CN115271305A - 基于博弈论权重的电动汽车充电设备风险预警方法及装置 - Google Patents
基于博弈论权重的电动汽车充电设备风险预警方法及装置 Download PDFInfo
- Publication number
- CN115271305A CN115271305A CN202210546431.2A CN202210546431A CN115271305A CN 115271305 A CN115271305 A CN 115271305A CN 202210546431 A CN202210546431 A CN 202210546431A CN 115271305 A CN115271305 A CN 115271305A
- Authority
- CN
- China
- Prior art keywords
- index
- risk
- weight
- charging equipment
- early warning
- 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 79
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 116
- 239000013598 vector Substances 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000009413 insulation Methods 0.000 claims description 13
- 230000000087 stabilizing effect Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 79
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006641 stabilisation Effects 0.000 description 6
- 238000011105 stabilization Methods 0.000 description 6
- 238000013210 evaluation model Methods 0.000 description 3
- 238000004956 CI calculation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000006629 Prosopis spicigera Nutrition 0.000 description 1
- 240000000037 Prosopis spicigera Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012216 screening 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F17/13—Differential equations
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于博弈论权重的电动汽车充电设备风险预警方法及装置,从充电设备选取了17个指标建立起风险预警指标体系;对评价指标数据进行标准化处理,再采用层次分析法确定指标的主观权重,采用变异系数法和CRITIC法确定指标的客观权重,利用博弈论的思想确定的综合权重;通过选取更符合实际的组合隶属函数确定各指标的隶属度,可以确保对充电设备风险等级评估结果更加准确;最后根据风险等级评估结果,发送相应的预警指令。本发明可有效实现对充电设备的风险预警,能够准确切断设备运行的隐藏风险以保障充电设备安全运行,还可为充电设备的日常运维提供支撑。
Description
技术领域
本发明涉及一种基于博弈论权重的电动汽车充电设备风险预警方法及装置,属于电动汽车充电设备安全技术领域。
背景技术
传统能源的大量消耗带来的是日益突出的环境问题,节能减排已迫在眉睫,随着近年来相关国家政策逐步实施,低碳环保理念深入人心。电动汽车作为一种低碳的绿色交通工具,是代替传统汽车的不二选择,电动汽车保有量也一度突飞猛进,电动汽车的发展也使与之配套的充电设备产业得到快速发展。但由于前期缺乏相关标准,导致市场上充电桩质量参差不齐,尽管近些年出台了一些国家标准,但充电事故还是时有发生,因此为了准确判定充电设备风险等级、快速排除隐藏风险,保证充电设备安全运行,开展对充电设备风险预警的研究具有重大现实意义。
充电设备是一个复杂的高压系统,影响其健康的因素多种多样,目前针对充电设备安全大多是进行一些数据监测,不能及时发现安全隐患。对于充电设备风险等级评估也大都是采用单一权重确定方法,如层次分析法、熵权法等,这就使权重过于主观或客观。因此有必要建立高精度充电设备风险预警模型,及时排除安全问题,也可为充电设备日常运维提供支撑。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种基于博弈论权重的电动汽车充电设备风险预警方法及装置。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
第一方面,一种基于博弈论权重的电动汽车充电设备风险预警方法,包括如下步骤:
计算电动汽车充电设备的风险预警指标体系中各指标的标准化值,根据各指标的标准化值构建评价矩阵。
根据评价矩阵获取客观权重;根据风险预警指标体系获取主观权重;根据客观权重、主观权重获取综合权重。
根据各指标的标准化值获取隶属度矩阵。
根据综合权重与隶属度矩阵获取电动汽车充电设备的风险等级结果。
根据电动汽车充电设备的风险等级结果向电动汽车充电设备发出预警指令。
作为优选方案,所述计算电动汽车充电设备的风险预警指标体系中各指标的标准化值,根据各指标的标准化值构建评价矩阵,包括:
获取电动汽车充电设备的风险预警指标体系中各指标,各指标包括:电气性能、保护装置性能和其他性能。所述电气性能指标包括:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源。所述保护装置性能指标包括绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护。所述其他性能指标包括下述中的至少一种:噪声、计量功能、IP防护等级。
将电气性能、保护装置性能和其他性能划分为定性指标和定量指标,所述定量指标包括:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源及噪声。所述定性指标包括:绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护、计量功能及IP防护等级。
定性指标通过专家打分获得指标的标准化值。
其中,xmax为设定阈值的最大值,xmin为设定阈值的最小值,xi为设定阈值的最优值,x为定量指标实际测量值,y为标准化后的值。
令y=Bij,获得评价矩阵A=(Bij)m×n,i=1,2,…,m,j=1,2,…,n,m为充电设备样本数量,n为指标个数,Bij为充电设备样本i关于指标j标准化后值。
作为优选方案,所述根据评价矩阵获取客观权重,包括:
将评价矩阵A=(Bij)m×n归一化,形成新矩阵X=(xij)m×n。
作为优选方案,根据风险预警指标体系获取主观权重,包括:
将风险预警指标体系按照层次分析法原理分为三层,第一层目标层为风险预警指标体系,第二层准则层为电气性能、保护装置性能和其他性能,第三层方案层为各指标。
采用1-9标度法将同一层指标相对于上一层指标重要性进行两两比较,获得比较的结果Dij,形成判断矩阵D=(Dij)n×n,Dij为专家根据1-9标度法打分的结果,n为指标个数。
计算判断矩阵D的最大特征值λmax对应的特征向量T,将特征向量T归一化后获得指标的主观权重W3。
作为优选方案,根据客观权重、主观权重获取综合权重,包括:
作为优选方案,所述根据各指标的标准化值获取隶属度矩阵,包括:
设定电动汽车充电设备风险等级为{无风险,低风险,中风险,高风险}四个等级。
获取岭型和梯形隶属度函数,其中岭型和梯形隶属度函数均可分为偏大型、中间型和偏小型三种,如表1。
表1岭型和梯形隶属度函数
表中A(x)代表隶属度函数,x为各指标在新矩阵中的值,a,b,c,d分别为各风险等级设定的阈值。
岭型和梯形隶属度函数中偏大型的函数用于计算无风险等级对应的指标隶属度值。岭型和梯形隶属度函数中中间型的函数用于计算低风险、中风险等级对应的指标隶属度值。岭型和梯形隶属度函数中偏小型的函数用于计算高风险等级对应的指标隶属度值。
由专家分别确定无风险,低风险,中风险,高风险各等级对应的隶属度函数的阈值。
将电气性能对应的各指标在新矩阵中的值分别代入岭型隶属度函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,其中,4代表无风险、3代表低风险、2代表中风险、1代表高风险。
将保护装置性能和其他性能对应的各指标在新矩阵中的值分别代入梯形隶属函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,其中,4代表无风险、3代表低风险、2代表中风险、1代表高风险。
根据所求的ref构建隶属度矩阵R=(ref)n×4。
作为优选方案,根据综合权重与隶属度矩阵获取电动汽车充电设备的风险等级结果,包括:
根据公式B=WоR计算风险等级结果B,其中,о为模糊算子。
选择结果B中各风险等级对应的向量值中最大的向量值,最大的向量值对应的风险等级即为电动汽车充电设备所处风险等级。
作为优选方案,所述根据电动汽车充电设备的风险等级结果向电动汽车充电设备发出预警指令,包括:
当电动汽车充电设备处于无风险,不发送指令。
当电动汽车充电设备处于低风险,发送提醒指令。
当电动汽车充电设备处于中风险,发送告警指令。
当电动汽车充电设备处于高风险,发送运维指令。
第二方面,一种基于博弈论权重的电动汽车充电设备风险预警装置,包括如下模块:
评价矩阵计算模块:用于计算电动汽车充电设备的风险预警指标体系中各指标的标准化值,根据各指标的标准化值构建评价矩阵。
综合权重计算模块:用于根据评价矩阵获取客观权重;根据风险预警指标体系获取主观权重;根据客观权重、主观权重获取综合权重。
隶属度矩阵计算模块:用于根据各指标的标准化值获取隶属度矩阵。
风险等级计算模块:用于根据综合权重与隶属度矩阵获取电动汽车充电设备的风险等级结果。
指令发送模块:用于根据电动汽车充电设备的风险等级结果向电动汽车充电设备发出预警指令。
作为优选方案,所述评价矩阵计算模块,具体用于:
获取电动汽车充电设备的风险预警指标体系中各指标,各指标包括:电气性能、保护装置性能和其他性能。所述电气性能指标包括:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源。所述保护装置性能指标包括绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护。所述其他性能指标包括下述中的至少一种:噪声、计量功能、IP防护等级。
将电气性能、保护装置性能和其他性能划分为定性指标和定量指标,所述定量指标包括:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源及噪声。所述定性指标包括:绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护、计量功能及IP防护等级。
定性指标通过专家打分获得指标的标准化值。
其中,xmax为设定阈值的最大值,xmin为设定阈值的最小值,xi为设定阈值的最优值,x为定量指标实际测量值,y为标准化后的值。
令y=Bij,获得评价矩阵A=(Bij)m×n,i=1,2,…,m,j=1,2,…,n,m为充电设备样本数量,n为指标个数,Bij为充电设备样本i关于指标j标准化后值。
作为优选方案,所述综合权重计算模块中根据评价矩阵获取客观权重,具体用于:
将评价矩阵A=(Bij)m×n归一化,形成新矩阵X=(xij)m×n。
作为优选方案,根据综合权重计算模块中风险预警指标体系获取主观权重,具体用于:
将风险预警指标体系按照层次分析法原理分为三层,第一层目标层为风险预警指标体系,第二层准则层为电气性能、保护装置性能和其他性能,第三层方案层为各指标。
采用1-9标度法将同一层指标相对于上一层指标重要性进行两两比较,获得比较的结果Dij,形成判断矩阵D=(Dij)n×n,Dij为专家根据1-9标度法打分的结果,n为指标个数。
计算判断矩阵D的最大特征值λmax对应的特征向量T,将特征向量T归一化后获得指标的主观权重W3。
作为优选方案,根据综合权重计算模块中客观权重、主观权重获取综合权重,具体用于:
作为优选方案,所述隶属度矩阵计算模块,具体用于:
设定电动汽车充电设备风险等级为{无风险,低风险,中风险,高风险}四个等级。
获取岭型和梯形隶属度函数,其中岭型和梯形隶属度函数均可分为偏大型、中间型和偏小型三种,如表1。
表1岭型和梯形隶属度函数
表中A(x)代表隶属度函数,x为各指标在新矩阵中的值,a,b,c,d分别为各风险等级设定的阈值。
岭型和梯形隶属度函数中偏大型的函数用于计算无风险等级对应的指标隶属度值。岭型和梯形隶属度函数中中间型的函数用于计算低风险、中风险等级对应的指标隶属度值。岭型和梯形隶属度函数中偏小型的函数用于计算高风险等级对应的指标隶属度值。
由专家分别确定无风险,低风险,中风险,高风险各等级对应的隶属度函数的阈值。
将电气性能对应的各指标在新矩阵中的值分别代入岭型隶属度函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,其中,4代表无风险、3代表低风险、2代表中风险、1代表高风险。
将保护装置性能和其他性能对应的各指标在新矩阵中的值分别代入梯形隶属函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,其中,4代表无风险、3代表低风险、2代表中风险、1代表高风险。
根据所求的ref构建隶属度矩阵R=(ref)n×4。
作为优选方案,所述风险等级计算模块,具体用于:
根据公式B=WоR计算风险等级结果B,其中,о为模糊算子。
选择结果B中各风险等级对应的向量值中最大的向量值,最大的向量值对应的风险等级即为电动汽车充电设备所处风险等级。
作为优选方案,所述指令发送模块,具体用于:
当电动汽车充电设备处于无风险,不发送指令。
当电动汽车充电设备处于低风险,发送提醒指令。
当电动汽车充电设备处于中风险,发送告警指令。
当电动汽车充电设备处于高风险,发送运维指令。
有益效果:本发明提供的一种基于博弈论权重的电动汽车充电设备风险预警方法及装置,首先考虑到充电设备的复杂性,从充电设备的电气性能、保护装置性能和其他性能三个方面选取了17个指标建立起风险预警指标体系;其次对评价指标数据进行标准化处理,便于求取客观权重和隶属度矩阵;再采用层次分析法确定指标的主观权重,采用变异系数法和CRITIC法确定指标的客观权重,在此基础上,利用博弈论的思想确定的综合权重,可避免单一权重过于主观或者客观的问题,确保权重更加合理有效;通过选取更符合实际的组合隶属函数确定各指标的隶属度,可以确保对充电设备风险等级评估结果更加准确;最后根据风险等级评估结果,发送相应的预警指令,及时避免充电设备运行安全事故。
本发明可有效实现对充电设备的风险预警,能够准确切断设备运行的隐藏风险以保障充电设备安全运行,还可为充电设备的日常运维提供支撑。
附图说明
图1为本发明的基于博弈论权重的电动汽车充电设备风险预警流程图。
图2为本发明的基于博弈论权重的电动汽车充电设备风险预警指标体系。
图3为本发明计算的岭型隶属度函数图像。
图4为本发明计算的梯形隶属函数图像。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
如图1所示,第一方面,本发明提出一种基于博弈论权重的电动汽车充电设备风险预警方法,包括从充电设备的电气性能、保护装置性能和其他性能三个方面建立充电设施风险预警指标体系;对建立的充电设备风险预警指标体系数据进行标准化处理;采用层次分析法确定指标的主观权重,采用变异系数法和CRITIC法确定指标的客观权重;在此基础上,利用博弈论的思想确定综合权重,确保权重更加合理;选取组合隶属函数确定各指标的隶属度,通过模糊综合评价模型完成对充电设备风险等级评估;根据风险等级评估结果,发送对应的预警指令,达到风险预警效果。具体步骤如下:
1)根据相关国家、行业标准和充电设备运行机理,从电气性能、保护装置性能和其他性能三个方面选取合适的指标,建立风险预警指标体系。
2)根据所建立的风险预警指标体系按照标准设定指标阈值,区分定性指标和定量指标,定性指标需由专家进行打分,定量指标则需提取实际数据根据阈值进行标准化处理,最后形成评价矩阵。
3)所建立的风险预警指标体系采用层次分析法确定各指标主观权重,变异系数法和CRITIC法确定各指标客观权重,最后基于博弈论思想确定指标综合权重。
4)在步骤3的基础上,根据模糊理论相关原理建立风险评估模型。设定充电设备风险等级,选择贴合实际的组合隶属度函数来确定隶属度矩阵,最后根据步骤3计算的指标综合权重和隶属度矩阵计算出充电设备所处风险等级。
5)根据风险评估模型计算的风险等级结果发送预警指令。
如图2所示,进一步的,所述步骤1中,电气性能指标包括输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源;保护装置性能指标包括绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护;其他性能指标包括噪声、计量功能、IP防护等级。
进一步的,所述步骤2中,对指标数据进行标准化处理,指标分为定性指标和定量指标,上述指标中输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源及噪声均为定量指标,绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护、计量功能及IP防护等级为定性指标。
定性指标标准化得分由专家给出,其得分标准如下
指标完全符合要求80-100分;
指标与要求略有偏差70-80分;
刚好符合要求60-70分;
指标不符合要求0-60分。
定量指标根据实际数据进行标准化,具体过程如下:
对于越大越优型指标,此类型指标包括效率、功率因数,标准化公式为
对于越小越优型指标,此类型指标包括输出电压设定误差、输出电流设定误差、电流纹波、电压纹波峰值系数、噪声,标准化公式为
对于居中型指标,此类型指标包括低压辅助电源、稳压精度、稳流精度,标准化公式为
上式中,xmax为设定阈值的最大值,xmin为设定阈值的最小值,xi为设定阈值的最优值,x为定量指标实际测量值,y为标准化后的值。
根据标准化后的值形成评价矩阵A=(Bij)m×n,i=1,2,…,m,j=1,2,…,n,m为充电设备样本数量,n为指标个数,Bij为充电设备样本i关于指标j标准化后值。
进一步的,所述步骤3中,确定综合权重步骤如下:
(a)变异系数法确定客观权重
将评价矩阵A=(Bij)m×n归一化,形成新矩阵X=(xij)m×n;
计算指标的变异程度vj,根据变异程度计算权重W1,如下所示:
(b)CRITIC法计算客观权重
使用相关系数rij来表达指标冲突性Rj,与其他指标之间相关性越强,则冲突性越小,信息量Cj越大,分配的权重W2也相应较大,计算方法如下所示:
其中m为充电设备样本数量。
Cj=σj×Rj;
(c)层次分析法确定主观权重
将风险预警指标体系按照层次分析法原理分为三层,第一层目标层为风险预警指标体系,第二层准则层为电气性能、保护装置性能和其他性能,第三层方案层为各指标。邀请专家采用1-9标度法将同一层指标相对于上一层指标重要性进行两两比较,比较的结果形成判断矩阵D=(Dij)n×n,Dij为专家根据1-9标度法打分的结果,n为指标个数。1-9标度法是一种用数字1-9量化指标之间比较结果的方法,数字1代表同层指标i和同层指标j相对于上一层指标的重要性相同,数字2代表同层指标i比同层指标j相对于上一层指标的重要性稍大,依次类推数字9代表同层指标i比同层指标j相对于上一层指标的重要性绝对大。反之数字1/2代表同层指标i比同层指标j相对于上一层指标的重要性稍小,依次类推数字1/9代表同层指标i比同层指标j相对于上一层指标的重要性绝对小。
计算判断矩阵D的最大特征值λmax对应的特征向量T。特征向量T归一化后,就是指标的权重向量W3。
根据公式CR=CI/RI进行一致性校验,其中CI为判断矩阵的一致性指标,RI为随机一致性指标,当CR<0.10时认为所求权重是合理的,CI计算公式如下:
(d)基于博弈论思想计算综合权重
根据博弈论思想,求解使综合权重W与其他所有的Wk极差总和最小化,由此可导出求解模型如下:
根据矩阵微分性质,将上述方程等价转化为线性方程组进行求解,公式如下:
由上式可得α1,α2…,αL,再对其归一化处理,得线性组合系数,公式如下:
如图3-4所示,进一步的,所述步骤4中,根据模糊理论建立风险评估模型,首先设定充电设备风险等级为{无风险,低风险,中风险,高风险}这四个等级,分别用4代表无风险、3代表低风险、2代表中风险、1代表高风险。设置岭型和梯形隶属度函数,其中岭型和梯形隶属度函数均可分为偏大型、中间型和偏小型三种,如表1。
表1岭型和梯形隶属度函数
表中A(x)代表隶属度函数,x为各指标在新矩阵中的值,a,b,c,d分别为各风险等级设定的阈值。
岭型和梯形隶属度函数中偏大型的函数用于计算无风险等级对应的指标隶属度值。岭型和梯形隶属度函数中中间型的函数用于计算低风险、中风险等级对应的指标隶属度值。岭型和梯形隶属度函数中偏小型的函数用于计算高风险等级对应的指标隶属度值。
由专家分别确定无风险,低风险,中风险,高风险各等级对应的隶属度函数的阈值。
将电气性能对应的各指标在新矩阵中的值分别代入岭型隶属度函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,f代表四个风险等级。
将保护装置性能和其他性能对应的各指标在新矩阵中的值分别代入梯形隶属函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,f代表四个风险等级。
根据所求的ref构建隶属度矩阵R=(ref)n×4。
再根据求解的综合权重W,则风险等级结果为B=WоR,其中“о”为模糊算子。
本发明选择加权平均型模糊算子进行评估,此模糊算子的计算规则为:权重向量W与隶属度矩阵R每一列分别相乘再求和。最后根据最大隶属度原则,选择结果B中各等级对应向量值中最大的,最大值对应的等级说明设备处于此风险等级。
进一步的,所述步骤5中,根据风险等级评估结果,各风险等级对应的预警指令如下:
无风险-不发送指令。
低风险-发送提醒指令。
中风险-发送告警指令。
高风险-发送运维指令。
第二方面,本发明还提供了一种基于博弈论权重的电动汽车充电设备风险预警装置,所述装置包括:
指标体系预处理模块,用于选择充电设备风险预警指标以及获取定量指标的实时数据及定性指标得分。
指标标准化模块,用于对定量指标数据进行标准化处理,将定量指标标准化后得分与定性指标得分按要求建立评价矩阵,并基于变异系数法和CRITIC法计算客观权重。
主观权重计算模块,用于根据专家输入的打分,基于层次分析法计算指标主观权重。
综合权重计算模块,用于根据主观权重和客观权重,基于博弈论思想计算综合权重。
风险等级计算模块,用于选择组合隶属度函数,计算出隶属度矩阵,并按照加权平均型模糊算子计算最终评价结果;
指令发送模块,用于根据风险等级计算结果发送相应的预警指令。
优选的,所述评价矩阵计算模块,具体用于:
获取电动汽车充电设备的风险预警指标体系中各指标,各指标包括:电气性能、保护装置性能和其他性能。所述电气性能指标包括:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源。所述保护装置性能指标包括绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护。所述其他性能指标包括噪声、计量功能、IP防护等级。
将电气性能、保护装置性能和其他性能划分为定性指标和定量指标,所述定量指标包括:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源及噪声。所述定性指标包括:绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护、计量功能及IP防护等级。
定性指标通过专家打分获得指标的标准化值。
其中,xmax为设定阈值的最大值,xmin为设定阈值的最小值,xi为设定阈值的最优值,x为定量指标实际测量值,y为标准化后的值。
令y=Bij,获得评价矩阵A=(Bij)m×n,i=1,2,…,m,j=1,2,…,n,m为充电设备样本数量,n为指标个数,Bij为充电设备样本i关于指标j标准化后值。
优选的,所述综合权重计算模块中根据评价矩阵获取客观权重,具体用于:
将评价矩阵A=(Bij)m×n归一化,形成新矩阵X=(xij)m×n。
优选的,所述综合权重计算模块中根据风险预警指标体系获取主观权重,具体用于:
将风险预警指标体系按照层次分析法原理分为三层,第一层目标层为风险预警指标体系,第二层准则层为电气性能、保护装置性能和其他性能,第三层方案层为各指标。
采用1-9标度法将同一层指标相对于上一层指标重要性进行两两比较,获得比较的结果Dij,形成判断矩阵D=(Dij)n×n,Dij为专家根据1-9标度法打分的结果,n为指标个数。
计算判断矩阵D的最大特征值λmax对应的特征向量T,将特征向量T归一化后获得指标的主观权重W3。
优选的,所述综合权重计算模块中根据客观权重、主观权重获取综合权重,具体用于:
优选的,所述隶属度矩阵计算模块,具体用于:
设定电动汽车充电设备风险等级为{无风险,低风险,中风险,高风险}四个等级。
获取岭型和梯形隶属度函数,其中岭型和梯形隶属度函数均可分为偏大型、中间型和偏小型三种,如表1。
表1岭型和梯形隶属度函数
表中A(x)代表隶属度函数,x为各指标在新矩阵中的值,a,b,c,d分别为各风险等级设定的阈值。
岭型和梯形隶属度函数中偏大型的函数用于计算无风险等级对应的指标隶属度值。岭型和梯形隶属度函数中中间型的函数用于计算低风险、中风险等级对应的指标隶属度值。岭型和梯形隶属度函数中偏小型的函数用于计算高风险等级对应的指标隶属度值。
由专家分别确定无风险,低风险,中风险,高风险各等级对应的隶属度函数的阈值。
将电气性能对应的各指标在新矩阵中的值分别代入岭型隶属度函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,其中,4代表无风险、3代表低风险、2代表中风险、1代表高风险。
将保护装置性能和其他性能对应的各指标在新矩阵中的值分别代入梯形隶属函数对应的无风险,低风险,中风险,高风险各等级对应的隶属度函数,求得ref,其中,e=1,2,…,n,n为指标个数,f=1,2,3,4,其中,4代表无风险、3代表低风险、2代表中风险、1代表高风险。
根据所求的ref构建隶属度矩阵R=(ref)n×4。
优选的,所述风险等级计算模块,具体用于:
根据公式B=WоR计算风险等级结果B,其中,о为模糊算子。
选择结果B中各风险等级对应的向量值中最大的向量值,最大的向量值对应的风险等级即为电动汽车充电设备所处风险等级。
优选的,所述指令发送模块,具体用于:
当电动汽车充电设备处于无风险,不发送指令。
当电动汽车充电设备处于低风险,发送提醒指令。
当电动汽车充电设备处于中风险,发送告警指令。
当电动汽车充电设备处于高风险,发送运维指令。
第三方面,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,实现如第一方面所述的一种基于博弈论权重的电动汽车充电设备风险预警方法。
实施例:
一种基于博弈论权重的电动汽车充电设备风险预警方法,具体步骤如下:
步骤1:根据相关国家、行业标准以及充电事故安全调研,通过专家筛选比较,从充电设备的电气性能、保护装置性能和其他性能三个方面确定了17个指标建立风险预警指标体系,其中电气性能指标包括输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源;保护装置性能指标包括绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护;其他性能指标包括噪声、计量功能、IP防护等级。
步骤2:选取四台充电设备,定性指标标准化得分由专家给出,定量指标则提取实际数据并对数据进行标准化处理,根据标准化后的值形成评价矩阵A=(Xij)m×n,i=1,2,…,m,j=1,2,…,n,n为评价指标个数,m为充电设备评估对象个数。
步骤3:确定权重步骤如下:
(a)层次分析法确定主观权重
邀请行业专家采用1-9标度法将同一级别指标相对于上一级指标重要性进行两两比较打分,将打分结果形成判断矩阵,计算判断矩阵的最大特征值λmax对应的特征向量T。特征向量T归一化后,就是指标的权重向量W,经计算电气性能、保护装置性能、其他性能的权重为[0.2706 0.6442 0.0852],电气性能各子指标权重为[0.1765 0.1002 0.1684 0.09180.0548 0.0796 0.0236 0.0361 0.2690],保护装置性能各子指标权重为[0.5562 0.16430.0399 0.1643 0.0754],其他性能各子指标权重为[0.2176 0.0914 0.6910]。
根据公式CR=CI/RI进行一致性校验,其中CI为判断矩阵的一致性指标,RI为随机一致性指标,当CR<0.10时认为所求权重是合理的,CI计算公式如下:
经计算,上述所有的CR<0.10,可用于后续评估。
(b)变异系数法确定客观权重
将评价矩阵A=(Xij)m×n归一化,形成新矩阵X=(Xij)m×n;
经计算,变异系数法所得电气性能各子指标权重为[0.1551 0.0864 0.12670.2546 0.3900 0.1463 0.0518 0.1525 0.0225],保护装置性能各子指标权重为[0.19430.2664 0.2664 0.2729 0],其他性能各子指标权重为[0.3333 0.3333 0.3333]。
(c)CRITIC法计算客观权重
经计算,CRITIC法所得电气性能各子指标权重为[0.1486 0.1083 0.1689 0.17720.3700 0.1960 0.085 0.0743 0.0424],保护装置性能各子指标权重为[0.1993 0.28180.2818 0.2317],其他性能各子指标权重为[0.3333 0.3333 0.3333]。
(d)基于博弈论思想计算合权重
综合权重是L个权重向量的线性组合,其中αk是线性组合系数。将线性组合系数代入原式中即可求解出综合权重。经计算,所得电气性能各子指标综合权重为[0.17330.0813 0.1265 0.1992 0.0368 0.0714 0.0152 0.1276 0.1687],保护装置性能各子指标综合权重为[0.4507 0.2003 0.1128 0.1832 0.0053],其他性能各子指标综合权重为[0.2456 0.0473 0.7071]。
步骤4:每类隶属度函数均分为偏大型、中间型和偏小型,电气性能隶属度由岭型隶属度函数确定,保护装置性能等性能由梯形隶属函数确定。
步骤5:根据模糊综合评价理论,设定充电设备风险等级为{无风险,低风险,中风险,高风险}。选取一台充电设备,根据隶属度函数形成隶属度矩阵R,以及求解的综合权重W,则模糊综合评价结果B=WоR,其中“о”为模糊算子,本发明选择加权平均型模糊算子进行评估。
根据最大隶属度原则,所选充电设备的健康度为“低风险”。
向充电设备发送提醒指令。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种基于博弈论权重的电动汽车充电设备风险预警方法,其特征在于:包括如下步骤:
计算电动汽车充电设备的风险预警指标体系中各指标的标准化值,根据各指标的标准化值构建评价矩阵;
根据评价矩阵获取客观权重;根据风险预警指标体系获取主观权重;根据客观权重、主观权重获取综合权重;
根据各指标的标准化值获取隶属度矩阵;
根据综合权重与隶属度矩阵获取电动汽车充电设备的风险等级结果;
根据电动汽车充电设备的风险等级结果向电动汽车充电设备发出预警指令。
2.根据权利要求1所述的一种基于博弈论权重的电动汽车充电设备风险预警方法,其特征在于:所述计算电动汽车充电设备的风险预警指标体系中各指标的标准化值,根据各指标的标准化值构建评价矩阵,包括:
获取电动汽车充电设备的风险预警指标体系中各指标,各指标包括下述中的至少一种:电气性能、保护装置性能和其他性能;所述电气性能指标包括下述中的至少一种:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源;所述保护装置性能指标包括下述中的至少一种:绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护;所述其他性能指标包括下述中的至少一种:噪声、计量功能、IP防护等级;
将电气性能、保护装置性能和其他性能划分为定性指标和定量指标,所述定量指标包括下述中的至少一种:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源及噪声;所述定性指标包括下述中的至少一种:绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护、计量功能及IP防护等级;
定性指标通过专家打分获得指标的标准化值;
其中,xmax为设定阈值的最大值,xmin为设定阈值的最小值,xi为设定阈值的最优值,x为定量指标实际测量值,y为标准化后的值;
令y=Bij,获得评价矩阵A=(Bij)m×n,i=1,2,…,m,j=1,2,…,n,m为充电设备样本数量,n为指标个数,Bij为充电设备样本i关于指标j标准化后值。
4.根据权利要求3所述的一种基于博弈论权重的电动汽车充电设备风险预警方法,其特征在于:所述根据风险预警指标体系获取主观权重,包括:
将风险预警指标体系按照层次分析法原理分为三层,第一层目标层为风险预警指标体系,第二层准则层为电气性能、保护装置性能和其他性能,第三层方案层为各指标;
采用1-9标度法将同一层指标相对于上一层指标重要性进行两两比较,获得比较的结果Dij,形成判断矩阵D=(Dij)n×n,Dij为专家根据1-9标度法打分的结果,n为指标个数;
计算判断矩阵D的最大特征值λmax对应的特征向量T,将特征向量T归一化后获得指标的主观权重W3。
7.根据权利要求6所述的一种基于博弈论权重的电动汽车充电设备风险预警方法,其特征在于:所述根据电动汽车充电设备的风险等级结果向电动汽车充电设备发出预警指令,包括:
当电动汽车充电设备处于无风险,不发送指令;
当电动汽车充电设备处于低风险,发送提醒指令;
当电动汽车充电设备处于中风险,发送告警指令;
当电动汽车充电设备处于高风险,发送运维指令。
8.一种基于博弈论权重的电动汽车充电设备风险预警装置,其特征在于:包括如下模块:
评价矩阵计算模块:用于计算电动汽车充电设备的风险预警指标体系中各指标的标准化值,根据各指标的标准化值构建评价矩阵;
综合权重计算模块:用于根据评价矩阵获取客观权重;根据风险预警指标体系获取主观权重;根据客观权重、主观权重获取综合权重;
隶属度矩阵计算模块:用于根据各指标的标准化值获取隶属度矩阵;
风险等级计算模块:用于根据综合权重与隶属度矩阵获取电动汽车充电设备的风险等级结果;
指令发送模块:用于根据电动汽车充电设备的风险等级结果向电动汽车充电设备发出预警指令。
9.根据权利要求8所述的一种基于博弈论权重的电动汽车充电设备风险预警装置,其特征在于:所述评价矩阵计算模块,具体用于:
获取电动汽车充电设备的风险预警指标体系中各指标,各指标包括下述中的至少一种:电气性能、保护装置性能和其他性能;所述电气性能指标包括下述中的至少一种:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源;所述保护装置性能指标包括下述中的至少一种:绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护;所述其他性能指标包括下述中的至少一种:噪声、计量功能、IP防护等级;
将电气性能、保护装置性能和其他性能划分为定性指标和定量指标,所述定量指标包括下述中的至少一种:输出电压设定误差、输出电流设定误差、稳压精度、稳流精度、电流纹波、电压纹波峰值系数、效率、功率因数、低压辅助电源及噪声;所述定性指标包括下述中的至少一种:绝缘性能、输入过压保护、输入欠压保护、输出过压保护、过温保护、计量功能及IP防护等级;
定性指标通过专家打分获得指标的标准化值;
其中,xmax为设定阈值的最大值,xmin为设定阈值的最小值,xi为设定阈值的最优值,x为定量指标实际测量值,y为标准化后的值;
令y=Bij,获得评价矩阵A=(Bij)m×n,i=1,2,…,m,j=1,2,…,n,m为充电设备样本数量,n为指标个数,Bij为充电设备样本i关于指标j标准化后值。
11.根据权利要求10所述的一种基于博弈论权重的电动汽车充电设备风险预警装置,其特征在于:所述综合权重计算模块中根据风险预警指标体系获取主观权重,具体用于:
将风险预警指标体系按照层次分析法原理分为三层,第一层目标层为风险预警指标体系,第二层准则层为电气性能、保护装置性能和其他性能,第三层方案层为各指标;
采用1-9标度法将同一层指标相对于上一层指标重要性进行两两比较,获得比较的结果Dij,形成判断矩阵D=(Dij)n×n,Dij为专家根据1-9标度法打分的结果,n为指标个数;
计算判断矩阵D的最大特征值λmax对应的特征向量T,将特征向量T归一化后获得指标的主观权重W3。
14.根据权利要求13所述的一种基于博弈论权重的电动汽车充电设备风险预警装置,其特征在于:所述指令发送模块,具体用于:
当电动汽车充电设备处于无风险,不发送指令;
当电动汽车充电设备处于低风险,发送提醒指令;
当电动汽车充电设备处于中风险,发送告警指令;
当电动汽车充电设备处于高风险,发送运维指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546431.2A CN115271305A (zh) | 2022-05-11 | 2022-05-11 | 基于博弈论权重的电动汽车充电设备风险预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546431.2A CN115271305A (zh) | 2022-05-11 | 2022-05-11 | 基于博弈论权重的电动汽车充电设备风险预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115271305A true CN115271305A (zh) | 2022-11-01 |
Family
ID=83760301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210546431.2A Pending CN115271305A (zh) | 2022-05-11 | 2022-05-11 | 基于博弈论权重的电动汽车充电设备风险预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271305A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115936506A (zh) * | 2022-12-07 | 2023-04-07 | 国网江苏省电力有限公司电力科学研究院 | 一种基于fce法的风储联合调频系统评估方法、设备及介质 |
-
2022
- 2022-05-11 CN CN202210546431.2A patent/CN115271305A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115936506A (zh) * | 2022-12-07 | 2023-04-07 | 国网江苏省电力有限公司电力科学研究院 | 一种基于fce法的风储联合调频系统评估方法、设备及介质 |
CN115936506B (zh) * | 2022-12-07 | 2023-11-24 | 国网江苏省电力有限公司电力科学研究院 | 一种基于fce法的风储联合调频系统评估方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563680B (zh) | 一种基于ahp和熵权法的配电网可靠性评估方法 | |
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 | |
CN111537939B (zh) | 一种基于多指标融合的电压互感器状态评估方法及装置 | |
CN109359894B (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
CN107274093B (zh) | 一种电网运行安全的风险评估方法 | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
CN106651189B (zh) | 一种基于多层复合规则的变压器状态评价方法 | |
CN107563601A (zh) | 一种智能电能表运行状态评价方法 | |
CN107515839A (zh) | 经改进赋权算法处理的电能质量模糊评估法 | |
CN108009937B (zh) | 一种配电主设备健康状态的评估方法 | |
CN105956779A (zh) | 电力变压器运行状态评估方法和装置 | |
CN112668943A (zh) | 一种配电线路健康状态评估方法及系统 | |
CN107967571A (zh) | 基于熵权法的指标体系生成方法 | |
CN111062500A (zh) | 一种基于离散模糊数和层次分析法的电力设备评价方法 | |
CN104123468A (zh) | 基于核心状态量集合的配电变压器状态评估方法 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN114626769B (zh) | 一种电容式电压互感器运维方法及系统 | |
CN115689114A (zh) | 一种基于组合神经网络的海底电缆运行状态预测方法 | |
CN115271305A (zh) | 基于博弈论权重的电动汽车充电设备风险预警方法及装置 | |
CN114742415A (zh) | 适用于充电站的运营效果评价方法、装置及系统 | |
JP2024015998A (ja) | 電圧レベル315kV以下の配電変圧器に対する自動容量校正方法 | |
CN111105168A (zh) | 一种基于云物元理论的负荷模型拟合优度评价方法 | |
CN105488734A (zh) | 基于全生命周期的电能计量装置质量评估方法及系统 |
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 |