CN106845763B - 一种电网可靠性分析方法和装置 - Google Patents

Abstract

本发明提供了一种用于电力光缆网的电网可靠性分析方法和装置，所述方法包括：提取电网系统中每个分析对象对应的特征参数和特征参数的数量；获取所述特征参数的比较序列和参考序列；根据所述特征参数的数量、所述比较序列和所述参考序列计算得到所述比较序列与所述参考序列的关联系数；根据所述特征参数的数量和所述关联系数确定所述特征参数对电网可靠性影响程度的高低。该方案充分考虑到特征参数与分析对象的关系，不仅简化了分析计算过程，而且降低了对主观经验的依赖性，从而提高了对电网可靠性分析的客观性、准确性和全面性。

Description

一种电网可靠性分析方法和装置

技术领域

本发明涉及电网安全领域，具体涉及一种电网可靠性分析方法和装置。

背景技术

20世纪90年代中期起，省联网的区域电网逐步发展，跨区域的超高压电网也初步建设，这对长距离通信提出了更高的要求，因此光纤通信技术应运而生，并日渐成熟。光纤通信因为其高带宽、低衰耗、长距离、抗干扰、低成本等特点，给电力通信系统带来了一次前所未有的革命。

当前，我国已经建成了“三纵四横”的电力光缆主干网络，形成了以光纤通信为主，电力线载波、无线等多种通信方式并存的通信网络格局。电力光缆网络作为电力通信网络的主要方式。在实际运行中，光缆可能遭受来自工程施工、雷击、自然灾害、盗窃、恐怖袭击等外界因素的影响，而造成光缆的断线、断纤、磨损、短路电流烧毁等各种事故，因此，研究光缆网的安全性和可靠性对整个电网系统安全稳定的生产运行有着重大的意义。然而，目前在电力系统中对光缆网络的可靠性分析大都从物理特性、故障点的判断以及运行维护的规范方面着手，并没有从光缆所处的整体环境来考虑，缺乏一个完整的理论体系做指导。

由于电力光缆网是节点和链路的集合，因此，节点和链路的可靠性直接影响业务通道的可靠性，进一步影响电力光缆网的可靠性。目前，可以 结合系统工程的理论对电力光缆网的光纤链路进行可靠性分层，如：机械强度、环境温度、环境湿度、环境污染、电磁干扰、光纤质量、工程质量、光纤老化等，然后对影响可靠性的各种因素进行分析，并建立可靠性的指标体系，然后使用数学理论及方法求解，最后把计算结果应用于实际的网络中进行可靠性分析和故障问题的查找。其中，常用的数学理论及方法有层次分析法、变异系数法、模糊综合评判法等。变异系数法利用各项指标所包含的信息，计算得到指标的权重，是一种客观赋权法，当评价指标对于评价目标而言比较模糊时，采用变异系数法进行评定是比较合适的，但是对指标的具体经济意义重视不够，必然会存在一定的误差。模糊综合评判法以隶属度来描述模糊界限，通常依附于个人的主观臆断，适用于不易量化的决策问题，例如当影响因素过多时容易导致各因素权重小而造成的严重失真现象或多峰值现象等。

因此，如何提高电网可靠性分析的准确性和全面性，成为一个亟待解决的技术问题。

发明内容

因此，本发明要解决的技术问题在于现有技术中的电网可靠性分析方案准确性低、不全面。从而提供一种电网可靠性分析方法和装置。

有鉴于此，本发明实施例的第一方面提供了一种电网可靠性分析方法，提取电网系统中每个分析对象对应的特征参数和特征参数的数量；获取所述特征参数的比较序列和参考序列；根据所述特征参数的数量、所述比较序列和所述参考序列计算得到所述比较序列与所述参考序列的关联系数； 根据所述特征参数的数量和所述关联系数确定所述特征参数对电网可靠性影响程度的高低。

优选地，所述根据所述特征参数的数量、所述比较序列和所述参考序列计算得到所述比较序列与所述参考序列的关联系数包括：分别采用如下公式计算得到所述比较序列和所述参考序列的两级最小差和两级最大差：

采用如下公式计算得到所述关联系数：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，Δ_min是所述两级最小差，Δ_max是所述两级最大差，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，ξ∈(0,1)是分辨系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

优选地，所述获取所述特征参数的比较序列包括：采用如下公式对所述特征参数进行无量纲化处理，得到所述比较序列：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x_i'(k)是第k个特征参数的第i个参数值，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

优选地，所述获取所述特征参数的参考序列包括：计算每个所述特征 参数的参数值的平均值，得到所述参考序列。

优选地，其特征在于，所述根据所述特征参数的数量和所述关联系数确定所述特征参数对电网可靠性影响程度的高低包括：根据所述特征参数的数量和所述关联系数计算得到所述特征参数的灰关联熵；根据所述灰关联熵确定所述特征参数对电网可靠性影响程度的高低。

优选地，所述根据所述特征参数的数量和所述关联系数计算得到所述特征参数的灰关联熵包括：采用如下公式计算得到所述参考序列与所述比较序列的属性信息：

采用如下公式计算得到所述灰关联熵：

其中，P_i(k)是所述属性信息，H_i(k)是所述灰关联熵，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

本发明实施例的第二方面提供了一种电网可靠性分析装置，包括：提取模块，用于提取电网系统中每个分析对象对应的特征参数和特征参数的数量；获取模块，用于获取所述特征参数的比较序列和参考序列；计算模块，用于根据所述特征参数的数量、所述比较序列和所述参考序列计算得到所述比较序列与所述参考序列的关联系数；确定模块，用于根据所述特 征参数的数量和所述关联系数确定所述特征参数对电网可靠性影响程度的高低。

优选地，所述计算模块包括：第一计算单元，用于分别采用如下公式计算得到所述比较序列和所述参考序列的两级最小差和两级最大差：

第二计算单元，用于采用如下公式计算得到所述关联系数：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，Δ_min是所述两级最小差，Δ_max是所述两级最大差，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，ξ∈(0,1)是分辨系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

优选地，所述获取模块包括：无量纲单元，用于采用如下公式对所述特征参数进行无量纲化处理，得到所述比较序列：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x_i'(k)是第k个特征参数的第i个参数值，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

优选地，所述获取模块包括：第三计算单元，用于计算每个所述特征参数的参数值的平均值，得到所述参考序列。

优选地，所述确定模块包括：第四计算单元，用于根据所述特征参数的数量和所述关联系数计算得到所述特征参数的灰关联熵；确定单元，用于根据所述灰关联熵确定所述特征参数对电网可靠性影响程度的高低。

优选地，所述第四计算单元包括：第一计算子单元，用于采用如下公式计算得到所述参考序列与所述比较序列的属性信息：

第二计算子单元，用于采用如下公式计算得到所述灰关联熵：

其中，P_i(k)是所述属性信息，H_i(k)是所述灰关联熵，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

本发明的技术方案具有以下优点：

本发明实施例提供的电网可靠性分析方法和装置，通过提取电网系统中分析对象的特征参数以及特征参数的数量获取到参考序列和比较序列，将灰关联熵分析方法与分析对象的特征参数的数量相结合对参考序列和比较序列进行分析得到特征参数的灰关联熵，通过灰关联熵的大小来判断特征参数对电网可靠性影响程度的高低，与现有技术相比，充分考虑到特征参数与分析对象的关系，不仅简化了分析计算过程，而且降低了对主观经验的依赖性，从而提高了对电网可靠性分析的客观性、准确性和全面性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1的电网可靠性分析方法的一个流程图；

图2为本发明实施例2的电网可靠性分析装置的一个框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

本实施例提供一种电网可靠性分析方法，适用于对电网系统可靠性进行分析，如图1所示，该方法包括如下步骤：

S11：提取电网系统中每个分析对象对应的特征参数和特征参数的数量， 此处分析对象可以是电网系统中元件的各项属性，而特征参数则可以是表征各项属性的参数，比如在电力光缆网中，由于电力光缆网是节点和链路的集合，可以通过收集整理供电企业的电力光缆网运行分析数据获得分析对象，该分析对象可以是机械强度、设备环境、工程质量、光纤老化，其中机械强度的特征参数可以有张力T1、弯曲度T2、形变T3和舞动T4；设备环境的特征参数可以有温度急剧变化T5、温度周期性变化T6、环境湿度T7、环境污染T8以及电磁干扰T9；工程质量的特征参数可以有光纤质量T10、施工质量T11和后期维护质量T12；光纤老化的特征参数可以有老化T13；以上可以看出分析对象机械强度、设备环境、工程质量、光纤老化的特征参数的数量分别是4、5、3和1。

S12：获取特征参数的比较序列和参考序列，具体地，每个特征参数都有对应的参数值，可以通过从电网系统的数据库中获取到特征参数的参数值，以获取到比较序列和参考序列。

作为一种优选方案，步骤S12包括：采用如下公式对特征参数进行无量纲化处理，得到比较序列：

在上式中，x_i(k)是比较序列中第k个特征参数的第i个参数值的无量纲化数据，x_i'(k)是第k个特征参数的第i个参数值，m是特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。具体地，比如可以分别从数据库中提取到步骤S11中的13个特征参数对应的参数值各10个样本(X′_i是13个特征参数分别对应的第i各样本)，如下：

X₁'＝[x₁'(1),x₁'(2),x₁'(3),x₁'(4),...,x₁'(13)]

X₂'＝[x₂'(1),x₂'(2),x₂'(3),x₂'(4),...,x₂'(13)]

......

X₁₀'＝[x₁₀'(1),x₁₀'(2),x₁₀'(3),x₁₀'(4),...,x₁₀'(13)]

由于特征参数对应的参数值的原始数据量纲不同，需要对这些特征参数对应的参数值进行无量纲化处理，此处借助改进后的比重法来消除数据量纲的影响，将特征参数的值实际值转换为它在特征参数总和中所占的比重，其中引入特征参数的数量m，更加确切的反映出分析对象的特性，对分析对象有明确的指导性，降低了特征参数之间的可替代性，从而提高了分析结果的准确性。比如对于步骤S11中的分析对象机械强度对应的特征参数的数量为4，则m＝4，可以反映出机械强度的特性。

作为一种优选方案，步骤S12还可以包括：计算每个特征参数的参数值的平均值，得到参考序列X₀，如下：

需要说明的是，上述获取参考序列的方法只是本发明技术方案的一个实施例，只要是能实现本发明的技术方案的参考序列均适用于本发明。

S13：根据特征参数的数量、比较序列和参考序列计算得到比较序列与参考序列的关联系数，此处关联系数可以反映比较序列与参考序列之间的关联关系，特征参数的数量的引入，更加确切的反映出分析对象的特性，对分析对象有明确的指导性，降低了特征参数之间的可替代性，从而提高了关联关系的准确性。比如对于步骤S11中的分析对象机械强度对应的特征参数的数量为4，则m＝4，可以反映出机械强度的特性。

作为一种优选方案，步骤S13包括：分别采用如下公式计算得到比较 序列和参考序列的两级最小差和两级最大差：

采用如下公式计算得到关联系数：

在上式中，x_i(k)是比较序列中第k个特征参数的第i个参数值的无量纲化数据，Δ_min是两级最小差，Δ_max是两级最大差，x₀(k)是参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是关联系数，ξ∈(0,1)是分辨系数(为了削弱两级最大差数值太大引起的失真，提高关联系数之间的差异显著性，所以设置分辨系数，分辨系数取值越大，各特征参数对关联系数的影响越大，反之，则越小，本实施例中可以取0.5)，m是特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

S14：根据特征参数的数量和关联系数确定特征参数对电网可靠性影响程度的高低，具体地，比较序列和参考序列的关联关系可以反映比较序列与参考序列的关联程度，同样地，此处引入特征参数的数量，可以更加确切的反映出分析对象的特性，对分析对象有明确的指导性，降低了特征参数之间的可替代性，从而提高了关联关系的准确性。

作为一种优选方案，步骤S14可以包括：

步骤一：根据特征参数的数量和关联系数计算得到特征参数的灰关联熵；具体地，步骤一可以包括：首先采用如下公式计算得到参考序列与比较序列的属性信息：

采用如下公式计算得到灰关联熵：

其中，P_i(k)是属性信息，H_i(k)是灰关联熵，x_i(k)是比较序列中第k个特征参数的第i个参数值的无量纲化数据，x₀(k)是参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是关联系数，m是特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

步骤二：根据灰关联熵确定特征参数对电网可靠性影响程度的高低。此处，特征参数的灰关联熵的大小可以反映该特征参数对电网可靠性影响程度的大小，具体地，灰关联熵越大，对应的特征参数对电网可靠性的影响程度越大，反之亦然，同样地，此处引入特征参数的数量，可以更加确切的反映出分析对象的特性，对分析对象有明确的指导性，降低了特征参数之间的可替代性，从而提高了通过灰关联熵来确定特征参数对电网可靠性影响程度的准确性。

本实施例提供的电网可靠性分析方法，通过提取电网系统中分析对象的特征参数以及特征参数的数量获取到参考序列和比较序列，将灰关联熵分析方法与分析对象的特征参数的数量相结合对参考序列和比较序列进行分析得到特征参数的灰关联熵，通过灰关联熵的大小来判断特征参数对电网可靠性影响程度的高低，与现有技术相比，充分考虑到特征参数与分析对象的关系，不仅简化了分析计算过程，而且降低了对主观经验的依赖性，从而提高了对电网可靠性分析的客观性、准确性和全面性。

实施例2

本实施例供了一种电网可靠性分析装置，适用于对电网系统可靠性进行分析，如图2所示，该装置包括：提取模块21、获取模块22、计算模块23和确定模块24，各模块主要功能如下：

提取模块21，用于提取电网系统中每个分析对象对应的特征参数和特征参数的数量，具体参见实施例1中对步骤S11的详细描述。

获取模块22，用于获取特征参数的比较序列和参考序列，具体参见实施例1中对步骤S12的详细描述。

计算模块23，用于根据特征参数的数量、比较序列和参考序列计算得到比较序列与参考序列的关联系数，具体参见实施例1中对步骤S13的详细描述。

确定模块24，用于根据特征参数的数量和关联系数确定特征参数对电网可靠性影响程度的高低，具体参见实施例1中对步骤S14的详细描述。

作为一种优选方案，计算模块23包括：第一计算单元231，用于分别采用如下公式计算得到比较序列和参考序列的两级最小差和两级最大差：

第二计算单元232，用于采用如下公式计算得到关联系数：

其中，x_i(k)是比较序列中第k个特征参数的第i个参数值的无量纲化数据，Δ_min是两级最小差，Δ_max是两级最大差，x₀(k)是参考序列中第k 个特征参数的参数值，r(x₀(k)，x_i(k))是关联系数，ξ∈(0,1)是分辨系数，m是特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。具体参见实施例1中对步骤S13优选方案地相关详细描述。

作为一种优选方案，获取模块22包括：无量纲单元221，用于采用如下公式对特征参数进行无量纲化处理，得到比较序列：

其中，x_i(k)是比较序列中第k个特征参数的第i个参数值的无量纲化数据，x_i'(k)是第k个特征参数的第i个参数值，m是特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。具体参见实施例1中对步骤S12优选方案地相关详细描述。

作为一种优选方案，获取模块22包括：第三计算单元222，用于计算每个特征参数的参数值的平均值，得到参考序列。具体参见实施例1中对步骤S12优选方案地相关详细描述。

作为一种优选方案，确定模块24包括：第四计算单元241，用于根据特征参数的数量和关联系数计算得到特征参数的灰关联熵；确定单元242，用于根据灰关联熵确定特征参数对电网可靠性影响程度的高低。具体参见实施例1中对步骤S14优选方案地相关详细描述。

作为一种优选方案，第四计算单元241可以包括：第一计算子单元，用于采用如下公式计算得到参考序列与比较序列的属性信息：

第二计算子单元，用于采用如下公式计算得到灰关联熵：

其中，P_i(k)是属性信息，H_i(k)是灰关联熵，x_i(k)是比较序列中第k个特征参数的第i个参数值的无量纲化数据，x₀(k)是参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是关联系数，m是特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。具体参见实施例1中的相关详细描述。

本实施例提供的电网可靠性分析装置，通过提取电网系统中分析对象的特征参数以及特征参数的数量获取到参考序列和比较序列，将灰关联熵分析方法与分析对象的特征参数的数量相结合对参考序列和比较序列进行分析得到特征参数的灰关联熵，通过灰关联熵的大小来判断特征参数对电网可靠性影响程度的高低，与现有技术相比，充分考虑到特征参数与分析对象的关系，不仅简化了分析计算过程，而且降低了对主观经验的依赖性，从而提高了对电网可靠性分析的客观性、准确性和全面性。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种电网可靠性分析方法，其特征在于，包括：

提取电网系统中每个分析对象对应的特征参数和特征参数的数量；

获取所述特征参数的比较序列和参考序列；

根据所述特征参数的数量、所述比较序列和所述参考序列计算得到所述比较序列与所述参考序列的关联系数；

根据所述特征参数的数量和所述关联系数确定所述特征参数对电网可靠性影响程度的高低；

所述根据所述特征参数的数量、所述比较序列和所述参考序列计算得到所述比较序列与所述参考序列的关联系数包括：

分别采用如下公式计算得到所述比较序列和所述参考序列的两级最小差和两级最大差：

采用如下公式计算得到所述关联系数：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，△_min是所述两级最小差，△_max是所述两级最大差，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，ξ∈(0,1)是分辨系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数；

根据所述特征参数的数量和所述关联系数确定所述特征参数对电网可靠性影响程度的高低包括：

根据所述特征参数的数量和所述关联系数计算得到所述特征参数的灰关联熵；

根据所述灰关联熵确定所述特征参数对电网可靠性影响程度的高低。

2.根据权利要求1所述的电网可靠性分析方法，其特征在于，所述获取所述特征参数的比较序列包括：

采用如下公式对所述特征参数进行无量纲化处理，得到所述比较序列：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x_i'(k)是第k个特征参数的第i个参数值，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

3.根据权利要求1所述的电网可靠性分析方法，其特征在于，所述获取所述特征参数的参考序列包括：

计算每个所述特征参数的参数值的平均值，得到所述参考序列。

4.根据权利要求1所述的电网可靠性分析方法，其特征在于，所述根据所述特征参数的数量和所述关联系数计算得到所述特征参数的灰关联熵包括：

采用如下公式计算得到所述参考序列与所述比较序列的属性信息：

采用如下公式计算得到所述灰关联熵：

其中，P_i(k)是所述属性信息，H_i(k)是所述灰关联熵，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

5.一种电网可靠性分析装置，其特征在于，包括：

提取模块，用于提取电网系统中每个分析对象对应的特征参数和特征参数的数量；

获取模块，用于获取所述特征参数的比较序列和参考序列；

计算模块，用于根据所述特征参数的数量、所述比较序列和所述参考序列计算得到所述比较序列与所述参考序列的关联系数；

确定模块，用于根据所述特征参数的数量和所述关联系数确定所述特征参数对电网可靠性影响程度的高低；

所述计算模块包括：

第一计算单元，用于分别采用如下公式计算得到所述比较序列和所述参考序列的两级最小差和两级最大差：

第二计算单元，用于采用如下公式计算得到所述关联系数：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，△_min是所述两级最小差，△_max是所述两级最大差，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，ξ∈(0,1)是分辨系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数；

所述确定模块包括：

第四计算单元，用于根据所述特征参数的数量和所述关联系数计算得到所述特征参数的灰关联熵；

确定单元，用于根据所述灰关联熵确定所述特征参数对电网可靠性影响程度的高低。

6.根据权利要求5所述的电网可靠性分析装置，其特征在于，所述获取模块包括：

无量纲单元，用于采用如下公式对所述特征参数进行无量纲化处理，得到所述比较序列：

其中，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x_i'(k)是第k个特征参数的第i个参数值，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

7.根据权利要求5所述的电网可靠性分析装置，其特征在于，所述获取模块包括：

第三计算单元，用于计算每个所述特征参数的参数值的平均值，得到所述参考序列。

8.根据权利要求5所述的电网可靠性分析装置，其特征在于，所述第四计算单元包括：

第一计算子单元，用于采用如下公式计算得到所述参考序列与所述比较序列的属性信息：

第二计算子单元，用于采用如下公式计算得到所述灰关联熵：

其中，P_i(k)是所述属性信息，H_i(k)是所述灰关联熵，x_i(k)是所述比较序列中第k个特征参数的第i个参数值的无量纲化数据，x₀(k)是所述参考序列中第k个特征参数的参数值，r(x₀(k)，x_i(k))是所述关联系数，m是所述特征参数的数量，m，k是大于0的整数，i是大于0且小于或者等于m的整数。

Images