CN117744936A - 电力舱风险状态评估方法、装置、设备及介质 - Google Patents
电力舱风险状态评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117744936A CN117744936A CN202311789053.1A CN202311789053A CN117744936A CN 117744936 A CN117744936 A CN 117744936A CN 202311789053 A CN202311789053 A CN 202311789053A CN 117744936 A CN117744936 A CN 117744936A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- risk
- value
- matrix
- 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 53
- 238000011156 evaluation Methods 0.000 claims abstract description 189
- 239000011159 matrix material Substances 0.000 claims abstract description 91
- 239000013598 vector Substances 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims 1
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 16
- 230000004927 fusion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 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
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力舱风险状态评估方法，涉及设备状态评估技术领域，用于解决现有缺少完善的电力舱风险状态有效评估体系的问题，该方法包括以下步骤：获取电力舱的监测数据作为评价指标；构建评价指标的比较矩阵，并计算评价指标的关联权重值；将关联权重值小于预设接受阈值所对应的指标去除，得到有效评价指标体系；根据有效评价指标体系，结合变异系数计算有效评价指标的权重向量；计算电力舱风险状态的模糊评价矩阵；计算电力舱风险评估值。本发明还公开了一种电力舱风险状态评估装置、电子设备和计算机存储介质。本发明通过计算权重向量及模糊评价矩阵，进而基于两者计算电力舱风险评估值。
Description
技术领域
本发明涉及一种设备状态评估技术领域，尤其涉及一种基于多参量信息高度融合的电力舱风险状态评估方法、装置、设备及介质。
背景技术
目前，电力舱的投运已广泛应用于地下电缆线路的规划中。作为电力电缆的运维舱室，综合管廊中电力设备众多，环境复杂，一旦发生雨水倒灌、火灾、泄露等问题会造成重大事故。因此，避免火灾和泄露事件的发生，实现电力舱故障的预防，亟需开展电力舱的风险状态评估，以有效分析方法电力舱的风险状态。
现有技术已有一些电力舱的风险状态评估的方法，但其在考虑性能指标的评估时，针对参与的决策参量，只考虑了指标的数量，并没有考虑指标的质量。当决策参量的数据量过于冗余和复杂时，严重影响计算的高效性。此外，现有技术在针对研究对象的评估时，并未给出相对完善可靠的电力舱风险状态有效评估体系算法。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种电力舱风险状态评估方法，其通过构建权重向量及模糊评价矩阵，进而确定电力舱风险状态的评估数值。
本发明的目的之一采用以下技术方案实现：
一种电力舱风险状态评估方法，包括以下步骤：
获取电力舱的监测数据作为评价指标；
通过三标度层次分析法构建所述评价指标的比较矩阵，并根据所述比较矩阵计算所述评价指标的关联权重值；
将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系；
根据所述有效评价指标体系，结合变异系数计算有效评价指标的权重向量；
通过模糊理论计算电力舱风险状态的模糊评价矩阵；
根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值。
进一步地，通过三标度层次分析法构建所述评价指标的比较矩阵，所述比较矩阵U满足：
其中，xij为评价指标xi相对于评价指标xj的重要程度；所述三标度层次分析法满足公式：
当评价指标xi的重要性程度弱于指标xj时，xij的值为0；当评价指标xi的重要性程度和指标xj基同等重要时，xij值为1；当评价指标xi的重要性程度强于指标xj时，xij值为2；
所述关联权重值的计算满足：
其中，为规范化处理后的比较矩阵，n为指标总数，/>为三标度判断矩阵的第i行相加计算值，Wi为第i个指标的权重值。
进一步地，将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系，包括：
判断关联权重值与指标贡献度的预设接受阈值：若Wi<β，删除第i个指标，否则，保留第i个指标；
更新有效指标矩阵满足：
其中，xi(m)为第m个电力舱的第i个指标数据。
进一步地，所述权重向量的计算满足：
其中，si(k)为矩阵处理后的标准规范值，/>为矩阵/>每一列指标的平均值，σi为矩阵/>每一列指标的标准差，ξi为每一列指标的变异系数值，bi为电力舱第i个有效指标的权重值。
进一步地，通过模糊理论计算电力舱风险状态的模糊评价矩阵，包括，通过模糊隶属度函数计算所述模糊评价矩阵，所述模糊隶属度函数满足：
其中，ai为第i个有效指标的低风险阈值，bi，ci分别为第i个有效指标的中风险区间值的下限和上限，di为第i个有效指标的高风险阈值，xi(m)为第m个电力舱的第i个有效指标数据，ui(1)，ui(2)，ui(3)分别表示电力舱的第i个指标分别隶属于低风险函数，中风险函数，高风险函数的映射值；
所述模糊评价矩阵E(m)满足：
进一步地，根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值，包括：
计算电力舱风险状态的评估矩阵，满足：S(m)＝[s1,s2,s3]＝B·E(m)，其中，s1,s2,s3为电力舱风险状态隶属于低风险，中风险，高风险的评估值，S(m)为第m个电力舱的评估矩阵，b为权重向量，E(m)为模糊评价矩阵。
进一步地，根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值后，还包括：根据电力舱风险评估值进行最终评估，所述最终评估满足：
G(m)＝max(S(m))，其中，G(m)为第m个电力舱风险状态最终的评估诊断值。
本发明的目的之二在于提供一种电力舱风险状态评估，其通过对电力舱的评价指标监测数据进行权重计算和矩阵构建，获得电力舱风险评估值。
本发明的目的之二采用以下技术方案实现：
一种电力舱风险状态评估装置，其包括：
获取模块，用于获取电力舱的监测数据作为评价指标；
计算模块，用于通过三标度层次分析法构建所述评价指标的比较矩阵，并根据所述比较矩阵计算所述评价指标的关联权重值；将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系；根据所述有效评价指标体系，计算有效评价指标的权重向量；通过模糊理论计算电力舱风险状态的模糊评价矩阵；
评估模块，用于根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值。
本发明的目的之三在于提供执行发明目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的电力舱风险状态评估方法。
本发明的目的之四在于提供存储发明目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的电力舱风险状态评估方法。
相比现有技术，本发明的有益效果在于：
本发明提供了一种基于多参量信息高度融合的电力舱风险状态评估方法，将评价指标监测数据进行融合，并通过模糊理论对多种参量的数据信息集成，实现了不同维度数据的统一和融合；通过三标度层次分析法确定了有效的风险属性评价指标，提高了数据源的可靠性，节约了数据的计算资源，三标度层次分析法确定有效的风险属性评价指标不仅考虑了指标的数量，还考虑了指标的质量，计算效率高，整个电力舱风险状态有效评估体系算法通过权重向量及模糊评价矩阵计算电力舱风险评估值，可靠性高、评估结果准确，为电力部门掌握电力舱的风险状态提供了有效的判据，运行人员可以更为精确的关注电力舱的风险运行状态。
附图说明
图1是实施例一的电力舱风险状态评估方法的流程图；
图2是实施例二的电力舱风险状态评估装置的结构框图；
图3是实施例三的电子设备的结构框图。
具体实施方式
以下将结合附图，对本发明进行更为详细的描述，需要说明的是，以下参照附图对本发明进行的描述仅是示意性的，而非限制性的。各个不同实施例之间可以进行相互组合，以构成未在以下描述中示出的其他实施例。
实施例一
实施例一提供了一种电力舱风险状态评估方法，旨在通过改进的三标度层次分析法确定电力舱的有效风险状态评价指标，根据筛选的评价指标数据采用变异系数法进行分析，计算各个有效评价指标的权重集合向量，同时根据有效的风险状态评价指标通过模糊理论建立风险状态评价矩阵；最后，通过指标权重向量和评价矩阵的模糊运算，根据隶属度的判断法则，即可确定电力舱风险状态的评估数值，实现电力舱风险状态的诊断和评估。
请参照图1所示，一种电力舱风险状态评估方法，包括以下步骤：
S1、获取电力舱的监测数据作为评价指标；
本实施例中，上述数据为通过传感器的获取某时刻下多组不同电力舱的监测数据，包括电力舱的温度、湿度、水位高度、甲烷浓度、氧气浓度、硫化氢浓度、一氧化碳浓度的评价指标的监测数据。本实施例不对具体数据来源、数据获取方式及具体数据进行限制，可以根据实际情况及所需数据进行选择。
S1中评价指标公式满足：
其中，xi(m)为第m个电力舱的第i个指标数据，i＝1,2,3,4,5,6,7，m的数据集至少在两组及以上。
S2、通过三标度层次分析法构建评价指标比较矩阵，并根据所述比较矩阵计算所述评价指标的关联权重值；
S2中的三标度层次分析法是在传统的九标度法上进行的改进。传统的九标度法划分比较冗余，不仅迭代次数较多,运算量庞大，还具有很严重的差异性以及片面性，会影响到评判结果的科学性以及准确性。而改进的三标度层次分析法，只有三种标度，可保证专家对指标重要性的实际评价态度，选择上更加简单快捷，评价效率较高，更加具有可靠性。
具体地，根据改进的三标度层次分析法构造评价指标的比较矩阵，比较矩阵U满足：
其中，xij为评价指标xi相对于评价指标xj的重要程度，i和j表示不同的指标；重要性程度的判断依据三标度公式，三标度层次分析法满足公式：
当评价指标xi的重要性程度弱于指标xj时，xij的值为0；当评价指标xi的重要性程度和指标xj基同等重要时，xij值为1；当评价指标Xi的重要性程度强于指标xj时，xij值为2；
所述关联权重值的计算满足：
其中，为规范化处理后的比较矩阵，n为指标总数，/>为三标度判断矩阵的第i行相加计算值，Wi为第i个指标的权重值。
S3、将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系；
S3具体包括：
判断关联权重值与指标贡献度的预设接受阈值：若Wi<β，删除第i个指标，否则，保留第i个指标；β为指标贡献度的接受阈值，表示指标的预期接受权重，可以根据用户的需求进行设定，此处不加以限定。
更新有效指标矩阵满足：
其中，xi(m)为第m个电力舱的第i个指标数据。
通过S3步骤的阈值设定可以进一步提高计算效率，剔除关联程度较低的指标，避免无效指标的冗余。
S4、根据所述有效评价指标体系，结合变异系数计算有效评价指标的权重向量；
S4中的权重向量B＝[b1,b2,b3]，计算满足：
其中，si(k)为矩阵处理后的标准规范值，/>为矩阵/>每一列指标的平均值，σi为矩阵/>每一列指标的标准差，ξi为每一列指标的变异系数值，bi为电力舱第i个有效指标的权重值。
S4使用的变异系数法是一种较为客观的方法，能够准确反应指标数据的变化信息，该方法能够客观地求出各指标的权重。
S5、通过模糊理论计算电力舱风险状态的模糊评价矩阵；
S5包括：通过模糊隶属度函数计算所述模糊评价矩阵，所述模糊隶属度函数满足：
其中，ai为第i个有效指标的低风险阈值，bi，ci分别为第i个有效指标的中风险区间值的下限和上限，di为第i个有效指标的高风险阈值，ai、bi、ci、di的阈值大小可根据实际情况确定，本实施例不对此加以限制。xi(m)为第m个电力舱的第i个有效指标数据，ui(1)，ui(2)，ui(3)分别表示电力舱的第i个指标分别隶属于低风险函数，中风险函数，高风险函数的映射值；
所述模糊评价矩阵E(m)满足：
矩阵中ui(1)，ui(2)，ui(3)的计算已在上述描述中指出，此处不再具体赘述。
S5使用模糊理论可以有效地应对各种模糊、不确定的信息，使得综合评价结果更加稳定和可靠。
需要说明的是，步骤S4和S5的顺序可以替换，两者也可以同时进行计算。
S6、根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值。
S6具体包括：
计算电力舱风险状态的评估矩阵，满足：S(m)＝[s1,s2,s3]＝B·E(m)，其中，s1,s2,s3为电力舱风险状态隶属于低风险，中风险，高风险的评估值，S(m)为第m个电力舱的评估矩阵，B为权重向量，E(m)为模糊评价矩阵。
为了实现不同属性参量的高度融合，将复杂的评估体系集成统一直观的评估向量，从而完成多参量的评估。S6计算电力舱风险评估值后，还包括根据隶属度准则完成电力舱风险状态的诊断和评估，具体地，根据电力舱风险评估值进行最终评估，所述最终评估满足：G(m)＝max(S(m))，其中，G(m)为第m个电力舱风险状态最终的评估诊断值。该值对应的隶属状态即为评估结果，若该值为s1，则电力舱风险状态的隶属状态为低风险；若该值为s2，则电力舱风险状态的隶属状态为中风险；若该值为s3，则电力舱风险状态的隶属状态为高风险。
实施例二
实施例二公开了一种对应上述实施例的电力舱风险状态评估方法对应的装置，为上述实施例的虚拟装置结构，请参照图2所示，包括：
获取模块210，用于获取电力舱的监测数据作为评价指标；
计算模块220，用于通过三标度层次分析法构建所述评价指标的比较矩阵，并根据所述比较矩阵计算所述评价指标的关联权重值；将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系；根据所述有效评价指标体系，计算有效评价指标的权重向量；通过模糊理论计算电力舱风险状态的模糊评价矩阵；
评估模块230，用于根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值。
优选地，通过三标度层次分析法构建所述评价指标的比较矩阵，所述比较矩阵U满足：
其中，xij为评价指标xi相对于评价指标xj的重要程度；所述三标度层次分析法满足公式：
当评价指标xi的重要性程度弱于指标xj时，xij的值为0；当评价指标xi的重要性程度和指标xj基同等重要时，xij值为1；当评价指标xi的重要性程度强于指标xj时，xij值为2；
所述关联权重值的计算满足：
其中，为规范化处理后的比较矩阵，n为指标总数，/>为三标度判断矩阵的第i行相加计算值，Wi为第i个指标的权重值。
优选地，将所述关联权重值Wi与指标贡献度的预设接受阈值β比较，将关联权重值小于预设接受阈值β所对应的指标去除，得到电力舱风险状态的有效评价指标体系，包括：
判断关联权重值与指标贡献度的预设接受阈值：若Wi<β，删除第i个指标，否则，保留第i个指标；
更新有效指标矩阵满足：
其中，xi(m)为第m个电力舱的第i个指标数据。
优选地，所述权重向量的计算满足：
其中，si(k)为矩阵处理后的标准规范值，/>为矩阵/>每一列指标的平均值，σi为矩阵/>每一列指标的标准差，ξi为每一列指标的变异系数值，bi为电力舱第i个有效指标的权重值。
优选地，通过模糊理论计算电力舱风险状态的模糊评价矩阵，包括：通过模糊隶属度函数计算所述模糊评价矩阵，所述模糊隶属度函数满足：
其中，ai为第i个有效指标的低风险阈值，bi，ci分别为第i个有效指标的中风险区间值的下限和上限，di为第i个有效指标的高风险阈值，xi(m)为第m个电力舱的第i个有效指标数据，ui(1)，ui(2)，ui(3)分别表示电力舱的第i个指标分别隶属于低风险函数，中风险函数，高风险函数的映射值；
所述模糊评价矩阵E(m)满足：
优选地，根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值，包括：
计算电力舱风险状态的评估矩阵，满足：S(m)＝[s1,s2,s3]＝B·E(m)，其中，s1,s2,s3为电力舱风险状态隶属于低风险，中风险，高风险的评估值，A(m)为第m个电力舱的评估矩阵，B为权重向量，E(m)为模糊评价矩阵。
优选地，根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值后，还包括：根据电力舱风险评估值进行最终评估，所述最终评估满足：
G(m)＝max(S(m))，其中，G(m)为第m个电力舱风险状态最终的评估诊断值。
实施例三
图3为本发明实施例三提供的一种电子设备的结构示意图，如图3所示，该电子设备包括处理器310、存储器320、输入装置330和输出装置340；计算机设备中处理器310的数量可以是一个或多个，图3中以一个处理器310为例；电子设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储器320作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的电力舱风险状态评估方法对应的程序指令/模块。处理器310通过运行存储在存储器320中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述实施例一的电力舱风险状态评估方法。
存储器320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的用户身份信息、样本数据以及检测数据等。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，该存储介质可用于计算机执行电力舱风险状态评估方法，该方法包括：
获取电力舱的监测数据作为评价指标；
通过三标度层次分析法构建所述评价指标的比较矩阵，并根据所述比较矩阵计算所述评价指标的关联权重值；
将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系；
根据所述有效评价指标体系，结合变异系数计算有效评价指标的权重向量；
通过模糊理论计算电力舱风险状态的模糊评价矩阵；
根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于电力舱风险状态评估方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述基于电力舱风险状态评估方法装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种电力舱风险状态评估方法，其特征在于，包括以下步骤：
获取电力舱的监测数据作为评价指标；
通过三标度层次分析法构建所述评价指标的比较矩阵，并根据所述比较矩阵计算所述评价指标的关联权重值；
将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系；
根据所述有效评价指标体系，结合变异系数计算有效评价指标的权重向量；
通过模糊理论计算电力舱风险状态的模糊评价矩阵；
根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值。
2.如权利要求1所述的电力舱风险状态评估方法，其特征在于，通过三标度层次分析法构建所述评价指标的比较矩阵，所述比较矩阵U满足：
其中，xij为评价指标xi相对于评价指标xj的重要程度；所述三标度层次分析法满足公式：
当评价指标xi的重要性程度弱于指标xj时，xij的值为0；当评价指标xi的重要性程度和指标xj基同等重要时，xij值为1；当评价指标xi的重要性程度强于指标xj时，xij值为2；
所述关联权重值的计算满足：
其中，为规范化处理后的比较矩阵，n为指标总数，/>为三标度判断矩阵的第i行相加计算值，Wi为第i个指标的权重值。
3.如权利要求1所述的电力舱风险状态评估方法，其特征在于，将所述关联权重值Wi与指标贡献度的预设接受阈值β比较，将关联权重值小于预设接受阈值β所对应的指标去除，得到电力舱风险状态的有效评价指标体系，包括：
判断关联权重值与指标贡献度的预设接受阈值：若Wi<β，删除第i个指标，否则，保留第i个指标；
更新有效指标矩阵满足：
其中，ci(m)为第m个电力舱的第i个指标数据。
4.如权利要求1所述的电力舱风险状态评估方法，其特征在于，所述权重向量的计算满足：
其中，si(k)为矩阵处理后的标准规范值，/>为矩阵/>每一列指标的平均值，σi为矩阵/>每一列指标的标准差，ξ1为每一列指标的变异系数值，bi为电力舱第i个有效指标的权重值。
5.如权利要求1所述的电力舱风险状态评估方法，其特征在于，通过模糊理论计算电力舱风险状态的模糊评价矩阵，包括：通过模糊隶属度函数计算所述模糊评价矩阵，所述模糊隶属度函数满足：
其中，ai为第i个有效指标的低风险阈值，bi，ci分别为第i个有效指标的中风险区间值的下限和上限，di为第i个有效指标的高风险阈值，xi(m)为第m个电力舱的第i个有效指标数据，ui(1)，ui(2)，ui(3)分别表示电力舱的第i个指标分别隶属于低风险函数，中风险函数，高风险函数的映射值；
所述模糊评价矩阵E(m)满足：
6.如权利要求1所述的电力舱风险状态评估方法，其特征在于，根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值，包括：
计算电力舱风险状态的评估矩阵，满足：S(m)＝[s1,s2,s3]＝B·E(m)，其中，s1,s2,s3为电力舱风险状态隶属于低风险，中风险，高风险的评估值，S(m)为第m个电力舱的评估矩阵，B为权重向量，E(m)为模糊评价矩阵。
7.如权利要求1或6所述的电力舱风险状态评估方法，其特征在于，根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值后，还包括：根据电力舱风险评估值进行最终评估，所述最终评估满足：
G(m)＝max(S(m))，其中，G(m)为第m个电力舱风险状态最终的评估诊断值。
8.一种电力舱风险状态评估装置，其特征在于，其包括：
获取模块，用于获取电力舱的监测数据作为评价指标；
计算模块，用于通过三标度层次分析法构建所述评价指标的比较矩阵，并根据所述比较矩阵计算所述评价指标的关联权重值；将所述关联权重值与指标贡献度的预设接受阈值比较，将关联权重值小于预设接受阈值所对应的指标去除，得到电力舱风险状态的有效评价指标体系；根据所述有效评价指标体系，计算有效评价指标的权重向量；通过模糊理论计算电力舱风险状态的模糊评价矩阵；
评估模块，用于根据所述权重向量及所述模糊评价矩阵计算电力舱风险评估值。
9.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的电力舱风险状态评估方法。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的电力舱风险状态评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311789053.1A CN117744936A (zh) | 2023-12-22 | 2023-12-22 | 电力舱风险状态评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311789053.1A CN117744936A (zh) | 2023-12-22 | 2023-12-22 | 电力舱风险状态评估方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117744936A true CN117744936A (zh) | 2024-03-22 |
Family
ID=90279174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311789053.1A Pending CN117744936A (zh) | 2023-12-22 | 2023-12-22 | 电力舱风险状态评估方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117744936A (zh) |
-
2023
- 2023-12-22 CN CN202311789053.1A patent/CN117744936A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104616212B (zh) | 继电保护系统可靠性分析方法与系统 | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
| CN117078048B (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
| CN109242250A (zh) | 一种基于模糊熵权法与云模型的用户行为可信度检测方法 | |
| CN113469570A (zh) | 信息质量评价模型构建方法、装置、设备及存储介质 | |
| Wu et al. | Remaining useful life estimation based on a nonlinear Wiener process model with CSN random effects | |
| CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
| CN116539994A (zh) | 基于多源时间序列数据的变电站主设备运行状态检测方法 | |
| CN116522594A (zh) | 基于卷积神经网络的时间自适应暂态稳定预测方法及装置 | |
| CN116933946A (zh) | 一种基于客流去向结构的轨道交通od客流预测方法及系统 | |
| CN115766096A (zh) | 一种基于大数据的网络安全保护系统 | |
| Taillardat et al. | Evaluating probabilistic forecasts of extremes using continuous ranked probability score distributions | |
| CN114564487A (zh) | 预报预测相结合的气象栅格数据更新方法 | |
| CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
| CN113408816B (zh) | 一种基于深度神经网络的电网灾情评估方法 | |
| CN117744936A (zh) | 电力舱风险状态评估方法、装置、设备及介质 | |
| CN114363004B (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
| CN116011281A (zh) | 一种电力设施地震易损性分析方法及装置 | |
| CN115345343A (zh) | 一种供水管网浊度的预测方法及预测装置 | |
| CN114186646A (zh) | 区块链异常交易识别方法及装置、存储介质及电子设备 | |
| CN114595764A (zh) | 用于获取城市要素对内涝灾害损失影响程度的方法及系统 | |
| CN114004415A (zh) | 网络诈骗影响因素分析方法、设备和存储介质 | |
| CN114168657A (zh) | 风电功率异常数据实时检测方法、系统、设备及介质 | |
| CN117592865B (zh) | 一种装备零备件质量状态预测方法及装置 | |
| CN113887569B (zh) | 一种基于区域尺度的事故多发区域判别方法 |
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 |