CN116579633A - 基于数据驱动实现风电设备的服役状态质量分析方法 - Google Patents

基于数据驱动实现风电设备的服役状态质量分析方法 Download PDF

Info

Publication number
CN116579633A
CN116579633A CN202310847603.4A CN202310847603A CN116579633A CN 116579633 A CN116579633 A CN 116579633A CN 202310847603 A CN202310847603 A CN 202310847603A CN 116579633 A CN116579633 A CN 116579633A
Authority
CN
China
Prior art keywords
index
quality
hierarchical
representing
wind power
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
CN202310847603.4A
Other languages
English (en)
Other versions
CN116579633B (zh
Inventor
柏文琦
向德
肖钊
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.)
Hunan University of Science and Technology
Hunan Institute of Metrology and Test
Original Assignee
Hunan University of Science and Technology
Hunan Institute of Metrology and Test
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 Hunan University of Science and Technology, Hunan Institute of Metrology and Test filed Critical Hunan University of Science and Technology
Priority to CN202310847603.4A priority Critical patent/CN116579633B/zh
Publication of CN116579633A publication Critical patent/CN116579633A/zh
Application granted granted Critical
Publication of CN116579633B publication Critical patent/CN116579633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic 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
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)

Abstract

本发明涉及质量评估领域，揭露一种基于数据驱动实现风电设备的服役状态质量分析方法，包括：查询待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标；识别质量分析指标之间的层次关联关系，查询层次关联关系中的上层质量指标和下层质量指标，构建下层质量指标与上层质量指标之间的判断矩阵；根据判断矩阵，确定下层质量指标关于上层质量指标的层次权重向量及构建质量分析指标的层次结构模型；获取待评估风电设备的服役状态数据，根据服役状态数据，利用所述层次结构模型，分别计算待评估风电设备的层次质量得分和指标综合得分，并生成待评估风电设备的服役质量分析报告。本发明可以提高风电设备服役质量分析的准确性。

Description

基于数据驱动实现风电设备的服役状态质量分析方法
技术领域
本发明涉及质量评估领域，尤其涉及一种基于数据驱动实现风电设备的服役状态质量分析方法。
背景技术
为了减少和控制风电设备质量事故的发生，尽量避免设备运行过程中质量故障及事故造成设备损失及其他损失，所以对风电设备的服役质量分析成为迫在眉睫的重要问题。
现有的风电设备服役质量分析方法大多采用少量简单并相对独立的质量评估指标来分析设备服役质量，而没有从风电设备的内在质量指标之间的联系方面综合反映风力设备完整的服役质量，从而降低了风电设备服役质量分析的准确性。
发明内容
本发明提供一种基于数据驱动实现风电设备的服役状态质量分析方法，其主要目的在于提高风电设备服役质量分析的准确性。
为实现上述目的，本发明提供的一种基于数据驱动实现风电设备的服役状态质量分析方法，包括：
识别待评估风电设备的业务场景，根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标；
识别所述质量分析指标之间的层次关联关系，查询所述层次关联关系中的上层质量指标和下层质量指标，构建所述下层质量指标与所述上层质量指标之间的判断矩阵；
根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量，根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型；
获取所述待评估风电设备的服役状态数据，根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分，根据所述层次质量得分和所述指标综合得分，生成所述待评估风电设备的服役质量分析报告。
可选地，所述根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标，包括：
根据所述业务场景，分析所述待评估风电设备的业务需求，并提取所述服役质量分析体系中的体系质量指标；
对所述业务需求进行文本分词处理，得到需求分词，分别对所述需求分词和所述体系质量指标进行向量转换，得到需求转换向量和指标转换向量；
根据所述需求转换向量和所述指标转换向量，计算所述业务需求与所述体系质量指标之间的语义相似度，根据所述语义相似度，确定所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标。
可选地，所述根据所述需求转换向量和所述指标转换向量，计算所述业务需求与所述体系质量指标之间的语义相似度，包括：
利用下述公式计算所述业务需求与所述体系质量指标之间的语义相似度：
；
其中，表示业务需求与体系质量指标之间的语义相似度，/>表示第/>个需求转换向量，/>表示第/>个指标转换向量，/>体系质量指标，/>表示业务需求，/>表示需求转换向量的序号，/>表示需求转换向量的数量，/>表示体系质量指标的序号，/>表示体系质量指标的数量，/>表示余弦函数符号，/>表示条件概率符号。
可选地，所述识别所述质量分析指标之间的层次关联关系，包括：
从所述质量分析指标中提取任意两个质量指标，得到第一质量指标和第二质量指标，并获取所述第一质量指标和所述第二质量指标在预设质量指标数据库中的第一指标数据和第二指标数据；
根据所述第一指标数据和所述第二指标数据，构建关于所述第一质量指标和所述第二质量指标的离散点集，并构建所述离散点集的散点图；
对所述散点图进行行列网格化处理，得到网格散点块图，计算所述网格散点块图关于所述第一质量指标和所述第二质量指标的第一指标概率、第二指标概率及联合指标概率；
根据所述网格散点块图、所述第一指标概率、所述第二指标概率及所述联合指标概率，计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数；
根据所述最大互信息系数，利用预设信息系数阈值，确定所述第一质量指标和所述第二质量指标之间的指标关联关系，分析所述第一质量指标和所述第二质量指标之间的指标因果关系；
根据所述指标关联关系和所述指标因果关系，确定所述第一质量指标和所述第二质量指标之间的指标之间的指标层次关系，根据所述指标层次关系，确定所述质量分析指标之间的层次关联关系。
可选地，所述根据所述网格散点块图、所述第一指标概率、所述第二指标概率及所述联合指标概率，计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数，包括：
利用下述公式计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数：
；
其中，表示最大互信息系数，/>表示联合指标概率，/>表示第一指标概率，/>表示第二指标概率，/>表示第一质量指标，/>表示第二质量指标，/>表示网格散点块图在横轴方向划分的网格数，/>表示网格散点块图在纵轴方向划分的网格数，/>表示网格散点块图的网格数量参数，/>表示最小值函数符号，/>表示概率符号。
可选地，所述构建所述下层质量指标之间关于所述上层质量指标的判断矩阵，包括：
将所述下层质量指标进行有序排列，得到下层指标序列，按照所述下层指标序列为行列指标次序，构建下层指标矩阵，并配置所述下层指标矩阵的行指标和列指标；
比较每个所述行指标和每个所述列指标关于所述上层质量指标的指标重要性，利用预构建的重要性标度表，将所述指标重要性映射为所述重要性标度表中对应的标度值；
分别识别所述标度值对应的在所述行指标和所述列指标中的行指标序号和列指标序号，根据所述行指标序号、所述列指标序号及所述标度值，构建所述下层质量指标之间关于所述上层质量指标的判断矩阵。
可选地，所述根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量，包括：
将所述判断矩阵按列规范化，得到列规范矩阵，将所述列规范矩阵进行权重列向量平均，得到候选权重向量；
根据所述候选权重向量，利用下述公式计算所述列规范矩阵的最大特征值：
；
；
其中，表示列规范矩阵的最大特征值，/>表示判断矩阵的列规范矩阵，/>表示候选权重向量,/>表示列规范矩阵与候选权重向量乘积的第/>个向量分量，/>表示候选权重向量的第/>个向量分量，/>表示列规范矩阵的行列数量；
根据所述最大特征值，计算所述列规范矩阵的一致性比率，在所述一致性比率小于预设阈值时，将所述候选权重向量作为所述下层质量指标关于所述上层质量指标的层次权重向量。
可选地，所述根据所述最大特征值，计算所述列规范矩阵的一致性比率，包括：
利用下述公式计算所述列规范矩阵的一致性指标：
；
其中，表示列规范矩阵的一致性指标，/>表示列规范矩阵的最大特征值，/>表示列规范矩阵的行列数量。
根据所述一致性指标，利用下述公式计算所述列规范矩阵的一致性比率：
；
其中，表示列规范矩阵的一致性比率，/>表示列规范矩阵的一致性指标，/>表示随机一致性指标，可通过查询预设的/>统计表得到。
可选地，所述根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型，包括：
提取所述层次关联关系中的质量分析指标，配置所述质量分析指标为层次节点；
配置所述层次关联关系为层次节点关系，根据所述层次节点关系和所述层次权重向量，配置所述层次节点之间的层次权重；
基于所述层次节点、所述层次节点关系及所述层次权重，构建的所述质量分析指标的层次结构模型。
可选地，所述根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分，包括：
提取所述层次结构模型中的质量分析指标，查询所述服役状态数据中对应所述质量分析指标的分析状态数据；
对所述分析状态数据进行归一化处理，得到归一分析数据，识别所述层次结构模型中的层次节点、层次节点关系及层次权重，将所述所述归一分析数据对应的所述质量分析指标与所述层次节点进行匹配，得到匹配层次节点，并同步配置所述匹配层次节点的所述层次节点关系及所述层次权重；
获取所述层次结构模型的结构层数，根据所述归一分析数据、所述结构层数、所述匹配层次节点、所述层次节点关系及所述层次权重，利用下述公式计算所述待评估风电设备的层次质量得分和指标综合得分：
；
；
；
其中，表示层次结构模型第/>层根节点的指标综合得分，/>表示第/>层第j个匹配层次节点的层次质量得分，/>表示第/>层第j个匹配层次节点的层次权重，/>表示层次结构模型第/>层第/>个匹配层次节点/>的层次质量得分，/>表示第/>层第j个匹配层次节点/>的层次质量得分，/>表示匹配层次节点/>的层次权重，/>表示底层第/>个匹配层次节点的层次质量得分，/>表示底层第/>个匹配层次节点对应的归一分析数据，/>表示当前匹配层次节点的下层子节点的序号，/>表示第/>层根节点的下层子节点的数量，/>表示第/>层第/>个匹配层次节点/>的下层子节点的数量，/>表示层次结构模型的结构层数。
可以看出，本发明实施例通过识别待评估风电设备的业务场景可以确定待评估风电设备的相应业务场景下的用户需求，以使得后续对服役状态质量分析更具针对性，根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标可以更直观地展示待评估风电设备服役状态质量，有益于后续更便捷地开展质量分析工作，并通过识别所述质量分析指标之间的层次关联关系可确定质量分析指标之间的因果层次联系，以为后续构建表征质量分析指标之间更准确关联关系的的层次结构模型；其次，本发明实施例通过查询所述层次关联关系中的上层质量指标和下层质量指标可以确定质量指标间的层次关系，构建所述下层质量指标之间关于所述上层质量指标的判断矩阵可以为后续确定下层质量指标的权重前提，并根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量可以直观揭示下层质量指标关于所述上层质量指标的重要程度，以保证后续层次结构模型的构建准确性，及根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型可以得到待评估风电设备的更全面多层次地表征服役质量特性的层次结构模型，以提高服役质量分析的准确性；进一步地，本发明实施例通过获取所述待评估风电设备的服役状态数据可以为待评估风电设备的服役质量分析提供基本分析数据，根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分不但可以得到待评估风电设备在各层次质量分析指标上的局部层次质量得分，而且确定了表征设备全局质量特性的指标综合得分，以提高状态质量分析的准确性，根据所述层次质量得分和所述指标综合得分，生成所述待评估风电设备的服役质量分析报告不仅可以从待评估风电设备的整体质量水平方面进行分析，而且剖析了质量指标的层次关系及对应的层次质量得分，实现对问题意图更深层次地分析。因此，本发明实施例提出的一种基于数据驱动实现风电设备的服役状态质量分析方法，可以提高风电设备服役质量分析的准确性。
附图说明
图1为本发明一实施例提供的基于数据驱动实现风电设备的服役状态质量分析方法的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
S1、识别待评估风电设备的业务场景，根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标。
本发明实施例中，所述业务场景是指用来描述适时提供给用户可能需要的以及关联的产品或服务的应用环境或场景，如风电设备厂商、监管部门及第三方机构等，其可通过对待评估风电设备进行场景分析识别，通过识别待评估风电设备的业务场景可以确定待评估风电设备的相应业务场景下的用户需求，以使得后续对服役状态质量分析更具针对性。其中，所述待评估风电设备是指将要评估的通过风轮叶片汲取风能，将机械能转化为电能的装置。
进一步地，本发明实施例通过根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标可以更直观地展示待评估风电设备服役状态质量，有益于后续更便捷地开展质量分析工作。其中，所述服役质量分析体系是指在计划和统计工作中，反映或衡量生产效果或工作质量的分析系统，其包含很多质量评定指标，如温度、振动、噪声、能效、安全性、退化度、设备利用率等。所述质量分析指标是反映剖析生产效果或工作质量的总量指标。
进一步地，作为本发明的一个可选实施例，所述根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标，包括：根据所述业务场景，分析所述待评估风电设备的业务需求，并提取所述服役质量分析体系中的体系质量指标；对所述业务需求进行文本分词处理，得到需求分词，分别对所述需求分词和所述体系质量指标进行向量转换，得到需求转换向量和指标转换向量；根据所述需求转换向量和所述指标转换向量，计算所述业务需求与所述体系质量指标之间的语义相似度，根据所述语义相似度，确定所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标。
可选地，所述对所述业务需求进行文本分词处理进行文本分词处理可通过正向最大匹配法、N-最短路径方法、基于词感知机的分词方法及基于CRF的分词方法等实现。所述分别对所述需求分词和所述体系质量指标进行向量转换可通过Word2Vec算法实现。
可选地，所述根据所述需求转换向量和所述指标转换向量，计算所述业务需求与所述体系质量指标之间的语义相似度，包括：
利用下述公式计算所述业务需求与所述体系质量指标之间的语义相似度：
；
其中，表示业务需求与体系质量指标之间的语义相似度，/>表示第/>个需求转换向量，/>表示第/>个指标转换向量，/>体系质量指标，/>表示业务需求，/>表示需求转换向量的序号，/>表示需求转换向量的数量，/>表示体系质量指标的序号，/>表示体系质量指标的数量，/>表示余弦函数符号，/>表示条件概率符号。
可选地，所述根据所述语义相似度，确定所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标可以通过根据预设相似度阈值，在所述语义相似度不小于所述预设相似度阈值时，确定所述语义相似度对应的体系质量指标为所述质量分析指标。其中，所述预设相似度阈值是判定体系质量指标状态的临界值。
S2、识别所述质量分析指标之间的层次关联关系，查询所述层次关联关系中的上层质量指标和下层质量指标，构建所述下层质量指标与所述上层质量指标之间的判断矩阵。
本发明实施例通过识别所述质量分析指标之间的层次关联关系可确定质量分析指标之间的因果层次联系，以为后续构建表征质量分析指标之间更准确关联关系的的层次结构模型。
进一步地，作为本发明的一个可选实施例，所述识别所述质量分析指标之间的层次关联关系，包括：
从所述质量分析指标中提取任意两个质量指标，得到第一质量指标和第二质量指标，并获取所述第一质量指标和所述第二质量指标在预设质量指标数据库中的第一指标数据和第二指标数据；
根据所述第一指标数据和所述第二指标数据，构建关于所述第一质量指标和所述第二质量指标的离散点集，并构建所述离散点集的散点图；
对所述散点图进行行列网格化处理，得到网格散点块图，计算所述网格散点块图关于所述第一质量指标和所述第二质量指标的第一指标概率、第二指标概率及联合指标概率；
根据所述网格散点块图、所述第一指标概率、所述第二指标概率及所述联合指标概率，计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数；
根据所述最大互信息系数，利用预设信息系数阈值，确定所述第一质量指标和所述第二质量指标之间的指标关联关系，分析所述第一质量指标和所述第二质量指标之间的指标因果关系；
根据所述指标关联关系和所述指标因果关系，确定所述第一质量指标和所述第二质量指标之间的指标之间的指标层次关系，根据所述指标层次关系，确定所述质量分析指标之间的层次关联关系。
可选地，所述根据所述网格散点块图、所述第一指标概率、所述第二指标概率及所述联合指标概率，计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数，包括：
利用下述公式计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数：
；
其中，表示最大互信息系数，/>表示联合指标概率，/>表示第一指标概率，/>表示第二指标概率，/>表示第一质量指标，/>表示第二质量指标，/>表示网格散点块图在横轴方向划分的网格数，/>表示网格散点块图在纵轴方向划分的网格数，/>表示网格散点块图的网格数量参数，/>表示最小值函数符号，/>表示概率符号。
进一步地，本发明实施例通过查询所述层次关联关系中的上层质量指标和下层质量指标可以确定质量指标间的层次关系，所述上层质量指标和所述下层质量指标可以通过分析所述层次关联关系中的因果联系实现。
进一步地，本发明实施例通过构建所述下层质量指标之间关于所述上层质量指标的判断矩阵可以为后续确定下层质量指标的权重前提。
进一步地，作为本发明的一个可选实施例，所述构建所述下层质量指标之间关于所述上层质量指标的判断矩阵，包括：将所述下层质量指标进行有序排列，得到下层指标序列，按照所述下层指标序列为行列指标次序，构建下层指标矩阵，并配置所述下层指标矩阵的行指标和列指标；比较每个所述行指标和每个所述列指标关于所述上层质量指标的指标重要性，利用预构建的重要性标度表，将所述指标重要性映射为所述重要性标度表中对应的标度值；分别识别所述标度值对应的在所述行指标和所述列指标中的行指标序号和列指标序号，根据所述行指标序号、所述列指标序号及所述标度值，构建所述下层质量指标之间关于所述上层质量指标的判断矩阵。
S3、根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量，根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型。
本发明实施例通过根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量可以直观揭示下层质量指标关于所述上层质量指标的重要程度，以保证后续层次结构模型的构建准确性。
进一步地，作为本发明的一个可选实施例，所述根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量，包括：
将所述判断矩阵按列规范化，得到列规范矩阵，将所述列规范矩阵进行权重列向量平均，得到候选权重向量；
根据所述候选权重向量，利用下述公式计算所述列规范矩阵的最大特征值：
；
；
其中，表示列规范矩阵的最大特征值，/>表示判断矩阵的列规范矩阵，/>表示候选权重向量,/>表示列规范矩阵与候选权重向量乘积的第/>个向量分量，/>表示候选权重向量的第/>个向量分量，/>表示列规范矩阵的行列数量；
根据所述最大特征值，计算所述列规范矩阵的一致性比率，在所述一致性比率小于预设阈值时，将所述候选权重向量作为所述下层质量指标关于所述上层质量指标的层次权重向量。
其中，所述预设阈值是指一个效应能够产生的临界值，可设定为0.1。
可选的，所述根据所述最大特征值，计算所述列规范矩阵的一致性比率，包括：
利用下述公式计算所述列规范矩阵的一致性指标：
；
其中，表示列规范矩阵的一致性指标，/>表示列规范矩阵的最大特征值，/>表示列规范矩阵的行列数量。
根据所述一致性指标，利用下述公式计算所述列规范矩阵的一致性比率：
；
其中，表示列规范矩阵的一致性比率，/>表示列规范矩阵的一致性指标，/>表示随机一致性指标，可通过查询预设的/>统计表得到。
进一步地，本发明实施例通过根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型可以得到待评估风电设备的更全面多层次地表征服役质量特性的层次结构模型，以提高服役质量分析的准确性。所述层次结构模型是指在对复杂问题的本质、影响因素及其内在关系等进行深入研究的基础上，利用较少的定量信息使问题的分析思维过程数学化，从而为复杂问题提供简便的分析方法。
进一步地，作为本发明的一个可选实施例，所述根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型，包括：提取所述层次关联关系中的质量分析指标，配置所述质量分析指标为层次节点；配置所述层次关联关系为层次节点关系，根据所述层次节点关系和所述层次权重向量，配置所述层次节点之间的层次权重；基于所述层次节点、所述层次节点关系及所述层次权重，构建的所述质量分析指标的层次结构模型。
S4、获取所述待评估风电设备的服役状态数据，根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分，根据所述层次质量得分和所述指标综合得分，生成所述待评估风电设备的服役质量分析报告。
本发明实施例通过获取所述待评估风电设备的服役状态数据可以为待评估风电设备的服役质量分析提供基本分析数据，所述服役状态数据可通过多源数据库获取，如SCADA数据库、CMS系统数据库及风电实验测试数据库等。
进一步地，本发明实施例通过根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分不但可以得到待评估风电设备在各层次质量分析指标上的局部层次质量得分，而且确定了表征设备全局质量特性的指标综合得分，以提高状态质量分析的准确性。
进一步地，作为本发明的一个可选实施例，所述根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分，包括：
提取所述层次结构模型中的质量分析指标，查询所述服役状态数据中对应所述质量分析指标的分析状态数据；
对所述分析状态数据进行归一化处理，得到归一分析数据，识别所述层次结构模型中的层次节点、层次节点关系及层次权重，将所述所述归一分析数据对应的所述质量分析指标与所述层次节点进行匹配，得到匹配层次节点，并同步配置所述匹配层次节点的所述层次节点关系及所述层次权重；
获取所述层次结构模型的结构层数，根据所述归一分析数据、所述结构层数、所述匹配层次节点、所述层次节点关系及所述层次权重，利用下述公式计算所述待评估风电设备的层次质量得分和指标综合得分：
；
；
；
其中，表示层次结构模型第/>层根节点的指标综合得分，/>表示第/>层第j个匹配层次节点的层次质量得分，/>表示第/>层第j个匹配层次节点的层次权重，/>表示层次结构模型第/>层第/>个匹配层次节点/>的层次质量得分，/>表示第/>层第j个匹配层次节点/>的层次质量得分，/>表示匹配层次节点/>的层次权重，/>表示底层第/>个匹配层次节点的层次质量得分，/>表示底层第/>个匹配层次节点对应的归一分析数据，/>表示当前匹配层次节点的下层子节点的序号，/>表示第/>层根节点的下层子节点的数量，/>表示第/>层第/>个匹配层次节点/>的下层子节点的数量，/>表示层次结构模型的结构层数。
需要说明的是，所述层次结构模型中最底层的匹配层次节点对应的质量分析指标一般具有实际物理含义，通常可利用传感器等方式易于获取状态数据，而中间层的匹配层次节点对应的质量分析指标有的很难获取状态数据，需要根据数据关系通过底层数据层层计算获得。
进一步地，本发明实施例通过根据所述层次质量得分和所述指标综合得分，生成所述待评估风电设备的服役质量分析报告不仅可以从待评估风电设备的整体质量水平方面进行分析，而且剖析了质量指标的层次关系及对应的层次质量得分，实现对问题意图更深层次地分析。所述待评估风电设备的服役质量分析报告可以通过将所述层次质量得分和所述指标综合得分进行层次融合实现。
可以看出，本发明实施例通过识别待评估风电设备的业务场景可以确定待评估风电设备的相应业务场景下的用户需求，以使得后续对服役状态质量分析更具针对性，根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标可以更直观地展示待评估风电设备服役状态质量，有益于后续更便捷地开展质量分析工作，并通过识别所述质量分析指标之间的层次关联关系可确定质量分析指标之间的因果层次联系，以为后续构建表征质量分析指标之间更准确关联关系的的层次结构模型；其次，本发明实施例通过查询所述层次关联关系中的上层质量指标和下层质量指标可以确定质量指标间的层次关系，构建所述下层质量指标之间关于所述上层质量指标的判断矩阵可以为后续确定下层质量指标的权重前提，并根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量可以直观揭示下层质量指标关于所述上层质量指标的重要程度，以保证后续层次结构模型的构建准确性，及根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型可以得到待评估风电设备的更全面多层次地表征服役质量特性的层次结构模型，以提高服役质量分析的准确性；进一步地，本发明实施例通过获取所述待评估风电设备的服役状态数据可以为待评估风电设备的服役质量分析提供基本分析数据，根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分不但可以得到待评估风电设备在各层次质量分析指标上的局部层次质量得分，而且确定了表征设备全局质量特性的指标综合得分，以提高状态质量分析的准确性，根据所述层次质量得分和所述指标综合得分，生成所述待评估风电设备的服役质量分析报告不仅可以从待评估风电设备的整体质量水平方面进行分析，而且剖析了质量指标的层次关系及对应的层次质量得分，实现对问题意图更深层次地分析。因此，本发明实施例提出的一种基于数据驱动实现风电设备的服役状态质量分析方法，可以提高风电设备服役质量分析的准确性。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述方法包括：
识别待评估风电设备的业务场景，根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标；
识别所述质量分析指标之间的层次关联关系，查询所述层次关联关系中的上层质量指标和下层质量指标，构建所述下层质量指标与所述上层质量指标之间的判断矩阵；
根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量，根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型；
获取所述待评估风电设备的服役状态数据，根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分，根据所述层次质量得分和所述指标综合得分，生成所述待评估风电设备的服役质量分析报告。
2.如权利要求1所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述根据所述业务场景，查询所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标，包括：
根据所述业务场景，分析所述待评估风电设备的业务需求，并提取所述服役质量分析体系中的体系质量指标；
对所述业务需求进行文本分词处理，得到需求分词，分别对所述需求分词和所述体系质量指标进行向量转换，得到需求转换向量和指标转换向量；
根据所述需求转换向量和所述指标转换向量，计算所述业务需求与所述体系质量指标之间的语义相似度，根据所述语义相似度，确定所述待评估风电设备在预构建的服役质量分析体系中对应的质量分析指标。
3.如权利要求2所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述根据所述需求转换向量和所述指标转换向量，计算所述业务需求与所述体系质量指标之间的语义相似度，包括：
利用下述公式计算所述业务需求与所述体系质量指标之间的语义相似度：
；
其中，表示业务需求与体系质量指标之间的语义相似度，/>表示第/>个需求转换向量，/>表示第/>个指标转换向量，/>体系质量指标，/>表示业务需求，/>表示需求转换向量的序号，/>表示需求转换向量的数量，/>表示体系质量指标的序号，/>表示体系质量指标的数量，/>表示余弦函数符号，/>表示条件概率符号。
4.如权利要求1所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述识别所述质量分析指标之间的层次关联关系，包括：
从所述质量分析指标中提取任意两个质量指标，得到第一质量指标和第二质量指标，并获取所述第一质量指标和所述第二质量指标在预设质量指标数据库中的第一指标数据和第二指标数据；
根据所述第一指标数据和所述第二指标数据，构建关于所述第一质量指标和所述第二质量指标的离散点集，并构建所述离散点集的散点图；
对所述散点图进行行列网格化处理，得到网格散点块图，计算所述网格散点块图关于所述第一质量指标和所述第二质量指标的第一指标概率、第二指标概率及联合指标概率；
根据所述网格散点块图、所述第一指标概率、所述第二指标概率及所述联合指标概率，计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数；
根据所述最大互信息系数，利用预设信息系数阈值，确定所述第一质量指标和所述第二质量指标之间的指标关联关系，分析所述第一质量指标和所述第二质量指标之间的指标因果关系；
根据所述指标关联关系和所述指标因果关系，确定所述第一质量指标和所述第二质量指标之间的指标之间的指标层次关系，根据所述指标层次关系，确定所述质量分析指标之间的层次关联关系。
5.如权利要求4所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述根据所述网格散点块图、所述第一指标概率、所述第二指标概率及所述联合指标概率，计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数，包括：
利用下述公式计算所述第一质量指标和所述第二质量指标的之间的最大互信息系数：
；
其中，表示最大互信息系数，/>表示联合指标概率，/>表示第一指标概率，/>表示第二指标概率，/>表示第一质量指标，/>表示第二质量指标，/>表示网格散点块图在横轴方向划分的网格数，/>表示网格散点块图在纵轴方向划分的网格数，/>表示网格散点块图的网格数量参数，/>表示最小值函数符号，/>表示概率符号。
6.如权利要求1所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述构建所述下层质量指标之间关于所述上层质量指标的判断矩阵，包括：
将所述下层质量指标进行有序排列，得到下层指标序列，按照所述下层指标序列为行列指标次序，构建下层指标矩阵，并配置所述下层指标矩阵的行指标和列指标；
比较每个所述行指标和每个所述列指标关于所述上层质量指标的指标重要性，利用预构建的重要性标度表，将所述指标重要性映射为所述重要性标度表中对应的标度值；
分别识别所述标度值对应的在所述行指标和所述列指标中的行指标序号和列指标序号，根据所述行指标序号、所述列指标序号及所述标度值，构建所述下层质量指标之间关于所述上层质量指标的判断矩阵。
7.如权利要求1所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述根据所述判断矩阵，确定所述下层质量指标关于所述上层质量指标的层次权重向量，包括：
将所述判断矩阵按列规范化，得到列规范矩阵，将所述列规范矩阵进行权重列向量平均，得到候选权重向量；
根据所述候选权重向量，利用下述公式计算所述列规范矩阵的最大特征值：
；
；
其中，表示列规范矩阵的最大特征值，/>表示判断矩阵的列规范矩阵，/>表示候选权重向量,/>表示列规范矩阵与候选权重向量乘积的第/>个向量分量，/>表示候选权重向量的第/>个向量分量，/>表示列规范矩阵的行列数量；
根据所述最大特征值，计算所述列规范矩阵的一致性比率，在所述一致性比率小于预设阈值时，将所述候选权重向量作为所述下层质量指标关于所述上层质量指标的层次权重向量。
8.如权利要求7所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述根据所述最大特征值，计算所述列规范矩阵的一致性比率，包括：
利用下述公式计算所述列规范矩阵的一致性指标：
；
其中，表示列规范矩阵的一致性指标，/>表示列规范矩阵的最大特征值，/>表示列规范矩阵的行列数量；
根据所述一致性指标，利用下述公式计算所述列规范矩阵的一致性比率：
；
其中，表示列规范矩阵的一致性比率，/>表示列规范矩阵的一致性指标，/>表示随机一致性指标，可通过查询预设的/>统计表得到。
9.如权利要求1所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述根据所述层次权重向量和所述层次关联关系，构建所述质量分析指标的层次结构模型，包括：
提取所述层次关联关系中的质量分析指标，配置所述质量分析指标为层次节点；
配置所述层次关联关系为层次节点关系，根据所述层次节点关系和所述层次权重向量，配置所述层次节点之间的层次权重；
基于所述层次节点、所述层次节点关系及所述层次权重，构建的所述质量分析指标的层次结构模型。
10.如权利要求1所述的基于数据驱动实现风电设备的服役状态质量分析方法，其特征在于，所述根据所述服役状态数据，利用所述层次结构模型，分别计算所述待评估风电设备的层次质量得分和指标综合得分，包括：
提取所述层次结构模型中的质量分析指标，查询所述服役状态数据中对应所述质量分析指标的分析状态数据；
对所述分析状态数据进行归一化处理，得到归一分析数据，识别所述层次结构模型中的层次节点、层次节点关系及层次权重，将所述所述归一分析数据对应的所述质量分析指标与所述层次节点进行匹配，得到匹配层次节点，并同步配置所述匹配层次节点的所述层次节点关系及所述层次权重；
获取所述层次结构模型的结构层数，根据所述归一分析数据、所述结构层数、所述匹配层次节点、所述层次节点关系及所述层次权重，利用下述公式计算所述待评估风电设备的层次质量得分和指标综合得分：
；
；
；
其中，表示层次结构模型第/>层根节点的指标综合得分，/>表示第/>层第j个匹配层次节点的层次质量得分，/>表示第/>层第j个匹配层次节点的层次权重，/>表示层次结构模型第/>层第/>个匹配层次节点/>的层次质量得分，/>表示第/>层第j个匹配层次节点/>的层次质量得分，/>表示匹配层次节点/>的层次权重，/>表示底层第/>个匹配层次节点的层次质量得分，/>表示底层第/>个匹配层次节点对应的归一分析数据，/>表示当前匹配层次节点的下层子节点的序号，/>表示第/>层根节点的下层子节点的数量，/>表示第/>层第/>个匹配层次节点/>的下层子节点的数量，/>表示层次结构模型的结构层数。
CN202310847603.4A 2023-07-12 2023-07-12 基于数据驱动实现风电设备的服役状态质量分析方法 Active CN116579633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310847603.4A CN116579633B (zh) 2023-07-12 2023-07-12 基于数据驱动实现风电设备的服役状态质量分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310847603.4A CN116579633B (zh) 2023-07-12 2023-07-12 基于数据驱动实现风电设备的服役状态质量分析方法

Publications (2)

Publication Number Publication Date
CN116579633A true CN116579633A (zh) 2023-08-11
CN116579633B CN116579633B (zh) 2023-11-17

Family

ID=87545613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310847603.4A Active CN116579633B (zh) 2023-07-12 2023-07-12 基于数据驱动实现风电设备的服役状态质量分析方法

Country Status (1)

Country Link
CN (1) CN116579633B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007172291A (ja) * 2005-12-22 2007-07-05 Hitachi Ltd 業務プロセス品質の評価方法
JP2009009342A (ja) * 2007-06-27 2009-01-15 Toshiba Corp 情報処理装置およびプログラム
WO2019100504A1 (zh) * 2017-11-22 2019-05-31 北京科东电力控制系统有限责任公司 构建基于大数据技术的电力交易指标体系的方法
CN110705856A (zh) * 2019-09-24 2020-01-17 苏州热工研究院有限公司 基于层次分析法的核电设备锻件材料制造质量评估方法
CN111724196A (zh) * 2020-05-14 2020-09-29 天津大学 一种基于用户体验的提高汽车产品质量的方法
CN112365135A (zh) * 2020-10-27 2021-02-12 西安热工研究院有限公司 基于模糊层次分析法的风电叶片制造质量评价方法、系统及设备
CN113610443A (zh) * 2021-08-30 2021-11-05 西安热工研究院有限公司 一种风电机组健康度与服役质量评估方法
CN114331237A (zh) * 2022-03-16 2022-04-12 湖北碧尔维环境科技有限公司 基于ahp-熵权法的污水处理质量评估方法及装置
CN114528848A (zh) * 2022-04-22 2022-05-24 中国电子科技集团公司第二十八研究所 一种基于指标阈值和语义解析的安全分析和自动评估方法
CN115081951A (zh) * 2022-07-28 2022-09-20 东南大学溧阳研究院 基于模糊综合评判的风电并网系统电能质量评估方法
WO2023019986A1 (zh) * 2021-08-19 2023-02-23 北京邮电大学 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置
CN116402370A (zh) * 2022-12-23 2023-07-07 中国人民解放军国防科技大学 一种基于ahp改进critic的综合指标赋权方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007172291A (ja) * 2005-12-22 2007-07-05 Hitachi Ltd 業務プロセス品質の評価方法
JP2009009342A (ja) * 2007-06-27 2009-01-15 Toshiba Corp 情報処理装置およびプログラム
WO2019100504A1 (zh) * 2017-11-22 2019-05-31 北京科东电力控制系统有限责任公司 构建基于大数据技术的电力交易指标体系的方法
CN110705856A (zh) * 2019-09-24 2020-01-17 苏州热工研究院有限公司 基于层次分析法的核电设备锻件材料制造质量评估方法
CN111724196A (zh) * 2020-05-14 2020-09-29 天津大学 一种基于用户体验的提高汽车产品质量的方法
CN112365135A (zh) * 2020-10-27 2021-02-12 西安热工研究院有限公司 基于模糊层次分析法的风电叶片制造质量评价方法、系统及设备
WO2023019986A1 (zh) * 2021-08-19 2023-02-23 北京邮电大学 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置
CN113610443A (zh) * 2021-08-30 2021-11-05 西安热工研究院有限公司 一种风电机组健康度与服役质量评估方法
CN114331237A (zh) * 2022-03-16 2022-04-12 湖北碧尔维环境科技有限公司 基于ahp-熵权法的污水处理质量评估方法及装置
CN114528848A (zh) * 2022-04-22 2022-05-24 中国电子科技集团公司第二十八研究所 一种基于指标阈值和语义解析的安全分析和自动评估方法
CN115081951A (zh) * 2022-07-28 2022-09-20 东南大学溧阳研究院 基于模糊综合评判的风电并网系统电能质量评估方法
CN116402370A (zh) * 2022-12-23 2023-07-07 中国人民解放军国防科技大学 一种基于ahp改进critic的综合指标赋权方法

Also Published As

Publication number Publication date
CN116579633B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
CN111753893A (zh) 一种基于聚类和深度学习的风电机组功率集群预测方法
CN115759378A (zh) 一种基于数字孪生的大坝安全分析预警系统及方法
CN104319807B (zh) 一种基于Copula函数获取多风电场容量可信度的方法
CN113935562A (zh) 一种电力设备健康状况智能评级与自动预警方法
CN109272258B (zh) 基于K-means聚类的区域风光发电资源评估方法
Yang et al. A deep attention convolutional recurrent network assisted by k-shape clustering and enhanced memory for short term wind speed predictions
CN107194495A (zh) 一种基于历史数据挖掘的光伏功率纵向预测方法
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
CN107274006A (zh) 一种基于贝叶斯推断的多源气象风速融合方法
CN112651576A (zh) 长期风电功率预测方法及装置
CN107038497A (zh) 一种学生成绩预测系统及方法
Xiao-fei et al. Power system load forecasting by improved principal component analysis and neural network
AU2021101372A4 (en) Human Body Shape Prediction System Based on Human Body Size Database
CN114077921A (zh) 变压器感知量趋势预测及状态逐级预警方法、装置及系统
CN116862209B (zh) 一种新能源汽车充电设施管理方法及系统
CN116611741B (zh) 基于风电设备的服役质量指数体系构建方法及系统
CN116579633B (zh) 基于数据驱动实现风电设备的服役状态质量分析方法
Pan et al. A novel probabilistic modeling framework for wind speed with highlight of extremes under data discrepancy and uncertainty
CN109284936A (zh) 一种基于云图形可视化输出的电能质量评估方法
CN115640916B (zh) 分布式电源出力和多能负荷态势感知方法及系统
CN117458437A (zh) 一种短期风电功率预测方法、系统、设备及介质
Xia et al. A power fluctuation evaluation method of PV plants based on RankBoost ranking
CN116565840A (zh) 一种用于风电场风功率预测的高精度风速软测量方法
CN105975595A (zh) 一种实时数据中心数据质量监测考核方法
Zhang et al. Demand prediction of emergency supplies under fuzzy and missing partial data

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
GR01 Patent grant