[發(fā)明專(zhuān)利]基于知識(shí)圖譜與FAHP的配電站健康評(píng)估方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110050547.2
• 申請(qǐng)日: 2021-01-14
• 公開(kāi)（公告）號(hào): CN112800212B
• 公開(kāi)（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 田鵬;宋士瞻;劉玉嬌;康文文;楊鳳文;燕重洋;李國(guó)亮;韓鋒;李森;王坤;張健;高輝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 國(guó)網(wǎng)山東省電力公司棗莊供電公司;國(guó)家電網(wǎng)有限公司
• 主分類(lèi)號(hào): G06F16/34
• 分類(lèi)號(hào): G06F16/34;G06F16/36;G06Q10/06;G06Q50/06;H02J13/00
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 祖之強(qiáng)

本公開(kāi)提供了一種基于知識(shí)圖譜與FAHP的配電站健康評(píng)估方法，基于配電站知識(shí)圖譜，設(shè)定設(shè)備及指標(biāo)的狀態(tài)特征，得到在不同情況下設(shè)備及指標(biāo)的主觀權(quán)重；提出構(gòu)建一種線性與指數(shù)相結(jié)合的劣化度函數(shù)，描述指標(biāo)的偏移程度，并求出指標(biāo)的動(dòng)態(tài)變化客觀權(quán)重；采用組合賦權(quán)法得到同時(shí)包含主觀影響與客觀影響的組合權(quán)重，引入故障率對(duì)組合權(quán)重優(yōu)化后得到基于知識(shí)圖譜的改進(jìn)組合權(quán)重；根據(jù)構(gòu)建的隸屬度矩陣，結(jié)合改進(jìn)組合權(quán)重，進(jìn)行模糊綜合評(píng)價(jià)得到每層的評(píng)價(jià)矩陣，根據(jù)最大隸屬度原則得到評(píng)估分?jǐn)?shù)，根據(jù)評(píng)估分?jǐn)?shù)確定配電站的健康狀態(tài)；本公開(kāi)利用知識(shí)圖譜構(gòu)建了配電站設(shè)備指標(biāo)體系，獲得了包含主客觀影響因素的組合權(quán)重，并引入故障率對(duì)組合權(quán)重進(jìn)行修正，得到了基于知識(shí)圖譜的改進(jìn)組合權(quán)重，提高了評(píng)估結(jié)果的準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開(kāi)涉及配電站健康評(píng)估技術(shù)領(lǐng)域，特別涉及一種基于知識(shí)圖譜與FAHP的配電站健康評(píng)估方法。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開(kāi)相關(guān)的背景技術(shù)，并不必然構(gòu)成現(xiàn)有技術(shù)。

配電站是配電網(wǎng)中與用電設(shè)備相連的關(guān)鍵節(jié)點(diǎn)，位于電網(wǎng)的末端，其健康狀態(tài)對(duì)于配電網(wǎng)的安全運(yùn)行、居民生產(chǎn)生活等都有著巨大的影響；隨著電力系統(tǒng)用電需求的不斷增加以及電力市場(chǎng)的發(fā)展，用戶對(duì)電能質(zhì)量、供電可靠性要求逐漸增加，而配電站的健康安全運(yùn)行對(duì)于供電可靠性起著重要的作用；同時(shí)，對(duì)配電站的健康狀態(tài)進(jìn)行預(yù)測(cè)評(píng)估，能夠有效避免因故障發(fā)現(xiàn)不及時(shí)造成的重大損失，節(jié)約生產(chǎn)成本；因此對(duì)配電站的健康狀態(tài)進(jìn)行評(píng)估是非常有必要的。

模糊層次分析法(Fuzzy Analytic Fierarchy Process，F(xiàn)AHP)是一種將層次分析法與模糊綜合法相結(jié)合的評(píng)價(jià)方法。首先，利用層次分析法將復(fù)雜的問(wèn)題進(jìn)行劃分，針對(duì)與配電站健康狀態(tài)相關(guān)的影響因素，建立配電站健康評(píng)估體系；其次，將配電站劃分為設(shè)備層與指標(biāo)層，設(shè)定狀態(tài)判定集，根據(jù)專(zhuān)家法求出各指標(biāo)權(quán)重；最后，再對(duì)各指標(biāo)建立模糊隸屬度函數(shù)，得出隸屬度向量，并對(duì)各設(shè)備狀態(tài)進(jìn)行評(píng)估，得出配電站的健康狀態(tài)。

發(fā)明人發(fā)現(xiàn)，配電站作為一個(gè)由眾多設(shè)備構(gòu)成的整體，其中測(cè)量數(shù)據(jù)眾多，面對(duì)海量的指標(biāo)，如何將關(guān)鍵指標(biāo)選出并準(zhǔn)確分析這些信息之間的關(guān)系是一個(gè)復(fù)雜的問(wèn)題；同時(shí)層次分析法在求指標(biāo)權(quán)重時(shí)會(huì)存在主觀性影響因素較強(qiáng)的問(wèn)題，所得結(jié)果可能與實(shí)際值存在誤差。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本公開(kāi)提供了一種基于知識(shí)圖譜與FAHP的配電站健康評(píng)估方法。利用知識(shí)圖譜構(gòu)建配電站設(shè)備指標(biāo)體系，在預(yù)設(shè)實(shí)體間關(guān)系的基礎(chǔ)上，首先，根據(jù)配電站具體運(yùn)行狀態(tài)進(jìn)行邏輯判斷，通過(guò)知識(shí)圖譜匹配對(duì)應(yīng)主觀權(quán)重；其次，結(jié)合動(dòng)態(tài)劣化度函數(shù)求取客觀權(quán)重，應(yīng)用組合賦權(quán)法，獲得包含主客觀影響因素的組合權(quán)重；最后在此基礎(chǔ)上引入故障率對(duì)組合權(quán)重進(jìn)行修正，得到了基于知識(shí)圖譜的改進(jìn)組合權(quán)重，提高了評(píng)估結(jié)果的準(zhǔn)確性。

為了實(shí)現(xiàn)上述目的，本公開(kāi)采用如下技術(shù)方案：

一種基于知識(shí)圖譜與FAHP的配電站健康評(píng)估方法，包括以下步驟：

獲取配電站運(yùn)行的相關(guān)指標(biāo)及數(shù)據(jù)，構(gòu)建配電站知識(shí)圖譜；

基于配電站知識(shí)圖譜，設(shè)定設(shè)備及指標(biāo)的狀態(tài)特征，得到在不同情況下設(shè)備及指標(biāo)的主觀權(quán)重；

根據(jù)指標(biāo)的偏移程度大小，利用線性與指數(shù)相結(jié)合的方式對(duì)設(shè)備指標(biāo)當(dāng)前運(yùn)行狀態(tài)進(jìn)行更精準(zhǔn)的動(dòng)態(tài)描述，并得到相對(duì)應(yīng)的客觀權(quán)重；

采用組合賦權(quán)法得到同時(shí)包含主觀影響與客觀影響的組合權(quán)重，對(duì)組合權(quán)重優(yōu)化后得到基于知識(shí)圖譜的改進(jìn)組合權(quán)重；

根據(jù)構(gòu)建的隸屬度矩陣，結(jié)合改進(jìn)組合權(quán)重，進(jìn)行模糊綜合評(píng)價(jià)得到每層的評(píng)價(jià)矩陣，根據(jù)最大隸屬度原則得到評(píng)估分?jǐn)?shù)，完成對(duì)配電站當(dāng)前運(yùn)行狀態(tài)的健康評(píng)估。

作為可能的一些實(shí)現(xiàn)方式，配電站知識(shí)圖譜的構(gòu)建，包括：

采用Python與Neo4j圖數(shù)據(jù)庫(kù)連接的方式，結(jié)合知識(shí)圖譜理論與技術(shù)，進(jìn)行數(shù)據(jù)導(dǎo)入；