CN107038651A - 一种综合评价的信息融合方法 - Google Patents

Abstract

本发明提供一种综合评价的信息融合方法，其特征在于，所述信息融合方法包括：数据融合、特征提取、独立判决、决策关联和决策融合；本发明全面应用多源数据信息，实现配电设备状态综合评价的信息融合，有效提高了配电设备状态综合评价数据信息利用的全面性和评价结果的准确性。

Description

一种综合评价的信息融合方法

技术领域

本发明属于配电领域，具体讲涉及一种综合评价的信息融合方法。

背景技术

信息融合是指对表征对象的冗余、互补、协同等信息按照一定规则进行分析、组合、分配和使用，获得被处理对象相对完整、一致的解释或描述，进而实现更加准确的识别和决策，提高结果信息质量和价值。信息融合处理的数据形式多样，既可以是未经处理的直接数据，也可以是经过特征提取等操作的间接数据，包括数据、证据、属性等多种信息。信息融合可以在不同层次上对不同类型的数据信息进行综合处理，按照信息抽象程度不同，信息融合分为数据级融合、特征级融合和决策级融合。数据级融合针对同质信息进行数据处理，最大程度直接利用原始数据，信息全面、准确性高。特征级融合可以处理异质数据，首先对原始数据提取特征信息，然后根据特征信息进行融合决策，会引起部分信息丢失，但可提高处理速度。决策级融合是对各信息源数据独立进行特征提取、识别，然后再根据局部处理结果，针对具体的决策目标进行综合决判，信息丢失严重，但融合灵活性最高，不受信息类型限制，适用范围广，容错性和抗干扰能力强。

信息融合提出至今已有几十年的历史，其研究应用广泛，但至今仍没有形成统一框架、通用的融合模型和算法，但是针对特定的应用领域，研究人员已提出许多成熟有效的融合方法。如何根据问题特点，结合已有融合方法提出合理的融合方案和融合模型，是进行有效信息融合的基本和关键。对于配电设备状态综合评价而言，表征配电设备状态的信息源异质，信息来源复杂、类型多样，不同数据信息彼此独立，又共同作用决定设备状态。基于配电设备状态综合评价信息来源、信息类型、数据格式等的特殊性，直接套用其他领域的信息融合模型和方法并不适用，而且目前尚未有直接针对配电设备状态综合评价的信息融合方法。

为此，寻找一种直接针对配电设备状态综合评价的信息融合方法，成为本领域技术人员迫切需要解决的问题。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种综合评价的信息融合方法。

本发明提供的技术方案是：

一种综合评价的信息融合方法，所述信息融合方法包括：数据融合、特征提取、独立判决、决策关联和决策融合。

优选的，所述数据融合包括：融合、特征提取、独立判决、决策关联和决策融合；

所述融合的对象包括：设备台账数据、设备运行数据、设备检修数据和营销数据。

优选的，所述特征提取包括：从可靠性、安全性和经济性提取特征信息；

所述特征信息提取包括：特征属性提取和特征数据提取；

所述特征属性提取包括：提取设备健康状态、可靠度、供电安全、设备安全、人身安全、售电损失和设备价值；

所述特征数据提取包括：提取相对劣化度、可靠度、停电负荷率、停电用户率、停电时长率、设备损坏程度、人身安危程度、售电损失率、网损增加率和设备净新度；

所述特征属性和所述特征数据将数据信息转化为取值范围为[0,1]的无量纲的特征数据。

优选的，所述相对劣化度d_i用下式计算：

式中，x_i表示信息源状态量的实际量测值，x₀表示正常情况时信息源状态量的标准值，x_max表示信息源状态量的极大值，x_min表示信息源状态量的极小值，k表示参数变化对信息源状态量的影响程度；

所述可靠度R用下式计算：

R＝e^-λt (2)

λ＝Ke^C*H (3)

式中：H表示设备当前健康状态，t表示状态评价周期，λ表示设备在当前健康状态下的故障率，K表示比例系数，C表示曲率系数；

所述停电负荷率用下式计算：

式中，表示设备故障时造成的停电负荷总量，表示设备所在电网的负荷总量，N_FL表示设备故障造成的失电节点集合，P_i表示节点i的负荷；

所述停电用户率用下式计算：

式中：表示设备故障时停电用户总数，表示设备所在电网的用户总量，r_i表示节点i的用户户数；

所述停电时长率用下式计算：

式中，表示设备故障时用户的平均停电时间，B_time表示设备所在电网允许的用户平均停电时间，T_i表示节点i的停电时间；

所述设备损坏程度η_equip用下式计算：

η_equip＝C_repair/V_net (10)

C_repair＝C_h(H)+C_p(H) (11)

式中，C_repair表示设备检修费用，V_net表示设备净值，C_h(H)表示设备当前健康状态下检修所需的人工费，C_p(H)表示设备当前健康状态下检修所需的材料费；

所述人身危害程度η_Human用下式计算：

η_Human＝L_Human(H) (12)

式中，L_Human(H)表示设备当前健康状态下所造成的人身损害；

所述售电损失率用下式计算：

式中，L表示节点i的用户类别总数，表示设备故障时节点i上损失的第j类用户负荷总量，δ_j表示第j类用户的销售电价，B_sell表示设备所在电网单位时间的总售电收入；

所述网损增加率用下式计算：

式中，表示设备故障后重构网络结构的网损率，表示设备故障网络原始拓扑结构的网损率；

所述设备净新度β用下式计算：

β＝V_net/V_origin (15)

式中，V_net表示设备净值，V_origin表示设备原值。

优选的，所述独立判决包括如下步骤：

1)划分配电设备状态评价等级；

2)确定指标对应状态等级的隶属度函数；

3)求指标对应状态等级的隶属度，完成独立判决。

优选的，所示配电设备状态等级包括：“正常”、“注意”、“异常”和“严重”；所述状态等级“正常”的隶属度r₁用下式计算：

所述状态等级“注意”的隶属度r₂用下式计算：

所述状态等级“异常”的隶属度r₃用下式计算：

所述状态等级“严重”的隶属度r₄用下式计算：

式中：

s——状态评价时刻各指标的当前值；

s_{i(i＝1,2,3,4,5)}——状态评价时刻各指标分别对应于“正常”、“注意”、“异常”、“严重”状态评价等级的区间边界值。

优选的，所述决策关联包括：分别建立信息源数据与特征数据、特征数据与特征属性、特征属性与特征属性和特征属性与决策目标层面的关联关系。

优选的，所述信息源数据与特征数据间的关联包括：设备台账数据中的设备原值或净值与设备净新度关联，营销数据中的销售电价、负荷构成与售电损失率、网损增加率关联，营销数据中的节点用户数、负荷构成、停电时间与停电负荷率、停电用户率、停电时长率关联，设备运行数据中的工况记录与可靠度关联，设备运行数据中的巡检数据、缺陷报告、在线监测数据与相对劣化度关联，设备检修数据中的试验报告与相对劣化度关联，设备检修数据中的检修成本与设备损坏程度、人身危害程度关联；

所述特征数据与特征属性关联包括：设备净新度与设备价值关联，售电损失率、网损增加率与售电损失关联，停电负荷率、停电用户率、停电时长率与供电安全关联，设备损坏程度、人身危害程度分别于设备安全、人身安全关联，可靠度与设备可靠度关联、相对劣化度与健康状态关联；

所述特征属性与特征属性关联包括：设备价值、售电损失与经济性关联，供电安全、设备安全、人身安全与安全性关联，设备可靠度、健康状态与可靠性关联；

所述特征属性与决策目标关联包括：经济性、安全性、可靠性与配电设备状态综合评价的决策目标关联。

优选的，用下式求决策融合结果矩阵B：

式中：

B——决策融合结果矩阵，矩阵中的元素分别为对应于各状态评价等级的隶属度；

W——权重系数矩阵，矩阵中的元素为各待融合数据或属性对于决策融合目标的权重；

R——隶属度矩阵，矩阵中每一行元素代表一个待融合数据关于各状态评价等级的隶属度；

b_n——决策融合结果对应于第n个状态评价等级的隶属度；

w_n——第n个待融合数据或属性对于决策融合目标的权重；

r_mn——第m个待融合数据或属性对于第n个状态评价等级的隶属度；

n——状态评价等级数量；

m——待融合数据或属性的数量。

所述最大融合值b_max用下式计算：

b_max＝max{b_j|j＝1,2,…,n} (21)

计算得出的最大融合值b_max相对应的状态评价等级作为决策融合结果，或者直接将b_j相对应的状态评价等级作为融合结果。

与现有技术相比，本发明的优益效果为：本发明基于配电设备状态综合评价信息来源、信息类型、数据格式等的特殊性，全面应用多源数据信息，实现配电设备状态综合评价的信息融合，解决了目前尚未有直接针对配电设备状态综合评价的信息融合模型和方法的问题，有效提高了配电设备状态综合评价数据信息利用的全面性和评价结果的准确性。

附图说明

图1为本发明的综合评价信息融合框架示意图；

图2为本发明的应用于独立判决的隶属度函数模型示意图；

图3为本发明的综合评价的信息融合关联模型示意图；

具体实施方式

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

本发明提供一种综合评价的信息融合方法，信息融合方法包括：数据融合、特征提取、独立判决、决策关联和决策融合。

数据融合的对象包括：设备台账数据、设备运行数据、设备检修数据、营销数据及其他数据。

设备台账数据主要包括设备名称、设备类型、设备型号、电压等级、所属线路、管理部门、资产性质、投运日期；

设备运行数据主要包括运行工况记录信息、缺陷及异常记录、巡检情况；

设备检修数据主要包括检修报告、例行试验报告、诊断性试验报告；

营销数据主要包括各节点用户数、各类负荷构成、销售电价；

其他数据主要包括设备故障诊断记录、设备故障模式及影响分析报告、配电网故障恢复策略。

对于数据融合的对象中同质数据信息根据目标属性共有的相似性和从属性，按照一定分配策略对其进行分类划分或关联分析，然后应用数据融合方法分别对同一目标属性的多源信息进行数据融合。其中同质数据信息既可以是来自不同信息源的数据，也可以是同一信息源的多次量测数据。

而对于数据融合的对象中异质数据信息，可通过特征提取后进行融合。

特征提取：基于配电设备状态综合评价的决策目标，本发明分别从可靠性、安全性和经济性三个方面提取特征信息；

特征信息提取分为特征属性提取和特征数据提取两个方面。特征属性提取方面包括：提取设备健康状态、可靠度、供电安全、设备安全、人身安全、售电损失和设备价值；特征数据提取方面包括：提取相对劣化度、可靠度、停电负荷率、停电用户率、停电时长率、设备损坏程度、人身安危程度、售电损失率、网损增加率和设备净新度；将不同信息源的数据信息转化为取值范围为[0,1]的无量纲的特征数据，可直接应用于独立判决。

相对劣化度d_i：表示信息源状态量当前实际状态与故障状态相比的相对劣化程度，数值越大表示劣化程度越大；

相对劣化度d_i用下式计算：

式中，x_i表示信息源状态量的实际量测值，x₀表示正常情况时信息源状态量的标准值，x_max表示信息源状态量的极大值，x_min表示信息源状态量的极小值，k表示参数变化对信息源状态量的影响程度；

可靠度R用下式计算：

R＝e^-λt (2)

λ＝Ke^C*H (3)

式中：H表示设备当前健康状态，t表示状态评价周期，λ表示设备在当前健康状态下的故障率，K表示比例系数，C表示曲率系数；比例系数K和曲率系数C可通过设备历史故障率与健康状态历史评价结果进行数据拟合得到。数据拟合是指根据历史数据寻找反映数据变化规律的函数，确定变量系数，进而做出预测和判断。

停电负荷率用下式计算：

式中，表示设备故障时造成的停电负荷总量，表示设备所在电网的负荷总量，N_FL表示设备故障造成的失电节点集合，P_i表示节点i的负荷；

停电用户率用下式计算：

式中：表示设备故障时停电用户总数，表示设备所在电网的用户总量，r_i表示节点i的用户户数；

停电时长率用下式计算：

式中，表示设备故障时用户的平均停电时间，B_time表示设备所在电网允许的用户平均停电时间，T_i表示节点i的停电时间；

设备损坏程度η_equip用下式计算：

η_equip＝C_repair/V_net (10)

C_repair＝C_h(H)+C_p(H) (11)

式中，C_repair表示设备检修费用，V_net表示设备净值，C_h(H)表示设备当前健康状态下检修所需的人工费，C_p(H)表示设备当前健康状态下检修所需的材料费；

人身危害程度η_Human用下式计算：

η_Human＝L_Human(H) (12)

式中，L_Human(H)表示设备当前健康状态下所造成的人身损害；

售电损失率用下式计算：

式中，L表示节点i的用户类别总数，表示设备故障时节点i上损失的第j类用户负荷总量，δ_j表示第j类用户的销售电价，B_sell表示设备所在电网单位时间的总售电收入；

网损增加率用下式计算：

式中，表示设备故障后重构网络结构的网损率，表示设备故障网络原始拓扑结构的网损率；

设备净新度β用下式计算：

β＝V_net/V_origin (15)

式中，V_net表示设备净值，V_origin表示设备原值。

独立判决是结合配电设备状态综合评价的信息融合目标，以及配电设备状态综合评价的模糊性和主观性，应用模糊理论方法进行独立判决，模糊理论方法是指用到了模糊集合的基本概念或连续隶属度函数的理论，所谓模糊概念是指这个概念的外延具有不确定性，是不清晰的、模糊的。独立判决包括如下步骤：

1)将配电设备状态划分“正常”、“注意”、“异常”和“严重”四个等级；

2)采用半梯形与三角形结合的隶属度函数模型，分别确定指标对应四个状态等级的隶属度函数；

3)将状态评价时刻各指标的当前值带入相应指标的隶属度函数，求各指标对应状态等级的隶属度，完成独立判决。

定义某一状态等级区间中点对应的隶属度为1，区间边界对应相邻状态等级的隶属度为0.5，用下式求状态等级“正常”的隶属度r₁：

用下式求状态等级“注意”的隶属度r₂：

用下式求状态等级“异常”的隶属度r₃：

用下式求状态等级“严重”的隶属度r₄：

式中：

s——状态评价时刻各指标的当前值；

s_{i(i＝1,2,3,4,5)}——各指标分别对应于“正常”、“注意”、“异常”、“严重”状态评价等级的区间边界值。

关联是指根据目标属性共有的相似性和从属性，采取一定的分配策略将获取的数据信息按照目标属性进行分类划分和关联分析，利用目标属性集合中包含的一致性消除关联的模糊性；其中的数据信息可以是未经处理的直接数据，也可以是经过数据融合或特征提取处理后的间接数据。

根据配电设备状态综合评价的数据信息特点及决策目标，本发明决策关联分别从信息源数据与特征数据、特征数据与特征属性、特征属性与特征属性和特征属性与决策目标层面建立关联关系。

信息源数据与特征数据关联：设备台账数据中的设备原值或净值与设备净新度关联，营销数据中的销售电价、负荷构成与售电损失率、网损增加率关联，营销数据中的节点用户数、负荷构成、停电时间与停电负荷率、停电用户率、停电时长率关联，设备运行数据中的工况记录与可靠度关联，设备运行数据中的巡检数据、缺陷报告、在线监测数据与相对劣化度关联，设备检修数据中的试验报告与相对劣化度关联，设备检修数据中的检修成本与设备损坏程度、人身危害程度关联，其他数据中的故障模式、故障结果与设备损坏程度、人身危害程度关联；

特征数据与特征属性关联：设备净新度与设备价值关联，售电损失率、网损增加率与售电损失关联，停电负荷率、停电用户率、停电时长率与供电安全关联，设备损坏程度、人身危害程度分别于设备安全、人身安全关联，可靠度与设备可靠度关联、相对劣化度与健康状态关联；

特征属性与特征属性关联：设备价值、售电损失与经济性关联，供电安全、设备安全、人身安全与安全性关联，设备可靠度、健康状态与可靠性关联；

特征属性与决策目标关联：经济性、安全性、可靠性与配电设备状态综合评价的决策目标关联。

应用下式求决策融合结果矩阵B：

式中：

B——决策融合结果矩阵，矩阵中的元素分别为对应于各状态评价等级的隶属度；

W——权重系数矩阵，矩阵中的元素为各待融合数据或属性对于决策融合目标的权重；

R——隶属度矩阵，矩阵中每一行元素代表一个待融合数据关于各状态评价等级的隶属度；

b_n——决策融合结果对应于第n个状态评价等级的隶属度；

w_n——第n个待融合数据或属性对于决策融合目标的权重；

r_mn——第m个待融合数据或属性对于第n个状态评价等级的隶属度；

n——状态评价等级数量；

m——待融合数据或属性的数量。

用下式求最大融合值b_max：

b_max＝max{b_j|j＝1,2,…,n} (21)

b_max相对应的状态评价等级作为决策融合结果，或直接把b_j相对应的状态评价等级作为融合结果，以使决策者对融合结果有一个全面了解。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种综合评价的信息融合方法，其特征在于，所述信息融合方法包括：数据融合、特征提取、独立判决、决策关联和决策融合。

2.如权利要求1所述的信息融合方法，其特征在于，所述数据融合的对象包括：设备台账数据、设备运行数据、设备检修数据和营销数据。

3.如权利要求1所述的信息融合方法，其特征在于，所述特征提取包括：从可靠性、安全性和经济性提取特征信息；

所述特征信息提取包括：特征属性提取和特征数据提取；

所述特征属性提取包括：提取设备健康状态、可靠度、供电安全、设备安全、人身安全、售电损失和设备价值；

所述特征数据提取包括：提取相对劣化度、可靠度、停电负荷率、停电用户率、停电时长率、设备损坏程度、人身安危程度、售电损失率、网损增加率和设备净新度；

所述特征属性和所述特征数据将数据信息转化为取值范围为[0,1]的无量纲的特征数据。

4.如权利要求3所述的信息融合方法，其特征在于，所述相对劣化度d_i用下式计算：

式中，x_i表示信息源状态量的实际量测值，x₀表示正常情况时信息源状态量的标准值，x_max表示信息源状态量的极大值，x_min表示信息源状态量的极小值，k表示参数变化对信息源状态量的影响程度；

所述可靠度R用下式计算：

R＝e^-λt (2)

λ＝Ke^C*H (3)

式中：H表示设备当前健康状态，t表示状态评价周期，λ表示设备在当前健康状态下的故障率，K表示比例系数，C表示曲率系数；

所述停电负荷率用下式计算：

式中，表示设备故障时造成的停电负荷总量，表示设备所在电网的负荷总量，N_FL表示设备故障造成的失电节点集合，P_i表示节点i的负荷；

所述停电用户率用下式计算：

式中：表示设备故障时停电用户总数，表示设备所在电网的用户总量，r_i表示节点i的用户户数；

所述停电时长率用下式计算：

式中，表示设备故障时用户的平均停电时间，B_time表示设备所在电网允许的用户平均停电时间，T_i表示节点i的停电时间；

所述设备损坏程度η_equip用下式计算：

η_equip＝C_repair/V_net (10)

C_repair＝C_h(H)+C_p(H) (11)

式中，C_repair表示设备检修费用，V_net表示设备净值，C_h(H)表示设备当前健康状态下检修所需的人工费，C_p(H)表示设备当前健康状态下检修所需的材料费；

所述人身危害程度η_Human用下式计算：

η_Human＝L_Human(H) (12)

式中，L_Human(H)表示设备当前健康状态下所造成的人身损害；

所述售电损失率用下式计算：

式中，L表示节点i的用户类别总数，表示设备故障时节点i上损失的第j类用户负荷总量，δ_j表示第j类用户的销售电价，B_sell表示设备所在电网单位时间的总售电收入；

所述网损增加率用下式计算：

式中，表示设备故障后重构网络结构的网损率，表示设备故障网络原始拓扑结构的网损率；

所述设备净新度β用下式计算：

β＝V_net/V_origin (15)

式中，V_net表示设备净值，V_origin表示设备原值。

5.如权利要求1所述的信息融合方法，其特征在于，所述独立判决包括如下步骤：

1)划分配电设备状态评价等级；

2)确定指标对应状态等级的隶属度函数；

3)求指标对应状态等级的隶属度，完成独立判决。

6.如权利要求5所述的信息融合方法，其特征在于，所示配电设备状态等级包括：“正常”、“注意”、“异常”和“严重”；

所述状态等级“正常”的隶属度r₁用下式计算：

所述状态等级“注意”的隶属度r₂用下式计算：

所述状态等级“异常”的隶属度r₃用下式计算：

所述状态等级“严重”的隶属度r₄用下式计算：

式中：

s——状态评价时刻各指标的当前值；

s_{i(i＝1,2,3,4,5)}——状态评价时刻各指标分别对应于“正常”、“注意”、“异常”、“严重”状态评价等级的区间边界值。

7.如权利要求1所述的信息融合方法，其特征在于，所述决策关联包括：分别建立信息源数据与特征数据、特征数据与特征属性、特征属性与特征属性和特征属性与决策目标层面的关联关系。

8.如权利要求7所述的信息融合方法，其特征在于，所述信息源数据与特征数据间的关联包括：设备台账数据中的设备原值或净值与设备净新度关联，营销数据中的销售电价、负荷构成与售电损失率、网损增加率关联，营销数据中的节点用户数、负荷构成、停电时间与停电负荷率、停电用户率、停电时长率关联，设备运行数据中的工况记录与可靠度关联，设备运行数据中的巡检数据、缺陷报告、在线监测数据与相对劣化度关联，设备检修数据中的试验报告与相对劣化度关联，设备检修数据中的检修成本与设备损坏程度、人身危害程度关联；

所述特征数据与特征属性关联包括：设备净新度与设备价值关联，售电损失率、网损增加率与售电损失关联，停电负荷率、停电用户率、停电时长率与供电安全关联，设备损坏程度、人身危害程度分别于设备安全、人身安全关联，可靠度与设备可靠度关联、相对劣化度与健康状态关联；

所述特征属性与特征属性关联包括：设备价值、售电损失与经济性关联，供电安全、设备安全、人身安全与安全性关联，设备可靠度、健康状态与可靠性关联；

所述特征属性与决策目标关联包括：经济性、安全性、可靠性与配电设备状态综合评价的决策目标关联。

9.如权利要求1所述的信息融合方法，其特征在于，用下式求决策融合结果矩阵B：

式中：

B——决策融合结果矩阵，矩阵中的元素分别为对应于各状态评价等级的隶属度；

W——权重系数矩阵，矩阵中的元素为各待融合数据或属性对于决策融合目标的权重；

R——隶属度矩阵，矩阵中每一行元素代表一个待融合数据关于各状态评价等级的隶属度；

b_n——决策融合结果对应于第n个状态评价等级的隶属度；

w_n——第n个待融合数据或属性对于决策融合目标的权重；

r_mn——第m个待融合数据或属性对于第n个状态评价等级的隶属度；

n——状态评价等级数量；

m——待融合数据或属性的数量。

10.如权利要求9所述的信息融合方法，其特征在于，所述最大融合值b_max用下式计算：

b_max＝max{b_j|j＝1,2,…,n} (21)

计算得出的最大融合值b_max相对应的状态评价等级作为融合结果,或直接将b_j相对应的状态评价等级作为融合结果。