CN109359796A - 一种基于多评估指标的电能表生产厂商评价方法 - Google Patents
一种基于多评估指标的电能表生产厂商评价方法 Download PDFInfo
- Publication number
- CN109359796A CN109359796A CN201810942444.5A CN201810942444A CN109359796A CN 109359796 A CN109359796 A CN 109359796A CN 201810942444 A CN201810942444 A CN 201810942444A CN 109359796 A CN109359796 A CN 109359796A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- energy meter
- index
- supplier
- evaluation
- 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.)
- Withdrawn
Links
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多评估指标的电能表生产厂商评价方法,涉及一种评价方法。本发明包括步骤:获取电能表的原始数据,确定评估指标;计算电能表的各个指标值,构建指标矩阵,形成决策矩阵;计算电能表各项的指标值信息熵和斯皮尔曼等级相关系数,根据CRITIC方法确定质量评估指标的客观权重,对所决策矩阵进行加权处理,得到电能表供应商评估矩阵;计算电能表供应商的正理想解和负理想解,计算各电能表供应商至正理想点向量和负理想点向量的欧式距离;计算各电能表供应商与理想解的相对逼近度,按照从高至低确定各个电能表供应商的质量等级。本技术方案为电网公司开展电能表质量评估与监督提供客观和科学的依据。
Description
技术领域
本发明涉及电力系统领域,特别是涉及一种基于多评估指标的电能表生产厂商评价方法。
背景技术
用电信息采集系统在电力交易结算、电量分析、需求侧管理等业务应用中发挥着重要的技术支持作用,电能表作为用电信息采集系统的重要组成部分,其质量直接影响用户用电信息的数据质量和应用水平,电力用户用电计量的准确性以及该系统的安全、稳定和经济运行,甚至也直接关系到供电的可靠性。电能表的质量评估是保证和提高电能表质量的重要手段之一,是电能表全寿命周期管理的关键环节。构建电能表的质量评估模型对电能计量设备质量进行综合评价,可协助电网公司对于供应商进行进一步的管理,能为电网公司开展电能表质量评估与监督提供客观和科学的依据,对于智能电网的建设具有非常重要的实际意义和工程价值。
现有的方法一般对电能表的运行质量评估目前停留在运维人员或专家的主观评价上,缺乏实际运行数据支撑。因此,电能表的质量评估指标体系不够全面,评估模型与方法不够完善,缺乏对电能计量设备质量作出科学、合理的定量评价,未能较好地为营销计量、物资管理提供科学合理的评价支持。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种基于多评估指标的电能表生产厂商评价方法,以达到对电能表质量作出科学、合理的定量评价的目的。为此,本发明采取以下技术方案。
一种基于多评估指标的电能表生产厂商评价方法,其特征在于,包括如下步骤:1)获取每个批次和区域中电能表的原始数据,根据采集终端设备的运行监测大数据,选择5个衡量电能表质量的评估指标,评估指标包括负荷采集可用率、数据采集完整率、平均无故障工作时间、计量异常报警次数、运行故障率;
负荷采集可用率计算公式为:
式中:Q表示该供应商生产的电能表总批次数,L表示某一批次设备安装的总区域数,Nij、Eij和eij分别表示第i个批次设备在第j个安装区域中的数量、总负荷采集量和经剔除坏数据后评估系统可用的负荷采集量;ωSAMP,j是表征第j个区域中非质量因素对负荷采集可用率产生影响的修正因子,0≤ωSAMP,j≤1且
数据采集完整率计算公式为:
式中:ψij和分别表示第i个批次的电能表在第j个安装区域中的理论应采集数据量和实际采集数据量,ωINT,j是表征第j个区域中非质量因素对数据采集完整产生影响的修正因子,0≤ωINT,j≤1且
平均无故障工作时间计算公式为:
式中:Nj是第j个安装区域的电能表数,TF,jk是第j个安装区域中第k个设备发生首次故障时距离初始运行的时间,ωMTBF,j是表征第j个区域非质量因素对无故障工作时间产生影响的修正因子,0≤ωMTBF,j≤1且
异常报警信息的次数之和计算公式为:
式中:和分别表示第i个批次的产品在第j个安装区域的电量异常报警次数、电压电流异常报警次数和时钟异常报警次数;
运行故障率计算公式为:
式中:Trate,jk和Tstop,jk分别是第j个安装区域中第k台电能表标称运行时间和故障停机时间,ωFAULT,j是表征第j个区域非质量因素对故障停机产生影响的修正因子,0≤ωFAULT,j≤1且
2)计算电能表的各个评估指标值,构建指标矩阵;对指标矩阵进行标准化处理形成决策矩阵;
3)计算电能表各项的评估指标值信息熵和斯皮尔曼等级相关系数,根据CRITIC方法确定质量评估指标的客观权重,根据客观权重对所决策矩阵进行加权处理,得到电能表供应商评估矩阵;
4)根据评估矩阵,计算电能表供应商的理想解,理想解包括正理想解和负理想解,计算各个电能表供应商至正理想点向量和负理想点向量的欧式距离;
5)计算各个电能表供应商与理想解的相对逼近度,按照从高至低确定各个电能表供应商的质量等级。
作为优选技术手段:在步骤3)计算采集终端设备各项的评估指标值信息熵时,熵权计算公式为:
式中:rij为评估问题的决策矩阵元素,并且假定,当fij=0时,fijlnfij=0;M为评价指标个数,N为待评价方案个数;wi表示第i个指标的熵权,0≤wi≤1,
计算采集终端设备各项的斯皮尔曼等级相关系数时,斯皮尔曼等级相关系数计算公式为:
式中:为排序值向量和的协方差;和分别为排序值向量和的标准差;和分别为排序值向量和的均值;和是具有N个元素的两列变量,其第i个变量值分别为zij和zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M};和分别是和的排序值向量,其中和分别为zij和zik在和的排序值;ρik表示第j个和第k个指标之间的斯皮尔曼等级相关系数,ρj表示第j个指标与其他指标的整体肯德尔相关系数;
客观权重计算公式为:
式中:Cj表示第j个指标的客观权重。
作为优选技术手段:在步骤2)中,指标矩阵为:
式中:rij表示电能表i对应的指标j的指标值,N为电能表供应商个数,NPM为电能表个数,M为衡量供应商的电能表质量的评价指标个数,i∈{1,2,...,NPM},j∈{1,2,...,M};在本发明中M等于5;
成本型指标标准化处理计算公式为:
效益型指标标准化处理计算公式为:
各供应商对应的各个指标的决策矩阵计算公式为:
y″=(y″kj)N×M
式中:Ωk表示属于供应商k生产的电能表的集合。
作为优选技术手段:确定电能表供应商评估问题的理想解和反理想解其中
作为优选技术手段:在步骤4)中,计算电能表供应商评估分别与理想解和反理想解的欧氏距离和的计算公式为:
式中:为加权后的电能表供应商评估矩阵Z的第i行。
作为优选技术手段:在步骤5)中,计算各个电能表供应商与理想解的相对逼近度,并依次从高至低确定各个电能表供应商的质量等级,对应计算公式为:
式中:Ci是各个电能表供应商与理想解的相对逼近度,可以将其依次从高至低确定各个电能表供应商的质量等级。
有益效果:本技术方案能够计及指标之间的相关性,能够较为合理地对电能表的运行质量进行评估,能够为物资管理、营销计量专业部门提供科学合理的评价支撑。采用多个评估指标,电能表的质量评估指标体系全面,评估模型与方法完善,可对电能计量设备质量作出科学、合理的定量评价,能较好地为营销计量、物资管理提供科学合理的评价支持。能为电网公司开展电能表质量评估与监督提供客观和科学的依据。
附图说明
图1为本发明流程图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果,以下结合附图对本发明进行进一步的讲解说明。
参考图1,图1所示为本技术方案的多属性决策模型的电能表生产厂商评价方法流程图,包括如下步骤:
S10,获取每个批次和区域中电能表的原始数据,综合考虑电能表的运行监测大数据,提出5个衡量电能表质量的评估指标:负荷采集可用率、数据采集完整率、平均无故障工作时间、计量异常报警次数、运行故障率。
在本技术方案中:
电能表在用户侧采集与负荷的相关数据时因为电流、电压突变以及电磁干扰等因素会产生坏数据,因此在负荷采集数据进入评估系统前首先要剔除不可用数据,留下可用的采集数据进行质量评估。可用数据越多说明电能表采集越稳定、质量越好。上述负荷采集可用率可以为:
式中:Q表示该供应商生产的电能表总批次数,L表示某一批次设备安装的总区域数,Nij、Eij和eij分别表示第i个批次设备在第j个安装区域中的数量、总负荷采集量和经剔除坏数据后评估系统可用的负荷采集量。ωSAMP,j是表征第j个区域中非质量因素对负荷采集可用率产生影响的修正因子,0≤ωSAMP,j≤1且
实际的电能表在采集各项数据时可能会出现某几个时刻或某一时间段内采集不到数据的情况,即数据采集不完整,这会导致计量系统产生相应的计量误差。因此,数据采集越完整,电能表的计量结果越精确。上述数据采集完整率可以为:
式中:ψij和分别表示第i个批次的电能表在第j个安装区域中的理论应采集数据量和实际采集数据量,ωINT,j是表征第j个区域中非质量因素对数据采集完整产生影响的修正因子,0≤ωINT,j≤1且
平均无故障工作时间是指电能表发生第一次故障前能够正常运行的平均时间。这是衡量电能表可靠性的重要参数,平均无故障时间越长,电能表的可靠性越高。考虑其安装区域等因素,上述平均无故障工作时间可以为:
式中:Nj是第j个安装区域的电能表数,TF,jk是第j个安装区域中第k个设备发生首次故障时距离初始运行的时间,ωMTBF,j是表征第j个区域非质量因素对无故障工作时间产生影响的修正因子,0≤ωMTBF,j≤1且
电能表在运行时,往往会出现较多异常报警信息,其中与计量设备故障相关的异常报警信息主要分为如下3大类:电量异常(包括电能表示值不平、电能表飞走、电能表倒走、电能表停走、需量异常、自动核抄异常等)、电压电流异常(包括电压失压、电压断相、电压越限、电压不平衡、电流失流、电流不平衡等)和时钟异常。上述异常报警信息的次数之和可以为:
式中:和分别表示第i个批次的产品在第j个安装区域的电量异常报警次数、电压电流异常报警次数和时钟异常报警次数。
电能表在出厂时厂家提供了其标称的使用寿命小时数,在实际运行时电能表可能会出现发生故障后经自复位或检修后继续运行的情况。故障时,电能表停止工作,停机时间越长,其造成计量偏差越大,在综合评估中质量越差。上述运行故障率可以为:
式中:Trate,jk和Tstop,jk分别是第j个安装区域中第k台电能表标称运行时间和故障停机时间,ωFAULT,j是表征第j个区域非质量因素对故障停机产生影响的修正因子,0≤ωFAULT,j≤1且
S20,计算电能表的各个指标值,构建指标矩阵;对指标矩阵进行标准化处理形成决策矩阵;
在本技术方案中,上述指标矩阵可以为:
式中:rij表示电能表i对应的指标j的指标值,N为电能表供应商个数,NPM为电能表个数,M为衡量供应商的电能表质量的评价指标个数,i∈{1,2,...,NPM},j∈{1,2,...,M}。在本发明中M等于5。
因为电能表评估指标的量纲不一样,指标值之间没有可比性,且不同供应商的正在运行的电能表数目不一样。为了使得指标值之间具有一定的可比性以及更为合理地对供应商进行评估,这里需要对所有电能表下的各个指标原始值进行无量纲化处理或标准化处理,然后对标准化处理后同一个供应商的电能表的指标值取平均值来代表该供应商的电能表的质量指标。此外,指标又可分为成本型和效益型2种类型,其中成本型的指标取值越大越差,而效益型的指标取值越小越差。故需要分别对成本型和效益型这2种类型的指标分别采用如下的无量纲化或标准化处理。
上述成本型指标标准化处理方法可以为:
上述效益型指标标准化处理方法可以为:
上述各供应商对应的各个指标的决策矩阵可以为:
y″=(y″kj)N×M
式中:Ωk表示属于供应商k生产的电能表的集合。
S30,计算电能表各项的指标值信息熵和斯皮尔曼等级相关系数,根据CRITIC方法确定质量评估指标的客观权重,根据客观权重对所决策矩阵进行加权处理,得到电能表供应商评估矩阵;
CRITIC法是多属性决策问题中一种指标权重的客观赋权法,该方法是基于评估指标的差异程度和评估指标间的相关性来确定评估指标的客观权重。这里采用熵和斯皮尔曼等级相关系数分别来衡量指标在不同评价对象的取值差异性(即评价指标的对比强度)和评价指标之间的冲突性。在本技术方案中上述熵权可以为:
式中:rij为评估问题的决策矩阵元素,并且假定,当fij=0时,fijlnfij=0;M为评价指标个数,N为待评价方案个数;wi表示第i个指标的熵权,0≤wi≤1,
斯皮尔曼等级相关系数是统计学中反映两组等级变量相关程度的一种相关系数。斯皮尔曼等级相关系数对数据条件的要求没有积差相关系数严格,只要两个变量的观测值是成对的等级评定资料,或者是由连续变量观测资料转化得到的等级资料,不论两个变量的总体分布形态、样本容量的大小如何,都可以用斯皮尔曼等级相关来进行研究。上述斯皮尔曼等级相关系数可以包括:
式中:为排序值向量和的协方差;和分别为排序值向量和的标准差;和分别为排序值向量和的均值。和是具有N个元素的两列变量,其第i个变量值分别为zij和zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M};和分别是和的排序值向量,其中和分别为zij和zik在和的排序值。ρik表示第j个和第k个指标之间的斯皮尔曼等级相关系数,ρj表示第j个指标与其他指标的整体肯德尔相关系数。
当指标j的斯皮尔曼等级相关系数为1时,表明该指标与其他指标具有一致的等级相关性;而斯皮尔曼等级相关系数为0时,则表明该指标与其他指标是相互独立的。
从上述可以看出,熵和斯皮尔曼等级相关系数分别可以用于衡量评价指标的对比强度和评价指标之间的冲突性,因此综合熵和斯皮尔曼等级相关系数可以用于确定各个指标的客观权重上述客观权重可以为:
式中:Cj表示第j个指标的客观权重。
S40,根据评估矩阵,计算电能表供应商的正理想解和负理想解,计算各个电能表供应商至正理想点向量和负理想点向量的欧式距离;
在本技术方案中,上述电能表供应商评估问题的理想解可以确定为反理想解可以确定为其中
上述电能表供应商与理想解和反理想解的欧氏距离和分别可以为:
式中:为加权后的电能表供应商评估矩阵Z的第i行。
S50,计算各个电能表供应商与理想解的相对逼近度,按照从高至低确定各个电能表供应商的质量等级
在本技术方案中,各个电能表供应商与理想解的相对逼近度可以为:
式中,Ci是各个电能表供应商与理想解的相对逼近度,可以将其依次从高至低确定各个电能表供应商的质量等级。
为了进一步理解本发明,以下以国网浙江省电力公司宁波供电公司管辖的某地区电能表数据为例,来解释本发明的实际应用。该原始数据集共有11565条数据,经过数据清洗之后可用的数据为11312条,共有17个待评价的电能表供应商,每个供应商下有若干设备批次,所有的设备批次为58个批次。表1给出了标准化后各个供应商的电能表质量评估矩阵。
表1标准化后的电能表质量评价指标值
首先,根据各个指标的定义计算电能表供应商各个指标的数值,从而形成电能表综合评估问题的的指标矩阵,然后对其标准化处理;接着,根据熵、熵权和斯皮尔曼等级相关系数的定义,分别计算各个指标的熵、熵权、斯皮尔曼等级相关系数以及客观综合权重,其结果如表2所示。
表2各个指标的熵、熵权、相关系数和综合权重
从表2可以看出:平均无故障工作时间指标具有最小的熵,其值为0.8944,这表明各个供应商在该指标上的取值差别最大,故其熵权最大(取值为0.4476),即该指标给供应商的综合质量评估提供了较多有用的信息,故该指标在供应商的综合质量评估中的比重应较大;数据采集完整率指标具有最大的熵,其值为0.9763,这表明各个供应商在该指标上的取值差别最小,故其熵权最小(取值为0.1004),即该指标给供应商的综合质量评估提供了较少有用的信息,故该指标在供应商的综合质量评估中的比重应较小。此外,从表2还可以看出:计量异常报警次数指标具有最小的斯皮尔曼等级相关系数,其值为0.1521,这表明该指标和其他指标的相关性最小,即该指标提供的有用信息和其他指标重合度不大,因此该指标在节点的综合重要度评估中的比重应较大;平均无故障工作时间指标具有最大的斯皮尔曼等级相关系数,其值为0.2482,这表明该指标和其他指标的相关性较大,提供的有用信息重合度较大,因此该指标在节点的综合重要度评估中的比重应较小。从5个指标的定义可以看出,计量异常报警次数指标与平均无故障工作时间、运行故障率这2个指标基本上不相关,而与负荷采集可用率、数据采集完整率这2个指标有一定的关系,但相关性不强,经计算得到的该指标的斯皮尔曼等级相关系数最小,因此这与该指标的实际相关性是吻合的;平均无故障工作时间与负荷采集可用率、数据采集完整率和运行故障率这3个指标非常相关,经计算得到该指标的斯皮尔曼等级相关系数取值最大,因此这也与该指标的实际相关性相吻合。综合熵权和斯皮尔曼等级相关系数后,可以得到5个指标的综合客观权重分别为:0.1607、0.0968、0.4275、0.1103和0.2048。从中可以看出:经过综合后,平均无故障工作时间指标具有最大的权重,而计量异常报警次数指标具有最小的权重;考虑了指标的相关性后,平均无故障工作时间指标的客观综合权重比未考虑相关性的熵权小了一些,而计量异常报警次数指标比未考虑相关性的熵权大了一些。
接着,计算供应商的电能表质量评估问题的理想解和反理想解,进而得到各供应商分别与理想解和反理想解的欧氏距离,在此基础上分别计算各个供应商与理想解的相对逼近度,其结果如表3所示。从表3可以看出:电能表的运行质量最好的前10家供应商分别为:10、9、6、5、11、7、4、13、14和16,其中供应商10生产的电能表的运行质量最优,供应商9生产的电能表的运行质量最优。
表3基于本发明方法和熵权法的供应商电能表质量评估结果与比较
此外,为了验证所提出方法的有效性,表3给出了采用熵权法评估得到的供应商计量设备质量结果。从表3可以看出:电能表的运行质量最好的前10家供应商分别为:10、9、6、5、7、11、13、4、3和14,其中供应商10生产的电能表的运行质量最优,供应商9生产的电能表的运行质量最优。对比基于本发明方法和基于熵权法的电能表的运行质量评估结果可以看出:采用本发明方法和采用熵权法得到的电能表质量评估结果中排名前4的供应商是一致的;且有9个供应商都在排名前10的集合中,只是排序稍微有所区别。因此,这在一定程度上表明本发明所提的方法可以较好地从电能表的运行质量方面对供应商进行评估,具有一定的有效性。此外,从表3的对比结果还可以看出:采用本发明方法和采用熵权法得到的电能表质量评估结果中排名前10的供应商集合中,不一致的供应商分别为供应商3和16,其中本发明方法评估的结果是供应商16优于供应商3。结合表1和表2可以看出:供应商16和3的负荷采集可用率、数据采集完整率和计量异常报警次数这3个指标的取值差别不大,而平均无故障工作时间和运行故障率指标值差别较大;平均无故障工作时间指标与其他4个指标的相关性较强,而运行故障率指标与其他4个指标的相关性较弱。平均无故障工作时间指标在其他4个指标的数值中已部分体现,故对其权重应适当降低;反之,运行故障率指标的权重应适当增大。因此,由于本发明方法考虑了指标之间的相关性,使得平均无故障工作时间指标对综合质量评估结果影响过大,正是由于适当减少了该指标的权重使得本发明方法对供应商16的评估结果排在前10内,而把供应商3的评估结果排在前10外。综上,与熵权法相比,本发明提出的方法能够计及指标之间的相关性,在一定程度上能够较为合理地对供应商的电能表的质量进行评估。
结果表明本发明所提出的方法能够计及指标之间的相关性,能够较为合理地对电能表的运行质量进行评估,能够为物资管理、营销计量专业部门提供科学合理的评价支撑。
Claims (6)
1.一种基于多评估指标的电能表生产厂商评价方法,其特征在于,包括如下步骤:
1)获取每个批次和区域中电能表的原始数据,根据采集终端设备的运行监测大数据,选择5个衡量电能表质量的评估指标,5个评估指标分别为:负荷采集可用率、数据采集完整率、平均无故障工作时间、计量异常报警次数、运行故障率;
负荷采集可用率计算公式为:
式中:Q表示该供应商生产的电能表总批次数,L表示某一批次设备安装的总区域数,Nij、Eij和eij分别表示第i个批次设备在第j个安装区域中的数量、总负荷采集量和经剔除坏数据后评估系统可用的负荷采集量;ωSAMP,j是表征第j个区域中非质量因素对负荷采集可用率产生影响的修正因子,0≤ωSAMP,j≤1且
数据采集完整率计算公式为:
式中:ψij和分别表示第i个批次的电能表在第j个安装区域中的理论应采集数据量和实际采集数据量,ωINT,j是表征第j个区域中非质量因素对数据采集完整产生影响的修正因子,0≤ωINT,j≤1且
平均无故障工作时间计算公式为:
式中:Nj是第j个安装区域的电能表数,TF,jk是第j个安装区域中第k个设备发生首次故障时距离初始运行的时间,ωMTBF,j是表征第j个区域非质量因素对无故障工作时间产生影响的修正因子,0≤ωMTBF,j≤1且
异常报警信息的次数之和计算公式为:
式中:和分别表示第i个批次的产品在第j个安装区域的电量异常报警次数、电压电流异常报警次数和时钟异常报警次数;
运行故障率计算公式为:
式中:Trate,jk和Tstop,jk分别是第j个安装区域中第k台电能表标称运行时间和故障停机时间,ωFAULT,j是表征第j个区域非质量因素对故障停机产生影响的修正因子,0≤ωFAULT,j≤1且
2)计算电能表的各个评估指标值,构建指标矩阵;对指标矩阵进行标准化处理形成决策矩阵;
3)计算电能表各项的评估指标值信息熵和斯皮尔曼等级相关系数,根据CRITIC方法确定质量评估指标的客观权重,根据客观权重对所决策矩阵进行加权处理,得到电能表供应商评估矩阵;
4)根据评估矩阵,计算电能表供应商的理想解,理想解包括正理想解和负理想解,计算各个电能表供应商至正理想点向量和负理想点向量的欧式距离;
5)计算各个电能表供应商与理想解的相对逼近度,按照从高至低确定各个电能表供应商的质量等级。
2.根据权利要求1所述的一种基于多评估指标的电能表生产厂商评价方法,其特征在于,在步骤3)计算采集终端设备各项的评估指标值信息熵时,熵权计算公式为:
式中:rij为评估问题的决策矩阵元素,并且假定,当fij=0时,fijln fij=0;M为评价指标个数,N为待评价方案个数;wi表示第i个指标的熵权,0≤wi≤1,
计算采集终端设备各项的斯皮尔曼等级相关系数时,斯皮尔曼等级相关系数计算公式为:
式中:为排序值向量和的协方差;和分别为排序值向量和的标准差;和分别为排序值向量和的均值;和是具有N个元素的两列变量,其第i个变量值分别为zij和zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M};和分别是和的排序值向量,其中和分别为zij和zik在和的排序值;ρik表示第j个和第k个指标之间的斯皮尔曼等级相关系数,ρj表示第j个指标与其他指标的整体肯德尔相关系数;
客观权重计算公式为:
式中:Cj表示第j个指标的客观权重。
3.根据权利要求1所述的一种基于多评估指标的电能表生产厂商评价方法,其特征在于,在步骤2)中,指标矩阵为:
式中:rij表示电能表i对应的指标j的指标值,N为电能表供应商个数,NPM为电能表个数,M为衡量供应商的电能表质量的评价指标个数,i∈{1,2,...,NPM},j∈{1,2,...,M};在本发明中M等于5;
成本型指标标准化处理计算公式为:
效益型指标标准化处理计算公式为:
各供应商对应的各个指标的决策矩阵计算公式为:
y”=(y″kj)N×M
式中:Ωk表示属于供应商k生产的电能表的集合。
4.根据权利要求1的一种基于多评估指标的电能表生产厂商评价方法,其特征在于,确定电能表供应商评估问题的理想解和反理想解其中
5.根据权利要求1所述的一种基于多评估指标的电能表生产厂商评价方法,其特征在于,在步骤4)中,计算电能表供应商评估分别与理想解和反理想解的欧氏距离和的计算公式为:
式中:为加权后的电能表供应商评估矩阵Z的第i行。
6.根据权利要求1所述的一种基于多评估指标的电能表生产厂商评价方法,其特征在于,在步骤5)中,计算各个电能表供应商与理想解的相对逼近度,并依次从高至低确定各个电能表供应商的质量等级,对应计算公式为:
式中:Ci是各个电能表供应商与理想解的相对逼近度,可以将其依次从高至低确定各个电能表供应商的质量等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810942444.5A CN109359796A (zh) | 2018-08-17 | 2018-08-17 | 一种基于多评估指标的电能表生产厂商评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810942444.5A CN109359796A (zh) | 2018-08-17 | 2018-08-17 | 一种基于多评估指标的电能表生产厂商评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109359796A true CN109359796A (zh) | 2019-02-19 |
Family
ID=65350104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810942444.5A Withdrawn CN109359796A (zh) | 2018-08-17 | 2018-08-17 | 一种基于多评估指标的电能表生产厂商评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359796A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977106A (zh) * | 2019-04-08 | 2019-07-05 | 福建省特种设备检验研究院 | 一种基于熵权法的压力容器结构化数据质量评估方法 |
CN110286663A (zh) * | 2019-06-28 | 2019-09-27 | 云南中烟工业有限责任公司 | 基于区域性的卷烟物理指标标准化生产的提升方法 |
CN111177650A (zh) * | 2019-12-18 | 2020-05-19 | 国网浙江省电力有限公司绍兴供电公司 | 一种配电网电能质量监测与综合评估系统及方法 |
CN111949939A (zh) * | 2020-08-26 | 2020-11-17 | 北京航空航天大学 | 基于改进topsis和聚类分析的智能电表运行状态评价方法 |
CN112347637A (zh) * | 2020-11-04 | 2021-02-09 | 中国人民解放军陆军装甲兵学院 | 一种基于改进K_means聚类算法的发动机状态评估方法 |
CN112348351A (zh) * | 2020-11-05 | 2021-02-09 | 招商局重庆交通科研设计院有限公司 | 一种路网中桥梁抗震加固优先级评估方法 |
CN112906318A (zh) * | 2021-03-01 | 2021-06-04 | 广州特种承压设备检测研究院 | 一种基于蒸汽式空气预热系统的评定方法 |
CN113807713A (zh) * | 2021-09-22 | 2021-12-17 | 中国联合网络通信集团有限公司 | 一种产品质量评估方法及工业互联网标识解析系统 |
CN113837647A (zh) * | 2021-10-09 | 2021-12-24 | 南方电网能源发展研究院有限责任公司 | 区域能源评估方法、装置、计算机设备和存储介质 |
CN114742831A (zh) * | 2022-06-10 | 2022-07-12 | 南通博鎏机电科技有限公司 | 基于人工智能的电动批头的质量检测方法 |
-
2018
- 2018-08-17 CN CN201810942444.5A patent/CN109359796A/zh not_active Withdrawn
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977106A (zh) * | 2019-04-08 | 2019-07-05 | 福建省特种设备检验研究院 | 一种基于熵权法的压力容器结构化数据质量评估方法 |
CN109977106B (zh) * | 2019-04-08 | 2021-05-28 | 福建省特种设备检验研究院 | 一种基于熵权法的压力容器结构化数据质量评估方法 |
CN110286663B (zh) * | 2019-06-28 | 2021-05-25 | 云南中烟工业有限责任公司 | 基于区域性的卷烟物理指标标准化生产的提升方法 |
CN110286663A (zh) * | 2019-06-28 | 2019-09-27 | 云南中烟工业有限责任公司 | 基于区域性的卷烟物理指标标准化生产的提升方法 |
CN111177650A (zh) * | 2019-12-18 | 2020-05-19 | 国网浙江省电力有限公司绍兴供电公司 | 一种配电网电能质量监测与综合评估系统及方法 |
CN111177650B (zh) * | 2019-12-18 | 2023-11-10 | 国网浙江省电力有限公司绍兴供电公司 | 一种配电网电能质量监测与综合评估系统及方法 |
CN111949939A (zh) * | 2020-08-26 | 2020-11-17 | 北京航空航天大学 | 基于改进topsis和聚类分析的智能电表运行状态评价方法 |
CN112347637A (zh) * | 2020-11-04 | 2021-02-09 | 中国人民解放军陆军装甲兵学院 | 一种基于改进K_means聚类算法的发动机状态评估方法 |
CN112348351A (zh) * | 2020-11-05 | 2021-02-09 | 招商局重庆交通科研设计院有限公司 | 一种路网中桥梁抗震加固优先级评估方法 |
CN112348351B (zh) * | 2020-11-05 | 2022-06-10 | 招商局重庆交通科研设计院有限公司 | 一种路网中桥梁抗震加固优先级评估方法 |
CN112906318A (zh) * | 2021-03-01 | 2021-06-04 | 广州特种承压设备检测研究院 | 一种基于蒸汽式空气预热系统的评定方法 |
CN113807713A (zh) * | 2021-09-22 | 2021-12-17 | 中国联合网络通信集团有限公司 | 一种产品质量评估方法及工业互联网标识解析系统 |
CN113837647A (zh) * | 2021-10-09 | 2021-12-24 | 南方电网能源发展研究院有限责任公司 | 区域能源评估方法、装置、计算机设备和存储介质 |
CN114742831A (zh) * | 2022-06-10 | 2022-07-12 | 南通博鎏机电科技有限公司 | 基于人工智能的电动批头的质量检测方法 |
CN114742831B (zh) * | 2022-06-10 | 2022-08-16 | 南通博鎏机电科技有限公司 | 基于人工智能的电动批头的质量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359796A (zh) | 一种基于多评估指标的电能表生产厂商评价方法 | |
CN109389280A (zh) | 基于多属性决策模型的电能表生产厂商评价方法 | |
CN109409628B (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
CN105046402B (zh) | 一种应用于智能变电站二次设备的状态评估方法 | |
CN105117602B (zh) | 一种计量装置运行状态预警方法 | |
CN110046797A (zh) | 基于critic和理想点法的计量设备运行质量评估方法 | |
CN107609783B (zh) | 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 | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
CN106447212A (zh) | 一种基于ahp的智能电表软件质量评价方法 | |
CN107527114A (zh) | 一种基于大数据的线路台区异常分析方法 | |
CN111537939A (zh) | 一种基于多指标融合的电压互感器状态评估方法及装置 | |
CN111949939B (zh) | 基于改进topsis和聚类分析的智能电表运行状态评价方法 | |
CN109633518A (zh) | 一种智能电能表综合性能评价方法、装置 | |
CN105406461B (zh) | 一种配电网停电事件的负荷自适应动态监测方法 | |
CN103886518A (zh) | 一种基于监测点电能质量数据挖掘的电压暂降预警方法 | |
Kong et al. | A remote estimation method of smart meter errors based on neural network filter and generalized damping recursive least square | |
CN106295858A (zh) | 一种电能表非健康度预测方法 | |
CN110363404A (zh) | 一种干式空心电抗器状态数据分析方法 | |
CN109409627A (zh) | 一种基于多评估指标的采集终端生产厂商评价方法 | |
CN109409629A (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
CN114926015B (zh) | 基于d-s证据理论的智能电能表质量状态评价方法及系统 | |
CN111999691B (zh) | 一种计量传感器装置的误差校准方法和误差校准装置 | |
CN114371438B (zh) | 基于物联网的计量设备失准判断方法 | |
Zhao et al. | Data-Driven Based Low-Voltage Distribution System Transformer-Customer Relationship Identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190219 |