一种基于模糊算法的用电信息采集系统运行状态评估方法研究

(整期优先)网络出版时间:2015-07-17
/ 1

一种基于模糊算法的用电信息采集系统运行状态评估方法研究

蒋兆祥

蒋兆祥

(江苏省电力公司徐州供电公司221000)

摘要:针对用电信息采集系统运行状态评估中如何有效进行多关联评价的问题,提出了一种基于模糊算法的用电信息采集系统运行状态评估方法,通过对采集成功率指标的实例进行分析,该评价体系实现了多关联指标下的电信息采集系统运行状态评估。

关键词:模糊算法;用电信息采集系统;状态评估

随着科技进步和能源格局的变化,经济社会发展对电能的依赖程度日益增强。电能计量装置作为电能贸易结算业务的一杆秤,对发、输、配、用电几个环节都非常重要。其准确度关系到计量公平公正,直接影响到各方的经济利益,因此对电能计量装置的管理历来受到重视。本文提出了一种基于模糊算法的用电信息采集系统运行状态评估方法。利用该方法,综合多个相互关联的指标数据,对用电信息采集系统运行状态做出评估,极大地提高了状态评估准确率。

1.模糊算法

已知因子集U=(Ul,U2,U3,?,Un),评语集V=(Vl,V2,V3,?,Vn),对因子的权重分配为U上的模糊子集A,简记为A:(W1,W2,W3,?,Wn),其中,Wi为第i种指标U所对应的权重。对第i个因子的单因子评判为V上的模糊子集R,则有R=(ril,ri2,?rin),从而可以构成一个单因子评价矩阵R为:

R=

R为因子集U与评价集V之间的模糊关系,根

据矩阵的运算法则,R确定了一个模糊映射,把U

上的一个模糊子集A映射到B上的一个模糊子集,即B=A?R,模糊子集即为多因子综合评价的结果。

2.用电信息采集系统运行状态评估方法

用电信息采集系统运行状态评估方法对影响评价的各个指标进行数据标准化处理并根据熵权模块对指标因子分配权重模糊子集,最终根据模糊数学综合评判算法给出多关联综合评价的结果。

假设影响评价的各个指标构成因子集U=(U1,U2,U3…Un),n为评价指标数目。引入评价等级集V=(V1,V2,V3,V4),其中,V1=高,V2=较高,V3=中等,V4=差。

对因子的权重分配为U上的模糊子集A,A=(W1,W2,W3。。。Wn),其中,W为第i种指标因子U所对应的权重。对第i个因子的单因子评判为V上的模糊子集R,R=(ri1,ri2,ri3,ri4),定义R为因子集U与评价集V之间的模糊关系,根据矩阵运算法则,R确定了一个模糊映射,把U上的一个模糊子集映射到V上的一个模糊子集B,即B=A*R,模糊子集B即为多因子综合评价的结果。

其中,模糊子集A所对应的权重由熵权值算法进行计算,首先进行标准化,采用以下两个公式:

各指标含义及计算公式为:

(1)日均采集成功率(F1)

日均采集成功率=每日采集成功数/每日用户采集建设数*100%

(2)用户采集成功率(F2)

用户采集成功率=(日均采集成功率+三天采集成功率)/2*100%

(3)采集调试占比率(F3)

采集调试占比率=采集系统“调试”和“停运”状态电能表总数/累计接入采集系统主站的电能表总数

(4)采集失败事件率(F4)

采集失败事件率=采集失败事件数/事件总数

(5)终端投运率(F5)

终端投运率=及时投运终端数/应投运终端总数

显然,对于地市公司而言,F1、F2、F5指标越大越好,而F3、F4指标则越小越好。各地市公司指标情况如表2。

表2各地市指标情况

各指标的信息熵如下:E1=0.9298;E2=0.9164;E3=0.9539;E4=0.9492;E5=0.9500。

3.3指标权重的计算

将以上值带入公式(4)得到W1=0.2335;W2=0.2780;W3=0.1533;W4=0.1689;W5=0.1663。

3.4评价因子的隶属度函数

根据各指标因子的阀值确定各指标分级标准如表5:

表5分级标准

3.5客观评价指数的确定

通过权重和评价分值可计算出低压集抄采集成功率客观评价指数:

0.2335*70+0.2780*100+0.1533*100+0.1689*97.5+0.1663*100=92.27同理,可计算出二级指标采集成功率的客观评价指数。

4结束语

本文所介绍的用电信息采集系统运行状态评估方法通过综合电能计量装置运行状况中的各个因素,结合熵权值及模糊数学方法,多关联地对各个地市的电能计量装置运行状况进行了客观评价,经过验证,该评价体系极大地提高了用电信息采集系统运行状态评估工作中对指标多维度评价的准确性和客观性。

参考文献:

[1]王昆.三种客观权重赋权法的比较分析[J].技术经济与管理研究,2003年第6期.

[2]石晓翠.模糊数学模型在土壤重金属污染评价中的应用[J].天津农业科学,2005,11(3):28-30.

[3]叶秀清.快速模糊分割算法[J].模式识别与人工智能,1996,9(1).