本發(fā)明涉及配電自動化終端狀態(tài)評價技術(shù)，具體涉及一種基于模糊綜合評價的配電自動化終端狀態(tài)評價方法及系統(tǒng)。
背景技術(shù)：
：隨著智能電網(wǎng)建設(shè)的不斷深入，配電自動化終端設(shè)備的數(shù)量不斷增長，傳統(tǒng)的檢修方式已經(jīng)難以匹配現(xiàn)有的檢修需求，因此，有必要改進(jìn)檢修方法，對配電自動化終端進(jìn)行狀態(tài)管控，通過前期狀態(tài)評價的方法，合理制定檢修計劃。這一方面能使有限的檢修資源得到合理的運用，另一方面更能提高配電網(wǎng)的經(jīng)濟(jì)穩(wěn)定運行。目前，針對配電自動化終端的狀態(tài)評價還無相關(guān)的國家標(biāo)準(zhǔn)或規(guī)程，對電氣設(shè)備狀態(tài)評價的方法一般有專家打分法、模糊綜合評價法、層次分析法等。專家打分法具有主觀性較強，極大的依賴專家經(jīng)驗；層次分析法對專家打分法進(jìn)行了改進(jìn)，但是還存在著主觀性較強的缺陷；模糊綜合評價法具有較高的客觀性，同時通過合理的方法確定狀態(tài)量的權(quán)重能夠更好地提高狀態(tài)評價的準(zhǔn)確性。技術(shù)實現(xiàn)要素：本發(fā)明要解決的技術(shù)問題：針對現(xiàn)有技術(shù)的上述問題，提供一種能夠更為準(zhǔn)確地反映配電自動化終端的狀態(tài)，更加全面地對配電自動化終端展開評價，具備較高的可操作性的基于模糊綜合評價的配電自動化終端狀態(tài)評價方法及系統(tǒng)。為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：本發(fā)明提供一種基于模糊綜合評價的配電自動化終端狀態(tài)評價方法，步驟包括：1)檢測確定配電自動化終端的狀態(tài)量；2)根據(jù)配電自動化終端的狀態(tài)量建立配電自動化終端狀態(tài)評價體系，所述配電自動化終端狀態(tài)評價體系為狀態(tài)量對應(yīng)指標(biāo)構(gòu)成的層次結(jié)構(gòu)模型；3)確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W；4)設(shè)置包括配電自動化終端各個狀態(tài)等級的狀態(tài)評價集V；5)計算各狀態(tài)量對應(yīng)指標(biāo)的配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)，根據(jù)模糊隸屬函數(shù)計算得到的隸屬度構(gòu)建模糊綜合評價矩陣R；6)結(jié)合得到的狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W和模糊綜合評價矩陣R，根據(jù)隸屬度最大原則確定配電自動化終端在狀態(tài)評價集V中對應(yīng)的狀態(tài)等級。優(yōu)選地，步驟1)中配電自動化終端的狀態(tài)量包括巡檢信息、在線監(jiān)測信息、歷史信息三類，巡檢信息包括裝置外觀、運行環(huán)境、銹蝕情況、絕緣情況四個狀態(tài)量，在線監(jiān)測信息包括通信狀況、遙控正確率、遙測合格率、遙信正確率四個狀態(tài)量，歷史信息包括家族性缺陷、裝置運行年限、同批次設(shè)備平均故障率三個狀態(tài)量。優(yōu)選地，步驟2)中層次結(jié)構(gòu)模型為兩層的層次結(jié)構(gòu)模型，所述狀態(tài)量對應(yīng)的巡檢信息、在線監(jiān)測信息、歷史信息三個分類類別作為層次結(jié)構(gòu)模型中的一級指標(biāo)，所述巡檢信息包括裝置外觀、運行環(huán)境、銹蝕情況及絕緣情況四個狀態(tài)量對應(yīng)的二級指標(biāo)，所述在線監(jiān)測信息包括通信狀況、遙控正確率、遙測合格率及遙信正確率四個狀態(tài)量對應(yīng)的二級指標(biāo)，所述歷史信息主要包括家族性缺陷、裝置運行年限、同批次設(shè)備平均故障率三個狀態(tài)量對應(yīng)的二級指標(biāo)。優(yōu)選地，步驟3)確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重的詳細(xì)步驟包括：3.1)采用層次分析法確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi；3.2)采用熵權(quán)法確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωsi；3.3)根據(jù)式(1)所示組合賦權(quán)法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ω，得到由各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ω構(gòu)成的權(quán)重集W；式(1)中，ω表示組合賦權(quán)法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，ωi表示采用層次分析法確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，ωsi表示采用熵權(quán)法確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，m表示確定各狀態(tài)量的權(quán)重時采用的配電自動化終端數(shù)量。優(yōu)選地，步驟3.1)的詳細(xì)步驟包括：3.1.1)從所述層次結(jié)構(gòu)模型的第二層開始，對從屬于上一層的同一層因素采用預(yù)設(shè)的1-9標(biāo)度法對各個因素兩兩比較，構(gòu)建判斷矩陣，直到最后一層；3.1.2)針對得到的判斷矩陣，依次根據(jù)式(2)計算判斷矩陣每一行元素的乘積Mi，根據(jù)式(3)計算乘積Mi的n次方根Wi，得到由各行元素的乘積Mi的n次方根Wi組成的n次方根向量W，根據(jù)式(4)對n次方根向量W進(jìn)行正規(guī)化，并將正規(guī)化得到的向量極作為判斷矩陣的特征向量近似解；式(2)中，Mi表示判斷矩陣每一行元素的乘積，pij表示判斷矩陣第i行的第j個元素，n表示判斷矩陣每一行元素的個數(shù)；式(3)中，Wi表示乘積Mi的n次方根，Mi表示判斷矩陣每一行元素的乘積，n表示判斷矩陣每一行元素的個數(shù)；式(4)中，ωi表示判斷矩陣第i行正規(guī)化得到的結(jié)果，Wi表示乘積Mi的n次方根，Wj表示判斷矩陣第i行的第j個元素pij對應(yīng)的乘積Mj的n次方根；3.1.3)根據(jù)式(5)計算判斷矩陣的最大特征值，根據(jù)式(6)計算判斷矩陣的最大特征值利用一致性比率CI，根據(jù)式(7)將判斷矩陣的最大特征值利用一致性比率CI、一致性判別指標(biāo)CR、平均隨機(jī)一致性指標(biāo)RI進(jìn)行一致性檢驗；式(5)中，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數(shù)，ωi表示判斷矩陣第i行正規(guī)化得到的結(jié)果，(PW)i表示各判斷矩陣與對應(yīng)權(quán)重集的乘積；式(6)中，CI表示判斷矩陣的最大特征值利用一致性比率，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數(shù)；式(7)中，CR表示一致性判別指標(biāo)，CI表示判斷矩陣的最大特征值利用一致性比率，RI表示平均隨機(jī)一致性指標(biāo)；3.1.4)將判斷矩陣的特征向量近似解進(jìn)行歸一化得到由各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi構(gòu)成的集合向量，從而得到各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi。優(yōu)選地，步驟3.2)的詳細(xì)步驟包括：3.2.1)針對m個配電自動化終端和n個狀態(tài)量對應(yīng)的指標(biāo)，建立式(8)所示具有m個對象、n項指標(biāo)的評價矩陣；式(8)中，m表示確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重時采用的配電自動化終端數(shù)量，n表示狀態(tài)量對應(yīng)指標(biāo)的數(shù)量，uij為第i個對象中第j個指標(biāo)的評分，i＝1,2,…m；j＝1,2,…n；3.2.2)針對式(2)所示評價矩陣中的每一個元素uij進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，如果元素uij對應(yīng)的狀態(tài)量為值越大、狀態(tài)越好的正向指標(biāo)，則采用式(9)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；如果元素uij對應(yīng)的狀態(tài)量為值越大、狀態(tài)越差的負(fù)向指標(biāo)，則采用式(10)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；式(9)和式(10)中，xij表示元素uij數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果，min{uj}表示評價矩陣中的第i行所有元素的最小值，max{uj}表示評價矩陣中的第i行所有元素的最大值；3.2.3)根據(jù)式(11)計算第j個綜合狀態(tài)量下第i個狀態(tài)量對應(yīng)指標(biāo)所占的權(quán)重pij；式(11)中，pij表示第j個狀態(tài)量分類下第i個狀態(tài)量所占的權(quán)重，xij表示評價矩陣中的元素uij數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果，n表示狀態(tài)量的數(shù)量；3.2.4)根據(jù)式(12)計算各個狀態(tài)量對應(yīng)指標(biāo)的信息熵及熵的冗余度dj；dj＝1-Ej式(12)中，Ej表示第j個狀態(tài)量對應(yīng)指標(biāo)的信息熵，k＝1/lnm，pij表示第j個狀態(tài)量分類下第i個狀態(tài)量所占的權(quán)重，m表示確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重時采用的配電自動化終端數(shù)量，dj表示熵的冗余度；3.2.5)根據(jù)式(13)計算所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωsi；式(13)中，ωsi表示狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，m表示確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重時采用的配電自動化終端數(shù)量，dj表示熵的冗余度。優(yōu)選地，步驟4)配電自動化終端各個狀態(tài)等級包括正常、注意、異常、嚴(yán)重四種狀態(tài)，所述狀態(tài)評價集V為V＝{正常，注意，異常，嚴(yán)重}。優(yōu)選地，步驟5)的詳細(xì)步驟包括：5.1)預(yù)先根據(jù)狀態(tài)量的數(shù)據(jù)類，將各個狀態(tài)量對應(yīng)的指標(biāo)分類為文本型和數(shù)據(jù)型兩類；5.2)針對各個文本型的指標(biāo)，利用模糊統(tǒng)計法確定狀態(tài)量的隸屬度，令某一集合V為狀態(tài)量的n個評價等級vi，i＝1,2,3…n，某論域X上的元素x是否屬于集合V的統(tǒng)計實驗，根據(jù)如式(14)所述模糊隸屬函數(shù)計算隸屬頻率作為隸屬度的值，隸屬頻率的計算公式；式(14)中，表示元素x對評價等級vi的隸屬頻率，表示x∈vi的次數(shù)，ctotal表示總的實驗次數(shù)；5.3)針對各個數(shù)據(jù)型的指標(biāo)，利用三角半梯形結(jié)合的分布函數(shù)進(jìn)行量化，對數(shù)據(jù)越小越好的狀態(tài)量數(shù)據(jù)，可確定狀態(tài)量的最優(yōu)值p0和最差值pa，將狀態(tài)量的最優(yōu)值p0和最差值pa進(jìn)行n+1等分，得到n個等間隔點b1,b2,…,bn，從而得到狀態(tài)量pi隸屬于評價等級vi的模糊隸屬函數(shù)如式(15)所示；式(15)中，μi(v1)表示狀態(tài)量pi隸屬于評價等級v1的隸屬度，μi(v2)表示狀態(tài)量pi隸屬于評價等級v2的隸屬度，μi(vn-1)表示狀態(tài)量pi隸屬于評價等級vn-1的隸屬度，μi(vn)表示狀態(tài)量pi隸屬于評價等級vn的隸屬度，p0表示狀態(tài)量的最優(yōu)值，pa表示狀態(tài)量的最差值，b1,b2,…,bn為將狀態(tài)量的最優(yōu)值p0和最差值pa進(jìn)行n+1等分得到的n個等間隔點；5.4)將所有狀態(tài)量對應(yīng)指標(biāo)到配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)的隸屬度構(gòu)建模糊綜合評價矩陣R。優(yōu)選地，步驟6)的詳細(xì)步驟包括：6.1)根據(jù)式(16)所示表達(dá)式計算模糊綜合評價的數(shù)學(xué)模型；Q＝(q1,q2,…qm)＝WοR(16)式(16)中，Q為模糊綜合評價的數(shù)學(xué)模型的值，W表示狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集，R表示模糊綜合評價矩陣，ο為模糊算子，q1,q2,…,qm表示對應(yīng)m個狀態(tài)等級的值；6.2)基于模糊綜合評價的數(shù)學(xué)模型中對應(yīng)m個狀態(tài)等級的值q1,q2,…,qm，根據(jù)隸屬度最大原則確定配電自動化終端在狀態(tài)評價集V中對應(yīng)的狀態(tài)等級。另一方面，本發(fā)明還提供一種基于模糊綜合評價的配電自動化終端狀態(tài)評價系統(tǒng)，包括：狀態(tài)量確定程序模塊，用于檢測確定配電自動化終端的狀態(tài)量；評價體系確定程序模塊，用于根據(jù)配電自動化終端的狀態(tài)量建立配電自動化終端狀態(tài)評價體系，所述配電自動化終端狀態(tài)評價體系為狀態(tài)量對應(yīng)指標(biāo)構(gòu)成的層次結(jié)構(gòu)模型；權(quán)重集確定程序模塊，用于確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W；狀態(tài)評價集確定程序模塊，用于設(shè)置包括配電自動化終端各個狀態(tài)等級的狀態(tài)評價集V；模糊綜合評價矩陣確定程序模塊，用于計算各狀態(tài)量對應(yīng)指標(biāo)的配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)，根據(jù)模糊隸屬函數(shù)計算得到的隸屬度構(gòu)建模糊綜合評價矩陣R；狀態(tài)等級評價程序模塊，用于結(jié)合得到的狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W和模糊綜合評價矩陣R，根據(jù)隸屬度最大原則確定配電自動化終端在狀態(tài)評價集V中對應(yīng)的狀態(tài)等級。本發(fā)明基于模糊綜合評價的配電自動化終端狀態(tài)評價方法具有下述優(yōu)點：本發(fā)明1、本發(fā)明通過檢測確定配電自動化終端的狀態(tài)量，根據(jù)配電自動化終端的狀態(tài)量建立配電自動化終端狀態(tài)評價體系，在配電自動化終端狀態(tài)評價體系的基礎(chǔ)上，通過確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W，設(shè)置包括配電自動化終端各個狀態(tài)等級的狀態(tài)評價集V，計算各狀態(tài)量對應(yīng)指標(biāo)的配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)，根據(jù)模糊隸屬函數(shù)計算得到的隸屬度構(gòu)建模糊綜合評價矩陣R，結(jié)合得到的狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W和模糊綜合評價矩陣R，根據(jù)隸屬度最大原則確定配電自動化終端在狀態(tài)評價集V中對應(yīng)的狀態(tài)等級，基于模糊綜合評價的方式實現(xiàn)了配電自動化終端狀態(tài)評價，能夠更為準(zhǔn)確地反映配電自動化終端的狀態(tài)，更加全面地對配電自動化終端展開評價，具備較高的可操作性。2、本發(fā)明確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W時，可以根據(jù)需要采用層次分析法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，或者采用熵權(quán)法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，或者采用層次分析法和熵權(quán)法結(jié)合的組合賦權(quán)法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，既能有效利用專家經(jīng)驗，又能通過熵權(quán)法客服層次分析法的主觀性缺陷，使得評價方法更加客觀準(zhǔn)確。本發(fā)明基于模糊綜合評價的配電自動化終端狀態(tài)評價系統(tǒng)為本發(fā)明基于模糊綜合評價的配電自動化終端狀態(tài)評價方法完全對應(yīng)的系統(tǒng)，因此同樣也具有本發(fā)明基于模糊綜合評價的配電自動化終端狀態(tài)評價方法的前述優(yōu)點，在此不再贅述。附圖說明圖1為本發(fā)明實施例一方法的基本流程示意圖。圖2為本發(fā)明實施例一配電自動化終端狀態(tài)評價體系的結(jié)構(gòu)示意圖。具體實施方式實施例一：參見圖1，本實施例基于模糊綜合評價的配電自動化終端狀態(tài)評價方法的步驟包括：1)檢測確定配電自動化終端的狀態(tài)量；2)根據(jù)配電自動化終端的狀態(tài)量建立配電自動化終端狀態(tài)評價體系，配電自動化終端狀態(tài)評價體系為狀態(tài)量對應(yīng)指標(biāo)構(gòu)成的層次結(jié)構(gòu)模型；3)確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W；4)設(shè)置包括配電自動化終端各個狀態(tài)等級的狀態(tài)評價集V；5)計算各狀態(tài)量對應(yīng)指標(biāo)的配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)，根據(jù)模糊隸屬函數(shù)計算得到的隸屬度構(gòu)建模糊綜合評價矩陣R；6)結(jié)合得到的狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W和模糊綜合評價矩陣R，根據(jù)隸屬度最大原則確定配電自動化終端在狀態(tài)評價集V中對應(yīng)的狀態(tài)等級。本實施例中，步驟1)中配電自動化終端的狀態(tài)量包括巡檢信息、在線監(jiān)測信息、歷史信息三類，巡檢信息包括裝置外觀、運行環(huán)境、銹蝕情況、絕緣情況四個狀態(tài)量，在線監(jiān)測信息包括通信狀況、遙控正確率、遙測合格率、遙信正確率四個狀態(tài)量，歷史信息包括家族性缺陷、裝置運行年限、同批次設(shè)備平均故障率三個狀態(tài)量。參見圖2，步驟2)中層次結(jié)構(gòu)模型為兩層的層次結(jié)構(gòu)模型，狀態(tài)量對應(yīng)的巡檢信息、在線監(jiān)測信息、歷史信息三個分類類別作為層次結(jié)構(gòu)模型中的一級指標(biāo)，巡檢信息包括裝置外觀、運行環(huán)境、銹蝕情況及絕緣情況四個狀態(tài)量對應(yīng)的二級指標(biāo)，在線監(jiān)測信息包括通信狀況、遙控正確率、遙測合格率及遙信正確率四個狀態(tài)量對應(yīng)的二級指標(biāo)，歷史信息主要包括家族性缺陷、裝置運行年限、同批次設(shè)備平均故障率三個狀態(tài)量對應(yīng)的二級指標(biāo)。本實施例中，步驟3)確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重的詳細(xì)步驟包括：3.1)采用層次分析法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi；3.2)采用熵權(quán)法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωsi；3.3)根據(jù)式(1)所示組合賦權(quán)法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ω，得到由各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ω構(gòu)成的權(quán)重集W；式(1)中，ω表示組合賦權(quán)法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，ωi表示采用層次分析法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，ωsi表示采用熵權(quán)法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，例表示確定各狀態(tài)量的權(quán)重時采用的配電自動化終端數(shù)量。本實施例中，步驟3.1)的詳細(xì)步驟包括：3.1.1)從層次結(jié)構(gòu)模型的第二層開始，對從屬于上一層的同一層因素采用預(yù)設(shè)的1-9標(biāo)度法對各個因素兩兩比較，構(gòu)建判斷矩陣，直到最后一層；1-9標(biāo)度法如表1所示；表1：1-9標(biāo)度法。pij含義1pi與pj相比同等重要3pi與pj相比稍微重要5pi與pj相比明顯重要7pi與pj相比強烈重要9pi與pj相比極端重要2，4，6，8相鄰判斷值的中間值倒數(shù)pi與pj反過來比較3.1.2)針對得到的判斷矩陣，依次根據(jù)式(2)計算判斷矩陣每一行元素的乘積Mi，根據(jù)式(3)計算乘積Mi的n次方根Wi，得到由各行元素的乘積Mi的n次方根Wi組成的n次方根向量W，根據(jù)式(4)對n次方根向量W進(jìn)行正規(guī)化，并將正規(guī)化得到的向量極作為判斷矩陣的特征向量近似解；式(2)中，Mi表示判斷矩陣每一行元素的乘積，pij表示判斷矩陣第i行的第j個元素，n表示判斷矩陣每一行元素的個數(shù)；式(3)中，Wi表示乘積Mi的n次方根，Mi表示判斷矩陣每一行元素的乘積，n表示判斷矩陣每一行元素的個數(shù)；式(4)中，ωi表示判斷矩陣第i行正規(guī)化得到的結(jié)果，Wi表示乘積Mi的n次方根，Wj表示判斷矩陣第i行的第j個元素pij對應(yīng)的乘積Mj的n次方根；3.1.3)根據(jù)式(5)計算判斷矩陣的最大特征值，根據(jù)式(6)計算判斷矩陣的最大特征值利用一致性比率CI，根據(jù)式(7)將判斷矩陣的最大特征值利用一致性比率CI、一致性判別指標(biāo)CR、平均隨機(jī)一致性指標(biāo)RI進(jìn)行一致性檢驗；式(5)中，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數(shù)，ωi表示判斷矩陣第i行正規(guī)化得到的結(jié)果，(PW)i表示各判斷矩陣與對應(yīng)權(quán)重集的乘積；式(6)中，CI表示判斷矩陣的最大特征值利用一致性比率，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數(shù)；式(7)中，CR表示一致性判別指標(biāo)，CI表示判斷矩陣的最大特征值利用一致性比率，RI表示平均隨機(jī)一致性指標(biāo)；3.1.4)將判斷矩陣的特征向量近似解進(jìn)行歸一化得到由各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi構(gòu)成的集合向量，從而得到各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi。本實施例中，步驟3.2)的詳細(xì)步驟包括：3.2.1)針對m個配電自動化終端和n個狀態(tài)量對應(yīng)的指標(biāo)，建立式(8)所示具有m個對象、n項指標(biāo)的評價矩陣；式(8)中，m表示確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重時采用的配電自動化終端數(shù)量，n表示狀態(tài)量對應(yīng)指標(biāo)的數(shù)量，uij為第i個對象中第j個指標(biāo)的評分，i＝1,2,…m；j＝1,2,…n；3.2.2)針對式(2)所示評價矩陣中的每一個元素uij進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，如果元素uij對應(yīng)的狀態(tài)量為值越大、狀態(tài)越好的正向指標(biāo)，則采用式(9)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；如果元素uij對應(yīng)的狀態(tài)量為值越大、狀態(tài)越差的負(fù)向指標(biāo)，則采用式(10)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；式(9)和式(10)中，xij表示元素uij數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果，min{uj}表示評價矩陣中的第i行所有元素的最小值，max{uj}表示評價矩陣中的第i行所有元素的最大值；3.2.3)根據(jù)式(11)計算第j個綜合狀態(tài)量下第i個狀態(tài)量對應(yīng)指標(biāo)所占的權(quán)重pij；式(11)中，pij表示第j個狀態(tài)量分類下第i個狀態(tài)量所占的權(quán)重，xij表示評價矩陣中的元素uij數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果，n表示狀態(tài)量的數(shù)量；3.2.4)根據(jù)式(12)計算各個狀態(tài)量對應(yīng)指標(biāo)的信息熵及熵的冗余度dj；dj＝1-Ej式(12)中，Ej表示第j個狀態(tài)量對應(yīng)指標(biāo)的信息熵，k＝1/lnm，pij表示第j個狀態(tài)量分類下第i個狀態(tài)量所占的權(quán)重，m表示確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重時采用的配電自動化終端數(shù)量，dj表示熵的冗余度；3.2.5)根據(jù)式(13)計算狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωsi；式(13)中，ωsi表示狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重，m表示確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重時采用的配電自動化終端數(shù)量，dj表示熵的冗余度。本實施例中，步驟3.1)采用層次分析法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi為：ωi＝[0.3700.1570.2070.266]T步驟3.2)采用熵權(quán)法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωsi為：ωsi＝[0.1750.1250.2320.468]T根據(jù)式(1)所示組合賦權(quán)法確定各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ω為：ω＝[0.2520.0760.1870.485]T本實施例中，步驟4)配電自動化終端各個狀態(tài)等級包括正常、注意、異常、嚴(yán)重四種狀態(tài)，狀態(tài)評價集V為V＝{正常，注意，異常，嚴(yán)重}。本實施例中，步驟5)的詳細(xì)步驟包括：5.1)預(yù)先根據(jù)狀態(tài)量的數(shù)據(jù)類，將各個狀態(tài)量對應(yīng)的指標(biāo)分類為文本型和數(shù)據(jù)型兩類；5.2)針對各個文本型的指標(biāo)，利用模糊統(tǒng)計法確定狀態(tài)量的隸屬度，令某一集合V為狀態(tài)量的n個評價等級vi，i＝1,2,3…n，某論域X上的元素x是否屬于集合V的統(tǒng)計實驗，根據(jù)如式(14)模糊隸屬函數(shù)計算隸屬頻率作為隸屬度的值，隸屬頻率的計算公式；式(14)中，表示元素x對評價等級vi的隸屬頻率，表示x∈vi的次數(shù)，ctotal表示總的實驗次數(shù)；5.3)針對各個數(shù)據(jù)型的指標(biāo)，利用三角半梯形結(jié)合的分布函數(shù)進(jìn)行量化，對數(shù)據(jù)越小越好的狀態(tài)量數(shù)據(jù)，可確定狀態(tài)量的最優(yōu)值p0和最差值pa，將狀態(tài)量的最優(yōu)值p0和最差值pa進(jìn)行n+1等分，得到n個等間隔點b1,b2,…,bn，從而得到狀態(tài)量pi隸屬于評價等級vi的模糊隸屬函數(shù)如式(15)所示；式(15)中，μi(v1)表示狀態(tài)量pi隸屬于評價等級v1的隸屬度，μi(v2)表示狀態(tài)量pi隸屬于評價等級v2的隸屬度，μi(vn-1)表示狀態(tài)量pi隸屬于評價等級vn-1的隸屬度，μi(vn)表示狀態(tài)量pi隸屬于評價等級vn的隸屬度，p0表示狀態(tài)量的最優(yōu)值，pa表示狀態(tài)量的最差值，b1,b2,…,bn為將狀態(tài)量的最優(yōu)值p0和最差值pa進(jìn)行n+1等分得到的n個等間隔點；5.4)將所有狀態(tài)量對應(yīng)指標(biāo)到配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)的隸屬度構(gòu)建模糊綜合評價矩陣R。以rij表示各個狀態(tài)量對應(yīng)指標(biāo)到配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)的隸屬度，則模糊綜合評價矩陣R可表示為R＝{rij}，最終得到的模糊綜合評價矩陣R為：本實施例中，步驟6)的詳細(xì)步驟包括：6.1)根據(jù)式(16)所示表達(dá)式計算模糊綜合評價的數(shù)學(xué)模型；Q＝(q1,q2,…qm)＝WοR(16)式(16)中，Q為模糊綜合評價的數(shù)學(xué)模型的值，W表示狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集，R表示模糊綜合評價矩陣，為模糊算子，q1,q2,…,qm表示對應(yīng)m個狀態(tài)等級的值；本實施例中，最終模糊綜合評價的數(shù)學(xué)模型的值Q為：Q＝[0.12970.10760.26030.5023]T6.2)基于模糊綜合評價的數(shù)學(xué)模型中對應(yīng)m個狀態(tài)等級的值q1,q2,…,qm，根據(jù)隸屬度最大原則確定配電自動化終端在狀態(tài)評價集V中對應(yīng)的狀態(tài)等級。本實施例中，狀態(tài)評價集V為V＝{正常，注意，異常，嚴(yán)重}，因此根據(jù)Q＝[0.12970.10760.26030.5023]T可知，根據(jù)隸屬度最大原則，可以判定該配電自動化終端的巡檢信息處于嚴(yán)重狀態(tài)，與實際情況一致。據(jù)此，完成了對配電自動化終端的狀態(tài)評價。綜上所述，本實施例基于模糊綜合評價的配電自動化終端狀態(tài)評價方法根據(jù)配電自動化終端狀態(tài)量的數(shù)據(jù)信息，建立配電自動化終端狀態(tài)評價體系，利用組合賦權(quán)法確定各狀態(tài)量的權(quán)重；根據(jù)模糊數(shù)學(xué)原理，建立狀態(tài)量的模糊隸屬函數(shù)；計算各狀態(tài)量的模糊隸屬函數(shù)值，確立模糊綜合評價矩陣，結(jié)合得到的狀態(tài)量的權(quán)重和模糊綜合評價矩陣，根據(jù)隸屬度最大原則確定配電自動化終端的狀態(tài)等級。采用本發(fā)明，可對配電自動化終端展開狀態(tài)評價，基于組合賦權(quán)法，可結(jié)合層次分析法及熵權(quán)法的優(yōu)勢，使得指標(biāo)權(quán)重的確定既具備客觀性又利用了專家經(jīng)驗，提高了狀態(tài)評價的準(zhǔn)確性。本實施例基于模糊綜合評價的配電自動化終端狀態(tài)評價方法具體是通過計算機(jī)程序來實現(xiàn)的配電自動化終端狀態(tài)評價系統(tǒng)來實現(xiàn)的，該配電自動化終端狀態(tài)評價系統(tǒng)包括：狀態(tài)量確定程序模塊，用于檢測確定配電自動化終端的狀態(tài)量；評價體系確定程序模塊，用于根據(jù)配電自動化終端的狀態(tài)量建立配電自動化終端狀態(tài)評價體系，所述配電自動化終端狀態(tài)評價體系為狀態(tài)量對應(yīng)指標(biāo)構(gòu)成的層次結(jié)構(gòu)模型；權(quán)重集確定程序模塊，用于確定所述狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W；狀態(tài)評價集確定程序模塊，用于設(shè)置包括配電自動化終端各個狀態(tài)等級的狀態(tài)評價集V；模糊綜合評價矩陣確定程序模塊，用于計算各狀態(tài)量對應(yīng)指標(biāo)的配電自動化終端各個狀態(tài)等級的模糊隸屬函數(shù)，根據(jù)模糊隸屬函數(shù)計算得到的隸屬度構(gòu)建模糊綜合評價矩陣R；狀態(tài)等級評價程序模塊，用于結(jié)合得到的狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W和模糊綜合評價矩陣R，根據(jù)隸屬度最大原則確定配電自動化終端在狀態(tài)評價集V中對應(yīng)的狀態(tài)等級。實施例二：本實施例與實施例一基本相同，其主要不同點為步驟3)確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W的方式不同。本實施例具體是單獨采用實施例一的步驟3.1)，采用層次分析法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi，將各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωi組成的權(quán)重集作為狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W。實施例三：本實施例與實施例一基本相同，其主要不同點為步驟3)確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W的方式不同。本實施例具體是單獨采用實施例一的步驟3.2)，采用熵權(quán)法確定狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωsi，將各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重ωsi組成的權(quán)重集作為狀態(tài)評價體系中各狀態(tài)量對應(yīng)指標(biāo)的權(quán)重集W。以上所述僅是本發(fā)明的優(yōu)選實施方式，本發(fā)明的保護(hù)范圍并不僅局限于上述實施例，凡屬于本發(fā)明思路下的技術(shù)方案均屬于本發(fā)明的保護(hù)范圍。應(yīng)當(dāng)指出，對于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說，在不脫離本發(fā)明原理前提下的若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。當(dāng)前第1頁1 2 3