CN111027881A - 基于改进灰色关联度的输电杆塔自然灾害损失评估方法 - Google Patents

Abstract

本发明提出一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，包括如下步骤：步骤S1：定义m种气象灾害，n个评价指标，构建输电杆塔灾损评估指标评价值的初始矩阵；步骤S2:根据灰色系统原理，对输电杆塔灾损评估指标评价值的初始矩阵进行无量纲化处理；步骤S3：根据灰色关联方法，以杆塔全倒伏的指标为参考序列，各自然灾害下的杆塔受损情况为目标序列，建立杆塔评估模型；步骤S4：采用熵值法对各个评价指标权重进行计算；步骤S5：计算参考序列和目标序列之间的关联度；步骤S6：利用关联度评估杆塔在不同自然灾害下的受损程度。其采用熵值法对传统灰色关联度增加各指标权重的影响，建立适合输电杆塔在自然灾害下受损情况的灰色关联模型。

Description

基于改进灰色关联度的输电杆塔自然灾害损失评估方法

技术领域

本发明属于电力运维巡检技术领域，尤其涉及一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法。

背景技术

随着我国国民经济的迅速发展，对未来电网的建设有了更高的要求。在更大范围内升级我国能源资源配置方式，进一步完善电力持续增长的机制。鉴于输电线路和变电站的重要性，电力运维巡检工作成为了重中之重。输电线路是电力行业极为重要的一部分，为保证输电配电工作的顺利完成。输电线路常年暴露在野外，在承受自身设备压力的同时还需面对极端天气，例如雨雪、风、湿度、气压等外部因素的干扰。输电杆塔则是输电线路的重要支撑，关系着电力系统的稳定运行。长期处于该环境下的输电杆塔伴有腐蚀，下沉，倾斜，倒杆等危险。遇上特大自然灾害时，电力设备受损停运增加，年均负荷增加，正常状态占比下降，并伴有严重的缺陷故障，一旦发生倒伏，必定引起大量的电力线路瘫痪，造成城市大面积停电，严重影响居民的正常生活。

近年来，无人机技术在灾后电力巡检领域广泛使用，使运维效率极大提升。对于严重的自然灾害，救援人员很难第一时间全面了解灾后现场的情况，而无人机可摆脱地面的种种不利因素，进行深入彻底的勘测灾后现场的实际情况。无人机通过拍摄的图像生成正射图，灾区三维模型，协助救援人员查看建筑物的破坏程度、道路通行能力、遇难人员分布等。使用无人机在灾后拍摄受损的输电设备对输电线路进行灾后的损失评估，能在短时间内准确而快速的评估灾后电力设施的情况。然而由于输电杆塔倒伏数据稀少，灾后杆塔倒伏的评估一直缺少深入的研究，使得灾后的电力灾损评估成为难点。因此本发明利用数理统计法，结合无人机在灾后拍摄的杆塔图片，分析灾后输电杆塔倒伏情况，实现灾后救援工作的顺利进行。.

发明内容

本发明的目的在于针对以上问题，提出了一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法。灰色关联度是灰色关联因素集合通过灰色关联算子作用后进行的量化分析，其基本思想就是根据描述所研究系统指标序列曲线的几何形状与所选的标准系统指标序列曲线的相似程度来判断它们的关联程度。曲线形状越接近，说明相对应的指标序列关联程度越大。灰色关联度分析的实质是整体比较，选准反映系统行为特征的数据序列，然后使系统中各有效因素与之对比，然后进行关联度分析，得到合理的结论。但是传统的灰色关联度分析法没有考虑到不同因素对结果的影响是不同的，因此本发明提出改进的灰色关联分析法，在原本计算关联度的同时增加权重的影响，改进后的模型更能贴近实际杆塔灾害评估的情况。同时，灰色关联度分析可以通过有限的样本数据推算出模糊的相互关系，能够有效解决杆塔数据库稀少的问题，对科学的评估灾害后杆塔倒伏情况有显著的效果。

其主要分为以下几个步骤：数据处理、构建初始化矩阵、数据无量纲化、杆塔评估模型的建立、建立各指标权重、计算关联度、利用关联度评估杆塔在不同自然灾害下的受损程度。

本发明具体采用以下技术方案：

一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，包括如下步骤：

步骤S1：定义m种气象灾害，n个评价指标，构建输电杆塔灾损评估指标评价值的初始矩阵：可以通过采集历年来不同灾害过后无人机拍摄的输电杆塔的受损情况，包括倒伏杆塔、倾斜杆塔以及受损的杆塔图像；灾害现场的一些相关数据包括：杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度、塔基淹没情况。除上述指标外，本发明可以适应更多的指标类型，只需扩展初始化矩阵的列维度；对收集到数据进行系统化的统计和分类，以供后续步骤使用；

步骤S2:根据灰色系统原理，对输电杆塔灾损评估指标评价值的初始矩阵进行无量纲化处理：根据《气象灾情收集上报调查和评估试行规定》以死亡人数、受灾人数、经济损失3个方面作为灾情评估指标；本发明按照电力运维检修的相关规定对其进行适当的改进，选定倒伏杆塔、受损杆塔为一级指标，直接经济损失为二级指标、杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度以及塔基淹没情况作为三级指标；由于上述指标物理意义和计量单位不同,应当对指标进行无量纲化处理,使灾害等级划分标准统一；根据灰色系统原理,对分级指标进行相应的函数转换；本发明采用无量纲化的标准差标准化法对分级指标作相应的函数转换；

步骤S3：根据灰色关联方法，以杆塔全倒伏的指标为参考序列，各自然灾害下的杆塔受损情况为目标序列，建立杆塔评估模型；

步骤S4：采用熵值法对各个评价指标权重进行计算：传统的灰色关联度在计算关联度时缺少对指标影响的分析。在实际操作中各个指标之间肯定存在不同的重要性，仅用平均加权方式是无法体现模型真正的作用；因此本发明鉴于输电线路结构特征，提出采用熵值法对权重进行计算；熵值法是应用最广泛的客观赋权法，主要依靠原始数据的相互关系来获得权重，建立在比较可靠的数学基础之上；熵值用来测试信息的无序度，熵值越小，信息的无序型越低，其信息的效用值越高；

步骤S5：计算参考序列和目标序列之间的关联度；

步骤S6：利用关联度评估杆塔在不同自然灾害下的受损程度。

优选地，在步骤S1当中：所述评价指标包括：倒伏杆塔、受损杆塔、直接经济损失、杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度以及塔基淹没情况；在步骤S2当中，选定倒伏杆塔、受损杆塔为一级指标，直接经济损失为二级指标，杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度以及塔基淹没情况为三级指标。

优选地，在步骤S1当中：

以x_ij表示第i个供应商的第j个指标的评价值，则输电杆塔灾损评估指标评价值的初始矩阵为：

优选地，步骤S2对评价指标进行分级，并采用无量纲化的标准差标准化法对分级后的评价指标作相应的函数转换：

其中

为各评价值的平均和，S_j为评价值的标准差：

经过标准差标准化处理后得到新数据x′_ij，即为无量纲化数据。

优选地，步骤S3具体包括以下过程：

步骤S31：设置参考序列：X₀＝{X₀|i＝1,2,...,n}，目标序列：X_i＝{X_i(j)|j＝1,2,...,n}；步骤S32：计算参考序列X₀和比较序列X_i的第j项指标的绝对误差值：

Δj＝|x₀(j)-x_i(j)| (5)

步骤S33：计算参考序列X₀和比较序列X_i的最大差和最小差：

Δmax＝max|x₀(j)-x_i(j)| (6)

Δmin＝min|x₀(j)-x_i(j)| (7)

步骤S34：在所有最小位移差里找出二级最大位移差和二级最小位移差：

Δmax'＝max[max|x₀(j)-x_i(j)|] (8)

Δmin'＝min[min|x₀(j)-x_i(j)|] (9)

步骤S35：求得在j点处的关联系数：

上式中，ρ为分辨系数，ρ∈[0,1]，一般取0.5，ρ越小则分辨系数越高。。

优选地，步骤S4具体包括以下过程：

步骤S41：计算各数据的特征比重：

h_ij表示第j个指标属性下第i个项目的特征比重或贡献值；

设第j项指标的信息熵值为：

其中，k是与m有关的常数，k＝(ln m)^-1，0≤e＜1，当e_j＝1时，表示j项指标对综合评价的效用值为零；

步骤S42：计算指标x_j的差异性系数g_j：

g_j＝1-e_j (13)

其中，g_j是该指标的信息熵e_j与1的差值决定指标的信息效用价值，即熵值法计算权重的本质，其价值系数越高，对评价的重要性越大；

步骤S43：计算第j项指标的权重为：

优选地，步骤S5具体包括以下过程：

考虑到n项指标的关联系数集中体现在关联度γ(j)上；它是比较序列与参考序列中各项指标的关联系数总和的平均值；因此，利用各评价指标的权重对各关联系数进行加权求和：

γ(j)反映了比较序列与参考序列的关联(即接近)程度,关联度越大,说明灾情越严重。

优选地，步骤S6具体包括以下过程：

根据步骤S4和步骤S5获得不同自然灾害下对输电杆塔损坏的关联度，将关联度排序后得到关联序列，记为{R}，值越大，说明关联度越大，杆塔损伤越严重。该方法对评估指标没有限制，另外对于灾情标准也没有严格限制，不仅可以应用于气象灾害中不同种类灾害的杆塔灾情比较，也能够用于比较同一灾级中的不同灾情差异。

相较于现有技术，本发明及其优选方案的创新点在于提出了基于改进灰色关联度的输电杆塔自然灾害损失评估方法，收集无人机在不同灾害下航拍的输电杆塔图像，通过分类，筛选，统计灾区受损杆塔的数量及周边情况。同时总结灰色关联度分析方法的理论信息，在对现阶段关联度研究特点深入分析的基础上，采用熵值法对传统灰色关联度增加各指标权重的影响，改进并建立适合输电杆塔在自然灾害下受损情况的灰色关联模型。通过模型计算关于不同灾害下杆塔受损的关联度并可以对其进行由大到小的排序，关联度越大说明杆塔受损就越严重。基于改进的灰色关联度杆塔灾损模型更加贴近实际灾害损失评估的操作，全面且科学的权衡各因素对评估结果的影响，本方案是应用在自然灾害影响下的输电线路行之有效的评估方法，对输电线网的防灾抗灾工作具有重要的指导作用。

附图说明

下面结合附图和具体实施方式对本发明进一步详细的说明：

图1是本发明实施例整体流程示意图。

具体实施方式

为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：

如图1所示，本实施例总体流程主要通过以下步骤依次展现：

1、数据处理。采集历年来不同灾害过后无人机拍摄的输电杆塔的受损情况，包括倒伏杆塔、倾斜杆塔以及受损的杆塔图像；以及灾害现场的一些相关数据:杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度、塔基淹没情况。对收集到数据进行系统化的统计和分类。

2、构建初始化矩阵。设置有m种气象灾害，7个评价指标，评价指标如步骤1所提到的杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度、塔基淹没情况。以x_ij表示第i个供应商的第j个指标的评价值，则输电杆塔灾损评估指标评价值的初始矩阵为：

3、数据无量纲化。根据《气象灾情收集上报调查和评估试行规定》以死亡人数、受灾人数、经济损失3个方面作为灾情评估指标(见表1)。本发明按照电力运维检修的相关规定对其进行适当的改进，选定倒伏杆塔、受损杆塔和直接经济损失、杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度以及塔基淹没情况作为灾情评估指标。由于上述指标物理意义和计量单位不同,应当对指标进行无量纲化处理,使灾害等级划分标准统一。根据灰色系统原理,对分级指标进行相应的函数转换，按照其影响杆塔正常运行的严重程度，分为一级指标，二级指标和三级指标(见表2)。本实施例采用无量纲化的标准差标准化法对分级指标作相应的函数转换。

其中

为各因素的平均加权和，S_j为标准差：

经过标准差标准化处理后得到新数据x′_ij，即为无量纲化数据。

表1:气象灾情评估标准

表2:杆塔灾情评估指标

4、杆塔评估模型的建立。按照灰色关联方法，设置参考序列X₀＝{X₀|i＝1,2,...,n}，目标序列X_i＝{X_i(j)|j＝1,2,...,n}。本实施例中以杆塔全倒伏的指标为参考序列，各自然灾害下的杆塔受损情况为目标序列。利用求得的转换函数值,根据下式计算参考序列X₀和比较序列X_i的第j项指标的绝对误差值。

Δj＝|x₀(j)-x_i(j)| (19)

接着求其最大差和最小差：

Δmax＝max|x₀(j)-x_i(j)| (20)

Δmin＝min|x₀(j)-x_i(j)| (21)

最后在所有最小位移差里找出二级最大位移差和二级最小位移差：

Δmax'＝max[max|x₀(j)-x_i(j)|] (22)

Δmin'＝min[min|x₀(j)-x_i(j)|] (23)

进一步求得在j点处的关联系数为：

上式中，ρ为分辨系数，ρ∈[0,1]，该发明取0.5，ρ越小则分辨系数越高。

5、建立各指标权重。传统的灰色关联度在计算关联度时缺少对指标影响的分析。在实际操作中各个指标之间肯定存在不同的重要性，仅用平均加权方式是无法体现模型真正的作用。因此本实施例鉴于输电线路结构特征提出采用熵值法对权重进行计算。熵值法是应用最广泛的客观赋权法，主要依靠原始数据的相互关系来获得权重，建立在比较可靠的数学基础之上。熵值用来测试信息的无序度，熵值越小，信息的无序型越低，其信息的效用值越高。

(1)首先计算各数据的特征比重：

h_ij表示第j个指标属性下第i个项目的特征比重或贡献值。

(2)设第j项指标的信息熵值为：

k是与m有关的常数，k＝(ln m)^-1，0≤e＜1。当e_j＝1时，表示j项指标对综合评价的效用值为零。

(3)计算指标x_j的差异性系数g_j：

g_j＝1-e_j (27)

g_j是该指标的信息熵e_j与1的差值决定指标的信息效用价值，即熵值法计算权重的本质，其价值系数越高，对评价的重要性越大。

(4)第j项指标的权重为：

6、计算关联度。分析过程中，n项指标的关联系数集中体现在关联度γ(j)上。它是比较序列与参考序列中各项指标的关联系数总和的平均值。根据步骤5，利用各评价指标的权重对各关联系数进行加权求和。

γ(j)反映了比较序列与参考序列的关联(即接近)程度,关联度越大,说明灾情越严重。

7、利用关联度评估杆塔在不同自然灾害下的受损程度。根据上述方式获得不同自然灾害下对输电杆塔损坏的关联度，将关联度排序后得到了关联序列，记为{R}，它反映了各比较数列相对于目标序列的相似性，值越大，说明关联度越大，杆塔损伤越严重。该方法对评估指标没有限制，另外对于灾情标准也没有严格限制，不仅可以应用于气象灾害中不同种类灾害的杆塔灾情比较，也能够用于比较同一灾级中的不同灾情差异。

本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的基于改进灰色关联度的输电杆塔自然灾害损失评估方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (8)

1.一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，包括如下步骤：

步骤S1：定义m种气象灾害，n个评价指标，构建输电杆塔灾损评估指标评价值的初始矩阵；

步骤S2:根据灰色系统原理，对输电杆塔灾损评估指标评价值的初始矩阵进行无量纲化处理；

步骤S3：根据灰色关联方法，以杆塔全倒伏的指标为参考序列，各自然灾害下的杆塔受损情况为目标序列，建立杆塔评估模型；

步骤S4：采用熵值法对各个评价指标权重进行计算；

步骤S5：计算参考序列和目标序列之间的关联度；

步骤S6：利用关联度评估杆塔在不同自然灾害下的受损程度。

2.根据权利要求1所述的一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，在步骤S1当中：所述评价指标包括：倒伏杆塔、受损杆塔、直接经济损失、杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度以及塔基淹没情况；在步骤S2当中，选定倒伏杆塔、受损杆塔为一级指标，直接经济损失为二级指标，杆塔锈蚀等级、杆塔上部件受损程度、杆塔周围温湿度以及塔基淹没情况为三级指标。

3.根据权利要求1所述的一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，在步骤S1当中：

以x_ij表示第i个供应商的第j个指标的评价值，则输电杆塔灾损评估指标评价值的初始矩阵为：

4.根据权利要求3所述的一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，步骤S2对评价指标进行分级，并采用无量纲化的标准差标准化法对分级后的评价指标作相应的函数转换：

其中

为各评价值的平均和，S_j为评价值的标准差：

经过标准差标准化处理后得到新数据x′_ij，即为无量纲化数据。

5.根据权利要求4所述的一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，步骤S3具体包括以下过程：

步骤S31：设置参考序列：X₀＝{X₀|i＝1,2,...,n}，目标序列：

X_i＝{X_i(j)|j＝1,2,...,n}；

步骤S32：计算参考序列X₀和比较序列X_i的第j项指标的绝对误差值：

Δj＝|x₀(j)-x_i(j)| (5)

步骤S33：计算参考序列X₀和比较序列X_i的最大差和最小差：

Δmax＝max|x₀(j)-x_i(j)| (6)

Δmin＝min|x₀(j)-x_i(j)| (7)

步骤S34：在所有最小位移差里找出二级最大位移差和二级最小位移差：

Δmax'＝max[max|x₀(j)-x_i(j)|] (8)

Δmin'＝min[min|x₀(j)-x_i(j)|] (9)

步骤S35：求得在j点处的关联系数：

上式中，ρ为分辨系数，ρ∈[0,1]。

6.根据权利要求5所述的一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，步骤S4具体包括以下过程：

步骤S41：计算各数据的特征比重：

h_ij表示第j个指标属性下第i个项目的特征比重或贡献值；

设第j项指标的信息熵值为：

其中，k是与m有关的常数，k＝(lnm)^-1，0≤e＜1，当e_j＝1时，表示j项指标对综合评价的效用值为零；

步骤S42：计算指标x_j的差异性系数g_j：

g_j＝1-e_j (13)

其中，g_j是该指标的信息熵e_j与1的差值决定指标的信息效用价值；

步骤S43：计算第j项指标的权重为：

7.根据权利要求6所述的一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，步骤S5具体包括以下过程：

利用各评价指标的权重对各关联系数进行加权求和：

γ(j)反映了比较序列与参考序列的关联程度。

8.根据权利要求7所述的一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，其特征在于，步骤S6具体包括以下过程：根据步骤S4和步骤S5获得不同自然灾害下对输电杆塔损坏的关联度，将关联度排序后得到关联序列，记为{R}，值越大，说明关联度越大，杆塔损伤越严重。

Images