CN109307854A - 一种电能计量装置综合评估方法及系统 - Google Patents
一种电能计量装置综合评估方法及系统 Download PDFInfo
- Publication number
- CN109307854A CN109307854A CN201811268990.1A CN201811268990A CN109307854A CN 109307854 A CN109307854 A CN 109307854A CN 201811268990 A CN201811268990 A CN 201811268990A CN 109307854 A CN109307854 A CN 109307854A
- Authority
- CN
- China
- Prior art keywords
- index
- electric energy
- metering device
- weight
- comprehensive assessment
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Abstract
本发明公开了一种批次电能计量装置综合评估方法及系统,所述方法包括:获得待评估批次的电能计量装置的综合评估指标,所述综合评估指标包括运行状态下的一个或多个指标、配置方式下的一个或多个指标以及运行工况下的一个或多个指标;通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标;根据层次分析法设置所述主要评估指标的权重;根据所述权重以及对应的主要评估指标,获得综合评估结果,获得所述电能计量装置的综合评估结果;所述方法及系统通过对批次性的电能计量装置进行评估,横向对比电能计量装置供应商的供应品质,从源头提高电能计量装置的质量水平。
Description
技术领域
本发明涉及电力技术领域,更具体地,涉及一种电能计量装置综合评估方法及系统。
背景技术
随着电力系统的飞跃发展,电能计量装置的安装数量不断增加,近年随着厂网分开、电力交易中心独立等电力企业体制改革的逐步完善,社会对经济效益的考核日趋重要,其中最重要的一环就是要保障电能计量的准确和可靠。电力企业主要是通过电能计量装置来进行电量结算的,电能计量装置运行的稳定性及准确度对电量结算产生巨大影响。
但实际的运检管理技术的发展却相对滞后。目前,电能计量装置定期现场检验的方式,检修效率低下,准确性和实时性距欧美国家等先进水平仍有较大的差距;另外,电能计量装置运行评价体系不够健全,现有电能计量装置的种类繁多,运行环境复杂多变,人为因素和家族性缺陷等不确定性非常多,运维人员获取的信息杂、数据多,无法精准高效地判别出电能计量装置的实时运行状态及未来状态的变化趋势,大大减缓了运维检修的效率;其次,在指标数据采集和专家打分的过程中也存在较强的不确定性,给电能计量装置的全方位综合评估面带来了挑战。
发明内容
为了解决背景技术存在的电能计量装置运行状态无法预测、综合评估不准确等问题,本发明提供了一种批次电能计量装置综合评估方法及系统,所述方法及系统通过对投入使用的批次性电能计量装置进行整体的综合评估,根据预设规则合理配置权重,获得准确的最终的综合评价结果,用以确定批次性电能计量装置的性能和运行状态水平,所述一种批次电能计量装置综合评估方法包括:
获得待评估批次的电能计量装置的综合评估指标,所述综合评估指标包括运行状态下的一个或多个指标、配置方式下的一个或多个指标以及运行工况下的一个或多个指标;
通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标;
根据层次分析法设置所述主要评估指标的权重;
根据所述权重以及对应的主要评估指标,获得综合评估结果,获得所述电能计量装置的综合评估结果。
进一步的,所述运行状态下的指标包括该批次电能表计量装置的设备合格率、入网监测成功率、运行安装环境标准化率以及家族缺陷;所述配置方式下的指标包括典型配置方式比例、型号匹配度以及封闭性能比例;所述运行工况下的指标包括运行温度、运行湿度、运行负荷率以及运行磁场强度。
进一步的,根据待评估批次内的N个电能表计量装置,以及所述N个电能表计量装置中每一个对应的多个综合评估指标,建立数据矩阵;
构造数据矩阵的协方差矩阵,并对所述协方差矩阵进行特征分解,获得特征值以及特征向量;
计算每个综合评估指标对应的特征值的贡献率,所述贡献率通过所述特征值在协方差矩阵的全部特征值中所占比重获得;
根据贡献率对所述多个综合评估指标进行排序,并取前d个综合评估指标作为主要评估指标。
进一步的,根据层次分析法,将综合评价结果设置为最高层,将所述运行状态、配置方式以及运行工况设置为中间层,将所述多个主要评估指标设置为最低层;
计算所述中间层对最高层的权重;所述中间层对最高层的权重根据所述中间层对最高层的重要性构成判断矩阵计算获得;所述各中间层的重要性根据主要评估指标排序以及主要评估指标与各中间层的隶属关系获得;
计算所述最低层对所述中间层的权重;所述各最低层的重要性根据主要评估指标排序获得;
通过所述最低层对中间层的权重与对应的中间层对最高层的权重相乘,获得所述最低层对最高层的权重,即所述主要评估指标相对于综合评估结果的权重。
进一步的,通过预设神经网络模型对所述主要评估指标的权重进行优化;所述预设的神经网络模型根据历史批次电能计量装置训练。
进一步的,获得所述综合评估结果后,所述方法还包括:
将所述综合评估结果与预设的评估阈值进行比较,根据比较结果获得该批次电能计量装置的评估等级。
所述一种批次电能计量装置综合评估系统包括:
综合评估指标计算单元,所述综合评估指标计算单元用于获得待评估批次的电能计量装置的综合评估指标,所述综合评估指标包括运行状态下的一个或多个指标、配置方式下的一个或多个指标以及运行工况下的一个或多个指标;
主要评估指标提取单元,所述主要评估指标提取单元用于通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标;
指标权重计算单元,所述指标提取计算单元根据层次分析法设置所述主要评估指标的权重;
评估结果计算单元,所述评估结果计算单元根据所述权重以及对应的主要评估指标,获得综合评估结果,获得所述电能计量装置的综合评估结果。
进一步的,所述运行状态下的指标包括该批次电能表计量装置的设备合格率、入网监测成功率、运行安装环境标准化率以及家族缺陷;所述配置方式下的指标包括典型配置方式比例、型号匹配度以及封闭性能比例;所述运行工况下的指标包括运行温度、运行湿度、运行负荷率以及运行磁场强度。
进一步的,所述主要评估指标提取单元用于根据待评估批次内的N个电能表计量装置,以及所述N个电能表计量装置中每一个对应的多个综合评估指标,建立数据矩阵;
所述主要评估指标提取单元用于构造数据矩阵的协方差矩阵,并对所述协方差矩阵进行特征分解,获得特征值以及特征向量;
所述主要评估指标提取单元用于计算每个综合评估指标对应的特征值的贡献率,所述贡献率通过所述特征值在协方差矩阵的全部特征值中所占比重获得;
所述主要评估指标提取单元用于根据贡献率对所述多个综合评估指标进行排序,并取前d个综合评估指标作为主要评估指标。
进一步的,所述指标权重计算单元用于根据层次分析法,将综合评价结果设置为最高层,将所述运行状态、配置方式以及运行工况设置为中间层,将所述多个主要评估指标设置为最低层;
所述指标权重计算单元用于计算所述中间层对最高层的权重;所述中间层对最高层的权重根据所述中间层对最高层的重要性构成判断矩阵计算获得;所述各中间层的重要性根据主要评估指标排序以及主要评估指标与各中间层的隶属关系获得;
所述指标权重计算单元用于计算所述最低层对所述中间层的权重;所述各最低层的重要性根据主要评估指标排序获得;
所述指标权重计算单元用于通过所述最低层对中间层的权重与对应的中间层对最高层的权重相乘,获得所述最低层对最高层的权重,即所述主要评估指标相对于综合评估结果的权重。
进一步的,所述系统包括神经网络优化单元,所述神经网络优化单元用于通过预设神经网络模型对所述主要评估指标的权重进行优化;所述预设的神经网络模型根据历史批次电能计量装置训练。
进一步的,所述评估结果计算单元用于将所述综合评估结果与预设的评估阈值进行比较,根据比较结果获得该批次电能计量装置的评估等级。
本发明的有益效果为:本发明的技术方案,给出了一种批次电能计量装置综合评估方法及系统,所述方法及系统通过对投入使用的批次性电能计量装置进行整体的综合评估,通过使用主成分分析法获得影响运行状态的主要影响的指标,并通过层次分析法对主要评估指标进行赋权,以获得最终的综合评估结果,所述方法及系统通过使用神经网络方法对评估结果进行优化以获得更准确的综合评估结果;所述方法及系统通过对批次性的电能计量装置进行评估,横向对比电能计量装置供应商的供应品质,从源头提高电能计量装置的质量水平。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为本发明具体实施方式的一种批次电能计量装置综合评估方法的流程图;
图2为本发明具体实施方式的一种批次电能计量装置综合评估系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为本发明具体实施方式的一种批次电能计量装置综合评估方法的流程图;如图1所示,所述方法包括:
步骤110,获得待评估批次的电能计量装置的综合评估指标,所述综合评估指标包括运行状态下的一个或多个指标、配置方式下的一个或多个指标以及运行工况下的一个或多个指标;
本实施例中,所述运行状态下的指标包括该批次电能表计量装置的设备合格率、入网监测成功率、运行安装环境标准化率以及家族缺陷;所述配置方式下的指标包括典型配置方式比例、型号匹配度以及封闭性能比例;所述运行工况下的指标包括运行温度、运行湿度、运行负荷率以及运行磁场强度。
所述设备合格率的计算公式为:M11=U/N*100%;
其中,M11是设备合格率;U是安装调试成功的设备总数;N是工程中实际安装的设备总数。
所述入网监测成功率的计算公式为:M12=B/C*100%
其中,M12是入网检测成功率;B是一个批次内抽查的电能计量装置成功的总数;C是一个批次内电能计量装置总数。
所述运行安装环境标准化率的计算公式为:M13=D/C*100%
其中,M13是电能计量装置运行安装环境标准化率;D是一个批次内抽查的电能计量装置按照电能计量装置安装规程进行标准化安装总数;C是一个批次内电能计量装置总数。
所述家族缺陷为产品本身的设计缺陷,其获取方式为:
其中,θ是以一年为评估周期,对电子式互感器供应商的产品情况进行综合打分,以100分为基准,上一年度发生产品缺陷一次扣除10分,可从计量生产调度系统读取。
所述典型配置方式比例的计算方式为:M21=F/C*100%
其中,M21是电能计量装置典型配置方式率;F是一个批次配置有三种以上通信方式的电能计量装置总数;C是一个批次电能计量装置的总数。
所述型号匹配度的计算方式为:M22=X/C*100%
其中,M22是型号匹配度;X是一个批次同一型号数量最大的电能计量装置总数;C是一个批次电能计量装置总数。
所述封闭性能比例的计算公式为:M23=Y/C*100%
其中,M23是封闭性能比例;Y是一个批次具有封闭性能的电能计量装置总数;C是一个批次电能计量装置总数。
所述运行温度、运行湿度、运行磁场强度根据一个批次电能计量装置现场检测结果获得,例如可以是取同一时间多个电能计量装置处测量的均值;
所述运行负荷率的计算公式为:M23=V/C*100%
其中,M23是运行负荷率;V是一个批次电能计量装置每月具有正常数据的总数;C是一个批次电能计量装置总数。
步骤120,通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标;
所述提取主要评估指标的方法具体包括:
步骤121,根据待评估批次内的N个电能表计量装置,以及所述N个电能表计量装置中每一个对应的多个综合评估指标,建立数据矩阵;
本实施例中,每个电能计量装置均有11个评估指标,则以该批次的N个电能计量装置建立数据矩阵X有:
进一步的,将所述数据矩阵进行去中心化处理:
计算所述数据矩阵X中样本均值向量μ,即
对数据矩阵中每一个电能计量装置样本去均值,即
使用作为新的数据矩阵。
步骤122,构造数据矩阵的协方差矩阵,并对所述协方差矩阵进行特征分解,获得特征值以及特征向量;
构造数据矩阵的协方差矩阵V,
对矩阵V进行特征分解,求取特征值λi和对应的特征向量ωi,对特征值λi进行降序排列
步骤123,计算每个综合评估指标对应的特征值的贡献率,所述贡献率通过所述特征值在协方差矩阵的全部特征值中所占比重获得;
所述贡献率即第i个主成分对应的特征值在协方差矩阵的全部特征值之和中所占的比重,这个比值越大,说明i第个主成分综合原指标信息的能力越强。第i个主成分对应的特征值为计算公式为:
步骤124,根据贡献率对所述多个综合评估指标进行排序,并取前d个综合评估指标作为主要评估指标。
取前d个特征值∧=diag[λ1,λ2,…λd]和相应的特征向量Wd=[w1,w2,…wd]作为子空间的基,则所要提取的d个主成分为
步骤130,根据层次分析法设置所述主要评估指标的权重;
所述设置权重的方法具体包括:
步骤131,根据层次分析法,将综合评价结果设置为最高层,将所述运行状态、配置方式以及运行工况设置为中间层,将所述多个主要评估指标设置为最低层;
即在如前所述的11个综合评估指标全部作为主要评估指标时,所述设备合格率、入网监测成功率、运行安装环境标准化率以及家族缺陷作为隶属于运行状态中间层的最低层;所述配置方式下的指标包括典型配置方式比例、型号匹配度以及封闭性能比例作为隶属于配置方式中间层的最低层;所述运行温度、运行湿度、运行负荷率以及运行磁场强度作为隶属于运行工况中间层的最低层;在实际情况中,在最低层中删除未进入主要评估指标的上述综合评估指标即可。
步骤132,计算所述中间层对最高层的权重;所述中间层对最高层的权重根据所述中间层对最高层的重要性构成判断矩阵计算获得;所述各中间层的重要性根据主要评估指标排序以及主要评估指标与各中间层的隶属关系获得;
本实施例中,设各中间层对总目标的权重为pi;所述判断矩阵P具有如下特征:
Pii=1
Pji=1/Pij
Pij=Pik/Pjk(i,j,k=1,2,3)
求出判断矩阵P的特征根,计算出中间层对总目标的权重pi;其中,i=1,2,3j=1,2…d,即i对应三个中间层;j对应d个主要评估指标。
步骤133,计算所述最低层对所述中间层的权重;所述各最低层的重要性根据主要评估指标排序获得;
设各中间层对总目标的权重为qij;所述判断矩阵F具有如下特征:
Fij的均值:
Fij的均方差:其中mi为各中间层经过筛选后留下的单项指标数量。
则指标Fij对中间层Mi的权重
步骤134,通过所述最低层对中间层的权重与对应的中间层对最高层的权重相乘,获得所述最低层对最高层的权重,即所述主要评估指标相对于综合评估结果的权重。
本实施例中,所述最低层对最高层的权重对应的权向量U为:
Uij=∑pi qij。
进一步的,通过预设神经网络模型对所述主要评估指标的权重进行优化;所述预设的神经网络模型根据历史批次电能计量装置训练。
以本实施例为例,神经网络模型由输入层、隐含层和输出层构成,所述输入层的节点个数即为提取后的主要评估指标个数i个;输入取值区间为[10,6,1],分别对应步骤130中得到的权重的大小(10、6、1分别对应高中低三个权重区间,权重区间通过各权重值与预设阈值比较获得);
根据公式可以得到隐含节点数(其中y为隐含层节点数,x为输入节点数,l为输出节点数,a为1~10之间的调节常数);
输出层节点数o的取值区间为1~10,本实施例中取为1;
神经网络的输入与输出之间的转移函数选取S型函数,即:
将历史批次电能计量装置数据作为学习样本输入,对神经网络模型进行训练;将待评估样本的数据输入训练好的神经网络模型后,获得优化后的权重结果。
步骤140,根据所述权重以及对应的主要评估指标,获得综合评估结果,获得所述电能计量装置的综合评估结果。
本实施例中,所述综合评价结果H的计算方式为:
H=∑FijUij,(i=1,2,3j=1,2…d)
i对应三个中间层;j对应d个主要评估指标。
进一步的,获得所述综合评估结果后,所述方法还包括:
将所述综合评估结果与预设的评估阈值进行比较,根据比较结果获得该批次电能计量装置的评估等级。
图2为本发明具体实施方式的一种批次电能计量装置综合评估系统的结构图。如图2所示,所述系统包括:
综合评估指标计算单元210,所述综合评估指标计算单元210用于获得待评估批次的电能计量装置的综合评估指标,所述综合评估指标包括运行状态下的一个或多个指标、配置方式下的一个或多个指标以及运行工况下的一个或多个指标;
进一步的,所述运行状态下的指标包括该批次电能表计量装置的设备合格率、入网监测成功率、运行安装环境标准化率以及家族缺陷;所述配置方式下的指标包括典型配置方式比例、型号匹配度以及封闭性能比例;所述运行工况下的指标包括运行温度、运行湿度、运行负荷率以及运行磁场强度。
主要评估指标提取单元220,所述主要评估指标提取单元220用于通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标;
进一步的,所述主要评估指标提取单元220用于根据待评估批次内的N个电能表计量装置,以及所述N个电能表计量装置中每一个对应的多个综合评估指标,建立数据矩阵;
所述主要评估指标提取单元220用于构造数据矩阵的协方差矩阵,并对所述协方差矩阵进行特征分解,获得特征值以及特征向量;
所述主要评估指标提取单元220用于计算每个综合评估指标对应的特征值的贡献率,所述贡献率通过所述特征值在协方差矩阵的全部特征值中所占比重获得;
所述主要评估指标提取单元220用于根据贡献率对所述多个综合评估指标进行排序,并取前d个综合评估指标作为主要评估指标。
指标权重计算单元230,所述指标提取计算单元根据层次分析法设置所述主要评估指标的权重;
进一步的,所述指标权重计算单元230用于根据层次分析法,将综合评价结果设置为最高层,将所述运行状态、配置方式以及运行工况设置为中间层,将所述多个主要评估指标设置为最低层;
所述指标权重计算单元230用于计算所述中间层对最高层的权重;所述中间层对最高层的权重根据所述中间层对最高层的重要性构成判断矩阵计算获得;所述各中间层的重要性根据主要评估指标排序以及主要评估指标与各中间层的隶属关系获得;
所述指标权重计算单元230用于计算所述最低层对所述中间层的权重;所述各最低层的重要性根据主要评估指标排序获得;
所述指标权重计算单元230用于通过所述最低层对中间层的权重与对应的中间层对最高层的权重相乘,获得所述最低层对最高层的权重,即所述主要评估指标相对于综合评估结果的权重。
评估结果计算单元240,所述评估结果计算单元240根据所述权重以及对应的主要评估指标,获得综合评估结果,获得所述电能计量装置的综合评估结果。
进一步的,所述评估结果计算单元240用于将所述综合评估结果与预设的评估阈值进行比较,根据比较结果获得该批次电能计量装置的评估等级。
进一步的,所述系统包括神经网络优化单元,所述神经网络优化单元用于通过预设神经网络模型对所述主要评估指标的权重进行优化;所述预设的神经网络模型根据历史批次电能计量装置训练。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。本说明书中涉及到的步骤编号仅用于区别各步骤,而并不用于限制各步骤之间的时间或逻辑的关系,除非文中有明确的限定,否则各个步骤之间的关系包括各种可能的情况。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如,在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。
以上所述仅是本公开的具体实施方式,应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开精神的前提下,可以作出若干改进、修改、和变形,这些改进、修改、和变形都应视为落在本申请的保护范围内。
Claims (12)
1.一种批次电能计量装置综合评估方法,所述方法包括:
获得待评估批次的电能计量装置的综合评估指标,所述综合评估指标包括运行状态下的一个或多个指标、配置方式下的一个或多个指标以及运行工况下的一个或多个指标;
通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标;
根据层次分析法设置所述主要评估指标的权重;
根据所述权重以及对应的主要评估指标,获得综合评估结果,获得所述电能计量装置的综合评估结果。
2.根据权利要求1所述的方法,其特征在于:所述运行状态下的指标包括该批次电能表计量装置的设备合格率、入网监测成功率、运行安装环境标准化率以及家族缺陷;所述配置方式下的指标包括典型配置方式比例、型号匹配度以及封闭性能比例;所述运行工况下的指标包括运行温度、运行湿度、运行负荷率以及运行磁场强度。
3.根据权利要求1所述的方法,其特征在于,所述通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标,包括:
根据待评估批次内的N个电能表计量装置,以及所述N个电能表计量装置中每一个对应的多个综合评估指标,建立数据矩阵;
构造数据矩阵的协方差矩阵,并对所述协方差矩阵进行特征分解,获得特征值以及特征向量;
计算每个综合评估指标对应的特征值的贡献率,所述贡献率通过所述特征值在协方差矩阵的全部特征值中所占比重获得;
根据贡献率对所述多个综合评估指标进行排序,并取前d个综合评估指标作为主要评估指标。
4.根据权利要求1所述的方法,其特征在于,所述根据层次分析法设置所述主要评估指标的权重,包括:
根据层次分析法,将综合评价结果设置为最高层,将所述运行状态、配置方式以及运行工况设置为中间层,将所述多个主要评估指标设置为最低层;
计算所述中间层对最高层的权重;所述中间层对最高层的权重根据所述中间层对最高层的重要性构成判断矩阵计算获得;所述各中间层的重要性根据主要评估指标排序以及主要评估指标与各中间层的隶属关系获得;
计算所述最低层对所述中间层的权重;所述各最低层的重要性根据主要评估指标排序获得;
通过所述最低层对中间层的权重与对应的中间层对最高层的权重相乘,获得所述最低层对最高层的权重,即所述主要评估指标相对于综合评估结果的权重。
5.根据权利要求4所述的方法,其特征在于:
通过预设神经网络模型对所述主要评估指标的权重进行优化;所述预设的神经网络模型根据历史批次电能计量装置训练。
6.根据权利要求1所述的方法,其特征在于,获得所述综合评估结果后,所述方法还包括:
将所述综合评估结果与预设的评估阈值进行比较,根据比较结果获得该批次电能计量装置的评估等级。
7.一种批次电能计量装置综合评估系统,所述系统包括:
综合评估指标计算单元,所述综合评估指标计算单元用于获得待评估批次的电能计量装置的综合评估指标,所述综合评估指标包括运行状态下的一个或多个指标、配置方式下的一个或多个指标以及运行工况下的一个或多个指标;
主要评估指标提取单元,所述主要评估指标提取单元用于通过主成分分析法,提取所述电能计量装置的综合评估指标中的主要评估指标;
指标权重计算单元,所述指标提取计算单元根据层次分析法设置所述主要评估指标的权重;
评估结果计算单元,所述评估结果计算单元根据所述权重以及对应的主要评估指标,获得综合评估结果,获得所述电能计量装置的综合评估结果。
8.根据权利要求7所述的系统,其特征在于:所述运行状态下的指标包括该批次电能表计量装置的设备合格率、入网监测成功率、运行安装环境标准化率以及家族缺陷;所述配置方式下的指标包括典型配置方式比例、型号匹配度以及封闭性能比例;所述运行工况下的指标包括运行温度、运行湿度、运行负荷率以及运行磁场强度。
9.根据权利要求7所述的系统,其特征在于:所述主要评估指标提取单元用于根据待评估批次内的N个电能表计量装置,以及所述N个电能表计量装置中每一个对应的多个综合评估指标,建立数据矩阵;
所述主要评估指标提取单元用于构造数据矩阵的协方差矩阵,并对所述协方差矩阵进行特征分解,获得特征值以及特征向量;
所述主要评估指标提取单元用于计算每个综合评估指标对应的特征值的贡献率,所述贡献率通过所述特征值在协方差矩阵的全部特征值中所占比重获得;
所述主要评估指标提取单元用于根据贡献率对所述多个综合评估指标进行排序,并取前d个综合评估指标作为主要评估指标。
10.根据权利要求7所述的系统,其特征在于:所述指标权重计算单元用于根据层次分析法,将综合评价结果设置为最高层,将所述运行状态、配置方式以及运行工况设置为中间层,将所述多个主要评估指标设置为最低层;
所述指标权重计算单元用于计算所述中间层对最高层的权重;所述中间层对最高层的权重根据所述中间层对最高层的重要性构成判断矩阵计算获得;所述各中间层的重要性根据主要评估指标排序以及主要评估指标与各中间层的隶属关系获得;
所述指标权重计算单元用于计算所述最低层对所述中间层的权重;所述各最低层的重要性根据主要评估指标排序获得;
所述指标权重计算单元用于通过所述最低层对中间层的权重与对应的中间层对最高层的权重相乘,获得所述最低层对最高层的权重,即所述主要评估指标相对于综合评估结果的权重。
11.根据权利要求10所述的系统,其特征在于:所述系统包括神经网络优化单元,所述神经网络优化单元用于通过预设神经网络模型对所述主要评估指标的权重进行优化;所述预设的神经网络模型根据历史批次电能计量装置训练。
12.根据权利要求7所述的系统,其特征在于:所述评估结果计算单元用于将所述综合评估结果与预设的评估阈值进行比较,根据比较结果获得该批次电能计量装置的评估等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811268990.1A CN109307854A (zh) | 2018-10-29 | 2018-10-29 | 一种电能计量装置综合评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811268990.1A CN109307854A (zh) | 2018-10-29 | 2018-10-29 | 一种电能计量装置综合评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109307854A true CN109307854A (zh) | 2019-02-05 |
Family
ID=65222073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811268990.1A Pending CN109307854A (zh) | 2018-10-29 | 2018-10-29 | 一种电能计量装置综合评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109307854A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110977A (zh) * | 2019-04-19 | 2019-08-09 | 广西电网有限责任公司钦州供电局 | 一种基于改进主成分-层次分析的配电网评估方法 |
CN110189015A (zh) * | 2019-05-24 | 2019-08-30 | 复旦大学 | 面向出入境商品的风险评估系统 |
CN110991847A (zh) * | 2019-11-26 | 2020-04-10 | 国网重庆市电力公司电力科学研究院 | 一种电能表批次管理方法、装置及可读存储介质 |
CN111784534A (zh) * | 2020-06-22 | 2020-10-16 | 国网湖南省电力有限公司 | 含多子系统的综合能源计量系统运行状态预测方法及系统 |
WO2020215748A1 (zh) * | 2019-04-23 | 2020-10-29 | 国网冀北电力有限公司计量中心 | 电能表任务执行能力检测方法及装置 |
CN113449258A (zh) * | 2021-05-28 | 2021-09-28 | 国网河北省电力有限公司营销服务中心 | 智能电表的质量评估方法、装置、终端设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729683A (zh) * | 2013-09-18 | 2014-04-16 | 国家电网公司 | 计量资产的寿命评估方法 |
CN103942738A (zh) * | 2014-05-16 | 2014-07-23 | 国家电网公司 | 一种电能表综合评价方法及系统 |
CN104198981A (zh) * | 2014-09-02 | 2014-12-10 | 国家电网公司 | 智能电能表的质量确定方法及装置 |
CN104732276A (zh) * | 2015-03-18 | 2015-06-24 | 国家电网公司 | 一种计量生产设施故障在线诊断方法 |
CN104991223A (zh) * | 2015-07-27 | 2015-10-21 | 国网重庆市电力公司电力科学研究院 | 电能表状态评估指标选取及量化方法 |
CN105956757A (zh) * | 2016-04-27 | 2016-09-21 | 上海交通大学 | 基于ahp-pca法的智能电网可持续发展综合评价方法 |
CN107563601A (zh) * | 2017-08-08 | 2018-01-09 | 中国计量科学研究院 | 一种智能电能表运行状态评价方法 |
CN107609783A (zh) * | 2017-09-22 | 2018-01-19 | 中国电力科学研究院 | 一种基于数据挖掘的智能电能表综合性能进行评估的方法及系统 |
CN107862970A (zh) * | 2017-11-20 | 2018-03-30 | 无锡开放大学 | 一种用于翻转课堂的教学质量评价模型 |
CN108009697A (zh) * | 2016-10-28 | 2018-05-08 | 中国电力科学研究院 | 一种电能质量治理方案的综合评估方法 |
CN108399483A (zh) * | 2018-01-18 | 2018-08-14 | 山东大学 | 一种基于多元前兆信息的地下工程突水突泥风险评价方法 |
CN108647869A (zh) * | 2018-04-28 | 2018-10-12 | 国网北京市电力公司 | 工程评估方法和装置 |
CN108663651A (zh) * | 2018-05-04 | 2018-10-16 | 国网上海市电力公司 | 一种基于多源数据融合的智能电能表运行状态评价系统 |
-
2018
- 2018-10-29 CN CN201811268990.1A patent/CN109307854A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729683A (zh) * | 2013-09-18 | 2014-04-16 | 国家电网公司 | 计量资产的寿命评估方法 |
CN103942738A (zh) * | 2014-05-16 | 2014-07-23 | 国家电网公司 | 一种电能表综合评价方法及系统 |
CN104198981A (zh) * | 2014-09-02 | 2014-12-10 | 国家电网公司 | 智能电能表的质量确定方法及装置 |
CN104732276A (zh) * | 2015-03-18 | 2015-06-24 | 国家电网公司 | 一种计量生产设施故障在线诊断方法 |
CN104991223A (zh) * | 2015-07-27 | 2015-10-21 | 国网重庆市电力公司电力科学研究院 | 电能表状态评估指标选取及量化方法 |
CN105956757A (zh) * | 2016-04-27 | 2016-09-21 | 上海交通大学 | 基于ahp-pca法的智能电网可持续发展综合评价方法 |
CN108009697A (zh) * | 2016-10-28 | 2018-05-08 | 中国电力科学研究院 | 一种电能质量治理方案的综合评估方法 |
CN107563601A (zh) * | 2017-08-08 | 2018-01-09 | 中国计量科学研究院 | 一种智能电能表运行状态评价方法 |
CN107609783A (zh) * | 2017-09-22 | 2018-01-19 | 中国电力科学研究院 | 一种基于数据挖掘的智能电能表综合性能进行评估的方法及系统 |
CN107862970A (zh) * | 2017-11-20 | 2018-03-30 | 无锡开放大学 | 一种用于翻转课堂的教学质量评价模型 |
CN108399483A (zh) * | 2018-01-18 | 2018-08-14 | 山东大学 | 一种基于多元前兆信息的地下工程突水突泥风险评价方法 |
CN108647869A (zh) * | 2018-04-28 | 2018-10-12 | 国网北京市电力公司 | 工程评估方法和装置 |
CN108663651A (zh) * | 2018-05-04 | 2018-10-16 | 国网上海市电力公司 | 一种基于多源数据融合的智能电能表运行状态评价系统 |
Non-Patent Citations (3)
Title |
---|
李晓辉 等: "电子式互感器电能计量贸易结算的PCA和AHP混合风险评估方法", 《电测与仪表》 * |
贾晓鸽: "数据挖掘在发电设备可靠性控制中的应用与改进研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
邱国锋等: "《区域农业可持续发展研究目录》", 31 December 2001, 地质出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110977A (zh) * | 2019-04-19 | 2019-08-09 | 广西电网有限责任公司钦州供电局 | 一种基于改进主成分-层次分析的配电网评估方法 |
WO2020215748A1 (zh) * | 2019-04-23 | 2020-10-29 | 国网冀北电力有限公司计量中心 | 电能表任务执行能力检测方法及装置 |
CN110189015A (zh) * | 2019-05-24 | 2019-08-30 | 复旦大学 | 面向出入境商品的风险评估系统 |
CN110991847A (zh) * | 2019-11-26 | 2020-04-10 | 国网重庆市电力公司电力科学研究院 | 一种电能表批次管理方法、装置及可读存储介质 |
CN111784534A (zh) * | 2020-06-22 | 2020-10-16 | 国网湖南省电力有限公司 | 含多子系统的综合能源计量系统运行状态预测方法及系统 |
CN111784534B (zh) * | 2020-06-22 | 2023-12-12 | 国网湖南省电力有限公司 | 含多子系统的综合能源计量系统运行状态预测方法及系统 |
CN113449258A (zh) * | 2021-05-28 | 2021-09-28 | 国网河北省电力有限公司营销服务中心 | 智能电表的质量评估方法、装置、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109307854A (zh) | 一种电能计量装置综合评估方法及系统 | |
Cui et al. | Deep learning-based time-varying parameter identification for system-wide load modeling | |
CN108022001A (zh) | 基于pca和分位数回归森林的短期负荷概率密度预测方法 | |
CN109145949A (zh) | 基于集成学习的非侵入式电力负荷监测与分解方法及系统 | |
CN106649789B (zh) | 一种基于集成半监督费舍尔判别的工业过程故障分类方法 | |
Xia et al. | Detection methods in smart meters for electricity thefts: A survey | |
CN104200288B (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
CN109214191A (zh) | 一种利用深度学习预测软件安全漏洞的方法 | |
CN110472846A (zh) | 核电厂热工水力安全分析最佳估算加不确定性方法 | |
CN107590565A (zh) | 一种构建建筑能耗预测模型的方法及装置 | |
CN107491694B (zh) | 用于量化评估scada系统信息安全脆弱性的方法 | |
CN110501646A (zh) | 一种离线锂电池剩余电量估计方法 | |
CN109376801A (zh) | 基于集成深度神经网络的风力发电机叶片结冰诊断方法 | |
CN107463993A (zh) | 基于互信息‑核主成分分析‑Elman网络的中长期径流预报方法 | |
CN108921230A (zh) | 基于类均值核主元分析和bp神经网络的故障诊断方法 | |
CN109298225B (zh) | 一种电压量测数据异常状态自动识别模型系统及方法 | |
CN105406461B (zh) | 一种配电网停电事件的负荷自适应动态监测方法 | |
CN110535149A (zh) | 一种公变台区电力负荷三相不平衡预测方法 | |
CN109376944A (zh) | 智能电表预测模型的构建方法及装置 | |
CN104123678A (zh) | 一种基于状态等级评估模型的电力继电保护状态检修方法 | |
CN109492783A (zh) | 一种基于gbdt的电力计量设备故障风险预测方法 | |
Zheng et al. | Real-time transient stability assessment based on deep recurrent neural network | |
CN107295537A (zh) | 一种测评无线传感器网络可靠性的方法及系统 | |
CN107729939A (zh) | 一种面向新增电网资源的cim模型扩展方法及装置 | |
CN107391452A (zh) | 一种基于数据欠采样和集成学习的软件缺陷数目预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190205 |
|
RJ01 | Rejection of invention patent application after publication |