CN110458432A - 一种基于云模型的电力光传输网可靠性诊断方法 - Google Patents
一种基于云模型的电力光传输网可靠性诊断方法 Download PDFInfo
- Publication number
- CN110458432A CN110458432A CN201910696732.1A CN201910696732A CN110458432A CN 110458432 A CN110458432 A CN 110458432A CN 201910696732 A CN201910696732 A CN 201910696732A CN 110458432 A CN110458432 A CN 110458432A
- Authority
- CN
- China
- Prior art keywords
- grade
- index
- cloud model
- support
- reliability
- 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.)
- Granted
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 title claims abstract description 28
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 13
- 239000000428 dust Substances 0.000 claims abstract description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 63
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 16
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 14
- 238000003745 diagnosis Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 11
- 238000009412 basement excavation Methods 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 102100020786 Adenylosuccinate synthetase isozyme 2 Human genes 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000004335 scaling law Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
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
- G06Q10/06393—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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种基于云模型的电力光传输网可靠性诊断方法,对于定性指标,利用云模型实现定性到定量的转换,并从云滴角度出发,提出了云滴对各等级云模型支持度这一概念,对云滴间相互影响进行深度挖掘,综合得到指标云模型对各等级云模型的支持度。最后对定性指标与定量指标相结合,以等级的形式给出通信网可靠性的诊断结果。本发明具有客观科学、灵敏度高的优点,能够为电力光传输网可靠性评估提供可靠的决策依据。
Description
技术领域
本发明涉及电力光传输网技术领域,特别是一种基于云模型的电力光传输网可靠性诊断方法。
背景技术
随着智能电网的发展,光纤通信因其负载容量大、信号衰减小、传输抗干扰能力强的特点越来越多的被应用到电力通信传输网络中。因此,我国的电力通信网形成了以光纤通信方式为主,卫星通信、载波通信、微波通信方式并存的通信架构。电力通信网已成为电力系统的支撑网络,在电力的生产调度中有着十分重要的保障作用,一旦电力通信传输网的某个环境出现故障,将对整个电力系统造成巨大的损失,因此对电力光传输网络进行可靠性评估,对其现状进行评估并找出现存的问题及隐患是具有现实意义的。
云模型是一种专门用于处理不确定性的方法,可直接构建定性与定量间的映射,因此云模型在可靠性评估方面已得到了广泛的应用。现有算法主要集中在通过云模型实现定性到定量的转换后,通过灰色关联算法、TOPSIS、模糊综合评判、DS证据理论等算法对云模型进行融合,得到最终评估结果,以上方法利用了云模型能够有效的表示决策者给出的自然语言型评价信息,从而有效的解决了定性指标的定量化处理的优势,但忽视了云模型内部云滴间的内在联系。
发明内容
有鉴于此,本发明的目的是提出一种基于云模型的电力光传输网可靠性诊断方法,从云滴角度出发,对云滴间相互影响进行深度挖掘,综合得到指标云模型对各等级云模型的支持度。
本发明采用以下方案实现:一种基于云模型的电力光传输网可靠性诊断方法,具体包括以下步骤:
确定电力光传输网络可靠性诊断指标集合及指标所属的类型,其中类型包括定量类与定性类;
确定各个定量指标在预设的N个等级的取值范围以及定性指标在预设的N个等级的取值范围,并计算等级云模型参数;
确定定量类指标的实际值以及定性类指标的专家等级评价语言值;
计算指标对N个等级的支持度,并计算指标权重;
综合指标权重以及指标对N个等级的支持度确定该电力光传输网对N个可靠性等级的综合支持度;
将综合支持度最大值对应的等级为所述电力光传输网络的可靠性等级。
进一步地,所述等级云模型参数的计算为:Cij=(Exij,Enij,Heij);各个参数如下表:
论域划分 | C<sub>i1</sub> | C<sub>ij</sub>,j=2,3,...,N-1 | C<sub>iN</sub> |
Ex<sub>ij</sub> | a<sub>i1</sub> | (a<sub>ij</sub>+b<sub>ij</sub>)/2 | b<sub>iN</sub> |
En<sub>ij</sub> | (b<sub>i1</sub>-a<sub>i1</sub>)/6 | (b<sub>ij</sub>-a<sub>ij</sub>)/6 | (b<sub>iN</sub>-a<sub>iN</sub>)/6 |
He<sub>ij</sub> | ε<sub>i1</sub> | ε<sub>ij</sub> | ε<sub>iN</sub> |
其中,Cij为指标i对应的等级j的等级云模型;Exij为等级云模型Cij的期望,即该概念语言值量化的最典型样本;Enij为等级云模型Cij的熵,为该定性概念语言值的不确定性度量;Heij为等级云模型Cij的超熵,为熵的不确定性度量;aij为指标i等级j的的上区间值;bij为指标i等级j的的下区间值;εij为常数,可根据实际情况的随机性和模糊性进行具体调整。
进一步地,所述计算指标对N个等级的支持度包括:
根据定量类指标实际值确定其对N个可靠性等级的支持度;
根据专家对定性类指标等级评级语言值结果确定其对N个可靠性等级的支持度。
进一步地,所述根据定量类指标实际值确定其对N个可靠性等级的支持度包括以下步骤:
步骤SA1:采用以下公式计算指标i的等级Aj间的距离::
式中,pi(i=1,2,3,...,n)为指标实际值,aij,bij为指标i的等级Aj(j=1,2,3,...,N)等级区间的边界值;
步骤SA2:采用以下公式计算距离归一化值:
步骤SA3:采用以下公式计算定量类指标i对等级Aj支持度:
αij=1-dij'。
进一步地,所述根据专家对定性类指标等级评级语言值结果确定其对N个可靠性等级的支持度包括以下步骤:
步骤SB1:根据专家对定性类指标i的等级语言值评价,采用以下公式计算指标综合云模型Ci=(Exi,Eni,Hei):
式中,Exi、Eni、Hei分别为指标综合云模型Ci的期望、熵、超熵;λk为专家k(k=1,2,3,...,t)的权重;Exik、Enik、Heik为专家k对指标i等级语言值评价对应的等级云模型的期望、熵、超熵;
步骤SB2:确定指标综合云模型距离N个等级云模型的距离:指标综合云模型云Ci通过正向云发生器生成T个证据云滴,并采用以下公式计算证据云滴m(m=1,2,3,...,T)到等级云模型Cj中心(Exj,0)的距离欧式几何距离:
式中,μ表示证据云滴函数值;
步骤SB3:根据各证据云滴与各等级云模型Cj的距离,采用以下公式计算证据云滴所对应各等级的基本概率分配函数:
式中,mim(Aj)为指标综合云模型Ci上的证据云滴m对等级j的基本概率分配函数,即云滴m支持等级j的概率;
步骤SB4:采用下式计算证据云滴散度KL(mim||mil):
KL(mim||mil)表示证据云滴m与证据云滴l对各等级支持度的贴近程度,其值越小贴近程度越高;
步骤SB5:采用以下公式计算证据云滴可信度:
步骤SB6:采用以下公式对证据云滴可信度进行归一化:
并以此得到T个证据云滴的归一化可信度:ωim=[ωi1,ωi2,ωi3,...,ωiT]T;
步骤SB7:根据证据云滴的归一化可信度确定证据云滴m对等级Aj综合概率分配函数:
步骤SB8:采用以下公式,计算证据理论合成公式中的冲突因子:
步骤SB9:根据D-S证据理论合成规则,采用以下公式计算定性指标i对等级Aj的支持度:
进一步地,所述计算指标权重具体包括以下步骤:
步骤SC1:根据预设标度规则专家k(k=1,2,3,...,T)对所有指标进行两两相对重要性比较,得到三角模糊数判断矩阵Ak:
式中,Ak的中的元素akij=(lkij,mkij,ukij)表示专家k对指标i比指标j重要的模糊判断程度进行判断后得到的三角模糊数,其中lkij,mkij,ukij分别表示指标i比指标j重要模糊判断程度的最小值,最可能值以及最大值,由模糊矩阵的互补性得到n表示指标个数,T表示专家个数;
步骤SC2:采用下式计算指标i模糊综合程度Qki:
步骤SC3:计算Qki的模糊限位系数ρki(a);
ρki(a)=Eki(a)eki(a)+[1-Eki(a)]σki(a);
式中,eki(a)为模糊均值,σki(a)为模糊标准差,Eki(a)为模糊信息量,
步骤SC4:采用下式计算指标局部权重ωki:
综合各个专家权重,得到指标i综合权重ωi:ωi=λk×ωki,其中λk表示专家k的权重;k=1,2,3,...,T,T表示专家个数。
进一步地,所述综合指标权重以及指标对N个等级的支持度确定该电力光传输网对N个可靠性等级的综合支持度具体为:采用下式计算得到电力光传输网对等级Aj的综合支持度:
Pj=αij×ωi;
式中,αij表示指标对等级Aj的支持度,其中,指标包括定量指标也包括定性指标,该诊断中共有N个指标,i=1,2,。。。,N.i即表示定量指标也表示定性指标。而αij表示所有指标的等级支持度。取max{P1,P2,...,Pj,...,PN}为最终评级结果。
本发明对于定性指标,利用云模型实现定性到定量的转换,并从云滴角度出发,提出了云滴对各等级云模型支持度这一概念,对云滴间相互影响进行深度挖掘,综合得到指标云模型对各等级云模型的支持度。最后对定性指标与定量指标相结合,以等级的形式给出通信网可靠性的诊断结果。
与现有技术相比,本发明有以下有益效果:发明与传统模型相比,具有客观科学、灵敏度高的优点,能够为电力光传输网可靠性评估提供可靠的决策依据。
附图说明
图1为本发明实施例的电力光传输网络可靠性诊断指标分类体系图。
图2为本发明实施例的方法原理示意图。
图3为本发明实施例的方法与传统方法的灵敏度分析对比示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图2所示,本实施例提供了一种基于云模型的电力光传输网可靠性诊断方法,具体包括以下步骤:
确定电力光传输网络可靠性诊断指标集合及指标所属的类型,其中类型包括定量类与定性类;
确定各个定量指标在预设的N个等级的取值范围以及定性指标在预设的N个等级的取值范围,并计算等级云模型参数;
确定定量类指标的实际值以及定性类指标的专家等级评价语言值;
计算指标对N个等级的支持度,并计算指标权重;
综合指标权重以及指标对N个等级的支持度确定该电力光传输网对N个可靠性等级的综合支持度;
将综合支持度大值对应的等级为所述电力光传输网络的可靠性等级。
较佳的,本实施例列出5个诊断指标(即n=5)。诊断指标分别为:光缆自然故障率、ADSS光缆总长度、最大汇聚接入网流量、设备备品备件完备性、网管系统扩展性能。其中:光缆自然故障率、ADSS光缆总长度、最大汇聚接入网流量为定量类指标;设备备品备件完备性、网管系统扩展性能为定性类指标。
需要说明的是,上述诊断指标的划分方法仅仅是示意性的,并不构成对本发明的限制。例如,对于超过五个诊断指标的情况,可以根据实际的需要自行扩展。
确定指标等级范围如下:
本实施例将可靠性指标等级分为5个等级,即(N=5)。需要说明的是,上述等级划分方法仅仅是示意性的,并不构成对本发明的限制。例如,对于超过五个可靠性等级的情况,可以根据实际的需要自行扩展。
在本实施例中,所述等级云模型参数的计算为:Cij=(Exij,Enij,Heij);各个参数如下表:
论域划分 | C<sub>i1</sub> | C<sub>ij</sub>,j=2,3,...,N-1 | C<sub>iN</sub> |
Ex<sub>ij</sub> | a<sub>i1</sub> | (a<sub>ij</sub>+b<sub>ij</sub>)/2 | b<sub>iN</sub> |
En<sub>ij</sub> | (b<sub>i1</sub>-a<sub>i1</sub>)/6 | (b<sub>ij</sub>-a<sub>ij</sub>)/6 | (b<sub>iN</sub>-a<sub>iN</sub>)/6 |
He<sub>ij</sub> | ε<sub>i1</sub> | ε<sub>ij</sub> | ε<sub>iN</sub> |
其中,Cij为指标i对应的等级j的等级云模型;Exij为等级云模型Cij的期望,即该概念语言值量化的最典型样本;Enij为等级云模型Cij的熵,为该定性概念语言值的不确定性度量;Heij为等级云模型Cij的超熵,为熵的不确定性度量;aij为指标i等级j的的上区间值;bij为指标i等级j的的下区间值;εij为常数,可根据实际情况的随机性和模糊性进行具体调整。
具体本实施例得到两个定性指标的结果如下:
其中,C41~C45分别表示指标“备品备件完备性”对应的等级1~5的等级云模型;C51~C55分别表示指标“网管系统扩展性能”对应的等级1~5的等级云模型。
较佳的,在本实施例中,确定定量类指标的实际值以及定性类指标的专家等级评价语言值具体为:
确定指标原始值:
对于定量类指标其原始值如下表所示:
对于定性类指标专家等级评价语言值如下表所示:
在本实施例中,所述计算指标对N个等级的支持度包括:
根据定量类指标实际值确定其对N个可靠性等级的支持度;
根据专家对定性类指标等级评级语言值结果确定其对N个可靠性等级的支持度。
在本实施例中,所述根据定量类指标实际值确定其对N个可靠性等级的支持度包括以下步骤:
步骤SA1:采用以下公式计算指标i的等级Aj间的距离::
式中,pi(i=1,2,3,...,n)为指标实际值,aij,bij为指标i的等级Aj(j=1,2,3,...,N)等级区间的边界值;所得结果如下表:
步骤SA2:采用以下公式计算距离归一化值:
其结果如下表:
指标名称 | 等级1 | 等级2 | 等级3 | 等级4 | 等级5 |
光缆自然故障率 | 1 | 0.5 | 0 | 0 | 0.5 |
ADSS光缆总长度 | -0.341 | 0.341 | 0.753 | 0.917 | 1 |
最大汇聚接入网流量 | 0.107 | -0.107 | 0.262 | 0.631 | 1 |
步骤SA3:采用以下公式计算定量类指标i对等级Aj支持度:
αij=1-dij';
其结果如下:
指标名称 | 等级1 | 等级2 | 等级3 | 等级4 | 等级5 |
光缆自然故障率 | 0 | 0.5 | 1 | 1 | 0.5 |
ADSS光缆总长度 | 1.341 | 0.659 | 0.247 | 0.083 | 0 |
最大汇聚接入网流量 | 0.893 | 1.107 | 0.738 | 0.369 | 0 |
在本实施例中,所述根据专家对定性类指标等级评级语言值结果确定其对N个可靠性等级的支持度包括以下步骤:
步骤SB1:根据专家对定性类指标i的等级语言值评价,采用以下公式计算指标综合云模型Ci=(Exi,Eni,Hei):
式中,Exi、Eni、Hei分别为指标综合云模型Ci的期望、熵、超熵;λk为专家k(k=1,2,3,...,t)的权重;Exik、Enik、Heik为专家k对指标i等级语言值评价对应的等级云模型的期望、熵、超熵;结果如下:
步骤SB2:确定指标综合云模型距离N个等级云模型的距离:指标综合云模型云Ci通过正向云发生器生成T个证据云滴,并采用以下公式计算证据云滴m(m=1,2,3,...,T)到等级云模型Cj中心(Exj,0)的距离欧式几何距离:
式中,μ表示证据云滴函数值;
步骤SB3:根据各证据云滴与各等级云模型Cj的距离,采用以下公式计算证据云滴所对应各等级的基本概率分配函数:
式中,mim(Aj)为指标综合云模型Ci上的证据云滴m对等级j的基本概率分配函数,即云滴m支持等级j的概率;
步骤SB4:采用下式计算证据云滴散度KL(mim||mil):
KL(mim||mil)表示证据云滴m与证据云滴l对各等级支持度的贴近程度,其值越小贴近程度越高;
步骤SB5:采用以下公式计算证据云滴可信度:
步骤SB6:采用以下公式对证据云滴可信度进行归一化:
并以此得到T个证据云滴的归一化可信度:ωim=[ωi1,ωi2,ωi3,...,ωiT]T;
步骤SB7:根据证据云滴的归一化可信度确定证据云滴m对等级Aj综合概率分配函数:
步骤SB8:采用以下公式,计算证据理论合成公式中的冲突因子:
步骤SB9:根据D-S证据理论合成规则,采用以下公式计算定性指标i对等级Aj的支持度:
结果如下:
在本实施例中,所述计算指标权重具体包括以下步骤:
步骤SC1:根据预设标度规则专家k(k=1,2,3,...,T)对所有指标进行两两相对重要性比较,得到三角模糊数判断矩阵Ak:
式中,Ak的中的元素akij=(lkij,mkij,ukij)表示专家k对指标i比指标j重要的模糊判断程度进行判断后得到的三角模糊数,其中lkij,mkij,ukij分别表示指标i比指标j重要模糊判断程度的最小值,最可能值以及最大值,由模糊矩阵的互补性得到n表示指标个数,T表示专家个数;
共有5位专家(即T=5)根据1~9标度规则对各指标进行两两相对重要性比较,得到三角模糊数判断矩阵,此实施例中仅列出专家1所给出的模糊判别矩阵A1,如下:
步骤SC2:采用下式计算指标i模糊综合程度Qki:
专家1所给出的模糊判别矩阵A1指标i模糊综合程度Q1i结果为:
步骤SC3:计算Qki的模糊限位系数ρki(a);
ρki(a)=Eki(a)eki(a)+[1-Eki(a)]σki(a);
式中,eki(a)为模糊均值,σki(a)为模糊标准差,Eki(a)为模糊信息量,具体的,首先计算Q1i的模糊均值e1i:
接着计算Q1i的模糊标准差σ1i:
然后计算Q1i的模糊信息量E1i:
最后Q1i的模糊限位系数ρ1i:
步骤SC4:采用下式计算指标局部权重ωki:
计算专家1所给出的模糊判别矩阵A1指标i局部权重w1i:
综合各个专家权重,得到指标i综合权重ωi:ωi=λk×ωki,其中λk表示专家k的权重;k=1,2,3,...,T,T表示专家个数。结果为:W=[0.2588,0.2017,0.3372,0.1147,0.0877]。
在本实施例中,所述综合指标权重以及指标对N个等级的支持度确定该电力光传输网对N个可靠性等级的综合支持度具体为:采用下式计算得到电力光传输网对等级Aj的综合支持度:
Pj=αij×ωi;
式中,αij表示定量及定性指标对等级Aj的支持度,取max{P1,P2,...,Pj,...,PN}为最终评级结果。
本实施例计算电力光传输网络对N个可靠性等级的综合支持度,结果如下表所示:
由上表可知,本实施例的电力光传输网络可靠性等级为较好。
特别的,接下来本实施例以定性指标“备品备件完备性”和“网管系统扩展性能”为例,将传统的云模型贴进度算法与本发明计算定性指标对各等级云模型支持度的算法进行对比,比较两种算法的敏感度,包括以下步骤:
步骤1:根据传统云模型贴进度算法计算指标综合云模型与各等级云模型的贴进度,其算法步骤如下:
步骤1.1:两朵云通过正向云发生器各自生成n个云滴;
步骤1.2:将各自云滴按横坐标大小从小到大进行排列;
步骤1.3:对云滴进行筛选,保留落在[Ex-3En,Ex+3En]的云滴;
步骤1.4:设筛选后的两朵云的云滴数分别n1和n2,假设n1>n2,将第一朵云n1个云滴中随机选取n2个云滴,对云滴按横坐标从小到大进行排序,保留在集合drop1和drop2中,若n1<n2,则与此类似;
步骤1.5:将两个集合drop1和drop2按对应的次序计算各云滴(x,μ(x))之间的贴进度:
根据所述步骤,计算“备品备件完备性”指标综合云模型C4=(0.6,0.034,0.0142)与其对应的五个等级云模型间的贴进度,以及“网管系统扩展性能”指标综合云模型C5=(0.62,0.034,0.0056)与其对应的五个等级云模型间的贴进度,结果如下表所示:
步骤2:计算两种算法敏感度
定义敏感度为:
其中,αijmax表示指标综合云模型对所有等级云模型的支持度(或贴进度)的最大值;αijmin表示指标综合云模型对所有等级云模型的支持度(或贴进度)的最小值。
由公式可知,敏感度表示的是同一定性指标对不同等级的支持度(或贴进度)的区分程度。明显地,敏感度越大,对应决策模型的区分度就越大,评价效果越好。
计算两种算法敏感度结果如图3所示。由图3可知,本发明的算法敏感度明显高于传统算法,因此本发明的算法具有更高的可靠性。
本实施例对于定性指标,利用云模型实现定性到定量的转换,并从云滴角度出发,提出了云滴对各等级云模型支持度这一概念,对云滴间相互影响进行深度挖掘,综合得到指标云模型对各等级云模型的支持度。最后对定性指标与定量指标相结合,以等级的形式给出通信网可靠性的诊断结果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,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、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (7)
1.一种基于云模型的电力光传输网可靠性诊断方法,其特征在于,包括以下步骤:
确定电力光传输网络可靠性诊断指标集合及指标所属的类型,其中类型包括定量类与定性类;
确定各个定量指标在预设的N个等级的取值范围以及定性指标在预设的N个等级的取值范围,并计算等级云模型参数;
确定定量类指标的实际值以及定性类指标的专家等级评价语言值;
计算指标对N个等级的支持度,并计算指标权重;
综合指标权重以及指标对N个等级的支持度确定该电力光传输网对N个可靠性等级的综合支持度;
将综合支持度最大值对应的等级为所述电力光传输网络的可靠性等级。
2.根据权利要求1所述的一种基于云模型的电力光传输网可靠性诊断方法,其特征在于,所述等级云模型参数的计算为:Cij=(Exij,Enij,Heij);其中,Cij为指标i对应的等级j的等级云模型;Exij为等级云模型Cij的期望,Enij为等级云模型Cij的熵,Heij为等级云模型Cij的超熵。
3.根据权利要求1所述的一种基于云模型的电力光传输网可靠性诊断方法,其特征在于,所述计算指标对N个等级的支持度包括:
根据定量类指标实际值确定其对N个可靠性等级的支持度;
根据专家对定性类指标等级评级语言值结果确定其对N个可靠性等级的支持度。
4.根据权利要求3所述的一种基于云模型的电力光传输网可靠性诊断方法,其特征在于,所述根据定量类指标实际值确定其对N个可靠性等级的支持度包括以下步骤:
步骤SA1:采用以下公式计算指标i的等级Aj间的距离::
式中,pi(i=1,2,3,...,n)为指标实际值,aij,bij为指标i的等级Aj(j=1,2,3,...,N)等级区间的边界值;
步骤SA2:采用以下公式计算距离归一化值:
步骤SA3:采用以下公式计算定量类指标i对等级Aj支持度:
αij=1-dij'。
5.根据权利要求3所述的一种基于云模型的电力光传输网可靠性诊断方法,其特征在于,所述根据专家对定性类指标等级评级语言值结果确定其对N个可靠性等级的支持度包括以下步骤:
步骤SB1:根据专家对定性类指标i的等级语言值评价,采用以下公式计算指标综合云模型Ci=(Exi,Eni,Hei):
式中,Exi、Eni、Hei分别为指标综合云模型Ci的期望、熵、超熵;λk为专家k(k=1,2,3,…,t)的权重;Exik、Enik、Heik为专家k对指标i等级语言值评价对应的等级云模型的期望、熵、超熵;
步骤SB2:确定指标综合云模型距离N个等级云模型的距离:指标综合云模型云Ci通过正向云发生器生成T个证据云滴,并采用以下公式计算证据云滴m(m=1,2,3,...,T)到等级云模型Cj中心(Exj,0)的距离欧式几何距离:
式中,μ表示证据云滴函数值;
步骤SB3:根据各证据云滴与各等级云模型Cj的距离,采用以下公式计算证据云滴所对应各等级的基本概率分配函数:
式中,mim(Aj)为指标综合云模型Ci上的证据云滴m对等级j的基本概率分配函数,即云滴m支持等级j的概率;
步骤SB4:采用下式计算证据云滴散度KL(mim||mil):
步骤SB5:采用以下公式计算证据云滴可信度:
步骤SB6:采用以下公式对证据云滴可信度进行归一化:
并以此得到T个证据云滴的归一化可信度:ωim=[ωi1,ωi2,ωi3,...,ωiT]T;
步骤SB7:根据证据云滴的归一化可信度确定证据云滴m对等级Aj综合概率分配函数:
步骤SB8:采用以下公式,计算证据理论合成公式中的冲突因子:
步骤SB9:根据D-S证据理论合成规则,采用以下公式计算定性指标i对等级Aj的支持度:
6.根据权利要求3所述的一种基于云模型的电力光传输网可靠性诊断方法,其特征在于,所述计算指标权重具体包括以下步骤:
步骤SC1:根据预设标度规则专家k(k=1,2,3,...,T)对所有指标进行两两相对重要性比较,得到三角模糊数判断矩阵Ak:
式中,Ak的中的元素akij=(lkij,mkij,ukij)表示专家k对指标i比指标j重要的模糊判断程度进行判断后得到的三角模糊数,其中lkij,mkij,ukij分别表示指标i比指标j重要模糊判断程度的最小值,最可能值以及最大值,由模糊矩阵的互补性得到n表示指标个数,T表示专家个数;
步骤SC2:采用下式计算指标i模糊综合程度Qki:
步骤SC3:计算Qki的模糊限位系数ρki(a);
ρki(a)=Eki(a)eki(a)+[1-Eki(a)]σki(a);
式中,eki(a)为模糊均值,σki(a)为模糊标准差,Eki(a)为模糊信息量,
步骤SC4:采用下式计算指标局部权重ωki:
综合各个专家权重,得到指标i综合权重ωi:ωi=λk×ωki,其中λk表示专家k的权重;k=1,2,3,...,T,T表示专家个数。
7.根据权利要求1所述的一种基于云模型的电力光传输网可靠性诊断方法,其特征在于,所述综合指标权重以及指标对N个等级的支持度确定该电力光传输网对N个可靠性等级的综合支持度具体为:采用下式计算得到电力光传输网对等级Aj的综合支持度:
Pj=αij×ωi;
式中,αij表示指标对等级Aj的支持度,取max{P1,P2,...,Pj,...,PN}为最终评级结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696732.1A CN110458432B (zh) | 2019-07-30 | 2019-07-30 | 一种基于云模型的电力光传输网可靠性诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696732.1A CN110458432B (zh) | 2019-07-30 | 2019-07-30 | 一种基于云模型的电力光传输网可靠性诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110458432A true CN110458432A (zh) | 2019-11-15 |
CN110458432B CN110458432B (zh) | 2022-10-04 |
Family
ID=68484186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910696732.1A Active CN110458432B (zh) | 2019-07-30 | 2019-07-30 | 一种基于云模型的电力光传输网可靠性诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458432B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090242A (zh) * | 2019-11-26 | 2020-05-01 | 安徽江淮汽车集团股份有限公司 | 自动驾驶测试系统精度验证方法、装置、设备及存储介质 |
CN111476454A (zh) * | 2020-03-03 | 2020-07-31 | 浙江海洋大学 | 一种使用云模型的复杂水上交通情景危险度评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160224922A1 (en) * | 2015-02-02 | 2016-08-04 | Korea Institute Of Civil Engineering And Building Technology | System and method for evaluating performance of infrastructure |
CN108399340A (zh) * | 2018-03-06 | 2018-08-14 | 中国民航大学 | 基于改进fahp和云模型的机载网络安全风险评估方法 |
CN108415913A (zh) * | 2017-02-09 | 2018-08-17 | 周孟 | 基于不确定邻居的人群定向方法 |
CN108960618A (zh) * | 2018-06-29 | 2018-12-07 | 厦门大学 | 一种基于bim和云证据理论的施工风险预警方法 |
-
2019
- 2019-07-30 CN CN201910696732.1A patent/CN110458432B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160224922A1 (en) * | 2015-02-02 | 2016-08-04 | Korea Institute Of Civil Engineering And Building Technology | System and method for evaluating performance of infrastructure |
CN108415913A (zh) * | 2017-02-09 | 2018-08-17 | 周孟 | 基于不确定邻居的人群定向方法 |
CN108399340A (zh) * | 2018-03-06 | 2018-08-14 | 中国民航大学 | 基于改进fahp和云模型的机载网络安全风险评估方法 |
CN108960618A (zh) * | 2018-06-29 | 2018-12-07 | 厦门大学 | 一种基于bim和云证据理论的施工风险预警方法 |
Non-Patent Citations (8)
Title |
---|
DZMITRY KLIAZOVICH ET AL: "CA-DAG: Modeling Communication-Aware Applications for Scheduling in Cloud Computing", 《JOURNAL OF GRID COMPUTING》 * |
DZMITRY KLIAZOVICH ET AL: "CA-DAG: Modeling Communication-Aware Applications for Scheduling in Cloud Computing", 《JOURNAL OF GRID COMPUTING》, 1 March 2016 (2016-03-01), pages 3 - 15 * |
刁少岚: "电力光纤通信线路的安全评估", 《中国优秀硕士学位论文全文数据库》 * |
刁少岚: "电力光纤通信线路的安全评估", 《中国优秀硕士学位论文全文数据库》, no. 11, 15 November 2008 (2008-11-15), pages 6 - 42 * |
杨洁 等: "正态云模型研究回顾与展望", 《计算机学报》 * |
杨洁 等: "正态云模型研究回顾与展望", 《计算机学报》, vol. 41, no. 3, 19 August 2017 (2017-08-19), pages 724 - 738 * |
王颖: "电网广域测量系统通信网风险评估的研究与应用", 《中国优秀硕士学位论文全文数据库》 * |
王颖: "电网广域测量系统通信网风险评估的研究与应用", 《中国优秀硕士学位论文全文数据库》, no. 7, 15 July 2013 (2013-07-15), pages 6 - 45 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090242A (zh) * | 2019-11-26 | 2020-05-01 | 安徽江淮汽车集团股份有限公司 | 自动驾驶测试系统精度验证方法、装置、设备及存储介质 |
CN111090242B (zh) * | 2019-11-26 | 2021-04-16 | 安徽江淮汽车集团股份有限公司 | 自动驾驶测试系统精度验证方法、装置、设备及存储介质 |
CN111476454A (zh) * | 2020-03-03 | 2020-07-31 | 浙江海洋大学 | 一种使用云模型的复杂水上交通情景危险度评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110458432B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109587713B (zh) | 一种基于arima模型的网络指标预测方法、装置及存储介质 | |
He et al. | Online dynamic security assessment with missing pmu measurements: A data mining approach | |
CN110703057A (zh) | 基于数据增强和神经网络的电力设备局部放电诊断方法 | |
CN104850727A (zh) | 基于云重心理论的分布式大数据系统风险评估方法 | |
CN110232499A (zh) | 一种配电网信息物理侧风险预警方法及系统 | |
CN113901977A (zh) | 一种基于深度学习的电力用户窃电识别方法及系统 | |
CN110458432A (zh) | 一种基于云模型的电力光传输网可靠性诊断方法 | |
CN107832927A (zh) | 基于灰色关联分析法的10kV线路线变关系评价方法 | |
CN111837141A (zh) | 信息处理装置、信息处理方法以及存储介质 | |
CN103957116A (zh) | 一种云故障数据的决策方法及系统 | |
CN108446712A (zh) | Odn网智能规划方法、装置及系统 | |
CN114757392A (zh) | 基于博弈权重法的电网系统综合评价指标体系优化方法 | |
Drago | Interval based composite indicators | |
CN109886316B (zh) | 基于云系相似度权重分配的变压器状态参量组合预测方法 | |
Aksoy et al. | City typologies of Europe: A tool to support urban sustainability studies and practices | |
CN106548259B (zh) | 完全截断数据条件下旋转机械健康状态预测的几何方法 | |
CN105868435B (zh) | 一种基于线性相关性分析实现光网络建设的高效控制方法 | |
CN108122054A (zh) | 一种基于图计算的电力系统拓扑实时计算方法 | |
CN109447490B (zh) | 一种基于用户地址的户变关系异常判别方法 | |
Hu et al. | Power grid's Intelligent Stability Analysis based on big data technology | |
CN115598459A (zh) | 一种配电网10kV馈线故障停电预测方法 | |
CN110209713A (zh) | 异常网架结构识别方法及装置 | |
JP2020035042A (ja) | データ判定装置、方法、及びプログラム | |
CN110020756A (zh) | 一种基于大数据聚类与分级优化的输电网规划方法 | |
Gutiérrez-Pérez et al. | An approach based on ranking elements to form supply clusters in Water Supply Networks as a support to vulnerability assessment |
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 |