CN111598457B - 一种电力无线网络质量的确定方法及装置 - Google Patents
一种电力无线网络质量的确定方法及装置 Download PDFInfo
- Publication number
- CN111598457B CN111598457B CN202010419787.0A CN202010419787A CN111598457B CN 111598457 B CN111598457 B CN 111598457B CN 202010419787 A CN202010419787 A CN 202010419787A CN 111598457 B CN111598457 B CN 111598457B
- Authority
- CN
- China
- Prior art keywords
- index
- analysis
- center
- determining
- indexes
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004458 analytical method Methods 0.000 claims abstract description 225
- 239000011159 matrix material Substances 0.000 claims description 52
- 239000004973 liquid crystal related substance Substances 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 235000019988 mead Nutrition 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 2
- 238000011105 stabilization Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 33
- 238000005516 engineering process Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
-
- G06Q50/40—
Abstract
本发明提供的一种电力无线网络质量的确定方法及装置,其中,该方法包括:根据电力无线网络的业务类型,确定电力无线网络质量的分析指标,生成分析指标集,分别计算各分析指标的密度参数;根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集,继而分别确定各分析指标的主观权重及客观权重,进一步地确定各指标的综合权重以及电力无线网络的质量。通过实施本发明,解决了现有技术中存在的仅基于专家经验选取各分析指标,进而对电力网络进行分析评价,使评价结果较为片面,不能准确反映电力无线网络的实际运行情况的问题,建立了多层次综合评价指标体系,保证了指标的准确性,合理且准确地评估了无线网络的服务质量。
Description
技术领域
本发明涉及智能电网领域,具体涉及一种电力无线网络质量的确定方法及装置。
背景技术
近年来,随着无线通信技术的发展,电力无线网络承载的业务种类越来越多、业务数量也越来越多,如何保证业务质量,提升业务水平,是无线通信技术在电力系统中应用发展的重要基础。
目前,对电力无线网络评价体系研究主要分为两类:一类是从电网本身出发,包括网络结构、负荷供应、设备技术、运行管理等方面;另一类是根据电网运行的特点,综合考虑可靠性、安全性和经济性,辅以技术合理性、检修水平等角度出发,反应电网的运行服务质量;以及针对电网规划的综合决策评估通常使用层次分析法和模糊评价法进行决策判断,然而上述方法主要基于专家经验进行的评价指标选取,进而确定电力无线网络的质量,仅利用基于专家经验的主观信息进行分析评价,使得评估结果呈主观性,较为片面,不能准确反映电力无线网络的实际运行情况。因此,如何准确的进行网络质量综合评估成为电力无线网络建设中亟待解决的问题。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中,基于专家经验的主观信息对电力网络进行分析评价,使得评估结果呈主观性,较为片面,不能准确反映电力无线网络的实际运行情况的缺陷,从而提供一种电力无线网络质量的确定方法及装置。
根据第一方面,本发明实施例提供了一种电力无线网络质量的确定方法,包括:根据电力无线网络的业务类型,确定所述电力无线网络质量的分析指标,生成分析指标集;根据所述分析指标集,分别计算各分析指标的密度参数;根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集;根据所述第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重;根据各分析指标的主观权重以及客观权重,分别确定各分析指标的综合权重;根据各分析指标的综合权重,确定所述电力无线网络的质量。
结合第一方面,在第一方面第一实施方式中,所述根据所述分析指标集,分别计算各分析指标的密度参数,具体包括:根据所述分析指标集,计算各分析指标的平均距离;根据所述平均距离,分别计算各分析指标的密度参数。
结合第一方面第一实施方式,在第一方面第二实施方式中,通过下述公式,计算各分析指标的密度参数:
其中,S={x1,x2,…,xn},表示所述分析指标集,xn={xn1,xn2,…,xnm},表示分析指标集内的各分析指标的值,n表示分析指标的数量,Meand(S)表示各分析指标的平均距离,den(xi,Meand)表示各分析指标的密度参数;
通过下述公式,计算所述分析指标集的密度集合:
D={den(xi,Meand),i∈(1,2,…,n)}。
结合第一方面,在第一方面第三实施方式中,所述根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集,具体包括:将密度参数等于预设密度值的分析指标确定为第一类中心指标;根据密度参数不等于预设密度值的分析指标,确定各分析指标之间的相似系数;根据所述相似系数,生成模糊相似矩阵;对所述模糊相似矩阵进行列求和,生成各分析指标的总相似度;将总相似度大于第一预设阈值的分析指标确定为第二类中心指标,根据第一类中心指标及第二类中心指标生成第一中心指标集;将总相似度小于或等于第一预设阈值的分析指标确定为非中心指标,根据所述非中心指标生成第一非中心指标集。
结合第一方面第三实施方式,在第一方面第四实施方式中,通过下述公式,确定各分析指标的总相似度:
其中,dij表示各分析指标的相似系数,aij表示模糊相似矩阵中的元素,A表示所述模糊相似矩阵,S=(Sij)n×m,Sij表示分析指标集中的分析指标值。
结合第一方面,在第一方面第五实施方式中,在所述根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集之后,还包括:对所述第一非中心指标集进行修正,生成修正后的第一非中心指标集。
结合第一方面第五实施方式,在第一方面第六实施方式中,所述对所述第一非中心指标集进行修正,生成修正后的第一非中心指标集,具体包括:根据所述第一非中心指标集,分别计算各非中心指标的熵;根据预设理想数据组以及非中心指标的熵,分别计算各非中心指标的灰色关联度;将灰色关联度小于第二预设阈值的非中心指标确定为冗余指标,并将所述冗余指标剔除;将灰色关联度大于或等于所述第二预设阈值的非中心指标确定为非冗余指标,生成修正后的第一非中心指标集。
结合第一方面,在第一方面第七实施方式中,所述根据所述第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重,具体包括:根据所述第一中心指标集以及第一非中心指标集,分别确定各分析指标的权重向量,生成超矩阵;
通过下述公式,对所述超矩阵进行归一化处理,生成加权矩阵:
通过下述公式,对所述加权矩阵进行稳定处理,生成稳定超矩阵:
当k趋于无穷,所述稳定超矩阵的极限收敛且唯一时,将所述稳定超矩阵的列向量确定为各分析指标的主观权重;
其中,W∞表示所述稳定超矩阵;k表示计量数,为正整数;N表示加权矩阵列向量的数量;
通过下述公式,根据所述第一中心指标集以及第一非中心指标集,确定各分析指标的均值:
通过下述公式,根据所述均值,确定各分析指标的均方差:
通过下述公式,根据各分析指标的均方差,分别确定各分析指标的客观权重:
结合第一方面,在第一方面第八实施方式中,通过下述公式,分别确定各分析指标的综合权重:
其中,ws表示预设主观权重系数,wo表示预设客观权重系数,α表示主观权重的相对重要因子系数,β表示客观权重的相对重要因子系数。
根据第二方面,本发明实施例提供了一种电力无线网络质量的确定装置,包括:第一生成模块,用于根据电力无线网络的业务类型,确定所述电力无线网络质量的分析指标,生成分析指标集;密度参数计算模块,用于根据所述分析指标集,分别计算各分析指标的密度参数;第二生成模块,用于根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集;主客观权重确定模块,用于根据所述第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重;综合权重确定模块,用于根据各分析指标的主观权重以及客观权重,分别确定各分析指标的综合权重;质量确定模块,用于根据各分析指标的综合权重,确定所述电力无线网络的质量。
根据第三方面,本发明实施例提供了一种计算机设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行第一方面或第一方面任一实施方式中所述的电力无线网络质量的确定方法的步骤。
根据第四方面,本发明实施例一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一实施方式所述的电力无线网络质量的确定方法的步骤。
本发明技术方案,具有如下优点:
1.本发明提供的一种电力无线网络质量的确定方法及装置,其中,该方法包括:根据不同区域的电网系统的电网架构、企业系统,从电力无线网络的可靠性、安全性以及接入性,确定了与电网质量相关的分析评价指标,结合评价分析指标,基于密度参数确定中心指标与非中心指标,继而结合特征根法以及均方差法,确定分析指标的主客观权重,进而结合主客观权重的相对重要因子系数,确定各中心指标以及非中心指标的综合权重,进而从安全性、可靠性以及接入性三方面分别确定电力无线网络的质量评分,通过实施本发明,解决了相关技术中存在的基于专家经验的主观信息对电力网络进行分析评价,使得评估结果呈主观性,较为片面,不能准确反映电力无线网络的实际运行情况的问题,建立了多层次综合评价指标体系,可以合理且准确地评估无线网络的服务质量,能够克服专家经验的不足并保证指标的准确性。同时,通过主客观结合的混合权重对评价指标进行分析,实现对电力专网业务水平的主客观综合评估。
2.本发明提供的一种电力无线网络质量的确定方法,包括:采用基于密度的模糊聚类方法进行聚类获取中心指标,并利用基于熵权的灰色关联分析法去除评价方案中冗余的非中心指标,筛除多余的非中心指标,保证了各分析指标的有效性,从而使电力无线网络的质量评分更加准确与有效。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中电力无线网络质量的确定方法的一个具体示例的流程图;
图2为本发明实施例中一种电力无线网络质量的确定装置的一个具体示例的流程框图;
图3为本发明实施例中计算机设备的一个具体示例图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
为了消除在评价电力无线网络时,过于依赖专家的主观经验的问题,本发明提供了一种电力无线网络质量的确定方法及装置,具体地,在实际应用中,我们发现对无线网络质量进行综合评估是无线网络服务中的短板,因此,对无线网络的质量进行准确评估是优化无线网络服务能力的重要手段,如何构建较为科学合理的综合评价方案,对承载的电力业务质量进行有效、准确的评估是保证业务服务质量时亟待解决的问题。
如图1所示,本发明实施例提供的一种电力无线网络质量的确定方法,包括:
步骤S11:根据电力无线网络的业务类型,确定电力无线网络质量的分析指标,生成分析指标集;在本实施例中,电力无线网络是承载电力业务的网络,电力业务可以是用电信息采集业务,根据电力无线网络的业务类型,初步确定对此电力无线网络进行评价时的分析指标集。具体地,确定分析指标集可以是根据电力无线网络的指标体系建立原则,建立面向电力无线网络的综合评价指标体系,综合评价指标体系可以包括指标层(IndividualIndex Layer,IIL)、子指标层(Sub Index Layer,SIL)和基本指标层(Basic Index Layer,BIL),例如,单指标层包括安全性指标、接入性指标以及可靠性指标,而安全性指标又可以包括多个子指标,如,防护体系、防护措施;子指标层又可以包括多个具体指标,也就是分析指标,如,防护体系可以包括:边界安全性、通道安全性、终端安全性。
示例性地,在实际应用中,分析指标集也就是所有具体指标的集合。
步骤S12:根据分析指标集,分别计算各分析指标的密度参数。在本实施例中,根据分析指标集,也就是所有具体指标的值的集合,分别计算各分析的密度参数,可以通过基于密度的模糊聚类算法,具体确定各分析指标的密度参数;
步骤S13:根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集;在本实施例中,根据密度参数的值确定各分析指标在此电力业务网络中,属于中心指标或者是非中心指标;具体地,中心指标可以表示对此电力无线网络的质量重要的指标类型,非中心指标可以表示在此种电力业务下,对电力无线网络的质量一般重要的指标类型;进而对各分析指标进行归类,分别生成第一中心指标集以及第一非中心指标集。
步骤S14:根据第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重;在本实施中,根据生成的第一中心指标集以及第一非中心指标集,分别确定各指标的主观权重以及客观权重,具体地,主观权重可以充分利用专家的经验和判断进行指标的相对优先度的确定;客观权重可以是对各分析指标的值之间数据的差异性进行比较,进而判定不同指标的重要程度吗,也就是确定的客观权重的值。
步骤S15:根据各分析指标的主观权重以及客观权重,分别确定各分析指标的综合权重;在本实施例中,综合权重的确定是基于ANP的主观权重法与均方差法客观权重法相结合而进行的,通过主观权重值、客观权重值、主观权重相对重要因子系数以及客观权重相对重要因子系数,最终确定的分析指标的综合权重,反映了该分析指标在电力无线网络的质量评价中的重要程度。可以充分利用专家的主观经验,以及保证指标数据的客观性。
步骤S16:根据各分析指标的综合权重,确定电力无线网络的质量。在本实施例中,根据各分析指标的综合权重值,以及各分析指标的分数值,在安全性、可靠性以及安全性三方面分别确定此方面得分,具体地,可以是接入性-87.406、可靠性-79.394、安全性-91.876,可以确定,在此电力无线网络中,该电力无线网络的服务质量总体较好,但可靠性相对不足,在电网建设中,可以针对于该电力无线网络的可靠性进行提升。
本发明实施例提供的一种电力无线网络质量的确定方法,包括,根据不同区域的电网系统的电网架构、企业系统,从电力无线网络的可靠性、安全性以及接入性,确定了与电网质量相关的分析评价指标,结合评价分析指标,基于密度参数确定中心指标与非中心指标,继而结合特征根法以及均方差法,确定分析指标的主客观权重,进而结合主客观权重的相对重要因子系数,确定各中心指标以及非中心指标的综合权重,进而从安全性、可靠性以及接入性三方面分别确定电力无线网络的质量评分,通过实施本发明,解决了相关技术中存在的基于专家经验的主观信息对电力网络进行分析评价,使得评估结果呈主观性,较为片面,不能准确反映电力无线网络的实际运行情况的问题,建立了多层次综合评价指标体系,可以合理且准确地评估无线网络的服务质量,能够克服专家经验的不足并保证指标的准确性。同时,通过主客观结合的混合权重对评价指标进行分析,实现对电力专网业务水平的主客观综合评估。
作为本发明的一个可选的实施方式,步骤12:根据分析指标集,分别计算各分析指标的密度参数的执行过程,具体包括:
首先,根据分析指标集,计算各分析指标的平均距离;在本实施例中,可以定义分析指标集,也就是将所有具体指标值,定义为聚类全集:S={x1,x2,…,xn},xn={xn1,xn2,…,xnm},其中,xn1表示分析指标集内的具体指标的任一个具体的值,n表示分析指标的数量,m表示电力业务数量。
通过下述公式,计算聚类全集内所有具体指标值的平均距离:
其中,xi与xj分别表示两个不同的具体指标;
其次,根据平均距离,分别计算各分析指标的密度参数;在本实施例中,可以基于所有具体指标值的平均距离,通过基于密度的模糊聚类算法,确定各具体指标的密度参数:
Meand(S)表示各分析指标的平均距离,den(xi,Meand)表示各分析指标的密度参数;
进一步地,该方法还包括:通过下述公式,计算分析指标集的密度集合D:
D={den(xi,Meand),i∈(1,2,…,n)}。
作为本发明的一个可选地实施方式,步骤13:根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集,具体包括:
首先,将密度参数等于预设密度值的分析指标确定为第一类中心指标;具体地,预设密度值可以是1,也就是说,可以将计算出密度参数为1的具体指标,也就是分析指标,确定为中心指标,归为第一类中心指标。
其次,可以基于所有密度参数不为预设密度值的指标的值,建立模拟相似矩阵A。
具体地,根据密度参数不等于预设密度值的分析指标,确定各分析指标之间的相似系数;在本实施例中,根据所有密度参数不为预设密度值的指标的值,分别计算各分析指标的相似系数:
基于所有分析指标的相似系数,建立模糊相似矩阵A:
其中,dij表示各分析指标的相似系数,aij表示模糊相似矩阵中的元素,A表示模糊相似矩阵,S=(Sij)n×m,Sij表示分析指标集中的分析指标值。
再次,对模糊相似矩阵进行列求和,生成各分析指标的总相似度;
接下来,将总相似度大于第一预设阈值的分析指标确定为第二类中心指标,根据第一类中心指标及第二类中心指标生成第一中心指标集,具体地,中心指标集包括密度参数为预设密度值的分析指标,以及对模糊相似矩阵进行列求和之后,总相似度大于第一预设阈值的分析指标,其中,第一预设阈值可以是根据具体地电力应用场景确定的置信阈值,例如,在某地区的电力专网中,可以将第一预设阈值设置为1.7000;也就是说,基于密度参数不为预设密度值的所有分析指标,当该分析指标的总相似度大于1.7000时,可以将该分析指标确定为分析此电力专网的中心指标。
同样的,将总相似度小于或等于第一预设阈值的分析指标确定为非中心指标,根据非中心指标生成第一非中心指标集。
本实施例所提供的电力无线网络质量的确定方法,通过计算所有分析指标的密度参数值,将符合预设密度值要求的分析指标归为第一类中心指标中,根据所有不符合预设密度值的分析指标,通过分别各分析指标的总相似度与第一预设阈值的比较,确定第二类中心指标以及第一非中心指标集,可以避免过度依赖专家经验的主观判断,而使评价电力无线网络的选取过于片面,从而使电力无线网络的评价不准确,规范了电力无线网络质量评价中,分析指标的选取以及重要程度的划分,使电力无线网络的划分更为准确。
作为本发明一个可选地实施方式,在执行步骤S13:根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集之后,该方法还包括:
对第一非中心指标集进行修正,生成修正后的第一非中心指标集。在本实施例中,具体包括:
首先,根据第一非中心指标集,分别计算各非中心指标的熵;在本实施例中,可以根据第一非中心指标集中的所有指标值,得到数据矩阵X=[xij]mn,其中,1≤i≤m,1≤j≤n,n可以是非中心指标的特征数。
示例性地,通过下述公式,对基于第一非中心指标集而生成的数据矩阵,进行量化预处理,以消除各分析指标之间存在的不公平度:
其中,Qij可以表示量化后的分析指标的值;
通过下述公式,根据量化后的分析指标的值,分别确定各分析指标的熵值,也就是确定第一非中心指标集中的各非中心指标的熵:
可以知道的是,Qij=0时,可以设置QijlnQij=0;分析指标的熵值可以表示此分析指标的变异程度,一般来说,某个分析指标的熵值越大,可以表示该分析指标的变异程度越小,所提供的信息量也就越少;相反地,而熵值越大,可以表示该分析指标的变异程度越大,所提供的信息量也就越多,该指标的权系数也随之变大。
其次,根据预设理想数据组以及非中心指标的熵,分别计算各非中心指标的灰色关联度;在本实施例中,预设理想数据组可以是理想状态下的各分析指标值。
第一方面,通过下述公式,根据各非中心指标的熵,确定各非中心指标的权系数:
第二方面,对第一非中心指标集进行规范化处理,规范化后的非中心指标集中的数据可以是x1,x2,…,xm,其中,xi=[xi(1),xi(2),…,xi(n)],i=1,2,…m;预设理想数据组可以用yb表示,通过下述公式,可以计算预设理想数据组与各非中心指标的关联系数:
Δmax=maxi[maxk(|xi(k)-yb(k)|)],
Δmin=mini[mink(|xi(k)-yb(k)|)],
其中,ρ可以是预设的分辨系数,m可以是第一非中心指标集中指标的数量,n可以表示非中心指标的特征数,也就是种类数;
第三方面,可以根据各非中心指标的权系数wi以及关联系数,确定各非中心指标的灰色关联度:
再次,将灰色关联度小于第二预设阈值的非中心指标确定为冗余指标,并将冗余指标剔除;将灰色关联度大于或等于第二预设阈值的非中心指标确定为非冗余指标,生成修正后的第一非中心指标集。在本实施例中,通过计算第一非中心指标中各指标的灰色关联度,并与第二预设阈值比较,将灰色关联度小于第二预设阈值的非中心指标确定为冗余指标,也就是确定在评价此种电力业务类型中的电力无线网络时,无效的评价指标,将此无效的分析指标删除,可以识别并剔除电网系统中不良信息,删除多余的非中心指标来保证其他各非中心指标的有效性;通过客观的基于熵权的灰色关联度的确定方法,也避免了相关技术中存在过于主观的缺陷。
作为本申请的一个可选地实施方式,执行步骤S14:根据第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重,具体包括:
首先,根据第一中心指标集以及第一非中心指标集,分别确定各分析指标的权重向量,生成超矩阵;
通过下述公式,对超矩阵进行归一化处理,生成加权矩阵:
通过下述公式,对加权矩阵进行稳定处理,生成稳定超矩阵:
当k趋于无穷,稳定超矩阵的极限收敛且唯一时,将稳定超矩阵的列向量确定为各分析指标的主观权重;
其中,W∞表示所述稳定超矩阵,k表示计量数,为正整数,N表示加权矩阵列向量的数量;
其次,通过下述公式,根据第一中心指标集以及第一非中心指标集,确定各分析指标的均值:
通过下述公式,根据均值,确定各分析指标的均方差:
通过下述公式,根据各分析指标的均方差,分别确定各分析指标的客观权重:
作为本申请的一个可选地实施方式,通过下述公式,分别确定各分析指标的综合权重:
其中,ws表示预设主观权重系数,wo表示预设客观权重系数,α表示主观权重的相对重要因子系数,β表示客观权重的相对重要因子系数。
以下,结合一具体实施例,详细描述该电力无线网络质量的确定方法的过程。
在实际的应用场景中,以某地区的电力专网为例,也就是评价此地区内的电力无线网络,建立综合评价指标体系,可以包括指标层(Individual Index Layer,IIL)、子指标层(Sub Index Layer,SIL)和基本指标层(Basic Index Layer,BIL),具体指标类型可以如表1所示:
表1
针对于此地区的电力无线网络进行的质量评价,而建立的综合评价指标体系,如表1所示,分为三方面:安全性、可靠性以及接入性。
示例性地,针对于所有的具体指标的指标值,分别计算个具体指标的密度参数,将密度参数等于预设密度值的具体指标归为中心指标集中,根据所有的密度参数不等于预设密度值的具体指标,分别确定各具体指标的总相似度,确定第一中心指标集以及第一非中心指标集,具体数据可以如表2所示:
表2
在此实施例中,根据此地区的具体电力业务的应用场景,确定第一预设阈值可以是1.7000,也就是预设非中心指标的总相似度选择阈值为1.7000,以生成第一中心指标集以及第一非中心指标集。具体地,将此表中所有大于1.7000的指标作为中心指标,可以是连接重建平均时延、丢包率、终端安全性。
示例性地,可以对第一非中心指标集进行修正,剔除无效或者是冗余的非中心指标,可以采用基于熵权的灰色关联分析法的灰色关联度筛选评价体系的非中心指标,基于熵权的灰色关联分析法,计算出的灰色关联度可以如表3所示:
表3
设置第二预设阈值可以是0.0620,通过比较分析,MCS索引值、加密方式等指标需要删除。经筛选,剩余25个具体指标,其中12个为中心指标、13个为非中心指标。
示例性地,根据第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重,根据各分析指标的主观权重以及客观权重,确定各分析指标归一化后的综合权重,具体地综合指标权重值,如表4所示:
表4
示例性地,假设指标的评分集可以是{优秀,良好,合格,较差,差}={100-90,90-80,80-70,70-60,60-0},例如,可以根据电力无线网络的电力业务类型,确定各分析指标的分数,例如,“可靠性”,包括:“成功率”与“传输质量”,其中各具体指标的分数值可以是{76,82,73,79};{82,84,78,79};与权重相结合,可确定“成功率”的分值为77.5064,“传输质量”的分值为80.8462,进一步地,对成功率与传输质量进行加权计算进而得出“可靠性”指标的效能得分为77.5064。该地区的电力专网的得分可以如表5所示:
表5
指标 | 接入性 | 可靠性 | 安全性 |
得分 | 87.406 | 79.394 | 91.876 |
示例性地,可以得出对该电力专网,也就是电力无线网络的质量评价,该地区的电力无线网络服务质量总体较好,但可靠性相对不足。因此,下一步的电网建设可以针对可靠性进行提升。
本发明实施例提出的一种电力无线网络质量的确定方法,是从电力无线专网可靠性、安全性、接入性的角度出发,采用基于密度的模糊聚类方法对中心指标进行聚类,并利用基于熵权的灰色关联分析法去除评价体系中冗余的非中心指标,建立了一个科学合理、能够反映电力专网运行的综合评估方案。在多指标权重的分配上,采用网络分析法和均方差法相结合的主客观分析法建立了组合权重决策方法。
可选地,本发明实施例提供一种电力无线网络质量的确定装置,如图2所示,包括:
第一生成模块21,用于根据电力无线网络的业务类型,确定电力无线网络质量的分析指标,生成分析指标集;详细实施内容可参见上述方法实施例中步骤S11的相关描述。
密度参数计算模块22,用于根据分析指标集,分别计算各分析指标的密度参数;详细实施内容可参见上述方法实施例中步骤S12的相关描述。
第二生成模块23,用于根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集;详细实施内容可参见上述方法实施例中步骤S13的相关描述。
主客观权重确定模块24,用于根据第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重;详细实施内容可参见上述方法实施例中步骤S14的相关描述。
综合权重确定模块25,用于根据各分析指标的主观权重以及客观权重,分别确定各分析指标的综合权重;详细实施内容可参见上述方法实施例中步骤S15的相关描述。
质量确定模块26,用于根据各分析指标的综合权重,确定电力无线网络的质量,详细实施内容可参见上述方法实施例中步骤S16的相关描述。
本实施例所提供的电力无线网络质量的确定装置,通过计算所有分析指标的密度参数值,将符合预设密度值要求的分析指标归为第一类中心指标中,根据所有不符合预设密度值的分析指标,通过分别各分析指标的总相似度与第一预设阈值的比较,确定第二类中心指标以及第一非中心指标集,可以避免过度依赖专家经验的主观判断,而使评价电力无线网络的选取过于片面,从而使电力无线网络的评价不准确,规范了电力无线网络质量评价中,分析指标的选取以及重要程度的划分,使电力无线网络的划分更为准确。
可选地,本发明实施例还提供了一种计算机设备,如图3所示,该计算机设备可以包括处理器31和存储器32,其中处理器31和存储器32可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器32作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的电力无线网络质量的确定方法对应的程序指令/模块(例如,图2所示的第一生成模块21、密度参数计算模块22、第二生成模块23、主客观权重确定模块24、综合权重确定模块25、质量确定模块26)。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的电力无线网络质量的确定方法。
存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器31所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至处理器31。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器32中,当被所述处理器31执行时,执行如图1所示实施例中的电力无线网络质量的确定方法。
上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本发明实施例还提供了一种非暂态计算机可读介质,非暂态计算机可读存储介质存储计算机指令,计算机指令用于使计算机执行如上述实施例中任意一项描述的电力无线网络质量的确定方法,其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (12)
1.一种电力无线网络质量的确定方法,其特征在于,包括:
根据电力无线网络的业务类型,确定所述电力无线网络质量的分析指标,生成分析指标集;
根据所述分析指标集,分别计算各分析指标的密度参数,所述密度参数通过基于密度的模糊聚类算法确定;
根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集,包括:对各分析指标进行归类,分别生成第一中心指标集以及第一非中心指标集,中心指标表示对电力无线网络的质量重要的指标类型,非中心指标表示电力业务下,对电力无线网络的质量一般重要的指标类型;
根据所述第一中心指标集以及第一非中心指标集,基于ANP的主观权重法及均方差法客观权重法分别确定各分析指标的主观权重及客观权重;
根据各分析指标的主观权重以及客观权重,分别确定各分析指标的综合权重;
根据各分析指标的综合权重,确定所述电力无线网络的质量。
4.根据权利要求1所述的方法,其特征在于,所述根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集,具体包括:
将密度参数等于预设密度值的分析指标确定为第一类中心指标;
根据密度参数不等于预设密度值的分析指标,确定各分析指标之间的相似系数;
根据所述相似系数,生成模糊相似矩阵;
对所述模糊相似矩阵进行列求和,生成各分析指标的总相似度;
将总相似度大于第一预设阈值的分析指标确定为第二类中心指标,根据第一类中心指标及第二类中心指标生成第一中心指标集;
将总相似度小于或等于第一预设阈值的分析指标确定为非中心指标,根据所述非中心指标生成第一非中心指标集。
6.根据权利要求1所述的方法,其特征在于,在所述根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集之后,还包括:
对所述第一非中心指标集进行修正,生成修正后的第一非中心指标集。
7.根据权利要求6所述的方法,其特征在于,所述对所述第一非中心指标集进行修正,生成修正后的第一非中心指标集,具体包括:
根据所述第一非中心指标集,分别计算各非中心指标的熵;
根据预设理想数据组以及非中心指标的熵,分别计算各非中心指标的灰色关联度;
将灰色关联度小于第二预设阈值的非中心指标确定为冗余指标,并将所述冗余指标剔除;
将灰色关联度大于或等于所述第二预设阈值的非中心指标确定为非冗余指标,生成修正后的第一非中心指标集。
8.根据权利要求1所述的方法,其特征在于,所述根据所述第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重,具体包括:
根据所述第一中心指标集以及第一非中心指标集,分别确定各分析指标的权重向量,生成超矩阵;
通过下述公式,对所述超矩阵进行归一化处理,生成加权矩阵:
通过下述公式,对所述加权矩阵进行稳定处理,生成稳定超矩阵:
当k趋于无穷,所述稳定超矩阵的极限收敛且唯一时,将所述稳定超矩阵的列向量确定为各分析指标的主观权重;
其中,W∞表示所述稳定超矩阵;k表示计量数,为正整数;N表示加权矩阵列向量的数量;
通过下述公式,根据所述第一中心指标集以及第一非中心指标集,确定各分析指标的均值:
通过下述公式,根据所述均值,确定各分析指标的均方差:
通过下述公式,根据各分析指标的均方差,分别确定各分析指标的客观权重:
10.一种电力无线网络质量的确定装置,其特征在于,包括:
第一生成模块,用于根据电力无线网络的业务类型,确定所述电力无线网络质量的分析指标,生成分析指标集;
密度参数计算模块,用于根据所述分析指标集,分别计算各分析指标的密度参数;
第二生成模块,用于根据各分析指标的密度参数,生成第一中心指标集以及第一非中心指标集;
主客观权重确定模块,用于根据所述第一中心指标集以及第一非中心指标集,分别确定各分析指标的主观权重及客观权重;
综合权重确定模块,用于根据各分析指标的主观权重以及客观权重,分别确定各分析指标的综合权重;
质量确定模块,用于根据各分析指标的综合权重,确定所述电力无线网络的质量。
11.一种计算机设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-9中任一项所述的电力无线网络质量的确定方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的电力无线网络质量的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010419787.0A CN111598457B (zh) | 2020-05-18 | 2020-05-18 | 一种电力无线网络质量的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010419787.0A CN111598457B (zh) | 2020-05-18 | 2020-05-18 | 一种电力无线网络质量的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111598457A CN111598457A (zh) | 2020-08-28 |
CN111598457B true CN111598457B (zh) | 2023-06-30 |
Family
ID=72189818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010419787.0A Active CN111598457B (zh) | 2020-05-18 | 2020-05-18 | 一种电力无线网络质量的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598457B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907124B (zh) * | 2021-03-22 | 2023-10-31 | 国家电网有限公司大数据中心 | 一种数据链路异常评测方法、装置、电子设备及存储介质 |
CN113361941B (zh) * | 2021-06-18 | 2023-11-21 | 国网江苏省电力有限公司信息通信分公司 | 一种电力通信网可靠性评价方法及系统 |
CN115407739B (zh) * | 2022-10-31 | 2023-01-20 | 天津有容蒂康通讯技术有限公司 | 一种电缆制造的生产设备控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715318A (zh) * | 2014-12-04 | 2015-06-17 | 国家电网公司 | 面向通信网络的多维度运行风险评价方法 |
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
CN106651624A (zh) * | 2015-07-14 | 2017-05-10 | 国网辽宁省电力有限公司阜新供电公司 | 一种综合业务接入网运行质量评价方法及其测试平台 |
CN109242314A (zh) * | 2018-09-12 | 2019-01-18 | 全球能源互联网研究院有限公司 | 一种配电网全景监测指标的评估方法及装置 |
CN109447506A (zh) * | 2018-11-12 | 2019-03-08 | 全球能源互联网研究院有限公司 | 一种电能质量基准水平评价方法及系统 |
CN109472453A (zh) * | 2018-10-12 | 2019-03-15 | 山大地纬软件股份有限公司 | 基于全局最优模糊核聚类模型的电力用户信用评价方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
-
2020
- 2020-05-18 CN CN202010419787.0A patent/CN111598457B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715318A (zh) * | 2014-12-04 | 2015-06-17 | 国家电网公司 | 面向通信网络的多维度运行风险评价方法 |
CN106651624A (zh) * | 2015-07-14 | 2017-05-10 | 国网辽宁省电力有限公司阜新供电公司 | 一种综合业务接入网运行质量评价方法及其测试平台 |
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN109242314A (zh) * | 2018-09-12 | 2019-01-18 | 全球能源互联网研究院有限公司 | 一种配电网全景监测指标的评估方法及装置 |
CN109472453A (zh) * | 2018-10-12 | 2019-03-15 | 山大地纬软件股份有限公司 | 基于全局最优模糊核聚类模型的电力用户信用评价方法 |
CN109447506A (zh) * | 2018-11-12 | 2019-03-08 | 全球能源互联网研究院有限公司 | 一种电能质量基准水平评价方法及系统 |
Non-Patent Citations (1)
Title |
---|
向敏 ; 杜延红 ; .应用于配电无线通信网络建设的通信技术评价方法.电视技术.2017,(Z3),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111598457A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598457B (zh) | 一种电力无线网络质量的确定方法及装置 | |
CN110070461B (zh) | 一种电力信息系统健康度评估方法及其评估系统 | |
CN111882198A (zh) | 一种项目绩效评价方法及系统 | |
CN113222326A (zh) | 一种科技资源服务平台成熟度评估方法及装置 | |
AU2019100631A4 (en) | Self-correcting multi-model numerical rainfall ensemble forecasting method | |
CN115545514A (zh) | 基于健康度评估的配电融合设备差异化运维方法及装置 | |
CN111369084A (zh) | 内容网络中资源质量评分方法 | |
CN114493087A (zh) | 卫星效能评估方法、装置及电子设备 | |
CN116739742A (zh) | 信贷风控模型的监控方法、装置、设备及存储介质 | |
CN111242425A (zh) | 电力数据处理方法和装置 | |
CN108665376B (zh) | 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法 | |
CN111242424A (zh) | 质量数据的处理方法及装置 | |
CN116245379A (zh) | 面向电网建设工程效果评价的指标权重优化方法及装置 | |
CN115660822A (zh) | 用于金融业务的风控策略处理方法以及装置、电子设备、存储介质 | |
CN115293609A (zh) | 人员安全责任制履职评价指标权重体系构建方法及系统 | |
CN114862092A (zh) | 一种基于神经网络的评标方法及设备 | |
CN111506877B (zh) | 基于贝叶斯框架下序贯网图检验的测试性验证方法及装置 | |
CN113643125A (zh) | 一种授信额度测算方法、设备及介质 | |
CN112990703A (zh) | 国际工程市场匹配度评价方法、电子设备及存储介质 | |
CN115278706B (zh) | 一种网络结构评估方法、装置、设备及计算机存储介质 | |
KR102365910B1 (ko) | 속성 값 품질 지수를 이용한 데이터 프로파일링 방법 및 데이터 프로파일링 시스템 | |
CN113256141A (zh) | 基于社会因素的智能电能表质量评价共性模型构建方法及装置 | |
CN116108974A (zh) | 一种考虑气象因素的需求响应基线负荷预测方法及装置 | |
CN117933832A (zh) | 航天器地面等效性试验的指标权重评估方法 | |
CN117474407A (zh) | 一种评价企业的方法、系统、设备和存储介质 |
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 |