CN111932081B - 一种电力信息系统运行状态评估方法及系统 - Google Patents

一种电力信息系统运行状态评估方法及系统 Download PDF

Info

Publication number
CN111932081B
CN111932081B CN202010671281.9A CN202010671281A CN111932081B CN 111932081 B CN111932081 B CN 111932081B CN 202010671281 A CN202010671281 A CN 202010671281A CN 111932081 B CN111932081 B CN 111932081B
Authority
CN
China
Prior art keywords
state
value
weight
item
characteristic
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
Application number
CN202010671281.9A
Other languages
English (en)
Other versions
CN111932081A (zh
Inventor
徐海青
陈是同
陶俊
吴树霖
吴小华
张江龙
高扬
毛舒乐
梁翀
浦正国
胡心颖
郭庆
张天奇
赵云龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
State Grid Fujian Electric Power Co Ltd
Anhui Jiyuan Software Co Ltd
Information and Telecommunication Branch of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
State Grid Fujian Electric Power Co Ltd
Anhui Jiyuan Software Co Ltd
Information and Telecommunication Branch of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Information and Telecommunication Co Ltd, State Grid Fujian Electric Power Co Ltd, Anhui Jiyuan Software Co Ltd, Information and Telecommunication Branch of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010671281.9A priority Critical patent/CN111932081B/zh
Publication of CN111932081A publication Critical patent/CN111932081A/zh
Application granted granted Critical
Publication of CN111932081B publication Critical patent/CN111932081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Primary Health Care (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Molecular Biology (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Optimization (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)

Abstract

本发明公开了一种电力信息系统运行状态评估方法及系统，包括获取用于评估电力信息系统运行状态的多个特征项以及多个特征项实时状态值；采用对各个特征项分配初始权重并进行两次修正过程，获取各个特征项对于评估系统运行状态的重要性系数，计算各个特征项实时状态值和各个状态等级的模糊隶属关系；获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果，以最大的加权融合结果对应的状态等级作为电力信息系统运行状态最终评估结果，本发明通过采用多个与电力信息系统运行状态有关的特征项进行加权评估以及利用模糊理论获取每个特征项的多种健康等级的可能性，提高运行状态评估结果的准确性。

Description

一种电力信息系统运行状态评估方法及系统
技术领域
本发明涉及电力信息系统技术领域，具体涉及一种电力信息系统运行状态评估方法及系统。
背景技术
传统的电网运行更多的关注于运行及供电的可靠性，而面对当前随着智能电网的快速发展，越来越多的复杂多因素都方方面面的会对电力系统的稳定运行造成一些潜在的威胁。为避免诸多因素对电网健康造成威胁甚至发生输电、供电用电事故，这就需要我们能够从海量日志数据中提取造成安全预警事件等的主要特征参数。通过对参数指标量化处理，利用权重赋权分析各因素对电力信息系统的影响程度，结合一定的评估模型对系统的运维实时监测，具有事故提前预警的能力。目前，通常采用的电力系统运行状态评价模型主要包括两方面的关键技术：各指标权重赋权方式的不同和综合评估模型的多样化，采用何种权重分配方法及综合评估打分系统的构建是构建电力信息系统运行状态模型的关键问题，对电力系统运维体系健全强化监视预警能力及对提高供电可靠性及维持系统的稳定性具有非常重要的意义。
发明内容
本发明的目的是提出一种基于合理对多种特征参数进行权重赋值以及准确划分特征参数当前状态的电力系统运行状态评价方法及系统。
本发明提供的一种电力信息系统运行状态评估方法，包括如下步骤：
(1)获取用于评估电力信息系统运行状态的多个特征项以及多个特征项实时状态值；
(2)获取各个特征项对于评估系统运行状态的重要性系数，采用对各个特征项分配初始权重并进行两次修正过程的方法，第一次修正过程为基于多种权重分配方法获取融合权重，第二次修正过程为根据特征项实时状态值确定动态转换系数将第一次修正后的权重转换为动态权重；
(3)根据预设的特征项状态等级和隶属度函数计算各个特征项实时状态值和各个状态等级的模糊隶属关系；
(4)根据获取的模糊隶属关系获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果，以最大的加权融合结果对应的状态等级作为电力信息系统运行状态最终评估结果。
作为上述方案的进一步优化，所述多种分配权重方法包括客观分配方法和多种主观权重分配方法。
作为上述方案的进一步优化，所述主观权重分配方法包括基于序关系法和基于层次分析法的权重分配方法。
作为上述方案的进一步优化，所述客观分配方法采用熵值法，具体步骤包括：
计算第j个特征项下第k个特征项所占的比重：
Figure GDA0004106339440000021
式中Xkj *为经过极值处理法进行无量纲处理后的特征项特征量；
计算第j个特征项的熵值及熵值法得到的第j个特征项的客观权重：
第j个特征项的熵值为：
Figure GDA0004106339440000022
第j个特征项的客观权重为：
Figure GDA0004106339440000023
作为上述方案的进一步优化，所述基于多种权重分配方法获取融合权重，采用改进的最小二乘法，优化模型为：
Figure GDA0004106339440000024
H(ω)为最小二乘法优化函数，p1 j，p2 j，...，pq j分别为q种权重分配方法获得的权重，ωj为拟合融合权重；βi为最小二乘权数，i＝1,2,...,q，δi 2为误差项方差。
作为上述方案的进一步优化，所述第二次修正过程采用的转换公式为：
Figure GDA0004106339440000031
其中，
Figure GDA0004106339440000032
为第j个特征项的动态权重，ωj为第j个特征项的融合权重，
Figure GDA0004106339440000033
为动态转换系数，其中xj为第j个特征项的实时状态值，α为均衡系数且0≤α≤1，取值大小取决于各特征项状态值的相对重要程度。
作为上述方案的进一步优化，所述步骤(3)具体步骤包括：
预设特征项状态等级为M个等级，S＝{s1,s2,...,sM}；
根据每个特征项的最大值和最小值确定特征项的取值区间范围，在取值区间内加入M-2个等分点获得M个等级区间；
以三角形隶属度函数确定每个状态等级的隶属度函数公式；
将特征项实时状态值代入每个状态等级的隶属度函数公式获得特征项实时状态值属于每个状态等级的隶属度数值。
作为上述方案的进一步优化，所述步骤(4)具体步骤包括：
建立模糊评判矩阵R：R＝[rjm]n*M，其中rjm为第j个特征项实时状态值属于第m个状态等级的隶属度数值；
获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果：
Figure GDA0004106339440000034
其中，Hm为第m个状态等级下的评估结果；
电力信息系统运行状态最终评估结果：HM＝max(Hm)。
本发明还提供了一种电力信息系统运行状态评估系统，包括：
特征项获取模块，用于获取用于评估电力信息系统运行状态的多个特征项以及多个特征项实时状态值；
特征项加权模块，包括第一权重修正单元和第二权重修正单元，所述第一权重修正单元用于基于多种权重分配方法获取融合权重，所述第二权重修正单元用于根据特征项实时状态值确定动态转换系数将第一权重修正单元修正后的权重转换为动态权重；
特征项的状态等级隶属度计算模块，用于根据预设的特征项状态等级和隶属度函数计算各个特征项实时状态值和各个状态等级的模糊隶属关系；
评估结果获取模块，用于根据获取的模糊隶属关系获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果，以最大的加权融合结果对应的状态等级作为电力信息系统运行状态最终评估结果。
作为上述方案的进一步优化，所述第一权重修正单元包括主观权重获取单元、客观权重获取单元和权重融合单元，所述主观权重获取单元获取多个主观权重分配结果，权重融合单元采用改进的最小二乘法，所述改进的最小二乘法为基于最小二乘法的优化函数，对其中的每一项进行加权设置，每一项加权系数为：
Figure GDA0004106339440000041
其中，δi 2为误差项方差。
本发明的一种电力信息系统运行状态评估方法及系统，具备如下有益效果：
1.本发明对于电力信息系统运行状态评估方法从两方面进行综合处理一方面，考虑采用多个与电力信息系统运行状态有关的特征项进行加权评估，另一方面，基于将每个特征项的实时状态值划分为健康与否的模糊性，将健康与否的二值划分方法修改为多状态等级的划分方法，采用模糊理论，获取每个特征项的多种健康等级的可能性，两方面结合获取更加全面准确的评估结果。
2.本发明中对特征项进行加权评估的过程，先采用多种权重分配方式进行融合进行第一次权重修正过程，以避免单一权重分配方式造成赋权不准确的缺陷，再采用第二次权重修正过程，基于特征项的实时状态值变化获取动态权重，每个特征项的权重都要随着实时的状态数值进行修正，以使每个特征项的权重更加符合实时变化的数据。
3.本发明的第一次权重修正过程，多种分配方式中分别采用主观权重和客观权重，同时主观权重采用多种方法获得，进一步降低了主观权重主观性强带来的弊端，在进行融合时采用改进的最小二乘法，基于最小二乘法的优化函数，对其中的每一项增加权重系数
Figure GDA0004106339440000042
其中，δi 2为误差项方差，使得权重拟合结果更为准确。
附图说明
图1为本发明的一种电力信息系统运行状态评估方法的整体流程框图；
图2为本发明的一种电力信息系统运行状态评估方法中获得各个特征项权重系数的方法流程框图；
图3为图2中第一次修正过程的具体流程框图；
图4为本发明的一种电力信息系统运行状态评估系统的整体结构框图。
具体实施方式
下面结合具体实施例和附图对本发明的技术方案进一步说明。
本发明的一种电力信息系统运行状态评估方法，包括如下步骤：
(1)获取用于评估电力信息系统运行状态的多个特征项以及多个特征项实时状态值；
(11)对获取的多个特征项进行预处理：
根据特征项属性将特征项分为正向特征项(指标值越大越好)、逆向特征项(指标值越小越好)和区间特征项(指标值越靠近区间中部越好)，通过极值处理法进行无量纲处理(以正向指标为例)，使各特征项归一化到[0,1]之间且有可以直接进行比较的意义，正向特征项一致化无量纲处理公式为：
Figure GDA0004106339440000051
(2)获取各个特征项对于评估系统运行状态的重要性系数，采用对各个特征项分配初始权重并进行两次修正过程的方法，第一次修正过程为基于多种权重分配方法获取融合权重，第二次修正过程为根据特征项实时状态值确定动态转换系数将第一次修正后的权重转换为动态权重；
具体的，本实施例中，所述多种分配权重方法包括客观分配方法和多种主观权重分配方法。本实施例中通过主观权重和客观权重相结合的方式，且主观权重分配方法多种，弱化主观权重主观性强带来的影响，更好的平衡主观权重和客观权重。
其中，主观权重分配方法包括基于序关系法和基于层次分析法的权重分配方法。
具体的，采用序关系法获取第一主观权重的具体步骤包括：
对特征项按重要程度两两相互比较，根据专家经验按每个特征项的重要程度进行排序，得出特征项序关系为：x1＞x2＞...＞xn；
计算相邻两特征项xj+1和xj间的相对重要性程度，得到各个特征项参数的权重系数为：
Figure GDA0004106339440000052
Figure GDA0004106339440000053
式中，Pj为利用序关系法得到的第j个特征项参数的权重值。
采用层次分析法获取第二主观权重的具体步骤包括：
根据获取的用于评估电力信息系统运行状态的多个特征项，获取层次结构中的准则层和总目标层，总目标层包括电力信息系统的运行状态，所述准则层包括可靠性、安全性、经济性、绿色性及灵活性共5个准则项；
先计算所有特征项相对于准则层各个准则项的相对权重：
利用1-9标度法对所有特征项进行比较，得到相对于准则项的判断矩阵C＝(cij)n*n，其中cij表示特征项ci相对cj的重要性程度，比较判断矩阵C:
Figure GDA0004106339440000061
对比较判断矩阵进行一致性检验：
计算一致性偏离程度指标：
Figure GDA0004106339440000062
λmax为判断矩阵的最大特征根；
查找相应的平均随机一致性指标RI；
计算一致性比例：
CR＝CI/RI
当n≥3时，若0＜CR＜0.1，则比较判断矩阵权重分配合理；反之，则继续调整判断矩阵，直到满足一致性校验为止；
计算特征项相对准则层的相对权重向量：
Figure GDA0004106339440000063
基于上述计算特征项相对准则层的相对权重向量的步骤获取准则层相对于总目标层的相对权重向量Ki；
则特征项相对总目标层的相对权重为：
qi＝Kimi。
本实施例中的客观分配方法采用熵值法，具体步骤包括：
计算第j个特征项下第k个特征项所占的比重：
Figure GDA0004106339440000071
式中Xkj *为经过极值处理法进行无量纲处理后的特征项特征量；
计算第j个特征项的熵值及熵值法得到的第j个特征项的客观权重：
第j个特征项的熵值为：
Figure GDA0004106339440000072
第j个特征项的客观权重为：
Figure GDA0004106339440000073
基于上述序关系法、层次分析法和熵值法获得的多种权重分配结果，采用改进的最小二乘法进行融合，同时考虑专家经验偏好的主观权重和表征客观数据真实性的客观权重，在传统最小二乘法平方和中加入适当权数，能够降低误差较大的数据对组合权重的影响，最后求得融合权重。最小二乘法优化模型如下所示：
Figure GDA0004106339440000074
H(ω)为最小二乘法优化函数，p1 j，p2 j，...，pq j分别为q种权重分配方法获得的权重，ωj为拟合融合权重；β1、β2，...,βq为每一项的最小二乘权数，δi 2为误差项方差。最优权数βi为误差项方差δi 2的倒数，误差项方差大的接受小的权数，以降低其在平方和中的作用，误差项方差小的接受大的权数，以提高在平方和中的作用。
所述第二次修正过程采用的转换公式为：
Figure GDA0004106339440000075
其中，
Figure GDA0004106339440000076
为第j个特征项的动态权重，ωj为第j个特征项的融合权重，/>
Figure GDA0004106339440000077
为动态转换系数，其中xj为第j个特征项的实时状态值，α为均衡系数且0≤α≤1，取值大小取决于各特征项状态值的相对重要程度。当各特征项状态量的均衡程度要求不高时，取α＞0.5；当排除某些严重偏离的特征项状态量时，取α＜0.5；当α＝1时，等同于常权重模式。
(3)根据预设的特征项状态等级和隶属度函数计算各个特征项实时状态值和各个状态等级的模糊隶属关系，具体步骤包括：
预设特征项状态等级为M个等级，S＝{s1,s2,...,sM}；
根据每个特征项的最大值和最小值确定特征项的取值区间范围，在取值区间内加入M-2个等分点获得M个等级区间；
以三角形隶属度函数确定每个状态等级的隶属度函数公式；
将特征项实时状态值代入每个状态等级的隶属度函数公式获得特征项实时状态值属于每个状态等级的隶属度数值。
具体的，可将特征项状态等级设为5个等级，包括健康、亚健康、一般病态、中度病态、严重病态。根据设定的特征项的取值范围(a,e)，其中a为特征项的最差值,e为特征项的最优值，在(a,e)范围内加入b,c,d三个等分点，分别对应五个状态等级区间，根据特征项的属性，建立效益型三角形隶属度函数，以正向特征项隶属度函数为例：
Figure GDA0004106339440000081
其中，μ1正(x)表征特征项隶属于健康状态的程度。
根据获取的模糊隶属关系获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果，以最大的加权融合结果对应的状态等级作为电力信息系统运行状态最终评估结果，具体步骤包括：
建立模糊评判矩阵R：R＝[rjm]n*M，其中rjm为第j个特征项实时状态值属于第m个状态等级的隶属度数值；
获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果：
Figure GDA0004106339440000082
其中，Hm为第m个状态等级下的评估结果；
电力信息系统运行状态最终评估结果：HM＝max(Hm)。
本发明还提供了一种电力信息系统运行状态评估系统，包括：
特征项获取模块，用于获取用于评估电力信息系统运行状态的多个特征项以及多个特征项实时状态值；
特征项加权模块，包括第一权重修正单元和第二权重修正单元，所述第一权重修正单元用于基于多种权重分配方法获取融合权重，所述第二权重修正单元用于根据特征项实时状态值确定动态转换系数将第一次修正后的权重转换为动态权重；
特征项的状态等级隶属度计算模块，用于根据预设的特征项状态等级和隶属度函数计算各个特征项实时状态值和各个状态等级的模糊隶属关系；
评估结果获取模块，用于根据获取的模糊隶属关系获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果，以最大的加权融合结果对应的状态等级作为电力信息系统运行状态最终评估结果。
其中，第一权重修正单元包括主观权重获取单元、客观权重获取单元和权重融合单元，所述主观权重获取单元获取多个主观权重分配结果，权重融合单元采用改进的最小二乘法，所述改进的最小二乘法为基于最小二乘法的优化函数，对其中的每一项进行加权设置，每一项加权系数为：
Figure GDA0004106339440000091
其中，δi 2为误差项方差。
本发明不局限于上述具体的实施方式，本领域的普通技术人员从上述构思出发，不经过创造性的劳动，所做出的种种变换，均落在本发明的保护范围之内。

Claims (7)

1.一种电力信息系统运行状态评估方法，其特征在于：包括如下步骤：
(1)获取用于评估电力信息系统运行状态的多个特征项以及多个特征项实时状态值；
(2)获取各个特征项对于评估系统运行状态的重要性系数，采用对各个特征项分配初始权重并进行两次修正过程的方法，第一次修正过程为基于多种权重分配方法获取融合权重，第二次修正过程为根据特征项实时状态值确定动态转换系数将第一次修正后的权重转换为动态权重；
(3)根据预设的特征项状态等级和隶属度函数计算各个特征项实时状态值和各个状态等级的模糊隶属关系；
(4)根据获取的模糊隶属关系获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果，以最大的加权融合结果对应的状态等级作为电力信息系统运行状态最终评估结果；
所述(2)中基于多种权重分配方法获取融合权重，采用改进的最小二乘法，优化模型为：
Figure FDA0004154482610000011
H(ω)为最小二乘法优化函数，p1 j，p2 j，...，pq j分别为q种权重分配方法获得的权重，ωj为第j个特征项的融合权重；βi为每一项的最小二乘权数，i＝1,2,...,q，δi 2为最小二乘中估计值与实际值误差项方差；
所述第二次修正过程采用的转换公式为：
Figure FDA0004154482610000012
其中，
Figure FDA0004154482610000013
为第j个特征项的动态权重，ωj为第j个特征项的融合权重，/>
Figure FDA0004154482610000014
为动态转换系数，其中xj为第j个特征项的实时状态值，α为均衡系数且0≤α≤1，取值大小取决于各特征项状态值的相对重要程度；
所述(3)具体步骤包括：
预设特征项状态等级为M个等级，S＝{s1,s2,...,sM}；
根据每个特征项的最大值和最小值确定特征项的取值区间范围，在取值区间内加入M-2个等分点获得M个等级区间；
以三角形隶属度函数确定每个状态等级的隶属度函数公式；
将特征项实时状态值代入每个状态等级的隶属度函数公式获得特征项实时状态值属于每个状态等级的隶属度数值。
2.根据权利要求1所述的一种电力信息系统运行状态评估方法，其特征在于：所述多种权重分配方法包括客观分配方法和多种主观权重分配方法。
3.根据权利要求2所述的一种电力信息系统运行状态评估方法，其特征在于：所述主观权重分配方法包括基于序关系法和基于层次分析法的权重分配方法。
4.根据权利要求3所述的一种电力信息系统运行状态评估方法，其特征在于：所述客观分配方法采用熵值法，具体步骤包括：
计算第j个特征项下第k个特征项所占的比重：
Figure FDA0004154482610000021
式中Xkj *为经过极值处理法进行无量纲处理后的特征项特征量；
计算第j个特征项的熵值及熵值法得到的第j个特征项的客观权重：
第j个特征项的熵值为：
Figure FDA0004154482610000022
第j个特征项的客观权重为：
Figure FDA0004154482610000023
5.根据权利要求1所述的一种电力信息系统运行状态评估方法，其特征在于：所述步骤(4)具体步骤包括：
建立模糊评判矩阵R：R＝[rjm]n*M，其中rjm为第j个特征项实时状态值属于第m个状态等级的隶属度数值；
获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果：
Figure FDA0004154482610000031
其中，Hm为第m个状态等级下的评估结果；
电力信息系统运行状态最终评估结果：HM＝max(Hm)。
6.一种电力信息系统运行状态评估系统，其特征在于：包括：
特征项获取模块，用于获取用于评估电力信息系统运行状态的多个特征项以及多个特征项实时状态值；
特征项加权模块，包括第一权重修正单元和第二权重修正单元，所述第一权重修正单元用于基于多种权重分配方法获取融合权重，所述第二权重修正单元用于根据特征项实时状态值确定动态转换系数将第一权重修正单元修正后的权重转换为动态权重；
特征项的状态等级隶属度计算模块，用于根据预设的特征项状态等级和隶属度函数计算各个特征项实时状态值和各个状态等级的模糊隶属关系；
评估结果获取模块，用于根据获取的模糊隶属关系获取单个状态等级下的所有特征项的模糊隶属关系加权融合结果，以最大的加权融合结果对应的状态等级作为电力信息系统运行状态最终评估结果；
所述特征项加权模块中基于多种权重分配方法获取融合权重，采用改进的最小二乘法，优化模型为：
Figure FDA0004154482610000032
H(ω)为最小二乘法优化函数，p1 j，p2 j，...，pq j分别为q种权重分配方法获得的权重，ωj为第j个特征项的融合权重；βi为每一项的最小二乘权数，i＝1,2,...,q,δi 2为最小二乘中估计值与实际值误差项方差；
所述第二权重修正单元修正过程采用的转换公式为：
Figure FDA0004154482610000033
其中，
Figure FDA0004154482610000041
为第j个特征项的动态权重，/>
Figure FDA0004154482610000042
为动态转换系数，其中xj为第j个特征项的实时状态值，α为均衡系数且0≤α≤1，取值大小取决于各特征项状态值的相对重要程度；
所述特征项的状态等级隶属度计算模块中，具体步骤包括：
预设特征项状态等级为M个等级，S＝{s1,s2,...,sM}；
根据每个特征项的最大值和最小值确定特征项的取值区间范围，在取值区间内加入M-2个等分点获得M个等级区间；
以三角形隶属度函数确定每个状态等级的隶属度函数公式；
将特征项实时状态值代入每个状态等级的隶属度函数公式获得特征项实时状态值属于每个状态等级的隶属度数值。
7.根据权利要求6所述的一种电力信息系统运行状态评估系统，其特征在于：所述第一权重修正单元包括主观权重获取单元、客观权重获取单元和权重融合单元，所述主观权重获取单元获取多个主观权重分配结果，权重融合单元采用改进的最小二乘法。
CN202010671281.9A 2020-07-13 2020-07-13 一种电力信息系统运行状态评估方法及系统 Active CN111932081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010671281.9A CN111932081B (zh) 2020-07-13 2020-07-13 一种电力信息系统运行状态评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010671281.9A CN111932081B (zh) 2020-07-13 2020-07-13 一种电力信息系统运行状态评估方法及系统

Publications (2)

Publication Number Publication Date
CN111932081A CN111932081A (zh) 2020-11-13
CN111932081B true CN111932081B (zh) 2023-05-30

Family

ID=73313889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010671281.9A Active CN111932081B (zh) 2020-07-13 2020-07-13 一种电力信息系统运行状态评估方法及系统

Country Status (1)

Country Link
CN (1) CN111932081B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591985B (zh) * 2021-07-30 2023-12-15 国网安徽省电力有限公司电力科学研究院 基于数据融合的特高压gis运行状态综合诊断方法和系统
CN117169717A (zh) * 2023-09-11 2023-12-05 江苏微之润智能技术有限公司 一种基于单片机的电机健康评估方法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110795692A (zh) * 2019-09-16 2020-02-14 浙江工业大学 一种主动配电网运行状态评估方法
CN111062508A (zh) * 2019-03-28 2020-04-24 华北电力大学（保定） 一种基于大数据技术评估风电机组实时运行状态的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9568519B2 (en) * 2014-05-15 2017-02-14 International Business Machines Corporation Building energy consumption forecasting procedure using ambient temperature, enthalpy, bias corrected weather forecast and outlier corrected sensor data
KR101705247B1 (ko) * 2015-02-02 2017-02-13 한국건설기술연구원 사회기반시설물의 성능 평가 시스템 및 그 방법
CN109784742A (zh) * 2019-01-23 2019-05-21 清华大学 基于综合赋权法的机组一次调频性能综合评估方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062508A (zh) * 2019-03-28 2020-04-24 华北电力大学（保定） 一种基于大数据技术评估风电机组实时运行状态的方法
CN110795692A (zh) * 2019-09-16 2020-02-14 浙江工业大学 一种主动配电网运行状态评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于动态权重和模糊综合评判法的健康评估模型;彭炎亮等;《计算机系统应用》;20170115(第01期);第37-41页 *
基于模糊理论的一二次融合断路器状态评估;李志等;《电子器件》;20200620(第03期);全文 *
多级模糊评估的输变电设备状态评价体系研究;于洋等;《云南电力技术》;20170215(第01期);全文 *

Also Published As

Publication number Publication date
CN111932081A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN105117602B (zh) 一种计量装置运行状态预警方法
CN111950918B (zh) 一种基于电力交易数据的市场风险评估方法
CN106339536B (zh) 基于水污染指数法和云模型的水质综合评价方法
CN111105153A (zh) 基于ahp-熵权法的卫星健康状态多级模糊评价方法
CN107146009B (zh) 一种供水管网运行状态评估方法
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
CN114548637A (zh) 一种基于ahp-rst的电力通信骨干数据网络安全综合评估方法
CN106980910B (zh) 中长期电力负荷测算系统及方法
CN107274067B (zh) 一种配电变压器过载风险评估方法
CN111932081B (zh) 一种电力信息系统运行状态评估方法及系统
CN107895100B (zh) 一种流域水质综合评价方法及系统
CN108053148A (zh) 一种电力信息系统故障高效诊断方法
CN116150897A (zh) 一种基于数字孪生的机床主轴性能测评方法及系统
CN104837184A (zh) 一种基于区间三角模糊数的异构无线网络选择方法
CN113887908A (zh) 考虑主客观交叉融合权重的桥梁风险评估方法
CN111310990A (zh) 一种基于改进灰色组合模型的轨道质量预测方法及系统
CN112990627B (zh) 电能质量评估方法
CN111080041A (zh) 一种配电网互动性综合评价方法及系统
CN106548284B (zh) 一种面向运行调控的自适应模块化电网安全评价方法
CN113139701B (zh) 一种基于层次分析方法的区域内能源健康度评价方法
CN112215410B (zh) 基于改进深度学习的电力负荷预测方法
CN111091301A (zh) 一种省级电网可持续发展策略的优选方法
CN106709522B (zh) 一种基于改进模糊三角数的高压电缆施工缺陷分级方法
CN113722195B (zh) 基于ahp层级分析法的局域网运行评估系统及方法
CN115236616A (zh) 基于组合赋权灰色云模型的雷达系统质量确定方法及系统

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