CN106651169A - 基于模糊综合评价的配电自动化终端状态评价方法及系统 - Google Patents

Abstract

本发明公开了一种基于模糊综合评价的配电自动化终端状态评价方法及系统，步骤包括检测确定配电自动化终端的状态量，根据配电自动化终端的状态量建立配电自动化终端状态评价体系，确定所述状态评价体系中各状态量对应指标的权重集W，设置包括各个状态等级的状态评价集V；计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R；结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。本发明能够更为准确地反映配电自动化终端的状态，更加全面地对配电自动化终端展开评价，具备较高的可操作性。

Description

基于模糊综合评价的配电自动化终端状态评价方法及系统

技术领域

本发明涉及配电自动化终端状态评价技术，具体涉及一种基于模糊综合评价的配电自动化终端状态评价方法及系统。

背景技术

随着智能电网建设的不断深入，配电自动化终端设备的数量不断增长，传统的检修方式已经难以匹配现有的检修需求，因此，有必要改进检修方法，对配电自动化终端进行状态管控，通过前期状态评价的方法，合理制定检修计划。这一方面能使有限的检修资源得到合理的运用，另一方面更能提高配电网的经济稳定运行。目前，针对配电自动化终端的状态评价还无相关的国家标准或规程，对电气设备状态评价的方法一般有专家打分法、模糊综合评价法、层次分析法等。专家打分法具有主观性较强，极大的依赖专家经验；层次分析法对专家打分法进行了改进，但是还存在着主观性较强的缺陷；模糊综合评价法具有较高的客观性，同时通过合理的方法确定状态量的权重能够更好地提高状态评价的准确性。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种能够更为准确地反映配电自动化终端的状态，更加全面地对配电自动化终端展开评价，具备较高的可操作性的基于模糊综合评价的配电自动化终端状态评价方法及系统。

为了解决上述技术问题，本发明采用的技术方案为：

本发明提供一种基于模糊综合评价的配电自动化终端状态评价方法，步骤包括：

1)检测确定配电自动化终端的状态量；

2)根据配电自动化终端的状态量建立配电自动化终端状态评价体系，所述配电自动化终端状态评价体系为状态量对应指标构成的层次结构模型；

3)确定所述状态评价体系中各状态量对应指标的权重集W；

4)设置包括配电自动化终端各个状态等级的状态评价集V；

5)计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R；

6)结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

优选地，步骤1)中配电自动化终端的状态量包括巡检信息、在线监测信息、历史信息三类，巡检信息包括装置外观、运行环境、锈蚀情况、绝缘情况四个状态量，在线监测信息包括通信状况、遥控正确率、遥测合格率、遥信正确率四个状态量，历史信息包括家族性缺陷、装置运行年限、同批次设备平均故障率三个状态量。

优选地，步骤2)中层次结构模型为两层的层次结构模型，所述状态量对应的巡检信息、在线监测信息、历史信息三个分类类别作为层次结构模型中的一级指标，所述巡检信息包括装置外观、运行环境、锈蚀情况及绝缘情况四个状态量对应的二级指标，所述在线监测信息包括通信状况、遥控正确率、遥测合格率及遥信正确率四个状态量对应的二级指标，所述历史信息主要包括家族性缺陷、装置运行年限、同批次设备平均故障率三个状态量对应的二级指标。

优选地，步骤3)确定所述状态评价体系中各状态量对应指标的权重的详细步骤包括：

3.1)采用层次分析法确定所述状态评价体系中各状态量对应指标的权重ω_i；

3.2)采用熵权法确定所述状态评价体系中各状态量对应指标的权重ω_si；

3.3)根据式(1)所示组合赋权法确定各状态量对应指标的权重ω，得到由各状态量对应指标的权重ω构成的权重集W；

式(1)中，ω表示组合赋权法确定各状态量对应指标的权重，ω_i表示采用层次分析法确定所述状态评价体系中各状态量对应指标的权重，ω_si表示采用熵权法确定所述状态评价体系中各状态量对应指标的权重，m表示确定各状态量的权重时采用的配电自动化终端数量。

优选地，步骤3.1)的详细步骤包括：

3.1.1)从所述层次结构模型的第二层开始，对从属于上一层的同一层因素采用预设的1-9标度法对各个因素两两比较，构建判断矩阵，直到最后一层；

3.1.2)针对得到的判断矩阵，依次根据式(2)计算判断矩阵每一行元素的乘积M_i，根据式(3)计算乘积M_i的n次方根W_i，得到由各行元素的乘积M_i的n次方根W_i组成的n次方根向量W，根据式(4)对n次方根向量W进行正规化，并将正规化得到的向量极作为判断矩阵的特征向量近似解；

式(2)中，M_i表示判断矩阵每一行元素的乘积，p_ij表示判断矩阵第i行的第j个元素，n表示判断矩阵每一行元素的个数；

式(3)中，W_i表示乘积M_i的n次方根，M_i表示判断矩阵每一行元素的乘积，n表示判断矩阵每一行元素的个数；

式(4)中，ω_i表示判断矩阵第i行正规化得到的结果，W_i表示乘积M_i的n次方根，W_j表示判断矩阵第i行的第j个元素p_ij对应的乘积M_j的n次方根；

3.1.3)根据式(5)计算判断矩阵的最大特征值，根据式(6)计算判断矩阵的最大特征值利用一致性比率CI，根据式(7)将判断矩阵的最大特征值利用一致性比率CI、一致性判别指标CR、平均随机一致性指标RI进行一致性检验；

式(5)中，λ_max表示判断矩阵的最大特征值，n表示判断矩阵每一行元素的个数，ω_i表示判断矩阵第i行正规化得到的结果，(PW)_i表示各判断矩阵与对应权重集的乘积；

式(6)中，CI表示判断矩阵的最大特征值利用一致性比率，λ_max表示判断矩阵的最大特征值，n表示判断矩阵每一行元素的个数；

式(7)中，CR表示一致性判别指标，CI表示判断矩阵的最大特征值利用一致性比率，RI表示平均随机一致性指标；

3.1.4)将判断矩阵的特征向量近似解进行归一化得到由各状态量对应指标的权重ω_i构成的集合向量，从而得到各状态量对应指标的权重ω_i。

优选地，步骤3.2)的详细步骤包括：

3.2.1)针对m个配电自动化终端和n个状态量对应的指标，建立式(8)所示具有m个对象、n项指标的评价矩阵；

式(8)中，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，n表示状态量对应指标的数量，u_ij为第i个对象中第j个指标的评分，i＝1,2,…m；j＝1,2,…n；

3.2.2)针对式(2)所示评价矩阵中的每一个元素u_ij进行数据标准化，如果元素u_ij对应的状态量为值越大、状态越好的正向指标，则采用式(9)进行数据标准化；如果元素u_ij对应的状态量为值越大、状态越差的负向指标，则采用式(10)进行数据标准化；

式(9)和式(10)中，x_ij表示元素u_ij数据标准化的结果，min{u_j}表示评价矩阵中的第i行所有元素的最小值，max{u_j}表示评价矩阵中的第i行所有元素的最大值；

3.2.3)根据式(11)计算第j个综合状态量下第i个状态量对应指标所占的权重p_ij；

式(11)中，p_ij表示第j个状态量分类下第i个状态量所占的权重，x_ij表示评价矩阵中的元素u_ij数据标准化的结果，n表示状态量的数量；

3.2.4)根据式(12)计算各个状态量对应指标的信息熵及熵的冗余度d_j；

d_j＝1-E_j

式(12)中，E_j表示第_j个状态量对应指标的信息熵，k＝1/ln m，p_ij表示第j个状态量分类下第i个状态量所占的权重，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，d_j表示熵的冗余度；

3.2.5)根据式(13)计算所述状态评价体系中各状态量对应指标的权重ω_si；

式(13)中，ω_si表示状态评价体系中各状态量对应指标的权重，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，d_j表示熵的冗余度。

优选地，步骤4)配电自动化终端各个状态等级包括正常、注意、异常、严重四种状态，所述状态评价集V为V＝{正常，注意，异常，严重}。

优选地，步骤5)的详细步骤包括：

5.1)预先根据状态量的数据类，将各个状态量对应的指标分类为文本型和数据型两类；

5.2)针对各个文本型的指标，利用模糊统计法确定状态量的隶属度，令某一集合V为状态量的n个评价等级v_i，i＝1,2,3…n，某论域X上的元素x是否属于集合V的统计实验，根据如式(14)所述模糊隶属函数计算隶属频率作为隶属度的值，隶属频率的计算公式；

式(14)中，表示元素x对评价等级v_i的隶属频率，表示x∈v_i的次数，c_total表示总的实验次数；

5.3)针对各个数据型的指标，利用三角半梯形结合的分布函数进行量化，对数据越小越好的状态量数据，可确定状态量的最优值p₀和最差值p_a，将状态量的最优值p₀和最差值p_a进行n+1等分，得到n个等间隔点b₁,b₂,…,b_n，从而得到状态量p_i隶属于评价等级v_i的模糊隶属函数如式(15)所示；

式(15)中，μ_i(v₁)表示状态量p_i隶属于评价等级v₁的隶属度，μ_i(v₂)表示状态量p_i隶属于评价等级v₂的隶属度，μ_i(v_n-1)表示状态量p_i隶属于评价等级v_n-1的隶属度，μ_i(v_n)表示状态量p_i隶属于评价等级v_n的隶属度，p₀表示状态量的最优值，p_a表示状态量的最差值，b₁,b₂,…,b_n为将状态量的最优值p₀和最差值p_a进行n+1等分得到的n个等间隔点；

5.4)将所有状态量对应指标到配电自动化终端各个状态等级的模糊隶属函数的隶属度构建模糊综合评价矩阵R。

优选地，步骤6)的详细步骤包括：

6.1)根据式(16)所示表达式计算模糊综合评价的数学模型；

Q＝(q₁,q₂,…q_m)＝WοR (16)

式(16)中，Q为模糊综合评价的数学模型的值，W表示状态量对应指标的权重集，R表示模糊综合评价矩阵，ο为模糊算子，q₁,q₂,…,q_m表示对应m个状态等级的值；

6.2)基于模糊综合评价的数学模型中对应m个状态等级的值q₁,q₂,…,q_m，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

另一方面，本发明还提供一种基于模糊综合评价的配电自动化终端状态评价系统，包括：

状态量确定程序模块，用于检测确定配电自动化终端的状态量；

评价体系确定程序模块，用于根据配电自动化终端的状态量建立配电自动化终端状态评价体系，所述配电自动化终端状态评价体系为状态量对应指标构成的层次结构模型；

权重集确定程序模块，用于确定所述状态评价体系中各状态量对应指标的权重集W；

状态评价集确定程序模块，用于设置包括配电自动化终端各个状态等级的状态评价集V；

模糊综合评价矩阵确定程序模块，用于计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R；

状态等级评价程序模块，用于结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

本发明基于模糊综合评价的配电自动化终端状态评价方法具有下述优点：本发明

1、本发明通过检测确定配电自动化终端的状态量，根据配电自动化终端的状态量建立配电自动化终端状态评价体系，在配电自动化终端状态评价体系的基础上，通过确定状态评价体系中各状态量对应指标的权重集W，设置包括配电自动化终端各个状态等级的状态评价集V，计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R，结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级，基于模糊综合评价的方式实现了配电自动化终端状态评价，能够更为准确地反映配电自动化终端的状态，更加全面地对配电自动化终端展开评价，具备较高的可操作性。

2、本发明确定状态评价体系中各状态量对应指标的权重集W时，可以根据需要采用层次分析法确定状态评价体系中各状态量对应指标的权重，或者采用熵权法确定状态评价体系中各状态量对应指标的权重，或者采用层次分析法和熵权法结合的组合赋权法确定各状态量对应指标的权重，既能有效利用专家经验，又能通过熵权法客服层次分析法的主观性缺陷，使得评价方法更加客观准确。

本发明基于模糊综合评价的配电自动化终端状态评价系统为本发明基于模糊综合评价的配电自动化终端状态评价方法完全对应的系统，因此同样也具有本发明基于模糊综合评价的配电自动化终端状态评价方法的前述优点，在此不再赘述。

附图说明

图1为本发明实施例一方法的基本流程示意图。

图2为本发明实施例一配电自动化终端状态评价体系的结构示意图。

具体实施方式

实施例一：

参见图1，本实施例基于模糊综合评价的配电自动化终端状态评价方法的步骤包括：

1)检测确定配电自动化终端的状态量；

2)根据配电自动化终端的状态量建立配电自动化终端状态评价体系，配电自动化终端状态评价体系为状态量对应指标构成的层次结构模型；

3)确定状态评价体系中各状态量对应指标的权重集W；

4)设置包括配电自动化终端各个状态等级的状态评价集V；

5)计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R；

6)结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

本实施例中，步骤1)中配电自动化终端的状态量包括巡检信息、在线监测信息、历史信息三类，巡检信息包括装置外观、运行环境、锈蚀情况、绝缘情况四个状态量，在线监测信息包括通信状况、遥控正确率、遥测合格率、遥信正确率四个状态量，历史信息包括家族性缺陷、装置运行年限、同批次设备平均故障率三个状态量。

参见图2，步骤2)中层次结构模型为两层的层次结构模型，状态量对应的巡检信息、在线监测信息、历史信息三个分类类别作为层次结构模型中的一级指标，巡检信息包括装置外观、运行环境、锈蚀情况及绝缘情况四个状态量对应的二级指标，在线监测信息包括通信状况、遥控正确率、遥测合格率及遥信正确率四个状态量对应的二级指标，历史信息主要包括家族性缺陷、装置运行年限、同批次设备平均故障率三个状态量对应的二级指标。

本实施例中，步骤3)确定状态评价体系中各状态量对应指标的权重的详细步骤包括：

3.1)采用层次分析法确定状态评价体系中各状态量对应指标的权重ω_i；

3.2)采用熵权法确定状态评价体系中各状态量对应指标的权重ω_si；

3.3)根据式(1)所示组合赋权法确定各状态量对应指标的权重ω，得到由各状态量对应指标的权重ω构成的权重集W；

式(1)中，ω表示组合赋权法确定各状态量对应指标的权重，ω_i表示采用层次分析法确定状态评价体系中各状态量对应指标的权重，ω_si表示采用熵权法确定状态评价体系中各状态量对应指标的权重，例表示确定各状态量的权重时采用的配电自动化终端数量。

本实施例中，步骤3.1)的详细步骤包括：

3.1.1)从层次结构模型的第二层开始，对从属于上一层的同一层因素采用预设的1-9标度法对各个因素两两比较，构建判断矩阵，直到最后一层；1-9标度法如表1所示；

表1：1-9标度法。

pij	含义
		1	pi与pj相比同等重要
3	pi与pj相比稍微重要
		5	pi与pj相比明显重要
7	pi与pj相比强烈重要
		9	pi与pj相比极端重要
2，4，6，8	相邻判断值的中间值
		倒数	pi与pj反过来比较

3.1.2)针对得到的判断矩阵，依次根据式(2)计算判断矩阵每一行元素的乘积M_i，根据式(3)计算乘积M_i的n次方根W_i，得到由各行元素的乘积M_i的n次方根W_i组成的n次方根向量W，根据式(4)对n次方根向量W进行正规化，并将正规化得到的向量极作为判断矩阵的特征向量近似解；

式(2)中，M_i表示判断矩阵每一行元素的乘积，p_ij表示判断矩阵第i行的第j个元素，n表示判断矩阵每一行元素的个数；

式(3)中，W_i表示乘积M_i的n次方根，M_i表示判断矩阵每一行元素的乘积，n表示判断矩阵每一行元素的个数；

式(4)中，ω_i表示判断矩阵第i行正规化得到的结果，W_i表示乘积M_i的n次方根，W_j表示判断矩阵第i行的第j个元素p_ij对应的乘积M_j的n次方根；

3.1.3)根据式(5)计算判断矩阵的最大特征值，根据式(6)计算判断矩阵的最大特征值利用一致性比率CI，根据式(7)将判断矩阵的最大特征值利用一致性比率CI、一致性判别指标CR、平均随机一致性指标RI进行一致性检验；

式(5)中，λ_max表示判断矩阵的最大特征值，n表示判断矩阵每一行元素的个数，ω_i表示判断矩阵第i行正规化得到的结果，(PW)_i表示各判断矩阵与对应权重集的乘积；

式(6)中，CI表示判断矩阵的最大特征值利用一致性比率，λ_max表示判断矩阵的最大特征值，n表示判断矩阵每一行元素的个数；

式(7)中，CR表示一致性判别指标，CI表示判断矩阵的最大特征值利用一致性比率，RI表示平均随机一致性指标；

3.1.4)将判断矩阵的特征向量近似解进行归一化得到由各状态量对应指标的权重ω_i构成的集合向量，从而得到各状态量对应指标的权重ω_i。

本实施例中，步骤3.2)的详细步骤包括：

3.2.1)针对m个配电自动化终端和n个状态量对应的指标，建立式(8)所示具有m个对象、n项指标的评价矩阵；

式(8)中，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，n表示状态量对应指标的数量，u_ij为第i个对象中第j个指标的评分，i＝1,2,…m；j＝1,2,…n；

3.2.2)针对式(2)所示评价矩阵中的每一个元素u_ij进行数据标准化，如果元素u_ij对应的状态量为值越大、状态越好的正向指标，则采用式(9)进行数据标准化；如果元素u_ij对应的状态量为值越大、状态越差的负向指标，则采用式(10)进行数据标准化；

式(9)和式(10)中，x_ij表示元素u_ij数据标准化的结果，min{u_j}表示评价矩阵中的第i行所有元素的最小值，max{u_j}表示评价矩阵中的第i行所有元素的最大值；

3.2.3)根据式(11)计算第j个综合状态量下第i个状态量对应指标所占的权重p_ij；

式(11)中，p_ij表示第j个状态量分类下第i个状态量所占的权重，x_ij表示评价矩阵中的元素u_ij数据标准化的结果，n表示状态量的数量；

3.2.4)根据式(12)计算各个状态量对应指标的信息熵及熵的冗余度d_j；

d_j＝1-E_j

式(12)中，E_j表示第_j个状态量对应指标的信息熵，k＝1/ln m，p_ij表示第j个状态量分类下第i个状态量所占的权重，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，d_j表示熵的冗余度；

3.2.5)根据式(13)计算状态评价体系中各状态量对应指标的权重ω_si；

式(13)中，ω_si表示状态评价体系中各状态量对应指标的权重，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，d_j表示熵的冗余度。

本实施例中，步骤3.1)采用层次分析法确定各状态量对应指标的权重ω_i为：

ω_i＝[0.370 0.157 0.207 0.266]^T

步骤3.2)采用熵权法确定各状态量对应指标的权重ω_si为：

ω_si＝[0.175 0.125 0.232 0.468]^T

根据式(1)所示组合赋权法确定各状态量对应指标的权重ω为：

ω＝[0.252 0.076 0.187 0.485]^T

本实施例中，步骤4)配电自动化终端各个状态等级包括正常、注意、异常、严重四种状态，状态评价集V为V＝{正常，注意，异常，严重}。

本实施例中，步骤5)的详细步骤包括：

5.1)预先根据状态量的数据类，将各个状态量对应的指标分类为文本型和数据型两类；

5.2)针对各个文本型的指标，利用模糊统计法确定状态量的隶属度，令某一集合V为状态量的n个评价等级v_i，i＝1,2,3…n，某论域X上的元素x是否属于集合V的统计实验，根据如式(14)模糊隶属函数计算隶属频率作为隶属度的值，隶属频率的计算公式；

式(14)中，表示元素x对评价等级v_i的隶属频率，表示x∈v_i的次数，c_total表示总的实验次数；

5.3)针对各个数据型的指标，利用三角半梯形结合的分布函数进行量化，对数据越小越好的状态量数据，可确定状态量的最优值p₀和最差值p_a，将状态量的最优值p₀和最差值p_a进行n+1等分，得到n个等间隔点b₁,b₂,…,b_n，从而得到状态量p_i隶属于评价等级v_i的模糊隶属函数如式(15)所示；

式(15)中，μ_i(v₁)表示状态量p_i隶属于评价等级v₁的隶属度，μ_i(v₂)表示状态量p_i隶属于评价等级v₂的隶属度，μ_i(v_n-1)表示状态量p_i隶属于评价等级v_n-1的隶属度，μ_i(v_n)表示状态量p_i隶属于评价等级v_n的隶属度，p₀表示状态量的最优值，p_a表示状态量的最差值，b₁,b₂,…,b_n为将状态量的最优值p₀和最差值p_a进行n+1等分得到的n个等间隔点；

5.4)将所有状态量对应指标到配电自动化终端各个状态等级的模糊隶属函数的隶属度构建模糊综合评价矩阵R。

以r_ij表示各个状态量对应指标到配电自动化终端各个状态等级的模糊隶属函数的隶属度，则模糊综合评价矩阵R可表示为R＝{r_ij}，最终得到的模糊综合评价矩阵R为：

本实施例中，步骤6)的详细步骤包括：

6.1)根据式(16)所示表达式计算模糊综合评价的数学模型；

Q＝(q₁,q₂,…q_m)＝WοR (16)

式(16)中，Q为模糊综合评价的数学模型的值，W表示状态量对应指标的权重集，R表示模糊综合评价矩阵，为模糊算子，q₁,q₂,…,q_m表示对应m个状态等级的值；本实施例中，最终模糊综合评价的数学模型的值Q为：

Q＝[0.1297 0.1076 0.2603 0.5023]^T

6.2)基于模糊综合评价的数学模型中对应m个状态等级的值q₁,q₂,…,q_m，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

本实施例中，状态评价集V为V＝{正常，注意，异常，严重}，因此根据Q＝[0.12970.1076 0.2603 0.5023]^T可知，根据隶属度最大原则，可以判定该配电自动化终端的巡检信息处于严重状态，与实际情况一致。据此，完成了对配电自动化终端的状态评价。

综上所述，本实施例基于模糊综合评价的配电自动化终端状态评价方法根据配电自动化终端状态量的数据信息，建立配电自动化终端状态评价体系，利用组合赋权法确定各状态量的权重；根据模糊数学原理，建立状态量的模糊隶属函数；计算各状态量的模糊隶属函数值，确立模糊综合评价矩阵，结合得到的状态量的权重和模糊综合评价矩阵，根据隶属度最大原则确定配电自动化终端的状态等级。采用本发明，可对配电自动化终端展开状态评价，基于组合赋权法，可结合层次分析法及熵权法的优势，使得指标权重的确定既具备客观性又利用了专家经验，提高了状态评价的准确性。

本实施例基于模糊综合评价的配电自动化终端状态评价方法具体是通过计算机程序来实现的配电自动化终端状态评价系统来实现的，该配电自动化终端状态评价系统包括：

状态量确定程序模块，用于检测确定配电自动化终端的状态量；

评价体系确定程序模块，用于根据配电自动化终端的状态量建立配电自动化终端状态评价体系，所述配电自动化终端状态评价体系为状态量对应指标构成的层次结构模型；

权重集确定程序模块，用于确定所述状态评价体系中各状态量对应指标的权重集W；

状态评价集确定程序模块，用于设置包括配电自动化终端各个状态等级的状态评价集V；

模糊综合评价矩阵确定程序模块，用于计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R；

状态等级评价程序模块，用于结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

实施例二：

本实施例与实施例一基本相同，其主要不同点为步骤3)确定状态评价体系中各状态量对应指标的权重集W的方式不同。本实施例具体是单独采用实施例一的步骤3.1)，采用层次分析法确定状态评价体系中各状态量对应指标的权重ω_i，将各状态量对应指标的权重ω_i组成的权重集作为状态评价体系中各状态量对应指标的权重集W。

实施例三：

本实施例与实施例一基本相同，其主要不同点为步骤3)确定状态评价体系中各状态量对应指标的权重集W的方式不同。本实施例具体是单独采用实施例一的步骤3.2)，采用熵权法确定状态评价体系中各状态量对应指标的权重ω_si，将各状态量对应指标的权重ω_si组成的权重集作为状态评价体系中各状态量对应指标的权重集W。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于模糊综合评价的配电自动化终端状态评价方法，其特征在于步骤包括：

1)检测确定配电自动化终端的状态量；

2)根据配电自动化终端的状态量建立配电自动化终端状态评价体系，所述配电自动化终端状态评价体系为状态量对应指标构成的层次结构模型；

3)确定所述状态评价体系中各状态量对应指标的权重集W；

4)设置包括配电自动化终端各个状态等级的状态评价集V；

5)计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R；

6)结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

2.根据权利要求1所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤1)中配电自动化终端的状态量包括巡检信息、在线监测信息、历史信息三类，巡检信息包括装置外观、运行环境、锈蚀情况、绝缘情况四个状态量，在线监测信息包括通信状况、遥控正确率、遥测合格率、遥信正确率四个状态量，历史信息包括家族性缺陷、装置运行年限、同批次设备平均故障率三个状态量。

3.根据权利要求2所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤2)中层次结构模型为两层的层次结构模型，所述状态量对应的巡检信息、在线监测信息、历史信息三个分类类别作为层次结构模型中的一级指标，所述巡检信息包括装置外观、运行环境、锈蚀情况及绝缘情况四个状态量对应的二级指标，所述在线监测信息包括通信状况、遥控正确率、遥测合格率及遥信正确率四个状态量对应的二级指标，所述历史信息主要包括家族性缺陷、装置运行年限、同批次设备平均故障率三个状态量对应的二级指标。

4.根据权利要求1所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤3)确定所述状态评价体系中各状态量对应指标的权重的详细步骤包括：

3.1)采用层次分析法确定所述状态评价体系中各状态量对应指标的权重ω_i；

3.2)采用熵权法确定所述状态评价体系中各状态量对应指标的权重ω_si；

3.3)根据式(1)所示组合赋权法确定各状态量对应指标的权重ω，得到由各状态量对应指标的权重ω构成的权重集W；

$\mathrm{\ω}={\mathrm{\ω}}_i{\mathrm{\ω}}_{si}/{\Σ}_{i=1}^m{\mathrm{\ω}}_i{\mathrm{\ω}}_{si}---\left(1\right)$

式(1)中，ω表示组合赋权法确定各状态量对应指标的权重，ω_i表示采用层次分析法确定所述状态评价体系中各状态量对应指标的权重，ω_si表示采用熵权法确定所述状态评价体系中各状态量对应指标的权重，m表示确定各状态量的权重时采用的配电自动化终端数量。

5.根据权利要求4所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤3.1)的详细步骤包括：

3.1.1)从所述层次结构模型的第二层开始，对从属于上一层的同一层因素采用预设的1-9标度法对各个因素两两比较，构建判断矩阵，直到最后一层；

3.1.2)针对得到的判断矩阵，依次根据式(2)计算判断矩阵每一行元素的乘积M_i，根据式(3)计算乘积M_i的n次方根W_i，得到由各行元素的乘积M_i的n次方根W_i组成的n次方根向量W，根据式(4)对n次方根向量W进行正规化，并将正规化得到的向量极作为判断矩阵的特征向量近似解；

$M_i=\underset{j=1}{\overset{n}{\Π}}{p}_{ij},(i=1,2,\mathrm{...},n)---\left(2\right)$

式(2)中，M_i表示判断矩阵每一行元素的乘积，p_ij表示判断矩阵第i行的第j个元素，n表示判断矩阵每一行元素的个数；

$W_i=\sqrt[n]{M_i}---\left(3\right)$

式(3)中，W_i表示乘积M_i的n次方根，M_i表示判断矩阵每一行元素的乘积，n表示判断矩阵每一行元素的个数；

${\mathrm{\ω}}_i=\frac{W_i}{{\mathrm{\Σ}}_{j=1}^n{W}_j}---\left(4\right)$

式(4)中，ω_i表示判断矩阵第i行正规化得到的结果，W_i表示乘积M_i的n次方根，W_j表示判断矩阵第i行的第j个元素p_ij对应的乘积M_j的n次方根；

3.1.3)根据式(5)计算判断矩阵的最大特征值，根据式(6)计算判断矩阵的最大特征值利用一致性比率CI，根据式(7)将判断矩阵的最大特征值利用一致性比率CI、一致性判别指标CR、平均随机一致性指标RI进行一致性检验；

${\mathrm{\λ}}_{max}={\mathrm{\Σ}}_{i-1}^n\frac{{\left(PW\right)}_i}{{\mathrm{n\ω}}_i}---\left(5\right)$

式(5)中，λ_max表示判断矩阵的最大特征值，n表示判断矩阵每一行元素的个数，ω_i表示判断矩阵第i行正规化得到的结果，(PW)_i表示各判断矩阵与对应权重集的乘积；

$CI=\frac{{\mathrm{\λ}}_{max}-n}{n-1}---\left(6\right)$

式(6)中，CI表示判断矩阵的最大特征值利用一致性比率，λ_max表示判断矩阵的最大特征值，n表示判断矩阵每一行元素的个数；

$CR=\frac{CI}{RI}---\left(7\right)$

式(7)中，CR表示一致性判别指标，CI表示判断矩阵的最大特征值利用一致性比率，RI表示平均随机一致性指标；

3.1.4)将判断矩阵的特征向量近似解进行归一化得到由各状态量对应指标的权重ω_i构成的集合向量，从而得到各状态量对应指标的权重ω_i。

6.根据权利要求4所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤3.2)的详细步骤包括：

3.2.1)针对m个配电自动化终端和n个状态量对应的指标，建立式(8)所示具有m个对象、n项指标的评价矩阵；

式(8)中，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，n表示状态量对应指标的数量，u_ij为第i个对象中第j个指标的评分，i＝1,2,…m；j＝1,2,…n；

3.2.2)针对式(2)所示评价矩阵中的每一个元素u_ij进行数据标准化，如果元素u_ij对应的状态量为值越大、状态越好的正向指标，则采用式(9)进行数据标准化；如果元素u_ij对应的状态量为值越大、状态越差的负向指标，则采用式(10)进行数据标准化；

$x_{ij}=\frac{u_{ij}-min\left\{u_j\right\}}{max\left\{u_j\right\}-\min \left\{u_j\right\}}---\left(9\right)$

$x_{ij}=\frac{max\left\{u_j\right\}-u_{ij}}{\max \left\{u_j\right\}-min\left\{u_j\right\}}---\left(10\right)$

式(9)和式(10)中，x_ij表示元素u_ij数据标准化的结果，min{u_j}表示评价矩阵中的第i行所有元素的最小值，max{u_j}表示评价矩阵中的第i行所有元素的最大值；

3.2.3)根据式(11)计算第j个综合状态量下第i个状态量对应指标所占的权重p_ij；

$p_{ij}=\frac{x_{ij}}{{\mathrm{\Σ}}_{i=1}^n{x}_{ij}},j=1,2,\mathrm{...}m---\left(11\right)$

式(11)中，p_ij表示第j个状态量分类下第i个状态量所占的权重，x_ij表示评价矩阵中的元素u_ij数据标准化的结果，n表示状态量的数量；

3.2.4)根据式(12)计算各个状态量对应指标的信息熵及熵的冗余度d_j；

$\begin{array}{c}{E}_j=-k{\Σ}_{i=1}^m{p}_{ij}\×{\mathrm{lnp}}_{ij}\\ d_j=1-E_j\end{array}---\left(12\right)$

式(12)中，E_j表示第_j个状态量对应指标的信息熵，k＝1/lnm，p_ij表示第j个状态量分类下第i个状态量所占的权重，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，d_j表示熵的冗余度；

3.2.5)根据式(13)计算所述状态评价体系中各状态量对应指标的权重ω_si；

${\mathrm{\ω}}_{si}=\frac{d_j}{{\mathrm{\Σ}}_{j=1}^m{d}_j},j=1,2,3,\mathrm{...},m---\left(13\right)$

式(13)中，ω_si表示状态评价体系中各状态量对应指标的权重，m表示确定各状态量对应指标的权重时采用的配电自动化终端数量，d_j表示熵的冗余度。

7.根据权利要求1所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤4)配电自动化终端各个状态等级包括正常、注意、异常、严重四种状态，所述状态评价集V为V＝{正常，注意，异常，严重}。

8.根据权利要求1所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤5)的详细步骤包括：

5.1)预先根据状态量的数据类，将各个状态量对应的指标分类为文本型和数据型两类；

5.2)针对各个文本型的指标，利用模糊统计法确定状态量的隶属度，令某一集合V为状态量的n个评价等级v_i，i＝1,2,3…n，某论域X上的元素x是否属于集合V的统计实验，根据如式(14)所述模糊隶属函数计算隶属频率作为隶属度的值，隶属频率的计算公式；

$f_{x-v_i}=\frac{c_{x\∈v_i}}{c_{total}}---\left(14\right)$

式(14)中，表示元素x对评价等级v_i的隶属频率，表示x∈v_i的次数，c_total表示总的实验次数；

5.3)针对各个数据型的指标，利用三角半梯形结合的分布函数进行量化，对数据越小越好的状态量数据，可确定状态量的最优值p₀和最差值p_a，将状态量的最优值p₀和最差值p_a进行n+1等分，得到n个等间隔点b₁,b₂,…,b_n，从而得到状态量p_i隶属于评价等级v_i的模糊隶属函数如式(15)所示；

$\left\{\begin{array}{c}{\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}0& p_i\≥b_2\\ (b_2-p_i)/l& b_1\≤p_i\≤b_2\\ l& p_i\≤b_1\end{array}\right.\\ \mathrm{\μ}\left(v_2\right)=\left\{\begin{array}{cc}(b_3-p_i)/l& b_2\≤p_i\≤b_3\\ (p_i-b_1)/l& b_1\≤p_i\≤b_2\\ 0& p_i\≤b_{1}or{p}_i\≥b_3\end{array}\right.\\ \mathrm{...}\\ {\mathrm{\μ}}_i\left(v_{n-1}\right)=\left\{\begin{array}{cc}{b}_n-p_i& b_{n-1}\≤p_i\≤b_n\\ (p_i-b_{n-1})/l& b_{n-2}\≤p_i\≤b_{n-1}\\ 0& p_i\≤b_{n-2}or{p}_i\≥b_n\end{array}\right.\\ {\mathrm{\μ}}_i\left(v_n\right)=\left\{\begin{array}{cc}0& p_i\≤b_{n-1}\\ (p_i-b_{n-1})/l& b_{n-1}\≤p_i\≤b_n\\ l& p_i\≥b_n\end{array}\right.\\ l=(p_a-p_0)/(n+1)\end{array}\right.---\left(15\right)$

式(15)中，μ_i(v₁)表示状态量p_i隶属于评价等级v₁的隶属度，μ_i(v₂)表示状态量p_i隶属于评价等级v₂的隶属度，μ_i(v_n-1)表示状态量p_i隶属于评价等级v_n-1的隶属度，μ_i(v_n)表示状态量p_i隶属于评价等级v_n的隶属度，p₀表示状态量的最优值，p_a表示状态量的最差值，b₁,b₂,…,b_n为将状态量的最优值p₀和最差值p_a进行n+1等分得到的n个等间隔点；

5.4)将所有状态量对应指标到配电自动化终端各个状态等级的模糊隶属函数的隶属度构建模糊综合评价矩阵R。

9.根据权利要求1所述的基于模糊综合评价的配电自动化终端状态评价方法，其特征在于，步骤6)的详细步骤包括：

6.1)根据式(16)所示表达式计算模糊综合评价的数学模型；

式(16)中，Q为模糊综合评价的数学模型的值，W表示状态量对应指标的权重集，R表示模糊综合评价矩阵，为模糊算子，q₁,q₂,…,q_m表示对应m个状态等级的值；

6.2)基于模糊综合评价的数学模型中对应m个状态等级的值q₁,q₂,…,q_m，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。

10.一种基于模糊综合评价的配电自动化终端状态评价系统，其特征在于包括：

状态量确定程序模块，用于检测确定配电自动化终端的状态量；

评价体系确定程序模块，用于根据配电自动化终端的状态量建立配电自动化终端状态评价体系，所述配电自动化终端状态评价体系为状态量对应指标构成的层次结构模型；

权重集确定程序模块，用于确定所述状态评价体系中各状态量对应指标的权重集W；

状态评价集确定程序模块，用于设置包括配电自动化终端各个状态等级的状态评价集V；

模糊综合评价矩阵确定程序模块，用于计算各状态量对应指标的配电自动化终端各个状态等级的模糊隶属函数，根据模糊隶属函数计算得到的隶属度构建模糊综合评价矩阵R；

状态等级评价程序模块，用于结合得到的状态量对应指标的权重集W和模糊综合评价矩阵R，根据隶属度最大原则确定配电自动化终端在状态评价集V中对应的状态等级。