CN113434808A - 一种电力作业vr培训操作流程适应性评估方法及系统 - Google Patents

一种电力作业vr培训操作流程适应性评估方法及系统 Download PDF

Info

Publication number
CN113434808A
CN113434808A CN202110674738.6A CN202110674738A CN113434808A CN 113434808 A CN113434808 A CN 113434808A CN 202110674738 A CN202110674738 A CN 202110674738A CN 113434808 A CN113434808 A CN 113434808A
Authority
CN
China
Prior art keywords
adaptability
weight
formula
evidence
training
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
CN202110674738.6A
Other languages
English (en)
Other versions
CN113434808B (zh
Inventor
陈晓玲
狄丞
邓韵
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN202110674738.6A priority Critical patent/CN113434808B/zh
Priority claimed from CN202110674738.6A external-priority patent/CN113434808B/zh
Publication of CN113434808A publication Critical patent/CN113434808A/zh
Application granted granted Critical
Publication of CN113434808B publication Critical patent/CN113434808B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Technology (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (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

本发明提供了一种电力作业VR培训操作流程适应性评估方法及系统，包括：对可能造成电力作业VR培训操作流程适应性的评价指标进行层次上的划分，依次分为目标层、准则层和方案层；根据各层中每两个元素两两比较，得到每两个元素的相对权重，根据相对权重构建判断矩阵；根据判断矩阵计算各元素之间的权重向量，根据权重向量进行权重分配；收集专家打分，结合权重向量得到各评价指标的信任度；基于信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，最终得到电力作业VR培训操作流程的总适应性结果。本发明对高压电力作业VR培训操作流程进行适应性评价，以反映作业的规范程度，提高电力操作的可靠性和安全性。

Description

一种电力作业VR培训操作流程适应性评估方法及系统
技术领域
本发明涉及电网安全领域，具体涉及一种电力作业VR培训操作流程适应性评估方法及系统。
背景技术
电网安全一直是电力系统中重要问题之一，而操作安全是其中的重要内容。虽然适应性在其他领域已经得到了广泛的应用，但是电力系统的操作风险和适应性评估仍处于起步阶段。为了提高电力操作的可靠性，减少事故的发生，急需对适应性评估进行深入研究，并设计一种针对电力操作流程的分析方法，能全方面考虑分析影响操作流程的各种因素，量化计算适应性，以保证电网安全稳定运行。然而，目前电网领域的适应性和操作风险研究还比较少，只有一些探索性工作。
发明内容
有鉴于此，为了提高电力操作的可靠性，减少事故的发生，本发明提供了一种电力作业VR培训操作流程适应性评估方法及系统，该方法首先通过树形层次结构分析处理各层次内影响适应性结果的操作点，并根据不同操作点选取定性或定量的评价指标。随后利用以危险度为导向的证据优化DS理论融合指标信息，获得操作流程间的适应性结果，用以反映作业操作规范程度。
为了实现上述目的，本发明一种电力作业VR培训操作流程适应性评估方法包括以下步骤：
对可能造成电力作业VR培训操作流程适应性的评价指标进行层次上的划分，分为目标层、准则层和方案层；
根据各层中每两个元素两两比较，得到每两个元素的相对权重，根据所述相对权重构建判断矩阵；
根据所述判断矩阵计算各个元素之间的权重向量；
收集专家打分，结合所述权重得到各评价指标的信任度；
基于所述信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，最终得到所述电力作业VR培训操作流程的总适应性结果。
优选地，所述根据判断矩阵计算各个元素之间的权重向量的步骤，具体包括：
通过公式
Figure BDA0003120294390000021
计算判断矩阵中第i行所有元素的乘积，其中，aij表示判断矩阵中第i行和第j列元素的权重，n表示判断矩阵行和列的数量，bi为判断矩阵中第i行所有元素的乘积；
通过公式
Figure BDA0003120294390000022
计算bi的n次方根，其中，Pi为bi的n次方根结果；
通过公式
Figure BDA0003120294390000023
对Pi进行正规化，其中，Wi为Pi正规化的结果，则w＝(W1，W2，...，wn)T为权重向量，表示对于总目标来说，各个评价指标的权重分配为W1，W2，...，Wn，n为权重的个数。
优选地，所述电力作业VR培训操作流程通过3个专家对评价指标进行打分，评估时通过层次分析法分配指标权重，同时直接收集3名专家打分转化为信任度。
优选地，所述基于信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，最终得到所述电力作业VR培训操作流程的总适应性结果的步骤，具体包括：
通过公式
Figure BDA0003120294390000024
计算两个证据ei和ej之间的距离，并通过公式Dij＝dij/max(dij)和Dij∈[0，1]对dij进行归一化处理，其中m(A)表示某个证据的信任度，dij为两个证据之间的距离，Dij表示对dij进行归一化后的结果，N为当前识别框架中元素的个数，t＝1，...，N；
根据公式
Figure BDA0003120294390000025
计算证据ei到e的平均距离，其中，Si表示某个证据到所有证据的平均距离，Si越大，其危险性越大，权重较小；反之，危险性越小，权重较大，n为证据的个数；
通过公式
Figure BDA0003120294390000026
和
Figure BDA0003120294390000027
计算权重系数和修正系数，其中，w和β分别为权重系数和修正系数，max(wi)为修正系数的最大值；
通过公式m′i(A)＝β×mi(A)计算修正后的证据概率分布，其中，mi(A)表示第i个证据的信任度，m′i(A)表示第i个证据的最新信任度；
通过公式
Figure BDA0003120294390000028
计算该指标归一化常数k，并通过公式
Figure BDA0003120294390000031
计算准则层的适应性结果，其中k为当前所计算评价指标的归一化常数，m({A})为准则层的适应性结果；
重复上述步骤计算得到最终目标层的适应性结果，即总适应性结果。
此外，为了实现上述目的，本发明还提供了一种电力作业VR培训操作流程适应性评估系统，包括以下模块：
分层模块，用于对可能造成电力作业VR培训操作流程适应性的评价指标进行层次上的划分，分为目标层、准则层和方案层；
判断矩阵构建模块，用于根据各层中每两个元素两两比较，得到每两个元素的相对权重，根据所述相对权重构建判断矩阵；
权重向量计算模块，用于根据所述判断矩阵计算各个元素之间的权重向量；
信任度计算模块，用于收集专家打分，结合所述权重向量得到各个评价指标的信任度；
总适应性计算模块，用于基于所述信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，最终得到所述电力作业VR培训操作流程的总适应性结果。
优选地，所述权重向量计算模块包括以下子模块：
第一权重向量计算子模块，用于通过公式
Figure BDA0003120294390000032
计算判断矩阵中第i行所有元素的乘积，其中，aij表示判断矩阵中第i行和第j列元素的权重，n表示判断矩阵行和列的数量，bi为判断矩阵中第i行所有元素的乘积；
第二权重向量计算子模块，用于通过公式
Figure BDA0003120294390000033
计算bi的n次方根，其中，Pi为bi的n次方根结果；
第三权重向量计算子模块，用于通过公式
Figure BDA0003120294390000034
对Pi进行正规化，其中，Wi为Pi正规化的结果，则w＝(W1，W2，...，Wn)T为权重向量，表示对于总目标来说，各个评价指标的权重为W1，W2，...，Wn，n为权重的个数。
优选地，在所述信任度计算模块中，所述电力作业VR培训操作流程通过3个专家对评价指标进行打分，评估时通过层次分析法分配指标权重，同时直接收集3名专家打分转化为信任度。
优选地，所述总适应性计算模块包括以下子模块：
第一总适应性计算子模块，用于通过公式
Figure BDA0003120294390000041
两个证据ei和ej之间的距离，并通过公式Dij＝dij/max(dij)和Dij∈[0，1]对dij进行归一化处理，其中m(A)表示某个证据的信任度，dij为两个证据之间的距离，Dij表示对dij进行归一化后的结果，N为当前识别框架中元素的个数，t＝1，...，N；
第二总适应性计算子模块，用于根据公式
Figure BDA0003120294390000042
计算证据ei到e的平均距离，其中，Si表示某个证据到所有证据的平均距离，Si越大，其危险性越大，权重较小；反之，危险性越小，权重较大，n为证据的个数；
第三总适应性计算子模块，用于通过公式
Figure BDA0003120294390000043
和
Figure BDA0003120294390000044
计算权重系数和修正系数，其中，w和β分别为权重系数和修正系数，max(wi)为修正系数的最大值；
第四总适应性计算子模块，用于通过公式m′i(A)＝β×mi(A)计算修正后的证据概率分布，其中，mi(A)表示第i个证据的信任度，m′i(A)表示第i个证据的最新信任度；
第五总适应性计算子模块，用于通过公式
Figure BDA0003120294390000045
计算该指标归一化常数k，并通过公式
Figure BDA0003120294390000046
计算准则层的适应性结果，其中k为当前所计算评价指标的归一化常数，m({A})为准则层的适应性结果；
重复上述模块计算得到最终目标层的适应性结果，即总适应性结果。
本发明提供的技术方案的关键点在于：
1、利用层次分析法对电力场景中的作业流程进行指标权重分配，得到作业流程指标的信任度；
2、利用以危险度为导向的证据优化DS理论对多个作业流程指标进行信息融合，得到总适应性结果。
与现有的技术比较，本发明的有益效果是：
对高压计量电力作业流程进行适应性评价，用以反映作业的规范程度，提高电力操作的可靠性，减少事故发生。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明一种电力作业VR培训操作流程适应性评估方法的流程图；
图2是本发明验电操作VR实现图；
图3是本发明四种电力作业流程示意图；
图4是本发明一种电力作业VR培训操作流程适应性评估系统的结构图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
请参考图1，图1是本发明一种电力作业VR培训操作流程适应性评估方法的流程图；
在本实施例中，本发明一种电力作业VR培训操作流程适应性评估方法包括以下步骤：
S1、对可能造成电力作业VR培训操作流程适应性的评价指标进行层次上的划分，分为目标层、准则层和方案层；
S2、根据各层中每两个元素两两比较，得到每两个元素的相对权重，根据所述相对权重构建判断矩阵；
S3、根据所述判断矩阵计算各个元素之间的权重向量，根据所述权重向量进行权重分配；
S3具体包括：
通过公式
Figure BDA0003120294390000051
计算判断矩阵中第i行所有元素的乘积，其中，aij表示判断矩阵中第i行和第j列元素的权重，n表示判断矩阵行和列的数量，bi为判断矩阵中第i行所有元素的乘积；
通过公式
Figure BDA0003120294390000052
计算bi的n次方根，其中，Pi为bi的n次方根结果；
通过公式
Figure BDA0003120294390000053
对Pi进行正规化，其中，Wi为Pi正规化的结果，则w＝(W1，W2，...，Wn)T为权重向量，表示对于总目标来说，各个评价指标的权重分配为W1，W2，...，Wn，n为权重的个数；
S4、收集专家打分，结合所述权重向量得到各个评价指标的信任度；
S4中，所述电力作业VR培训操作流程通过3个专家对评价指标进行打分，评估时通过层次分析法分配指标权重，同时直接收集3名专家打分转化为信任度；
S5、基于所述信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，最终得到所述电力作业VR培训操作流程的总适应性结果；
S5具体包括：
通过公式
Figure BDA0003120294390000061
两个证据ei和ej之间的距离，并通过公式Dij＝dij/max(dij)和Dij∈[0，1]对dij进行归一化处理，其中m(A)表示某个证据的信任度，dij为两个证据之间的距离，Dij表示对dij进行归一化后的结果，N为当前识别框架中元素的个数，t＝1，...，N；
根据公式
Figure BDA0003120294390000062
计算证据ei到e的平均距离，其中，Si表示某个证据到所有证据的平均距离，Si越大，其危险性越大，权重较小；反之，危险性越小，权重较大，n为证据的个数；
通过公式
Figure BDA0003120294390000063
和
Figure BDA0003120294390000064
计算权重系数和修正系数，其中，w和β分别为权重系数和修正系数，max(wi)为修正系数的最大值；
通过公式m′i(A)＝β×mi(A)计算修正后的证据概率分布，其中，mi(A)表示第i个证据的信任度，m′i(A)表示第i个证据的最新信任度；
通过公式
Figure BDA0003120294390000065
计算该指标归一化常数k，并通过公式
Figure BDA0003120294390000066
计算准则层的适应性结果，其中k为当前所计算评价指标的归一化常数，m({A})为准则层的适应性结果；
重复上述步骤计算得到最终目标层的适应性结果，即总适应性结果。
参考图4，在本实施例中，还提供了一种电力作业VR培训操作流程适应性评估系统，包括以下模块：
分层模块1，用于对可能造成电力作业VR培训操作流程适应性的评价指标进行层次上的划分，分为目标层、准则层和方案层；
判断矩阵构建模块2，用于根据各层中每两个元素两两比较，得到每两个元素的相对权重，根据所述相对权重构建判断矩阵；
权重向量计算模块3，用于根据所述判断矩阵计算各个元素之间的权重向量；
信任度计算模块4，用于收集专家打分，结合所述权重向量得到各个评价指标的信任度；
总适应性计算模块5，用于基于所述信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，最终得到所述电力作业VR培训操作流程的总适应性结果。
此外，为了验证本发明一种电力作业VR培训操作流程适应性评估方法的实施效果，下面给出了以下实施例：
本实施例以电力操作虚拟培训系统中的操作流程为例，应用电力作业VR培训操作流程适应性评估方法，比较操作流程与作业结果的综合评价适应性。本实施例首先列举了能反应两个操作流程之间差异的因素，使用树形层次结构简明清晰的划分不同层次的异构指标，并通过层次分析法完成权重分配。评估时是用以危险度为导向的证据优化DS理论分别完成定性指标中多个专家意见的融合以及定性、定量指标的向上推理，所得到的适应性可用于衡量不同的操作规程之间的差异性。
验电任务基本情况：
验电操作属于设备检查的一步，需要先进行停电操作后，再验电。本发明实施例的研究中作业对象为常见的110kV配电箱。培训时需要使用合理的作业安全工器具，验电操作时主要使用验电笔。在做好合适有效的安全防护措施后，使用验电笔对配电箱进行验电。作业工器具模型包括：绝缘手套、安全帽、验电笔、螺丝刀；作业对象为配电箱，建立作业对象模型。包括：配电箱体，配电箱内部线路模型。参考图2。
作业时使用的部分工器具展示在工具台上，具有电子示数的测试用验电笔、绝缘手套和安全防护头盔。VR电力作业中验电操作主要包含三个步骤。首先是预备操作，进入操作空间后，操作人员已经着装工服，面前是一个桌子，桌子上有安全帽、手套和试电笔三样物件。带上安全帽和手套，拿起试电笔。然后是验电开柜门操作，走向电源箱，在电柜前面停下，弯腰，取下手套，用试电笔头接触把手，操作人员的大拇指抵在验电笔尾端。如果试电笔灯亮，则出现提示“电柜带电，请处理后再开箱”。如果试电笔不亮，收起试电笔到口袋，带上手套，开柜门。最后是开关闭合操作，断开刀闸打开柜门后，将总开关闸门推上去，关柜门。
通过查阅大量电力作业标准，分析电力作业要求，以电力作业的操作逻辑性为基础，对验电作业流程进行设计，得到如下四种验电作业流程。作业流程1如图3(a)所示，所有的作业操作按照顺序作业流程进行；作业流程2如图3(b)所示，核查线路之后，验电，装设接地线，检测绝缘子等操作进行平行作业；作业流程3如图3(c)所示，该流程为缺失验电操作的顺序作业；作业流程4如图3(d)所示，该流程为验电操作与装设接地线操作先后调换的顺序作业。
基于层次分析的作业任务分析：
设操作流程中共有r个操作点，操作点N＝{n_1，......，n_r}。任取N中的执行体ni和nj(i，j∈[1，r]且i≠j)进行适应性评估，其中对于某层的指标，使用通配符*表示该指标权重的下标，即w*。若该指标下存在m个下级指标，则指标的权重分配为{w(*1)，......，w(*m)}，各指标适应性评估值为{h_(*1)，...，h_(*m)}。对于任意的适应性评估值h(h∈[0，1])，h＝1表示参与比较的两个指标完全相同，反之则h趋于0。树中所有叶子节点的父节点为操作流程适应性评价时最小组件，用集合C表示，C＝{c1，c2，......}＝{业务技能，作业组合，......}。对于C中使用定性方式评估的元素，通过k个专家对相关定性指标进行打分，用集合E表示参与评估的k名专家，E＝{e1，......，ek}。
评估时对各层中每两个元素两两比较，构建判断矩阵。根据判断矩阵计算各个元素之间的权重向量，完成评价指标的权重分配。同时收集专家，根据上述权重将打分转化为信任度，验电操作流程的信任度结果如表1所示。
表1验电操作流程部分评价指标的信任度分配
Figure BDA0003120294390000081
两个操作流程通过3个专家对相关定性指标进行打分，评估时通过对层次分析法分配指标权重，同时直接收集3名专家打分转化为信任度，4种作业流程的信任度结果如表2所示。
表2 4种作业流程部分评价指标的信任度分配
Figure BDA0003120294390000082
基于危险性为导向的证据优化DS理论进行信息融合：
表1中涉及的专家意见以及层次分析法分配的指标权重，将由基于危险度为导向的证据优化DS理论融合得到一个联合信任度。并融合专家意见得到操作流程中各个指标的评估结果。以作业部分的“核对线路”为例，计算可知该指标归一化常数K＝0.51，计算过程如下：
Figure BDA0003120294390000091
核查线路的适应性m({A})＝0.96，具体计算过程如下：
Figure BDA0003120294390000092
将以上结果与其他评价指标再次使用基于危险度为导向的证据优化DS理论融合得到作业流程所有元素的适应性评估结果，其他指标的适应性评估结果如表3所示。
表3其他评价指标适应性评价结果
Figure BDA0003120294390000093
将以上得到的层次结构中各指标的权重与操作流程中各作业评价指标信任度进行融合可以分别得到四操作流程的总适应性。
通过表3中各种元素的信任度，得到作业流程1到4的总适应性如表4所示。由表4可知，作业流程1和作业流程2对于验电作业而言是适应的，且作业流程1适应性最佳，原因可能是因为作业流程2平行作业部分在复杂电力操作中容易造成遗漏和混淆；在没有对安全柜进行验电操作就打开柜门进行其他操作是十分危险的，从流程3和流程4可看出不进行验电操作可能会导致整个作业流程无效。
表4各作业流程的总适应性
作业流程 流程1 流程2 流程3 流程4
总适应度 0.89 0.71 0 0
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种电力作业VR培训操作流程适应性评估方法，其特征在于，所述电力作业VR培训操作流程适应性评估方法包括以下步骤：
对可能造成电力作业VR培训操作流程适应性的评价指标进行层次上的划分，分为目标层、准则层和方案层；
根据各层中每两个元素两两比较，得到每两个元素的相对权重，根据所述相对权重构建判断矩阵；
根据所述判断矩阵计算各个元素之间的权重向量；
收集专家打分，结合所述权重向量得到各评价指标的信任度；
基于所述信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，得到所述电力作业VR培训操作流程的总适应性结果。
2.如权利要求1所述的电力作业VR培训操作流程适应性评估方法，其特征在于，所述根据判断矩阵计算各个元素之间的权重向量的步骤，具体包括：
通过公式
Figure FDA0003120294380000011
计算判断矩阵中第i行所有元素的乘积，其中，aij表示判断矩阵中第i行和第j列元素的权重，n表示判断矩阵行和列的数量，bi为判断矩阵中第i行所有元素的乘积；
通过公式
Figure FDA0003120294380000012
计算bi的n次方根，其中，Pi为bi的n次方根结果；
通过公式
Figure FDA0003120294380000013
对Pi进行正规化，其中，Wi为Pi正规化的结果，则w＝(W1，W2，...，Wn)T为权重向量，各个评价指标的权重分配为W1，W2，...，Wn，n为权重的个数。
3.如权利要求1所述的电力作业VR培训操作流程适应性评估方法，其特征在于，所述电力作业VR培训操作流程通过3个专家对评价指标进行打分，评估时通过层次分析法分配指标权重，同时直接收集3名专家打分转化为信任度。
4.如权利要求1所述的电力作业VR培训操作流程适应性评估方法，其特征在于，所述基于信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，得到所述电力作业VR培训操作流程的总适应性结果的步骤，具体包括：
通过公式
Figure FDA0003120294380000014
计算两个证据ei和ej之间的距离，并通过公式Dij＝dij/max(dij)和Dij∈[0，1]对dij进行归一化处理，其中m(A)表示某个证据的信任度，dij为两个证据之间的距离，Dij表示对dij进行归一化后的结果，N为当前识别框架中元素的个数，t＝1，...，N；
根据公式
Figure FDA0003120294380000021
计算证据ei到e的平均距离，其中，Si表示某个证据到所有证据的平均距离，Si越大，其危险性越大，权重较小；反之，危险性越小，权重较大，n为证据的个数；
通过公式
Figure FDA0003120294380000026
和
Figure FDA0003120294380000022
计算权重系数和修正系数，其中，w和β分别为权重系数和修正系数，max(wi)为修正系数的最大值；
通过公式m′i(A)＝β×mi(A)计算修正后的证据概率分布，其中，mi(A)表示第i个证据的信任度，m′i(A)表示第i个证据的最新信任度；
通过公式
Figure FDA0003120294380000023
计算该指标归一化常数k，并通过公式
Figure FDA0003120294380000024
计算准则层的适应性结果，其中k为当前所计算评价指标的归一化常数，m({A})为准则层的适应性结果；
重复上述步骤计算得到最终目标层的适应性结果，即总适应性结果。
5.一种电力作业VR培训操作流程适应性评估系统，其特征在于，所述电力作业VR培训操作流程适应性评估系统包括以下模块：
分层模块，用于对可能造成电力作业VR培训操作流程适应性的评价指标进行层次上的划分，分为目标层、准则层和方案层；
判断矩阵构建模块，用于根据各层中每两个元素两两比较，得到每两个元素的相对权重，根据所述相对权重构建判断矩阵；
权重向量计算模块，用于根据所述判断矩阵计算各个元素之间的权重向量；
信任度计算模块，用于收集专家打分，结合所述权重向量得到各个评价指标的信任度；
总适应性计算模块，用于基于所述信任度，通过以危险度为导向的证据优化DS理论对各评价指标从下至上依次进行适应性计算，得到所述电力作业VR培训操作流程的总适应性结果。
6.如权利要求5所述的电力作业VR培训操作流程适应性评估系统，其特征在于，所述权重向量计算模块包括以下子模块：
第一权重向量计算子模块，用于通过公式
Figure FDA0003120294380000025
计算判断矩阵中第i行所有元素的乘积，其中，aij表示判断矩阵中第i行和第j列元素的权重，n表示判断矩阵行和列的数量，bi为判断矩阵中第i行所有元素的乘积；
第二权重向量计算子模块，用于通过公式
Figure FDA0003120294380000031
计算bi的n次方根，其中，Pi为bi的n次方根结果；
第三权重向量计算子模块，用于通过公式
Figure FDA0003120294380000032
对Pi进行正规化，其中，Wi为Pi正规化的结果，则w＝(W1，W2，...，Wn)T为权重向量，各个评价指标的权重为W1，W2，...，Wn，n为权重的个数。
7.如权利要求5所述的电力作业VR培训操作流程适应性评估系统，其特征在于，所述信任度计算模块中，所述电力作业VR培训操作流程通过3个专家对评价指标进行打分，评估时通过层次分析法分配指标权重，同时直接收集3名专家打分转化为信任度。
8.如权利要求5所述的电力作业VR培训操作流程适应性评估系统，其特征在于，所述总适应性计算模块包括以下子模块：
第一总适应性计算子模块，用于通过公式
Figure FDA0003120294380000033
两个证据ei和ej之间的距离，并通过公式Dij＝dij/max(dij)和Dij∈[0，1]对dij进行归一化处理，其中m(A)表示某个证据的信任度，dij为两个证据之间的距离，Dij表示对dij进行归一化后的结果，N为当前识别框架中元素的个数，t＝1，...，N；
第二总适应性计算子模块，用于根据公式
Figure FDA0003120294380000034
计算证据ei到e的平均距离，其中，Si表示某个证据到所有证据的平均距离，Si越大，其危险性越大，权重较小；反之，危险性越小，权重较大，n为证据的个数；
第三总适应性计算子模块，用于通过公式
Figure FDA0003120294380000038
和
Figure FDA0003120294380000035
计算权重系数和修正系数，其中，w和β分别为权重系数和修正系数，max(wi)为修正系数的最大值；
第四总适应性计算子模块，用于通过公式m′i(A)＝β×mi(A)计算修正后的证据概率分布，其中，mi(A)表示第i个证据的信任度，m′i(A)表示第i个证据的最新信任度；
第五总适应性计算子模块，用于通过公式
Figure FDA0003120294380000036
计算该指标归一化常数k，并通过公式
Figure FDA0003120294380000037
计算准则层的适应性结果，其中k为当前所计算评价指标的归一化常数，m({A})为准则层的适应性结果；
重复上述模块计算得到最终目标层的适应性结果，即总适应性结果。
CN202110674738.6A 2021-06-17 一种电力作业vr培训操作流程适应性评估方法及系统 Active CN113434808B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110674738.6A CN113434808B (zh) 2021-06-17 一种电力作业vr培训操作流程适应性评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110674738.6A CN113434808B (zh) 2021-06-17 一种电力作业vr培训操作流程适应性评估方法及系统

Publications (2)

Publication Number Publication Date
CN113434808A true CN113434808A (zh) 2021-09-24
CN113434808B CN113434808B (zh) 2024-08-02

Family

ID=

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114393994A (zh) * 2022-01-17 2022-04-26 北京格睿能源科技有限公司 一种电动化底盘多目标协同健康管理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116614A (ja) * 2007-11-06 2009-05-28 Fuji Heavy Ind Ltd 車両の運転支援装置
CN104134093A (zh) * 2014-04-02 2014-11-05 贵州省交通规划勘察设计研究院股份有限公司 一种公路地质灾害面线点多层次综合预报方法
CN106850613A (zh) * 2017-01-24 2017-06-13 中国科学院信息工程研究所 一种基于改进ahp的用户行为信任评估方法及系统
CN109657313A (zh) * 2018-12-08 2019-04-19 中国电子科技集团公司第二十八研究所 基于改进层次分析法的导弹性能评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116614A (ja) * 2007-11-06 2009-05-28 Fuji Heavy Ind Ltd 車両の運転支援装置
CN104134093A (zh) * 2014-04-02 2014-11-05 贵州省交通规划勘察设计研究院股份有限公司 一种公路地质灾害面线点多层次综合预报方法
CN106850613A (zh) * 2017-01-24 2017-06-13 中国科学院信息工程研究所 一种基于改进ahp的用户行为信任评估方法及系统
CN109657313A (zh) * 2018-12-08 2019-04-19 中国电子科技集团公司第二十八研究所 基于改进层次分析法的导弹性能评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114393994A (zh) * 2022-01-17 2022-04-26 北京格睿能源科技有限公司 一种电动化底盘多目标协同健康管理方法及系统
CN114393994B (zh) * 2022-01-17 2024-04-19 北京格睿能源科技有限公司 一种电动化底盘多目标协同健康管理方法及系统

Similar Documents

Publication Publication Date Title
CN106096830B (zh) 基于广义证据理论的继电保护状态评价方法及系统
CN106777984A (zh) 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法
CN110659814A (zh) 一种基于熵权法电网作业风险评价方法及系统
CN113627735B (zh) 工程建设项目安全风险的预警方法及系统
CN112859822A (zh) 基于人工智能的设备健康分析及故障诊断的方法及系统
CN115639840B (zh) 一种基于光伏电站运维分析的无人机巡检方法
CN113344471B (zh) 一种表征飞机系统气候环境适应性的方法
CN107491783B (zh) 基于改进密度峰值聚类算法的变压器故障类型分类方法
CN113420162B (zh) 一种基于知识图谱的设备运行链状态监测方法
CN114065223A (zh) 一种基于cvss的多维度软件安全风险评估方法
CN106056235A (zh) 基于古林法物元可拓模型的输电网效率效益检测方法
CN110705887A (zh) 一种基于神经网络模型的低压台区运行状态综合评价方法
CN106095785A (zh) 基于决策树分类的故障码诊断车辆工项与备件检索方法
CN117494950B (zh) 一种光储充检微电网一体站运行安全评价方法
CN104966157B (zh) 一种基于人因仿真分析的遥控维护方法及其维护装置
CN113434808A (zh) 一种电力作业vr培训操作流程适应性评估方法及系统
CN112926895A (zh) 一种光伏电站系统综合能效评价方法
CN113434808B (zh) 一种电力作业vr培训操作流程适应性评估方法及系统
CN111966758A (zh) 一种基于画像数据分析技术的电力隐患排查方法
CN111475548A (zh) 一种基于大数据挖掘技术的用电异常分析决策系统
CN112434955B (zh) 一种基于多数据融合的配网线路运行风险感知方法
CN112329432B (zh) 一种基于改进Apriori的配电网电压越限问题关联分析方法
CN109523026A (zh) 援例推理方法及系统
CN115422821A (zh) 用于岩体参数预测的数据处理方法和装置
CN115408927A (zh) 用于预测岩体参数的数据处理方法和装置

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