CN106549826A - 智能变电站交换机网络性能测试评估方法 - Google Patents

Abstract

本发明是针对现有智能变电站在进行交换机网络性能测试时，判断结果相对片面且要求也比较低的问题，提供一种智能变电站交换机网络性能测试评估方法。该方法，包括：建立评价因素合集U，所述合集U包括至少两个代表交换机网络性能指标的评价因素；建立评价结果合集V，所述合集V包括至少两个表征交换机网络性能评价结果的结果因素；获取隶属度矩阵R，将所述合集U中每个评价因素以所述合集V中每个结果因素进行评价，获取隶属度矩阵R；计算交换机评价结果B。本发明通过层次分析法和熵权法相结合的模糊综合评价方法对交换机网络性能测试进行评价，能够得到一个合理可靠且能够综合全面反映交换机性能的测试指标数据。

Description

智能变电站交换机网络性能测试评估方法

技术领域

本发明涉及智能变电站设备性能测试相关技术领域，具体地说，涉及一种智能变电站交换机网络性能测试评估方法，进一步，涉及一种基于层次分析法熵权的智能变电站交换机网络性能测试评估方法。

背景技术

工业用交换机是智能变电站中进行信息传输、交换、通信的重要设备。交换机的网络性能将直接影响变电站中控制系统和保护系统的功能，对其可靠性、快速性、安全性等各方面都将产生重大的影响。

然而传统的交换机网络性能测试方法仅仅是将交换机的吞吐量、转发时延、背靠背等基本方面逐一的进行单项的测试，再以RFC2544标准、RFC2899标准中的要求进行比对来确定交换机是否符合性能要求，评价的最终结果也仅仅是判断交换机某一方面的数据是合格或者不合格，这样的测试方法不能将交换机的各种性能看作一个整体来对其进行评估，判断结果相对片面且要求也比较低。

发明内容

本发明是针对现有智能变电站在进行交换机网络性能测试时，评价的最终结果仅仅是判断交换机某一方面的数据是合格或者不合格，这样的测试方法不能将交换机的各种性能看作一个整体来对其进行评估，判断结果相对片面且要求也比较低的问题，提供一种智能变电站交换机网络性能测试评估方法，进一步，提供一种基于层次分析法熵权的智能变电站交换机网络性能测试评估方法。

本发明所需要解决的技术问题，可以通过以下技术方案来实现：

一种智能变电站交换机网络性能测试评估方法，其特征在于，包括：

建立评价因素合集U，所述合集U包括至少两个代表交换机网络性能指标的评价因素；

建立评价结果合集V，所述合集V包括至少两个表征交换机网络性能评价结果的结果因素；

获取隶属度矩阵R，将所述合集U中每个评价因素以所述合集V中每个结果因素进行评价，获取隶属度矩阵R；

计算交换机评价结果B，所述评价结果其中，W＝(w₁,w₂,…,w_i)为评价结果权重向量，ο为模糊评价合成算子。

本发明中，所述交换机网络性能指标，包括交换机的吞吐量、转发时延、背靠背帧长、Mac地址容量数和Mac地址学习速率。

所述交换机的吞吐量、转发时延、背靠背帧长指标还包括以报文长度划分的二级指标。

本发明中，所述表征交换机网络性能评价结果，由代表评价结果程度的数值表示。

所述评价结果程度包括优秀、良好、中等、合格和不合格，上述评价结果程度对应的数值分别为90、80、70、60和30。

本发明中，所述结果权重向量W＝aW'+bθ，所述W'为第一权重向量，所述θ为第二权重向量，所述a和b均为权重系数，a+b＝1。

本发明中，所述第一权重向量为熵权重W_i'＝(w₁',w₂'...w_i')，所述熵权重通过如下步骤获取：

1)以评价因素合集U的多个评价因素和结果合集V的多个结果因素形成一个A＝(a_ij)_m×n矩阵，再将它正则化为X＝(x_ij)m×n，那么所得的第j元素信息熵值可以表示为：其中并规定当某一个x_ij'＝0时，x_ij'Inx_ij'＝0；

2)对A＝(a_ij)_m×n矩阵，第j个因素的权重为：再将列向量w'_j变为行向量即得到w'_i。

本发明中，所述第二权重向量θ＝(θ₁,θ₂,…,θ_i)，所述第二权重向量以评价因素合集U通过层次分析法获取。

所述交换机网络性能指标，包括交换机的吞吐量u1、转发时延u2、背靠背帧长u3、Mac地址容量数u4和Mac地址学习速率u5，进行层次分析法时，满足如下判断矩阵：

本发明中，所述模糊评价合成算子为加权平均型算子。

本发明智能变电站交换机网络性能测试评估方法，采用了一种使用层次分析法和信息熵权法相结合的模糊综合评价方法对交换机的性能进行测试评估。此方法在对交换机网络性能单项测试的基础上，通过层次法和熵权法对测试数据进行计算和分析，模糊综合评价法可以通过事物模糊关系的特性，将交换机的多个参数指标综合的进行评判，将交换机不同方面的指标统一起来，这种方法的优势在于模型简单，也易于被掌握。

模糊综合评价中的被测对象的指标权重则可以通过多种方法来确定，每种方法都有其特点和适用对象，本发明采用层次分析法和熵权法来确定交换机性能指标的权重值，这两种方法也是在处理电力系统问题中常用的两种权重确定方法。层次分析法是将复杂的评价问题拆解为多个层次和指标，再按照不同权重综合评价的方法，通过分析被测各个指标因素的关系，确定好分层次的结构，再由专家按照重要程度做出两两相比较的判断矩阵就可以计算得出其权重，层次分析法具有灵活好理解的特点，其权重结果也直观可靠，但是由于由专家评断给出各个指标的重要程度，因此主观性比较强。熵权法是一种通过原始数据计算得到权重的方法，但是这种方法容易忽略各指标之前的联系，所以发明使用层次权重和熵权重相结合的方法来使两者取长补短，使评价指标的权重主观和客观相结合。

本发明通过层次分析法和熵权法相结合的模糊综合评价方法对交换机网络性能测试进行评价，能够得到一个合理可靠且能够综合全面反映交换机性能的测试指标数据。

附图说明

以下结合附图和具体实施方式来进一步说明本发明。

图1为本发明评估方法的示意图。

图2位本发明二层的模糊综合评价模型图。

具体实施方式

为了使本发明的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

本发明的主旨在于，通过对现有智能变电站在进行交换机网络性能测试过程的分析，发现现有对智能变电站在进行交换机网络性能测试时，评价的最终结果仅仅是判断交换机某一方面的数据是合格或者不合格，这样的测试方法不能将交换机的各种性能看作一个整体来对其进行评估，存在判断结果相对片面且要求也比较低的问题，通过本发明提供一种智能变电站交换机网络性能测试评估方法，进一步，提供一种基于层次分析法熵权的智能变电站交换机网络性能测试评估方法以解决上述技术问题。

参见图1，本发明的智能变电站交换机网络性能测试评估方法，首先需要测得交换机的单项性能指标，测试交换机的吞吐量，转发时延，背靠背帧长，Mac地址学习速率，Mac地址容量这几个关键性能指标数据，传统的测试中，测试完这些数据再和标准比对是否符合标准就完成了。而在本发明中这只是第一步的数据收集，后面还需要对数据进行处理才能得到最终结果。

对这些数据进行处理的方法就是模糊综合评价方法，由于对交换机性能评估需要涉及到多个指标，而这几个不同方面的指标之间又难以量化和比较，所以可以通过模糊语言给出其程度的评价值再将其综合计算。首先是确定评价因素集合和评价结果的集合，而两者之间的联系则需要通过隶属度和权重的计算才能实现。在确定权重以后，将测试出来的结果通过隶属度函数变换成为隶属度矩阵再和权重向量进行计算就可以得到最终的评价结果。

本发明的具体实现方式如下：

首先，建立评价因素的合集U＝{u₁,u₂,…,u_m}，其中U_i，i＝1,2,…m,m表示有多少个选取的评价因素，在本发明中，合集U包括至少两个代表交换机网络性能指标的评价因素，出于优选，评价因素包括吞吐量，转发时延，背靠背帧长，Mac地址学习速率，Mac地址容量这5个因素，即m＝5。这里是测试标准中几个最主要的代表交换机网络性能的指标，通过这几个指标就可以很好的反应交换机网络性能，因此使用这几个因素做为评价因素合集，后续也可以按照需要加入其他指标。

然后，建立评价结果集合V＝{v₁,v₂,…,v_n}，其中V_j，j＝1，2，…，n，n表示的是多少个评价结果因素，在本发明中，合集V包括至少两个表征交换机网络性能评价结果的结果因素，在这里从性能测试的合理性对评价结果进行考虑，确定评价结果集合V＝{优秀，良好，中等，合格，不合格}，即n＝5。所有的评价因素经过模糊综合算法的计算以后会得到一个最终的评价结果，这个结果可以用分数来表示，也可以用一个代表程度的值表示。比如这里n＝5，90分以上为优秀、良好为80分、中等为70分、合格为60分，不合格为30分，某台交换机测试结果为78分则为中等水平。与原来的测试结果是单项测试结果，比如测试结果吞吐量合格，转发时延合格。使用这种测试方法结果更加直观明确，能够很好的反应出交换机网络性能的工作状态。

接着，获取隶属度矩阵，隶属度是用来反应一个事物模糊程度的相关参数，它反映了评价因素合集中元素属于评价结果合集中元素程度的一个量化的指标。在确定评价因素合集和评价结果合集以后就需要通过隶属度函数来将两者相联系起来。

对合集U中每个评价因素以所述合集V中每个结果因素进行评价，若经过计算u_i对v_j的隶属度为r_ij，就可将u_i的评价结果表示为R_i＝(r_i1,r_i2,…,r_in)，那么同理若对评价因素集里面每一个因素都进行评价求得隶属度，就可以得到隶属度矩阵R：

最后，确定权重向量W＝(w₁,w₂,…,w_i)，其中w_i，i＝1，2，…n，W表示每个因素占评价的权重，因此满足在本发明中，权重向量较好的是由层次权重向量和熵权重向量综合来确定。

对于层次权重的确定，可以采用以下的步骤：

1.确定评价因素合集U。

2.确定判断矩阵，将评价因素合集U中的两两因素拿出来并对这两个因素做关于“重要程度”的比较。这个重要程度通常由专家、或者通过问卷调查的形式给出，重要程度和实际数值、相互关系可以通过表3-1所示，由该表可构造出比较矩阵P＝(p_ij)_m×n。

3.通过方根法或通过积分法计算出判断矩阵P的最大特征值λ_max并得到相关特征向量，即对各评价因素进行的重要性程度进行排序，即对权系数进行分配。

4.一致性检验(m＞2时)，由公式CR＝CI/RT可以求得，CR是随机性一致性指标，CI＝(λ_max-m)/(m-1)；CI是一般一致性指标；RT是平均随机一致性指标，对于4-10阶判断矩阵，其值如表3-2示。

表3-1判断矩阵标度和含义

表3-2 RT值

m	5	6	7	8	9	10
							RT	1.12	1.24	1.32	1.41	1.45	1.49

在通过一致性校验以后就可以确定、不同因素的层次权重θ_i，进而得到层次权重矩阵θ＝(θ₁,θ₂,…,θ_i)。

对于熵权重的确定，可以采用以下的步骤：

1.对于包含多组评价因素的关于交换机性能测试结果可以形成一个A＝(a_ij)_m×n矩阵，在本发明中，其中m为多个评价因素，n为多个结果因素，再将它正则化为X＝(xij)m×n，那么所得的第j元素信息熵值可以表示为：其中并规定当某一个x_ij'＝0时，x_ij'Inx_ij'＝0；

2.对A＝(a_ij)_m×n矩阵，第j个因素的权重为：再将列向量w'_j变为行向量即得到w'_i。

通过上述计算，再将列向量w’_j变为行向量w’_i将层次分析法所得的权重值θ_i和熵权值所得的权重值w’_i结合，并对权重值修正，进而得到、最终权重，最终权重值w_i为：w_i＝aw_i'+bθ_i，其中a，b是权重系数，a+b＝1，即结果权重向量W＝aW'+bθ。

将权重向量W和隶属度矩阵R通过某一种模型进行计算，所得即是该事物的最终的模糊评价结果，即：其中需要指出ο不是乘号，它是模糊评价合成算子，交换机测试中每个因素都体现了其网络性能的不同方面，各因素中并无特别主要的因素，所以采用的加权平均型算子来进行计算，均衡考虑各个因素。最后根据B得出最后的评价结果。

对于有两层或多层模糊综合评价的模型需要进行计算则采用分层计算的方式来计算，下面以二层的模糊综合评价模型为例，如图2所示：

以下，通过一个具体的实例来进一步说明本发明的实现方式：

对ABCDE五种不同的工业用交换机进行各方面网络性能测试后得到的一组样本，根据样本按照步骤可以求解出权重。

表中u1为吞吐量(fps)、u2为转发时延(s)、u3为背靠背帧长(freams/s)、u4为Mac地址容量数(个)、u5为Mac地址学习速率(个/s)。其中u1、u2、u3均有二级指标。

层次权重需要通过专家给出的判断矩阵，熵权重值的确定通过公式即可确定，具体确定公式步骤如下：

对于包含多组评价因素的关于交换机性能测试结果可以形成一个A＝(a_ij)_m×n矩阵，其中m为测试项目，n为测试的指标，再将它正则化为X＝(xij)m×n，那么所得的第j元素信息熵值可以表示为：其中并规定当某一个x_ij'＝0时，x_ij'Inx_ij'＝0；对A＝(a_ij)_m×n矩阵，第j个因素的权重为：再将列向量w'_j变为行向量即得到w'_i。

二层指标的分类均按照不同发送测试报文长度分类，不同报文对于各二层指标来说都是同等重要的，即二层的层次分析法判断矩阵中所有数均为1，因此每个二层指标的层次权重都为1/n,即为1/7，显然一致性校验的值为0<0.1，熵权重值可以通过上面公式求得。

一层指标的判断矩阵

判断矩阵

	u1	u2	u3	u4	u5
						u1	1	1	2	5	5
u2	1	1	4	7	8
						u3	0.5	0.25	1	7	9
u4	0.2	0.1428571	0.14285714	1	4
						u5	0.2	0.125	0.11111111	0.25	1

一层判断矩阵，可以求出最大的特征值为7.6687，那么一致性检验计算：(7.6687-7)/(7-1)＝0.11145，0.11145/0.132＝0.0844<0.1符合条件。

一层权重值

交换机性能测试实例

如一交换机性能的数据所得隶属度矩阵如下所示。隶属度矩阵可由多种算法得到，如二元对比排序法，模糊统计试验法和线性分析法。本算例中使用的就是线性分析法，这种方法是通过人为选择指标值中明显的分界点的值，再将测试结果除以该值，得到的值再归一化就可以得到评价结果的隶属度。这种方法还有另一种变形形式，即选出测试结果中的最大值，让每个测试结果数据除以最大值就可以得到相应的隶属度。

由公式(1)可得

再加入一层隶属度数据

对应百分制，优秀为90，良为80，中为70，合格为60，不合格为30则最后评价结果为:0.035×90+0.31×80+0.42×70+0.22×60+0.011*30＝70.88，属于合格等级。

交换机网络性能测试的数据只要将其变换得到隶属度矩阵R，再通过公式即可得到交换机网络性能的评价。这样的评价方法简单直观的反应交换机的网络性能状态。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (10)

1.智能变电站交换机网络性能测试评估方法，其特征在于，包括：

建立评价因素合集U，所述合集U包括至少两个代表交换机网络性能指标的评价因素；

建立评价结果合集V，所述合集V包括至少两个表征交换机网络性能评价结果的结果因素；

获取隶属度矩阵R，将所述合集U中每个评价因素以所述合集V中每个结果因素进行评价，获取隶属度矩阵R；

计算交换机评价结果B，所述评价结果其中，W＝(w₁,w₂,…,w_i)为评价结果权重向量，为模糊评价合成算子。

2.根据权利要求1所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述交换机网络性能指标，包括交换机的吞吐量、转发时延、背靠背帧长、Mac地址容量数和Mac地址学习速率。

3.根据权利要求2所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述交换机的吞吐量、转发时延、背靠背帧长指标还包括以报文长度划分的二级指标。

4.根据权利要求1所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述表征交换机网络性能评价结果，由代表评价结果程度的数值表示。

5.根据权利要求4所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述评价结果程度包括优秀、良好、中等、合格和不合格，上述评价结果程度对应的数值分别为90、80、70、60和30。

6.根据权利要求1至5任一所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述结果权重向量W＝aW'+bθ，所述W'为第一权重向量，所述θ为第二权重向量，所述a和b均为权重系数，a+b＝1。

7.根据权利要求6所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述第一权重向量为熵权重W'＝(w'₁,w'₂,…,w'_i)，所述熵权重通过如下步骤获取：

1)以评价因素合集U的多个评价因素和结果合集V的多个结果因素形成一个A＝(a_ij)_m×n矩阵，再将它正则化为X＝(xij)m×n，那么所得的第j元素信息熵值可以表示为：其中并规定当某一个x_ij'＝0时，x_ij'Inx_ij'＝0；

2)对A＝(a_ij)_m×n矩阵，第j个因素的权重为：再将列向量w'_j变为行向量即得到w'_i。

8.根据权利要求6所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述第二权重向量θ＝(θ₁,θ₂,…,θ_i)，所述第二权重向量以评价因素合集U通过层次分析法获取。

9.根据权利要求8所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述交换机网络性能指标，包括交换机的吞吐量u1、转发时延u2、背靠背帧长u3、Mac地址容量数u4和Mac地址学习速率u5，进行层次分析法时，满足如下判断矩阵：

10.根据权利要求1至5任一所述的智能变电站交换机网络性能测试评估方法，其特征在于：所述模糊评价合成算子为加权平均型算子。