CN106096830B - 基于广义证据理论的继电保护状态评价方法及系统 - Google Patents

基于广义证据理论的继电保护状态评价方法及系统 Download PDF

Info

Publication number
CN106096830B
CN106096830B CN201610398584.1A CN201610398584A CN106096830B CN 106096830 B CN106096830 B CN 106096830B CN 201610398584 A CN201610398584 A CN 201610398584A CN 106096830 B CN106096830 B CN 106096830B
Authority
CN
China
Prior art keywords
state
weight
evaluation
fuzzy
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610398584.1A
Other languages
English (en)
Other versions
CN106096830A (zh
Inventor
龚庆武
林燕贞
刘栋
乔卉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201610398584.1A priority Critical patent/CN106096830B/zh
Publication of CN106096830A publication Critical patent/CN106096830A/zh
Application granted granted Critical
Publication of CN106096830B publication Critical patent/CN106096830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Complex Calculations (AREA)

Abstract

本发明提供一种基于广义证据理论的继电保护状态评价方法及系统，包括根据评价继电保护状态的状态量，以及各个状态量的评价指标，采用云模型函数代替模糊隶属度函数求解评估指标对继电保护运行状态的隶属度；基于改进模糊层次分析法计算设备的权重，计算设备的模糊评判结果，处理获得广义证据理论的初始概率分布，融合评估指标的信息，得出设备所处的状态。本发明采用置信系数分配各个指标之间的重要度，减少数据间的融合冲突，同时相比较传统的证据理论而言，广义理论数据融合速度比较快，在大数据的背景下为继电保护的状态评估提供了一种新的实用技术方案。

Description

基于广义证据理论的继电保护状态评价方法及系统
技术领域
本发明涉及继电保护状态评价，尤其是涉及一种利用广义证据理论的继电保护状态评价方法及系统。
背景技术
随着电力系统的不断发展，电网结构日益复杂以及分布范围越来越广，维护的工作量和成本越来越大。另外，随着微机继电保护的全面使用，装置的自检水平不断提高，若再以定期检验为主的办法进行维修，只会造成过修，降低设备运行的稳定和可靠性，同时造成人力、物力和财力的浪费。因此，常规的定期检验制度对保护设备进行维修是不合时宜的，必须根据保护设备的实际运行状态实行状态维修，以适应电力系统发展的需要。
继电保护状态评估是状态检修工作中关键问题，在状态评价的模型上，现有的方案一般有：用于确定事物本身所具有的模糊、不确定的特征量的模糊理论的状态评估方法；用层次分析法或其改进方法确定各状态量的权重，从而可以准确的衡量各状态量对设备状态的影响程度；采用基于支持向量机的继电保护状态评价方法，但是分析结果对于单台设备的检修没有指导意义。
在继电保护状态评价过程中如各种试验因测试环境、仪器精度及人为影响的程度不同，导致测试数据具有随机性；运行状态与判断指标评判等级的划分具有模糊的不确定性等等，但是现有的文献资料只考虑继电保护在状态评价过程出现的模糊性而忽略了随机性，或者完全把模糊性和随机性隔离开，同时支持向量机要求具有众多的训练样本，而且它们的精准性会对评定结果的精准度产生较大的作用。
证据理论采用信度函数，能够很好地表示“不确定性”、“不知道”等这些模糊概念，有效地融合不同方面的信息，具有较强的决策能力。但是随着智能电网的发展，由于数据传输通道拥堵等等不确定因素的影响，导致未知信息增多，采用传统的证据理论做数据融合时，无法给出确定的辨识框架，这对传统证据理论的使用造成挑战。
发明内容
本发明针对现有技术的问题，提供一种基于广义证据理论的继电保护状态评价技术方案。
本发明提供一种基于广义证据理论的继电保护状态评价方法，包括以下步骤：
步骤1，根据评价继电保护状态的状态量，以及各个状态量的评价指标，采用云模型函数代替模糊隶属度函数求解评估指标对继电保护运行状态的隶属度；所述继电保护状态的状态量包括继电保护本体、二次回路以及通信通道；
步骤2，基于改进模糊层次分析法计算设备的权重，包括以下子步骤，
步骤2.1，建立判断矩阵；
步骤2.2，建立评价指标的模糊一致性矩阵R；
步骤2.3，计算各个评价指标的权重如下，
Figure BDA0001011747240000021
式中，wi表示评价因素ei的权重值，n为评价因素个数，a为调整参数，a＝(n-1)/2，rim表示模糊一致性矩阵R中的元素；
步骤2.4，判断权重分配的满意度如下，
设权重向量W＝[w1，w2…wn]T是模糊一致性矩阵R的权重，令元素
Figure BDA0001011747240000022
则称n阶矩阵W*为模糊一致性矩阵R的特征矩阵，
W*＝[wij]n×n
根据是否满足相容性指标阈值，判断权重分配的合理性，若是合理，则进行步骤3，若是不合理，则重新计算权重；
步骤3，计算设备的模糊评判结果，处理获得广义证据理论的初始概率分布，融合评估指标的信息，得出设备所处的状态；包括以下子步骤，
步骤3.1，根据加权平均算子计算模糊评判结果Bi，表达式为
Figure BDA0001011747240000023
式中，wi为评价指标的权重，rij为评价指标的隶属度，R为模糊一致性矩阵，ο表示模糊算子，W表示权重矩阵；
对模糊评判结果做归一化处理，得到模糊评判归一化结果Bi′，
Figure BDA0001011747240000024
步骤3.2，将模糊评判归一化结果Bi′按照下式处理，作为广义证据理论的初始概率分布，
mr(H)＝αrMr(H) (式四)
mr(Θ)＝1-αr (式五)
wr′＝wr/wmax (式六)
αr＝αkwr′ (式七)
式中，l为证据总数，r表示某个辨识框架内的一个证据，取值为[1，l]，Mr(H)为根据模糊评判归一化结果Bi′所得初始概率分布，mr(H)为修改后的初始概率分布，mr(Θ)为不确定因子的初始概率分布，{w1，w2，…wl}为证据{f1，f2，…fl}的权重，αk为优先置信系数，置信系数αr(r＝1，2…l)用于修订初始的证据概率分布，wmax为权重{w1，w2，…wl}的最大值，wr′为权重wr的优化结果；
步骤3.3，构建用于设备状态评估的识别框架U＝{H1，H2，H3，H4}，H1、H2、H3、H4分别为正常状态、注意状态、异常状态和严重状态；
步骤3.4，根据初始概率分布，基于合成原则和决策原则，计算证据融合的结果，判断设备的状态，
所述决策原则如下
Figure BDA0001011747240000031
其中，mr(H0)表示在第r个证据里的最大值，mr(H0)＝max{mr(Hp),p＝1,2,3,4}，ε0、ε1为预设的参数。
而且，步骤2.4中，判断不满足相容性指标阈值时，进行以下操作，
(1)根据模糊一致性矩阵R元素rij、rji，利用转换公式eij＝rij/rji，求取元素eij，将矩阵R转化为互反型矩阵E＝[eij]n×n；
(2)取B＝log(E)，其中元素bij＝logeij；
(3)构造矩阵
Figure BDA0001011747240000033
其中参数
Figure BDA0001011747240000032
称W*为拟优化传递阵；
(4)在矩阵W*的基础上根据式一算出指标的权重。
本发明提供一种基于广义证据理论的继电保护状态评价系统，包括以下模块：
第一模块，用于根据评价继电保护状态的状态量，以及各个状态量的评价指标，采用云模型函数代替模糊隶属度函数求解评估指标对继电保护运行状态的隶属度；所述继电保护状态的状态量包括继电保护本体、二次回路以及通信通道；
第二模块，用于基于改进模糊层次分析法计算设备的权重，包括以下单元，
第一单元，用于建立判断矩阵；
第二单元，用于建立评价指标的模糊一致性矩阵R；
第三单元，用于计算各个评价指标的权重如下，
Figure BDA0001011747240000041
式中，wi表示评价因素ei的权重值，n为评价因素个数，a为调整参数，a＝(n-1)/2，rim表示模糊一致性矩阵R中的元素；
第四单元，用于判断权重分配的满意度如下，
设权重向量W＝[w1，w2…wn]T是模糊一致性矩阵R的权重，令元素
Figure BDA0001011747240000042
则称n阶矩阵W*为模糊一致性矩阵R的特征矩阵，
W*＝[wij]n×n
根据是否满足相容性指标阈值，判断权重分配的合理性，若是合理，则命令第三模块公主，若是不合理，则重新计算权重；
第三模块，用于计算设备的模糊评判结果，处理获得广义证据理论的初始概率分布，融合评估指标的信息，得出设备所处的状态；包括以下单元，
第一单元，用于根据加权平均算子计算模糊评判结果Bi，表达式为
Figure BDA0001011747240000043
式中，wi为评价指标的权重，rij为评价指标的隶属度，R为模糊一致性矩阵，ο表示模糊算子，W表示权重矩阵；
对模糊评判结果做归一化处理，得到模糊评判归一化结果Bi′，
Figure BDA0001011747240000044
第二单元，用于将模糊评判归一化结果Bi′按照下式处理，作为广义证据理论的初始概率分布，
mr(H)＝αrMr(H) (式四)
mr(Θ)＝1-αr (式五)
wr′＝wr/wmax (式六)
αr＝αkwr′ (式七)
式中，l为证据总数，r表示某个辨识框架内的一个证据，取值为[1，l]，Mr(H)为根据模糊评判归一化结果Bi′所得初始概率分布，mr(H)为修改后的初始概率分布，mr(Θ)为不确定因子的初始概率分布，{w1，w2，…wl}为证据{f1，f2，…fl}的权重，αk为优先置信系数，置信系数αr(r＝1，2…l)用于修订初始的证据概率分布，wmax为权重{w1，w2，…wl}的最大值，wr′为权重wr的优化结果；
第三单元，用于构建用于设备状态评估的识别框架U＝{H1，H2，H3，H4}，H1、H2、H3、H4分别为正常状态、注意状态、异常状态和严重状态；
第四单元，用于根据初始概率分布，基于合成原则和决策原则，计算证据融合的结果，判断设备的状态，
所述决策原则如下
Figure BDA0001011747240000051
其中，mr(H0)表示在第r个证据里的最大值，mr(H0)＝max{mr(Hp),p＝1,2,3,4}，ε0、ε1为预设的参数。
而且，第二模块中，判断不满足相容性指标阈值时，进行以下操作，
(1)根据模糊一致性矩阵R元素rij、rji，利用转换公式eij＝rij/rji，求取元素eij，将矩阵R转化为互反型矩阵E＝[eij]n×n；
(2)取B＝log(E)，其中元素bij＝logeij；
(3)构造矩阵
Figure BDA0001011747240000053
其中参数
Figure BDA0001011747240000052
称W*为拟优化传递阵；
(4)在矩阵W*的基础上根据式一算出指标的权重。
本发明的优点：采用改进模糊层次分析法计算评价指标的权重，合理分配权重；采用置信函数处理模糊评判结果作为证据理论的初始概率分配，充分考虑评价中存在的一系列不确定性问题，逐层融合，获得继电保护设备运行状态的评估值，减少继电保护信息系统由于一次开关与二次保护信息上传不及时，数据传输堵塞，时标不一致，使得信息缺失严重，包含很多的未知信息，使得无法给出确定的辨识框架带来的证据冲突。本发明在大数据的背景下为继电保护的状态评估提供了一种新的实用技术方案，实用性好，市场价值高。
附图说明
图1是本发明实施例的继电保护状态评估模型。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
本发明实施例提供一种基于广义证据理论继电保护状态评价方法，包括以下步骤：
步骤1，根据评价继电保护状态的状态量：继电保护本体、二次回路以及通信通道，以及各个状态量的评价指标，采用云模型函数代替模糊隶属度函数求解评估指标对继电保护运行状态的隶属度。
所述的步骤1中，具体的操作步骤如下：建立状态评价指标以及各个评价指标的状态区间，采用云模型的定义计算各个指标的期望，熵以及超熵即式子(1)(2)，紧接着根据正态云生成算法，即式子(3)计算各个评价指标隶属于继电保护设备状态的隶属度；
Figure BDA0001011747240000061
Figure BDA0001011747240000062
u(x)＝exp[-(x-Ex)2/(2En 2)] (3)
其中，a、b、Ex、En、x、u(x)分别表示期望值、熵和超熵，状态量取值以及隶属度。
具体实施时，可以预先选取状态量和相应评价指标，本发明实施例中状态量的选取以及各个状态量对应的评价指标如下表1所示：
表1状态量的选取
Figure BDA0001011747240000063
Figure BDA0001011747240000071
步骤2，基于改进模糊层次分析法计算设备的权重。
实施例的步骤2中，具体的操作步骤如下：
步骤2.1，采用0.1～0.9标度法，建立判断矩阵，具体实现为现有技术，本发明不予赘述；
步骤2.2，建立评价指标的模糊一致性矩阵R，具体实现为现有技术，本发明不予赘述；
步骤2.3，根据式子(4)计算各个评价指标的权重。
Figure BDA0001011747240000072
式中wi表示评价因素ei的权重值，n为评价因素个数(例如表1中的19个评价因素)，a为调整参数，a＝(n-1)/2，rim表示模糊一致性矩阵R中的元素。
步骤2.4，判断权重分配的满意度。
设权重向量W＝[w1，w2…wn]T是模糊一致性矩阵R的权重，令元素
Figure BDA0001011747240000073
则称n阶矩阵W*为模糊一致性矩阵R的特征矩阵：
W*＝[wij]n×n (5)
实施例中，数值分析相容性指标阈值α取0.1，根据是否满足相容性指标I(R，W*)<α，来判断权重分配的合理性，相容性指标根据数值分析中相应定义求去即可，本发明不予赘述。若是合理，则进行步骤3，若是不合理，则
(1)根据模糊一致性矩阵R元素rij、rji，利用转换公式eij＝rij/rji，求取元素eij，将矩阵R转化为互反型矩阵E＝[eij]n×n。
(2)取B＝log(E)，其中元素bij＝logeij。
(3)构造矩阵
Figure BDA0001011747240000075
其中参数
Figure BDA0001011747240000074
称W*为拟优化传递阵。
(4)在矩阵W*的基础上根据式子(4)算出指标的权重，即将W*赋值给R，再根据式子(4)重新求解权值，一般重新计算一次的权重可满足合理性，可进入步骤3。具体实施时，可以将流程设计为，返回步骤2.3根据矩阵W*重新计算权值，直到步骤2.4判断为满足合理性，进入步骤3。
步骤3，采用加权平均模糊算子计算设备的模糊评判结果，并采用概率论的思想处理模糊评判结果作为广义证据理论的初始概率分布，融合评估指标的信息，得出设备所处的状态。
所述的步骤3中，具体的操作步骤如下：
步骤3.1，根据加权平均算子计算模糊评判结果Bi，表达式为
Figure BDA0001011747240000081
式中，wi为评价指标的权重，rij为评价指标的隶属度，R为模糊一致性矩阵，ο表示模糊算子，W表示权重矩阵。
对模糊评判结果做归一化处理，得到模糊评判归一化结果Bi′。
Figure BDA0001011747240000082
步骤3.2，将上述的模糊评判归一化结果Bi′按照下式处理之后作为广义证据理论的初始概率分布，即
mr(H)＝αrMr(H) (8)
mr(Θ)＝1-αr (9)
wr′＝wr/wma x(10)
αr＝αkwr′ (11)
式中，l为证据总数，r表示某个辨识框架内的一个证据，取值为[1，l]，Mr(H)为根据模糊评判归一化结果Bi′所得初始概率分布，mr(H)为修改后的初始概率分布，mr(Θ)为不确定因子的初始概率分布，{w1，w2，…wl}为证据{f1，f2，…fl}的权重，αk为优先置信系数，具体实施时本领域技术人员可自行预设取值，实施例取0.9，置信系数αr(r＝1，2…l)来修订初始的证据概率分布，wmax为权重{w1，w2，…wl}的最大值，wr′为权重wr的优化结果。
步骤3.3，构建用于设备状态评估的识别框架U＝{H1，H2，H3，H4}，本发明取P＝4种状态等级，分为{正常状态，注意状态，异常状态，严重状态}，即，H1、H2、H3、H4分别为正常状态、注意状态、异常状态和严重状态。
步骤3.4，将上述的初始概率分布按照式子(12)(13)(14)计算证据融合的结果。
在广义证据理论中，设不确定因子Θ1∩Θ2＝Θ，给定两个证据，合成规则为：
Figure BDA0001011747240000083
Figure BDA0001011747240000091
m(Θ)＝m1(Θ)m2(Θ) (14)
式中，k表示证据冲突程度，m1(.)和m2(.)表示两个证据，B和C表示证据里面的焦元，Θ表示不确定因子。A表示两个证据的合成结果，m(.)表示概率分布。
决策原则为
Figure BDA0001011747240000092
式中，mr(H0)表示在第r个证据里的最大值，ε0、ε1为预设的参数，具体实施时本领域技术人员可自行预设取值，实施例中取0.001和0.04，即：
Figure BDA0001011747240000093
综上，基于广义证据理论的继电保护评估模型如图1所示，分为三层结构，分别是目标层、因素层和指标层。目标层表示继电保护整体的状态评估结果，采用证据理论对因素层的信息进行融合；因素层反映了继电保护的三个主要方面，保护装置本体、二次回路以及光纤通道，表示为F＝{f1,f2,f3}，作为证据；因素层的下一分支叫指标层，因素层每一因素可以由若干指标组成，例如保护装置本体由环境温度，相对湿度等11个状态指标组成即f1＝{e1,e2…e11}。通过对指标层的所有n个指标做模糊综合评估，其结果经过处理之后作为因素层证据基本概率分配。
以上流程可采用计算机软件方式实现自动运行，例如采用以上流程实施如下：
一、计算各个评价指标的隶属度。
将继电保护的实际运行数据带入式子(3)构建各个评价指标的隶属矩阵。
二、计算各个指标的权重以及模糊评判结果
根据式子(4)计算各个指标的权重如表2所示。
表2各个指标的权重
Figure BDA0001011747240000094
Figure BDA0001011747240000101
根据式子(4)(6)(7)计算设备模糊评判结果，结果如表3所示。
表3设备模糊评判结果
项目名称 模糊评判结果
保护装置 0.3672，0.3532，0.1923，0.0873
二次回路 0.3155，0.3450，0.1967，0.1427
光纤通道 0.4169，0.31，0.2517，0.0214
总体 0.3615，0.3399，0.2060，0.0926
三、基于置信函数计算广义证据理论的初始概率分布。
根据式子(8)(9)(10)(11)计算广义证据理论的初始概率分布，结果如表4所示。
Figure BDA0001011747240000102
四、根据式子(12)(13)(14)以及决策规则(15)判断设备的状态如表5所示。
表5设备状态的判断
Figure BDA0001011747240000103
比较广义证据理论，传统证据理论以及模糊评判法的结果如表6所示。
正常状态 注意状态 异常状态 严重状态
模糊评判结果 0.3615 0.3399 0.2060 0.0925
传统证据理论 0.4023 0.3231 0.1489 0.059
广义证据理论 0.4850 0.2192 0.1907 0.1051
具体实施时，本发明也可采用模块化方式实现相应系统。本发明实施例提供一种基于广义证据理论的继电保护状态评价系统，包括以下模块：
第一模块，用于根据评价继电保护状态的状态量，以及各个状态量的评价指标，采用云模型函数代替模糊隶属度函数求解评估指标对继电保护运行状态的隶属度；所述继电保护状态的状态量包括继电保护本体、二次回路以及通信通道；
第二模块，用于基于改进模糊层次分析法计算设备的权重，包括以下单元，
第一单元，用于建立判断矩阵；
第二单元，用于建立评价指标的模糊一致性矩阵R；
第三单元，用于计算各个评价指标的权重如下，
Figure BDA0001011747240000111
式中，wi表示评价因素ei的权重值，n为评价因素个数，a为调整参数，a＝(n-1)/2，rim表示模糊一致性矩阵R中的元素；
第四单元，用于判断权重分配的满意度如下，
设权重向量W＝[w1，w2…wn]T是模糊一致性矩阵R的权重，令元素
Figure BDA0001011747240000112
则称n阶矩阵W*为模糊一致性矩阵R的特征矩阵，
W*＝[wij]n×n
根据是否满足相容性指标阈值，判断权重分配的合理性，若是合理，则命令第三模块公主，若是不合理，则重新计算权重；
第三模块，用于计算设备的模糊评判结果，处理获得广义证据理论的初始概率分布，融合评估指标的信息，得出设备所处的状态；包括以下单元，
第一单元，用于根据加权平均算子计算模糊评判结果Bi，表达式为
Figure BDA0001011747240000113
式中，wi为评价指标的权重，rij为评价指标的隶属度，R为模糊一致性矩阵，ο表示模糊算子，W表示权重矩阵；
对模糊评判结果做归一化处理，得到模糊评判归一化结果Bi′，
Figure BDA0001011747240000114
第二单元，用于将模糊评判归一化结果Bi′按照下式处理，作为广义证据理论的初始概率分布，
mr(H)＝αrMr(H) (式四)
mr(Θ)＝1-αr (式五)
wr′＝wr/wmax (式六)
αr＝αkwr′ (式七)
式中，l为证据总数，r表示某个辨识框架内的一个证据，取值为[1，l]，Mr(H)为根据模糊评判归一化结果Bi′所得初始概率分布，mr(H)为修改后的初始概率分布，mr(Θ)为不确定因子的初始概率分布，{w1，w2，…wl}为证据{f1，f2，…fl}的权重，αk为优先置信系数，置信系数αr(r＝1，2…l)用于修订初始的证据概率分布，wmax为权重{w1，w2，…wl}的最大值，wr′为权重wr的优化结果；
第三单元，用于构建用于设备状态评估的识别框架U＝{H1，H2，H3，H4}，H1、H2、H3、H4分别为正常状态、注意状态、异常状态和严重状态；
第四单元，用于根据初始概率分布，基于合成原则和决策原则，计算证据融合的结果，判断设备的状态，
所述决策原则如下
Figure BDA0001011747240000121
其中，mr(H0)表示在第r个证据里的最大值，mr(H0)＝max{mr(Hp),p＝1,2,3,4}，ε0、ε1为预设的参数。
各模块具体实现可参见相应步骤，本发明不予赘述。
本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.一种基于广义证据理论的电力系统电网继电保护状态评价方法，其特征在于，基于证据权重的优化结果引入置信系数，包括以下步骤：
步骤1，根据评价继电保护状态的状态量，以及各个状态量的评价指标，采用云模型函数代替模糊隶属度函数求解评估指标对继电保护运行状态的隶属度；所述继电保护状态的状态量包括电力系统电网中继电保护装置本体、二次回路以及通信通道的状态量，
状态量的选取以及各个状态量对应的评价指标如下表所示：
Figure FDA0002438741780000011
步骤2，基于改进模糊层次分析法计算设备的权重，包括以下子步骤，
步骤2.1，建立判断矩阵；
步骤2.2，建立评价指标的模糊一致性矩阵R；
步骤2.3，计算各个评价指标的权重如下，
Figure FDA0002438741780000012
式中，wi为评价指标的权重，n为评价指标个数，a为调整参数，a＝(n-1)/2，rim表示模糊一致性矩阵R中的元素；
步骤2.4，判断权重分配的满意度如下，
设权重向量W＝[w1，w2…wn]T是模糊一致性矩阵R的权重，令元素
Figure FDA0002438741780000021
j∈{1,2,3…n}；
则称n阶矩阵W*为模糊一致性矩阵R的特征矩阵，
W*＝[wij]n×n
根据是否满足相容性指标阈值，判断权重分配的合理性，若是合理，则进行步骤3，若是不合理，则重新计算权重，包括进行以下操作，
(1)根据模糊一致性矩阵R元素Rij、Rji，利用转换公式eij＝Rij/Rji，求取元素eij，将矩阵R转化为互反型矩阵E＝[eij]n×n；
(2)取B＝log(E)，其中元素bij＝logeij；
(3)构造矩阵
Figure FDA0002438741780000026
其中参数
Figure FDA0002438741780000022
称C*为拟优化传递阵；
(4)在矩阵C*的基础上根据式一算出指标的权重；
步骤3，计算设备的模糊评判结果，处理获得广义证据理论的初始概率分布，融合评估指标的信息，得出设备所处的状态；包括以下子步骤，
步骤3.1，根据加权平均算子计算模糊评判结果Bi，表达式为
Figure FDA0002438741780000023
式中，wi为评价指标的权重，rij为评价指标的隶属度，R为模糊一致性矩阵，
Figure FDA0002438741780000025
表示模糊算子，W表示权重矩阵；
对模糊评判结果做归一化处理，得到模糊评判归一化结果Bi′，
Figure FDA0002438741780000024
步骤3.2，将模糊评判归一化结果Bi′按照下式处理，作为广义证据理论的初始概率分布，
mr(H)＝αrMr(H) (式四)
mr(Θ)＝1-αr (式五)
wr′＝wr/wmax (式六)
αr＝αkwr′ (式七)
式中，r表示某个辨识框架内的一个证据，取值为[1，l]，l为证据总数，Mr(H)为根据模糊评判归一化结果Bi′所得初始概率分布，mr(H)为对Mr(H)修改后的初始概率分布，mr(Θ)为不确定因子的初始概率分布，Θ表示不确定因子；w1，w2，…wl分别为证据f1，f2，…fl的权重，αk为优先置信系数，置信系数αr用于修订初始的证据概率分布，r＝1，2…l，wmax为权重w1，w2，…wl的最大值，wr′为权重wr的优化结果，权重wr为证据fr的权重；
步骤3.3，构建用于设备状态评估的识别框架H＝{H1，H2，H3，H4}，H1、H2、H3、H4分别为正常状态、注意状态、异常状态和严重状态；
步骤3.4，根据初始概率分布，基于合成原则和决策原则，计算证据融合的结果，判断设备的状态，
所述决策原则如下
Figure FDA0002438741780000031
其中，mr(H0)表示在r个证据修改后的初始概率分布的最大值，H0为满足决策规则的最终的评价结果，mr(H0)＝max{mr(Hp),p＝1,2,3,4}，ε0、ε1为预设的参数，Hp在p＝1,2,3,4时表示H1、H2、H3、H4。
2.一种基于广义证据理论的电力系统电网继电保护状态评价系统，其特征在于，基于证据权重的优化结果引入置信系数，包括以下模块：
第一模块，用于根据评价继电保护状态的状态量，以及各个状态量的评价指标，采用云模型函数代替模糊隶属度函数求解评估指标对继电保护运行状态的隶属度；所述继电保护状态的状态量包括电力系统电网中继电保护装置本体、二次回路以及通信通道的状态量，
状态量的选取以及各个状态量对应的评价指标如下表所示：
Figure FDA0002438741780000032
Figure FDA0002438741780000041
第二模块，用于基于改进模糊层次分析法计算设备的权重，包括以下单元，
第一单元，用于建立判断矩阵；
第二单元，用于建立评价指标的模糊一致性矩阵R；
第三单元，用于计算各个评价指标的权重如下，
Figure FDA0002438741780000042
式中，wi为评价指标的权重，n为评价指标个数，a为调整参数，a＝(n-1)/2，rim表示模糊一致性矩阵R中的元素；
第四单元，用于判断权重分配的满意度如下，
设权重向量W＝[w1，w2…wn]T是模糊一致性矩阵R的权重，令元素
Figure FDA0002438741780000043
Figure FDA0002438741780000044
则称n阶矩阵W*为模糊一致性矩阵R的特征矩阵，
W*＝[wij]n×n
根据是否满足相容性指标阈值，判断权重分配的合理性，若是合理，则命令第三模块工作，若是不合理，则重新计算权重，包括进行以下操作，
(1)根据模糊一致性矩阵R元素Rij、Rji，利用转换公式eij＝Rij/Rji，求取元素eij，将矩阵R转化为互反型矩阵E＝[eij]n×n；
(2)取B＝log(E)，其中元素bij＝logeij；
(3)构造矩阵
Figure FDA0002438741780000055
其中参数
Figure FDA0002438741780000051
称C*为拟优化传递阵；
(4)在矩阵C*的基础上根据式一算出指标的权重；第三模块，用于计算设备的模糊评判结果，处理获得广义证据理论的初始概率分布，融合评估指标的信息，得出设备所处的状态；包括以下单元，
第一单元，用于根据加权平均算子计算模糊评判结果Bi，表达式为
Figure FDA0002438741780000052
式中，wi为评价指标的权重，rij为评价指标的隶属度，R为模糊一致性矩阵，
Figure FDA0002438741780000053
表示模糊算子，W表示权重矩阵；
对模糊评判结果做归一化处理，得到模糊评判归一化结果Bi′，
Figure FDA0002438741780000054
第二单元，用于将模糊评判归一化结果Bi′按照下式处理，作为广义证据理论的初始概率分布，
mr(H)＝αrMr(H) (式四)
mr(Θ)＝1-αr (式五)
wr′＝wr/wmax (式六)
αr＝αkwr′ (式七)
式中，r表示某个辨识框架内的一个证据，取值为[1，l]，l为证据总数，Mr(H)为根据模糊评判归一化结果Bi′所得初始概率分布，mr(H)为对Mr(H)修改后的初始概率分布，mr(Θ)为不确定因子的初始概率分布，Θ表示不确定因子；w1，w2，…wl分别为证据f1，f2，…fl的权重，αk为优先置信系数，置信系数αr用于修订初始的证据概率分布，r＝1，2…l，wmax为权重w1，w2，…wl的最大值，wr′为权重wr的优化结果，权重wr为证据fr的权重；
第三单元，用于构建用于设备状态评估的识别框架H＝{H1，H2，H3，H4}，H1、H2、H3、H4分别为正常状态、注意状态、异常状态和严重状态；
第四单元，用于根据初始概率分布，基于合成原则和决策原则，计算证据融合的结果，判断设备的状态，
所述决策原则如下
Figure FDA0002438741780000061
其中，mr(H0)表示在r个证据修改后的初始概率分布的最大值，H0为满足决策规则的最终的评价结果，mr(H0)＝max{mr(Hp),p＝1,2,3,4}，ε0、ε1为预设的参数，Hp在p＝1,2,3,4时表示H1、H2、H3、H4。
CN201610398584.1A 2016-06-07 2016-06-07 基于广义证据理论的继电保护状态评价方法及系统 Active CN106096830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610398584.1A CN106096830B (zh) 2016-06-07 2016-06-07 基于广义证据理论的继电保护状态评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610398584.1A CN106096830B (zh) 2016-06-07 2016-06-07 基于广义证据理论的继电保护状态评价方法及系统

Publications (2)

Publication Number Publication Date
CN106096830A CN106096830A (zh) 2016-11-09
CN106096830B true CN106096830B (zh) 2020-06-09

Family

ID=57228999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610398584.1A Active CN106096830B (zh) 2016-06-07 2016-06-07 基于广义证据理论的继电保护状态评价方法及系统

Country Status (1)

Country Link
CN (1) CN106096830B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599432A (zh) * 2016-12-07 2017-04-26 广州供电局有限公司培训与评价中心 一种基于变权重理论的高压电缆施工作业3d仿真培训系统可信度评估方法
CN106932670B (zh) * 2017-02-08 2019-05-14 国家电网公司 一种基于d-s证据理论的配电自动化终端状态诊断方法
CN106953745B (zh) * 2017-02-28 2019-08-20 中国联合网络通信集团有限公司 网络问题评估的方法及装置
CN107133674B (zh) * 2017-05-08 2021-12-17 中国电力科学研究院 一种确定换流阀整体状态的方法和系统
CN108529372B (zh) * 2018-03-23 2019-12-03 南京航空航天大学 基于云模型和证据理论的电梯运行状态评估方法
CN108548970B (zh) * 2018-04-03 2020-10-16 国网江苏省电力有限公司电力科学研究院 一种基于d-s证据理论的继电保护装置自动化测试模板
CN109190895A (zh) * 2018-08-01 2019-01-11 上海电力学院 一种新工科大学生综合素质评估方法
CN109636110A (zh) * 2018-11-09 2019-04-16 中国电力科学研究院有限公司 一种获取继电保护装置运行状态的方法及装置
CN109919440A (zh) * 2019-01-31 2019-06-21 中国人民解放军92942部队 一种基于证据推理的舰船装备保障性评估方法
CN109919441A (zh) * 2019-01-31 2019-06-21 中国人民解放军92942部队 一种基于证据推理的舰船装备环境适应性评估方法
CN109977477A (zh) * 2019-02-28 2019-07-05 清华大学 基于改进模糊层次分析的电站锅炉过热器健康状态评估法
CN111950627B (zh) * 2020-08-11 2024-04-05 重庆大学 一种多源信息融合方法及其应用
CN112541682A (zh) * 2020-12-16 2021-03-23 济南置真电气有限公司 一种真空断路器状态综合评估方法
CN113379182B (zh) * 2021-04-27 2022-09-16 云南电网有限责任公司昆明供电局 一种基于多维状态参数的中低压设备健康状态评估方法
CN116452070B (zh) * 2023-06-16 2023-09-01 中国人民解放军国防科技大学 多辨识框架下的大型设备健康评估方法和装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046582A (zh) * 2015-07-14 2015-11-11 国家电网公司 方便的电网安全风险评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046582A (zh) * 2015-07-14 2015-11-11 国家电网公司 方便的电网安全风险评估方法
CN105069692A (zh) * 2015-07-14 2015-11-18 国家电网公司 准确的电网安全风险评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于模糊AHP和证据理论的产品族状态评价;高晓亮;《组合机床与自动化加工技术》;20150922(第9期);第151-156页 *
基于模糊和证据理论的变压器本体绝缘状态评估方法;赵云峰;《电力系统保护与控制》;20141201;第42卷(第23期);第57-62页 *

Also Published As

Publication number Publication date
CN106096830A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN106096830B (zh) 基于广义证据理论的继电保护状态评价方法及系统
Zhang et al. Consensus-based TOPSIS-Sort-B for multi-criteria sorting in the context of group decision-making
Du et al. New failure mode and effects analysis: An evidential downscaling method
CN107886235A (zh) 一种耦合确定性与不确定分析的火灾风险评估方法
CN104881609A (zh) 一种复杂软件系统软件单元可信性评估方法
CN109583520B (zh) 一种云模型与遗传算法优化支持向量机的状态评估方法
CN108009937B (zh) 一种配电主设备健康状态的评估方法
CN106453293A (zh) 一种基于改进bpnn的网络安全态势预测方法
CN102496069A (zh) 基于模糊层次分析法的电缆多状态安全运行评估方法
Xian et al. A new trapezoidal Pythagorean fuzzy linguistic entropic combined ordered weighted averaging operator and its application for enterprise location
CN111159396B (zh) 面向数据共享交换的文本数据分类分级模型的建立方法
CN107632590A (zh) 一种基于优先级的底事件排序方法
Minli et al. Research on the application of artificial neural networks in tender offer for construction projects
CN112445844B (zh) 大数据平台财务数据管理控制系统
CN103914482B (zh) 基于cmdb的集中监控事件影响性确定方法
CN113742195B (zh) 一种基于贝叶斯神经网络的系统健康状态预测方法
Zhang et al. A novel large group decision-making method via normalized alternative prediction selection
CN114862267A (zh) 一种输油气管道报警管理体系的评价方法及系统
CN110348676A (zh) 一种变电站自动化设备状态评价方法及系统
CN109214625A (zh) 一种油罐失效评估方法及装置
CN112990776B (zh) 一种配网设备健康度评价方法
CN104217296A (zh) 一种上市公司绩效综合评价方法
Tsehayae et al. Context adaptation of fuzzy inference system-based construction labor productivity models
CN114548494A (zh) 一种可视化造价数据预测智能分析系统
Liu et al. Research on the strategy of locating abnormal data in IOT management platform based on improved modified particle swarm optimization convolutional neural network algorithm

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant