DE202023105081U1 - System zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Vertriebsnetze - Google Patents

Abstract

Ein System (100) zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Vertriebsnetze, wobei das System (100) Folgendes umfasst:
eine Datenbank (102), die jedes einer Vielzahl von Kriterien, Unterkriterien und Attributen für eine angemessene Entscheidungsfindung innerhalb eines aktiven Verteilungsnetzes (ADN) umfasst, um die auf Situationsbewusstsein (SA) basierende Ausfallsicherheit auf der Grundlage eines Multikriterien-Entscheidungsfindungsansatzes (MCDM) abzuschätzen;
einen Komparator (104), der mit der Datenbank (102) verbunden ist, um die Vielzahl von Attributen der SA für die Schätzung des Belastbarkeitsgrads zu identifizieren, um einen paarweisen Vergleich jedes der Vielzahl von Attributen basierend auf dem MCDM-Ansatz durchzuführen und die Priorität unter der Vielzahl festzulegen von Attributen basierend auf einer Vielzahl von Vergleichsmatrizen;
eine Steuerung (106), die mit dem Komparator (104) verbunden ist, um die Vergleichsmatrix zu verarbeiten, um eine endgültige Matrix zu erhalten, wobei die Steuerung (106) dazu konfiguriert ist:
durch eine Bewertungseinheit (106a) die Konsistenz der erhaltenen Vielzahl von Matrizen auf der Grundlage eines Eigenwerts bewerten;
Berechnen, durch eine Recheneinheit (106b), einen größten Eigenwert (Eg_max) aus der Mehrzahl von Eigenwerten der Mehrzahl von paarweisen Vergleichsmatrizen in Bezug auf die Identitätsmatrix (I) und einer Mehrzahl von linguistischen Skalen der Vergleichsmatrix (A);
Zuweisen einer Gewichtung durch eine Zuweisungseinheit (106c) zu jedem der mehreren Attribute, um einen Konsistenzindex zu berechnen; Und
durch eine Rangfolgeeinheit (106d) eine Rangfolge der mehreren Attribute basierend auf der zugewiesenen Gewichtung und einem Kriterium durchführen, um die endgültige Vergleichsmatrix zu erhalten; Und
ein Entscheidungsfindungs- und Wiederherstellungsmodul (108), das mit der Steuerung (106) verbunden ist, um die endgültige Vergleichsmatrix zu erhalten, wobei Werte der Matrix durch eine Vorverarbeitungseinheit (108a) normalisiert werden, um die SA-basierte Belastbarkeit bei der Entscheidungsfindung zu verbessern, wobei a Der zusammengesetzte Resilienzindex (CRI) wird aus jedem der mehreren Attribute, die sich auf die SA beziehen, mit Informationen über die verbesserte SA-Resilienz basierend auf dem MCDM-dynamischen Bayesianischen Netzwerk (DBN) ermittelt, wobei ein Kriterium darin besteht, einen minimalen CRI-Wert und einen maximalen CRI-Wert zu haben Wenn der Wert des Attributs erfüllt ist, wird ein Faktor für die Korrekturmaßnahme ermittelt, andernfalls wird ein angemessenes Resilienzniveau ermittelt.

Description

• GEBIET DER ERFINDUNG
• Die vorliegende Erfindung bezieht sich auf das Gebiet der Verteilungssysteme. Insbesondere bezieht sich die vorliegende Erfindung auf die Auswirkung von Situationsbewusstseinsattributen auf die Belastbarkeitsbewertung aktiver Verteilungsnetze unter Verwendung eines hybriden, dynamischen Bayes'schen Entscheidungsansatzes mit mehreren Kriterien.
• HINTERGRUND DER ERFINDUNG
• Die Planung und der Betrieb von Verteilungssystemen haben sich aufgrund der umfassenden Osmose von IKT (Informations- und Kommunikationstechnologien) in Energiesystemen erheblich verändert.
• Nach Untersuchungen von Adefarati und Bansal, Jisma et al. werden die Erschöpfung fossiler Brennstoffe, das Aufkommen einer erhöhten Lastnachfrage sowie die Notwendigkeit einer zuverlässigen und qualitativ hochwertigen Stromlieferung an die Kunden analysiert, was zu einer umfassenden Nutzung erneuerbarer Energieressourcen führt in großem Umfang auf der Vertriebsseite.
• Im Stand der Technik werden unterschiedliche Methoden angewendet, die meist auf Modellierungs-, datengesteuerten, Quantifizierungs- und MultiKriterien-Entscheidungsfindungs-(MCDM)-Ansätzen basieren. Bei den verschiedenen Arten von HILF-Ereignissen werden die im ADN behandelten Herausforderungen grob in Dynamik, Systemrückmeldung, Entscheidungsfindung auf der Grundlage widersprüchlicher Faktoren und Unsicherheiten eingeteilt. Dies hat die Wahrscheinlichkeit einer Belastung des Netzwerks erhöht, was dazu führt, dass eine geeignete SA erforderlich ist, um die richtigen Entscheidungen zu treffen und effektiv auf HILF-Ereignisse zu reagieren.
• Die meisten früheren Arbeiten zu verschiedenen Arten von Bedrohungen basieren auf einer unzureichenden SA, in der die Grundlagen der SA einschließlich Definitionen erwähnt werden. Während andere die Ursachen von Bedienerfehlern aufgrund unzureichender SA betonten, einschließlich des menschlichen Bedieners als unabhängiges Element des SA-basierten Systems. Auch für meteorologische und geologische HILF-Ereignisse gibt es weniger Literatur, die sich auf die SA-basierte Bewertung und deren Auswirkungen auf den betrieblichen Entscheidungsprozess konzentriert. Allerdings muss jede Störung, mit der das ADN konfrontiert ist, zentral überwacht werden, um eine genaue Entscheidungsfindung zu ermöglichen. Daher besteht die Notwendigkeit, in den frühen Phasen eines HILF-Ereignisses eine ausreichende SA (SSA) zu entwickeln und aufrechtzuerhalten.
• Mehrere vorhandene Literaturen beschreiben Maßnahmen zur Unterstützung einer angemessenen SA. Wie die zunehmende Häufigkeit von HILF-Ereignissen in jüngster Zeit zeigt, müssen jedoch noch große Anstrengungen unternommen werden, um die Leistung von ADN mithilfe von SA zu optimieren. Daher ist eine generische Methode erforderlich, die sich auf diese verschiedenen HILF-Ereignisse konzentriert, die sich auf das ADN auswirken, mit einem SA-basierten Ansatz zur Verbesserung der Widerstandsfähigkeit.
• Untersuchungen von Umunnakweet al. zeigen, dass die Aufrechterhaltung einer angemessenen SA eine herausfordernde Aufgabe ist, da ADN aufgrund seiner Komplexität, seiner Interkonnektivität und seiner erhöhten Umweltanfälligkeit anfällig für Naturgefahren, Cyberangriffe und vom Menschen verursachte Angriffe ist als Unsicherheiten.
• Einer Studie von Shen und Tang zufolge ist Resilienz die Fähigkeit eines Wesens, solche Störungen zu antizipieren, ihnen zu widerstehen, sie zu absorbieren, darauf zu reagieren, sich an sie anzupassen und sich von ihnen zu erholen. Die Verhinderung aller möglichen Wetter-, Cyber- und vom Menschen verursachten Vorfälle ist weder kosteneffektiv noch machbar.
• Frühere Forschungsarbeiten haben die Implementierung risikobasierter Ansätze zur Bewertung von Auswirkungen, die Verbesserung der Zuverlässigkeit und einen Ansatz zur Ressourcenbewertung zur Berücksichtigung von Risiken hervorgehoben. Zusätzlich zu den typischen Herausforderungen im Zusammenhang mit Risiko- und Zuverlässigkeitsentscheidungen gibt es jedoch wichtige Unterschiede bei der Betrachtung der Resilienz. Es führt zu neuen Komplexitäten aufgrund neu auftretender Risiken in einem sich verändernden natürlichen und in IKT eingebetteten System. Mit zunehmendem Bewusstsein für solche Bedrohungen ist die Widerstandsfähigkeit der Energiesysteme für die Betreiber zu einer obersten Priorität geworden. Zusammen mit HILF-Ereignissen haben sich Unsicherheiten aufgrund von DERs zu einem unverzichtbaren Bestandteil des ADN entwickelt und stellen eine Bedrohung für dessen Widerstandsfähigkeit dar.
• Die meisten früheren Arbeiten konzentrierten sich auf die verschiedenen deterministischen Methoden zur Bewertung der Widerstandsfähigkeit von Energiesystemen nach HILF-Ereignissen. Unter den HILF-Ereignissen ist jedoch die Quellenunsicherheit am häufigsten anzutreffen und hat erhebliche Auswirkungen auf die Qualität der Versorgung zur Befriedigung der Kundennachfrage. Aufgrund der zunehmenden Integration erneuerbarer Energien in das ADN sind Schwankungen der Quellenunsicherheit zu einem entscheidenden und häufig auftretenden Problem geworden. Diese Abweichungen tragen zur nichtdeterministischen Resilienz (NDR) bei, die für die Bewältigung resilienzorientierter Probleme und die praktische Entscheidungsfindung ordnungsgemäß quantifiziert werden muss. Daher ist die Charakterisierung unsicherer Parameter bei der Resilienzplanung und dem Betrieb des ADN erforderlich.
• Daher besteht Bedarf an der Entwicklung eines Systems zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Vertriebsnetze unter Verwendung eines hybriden, dynamischen Bayes'schen Entscheidungsansatzes mit mehreren Kriterien.
• Die durch die vorliegende Erfindung offenbarten technischen Fortschritte überwinden die Einschränkungen und Nachteile bestehender und herkömmlicher Systeme und Methoden.
• ZUSAMMENFASSUNG DER ERFINDUNG
• Die vorliegende Erfindung bezieht sich im Allgemeinen auf ein System zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Verteilungsnetze.
• Ein Ziel der vorliegenden Erfindung ist die Entwicklung eines Systems zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Verteilungsnetze.
• Ein weiteres Ziel der vorliegenden Erfindung besteht darin, ein umfassendes mehrstufiges Hierarchiemodell bereitzustellen, das einen sprachskalenbasierten Ansatz zur Entscheidungsfindung mit mehreren Kriterien (MCDM) für die auf Situationsbewusstsein (SA) orientierte Belastbarkeitsniveaubewertung des aktiven Vertriebsnetzes (ADN) unter Berücksichtigung unterschiedlicher Höhen verwendet Impact Low Frequency (HILF)-Ereignis.
• Ein weiteres Ziel der vorliegenden Erfindung besteht darin, die Schlüsselfaktoren zur Quellenunsicherheit zu bestimmen, basierend auf der Analyse der unsicheren Verfügbarkeit von ADN, die zu nichtdeterministischer Belastbarkeit (NDR) führt, unter Verwendung eines hybriden MCDM-DBN-Ansatzes.
• Ein weiteres Ziel der vorliegenden Erfindung besteht darin, die Bedeutung von PDF im NDR bereitzustellen und die Betriebsleistung von ADN zu quantifizieren, um kritischen Belastungen aufgrund von NDR im Hinblick auf den LNS-Index standzuhalten.
• In einer Ausführungsform ein System zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Verteilungsnetze, wobei das System Folgendes umfasst:
• eine Datenbank (102), die jedes einer Vielzahl von Kriterien, Unterkriterien und Attributen für eine angemessene Entscheidungsfindung innerhalb eines aktiven Verteilungsnetzes (ADN) umfasst, um die auf Situationsbewusstsein (SA) basierende Ausfallsicherheit auf der Grundlage eines Multikriterien-Entscheidungsfindungsansatzes (MCDM) abzuschätzen;
• einen mit der Datenbank verbundenen Komparator zum Identifizieren der Vielzahl von Attributen der SA für die Schätzung des Belastbarkeitsniveaus, um einen paarweisen Vergleich jedes der Vielzahl von Attributen basierend auf dem MCDM-Ansatz durchzuführen und eine Priorität unter der Vielzahl von Attributen basierend auf einer Vielzahl festzulegen der Vergleichsmatrix;
• eine Steuerung, die mit dem Komparator verbunden ist, um die Vergleichsmatrix zu verarbeiten, um eine endgültige Matrix zu erhalten, wobei die Steuerung dazu konfiguriert ist:
  • Bewerten Sie die Konsistenz der erhaltenen Vielzahl von Matrizen basierend auf einem Eigenwert.
• Berechnen eines größten Eigenwerts (Eg_max) aus der Mehrzahl von Eigenwerten der Mehrzahl von paarweisen Vergleichsmatrizen in Bezug auf die Identitätsmatrix (I) und eine Mehrzahl von linguistischen Skalen der Vergleichsmatrix (A);
  jedem der mehreren Attribute eine Gewichtung zuweisen, um einen Konsistenzindex zu berechnen; Und
• Führen Sie eine Rangfolge der mehreren Attribute basierend auf der zugewiesenen Gewichtung und einem Kriterium durch, um die endgültige Vergleichsmatrix zu erhalten. Und
  ein Entscheidungsfindungs- und Wiederherstellungsmodul, das mit der Steuerung verbunden ist, um die endgültige Vergleichsmatrix zu erhalten, wobei Werte der Matrix normalisiert werden, um die SA-basierte Belastbarkeit bei der Entscheidungsfindung zu verbessern, wobei ein zusammengesetzter Belastbarkeitsindex (CRI) aus jedem der mehreren Attribute erhalten wird in Bezug auf die SA, die über Informationen über die verbesserte SA-Resilienz verfügt, wobei, wenn ein Kriterium, nämlich einen minimalen CRI-Wert und einen maximalen Attributwert zu haben, erfüllt ist, dann ein Faktor für eine Korrekturmaßnahme erhalten wird, andernfalls wird ein geeignetes Resilienzniveau erhalten.
• In einer Ausführungsform werden die mehreren Kriterien, Unterkriterien und Attribute in einem Speicher gespeichert.
• In einer Ausführungsform sind die Ebenenkriterien von MCDM Wahrnehmung, Verständnis und Projektion, wobei die Wahrnehmungskriterien auf Kommunikationsfehler, Quellenunsicherheit, Ausfall der Verteilungsleitung, übermäßige Automatisierung und GUI-Komplexität zurückzuführen sind, wobei die Verständniskriterien auf Nachteile zurückzuführen sind Taktrate, Speicherrate und Anzahl der Kerne, wobei die Prognosekriterien hauptsächlich von den Unterkriterien Antizipation von Wiederherstellungsmaßnahmen, Erzeugung und Lastprognose abhängen und der Zeit für Wiederherstellungsmaßnahmen und der Fehlerschätzung der Systemzustände zugeschrieben werden.
• In einer Ausführungsform gehören eine erste Vielzahl von Attributen, die Quellenunsicherheit, Kommunikationsfehler, Ausfall der Verteilungsleitung, Fehler im Status von Schaltgeräten umfassen, zu einem Unterkriterium inkonsistenter Daten, wobei eine zweite Vielzahl von Attributen, die übermäßige Automatisierung und GUI-Komplexität umfassen, zu einem Unterkriterium gehören Unterkriterien von Systemumgebungsfaktoren, wobei eine dritte Mehrzahl von Attributen, die Taktrate, Speichergröße, Anzahl der Kerne umfassen, zu einem Unterkriterium der Leistung der Zentraleinheit gehören, wobei eine vierte Mehrzahl von Attributen, die eine historische Datenbank umfassen, zu einem Unterkriterium gehört der Erzeugungs- und Lastprognose, wobei eine fünfte Vielzahl von Attributen, die die Zeit für Wiederherstellungsmaßnahmen und den Ausfall von Systemzuständen umfassen, zu einem Unterkriterium für die Antizipation von Wiederherstellungsmaßnahmen gehört.
• In einer Ausführungsform führt der Komparator den paarweisen Vergleich durch, um eine Vergleichsmatrix für jedes der mehreren Kriterien, Unterkriterien und Attribute bereitzustellen, um die Priorität unter den Attributen für SA-basierte Belastbarkeit festzulegen.
• In einer Ausführungsform ist der Controller so konfiguriert, dass er einen Konsistenzindex bildet und ein Konsistenzverhältnis (CR) entwickelt, um eine konsistente Basis für alle paarweisen Elementvergleiche anzuwenden.
• In einer Ausführungsform erstellt der Controller die endgültige Vergleichsmatrix basierend auf den Kriterien der Akzeptanz der Matrizen mit einem Konsistenzverhältnis CR ≤ 0.1 und weist die Matrizen mit einem CR-Wert größer als 0.1 für den paarweisen Vergleich zurück.
• In einer Ausführungsform werden die Gewichtungswerte der paarweisen Matrix normalisiert, indem der geometrische Mittelwert einer Zeile in der Matrix ausgewertet wird, um die relative Bedeutung von Attributen für die Entscheidungsfindung widerzuspiegeln, wobei die Gewichtung des Attributs mit einem höheren Wert einen größeren Einfluss hat zur Entscheidungsfindung für die SA-basierte Resilienzimprovisation.
• In einer Ausführungsform wird der zusammengesetzte Resilienzindex (Composite Resilience Index, CRI) durch Aggregieren jedes möglichen Attributs erhalten, das zu einem SA-Element gehört, um Informationen über die Auswahl der besten Option für die Resilienzimprovisation basierend auf Attributen bereitzustellen, die von einer Bedrohung betroffen sind, wobei das Attribut die stärkere Auswirkung hat Ereignisse mit hoher Auswirkung und niedriger Frequenz (HILF) haben einen höheren CRI-Wert.
• Um die Vorteile und Merkmale der vorliegenden Erfindung weiter zu verdeutlichen, erfolgt eine detailliertere Beschreibung der Erfindung unter Bezugnahme auf spezifische Ausführungsformen davon, die in den beigefügten Zeichnungen dargestellt sind. Es versteht sich, dass diese Zeichnungen nur typische Ausführungsformen der Erfindung darstellen und daher nicht als deren Umfang einschränkend anzusehen sind. Die Erfindung wird anhand der beigefügten Zeichnungen genauer und detaillierter beschrieben und erläutert.
• KURZBESCHREIBUNG DER FIGUREN
• Diese und andere Merkmale, Aspekte und Vorteile der vorliegenden Erfindung werden besser verständlich, wenn die folgende detaillierte Beschreibung unter Bezugnahme auf die beigefügten Zeichnungen gelesen wird, in denen in den Zeichnungen gleiche Bezugszeichen gleiche Teile darstellen, wobei:
• 1 zeigt ein Blockdiagramm eines Systems zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Verteilungsnetze. Und
• 2 zeigt ein Architekturlayout des Systems zur Resilienzimprovisation von ADN unter Verwendung von MCDM basierend auf Attributen des SA-Frameworks für die SA-basierte Resilienzschätzung.
• Darüber hinaus werden erfahrene Handwerker erkennen, dass Elemente in den Zeichnungen der Einfachheit halber dargestellt sind und möglicherweise nicht unbedingt maßstabsgetreu gezeichnet wurden. Beispielsweise veranschaulichen die Flussdiagramme die Methode anhand der wichtigsten Schritte, die dazu beitragen, das Verständnis von Aspekten der vorliegenden Offenbarung zu verbessern. Darüber hinaus können im Hinblick auf die Konstruktion des Geräts eine oder mehrere Komponenten des Geräts in den Zeichnungen durch herkömmliche Symbole dargestellt worden sein, und die Zeichnungen zeigen möglicherweise nur die spezifischen Details, die für das Verständnis der Ausführungsformen der vorliegenden Offenbarung relevant sind um die Zeichnungen nicht durch Details zu verdecken, die für den Durchschnittsfachmann auf dem Gebiet, der Nutzen aus der Beschreibung hierin zieht, leicht ersichtlich sind.
• DETAILLIERTE BESCHREIBUNG:
• Um das Verständnis der Prinzipien der Erfindung zu fördern, wird nun auf die in den Zeichnungen dargestellte Ausführungsform Bezug genommen und für deren Beschreibung eine spezifische Sprache verwendet. Es versteht sich jedoch, dass dadurch keine Einschränkung des Umfangs der Erfindung beabsichtigt ist, da Änderungen und weitere Modifikationen des dargestellten Systems und weitere Anwendungen der darin dargestellten Prinzipien der Erfindung in Betracht gezogen werden, wie sie einem Fachmann normalerweise in den Sinn kommen würden in der Technik, auf die sich die Erfindung bezieht.
• Der Fachmann versteht, dass die vorstehende allgemeine Beschreibung und die folgende detaillierte Beschreibung beispielhaft und erläuternd für die Erfindung sind und diese nicht einschränken sollen.
• Verweise in dieser Spezifikation auf „einen Aspekt“, „einen anderen Aspekt“ oder eine ähnliche Sprache bedeuten, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder ein bestimmtes Merkmal, das in Verbindung mit der Ausführungsform beschrieben wird, in mindestens einer Ausführungsform der vorliegenden Erfindung enthalten ist. Daher beziehen sich die Formulierungen „in einer Ausführungsform“, „in einer anderen Ausführungsform“ und ähnliche Formulierungen in dieser Spezifikation möglicherweise, aber nicht unbedingt, auf dieselbe Ausführungsform.
• Die Begriffe „umfasst“, „umfassend“ oder andere Variationen davon sollen eine nicht ausschließliche Einbeziehung abdecken, sodass ein Prozess oder eine Methode, die eine Liste von Schritten umfasst, nicht nur diese Schritte umfasst, sondern möglicherweise andere Schritte nicht umfasst ausdrücklich aufgeführt oder diesem Prozess oder dieser Methode innewohnend sind. Ebenso schließen ein oder mehrere Geräte oder Subsysteme oder Elemente oder Strukturen oder Komponenten, denen „umfasst...a“ vorangestellt ist, nicht ohne weitere Einschränkungen die Existenz anderer Geräte oder anderer Subsysteme oder anderer Elemente oder anderer Strukturen aus andere Komponenten oder zusätzliche Geräte oder zusätzliche Subsysteme oder zusätzliche Elemente oder zusätzliche Strukturen oder zusätzliche Komponenten.
• Sofern nicht anders definiert, haben alle hier verwendeten technischen und wissenschaftlichen Begriffe die gleiche Bedeutung, wie sie von einem Durchschnittsfachmann auf dem Gebiet, zu dem diese Erfindung gehört, allgemein verstanden werden. Das hier bereitgestellte System, die Methoden und Beispiele dienen nur der Veranschaulichung und sollen nicht einschränkend sein.
• Nachfolgend werden Ausführungsformen der vorliegenden Erfindung unter Bezugnahme auf die beigefügten Zeichnungen ausführlich beschrieben.
• 1 zeigt ein Blockdiagramm eines Systems (100) zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Verteilungsnetze, wobei das System (100) Folgendes umfasst:
• eine Datenbank (102), die jedes einer Vielzahl von Kriterien, Unterkriterien und Attributen für eine angemessene Entscheidungsfindung innerhalb eines aktiven Verteilungsnetzes (ADN) umfasst, um die auf Situationsbewusstsein (SA) basierende Ausfallsicherheit auf der Grundlage eines Multikriterien-Entscheidungsfindungsansatzes (MCDM) abzuschätzen;
• einen Komparator (104), der mit der Datenbank (102) verbunden ist, um die Vielzahl von Attributen der SA für die Schätzung des Belastbarkeitsgrads zu identifizieren, um einen paarweisen Vergleich jedes der Vielzahl von Attributen basierend auf dem MCDM-Ansatz durchzuführen und die Priorität unter der Vielzahl festzulegen von Attributen basierend auf einer Vielzahl von Vergleichsmatrizen;
• eine Steuerung (106), die mit dem Komparator (104) verbunden ist, um die Vergleichsmatrix zu verarbeiten, um eine endgültige Matrix zu erhalten, wobei die Steuerung (106) dazu konfiguriert ist:
  • durch eine Bewertungseinheit (106a) die Konsistenz der erhaltenen Vielzahl von Matrizen auf der Grundlage eines Eigenwerts bewerten;
• Berechnen, durch eine Recheneinheit (106b), einen größten Eigenwert (Eg_max) aus der Mehrzahl von Eigenwerten der Mehrzahl von paarweisen Vergleichsmatrizen in Bezug auf die Identitätsmatrix (I) und einer Mehrzahl von linguistischen Skalen der Vergleichsmatrix (A);
• Zuweisen einer Gewichtung durch eine Zuweisungseinheit (106c) zu jedem der mehreren Attribute, um einen Konsistenzindex zu berechnen; und
  durch eine Rangfolgeeinheit (106d) eine Rangfolge der mehreren Attribute basierend auf der zugewiesenen Gewichtung und einem Kriterium durchführen, um die endgültige Vergleichsmatrix zu erhalten; und
  ein Entscheidungsfindungs- und Wiederherstellungsmodul (108), das mit der Steuerung (106) verbunden ist, um die endgültige Vergleichsmatrix zu erhalten, wobei Werte der Matrix durch eine Vorverarbeitungseinheit (108a) normalisiert werden, um die SA-basierte Belastbarkeit bei der Entscheidungsfindung zu verbessern, wobei a Der zusammengesetzte Resilienzindex (CRI) wird aus jedem der mehreren Attribute, die sich auf die SA beziehen, mit Informationen über die verbesserte SA-Resilienz basierend auf dem MCDM-dynamischen Bayesianischen Netzwerk (DBN) ermittelt, wobei ein Kriterium darin besteht, einen minimalen CRI-Wert und einen maximalen CRI-Wert zu haben Wenn der Wert des Attributs erfüllt ist, wird ein Faktor für die Korrekturmaßnahme ermittelt, andernfalls wird ein angemessenes Resilienzniveau ermittelt.
• In einer Ausführungsform werden die mehreren Kriterien, Unterkriterien und Attribute in einem Speicher (110) gespeichert.
• 2 zeigt ein Architekturlayout des Systems zur Resilienzimprovisation von ADN unter Verwendung von MCDM basierend auf Attributen des SA-Frameworks für die SA-basierte Resilienzschätzung.
• Die Ebenenkriterien von MCDM sind Wahrnehmung, Verständnis und Projektion, wobei die Wahrnehmungskriterien auf Kommunikationsfehler, Quellenunsicherheit, Ausfall der Verteilungsleitung, übermäßige Automatisierung und GUI-Komplexität zurückzuführen sind, wobei die Verständniskriterien auf Beeinträchtigungen der Taktrate und des Speichers zurückzuführen sind Rate und Anzahl der Kerne, wobei das Prognosekriterium hauptsächlich von den Unterkriterien Antizipation von Wiederherstellungsmaßnahmen, Erzeugung und Lastprognose abhängt und der Zeit für Wiederherstellungsmaßnahmen und der Schätzung des Ausfalls der Systemzustände zugeschrieben wird.
• Die erste Vielzahl von Attributen umfasst Quellenunsicherheit, Kommunikationsfehler, Ausfall der Verteilungsleitung, Fehler im Status von Schaltgeräten und gehört zu einem Unterkriterium für inkonsistente Daten, während eine zweite Vielzahl von Attributen, die übermäßige Automatisierung und GUI-Komplexität umfassen, zu einem Unterkriterium des Systems gehört Umgebungsfaktoren, wobei eine dritte Vielzahl von Attributen, die Taktrate, Speichergröße und Anzahl der Kerne umfassen, zu einem Unterkriterium der Leistung der Zentraleinheit gehören, wobei eine vierte Vielzahl von Attributen, die eine historische Datenbank umfassen, zu einem Unterkriterium der Generierung und Auslastung gehört Prognose, wobei eine fünfte Vielzahl von Attributen, die die Zeit für Wiederherstellungsmaßnahmen und den Ausfall von Systemzuständen umfassen, zu einem Unterkriterium für die Vorhersage von Wiederherstellungsmaßnahmen gehört.
• In einer Ausführungsform führt der Komparator (104) den paarweisen Vergleich durch, um eine Vergleichsmatrix für jedes der mehreren Kriterien, Unterkriterien und Attribute bereitzustellen, um die Priorität unter den Attributen für SA-basierte Belastbarkeit festzulegen. $$\text{A}=\left[\begin{array}{ccccccc}\raisebox{1ex}{$I_{r1}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C1}^s$}\right.& \raisebox{1ex}{$I_{r1}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C2}^s$}\right.& \raisebox{1ex}{$I_{r1}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C3}^s$}\right.& & \raisebox{1ex}{$I_{r1}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-2\right)}^s$}\right.& \raisebox{1ex}{$I_{r1}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-1\right)}^s$}\right.& \raisebox{1ex}{$I_{r1}^s$}\!\left/ \!\raisebox{-1ex}{$I_{Ct}^s$}\right.\\ \raisebox{1ex}{$I_{r2}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C1}^s$}\right.& \raisebox{1ex}{$I_{r2}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C2}^s$}\right.& \raisebox{1ex}{$I_{r2}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C3}^s$}\right.& \cdots & \raisebox{1ex}{$I_{r2}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-2\right)}^s$}\right.& \raisebox{1ex}{$I_{r2}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-1\right)}^s$}\right.& \raisebox{1ex}{$I_{r2}^s$}\!\left/ \!\raisebox{-1ex}{$I_{Ct}^s$}\right.\\ \raisebox{1ex}{$I_{r3}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C1}^s$}\right.& \raisebox{1ex}{$I_{r3}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C2}^s$}\right.& \raisebox{1ex}{$I_{r3}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C3}^s$}\right.& & \raisebox{1ex}{$I_{r3}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-2\right)}^s$}\right.& \raisebox{1ex}{$I_{r3}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-1\right)}^s$}\right.& \raisebox{1ex}{$I_{r3}^s$}\!\left/ \!\raisebox{-1ex}{$I_{Ct}^s$}\right.\\ & ⋮& & \ddots & & ⋮& \\ \raisebox{1ex}{$I_{r\left(t-2\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C1}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-2\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C2}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-2\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C3}^s$}\right.& & \raisebox{1ex}{$I_{r\left(t-2\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-2\right)}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-2\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-1\right)}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-2\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{Ct}^s$}\right.\\ \raisebox{1ex}{$I_{r\left(t-1\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C1}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-1\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C2}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-1\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C3}^s$}\right.& \cdots & \raisebox{1ex}{$I_{r\left(t-1\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-2\right)}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-1\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-1\right)}^s$}\right.& \raisebox{1ex}{$I_{r\left(t-1\right)}^s$}\!\left/ \!\raisebox{-1ex}{$I_{Ct}^s$}\right.\\ \raisebox{1ex}{$I_{rt}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C1}^s$}\right.& \raisebox{1ex}{$I_{rt}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C2}^s$}\right.& \raisebox{1ex}{$I_{rt}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C3}^s$}\right.& & \raisebox{1ex}{$I_{rt}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-2\right)}^s$}\right.& \raisebox{1ex}{$I_{rt}^s$}\!\left/ \!\raisebox{-1ex}{$I_{C\left(t-1\right)}^s$}\right.& \raisebox{1ex}{$I_{rt}^s$}\!\left/ \!\raisebox{-1ex}{$I_{Ct}^s$}\right.\end{array}\right]$$

  
• Der Eigenwert wird berechnet durch: $$\left(A-E{g}_{max}I\right)\left(\raisebox{1ex}{$I_{rt}^s$}\!\left/ \!\raisebox{-1ex}{$I_{ct}^s$}\right.\right)$$

  
• In einer Ausführungsform ist der Controller (106) so konfiguriert, dass er einen Konsistenzindex bildet und ein Konsistenzverhältnis (CR) entwickelt, um eine konsistente Basis für alle paarweisen Elementvergleiche anzuwenden. Der Controller (106) erstellt die endgültige Vergleichsmatrix basierend auf den Kriterien der Akzeptanz der Matrizen mit einem Konsistenzverhältnis CR ≤ 0.1 und weist die Matrizen mit einem CR-Wert größer als 0.1 für den paarweisen Vergleich zurück.
• In einer Ausführungsform werden die Gewichtungswerte der paarweisen Matrix normalisiert, indem der geometrische Mittelwert einer Zeile in der Matrix ausgewertet wird, um die relative Bedeutung von Attributen für die Entscheidungsfindung widerzuspiegeln, wobei das Gewicht des Attributs mit einem höheren Wert ein höheres hat Einfluss auf die Entscheidungsfindung für die SA-basierte Resilienzimprovisation.
• In einer Ausführungsform wird der zusammengesetzte Resilienzindex (Composite Resilience Index, CRI) durch Aggregieren jedes möglichen Attributs erhalten, das zu einem SA-Element gehört, um Informationen über die Auswahl der besten Option für die Resilienzimprovisation basierend auf Attributen bereitzustellen, die von einer Bedrohung betroffen sind, wobei das Attribut die stärkere Auswirkung hat Ereignisse mit hoher Auswirkung und niedriger Frequenz (HILF) haben einen höheren CRI-Wert.
• In einer Ausführungsform liefert der auf sprachlicher Skala basierende MCDM-Ansatz eine rationale Entscheidung. In praktischen Szenarien wird eine Abweichung zwischen realer Entscheidung und rationaler Entscheidung beobachtet. Um den Grad der Ableitung rationaler Entscheidungen zu messen, wird daher ein Konsistenzindex (CI(A)) formuliert. Die Unsicherheit wird durch die Verwendung von CI(A) berücksichtigt, gegeben durch: $CI\left(A\right)=\frac{h_{max}-k}{k-1}$

  
• Die Vielzahl der Matrizen ist unterschiedlich groß. Für die Skalierung von Matrizen unterschiedlicher Größe ist das Konsistenzverhältnis (CR) so konzipiert, dass es eine konsistente Basis für alle paarweisen Elementvergleiche bietet. Ein Wert von CR = 0.1 bedeutet, dass die Urteile zu 10 % inkonsistent sind. Durch die Auswahl eines niedrigeren CR-Werts können die Konsistenzen verbessert werden und ein höherer CR geschätzt werden, indem auf die Neubewertung der subjektiven Gewichte zurückgegriffen wird. Die CR wird mathematisch ausgedrückt als: $$CR\left(A\right)=\frac{CI\left(A\right)}{A_n^{CI\left(A\right)}}$$

  
• Das allgemeine Resilienzniveau in Bezug auf CRI, das allen HILF-Ereignissen (Naturgefahren, Cyber-, Cyber-physische und Terroranschläge) entspricht, wird ausgedrückt als: $$CRI\propto \frac{1}{Leistungseinbu\text{ß}en]\_CRI-Level}=m+\left(1-m\right){\displaystyle \sum _{y=1}^{y}CR{\left(A\right)}_{y}CI{\left(A\right)}_y}$$

  
• Dabei ist CR(A)=[CR(A)₁ , CR(A)₂ , ..., CR(A)_Y] der Vektor, der die Konsistenzwerte von Y möglichen Fällen von Wahrnehmungsattributen enthält, CI(A)_y ist sein Vektor normalisiertes Gewicht und m = max[CR(A)₁, CR(A)₂ ,...,CR(A)_Y].
• In einer Ausführungsform liefert die nicht deterministische solargestützte verteilte Energieressourcenleistung (DER) bei unterschiedlicher monatlicher und saisonaler Einstrahlung probabilistische Quellenunsicherheitsbedingungen an einem bestimmten Standort. Die Einflussfaktoren, von denen die Bestrahlungsstärke abhängt, können jedoch variieren und somit zu NDR führen. Diese Faktoren werden hauptsächlich in Wetter, Einstrahlung und Komponente eingeteilt. Zu den Wetterparametern zählen Lufttemperatur, Taupunkt und relative Luftfeuchtigkeit. Die Einstrahlungsschwankungen sind auf die Paneltemperatur, Verschmutzung und Verschattung zurückzuführen. Darüber hinaus führen die Alterung und Fehlfunktionen der Komponenten zu Quellenunsicherheit. Der Korrelationskoeffizient hebt den Grad der linearen Beziehung zwischen zwei beliebigen Variablen hervor und spiegelt die Stärke der Beziehung zwischen Variablen solargestützter DERs in Bezug auf die Unsicherheit wider. „Ebenso wichtig“ (EI) bedeutet ein mäßig positives Verhältnis der Quellenunsicherheit zu ihren beitragenden Faktoren. „Schwach wichtiger“ (WMI) weist auf eine schwache positive Beziehung hin, „stark wichtiger“ (SMI) auf eine starke Beziehung, „sehr stark wichtiger“ (VSMI) auf eine sehr starke Beziehung und „absolut wichtiger“ (AMI) auf eine perfekte Beziehung. Keine Korrelation (NC) spiegelt keine lineare Korrelation der Hauptfaktoren für die Quellenunsicherheit wider. Diese Korrelationskoeffizientenbeziehungen werden zur Quantifizierung der Quellenunsicherheit mithilfe des MCDM-Ansatzes berücksichtigt. Mithilfe des MCDM-Konzepts wird ein Eignungsindex vorgeschlagen, um das Solarenergiepotenzial eines Gebiets aufzuzeigen. Außerdem wird die Machbarkeit des Standorts basierend auf der Errichtung einer PV-Anlage mithilfe von MCDM berechnet. Die Fuzzy-Vergleichsbeurteilung eignet sich besser für die Entscheidungsfindung und den Umgang mit Mehrdeutigkeiten im Zusammenhang mit Unsicherheit. Die dreieckige Fuzzy-Mitgliedschaft eignet sich zur Lösung entscheidungsorientierter Probleme. Um Antworten von Entscheidungsträgern in klare Werte umzuwandeln, wird die dreieckige Zugehörigkeitsfunktion berücksichtigt. Hierzu werden dreieckige Fuzzy-Zahlen als Zugehörigkeitsfunktion von Fuzzy-Zahlen verwendet. Die dreieckige Fuzzy-Zahlendarstellung T_f wird durch die Minimal-, Zwischen- und Maximalwerte u, b bzw. w angegeben. Seine Zugehörigkeitsfunktion µ((x)M)) spiegelt den Grad der Ähnlichkeit der Parameter in Bezug auf Minimal-, Zwischen- und Maximalwerte u,b,w wider. $$T_{ƒ}=\left\{u,b,w\right\}$$

  

  $$\mu (\left(x|M\right)=\{\begin{array}{c}\mathrm{0,}\left(x<u\right)and\left(x\ge b\right)\\ \frac{x-u}{m-u},\left(b\le x\le m\right)\\ \frac{b-x}{b-m},\left(m\le x\le b\right)\end{array}$$

  
• Der Knoten V wird dargestellt als: $$V=\left\{p_1,p_2\mathrm{,...,}{p}_n\right\}$$

  
• Die gemeinsame Wahrscheinlichkeitsverteilung P(V) aller angegebenen Variablen in Knoten V ist die Kombination der bedingten Wahrscheinlichkeiten der übergeordneten Knoten, die wie folgt angegeben ist: $$P\left(V\right)={\displaystyle \prod _{i=1}^{n}P\left(\left(p_i|pa\left(p_i\right)\right)\right)}$$

  
• Dabei ist pa(pi) eine Menge aller Eltern der Variablen pi und die bedingte Wahrscheinlichkeitsverteilung der Variablen pi in Bezug auf den Knoten ihrer unmittelbaren Eltern wird als P(pi|pa(pi)) dargestellt.
• Die zeitveränderliche Wahrscheinlichkeitsfunktion für alle Folgen von Zuständen und Beobachtungen in der Zeitscheibe (t + Δt), wobei Δt der diskrete Zeitschritt ist, wird wie folgt dargestellt: $$P\left(V^{t+\Delta t}\right)={\displaystyle \prod _{i=1}^{n}P\left(p_i^{t+\Delta t}|P_i^t,pa\left(p_i^t\right),pa\left(p_i^{t+\Delta t}\right)\right)}$$

  
• Die linguistische Skala für die Dreieckszahlen wird verwendet, um einen skalenbasierten Vergleich zwischen den Unsicherheitsparametern der Quelle durchzuführen. Die fünf wichtigsten linguistischen Begriffe EI, WMI, SMI, VSMI und AMI bewerten die Bedeutung von Entscheidungsalternativen gemäß der Korrelation und sind in Bezug auf die Konvertierungsskala in Tabelle 1 dargestellt. Tabelle 1: Linguistische Variablen und entsprechende dreieckige Fuzzy-Skala für Entscheidungsprobleme mit mehreren Kriterien

  Sprachliche Variablen	Dreieckige Fuzzy-Skala	Dreieckige Fuzzy-Reziprok-Skala
  EI	(0.5, 1, 1.5)	(0.67, 1, 2)
  WMI	(1, 1.5, 2)	(0.5, 0,67, 1)
  SMI	(1.5, 2, 2.5)	(0,4, 0,5, 0,67)
  VSMI	(2, 2.5, 3)	(0.33, 0.4, 0.5)
  AMI	(2.5, 3, 3.5)	(0.29, 0.33, 0.4)

• Diese sprachlichen Begriffe werden so analysiert, dass alle möglichen subjektiven Entscheidungen für die Quellenunsicherheitsbewertung berücksichtigt werden. Mithilfe von DBN werden diese zur Quellenunsicherheit beitragenden Attribute in diskreten Zeitabschnitten modelliert, die probabilistische Verfügbarkeitsschwankungen von ADN darstellen.
• In einer Ausführungsform wird die Verfügbarkeitsbewertung von ADN mithilfe von DBN analysiert. DBN erfasst zeitliche probabilistische Abhängigkeiten zwischen Ereignissen und wird für viele Bewertungen verwendet, wie z. B. Systemausfallzeiten aufgrund von Ausfällen, dynamische Vorhersage der Systemzuverlässigkeit, Ermittlung von Zustandswahrscheinlichkeiten, Fehlerdiagnose, sequentielle Steuerung von Geräten, Wiederherstellungsaspekte und Risikobewertung von Unfällen in der Industrie. Die durch statische BN erhaltenen bedingten Wahrscheinlichkeiten werden zur Auswertung in verschiedenen Zeitabschnitten verwendet. DBN erleichtert die Modellierung der dynamischen Darstellung des Quellenunsicherheitsverhaltens von Variablen für verschiedene zeitlich variierende Szenarien der ADN-Verfügbarkeit. Zur Messung der Abweichung der betrieblichen Belastbarkeit vom Normalzustand wird der Zeitraum berücksichtigt, für den die geringste Verfügbarkeit von ADN eingeschätzt wird. Dies führt zu der Suche nach einer Metrik, die das NDR-Niveau für die Unsicherheit solargestützter DERs widerspiegelt.
• In einer Ausführungsform wird der betriebliche Belastbarkeitsindex aufgrund nichtdeterministischer Belastbarkeit im aktiven Verteilungsnetz bestimmt. Solargestützte DERs sind ungewiss, da die Solarenergie mit den räumlichen und zeitlichen Eigenschaften einer Region variiert und zur nichtdeterministischen Resilienz (NDR) beiträgt. Diese unsicheren Parameter werden durch kontinuierliche Wahrscheinlichkeitsverteilungen wie Beta-Verteilung, Normalverteilung und Weibull-Verteilung modelliert. Beta PDF modelliert die Unsicherheit der Sonneneinstrahlungsverteilung eines bestimmten Standorts im Hinblick auf die stochastische Variation der stündlichen Sonneneinstrahlung um ihren Mittelwert. Daher wird die nicht deterministische Charakterisierung der Abweichung von den prognostizierten Kapazitätswerten solargestützter DERs anhand der probabilistischen Betakurve angemessen geschätzt. Das Unsicherheitsverhalten der Bestrahlungsstärke wird untersucht, indem die tatsächliche Bestrahlungsstärke einer bestimmten Region analysiert wird. Daher wird für die Modellierung auf Basis realer Daten die Beta-Wahrscheinlichkeitsverteilungsfunktion (PDF) für die Sonneneinstrahlung verwendet. Die Formparameter von Beta-PDF werden anhand der mittleren Standardabweichung statistischer Daten berechnet. Der erhaltene Mittelwert und die Standardabweichung der Bestrahlungsdaten werden als kontinuierlich variierende Verteilung angepasst. Die Monate mit minimaler, maximaler und durchschnittlicher Photovoltaik-Leistung sowie saisonalen Schwankungen werden für die PDF-Schätzung festgelegt und spiegeln die Korrelation zwischen solarbasierter Erzeugung und Lasten in Bezug auf einen bestimmten Standort wider, mit weniger Parametern und niedrigeren historischen Photovoltaik-Daten. Der Grad der Belastbarkeit gibt den Grad an, um den die Belastbarkeit sinken kann, es wird jedoch ein Indexbedarf formuliert, um ihn im Hinblick auf die Netzwerkerzeugung und die Lastperspektive zu quantifizieren. Hierzu wird die probabilistische solargestützte DER-Leistung mit einer 24-Stunden-Lastdauerkurve kombiniert, um den Beitrag des NDR im schlimmsten Fall wetterbedingter Unsicherheiten innerhalb eines Jahres zu bewerten. Die PDFs werden für solargestützte DER an drei Knotenpunkten des IEEE 33-Bus-Netzwerks an den Knoten 6, 29 bzw. 11 erstellt. Die Echtzeit-Einstrahlungsdaten werden von einem institutionellen 1-MW-Solarpanel erhalten. Mithilfe des hybriden MCDM-DBN-Ansatzes wird die Verfügbarkeitsschwankung für das Netzwerk geschätzt. MCDM liefert das Resilienzniveau durch die Rangfolge der relativen Gewichte der Quellenunsicherheitsfaktoren. Der Grad der Belastbarkeit gibt den Grad an, in dem sich die Belastbarkeit ändern kann. Zur Quantifizierung im Hinblick auf die Netzwerkgenerierung und die Lastperspektive wird jedoch ein Index formuliert. Hierzu wird das Beta-PDF für solargestützte DER-Leistung mit dem normalen PDF für die 24-Stunden-Lastdauerkurve kombiniert. Anschließend wird ein NDR-Index für die betriebliche Belastbarkeit ermittelt, der sich auf das häufigste Szenario wetterbedingter Unsicherheiten in den Folgemonaten eines Jahres bezieht.
• Um das Unsicherheitsverhalten der Bestrahlungsstärke zu untersuchen, ist es notwendig, die tatsächliche Bestrahlungsstärke einer bestimmten Region zu analysieren. Daher wird für die Modellierung auf der Grundlage realer Daten die Beta-Wahrscheinlichkeitsverteilungsfunktion (PDF) (p(s) i_rr) für die Sonneneinstrahlung (s) verwendet, die wie folgt ausgedrückt wird: $$P{\left(s\right)}_{irr}=\underset{\mathrm{0,}ansonsten}{\frac{\tau \left(a+b\right)}{\{\tau \left(a\right)\tau \left(b\right)}.s^{\left(a-1\right)}.{\left(1-s\right)}^{\left(b-1\right),for\text{ a}\ge \text{0}\text{,b}\ge \text{0}\text{,0}\le \text{s}\le \text{1}}}$$

  
• Der ADN-Leistungsverlust wird durch Berechnung der Fläche unter der ADN-Leistungskurve ermittelt, die den LNS in MWh eines Ereignisses misst. Die LNS-Schätzung gibt die Anzahl der Tage an, an denen solargestützte DERs nicht in der Lage sind, den nicht deterministischen, nicht versorgten Lastzustand zu erfüllen, unter Berücksichtigung NDRbasierter saisonaler und monatlicher Einstrahlungsszenarien aufgrund von Wetterunsicherheiten.
• Der ADN-Leistungsverlust U(a) bei Einwirkung eines unsicheren Ereignisses o wird als Funktion der nicht versorgten Last L(a) und der Gesamtzeit dargestellt, in der das System aufgrund nicht deterministischer Parameter über ein akzeptables Leistungsniveau hinaus abfällt, t(a) als: $$U\left(a\right)=ƒ\left(L\left(a\right)xt\left(a\right)inMWh\right)$$

  
• U(a) wird durch Berechnung der Fläche unter der ADN-Leistungskurve ermittelt, die den LNS in MWh eines Ereignisses misst.
• In einer Ausführungsform wird das auf Situationsbewusstsein basierende Widerstandsniveau des aktiven Verteilungsnetzes gegenüber Ereignissen mit großer Auswirkung und geringer Häufigkeit geschätzt. Die Stärkung der Widerstandsfähigkeit des ADN gegenüber Bedrohungen wie Wettergefahren, Cyberangriffen und Unsicherheiten wird durch das von der SA unterstützte Rahmenwerk übernommen. Die Hierarchie zwischen Kriterien, Unterkriterien und Attributen wird abhängig von der Art der Bedrohungen analysiert, um die SA-basierte Widerstandsfähigkeit abzuschätzen. Hierzu wird Unklarheit in den Meinungen von Entscheidungsträgern dadurch begegnet, dass sprachliche Wichtigkeitsstufen als dreieckige Fuzzy-Zahl ausgedrückt werden. Anschließend werden die Wichtigkeitsstufen paarweise verglichen, um die betrachteten Kriterien weiter zu beurteilen. Die resultierende Matrix des paarweisen Vergleichs von Kriterien wird erhalten. Die paarweise Vergleichsmatrix spiegelt die relative Bedeutung der drei SA-Kriterien wider. Es werden auch Eg und CR ermittelt. Für den Fall des Wahrnehmungs-SMI statt der Projektion beträgt der entsprechende Wert des _{SMI z.B}. [0.480, 0.406, 0.114], λ = 3.036 mit CR _SMI = 0.026. Für den Fall von Wahrnehmungs-VSMI statt Projektion, entsprechende Werte von z. B. _VSMI = [0.648, 0.230, 0.122], λ = 3.005 mit CR _VSMI = 0. CR wird verwendet, um zu validieren, dass die erhaltenen Urteile konsistent sind, wenn CR ≤ 0.1 erfüllt. Die weitere Analyse basiert auf dem Vergleich des Prioritätseigenwerts λ nahe der Anzahl der Elemente unter dem Kriterium, die 3 beträgt. Auf dieser Grundlage wird λ = 3,005 für die weitere Analyse ausgewählt. Außerdem spiegelt die Reihenfolge die Intensität der Präferenz wider. Dies wird durch Eg angezeigt, das die Reihenfolge der Prioritäten darstellt, die aus einer positiven reziproken paarweisen Vergleichsmatrix abgeleitet wird. Beispielsweise wird _VSMI = [0.648, 0.230, 0.122] für die Reihenfolge der Wahrnehmungs-, Verständnis- und Projektionskriterien für SA ausgewählt. In der Allgemeinmedizin werden meist von Fachexperten ausgefüllte Fragebögen verwendet, um die Gewichte der beitragenden Faktoren zu ermitteln. Die subjektive Analyse erfolgt durch paarweisen Vergleich von Wahrnehmungsattributen, um schließlich deren Gewichtung festzulegen. Daher werden die Wahrnehmungsattribute SU, COF, DLF, ESD, EA und GC paarweise verglichen. Die optimale Entscheidungsfindung für diese Attribute ist der zulässige Wert des Konsistenzverhältnisses. Tabelle 2 fasst die entsprechenden relativen Gewichte zusammen, die verschiedenen Wichtigkeitsstufen von Wahrnehmungsattributen entsprechen, zusammen mit ihren jeweiligen CI(A) und CR. Tabelle 2: Relative Gewichtungen, die unterschiedliche Wichtigkeitsstufen von Wahrnehmungsattributen zusammen mit CI(A) und CR angeben, um eine auf Situationsbewusstsein basierende Belastbarkeit zu erreichen.

  Ziel	Krite rien	Unterkriter ien	Attri bute	Relative Gewichte, die unterschiedlichen RS von Wahrnehmungsattributen entsprechen
  				Szen ario 1	Szen ario 2	Szen ario 3	Szen ario 4	Szen ario 4	Szen ario 5
  SAbasie rte Resili enz	P	Inkonsisten t Daten	SU	0.12 8	0.11 0	0.10 2	0.10 6	0.11 4	0.11 9
  			COF	0.11 0	0.06 9	0.08 2	0.08 2	0.09 3	0.12 2
  			DLF	0.10 5	0.07 6	0.10 5	0.09 2	0.09 2	0.08 5
  			ESD	0.09 8	0.09 5	0.09 8	0.10 8	0.06 4	0.08 0
  		Netzwerku mgebung	EA	0.09 3	0.13 5	0.08 4	0.08 5	0.08 0	0.08 8
  		Faktoren	GC	0.08 0	0.09 0	0.09 7	0.09 8	0.11 6	0.07 1
  	C	SW-Anwendun gen	CAG	0.09 8	0.08 4	0.08 5	0.08 5	0.08 7	0.08 6
  		CPU-Leistung	CS	0.07 2	0.07 5	0.07 7	0.07 6	0.07 9	0.07 8
  			MS	0.06 3	0.07 9	0.08 1	0.08 0	0.08 1	0.08 0
  			NC	0.06 4	0.07 9	0.08 1	0.08 0	0.08 1	0.08 0
  	PR	Gen-Load-Prognose	HD	0.03 8	0.04 6	0.04 7	0.04 6	0.04 7	0.04 6
  		Rechnen Sie mit respektabl en Maßnahme n	TRA	0.02 7	0.03 1	0.03 2	0.03 2	0.03 2	0.03 2
  			FSS	0.02 4	0.03 4	0.03 4	0.03 4	0.03 5	0,.03 4
  			CI(A)	0.15 394	0.15 547	0.14 218	0.14 438	0.11 848	0.14 463
  			CR	0.09 868	0.09 967	0.09 114	0.09 255	0.07 595	0.09 271

• Die Ergebnismatrix der Gewichtung der Wahrnehmungsattribute aus Tabelle 2 spiegelt die relative Signifikanz (RS) für die betrachteten sechs Wahrnehmungsattribute wider. Diese sechs Bedingungen mit unterschiedlichen relativen Gewichtungen der Wahrnehmungsattribute bilden die sechs Szenarien für die weitere Analyse. Aus Tabelle 2 geht hervor, dass für den Fall der Wahrnehmung als wichtiges Kriterium der Quellunsicherheitsknoten am empfindlichsten ist (0.128), gefolgt vom Kommunikationsfehler (0.110) wie in Szenario 1. Für die übrigen Szenarien 2 bis 6 wird eine ähnliche Analyse abgeleitet . Andererseits wird für die Projektion als wichtiges Element der SA die Belastbarkeit am niedrigsten, wenn die Zeit für den Aktionsimplementierungsknoten (0.003) nicht richtig ist. Tabelle 2 zeigt auch, dass die übrigen Systemknoten nur geringe Auswirkungen auf die Improvisation der ADN-Resilienz haben. Diese gewichtungsorientierte Rangfolge wird für eine effektive Entscheidungsfindung im ADN-Management verwendet, um die korrekte Leistung vor, während und nach betroffenen Szenarien sicherzustellen. Unter Verwendung der in Tabelle 2 erhaltenen Werte von CI(A) und CR für die Szenarien 1 bis Szenario 6 wird der CRI ermittelt. Dieser CRI gibt den Gesamtbelastbarkeitsgrad des ADN an. Je höher der CRI, desto höher ist das Ausmaß, in dem das SA-basierte Framework dazu beiträgt, das Resilienzniveau nahe am Idealwert von Cent Prozent zu halten. Bei den betrachteten Szenarien handelt es sich um das Gewicht der beitragenden Faktoren der SA-orientierten Resilienz basierend auf unterschiedlichen Wichtigkeitsstufen der Wahrnehmungsattribute gemäß Tabelle 2. Diese Szenarien spiegeln die Unfähigkeit eines Systems wider, Informationen über ADN wahrzunehmen. Szenario 1, Szenario 2, Szenario 3, Szenario 4, Szenario 5 und Szenario 6 entsprechen SU, COF, DLF, ESD, EA und GC gemäß RS. Unter Berücksichtigung dieser sechs Szenarien für unterschiedliche RS von Wahrnehmungsattributen wird das Ausmaß des Abfalls des CRI-Werts von seinem Idealwert von Cent Prozent geschätzt. Der CRI-Rückgang beträgt 17.1034 %, 16.2943 %, 16.0011 % und 15.70983 %, 13.54423 % bzw. 11.2598 für Szenario 1-6. Der COF-Fall unzureichender SA ist für einen Rückgang des CRI um 17.1034 % verantwortlich, während der NDR-Fall, der sich auf ausreichende SA bezieht, für einen Rückgang des Belastbarkeitsniveaus um 11.23981 % verantwortlich ist. Daraus kann gefolgert werden, dass die Einbeziehung ausreichender SA-Attribute den Degradationsabfall und die Steigung des Belastbarkeitsniveaus verändert, was zu einer Improvisation der ADN-Leistung führt. Dies zeigt, wie wichtig es ist, genaue Werte von SA-basierten Attributen zu erhalten, um die Belastbarkeit richtig einschätzen zu können. Beim Vergleich des CRI-Abfalls für alle sechs Szenarien führt NDR zwar zu einem geringeren Rückgang der Belastbarkeit aufgrund des Vorhandenseins einer angemessenen SA, ist jedoch ein häufigeres Ereignis, das erhebliche Auswirkungen auf die Leistung von ADN hat. Dadurch wird das Netzwerk zusätzlich belastet. Daher ist die Untersuchung der Auswirkungen nichtdeterministischer Faktoren, insbesondere der Auswirkungen auf die Leistung von DERs unter wetterbedingten Unsicherheitsbedingungen, von großer Bedeutung.
• In einer Ausführungsform werden Schlüsselfaktoren für nichtdeterministische Resilienz bestimmt. Mithilfe von MCDM werden die Ursachen der Quellenunsicherheit ermittelt, um den Gewichtungsfaktor der Quellenunsicherheitsindikatoren zu berechnen und diese in eine Rangfolge zu bringen, um eine qualitative Beurteilung zu ermöglichen. Es werden acht Hauptfaktoren für die Nichtverfügbarkeit des ADN identifiziert (Taupunkt, Lufttemperatur, relative Luftfeuchtigkeit, Verschmutzung, Verschattung, Paneltemperatur, Komponentenalter und Komponentenfehlfunktion). Anhand der Beziehung zwischen den Variablen wird eine linguistische skalenbasierte Gewichtsschätzung für Quellenunsicherheitsfaktoren (SU) erstellt und diesen Alternativen unterschiedliche Gewichte zugewiesen. Die möglichen paarweisen Vergleiche werden für alle Quellunsicherheitsparameter durchgeführt und die entsprechend gebildeten resultierenden Matrizen erhalten. Im nächsten Schritt werden die relativen Wichtigkeitsgewichte der Quellenunsicherheitsparameter berechnet. Dies wird durch die Liste von E ₉ und den entsprechenden CR-Werten angegeben, d. h. z. B. _SMI = [0.16, 0.18, 0.18, 0.28, 0.15, 0.14] mit CR _SMI = 0.069, z. B. _VSMI = [0.17, 0.15, 0.16, 0.24, 0.13, 0.14] mit CR _VSMI = 0.037 und z. B. _WSMI = [0.18, 0.29, 0.15, 0.14, 0.13, 0.11] mit CR _WSMI = 0.078. Diese E _g spiegeln die Reihenfolge der Wirksamkeit der Parameter bei der Bewältigung der Quellenunsicherheit wider. Unter Berücksichtigung des maximalen E _g - Werts wird CR berechnet, der bestätigt, dass die erhaltenen Beurteilungen konsistent sind. Aus den drei erhaltenen paarweisen Vergleichsergebnissen gehen hervor, dass die für alle wetterbezogenen Parameter (Taupunkt, relative Luftfeuchtigkeit, Lufttemperatur) erhaltenen Gewichte für relativ höhere E g verantwortlich sind , dh z. B. _VSMI von [0.17, 0.15, 0.24]. Diese Rangfolge der Ergebnismatrix zeigt, dass die mögliche Bewertung der Wetterfaktoren, die zur Quellenunsicherheit beitragen, die zu NDR führt, im Vergleich zu platten- und komponentenbezogenen Faktoren am höchsten ist. Daher sollte den Wetterparametern mehr Aufmerksamkeit gewidmet werden, gefolgt von Komponentenparametern für die Entscheidungsfindung. Um die Genauigkeit der Entscheidungsfindung bei Wetterschwankungen zu verbessern, muss die Modellierung der ADN-Verfügbarkeit in der unsichersten Zeitspanne der Saison daher darauf vorbereitet sein, sich an veränderte Bedingungen anzupassen und plötzlichen Störungen standzuhalten.
• In einer Ausführungsform, Die Bedeutung der Wahrscheinlichkeitsverteilungsfunktion bei der nichtdeterministischen Belastbarkeit für die Schätzung der Verfügbarkeit des aktiven Verteilungsnetzes unter Verwendung von Hybrid-MCDM-DBN für nicht bediente Last wird bewertet.
• Unter Berücksichtigung der gegenseitigen Abhängigkeiten, des probabilistischen, zeitlich variierenden Verhaltens und der zufälligen Auswirkungen von Quellenunsicherheitsereignissen kann die ADN-Verfügbarkeit modelliert werden. Bewertet wird die dynamische ADN-Verfügbarkeit basierend auf der Quellenunsicherheit im Monat mit maximaler, durchschnittlicher und minimaler Sonneneinstrahlung sowie saisonalen Schwankungen für Sommer, Monsun, Post-Monsun und Winter. Zur Darstellung der gesamten Netzverfügbarkeit wird auch der Leitungsparameter berücksichtigt. Die dynamische Verfügbarkeit von ADN aufgrund von NDR wird aus dem DBN-Modell für 12 Zeitschritte ermittelt, die 12 verschiedene Monate angeben. Die ADN-Verfügbarkeit variiert um [0.78, 0.81] in Monaten mit maximaler Bestrahlungsstärke, [0.73, 0.79] in Monaten mit durchschnittlicher Bestrahlungsstärke und [0.63, 0.66] in Monaten mit minimaler Bestrahlungsstärke. Es hebt den Beitrag des NDR mit saisonalen und monatlichen Einstrahlungsschwankungen hervor. Dies ist auf die schwankende Einstrahlungsstärke während der Jahreszeiten zurückzuführen und spiegelt somit die gesamte PV-Leistung wider. Besonders während der saisonalen Monsunkategorie schwankt die Einstrahlung. Es ist erforderlich, die Fähigkeit von ADN zu quantifizieren, kritischen Belastungen angesichts unsicherer Betriebsbedingungen, schwankender Last und Erzeugungsverfügbarkeit standzuhalten. Zu diesem Zweck werden zunächst PDFs für solargestützte DER an drei Knotenpunkten des IEEE 33-Bus-Netzwerks erstellt. Zur Erstellung von PDFs werden Echtzeit-Einstrahlungsdaten von einem institutionellen 1-MW-Solarpanel abgerufen, die die PV-Erzeugung für einen bestimmten Zeitraum widerspiegeln. Die tropische Region mit den Koordinaten 23◦ 20' 39.5340'' N und 85◦ 17' 45.6468'' E wird für die monatliche Schwankung der Sonneneinstrahlung berücksichtigt. In dieser Region ist der Himmel im Winter und nach dem Monsun normalerweise klar, während der Sommer von leichten Niederschlägen begleitet wird. In der Monsunzeit dominieren starke Niederschläge und starke Winde die regionale Wetterstatistik. Für diese monatlichen und saisonalen Ereignisse muss der Beitrag des NDR bewertet werden, um seine Abschreckung von seinem normalen Betrieb zu formulieren. Unter Berücksichtigung der Bestrahlungsstärke wird die entsprechende Entstehungswahrscheinlichkeit ermittelt. Bewertet wird der NDR für das häufigste Worst-Case-Szenario von (1-γ) % der Störungen aufgrund wetterbedingter Unsicherheiten. Da das Resilienzniveau den Grad angibt, in dem sich die Resilienz ändern kann, wird zur Quantifizierung im Hinblick auf die Netzwerkgenerierung und die Lastperspektive ein Index formuliert. Hierzu wird das Beta-PDF der solargestützten DER-Leistung mit dem normalen PDF der Last kombiniert, um den betrieblichen Belastbarkeitsindex zu bewerten. Der jeweilige LNS wird für den jeweiligen Zeitraum auf der Grundlage einer normalisierten Lastdauerkurve unter Verwendung des Lastprofils des IEEE 33-Bus-Systems berechnet. Das Auftreten von LNS wird hauptsächlich im Monsun beobachtet [0.008, 0.01] MWh, also im Monsun, was eine höhere Netzabhängigkeit widerspiegelt. Während der maximalen Einstrahlung beträgt die LNS [0.008, 0.007] MWh. Dies zeigt einen Anstieg des NDR-Beitrags um 42.86 % unter Berücksichtigung der Schwankungen in der ADN-Leistung. Dies ist auf Abweichungen zurückzuführen, die sich aus Wechselwirkungen zwischen Schlüsselfaktoren der Quellenunsicherheit ergeben, wenn einige Aspekte des ADN mit statistischen Mitteln vorhergesagt werden. Das unsichere Wetter während der Monsunzeit zeigt die größte Wahrscheinlichkeit, dass der DER-Betrieb nichtdeterministisch gestört wird. Durch die Analyse des LNS für diesen Zeitraum lässt sich leicht messen, wie lange seine kritische Belastung mit geeigneten Minderungsmaßnahmen zur Wiederherstellung gedeckt werden kann. Bei ausreichender SA für die Echtzeitüberwachung kann der Beitrag des NDR zur Formulierung seiner Abschreckung vom Normalbetrieb abgeschätzt werden. Um die Widerstandsfähigkeit des Netzwerks zu verbessern, ist daher eine ausreichende SA für die Echtzeitüberwachung der betrieblichen Widerstandsfähigkeit erforderlich, sodass die Leistung über einen längeren Zeitraum angemessen verbessert werden kann. Tabelle 3 fasst die Analyse der unsicheren ADN-Verfügbarkeit aufgrund von NDR zusammen. Die ADN-Verfügbarkeit variiert um [0.78, 0.81] in Monaten mit maximaler Bestrahlungsstärke, [0.73, 0.79] in Monaten mit durchschnittlicher Bestrahlungsstärke und [0.63, 0.66] in Monaten mit minimaler Bestrahlungsstärke.

  Bestrahlung Variation	Saisonal Kategorie	Variation der solargestützten DER-Erzeugung (kW)	ADN-Verfügbarkeit
  maximal	Sommer	[130.96, 577.13]	[0.78, 0.81]
  Durchschnitt	Nachmonsun	[95.11, 559.695]	[0.76, 0.79]
  	Winter	[93.76, 554.302]	[0.73, 0.76]
  Minimum	Monsun	[59.267, 542.26]	[0.63, 0.66]

• Die Zeichnungen und die vorstehende Beschreibung geben Beispiele für Ausführungsformen. Fachleute werden erkennen, dass eines oder mehrere der beschriebenen Elemente durchaus zu einem einzigen Funktionselement kombiniert werden können. Alternativ können bestimmte Elemente in mehrere Funktionselemente aufgeteilt werden. Elemente einer Ausführungsform können zu einer anderen Ausführungsform hinzugefügt werden. Beispielsweise können die Reihenfolgen der hier beschriebenen Prozesse geändert werden und sind nicht auf die hier beschriebene Weise beschränkt. Darüber hinaus müssen die Aktionen eines Flussdiagramms nicht in der gezeigten Reihenfolge implementiert werden; Es müssen auch nicht unbedingt alle Handlungen ausgeführt werden. Auch solche Handlungen, die nicht von anderen Handlungen abhängig sind, können parallel zu den anderen Handlungen durchgeführt werden. Der Umfang der Ausführungsformen wird durch diese spezifischen Beispiele keineswegs eingeschränkt. Zahlreiche Variationen, ob explizit in der Spezifikation angegeben oder nicht, wie z. B. Unterschiede in Struktur, Abmessung und Materialverwendung, sind möglich. Der Umfang der Ausführungsformen ist mindestens so breit wie durch die folgenden Ansprüche angegeben.
• Vorteile, andere Vorzüge und Problemlösungen wurden oben im Hinblick auf spezifische Ausführungsformen beschrieben. Die Vorteile, Vorzüge, Problemlösungen und alle Komponenten, die dazu führen können, dass ein Nutzen, ein Vorteil oder eine Lösung eintritt oder ausgeprägter wird, dürfen jedoch nicht als kritische, erforderliche oder wesentliche Funktion oder Komponente von ausgelegt werden einzelne oder alle Ansprüche.
• REFERENZEN

100

Ein System zur Analyse der Auswirkungen von Attributen des Situationsbewusstseins für die Bewertung der Widerstandsfähigkeit aktiver Verteilungsnetze.

102

Datenbank

104

Komparator

106

Steuerung

106a

Auswerteeinheit

106b

Recheneinheit

106c

Zuordnungseinheit

106d

Rangeinheit

108

Entscheidungsfindungs- und Wiederherstellungsmodul

108a

Vorverarbeitungseinheit

110

Speicher

102a

Attribute

102b

Unterkriterien

102c

Kriterien

104a

paarweiser Vergleich

106a

Rangfolge

106b

Berechnung des Konsistenzindex

106c

Globaler Gewichtsfaktor

108b

Entscheidungsfindung und Genesung

Claims (9)

1. Ein System (100) zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Vertriebsnetze, wobei das System (100) Folgendes umfasst: eine Datenbank (102), die jedes einer Vielzahl von Kriterien, Unterkriterien und Attributen für eine angemessene Entscheidungsfindung innerhalb eines aktiven Verteilungsnetzes (ADN) umfasst, um die auf Situationsbewusstsein (SA) basierende Ausfallsicherheit auf der Grundlage eines Multikriterien-Entscheidungsfindungsansatzes (MCDM) abzuschätzen; einen Komparator (104), der mit der Datenbank (102) verbunden ist, um die Vielzahl von Attributen der SA für die Schätzung des Belastbarkeitsgrads zu identifizieren, um einen paarweisen Vergleich jedes der Vielzahl von Attributen basierend auf dem MCDM-Ansatz durchzuführen und die Priorität unter der Vielzahl festzulegen von Attributen basierend auf einer Vielzahl von Vergleichsmatrizen; eine Steuerung (106), die mit dem Komparator (104) verbunden ist, um die Vergleichsmatrix zu verarbeiten, um eine endgültige Matrix zu erhalten, wobei die Steuerung (106) dazu konfiguriert ist: durch eine Bewertungseinheit (106a) die Konsistenz der erhaltenen Vielzahl von Matrizen auf der Grundlage eines Eigenwerts bewerten; Berechnen, durch eine Recheneinheit (106b), einen größten Eigenwert (Eg_max) aus der Mehrzahl von Eigenwerten der Mehrzahl von paarweisen Vergleichsmatrizen in Bezug auf die Identitätsmatrix (I) und einer Mehrzahl von linguistischen Skalen der Vergleichsmatrix (A); Zuweisen einer Gewichtung durch eine Zuweisungseinheit (106c) zu jedem der mehreren Attribute, um einen Konsistenzindex zu berechnen; Und durch eine Rangfolgeeinheit (106d) eine Rangfolge der mehreren Attribute basierend auf der zugewiesenen Gewichtung und einem Kriterium durchführen, um die endgültige Vergleichsmatrix zu erhalten; Und ein Entscheidungsfindungs- und Wiederherstellungsmodul (108), das mit der Steuerung (106) verbunden ist, um die endgültige Vergleichsmatrix zu erhalten, wobei Werte der Matrix durch eine Vorverarbeitungseinheit (108a) normalisiert werden, um die SA-basierte Belastbarkeit bei der Entscheidungsfindung zu verbessern, wobei a Der zusammengesetzte Resilienzindex (CRI) wird aus jedem der mehreren Attribute, die sich auf die SA beziehen, mit Informationen über die verbesserte SA-Resilienz basierend auf dem MCDM-dynamischen Bayesianischen Netzwerk (DBN) ermittelt, wobei ein Kriterium darin besteht, einen minimalen CRI-Wert und einen maximalen CRI-Wert zu haben Wenn der Wert des Attributs erfüllt ist, wird ein Faktor für die Korrekturmaßnahme ermittelt, andernfalls wird ein angemessenes Resilienzniveau ermittelt.
2. System nach Anspruch 1, wobei die mehreren Kriterien, Unterkriterien und Attribute in einem Speicher (110) gespeichert sind.
3. System nach Anspruch 1, wobei die Ebenenkriterien von MCDM Wahrnehmung, Verständnis und Projektion sind, wobei die Wahrnehmungskriterien auf Kommunikationsfehler, Quellenunsicherheit, Ausfall der Verteilungsleitung, übermäßige Automatisierung und GUI-Komplexität zurückzuführen sind, wobei die Verständniskriterien wird auf Nachteile bei der Taktrate, der Speicherrate und der Anzahl der Kerne zurückgeführt, wobei die Prognosekriterien hauptsächlich von den Unterkriterien Antizipation von Wiederherstellungsmaßnahmen, Erzeugung und Lastprognose abhängen und auf die Zeit für Wiederherstellungsmaßnahmen und den Ausfall von Systemzuständen zurückgeführt werden Einschätzung.
4. System nach Anspruch 1, wobei eine erste Vielzahl von Attributen, die Quellenunsicherheit, Kommunikationsfehler, Ausfall der Verteilungsleitung, Fehler im Status von Schaltgeräten umfassen, zu einem Unterkriterium inkonsistenter Daten gehört, wobei eine zweite Vielzahl von Attributen übermäßige Automatisierung umfasst. Die GUI-Komplexität gehört zu einem Unterkriterium der Systemumgebungsfaktoren, wobei eine dritte Vielzahl von Attributen Taktrate, Speichergröße und Anzahl der Kerne zu einem Unterkriterium der Leistung der Zentraleinheit gehören, wobei eine vierte Vielzahl von Attributen die historische Datenbank umfasst gehören zu einem Unterkriterium der Erzeugung und Lastprognose, wobei eine fünfte Vielzahl von Attributen, die Zeit für Wiederherstellungsmaßnahmen und Ausfall von Systemzuständen umfassen, zu einem Unterkriterium der Antizipation von Wiederherstellungsmaßnahmen gehören.
5. System nach Anspruch 1, wobei der Komparator (104) den paarweisen Vergleich durchführt, um eine Vergleichsmatrix für jedes der mehreren Kriterien, Unterkriterien und Attribute bereitzustellen, um die Priorität unter den Attributen für SA-basierte Belastbarkeit festzulegen.
6. System nach Anspruch 1, wobei die Steuerung (106) so konfiguriert ist, dass sie einen Konsistenzindex bildet und ein Konsistenzverhältnis (CR) entwickelt, um eine konsistente Basis für alle paarweisen Elementvergleiche anzuwenden.
7. System nach Anspruch 6, wobei die Steuerung (106) die endgültige Vergleichsmatrix basierend auf den Kriterien der Akzeptanz der Matrizen mit einem Konsistenzverhältnis CR ≤ 0.1 erstellt und die Matrizen mit einem CR-Wert größer als 0.1 paarweise ablehnt Vergleich.
8. System nach Anspruch 1, wobei die Gewichtungswerte der paarweisen Matrix durch Auswertung des geometrischen Mittelwerts einer Zeile in der Matrix normalisiert werden, um die relative Bedeutung von Attributen bei der Entscheidungsfindung widerzuspiegeln, wobei das Gewicht des Attributs höher ist Der Wert hat einen größeren Einfluss auf die Entscheidungsfindung für die SA-basierte Resilienzimprovisation.
9. System nach Anspruch 1, wobei der zusammengesetzte Resilienzindex (CRI) durch Aggregieren jedes möglichen Attributs, das zum SA-Element gehört, erhalten wird, um Informationen über die Auswahl der besten Option zur Resilienzimprovisation basierend auf Attributen bereitzustellen, die von einer Bedrohung betroffen sind, wobei das Attribut Wenn ein HILF-Ereignis (High Impact Low Frequency) größere Auswirkungen hat, ist der CRI-Wert höher.

Images