CN116109175A - 电力系统风险分析方法及装置 - Google Patents

电力系统风险分析方法及装置 Download PDF

Info

Publication number
CN116109175A
CN116109175A CN202211633809.9A CN202211633809A CN116109175A CN 116109175 A CN116109175 A CN 116109175A CN 202211633809 A CN202211633809 A CN 202211633809A CN 116109175 A CN116109175 A CN 116109175A
Authority
CN
China
Prior art keywords
index
level
weight
matrix
determining
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
CN202211633809.9A
Other languages
English (en)
Inventor
范瑞明
刘建
张传云
张国亮
张贲
郭骏
许卓
刘慧林
马鑫晟
彭珑
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
North China Electric Power Research Institute Co Ltd
North China Grid Co Ltd
Original Assignee
State Grid Corp of China SGCC
North China Electric Power Research Institute Co Ltd
North China 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 State Grid Corp of China SGCC, North China Electric Power Research Institute Co Ltd, North China Grid Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211633809.9A priority Critical patent/CN116109175A/zh
Publication of CN116109175A publication Critical patent/CN116109175A/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
    • 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
    • G06Q10/06—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
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种电力系统风险分析方法及装置，该方法包括：利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，安全评估体系包括电力系统的N级指标；通过建立层次结构模型确定各级指标的第一权重；根据各级指标的离散程度确定各级指标的第二权重；根据第一权重及第二权重确定各级指标的综合权重；根据综合权重和第N级指标赋值逐级确定各级指标的综合权重。利用本申请，可以根据安全评估体系中各级指标的赋值及得到的权重得出电力系统的各级指标的赋值，进而确定各级指标的风险分析结果，完成了对电力系统的量化分析。完成电网风险评估，对设备状态提前感知，保证设备运行的可靠性与安全性。

Description

电力系统风险分析方法及装置
技术领域
本申请涉及电力系统运行管理方法，特别涉及一种电力系统风险分析方法及装置。
背景技术
随着电网体系的不断完善，电力设备的类型、数量、工况复杂性等大幅增加。设备的日趋复杂和规模的不断庞大，进行优质高效的数据分析对电力设备的状态感知及提高运行可靠性显得尤为重要。
状态感知方面，由于运行设备繁多，种类复杂，运维人员往往无法有效掌握设备的运行状态，在这种情况下预防性维护就显得格外重要。因此，需要在电力设备出现故障前进行检查，对设备状态提前感知，从而减小成本、降低损耗。
提高运行可靠性方面，电力设备作为电力系统运行的基本要素，其运行状态直接影响着能源电力系统的效能。由于不知道故障何时发生，因此有必要对设备状态进行评估，可以在设备发生故障之前合理安排维护时间，延长设备的使用寿命并可以减少停机时间，保证设备运行的可靠性与安全性。
因此，如何准确的进行电力设备的状态感知及提高电力设备的运行可靠性成为亟需解决的问题。
发明内容
本申请的一个目的在于提供一种电力系统风险分析方法，可以通过建立的安全评估体系，将电力系统状态评价、风险评估量化组合成数值，完成电网风险评估，对设备状态提前感知，保证设备运行的可靠性与安全性。本申请的另一个目的在于提供一种电力系统风险分析装置。本申请的再一个目的在于提供一种计算机设备。本申请的还一个目的在于提供一种可读介质。
为了达到以上目的，本申请一方面公开了一种电力系统风险分析方法，包括：
利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，所述安全评估体系包括电力系统的N级指标；
通过建立层次结构模型确定各级指标的第一权重，所述层次结构模型的层级与各级指标对应；
根据各级指标的离散程度确定各级指标的第二权重；
根据所述第一权重及第二权重确定各级指标的综合权重；
根据第N级指标的综合权重和第N级指标的赋值逐级确定第N-1级至第1级指标的赋值；
根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果。
进一步地，所述通过建立层次结构模型确定各级指标的第一权重，包括：
根据所述层次结构模型的层级与各级指标的对应关系构造判断矩阵；
对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，所述特征向量作为所述第一权重。
进一步地，所述对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，包括：
对所述判断矩阵进行归一化，生成归一化矩阵；
对所述归一化矩阵进行求和，得到求和矩阵；
对所述求和矩阵进行归一化处理，得到所述判断矩阵的特征向量。
进一步地，所述的电力系统风险分析方法还包括：
计算所述特征向量的最大特征值；
利用所述最大特征值进行一致性校验，确定所述判断矩阵是否满足一致性要求。
进一步地，所述根据各级指标的离散程度确定各级指标的第二权重，包括：
根据风险评价目标及指标数确定熵权矩阵；
根据所述熵权矩阵确定指标矩阵；
根据所述指标矩阵的信息熵确定指标熵值；
根据所述指标熵值确定所述第二权重。
为了达到以上目的，本申请一方面公开了一种电力系统风险分析装置，包括：
指标赋值单元，用于利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，所述安全评估体系包括电力系统的N级指标；
第一权重生成单元，用于通过建立层次结构模型确定各级指标的第一权重，所述层次结构模型的层级与各级指标对应；
第二权重生成单元，用于根据各级指标的离散程度确定各级指标的第二权重；
综合权重生成单元，用于根据所述第一权重及第二权重确定各级指标的综合权重；
赋值生成单元，用于根据第N级指标的综合权重和第N级指标的赋值逐级确定第N-1级至第1级指标的赋值；
风险等级生成单元，用于根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果。
进一步地，第一权重生成单元包括：
判断矩阵创建模块，用于根据所述层次结构模型的层级与各级指标的对应关系构造判断矩阵；
特征向量确定模块，用于对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，所述特征向量作为所述第一权重。
进一步地，所述判断矩阵创建模块及特征向量确定模块包括：
归一化矩阵生成子模块，用于对所述判断矩阵进行归一化，生成归一化矩阵；
求和矩阵生成子模块，用于对所述归一化矩阵进行求和，得到求和矩阵；
特征向量确定子模块，用于对所述求和矩阵进行归一化处理，得到所述判断矩阵的特征向量。
进一步地，还包括：
特征值计算单元，用计算所述特征向量的最大特征值；
一致性判断单元，用于利用所述最大特征值进行一致性校验，确定所述判断矩阵是否满足一致性要求。
进一步地，各级指标第二权重生成单元包括：
熵权矩阵创建模块，用于根据风险评价目标及指标数确定熵权矩阵；
指标矩阵确定模块，用于根据所述熵权矩阵确定指标矩阵；
指标熵值确定模块，用于根据所述指标矩阵的信息熵确定指标熵值；
第二权重确定模块，用于根据所述指标熵值确定所述第二权重。
为了达到以上目的，本申请一方面公开了一种计算机设备，包括存储器、处理器以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所述方法。
为了达到以上目的，本申请一方面公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法。
利用本申请提供的电力系统风险分析方法及装置，可以通过建立的安全评估体系，将电力系统状态评价、风险评估量化组合成数值，完成电网风险评估，对设备状态提前感知，保证设备运行的可靠性与安全性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中电力系统风险分析方法流程图；
图2为本申请实施例的电力安全评估体系示意图；
图3为本申请实施例中电力系统风险分析方法的一具体实施流程图；
图4为本申请实施例中判断矩阵的元素的赋值规则示意图；
图5为本申请实施例的S302的一具体实施流程图；
图6为本申请实施例的一致性校验方法流程图；
图7为本申请实施例中电力系统风险分析方法的一具体实施流程图；
图8为本申请实施例中电力系统风险分析装置示意图；
图9为本申请实施例中用来实现本申请实施例的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请公开的一种电力系统风险分析方法及装置可用于电力系统，也可用于除电力系统之外的任意领域，本申请公开的一种电力系统风险分析方法及装置的应用领域不做限定。
图1为本申请实施例的电力系统风险分析方法流程图，如图1所示，该电力系统风险分析方法包括：
S101:利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，所述安全评估体系包括电力系统的N级指标；
S102:通过建立层次结构模型确定各级指标的第一权重，所述层次结构模型的层级与各级指标对应；
S103:根据各级指标的离散程度确定各级指标的第二权重；
S014:根据所述第一权重及第二权重确定各级指标的综合权重；
S105:根据第N级指标的综合权重和第N级指标的赋值逐级确定第N-1级至第1级指标的赋值；
S106:根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果。
从图1所示流程可以看出，本申请实施例中，建立安全评估体系，对安全评估体系中的第N级指标进行赋值，利用第N级指标的赋值与综合权重可以逐级得到其他各级的指标赋值结果；运用层次分析法，确定第N级指标的第一权重，然后确定各级指标的第一权重，运用熵权法，确定第N级指标的第二权重，然后确定各级指标的第二权重，通过所述方法确定的第一权重及第二权重可以确定各级指标的综合权重，由于所述层次分析法及熵权法确定的第一权重及第二权重各有利弊，将所述两种权重进行组合赋权得到的综合权重使评价结果具有客观性且符合实际情况；根据第N级指标的综合权重和第N级指标的赋值逐级确定第N-1级至第1级指标的赋值，进而根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果，完成了对电力系统的量化分析，可以根据分析结果确认系统风险。
下面对每个步骤进行详细解释。
S101:利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，所述安全评估体系包括电力系统的N级指标；
电力系统风险分析(评估)的意义在于通过对电力系统的状态进行实时分析评估，根据分析结果，可以有效的预知电力系统的存在的风险。为保证分析结果的实用性，需综合各个方面对电力系统进行分析评价，评价时不仅需要数学表达式来表征电力系统所处的状态、概率值等，还需要对电网的各个方面进行具体而全面的把握使得电力系统的工作人员能够了解到某一方面是否存在隐患或问题以及如何改善这些问题。据此，本申请建立了电网设备的(电力)安全评估体系，该电力安全评估体系主要分为四个部分：结构风险、设备风险、技术风险及管理风险，该电力安全评估体系如图2所示。
如图2所示，根据电力安全评估体系，可以将评估指标划分为多层，表1中展示了1级至3级指标，3级指标仅为示例性说明，本申请不以此为限。
表1
Figure BDA0004006816960000061
为了对所有指标进行风险分析评估，需要结合预先设定的赋值规则对第N级指标进行赋值，预先设置的赋值规则如表2所示。
表2
评分值 健康程度 后果
100-85 健康 后果可忽略，可不采取控制措施
85-60 亚健康 后果较轻，可适当采取措施
60-30 非健康 后果严重，必须采取措施
30-0 病态 灾难性后果，必须排除
结合表2中的赋值规则，可以对表1中的第三级指标进行赋值。在一实施例中，赋值规则是通过多位专家评价得分给出第N级指标赋值结果。
通过建立的包括N级指标的电力系统安全评估体系，可以对安全评估体系中指标进行赋值，进而确定各级指标的风险分析结果，完成对电力系统的量化分析。
S102:通过建立层次结构模型确定各级指标的第一权重，所述层次结构模型的层级与各级指标对应；
建立层次结构模型时，需要确定决策的目标、考虑的因素(决策准则)和决策对象之间的相互关系。具体地，需要根据决策的目标、决策准则和决策对象之间的相互关系分为最高层、中间层和最低层，绘出层次结构图，即得到层次结构模型。最高层是指决策的目的及要解决的问题，对应图1中的电力安全风险评估。最低层是指决策时的备选方案，对应第N级指标。中间层是指考虑的因素及决策的准则，对应第2至第N-1级指标。对于相邻的两层，称高层为目标层，低层为因素层。
具体地，可以通过层次分析方法确定第一权重，该第一权重可以称为主观权重。
图3为本申请实施例中电力系统风险分析方法的一具体实施流程图，如图3所示，通过建立层次结构模型确定各级指标的第一权重包括如下步骤：
S301：根据所述层次结构模型的层级与各级指标的对应关系构造判断矩阵；
构造的判断矩阵为(aij)nxn，其中，n为指标数，元素aij为隶属于同一上级指标的各指标之间的重要程度比较数值，具体数值可以根据图4所示的赋值规则进行赋值。
S302：对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，所述特征向量作为所述第一权重。
具体实施时，可以对判断矩阵的每一列进行归一化，对归一化后的矩阵的每列按行相加后再进行归一化，即可得到判断矩阵的特征向量，该特征向量作为各级指标的第一权重。
需要说明的是，确定第一权重是指单独确定隶属于同一上级指标的各同级指标的权重，例如，对于表1中二级指标“电网结构风险”，隶属于“电网结构风险”的三级指标包括：重要输电通道评估、重要变电站评估及重要地区电网评估三个，按照上述方法即可确定三个三级指标的第一权重，其他隶属于同一上级指标的各同级指标的第一权重的确定方法相同。
一实施例中，如图5所示，S302对判断矩阵进行归一化，得到判断矩阵的特征向量可以通过如下步骤实现：
S501：对所述判断矩阵进行归一化，生成归一化矩阵；
具体地，将判断矩阵A＝(aij)n×n的每列归一化，即每列的元素和之和应为1，获得归一化B矩阵的元素如下：
Figure BDA0004006816960000081
归一化矩阵B为：B＝(bij)n×n。        (2)
S502：对所述归一化矩阵进行求和，得到求和矩阵；
将每一列归一化矩阵B按行相加，获得归一化后的求和矩阵C，计算公式如下:
Figure BDA0004006816960000082
S503：对所述求和矩阵进行归一化处理，得到所述判断矩阵的特征向量。
其中，对求和矩阵C进行归一化处理，获得判断矩阵A的特征向量：W＝(w1，w2，.....，wn)T
特征向量W的计算公式如下：
Figure BDA0004006816960000083
特征向量W即为第一权重。
为了得到更为准确的第一权重，一实施例中，还可以进行一致校验，判断上述得到的第一权重是否满足一致性要求，如图6所示，一致性校验方法包括如下步骤：
S601：计算所述特征向量的最大特征值；
根据下式可以计算获得特征向量W的最大特征值λmax：
Figure BDA0004006816960000084
S602：利用所述最大特征值进行一致性校验，确定所述判断矩阵是否满足一致性要求。
一致性指标用CI来表示，计算CI时，用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量。CI不一致程度越大，引起的判断误差越大。因而可以用λmax-n计算一致性指标CI的数值大小来衡量判断矩阵A的不一致程度，CI越小，说明一致性越大，当CI＝0，有完全的一致性；CI接近于0，有满意的一致性；CI越大，不一致性越严重。计算公式如下：
Figure BDA0004006816960000091
然后，利用一致性指标比率CR计算来衡量一致性CI，计算公式如下：
Figure BDA0004006816960000092
其中，RI为平均随机一致性指标，可以通过判断矩阵A的阶数n查询平均随机一致性指标表3进行确认。
表3
阶数 3 4 5 6 7 8 9 10 11 12 13 14
RI 0.58 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58
一般认为，CR<0.1时，判断矩阵A的一致性满足要求，否则重新对判断矩阵A进行重新确定。
S103：根据各级指标的离散程度确定各级指标的第二权重；
利用熵值判断某个指标的离散程度，根据各级指标的离散程度确定各级指标的第二权重。例如，指标信息熵值越小，指标的离散程度越大，该指标对综合评价的影响(即权重)就越大，如果某项指标的值全部相等，则该指标在综合评价中不起作用。可利用熵权法计算出各个指标的权重，为多指标综合评价提供依据。基于此，该第二权重可以称为客观权重。
图7为本申请实施例中电力系统风险分析方法的一具体实施流程图，如图7所示，通过确定各级指标的离散程度确定各级指标的第二权重包括如下步骤：
S701：根据风险评价目标及指标数确定熵权矩阵；
具体地，该熵权矩阵可以称为数据矩阵。
确定的数据矩阵为H＝(hij)n×m，其中，n为目标数，m为指标个数，元素hij为隶属于同一上级指标的各指标与风险评价目标的待评项目的比较数值，其中，待评项目为等级标准。确定的数据矩阵如下：
Figure BDA0004006816960000101
S702：根据所述熵权矩阵确定指标矩阵；
具体实施时，对数据矩阵通过矩阵法进行处理。指标矩阵内部每行元素之和为1，得到指标矩阵P如下：
P＝(pij)n×m           (9)
Figure BDA0004006816960000102
指标权重pij为第i个评价指标在第j个评价目标下的比值，可以作为相对熵计算中用到的概率。数据矩阵转化为指标矩阵(归一化矩阵)(pij)n×m，其中，m为矩阵的行数，n为矩阵的列数，指标权重pij为指标矩阵P内部第i行第j列的数据。
S703：根据所述指标矩阵的信息熵确定指标熵值；
通过如下公式归一化得到每个指标的熵值如下：
Figure BDA0004006816960000103
其中，k>0，为常数，ln为自然对数，ej≥0。其中k常常与样本数m有关系，k的计算公式如下：
Figure BDA0004006816960000104
S704：根据所述指标熵值确定所述第二权重。
首先，可以计算第j个评价指标的指标差异系数gj：
gj＝1-ej
根据指标差异系数gj可以计算第二权重Wj：
Figure BDA0004006816960000106
通过计算得到的第二权重可以与S102中得到的第一权重进行组合赋权，继而得到综合权重。
S104:根据所述第一权重Wi及第二权重Wj确定各级指标的综合权重；
第一权重通过层次分析法确定，第二权重通过熵权法确定。组合赋权计算运用乘法合成法对第一及第二权重值进行组合赋权，根据第一权重Wi和第二权重Wj，求出组合权重WZi。其中WZi的空间分布必须尽可能接近Wi和Wj，指标的组合权重WZi计算公式为：
Figure BDA0004006816960000111
所述两种权重确定方法各有利弊，将层次分析法和熵权法结合组合赋权获得的总能够和权重使评价结果具有客观性且符合实际情况，结果更准确。
S105:根据第N级指标的综合权重和第N级指标的赋值逐级获得第N-1级至第1级指标的赋值；
第N级指标的赋值结果已由S101获得，第(N-1)级指标赋值方法如下：
每个第(N-1)级指标有对应的多个第N级指标，假设第(N-1)级指标赋值为(N-1)a，第(N-1)级指标对应的多个第N级指标的赋值分别为N1、N2、N3，第(N-1)级指标对应的多个第N级指标的综合权重分别Na、Nb、Nc，此时第(N-1)级指标赋值(N-1)a的计算方法如下：
(N-1)a＝N1×Na+N2×Nb+N3×Nc          (14)
按照上述公式(14)，可求的每个第(N-1)级指标的赋值。
获得(N-1)级指标赋值结果后，可重复上述方法逐级获得其余各级指标赋值直至获得第一级指标赋值。
通过第N级指标的综合权重和第N级指标的赋值逐级获得第N-1级至第1级指标的赋值，进而得到最终整个电力系统的赋值。
S106:根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果。
将风险划分为稍有风险、一般风险、中度风险、较高风险、高度风险五个风险等级，每个风险等级对应分值范围，因此可以得到风险等级与对应分值范围的映射关系，如表4所示。根据指标赋值结果所属的分支范围，通过表4可以对应得到相应的风险等级。
表4
Figure BDA0004006816960000112
Figure BDA0004006816960000121
根据安全评估体系中各级指标的赋值及得到的权重得出电力系统的各级指标的赋值，进而确定各级指标的风险分析结果，完成了对电力系统的量化分析。完成电网风险评估，对设备状态提前感知，保证设备运行的可靠性与安全性。
下面以表1中二级指标电网结构风险及其对应的三个三级指标为例，具体对本申请电力系统风险分析方法进行说明：
结合表2中的赋值规则，可以对表1中的第三级指标进行赋值，得到如表5所示的赋值结果：
表5
Figure BDA0004006816960000122
Figure BDA0004006816960000131
参照图4，对判读矩阵的各元素aij进行赋值，具体如表6所示：
表6
Figure BDA0004006816960000132
由表6获得判断矩阵A：
Figure BDA0004006816960000133
根据归一化矩阵计算公式(1)计算判断矩阵A，获得归一化矩阵B如下：
Figure BDA0004006816960000134
将每一列归一化矩阵B按行相加，获得归一化后的求和矩阵C，获得求和矩阵C如下：
Figure BDA0004006816960000135
将求和矩阵C代入公式(4)进行归一化处理，获得特征向量Wi如下所示：
Figure BDA0004006816960000136
根据所述特征向量Wi，得到电网结果风险指标的三级指标的权重如表7所示：
表7
Figure BDA0004006816960000137
Figure BDA0004006816960000141
将判断矩阵A和特征向量Wi代入公式(5)计算获得特征向量Wi的最大特征值λmax如下：
Figure BDA0004006816960000142
将λmax和n代入公式(6)获得一致性指标用CI如下所示：
CI＝0.03
平均随机一致性指标RI通过判断矩阵A的阶数n查询平均随机一致性指标表3进行确认，得到RI＝0.58。
将一致性指标CI及平均随机一致性指标RI代入公式(7)得到一致性指标比率CR如下：
Figure BDA0004006816960000143
得到的一致性指标比率CR<0.1，判断矩阵A的一致性满足要求。
同理，按照相同方法获得的各级指标第一权重如表8所示：
表8
Figure BDA0004006816960000144
Figure BDA0004006816960000151
通过调查电网调度云数据获得的电力系统数据对电网结构风险包含的三项指标建立评价等级标准，分为“差”、“一般”、“良好”三个评价等级。定性评价标准详见如表9所示：
表9
Figure BDA0004006816960000152
将三个风险评价等级“差”、“一般”、“良好”视为三个待评项目，三个待评项目与隶属于电网结构风险的三个指标共同组成表10如下：
表10
Figure BDA0004006816960000153
由表10得到数据矩阵H如下：
Figure BDA0004006816960000154
对数据矩阵H进行归一化处理得到指标矩阵P如下：
Figure BDA0004006816960000161
根据公式(11)计算k值如下：
Figure BDA0004006816960000162
将k值及指标矩阵P代入公式(10)得到熵权e1如下：
e1＝-1.09*(0.13*ln(0.13)+0.67*ln(0.67+0.2*ln(0.2)))＝0.78
同理对e2、e3进行计算，获得熵权矩阵e如下：
Figure BDA0004006816960000163
将e矩阵中的元素ej代入公式(12)得到权重矩阵u如下所示：
Figure BDA0004006816960000164
由权重矩阵u可得到风险指标权重如表11所示：
表11
指标名称 权重
重要输电通道评估 0.61
重要变电站评估 0.28
重要地区电网评估 0.11
同理，按照相同方法获得的各级指标第二权重如表12所示：
表12
Figure BDA0004006816960000165
Figure BDA0004006816960000171
第一权重为：
Figure BDA0004006816960000172
第二权重为：
Figure BDA0004006816960000173
将第一权重Wi及第二权重Wj代入公式(13)得到综合权重WZi如下所示：
Figure BDA0004006816960000174
同理，可获得WZ2＝0，54，WZ3＝0.05
电网结构风险评分为如表13所示：
表13
三级指标 评分
重要输电通道评估 40
重要变电站评估 92
重要地区电网评估 48
将表13中的评分及综合权重WZ1，WZ2，WZ3代入公式(14)获得其最终评分值为：40*0.41+92*0.54+48*0.05＝68
对应表4根据风险评估指标可确定此类风险为较高风险。
对其他指标进行评价，可获得整体评价指标表14如下：
表14
Figure BDA0004006816960000181
根据安全评估体系中给出的电力系统的三级指标的赋值，继而通过层次分析法和熵权法得到的各级指标综合权重得出电力系统的各级指标的赋值，进而确定各级指标的风险分析结果，完成了对电力系统的量化分析。完成电网风险评估，对设备状态提前感知，保证设备运行的可靠性与安全性。
基于同一发明构思，本申请实施例还提供了一种电力系统风险分析装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于电力系统风险分析装置解决问题的原理与电力系统风险分析方法相似，因此电力系统风险分析装置的实施可以参见电力系统风险分析的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图8为本申请实施例的电力系统风险分析装置的结构框图，如图8所示，所述电力系统风险分析装置包括：
指标赋值单元801，用于利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，所述安全评估体系包括电力系统的N级指标；
第一权重生成单元802，用于通过建立层次结构模型确定各级指标的第一权重，所述层次结构模型的层级与各级指标对应；
第二权重生成单元803，用于根据各级指标的离散程度确定各级指标的第二权重；
综合权重生成单元804，用于根据所述第一权重及第二权重确定各级指标的综合权重；
赋值生成单元805，用于根据第N级指标的综合权重和第N级指标的赋值逐级确定第N-1级至第1级指标的赋值；
风险等级生成单元806，用于根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果。
在一个实施例中，第一权重生成单元包括：
判断矩阵创建模块，用于根据所述层次结构模型的层级与各级指标的对应关系构造判断矩阵；
特征向量确定模块，用于对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，所述特征向量作为所述第一权重。
在一个实施例中，所述特征向量确定模块包括：
归一化矩阵生成子模块，用于对所述判断矩阵进行归一化，生成归一化矩阵；
求和矩阵生成子模块，用于对所述归一化矩阵进行求和，得到求和矩阵；
特征向量确定子模块，用于对所述求和矩阵进行归一化处理，得到所述判断矩阵的特征向量。
在一个实施例中，还包括：
特征值计算单元，用计算所述特征向量的最大特征值；
一致性判断单元，用于利用所述最大特征值进行一致性校验，确定所述判断矩阵是否满足一致性要求。
在一个实施例中，所述第二权重生成单元包括：
熵权矩阵创建模块，用于根据风险评价目标及指标数确定熵权矩阵；
指标矩阵确定模块，用于根据所述熵权矩阵确定指标矩阵；
指标熵值确定模块，用于根据所述指标矩阵的信息熵确定指标熵值；
第二权重确定模块，用于根据所述指标熵值确定所述第二权重。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述电力系统风险分析方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述电力系统风险分析方法。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述电力系统风险分析方法。
上述实施例阐明的装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中计算机设备具体包括存储器、处理器以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由客户端执行的方法，或者，所述处理器执行所述程序时实现如上所述的由服务器执行的方法。
下面参考图9，其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。
如图9所示，计算机设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (13)

1.一种电力系统风险分析方法，其特征在于，包括：
利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，所述安全评估体系包括电力系统的N级指标；
5通过建立层次结构模型确定各级指标的第一权重，所述层次结构模型的层级与各级指标对应；
根据各级指标的离散程度确定各级指标的第二权重；
根据所述第一权重及第二权重确定各级指标的综合权重；
根据第N级指标的综合权重和第N级指标的赋值逐级确定第N-1级至第1级指10标的赋值；
根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果。
2.根据权利要求1所述的电力系统风险分析方法，其特征在于，所述通过建立层次结构模型确定各级指标的第一权重，包括：
15根据所述层次结构模型的层级与各级指标的对应关系构造判断矩阵；
对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，所述特征向量作为所述第一权重。
3.根据权利要求2所述的电力系统风险分析方法，其特征在于，所述对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，包括：
20对所述判断矩阵进行归一化，生成归一化矩阵；
对所述归一化矩阵进行求和，得到求和矩阵；
对所述求和矩阵进行归一化处理，得到所述判断矩阵的特征向量。
4.根据权利要求2或3所述的电力系统风险分析方法，其特征在于，还包括：
计算所述特征向量的最大特征值；
25利用所述最大特征值进行一致性校验，确定所述判断矩阵是否满足一致性要求。
5.根据权利要求1所述的电力系统风险分析方法，其特征在于，所述根据各级指标的离散程度确定各级指标的第二权重，包括：
根据风险评价目标及指标数确定熵权矩阵；
根据所述熵权矩阵确定指标矩阵；
根据所述指标矩阵的信息熵确定指标熵值；
根据所述指标熵值确定所述第二权重。
6.一种电力系统风险分析装置，其特征在于，包括：
指标赋值单元，用于利用预设的赋值规则对预先建立安全评估体系中电力系统的第N级指标进行赋值，所述安全评估体系包括电力系统的N级指标；
第一权重生成单元，用于通过建立层次结构模型确定各级指标的第一权重，所述层次结构模型的层级与各级指标对应；
第二权重生成单元，用于根据各级指标的离散程度确定各级指标的第二权重；
综合权重生成单元，用于根据所述第一权重及第二权重确定各级指标的综合权重；
赋值生成单元，用于根据第N级指标的综合权重和第N级指标的赋值逐级确定第N-1级至第1级指标的赋值；
风险等级生成单元，用于根据各级指标的赋值及风险等级与对应分值范围的映射关系进行匹配，确定各级指标的风险分析结果。
7.根据权利要求6所述的电力系统风险分析装置，其特征在于，第一权重生成单元包括：
判断矩阵创建模块，用于根据所述层次结构模型的层级与各级指标的对应关系构造判断矩阵；
特征向量确定模块，用于对所述判断矩阵进行归一化，得到所述判断矩阵的特征向量，所述特征向量作为所述第一权重。
8.根据权利要求7所述的电力系统风险分析装置，其特征在于，所述特征向量确定模块包括：
归一化矩阵生成子模块，用于对所述判断矩阵进行归一化，生成归一化矩阵；
求和矩阵生成子模块，用于对所述归一化矩阵进行求和，得到求和矩阵；
特征向量确定子模块，用于对所述求和矩阵进行归一化处理，得到所述判断矩阵的特征向量。
9.根据权利要求7或8所述的电力系统风险分析装置，其特征在于，还包括：
特征值计算单元，用计算所述特征向量的最大特征值；
一致性判断单元，用于利用所述最大特征值进行一致性校验，确定所述判断矩阵是否满足一致性要求。
10.根据权利要求6所述的电力系统风险分析装置，其特征在于，所述第二权重生成单元包括：
熵权矩阵创建模块，用于根据风险评价目标及指标数确定熵权矩阵；
指标矩阵确定模块，用于根据所述熵权矩阵确定指标矩阵；
指标熵值确定模块，用于根据所述指标矩阵的信息熵确定指标熵值；
第二权重确定模块，用于根据所述指标熵值确定所述第二权重。
11.一种计算机设备，包括存储器、处理器以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1-5任一项所述的方法。
12.一种计算机可读介质，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1-5任一项所述的方法。
13.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的方法。
CN202211633809.9A 2022-12-19 2022-12-19 电力系统风险分析方法及装置 Pending CN116109175A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211633809.9A CN116109175A (zh) 2022-12-19 2022-12-19 电力系统风险分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211633809.9A CN116109175A (zh) 2022-12-19 2022-12-19 电力系统风险分析方法及装置

Publications (1)

Publication Number Publication Date
CN116109175A true CN116109175A (zh) 2023-05-12

Family

ID=86255238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211633809.9A Pending CN116109175A (zh) 2022-12-19 2022-12-19 电力系统风险分析方法及装置

Country Status (1)

Country Link
CN (1) CN116109175A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151460A (zh) * 2023-08-07 2023-12-01 中移互联网有限公司 一种基于通话数据的企业风险度分析方法及其装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151460A (zh) * 2023-08-07 2023-12-01 中移互联网有限公司 一种基于通话数据的企业风险度分析方法及其装置

Similar Documents

Publication Publication Date Title
CN112566196B (zh) 一种基于智能电网的异构网络接入选择方法及相关设备
CN107146009B (zh) 一种供水管网运行状态评估方法
CN110310031A (zh) 一种配电网多维风险评估方法
CN107515839A (zh) 经改进赋权算法处理的电能质量模糊评估法
CN113379238A (zh) 风险评估方法、装置及电子设备
CN112016826A (zh) 变电站设备腐蚀程度确定方法、装置和计算机设备
CN116109175A (zh) 电力系统风险分析方法及装置
CN104156878B (zh) 用于农网改造升级工程评估指标权重的确定方法
CN109636184B (zh) 一种品牌的账号资产的评估方法及系统
CN113139701B (zh) 一种基于层次分析方法的区域内能源健康度评价方法
CN114118839A (zh) 一种电网恢复力评估方法及装置、电子设备、存储介质
CN112819354A (zh) 海外矿业项目竞争力评价的方法及装置
CN110866694A (zh) 一种电网建设项目财务评价系统及其方法
CN110363443A (zh) 电力现货市场的运营状况评判方法及装置
CN110287272A (zh) 一种可配置实时特征提取方法、装置及系统
CN114091908A (zh) 计及多模式储能站的配电网综合评价方法、装置和设备
CN114266485A (zh) 电力信息通信数据质量检测模型的构建方法及构建系统
CN114707784A (zh) 一种基于组合赋权法的权重确定方法及系统
CN108694527B (zh) 一种配电网评价方法
CN114970072A (zh) 一种应用于配电网仿真的分区方案的评价方法及系统
CN110852536A (zh) 一种储罐维修决策确定方法及装置
CN117745119A (zh) 一种输变电工程施工承载力预警方法及装置
CN115757076B (zh) 一种基于设备运行特征和性能指标的簇管理适应度计算方法
CN114428730A (zh) 一种基于层次分析法的行业信创应用替代顺序评估方法和系统
CN117455310A (zh) 一种共享服务质量评价方法、系统及设备

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