CN113256092B - 基于改进优化隶属度函数的便携式电量计量装置评估方法 - Google Patents
基于改进优化隶属度函数的便携式电量计量装置评估方法 Download PDFInfo
- Publication number
- CN113256092B CN113256092B CN202110527113.7A CN202110527113A CN113256092B CN 113256092 B CN113256092 B CN 113256092B CN 202110527113 A CN202110527113 A CN 202110527113A CN 113256092 B CN113256092 B CN 113256092B
- Authority
- CN
- China
- Prior art keywords
- membership
- evaluation
- membership function
- metering device
- index
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 80
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000009826 distribution Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 abstract description 6
- 238000010187 selection method Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010587 phase diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
Abstract
本发明公开了一种基于改进优化隶属度函数的便携式电量计量装置评估方法,包括:依据便携式电量计量装置的综合评估指标体系对所评估样本的各指标进行等级划分和评价,获取原始评估数据;利用典型隶属度函数计算样本各指标数据的隶属度值,得到各指标的改进优化隶属度函数,进而计算各指标数据的隶属度值。由于现有方法采用不同隶属度函数进行评价时,得到的映射结果会存在差异。同时由于各隶属度函数存在待定的参数,不同的参数选取方法也会对隶属度函数的映射结果产生影响,进而导致单一隶属度函数下得到的评价结果的可信度不高。而本发明可以有效避免现有隶属度函数选择方法中存在的单一性和主观性问题。
Description
技术领域
本发明涉及基于改进优化隶属度函数的便携式电量计量装置评估方法,属于电力计量技术领域。
背景技术
电能表作为智能电网高级量测体系中重要的组成部分,其测量准确性是实现智能电网可靠、经济与高效运行的基础。由于当下电能表升级换代速度较快以及电能表自身质量等问题,导致电能表更换频率较高,供电企业为提高优质服务质量,目前广泛采用的电能表更换方法是以保证电力用户正常用电不受换表影响为前提的,这使得换表过程中用户实际使用的一部分电量无法计量到电能表中,该部分损失电量如果计算不准确将会给电力用户、发电企业以及电力企业带来较大经济损失,会直接影响电力交易的公正性。现阶段国内外还没有可供推广的专用计量仪器相关成果,普遍采用的人工计算方法无法准确计算出用户实际使用的电费,准确性有待商榷。便携式电量计量装置通过对电能表更换过程中短时漏计电量的计量,实现在换表过程中对用户实际使用的无表计量电量进行准确计量和监测,可以提高电能计量工作的科学性和准确性,使得电费追补更加精准,从而更好地保障各方的合法利益,对提高供电企业的整体经济效益和社会效益有着一定的意义和作用。
便携式电量计量仪作为短时漏计电量的计量装置,其计量的准确性对用户电量的监测与结算至关重要。目前已有相关文献对电能表的状态评估指标和方法进行了研究,而便携式电量计量仪作为常规电能表装置的补充,不会长时间处于工作状态,因此需根据便携式电量计量仪的实际情况制定其指标体系。在电能表状态评估方法方面,已有文献分别从算法可信度、评估方案的实用性等角度展开了研究。在各种评价方法中,模糊评估方法由于能够有效处理评价过程中的不确定信息而得到了广泛应用,但在隶属度函数的选择方面仍表现出明显的主观性。现有方法采用不同隶属度函数进行评价时,得到的映射结果会存在差异。同时由于各隶属度函数存在待定的参数,不同的参数选取方法也会对隶属度函数的映射结果产生影响,进而导致单一隶属度函数下得到的评价结果的可信度不高。
发明内容
本发明的目的在于提供一种基于改进优化隶属度函数的便携式电量计量装置评估方法,有效避免现有隶属度函数选择方法中存在的单一性和主观性问题,提高利用隶属度函数进行模糊评价的可信度。
本发明的目的通过以下技术方案予以实现:
一种基于改进优化隶属度函数的便携式电量计量装置评估方法,包括:
1)对于便捷式电量计量装置,首先建立其商务评价指标,对商务评价各指标进行等级划分和评价,获取原始评估数据;
2)对于便捷式电量计量装置,建立其性能评价指标,性能评价指标包括电压分相采样、电流分相采样、电压分时采样、电流分时采样、电压相位采样、电流相位采样、时钟计时采样,获取原始评估数据;
3)选择包括高斯型分布隶属函数、广义钟形分布隶属函数、梯形分布隶属函数、三角形隶属函数、尖Γ分布隶属函数在内的典型隶属度函数作为基准函数,根据典型隶属度函数求取商务评价指标、性能评价指标各指标在不同隶属度函数下的隶属度集合f={f1,f2,…,fm},m表示总共有m种隶属度函数;
4)利用n种赋权方法对不同隶属度函数下的隶属度集合f={f1,f2,…,fm}进行赋值,得到的指标权重向量ω为:
5)为了综合不同赋权方法的优势,对n种赋权方法进行线性组合得
式中βj1,βj2,…,βjn为n种赋权方法的综合占比权重,βj1+βj2+…+βjn=1,这样就得到第j(j=1,…,m)个隶属度的综合权重αj;
6)为了获取综合权重αj,需要建立隶属度函数改进优化模型,考虑到改进优化后的综合权重应与原有隶属度权重保持一定的正相关性,且为了实现对不同隶属度函数信息的利用,建立如下的优化模型:
式中μi为不同赋权方法的占比程度系数,H表示优化模型的目标函数,通过最小化上式,得到最优的综合权重系数αj;
7)根据以上优化算法求得的综合权重,可以得到改进隶属度函数,如下式所示:
fH=α1f1+α2f2+…+αmfm (4)
基于优化模型(4)求解得出的改进隶属度函数fH通过对不同类型的隶属度函数进行整合,有效克服利用单一主观或客观赋权法确定权重系数存在的缺陷;
8)根据隶属度函数计算得到的隶属度值,形成模糊评价矩阵R:
式中,Ri是由所有样本的第i项指标隶属度值形成的行矩阵,i=1,2,…,s;对式(5)矩阵中的元素进行归一化处理,得到
9)利用序关系法与均方差法形成各指标的权重矩阵W,进而得到评价结果矩阵为
B=WR (7)
通过对不同评估等级赋分,并分别代表不同的等级水平,采用加权平均得到最终的样本评价结果。
本发明的目的还可以通过以下技术措施来进一步实现:
前述基于改进优化隶属度函数的便携式电量计量装置评估方法,步骤4)所述赋权方法包括层次分析法、熵权法、序关系法。
前述基于改进优化隶属度函数的便携式电量计量装置评估方法,步骤6)对优化模型的优化算法采用粒子群算法或遗传算法。
与现有技术相比,本发明的有益效果是:
1、现有方法采用不同隶属度函数进行评价时,得到的映射结果会存在差异。同时由于各隶属度函数存在待定的参数,不同的参数选取方法也会对隶属度函数的映射结果产生影响,进而导致单一隶属度函数下得到的评价结果的可信度不高。本发明可以有效避免现有隶属度函数选择方法中存在的单一性和主观性问题。
2、本发明有效提高利用隶属度函数进行模糊评价的可信度,对提高便携式电量计量装置的综合评估效果具有指导意义。
附图说明
图1是本发明实施例的便携式电量计量装置的综合评估指标体系图;
图2是本发明实施例的便携式电量计量仪装置综合评价结果图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
一种基于改进优化隶属度函数的便携式电量计量装置综合评估方法,包括如下步骤:
1)对于便捷式电量计量装置,首先建立其商务评价指标,主要是在供货前和到货后对产品的基本商务属性进行评价,包括供货合格率、供货周期、相对供货价格、以及维护效率等。在对便携式电量计量装置进行商务指标评价时,可根据产品实际情况,对供货合格率等进行不同水平等级评估,并赋予相应的分数。商务指标等级划分见表1,包含了对便携式电量计量装置的基本商务属性进行评估的指标,并按照等级范围赋予了相应的分数,分数越低,代表对应的商务属性性能就越好。其中,相对供货价格以市场上相应的产品价格平均数为基准,本装置供货价格与基准价格的比值;
表1商务指标等级划分表
2)对于便捷式电量计量装置,其次建立其性能评价指标。便携式电量计量装置的性能指标主要指其在使用过程中电压电流采样、电量分相/分时计量、电压电流相位图、时钟计时等关键技术指标的准确性,确保装置能够达到0.2S级准确度的等级要求。在对便携式电量计量装置的性能指标进行评估时,需要先从大量样品库中选取样本集,进而对其中各样品的电压电流采样误差等进行统计分析,从而获取该批次计量装置性能的一般特征。根据统计学相关理论,为了获取对关键技术指标的全面统计与分析,可采用期望、标准差和峰度这三个统计指标来衡量误差分布情况。其中,期望包含了关键性能指标误差数据的平均水平,而标准差则体现了其分布的波动情况,同时利用峰度指标来反映误差分布的集中程度,从而更加全面、准确地评价智能电能表的误差分布情况。而所需要的电压电流采样、电量分相/分时计量、电压电流相位图、时钟计时等误差数据可从营销系统或生产调度系统中进行读取统计;
3)根据以上分析,便携式电量计量装置的综合评估指标体系如图1所示;
4)选择包括高斯型分布隶属函数、广义钟形分布隶属函数、梯形分布隶属函数、三角形隶属函数、尖Γ分布隶属函数在内的典型隶属度函数作为基准函数,根据表2中的典型隶属度函数求取图1中各指标在不同隶属度函数下的隶属度集合f={f1,f2,…,fm}(m表示总共有m种隶属度函数);
表2五种典型的中间型隶属度函数
Tab.2 Five typical middle type membership functions
5)利用层次分析法、熵权法、序关系法等赋权方法(共n种)对不同隶属度函数下的隶属度集合f={f1,f2,…,fm}进行赋值,得到的指标权重向量ω为:
6)为了综合不同赋权方法的优势,对n种赋权方法进行线性组合得
式中βj1,βj2,…,βjn为n种赋权方法的综合占比权重(βj1+βj2+…+βjn=1),这样就得到第j(j=1,…,m)个隶属度的综合权重αj;
7)为了获取综合权重αj,需要建立隶属度函数改进优化模型,考虑到改进优化后的综合权重应与原有隶属度权重保持一定的正相关性,且为了尽可能实现对不同隶属度函数信息的利用,建立如下的优化模型:
式中μi为不同赋权方法的占比程度系数,H表示优化模型的目标函数,通过最小化上式,可以得到最优的综合权重系数αj。相关的优化算法包括粒子群算法、遗传算法,以及一些智能优化算法,相对来说较为成熟。
8)根据以上优化算法求得的综合权重,可以得到改进隶属度函数,如下式所示:
fH=α1f1+α2f2+…+αmfm (4)
基于优化模型(4)求解得出的改进隶属度函数fH通过对不同类型的隶属度函数进行整合,可以有效克服利用单一主观或客观赋权法确定权重系数存在的缺陷,并且通过优化算法,弱化了与其他隶属度函数正相关性较弱的评价结果,从而提高了最终评价结果的可信度。
结合上述建立的便携式电量计量装置的综合评估指标体系,并构造改进隶属度函数优化模型进行综合模糊评估,接下来步骤如下:
9)根据隶属度函数计算得到的隶属度值,形成模糊评价矩阵R:
式中,Ri(i=1,2,…,s)是由所有样本的第i项指标隶属度值形成的行矩阵。对式(5)矩阵中的元素进行归一化处理,得到
10)利用序关系法与均方差法形成各指标的权重矩阵W,进而得到评价结果矩阵为
B=WR (7)
通过对不同评估等级赋分,并分别代表“优质”、“良好”等不同的等级水平,可以采用加权平均得到最终的样本评价结果。
本发明实施例选择来自不同厂商的5个批次(h=5)的便携式电量计量仪装置作为被评估对象,具体实现方式如下:
(1)根据图1所示的综合评估指标体系,首先给出如表3所示的被评估对象原始数据。其中,各批次的电压/电流分相采样值等技术指标的期望、标准差和峰度估计值源于被评估对象的试验检定结果,且由于各指标值量纲不一致,因此采用了归一化方法对数据进行了处理。供货合格率、供货周期、相对供货价格、以及维护效率等根据厂商提供的历史商务信息依照表1赋分的结果。
表3被评估对象各指标原始数据
(2)根据表3中的被评估对象各指标原始数据,利用高斯型分布隶属函数、广义钟形分布隶属函数、梯形分布隶属函数、三角形隶属函数、尖Γ分布隶属函数五种典型中间型隶属度函数计算各指标数据的隶属度值f={f1,f2,…,f5};
(3)利用层次分析法和熵权法对不同隶属度函数下的隶属度集合f={f1,f2,…,f5}进行赋值,得到的指标权重向量ω,再利用式(3)计算不同隶属度函数在各指标下的权重;
(4)进一步根据式(4)改进隶属度函数表达式对不同隶属度函数进行整合,计算出各指标数据的改进隶属度值,结果如表4所示(以电压分相采样值的期望数据为例);
表4电压分相采样值的隶属度值(以电压分相采样值的期望数据为例)
(5)进而,利用序关系法和均方差法得出各指标权重为Wk,再根据由不同隶属度函数求得的隶属度值而形成的模糊评判矩阵R得到关于不同隶属度函数的模糊评价结果,结果如表5和图2所示。
表5便携式电量计量仪装置综合评价结果
本发明划分的便捷式电能计量仪装置的综合评估等级共五个等级,综合评估值为“0~1”为优秀,“1~2”为良好,“2~3”为中等,“3~4”为合格,“4~5”为不合格,并据此对综合评估结果进行加权平均,结果如图2所示。
从结果可知,根据不同隶属度函数得出的五个批次的模糊评价值均在0~2之间,说明所评估样本的总体质量等级均在良好以上,但不同隶属度函数得出的结果仍存在明显差异。三角型隶属度函数的评估结果相对保守,表现出来各批次样品评估得分均属于高得分范畴。而高斯分布隶属度函数表现出来的结果偏激进,各批次样品评估得分存在较大差异,甚至批次3和批次5的评估得分超过1,即属于良好等级。因此,利用不同隶属度函数进行评价时会出现不同的结果,甚至是互斥的结果。而改进隶属度函数对不同的单一隶属度函数进行优化组合,通过综合不同隶属度函数的结果信息,使得相较于单一隶属度函数更具可信性。从图2可以看出,批次5的争议结果最大,除了三角型分布隶属度函数的评价结果值最小(即总体评价等级最高),其余隶属度函数下,批次5的评价结果值最大,且在高斯分布隶属度函数下其值已经超过了1。综合来看,批次5的评价结果相对应该是最低的,但应仍属于优秀的范畴。利用改进隶属度函数得出的评价结果验证了上述分析,即批次5虽然总体优秀,但横向比较起来其综合评价结果最低。对于其它批次,可通过类似的分析以得到对应的结果。因此,本方法通过对不同隶属度函数进行优化加权得到组合隶属度函数,结果综合了其他五种隶属度函数的信息,提高了综合评价结果的可信度。
除上述实施例外,本发明还可以有其他实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围内。
Claims (3)
1.一种基于改进优化隶属度函数的便携式电量计量装置评估方法,其特征在于,包括:
1)对于便捷式电量计量装置,首先建立其商务评价指标,对商务评价各指标进行等级划分和评价,获取原始评估数据;
2)对于便捷式电量计量装置,建立其性能评价指标,性能评价指标包括电压分相采样、电流分相采样、电压分时采样、电流分时采样、电压相位采样、电流相位采样、时钟计时采样,获取原始评估数据;
3)选择包括高斯型分布隶属函数、广义钟形分布隶属函数、梯形分布隶属函数、三角形隶属函数、尖Γ分布隶属函数在内的典型隶属度函数作为基准函数,根据典型隶属度函数求取商务评价指标、性能评价指标各指标在不同隶属度函数下的隶属度集合f={f1,f2,…,fm},m表示总共有m种隶属度函数;
4)利用n种赋权方法对不同隶属度函数下的隶属度集合f={f1,f2,…,fm}进行赋值,得到的指标权重向量ω为:
5)为了综合不同赋权方法的优势,对n种赋权方法进行线性组合得
式中βj1,βj2,…,βjn为n种赋权方法的综合占比权重,βj1+βj2+…+βjn=1,这样就得到第j个隶属度的综合权重αj,j=1,…,m;
6)为了获取综合权重αj,需要建立隶属度函数改进优化模型,考虑到改进优化后的综合权重应与原有隶属度权重保持一定的正相关性,且为了实现对不同隶属度函数信息的利用,建立如下的优化模型:
式中μi为不同赋权方法的占比程度系数,H表示优化模型的目标函数,通过最小化上式,得到最优的综合权重系数αj;
7)根据步骤6)求得的综合权重,可以得到改进隶属度函数,如下式所示:
fH=α1f1+α2f2+…+αmfm (4)
基于优化模型(4)求解得出的改进隶属度函数fH通过对不同类型的隶属度函数进行整合,有效克服利用单一主观或客观赋权法确定权重系数存在的缺陷;
8)根据隶属度函数计算得到的隶属度值,形成模糊评价矩阵R:
式中,Ri是由所有样本的第i项指标隶属度值形成的行矩阵,i=1,2,…,s;对式(5)矩阵中的元素进行归一化处理,得到
9)利用序关系法与均方差法形成各指标的权重矩阵W,进而得到评价结果矩阵为
B=WR (7)
通过对不同评估等级赋分,并分别代表不同的等级水平,采用加权平均得到最终的样本评价结果。
2.如权利要求1所述的基于改进优化隶属度函数的便携式电量计量装置评估方法,其特征在于,步骤4)所述赋权方法包括层次分析法、熵权法、序关系法。
3.如权利要求1所述的基于改进优化隶属度函数的便携式电量计量装置评估方法,其特征在于,步骤6)对优化模型的优化算法采用粒子群算法或遗传算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110527113.7A CN113256092B (zh) | 2021-05-14 | 2021-05-14 | 基于改进优化隶属度函数的便携式电量计量装置评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110527113.7A CN113256092B (zh) | 2021-05-14 | 2021-05-14 | 基于改进优化隶属度函数的便携式电量计量装置评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256092A CN113256092A (zh) | 2021-08-13 |
CN113256092B true CN113256092B (zh) | 2022-08-09 |
Family
ID=77181912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110527113.7A Active CN113256092B (zh) | 2021-05-14 | 2021-05-14 | 基于改进优化隶属度函数的便携式电量计量装置评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256092B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114579607B (zh) * | 2022-02-28 | 2023-04-18 | 扬州洪顺电器有限公司 | 基于电指标感知的屏蔽罩性能数据处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651656A (zh) * | 2016-12-28 | 2017-05-10 | 国网江西省电力公司经济技术研究院 | 基于改进的隶属度函数的供电可靠性模糊综合评价方法 |
CN106875124A (zh) * | 2017-02-23 | 2017-06-20 | 广东工业大学 | 一种电能计量装置状态评估方法、装置及系统 |
CN109284938A (zh) * | 2018-10-18 | 2019-01-29 | 许昌许继软件技术有限公司 | 一种电力电缆线路状态的综合评估方法与装置 |
CN110210711A (zh) * | 2019-05-06 | 2019-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种电动汽车电能计量准确度评估方法 |
CN112508360A (zh) * | 2020-11-24 | 2021-03-16 | 国网山西省电力公司晋城供电公司 | 一种改进模糊综合评价的电缆运行状态评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934447A (zh) * | 2018-10-31 | 2019-06-25 | 国网安徽省电力有限公司宿州供电公司 | 一种智能变电站二次设备效能的模糊综合评估方法 |
-
2021
- 2021-05-14 CN CN202110527113.7A patent/CN113256092B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651656A (zh) * | 2016-12-28 | 2017-05-10 | 国网江西省电力公司经济技术研究院 | 基于改进的隶属度函数的供电可靠性模糊综合评价方法 |
CN106875124A (zh) * | 2017-02-23 | 2017-06-20 | 广东工业大学 | 一种电能计量装置状态评估方法、装置及系统 |
CN109284938A (zh) * | 2018-10-18 | 2019-01-29 | 许昌许继软件技术有限公司 | 一种电力电缆线路状态的综合评估方法与装置 |
CN110210711A (zh) * | 2019-05-06 | 2019-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种电动汽车电能计量准确度评估方法 |
CN112508360A (zh) * | 2020-11-24 | 2021-03-16 | 国网山西省电力公司晋城供电公司 | 一种改进模糊综合评价的电缆运行状态评估方法 |
Non-Patent Citations (1)
Title |
---|
基于变权重模糊综合评判法的保护装置状态评价;戴志辉等;《电测与仪表》;20210415;第58卷(第4期);第150-157页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113256092A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gonzalez et al. | Forecasting power prices using a hybrid fundamental-econometric model | |
CN111369070B (zh) | 一种基于包络线聚类的多模融合光伏功率预测方法 | |
CN103258069B (zh) | 一种钢铁行业电力需求的预测方法 | |
Zhou et al. | Residential demand response targeting using machine learning with observational data | |
CN110471024A (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN108388962B (zh) | 一种风电功率预测系统及方法 | |
CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
CN110334952A (zh) | 一种基于改进灰色关联度的配电网规划后评价方法 | |
CN111062620B (zh) | 基于混合计费数据的电力计费公平性智能分析系统及方法 | |
CN112435054B (zh) | 基于广义最大相关熵准则的核极限学习机售电量预测方法 | |
CN111598165A (zh) | 一种基于极限学习机的密度聚类离群点检测方法 | |
CN113256092B (zh) | 基于改进优化隶属度函数的便携式电量计量装置评估方法 | |
CN109657846A (zh) | 电网交叉补贴规模影响因子筛选方法 | |
Li et al. | Day-ahead risk averse market clearing considering demand response with data-driven load uncertainty representation: A Singapore electricity market study | |
Yu et al. | On statistical modeling and forecasting of energy usage in smart grid | |
Chen et al. | Toward future information market: An information valuation paradigm | |
CN110781959A (zh) | 基于birch算法和随机森林算法的电力客户分群方法 | |
CN110796392A (zh) | 一种连续批智能电能表的分阶段与分层抽样方法 | |
CN112001551B (zh) | 一种基于大用户电量信息的地市电网售电量预测方法 | |
CN104268804A (zh) | 基于层次化数据包络分析的电力优质客户数据挖掘方法 | |
Sun et al. | Customer Clustering and Typical Daily Load Profile Identification Considering the Demand Response and the Inherent Uncertainties | |
CN105203838B (zh) | 一种电量采集系统 | |
Zhang | Comprehensive Evaluation Method of the Portable Electricity Meter Devices Based on the Improved Optimization of Membership Functions | |
Baskys et al. | Calculation of electrical energy balances of production systems based on probabilistic-statistical approach | |
CN114462901B (zh) | 有源配电网电能质量评价方法、装置、终端及存储介质 |
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 |