CN113779798A - 基于直觉模糊组合赋权的电能质量数据处理方法及装置 - Google Patents

基于直觉模糊组合赋权的电能质量数据处理方法及装置 Download PDF

Info

Publication number
CN113779798A
CN113779798A CN202111072570.8A CN202111072570A CN113779798A CN 113779798 A CN113779798 A CN 113779798A CN 202111072570 A CN202111072570 A CN 202111072570A CN 113779798 A CN113779798 A CN 113779798A
Authority
CN
China
Prior art keywords
electric energy
weight
power quality
subjective
objective
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
CN202111072570.8A
Other languages
English (en)
Inventor
缪惠宇
史明明
刘建
费骏韬
袁晓冬
张宸宇
刘俊
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.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power 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 State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111072570.8A priority Critical patent/CN113779798A/zh
Publication of CN113779798A publication Critical patent/CN113779798A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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

Abstract

本发明涉及基于直觉模糊组合赋权的电能质量数据处理方法及装置，包括：各项电能质量评价指标数值；电能质量综合等级划分；基于直觉模糊ANP的组合赋权；基于端点混合可能度函数的灰色聚类处理；确定电能质量等级。本发明应用直觉模糊数改进经典ANP的标度法计算主观权重，结合熵权法以主、客观加权属性一致将两种权重组合。然后采用端点混合可能度函数的灰聚类方法处理等级的不确定性和模糊性，最后结合指标组合权重计算综合聚类系数得出电能质量结果。在一定程度上帮助工程人员正确评估电能质量水平，为治理电能质量问题提供理论指导，应用价值和前景巨大。

Description

基于直觉模糊组合赋权的电能质量数据处理方法及装置
技术领域
本发明属于电能质量数据处理技术领域，具体涉及一种基于直觉模糊组合赋权的灰聚类电能质量数据处理方法，还涉及一种基于直觉模糊组合赋权的灰聚类电能质量数据处理装置。
背景技术
现代电力电子设备及其高精密仪器的大量应用，使得电力用户对电能质量的要求越来越高，然而分布式电源和非线性负荷的大量使用使电网中的电能质量污染日益严重，加剧了电力系统和电力用户供需双方之间的矛盾。因此，如何基于电能质量数据进行分析处理最终获得电能质量等级，反映电能质量的整体状况，为量化扰动引起的损失、电网电能质量对标管理以及未来电力市场环境下的“依质定价”提供理论基础和技术支撑，已成为目前电能质量问题研究的重要方向之一。
目前，国内外都制定了一系列的电能质量标准，但并未对如何进行数据处理实现电能质量综合等级做出明确规范。层次分析法是在确定电能质量等级的方法中常用的为指标赋权的主观方法，将人的主观语言判断数字化，是一种定性与定量相结合的多指标决策方法。但该方法应用时将指标视为独立个体，仅考虑指标之间的相对重要性，忽略指标之间相互关联的情况。网络层次分析法(Analytic Network Process,ANP)对层次分析法进行改进，在评价电能质量时，能够考虑指标之间的关联情况。但经典的标度法在将语言变量转化成数值量时不能体现决策者评分的不确定性。采用模糊修正方法只能考虑属于或不属于这样非此即彼的情况，不能体现人语言评价的不确定性和犹豫度。在对电能质量数据进行分析处理获得电能质量等级中，模糊评估是较常用的一种方法，但运用该方法，需要事先确定指标权重且隶属度函数的选取容易受人为主观因素的影响。
发明内容
本发明的目的在于克服现有技术中的不足，提供了一种基于直觉模糊组合赋权的电能质量数据处理方法，融合主客观权重对获取的电源质量数据进行处理分析来确定电能质量等级，解决了目前通过对电源质量数据进行分析处理从而确定电能质量水平的过程中易受人为主观因素影响的难题。
为解决上述技术问题，本发明提供了一种基于直觉模糊组合赋权的电能质量数据处理方法，包括：
利用电源监测终端获取选定电能质量监测点的各项电能质量评价指标数值；
依据直觉模糊层次分析法计算得到各项电能质量评价指标的主观权重；
依据熵权法计算得到各项电能质量评价指标的客观权重；
依据主客观函数规划模型，计算得到主、客观权重系数；
基于主、客观权重及主、客观权重系数，计算得到组合权重；
基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，依据灰色聚类法，得到选定电能质量监测点的电能质量等级。
可选地，所述依据直觉模糊层次分析法计算得到各项电能质量评价指标的主观权重，包括：
收集指标之间相互影响的语言偏好评价，转化为直觉模糊数；
基于直觉模糊数，计算互反型直觉模糊判断矩阵；
利用直觉模糊加权平均算子集成直觉模糊判断矩阵的偏好值；
计算直觉模糊熵，构造未加权的超矩阵；
基于未加权的超矩阵和相对权重矩阵，计算得到加权超矩阵；
对加权超矩阵进行稳定处理，得到各指标的主观权重。
可选地，所述依据主客观函数规划模型，计算得到主、客观权重系数，包括：
定义：某一方案i在指标j下的主观加权属性值为xijαw'j，客观加权属性值为xijβw”j，两者差异为xijαw'j-xijβw”j；其中xij为方案i在指标j下的样本数据，α是主观权重系数；w'j是指标j的主观权重；β是客观权重系数；w”j是指标j的客观权重；进一步定义主客观信息的偏离程度为：
Figure BDA0003260943100000031
设置主客观函数规划模型Z：
Figure BDA0003260943100000032
s.t.α+β＝1(α,β≥0)
其中，m为方案的数量，n为指标的数量；
求解该模型得到主、客观的组合系数α和β。
可选地，所述组合权重的计算公式为：
w＝αw'+βw”
其中，w'为主观权重向量，w”为客观权重向量，α是主观权重系数；β是客观权重系数。
进一步的，所述依据灰色聚类法得到选定电能质量监测点所属的电能质量等级，包括：
依据电能质量等级划分，将各项指标的等级界限相应划分为灰类；
基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，计算各灰类的综合聚类系数；
选取各灰类的综合聚类系数最大值所对应的灰类，作为选定电能质量监测点所属的灰类，进而得到与灰类对应的电能质量等级。
可选地，所述基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，计算各灰类的综合聚类系数，包括：
对于选定电能质量监测点i，其电能质量指标j的组合权重为wj，其灰类k的综合聚类系数为：
Figure BDA0003260943100000041
其中，
Figure BDA0003260943100000042
为灰类可能度函数，k为灰类的编号，s为灰类的总数。
可选地，还包括：
基于选定电能质量监测点所属的电能质量等级和灰类分值，计算得到选定电能质量监测点的电能质量分值：
Figure BDA0003260943100000043
其中，fi为电能质量分值，
Figure BDA0003260943100000044
为灰类k的综合聚类系数，ck为灰类k的分值，k为灰类的编号，s为灰类的总数；
根据选定电能质量监测点的电能质量分值的高低，判断系统综合电能质量。
第二方面，本发明还提供了一种基于直觉模糊组合赋权的电能质量数据处理装置，包括：
数据采集模块，用于利用电源监测终端获取选定电能质量监测点的各项电能质量评价指标数值；
主观权重处理模块，用于依据直觉模糊层次分析法计算得到各项电能质量评价指标的主观权重；
客观权重处理模块，用于依据熵权法计算得到各项电能质量评价指标的客观权重；
主客观权重系数处理模块，用于依据主客观函数规划模型，计算得到主、客观权重系数；
组合权重处理模块，用于基于主、客观权重及主、客观权重系数，计算得到组合权重；
电源质量等级处理模块，用于基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，依据灰色聚类法，得到选定电能质量监测点的电能质量等级。
第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的基于直觉模糊组合赋权的电能质量数据处理方法中的步骤。
第四方面，本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的基于直觉模糊组合赋权的电能质量数据处理方法中的步骤。
与现有技术相比，本发明所达到的有益效果是：本发明充分考虑了专家主观的语言评价具有的犹豫度和模糊性，同时采用加权信息一致思想融合主客观权重的特点。利用端点混合的灰色聚类方法处理灰类等级之间的多重交叉和等级端点不确定的问题，解决了目前通过对电源质量数据进行分析处理从而确定电能质量水平的过程中易受人为主观因素影响的难题。
附图说明
图1为本发明实施例方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本发明提出基于直觉模糊组合赋权的电能质量数据处理方法，应用直觉模糊数改进经典ANP的标度法计算主观权重，结合熵权法以主、客观加权属性一致将两种权重组合。然后采用端点混合可能度函数的灰聚类方法处理等级的不确定性和模糊性，最后结合指标组合权重计算综合聚类系数得出电能质量等级结果。
本发明的基于直觉模糊组合赋权的电能质量数据处理方法，参见图1所示，包括以下过程：
步骤一，电能质量综合等级划分。
根据相关的国家标准，先将电能质量分为优质Q1、良好Q2、合格Q3、不合格Q4四个等级，确定电能质量等级划分。
电能质量评价指标具体包括电压偏差、三相不平衡、电压谐波、电压波动、电压间谐波、频率偏差等，可以根据实际要求变更。
步骤二，直觉模糊数与网络层次分析偏好的转化。
选择直觉模糊数与网络层次分析偏好的转化关系如表1所示。收集专家对指标之间相互影响(指标之间重要性比较)的语言偏好评价(语言描述)，依据表1转化为直觉模糊数，用直觉模糊数来表达决策者的偏好评价，更细致和直观的刻画决策者的意见。
基于直觉模糊数，对指标之间的重要性描述进行转换，建立互反型直觉模糊判断矩阵Q＝(qij)n×n，其中qij＝(μij,νij,πij)，即表1中右边的矩阵，其中i，j为样本编号，μij为隶属度，νij为非隶属度，πij为犹豫度。当i＝j时，μij＝νji，νij＝μji，0≤μji+νij≤1，i,j＝1,2,…,n。n为需要判断的样本数量。
表1直觉模糊数与网络层次分析偏好转换
Figure BDA0003260943100000071
其中，中间值1为同样重要和稍微重要的中间值，中间值2为稍微重要和重要的中间值，中间值3为重要和非常重要的中间值，中间值4为非常重要和极其重要的中间值。
步骤三，主观权重计算。
采用直觉模糊层次分析法来计算主观权重，具体过程为：
利用直觉模糊加权平均算子(IFWA)集成直觉模糊判断矩阵的偏好值。
Figure BDA0003260943100000072
其中，qij＝(μij,νij,πij)。μij为隶属度，νij为非隶属度，πij为犹豫度。
依据下式计算一致性系数CR进行一致性检验。若CR<0.01，满足一致性检验。若不满足，则返回修正判断矩阵。具体修正过程为：在满足当i＝j时，μij＝νji，νij＝μji，0≤μji+νij≤1，i,j＝1,2,…,n的基础上，将隶属度、非隶属度、犹豫度向左向右随机微调，直至满足一致性检验要求。
Figure BDA0003260943100000081
其中，RI是随机指数，由查表获得，n是矩阵元素的数量，πij为犹豫度。
计算直觉模糊熵：
Figure BDA0003260943100000082
将求得的直觉模糊熵构造成未加权的超矩阵W。
W＝[wij]n×n
将指标组的进行两两比较，可以得到相对权重矩阵：
A＝[aij]n×n
Figure BDA0003260943100000083
将相对权重矩阵中的元素与超矩阵W中的元素对应相乘，得到加权超矩阵：
Figure BDA0003260943100000084
对超矩阵进行稳定处理，生成极限矩阵W∞：
Figure BDA0003260943100000085
当i趋于无限大且极限收敛唯一时，极限矩阵的列向量为主观权重w'。
第四步，主客观组合权重计算。
依据熵权法计算得到各项电能质量评价指标的客观权重。
设客观权重向量为w”，则组合权重向量为：
w＝αw'+βw”
其中，主观权重系数和客观权重系数α,β＞0且α+β＝1。
定义：某一方案i在指标j下的主观加权属性值为xijαw'j，客观加权属性值为xijβw”j，两者差异为xijαw'j-xijβw”j；其中xij为方案i在指标j下的样本数据，α是主观权重系数；w'j是指标j的主观权重；β是客观权重系数；w”j是指标j的客观权重。进一步定义主客观信息的偏离程度为：
Figure BDA0003260943100000091
设置主客观函数规划模型Z，求解该模型得到主、客观的组合系数α和β：
Figure BDA0003260943100000092
s.t.α+β＝1(α,β≥0)
其中，m为方案的数量，n为指标的数量。
步骤四，基于灰度聚类分析的电能质量等级
根据步骤一，将各项指标的取值范围相应划分为4个灰类(与质量的四个等级类别对应，结合不同电能质量等级的电能质量限值，对各项指标的等级界限进行划分)，令数据x的电能质量指标j的灰类k白化权系数为：
Figure BDA0003260943100000093
其中，
Figure BDA0003260943100000094
为可能度函数
Figure BDA0003260943100000095
的转折点。
对于某一个方案i(选定电能质量监测点)，其电能质量指标j的组合权重为wj，其灰类k的综合聚类系数为：
Figure BDA0003260943100000101
判断选定电能质量监测点所属灰类：若
Figure BDA0003260943100000102
那么选定电能质量监测点i属于k*灰类。
其中，k为灰类的编号，s为灰类的总数。
基于得到选定电能质量监测点所属的灰类，进而得到选定电能质量监测点所属的电能质量等级。
还可以根据综合聚类系数向量计算选定电能质量监测点的评分值，那么选定电能质量监测点的电能质量分值为：
Figure BDA0003260943100000103
其中，fi为电能质量分值，
Figure BDA0003260943100000104
为灰类k的综合聚类系数，ck为灰类k的分值，k为灰类的编号，s为灰类的总数。
最终，根据选定电能质量监测点的电能质量分值的高低，来判断系统综合电能质量。评分高的判断系统综合电能质量高。
具体实施例中获得选定电能质量监测点的电源等级后将其存储到数据库，或者通过通信线路传送指后台。
本发明充分考虑了专家主观的语言评价具有的犹豫度和模糊性，同时采用加权信息一致思想融合主客观权重的特点。利用端点混合的灰聚类方法处理灰类等级之间的多重交叉和等级端点不确定的问题。本发明方法可为电力市场环境下“依质定价”提供准确依据。后续可以在电能质量综合评估结果中计及达到电源质量等级所需的成本和该等级所对应的经济效益，对未来售电电价的制定具有重要的参考意义。
实施例2
本实施例以某变电站10kV母线电能质量监测点一年内的实际在线监测数据作为综合数据处理的数据基础，通过电源监测终端获取该电能质量监测点的监测数据(其中电源监测终端为现有技术，不是本申请的发明点，不做详细介绍)，验证基于直觉模糊组合赋权的灰聚类电能质量数据处理方法的可行性和正确性。根据相关的国家标准将电能质量分为优质Q1、良好Q2、合格Q3、不合格Q4四个等级。在此基础上，结合不同电能质量等级的电能质量限值，对各项指标的等级界限进行划分，如表2所示。
表2电能质量指标等级界限
Figure BDA0003260943100000111
收集专家对指标关联性和相互影响程度的意见构造直觉模糊判断矩阵。因篇幅限制仅列出一组，考虑电压谐波与电压波动对电压偏差的影响构造判断矩阵为B1和B2。按步骤三求解直觉模糊熵，放入超矩阵中对应位置，计算所有判断矩阵得到极限稳定权重。
Figure BDA0003260943100000112
Figure BDA0003260943100000113
主观权重求得如下：(0.0239,0.5555,0.2304,0.0575,0.1120,0.0207)权重排序结果为：三相不平衡度>电压谐波>电压间谐波>电压波动>电压偏差>频率偏差。采用直觉模糊层次分析法得到的权重值既有差异又相对稳定，不会过分的关注某一个指标，也不会忽视某个指标的作用，更符合决策者的偏好。
基于指标数据利用熵权法计算得到客观权重如下：(0.2601,0.2543,0.1299,0.1021,0.1302,0.1033)，熵权法完全取决于指标数据。
设主观权重向量为w'，客观权重向量为w”，则组合权重向量为：
w＝αw'+βw”
其中，α,β＞0且α+β＝1。
定义某一方案i在指标j下的主观加权属性值为xijαw'j，客观加权属性值为xijβw”j，两者差异为xijαw'j-xijβw”j，其中xij为样本数据。进一步定义主客观信息的偏离程度为：
Figure BDA0003260943100000121
可以看出di越小，方案i的主客观加权决策信息越趋近于一致，为此构造优化模型：
minD＝(d1,d2,…di,…dn)
针对多属性决策问题中各选定电能质量监测点之间公平竞争，不存在偏好关系。因此，上述优化模型可以化作如下等价的规划模型，求解该模型得到主、客观得组合系数α和β：
Figure BDA0003260943100000122
s.t.α+β＝1(α,β≥0)
求出主观系数和客观系数分别为α＝0.4249，β＝0.5751，由此可得组合权重的结果为：(0.1597,0.3823,0.1726,0.0831,0.1225,0.0682)。
按表2划分等级，将电能质量分为优质Q1、良好Q2、合格Q3、不合格Q4四个等级对应评价指标的4个灰子类的可能度函数f，如表3所示。
表3电能质量指标的可能度函数
Figure BDA0003260943100000123
Figure BDA0003260943100000131
这种分级标准等级数量不多，可避免数据处理中包含大量的计算。采用变区间长度划分方法可以在电能优质时精确衡量，而在质量较差时宽范围考察。以IF-ANP(直觉模糊层次分析法)组合赋权法计算的指标权重结果代入灰聚类等级评估，得到每个季度电能质量的综合聚类系数
Figure BDA0003260943100000132
如表4所示。
表4综合聚类系数结果
Figure BDA0003260943100000133
Figure BDA0003260943100000141
由表4可以看出，基于直觉模糊组合赋权的灰聚类电能质量数据处理方法得到：除了第二季度电能质量为合格Q3，其余三个季度的电能质量综合评价结果为良好Q2。进一步可根据第一季度、第三季度、第四季度的综合聚类系数分别为0.3692、0.4153和0.5143，判断出三个季度的电能质量排序为第四季度>第一季度>第三季度。这符合当地夏季多发雷雨、瞬时负荷过高的实际情况，进一步验证了该数据处理方法的有效性。
实施例3
基于与实施例1同样的发明构思，本发明的一种基于直觉模糊组合赋权的电能质量数据处理装置，包括：
数据采集模块，用于利用电源监测终端获取选定电能质量监测点的各项电能质量评价指标数值；
主客权重处理模块，用于依据直觉模糊数和直觉模糊层次分析法计算得到各项电能质量评价指标的主观权重和客观权重；
主客观权重系数处理模块，用于依据主客观函数规划模型，计算得到主、客观权重系数；
组合权重处理模块，用于基于主、客观权重及主、客观权重系数，计算得到组合权重；
电源质量等级处理模块，用于基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，依据灰色聚类法，得到选定电能质量监测点的电能质量等级。
本发明装置的各个模块的具体实现方案参见上述实施例1中方法的具体实现过程。
本发明还提供了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，该程序被处理器执行时实现如上所述的基于直觉模糊组合赋权的电能质量数据处理方法中的步骤。
本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的基于直觉模糊组合赋权的电能质量数据处理方法中的步骤。
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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (10)

1.基于直觉模糊组合赋权的电能质量数据处理方法，其特征在于，包括：
利用电源监测终端获取选定电能质量监测点的各项电能质量评价指标数值；
依据直觉模糊层次分析法计算得到各项电能质量评价指标的主观权重；依据熵权法计算得到各项电能质量评价指标的客观权重；
依据主客观函数规划模型，计算得到主、客观权重系数；
基于主、客观权重及主、客观权重系数，计算得到组合权重；
基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，依据灰色聚类法，得到选定电能质量监测点的电能质量等级。
2.根据权利要求1所述的基于直觉模糊组合赋权的电能质量数据处理方法，其特征在于，所述依据直觉模糊层次分析法计算得到各项电能质量评价指标的主观权重，包括：
收集指标之间相互影响的语言偏好评价，转化为直觉模糊数；
基于直觉模糊数，计算直觉模糊判断矩阵；
利用直觉模糊加权平均算子集成直觉模糊判断矩阵的偏好值；
计算直觉模糊熵，构造未加权的超矩阵；
基于未加权的超矩阵和相对权重矩阵，计算得到加权超矩阵；
对加权超矩阵进行稳定处理，得到各指标的主观权重。
3.根据权利要求1所述的基于直觉模糊组合赋权的电能质量数据处理方法，其特征在于，所述依据主客观函数规划模型，计算得到主、客观权重系数，包括：
定义：某一方案i在指标j下的主观加权属性值为xijαw'j，客观加权属性值为xijβw”j，两者差异为xijαw'j-xijβw”j；其中xij为方案i在指标j下的样本数据，α是主观权重系数；w'j是指标j的主观权重；β是客观权重系数；w”j是指标j的客观权重；进一步定义主客观信息的偏离程度为：
Figure FDA0003260943090000021
设置主客观函数规划模型Z：
Figure FDA0003260943090000022
s.t.α+β＝1(α,β≥0)
其中，m为方案的数量，n为指标的数量；
求解该模型得到主、客观的组合系数α和β。
4.根据权利要求3所述的基于直觉模糊组合赋权的电能质量数据处理方法，其特征在于，所述组合权重的计算公式为：
w＝αw'+βw”
其中，w'为主观权重向量，w”为客观权重向量，α是主观权重系数；β是客观权重系数。
5.根据权利要求1所述的基于直觉模糊组合赋权的电能质量数据处理方法，其特征在于，所述依据灰色聚类法得到选定电能质量监测点的电能质量等级，包括：
依据电能质量等级划分，将各项指标的等级界限相应划分为灰类；
基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，计算各灰类的综合聚类系数；
选取各灰类的综合聚类系数最大值所对应的灰类，作为选定电能质量监测点所属的灰类，进而得到与灰类对应的电能质量等级。
6.根据权利要求5所述的基于直觉模糊组合赋权的电能质量数据处理方法，其特征在于，所述基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，计算各灰类的综合聚类系数，包括：
对于选定电能质量监测点i，其电能质量指标j的组合权重为wj，其灰类k的综合聚类系数为：
Figure FDA0003260943090000031
其中，
Figure FDA0003260943090000032
为灰类可能度函数，k为灰类的编号，s为灰类的总数。
7.根据权利要求6所述的基于直觉模糊组合赋权的电能质量数据处理方法，其特征在于，还包括：
基于选定电能质量监测点所属的电能质量等级和灰类分值，计算得到选定电能质量监测点的电能质量分值：
Figure FDA0003260943090000033
其中，fi为电能质量分值，
Figure FDA0003260943090000034
为灰类k的综合聚类系数，ck为灰类k的分值，k为灰类的编号，s为灰类的总数；
根据选定电能质量监测点的电能质量分值的高低，判断系统综合电能质量。
8.基于直觉模糊组合赋权的电能质量数据处理装置，其特征在于，包括：
数据采集模块，用于利用电源监测终端获取选定电能质量监测点的各项电能质量评价指标数值；
主观权重处理模块，用于依据直觉模糊层次分析法计算得到各项电能质量评价指标的主观权重；
客观权重处理模块，用于依据熵权法计算得到各项电能质量评价指标的客观权重；
主客观权重系数处理模块，用于依据主客观函数规划模型，计算得到主、客观权重系数；
组合权重处理模块，用于基于主、客观权重及主、客观权重系数，计算得到组合权重；
电源质量等级处理模块，用于基于选定电能质量监测点的各项电能质量评价指标数值和组合权重，依据灰色聚类法，得到选定电能质量监测点的电能质量等级。
9.一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，该程序被处理器执行时实现如权利要求1-7任一项所述的基于直觉模糊组合赋权的电能质量数据处理方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于直觉模糊组合赋权的电能质量数据处理方法中的步骤。
CN202111072570.8A 2021-09-14 2021-09-14 基于直觉模糊组合赋权的电能质量数据处理方法及装置 Pending CN113779798A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111072570.8A CN113779798A (zh) 2021-09-14 2021-09-14 基于直觉模糊组合赋权的电能质量数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111072570.8A CN113779798A (zh) 2021-09-14 2021-09-14 基于直觉模糊组合赋权的电能质量数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN113779798A true CN113779798A (zh) 2021-12-10

Family

ID=78843450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111072570.8A Pending CN113779798A (zh) 2021-09-14 2021-09-14 基于直觉模糊组合赋权的电能质量数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN113779798A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114971233A (zh) * 2022-05-12 2022-08-30 国网重庆市电力公司电力科学研究院 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统
CN115547299A (zh) * 2022-11-22 2022-12-30 中国民用航空飞行学院 一种面向管制语音品质划分的量化评价及分类方法和装置
CN116154972A (zh) * 2023-04-21 2023-05-23 新风光电子科技股份有限公司 一种分布式电网电能质量监测方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114971233A (zh) * 2022-05-12 2022-08-30 国网重庆市电力公司电力科学研究院 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统
CN115547299A (zh) * 2022-11-22 2022-12-30 中国民用航空飞行学院 一种面向管制语音品质划分的量化评价及分类方法和装置
CN116154972A (zh) * 2023-04-21 2023-05-23 新风光电子科技股份有限公司 一种分布式电网电能质量监测方法及系统

Similar Documents

Publication Publication Date Title
CN113779798A (zh) 基于直觉模糊组合赋权的电能质量数据处理方法及装置
CN110070282B (zh) 一种基于综合关联度的低压台区线损影响因素分析方法
CN109858758A (zh) 一种配电网电能质量的组合赋权评估方法及系统
Xiao et al. Multistage decision support framework for sites selection of solar power plants with probabilistic linguistic information
CN116150897A (zh) 一种基于数字孪生的机床主轴性能测评方法及系统
CN112182720A (zh) 一种基于建筑能源管理应用场景的建筑能耗模型评价方法
CN112488565A (zh) 一种基于物元可拓的海外工程项目风险评价方法
CN114372360A (zh) 用于电力负荷预测的方法、终端及存储介质
CN115719177A (zh) 一种考虑时序的区域电能质量综合评估方法
CN109636184B (zh) 一种品牌的账号资产的评估方法及系统
CN111582630A (zh) 一种用于确定低压台区线损率评估值的方法及系统
CN114139940A (zh) 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法
CN113919763A (zh) 一种基于模糊评判矩阵的电网灾害分析方法及装置
CN113743452A (zh) 电能质量评估方法及装置
CN111275292B (zh) 一种基于模糊层次分析法的接地网状态评估方法
CN115600933B (zh) 一种基于物联网的电表电能质量检测方法及系统
CN115187134A (zh) 基于网格的配电网规划方法、装置及终端设备
CN115879799A (zh) 一种变电站电能质量分析方法
CN109377110B (zh) 一种品牌的内容资产的评估方法及系统
CN114971233A (zh) 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统
CN110717244B (zh) 基于平均偏离度算法的数据信任度分析计算机仿真方法
CN113780888A (zh) 一种电能质量综合评估方法
CN114511174A (zh) 一种业务指标图谱构建方法及装置
CN112994033A (zh) 一种抽水蓄能机组二次调频性能的量化评估方法及系统
CN112070336A (zh) 一种基于层次分析法的制造业信息量化分析方法及装置

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