CN112101813A - 一种配电自动化设备测试综合评价排序方法 - Google Patents

一种配电自动化设备测试综合评价排序方法 Download PDF

Info

Publication number
CN112101813A
CN112101813A CN202011017759.2A CN202011017759A CN112101813A CN 112101813 A CN112101813 A CN 112101813A CN 202011017759 A CN202011017759 A CN 202011017759A CN 112101813 A CN112101813 A CN 112101813A
Authority
CN
China
Prior art keywords
index
evaluation
vector
entropy
formula
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
Application number
CN202011017759.2A
Other languages
English (en)
Other versions
CN112101813B (zh
Inventor
付宇
张锐锋
张洋
苗宇
蔡永祥
郝树青
肖小兵
郑友卓
何洪流
窦陈
文蕾
李前敏
吴鹏
刘安茳
王卓月
李跃
张恒荣
黄伟
郭素
柏毅辉
李忠
安波
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202011017759.2A priority Critical patent/CN112101813B/zh
Publication of CN112101813A publication Critical patent/CN112101813A/zh
Application granted granted Critical
Publication of CN112101813B publication Critical patent/CN112101813B/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
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (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)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种配电自动化设备测试综合评价排序方法，它包括：采集配电自动化设备测试数据，构建配电自动化设备测试评价指标体系；对采集的测试数据进行预处理得到评价指标标准化后的标准评价矩阵A；由标准评价矩阵A计算得到灰色关联系数矩阵H；计算各评价指标的熵值得到标准评价矩阵A的熵值向量S；由熵值向量S计算得到评价指标的客观权重向量w；根据客观权重向量w和灰色关联系数矩阵H求得熵权灰色关联度向量O；根据熵权灰色关联度向量O进行排序，输出综合评价排序结果；解决了现有技术针对配电自动化设备测试综合评价存在的信息不完全明确和权重主观性强等现象导致评价结果客观性差的问题。

Description

一种配电自动化设备测试综合评价排序方法
技术领域
本发明属于配电自动化设备的测试评价技术，尤其涉及一种配电自动化设备测试综合评价排序方法。
背景技术
通过对配电自动化设备开展测试评价工作，采用综合评价排序方法开展智能化数据处理与分析，在测试阶段对对待测试评价设备应用综合评价排序方法进行比选排序，从而保证配电自动化设备质量，以提升配电系统运行的安全可靠性。目前，在配电自动化设备测试的综合评价方法方面，传统综合评价方法多采用主观专家决策方式进行权重赋权，过度依赖于专家评判，不同的综合评价方法的差异也只是在于对专家提供的评价信息的处理方式不同，在信息不完整的情况下，受主观偏好影响较大，难保证指标权重选取的客观性和合理性，导致主观性和偶然性较强，评价结果精确度不高，同时部分评价方法计算复杂，评价过程繁琐，可操作性差。
发明内容
本发明要解决的技术问题是：提供一种配电自动化设备测试综合评价排序方法，以解决现有技术传统综合评价方法多采用主观专家决策方式进行权重赋权，过度依赖于专家评判，在信息不完整的情况下，受主观偏好影响较大，难保证指标权重选取的客观性和合理性，导致主观性和偶然性较强，评价结果精确度不高，同时部分评价方法计算复杂，评价过程繁琐，可操作性差等技术问题。
本发明的技术方案是：
一种配电自动化设备测试综合评价排序方法，它包括：
步骤1、采集配电自动化设备测试数据，构建配电自动化设备测试评价指标体系；
步骤2、对采集的测试数据进行预处理得到评价指标标准化后的标准评价矩阵A；
步骤3、由标准评价矩阵A计算得到灰色关联系数矩阵H；
步骤4、计算各评价指标的熵值得到标准评价矩阵A的熵值向量S；
步骤5、由熵值向量S计算得到评价指标的客观权重向量w；
步骤6、根据客观权重向量w和灰色关联系数矩阵H求得熵权灰色关联度向量O；
步骤7、根据熵权灰色关联度向量O进行排序，输出综合评价排序结果。
步骤2所述对采集的测试数据进行预处理，包括指标同向化处理和指标数据无量纲化处理；所述指标同向化处理中，将适度指标和逆向指标转化为正向指标；所述适度指标是指具有理想期望区间的指标，将适度指标转换为正向指标。
将适度指标转换为正向指标的公式为：
Figure BDA0002699644830000031
式中：xij为第i个设备的第j项指标测试值；yij为正向化后的指标；mj和Mj分别为为评价标准规定的第j项指标的最小值和最大值；pj和qj分别为评价标准规定的第j项指标的理想区间的下界和上界。
当所述适度指标的理想期望区间为唯一具体数值时，将适度指标转换为正向指标的转换公式为
Figure BDA0002699644830000032
式中：xij为第i个设备的第j项指标测试值；yij为正向化后的指标；mj和Mj分别为为评价标准规定的第j项指标的最小值和最大值；Lj为评价标准规定的第j项指标的理想值。
所述逆向指标是指数值越小则效果越好的指标，将逆向指标转换为正向指标，转换公式为：
Figure BDA0002699644830000033
xij为第i个设备的第j项指标测试值；yij为正向化后的指标；Mj为评价标准规定的第j项指标的最大值；min(xij)为第j项指标的测试结果最小值；
当第j项指标正向指标时，正向指标是指数值越大则效果越好的指标，无需进行正向转换，公式为
Figure BDA0002699644830000041
所述指标数据无量纲化处理时，对各个指标数据进行无量纲化处理公式为：
Figure BDA0002699644830000042
式中：n1为待测试评价的设备总数；yij为指标同向化处理后的指标；aij为标准化后的指标测试数据。
步骤3所述由标准评价矩阵A计算得到灰色关联系数矩阵H的方法为：选取各项指标中的最大值得到理想设备评价指标向量，将待评价排序设备的评价指标向量与理想设备评价指标向量进行比对，得到灰色关联系数矩阵H，计算公式为：
Figure BDA0002699644830000043
式中：hij为i个设备的第j项指标与第j项指标的理想值之间的灰色关联系数；aij为标准化后的指标测试数据；
Figure BDA0002699644830000044
为第j项指标的理想值；δ为评分辨系数；经过上式即可计算得到灰色关联系数矩阵H。
步骤4所述计算各评价指标的熵值得到标准评价矩阵A的熵值向量S的计算公式为：
Figure BDA0002699644830000051
式中：Sj为第j项指标的熵值；n1为待测试评价的设备总数；
Figure BDA0002699644830000052
为信息熵系数；经过上式即可计算得到熵值向量S。
步骤5所述由熵值向量S计算得到评价指标的客观权重向量w的计算公式为：
Figure BDA0002699644830000053
wj为第j项指标的熵权重值；Sj为第j项指标的熵值；n2为评价指标总数；经过上式即可计算得到客观权重向量w。
步骤6所述根据客观权重向量w和灰色关联系数矩阵H求得熵权灰色关联度向量O的计算公式为：
Figure BDA0002699644830000054
式中：hij为i个设备的第j项指标与第j项指标的理想值之间的灰色关联系数；wj为第j项指标的熵权重值；n2为评价指标总数；Oi为第i个设备的熵权灰色关联度，值越大代表设备评价结果越好；经过上式即可计算得到熵权灰色关联度向量O。
本发明有益效果：
本发明将灰色关联分析法和熵权法相融合应用于配电自动化设备测试综合评价过程中，所采用的灰色关联分析法能够处理信息不完全明确的灰色系统，对数据的要求比较低且计算量较小，对于多指标的评价问题排序准确性较高，同时结合熵权法，利用指标数据所含的信息量大小来确定客观权重，避免了主观性影响，使得赋权过程更加客观和公正，具有较高的可操作性，使最终评价排序结果更加客观和准确。解决了现有技术针对配电自动化设备测试综合评价存在的信息不完全明确和权重主观性强等现象导致评价结果客观性差的问题
附图说明
图1为本发明方法流程图；
图2为本发明实施例的配电自动化设备测试评价指标体系组成图。
具体实施方式
本发明的配电自动化设备测试综合评价排序方法，包括如下步骤：
在步骤1中，收集配电自动化设备测试数据，构建配电自动化设备测试评价指标体系。在本实施例中，其中，配电自动化设备测试评价指标体系如图2所示。配电自动化设备测试评价指标包括：外观一般检查、电气间隙和爬电距离、外观和端子着火检查、防尘等级、防水等级；与上级站通信正确性、交流输入模拟量基本误差、工频交流量允许过量输入能力、直流模拟量模数转换总误差、状态量、远方控制功能、故障处理功能、安全防护等级；连续通电稳定性；电源断相、电源电压变化、后备电源、功率消耗、数据和时钟功能；低温影响、高温影响、湿热影响；绝缘电阻、绝缘强度、冲击电压；电压暂降和短时中断、工频磁场抗扰度、射频电磁场辐射抗扰度、静电放电抗扰度、电快速瞬变脉冲群抗扰度、阻尼振荡波抗扰度、浪涌抗扰度；机械振动性能。
在步骤2中，根据各评价指标测试结果，对原始数据进行预处理，包括指标同向化处理和指标数据无量纲化处理，使数据更加客观有效，构造出评价指标标准化后的标准评价矩阵A；
所述指标同向化处理中，将适度指标和逆向指标转化为正向指标；
所述适度指标是指具有理想期望区间的指标。将适度指标转换为正向指标，其转换公式如下所示：
Figure BDA0002699644830000071
其中，xij为第i个设备的第j项指标测试值；yij为正向化后的指标；mj和Mj分别为为评价标准规定的第j项指标的最小值和最大值；pj和qj分别为评价标准规定的第j项指标的理想区间的下界和上界；
特别地，当所述适度指标的理想期望区间唯一具体数值时，将适度指标转换为正向指标，其转换公式如下所示：
Figure BDA0002699644830000072
其中，xij为第i个设备的第j项指标测试值；yij为正向化后的指标；mj和Mj分别为为评价标准规定的第j项指标的最小值和最大值；Lj为评价标准规定的第j项指标的理想值；
所述逆向指标是指数值越小则效果越好的指标。将逆向指标转换为正向指标，其转换公式如下所示：
Figure BDA0002699644830000081
其中，xij为第i个设备的第j项指标测试值；yij为正向化后的指标；Mj为评价标准规定的第j项指标的最大值；min(xij)为第j项指标的测试结果最小值；特别地，当第j项指标正向指标时，正向指标是指数值越大则效果越好的指标，无需进行正向转换，其公式如下
Figure BDA0002699644830000082
所述指标数据无量纲化处理中，对各个指标数据进行无量纲化处理公式如下所示：
Figure BDA0002699644830000083
其中，n1为待测试评价的设备总数；yij为指标同向化处理后的指标；aij为标准化后的指标测试数据；经过对原始数据进行预处理后得到评价指标标准化后的标准评价矩阵A；
在本实施例中，选取两组配电自动化设备评价指标测试结果计算，通过对原始数据进行预处理，包括指标同向化处理和指标数据无量纲化处理，使数据更加客观有效，构造出评价指标标准化后的标准评价矩阵A。
Figure BDA0002699644830000091
在步骤3中，基于步骤2中所得到的标准评价矩阵A，选取各项指标中的最大值得到理想设备评价指标向量，将待评价排序设备的评价指标向量与理想设备评价指标向量进行比对，得到灰色关联系数矩阵H，计算公式如下：
Figure BDA0002699644830000101
其中，hij为i个设备的第j项指标与第j项指标的理想值之间的灰色关联系数；aij为标准化后的指标测试数据；
Figure BDA0002699644830000102
为第j项指标的理想值；δ为分辨系数；经过上式即可计算得到灰色关联系数矩阵H；
在本实施例中，δ取值为0.5，基于步骤2中所得到的标准评价矩阵A计算得到灰色关联系数矩阵H。
Figure BDA0002699644830000111
在步骤4中，基于步骤2中所得到的标准评价矩阵A，计算得到熵值向量S，计算公式如下：
Figure BDA0002699644830000112
其中，Sj为第j项指标的熵值；n1为待测试评价的设备总数；
Figure BDA0002699644830000113
为信息熵系数；经过上式即可计算得到熵值向量S；
在本实施例中，基于步骤2中所得到的标准评价矩阵A，计算得到熵值向量S。S＝[1.0000,1.0000,1.0000,1.0000,1.0000,1.0000,1.0000,0.9968,0.9988,0.9979,1.0000,0.9995,1.0000,1.0000,1.0000,0.9995,1.0000,0.9980,1.0000,0.9774,1.0000,0.9984,0.9983,0.9994,0.9930,0.9971,0.9995,0.9956,0.9995,0.9995,0.9993,0.9999,0.9995,0.9997,1.0000]。
在步骤5中，基于步骤4中所得到的熵值向量S，计算得到客观权重向量w，计算公式如下：
Figure BDA0002699644830000121
其中，wj为第j项指标的熵权重值；Sj为第j项指标的熵值；n2为评价指标总数；经过上式即可计算得到客观权重向量w；
在本实施例中，基于步骤4中所得到的熵值向量S，计算得到客观权重向量w，w＝[0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0604,0.0217,0.0394,0.0000,0.0089,0.0000,0.0000,0.0000,0.0089,0.0000,0.0376,0.0000,0.4248,0.0000,0.0308,0.0328,0.0105,0.1313,0.0553,0.0089,0.0823,0.0089,0.0089,0.0125,0.0014,0.0089,0.0057,0.0000]。
在步骤6中，基于步骤5中所得到的熵值向量客观权重向量w和基于步骤3所得到的色关联系数矩阵H，求得熵权灰色关联度向量O，计算公式如下：
Figure BDA0002699644830000122
其中，hij为i个设备的第j项指标与第j项指标的理想值之间的灰色关联系数；wj为第j项指标的熵权重值；n2为评价指标总数；Oi为第i个设备的熵权灰色关联度，其值越大代表设备评价结果越好；经过上式即可计算得到熵权灰色关联度向量O；
在本实施例中，基于所得到的熵值向量客观权重向量w和基于所得到的色关联系数矩阵H，求得熵权灰色关联度向量O，O＝[0.8439,0.9805]。
在步骤7中，将所得到的熵权灰色关联度向量O进行排序，输出综合评价排序结果输出最终评价结果。
在本实施例中，基于步骤F所得到的熵权灰色关联度向量O[0.8439,0.9805]，其中，0.9805>0.8439，故最终评价排序结果：配电自动化设备2的测试评价结果要优于配电自动化设备1评价结果。

Claims (10)

1.一种配电自动化设备测试综合评价排序方法，它包括：
步骤1、采集配电自动化设备测试数据，构建配电自动化设备测试评价指标体系；
步骤2、对采集的测试数据进行预处理得到评价指标标准化后的标准评价矩阵A；
步骤3、由标准评价矩阵A计算得到灰色关联系数矩阵H；
步骤4、计算各评价指标的熵值得到标准评价矩阵A的熵值向量S；
步骤5、由熵值向量S计算得到评价指标的客观权重向量w；
步骤6、根据客观权重向量w和灰色关联系数矩阵H求得熵权灰色关联度向量O；
步骤7、根据熵权灰色关联度向量O进行排序，输出综合评价排序结果。
2.根据权利要求1所述的一种配电自动化设备测试综合评价排序方法，其特征在于：步骤2所述对采集的测试数据进行预处理，包括指标同向化处理和指标数据无量纲化处理；所述指标同向化处理中，将适度指标和逆向指标转化为正向指标；所述适度指标是指具有理想期望区间的指标，将适度指标转换为正向指标。
3.根据权利要求2所述的一种配电自动化设备测试综合评价排序方法，其特征在于：将适度指标转换为正向指标的公式为：
Figure FDA0002699644820000021
式中：xij为第i个设备的第j项指标测试值；yij为正向化后的指标；mj和Mj分别为为评价标准规定的第j项指标的最小值和最大值；pj和qj分别为评价标准规定的第j项指标的理想区间的下界和上界。
4.根据权利要求2所述的一种配电自动化设备测试综合评价排序方法，其特征在于：当所述适度指标的理想期望区间为唯一具体数值时，将适度指标转换为正向指标的转换公式为
Figure FDA0002699644820000022
式中：xij为第i个设备的第j项指标测试值；yij为正向化后的指标；mj和Mj分别为为评价标准规定的第j项指标的最小值和最大值；Lj为评价标准规定的第j项指标的理想值。
5.根据权利要求2所述的一种配电自动化设备测试综合评价排序方法，其特征在于：
所述逆向指标是指数值越小则效果越好的指标，将逆向指标转换为正向指标，转换公式为：
Figure FDA0002699644820000023
xij为第i个设备的第j项指标测试值；yij为正向化后的指标；Mj为评价标准规定的第j项指标的最大值；min(xij)为第j项指标的测试结果最小值；
当第j项指标正向指标时，正向指标是指数值越大则效果越好的指标，无需进行正向转换，公式为
Figure FDA0002699644820000031
6.根据权利要求2所述的一种配电自动化设备测试综合评价排序方法，其特征在于：所述指标数据无量纲化处理时，对各个指标数据进行无量纲化处理公式为：
Figure FDA0002699644820000032
式中：n1为待测试评价的设备总数；yij为指标同向化处理后的指标；aij为标准化后的指标测试数据。
7.根据权利要求1所述的一种配电自动化设备测试综合评价排序方法，其特征在于：步骤3所述由标准评价矩阵A计算得到灰色关联系数矩阵H的方法为：选取各项指标中的最大值得到理想设备评价指标向量，将待评价排序设备的评价指标向量与理想设备评价指标向量进行比对，得到灰色关联系数矩阵H，计算公式为：
Figure FDA0002699644820000033
式中：hij为i个设备的第j项指标与第j项指标的理想值之间的灰色关联系数；aij为标准化后的指标测试数据；
Figure FDA0002699644820000041
为第j项指标的理想值；δ为评分辨系数；经过上式即可计算得到灰色关联系数矩阵H。
8.根据权利要求1所述的一种配电自动化设备测试综合评价排序方法，其特征在于：步骤4所述计算各评价指标的熵值得到标准评价矩阵A的熵值向量S的计算公式为：
Figure FDA0002699644820000042
式中：Sj为第j项指标的熵值；n1为待测试评价的设备总数；
Figure FDA0002699644820000043
为信息熵系数；经过上式即可计算得到熵值向量S。
9.根据权利要求1所述的一种配电自动化设备测试综合评价排序方法，其特征在于：步骤5所述由熵值向量S计算得到评价指标的客观权重向量w的计算公式为：
Figure FDA0002699644820000044
wj为第j项指标的熵权重值；Sj为第j项指标的熵值；n2为评价指标总数；经过上式即可计算得到客观权重向量w。
10.根据权利要求1所述的一种配电自动化设备测试综合评价排序方法，其特征在于：步骤6所述根据客观权重向量w和灰色关联系数矩阵H求得熵权灰色关联度向量O的计算公式为：
Figure FDA0002699644820000051
式中：hij为i个设备的第j项指标与第j项指标的理想值之间的灰色关联系数；wj为第j项指标的熵权重值；n2为评价指标总数；Oi为第i个设备的熵权灰色关联度，值越大代表设备评价结果越好；经过上式即可计算得到熵权灰色关联度向量O。
CN202011017759.2A 2020-09-24 2020-09-24 一种配电自动化设备测试综合评价排序方法 Active CN112101813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011017759.2A CN112101813B (zh) 2020-09-24 2020-09-24 一种配电自动化设备测试综合评价排序方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011017759.2A CN112101813B (zh) 2020-09-24 2020-09-24 一种配电自动化设备测试综合评价排序方法

Publications (2)

Publication Number Publication Date
CN112101813A true CN112101813A (zh) 2020-12-18
CN112101813B CN112101813B (zh) 2023-05-02

Family

ID=73756109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011017759.2A Active CN112101813B (zh) 2020-09-24 2020-09-24 一种配电自动化设备测试综合评价排序方法

Country Status (1)

Country Link
CN (1) CN112101813B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884286A (zh) * 2021-01-22 2021-06-01 中国航空工业集团公司北京长城航空测控技术研究所 一种航空装备地面试验方案的综合评价方法
CN113945852A (zh) * 2021-10-20 2022-01-18 福州大学 一种蓄电池组不一致性评价方法
CN115695269A (zh) * 2022-10-31 2023-02-03 中物院成都科学技术发展中心 一种模糊测试工具性能综合量化评估方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279608A (zh) * 2015-10-22 2016-01-27 国家电网公司 基于序关系法-熵权法的县域电网评估方法
CN105447640A (zh) * 2015-11-27 2016-03-30 国家电网公司 一种大电网建设经济型评估方法
CN106355360A (zh) * 2016-11-03 2017-01-25 国家电网公司 一种考虑修正系数的配电网中压项目紧迫性评价方法
CN106503919A (zh) * 2016-11-03 2017-03-15 国家电网公司 一种基于供电分区特性的配电网评价方法
CN108921376A (zh) * 2018-05-24 2018-11-30 华南理工大学 一种智能配电网用电可靠性提升对象的优选方法及系统
CN110020403A (zh) * 2017-11-23 2019-07-16 中国电力科学研究院有限公司 一种配电自动化设备测试综合评价方法及系统
CN110705908A (zh) * 2019-10-16 2020-01-17 海南电网有限责任公司 一种基于组合赋权法的县域配电网评价方法
CN110782164A (zh) * 2019-10-25 2020-02-11 贵州电网有限责任公司 一种基于变权重和模糊综合评价的配电设备状态评价方法
CN111091309A (zh) * 2020-01-14 2020-05-01 中国电力科学研究院有限公司 一种电动汽车充电网络运行经济效益评价方法
CN111563682A (zh) * 2020-05-07 2020-08-21 贵州电网有限责任公司 一种配电自动化设备测试评价方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279608A (zh) * 2015-10-22 2016-01-27 国家电网公司 基于序关系法-熵权法的县域电网评估方法
CN105447640A (zh) * 2015-11-27 2016-03-30 国家电网公司 一种大电网建设经济型评估方法
CN106355360A (zh) * 2016-11-03 2017-01-25 国家电网公司 一种考虑修正系数的配电网中压项目紧迫性评价方法
CN106503919A (zh) * 2016-11-03 2017-03-15 国家电网公司 一种基于供电分区特性的配电网评价方法
CN110020403A (zh) * 2017-11-23 2019-07-16 中国电力科学研究院有限公司 一种配电自动化设备测试综合评价方法及系统
CN108921376A (zh) * 2018-05-24 2018-11-30 华南理工大学 一种智能配电网用电可靠性提升对象的优选方法及系统
CN110705908A (zh) * 2019-10-16 2020-01-17 海南电网有限责任公司 一种基于组合赋权法的县域配电网评价方法
CN110782164A (zh) * 2019-10-25 2020-02-11 贵州电网有限责任公司 一种基于变权重和模糊综合评价的配电设备状态评价方法
CN111091309A (zh) * 2020-01-14 2020-05-01 中国电力科学研究院有限公司 一种电动汽车充电网络运行经济效益评价方法
CN111563682A (zh) * 2020-05-07 2020-08-21 贵州电网有限责任公司 一种配电自动化设备测试评价方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YONGKAI ZHANG.ETC: ""A method for evaluating reserve capacity in middle and long term electric power balance"", 《2014 IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE (APPEEC)》 *
李珊等: ""基于配电设备状态评价的差异化运维策略"", 《广西电力》 *
柯庆: ""基于非健全信息的配电网能效评价技术研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
蔡景素等: ""基于改进灰色关联度的配电网规划后评价方法"", 《红水河》 *
闫军等: ""基于云模型的区域物流指数综合评价"", 《统计与决策 》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884286A (zh) * 2021-01-22 2021-06-01 中国航空工业集团公司北京长城航空测控技术研究所 一种航空装备地面试验方案的综合评价方法
CN112884286B (zh) * 2021-01-22 2024-03-15 中国航空工业集团公司北京长城航空测控技术研究所 一种航空装备地面试验方案的综合评价方法
CN113945852A (zh) * 2021-10-20 2022-01-18 福州大学 一种蓄电池组不一致性评价方法
CN113945852B (zh) * 2021-10-20 2024-03-12 福州大学 一种蓄电池组不一致性评价方法
CN115695269A (zh) * 2022-10-31 2023-02-03 中物院成都科学技术发展中心 一种模糊测试工具性能综合量化评估方法
CN115695269B (zh) * 2022-10-31 2023-10-27 中物院成都科学技术发展中心 一种模糊测试工具性能综合量化评估方法

Also Published As

Publication number Publication date
CN112101813B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN112101813A (zh) 一种配电自动化设备测试综合评价排序方法
Adinolfi et al. Multiobjective optimal design of photovoltaic synchronous boost converters assessing efficiency, reliability, and cost savings
CN110808580B (zh) 基于小波变换和极限学习机的电压暂降源快速辨识方法
CN105932774B (zh) 基于ica算法的智能变电站设备状态预警方法
CN111563682A (zh) 一种配电自动化设备测试评价方法
CN108170885B (zh) 一种配电网中多谐波源识别方法
CN104865499A (zh) 一种特高压直流输电线路区内外故障识别方法
CN113297797A (zh) 一种基于XGBoost的电子式互感器量测误差状态评估方法及装置
CN110609200A (zh) 一种基于模糊度量融合判据的配电网接地故障保护方法
CN111614066B (zh) 一种配电网继电保护定值自动整定方法和系统
CN109165807A (zh) 一种基于概率神经网络的电能质量综合评估方法
CN111091223B (zh) 一种基于物联网智能感知技术的配变短期负荷预测方法
CN114966316A (zh) 一种一二次深度融合设备信号检测装置及检测方法
CN112508254B (zh) 变电站工程项目投资预测数据的确定方法
CN113743452A (zh) 电能质量评估方法及装置
CN115310604A (zh) 一种基于神经网络的ups系统在线故障诊断方法
CN112748318A (zh) 基于改进pso-bp神经网络的串联故障电弧检测方法
Srivastava et al. Random Forest based Fault Detection and Localization in Microgrid using Simplified Measurements
Shi et al. Evaluation of μPMU based intelligent distribution network by AHP and ANP-improved entropy weight methods
CN114219147B (zh) 一种基于联邦学习的配电站故障预测方法
CN116561638B (zh) 基于神经网络学习及状态评估的保护压板不对应校验方法
Wang et al. Research on maintenance method of relay protection state based on combination weight and gray relation
Liu et al. Classification and Identification of Voltage Sag Sources in Distribution Network with Harmonic
Liu et al. Transformer Fault Synthetic Diagnosis Method Based on Fusion of Multi-Neural Networks and Evidence Theory in Cloud Computing
Chao et al. Sensitivity Analysis of Distribution Network Outage Impact Based on Ubiquitous Information

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