CN113327062A - 信息的等级确定方法、装置、计算机设备和存储介质 - Google Patents

信息的等级确定方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113327062A
CN113327062A CN202110713861.4A CN202110713861A CN113327062A CN 113327062 A CN113327062 A CN 113327062A CN 202110713861 A CN202110713861 A CN 202110713861A CN 113327062 A CN113327062 A CN 113327062A
Authority
CN
China
Prior art keywords
index data
determining
weight
initial
initial 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.)
Pending
Application number
CN202110713861.4A
Other languages
English (en)
Inventor
孟令雯
张锐锋
林呈辉
蒋理
辛明勇
席禹
王宇
汪明媚
李鑫卓
张俊杰
席光辉
郭思琪
古庭赟
顾威
李博文
祝健杨
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.)
Electric Power Research Institute of Guizhou Power Grid Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
Electric Power Research Institute of 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 Southern Power Grid Digital Grid Research Institute Co Ltd, Electric Power Research Institute of Guizhou Power Grid Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202110713861.4A priority Critical patent/CN113327062A/zh
Publication of CN113327062A publication Critical patent/CN113327062A/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
    • G06Q10/06393—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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种信息的等级确定方法、装置、计算机设备和存储介质。所述方法包括：获取预设时间段内的变电站的至少一个初始指标数据，确定各所述初始指标数据对应的上一级分类指标；根据各所述初始指标数据对应的上一级分类指标，确定各所述初始指标数据的主观权重和客观权重；根据所述主观权重、客观权重和优化决策模型，确定各所述初始指标数据的综合权重；根据所述综合权重，确定各所述初始指标数据的重要度等级。采用本方法能够对智能变电站一次设备、二次设备的告警信息进行划分等级，并且兼顾主观和客观两种情况，对指标数据的等级划分更加合理，便于工作人员根据重要度处理相关数据信息，对变电站一次设备、二次设备进行维护。

Description

信息的等级确定方法、装置、计算机设备和存储介质
技术领域
本申请涉及智能电网技术领域，特别是涉及一种信息的等级确定方法、装置、计算机设备和存储介质。
背景技术
随着国家电网公司“大运行”体系的建成，智能变电站实现了无人值守、集中监控的运行管理模式。变电站的监控信息全部汇集到调度控制中心，面对海量的告警信息，运维人员信息分析和处理工作量大，对重要信息告警不能及时发现或漏监时有发生，造成运维人员不能及时发现关键故障，不仅会造成经济损失，更会对智能变电站的安全稳定运行造成很大影响。
智能变电站二次系统的在线告警信息可以帮助运维人员分析异常和处理故障。因此，如何正确有效地评判智能变电站二次系统中各种告警信息的重要程度等级，成为亟需解决的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够评判智能变电站告警信息重要度等级的信息的等级确定方法、装置、计算机设备和存储介质。
第一方面，本申请提供一种信息的等级确定方法，该方法包括：
获取预设时间段内的变电站的至少一个初始指标数据，确定各初始指标数据对应的上一级分类指标；
根据各初始指标数据对应的上一级分类指标，确定各初始指标数据的主观权重和客观权重；
根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重；
根据综合权重，确定各初始指标数据的重要度等级。
在其中一个实施例中，根据上一级分类指标，确定各初始指标数据的主观权重和客观权重，包括：
对各上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各上一级分类指标下的初始指标数据的主观权重；
对各上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各上一级分类指标下的初始指标数据的客观权重。
在其中一个实施例中，对各上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各上一级分类指标下的初始指标数据的主观权重，包括：
对各上一级分类指标下的初始指标数据两两进行比较，得到各上一级分类指标下的初始指标数据的重要度比较值；
根据各上一级分类指标下的初始指标数据的重要度比较值，构建模糊判断矩阵；
根据模糊判断矩阵，确定各上一级分类指标对应的概率矩阵、模糊评判矩阵；
根据各上一级分类指标对应的概率矩阵、模糊评判矩阵，确定各上一级分类指标的模糊互补判断矩阵；
根据各专家的权系数、专家数量以及各上一级分类指标对应的模糊互补判断矩阵，确定各上一级分类指标下的初始指标数据的合成矩阵；
根据各上一级分类指标下的初始指标数据的个数和各上一级分类指标下的初始指标数据的合成矩阵，确定各上一级分类指标下的初始指标数据的主观权重。
在其中一个实施例中，该方法还包括：
根据判断矩阵和主观权重的矢量，确定判断矩阵的最大特征值；
根据最大特征值和判断矩阵的阶数，确定一致性指标的值；
根据判断矩阵的阶数，查找随机一致性指标对照表，确定判断矩阵的随机一致性指标的值；
根据一致性指标的值和随机一致性指标的值，得到一致性比例；
将一致性比例与预设比例阈值进行比较；
若一致性比例大于预设比例阈值，则重新调整判断矩阵。
在其中一个实施例中，对各上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各上一级分类指标下的初始指标数据的客观权重，包括：
对各上一级分类指标下的初始指标数据进行均值化处理，得到初始指标数据的量化值；
根据初始指标数据的量化值，确定上一级分类指标下的各初始指标数据之间的关联度；
根据各初始指标数据之间的关联度，确定上一级分类指标下的各初始指标数据之间的关联序；
对各初始指标数据的关联序进行归一化处理，得到各上一级分类指标相同的初始指标数据的客观权重。
在其中一个实施例中，根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重，包括：
将主观权重、客观权重代入优化决策模型中，进行拉格朗日变换；
对变换后的优化决策模型进行求解，得到综合权重。
在其中一个实施例中，根据综合权重，确定各初始指标数据的重要度等级，包括：
根据预设的评价指标越界量和综合权重，确定各初始指标数据的修正权重；
对各初始指标数据的修正权重进行归一化处理，确定各初始指标数据的模糊权重；
根据专家数量和各初始指标数据的重要度评判结果，确定各初始指标数据的重要度隶属度；
根据各初始指标数据的重要度隶属度、各初始指标数据的重要度分级数，构建模糊综合评判矩阵；
根据各初始指标数据的模糊权重和模糊综合评判矩阵，确定各初始指标数据的模糊综合重要度；
根据模糊综合重要度和模糊评判矩阵，确定各初始指标数据的重要度等级。
第二方面，本申请提供一种信息的等级确定装置，该装置包括：
获取模块，用于获取预设时间段内的变电站的至少一个初始指标数据，确定各初始指标数据对应的上一级分类指标；
第一确定模块，用于根据各初始指标数据对应的上一级分类指标，确定各初始指标数据的主观权重和客观权重；
第二确定模块，用于根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重；
第三确定模块，用于根据综合权重，确定各初始指标数据的重要度等级。
第三方面，本申请提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面任一项实施例中方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一项实施例中方法的步骤。
上述信息的等级确定方法、装置、计算机设备和存储介质，通过获取预设时间段内的变电站的至少一个初始指标数据，确定各初始指标数据对应的上一级分类指标；根据各初始指标数据对应的上一级分类指标，确定各初始指标数据的主观权重和客观权重；根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重；根据综合权重，确定各初始指标数据的重要度等级。能够对智能变电站一次设备、二次设备的告警信息进行划分等级，并且兼顾主观和客观两种情况，对指标数据的等级划分更加合理，便于工作人员根据重要度处理相关数据信息，对变电站一次设备、二次设备进行维护。
附图说明
图1为一个实施例中信息的等级确定方法的应用环境图；
图2为一个实施例中信息的等级确定方法的流程示意图；
图3为一个实施例中智能变电站一次设备、二次设备告警信息重要程度分类三级评判指标体系图；
图4为一个实施例中信息的等级确定方法的流程示意图；
图5为另一个实施例中信息的等级确定方法的流程示意图；
图6为另一个实施例中信息的等级确定方法的流程示意图；
图7为另一个实施例中信息的等级确定方法的流程示意图；
图8为另一个实施例中信息的等级确定方法的流程示意图；
图9为另一个实施例中信息的等级确定方法的流程示意图；
图10为一个实施例中信息的等级确定装置的结构框图；
图11为另一个实施例中信息的等级确定装置的结构框图；
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的信息的等级确定方法，可以应用于如图1所示的应用环境中。该应用环境包括变电站一次设备11、变电站二次设备12和终端13。其中，终端13分别与变电站二次设备12、变电站一次设备11通过网络进行通信，实时获取变电站一次设备运行过程中的数据信息，并将数据信息存储在变电站二次系统中并得到告警信息，对告警信息划分重要度等级，确定重要告警信息重要度等级，提示优先进行故障处理。
在一个实施例中，如图2所示，提供了一种信息的等级确定方法，以该方法应用于图1中的变电站二次系统为例进行说明，包括以下步骤：
S202，获取预设时间段内的变电站的至少一个初始指标数据，确定各初始指标数据对应的上一级分类指标。
其中，初始指标数据可以包括变电站一次设备、变电站二次系统的告警信息，该告警信息中可以包括各个引发告警原因的评价指标标签、各个设备的运行数据等。
具体地，在变电站一次设备、变电站的二次设备运行过程中，终端可以实时获取变电站一次设备、变电站二次设备的运行数据，并根据运行数据确定告警信息，即初始指标数据，对照如图3所示的预先构建好的智能变电站一次设备告警信息重要程度分类三级评判指标体系、智能变电站二次设备告警信息重要程度分类三级评判指标体系，可以确定初始指标数据的上一级分类指标。终端可以同时获取多条初始指标数据，并确定各个初始指标数据的上一级分类指标。例如，对照图3，将智能变电站一次设备各告警引发原因按故障类型分为电压电流互感器故障、断路器故障、电容器故障、变压器故障、母线故障、线路故障、开关故障七个大类，再对每一大类进行细分，划分出多个子类；若获取到的其中一条初始指标数据中的评价指标标签为变电站一次设备的变压器错档，则该指标的上一级分类指标为变压器运行方式。对照图3，将智能变电站二次设备各告警信息引发原因按故障类型分为系统继电保护及安全自动装置故障、系统调度自动化故障、通信系统设备故障、计算机监控系统设备故障、元件保护及安全自动装置故障、其他二次系统故障六个大类，再对每一大类进行细分，划分出多个子类，若获取到的其中一条初始指标数据中的评价指标标签为母线保护装置故障，则该指标的上一级分类指标为系统继电保护及安全自动装置故障。
S204，根据各初始指标数据对应的上一级分类指标，确定各初始指标数据的主观权重和客观权重。
具体地，当确定各个初始指标数据的上一级分类指标后，对上一级分类指标相同的初始指标数据分别进行主观赋权和客观赋权。其中，主观赋权可以采用模糊AHP法、层次分析法等，对上一级分类指标对应的初始指标数据进行赋权得到上一级分类指标相同的各个初始指标数据的主观权重。客观赋权可以采用灰色关联分析法、熵权法等，对上一级分类指标对应的初始指标数据进行赋权，得到上一级分类指标相同的各个初始指标数据的客观权重。
S206，根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重。
具体地，可以通过将各个初始指标数据的主观权重和客观权重代入至优化决策模型中，通过求解优化决策模型，得到各个初始指标数据的综合权重。
S208，根据综合权重，确定各初始指标数据的重要度等级。
具体地，当确定了综合权重后，可以将综合权重与重要程度评分建议表进行对比，得到最终的重要度等级。其中，重要度等级可以划分为为四个等级，建立评语集S＝{严重，紧急，一般，良好}，相应的等级分值分别是1，0.7，0.3，0.1。为了方便运维人员快速辨识各级告警信息，依次用红、橙、黄、绿四种告警颜色标记。严重：此时需要运维人员人工干预，尽快采取措施，解除相关故障，否则智能变电站将无法正常运行；紧急：此时需要运维人员尽快人工干预，否则智能变电站可能将无法正常运行；一般：此时无需运维人员立即人工干预，运维人员可在能力范围内选择性解除相关故障；良好：此时智能变电站处于安全运行状态，告警信息仅起提示作用，提醒运维人员，当前发生的操作信息。告警信息重要程度评分与建议表如表1所示。
表1
Figure BDA0003134010340000071
上述信息的等级确定方法中，通过获取预设时间段内的变电站的至少一个初始指标数据，确定各初始指标数据对应的上一级分类指标；根据各初始指标数据对应的上一级分类指标，确定各初始指标数据的主观权重和客观权重；根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重；根据综合权重，确定各初始指标数据的重要度等级。能够对智能变电站一次设备、二次设备的告警信息进行划分等级，并且兼顾主观和客观两种情况，对指标数据的等级划分更加合理，便于工作人员根据重要度处理相关数据信息，对变电站一次设备、二次设备进行维护。
上述实施例对信息的等级确定方法进行了说明，现以一个实施例对如何确定主观权重和客观权重进一步说明，在一个实施例中，如图4所示，根据上一级分类指标，确定各初始指标数据的主观权重和客观权重，包括：
S402，对各上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各上一级分类指标下的初始指标数据的主观权重。
具体地，可以通过专家对各个上一级分类指标下的初始指标数据进行初始赋权，确定两两初始指标数据之间的重要度，然后根据该重要度利用模糊AHP法对各个初始指标数据进行赋权，确定各个上一级分类指标下的初始指标数据的主观权重。
进一步地，如图5所示，在一个实施例中，对各上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各上一级分类指标下的初始指标数据的主观权重，包括：
S502，对各上一级分类指标下的初始指标数据两两进行比较，得到各上一级分类指标下的初始指标数据的重要度比较值。
其中，重要度比较值为的确定准则可以参照表2，对两两初始指标数据进行比较打分，得到各初始指标数据的重要度比较值。例如，若专家认为第一初始指标数据的重要性与第二初始值指标数据的重要性相同，则确定第一初始指标数据和第二初始指标数值的重要度比较值为1。对各个初始指标数据两两之间进行打分，得到多个重要度比较值。
表2
Figure BDA0003134010340000081
S504，根据各上一级分类指标下的初始指标数据的重要度比较值，构建模糊判断矩阵。
具体地，当获取到各个初始指标数据的重要度比较值后，可以构建模糊判断矩阵
Figure BDA0003134010340000082
式中，m表示上一层分类指标相关的该层元素的个数。其中，
Figure BDA0003134010340000091
表示第m个初始指标数据与第m个初始指标数据的重要度比较值。进而确定该
Figure BDA0003134010340000092
的三角模糊数，n表示三角模糊数的下界，l表示三角模糊数的上界，m表示三角模糊数的中值，即重要度比较值。l和n表示两个指标相对重要程度关系范围，为认为预先设置的参数。
S506，根据模糊判断矩阵，确定各上一级分类指标对应的概率矩阵、模糊评判矩阵。
具体地，可以根据公式
Figure BDA0003134010340000093
确定各上一级分类指标对应的概率矩阵中的各个元素，其中，n表示三角模糊数的下界，l表示三角模糊数的上界，m表示三角模糊数的中值，即重要度比较值然后根据各个元素构建概率矩阵B＝(bij)m×m；根据公式cij＝nij-lij，确定模糊评判矩阵中个各个元素，然后根据这些元素构建模糊评判矩阵
Figure BDA0003134010340000094
S508，根据各上一级分类指标对应的概率矩阵、模糊评判矩阵，确定各上一级分类指标的模糊互补判断矩阵。
具体地，各上一级分类指标对应的概率矩阵B、模糊评判矩阵S，通过公式T＝(tij)m×m＝(bijsij)m×m，计算调整评判矩阵T，并根据公式
Figure BDA0003134010340000095
得出模糊互补判断矩阵V＝(vij)m×m。
S510，根据各专家的权系数、专家数量以及各上一级分类指标对应的模糊互补判断矩阵，确定各上一级分类指标下的初始指标数据的合成矩阵。
其中，专家的权系数为对各个专家结论的重要度系数，专家数量为对各个初始指标数据进行赋权的专家数量。
具体地，根据公式
Figure BDA0003134010340000101
确定合成矩阵，其中，
Figure BDA0003134010340000102
式中，λs表示各专家的权系数，设λ＝1/k；k表示专家数量，s为其各个专家的序号。
S512，根据各上一级分类指标下的初始指标数据的个数和各上一级分类指标下的初始指标数据的合成矩阵，确定各上一级分类指标下的初始指标数据的主观权重。
具体地，根据公式
Figure BDA0003134010340000103
式中，α≥(m-1)/2，i＝1,2,…,m，可以确定各上一级分类指标下的初始指标数据的主观权重γ＝(γ1,γ2,…,γm)T。
可选地，在得到模糊互补判断矩阵V＝(vij)m×m时，还可以进行一致性检验，若矩阵通过检验，执行下一步，否则进行一致性调整。在一个实施例中，如图6所示，包括：
S602，根据判断矩阵和主观权重的矢量，确定判断矩阵的最大特征值。
具体地，在确定各上一级分类指标下的初始指标数据的主观权重γ＝(γ1,γ2,…,γm)T，可以得到主观权重的矢量，将判断矩阵和主观权重的矢量相乘得到
Figure BDA0003134010340000104
其中V判断矩阵、
Figure BDA0003134010340000105
为主观权重的矢量。根据公式
Figure BDA0003134010340000106
确定最大特征值λmax。
S604，根据最大特征值和判断矩阵的阶数，确定一致性指标的值。
具体地，根据最大特征值和判断矩阵的阶数，进行一致性指标(CI)的检验：
Figure BDA0003134010340000107
其中，m为判断矩阵的阶数。
S606，根据判断矩阵的阶数，查找随机一致性指标对照表，确定判断矩阵的随机一致性指标的值。
具体地，根据判断矩阵的阶数m，确定随机一致性指标RI的值，通过查找如表3的随机一致性对照表，找到对应阶数m的随机一致性指标RI的值。例如，阶数为4，对应的随机一致性指标RI的值为0.89。
表3
n 1 2 3 4 5 6 7 8 9 10 11
RI 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52
S608，根据一致性指标的值和随机一致性指标的值，得到一致性比例。
具体地，通过公式
Figure BDA0003134010340000111
得到一致性比例。其中，CI为一致性指标的值，RI为随机一致性指标的值。
S610，将一致性比例与预设比例阈值进行比较。
具体地，一致性比例的预设比例阈值为0.1，将计算得到的一致性比例与0.1进行比较，判断一致性比例是大于还是小于预设比例阈值。
S612，若一致性比例大于预设比例阈值，则重新调整判断矩阵。
具体地，若一致性比例小于预设比例阈值，即CR＜0.1时，则各评价指标重要性排序合理，否则，需要重新根据重要性进行赋值构建判断矩阵。
通过根据最大特征值和判断矩阵的阶数，确定一致性指标的值，根据判断矩阵的阶数，查找随机一致性指标对照表，确定判断矩阵的随机一致性指标的值，根据一致性指标的值和随机一致性指标的值，得到一致性比例，将一致性比例与预设比例阈值进行比较，若一致性比例小于预设比例阈值，则重新调整判断矩阵。能够消除人为排序，具有的主观性和随意性，使各评价指标与事实指标重要程度一致。
S404，对各上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各上一级分类指标下的初始指标数据的客观权重。
具体地，对各上一级分类指标下的初始指标数据根据灰色关联分析法首先对各个初始指标数据进行均值化处理，使得各个数据无量纲化，便于进行后续的计算，然后确定各个初始指标数据间的关联性，进而根据该关联性，对上一及分类指标下的各个初始指标数据进行客观赋权，确定各上一级分类指标下的初始指标数据的客观权重。
进一步地，在一个实施例中，如图7所示，对各上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各上一级分类指标下的初始指标数据的客观权重，包括：
S702，对各上一级分类指标下的初始指标数据进行均值化处理，得到初始指标数据的量化值。
具体地，根据公式
Figure BDA0003134010340000125
其中，k为各个初始指标数据，这里可以是初始指标数据中的运行数据，例如，电压值、电流值、功率值等。i为初始指标数据的个数。
S704，根据初始指标数据的量化值，确定上一级分类指标下的各初始指标数据之间的关联度。
具体地，确定各个初始指标数据的量化值后，求参考序列与比较序列的绝对差：Δi(k)＝|X'i(k)-X'i(0)|；计算两极最大差与最小差：
Figure BDA0003134010340000121
Figure BDA0003134010340000122
计算关联系数：
Figure BDA0003134010340000123
其中：ξ为分辨系数为预设值，它的取值只影响关联系数的大小，不影响关联序，一般取0.5。然后根据公式：
Figure BDA0003134010340000124
求得关联度。
S706，根据各初始指标数据之间的关联度，确定上一级分类指标下的各初始指标数据之间的关联序。
具体地，当确定各个初始指标数据间的关联度后，每个初始指标数据对应一个关联度值，根据关联度值进行升序排序或者降序排序，得到关联序。例如，第一初始指标数据的关联度为0.98，第二初始指标数据的关联度为0.77，第三初始指标数据的关联度为0.54，则按照升序，第一初始指标数据的关联序为3、第二初始指标数据2、第三初始指标数据1。
S708，对各初始指标数据的关联序进行归一化处理，得到各上一级分类指标相同的初始指标数据的客观权重。
具体地，对各个各初始指标数据的关联序进行归一化处理，即可得到各个上一级分类指标相同的初始指标数据的客观权重β＝(β1,β2,…,βm)T。
本实施例中，通过对各上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各上一级分类指标下的初始指标数据的主观权重；对各上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各上一级分类指标下的初始指标数据的客观权重，能够准确得到各个初始指标数据的主观权重和客观权重，兼顾主观和客观，是的对初始指标数据的赋权更加合理。
上述实施例对如何进行主观赋权和客观赋权进行了说明，在完成主观赋权和客观赋权后，如何确定综合权重现以一个实施例进行说明，在一个实施例中，如图8所示，根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重，包括：
S802，将主观权重、客观权重代入优化决策模型中，进行拉格朗日变换。
具体地，设根据具体情况已给出m个指标的主、客观权重分别为：γ＝(γ1,γ2,…,γm)T，β＝(β1,β2,…,βm)T式中：
Figure BDA0003134010340000131
且γj，βj≥0(j＝1,2,…,m)。设各项指标的综合权重为w＝(w1,w2,…,wm)T式中：
Figure BDA0003134010340000132
wj≥0(j＝1,2,…,m)为了既兼顾对主、客观赋权法的偏好，又能充分利用系统信息，建立如下优化决策模型：
Figure BDA0003134010340000134
wj≥0(j＝1,2,…,m)式中：0<μ<1为偏好系数，它反映分析者对主、客观赋权的偏好程度。
然后，对上式做拉格朗日函数：
Figure BDA0003134010340000135
S804，对变换后的优化决策模型进行求解，得到综合权重。
具体地，令
Figure BDA0003134010340000141
解上面的方程得：
wj＝μγj+(1-μ)βj(j＝1,2,…,m)，即综合权重。
在本实施例中，通过将主观权重、客观权重代入优化决策模型中，进行拉格朗日变换；对变换后的优化决策模型进行求解，得到综合权重。能够得到兼顾主观和客观的综合权重，对后续对初始指标数据进行重要度分级更加准确。
上述实施例对如何确定综合权重进行了说明，由于确定主观权重中构建的判断矩阵仅建立在专家对故障类型的认知上，尚无法区别对待故障类型相同而严重程度不同的情况，需要对严重性可量化的指标的权重根据其偏离正常值的程度进行修正才能使最终的评判结果准确合理，现以一个实施例对如何修正进行说明，一个实施例中，如图9所示，根据综合权重，确定各初始指标数据的重要度等级，包括：
S902，根据预设的评价指标越界量和综合权重，确定各初始指标数据的修正权重。
具体地，x为预设评价指标越界量，Z(x)为指标越限的严重程度，由智能变电站实际运行情况可知，随着指标越界量增加，对系统安全稳定运行的影响越大，系统越不稳定，其越限量增加速度越快，故Z(x)应满足：Z'(x)>0；Z”(x)>0。
介于上述原则，选用以下权重修正公式：
wj＝wj×Z(x)>0(其中Z(x)＝ex)，得到修正权重。
S904，对各初始指标数据的修正权重进行归一化处理，确定各初始指标数据的模糊权重。
具体地，修正后的权重经过归一化处理后得到模糊权重A：A＝(w1,w2,…wm)
Figure BDA0003134010340000142
S906，根据专家数量和各初始指标数据的重要度评判结果，确定各初始指标数据的重要度隶属度。
其中，各初始指标数据的重要度评判结果为专家对各初始指标数据划分为哪一个等级。例如分为1、2、3、4四个等级，专家对第一初始指标数据划分为2级。
具体地，对各评价指标的重要性等级通过专家调查的形式，制定专家评分表，对每项指标根据专家经验和看法进行评定，在评分表中的对应等级处划勾，然后对所有专家的评分结果进行汇总，得到各个评判指标对应等级的频数，按照下式进行归一化处理即可得到各指标对应等级的隶属度μij。
Figure BDA0003134010340000151
S908，根据各初始指标数据的重要度隶属度、各初始指标数据的重要度分级数，构建模糊综合评判矩阵。
其中，各初始指标数据的重要度分级数为预设的重要分级个数，例如，分为1、2、3、4四个等级，则各初始指标数据的重要度分级数为4。
具体地，根据公式
Figure BDA0003134010340000152
得到模糊综合评判矩阵，其中R为评判矩阵，m为评价指标数目，μ表示评价指标的隶属度。
S910，根据各初始指标数据的模糊权重和模糊综合评判矩阵，确定各初始指标数据的模糊综合重要度。
具体地，根据公式B＝A·Ri＝(b1,b2,b3,b4)
Figure BDA0003134010340000153
并对模糊评价矩阵B进行归一化处理得到B'确定各初始指标数据的模糊综合重要度。
S912，根据模糊综合重要度和模糊评判矩阵，确定各初始指标数据的重要度等级。
具体地，根据公式N＝B'×ST，确定各初始指标数据的重要度评分，并根据表1得到，确定各初始指标数据的重要度等级。
在本实施例中，通过根据预设的评价指标越界量和综合权重，确定各初始指标数据的修正权重；对各初始指标数据的修正权重进行归一化处理，确定各初始指标数据的模糊权重；根据专家数量和各初始指标数据的重要度评判结果，确定各初始指标数据的重要度隶属度；根据各初始指标数据的重要度隶属度、各初始指标数据的重要度分级数，构建模糊综合评判矩阵；根据各初始指标数据的模糊权重和模糊综合评判矩阵，确定各初始指标数据的模糊综合重要度；根据模糊综合重要度和模糊评判矩阵，确定各初始指标数据的重要度等级。能够避免因专家对故障类型的主观认知，无法准确区别对待故障类型相同而严重程度不同的情况，并对严重性可量化的指标的权重根据其偏离正常值的程度进行修正得到最终准确合理的评判结果。
应该理解的是，虽然图2-9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图10所示，提供了一种信息的等级确定装置，包括：
获取模块901，用于获取预设时间段内的变电站的至少一个初始指标数据，确定各初始指标数据对应的上一级分类指标；
第一确定模块902，用于根据各初始指标数据对应的上一级分类指标，确定各初始指标数据的主观权重和客观权重；
第二确定模块903，用于根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重；
第三确定模块904，用于根据综合权重，确定各初始指标数据的重要度等级。
在本实施例中，由于获取模块获取预设时间段内的变电站的至少一个初始指标数据，确定各初始指标数据对应的上一级分类指标；第一确定模块根据各初始指标数据对应的上一级分类指标，确定各初始指标数据的主观权重和客观权重；第二确定模块根据主观权重、客观权重和优化决策模型，确定各初始指标数据的综合权重；第三确定模块根据综合权重，确定各初始指标数据的重要度等级。能够对智能变电站一次设备、二次设备的告警信息进行划分等级，并且兼顾主观和客观两种情况，对指标数据的等级划分更加合理，便于工作人员根据重要度处理相关数据信息，对变电站一次设备、二次设备进行维护。
在一个实施例中，如图11所示，第一确定模块902包括：
主观赋权单元9021，用于对各上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各上一级分类指标下的初始指标数据的主观权重；
客观赋权单元9022，用于对各上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各上一级分类指标下的初始指标数据的客观权重。
在一个实施例中，主观赋权单元，具体用于对各上一级分类指标下的初始指标数据两两进行比较，得到各上一级分类指标下的初始指标数据的重要度比较值；根据各上一级分类指标下的初始指标数据的重要度比较值，构建模糊判断矩阵；根据模糊判断矩阵，确定各上一级分类指标对应的概率矩阵、模糊评判矩阵；根据各上一级分类指标对应的概率矩阵、模糊评判矩阵，确定各上一级分类指标的模糊互补判断矩阵；根据各专家的权系数、专家数量以及各上一级分类指标对应的模糊互补判断矩阵，确定各上一级分类指标下的初始指标数据的合成矩阵；根据各上一级分类指标下的初始指标数据的个数和各上一级分类指标下的初始指标数据的合成矩阵，确定各上一级分类指标下的初始指标数据的主观权重。
在一个实施例中，主观赋权单元，还用于根据判断矩阵和主观权重的矢量，确定判断矩阵的最大特征值；根据最大特征值和判断矩阵的阶数，确定一致性指标的值；根据判断矩阵的阶数，查找随机一致性指标对照表，确定判断矩阵的随机一致性指标的值；根据一致性指标的值和随机一致性指标的值，得到一致性比例；将一致性比例与预设比例阈值进行比较；若一致性比例大于预设比例阈值，则重新调整判断矩阵。
在一个实施例中，客观赋权具体用于对各上一级分类指标下的初始指标数据进行均值化处理，得到初始指标数据的量化值；根据初始指标数据的量化值，确定上一级分类指标下的各初始指标数据之间的关联度；根据各初始指标数据之间的关联度，确定上一级分类指标下的各初始指标数据之间的关联序；对各初始指标数据的关联序进行归一化处理，得到各上一级分类指标相同的初始指标数据的客观权重。
在一个实施例中，参照图11所示，第二确定模块903，包括：
变换单元9031，用于将主观权重、客观权重代入优化决策模型中，进行拉格朗日变换；
求解单元9032，用于对变换后的优化决策模型进行求解，得到综合权重。
在一个实施例中，第三确定模块，具体用于根据预设的评价指标越界量和综合权重，确定各初始指标数据的修正权重；对各初始指标数据的修正权重进行归一化处理，确定各初始指标数据的模糊权重；根据专家数量和各初始指标数据的重要度评判结果，确定各初始指标数据的重要度隶属度；根据各初始指标数据的重要度隶属度、各初始指标数据的重要度分级数，构建模糊综合评判矩阵；根据各初始指标数据的模糊权重和模糊综合评判矩阵，确定各初始指标数据的模糊综合重要度；根据模糊综合重要度和模糊评判矩阵，确定各初始指标数据的重要度等级。
关于信息的等级确定装置的具体限定可以参见上文中对于信息的等级确定方法的限定，在此不再赘述。上述信息的等级确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种信息的等级确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种信息的等级确定方法，其特征在于，所述方法包括：
获取预设时间段内的变电站的至少一个初始指标数据，确定各所述初始指标数据对应的上一级分类指标；
根据各所述初始指标数据对应的上一级分类指标，确定各所述初始指标数据的主观权重和客观权重；
根据所述主观权重、客观权重和优化决策模型，确定各所述初始指标数据的综合权重；
根据所述综合权重，确定各所述初始指标数据的重要度等级。
2.根据权利要求1所述的方法，其特征在于，所述根据所述上一级分类指标，确定各所述初始指标数据的主观权重和客观权重，包括：
对各所述上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各所述上一级分类指标下的初始指标数据的主观权重；
对各所述上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各所述上一级分类指标下的初始指标数据的客观权重。
3.根据权利要求2所述的方法，其特征在于，所述对各所述上一级分类指标下的初始指标数据利用模糊AHP法进行主观赋权，确定各所述上一级分类指标下的初始指标数据的主观权重，包括：
对各所述上一级分类指标下的初始指标数据两两进行比较，得到各所述上一级分类指标下的初始指标数据的重要度比较值；
根据各所述上一级分类指标下的初始指标数据的重要度比较值，构建模糊判断矩阵；
根据所述模糊判断矩阵，确定各所述上一级分类指标对应的概率矩阵、模糊评判矩阵；
根据各所述上一级分类指标对应的概率矩阵、模糊评判矩阵，确定各所述上一级分类指标的模糊互补判断矩阵；
根据各专家的权系数、专家数量以及各所述上一级分类指标对应的模糊互补判断矩阵，确定各所述上一级分类指标下的初始指标数据的合成矩阵；
根据各所述上一级分类指标下的初始指标数据的个数和各所述上一级分类指标下的初始指标数据的合成矩阵，确定各所述上一级分类指标下的初始指标数据的主观权重。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述判断矩阵和所述主观权重的矢量，确定所述判断矩阵的最大特征值；
根据所述最大特征值和所述判断矩阵的阶数，确定一致性指标的值；
根据判断矩阵的阶数，查找随机一致性指标对照表，确定所述判断矩阵的随机一致性指标的值；
根据所述一致性指标的值和所述随机一致性指标的值，得到一致性比例；
将所述一致性比例与预设比例阈值进行比较；
若所述一致性比例大于所述预设比例阈值，则重新调整判断矩阵。
5.根据权利要求2所述的方法，其特征在于，所述对各所述上一级分类指标下的初始指标数据根据灰色关联分析法进行客观赋权，确定各所述上一级分类指标下的初始指标数据的客观权重，包括：
对各所述上一级分类指标下的初始指标数据进行均值化处理，得到初始指标数据的量化值；
根据所述初始指标数据的量化值，确定所述上一级分类指标下的各所述初始指标数据之间的关联度；
根据各所述初始指标数据之间的关联度，确定所述上一级分类指标下的各所述初始指标数据之间的关联序；
对各所述初始指标数据的关联序进行归一化处理，得到各所述上一级分类指标相同的初始指标数据的客观权重。
6.根据权利要求1所述的方法，其特征在于，所述根据所述主观权重、客观权重和优化决策模型，确定各所述初始指标数据的综合权重，包括：
将所述主观权重、所述客观权重代入所述优化决策模型中，进行拉格朗日变换；
对变换后的优化决策模型进行求解，得到所述综合权重。
7.根据权利要求3所述的方法，其特征在于，所述根据所述综合权重，确定各所述初始指标数据的重要度等级，包括：
根据预设的评价指标越界量和所述综合权重，确定各所述初始指标数据的修正权重；
对各所述初始指标数据的修正权重进行归一化处理，确定各所述初始指标数据的模糊权重；
根据所述专家数量和各所述初始指标数据的重要度评判结果，确定各所述初始指标数据的重要度隶属度；
根据各所述初始指标数据的重要度隶属度、各所述初始指标数据的重要度分级数，构建模糊综合评判矩阵；
根据各所述初始指标数据的模糊权重和所述模糊综合评判矩阵，确定各所述初始指标数据的模糊综合重要度；
根据所述模糊综合重要度和所述模糊评判矩阵，确定各所述初始指标数据的重要度等级。
8.一种信息的等级确定装置，其特征在于，所述装置包括：
获取模块，用于获取预设时间段内的变电站的至少一个初始指标数据，确定各所述初始指标数据对应的上一级分类指标；
第一确定模块，用于根据各所述初始指标数据对应的上一级分类指标，确定各所述初始指标数据的主观权重和客观权重；
第二确定模块，用于根据所述主观权重、客观权重和优化决策模型，确定各所述初始指标数据的综合权重；
第三确定模块，用于根据所述综合权重，确定各所述初始指标数据的重要度等级。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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权利要求1至7中任一项所述的方法的步骤。
CN202110713861.4A 2021-06-25 2021-06-25 信息的等级确定方法、装置、计算机设备和存储介质 Pending CN113327062A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110713861.4A CN113327062A (zh) 2021-06-25 2021-06-25 信息的等级确定方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110713861.4A CN113327062A (zh) 2021-06-25 2021-06-25 信息的等级确定方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN113327062A true CN113327062A (zh) 2021-08-31

Family

ID=77424789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110713861.4A Pending CN113327062A (zh) 2021-06-25 2021-06-25 信息的等级确定方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113327062A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116130096A (zh) * 2023-04-04 2023-05-16 安徽省立医院(中国科学技术大学附属第一医院) 一种通过核心指标进行辅助决策的系统、方法和电子设备
CN117370827A (zh) * 2023-12-07 2024-01-09 飞特质科(北京)计量检测技术有限公司 一种基于深度聚类模型的风机质量等级评估方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462827A (zh) * 2014-12-12 2015-03-25 湖北工业大学 一种综合评价中指标权重的柔性耦合计算方法
CN104881609A (zh) * 2015-05-29 2015-09-02 中国石油大学(华东) 一种复杂软件系统软件单元可信性评估方法
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
CN107544253A (zh) * 2017-03-17 2018-01-05 中国人民解放军91049部队 基于改进模糊熵权法的大型导弹装备退役安全控制方法
CN109657967A (zh) * 2018-12-13 2019-04-19 国网山东省电力公司经济技术研究院 一种输电网规划方案评价指标权重的确认方法及系统
CN110084474A (zh) * 2019-03-19 2019-08-02 中国电力科学研究院有限公司 一种变电站自动化设备互操作能力评价方法及系统
US20200234170A1 (en) * 2018-01-30 2020-07-23 China University Of Mining And Technology Method for classifying eco-geological environment types based on coal resource exploitation
CN111898839A (zh) * 2019-05-05 2020-11-06 中国农业大学 电力用户的重要程度分类方法及装置
CN111967721A (zh) * 2020-07-23 2020-11-20 国电南京自动化股份有限公司 一种综合能源系统绿色化水平评价方法及系统
CN112101719A (zh) * 2020-08-10 2020-12-18 国网浙江省电力有限公司杭州供电公司 基于组合赋权法的电能质量指标权重确定方法
CN112215512A (zh) * 2020-10-22 2021-01-12 上海交通大学 计及微电网功能特性的综合评价指标权重量化方法及系统
CN112580985A (zh) * 2020-12-22 2021-03-30 国家海洋环境监测中心 海岸侵蚀风险评估方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462827A (zh) * 2014-12-12 2015-03-25 湖北工业大学 一种综合评价中指标权重的柔性耦合计算方法
CN104881609A (zh) * 2015-05-29 2015-09-02 中国石油大学(华东) 一种复杂软件系统软件单元可信性评估方法
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
CN107544253A (zh) * 2017-03-17 2018-01-05 中国人民解放军91049部队 基于改进模糊熵权法的大型导弹装备退役安全控制方法
US20200234170A1 (en) * 2018-01-30 2020-07-23 China University Of Mining And Technology Method for classifying eco-geological environment types based on coal resource exploitation
CN109657967A (zh) * 2018-12-13 2019-04-19 国网山东省电力公司经济技术研究院 一种输电网规划方案评价指标权重的确认方法及系统
CN110084474A (zh) * 2019-03-19 2019-08-02 中国电力科学研究院有限公司 一种变电站自动化设备互操作能力评价方法及系统
CN111898839A (zh) * 2019-05-05 2020-11-06 中国农业大学 电力用户的重要程度分类方法及装置
CN111967721A (zh) * 2020-07-23 2020-11-20 国电南京自动化股份有限公司 一种综合能源系统绿色化水平评价方法及系统
CN112101719A (zh) * 2020-08-10 2020-12-18 国网浙江省电力有限公司杭州供电公司 基于组合赋权法的电能质量指标权重确定方法
CN112215512A (zh) * 2020-10-22 2021-01-12 上海交通大学 计及微电网功能特性的综合评价指标权重量化方法及系统
CN112580985A (zh) * 2020-12-22 2021-03-30 国家海洋环境监测中心 海岸侵蚀风险评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
孙辉等: "采用组合赋权法的智能变电站继电保护设备状态模糊综合评估", 《电测与仪表》 *
明娇等: "基于改进层次模糊评判的地区电网AVC系统告警信息分级模型", 《电力系统保护与控制》 *
王宇: "基于拓扑结构的复杂网络影响力节点挖掘方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 *
程崯等: "电力变压器运行状态综合评判指标的权重确定", 《中国电力》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116130096A (zh) * 2023-04-04 2023-05-16 安徽省立医院(中国科学技术大学附属第一医院) 一种通过核心指标进行辅助决策的系统、方法和电子设备
CN116130096B (zh) * 2023-04-04 2023-11-21 安徽省立医院(中国科学技术大学附属第一医院) 一种通过核心指标进行辅助决策的系统、方法和电子设备
CN117370827A (zh) * 2023-12-07 2024-01-09 飞特质科(北京)计量检测技术有限公司 一种基于深度聚类模型的风机质量等级评估方法

Similar Documents

Publication Publication Date Title
Idrus et al. Development of project cost contingency estimation model using risk analysis and fuzzy expert system
Chen An ELECTRE-based outranking method for multiple criteria group decision making using interval type-2 fuzzy sets
MIRI et al. Application of fuzzy fault tree analysis on oil and gas offshore pipelines
CN105046402B (zh) 一种应用于智能变电站二次设备的状态评估方法
CN113327062A (zh) 信息的等级确定方法、装置、计算机设备和存储介质
CN206312210U (zh) 一种配电网设备的状态评估系统
CN111178725A (zh) 一种基于层次分析法的保护设备状态预警方法
CN104077493A (zh) 一种电力继电保护系统状态评估指标体系的构建方法
CN111624986A (zh) 基于案例库的故障诊断方法和系统
CN110163486A (zh) 一种项目风险重要度评估方法及系统
CN112149976B (zh) 一种基于人工智能的电网精准投资项目决策方法
Irvanizam et al. Solving decent home distribution problem using ELECTRE method with triangular fuzzy number
CN114936801A (zh) 基于大数据的配网调度运行管理方法
CN108805471A (zh) 基于复合系统作用关系分析的水资源承载能力评价方法
Lin et al. An integrated quantitative risk analysis method for major construction accidents using fuzzy concepts and influence diagram
CN115392619A (zh) 基于消防安全等级的预警方法、存储介质和电子设备
CN107256445A (zh) 生产环境安全性的分析方法、装置和系统
CN107491862B (zh) 电网风险评测的方法及装置
CN101527016A (zh) 出入境检验检疫符合性条件的筛选方法
GB2583176A (en) Prediction device, prediction program, and prediction method for predicting human judgments
Terceño et al. Prediction of business failure with fuzzy models
Roshamida et al. Risk assessment of dry bulk cargo operations using Analytic Hierarchy Process (AHP) method
Tomar et al. Use of AHP method in efficiency analysis of existing water treatment plants
CN114647947A (zh) 单位造价预测方法、装置、电子设备及计算机可读存储介质
KR20210051886A (ko) 설비의 헬스 인덱스 평가 테이블을 자동으로 구성하는 방법

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220509

Address after: 550002 Jiefang Road, Nanming District, Guiyang, Guizhou Province, No. 32

Applicant after: ELECTRIC POWER RESEARCH INSTITUTE, GUIZHOU POWER GRID Co.,Ltd.

Address before: 550002 Jiefang Road, Nanming District, Guiyang, Guizhou Province, No. 32

Applicant before: ELECTRIC POWER RESEARCH INSTITUTE, GUIZHOU POWER GRID Co.,Ltd.

Applicant before: Southern Power Grid Digital Grid Research Institute Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210831