综合评估方法

技术领域

本发明涉及电力通信光传输网领域，特别是一种基于模糊评价算法的电力通信光传输网络综合评估方法。

背景技术

电力通信光传输网是保证电力系统安全可靠运行的重要基础设施。在现代电网中，电力通信光传输网扮演着非常重要的角色。随着电力行业突飞猛进的发展，电力信息化的进程也不断的加快，电力网与信息网之间相互渗透的趋势越来越明显。电力系统的安全越来越依赖电力通信光传输网络，所以对电力通信光传输网进行综合性评估，对于进一步指导电力通信光传输网的规划建设具有很重要的意义。

电力通信光传输网综合评估是电力通信光传输网建设的主要任务之一，而评价模型的建立需要有两个方面的注意事项：(1)指标的选取能够综合的反映评价的对象，也就是电力通信光传输网络；(2)整个评价过程的主客观结合，使得评价结果具有可信度。

发明内容

本发明所要解决的技术问题是提供一种基于模糊评价算法的电力通信光传输网络综合评估方法，其充分考虑指标选取的全面性、独立性及可操作性，使评价结果满足主客观一致性原则。

为此，本发明采用如下的技术方案：基于模糊评价算法的电力通信光传输网络综合评估方法，其具体步骤如下：

(a)模糊评价指标体系构建：依据电力通信光传输网络影响因素，建立电力通信光传输网综合评价指标体系的递阶层次结构模型，即模糊评价指标体系；

(b)获取权重向量：采用变异系数法，根据模糊评价指标体系计算得到指标的权重向量；

(c)构建评价矩阵：根据专家打分的形式，建立指标隶属度的评价矩阵；

(d)综合评价：采用合适的合成因子对其进行合成，并对评价结果进行解释。

模糊评价算法是一种基于模糊数学的综合评标方法，将其平移到电力通信光传输网络评估领域。该综合算法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。

进一步，步骤(a)中所述的递阶层次结构模型包括目标层、准则层和指标层，其建立按照如下步骤进行：

步骤1)，以电力通信光传输网络综合评价评分为目标层；

步骤2)，以网络可靠性、网络业务支撑能力、网络可发展性为准则层；

步骤3)，以通信站电光缆成环率、通信节点传输设备双重化率、通信直流电源双重化率、平均设备服役年限、复合光缆占比、百公里光缆故障率、百台设备缺陷率、通信站动环纳入监控率、通信网络覆盖率、租用带宽占比、带宽容量、网络设备先进性、带宽预留、设备端口预留、平均纤芯占用率、高负载光缆比例、传输网络资源利用率以及槽位资源占用率为指标层。

进一步，步骤(b)按照如下步骤进行：

步骤1)，极值处理法

采用极值处理法对各指标进行无量纲处理，

当被评价的指标为正指标时：

$X_{ij}=\frac{x_{ij}-m_j}{M_j-m_j}(i=1,2,...,m;j=1,2,...,n),$

当被评价的指标为负指标时:

$X_{ij}=\frac{M_j-x_{ij}}{M_j-m_j}(i=1,2,...,m;j=1,2,...,n),$

其中x_ij(i＝1,2,...,m；j＝1,2...,n)为第i个被评价对象的第j个指标的值；

步骤2)，分别求出不同指标的平均值和标准差σ_j：

$\left\{\begin{array}{c}\stackrel{\‾}{X_j}=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{X}_{ij}\\ {\mathrm{\σ}}_j=\sqrt{\underset{i=1}{\overset{m}{\Σ}}{(X_{ij}-\stackrel{\‾}{X_j})}^2/m}\end{array}\right.;$

步骤3)，计算第j项评价指标的变异系数:

$C_j={\mathrm{\σ}}_j/\stackrel{\‾}{X_j},(j=1,2...,n);$

步骤4)，对各指标的变异系数进行归一化处理,得到各指标的权重:

$w_j=C_j/\underset{j=1}{\overset{n}{\Σ}}{C}_j,(j=1,2...,n);$

则每个指标的权重向量为W＝(w₁,w₂,...w_n)。

进一步，步骤(c)中的评价矩阵如下：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{n1}& r_{n2}& ...& r_{nm}\end{array}\right],$

R体现了指标体系U与评语等级V之间的关系，R中第i行的第j个元素用r_ij来表示(i＝1,2,...,n；j＝1,2,...,m)。r_ij表示指标体系中的第i个元素对应评语等级V中的第j个等级的隶属程度，对于指标体系中第i个指标的评价是由m个r_ij实现。评语等级V选择适当的向量作为专家的评价向量，评等级数为m个，设置如下V＝(v₁,v₂,...,v_m)，v₁表示等级最高，v_m表示等级相对最低，从v₁到v_m等级依次递减。评语等级数m可以选择任意合理的值，一般选择6到8个数值。专家对各个指标值属于哪个等级给出自己的判断。利用该评语等级不仅能够反映单个指标的隶属程度,也能够反映最后综合指标的表现情况。

进一步，步骤(d)按照如下步骤进行：

步骤1，计算模糊评价向量F：

$\begin{array}{c}F=\left(f_1,f_2,\mathrm{...}{f}_m\right)=W\×R=\left(w_1,w_2,\mathrm{...}{w}_n\right)\×\left[\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1m}\\ r_{21}& r_{22}& \mathrm{...}& r_{2m}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{n1}& r_{n2}& \mathrm{...}& r_{nm}\end{array}\right]\\ =\left(\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{i1},\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{i2},\mathrm{...},\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{im}\right)\end{array};$

步骤2，计算最终评价结果T：

$T=F\×V^T=(f_1,f_2,...f_m)\×{(v_1,v_2,...v_m)}^T=\underset{j=1}{\overset{m}{\Σ}}{f}_j{v}_j.$

公式右上角的T表示向量的转置。

本发明通过模糊评价算法以及变异系数法对电力通信光传输网络进行综合评估，充分考虑了指标选取的全面性、独立性以及可操作性原则，评价结果满足主客观一致性原则，评价结果对电力通信光传输网络建设具有一定指导意义。

附图说明

图1是本发明的算法流程图。

图2是本发明的递阶层次结构模型。

具体实施方式

本发明的具体步骤如下：

步骤一、依据电力通信光传输网络影响因素，建立电力通信光传输网络综合评估的递阶层次结构模型(简称递阶层次结构模型)，即模糊评价指标体系；

步骤二、采用变异系数法，根据模糊评价指标体系计算得到指标的权重向量；

步骤三、根据专家打分的形式，建立指标隶属度的评价矩阵；

步骤四、采用合适的合成因子对其进行合成，并对评价结果进行解释。

所述的步骤一中，电力通信光传输网络综合评估指标包括：通信站电光缆成环率、通信节点传输设备双重化率、通信直流电源双重化率、平均设备服役年限、复合光缆占比、百公里光缆故障率、百台设备缺陷率、通信站动环纳入监控率、通信网络覆盖率、租用带宽占比、带宽容量、网络设备先进性、带宽预留、设备端口预留、平均纤芯占用率、高负载光缆比例、传输网络资源利用率以及槽位资源占用率等指标。

所述步骤二中，确定指标的权重采用变异系数法，变异系数法步骤如下：设x_ij(i＝1,2,...,m；j＝1,2...,n)为第i个被评价对象的第j个指标的值。

1)极值处理法

采用极值处理法对各指标进行无量纲处理。

当被评价的指标为正指标时：

$X_{ij}=\frac{x_{ij}-m_j}{M_j-m_j},(i=1,2,...,m;j=1,2,...,n)$

当被评价的指标为负指标时:

$X_{ij}=\frac{M_j-x_{ij}}{M_j-m_j},(i=1,2,...,m;j=1,2,...,n)$

其中 $M_j=\underset{i}{max}\left\{x_{ij}\right\};m_j=\underset{i}{min}\left\{x_{ij}\right\}.$

2)分别求出不同指标的平均值和标准差σ_j：

$\left\{\begin{array}{c}\stackrel{\‾}{X_j}=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{X}_{ij}\\ {\mathrm{\σ}}_j=\sqrt{\underset{i=1}{\overset{m}{\Σ}}{(X_{ij}-\stackrel{\‾}{X_j})}^2/m}\end{array}\right.$

3)计算第j项评价指标的变异系数：

$C_j={\mathrm{\σ}}_j/\stackrel{\‾}{X_j},(j=1,2...,n)$

4)对各指标的变异系数进行归一化处理，得到各指标的权重：

$w_j=C_j/\underset{j=1}{\overset{n}{\Σ}}{C}_j,(j=1,2...,n)$

则每个指标的权重向量为W＝(w₁,w₂,...w_n)。

步骤三中，获得评价矩阵的方法是采用专家打分的形式。

R体现了指标体系U与评语等级V之间的关系，R中第i行的第j个元素用r_ij来表示(i＝1,2,...,n；j＝1,2,...,m)。r_ij表示指标体系中的第i个元素对应评语等级V中的第j个等级的隶属程度，对于指标体系中第i个指标的评价是由m个r_ij实现。

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{n1}& r_{n2}& ...& r_{nm}\end{array}\right]$

步骤四中，首先计算模糊评价向量F：

$\begin{array}{c}F=\left(f_1,f_2,\mathrm{...}{f}_m\right)=W\×R=\left(w_1,w_2,\mathrm{...}{w}_n\right)\×\left[\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1m}\\ r_{21}& r_{22}& \mathrm{...}& r_{2m}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{n1}& r_{n2}& \mathrm{...}& r_{nm}\end{array}\right]\\ =\left(\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{i1},\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{i2},\mathrm{...},\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{im}\right)\end{array};$

其次是计算最终评价结果T：

$T=F\×V^T=(f_1,f_2,...f_m)\×{(v_1,v_2,...v_m)}^T=\underset{j=1}{\overset{m}{\Σ}}{f}_j{v}_j.$

上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。

Claims (5)

1.基于模糊评价算法的电力通信光传输网络综合评估方法，其具体步骤如下：

(a)模糊评价指标体系构建：依据电力通信光传输网络影响因素，建立电力通信光传输网综合评价指标体系的递阶层次结构模型，即模糊评价指标体系；

(b)获取权重向量：采用变异系数法，根据模糊评价指标体系计算得到指标的权重向量；

(c)构建评价矩阵：根据专家打分的形式，建立指标隶属度的评价矩阵；

(d)综合评价：采用合适的合成因子对其进行合成，并对评价结果进行解释。

2.根据权利要求1所述的基于模糊评价算法的电力通信光传输网络综合评估方法，其特征在于，步骤(a)中所述的递阶层次结构模型包括目标层、准则层和指标层，其建立按照如下步骤进行：

步骤1)，以电力通信光传输网络综合评价评分为目标层；

步骤2)，以网络可靠性、网络业务支撑能力、网络可发展性为准则层；

步骤3)，以通信站电光缆成环率、通信节点传输设备双重化率、通信直流电源双重化率、平均设备服役年限、复合光缆占比、百公里光缆故障率、百台设备缺陷率、通信站动环纳入监控率、通信网络覆盖率、租用带宽占比、带宽容量、网络设备先进性、带宽预留、设备端口预留、平均纤芯占用率、高负载光缆比例、传输网络资源利用率以及槽位资源占用率为指标层。

3.根据权利要求2所述的基于模糊评价算法的电力通信光传输网络综合评价方法，其特征在于，步骤(b)按照如下步骤进行：

步骤1)，极值处理法

采用极值处理法对各指标进行无量纲处理，

当被评价的指标为正指标时：

$X_{ij}=\frac{x_{ij}-m_j}{M_j-m_j}(i=1,2,...,m;j=1,2,...,n),$

当被评价的指标为负指标时:

$X_{ij}=\frac{M_j-x_{ij}}{M_j-m_j}(i=1,2,...,m;j=1,2,...,n),$

其中 $M_j=\underset{i}{max}\left\{x_{ij}\right\};m_j=\underset{i}{min}\left\{x_{ij}\right\},$ x_ij(i＝1,2,...,m；j＝1,2...,n)为第i个被评价对象的第j个指标的值；

步骤2)，分别求出不同指标的平均值和标准差σ_j：

$\left\{\begin{array}{c}\stackrel{\‾}{X_j}=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{X}_{ij}\\ {\mathrm{\σ}}_j=\sqrt{\underset{i=1}{\overset{m}{\Σ}}{(X_{ij}-\stackrel{\‾}{X_j})}^2/m}\end{array}\right.;$

步骤3)，计算第j项评价指标的变异系数:

$C_j={\mathrm{\σ}}_j/\stackrel{\‾}{X_j},(j=1,2...,n);$

步骤4)，对各指标的变异系数进行归一化处理,得到各指标的权重:

$w_j=C_j/\underset{j=1}{\overset{n}{\Σ}}{C}_j,(j=1,2...,n);$

则每个指标的权重向量为W＝(w₁,w₂,...w_n)。

4.根据权利要求3所述的基于模糊评价算法的电力通信光传输网络综合评价方法，其特征在于，步骤(c)中的评价矩阵如下：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{n1}& r_{n2}& ...& r_{nm}\end{array}\right],$

R体现了指标体系U与评语等级V之间的关系，R中的第i行的第j个元素用r_ij来表示(i＝1,2,...,n；j＝1,2,...,m)；r_ij表示指标体系中的第i个元素对应评语等级V中的第j个等级的隶属程度，对于指标体系中第i个指标的评价是由m个r_ij实现；评语等级V选择适当的向量作为专家的评价向量，评等级数为m个，设置如下V＝(v₁,v₂,...,v_m)，v₁表示等级最高，v_m表示等级相对最低，从v₁到v_m等级依次递减。

5.根据权利要求4所述的基于模糊评价算法的电力通信光传输网络综合评价方法，其特征在于，步骤(d)按照如下步骤进行：

步骤1)，计算模糊评价向量F：

$\begin{array}{c}F=\left(f_1,f_2,\mathrm{...}{f}_m\right)=W\×R=\left(w_1,w_2,\mathrm{...}{w}_n\right)\×\left[\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1m}\\ r_{21}& r_{22}& \mathrm{...}& r_{2m}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{n1}& r_{n2}& \mathrm{...}& r_{nm}\end{array}\right]\\ =\left(\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{i1},\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{i2},\mathrm{...},\underset{i=1}{\overset{n}{\mathrm{\Π}}}{w}_i\×r_{im}\right)\end{array};$

步骤2)，计算最终评价结果T：

$T=F\×V^T=(f_1,f_2,...f_m)\×{(v_1,v_2,...v_m)}^T=\underset{j=1}{\overset{m}{\Σ}}{f}_j{v}_j.$