CN105469185A - 一种基于灰色理论的电池更换站安全评价方法 - Google Patents

Abstract

本发明公开了一种基于灰色理论的电池更换站安全评价方法，针对电动汽车电池更换站安全性问题，利用灰色关联度和灰熵等灰色理论技术，通过分析评价对象相关因素的影响，建立灰熵综合评价模型，并通过某电池更换站经验数据与理想值的对比求解各评价对象权重值，最后根据各权重值大小判断评价对象对电池更换站机械系统和电气系统的影响，以此对电池更换站的安全性做出最终评价。

Description

一种基于灰色理论的电池更换站安全评价方法

技术领域

本发明涉及一种基于灰色理论的电池更换站安全评价方法，属于电动汽车充电站技术领域。

背景技术

电动汽车作为新能源汽车的主要发展方向之一，越来越受到人们的重视。随着电动汽车市场保有量的不断增加，必须提出建设充电配套设施的目标，以便为电动汽车快速发展提供有效的配套保障。随着化石能源日益枯竭以及国家政策大力扶持，电动汽车发展规模越来越大。电动汽车的大量存在需要建设相应数量的充电站、充电桩及电池更换站等，以满足用户充换电需求。针对电动汽车电池更换站，由于存在充电桩、自动换电机器人、半自动换电小车及大量电池等设备，如何保证工作人员及用户在电池更换过程中的安全以及如何评价电池更换站的安全性成为研究热点。

安全评价技术成为现代系统安全工程的一种新理论、方法体系，在当今安全科学中占有非常重要的地位。安全评价意义在于可有效预防可能事故发生，降低人员意外及财产损失概率。安全评价研究需要从系统安全角度出发，通过分析、论证和评估可能的影响因素及对系统的影响程度提出可行的措施。灰色理论相关技术由于可解决一些包含未知因素的特殊领域的问题，它广泛应用于电力、煤矿、工业等领域。基于灰色理论对电池更换站安全进行评价，现在还是一片空白。

发明内容

为了解决上述技术问题，本发明提供了一种基于灰色理论的电池更换站安全评价方法。

为了达到上述目的，本发明所采用的技术方案是：

一种基于灰色理论的电池更换站安全评价方法，包括以下步骤，

步骤一，定义电池更换站的机械系统和电气系统中存在n个共同评价对象；

定义n个评价对象的理想行为序列为

X₀＝{x₀(i)}|_1×n,i＝1,2,…,n

其中，X₀为评价对象理想值序列，x₀(i)为第i个评价对象的理想值；

步骤二，假定每个评价对象存在m个影响因素，m个影响因素比较序列为；

$X_j=\left\{x_j\left(i\right)\right\}{|}_{1\×n},\begin{array}{c}j=1,2,...,m\\ i=1,2,...,n\end{array}$

式中，X_j为影响因素比较序列，x_j(i)为第i个评价对象的第j个影响因素；

步骤三，对评价对象影响因素进行无量纲化处理；

$x_j^{\′}\left(i\right)=\frac{x_j\left(i\right)}{x_j^{*}\left(i\right)}$

式中，x′_j(i)为x_j(i)的无量纲化，为影响因素的理想值；

步骤四，计算评价对象影响因素与理想值间的灰色关联度系数；

$r\left(x_0\right(i),x_j(i\left)\right)=\frac{\underset{i}{min}\underset{j}{min}|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|+\mathrm{\ρ}\underset{i}{max}\underset{j}{max}|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|}{|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|+\mathrm{\ρ}\underset{i}{max}\underset{j}{max}|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|}$

式中，r(x₀(i),x_j(i))为x_j(i)与x₀(i)间的灰色关联度系数，ρ∈(0,1)为分辨率系数，x₀′(i)为x₀(i)的无量纲化；

步骤五，计算灰色关联度加权系数概率分布值；

$y_j\left(i\right)=\frac{{\mathrm{\ω}}_{i}r\left(x_0\right(i),x_j(i\left)\right)}{r(X_0,X_j)}$

式中，y_j(i)为灰色关联度加权系数概率分布值，且满足ω_i为第i个评价对象关联系数权重，r(X₀,X_j)为系统评价对象间灰色关联度； $r(X_0,X_j)=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_{i}r\left(x_0\right(i),x_j(i\left)\right);$

步骤六，构造有限离散序列Y(i)＝{y_j(i)}|_1×n；

步骤七，计算Y(i)的灰熵；

$H\left(Y\right(i\left)\right)=-\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{y}_j\left(i\right)\·\ln y_j\left(i\right)$

式中，H(Y(i))为Y(i)的灰熵；

则灰熵的极大值H_m为，

H_m＝lnm；

步骤八，根据灰熵和熵极大值，给出均衡度函数；

B(i)＝H(Y(i))/H_m

其中，B(i)为Y(i)的衡度函数，B(i)值越大，Y(i)越均衡；

步骤九，根据均衡度函数构造评价对象的权重序列；

$W\left(i\right)=\frac{1-B\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}(1-B(i\left)\right)}$

式中，W(i)为第i个评价对象的权重序列，W(i)值越大，表示评价对象越接近理想对象，该评价对象越安全。

所述电池更换站的机械系统和电气系统中存在3个共同评价对象，即换电站工作人员、设备和环境。

人员、设备和环境三大评价对象理想值序列为{x₀(1),x₀(2),x₀(3)}；其中，x₀(1)表示人员理想值，x₀(2)表示设备理想值，x₀(3)表示环境理想值；

人员影响因素比较序列为{x₁(1),x₂(1),x₃(1)}；其中，x₁(1)表示人员培训时间，x₂(1)表示人员平均年龄，x₃(1)表示人员实际操控时间；

设备影响因素比较序列为{x₁(2),x₂(2),x₃(2)}；其中，x₁(2)表示设备完好率，x₂(2)表示设备待修率，x₃(2)表示设备故障率；

环境影响因素比较序列为{x₁(3),x₂(3),x₃(3)}；其中，x₁(3)表示照度，x₂(3)表示温度，x₃(3)表示湿度。

本发明所达到的有益效果：1、本发明针对电动汽车电池更换站安全性问题，利用灰色关联度和灰熵等灰色理论技术，通过分析评价对象相关因素的影响，建立灰熵综合评价模型，并通过某电池更换站经验数据与理想值的对比求解各评价对象权重值，最后根据各权重值大小判断评价对象对电池更换站机械系统和电气系统的影响，以此对电池更换站的安全性做出最终评价；2、灰色关联度和灰熵理论的引入为寻求有效的电动汽车电池更换站安全评价方法提供了一个新的途径，促进了电动汽车的发展，为灰色理论在电动汽车充换电过程中的应用提供了应用价值。

附图说明

图1为本发明的流程图。

图2为电动汽车充电桩优化布局流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，一种基于灰色理论的电池更换站安全评价方法，包括以下步骤：

步骤一，定义电池更换站的机械系统和电气系统中存在n个共同评价对象；

定义n个评价对象的理想行为序列为

X₀＝{x₀(i)}|_1×n,i＝1,2,…,n

其中，X₀为评价对象理想值序列，x₀(i)为第i个评价对象的理想值；

步骤二，假定每个评价对象存在m个影响因素，m个影响因素比较序列为；

$X_j=\left\{x_j\left(i\right)\right\}{|}_{1\×n},\begin{array}{c}j=1,2,...,m\\ i=1,2,...,n\end{array}$

式中，X_j为影响因素比较序列，x_j(i)为第i个评价对象的第j个影响因素；

步骤三，对评价对象影响因素进行无量纲化处理；

$x_j^{\′}\left(i\right)=\frac{x_j\left(i\right)}{x_j^{*}\left(i\right)}$

式中，x′_j(i)为x_j(i)的无量纲化，为影响因素的理想值；

步骤四，计算评价对象影响因素与理想值间的灰色关联度系数；

$r\left(x_0\right(i),x_j(i\left)\right)=\frac{\underset{i}{min}\underset{j}{min}|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|+\mathrm{\ρ}\underset{i}{max}\underset{j}{max}|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|}{|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|+\mathrm{\ρ}\underset{i}{max}\underset{j}{max}|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|}$

式中，r(x₀(i),x_j(i))为x_j(i)与x₀(i)间的灰色关联度系数，ρ∈(0,1)为分辨率系数，一般为0.5，x₀′(i)为x₀(i)的无量纲化；

步骤五，计算灰色关联度加权系数概率分布值；

$y_j\left(i\right)=\frac{{\mathrm{\ω}}_{i}r\left(x_0\right(i),x_j(i\left)\right)}{r(X_0,X_j)}$

式中，y_j(i)为灰色关联度加权系数概率分布值，且满足ω_i为第i个评价对象关联系数权重，r(X₀,X_j)为系统评价对象间灰色关联度； $r(X_0,X_j)=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_{i}r\left(x_0\right(i),x_j(i\left)\right);$

步骤六，构造有限离散序列Y(i)＝{y_j(i)}|_1×n；

步骤七，计算Y(i)的灰熵；

$H\left(Y\right(i\left)\right)=-\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{y}_j\left(i\right)\·\ln y_j\left(i\right)$

式中，H(Y(i))为Y(i)的灰熵；

由灰熵增定理知，灰熵是的分量值均衡度的测度，灰熵越大则序列越均衡，针对影响因素个数为m的序列，序列的极大熵是当序列中各因素值相等时，只与影响因素个数有关的常数，称为灰熵极大值；

则灰熵的极大值H_m为，

H_m＝lnm；

步骤八，根据灰熵和熵极大值，给出均衡度函数；

B(i)＝H(Y(i))/H_m

其中，B(i)为Y(i)的衡度函数，B(i)值越大，Y(i)越均衡；

步骤九，根据均衡度函数构造评价对象的权重序列；

$W\left(i\right)=\frac{1-B\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}(1-B(i\left)\right)}$

式中，W(i)为第i个评价对象的权重序列，W(i)值越大，表示评价对象越接近理想对象，该评价对象越安全。

现有电池更换站内可划分为机械系统和电气系统，两个系统中存在3个共同评价对象，即换电站工作人员、设备和环境。

定义人员、设备和环境三大评价对象理想值序列为{x₀(1),x₀(2),x₀(3)}；其中，x₀(1)表示人员理想值，x₀(2)表示设备理想值，x₀(3)表示环境理想值；人员影响因素比较序列为{x₁(1),x₂(1),x₃(1)}；其中，x₁(1)表示人员培训时间，x₂(1)表示人员平均年龄，x₃(1)表示人员实战时间；设备影响因素比较序列为{x₁(2),x₂(2),x₃(2)}；其中，x₁(2)表示设备完好率，x₂(2)表示设备待修率，x₃(2)表示设备故障率；环境影响因素比较序列为{x₁(3),x₂(3),x₃(3)}；其中，x₁(3)表示照度，x₂(3)表示温度，x₃(3)表示湿度。

以某城电动汽车电池更换站为例进行验证分析，两个系统中三种安全评价对象各影响因素相关经验数据值以及影响因素理想值均由表一给出，其中括弧内的数值为各影响因素理想值。

表一三种安全评价对象各影响因素相关经验数据值

针对机械系统分析，具体如下：

(1)原始数据非量纲预处理

$\left(\begin{array}{ccc}0.767& 0.936& 1.232\\ 1.173& 2.15& 1.104\\ 0.851& 2.9& 1.42\end{array}\right)$

(2)灰色关联度系数矩阵

$\left(\begin{array}{ccc}0.421& 0.639& 0.928\\ 0.526& 0.937& 0.493\\ 0.314& 0.976& 0.549\end{array}\right)$

(3)灰色关联度矩阵

$\left(\begin{array}{ccc}1.989& & \\ & 1.956& \\ & & 1.839\end{array}\right)\left(\begin{array}{c}{\mathrm{\ω}}_1\\ {\mathrm{\ω}}_2\\ {\mathrm{\ω}}_3\end{array}\right)$

(4)灰色关联加权系数概率分布矩阵

$\left(\begin{array}{ccc}0.635& 0.98& 1.514\\ 0.793& 1.437& 0.804\\ 0.474& 1.497& 0.896\end{array}\right)$

(5)灰熵矩阵

$\left(\begin{array}{ccc}0.321& & \\ & 0.162& \\ & & 0.151\end{array}\right)\left(\begin{array}{c}{\mathrm{\ω}}_1\\ {\mathrm{\ω}}_2\\ {\mathrm{\ω}}_3\end{array}\right)$

(6)均衡度矩阵

$\left(\begin{array}{ccc}0.292& & \\ & 0.148& \\ & & 0.138\end{array}\right)\left(\begin{array}{c}{\mathrm{\ω}}_1\\ {\mathrm{\ω}}_2\\ {\mathrm{\ω}}_3\end{array}\right)$

(7)权重计算结果

根据步骤九中的公式及上述数据，计算可得：W(1)＝0.421，W(2)＝0.368，W(3)＝0.213。

由以上计算结果可知，在机械系统中，人员、设备和环境权重排序为W(1)＞W(2)＞W(3)，说明在机械系统中人员操作技术对系统的安全性影响最大，其次是设备自身质量，环境影响相对较小。

针对电气系统，类似于机械系统评价过程，计算出：W(1)＝0.368，W(2)＝0.385，W(3)＝0.247。可知各权重排序为W(2)＞W(1)＞W(3)，说明在电气系统中设备自身质量对系统安全性影响最大，但员工操作技术对系统影响也比较大。

综上所述，上述方法针对电动汽车电池更换站安全性问题，利用灰色关联度和灰熵等灰色理论技术，通过分析评价对象相关因素的影响，建立灰熵综合评价模型，并通过某电池更换站经验数据与理想值的对比求解各评价对象权重值，最后根据各权重值大小判断评价对象对电池更换站机械系统和电气系统的影响，以此对电池更换站的安全性做出最终评价；灰色关联度和灰熵理论的引入为寻求有效的电动汽车电池更换站安全评价方法提供了一个新的途径，促进了电动汽车的发展，为灰色理论在电动汽车充换电过程中的应用提供了应用价值。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (3)

1.一种基于灰色理论的电池更换站安全评价方法，其特征在于：包括以下步骤，

步骤一，定义电池更换站的机械系统和电气系统中存在n个共同评价对象；

定义n个评价对象的理想行为序列为

X₀＝{x₀(i)}|_1×n,i＝1,2,…,n

其中，X₀为评价对象理想值序列，x₀(i)为第i个评价对象的理想值；

步骤二，假定每个评价对象存在m个影响因素，m个影响因素比较序列为；

$X_j=\left\{x_j\left(i\right)\right\}{|}_{1\×n},\begin{array}{c}j=1,2,...,m\\ i=1,2,...,n\end{array}$

式中，X_j为影响因素比较序列，x_j(i)为第i个评价对象的第j个影响因素；

步骤三，对评价对象影响因素进行无量纲化处理；

$x_j^{\′}\left(i\right)=\frac{x_j\left(i\right)}{x_j^{*}\left(i\right)}$

式中，x′_j(i)为x_j(i)的无量纲化，为影响因素的理想值；

步骤四，计算评价对象影响因素与理想值间的灰色关联度系数；

$r\left(x_0\right(i),x_j(i\left)\right)=\frac{\underset{i}{min}\underset{j}{min}|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|}{|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }|x_0^{\′}\left(i\right)-x_j^{\′}\left(i\right)|}$

式中，r(x₀(i),x_j(i))为x_j(i)与x₀(i)间的灰色关联度系数，ρ∈(0,1)为分辨率系数，x₀′(i)为x₀(i)的无量纲化；

步骤五，计算灰色关联度加权系数概率分布值；

$y_j\left(i\right)=\frac{{\mathrm{\ω}}_{i}r\left(x_0\right(i),x_j\left(i\right))}{r(X_0,X_j)}$

式中，y_j(i)为灰色关联度加权系数概率分布值，且满足ω_i为第i个评价对象关联系数权重，r(X₀,X_j)为系统评价对象间灰色关联度；

$r(X_0,X_j)=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_{i}r\left(x_0\right(i),x_j(i\left)\right);$

步骤六，构造有限离散序列Y(i)＝{y_j(i)}|_1×n；

步骤七，计算Y(i)的灰熵；

$H\left(Y\right(i\left)\right)=-\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{y}_j\left(i\right)\·{\mathrm{lny}}_j\left(i\right)$

式中，H(Y(i))为Y(i)的灰熵；

则灰熵的极大值H_m为，

H_m＝lnm；

步骤八，根据灰熵和熵极大值，给出均衡度函数；

B(i)＝H(Y(i))/H_m

其中，B(i)为Y(i)的衡度函数，B(i)值越大，Y(i)越均衡；

步骤九，根据均衡度函数构造评价对象的权重序列；

$W\left(i\right)=\frac{1-B\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}(1-B(i))}$

式中，W(i)为第i个评价对象的权重序列，W(i)值越大，表示评价对象越接近理想对象，该评价对象越安全。

2.根据权利要求1所述的一种基于灰色理论的电池更换站安全评价方法，其特征在于：所述电池更换站的机械系统和电气系统中存在3个共同评价对象，即换电站工作人员、设备和环境。

3.根据权利要求2所述的一种基于灰色理论的电池更换站安全评价方法，其特征在于：人员、设备和环境三大评价对象理想值序列为{x₀(1),x₀(2),x₀(3)}；其中，x₀(1)表示人员理想值，x₀(2)表示设备理想值，x₀(3)表示环境理想值；

人员影响因素比较序列为{x₁(1),x₂(1),x₃(1)}；其中，x₁(1)表示人员培训时间，x₂(1)表示人员平均年龄，x₃(1)表示人员实际操控时间；

设备影响因素比较序列为{x₁(2),x₂(2),x₃(2)}；其中，x₁(2)表示设备完好率，x₂(2)表示设备待修率，x₃(2)表示设备故障率；

环境影响因素比较序列为{x₁(3),x₂(3),x₃(3)}；其中，x₁(3)表示照度，x₂(3)表示温度，x₃(3)表示湿度。