CN108010413A - 一种风力发电厂运维仿真系统及其操作评估方法 - Google Patents

Abstract

本发明公开了一种风力发电厂运维仿真系统，包括，仿真系统，通过空间多叉树的方式搭建风电场的虚拟场景，进行运维场景重构；人机交互系统，通过虚拟现实眼镜和摄像机，接收用户的操作数据，利用手势和语音来实现用户与虚拟场景间的实时交互；综合数据管理系统，提供整个系统的三维模型、人机交互过程中所使用的手势库和语音库，通过数字立体采集系统获取三维模型的空间信息，采用数据索引技术对系统进行综合查询，通过数据分段将所述三维模型的空间信息叠加到重构的运维场景中。本发明可直接应用于海上风电运维培训、设备认知和运维考核等环节中，为风电运维培训考核提供安全可靠的环境，打破时间和空间限制，提高培训效率，杜绝安全隐患。

Description

一种风力发电厂运维仿真系统及其操作评估方法

技术领域

本发明属于海上风电技术领域，尤其是涉及一种风力发电厂运维仿真系统及其操作评估方法。

背景技术

海上风电运维体系存在的管理经验欠缺，人员素质参差不齐，海上风电场天气及作业环境复杂，人员、设备和船只在海上作业危险性高等问题。为解决上述问题，就必须加强人员事前场景预演、运维作业风险评估，才能确保海上风电生产建设过程中的人员、设备安全，确保项目经济效益和社会效益如期实现。目前，海上风电运维作业风险评估通常采用文本、图片、视频及电脑模拟等媒介方式，既不直观，也与现场实际存在较大出入。本发明基于虚拟现实技术建立一个虚拟海上风电作业风险评估演练系统。虚拟现实又称临境技术，是一种运用计算机对现实世界进行全面仿真的技术，它能够创建与现实环境类似的虚拟环境，通过计算机生成逼真的三维视、听感受，操作人员通过适当装置自然地与虚拟环境进行交互作用，当操作人员自由运动时，电脑通过复杂的计算机图形图像算法运算，精确地调整3D虚拟世界的影像以产生临场感。

本发明基于虚拟现实技术的海上风电运维作业风险评估演练系统目标是为了让使用者足不出户就能够沉浸式的体验海上风电场的天气情况、海情海况、地理地貌、设备的运行情况，紧急事件发生时的情景，为风电场运维作业风险评估、应急演练的方式带来革命。另外通过硬件设备(如头盔、手柄、手套、仿真船只等)，实现全新交互功能，可以更加直观和方便的根据选择在海上风场机位之间、风机设备之间、紧急事件情景之间沉浸式的漫游，实现体验交互。减少到现场的交通成本和时间成本，杜绝学习和演练过程中的安全隐患，降低企业风险，提高企业的管理效益、生产效率。

有鉴于此，特提出本发明。

发明内容

本发明要解决的技术问题在于克服现有技术的不足，提供一种一种风力发电厂运维仿真系统，可直接应用于海上风电运维培训、设备认知和运维考核等环节中，为风电运维培训考核提供安全可靠的环境，打破时间和空间限制，提高培训效率，杜绝安全隐患。

为解决上述技术问题，本发明采用技术方案的基本构思是：

一种风力发电厂运维仿真系统，其特征在于，包括：

仿真系统，通过空间多叉树的方式搭建风电场的虚拟场景，进行运维场景重构；

人机交互系统，通过虚拟现实眼镜和摄像机，接收用户的操作数据，利用手势和语音来实现用户与虚拟场景间的实时交互；

综合数据管理系统，提供整个系统的三维模型、人机交互过程中所使用的手势库和语音库，通过数字立体采集系统获取三维模型的空间信息，对系统进行综合查询，通过数据分段将所述三维模型的空间信息叠加到重构的运维场景中。

优选的，所述仿真系统包括：

运维场景重构模块，用于在重构运维场景时进行三维场景的搭建；

音频添加模块，用于在重构运维场景时进行声音信息的添加；

其中，在三维场景的搭建中，运维场景重构模块还用于根据场景的真实图像信息进行三维模型的贴图和动画设计，音频添加模块在声音信息的添加过程中，采集风电现场的实时声音信号，根据不同的场景添加不同信道的实时声音数据。

优选的，音频添加模块包括有声音信号采集装置，用于接收风电场现场的实时声音信号；

所述的运维仿真系统还包括有信息通讯系统，所述的实时声音信号包括风场外部声音和风塔内部声音，声音信号采集装置将采集到的音频信号通过编码后经由信息通讯系统的通信服务器传送到综合数据管理系统，供音频添加模块进行处理，所述的声音信号采集装置包括左麦克风和右麦克风，以获得现场双路音频信号为运维仿真系统提供方位感音频；

所述的综合数据管理系统包括中央处理装置，所述虚拟现实眼镜接收中央处理装置发送的双路音频信号，并进行解码收听，通过立体声输出给用户。

优选的，所述的虚拟现实眼镜用于同时进行手势控制和语音控制，虚拟现实眼镜接收用户的手势信息和语音信息，并将所接收到的信息进行数据融合，精准地控制仿真系统进行场景切换及控制场景中的对象；

优选的，所述手势控制是基于计算机视觉的手势控制方式，语音控制是基于孤立词识别方式。

优选的，所述的运维仿真系统还包括：

运维培训考核系统，用于培训人员对设备的认知及人员的运维操作，以及对人员进行设备认知及运维操作考核；

操作评估系统，用于对用户操作行为的正确性、安全性作出评估，并进行打分。

优选的，所述的运维培训考核系统包括：

场景漫游模块，采用仿真系统提供风场外部场景和风塔内部场景给用户在三维场景中移动的体验，其中，风场外部场景包括晴天、雨天、雪天、台风、白天、黑夜中的至少一种气候环境，雨天是小雨、中雨、暴雨、雷阵雨中的任意一种；

运维培训模块，采用仿真系统提供设备认知、运维培训、设备认知考核、运维操作考核四个场景，并至少选择一种场景。

优选的，所述运维培训考核系统采用有限状态机搭建场景数学模型：以事件驱动方式工作，在确定转移条件发生时，做出相应动作，变更工作状态，对某个设备的操作会导致该设备和其他设备的状态发生改变时，可将该操作过程涉及到的设备的状态、输入、输出以及事件集合综合在一起组成新的有限状态集合与输入、输出、事件集合，建立一个扩展的有限状态机。

优选的，操作评估系统应用层次分析法和模糊逻辑法分析各个风险因素的风险值，以评价运维仿真系统中哪些风险因素值得关注并采取相应措施进行控制，通过信息熵计算整个运维仿真系统的风险度，以评价系统的总体风险。

本发明另一目的在于提供一种应用于上述风力发电厂运维仿真系统的操作评估方法，包括以下步骤：

S1、确定风险因素，构造递阶层次结构：其中风险因素包括设备、人员、环境、管理；

S2、计算各风险因素相对权重；

S3、利用熵值计算运维仿真系统整体风险度。

优选的,步骤S2中，包括以下步骤：

S101、构造风险因素集：U＝{u₁,u₂,u₃,u₄}；

S102、根据专家对各风险因素的风险程度评语，确立等级评判集：V＝{0,1,2,4,6,8,9,10}；

S103、构造模糊映射f:U→F(V)，映射f表示风险因素u_i对评判集中各评语的支持程度；

S104、风险因素u_i对评判集V的隶属向量：Ri＝{r_i1，r_i2，...，r_i8}；

隶属度矩阵R为：

S105、模糊变换：

R'为隶属度矩阵R的转置矩阵；

A＝(a₁，a₂，...，a₈)为权重分配集；

B为各风险因素的相对权重，进行归一化之后，可得排序权向量，各因素的风险值W＝(W₁，W₂，W₃，W₄)；

步骤S3中，包括：

计算信息熵:

进行归一化处理，用于衡量风险因素u_i的相对重要性的熵值；

进行归一化处理，得出风险因素u_i的权值；

则整个系统的风险度为:

其中，r_ij为风险因素i对评判集中各指标j的支持度；φ_li为风险因素i相对于上一层次的准则l的熵权值，m为等级评判集的个数，优选为8；n为风险因素的个数优选为4，W_l为上一层次准则l的权值；t为上一层次准则l的数目，W_li为上一层第l个准则下第i个风险因素相对于其他风险因素的权值；

优选的，当R>7，则判断运维仿真系统为高风险系统，若R<3则判断运维仿真系统为低风险系统，若3≤R≤7则判断运维仿真系统为一般风险系统。

本发明采用上述方案具有以下有益效果：

1、本发明的风力发电厂运维仿真系统，包括，仿真系统，通过空间多叉树的方式搭建风电场的虚拟场景，进行运维场景重构；人机交互系统，通过虚拟现实眼镜和摄像机，接收用户的操作数据，利用手势和语音来实现用户与虚拟场景间的实时交互；综合数据管理系统，提供整个系统的三维模型、人机交互过程中所使用的手势库和语音库，通过数字立体采集系统获取三维模型的空间信息，采用数据索引技术对系统进行综合查询，通过数据分段将所述三维模型的空间信息叠加到重构的运维场景中。本发明可直接应用于海上风电运维培训、设备认知和运维考核等环节中，为风电运维培训考核提供安全可靠的环境，打破时间和空间限制，提高培训效率，杜绝安全隐患。

2、本发明中，可将设备参数、设备操作、运行流程等数据嵌入到虚拟对象上，使用户准确便利的获取所需设备的资料，方便对风场设备进行自我学习。对于有动态运动的机械系统还需要建立起动态过程运动模型，针对运维过程中的拆卸组装等任务还设计从系统拆卸成零件以及将零件组装成系统的动态时序过程动画。本发明减少硬件成本和时间成本，并可以杜绝学习过程中的安全隐患，从而降低企业风险，提高企业的管理效益、生产效率。

3、本发明中，设计人机交互系统，通过手势捕捉语音识别等人工智能手段实现对用户的操作识别，根据用户操作输入调整虚拟对象的状态，参考考核标准确定用户操作正确性，从而，可以提高考核客观性，提高员工考核质量，并可以杜绝考核过程中的安全隐患，从而降低企业风险。

4、通过实施本发明，新员工可以不到现场却能够直观的了解到风电场的整体情况，风电设备的细节情况。这样一方面减少了新员工到现场学习的难度，另一方面提升了新员工学习的兴趣和效率。

下面结合附图对本发明的具体实施方式作进一步详细的描述。

附图说明

附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，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附图。在附图中：

图1是本发明的运维仿真系统示意图；

图2是本发明采用有限状态机搭建场景数学模型示意图。

图中，1、综合数据管理系统；2、信息通讯系统；3、仿真系统；4、人机交互系统；5、运维培训考核系统；6、操作评估系统。

需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。

在本发明的描述中，需要说明的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例一

参见图1所示，本实施例提供一种风力发电厂运维仿真系统，包括：

仿真系统3，运用虚拟现实技术手段，通过空间多叉树的方式搭建风电场的虚拟场景，进行运维场景重构；

人机交互系统4，通过虚拟现实眼镜和摄像机，接收用户的操作数据，利用手势和语音来实现用户与虚拟场景间的实时交互；

综合数据管理系统1，提供整个系统的三维模型、人机交互过程中所使用的手势库和语音库，通过数字立体采集系统获取三维模型的空间信息，对系统进行综合查询，通过数据分段将所述三维模型的空间信息叠加到重构的运维场景中。

进一步的，所述的综合数据管理系统1还包括设备的台账信息、运行监测数据、标准作业动图和指定操作流程。所述三维模型包括：海水、天空、船只、风塔、控制器、发电机、齿轮箱、变速器、控制柜、油路系统、电气系统等三维模型；所述运行监测数据包括：设备运行实时数据、历史数据；同时综合数据管理系统1还包括有海上风电现场实时声音的采集数据，包括虚拟运维培训房间中实时音视频数据。

优选的，所述仿真系统3包括：

运维场景重构模块，用于在重构运维场景时进行三维场景的搭建；

音频添加模块，用于在重构运维场景时进行声音信息的添加；

其中，在三维场景的搭建中，运维场景重构模块还用于根据场景的真实图像信息进行三维模型的贴图和动画设计，音频添加模块在声音信息的添加过程中，采集风电现场的实时声音信号，根据不同的场景添加不同信道的实时声音数据。

优选的，音频添加模块包括有声音信号采集装置，用于接收风电场现场的实时声音信号；

所述的运维仿真系统还包括有信息通讯系统2，所述的实时声音信号包括风场外部声音和风塔内部声音，声音信号采集装置将采集到的音频信号通过编码后经由信息通讯系统2的通信服务器传送到综合数据管理系统1，供音频添加模块进行处理，所述的声音信号采集装置包括左麦克风和右麦克风，以获得现场双路音频信号为运维仿真系统提供方位感音频；

所述的综合数据管理系统1包括中央处理装置，所述虚拟现实眼镜接收中央处理装置发送的双路音频信号，并进行解码收听，通过立体声输出给用户。

优选的，所述的虚拟现实眼镜用于同时进行手势控制和语音控制，虚拟现实眼镜接收用户的手势信息和语音信息，并将所接收到的信息进行数据融合，精准地控制仿真系统进行场景切换及控制场景中的对象；

优选的，所述手势控制是基于计算机视觉的手势控制方式，语音控制是基于孤立词识别方式。

所述的虚拟现实眼镜与中央处理装置通过WiFi进行连接，输入虚拟现实眼镜的IP地址，将其与中央处理器加入到同一个WiFi网络实现通讯；两台或多台虚拟现实眼镜与中央处理装置通过无线适配器与无线网络进行连接，以实现多个受训者在同一个虚拟场景中协同培训。

优选的，所述的运维仿真系统，还包括：

运维培训考核系统5，用于培训人员对设备的认知及人员的运维操作，以及对人员进行设备认知及运维操作考核；

操作评估系统6，用于对用户操作行为的正确性、安全性作出评估，并进行打分。

优选的，所述的运维培训考核系统5包括：

场景漫游模块，采用仿真系统3提供风场外部场景和风塔内部场景给用户在三维场景中移动的体验，其中，风场外部场景包括晴天、雨天、雪天、台风、白天、黑夜中的至少一种气候环境，雨天是小雨、中雨、暴雨、雷阵雨中的任意一种；进一步的，场景漫游模块提供漫游模式和漫游场景，用户在三维场景中移动时，能够从场景右上角的一个2D平面图中时刻观测到自己在整个风场中所处的位置。其中漫游模式包括固定路径和自由漫游两种模式。

运维培训模块，采用仿真系统提供设备认知、运维培训、设备认知考核、运维操作考核四个场景，并至少选择一种场景。

优选的，所述运维培训考核系统5采用有限状态机搭建场景数学模型：以事件驱动方式工作，在确定转移条件发生时，做出相应动作，变更工作状态，对某个设备的操作会导致该设备和其他设备的状态发生改变时，可将该操作过程涉及到的设备的状态、输入、输出以及事件集合综合在一起组成新的有限状态集合与输入、输出、事件集合，建立一个扩展的有限状态机。参见图2所示，E表示事件；S表示状态；O表示对E作出的响应行为；C是状态计算函数；In是模块入口；Out是模块出口。E1，S1，Ol形成一个自动机，E2与S1对应的事件E1构成先后发生的两个事件；连接在同一个状态图元S1上的事件图元E1、E2构成并列关系的事件群。

优选的，操作评估系统6应用层次分析法和模糊逻辑法分析各个风险因素的风险值，以评价运维仿真系统中哪些风险因素值得关注并采取相应措施进行控制，通过信息熵计算整个运维仿真系统的风险度，以评价系统的总体风险。

进一步的，人机交互系统4通过虚拟现实眼镜和培训考核现场的摄像机，接收用户的操作数据，利用手势和语音来实现用户与虚拟场景间的实时交互。用于运维培训考核的房间内安装有摄像机，分别从不同的方位实时捕捉用户的手势动作和语音信息，并通过信息通讯系统2的通信服务器将这些信息传送给综合数据管理系统1的中央处理装置；人机交互系统4将中央处理装置收到的数据进行数据融合，依据操作人员的手势信号和语音信号，从而更加精准地场景切换及控制虚拟场景中的对象。

其中，手势控制采用的是基于计算机视觉即裸手的手势控制方式；

综合数据管理系统1中包括有手势库，例如：

选中操作为：食指双击；移动操作为：长按拖动；缩放操作为：食指双击进行选中对象后，通过改变食指和拇指之间的距离进行缩放；旋转操作为：食指双击进行选中对象后，通过改变食指和拇指所连直线与水平面的夹角进行旋转。

综合数据管理系统1中包括有语音库，例如：主菜单：出现“场景漫游、设备认知、运维培训、设备认知考核、运维培训考核”主菜单界面；

检测到语音“前进”、“停止”：则场景漫游时控制用户视点在虚拟环境中的运动过程；

检测到语音“用具”：则调出用于虚拟操作的工具箱；

检测到语音“分拆”、“组装”：设备认知过程中调出机组设备的分拆、组装动图。

实施例二

本实施例提供一种应用于上述实施例一中的风力发电厂运维仿真系统的操作评估方法，包括以下步骤：

S1、确定风险因素，构造递阶层次结构：其中风险因素包括设备、人员、环境、管理；

S2、计算各风险因素相对权重；

S3、利用熵值计算运维仿真系统整体风险度。

优选的,步骤S2中，包括以下步骤：

S101、构造风险因素集：U＝{u₁,u₂,u₃,u₄}；

S102、根据专家对各风险因素的风险程度评语，确立等级评判集：V＝{0,1,2,4,6,8,9,10}；

S103、构造模糊映射f:U→F(V)，映射f表示风险因素u_i对评判集中各评语的支持程度；

S104、风险因素u_i对评判集V的隶属向量：Ri＝{r_i1，r_i2，...，r_i8}；

隶属度矩阵R为：

S105、模糊变换：

R'为隶属度矩阵R的转置矩阵；

A＝(a₁，a₂，...，a₈)为权重分配集；

B为各风险因素的相对权重，进行归一化之后，可得排序权向量，各因素的风险值W＝(W₁，W₂，W₃，W₄)；

步骤S3中，包括：

计算信息熵:

进行归一化处理，用于衡量风险因素u_i的相对重要性的熵值；

进行归一化处理，得出风险因素u_i的权值；

则整个系统的风险度为:

其中，r_ij为风险因素i对评判集中各指标j的支持度；φ_li为风险因素i相对于上一层次的准则l的熵权值，m为等级评判集的个数，优选为8；n为风险因素的个数优选为4，W_l为上一层次准则l的权值；t为上一层次准则l的数目，W_li为上一层第l个准则下第i个风险因素相对于其他风险因素的权值；

优选的，当R>7，则判断运维仿真系统为高风险系统，若R<3则判断运维仿真系统为低风险系统，若3≤R≤7则判断运维仿真系统为一般风险系统。

以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。

Claims (10)

1.一种风力发电厂运维仿真系统，其特征在于，包括：

仿真系统，通过空间多叉树的方式搭建风电场的虚拟场景，进行运维场景重构；

人机交互系统，通过虚拟现实眼镜和摄像机，接收用户的操作数据，利用手势和语音来实现用户与虚拟场景间的实时交互；

综合数据管理系统，提供整个系统的三维模型、人机交互过程中所使用的手势库和语音库，通过数字立体采集系统获取三维模型的空间信息，对系统进行综合查询，通过数据分段将所述三维模型的空间信息叠加到重构的运维场景中。

2.根据权利要求1所述的一种风力发电厂运维仿真系统，其特征在于，所述仿真系统包括：

运维场景重构模块，用于在重构运维场景时进行三维场景的搭建；

音频添加模块，用于在重构运维场景时进行声音信息的添加；

其中，在三维场景的搭建中，运维场景重构模块还用于根据场景的真实图像信息进行三维模型的贴图和动画设计，音频添加模块在声音信息的添加过程中，采集风电现场的实时声音信号，根据不同的场景添加不同信道的实时声音数据。

3.根据权利要求2所述的一种风力发电厂运维仿真系统，其特征在于，音频添加模块包括有声音信号采集装置，用于接收风电场现场的实时声音信号；

所述的运维仿真系统还包括有信息通讯系统，所述的实时声音信号包括风场外部声音和风塔内部声音，声音信号采集装置将采集到的音频信号通过编码后经由信息通讯系统的通信服务器传送到综合数据管理系统，供音频添加模块进行处理，所述的声音信号采集装置包括左麦克风和右麦克风，以获得现场双路音频信号为运维仿真系统提供方位感音频；

所述的综合数据管理系统包括中央处理装置，所述虚拟现实眼镜接收中央处理装置发送的双路音频信号，并进行解码收听，通过立体声输出给用户。

4.根据权利要求1-3任一所述的一种风力发电厂运维仿真系统，其特征在于，所述的虚拟现实眼镜用于同时进行手势控制和语音控制，虚拟现实眼镜接收用户的手势信息和语音信息，并将所接收到的信息进行数据融合，精准地控制仿真系统进行场景切换及控制场景中的对象；

优选的，所述手势控制是基于计算机视觉的手势控制方式，语音控制是基于孤立词识别方式。

5.根据权利要求1-4任一所述的一种风力发电厂运维仿真系统，其特征在于，还包括：

运维培训考核系统，用于培训人员对设备的认知及人员的运维操作，以及对人员进行设备认知及运维操作考核；

操作评估系统，用于对用户操作行为的正确性、安全性作出评估，并进行打分。

6.根据权利要求5所述的一种风力发电厂运维仿真系统，其特征在于，所述的运维培训考核系统包括：

场景漫游模块，采用仿真系统提供风场外部场景和风塔内部场景给用户在三维场景中移动的体验，其中，风场外部场景包括晴天、雨天、雪天、台风、白天、黑夜中的至少一种气候环境，雨天是小雨、中雨、暴雨、雷阵雨中的任意一种；

运维培训模块，采用仿真系统提供设备认知、运维培训、设备认知考核、运维操作考核四个场景，并至少选择一种场景。

7.根据权利要求5或6所述的一种风力发电厂运维仿真系统，其特征在于，所述运维培训考核系统采用有限状态机搭建场景数学模型：以事件驱动方式工作，在确定转移条件发生时，做出相应动作，变更工作状态，对某个设备的操作会导致该设备和其他设备的状态发生改变时，可将该操作过程涉及到的设备的状态、输入、输出以及事件集合综合在一起组成新的有限状态集合与输入、输出、事件集合，建立一个扩展的有限状态机。

8.根据权利要求5-7任一所述的一种风力发电厂运维仿真系统，其特征在于，操作评估系统应用层次分析法和模糊逻辑法分析各个风险因素的风险值，以评价运维仿真系统中哪些风险因素值得关注并采取相应措施进行控制，通过信息熵计算整个运维仿真系统的风险度，以评价系统的总体风险。

9.一种应用于权利要求1-9任一所述的风力发电厂运维仿真系统的操作评估方法，其特征在于，包括以下步骤：

S1、确定风险因素，构造递阶层次结构：其中风险因素包括设备、人员、环境、管理；

S2、计算各风险因素相对权重；

S3、利用熵值计算运维仿真系统整体风险度。

10.根据权利要求9所述的操作评估方法，其特征在于,步骤S2中，包括以下步骤：

S101、构造风险因素集：U＝{u₁,u₂,u₃,u₄}；

S102、根据专家对各风险因素的风险程度评语，确立等级评判集：V＝{0,1,2,4,6,8,9,10}；

S103、构造模糊映射f:U→F(V)，映射f表示风险因素u_i对评判集中各评语的支持程度；

S104、风险因素u_i对评判集V的隶属向量：Ri＝{r_i1，r_i2，...，r_i8}；

隶属度矩阵R为：

S105、模糊变换：

<mrow> <mi>B</mi> <mo>=</mo> <msup> <mi>AR</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>a</mi> <mn>8</mn> </msub> <mo>)</mo> </mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>r</mi> <mn>11</mn> </msub> <msub> <mi>r</mi> <mn>21</mn> </msub> <msub> <mi>r</mi> <mn>31</mn> </msub> <msub> <mi>r</mi> <mn>41</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>r</mi> <mn>12</mn> </msub> <msub> <mi>r</mi> <mn>22</mn> </msub> <msub> <mi>r</mi> <mn>32</mn> </msub> <msub> <mi>r</mi> <mn>42</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>...</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>r</mi> <mn>18</mn> </msub> <msub> <mi>r</mi> <mn>28</mn> </msub> <msub> <mi>r</mi> <mn>38</mn> </msub> <msub> <mi>r</mi> <mn>48</mn> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>b</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>b</mi> <mn>2</mn> </msub> <mo>,</mo> <msub> <mi>b</mi> <mn>3</mn> </msub> <mo>,</mo> <msub> <mi>b</mi> <mn>4</mn> </msub> <mo>)</mo> </mrow> <mo>;</mo> </mrow>

R'为隶属度矩阵R的转置矩阵；

A＝(a₁，a₂，...，a₈)为权重分配集；

B为各风险因素的相对权重，进行归一化之后，可得排序权向量，各因素的风险值W＝(W₁，W₂，W₃，W₄)；

步骤S3中，包括：

计算信息熵:

进行归一化处理，用于衡量风险因素u_i的相对重要性的熵值；

进行归一化处理，得出风险因素u_i的权值；

则整个系统的风险度为:

其中，r_ij为风险因素i对评判集中各指标j的支持度；φ_li为风险因素i相对于上一层次的准则l的熵权值，m为等级评判集的个数，优选为8；n为风险因素的个数优选为4，W_l为上一层次准则l的权值；t为上一层次准则l的数目，W_li为上一层第l个准则下第i个风险因素相对于其他风险因素的权值；

优选的，当R>7，则判断运维仿真系统为高风险系统，若R<3则判断运维仿真系统为低风险系统，若3≤R≤7则判断运维仿真系统为一般风险系统。