CN114638465A - 一种基于二次评分的采集终端网络信号质量评价方法 - Google Patents
一种基于二次评分的采集终端网络信号质量评价方法 Download PDFInfo
- Publication number
- CN114638465A CN114638465A CN202210079371.8A CN202210079371A CN114638465A CN 114638465 A CN114638465 A CN 114638465A CN 202210079371 A CN202210079371 A CN 202210079371A CN 114638465 A CN114638465 A CN 114638465A
- Authority
- CN
- China
- Prior art keywords
- terminal
- index
- value
- evaluation
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000013441 quality evaluation Methods 0.000 title claims description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012163 sequencing technique Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000011158 quantitative evaluation Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000001308 synthesis method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004088 simulation 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Environmental & Geological Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
Abstract
本发明公开了一种基于二次评分的采集终端网络信号质量评价方法。目前已有的用电信息采集终端通信性能的检测实现较为复杂,且准确性低。本发明首先对终端指标项内部进行区间划分和特征值提取,然后根据指标项内部特征值对各指标进行首次评分,在可用指标项较少的情况下充分利用指标项内部信息;通过组合赋权法综合确定各指标间权重,进而对终端质量进行排序,得到终端网络信号的评价和排序结果,排查不良信号采集终端。本技术方案不仅考虑指标间的差异性,而且增加指标间关联性分析,同时考虑专家的主观经验,所得出的权重更加合理科学,终端评价更为客观、全面、准确,可在评价指标项较少的情况下充分利用数值信息,为后续的进一步分析打好基础。
Description
技术领域
本发明涉及电网运维领域,尤其涉及一种基于二次评分的采集终端网络信号质量评价方法。
背景技术
当前,电力用户用电信息采集系统是智能化电网建设的重要组成部分。用电信息采集系统主要由主站系统、通信信道、现场终端三部分组成。但是由于部分用电信息采集终端的安装位置比较偏远或安装地区的信号覆盖设施有所欠缺,导致终端网络信号覆盖较弱,难以支持该地区终端进行正常的通信。因此,研究一种新的基于终端信号质量相关数据的用电信息采集终端网络信号质量评价方法,了解采集终端所处环境的网络信号情况,具有重要的实际意义。
目前已有的用电信息采集终端通信性能的检测实现较为复杂,且多在模拟工况下进行,与实际采集终端通信性能有一定差距。有一种采用 DFI技术基于流量行为对移动通信网络的异常信号进行识别的方法,但目前的单个终端并未记录相关的数据流信息,因此该方法不适用于对终端网络信号的评价;另有一种使用层次分析法对智能电能表软件质量进行量化评价的方法,该方法充分利用了专家的主观性,但对于数据本身客观特性考虑得较少,且不适用于评价指标项较少的情况。目前对用电信息采集系统中采集终端网络质量评价的技术很少,事实上终端用电信息采集系统拥有大量的终端监测信息,筛选出与终端网络信号质量相关的数据加以分析能够更加可靠地评估终端网络信号问题。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种基于二次评分的采集终端网络信号质量评价方法,以达到终端评价更为客观、全面、准确的目的。为此,本发明采取以下技术方案。
一种基于二次评分的采集终端网络信号质量评价方法,包括以下步骤:
1)获取终端的与网络信号相关的可用指标项数据,得到采集成功率和终端登录次数;
并对数据进行筛选清洗处理,剔除数据缺失过多的终端,同时对部分缺失数据进行补全;
2)基于数值分布密度利用区间数据分布情况分别对采集成功率和终端登录次数进行划分,形成多个采集成功率特征数据和多个终端登录次数特征数据,并作为指标内部特征数据;
并根据专家经验数据,以终端网络信号质量为参考,确立每个采集成功率特征数据、终端登录次数特征数据中的最优值、最劣值和低质量阈值;
3)根据指标项特征数据在指标项内部利用层次分析法确定权重,对指标项进行首次评分;将首次评分的结果作为每个终端对应的各个指标项数值;并根据每个采集成功率特征数据、终端登录次数特征数据中的最优值、最劣值和低质量阈值确立对应指标项的最优值、最劣值和阈值;
4)基于指标项数值,通过CRITIC赋权法和层次分析法对指标项进行组合赋权,确定各指标间权重,所用组合方法为乘法合成法;
5)通过改进的TOPSIS分析法结合指标间权重、指标项的数值、最优值和最劣值对终端质量进行排序,得到终端网络信号的评价和排序结果;并通过指标项的阈值划分出低质量终端;
6)基于终端网络信号的评价和排序结果,量化终端网络信号质量,排查不良信号采集终端,以为提高终端网络信号覆盖质量提供基础。
基于采集终端现有的信号质量相关数据的评价方法,对终端网络信号质量进行量化评价,基于采集终端现有的终端网络信号质量相关数据进行综合分析。首先采用层次分析法在指标内部对各指标进行首次评分,然后通过组合赋权法综合CRITIC分析法和层次分析法综合确定各指标间权重,不仅考虑指标间的差异性,而且增加指标间关联性分析,同时考虑了专家的主观经验,所得出的权重更加合理科学,进而通过改进的TOPSIS分析法对终端质量进行排序,引入相对距离量化评价结果,得到终端网络信号的评价和排序结果。终端评价更为客观、全面、准确,为后续的进一步分析打好基础。可针对性地优化终端的网络信号覆盖质量,提高服务效率,为电力用户提供更好的送电服务。也可减少排查不良信号用电终端的人力物力损耗;为协调运营商针对性优化网络覆盖质量提供参考,提高了采集终端通讯等数据利用率,进而推动用电信息采集系统的优化。
作为优选技术手段:在步骤2)中,一)采集成功率:
采集成功率代表终端每次从下属电表接收数据的成功率,可反映采集终端的本地通信质量,数值越高表示终端现场网络信号质量越好,数值范围是0~100%;基于整体数值密度分布情况划分出多个区间,计算成功率数据在各个区间内占比作为指标项A的指标内部特征数据,并根据数值本身特性计算平均值指标内部特征数据;
采集终端的采集成功率为指标项A,指标项A特征数据如表1所示;其包括特征数据a1、a2、a3、a4、a5、a6;
表1终端采集成功率A特征数据
特征数据 | 意义 |
a<sub>1</sub> | 平均值 |
a<sub>2</sub> | A=100占比 |
a<sub>3</sub> | 90≤A<100占比 |
a<sub>4</sub> | 70≤A<90占比 |
a<sub>5</sub> | 40≤A<70占比 |
a<sub>6</sub> | 0≤A<40占比 |
同时根据专家经验数据,并以终端网络信号质量评价为参考确定该项指标特征数据中的最优值max1、最劣值min1和低质量阈值d1;各项数值如表2所示;
表2采集成功率特征数据特殊数据项值
数据项 | a<sub>1</sub> | a<sub>2</sub> | a<sub>3</sub> | a<sub>4</sub> | a<sub>5</sub> | a<sub>6</sub> |
max<sub>1</sub> | 1 | 1 | 0 | 0 | 0 | 0 |
min<sub>1</sub> | 0 | 0 | 0 | 0 | 0 | 1 |
d<sub>1</sub> | 0.9 | 0 | 0.8 | 0.2 | 0 | 0 |
最优值用于反映当终端网络信号质量最强时终端接收下辖电表数据的情况,最劣值用于反映当终端网络信号质量最弱时终端接收下辖电表数据的情况,低质量阈值则用于划定低网络信号质量终端对应采集成功率的标准;
二)终端登录次数
终端登录次数为每个终端24小时内尝试与采集主站建立联系的次数,数值范围最小为0,最高无上限;基于数值密度分布情况划分出多个区间,计算登录次数在各个区间内占比作为指标项B的指标内部特征数据;
终端登录次数为指标项B,指标项B的特征数据如表3所示;其包括特征数据b1、b2、b3、b4、b5、b6、b7、b8;
表3终端日登录次数B
特征数据 | 意义 |
b<sub>1</sub> | 0<B≤3占比 |
b<sub>2</sub> | 3<B≤10占比 |
b<sub>3</sub> | 10<B≤20占比 |
b<sub>4</sub> | 20<B≤40占比 |
b<sub>5</sub> | 40<B≤100占比 |
b<sub>6</sub> | 100<B≤200占比 |
b<sub>7</sub> | 200<B≤350占比 |
b<sub>8</sub> | 350<B占比 |
同时根据专家经验数据,以终端网络信号质量评价为参考确定该项指标特征数据中的最优值max2、最劣值min2和低质量阈值d2;各项数值如表4所示;
表4采集终端登录次数特征数据特殊数据项值
最优值用于反映当终端网络信号质量最强时终端的登录次数情况,最劣值用于反映当终端网络信号质量最弱时终端的登录次数情况,低质量阈值则用于划定低网络信号质量对应终端登录次数的标准。
作为优选技术手段:在步骤3)中,为了减少数据清洗对模型构建的影响,并充分利用指标内部信息,根据指标项特征数据在指标项内部利用层次分析法确定权重;得到指标项A即终端采集成功率的权重e1,得到指标项B即终端登录次数的权重e2,结合各终端对应指标项特征数据经过计算得到指标A和B的内部得分作为首次评分结果;对指标项进行首次评分后,将结果作为每个终端对应的各个指标项数值;同时根据max1、 min1和d1结合权重e1确立指标项A的最优值maxa、最劣值mina和阈值da;根据max2、min2和d2结合权重e2确立指标项B的最优值maxb、最劣值minb和阈值db。
作为优选技术手段:在步骤4)中,包括以下子步骤:
401)采用CRITIC赋权法确定客观权重,根据指标对比强度和指标间的冲突性来确定各指标权重;其中对比强度使用标准差来表征评价指标间的差异性,以反映指标所含信息量的大小,即标准差越大,说明其辨别力越强,所含信息量越多,相应的指标的权重越大;指标间的冲突性反映各个指标间的关联性,关联性越小,冲突性越大,指标间所含重复信息越少,对应指标的权重越大;CRITIC赋权法考虑指标的差异性和关联性,使得到的各个指标对应权重更加客观、精确;
402)采用层次分析法确定主观权重,层次分析法将决策者经验引入评价过程;建立准则层,对指标项进行两两比较,建立判断矩阵;根据判断矩阵计算指标影响因子的相对权重;在通过一致性检验后计算各指标内部评分;
403)组合赋权法:组合赋权法综合层次分析法、CRITIC法两种赋权法的优点。层次分析法依靠于专家的主观判断,CRITIC法则注重于数据本身的相互关系。本发明采用组合赋权法,能够综合两种赋权法的优点既考虑主观的实际经验参考性,又考虑数据本身的特性,使得评价结果更加准确可靠;对指标项数值A1和B1进行归一化处理,建立综合评价矩阵X,利用层次分析法计算得到指标权重H,利用CRITIC赋权法得到指标权重P;采用乘法合成法综合以上两个权重H和P确定综合权重,如公式(1);
式(1)中:Hj是层次分析法计算得到的第j个指标权重,Pj是CRITIC 法计算得到的第j个指标权重;经过以上计算得到综合赋权值W。
作为优选技术手段:在步骤5)中,TOPSIS分析法根据评价对象与最优目标间的逼近程度进行优劣排序;通过确定出正理想解和负理想解,然后通过比较评价对象与正理想解和负理想解之间的距离,作为评判各待评价对象优劣的依据;在得到组合赋权的权重值W后,进行综合评价计算,其步骤包括:
501)将综合评价矩阵X结合各指标权重W建立规范加权矩阵Z;如公式(2);
Z=XW (2)
502)指标最优值即为终端在最佳网络信号环境下的指标项数值,最劣值即为终端在最差网络信号环境下的指标项数值;根据预先确立的各指标最优值和最劣值计算正理想解Si +和负理想解Si -,如公式(3);
503)假设评价对象1为k1,评价对象2为k2,若k1与正理想解和负理想解的距离都为l1,k2与正理想解和负理想解的距离都为l2,当l1不等于l2时,k1与k2的评价应有区别,但此时无法利用相对贴进度对二者进行区分;因此引进相对距离L量化评价结果,计算相对距离L量化评价结果,如公式(4);
在确定正理想解的正、负欧式距离基础上,把正理想解设置为正理想参考点;量化各评价对象与参考点之间的距离L,根据L值的大小对评价对象进行排序并计算得分;得分即为与正理想参考点的距离,得分越低,终端网络信号质量越靠近正理想参考点,网络信号质量也就越好,排序的位次越高;由此得到终端网络信号质量综合评价的结果,即得到终端质量排序和得分;然后根据事先划定的阈值,将得分高于阈值的终端划定为网络信号低质量终端。
有益效果:基于采集终端现有的信号质量相关数据的评价方法,对终端网络信号质量进行量化评价,基于采集终端现有的终端网络信号质量相关数据进行综合分析。首先采用层次分析法在指标内部对各指标进行首次评分,然后通过组合赋权法综合CRITIC分析法和层次分析法综合确定各指标间权重,不仅考虑指标间的差异性,而且增加指标间关联性分析,同时考虑了专家的主观经验,所得出的权重更加合理科学,进而通过改进的TOPSIS分析法对终端质量进行排序,引入相对距离量化评价结果,得到终端网络信号的评价和排序结果。终端评价更为客观、全面、准确,可在评价指标项较少的情况下充分利用数值信息,为后续的进一步分析打好基础。可针对性地优化终端的网络信号覆盖质量,提高服务效率,为电力用户提供更好的送电服务。也可减少排查不良信号用电终端的人力物力损耗;为协调运营商针对性优化网络覆盖质量提供参考,提高了采集终端通讯等数据利用率,进而推动用电信息采集系统的优化。
附图说明
图1是本发明的流程图。
图2是本发明的采集成功率区间划分示意图。
图3是本发明的终端登录次数区间划分示意图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明包括以步骤:
S1:获取终端的与网络信号相关的可用指标项数据,得到采集成功率和终端登录次数;
并对数据进行筛选清洗处理,剔除数据缺失过多的终端,同时对部分缺失数据进行补全;
S2:根据数值分布密度利用区间数据分布情况对终端登录次数和采集成功率进行划分,作为指标内部特征数据。采集终端的采集成功率A特征数据如表1所示。
表1终端采集成功率A特征数据
特征数据 | 意义 |
a<sub>1</sub> | 平均值 |
a<sub>2</sub> | A=100占比 |
a<sub>3</sub> | 90≤A<100占比 |
a<sub>4</sub> | 70≤A<90占比 |
a<sub>5</sub> | 40≤A<70占比 |
a<sub>6</sub> | 0≤A<40占比 |
同时根据专家经验以终端网络信号质量评价为参考确定该项指标特征数据中的最优值max1、最劣值min1和低质量阈值d1。各项数值如表2所示。
表2采集成功率特征数据特殊数据项值
数据项 | a<sub>1</sub> | a<sub>2</sub> | a<sub>3</sub> | a<sub>4</sub> | a<sub>5</sub> | a<sub>6</sub> |
max<sub>1</sub> | 1 | 1 | 0 | 0 | 0 | 0 |
min<sub>1</sub> | 0 | 0 | 0 | 0 | 0 | 1 |
d<sub>1</sub> | 0.9 | 0 | 0.8 | 0.2 | 0 | 0 |
最优值反映了当终端网络信号质量最强时终端接收下辖电表数据的情况,最劣值反映了当终端网络信号质量最弱时终端接收下辖电表数据的情况,低质量阈值则划定了低网络信号质量终端对应采集成功率的标准。
采集终端登录次数B特征数据如表3所示。
表3终端日登录次数B
同时根据专家经验以终端网络信号质量评价为参考确定该项指标特征数据中的最优值max2、最劣值min2和低质量阈值d2。各项数值如表4所示。
表4采集终端登录次数特征数据特殊数据项值
数据项 | b<sub>1</sub> | b<sub>2</sub> | b<sub>3</sub> | b<sub>4</sub> | b<sub>5</sub> | b<sub>6</sub> | b<sub>7</sub> | b<sub>8</sub> |
max<sub>2</sub> | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
min<sub>2</sub> | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
d<sub>2</sub> | 0.2 | 0.8 | 0 | 0 | 0 | 0 | 0 | 0 |
最优值反映了当终端网络信号质量最强时终端的登录次数情况,最劣值反映了当终端网络信号质量最弱时终端的登录次数情况,低质量阈值则划定了低网络信号质量终端对应登录次数的标准。
S3:为充分利用指标内部信息,根据指标项特征数据在指标项内部利用层次分析法确定权重。得到指标项A即终端采集成功率的权重e1,得到指标项B即终端登录次数的权重e2,结合各终端对应指标项特征数据经过计算得到指标A和B的内部得分作为首次评分结果。对指标项进行首次评分后,将结果作为每个终端对应的各个指标项数值。同时根据max1、min1和d1确立指标项A的最优值maxa、最劣值mina和阈值da;根据max2、min2和d2确立指标项B的最优值maxb、最劣值minb和阈值db。
S4:基于指标项数值,通过CRITIC赋权法和层次分析法对指标项进行组合赋权,确定各指标间权重,所用组合方法为乘法合成法;其具体为:
S401:采用CRITIC赋权法确定客观权重,利用指标对比强度和指标间的冲突性来确定各指标权重。其中对比强度使用标准差来表征评价指标间的差异性,反映了指标所含信息量的大小。即标准差越大,说明其辨别力越强,所含信息量越多,相应的指标的权重越大。指标间的冲突性反映了各个指标间的关联性,关联性越小,冲突性越大,指标间所含重复信息越少,对应指标的权重越大。CRITIC赋权法全面考虑了指标的差异性和关联性,得到的各个指标对应权重更加客观、精确。
S402:采用层次分析法确定主观权重,层次分析法将决策者经验引入评价过程。建立准则层,对指标项进行两两比较,建立判断矩阵。根据判断矩阵计算指标影响因子的相对权重;在通过一致性检验后计算各指标内部评分。
S403:组合赋权法:层次分析法依靠于专家的主观判断,CRITIC法则注重于数据本身的相互关系。本发明采用组合赋权法,能够综合两种赋权法的优点,既考虑了主观的实际经验参考性,又考虑了数据本身的特性,使得评价结果更加准确可靠。对指标项数值A1和B1进行归一化处理,建立综合评价矩阵X,利用层次分析法计算得到指标权重H,利用CRITIC赋权法得到指标权重P。采用乘法合成法综合以上两个权重H和P确定综合权重,如公式(1)。
式(1)中:Hj是层次分析法计算得到的第j个指标权重,Pj是CRITIC 法计算得到的第j个指标权重。经过以上计算得到综合赋权值W。
S5:通过改进的TOPSIS分析法结合指标间权重和指标项数值对终端质量进行排序,引入相对距离量化评价结果,得到终端网络信号的评价和排序结果;
TOPSIS(优劣解距离法)是根据评价对象与最优目标间的逼近程度进行优劣排序的方法。通过确定出正理想解和负理想解,然后通过比较评价对象与正理想解和负理想解之间的距离,作为评判各待评价对象优劣的依据。在得到组合赋权的权重值W后,综合评价计算步骤如下。
S501:将综合评价矩阵X结合各指标权重W建立规范加权矩阵Z。如公式(2)。
Z=XW (2)
S502:指标最优值即为终端在最佳网络信号环境下的指标项数值,最劣值即为终端在最差网络信号环境下的指标项数值。根据预先确立的各指标最优值和最劣值计算正理想解Si +和负理想解Si-,如公式(3)。
S503:假设评价对象1为k1,评价对象2为k2,若k1与正理想解和负理想解的距离都为l1,k2与正理想解和负理想解的距离都为l2,当l1不等于l2时,k1与k2的评价应有区别,但此时无法利用相对贴进度对二者进行区分。因此引进相对距离L量化评价结果,计算相对距离L量化评价结果,如公式(4)。
在确定正理想解的正、负欧式距离基础上,把正理想解设置为正理想参考点。量化各评价对象与参考点之间的距离L,根据L值的大小对评价对象进行排序并计算得分。得分即为与正理想参考点的距离,因此得分越低,终端网络信号质量越靠近正理想参考点,网络信号质量也就越好,排序的位次越高。由此得到终端网络信号质量综合评价的结果,即得到终端质量排序和得分。然后根据事先划定的阈值,将得分高于阈值的终端划定为网络信号低质量终端。
S6:基于终端网络信号的评价和排序结果,量化终端网络信号质量,排查不良信号采集终端,以为提高终端网络信号覆盖质量提供基础。
以下就具体数据对本技术方案的部分步骤作进一步的说明:
1.数据特征数据提取
1)采集成功率A
采集成功率代表终端每次从下属电表接收数据的成功率,可反映采集终端的本地通信质量,数值越高表示终端现场网络信号质量越好,数值范围是0~100%。基于整体数值密度分布情况划分出4个区间,计算成功率数据在各个区间内占比作为指标项A的指标内部特征数据,另外根据数值本身特性计算平均值指标内部特征数据。区间划分如表所示,任取一个终端的采集成功率数值和区间划分示意如图2所示。区间划分的具体数值情况如表5所示。
表5指标项A区间划分
2)终端登录次数B
终端登录次数指每个终端24小时内尝试与采集主站建立联系的次数,数值范围最小为0,最高无上限。基于数值密度分布情况划分出7个区间,计算登录次数在各个区间内占比作为指标项B的指标内部特征数据。由于登录次数无上限,所以最后一个区间范围设置为大于350。任取一个终端登录次数数值和区间划分示意如图3所示。区间划分的具体数值情况如表6所示。
表6指标项B区间划分
区间 | 数值范围 |
区间Ⅰ | 0<B≤3 |
区间Ⅱ | 3<B≤10 |
区间Ⅲ | 10<B≤20 |
区间Ⅳ | 20<B≤40 |
区间Ⅴ | 40<B≤100 |
区间Ⅵ | 100<B≤200 |
区间Ⅶ | 200<B≤350 |
区间Ⅷ | 350<B |
2.指标项内部首次评分
考虑到实际应用时终端数据会有缺失,存在部分终端不能同时具备A指标数据和B指标数据的情况。因此,本发明为了减少数据清洗对模型构建的影响,先对A指标和B指标内部采用层次分析法进行首次评分。基于提取出的各指标项内部特征数据结合通过层次分析法确定的权重 e1=[0.294808 0.294808 0.179873 0.112477 0.0711486 0.0468841], e2=[0.0241657 0.0340153 0.0497958 0.0734036 0.107662 0.156854 0.227340.326764],通过计算可得到各个终端对应A和B两个指标项的首次评分结果A1和B1。将评分结果A1和B1作为各个终端对应的指标项数值。同时参考专家经验确立各指标在网络信号质量最佳时的最优值、网络信号质量最差时的最劣值和低质量划分阈值,用于后期的排序。对指标项数值A1和B1进行归一化处理,建立综合评价矩阵X。
以上图1所示的一种基于二次评分的采集终端网络信号质量评价方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (5)
1.一种基于二次评分的采集终端网络信号质量评价方法,其特征在于,包括以下步骤:
1)获取终端的与网络信号相关的可用指标项数据,得到采集成功率和终端登录次数;
并对数据进行筛选清洗处理,剔除数据缺失过多的终端,同时对部分缺失数据进行补全;
2)基于数值分布密度利用区间数据分布情况分别对采集成功率和终端登录次数进行划分,形成多个采集成功率特征数据和多个终端登录次数特征数据,并作为指标内部特征数据;
并根据专家经验数据,以终端网络信号质量为参考,确立每个采集成功率特征数据、终端登录次数特征数据中的最优值、最劣值和低质量阈值;
3)根据指标项特征数据在指标项内部利用层次分析法确定权重,对指标项进行首次评分;将首次评分的结果作为每个终端对应的各个指标项数值;并根据每个采集成功率特征数据、终端登录次数特征数据中的最优值、最劣值和低质量阈值确立对应指标项的最优值、最劣值和阈值;
4)基于指标项数值,通过CRITIC赋权法和层次分析法对指标项进行组合赋权,确定各指标间权重,所用组合方法为乘法合成法;
5)通过改进的TOPSIS分析法结合指标间权重、指标项的数值、最优值和最劣值对终端质量进行排序,得到终端网络信号的评价和排序结果;并通过指标项的阈值划分出低质量终端;
6)基于终端网络信号的评价和排序结果,量化终端网络信号质量,排查不良信号采集终端,以为提高终端网络信号覆盖质量提供基础。
2.根据权利要求1所述的一种基于二次评分的采集终端网络信号质量评价方法,其特征在于:在步骤2)中,
一)采集成功率:
采集成功率代表终端每次从下属电表接收数据的成功率,可反映采集终端的本地通信质量,数值越高表示终端现场网络信号质量越好,数值范围是0~100%;基于整体数值密度分布情况划分出多个区间,计算成功率数据在各个区间内占比作为指标项A的指标内部特征数据,并根据数值本身特性计算平均值指标内部特征数据;
采集终端的采集成功率为指标项A,指标项A特征数据如表1所示;其包括特征数据a1、a2、a3、a4、a5、a6;
表1 终端采集成功率A特征数据
同时根据专家经验数据,并以终端网络信号质量评价为参考确定该项指标特征数据中的最优值max1、最劣值min1和低质量阈值d1;各项数值如表2所示;
表2 采集成功率特征数据特殊数据项值
最优值用于反映当终端网络信号质量最强时终端接收下辖电表数据的情况,最劣值用于反映当终端网络信号质量最弱时终端接收下辖电表数据的情况,低质量阈值则用于划定低网络信号质量终端对应采集成功率的标准;
二)终端登录次数
终端登录次数为每个终端24小时内尝试与采集主站建立联系的次数,数值范围最小为0,最高无上限;基于数值密度分布情况划分出多个区间,计算登录次数在各个区间内占比作为指标项B的指标内部特征数据;
终端登录次数为指标项B,指标项B的特征数据如表3所示;其包括特征数据b1、b2、b3、b4、b5、b6、b7、b8;
表3 终端日登录次数B
同时根据专家经验数据,以终端网络信号质量评价为参考确定该项指标特征数据中的最优值max2、最劣值min2和低质量阈值d2;各项数值如表4所示;
表4 采集终端登录次数特征数据特殊数据项值
最优值用于反映当终端网络信号质量最强时终端的登录次数情况,最劣值用于反映当终端网络信号质量最弱时终端的登录次数情况,低质量阈值则用于划定低网络信号质量终端对应登录次数的标准。
3.根据权利要求2所述的一种基于二次评分的采集终端网络信号质量评价方法,其特征在于:在步骤3)中,为了减少数据清洗对模型构建的影响,并充分利用指标内部信息,根据指标项特征数据在指标项内部利用层次分析法确定权重;得到指标项A即终端采集成功率的权重e1,得到指标项B即终端登录次数的权重e2,结合各终端对应指标项特征数据经过计算得到指标A和B的内部得分作为首次评分结果;对指标项进行首次评分后,将结果作为每个终端对应的各个指标项数值;同时根据max1、min1和d1结合权重e1确立指标项A的最优值maxa、最劣值mina和阈值da;根据max2、min2和d2结合权重e2确立指标项B的最优值maxb、最劣值minb和阈值db。
4.根据权利要求3所述的一种基于二次评分的采集终端网络信号质量评价方法,其特征在于:在步骤4)中,包括以下子步骤:
401)采用CRITIC赋权法确定客观权重,根据指标对比强度和指标间的冲突性来确定各指标权重;其中对比强度使用标准差来表征评价指标间的差异性,以反映指标所含信息量的大小,即标准差越大,说明其辨别力越强,所含信息量越多,相应的指标的权重越大;指标间的冲突性反映各个指标间的关联性,关联性越小,冲突性越大,指标间所含重复信息越少,对应指标的权重越大;CRITIC赋权法考虑指标的差异性和关联性,使得到的各个指标对应权重更加客观、精确;
402)采用层次分析法确定主观权重,层次分析法将决策者经验引入评价过程;建立准则层,对指标项进行两两比较,建立判断矩阵;根据判断矩阵计算指标影响因子的相对权重;在通过一致性检验后计算各指标内部评分;
403)组合赋权法:组合赋权法综合层次分析法、CRITIC法两种赋权法的优点,既考虑主观的实际经验参考性,又考虑数据本身的特性,使得评价结果更加准确可靠;对指标项数值A1和B1进行归一化处理,建立综合评价矩阵X,利用层次分析法计算得到指标权重H,利用CRITIC赋权法得到指标权重P;采用乘法合成法综合两个权重H和P确定综合权重,如公式(1);
式(1)中:Hj是层次分析法计算得到的第j个指标权重,Pj是CRITIC法计算得到的第j个指标权重;经过以上计算得到综合赋权值W。
5.根据权利要求4所述的一种基于二次评分的采集终端网络信号质量评价方法,其特征在于:在步骤5)中,TOPSIS分析法根据评价对象与最优目标间的逼近程度进行优劣排序;通过确定出正理想解和负理想解,然后通过比较评价对象与正理想解和负理想解之间的距离,作为评判各待评价对象优劣的依据;在得到组合赋权的权重值W后,进行综合评价计算,其步骤包括:
501)将综合评价矩阵X结合各指标权重W建立规范加权矩阵Z;如公式(2);
Z=XW (2)
502)指标最优值即为终端在最佳网络信号环境下的指标项数值,最劣值即为终端在最差网络信号环境下的指标项数值;根据预先确立的各指标最优值和最劣值计算正理想解Si +和负理想解Si -,如公式(3);
503)假设评价对象1为k1,评价对象2为k2,若k1与正理想解和负理想解的距离都为l1,k2与正理想解和负理想解的距离都为l2,当l1不等于l2时,k1与k2的评价应有区别,但此时无法利用相对贴进度对二者进行区分;因此引进相对距离L量化评价结果,计算相对距离L量化评价结果,如公式(4);
在确定正理想解的正、负欧式距离基础上,把正理想解设置为正理想参考点;量化各评价对象与参考点之间的距离L,根据L值的大小对评价对象进行排序并计算得分;得分即为与正理想参考点的距离,得分越低,终端网络信号质量越靠近正理想参考点,网络信号质量也就越好,排序的位次越高;由此得到终端网络信号质量综合评价的结果,即得到终端质量排序和得分;然后根据事先划定的阈值,将得分高于阈值的终端划定为网络信号低质量终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079371.8A CN114638465A (zh) | 2022-01-24 | 2022-01-24 | 一种基于二次评分的采集终端网络信号质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079371.8A CN114638465A (zh) | 2022-01-24 | 2022-01-24 | 一种基于二次评分的采集终端网络信号质量评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114638465A true CN114638465A (zh) | 2022-06-17 |
Family
ID=81945679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210079371.8A Pending CN114638465A (zh) | 2022-01-24 | 2022-01-24 | 一种基于二次评分的采集终端网络信号质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638465A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739417A (zh) * | 2023-05-24 | 2023-09-12 | 国家电网有限公司华东分部 | 关口电能表状态评价方法及装置、存储介质、计算机设备 |
-
2022
- 2022-01-24 CN CN202210079371.8A patent/CN114638465A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739417A (zh) * | 2023-05-24 | 2023-09-12 | 国家电网有限公司华东分部 | 关口电能表状态评价方法及装置、存储介质、计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991786B (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN108520357B (zh) | 一种线损异常原因的判别方法、装置及服务器 | |
CN106022509B (zh) | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 | |
CN105871879B (zh) | 网元异常行为自动检测方法及装置 | |
CN108243435B (zh) | 一种lte小区场景划分中的参数优化方法及装置 | |
CN104318482A (zh) | 一套智能配电网综合评估体系和方法 | |
CN105373894A (zh) | 基于稽查数据的电力营销业务诊断模型的建立方法及系统 | |
CN106503459A (zh) | 一种改进随机森林气温数据质量控制方法 | |
CN112004233B (zh) | 一种基于大数据挖掘的网络规划方法 | |
CN112016815A (zh) | 一种基于神经网络的用户侧综合能效评价方法 | |
CN114638465A (zh) | 一种基于二次评分的采集终端网络信号质量评价方法 | |
CN110443303B (zh) | 基于图像分割和分类的煤岩显微组分智能识别方法 | |
CN114155025A (zh) | 基于随机森林的电动汽车充电站充电流失用户预测方法 | |
CN112348360B (zh) | 一种基于大数据技术的中药生产工艺参数分析系统 | |
CN110913407A (zh) | 重叠覆盖的分析方法及装置 | |
CN111160719A (zh) | 两网融合的多指标评估方法 | |
CN116975389A (zh) | 一种变电站故障分析方法及装置 | |
CN112116489A (zh) | 一种基于泛在互联的主动配电网供电质量复合感知与评价方法及系统 | |
CN114390582B (zh) | 基站站址预测方法及装置 | |
CN114170427B (zh) | 基于雨胞的无线微波雨衰减模型ssim图像相似度评价方法 | |
CN114911849A (zh) | 基于复杂网络理论的移动网络流量模式挖掘方法 | |
CN113298148B (zh) | 一种面向生态环境评价的不平衡数据重采样方法 | |
CN114062305A (zh) | 基于近红外光谱和1D-In-Resnet网络的单籽粒品种鉴定方法及系统 | |
CN114491971A (zh) | 一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法及应用 | |
CN112348066A (zh) | 一种基于灰色聚类算法的线路不停电等级评估方法 |
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 |