CN113256141A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113256141A
CN113256141A CN202110631523.6A CN202110631523A CN113256141A CN 113256141 A CN113256141 A CN 113256141A CN 202110631523 A CN202110631523 A CN 202110631523A CN 113256141 A CN113256141 A CN 113256141A
Authority
CN
China
Prior art keywords
index
electric energy
intelligent electric
energy meter
quality
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.)
Pending
Application number
CN202110631523.6A
Other languages
English (en)
Inventor
刘永光
方旭
沈曙明
郑安刚
刘岩
徐永进
韩林峰
叶莘
尚怀赢
李志鹏
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.)
Xuji Group Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Henan Xuji Instrument Co Ltd
Original Assignee
Xuji Group Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Henan Xuji Instrument 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 Xuji Group Co Ltd, China Electric Power Research Institute Co Ltd CEPRI, Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd, Henan Xuji Instrument Co Ltd filed Critical Xuji Group Co Ltd
Priority to CN202110631523.6A priority Critical patent/CN113256141A/zh
Publication of CN113256141A publication Critical patent/CN113256141A/zh
Pending legal-status Critical Current

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
    • G06Q10/06395—Quality analysis or management
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种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，其中方法包括如下步骤：构建基于社会地域差异的智能电能表质量指标体系；对所述质量指标体系的各级指标进行量化；确定社会因素对所述智能电能表故障成因的判别效果；构建所述智能电能表质量评价共性模型。通过综合考虑社会、经济、管理等因素，构建智能电能表质量影响因素的指标体系，合理对各因素进行量化并分配权重，确定社会因素对智能表故障成因的判别效果，使共性模型能够在行业内的不同地区进行广泛享用，服务于智能电能表质量评价实际工作。

Description

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
技术领域
本发明涉及智能电能表质量评价领域，特别涉及一种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。
背景技术
国家电网公司从2009年开始，大力推广应用智能电能表，初步实现了用电信息采集系统“全采集、全覆盖、全费控”的建设目标。智能电能表是电网企业为客户提供优质服务中至关重要的设备，其产品质量与政府、电力公司和百姓切身利益息息相关。本发明的技术方案针对智能电能表质量评价中存在的系统性不强等问题，综合考虑社会、经济、管理等因素，构建智能电能表质量影响因素的指标体系，合理对各因素进行量化并分配权重，确定社会因素对智能表故障成因的判别效果。根据各类质量影响因素指标，结合实际各类质量问题发生情况，构建社会因素影响下的智能电能表质量评价共性模型，实现智能电能表质量状况进行系统化定量评价。
发明内容
本发明实施例的目的是提供一种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，通过综合考虑社会、经济、管理等因素，构建智能电能表质量影响因素的指标体系，合理对各因素进行量化并分配权重，确定社会因素对智能表故障成因的判别效果，使共性模型能够在行业内的不同地区进行广泛享用，服务于智能电能表质量评价实际工作。
为解决上述技术问题，本发明实施例的第一方面提供了一种基于社会因素的智能电能表质量评价共性模型构建方法，包括如下步骤：
构建基于社会地域差异的智能电能表质量指标体系；
对所述质量指标体系的各级指标进行量化；
确定社会因素对所述智能电能表故障成因的判别效果；
构建所述智能电能表质量评价共性模型。
进一步地，所述构建基于社会地域差异的智能电能表质量指标体系，包括：
构建具有地域差异的所述质量指标体系，建立层次框架；
确定评价所述质量指标体系的目标层；
依据所述质量指标体系，确定准则层，以明确所述质量指标体系的量化方向；
依据所述量化方向，对所述质量指标体系的所述准则层指标进一步量化；
确定所述指标层最终量化的指标，完成所述准则层和所述指标层的划分、筛选与确定。
进一步地，所述对所述质量指标体系的各级指标进行量化，包括：
计算所述准则层的权重评估矩阵，以确定所述准则层的权重等级；
计算所述指标层的指标焦元，将所述指标焦元集合记为B＝{{Br i}|i＝1,2,…,M；r＝0,1,…,2S}，采用信任权重ti计算所述指标焦元的概率分配值，计算公式为：
Figure BDA0003103746330000021
其中，vij表示对于指标ai的评估值；
以所述指标焦元的所述概率分配值m(Br i)作为所述指标焦元Br i的信任度，通过对所述准则层的所述指标层上所有信任度进行合成，得到所述准则层的所述概率分配值，公式如下：
Figure BDA0003103746330000022
计算所述准则层对于所述质量等级的信任函数Bel和似然函数Pls：
Figure BDA0003103746330000031
根据指标体系决策规则，对各个所述质量等级进行排序，计算所述准则层的所述质量等级；
采用AHP方法，使用标度法计算每个准则的权重wi(i＝1,2,…,n)并进行一致性检验。
进一步地，所述确定社会因素对所述智能电能表故障成因的判别效果，包括：
使用K-S检验方法对选取的所述社会因素数据的正态性进行检验；
对所述指标进行区分度显著性检验；
对所述社会因素数据进行KMO检验和Bartlett球形检验，以判断是否合适进行主成分分析；
根据进入因子分析的变量数量，在指标筛选处理中，删除公因子方差小于预设数值的变量，得到最终的主成分指标；
对影响所述智能电能表质量的所述主成分指标进行初值化处理；
将所述智能电能表的故障率作为参考列，将所述主成分指标的数据作为比较列，计算相关性矩阵，得到所述社会因素与智能电能表质量之间的关联度：
Figure BDA0003103746330000032
依据成分得分系数矩阵计算因子得分函数，利用筛选出的所述若干个主成分指标构建Logit模型。
进一步地，所述对所述指标进行区分度显著性检验，宝硕
对服从正态分布的所述指标用独立样本T检验进行区分度显著性检验；
对不服从正态分布的所述指标用Mann-Whitney方法进行区分度显著性检验。
进一步地，所述构建所述智能电能表质量评价共性模型，包括：
把所述智能电能表质量评价共性模型看作是连续函数空间中的一个元素，对故障量类型进行所述主成分指标参数估算；
计算所述变量在故障量等级上的概率；
根据各个所述主成分指标的得分对每一个所述变量进行分类，将分类数值作为新因子来构建所述智能电能表质量评价共性模型。
相应地，本发明实施例的第二方面提供了一种基于社会因素的智能电能表质量评价共性模型构建装置，包括：
体系构建模块，其用于构建基于社会地域差异的智能电能表质量指标体系；
指标量化模块，其用于对所述质量指标体系的各级指标进行量化；
故障判别模块，其用于确定社会因素对所述智能电能表故障成因的判别效果；
模型构建模块，其用于构建所述智能电能表质量评价共性模型。
进一步地，所述体系构建模块包括：
体系构建单元，其用于构建具有地域差异的所述质量指标体系，建立层次框架；
目标层确定单元，其用于确定评价所述质量指标体系的目标层；
准则层确定单元，其用于依据所述质量指标体系，确定准则层，以明确所述质量指标体系的量化方向；
指标量化单元，其用于依据所述量化方向，对所述质量指标体系的所述准则层指标进一步量化；
指标确定单元，其用于确定所述指标层最终量化的指标，完成所述准则层和所述指标层的划分、筛选与确定。
进一步地，所述指标量化模块包括：
第一计算单元，其用于计算所述准则层的权重评估矩阵，以确定所述准则层的权重等级；
第二计算单元，其用于计算所述指标层的指标焦元，将所述指标焦元集合记为B＝{{Bri}|i＝1,2,…,M；r＝0,1,…,2S}，采用信任权重ti计算所述指标焦元的概率分配值，计算公式为：
Figure BDA0003103746330000051
其中，vij表示对于指标ai的评估值；
第三计算单元，其用于以所述指标焦元的所述概率分配值m(Br i)作为所述指标焦元Br i的信任度，通过对所述准则层的所述指标层上所有信任度进行合成，得到所述准则层的所述概率分配值，公式如下：
Figure BDA0003103746330000052
第四计算单元，其用于计算所述准则层对于所述质量等级的信任函数Bel和似然函数Pls：
Figure BDA0003103746330000053
第五计算单元，其用于根据指标体系决策规则，对各个所述质量等级进行排序，计算所述准则层的所述质量等级；
第六计算单元，其用于采用AHP方法，使用标度法计算每个所述准则的权重并进行一致性检验。
进一步地，所述故障判别模块包括：
正态性检验单元，其用于使用K-S检验方法对选取的所述社会因素数据的正态性进行检验；
区分度检验单元；其用于对所述指标进行区分度显著性检验；
数据检验单元，其用于对所述社会因素数据进行KMO检验和Bartlett球形检验，以判断是否合适进行主成分分析；
指标删选单元，其用于根据进入因子分析的变量数量，在指标筛选处理中，删除公因子方差小于预设数值的变量，得到最终的主成分指标；
初值化处理单元，其用于对影响所述智能电能表质量的所述主成分指标进行初值化处理；
关联计算单元，其用于将所述智能电能表的故障率作为参考列，将所述主成分指标的数据作为比较列，计算相关性矩阵，得到所述社会因素与智能电能表质量之间的关联度：
Figure BDA0003103746330000061
Logit模型构建单元，其用于依据成分得分系数矩阵计算因子得分函数，利用筛选出的所述若干个主成分指标构建Logit模型。
进一步地，所述区分度检验单元包括：
第一区分度检验子单元，其用于对服从正态分布的所述指标用独立样本T检验进行区分度显著性检验；
第二区分度检验子单元，其用于对不服从正态分布的所述指标用Mann-Whitney方法进行区分度显著性检验。
进一步地，所述模型构建模块包括：
参数估算单元，其用于把所述智能电能表质量评价共性模型看作是连续函数空间中的一个元素，对故障量类型进行所述主成分指标参数估算；
变量计算单元，其用于计算所述变量在故障量等级上的概率；
模型构建单元，其用于根据各个所述主成分指标的得分对每一个所述变量进行分类，将分类数值作为新因子来构建所述智能电能表质量评价共性模型。
相应地，本发明实施例的第三方面还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述一个处理器执行，以使所述至少一个处理器执行上述基于社会因素的智能电能表质量评价共性模型构建方法。
此外，本发明实施例的第四方面还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述基于社会因素的智能电能表质量评价共性模型构建方法。
本发明实施例的上述技术方案具有如下有益的技术效果：
通过综合考虑社会、经济、管理等因素，构建智能电能表质量影响因素的指标体系，合理对各因素进行量化并分配权重，确定社会因素对智能表故障成因的判别效果，使共性模型能够在行业内的不同地区进行广泛享用，服务于智能电能表质量评价实际工作。
附图说明
图1是本发明实施例提供的基于社会因素的智能电能表质量评价共性模型构建方法流程图；
图2是本发明实施例提供的智能电能表质量评价共性模型构建方法社会因素示意图；
图3是本发明实施例提供的基于社会因素的智能电能表质量评价共性模型构建装置模块框图；
图4是本发明实施例提供的体系构建模块框图；
图5是本发明实施例提供的指标量化模块框图；
图6是本发明实施例提供的故障判别模块框图；
图7是本发明实施例提供的区分度检验单元框图；
图8是本发明实施例提供的模型构建模块框图。
附图标记：
1、体系构建模块，11、体系构建单元，12、目标层确定单元，13、准则层确定单元，14、指标量化单元，15、指标确定单元，2、指标量化模块，21、第一计算单元，22、第二计算单元，23、第三计算单元，24、第四计算单元，25、第五计算单元，26、第六计算单元，3、故障判别模块，31、正态性检验单元，32、区分度检验单元，321、第一区分度检验子单元，322、第二区分度检验子单元，33、数据检验单元，34、指标删选单元，35、初值化处理单元，36、关联计算单元，37、Logit模型构建单元，4、模型构建模块，41、参数估算单元，42、变量计算单元，43、模型构建单元。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
图1是本发明实施例提供的基于社会因素的智能电能表质量评价共性模型构建方法流程图。
请参照图1，本发明实施例的第一方面提供了一种基于社会因素的智能电能表质量评价共性模型构建方法，包括如下步骤：
S100，构建基于社会地域差异的智能电能表质量指标体系。
S200，对质量指标体系的各级指标进行量化。
S300，确定社会因素对智能电能表故障成因的判别效果。
S400，构建智能电能表质量评价共性模型。
上述技术方案通过综合考虑社会、经济、管理等因素，构建智能电能表质量影响因素的指标体系，合理对各因素进行量化并分配权重，确定社会因素对智能表故障成因的判别效果，使共性模型能够在行业内的不同地区进行广泛享用，服务于智能电能表质量评价实际工作。
图2是本发明实施例提供的智能电能表质量评价共性模型构建方法社会因素示意图。
具体的，请参照图2，智能电能表质量评价共性模型的社会因素主要包括以下几个方面：经济方面、社会发展方面、生活质量方面、基础设施及环境方面、自然地理特征方面等。
具体的，步骤S100中，构建基于社会地域差异的智能电能表质量指标体系，包括：
S110，构建具有地域差异的质量指标体系，建立层次框架。
S120，确定评价质量指标体系的目标层。
S130，依据质量指标体系，确定准则层，以明确质量指标体系的量化方向。
S140，依据量化方向，对质量指标体系的准则层指标进一步量化。
指标层主要由GDP增长率、人口自然增长率、恩格尔系数、环境治理投入和降雨量等地区经济、社会、环境特征因素组成，通过这些参数对智能电能表的质量进行量化，见表1。
表1
Figure BDA0003103746330000091
Figure BDA0003103746330000101
S150，确定指标层最终量化的指标，完成准则层和指标层的划分、筛选与确定。
具体的，步骤S200中，对质量指标体系的各级指标进行量化，包括：
S210，计算准则层的权重评估矩阵，以确定准则层的权重等级。
S220，计算指标层的指标焦元，将指标焦元集合记为B＝{{Br i}|i＝1,2,…,M；r＝0,1,…,2S}，采用信任权重ti计算指标焦元的概率分配值，计算公式为：
Figure BDA0003103746330000102
其中，vij表示对于指标ai的评估值。
S230，以指标焦元的概率分配值m(Br i)作为指标焦元Br i的信任度，通过对准则层的指标层上所有信任度进行合成，得到准则层的概率分配值，公式如下：
Figure BDA0003103746330000103
S240，计算准则层对于质量等级的信任函数Bel和似然函数Pls：
Figure BDA0003103746330000111
S250，根据指标体系决策规则，对各个质量等级进行排序，计算准则层的质量等级。
S260，采用AHP方法，使用标度法计算每个准则的权重wi(i＝1,2,…,n)并进行一致性检验。
具体的，步骤S300中，确定社会因素对智能电能表故障成因的判别效果，包括：
S310，使用K-S检验方法对选取的社会因素数据的正态性进行检验。
S320，对指标进行区分度显著性检验。
S330，对社会因素数据进行KMO检验和Bartlett球形检验，以判断是否合适进行主成分分析。
S340，根据进入因子分析的变量数量，在指标筛选处理中，删除公因子方差小于预设数值的变量，得到最终的主成分指标。
S350，对影响智能电能表质量的主成分指标进行初值化处理。
S360，将智能电能表的故障率作为参考列，将主成分指标的数据作为比较列，计算相关性矩阵，得到社会因素与智能电能表质量之间的关联度：
Figure BDA0003103746330000112
S370，依据成分得分系数矩阵计算因子得分函数，利用筛选出的若干个主成分指标构建Logit模型。
进一步地，步骤S320中，对指标进行区分度显著性检验，宝硕
S321，对服从正态分布的指标用独立样本T检验进行区分度显著性检验。
S322，对不服从正态分布的指标用Mann-Whitney方法进行区分度显著性检验。
具体的，步骤S400中，构建智能电能表质量评价共性模型，包括：
S410，把智能电能表质量评价共性模型看作是连续函数空间中的一个元素，对故障量类型进行主成分指标参数估算。
S420，计算变量在故障量等级上的概率。
S430，根据各个主成分指标的得分对每一个变量进行分类，将分类数值作为新因子来构建智能电能表质量评价共性模型。
在本发明实施例的一个具体实施方式中，以安阳和开封为例，构建两个地区的经济、社会、环境特征因素指标，具体如表2所示。
表2
Figure BDA0003103746330000121
Figure BDA0003103746330000131
对指标体系的的各级指标进行量化：
从领域专家数据库中随机选取4位专家{d1,d2,d3,d4}，根据其学术水平和同行评议，确定其权重分别为{0.3,0.1,0.4,0.2}。
为了便于领域专家对指标进行评判，可以通过与流行病学资料和疫病防止规范相结合，量化风险指标的评判标准。根据智能电能表故障等级和量化指标，将智能电能表质量因素指标量化，得到的初始评估矩阵如表3所示。
表3
Figure BDA0003103746330000132
计算焦元的概率分配值，并得到焦元概率分配矩阵，如表4所示。
表4
Figure BDA0003103746330000133
根据焦元的概率分配值，对准则层内的所有指标因素的信任度进行合成：
m(s2)＝0,m(s3)＝0.3563,m([s3,s4])＝0.1034,m(s4)＝0.5402,m(S)＝0；
由合成后的信任度，计算准则层对于每个质量等级的信任函数Bel和似然函数Pls：
s1＝[0,0],s2＝[0,0],s3＝[0.3563,0.4598],s4＝[0.5402,0.6437],s5＝[0,0]；
采用层次分析法得到某个准则层的的重要性权重为0.113。
确定社会因素对智能电能表故障成因的判别效果：
计算所选因素与智能电能表故障之间的关联度。因素选择工业总产值、年降雨量、实际利用外资、人均预期寿命、人口自然率、进出口总额占GDP比例、GDP率，以一年表龄智能电能表故障率作为参考列。相关性矩阵见表5。
表5
Figure BDA0003103746330000141
预测表达式为：
Y＝39.609*F0+78.725F1+3.491F2-74.121F3-53.843F4-27.726F5+54.039F6+56.813F7+321.494
其中，F0表示气候类型分类。
此外，表6为1类故障量分类的模型主成分参数估算，由显著性值来看，气候类型分类无统计学意义，将其剔除。
表6
Figure BDA0003103746330000151
因此，Logit模型表达式为：
G1＝-0.713-0.368F1+0.51F2-0.339F3+0.211F4-0.258F5-0.234F6-0.296F7；
G2＝19.506-0.64F1-0.219F2+0.417F3+0.514F4-0.255F5+0.117F6+0.338F7；
G3(对照)＝0；
其中，G(X)代表log[P(电表损坏量x级)/P(电表损坏量3级)]。
将G值算出来后带入下式，即可得出该变量在故障量三个等级上的概率。
P1＝exp(G1)/[exp(G1)+exp(G2)+exp(G3)]
P2＝exp(G2)/[exp(G1)+exp(G2)+exp(G3)]
P3＝exp(G3)/[exp(G1)+exp(G2)+exp(G3)]
以一年表龄故障情况分析为例，模型预测分类结果见表7。
表7
实测 1 2 3 正确百分比
1 26 10 1 70.3％
2 9 31 6 67.4％
3 7 9 14 46.7％
总体百分比 37.2％ 44.2％ 18.6％ 62.8％
计算三种不同的经济地区各指标的关联度得分：
1)1级经济地区的各主成分关联得分排序(详见表8)
表8
score index
0.816147 F7
0.744937 F2
0.660434 F4
0.646007 F3
0.512946 F6
0.508906 F5
0.499252 F1
2)2级经济地区的各主成分关联得分排序(详见表9)
表9各主成分关联得分排序
score index
0.735309 F5
0.726086 F1
0.699149 F6
0.695921 F4
0.67138 F7
0.664053 F2
0.608838 F3
3)3级经济地区的各主成分关联得分排序
表10
score index
0.776149 F1
0.659133 F7
0.653387 F3
0.620072 F6
0.617035 F2
0.556005 F4
0.500771 F5
根据各经济地区的关联度排名，选取排名相近的主成分作为共性影响因子，可以得到结论：
不同经济地区的共性影响因素有：F4(人均预期寿命，金融机构贷款余额)、F6(进出口总额占GDP比例)。
图3是本发明实施例提供的基于社会因素的智能电能表质量评价共性模型构建装置模块框图。
相应地，请参照图3，本发明实施例的第二方面提供了一种基于社会因素的智能电能表质量评价共性模型构建装置，包括：体系构建模块1、指标量化模块2、故障判别模块3和模型构建模块4。其中，体系构建模块1用于构建基于社会地域差异的智能电能表质量指标体系。指标量化模块2用于对质量指标体系的各级指标进行量化。故障判别模块3用于确定社会因素对智能电能表故障成因的判别效果。模型构建模块4用于构建智能电能表质量评价共性模型。
图4是本发明实施例提供的体系构建模块框图。
具体的，请参照图4，体系构建模块1包括：体系构建单元11、目标层确定单元12、准则层确定单元13、指标量化单元14和指标确定单元15。体系构建单元11用于构建具有地域差异的质量指标体系，建立层次框架。目标层确定单元12用于确定评价质量指标体系的目标层。准则层确定单元13用于依据质量指标体系，确定准则层，以明确质量指标体系的量化方向。指标量化单元14用于依据量化方向，对质量指标体系的准则层指标进一步量化。指标确定单元15用于确定指标层最终量化的指标，完成准则层和指标层的划分、筛选与确定。
图5是本发明实施例提供的指标量化模块框图。
具体的，请参照图5，指标量化模块2包括：第一计算单元21、第二计算单元22、第三计算单元23、第四计算单元24、第五计算单元25和第六计算单元26。
第一计算单元21用于计算准则层的权重评估矩阵，以确定准则层的权重等级。
第二计算单元22用于计算指标层的指标焦元，将指标焦元集合记为B＝{{Bri}|i＝1,2,…,M；r＝0,1,…,2S}，采用信任权重ti计算指标焦元的概率分配值，计算公式为：
Figure BDA0003103746330000181
其中，vij表示对于指标ai的评估值。
第三计算单元23用于以指标焦元的概率分配值m(Br i)作为指标焦元Br i的信任度，通过对准则层的指标层上所有信任度进行合成，得到准则层的概率分配值，公式如下：
Figure BDA0003103746330000182
第四计算单元24用于计算准则层对于质量等级的信任函数Bel和似然函数Pls：
Figure BDA0003103746330000183
第五计算单元25用于根据指标体系决策规则，对各个质量等级进行排序，计算准则层的质量等级。
第六计算单元26用于采用AHP方法，使用标度法计算每个准则的权重并进行一致性检验。
图6是本发明实施例提供的故障判别模块框图。
具体的，请参照图6，故障判别模块3包括：正态性检验单元31、区分度检验单元32、数据检验单元33、指标删选单元34、初值化处理单元35、关联计算单元36和Logit模型构建单元37。
正态性检验单元31用于使用K-S检验方法对选取的社会因素数据的正态性进行检验。
区分度检验单元32用于对指标进行区分度显著性检验。
数据检验单元33用于对社会因素数据进行KMO检验和Bartlett球形检验，以判断是否合适进行主成分分析。
指标删选单元34用于根据进入因子分析的变量数量，在指标筛选处理中，删除公因子方差小于预设数值的变量，得到最终的主成分指标。
初值化处理单元35用于对影响智能电能表质量的主成分指标进行初值化处理。
关联计算单元36用于将智能电能表的故障率作为参考列，将主成分指标的数据作为比较列，计算相关性矩阵，得到社会因素与智能电能表质量之间的关联度：
Figure BDA0003103746330000191
Logit模型构建单元37用于依据成分得分系数矩阵计算因子得分函数，利用筛选出的若干个主成分指标构建Logit模型。
图7是本发明实施例提供的区分度检验单元框图。
进一步地，请参照图7，区分度检验单元32包括：第一区分度检验子单元321和第二区分度检验子单元322。第一区分度检验子单元321用于对服从正态分布的指标用独立样本T检验进行区分度显著性检验。第二区分度检验子单元322用于对不服从正态分布的指标用Mann-Whitney方法进行区分度显著性检验。
图8是本发明实施例提供的模型构建模块框图。
具体的，请参照图8，模型构建模块4包括：参数估算单元41、变量计算单元42和模型构建单元43。
参数估算单元41用于把智能电能表质量评价共性模型看作是连续函数空间中的一个元素，对故障量类型进行主成分指标参数估算。
变量计算单元42用于计算变量在故障量等级上的概率。
模型构建单元43用于根据各个主成分指标的得分对每一个变量进行分类，将分类数值作为新因子来构建智能电能表质量评价共性模型。
上述模型构建装置的技术效果与前述模型构建方法相同，这里不在赘述。
相应地，本发明实施例的第三方面还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器连接的存储器。其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述一个处理器执行，以使所述至少一个处理器执行上述基于社会因素的智能电能表质量评价共性模型构建方法。
此外，本发明实施例的第四方面还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述基于社会因素的智能电能表质量评价共性模型构建方法。
本发明实施例旨在保护一种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，其中方法包括如下步骤：构建基于社会地域差异的智能电能表质量指标体系；对所述质量指标体系的各级指标进行量化；确定社会因素对所述智能电能表故障成因的判别效果；构建所述智能电能表质量评价共性模型。上述技术方案具备如下效果：
通过综合考虑社会、经济、管理等因素，构建智能电能表质量影响因素的指标体系，合理对各因素进行量化并分配权重，确定社会因素对智能表故障成因的判别效果，使共性模型能够在行业内的不同地区进行广泛享用，服务于智能电能表质量评价实际工作。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (14)

1.一种基于社会因素的智能电能表质量评价共性模型构建方法，其特征在于，包括如下步骤：
构建基于社会地域差异的智能电能表质量指标体系；
对所述质量指标体系的各级指标进行量化；
确定社会因素对所述智能电能表故障成因的判别效果；
构建所述智能电能表质量评价共性模型。
2.根据权利要求1所述的基于社会因素的智能电能表质量评价共性模型构建方法，其特征在于，所述构建基于社会地域差异的智能电能表质量指标体系，包括：
构建具有地域差异的所述质量指标体系，建立层次框架；
确定评价所述质量指标体系的目标层；
依据所述质量指标体系，确定准则层，以明确所述质量指标体系的量化方向；
依据所述量化方向，对所述质量指标体系的所述准则层指标进一步量化；
确定所述指标层最终量化的指标，完成所述准则层和所述指标层的划分、筛选与确定。
3.根据权利要求2所述的基于社会因素的智能电能表质量评价共性模型构建方法，其特征在于，所述对所述质量指标体系的各级指标进行量化，包括：
计算所述准则层的权重评估矩阵，以确定所述准则层的权重等级；
计算所述指标层的指标焦元，将所述指标焦元集合记为B＝{{Br i}|i＝1,2,…,M；r＝0,1,…,2S}，采用信任权重ti计算所述指标焦元的概率分配值，计算公式为：
Figure FDA0003103746320000021
其中，vij表示对于指标ai的评估值；
以所述指标焦元的所述概率分配值m(Br i)作为所述指标焦元Br i的信任度，通过对所述准则层的所述指标层上所有信任度进行合成，得到所述准则层的所述概率分配值，公式如下：
Figure FDA0003103746320000022
计算所述准则层对于所述质量等级的信任函数Bel和似然函数Pls：
Figure FDA0003103746320000023
Figure FDA0003103746320000024
根据指标体系决策规则，对各个所述质量等级进行排序，计算所述准则层的所述质量等级；
采用AHP方法，使用标度法计算每个准则的权重wi(i＝1,2,…,n)并进行一致性检验。
4.根据权利要求1所述的基于社会因素的智能电能表质量评价共性模型构建方法，其特征在于，所述确定社会因素对所述智能电能表故障成因的判别效果，包括：
使用K-S检验方法对选取的所述社会因素数据的正态性进行检验；
对所述指标进行区分度显著性检验；
对所述社会因素数据进行KMO检验和Bartlett球形检验，以判断是否合适进行主成分分析；
根据进入因子分析的变量数量，在指标筛选处理中，删除公因子方差小于预设数值的变量，得到最终的主成分指标；
对影响所述智能电能表质量的所述主成分指标进行初值化处理；
将所述智能电能表的故障率作为参考列，将所述主成分指标的数据作为比较列，计算相关性矩阵，得到所述社会因素与智能电能表质量之间的关联度：
Figure FDA0003103746320000031
依据成分得分系数矩阵计算因子得分函数，利用筛选出的所述若干个主成分指标构建Logit模型。
5.根据权利要求4所述的基于社会因素的智能电能表质量评价共性模型构建方法，其特征在于，所述对所述指标进行区分度显著性检验，宝硕
对服从正态分布的所述指标用独立样本T检验进行区分度显著性检验；
对不服从正态分布的所述指标用Mann-Whitney方法进行区分度显著性检验。
6.根据权利要求1所述的基于社会因素的智能电能表质量评价共性模型构建方法，其特征在于，所述构建所述智能电能表质量评价共性模型，包括：
把所述智能电能表质量评价共性模型看作是连续函数空间中的一个元素，对故障量类型进行所述主成分指标参数估算；
计算所述变量在故障量等级上的概率；
根据各个所述主成分指标的得分对每一个所述变量进行分类，将分类数值作为新因子来构建所述智能电能表质量评价共性模型。
7.一种基于社会因素的智能电能表质量评价共性模型构建装置，其特征在于，包括：
体系构建模块，其用于构建基于社会地域差异的智能电能表质量指标体系；
指标量化模块，其用于对所述质量指标体系的各级指标进行量化；
故障判别模块，其用于确定社会因素对所述智能电能表故障成因的判别效果；
模型构建模块，其用于构建所述智能电能表质量评价共性模型。
8.根据权利要求7所述的基于社会因素的智能电能表质量评价共性模型构建装置，其特征在于，所述体系构建模块包括：
体系构建单元，其用于构建具有地域差异的所述质量指标体系，建立层次框架；
目标层确定单元，其用于确定评价所述质量指标体系的目标层；
准则层确定单元，其用于依据所述质量指标体系，确定准则层，以明确所述质量指标体系的量化方向；
指标量化单元，其用于依据所述量化方向，对所述质量指标体系的所述准则层指标进一步量化；
指标确定单元，其用于确定所述指标层最终量化的指标，完成所述准则层和所述指标层的划分、筛选与确定。
9.根据权利要求8所述的基于社会因素的智能电能表质量评价共性模型构建装置，其特征在于，所述指标量化模块包括：
第一计算单元，其用于计算所述准则层的权重评估矩阵，以确定所述准则层的权重等级；
第二计算单元，其用于计算所述指标层的指标焦元，将所述指标焦元集合记为B＝{{Bri}|i＝1,2,…,M；r＝0,1,…,2S}，采用信任权重ti计算所述指标焦元的概率分配值，计算公式为：
Figure FDA0003103746320000041
其中，vij表示对于指标ai的评估值；
第三计算单元，其用于以所述指标焦元的所述概率分配值m(Br i)作为所述指标焦元Br i的信任度，通过对所述准则层的所述指标层上所有信任度进行合成，得到所述准则层的所述概率分配值，公式如下：
Figure FDA0003103746320000051
第四计算单元，其用于计算所述准则层对于所述质量等级的信任函数Bel和似然函数Pls：
Figure FDA0003103746320000052
第五计算单元，其用于根据指标体系决策规则，对各个所述质量等级进行排序，计算所述准则层的所述质量等级；
第六计算单元，其用于采用AHP方法，使用标度法计算每个所述准则的权重并进行一致性检验。
10.根据权利要求7所述的基于社会因素的智能电能表质量评价共性模型构建装置，其特征在于，所述故障判别模块包括：
正态性检验单元，其用于使用K-S检验方法对选取的所述社会因素数据的正态性进行检验；
区分度检验单元；其用于对所述指标进行区分度显著性检验；
数据检验单元，其用于对所述社会因素数据进行KMO检验和Bartlett球形检验，以判断是否合适进行主成分分析；
指标删选单元，其用于根据进入因子分析的变量数量，在指标筛选处理中，删除公因子方差小于预设数值的变量，得到最终的主成分指标；
初值化处理单元，其用于对影响所述智能电能表质量的所述主成分指标进行初值化处理；
关联计算单元，其用于将所述智能电能表的故障率作为参考列，将所述主成分指标的数据作为比较列，计算相关性矩阵，得到所述社会因素与智能电能表质量之间的关联度：
Figure FDA0003103746320000061
Logit模型构建单元，其用于依据成分得分系数矩阵计算因子得分函数，利用筛选出的所述若干个主成分指标构建Logit模型。
11.根据权利要求4所述的基于社会因素的智能电能表质量评价共性模型构建装置，其特征在于，所述区分度检验单元包括：
第一区分度检验子单元，其用于对服从正态分布的所述指标用独立样本T检验进行区分度显著性检验；
第二区分度检验子单元，其用于对不服从正态分布的所述指标用Mann-Whitney方法进行区分度显著性检验。
12.根据权利要求1所述的基于社会因素的智能电能表质量评价共性模型构建装置，其特征在于，所述模型构建模块包括：
参数估算单元，其用于把所述智能电能表质量评价共性模型看作是连续函数空间中的一个元素，对故障量类型进行所述主成分指标参数估算；
变量计算单元，其用于计算所述变量在故障量等级上的概率；
模型构建单元，其用于根据各个所述主成分指标的得分对每一个所述变量进行分类，将分类数值作为新因子来构建所述智能电能表质量评价共性模型。
13.一种电子设备，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，所述指令被所述一个处理器执行，以使所述至少一个处理器执行上述基于社会因素的智能电能表质量评价共性模型构建方法。
14.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，该指令被处理器执行时实现上述基于社会因素的智能电能表质量评价共性模型构建方法。
CN202110631523.6A 2021-06-07 2021-06-07 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 Pending CN113256141A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110631523.6A CN113256141A (zh) 2021-06-07 2021-06-07 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110631523.6A CN113256141A (zh) 2021-06-07 2021-06-07 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

Publications (1)

Publication Number Publication Date
CN113256141A true CN113256141A (zh) 2021-08-13

Family

ID=77186882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110631523.6A Pending CN113256141A (zh) 2021-06-07 2021-06-07 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

Country Status (1)

Country Link
CN (1) CN113256141A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447212A (zh) * 2016-10-11 2017-02-22 广西电网有限责任公司电力科学研究院 一种基于ahp的智能电表软件质量评价方法
CN111612371A (zh) * 2020-05-29 2020-09-01 国网河北省电力有限公司电力科学研究院 一种基于层次分析法的智能电表质量评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447212A (zh) * 2016-10-11 2017-02-22 广西电网有限责任公司电力科学研究院 一种基于ahp的智能电表软件质量评价方法
CN111612371A (zh) * 2020-05-29 2020-09-01 国网河北省电力有限公司电力科学研究院 一种基于层次分析法的智能电表质量评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘恩斌 等: "生物量精确估算模型与参数辨识方法及应用", 生态学报, pages 2549 - 2561 *
华泽嘉 等: "基于AHP和D-S证据理论的风电项目综合后评价研究", 可再生能源, pages 214 - 219 *
董光龙 等: "基于市域的中国城乡一体化发展水平评价", 中国农业资源与区划, pages 69 - 76 *
邓广山 等: "重庆农村经济社会发展水平评价", 重庆师范大学学报(自然科学版), pages 28 - 34 *

Similar Documents

Publication Publication Date Title
CN112633601B (zh) 疾病事件发生概率的预测方法、装置、设备及计算机介质
US20090198611A1 (en) Methods and systems for score consistency
JP2006085716A (ja) 自動化された評価モデルについて予測標準偏差を組み立てるための方法および装置
Boria et al. A single‐algorithm ensemble approach to estimating suitability and uncertainty: cross‐time projections for four Malagasy tenrecs
CN113537807B (zh) 一种企业智慧风控方法及设备
CN112668822B (zh) 科技成果转化平台共享系统、方法、存储介质、手机app
CN113822499B (zh) 一种基于模型融合的列车备件损耗预测方法
CN111882198A (zh) 一种项目绩效评价方法及系统
CN112700324A (zh) 基于CatBoost与受限玻尔兹曼机结合的用户借贷违约预测方法
CN111598457B (zh) 一种电力无线网络质量的确定方法及装置
CN112561364A (zh) 一种基于组合权重的电网运维成本水平合理性评价技术
CN111626855A (zh) 债券信用利差预测方法及系统
CN111222678A (zh) 路面技术状况预测方法
Zhong et al. Reliability-based multi-attribute large group decision making under probabilistic linguistic environment
CN111339157B (zh) 一种配电网日运行效率计算及预测方法、系统及设备
CN112308305A (zh) 一种基于多模型综合的售电量预测方法
CN115660774B (zh) 一种基于区块链的物资供应链体系信用评价方法
CN116468273A (zh) 客户风险识别方法及装置
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
CN115204501A (zh) 企业评估方法、装置、计算机设备和存储介质
CN115907719A (zh) 充电站分级运维管理方法及装置
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质
CN113159634A (zh) 一种金融产品管理方法、装置及电子设备
CN112365123A (zh) 一种低水足迹产品认证过程中的风险分析方法及装置
Lan et al. Digital Investment Risk Evaluation Model of Power Grid Enterprises Based on FAHP-AOA-LSSVM

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