CN116822728A - 基于典型相关系数和模糊Petri网络变电站防汛控制方法 - Google Patents

Abstract

本发明公开了一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，包括步骤：S1、通过变电站洪汛灾害演变过程给出不同阶段影响防汛的关键要素，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型；S2、基于加权优序法分析变电站防汛风险模型不同阶段的关键因子，对各个影响变电站防汛关键因子进行常规赋权；S3、结合季节特性和地理地形等因素对评估模型进行优化，并引入典型系数对主要特征指标进行加权赋值对原有模型进行改进，真实反映不同因素对防汛发展的贡献程度；S4、依据评估模型计算求取的变电站防汛状态等级值进行控制预防洪汛，确定变电站的防汛水平。从而有效实现变电站防汛控制。

Description

基于典型相关系数和模糊Petri网络变电站防汛控制方法

技术领域

本发明涉及变电站防汛技术领域，尤其涉及基于典型相关系数和模糊Petri网络变电站防汛控制方法。

背景技术

电力行业是关系到国计民生的支柱型产业，变电站是电力系统中最为关键的环节，确保变电站辅助设备和环境安全是电力运行的重点之一。为了把发电厂发出来的电能输送到较远的地方，必须把电压升高，变为高压电，到用户附近再按需要把电压降低，这种升降电压的工作靠变电站来完成。变电站的主要设备是开关和变压器。按规模大小不同，小的称为变电所。变电站大于变电所。变电站是电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的电力设施，它通过其变压器将各级电压的电网联系起来。

夏季极端暴雨天气频发，电网设备及其附属设施的安全运行受到严峻挑战。面对暴雨天气，应对不及时将会给设备的正常运行带来极大的冲击。电网的防汛风险预测能保障电网安全稳定运行，是提升供电可靠性的重要环节，不仅能为防汛工作提供科学依据，也便于加强变电站安全管控，将灾害影响程度降到最低。目前对风险定量预测算法分为机器学习、深度学习和混杂预测算法等。

CN104183043B公开了一种变电站无人值守安防系统，至少包括门禁系统、站外图像检测设备、验证服务器以及验证终端，通过站外图像检测设备检测进入的人员并通过验证服务器验证以及验证终端验证，然后控制门禁系统动作，能够对变电站实现全天候的安防监控，并能够有效地将非法人员排除在变电站外，保证变电设备的安全并避免被非法操作，而且减少人工干预，无需专职人员进行值守，节约人力资源及成本。防汛效果不好，大雨天气变电站内部可能会产生大量积水，影响设备正常运行。

CN114399116A公开了一种变电站防汛方法，涉及变电站防汛技术领域。包括：在预设时间段内获取集水井的水位信息以及排水系统的排水流量信息；根据集水井在预设时间段内的水位信息和排水系统的排水流量信息，确定集水井在预设时间段内的进水流量信息；基于集水井在预设时间段内的进水流量信息，采用预测算法预测集水井在目标时间段内的进水流量信息，目标时间段的起始时刻晚于预设时间段的终止时刻；根据集水井在目标时间段内的进水流量信息生成防汛信息。难以对变电站防汛数据进行特征提取和更深入的信息挖掘及捕获时序数据特征，防汛效果不好，预测不准确。

发明内容

为克服上述缺陷，本发明的目的在于提供基于典型相关系数和模糊Petri网络变电站防汛控制方法，分析变电站发生洪汛灾害时与气象数据的关联，依据模型计算求取的变电站防汛评估等级Yi的值进行控制预防洪汛，从而有效实现变电站防汛控制。

为实现上述目的，本发明采用如下技术方案：

一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，包括以下步骤：

S1、通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和完成洪汛形成四个阶段，并给出不同阶段影响防汛的关键要素，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型；

S2、基于加权优序法分析变电站防汛风险模型不同阶段中地理数据、气象信息和变电站防汛装置的关键因子，并对各个影响变电站防汛关键因子进行常规赋权；

S3、结合季节特性和地理地形等因素对评估模型进行优化，并引入典型系数对主要特征指标进行加权赋值对原有模型进行改进，分析变电站发生洪汛灾害时与气象数据等关键因素的关联，真实反映不同因素对防汛发展的贡献程度；

S4、依据评估模型计算求取的变电站防汛状态等级值进行控制预防洪汛，确定变电站的防汛水平。

可选的，S1中所述通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和完成洪汛形成四个阶段，并给出不同阶段影响防汛的关键要素，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型包括步骤：

S11、为了实现对变电站防汛状态评估，需要建立变电站评估指标Y_i；，基于评估指标进行模型训练评估可知变电站防汛安全状态；

S12、变电站防汛控制模型的建立；

S13、评估模型的多维输入数据p_ji包括气候雨水温度条件、地形信息、变电站防汛装置建筑状况、土壤植被情况和变电站附近水文状况信息；

评估模型的基本矩阵H_j可表示为：

B_j表示评估等级，Y_j表示评估指标，p_ji表示影响变电站防汛的多维数据；

建立模糊Petri网络多维数据对评估指标的支撑规则：

W＝(ω_ji)为规则的多维数据影响矩阵，反映规则中前面气象地形等因素对变电站洪汛输出结果的支撑程度，并随着多维数据的真实度动态改变，p_j为多维数据p_ji的非空有限集合，α(p_j)为一个映射，表示多维数据p_j对应命题的真实度，θ_ji为关联系数，当多维数据和评估模型结果变迁之间存在关联时，其值不为0。

可选的，所述评估指标Y_i包括地形地势危险等级、变电站周围河流流量及地理距离、变电站是否处于蓄洪区、次生灾害区指标值、变电站排水系统指标值和变电站防汛装置建筑状态。

可选的，所述变电站防汛安全状态分为四级别，分别对应为安全、警示、危险和极度危险四个状态。

可选的，S2中，基于加权优序法分析变电站防汛风险模型不同阶段中地理数据、气象信息和变电站防汛装置的关键因子，并对四个变电站防汛四个发展阶段进行对关键要素进行常规加权；

在建立变电站防汛控制模型的基础上，采用加权优序法分析四个阶段中变电站地理地形、气象信息和变电站防汛装置等影响因子；

采用加权优序法进行关键要素进行安全评估，在变电站防汛发展不同阶段对影响因素进行划分及预处理，基于每个阶段中洪汛发展和影响因素之间的联系程度高低进行赋权分析，从而变电站防汛影响因素进行离散排序。

可选的，包括步骤：

S21、对变电站防汛影响向量进行归一化处理，消除各项防汛数据的量纲不同进行标准化处理如式(3)所示；

式中：p_ji表示变电站防汛影响多维数据，p_min和p_max代表防汛数据每项的最小值和最大值；

S22、假定有n行m列的防汛综合数据P_ji，其中i为检测个数，j为防汛发展等级数，根据评估结果确定变电站防汛发展阶段y_j；

S23、通过构造拉格朗日函数，对不同发展阶段变电站防汛因素进行赋权：

S24、采用基于信息熵的最大信息系数计算多维变量p_ji之间的非线性相关系数。

可选的，S3中，所述结合季节特性和地理地形等因素对评估模型进行优化，并引入典型系数对主要特征指标进行加权赋值对原有模型进行改进，分析变电站发生洪汛灾害时与气象数据等关键因素的关联，真实反映不同因素对防汛发展的贡献程度包括步骤：

S31、在建立变电站防汛控制模型的基础上，采用加权优序法分析各个阶段中变电站地理地形、气象信息和变电站防汛装置等影响因子；在变电站防汛发展不同阶段对影响因素进行划分及预处理，基于每个阶段中洪汛发展和影响因素之间的联系程度高低进行赋权分析，从而变电站防汛影响因素进行离散排序；

S32、对于变电站防汛控制系统而言，结合季节特性和地理地形等因素对评估模型进行优化改进，并引入典型系数对主要特征指标进行优化加权；

S33、皮尔逊相关系数ρ数为三个变量之间的积差系数，分析变电站地形位置信息、气象数据和变电站防汛装置信息之间线性相关关系，p^p _ji、p^q _ji和p^f _ji分别表示变电站地形位置信息、变电站周围气象数据和变电站防汛装置状态信息，cov()表示协方差函数，D(p^p _ji)、D(p^q _ji)和D(p^f _ji)分别表示变电站地形位置信息、气象数据和变电站防汛装置信息的方差；

S34、复相关系数MIC[]是反映输出结果与一组自变量之间相关程度的指标，测定防汛评估结果Y_n与其它多个数据(p^p _ji、p^q _ji、p^f _ji)的之间的关联程度，首先构造关于(p^p _ji、p^q _ji、p^f _ji)线性组合P，通过计算线性组合P和Y_j之间的复相关系数；

k_ji为多维数据P集合和变电站评估等级Y_j的典型相关系数，典型相关分析找到向量a和b，使得指数a^TP和b^TY的关系实现量化即可分析两组向量之间的相关性；

S35、考虑季节特性采用典型相关系数优化多维数据之间的相关程度，计算公式如下：

K_j(p_j)表示考虑季节特性采用典型相关系数优化p_j多维数据p_ji之间的典型相关系数，f(p_j,p^p _ji)表示p_j与p^p _ji之间的区间距离，f(p_j,^p _ji)表示p_j与p_ji之间的距离；

S36、为了进行变电站防汛状态等级评定，如下：

Y_j为测定防汛评估结果，k_ji为多维数据和变电站评估等级的典型相关系数，K_j(p_j)表示考虑季节特性采用典型相关系数优化多维数据p_ji之间的典型相关系数，P_ji表示多个数据(p^p _ji、p^q _ji、p^f _ji)线性组合。

可选的，S4中，依据模型计算求取的变电站防汛评估等级Y_i的值进行控制预防洪汛；

结合季节特性和地理地形等因素对评价模型进行优化改进，分析变电站发生洪汛灾害时与气象数据的关联，真实反映不同因素对防汛发展的贡献程度，从而实现变电站防汛控制。

近年来，随着我国经济的迅猛发展，人民生产生活对电力的需求持续快速增长，变电站的安全运行直接影响社会经济的发展、人民的生活及社会的稳定。变电站作为电网运行的重要环节，其安全稳定运行是保障电网安全可靠供电的必要条件。长期以来，在“迎峰度夏”期间，防汛工作一直是电网关注的重点。尤其是近年来，随着夏季极端暴雨天气的频发，电网设备及其附属设施的安全运行受到了严峻挑战。因此，做好变电站的防汛工作能保障电网安全稳定运行，是提升供电可靠性的一个重要环节。

电力行业无人值守系统普遍存在的问题是：用户在各自的变电站等已实施了部分视频监控、动环监测和综合报警系统，但大多分步、分批实施，导致系统各自独立运行，甚至每套系统都需要独立的管理人员，很难做到多系统的综合监控、集中管理，无形中降低了系统的高效性，增加了系统的管理成本。对于用户来说，如何将分散的系统进行统一联网监控以保证原有投资不会浪费才是目前的当务之急。

本发明的积极有益效果：

提出一种基于典型相关系数和模糊petri网络变电站防汛控制方法，通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和洪汛冲击四个阶段，并给出不同阶段影响防汛的关键要素，引入模糊petri网络建立基于模糊产生式规则的变电站防汛控制模型，基于加权优序法分析变电站防汛风险模型四个阶段中地理数据、气象信息和变电站防汛装置状况等的权重因子，并引入典型系数对主要特征指标进行加权赋值，结合季节特性和地理地形等因素对评价模型进行优化改进，分析变电站发生洪汛灾害时与气象数据的关联，依据模型计算求取的变电站防汛评估等级Yi的值进行控制预防洪汛，从而有效实现变电站防汛控制。

可高效提高防汛预测水平，对重要预警信息进行推送提醒，有效提高管理者对风险的应对决策，提高了防汛应急的反应能力，充分的人力、物力保障和较完善的抢险措施，提高了各变电站设备设施的汛水应对能力，降低了事故发生的概率。此外，通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和洪汛冲击四个阶段，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型，基于加权优序法分析变电站防汛风险模型不同阶段中地理数据、气象信息和变电站防汛装置等的关键因子，并引入典型系数对主要特征指标进行加权赋值，结合季节特性和地理地形等因素对评价模型进行优化改进，实现智能化管理。

附图说明

图1是本发明提供的基于典型相关系数和模糊petri网络变电站防汛控制过程图；

图2是本发明提供的变电站防汛评估指标结构示意图；

图3是本发明提供的采用加权有法对变电站防汛模糊模型进行常规赋权结构图；

图4是本发明提供的引入典型系数优化评估模型过程图。

具体实施方式

下面结合一些具体实施方式，对本发明做进一步说明。

如图1至图4所示，一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，包括以下步骤：

S1、通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和完成洪汛形成四个阶段，并给出不同阶段影响防汛的关键要素，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型；参考图1，为本发明采用模糊网络建立变电站防汛控制模型示意图；

S2、基于加权优序法分析变电站防汛风险模型不同阶段中地理数据、气象信息和变电站防汛装置等的关键因子，并对各个影响变电站防汛关键因子进行常规赋权；

S3、结合季节特性和地理地形等因素对评估模型进行优化，并引入典型系数对主要特征指标进行加权赋值对原有模型进行改进，分析变电站发生洪汛灾害时与气象数据等关键因素的关联，真实反映不同因素对防汛发展的贡献程度；

S4、依据评估模型计算求取的变电站防汛状态等级值进行控制预防洪汛，确定变电站的防汛水平。

为了实现对变电站防汛状态评估，需要建立变电站评估指标Y_i包括地形地势危险等级、变电站周围河流流量及地理距离、变电站是否处于蓄洪区、次生灾害区指标值、变电站排水系统指标值、变电站防汛装置建筑状态等，在变电站防汛控制中，基于上述各个关键要素进行模型训练评估可知变电站防汛安全状态分为4级别，分别对应为安全、警示、危险、极度危险四个状态。

表1建立变电站防汛评语集量化规则

建立变电站防汛控制模型：变电站洪汛的演变是有逻辑相关性的连锁过程，影响变电站洪汛灾害发展的各个要素信息具有随机、模糊、不精确的特点，利用模糊网络强大的因果关系描述能力可以模拟变电站洪汛灾害发展的全部历程，变电站洪汛不同发展阶段推动要素的选取进行建立变电站防汛控制模型。

假设我国某省份发生强降水以及内涝、滑坡、冲击等极端天气过程和次生灾害，造成变电站受洪汛倒灌和水淹冲击，造成变电站被动停电等重大损失，变电站防汛系统及时启动排水，通过对设定变电站洪汛场景分析将变电站洪汛发展划分为洪汛发生、洪汛识别、防汛控制和洪汛冲击，随着洪汛递进发展，对变电站的洪汛冲击愈发严重。如下表2：

表2变电站洪汛等级与发展过程的关联关系

变电站防汛控制模型的建立：变电站洪汛的演变是有逻辑相关性的连锁过程，影响变电站洪汛灾害发展的各个要素信息具有随机、模糊、不精确的特点，利用模糊网络强大的因果关系描述能力可以模拟变电站洪汛灾害发展的全部历程，变电站洪汛不同发展阶段推动要素的选取进行建立变电站防汛控制模型。

评估模型的多维输入数据pji包括气候雨水温度条件、地形信息、变电站防汛装置建筑状况、土壤植被情况、变电站附近水文状况信息等，如图2所示，结合多维数据对变电站防汛评估的影响，建立变电站防汛评估指标，具体分为变电站地理地形、变电站气象数据和变电站防汛装置。

S1中所述通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和完成洪汛形成四个阶段，并给出不同阶段影响防汛的关键要素，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型包括步骤：

S11、为了实现对变电站防汛状态评估，需要建立变电站评估指标Y_i；，基于评估指标进行模型训练评估可知变电站防汛安全状态；

S12、变电站防汛控制模型的建立；

S13、评估模型的多维输入数据p_ji包括气候雨水温度条件、地形信息、变电站防汛装置建筑状况、土壤植被情况和变电站附近水文状况信息等；

评估模型的基本矩阵H_j可表示为：

B_j表示评估等级，Y_j表示评估指标，p_ji表示影响变电站防汛的多维数据；

建立模糊Petri网络多维数据对评估指标的支撑规则：

W＝(ω_ji)为规则的多维数据影响矩阵，反映规则中前面气象地形等因素对变电站洪汛输出结果的支撑程度，并随着多维数据的真实度动态改变，p_j为多维数据p_ji的非空有限集合，α(p_j)为一个映射，表示多维数据p_j对应命题的真实度，θ_ji为关联系数，当多维数据和评估模型结果变迁之间存在关联时，其值不为0。

所述评估指标Y_i包括地形地势危险等级、变电站周围河流流量及地理距离、变电站是否处于蓄洪区、次生灾害区指标值、变电站排水系统指标值和变电站防汛装置建筑状态等。所述变电站防汛安全状态分为四级别，分别对应为安全、警示、危险和极度危险四个状态。

S2中，基于加权优序法分析变电站防汛风险模型不同阶段中地理数据、气象信息和变电站防汛装置的关键因子，并对四个变电站防汛四个发展阶段进行对关键要素进行常规加权；

在建立变电站防汛控制模型的基础上，采用加权优序法分析四个阶段中变电站地理地形、气象信息和变电站防汛装置等影响因子；建立变电站防汛结构指标体系如图2所示，采用加权优序法进行关键要素进行评估模型进行常规加权，在变电站防汛发展不同阶段对影响因素进行划分及预处理，基于每个阶段中洪汛发展和影响因素之间的联系程度高低进行赋权分析，从而变电站防汛影响因素进行离散排序，评估过程如图3所示。

ω_i-1＝(ω_1,i-1,ω_2,i-1,…,ω_j,i-1)^T (3)

式(3)中ω_i-1表示在i-1个阶段j个多维数据元素相对于防汛阶段i-1目标的影响因子。

还包括步骤：

S21、对变电站防汛影响向量进行归一化处理，消除各项防汛数据的量纲不同进行标准化处理如式(4)所示；

式中：p_ji表示变电站防汛影响多维数据，p_min和p_max代表防汛数据每项的最小值和最大值；

S22、假定有n行m列的防汛综合数据P_ji，其中i为检测个数，j为防汛发展等级数，根据评估结果确定变电站防汛发展阶段y_j；

S23、通过构造拉格朗日函数，对不同发展阶段变电站防汛因素进行赋权：

S24、采用基于信息熵的最大信息系数计算多维变量p_ji之间的非线性相关系数；加权优序法是一种用来量化多组向量之间和输出结果相关性的多源统计分析工具。

S3中，具体优化过程参考图4，所述结合季节特性和地理地形等因素对评估模型进行优化，并引入典型系数对主要特征指标进行加权赋值对原有模型进行改进，分析变电站发生洪汛灾害时与气象数据等关键因素的关联，真实反映不同因素对防汛发展的贡献程度包括步骤：

S31、在建立变电站防汛控制模型的基础上，采用加权优序法分析各个阶段中变电站地理地形、气象信息和变电站防汛装置等影响因子；在变电站防汛发展不同阶段对影响因素进行划分及预处理，基于每个阶段中洪汛发展和影响因素之间的联系程度高低进行赋权分析，从而变电站防汛影响因素进行离散排序；

S32、对于变电站防汛控制系统而言，结合季节特性和地理地形等因素对评估模型进行优化改进，并引入典型系数对主要特征指标进行优化加权；

S33、皮尔逊相关系数ρ数为三个变量之间的积差系数，分析变电站地形位置信息、气象数据和变电站防汛装置信息之间线性相关关系，p^p _ji、p^q _ji和p^f _ji分别表示变电站地形位置信息、变电站周围气象数据和变电站防汛装置状态信息，cov()表示协方差函数，D(p^p _ji)、D(p^q _ji)和D(p^f _ji)分别表示变电站地形位置信息、气象数据和变电站防汛装置信息的方差；

S34、复相关系数MIC[]是反映输出结果与一组自变量之间相关程度的指标，测定防汛评估结果Y_n与其它多个数据(p^p _ji、p^q _ji、p^f _ji)的之间的关联程度，首先构造关于(p^p _ji、p^q _ji、p^f _ji)线性组合P，通过计算线性组合P和Y_j之间的复相关系数；

k_ji为多维数据P集合和变电站评估等级Y_j的典型相关系数，典型相关分析找到向量a和b，使得指数a^TP和b^TY的关系实现量化即可分析两组向量之间的相关性；

S35、考虑季节特性采用典型相关系数优化多维数据之间的相关程度，计算公式如下：

K_j(p_j)表示考虑季节特性采用典型相关系数优化p_j多维数据p_ji之间的典型相关系数，f(p_j,p^p _ji)表示p_j与p^p _ji之间的区间距离，f(p_j,^p _ji)表示p_j与p_ji之间的距离；

S36、为了进行变电站防汛状态等级评定，如下：

Y_j为测定防汛评估结果，k_ji为多维数据和变电站评估等级的典型相关系数，K_j(p_j)表示考虑季节特性采用典型相关系数优化多维数据p_ji之间的典型相关系数，P_ji表示多个数据(p^p _ji、p^q _ji、p^f _ji)线性组合。

S4中，依据模型计算求取的变电站防汛评估等级Y_i的值进行控制预防洪汛；

结合季节特性和地理地形等因素对评价模型进行优化改进，分析变电站发生洪汛灾害时与气象数据的关联，真实反映不同因素对防汛发展的贡献程度，对易引起变电站突发洪汛灾害的气象数据进行提前预警，从而实现变电站防汛控制。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，包括以下步骤：

S1、通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和完成洪汛形成四个阶段，并给出不同阶段影响防汛的关键要素，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型；

S2、基于加权优序法分析变电站防汛风险模型不同阶段中地理数据、气象信息和变电站防汛装置的关键因子，并对各个影响变电站防汛关键因子进行常规赋权；

S3、结合季节特性和地理地形等因素对评估模型进行优化，并引入典型系数对主要特征指标进行加权赋值对原有模型进行改进，分析变电站发生洪汛灾害时与气象数据等关键因素的关联，真实反映不同因素对防汛发展的贡献程度；

S4、依据评估模型计算求取的变电站防汛状态等级值进行控制预防洪汛，确定变电站的防汛水平。

2.如权利要求1所述的一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，S1中所述通过变电站洪汛灾害演变过程分为洪汛发生、洪汛识别、防汛控制和完成洪汛形成四个阶段，并给出不同阶段影响防汛的关键要素，引入模糊网络建立基于模糊产生式规则的变电站防汛控制模型包括步骤：

S11、为了实现对变电站防汛状态评估，需要建立变电站评估指标Y_i；，基于评估指标进行模型训练评估可知变电站防汛安全状态；

S12、变电站防汛控制模型的建立；

S13、评估模型的多维输入数据p_ji包括气候雨水温度条件、地形信息、变电站防汛装置建筑状况、土壤植被情况和变电站附近水文状况信息；

评估模型的基本矩阵H_j可表示为：

B_j表示评估等级，Y_j表示评估指标，p_ji表示影响变电站防汛的多维数据；

建立模糊Petri网络多维数据对评估指标的支撑规则：

W＝(ω_ji)为规则的多维数据影响矩阵，反映规则中前面气象地形等因素对变电站洪汛输出结果的支撑程度，并随着多维数据的真实度动态改变，p_j为多维数据p_ji的非空有限集合，α(p_j)为一个映射，表示多维数据p_j对应命题的真实度，θ_ji为关联系数，当多维数据和评估模型结果变迁之间存在关联时，其值不为0。

3.如权利要求2所述的一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，所述评估指标Y_i包括地形地势危险等级、变电站周围河流流量及地理距离、变电站是否处于蓄洪区、次生灾害区指标值、变电站排水系统指标值和变电站防汛装置建筑状态。

4.如权利要求2所述的一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，所述变电站防汛安全状态分为四级别，分别对应为安全、警示、危险和极度危险四个状态。

5.如权利要求1所述的一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，S2中，基于加权优序法分析变电站防汛风险模型不同阶段中地理数据、气象信息和变电站防汛装置的关键因子，并对四个变电站防汛四个发展阶段进行对关键要素进行常规加权；

在建立变电站防汛控制模型的基础上，采用加权优序法分析四个阶段中变电站地理地形、气象信息和变电站防汛装置等影响因子；

采用加权优序法进行关键要素进行安全评估，在变电站防汛发展不同阶段对影响因素进行划分及预处理，基于每个阶段中洪汛发展和影响因素之间的联系程度高低进行赋权分析，从而变电站防汛影响因素进行离散排序。

6.如权利要求5所述的一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，包括步骤：

S21、对变电站防汛影响向量进行归一化处理，消除各项防汛数据的量纲不同进行标准化处理如式(3)所示；

式中：p_ji表示变电站防汛影响多维数据，p_min和p_max代表防汛数据每项的最小值和最大值；

S22、假定有n行m列的防汛综合数据P_ji，其中i为检测个数，j为防汛发展等级数，根据评估结果确定变电站防汛发展阶段y_j；

S23、通过构造拉格朗日函数，对不同发展阶段变电站防汛因素进行赋权：

S24、采用基于信息熵的最大信息系数计算多维变量p_ji之间的非线性相关系数。

7.如权利要求1所述的一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，S3中，所述结合季节特性和地理地形等因素对评估模型进行优化，并引入典型系数对主要特征指标进行加权赋值对原有模型进行改进，分析变电站发生洪汛灾害时与气象数据等关键因素的关联，真实反映不同因素对防汛发展的贡献程度包括步骤：

S31、在建立变电站防汛控制模型的基础上，采用加权优序法分析各个阶段中变电站地理地形、气象信息和变电站防汛装置等影响因子；在变电站防汛发展不同阶段对影响因素进行划分及预处理，基于每个阶段中洪汛发展和影响因素之间的联系程度高低进行赋权分析，从而变电站防汛影响因素进行离散排序；

S32、对于变电站防汛控制系统而言，结合季节特性和地理地形等因素对评估模型进行优化改进，并引入典型系数对主要特征指标进行优化加权；

S33、皮尔逊相关系数ρ数为三个变量之间的积差系数，分析变电站地形位置信息、气象数据和变电站防汛装置信息之间线性相关关系，p^p _ji、p^q _ji和p^f _ji分别表示变电站地形位置信息、变电站周围气象数据和变电站防汛装置状态信息，cov()表示协方差函数，D(p^p _ji)、D(p^q _ji)和D(p^f _ji)分别表示变电站地形位置信息、气象数据和变电站防汛装置信息的方差；

S34、复相关系数MIC[]是反映输出结果与一组自变量之间相关程度的指标，测定防汛评估结果Y_n与其它多个数据(p^p _ji、p^q _ji、p^f _ji)的之间的关联程度，首先构造关于(p^p _ji、p^q _ji、p^f _ji)线性组合P，通过计算线性组合P和Y_j之间的复相关系数；

k_ji为多维数据P集合和变电站评估等级Y_j的典型相关系数，典型相关分析找到向量a和b，使得指数a^TP和b^TY的关系实现量化即可分析两组向量之间的相关性；

S35、考虑季节特性采用典型相关系数优化多维数据之间的相关程度，计算公式如下：

K_j(p_j)表示考虑季节特性采用典型相关系数优化p_j多维数据p_ji之间的典型相关系数，f(p_j,p^p _ji)表示p_j与p^p _ji之间的区间距离，f(p_j,^p _ji)表示p_j与p_ji之间的距离；

S36、为了进行变电站防汛状态等级评定，如下：

Y_j为测定防汛评估结果，k_ji为多维数据和变电站评估等级的典型相关系数，K_j(p_j)表示考虑季节特性采用典型相关系数优化多维数据p_ji之间的典型相关系数，P_ji表示多个数据(p^p _ji、p^q _ji、p^f _ji)线性组合。

8.如权利要求1所述的一种基于典型相关系数和模糊Petri网络变电站防汛控制方法，其特征在于，S4中，依据模型计算求取的变电站防汛评估等级Y_i的值进行控制预防洪汛；

结合季节特性和地理地形等因素对评价模型进行优化改进，分析变电站发生洪汛灾害时与气象数据的关联，真实反映不同因素对防汛发展的贡献程度，从而实现变电站防汛控制。