CN110955649B - 一种配电网生产决策系统 - Google Patents

Abstract

本发明一种配电网生产决策系统，通过对配电设备的基础数据进行录入，完善各配电设备的相关数据，利用数据处理与分析模块建立影响配电设备分类的因素集，对配电设备故障发生的概率和周期进行分析，可以决策出维修周期，从而实现在尽量减少维修费用的同时确保配电设备生产的连续进行，控制配电设备安全问题。

Description

一种配电网生产决策系统

技术领域

本发明涉及决策系统技术领域，具体涉及一种配电网生产决策系统。

背景技术

由于我国经济的发展，国民对电力的需求也在持续的增长。由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿电容以及一些附属设施等组成的配电网结构庞大且复杂，在电力网中起重要分配电能作用。目前，配电设备量大面广、品种繁杂、制造门槛低且制造厂家众多，存在基础数据积累不足，无法准确分析各配电设备运行状态、特性及缺陷，无法判断配电设备故障发生的概率，导致无法决策出维修周期及控制配电安全等问题。鉴于此，针对上述问题提供一种配电网生产决策系统。

发明内容

针对现有技术的不足，本发明的目的是提供一种能综合现有配电设备基础数据信息，对配电设备故障发生的概率和周期进行分析，可以决策出维修周期，从而实现在尽量减少维修费用的同时确保配电设备生产的连续进行的配电网生产决策系统。

为了实现上述目的，本发明采用的技术方案如下：一种配电网生产决策系统，包括大数据平台、数据处理与分析模块和决策模块；

所述大数据平台包括数据库模块和存储模块；所述数据库模块用于记录及处理原始基础配电设备台账数据；所述存储模块用于存储配电设备台账数据；

所述数据处理与分析模块包括数据处理单元和数据分析单元；所述数据处理单元包括数据块、数据识别单元、数据规约单元和数据清洗单元；

所述决策模块包括决策单元和预警单元；

所述大数据平台、数据处理与分析模块和决策模块之间及各模块内部电连接；通过大数据平台对配电设备的基础数据进行录入，完善各配电设备的相关数据，利用数据处理与分析模块建立影响配电设备分类的因素集，对配电设备故障发生的概率和周期进行分析，决策模块决策出维修周期并预警。

进一步地，所述数据库模块通过接口数据集成。

进一步地，所述数据处理单元将因子分析模型和模糊数学隶属度结合得到单项影响因素的因子隶属度，得到单项影响因素的指标评价值，计算单项影响因素的综合权重，得到单项影响因素的综合评价权重，利用模糊关系模型得到配电设备管理的综合相关性矩阵。

进一步地，所述因子分析模型的步骤如下：

S1：建立因素集，将影响因素分为三个因素子集：

A＝{a₁,a₂,a₃}

其中，a₁为配电设备对生产成本的影响，a₂为配电设备对质量安全的影响，a₃为配电设备技术状态性；

a₁＝{a₁₁,a₁₂,a₁₃}

其中，a₁₁为配电设备购置成本价，a₁₂为配电设备利用率，a₁₃为其它替代工艺；

a₂＝{a₂₁,a₂₂,a₂₃}

其中，a₂₁为配电设备与质量关系指数，a₂₂为配电设备质量稳定性，a₂₃为配电设备操作安全性能；

a₃＝{a₃₁,a₃₂,a₃₃,a₃₄}

其中，a₃₁为配电设备出现故障对生产程度的影响关系，a₃₂为配电设备维修复杂度，a₃₃为配电设备出现事故频次，a₃₄为配电设备运行情况；

S2：将因子分析和模糊数学隶属度结合得到单项影响因素的因子隶属度，步骤如下：

X_i＝a_i1f₁+a_i2f₂+…+a_imf_m+e_i

其中，f＝(f₁,f₂,…,f_m)为m个单项影响因素的公共因子，e_i为m个单项影响因素的因子，A＝(a_ij)_p*m(i＝1,2,...,p；j＝1,2,...,m)为m个单项影响因素的因子矩阵；

对x作标准化处理，令x的均值为零，方差为1，

令

其中，

为m个单项影响因素的公共因子对第i个变量的公因子方差，δ_i为m个单项影响因素的公共因子对第i个变量的特征方差；

令

其中，λ_j为m个单项影响因素的公共因子的共性方差，A＝(a_ij)_p*m(i＝1,2,...,p；j＝1,2,...,m)为m个单项影响因素的因子矩阵；

令原m个单项影响因素的相关矩阵R＝(r_ij)，其逆矩阵为R^-1＝(r_ij)，变量特征方差的初始值取逆矩阵对角线元素的倒数，

则共同度的初始值

用(h’_i)²替代逆矩阵中的对角线元素上元素，得到m个单项影响因素的主因子解：

S3：根据上述单项影响因素的主因子解对单项影响因素样本指标进行评价；

令A为单项影响因素数据样本集合，B为单项影响因素数据样本指标评价集合，建立如下公式：

其中，m为单项影响因素数据的样本数目，n为单项影响因素数据的指标数目；

S4：计算综合权重：

单项影响因素数据的指标权重如公式：

其中，R_k为单项影响因素数据的样本数值，B_k为对应单项影响因素数据的指标数值；

S5：利用模糊关系模型计算综合权重：

其中，

为单项影响因素数据的指标权重；

通过上述公式计算综合权重矩阵A：

A＝[A₁,A₂,...,A_m]。

进一步地，所述数据分析单元将数据处理单元得到的数据构建马尔可夫模型，对配电设备技术状态进行预测。

进一步地，构建马尔可夫模型，对配电设备技术状态进行预测的步骤如下：

S6：令T个监测周期数下的配电设备测试，配电设备出现故障位于t_i监测周期，则有

S7：令α(t)＝[p_t(1),p_t(2),…,p_t(t)](t＝1,2,…,m)系统在T个监测周期数下的概率向量，构造影响概率关系矩阵P＝(p_ij)_t*t进行配电设备技术状态综合评价，

其中，P(i＝1,2,...,t,j＝1,2,...,t)为监测周期t状态下的发生概率关系矩阵，满足p_ij∈[0,1]，

进一步地，所述预警单元包括邮件系统和短信系统，将预测的配电设备技术状态情况发送到指挥中心进行警告。

本发明一种配电网生产决策系统，通过对配电设备的基础数据进行录入，完善各配电设备的相关数据，利用数据处理与分析模块建立影响配电设备分类的因素集，对配电设备故障发生的概率和周期进行分析，可以决策出维修周期，从而实现在尽量减少维修费用的同时确保配电设备生产的连续进行，控制配电设备安全问题。

附图说明

图1是本发明实施例提供的一种配电网生产决策系统示意图。

具体实施方式

下面的实施例可以帮助本领域的技术人员更全面地理解本发明，但不可以以任何方式限制本发明。

实施例

参照图1，一种配电网生产决策系统,包括大数据平台、数据处理与分析模块和决策模块；所述大数据平台包括数据库模块和存储模块，所述数据库模块用于记录及处理原始基础配电设备台账数据，所述存储模块用于存储配电设备台账数据；所述数据处理与分析模块包括数据处理单元和数据分析单元，所述数据处理单元包括数据块、数据识别单元、数据规约单元和数据清洗单元；所述决策模块包括决策单元和预警单元；通过配电设备的基础信息录入，完善配电设备的相关信息；利用数据处理与分析模块数据对录入的基础数据进行识别、规约及清洗，再进行处理得到配电设备管理的综合相关性矩阵，将数据处理单元得到的数据构建马尔可夫模型，对配电设备技术状态进行预测，可以决策出维修周期，从而实现在尽量减少维修费用的同时确保配电设备生产的连续进行，控制配电设备安全问题。

需要进一步说明的是，所述数据处理单元首先设立阈值，再将配电设备的基础信息通过设定对应阈值进行特征规约，当遍历到超过设定阈值时，清洗掉不相关的数据。

所述大数据平台、数据处理与分析模块和决策模块之间及各模块内部电连接。

所述数据库模块通过接口数据集成。

进一步，本发明所述数据库模块包括配电设备图形数据录入单元、配电设备台数录入单元、配电设备容量录入单元、配电设备成本录入单元、配电设备使用年限录入单元、配电设备运行状态录入单元、配电设备维护费用与次数录入单元、配电设备电力负荷数据录入单元和配电设备地理空间数据；所述配电设备电力负荷数据包括电压、电流、有功功率以及无功功率。

所述数据处理单元将因子分析模型和模糊数学隶属度结合得到单项影响因素的因子隶属度，得到单项影响因素的指标评价值，计算单项影响因素的综合权重，得到单项影响因素的综合评价权重，利用模糊关系模型得到配电设备管理的综合相关性矩阵。

所述数据分析单元将数据处理单元得到的数据构建马尔可夫模型，对配电设备技术状态进行预测。

所述预警单元包括邮件系统和短信系统，将预测的配电设备技术状态情况发送到指挥中心进行警告，方便指挥中心即时发现问题。

所述因子分析模型的步骤如下：

S1：建立因素集，将影响因素分为三个因素子集：

A＝{a₁,a₂,a₃}

其中，a₁为配电设备对生产成本的影响，a₂为配电设备对质量安全的影响，a₃为配电设备故障维修性；

a₁＝{a₁₁,a₁₂,a₁₃}

其中，a₁₁为配电设备购置成本价，a₁₂为配电设备利用率，a₁₃为其它替代工艺；

a₂＝{a₂₁,a₂₂,a₂₃}

其中，a₂₁为配电设备与质量关系指数，a₂₂为配电设备质量稳定性，a₂₃为配电设备操作安全性能；

a₃＝{a₃₁,a₃₂,a₃₃,a₃₄}

其中，a₃₁为配电设备出现故障对生产程度的影响关系，a₃₂为配电设备维修复杂度，a₃₃为配电设备出现事故频次，a₃₄为配电设备运行情况；

S2：将因子分析和模糊数学隶属度结合得到单项影响因素的因子隶属度，步骤如下：

X_i＝a_i1f₁+a_i2f₂+…+a_imf_m+e_i

其中，f＝(f₁,f₂,…,f_m)为m个单项影响因素的公共因子，e_i为m个单项影响因素的因子，A＝(a_ij)_p*m(i＝1,2,...,p；j＝1,2,...,m)为m个单项影响因素的因子矩阵；

对x作标准化处理，令x的均值为零，方差为1，

令

其中，

为m个单项影响因素的公共因子对第i个变量的公因子方差，δ_i为m个单项影响因素的公共因子对第i个变量的特征方差；

令

其中，λ_j为m个单项影响因素的公共因子的共性方差，A＝(a_ij)_p*m(i＝1,2,...,p；j＝1,2,...,m)为m个单项影响因素的因子矩阵；

令原m个单项影响因素的相关矩阵R＝(r_ij)，其逆矩阵为R^-1＝(r_ij)，变量特征方差的初始值取逆矩阵对角线元素的倒数，

则共同度的初始值为

用(h’_i)²替代逆矩阵中的对角线元素上元素，得到m个单项影响因素的主因子解：

S3：根据上述单项影响因素的主因子解对单项影响因素样本指标进行评价；

令A为单项影响因素数据样本集合，B为单项影响因素数据样本指标评价集合，建立如下公式：

其中，m为单项影响因素数据的样本数目，n为单项影响因素数据的指标数目；

S4：计算综合权重：

单项影响因素数据的指标权重如公式：

其中，Rk为单项影响因素数据的样本数值，Bk为对应单项影响因素数据的指标数值；

S5：利用模糊关系模型计算综合权重：

其中，

为单项影响因素数据的指标权重；

通过上述公式计算综合权重矩阵A：

A＝[A₁,A₂,...,A_m]

配电设备技术状态综合评价模型的步骤如下：

S6：令T个监测周期数下的配电设备测试，配电设备出现故障位于t_i监测周期，则有

S7：令α(t)＝[p_t(1),p_t(2),…,p_t(t)](t＝1,2,…,m)系统在T个监测周期数下的概率向量，构造影响概率关系矩阵P＝(pi_j)_t*t进行配电设备技术状态综合评价，

其中，P(i＝1,2,...,t,j＝1,2,...,t)为监测周期t状态下的发生概率关系矩阵，满足p_ij∈[0,1]，

下面结合具体实施例对本发明进一步描述。

S1：建立因素集

配电设备状态由相关部件决定，因此因素子集为：

U＝{u₁,u₂,...,u_m}

其中，U为配电设备的技术状态，设u_i为第i个部件的技术状态；

A＝{a₁,a₂,a₃}

其中，a₁为配电设备对生产成本的影响，a₂为配电设备对质量安全的影响，a₃为配电设备技术状态性；

a₁＝{a₁₁,a₁₂,a₁₃}

其中，a₁₁为配电设备购置成本价，a₁₂为配电设备利用率，a₁₃为其它替代工艺；

a₂＝{a₂₁,a₂₂,a₂₃}

其中，a₂₁为配电设备与质量关系指数，a₂₂为配电设备质量稳定性，a₂₃为配电设备操作安全性能；

a₃＝{a₃₁,a₃₂,a₃₃,a₃₄}

其中，a₃₁为配电设备出现故障对生产程度的影响关系，a₃₂为配电设备维修复杂度，a₃₃为配电设备出现事故频次，a₃₄为配电设备运行情况；

S2：将因子分析和模糊数学隶属度结合得到单项影响因素的因子隶属度，得到m个单项影响因素的主因子解：

S3：对单项影响因素样本指标进行评价；

令A为各部件样本集合，B为各部件样本指标评价集合，建立如下公式：

其中，m为各部件样本数目，n为各部件指标数目；

需要进一步说明的是，对部件评价一般分别技术状态好、技术状态较好、技术状态一般及技术状态差4种情况；

S4：构建关系模型：

根据各部件的劣化程度对技术状态进行评价，得到以各部件的劣化程度为评价指标的模糊矩阵：

A＝[A₁,A₂,...,A_m]

S5：T个监测周期数下各部件出现故障位于t_i监测周期则：

S6：构造各部件影响配电设备的概率关系矩阵

P＝(pi_j)_t*t

S7：对配电设备技术状态综合评价

利用模糊变换得到配电设备的评语

S＝{s_好,s_较好,s_一般,s_差}

由此可见，利用本发明配电网生产决策系统，通过对配电设备的基础数据进行录入，完善各配电设备的相关数据，利用数据处理与分析模块建立影响配电设备分类的因素集，对配电设备故障发生的概率和周期进行分析，可以决策出维修周期，从而实现在尽量减少维修费用的同时确保配电设备生产的连续进行，控制配电设备安全问题。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (5)

1.一种配电网生产决策系统，其特征在于，包括大数据平台、数据处理与分析模块和决策模块；

所述大数据平台包括数据库模块和存储模块；所述数据库模块用于记录及处理原始基础配电设备台账数据；所述存储模块用于存储配电设备台账数据；

所述数据处理与分析模块包括数据处理单元和数据分析单元；所述数据处理单元包括数据块、数据识别单元、数据规约单元和数据清洗单元；所述数据处理单元将因子分析模型和模糊数学隶属度结合得到单项影响因素的因子隶属度，得到单项影响因素的指标评价值，计算单项影响因素的综合权重，得到单项影响因素的综合评价权重，利用模糊关系模型得到配电设备管理的综合相关性矩阵；所述因子分析模型的步骤如下：

S1：建立因素集，将影响因素分为三个因素子集：

A＝{a₁,a₂,a₃}

其中，a₁为配电设备对生产成本的影响，a₂为配电设备对质量安全的影响，a₃为配电设备技术状态性；

a₁＝{a₁₁,a₁₂,a₁₃}

其中，a₁₁为配电设备购置成本价，a₁₂为配电设备利用率，a₁₃为其它替代工艺；

a₂＝{a₂₁,a₂₂,a₂₃}

其中，a₂₁为配电设备与质量关系指数，a₂₂为配电设备质量稳定性，a₂₃为配电设备操作安全性能；

a₃＝{a₃₁,a₃₂,a₃₃,a₃₄}

其中，a₃₁为配电设备出现故障对生产程度的影响关系，a₃₂为配电设备维修复杂度，a₃₃为配电设备出现事故频次，a₃₄为配电设备运行情况；

S2：将因子分析和模糊数学隶属度结合得到单项影响因素的因子隶属度，步骤如下：

X_i＝a_i1f₁+a_i2f₂+…+a_imf_m+e_i

其中，f＝(f₁,f₂,…,f_m)为m个单项影响因素的公共因子，e_i为m个单项影响因素的因子，A＝(a_ij)_p*m，i＝1,2,...,p；j＝1,2,...,m，为m个单项影响因素的因子矩阵；

对x作标准化处理，令x的均值为零，方差为1，

令

其中，

为m个单项影响因素的公共因子对第i个变量的公因子方差，δ_i为m个单项影响因素的公共因子对第i个变量的特征方差；

令

其中，λ_j为m个单项影响因素的公共因子的共性方差，A＝(a_ij)_p*m，i＝1,2,...,p；j＝1,2,...,m，为m个单项影响因素的因子矩阵；

令原m个单项影响因素的相关矩阵R＝(r_ij)，其逆矩阵为R^-1＝(r_ij)，变量特征方差的初始值取逆矩阵对角线元素的倒数，

则共同度的初始值为

用(h’_i)²替代逆矩阵中的对角线元素上元素，得到m个单项影响因素的主因子解：

S3：根据上述单项影响因素的主因子解对单项影响因素样本指标进行评价；

令R为单项影响因素数据样本集合，B为单项影响因素数据样本指标评价集合，建立如下公式：

其中，m为单项影响因素数据的样本数目，n为单项影响因素数据样本的指标评价数目

S4：计算综合权重：

单项影响因素数据的指标权重如公式：

其中，R_k为单项影响因素数据的样本数值，B_k为对应单项影响因素数据样本的指标评价数值；

S5：利用模糊关系模型计算综合权重：

其中，

为单项影响因素数据的指标权重；

通过上述公式计算综合权重矩阵

所述决策模块包括决策单元和预警单元；

所述大数据平台、数据处理与分析模块和决策模块之间及各模块内部电连接；通过大数据平台对配电设备的基础数据进行录入，完善各配电设备的相关数据，利用数据处理与分析模块建立影响配电设备分类的因素集，对配电设备故障发生的概率和周期进行分析，决策模块决策出维修周期并预警。

2.根据权利要求1所述的一种配电网生产决策系统，其特征在于：所述数据库模块通过接口数据集成。

3.根据权利要求1所述的一种配电网生产决策系统，其特征在于：所述数据分析单元将数据处理单元得到的数据构建马尔可夫模型，对配电设备技术状态进行预测。

4.根据权利要求3所述的一种配电网生产决策系统，其特征在于：构建马尔可夫模型，对配电设备技术状态进行预测的步骤如下：

S6：令T个监测周期数下对配电设备进行测试，配电设备在t_i个监测周期可能出现故障，则有

S7：令α(t)＝[p_t(1),p_t(2),…,p_t(t)]，t＝1,2,…,m，系统在T个监测周期数下的概率向量，构造影响概率关系矩阵P＝(p_ij)_t*t进行配电设备技术状态综合评价，

其中，P，i＝1,2,...,t；j＝1,2,...,t为监测周期t状态下的发生概率关系矩阵，满足p_ij∈[0,1]，

5.根据权利要求1所述的一种配电网生产决策系统，其特征在于：所述预警单元包括邮件系统和短信系统，将预测的配电设备技术状态情况发送到指挥中心进行警告。

Images