CN110046797A - 基于critic和理想点法的计量设备运行质量评估方法 - Google Patents
基于critic和理想点法的计量设备运行质量评估方法 Download PDFInfo
- Publication number
- CN110046797A CN110046797A CN201910164961.9A CN201910164961A CN110046797A CN 110046797 A CN110046797 A CN 110046797A CN 201910164961 A CN201910164961 A CN 201910164961A CN 110046797 A CN110046797 A CN 110046797A
- Authority
- CN
- China
- Prior art keywords
- measuring equipment
- electric energy
- index
- energy measuring
- supplier
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000011156 evaluation Methods 0.000 claims abstract description 67
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 claims abstract description 31
- 238000013441 quality evaluation Methods 0.000 claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 23
- 235000007164 Oryza sativa Nutrition 0.000 claims abstract description 20
- 235000009566 rice Nutrition 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000009434 installation Methods 0.000 claims description 24
- 241000209094 Oryza Species 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 10
- 238000012512 characterization method Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000006837 decompression Effects 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 240000007594 Oryza sativa Species 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000011410 subtraction method Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003869 coulometry Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004992 fission Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了基于CRITIC和理想点法的计量设备运行质量评估方法,涉及电力领域。目前计量设备运行质量评估不能兼顾计算的简便性、准确性。本技术方案首先,基于电力信息采集系统中的电能计量设备运行监测大数据,定义了5个衡量电能计量设备质量的评估指标:负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率指标;然后,采用基于熵权和斯皮尔曼等级相关系数的CRITIC法确定电能计量设备质量评估指标的客观权重,并构建了基于理想点法的电能计量设备质量评估模型;本技术主案不仅能够量化评价电能计量设备的运行质量,而且能够合理地评估出电能计量设备的优劣,兼顾了计算的简便性、评估的装确性。
Description
技术领域
本发明涉及电力领域,尤其涉及基于CRITIC和理想点法的计量设备运行质量评估方法。
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、采集终端等电能计量设备作为用电信息采集系统的重要组成部分,其质量直接影响用电信息采集系统的数据质量和应用水平,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和电力用户用电计量的准确性。电能计量设备的质量评估是保证和提高电能计量设备质量的重要手段之一,是电能计量设备质量管理的关键环节。构建电能计量设备的质量评估模型对电能计量设备质量进行综合评价,能为电网公司开展电能计量设备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。《基于改进AHP和熵权法的计量自动化终端质量综合评价研究》提出了采集终端运前质量、运行质量、维护质量评价指标,基于熵权法和改进层次分析法构建了采集终端的全寿命周期质量评估模型与方法,但是改进层次分析法需要引入专家主观的评价,并且权重计算流程复杂。《基于缺陷扣分法和三角模糊数层次分析法的智能电能表全生命周期质量评价》提出了基于三角模糊层次分析法和缺陷扣分法的智能电能表全生命周期的质量评估层次模型与方法,简化了《基于改进AHP和熵权法的计量自动化终端质量综合评价研究》中权重计算的步骤,实施更加容易,但是其评价指标的取值是离散的,故处在临界的电能设备评价结果会有较大误差。《电能计量装置运行评价方法研究》提出了基于健康指数的电能计量装置运行评价方法,但其健康指数阀值的确定主要依赖于专家经验。《关口电能表状态评价技术研究》研究了针对关口电表的状态评价指标和模型,但其模型较为简单和粗糙,并且缺少实例验证。《基于云平台的电能表可靠性预计系统设计与实现》介绍了基于云平台的电能表可靠性预计系统技术架构和开发平台,《智能电表计量评价体系及实时监控平台的研究与建立》提出了智能电表的正差率、负差率、零差率等质量评估指标,构建了智能电表计量评价体系,开发了智能电表计量实时监控平台,但是《基于云平台的电能表可靠性预计系统设计与实现、智能电表计量评价体系及实时监控平台的研究与建立》着重给出了实例分析的系统界面,而对算法的阐述较为简略。《智能电能表全生命周期质量评价方法研究在基于缺陷扣分法》和《三角模糊数层次分析法的智能电能表全生命周期质量评价》的基础上构建了智能电能表的全生命周期质量评价模型,从供应商、不同型号、批次等角度探讨了智能电能表的质量评估,但是没有给出相应的决策评估方法和算例分析。综上所述,实际中电能计量设备的质量管理主要是以运前抽检和维护质量评估的手段为主;而对电能计量设备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,电能计量设备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做出科学、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。然而,随着电量采集技术的不断提高和智能电能表的大量应用,对电能计量设备的运行监测和运行数据采集已经实现。此外,供电企业的经营管理逐渐向精细化方向发展,对电能计量设备的质量管理亟需基于电能计量设备运行的大数据研究更为完善和全面的运行质量评估指标、模型与方法。
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,提供基于CRITIC和理想点法的计量设备运行质量评估方法,以达到提高评估准确性的目的。为此,本发明采取以下技术方案。
基于CRITIC和理想点法的计量设备运行质量评估方法,包括以下步骤:
1)获取供应商的电能计量设备数据,计算各供应商的评估指标,评估指标为负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率指标;
2)生成标准供电能计量设备供应商评估决策矩阵;
3)根据基于熵权和斯皮尔曼等级相关系数的CRITIC方法确定质量评估指标的客观权重,根据客观权重生成加权后的电能计量设备供应商评估矩阵;
4)根据电能计量设备供应商评估矩阵确定电能计量设备供应商评估问题的理想解和反理想解;
5)计算电能计量设备供应商评估分别与理想解和反理想解的欧氏距离;
6)计算各个电能计量设备供应商与理想解的相对逼近度;
7)按照各个电能计量设备供应商与理想解的相对逼近度大小,对电能计量设备供应商进行重要性程度排序,从而得到电能计量设备供应商重要度的评估结果。
作为优选技术手段:在步骤1)中,负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率指标计算方法分别为:
101)负荷采集可用率
电能计量设备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计量设备采集越稳定、质量越好,因此定义负荷采集可用率为:
式中Q表示该供应商生产的电能计量设备总批次数,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
102)数据采集完整率
实际的电能计量设备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,电能计量设备的计量结果越精确,定义数据采集完整率为:
式中:ψij和分别表示第i个批次的电能计量设备在第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
103)平均无故障工作时间
平均无故障工作时间(Mean Time Between Failures,MTBF)是指电能计量设备发生第一次故障前能够正常运行的平均时间;这是衡量电能计量设备可靠性的重要参数,平均无故障时间越长,电能计量设备的可靠性越高;考虑其安装区域等因素将电能计量设备的平均无故障工作时间定义为
式中:Nj是第j个安装区域的电能计量设备数,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
104)运行异常报警次数
电能计量设备在运行时,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三大类: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;为了评估电能计量设备的质量,将异常报警信息的次数之和定义为:
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;
105)运行故障率
电能计量设备在出厂时厂家提供了其标称的使用寿命小时数,在实际运行时电能计量设备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,电能计量设备停止工作,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;因此,将运行故障率定义为:
式中:Trate,jk和Tstop,jk分别是第j个安装区域中第k台电能计量设备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
作为优选技术手段:在步骤3)中,生成客观权重基于评估指标的差异程度和评估指标间的相关性来确定;
熵在信息论中用于量测信息的不确定性或无序状态;在具有M个评价指标和N个待评价方案的决策问题中,第i个评价指标的熵定义为:
式中:并且假定,当fij=0时,fij ln fij=0;其中,rij为计量设备评估问题的决策矩阵的元素值;在具有M个评价指标,N个待评价方案的决策问题中,第i个评价指标的熵权wi定义为:
式中:0≤wi≤1,从熵和熵权的定义得到:熵和熵权的取值成反比,熵值越大,熵权越小;反之,熵值越小,熵权越大;如果某个指标的所有值都相等,那么该指标的熵等于1,其熵权等于0;如果某个指标的所有值差异很大,那么该指标的熵较小,其熵权较大,这说明该指标能够较好的区别出电能计量设备的质量;
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;对于都具有N个元素的两列变量和其第i个变量值分别为zij和zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M};假设和的排序值向量分别为和其中和分别为zij和zik在和的排序值;第j个和第k个指标之间的斯皮尔曼等级相关系数定义为:
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;因此,第j个指标与其他指标的整体肯德尔相关系数定义为:
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;
熵和斯皮尔曼等级相关系数分别用于衡量评价指标的对比强度和评价指标之间的冲突性,综合熵和斯皮尔曼等级相关系数用于确定各个指标的客观权重,即指标j的客观权重表示为:
。
作为优选技术手段:在对电能计量设备质量的供应商评估中,假设待评价的电能计量设备供应商共有N个,共有NPM个电能计量设备,选取的用于衡量供应商的电能计量设备质量的评价指标共有M个;因此,电能计量设备质量评估问题的决策矩阵表示为:
式中:rij表示电能计量设备i对应的指标j的指标值,其中i∈{1,2,...,NPM},j∈{1,2,...,M};在本技术方案中M等于5;
因为电能计量设备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计量设备数目不一样;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计量设备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计量设备的指标值取平均值来代表该供应商的电能计量设备的质量指标;此外,指标又可分为成本型和效益型两种类型,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两种类型的指标分别采用如下的无量纲化或标准化处理;其中,成本型指标的标准化处理公式为:
效益型指标的标准化处理公式为:
接着,形成每个供应商对应的各个指标的决策矩阵:
y″=(y″kj)N×M
式中:Ωk表示属于供应商k生产的电能计量设备的集合。
作为优选技术手段:电能计量设备质量评估问题的决策矩阵表示为:
式中:rij表示电能计量设备i对应的指标j的指标值,其中i∈{1,2,...,NPM},j∈{1,2,...,M};N为待评价的电能计量设备供应商,共有NPM个电能计量设备,M为用于衡量供应商的电能计量设备质量的评价指标个数;M等于5。
作为优选技术手段: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,对所有电能计量设备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计量设备的指标值取平均值来代表该供应商的电能计量设备的质量指标;指标分为成本型和效益型两种类型,对成本型和效益型这两种类型的指标分别采用无量纲化或标准化处理;其中,成本型指标的标准化处理公式为:
效益型指标的标准化处理公式为:
接着,形成每个供应商对应的各个指标的决策矩阵:
y″=(y″kj)N×M
式中:Ωk表示属于供应商k生产的电能计量设备的集合。
作为优选技术手段:在步骤2)中,生成加权后的电能计量设备供应商评估矩阵为
Z=(zij)N×M
式中:zij=Cjyij;
作为优选技术手段:在步骤5)中,电能计量设备供应商评估分别与理想解和反理想解的欧氏距离和
式中:为加权后的电能计量设备供应商评估矩阵Z的第i行;
理想解和反理想解其中
作为优选技术手段:各个电能计量设备供应商与理想解的相对逼近度为:
电能计量设备供应商与理想解的相对逼近度的取值范围为[0,1],该值愈逼近1,则表明该供应商生产的电能计量设备质量越好;反之,该值愈逼近0,则表明该供应商生产的电能计量设备质量越差。
有益效果:
本技术方案采用负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数、运行故障率五个评估指标,准确性高,较为全面地评估电能计量设备质量的优劣;
采用基于熵权和斯皮尔曼等级相关系数的CRITIC方法确定质量评估指标的客观权重,较好地虑及了评估指标的差异程度和评估指标间的相关性;能够较为合理地对供应商的电能计量设备的质量进行评估。兼顾了计算的简便性、评估的装确性。
附图说明
图1是本发明的流程图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明包括以下步骤:
包括以下步骤:
1)获取供应商的电能计量设备数据,计算各供应商的评估指标,评估指标为负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率指标;
2)生成标准供电能计量设备供应商评估决策矩阵;
3)根据基于熵权和斯皮尔曼等级相关系数的CRITIC方法确定质量评估指标的客观权重,根据客观权重生成加权后的电能计量设备供应商评估矩阵;
4)根据电能计量设备供应商评估矩阵确定电能计量设备供应商评估问题的理想解和反理想解;
5)计算电能计量设备供应商评估分别与理想解和反理想解的欧氏距离;
6)计算各个电能计量设备供应商与理想解的相对逼近度;
7)按照各个电能计量设备供应商与理想解的相对逼近度大小,对电能计量设备供应商进行重要性程度排序,从而得到电能计量设备供应商重要度的评估结果。
以下对上述部分步骤做详细说明:
1电能计量设备质量评估指标
为了较为全面地评估电能计量设备质量的优劣,这里将从五个不同的角度提出反映电能计量设备质量优劣的指标,即负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率指标。在实际的用电信息采集系统中,可以根据收集到的数据计算上述五个指标,下面将详细介绍这些指标的定义和计算公式。
1.1负荷采集可用率
电能计量设备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计量设备采集越稳定、质量越好,因此定义负荷采集可用率为
式中:Q表示该供应商生产的电能计量设备总批次数,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
1.2数据采集完整率
实际的电能计量设备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,电能计量设备的计量结果越精确,定义数据采集完整率为:
式中:ψij和分别表示第i个批次的电能计量设备在第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
1.3平均无故障工作时间
平均无故障工作时间(Mean Time Between Failures,MTBF)是指电能计量设备发生第一次故障前能够正常运行的平均时间。这是衡量电能计量设备可靠性的重要参数,平均无故障时间越长,电能计量设备的可靠性越高。考虑其安装区域等因素将电能计量设备的平均无故障工作时间定义为
式中:Nj是第j个安装区域的电能计量设备数,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
1.4运行异常报警次数
电能计量设备在运行时,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三大类: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。为了评估电能计量设备的质量,将异常报警信息的次数之和定义为:
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。
1.5运行故障率
电能计量设备在出厂时厂家提供了其标称的使用寿命小时数,在实际运行时电能计量设备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,电能计量设备停止工作,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。因此,将运行故障率定义为:
式中:Trate,jk和Tstop,jk分别是第j个安装区域中第k台电能计量设备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基于CRITIC法和理想点法的电能计量设备质量评估
由于上述的负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率这五个指标都仅从某一个方面反映电能计量设备质量优劣。为了将这些指标综合起来,从而更加全面地评价电能计量设备的质量,本技术方案首先引入基于CRITIC法的客观赋权法确定各个指标的权重,并将电能计量设备评价问题转化为一个多属性决策问题,然后利用多属性决策方法中的理想点法进行求解。
2.1基于CRITIC法的客观权重赋权法
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(Entropy)和斯皮尔曼等级相关系数(Spearman's rank correlation coefficient)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。
熵在信息论中用于量测信息的不确定性或无序状态。在具有M个评价指标和N个待评价方案的决策问题中,第i个评价指标的熵定义为
式中:并且假定,当fij=0时,fij ln fij=0。其中,rij为计量设备评估问题的决策矩阵的元素值,其含义详见3.2节。因此,在具有M个评价指标,N个待评价方案的决策问题中,第i个评价指标的熵权wi定义为
式中:0≤wi≤1,从熵和熵权的定义可以得到:熵和熵权的取值成反比,熵值越大,熵权越小;反之,熵值越小,熵权越大。如果某个指标的所有值都相等,那么该指标的熵等于1,其熵权等于0;如果某个指标的所有值差异很大,那么该指标的熵较小,其熵权较大,这说明该指标能够较好的区别出电能计量设备的质量。
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。
对于都具有N个元素的两列变量和其第i个变量值分别为zij和zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M}。假设和的排序值向量分别为和其中和分别为zij和zik在和的排序值。因此,第j个和第k个指标之间的斯皮尔曼等级相关系数可以定义为:
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。因此,第j个指标与其他指标的整体肯德尔相关系数可以定义为:
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,即指标j的客观权重可以表示为:
2.2基于理想点法的计量设备质量评估模型
理想点法(TOPSIS法)属于一种理想目标相似性的多属性决策方法,该方法根据被评估对象与理想化目标的逼近程度来排序,即通过计算被评估对象与理想解(实际中由所有指标的最优值组成)和反理想解(实际中由所有指标的最差值组成)的距离来排序。若被评估的对象最逼近理想解且距离反理想解最远,则该评估对象最优;反之,若被评估的对象最逼近反理想解且距离理想解最远,则该评估对象最差。
在对电能计量设备质量的供应商评估中,假设待评价的电能计量设备供应商共有N个,共有NPM个电能计量设备,选取的用于衡量供应商的电能计量设备质量的评价指标共有M个。因此,电能计量设备质量评估问题的决策矩阵可以表示为:
式中:rij表示电能计量设备i对应的指标j的指标值,其中i∈{1,2,...,NPM},j∈{1,2,...,M}。在本技术方案中M等于5。
因为电能计量设备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计量设备数目不一样。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计量设备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计量设备的指标值取平均值来代表该供应商的电能计量设备的质量指标。此外,指标又可分为成本型和效益型两种类型,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两种类型的指标分别采用如下的无量纲化或标准化处理。其中,成本型指标的标准化处理公式为:
效益型指标的标准化处理公式为:
接着,形成每个供应商对应的各个指标的决策矩阵:
y″=(y″kj)N×M (14)
式中:Ωk表示属于供应商k生产的电能计量设备的集合。
因此,电能计量设备供应商评估问题的理想点法的决策流程如下。
步骤1:生成标准化电能计量设备供应商评估评估决策矩阵。
Y=(yij)N×M (15)
式中:
步骤2:生成加权后的电能计量设备供应商评估矩阵:
Z=(zij)N×M (16)
式中:zij=Cjyij。
步骤3:确定电能计量设备供应商评估问题的理想解和反理想解其中
步骤4:计算电能计量设备供应商评估分别与理想解和反理想解的欧氏距离和
式中:为加权后的电能计量设备供应商评估矩阵Z的第i行。
步骤5:计算各个电能计量设备供应商与理想解的相对逼近度。
电能计量设备供应商与理想解的相对逼近度的取值范围为[0,1],该值愈逼近1,则表明该供应商生产的电能计量设备质量越好;反之,该值愈逼近0,则表明该供应商生产的电能计量设备质量越差。
步骤6:按照各个电能计量设备供应商与理想解的相对逼近度大小,对电能计量设备供应商进行重要性程度排序,从而得到电能计量设备供应商重要度的评估结果。
3算例分析
采用某电力公司宁波供电公司管辖的某地区电能计量设备数据进行算例仿真,该原始数据集共有11 565条数据,经过数据清洗之后可用的数据为11 312条,共有17个待评价的电能计量设备供应商,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计量设备质量评估矩阵。
表1标准化后的电能计量设备质量评价指标值
首先,根据各个指标的定义计算电能计量设备供应商各个指标的数值,从而形成电能计量设备综合评估问题的的决策矩阵,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0.894 4,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0.447 6),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0.976 3,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0.100 4),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:平均无故障工作时间指标具有最小的斯皮尔曼等级相关系数,其值为0.047 8,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;运行故障率指标具有最大的斯皮尔曼等级相关系数,其值为0.322 3,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。从五个指标的定义可以看出,平均无故障工作时间与运行异常报警次数、运行故障率这两个指标基本上不相关,而与负荷采集可用率、数据采集完整率这两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;运行故障率与平均无故障工作时间、负荷采集可用率、数据采集完整率和这三个指标非常相关,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,可以得到五个指标的综合客观权重分别为:0.160 7、0.096 8、0.427 5、0.110 3和0.204 8。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,而数据采集完整率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,而运行故障率指标比未考虑相关性的熵权大了一些。
接着,计算供应商的电能计量设备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:电能计量设备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生产的电能计量设备的运行质量最优,供应商9生产的电能计量设备的运行质量次优。
表3基于本技术方案方法和基于熵权法、Gini系数法的供应商电能计量设备质量评估结果比
此外,为了验证所提方法的有效性,表3给出了采用熵权法、Gini系数法以及本技术方案方法评估得到的供应商计量设备质量结果。对比基于本技术方案方法和基于熵权法、基于Gini系数法的电能计量设备的运行质量评估结果可以看出:采用本技术方案方法和采用熵权法、Gini系数法得到的电能计量设备质量评估结果中排名前2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技术方案所提的方法可以较好地从电能计量设备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:采用本技术方案方法和采用熵权法、Gini系数法得到的电能计量设备质量评估结果中排名前10的供应商集合中,有较大区别的供应商分别为供应商4和12,其中本技术方案方法评估的结果是供应商4位于质量评估前10位,且优于供应商12;熵权法和Gini系数法的结果是供应商12位于质量评估前10位,且优于供应商4。
从表1可以看出:供应商4和12的负荷采集可用率、数据采集完整率和运行异常报警次数这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;供应商4的平均无故障工作时间指标大于供应商12,运行故障率指标小于供应商12。从表2可以看出,平均无故障工作时间指标与其他四个指标的信息重复度较小,而运行故障率指标与其他四个指标的信息重复较大。因此,运行故障率指标在其他四个指标的数值中已部分体现,故对其权重应适当降低;反之,平均无故障工作时间指标的权重应适当增大。由于其它方法没有考虑指标之间的相关性,使得运行故障率指标对综合质量评估结果影响过大,而本技术方案方法正是考虑了各指标间的相关程度,适当减少了该指标的权重,从而使得本技术方案方法对供应商4的评估结果排在前10内,而把供应商12的评估结果排在前10外。综上所述,与熵权法、Gini系数法相比,本技术方案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计量设备的质量进行评估。
以上图1所示的基于CRITIC和理想点法的计量设备运行质量评估方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (9)
1.基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于包括以下步骤:
1)获取供应商的电能计量设备数据,计算各供应商的评估指标,评估指标为负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率指标;
2)生成标准供电能计量设备供应商评估决策矩阵;
3)根据基于熵权和斯皮尔曼等级相关系数的CRITIC方法确定质量评估指标的客观权重,根据客观权重生成加权后的电能计量设备供应商评估矩阵;
4)根据电能计量设备供应商评估矩阵确定电能计量设备供应商评估问题的理想解和反理想解;
5)计算电能计量设备供应商评估分别与理想解和反理想解的欧氏距离;
6)计算各个电能计量设备供应商与理想解的相对逼近度;
7)按照各个电能计量设备供应商与理想解的相对逼近度大小,对电能计量设备供应商进行重要性程度排序,从而得到电能计量设备供应商重要度的评估结果。
2.根据权利要求1所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于:在步骤1)中,负荷采集可用率、数据采集完整率、平均无故障工作时间、运行异常报警次数和运行故障率指标计算方法分别为:
101)负荷采集可用率
电能计量设备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计量设备采集越稳定、质量越好,因此定义负荷采集可用率为
式中:Q表示该供应商生产的电能计量设备总批次数,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
102)数据采集完整率
实际的电能计量设备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,电能计量设备的计量结果越精确,定义数据采集完整率为:
式中:ψij和分别表示第i个批次的电能计量设备在第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
103)平均无故障工作时间
平均无故障工作时间是指电能计量设备发生第一次故障前能够正常运行的平均时间;这是衡量电能计量设备可靠性的重要参数,平均无故障时间越长,电能计量设备的可靠性越高;考虑其安装区域等因素将电能计量设备的平均无故障工作时间定义为:
式中:Nj是第j个安装区域的电能计量设备数,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
104)运行异常报警次数
电能计量设备在运行时,会出现异常报警信息,其中与计量设备故障相关的异常报警信息包括:电量异常、电压电流异常和时钟异常;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;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;为了评估电能计量设备的质量,将异常报警信息的次数之和定义为:
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;
105)运行故障率
电能计量设备在出厂时厂家提供了其标称的使用寿命小时数,在实际运行时电能计量设备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,电能计量设备停止工作,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;因此,将运行故障率定义为:
式中:Trate,jk和Tstop,jk分别是第j个安装区域中第k台电能计量设备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
3.根据权利要求2所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于:在步骤3)中,生成客观权重基于评估指标的差异程度和评估指标间的相关性来确定;
熵在信息论中用于量测信息的不确定性或无序状态;在具有M个评价指标和N个待评价方案的决策问题中,第i个评价指标的熵定义为
式中:并且假定,当fij=0时,fijln fij=0;其中,rij为计量设备评估问题的决策矩阵的元素值;在具有M个评价指标,N个待评价方案的决策问题中,第i个评价指标的熵权wi定义为:
式中:0≤wi≤1,从熵和熵权的定义得到:熵和熵权的取值成反比,熵值越大,熵权越小;反之,熵值越小,熵权越大;如果某个指标的所有值都相等,那么该指标的熵等于1,其熵权等于0;如果某个指标的所有值差异很大,那么该指标的熵较小,其熵权较大,这说明该指标能够较好的区别出电能计量设备的质量;
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;对于都具有N个元素的两列变量和其第i个变量值分别为zij和zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M};假设和的排序值向量分别为和其中和分别为zij和zik在和的排序值;第j个和第k个指标之间的斯皮尔曼等级相关系数定义为:
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;因此,第j个指标与其他指标的整体肯德尔相关系数定义为:
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;
熵和斯皮尔曼等级相关系数分别用于衡量评价指标的对比强度和评价指标之间的冲突性,综合熵和斯皮尔曼等级相关系数用于确定各个指标的客观权重,即指标j的客观权重表示为:
。
4.根据权利要求3所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于:在对电能计量设备质量的供应商评估中,假设待评价的电能计量设备供应商共有N个,共有NPM个电能计量设备,选取的用于衡量供应商的电能计量设备质量的评价指标共有M个;因此,电能计量设备质量评估问题的决策矩阵表示为:
式中:rij表示电能计量设备i对应的指标j的指标值,其中i∈{1,2,...,NPM},j∈{1,2,...,M};在本技术方案中M等于5;
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,对所有电能计量设备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计量设备的指标值取平均值来代表该供应商的电能计量设备的质量指标;指标分为成本型和效益型两种类型,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;对成本型和效益型这两种类型的指标分别采用如下的无量纲化或标准化处理;其中,成本型指标的标准化处理公式为:
效益型指标的标准化处理公式为:
接着,形成每个供应商对应的各个指标的决策矩阵:
y″=(y″kj)N×M
式中:Ωk表示属于供应商k生产的电能计量设备的集合。
5.根据权利要求4所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于:电能计量设备质量评估问题的决策矩阵表示为:
式中:rij表示电能计量设备i对应的指标j的指标值,其中i∈{1,2,...,NPM},j∈{1,2,...,M};N为待评价的电能计量设备供应商,共有NPM个电能计量设备,M为用于衡量供应商的电能计量设备质量的评价指标个数;M等于5。
6.根据权利要求5所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于: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,对所有电能计量设备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计量设备的指标值取平均值来代表该供应商的电能计量设备的质量指标;指标分为成本型和效益型两种类型,对成本型和效益型这两种类型的指标分别采用无量纲化或标准化处理;其中,成本型指标的标准化处理公式为:
效益型指标的标准化处理公式为
接着,形成每个供应商对应的各个指标的决策矩阵
y″=(y″kj)N×M
式中:Ωk表示属于供应商k生产的电能计量设备的集合。
7.根据权利要求6所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于:在步骤2)中,生成加权后的电能计量设备供应商评估矩阵为
Z=(zij)N×M
式中:zij=Cjyij。
8.根据权利要求7所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于:在步骤5)中,电能计量设备供应商评估分别与理想解和反理想解的欧氏距离和
式中:为加权后的电能计量设备供应商评估矩阵Z的第i行;
理想解和反理想解其中
9.根据权利要求8所述的基于CRITIC和理想点法的计量设备运行质量评估方法,其特征在于:各个电能计量设备供应商与理想解的相对逼近度为:
电能计量设备供应商与理想解的相对逼近度的取值范围为[0,1],该值愈逼近1,则表明该供应商生产的电能计量设备质量越好;反之,该值愈逼近0,则表明该供应商生产的电能计量设备质量越差。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910009092 | 2019-01-04 | ||
CN2019100090922 | 2019-01-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110046797A true CN110046797A (zh) | 2019-07-23 |
Family
ID=67274427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910164961.9A Pending CN110046797A (zh) | 2019-01-04 | 2019-03-05 | 基于critic和理想点法的计量设备运行质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046797A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126759A (zh) * | 2019-11-18 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于异常事件故障关联度的电能表状态评估方法 |
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 |
CN112712256A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司 | 一种低压配网设备检修顺序评估方法 |
CN112818523A (zh) * | 2021-01-20 | 2021-05-18 | 国网浙江省电力有限公司营销服务中心 | 基于模糊评价模型的中低压直流计量点选择方法 |
CN114925325A (zh) * | 2022-07-14 | 2022-08-19 | 北京御航智能科技有限公司 | 传输线路检测方案的评估方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529799A (zh) * | 2016-10-28 | 2017-03-22 | 江苏工大金凯高端装备制造有限公司 | 一种机床可持续设计指数评价方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107480856A (zh) * | 2017-07-06 | 2017-12-15 | 浙江大学 | 基于改进逼近理想解排序法的售电公司电力客户评估方法 |
-
2019
- 2019-03-05 CN CN201910164961.9A patent/CN110046797A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529799A (zh) * | 2016-10-28 | 2017-03-22 | 江苏工大金凯高端装备制造有限公司 | 一种机床可持续设计指数评价方法 |
CN107480856A (zh) * | 2017-07-06 | 2017-12-15 | 浙江大学 | 基于改进逼近理想解排序法的售电公司电力客户评估方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
Non-Patent Citations (1)
Title |
---|
杨光盛 等: "基于CRITIC和理想点法的计量设备运行质量评估" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126759A (zh) * | 2019-11-18 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于异常事件故障关联度的电能表状态评估方法 |
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 |
CN112712256A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司 | 一种低压配网设备检修顺序评估方法 |
CN112818523A (zh) * | 2021-01-20 | 2021-05-18 | 国网浙江省电力有限公司营销服务中心 | 基于模糊评价模型的中低压直流计量点选择方法 |
CN112818523B (zh) * | 2021-01-20 | 2023-11-10 | 国网浙江省电力有限公司营销服务中心 | 基于模糊评价模型的中低压直流计量点选择方法 |
CN114925325A (zh) * | 2022-07-14 | 2022-08-19 | 北京御航智能科技有限公司 | 传输线路检测方案的评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046797A (zh) | 基于critic和理想点法的计量设备运行质量评估方法 | |
CN109359796A (zh) | 一种基于多评估指标的电能表生产厂商评价方法 | |
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 | |
CN105117602A (zh) | 一种计量装置运行状态预警方法 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
Yuan et al. | Outage detection in partially observable distribution systems using smart meters and generative adversarial networks | |
CN109409628A (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 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN109389280A (zh) | 基于多属性决策模型的电能表生产厂商评价方法 | |
CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
CN105406461B (zh) | 一种配电网停电事件的负荷自适应动态监测方法 | |
Kong et al. | A remote estimation method of smart meter errors based on neural network filter and generalized damping recursive least square | |
CN111999692A (zh) | 一种多表误差的校准方法和装置 | |
Long et al. | A data-driven combined algorithm for abnormal power loss detection in the distribution network | |
CN109409629B (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
CN109409627A (zh) | 一种基于多评估指标的采集终端生产厂商评价方法 | |
CN106548284A (zh) | 一种面向运行调控的自适应模块化电网安全预警评价方法 | |
Tu et al. | Predicting the operation and maintenance costs of condominium properties in the project planning phase: An artificial neural network approach | |
CN115936663A (zh) | 一种电力系统的维护方法及装置 | |
CN109389281A (zh) | 一种基于高斯混合模型的采集终端生产厂商评价方法 | |
CN110441725A (zh) | 基于自适应神经模糊推理的智能电表故障诊断方法及装置 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
Khan et al. | Outliers detection and repairing technique for measurement data in the distribution system | |
Zhang et al. | Research on abnormal diagnosis method of electric energy metering device based on BSO-BPNN | |
Zhao et al. | Evaluation of operating state for smart electricity meters based on transformer–encoder–BiLSTM |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190723 |
|
WD01 | Invention patent application deemed withdrawn after publication |