CN108108839B - 基于逆向模糊层次分析的电网信息系统设备状态预警方法 - Google Patents
基于逆向模糊层次分析的电网信息系统设备状态预警方法 Download PDFInfo
- Publication number
- CN108108839B CN108108839B CN201711364212.8A CN201711364212A CN108108839B CN 108108839 B CN108108839 B CN 108108839B CN 201711364212 A CN201711364212 A CN 201711364212A CN 108108839 B CN108108839 B CN 108108839B
- Authority
- CN
- China
- Prior art keywords
- equipment
- early warning
- index
- state
- day
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004458 analytical method Methods 0.000 title claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 230000004069 differentiation Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 6
- 230000032683 aging Effects 0.000 abstract description 3
- 238000012935 Averaging Methods 0.000 abstract description 2
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于逆向模糊层次分析的电网系统设备运行状态预警方法,属于电网信息系统硬件设备状态预警技术领域。所述方法包括:构建反映电网信息系统设备运行状态的差异化指标体系;拟合设备某项指标日运行曲线;求取累计偏差量,将每个指标求出的累计偏差量与相应指标的1‑9标度映射,得到模糊一致判断矩阵;再由模糊一致判断矩阵计算各指标权值,将属于单台设备的指标的权值求和并根据该设备包含的指标数目平均,逆向求得单台设备权重;对设备运行状态以及信息系统做出分级预警。所述方法可以充分应对设备老化或更新、业务量波动、设备增加等问题,能够实时反映设备状态变化,实现动态预警。
Description
技术领域
本发明属于电网信息系统硬件设备状态预警技术领域,尤其涉及一种基于逆向模糊层次分析的电网信息系统设备状态预警方法。
背景技术
电网信息系统是支撑电网企业生产和运行的重要组成部分,对电网企业信息系统硬件设备的运行状态进行实时评估和预警,有助于电网企业稳定可靠稳定运行,持续为国民提供高质量的电力服务。电网信息系统涵盖企业生产运行的方方面面,包括I6000系统、ERP系统、PMS系统等,每个系统由不同种类且数量众多的设备通过一定架构组成,这些设备具体包括存储、服务器、网络设备、中间件、PC机等。庞大复杂的设备构成使得系统故障概率增加,系统故障排除困难,运维成本增加。如何实时感知系统整体运行状态,系统各个构成元件运行状态并及时预警成为有待解决的重要问题。
传统的预警方法通常以数据异常点突变或者变化趋势异常作为预警依据,但数据突变和变化趋势异常的判断依据通常是用户长期监测积累形成的检测信息库和数据库,这些信息来自于系统长期运行的历史信息,更新速率缓慢,无法应对设备老化或更新、业务量波动、突发事件等情况。同时,传统的预警方法对单个设备状态进行评估,最后进行整合来描述系统状态,采用这种预警方法剥离了设备之间的联系,不能精确全面的反应整个系统状态。因此,当前需要进一步提升电网信息系统预警的及时性、准确性、系统性、兼容性,以增强电网信息系统设备的运维效率,降低运维成本,提升电网企业经济效益。
发明内容
本发明的目的在于克服目前电网信息系统预警技术的不足,提出一种基于逆向模糊层次分析的电网信息系统设备状态预警方法,其特征在于,
该预警方法包括:
步骤1:构建反映电网信息系统设备运行状态的差异化指标体系;
步骤2:根据步骤1构建的差异化指标体系采集数据并存储,利用采集的当日之前的历史数据拟合出设备不同指标的日运行曲线;
步骤3:利用步骤2拟合的日运行曲线计算累计偏差量Ω,并将求得的累计偏差量Ω与预设值k进行比较,若当前时刻的累计偏差量Ω超过预设值k,则开始计时,直至累计偏差量Ω低于预设值k,并在持续时间h后仍低于预设值k,或者当计时时长大于预设时长tb时,则停止计时,获得设备运行状态异常的持续时间ta;
步骤4:将步骤3计算得到的累计偏差量Ω与相应指标进行1-9标度映射,得到模糊一致判断矩阵;
步骤5:采用逆向层次分析法求取设备的预警权重;
步骤6:根据设备运行持续时间h后的预警权重增量对此设备运行状态做出分级预警,根据做出分级预警的设备数量及其预警等级对信息系统做出分级预警。
所述步骤1中,根据电网信息系统硬件设备类型,构建反映设备运行状态的相同或不同的差异化指标体系。
所述步骤2中,采用最小二乘法或高斯消元法或三次样条函数拟合法获得日运行曲线。
所述日运行曲线用于预测设备运行状态及计算预警状态,假设已拟合出第一天的日运行曲线并将其应用于第二天的设备状态预测及预警状态计算,则应用于第三天的设备状态预测及预警状态计算的日运行曲线的获取方法为:
(1)若第二天设备运行状态正常,将第二天采集的数据利用最小二乘法或高斯消元法或三次样条函数拟合法获得日运行曲线的方法进行拟合,再与第一天的日运行曲线求算术平均值,获得均值曲线,将所述均值曲线应用于第三天的设备状态预测及预警状态计算;
(2)若第二天设备运行状态提示预警并修复,废除第二天采集的数据,将第一天的日运行曲线应用于第三天的设备状态预测及预警状态计算;
(3)若第二天设备运行状态异常且未修复,至设备修复并接入系统时,作为新添加设备,并利用步骤(1)所述的方法获得日运行曲线。
所述步骤3中,计算累计偏差量Ω的方法为:
将当前时间段的一组采样值与日运行曲线在该时间段的数据做差,计算出累计偏差量Ω,假设当前时间段为(t-mΛ,t),其中Λ为采样间隔,m为采样间隔的数量,t为当前时刻,则累计偏差量的数学表达式为:
所述步骤4模糊一致判断矩阵的建立方法为:
步骤4-1:以累计偏差量Ω为输入,以1-9标度为输出进行映射,其中,1-9标度表示从1级到9级逐步提升的预警重要度;
步骤4-2:根据设备出厂及实验数据得到指标稳定运行极限值e,并将区间分为依次相连的9个小区间,划分方式为均分或按lgN,N=1,2,...,10构成的间隔比例划分,则累计偏差量Ω在第i个区间的输出值为μi=i,i=1,2,...,9;
步骤4-3:对第j项指标,由步骤4-1和步骤4-2求出各个指标的标度值μi,令cj=μi,i=1,2,...,9;j=1,2,...,n,其中,cj为指标C中第j项指标取值,n为接入预警系统的电网信息系统所有设备包含的指标数目总和;
步骤4-4:令A=(aj)n×n,R=(rj(a))n×n,其中,aj=ci/cj,ci、j∈C,则A=(aj)n×n为一致的正互反判断矩阵,其中rj=loga aj+0.5,(a≥81),对有aj=aik/ajk∈A,此时满足rj(a)=rik(a)-rjk(a)+0.5,则R=(rj(a))n×n为模糊一致判断矩阵,其中,aj、aik、ajk均为一致的正互反判断矩阵A中元素,ci、cj为指标集C中指标取值,rj、rik、rjk为模糊一致判断矩阵R中元素,i,j,k=1,2,...,n,n为接入预警系统的电网信息系统所有设备包含的指标数目总和。
所述步骤5中,采用逆向层次分析法求取设备的预警权重的方法为:
根据模糊一致判断矩阵计算各指标权值,将属于单台设备的指标权值求和,并根据该设备包含的指标数目平均值,逆向求得单台设备的预警权重,其中,各指标权值的计算式为:
式中,wi表示第i个指标权值;β表示大于1的常数;i、j、k均表示1到n的常数;n为接入预警系统的电网信息系统所有设备包含的指标数目总和;rj、rj为模糊一致判断矩阵R中元素。
所述步骤6中,根据设备一段时间的权重增量对此设备运行状态做出分级预警的方法为:
将设备异常持续时间ta与权重增量Δw做乘积,得到预警面积Sw,根据Sw的计算值将设备状态划分为正常、突发事件和预警,其中将预警分为三级,并设定突发事件和不同预警等级的门限值。
所述步骤6中,根据提示预警设备数量及其预警等级对信息系统做出分级预警的方法为:
将进入预警状态的设备数量与这些设备预警等级的算术平均值做乘积,根据计算结果设定系统预警等级,并将设备运行状态和相对位置信息相结合,描述存在的故障区域。
本发明的有益效果在于:
1、本发明通过对历史数据的及时更新,拟合的日运行曲线能够反映最近时间段的设备运行状况,可以充分应对设备老化或更新、业务量波动、设备增加等问题。
2、本发明采用逆向层次分析法,通过计算各指标权重,将属于单台设备的指标权值加和并求平均值,逆向求出各设备的预警权重,避免了层次分析法中的主观偏差,各个设备预警权重相互联系作为统一整体,能够实时反映设备状态变化,实现动态预警。
3、本发明将设备异常程度与异常持续时间相结合,可以判断出设备在处理突发事件或即将故障,通过设备预警等级与数目来判断系统整体预警状态,通过预警设备相对位置信息判断可能的故障区域。
附图说明
附图1为本发明的预警方法处理流程图;
附图2为模糊一致矩阵建立流程图;
附图3为逆向层次分析流程图;
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
本发明提出的一种基于逆向模糊层次分析的电网信息系统设备状态预警方法,所述方法利用硬件设备的历史运行数据拟合出日运行曲线并及时更新,将设备实时运行数据与日运行曲线做对比,并以逆向层析分析法为基础获得设备在预警系统中的权重增量对设备及其系统进行预警,本发明的预警方法处理流程图如图1所示,包括以下步骤:
步骤1:对电网信息系统的各类硬件设备构建反映该类设备运行状态的差异化指标体系。
步骤2:依据某类别设备的具体指标采集带时标数据并存储,利用采集到的历史数据拟合出该设备某项指标日运行曲线。
步骤3:计算累计偏差量Ω,将求得的累计偏差量Ω与预警灵敏度k进行比较,若当前时刻的累计偏差量Ω超过预警灵敏度k,则开始计时,直至累计偏差量Ω低于预警灵敏度k,并在持续一段时间h后仍低于预警灵敏度k,或者当计时时长大于预设值tb时,则停止计时,获得设备运行状态异常的持续时间ta。
步骤4:将信息系统全部设备每个指标求出的累计偏差量Ω通过与相应指标的1-9标度μ映射并计算得到所有指标的模糊一致判断矩阵。
步骤5:采用逆向层次分析法求取设备的预警权重。
步骤6:根据设备一段时间权重增量对此设备运行状态做出分级预警,根据提示预警设备数量及其预警等级对信息系统做出分级预警。
具体的,在步骤1中,对电网信息系统的各类硬件设备构建反映该类设备运行状态的差异化指标体系,每台设备指标选取主要考虑能否反映该设备运行状态,指标数目、类型均不受限制,不同类设备指标可以相同,也可以不同。
具体的,在步骤2中,采集各设备指标所需要的带时标数据,利用最小二乘法或高斯消元法或三次样条函数拟合方法获得指标日运行曲线,拟合出的日运行曲线主要用于设备运行状态的预测及预警状态计算;其中,用来拟合设备某项指标日运行曲线的历史数据指当日之前的历史数据,进行数据拟合时必须有一日以上的历史数据,新设备或新增设备须正常运行一日并记录数据。
假设已拟合出第一天的日运行曲线并将其应用于第二天的设备状态预测及预警状态计算,则应用于第三天的设备状态预测及预警状态计算的日运行曲线的获取方法包括:
(1)若第二天设备运行状态正常,将第二天采集的数据利用权利要求3所述的方法进行拟合,再与第一天的日运行曲线求算术平均值,获得均值曲线,将所述均值曲线应用于第三天的设备状态预测及预警状态计算;
(2)若第二天设备运行状态提示预警并修复,废除第二天采集的数据,将第一天的日运行曲线应用于第三天的设备状态预测及预警状态计算;
(3)若第二天设备运行状态异常且未修复,至设备修复并接入系统时,作为新添加设备,并利用权利要求3所述的方法获得日运行曲线。
具体的,在步骤3中,计算累计偏差量Ω的方法为:将当前时间段的一组采样值与日运行曲线在该时间段的数据做差,计算出累计偏差量Ω,假设当前时间段为(t-mΛ,t),其中Λ为采样间隔,m为采样间隔的数量,t为当前时刻,则累计偏差量Ω的数学表达式为:
具体的,在步骤4中,根据累计偏差量Ω与相应指标的1-9标度映射,建立模糊一致判断矩阵,具体建立方法如图2所示:
步骤4-1:以累计偏差量Ω为输入,以1-9标度为输出进行映射,其中,1-9标度表示从1级到9级逐步提升的预警重要度;
步骤4-2:根据设备出厂及实验数据得到指标稳定运行极限值e,并将区间分为依次相连的9个小区间,其中m为采样间隔数目,划分方式为均分或按lgN,N=1,2,...,10构成的间隔比例划分,则累计偏差量Ω在第i个区间的输出值为μi=i,i=1,2,...,9;
步骤4-3:对第j项指标,由步骤4-1和步骤4-2求出各个指标的标度值μi,令cj=μi,i=1,2,...,9;j=1,2,...,n,其中,cj为指标C中第j项指标取值,n为接入预警系统的电网信息系统所有设备包含的指标数目总和;
步骤4-4:令A=(aj)n×n,R=(rj(a))n×n,其中,aj=ci/cj,ci、j∈C,则A=(aj)n×n为一致的正互反判断矩阵,其中rj=loga aj+0.5,(a≥81),对有aj=aik/ajk∈A,此时满足rj(a)=rik(a)-rjk(a)+0.5,则R=(rj(a))n×n为模糊一致判断矩阵,其中,aj、aik、ajk均为一致的正互反判断矩阵A中元素,ci、cj为指标集C中指标取值,rj、rik、rjk为模糊一致判断矩阵R中元素,i,j,k=1,2,...,n,n为接入预警系统的电网信息系统所有设备包含的指标数目总和。
具体的,在步骤5中,采用逆向层次分析法求取设备的预警权重的方法如图3所示,具体包括以下几个步骤:
步骤5-1:由步骤4-3中所有设备指标集C构成低层指标库;
步骤5-2:令指标集C每个指标取值cj=μi,i=1,2,...,9;j=1,2,...,n,μi由步骤4-2求得,n为接入预警系统的电网信息系统所有设备包含的指标数目总和;
步骤5-4:由步骤4-4获得模糊一致判断矩阵R=(rj(a))n×n,并由下式计算低层指标权重wi:
式中,wi表示第i个指标权值;β表示大于1的常数;i、j、k均表示1到n的常数;n为接入预警系统的电网信息系统所有设备包含的指标数目总和;rj、rj为模糊一致判断矩阵R中元素。
步骤5-5:由低层指标权重计算每个设备权重,计算方法为:将指标集C中隶属于某台设备的所有指标权重求和,并对该设备包含指标数目做平均,得到的权重平均值即为该设备权重。
具体的,在步骤6中,根据设备一段时间的权重增量对此设备运行状态做出分级预警的方法为:将设备异常持续时间ta与权重增量Δw做乘积,得到预警面积Sw,根据Sw的计算值将设备状态划分为正常、突发事件和预警,其中预警可分为三级,并设定突发事件和不同预警等级的门限值。
根据提示预警设备数量及其预警等级对信息系统做出分级预警的方法为:
将进入预警状态的设备数量与这些设备预警等级的算术平均值做乘积,根据计算结果设定系统预警等级,并将设备运行状态和相对位置信息相结合,描述可能存在的故障区域。
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种基于逆向模糊层次分析的电网信息系统设备状态预警方法,其特征在于,包括以下步骤:
步骤1:构建反映电网信息系统设备运行状态的差异化指标体系;
所述步骤1中,根据电网信息系统硬件设备类型,构建反映设备运行状态的相同或不同的差异化指标体系;
步骤2:根据步骤1构建的差异化指标体系采集数据并存储,利用采集的当日之前的历史数据拟合出设备不同指标的日运行曲线;
所述日运行曲线用于预测设备运行状态及计算预警状态,假设已拟合出第一天的日运行曲线并将其应用于第二天的设备状态预测及预警状态计算,则应用于第三天的设备状态预测及预警状态计算的日运行曲线的获取方法为:
(1)若第二天设备运行状态正常,将第二天采集的数据利用最小二乘法或高斯消元法或三次样条函数拟合法获得日运行曲线的方法进行拟合,再与第一天的日运行曲线求算术平均值,获得均值曲线,将所述均值曲线应用于第三天的设备状态预测及预警状态计算;
(2)若第二天设备运行状态提示预警并修复,废除第二天采集的数据,将第一天的日运行曲线应用于第三天的设备状态预测及预警状态计算;
(3)若第二天设备运行状态异常且未修复,至设备修复并接入系统时,作为新添加设备,利用步骤(1)所述的方法获得日运行曲线;
步骤3:利用步骤2拟合的日运行曲线计算累计偏差量Ω,并将求得的累计偏差量Ω与预设值k进行比较,若当前时刻的累计偏差量Ω超过预设值k,则开始计时,直至累计偏差量Ω低于预设值k,并在持续时间h后仍低于预设值k,或者当计时时长大于预设时长tb时,则停止计时,获得设备运行状态异常的持续时间ta;
所述步骤3中,计算累计偏差量Ω的方法为:
将当前时间段的一组采样值与日运行曲线在该时间段的数据做差,计算出累计偏差量Ω,假设当前时间段为(t-mΛ,t),其中Λ为采样间隔,m为采样间隔的数量,t为当前时刻,则累计偏差量的数学表达式为:
步骤4:将步骤3计算得到的累计偏差量Ω与相应指标进行1-9标度映射,得到模糊一致判断矩阵;
所述步骤4模糊一致判断矩阵的建立方法为:
步骤4-1:以累计偏差量Ω为输入,以1-9标度为输出进行映射,其中,1-9标度表示从1级到9级逐步提升的预警重要度;
步骤4-2:根据设备出厂及实验数据得到指标稳定运行极限值e,并将区间分为依次相连的9个小区间,划分方式为均分或按lgN,N=1,2,...,10构成的间隔比例划分,则累计偏差量Ω在第i个区间的输出值为μi=i,i=1,2,...,9;
步骤4-3:对第j项指标,由步骤4-1和步骤4-2求出各个指标的标度值μi,令cj=μi,i=1,2,...,9;j=1,2,...,n,其中,cj为指标C中第j项指标取值,n为接入预警系统的电网信息系统所有设备包含的指标数目总和;
步骤4-4:令A=(aij)n×n,R=(rij(α))n×n,其中,aij=ci/cj,ci、j∈C,则A=(aij)n×n为一致的正互反判断矩阵,其中rij=logαaij+0.5,(α≥81),对
有aij=aik/ajk∈A,此时满足rij(α)=rik(α)-rjk(α)+0.5,则R=(rij(α))n×n为模糊一致判断矩阵,其中,aij、aik、ajk均为一致的正互反判断矩阵A中元素,ci、cj为指标集C中指标取值,rij、rik、rjk为模糊一致判断矩阵R中元素,i,j,k=1,2,...,n,n为接入预警系统的电网信息系统所有设备包含的指标数目总和;
步骤5:采用逆向层次分析法求取设备的预警权重;
所述步骤5中,采用逆向层次分析法求取设备的预警权重的方法为:
根据模糊一致判断矩阵计算各指标权值,将属于单台设备的指标权值求和,并根据该设备包含的指标数目平均值,逆向求得单台设备的预警权重,其中,各指标权值的计算式为:
式中,wi表示第i个指标权值;β表示大于1的常数;i、j、k均表示1到n的常数;n为接入预警系统的电网信息系统所有设备包含的指标数目总和;rij、rkj为模糊一致判断矩阵R中元素;
步骤6:根据设备运行持续时间h后的预警权重增量对此设备运行状态做出分级预警,根据做出分级预警的设备数量及其预警等级对信息系统做出分级预警;
所述步骤6中,根据设备一段时间的权重增量对此设备运行状态做出分级预警的方法为:
将设备异常持续时间ta与权重增量Δw做乘积,得到预警面积Sw,根据Sw的计算值将设备状态划分为正常、突发事件和预警,其中将预警分为三级,并设定突发事件和不同预警等级的门限值;
根据提示预警设备数量及其预警等级对信息系统做出分级预警的方法为:
将进入预警状态的设备数量与这些设备预警等级的算术平均值做乘积,根据计算结果设定系统预警等级,并将设备运行状态和相对位置信息相结合,描述存在的故障区域。
2.根据权利要求1所述的一种基于逆向模糊层次分析的电网信息系统设备状态预警方法,其特征在于,所述步骤2中,采用最小二乘法或高斯消元法或三次样条函数拟合法获得日运行曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364212.8A CN108108839B (zh) | 2017-12-18 | 2017-12-18 | 基于逆向模糊层次分析的电网信息系统设备状态预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364212.8A CN108108839B (zh) | 2017-12-18 | 2017-12-18 | 基于逆向模糊层次分析的电网信息系统设备状态预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108839A CN108108839A (zh) | 2018-06-01 |
CN108108839B true CN108108839B (zh) | 2021-10-08 |
Family
ID=62209679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711364212.8A Expired - Fee Related CN108108839B (zh) | 2017-12-18 | 2017-12-18 | 基于逆向模糊层次分析的电网信息系统设备状态预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108839B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175756B (zh) * | 2019-05-07 | 2022-01-07 | 岭澳核电有限公司 | 核电站信息系统运行安全预警方法、装置、设备及介质 |
CN112649696A (zh) * | 2020-10-26 | 2021-04-13 | 国网河北省电力有限公司邢台供电分公司 | 电网异常状态识别方法 |
CN114296868B (zh) * | 2021-12-17 | 2022-10-04 | 中电信数智科技有限公司 | 一种多云环境下基于用户体验的虚拟机自动迁移决策方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605103A (zh) * | 2013-06-26 | 2014-02-26 | 广东电网公司东莞供电局 | 基于s型曲线函数的电能计量故障智能诊断方法 |
CN103679544A (zh) * | 2012-11-27 | 2014-03-26 | 江苏省电力公司南京供电公司 | 一种智能配电网运行综合评估方法 |
CN104537211A (zh) * | 2014-12-12 | 2015-04-22 | 中钢集团武汉安全环保研究院有限公司 | 一种基于层次分析法及灰色理论的企业安全风险预警方法 |
CN104794534A (zh) * | 2015-04-16 | 2015-07-22 | 国网山东省电力公司临沂供电公司 | 一种基于改进深度学习模型的电网安全态势预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160370500A1 (en) * | 2015-06-18 | 2016-12-22 | J.F. Sabourin et associés Inc. | Method and server for providing alerts for rainfall return periods |
-
2017
- 2017-12-18 CN CN201711364212.8A patent/CN108108839B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679544A (zh) * | 2012-11-27 | 2014-03-26 | 江苏省电力公司南京供电公司 | 一种智能配电网运行综合评估方法 |
CN103605103A (zh) * | 2013-06-26 | 2014-02-26 | 广东电网公司东莞供电局 | 基于s型曲线函数的电能计量故障智能诊断方法 |
CN104537211A (zh) * | 2014-12-12 | 2015-04-22 | 中钢集团武汉安全环保研究院有限公司 | 一种基于层次分析法及灰色理论的企业安全风险预警方法 |
CN104794534A (zh) * | 2015-04-16 | 2015-07-22 | 国网山东省电力公司临沂供电公司 | 一种基于改进深度学习模型的电网安全态势预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108108839A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472110B (zh) | 一种基于lstm网络和arima模型的航空发动机剩余使用寿命预测方法 | |
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN111046564B (zh) | 两阶段退化产品的剩余寿命预测方法 | |
CN106250306A (zh) | 一种适用于企业级运维自动化平台的性能预测方法 | |
CN108108839B (zh) | 基于逆向模糊层次分析的电网信息系统设备状态预警方法 | |
CN110912737A (zh) | 一种基于混合模型的动态感知性能预告警方法 | |
CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
CN102147982B (zh) | 一种扇区动态容量预测的方法 | |
CN111045894A (zh) | 数据库异常检测方法、装置、计算机设备和存储介质 | |
CN105205569A (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
CN112818604A (zh) | 一种基于风功率预测的风电机组风险度评估方法 | |
CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
CN104407688A (zh) | 基于树回归的虚拟化云平台能耗测量方法及系统 | |
CN102252843A (zh) | 一种滚动轴承性能变异的评估方法 | |
CN110703743A (zh) | 设备故障预测与检测系统和方法 | |
CN110221173B (zh) | 一种基于大数据驱动的配电网智能诊断方法 | |
CN113177857B (zh) | 一种基于台风灾害预估的资源弹性调配方法 | |
CN113837473A (zh) | 基于bp神经网络的充电设备故障率分析系统和方法 | |
CN110188939B (zh) | 风电场的风功率的预测方法、系统、设备和存储介质 | |
CN113673010B (zh) | 一种基于监测数据的钢箱梁评估方法与系统 | |
CN115146230A (zh) | 一种古建筑健康监测系统、方法及设备 | |
KR100795967B1 (ko) | 극치통계분석을 이용한 교량의 점검 및 유지관리 시스템 및방법 | |
CN114492507A (zh) | 一种数模协同驱动下的轴承剩余寿命预测方法 | |
CN110555543B (zh) | 一种风电场预测的不确定度分析方法及系统 | |
CN111341396A (zh) | 一种大气环境对材料腐蚀安全评估方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211008 |
|
CF01 | Termination of patent right due to non-payment of annual fee |