盧衛(wèi)青　高博　程華偉

摘要：該文在分析現(xiàn)有調(diào)度員仿真培訓(xùn)系統(tǒng)中培訓(xùn)評(píng)估方案的優(yōu)缺點(diǎn)的基礎(chǔ)上，提出一種基于模糊集和信息熵理論的培訓(xùn)評(píng)估方案，可以實(shí)現(xiàn)對(duì)調(diào)度培訓(xùn)人員進(jìn)行自動(dòng)評(píng)分。應(yīng)用模糊集合原理從調(diào)度操作、電網(wǎng)的可靠性及經(jīng)濟(jì)性等方面對(duì)電網(wǎng)調(diào)度員的調(diào)度水平進(jìn)行宏觀分析，利用信息熵理論，按照各評(píng)價(jià)指標(biāo)的熵值大小來(lái)確定出各個(gè)指標(biāo)熵權(quán)，把熵權(quán)和層次法確定出的權(quán)值進(jìn)行綜合確定出最后的權(quán)重。建立了培訓(xùn)評(píng)估的評(píng)價(jià)模型。算例表明，應(yīng)用該指標(biāo)體系和方法能更好地體現(xiàn)各個(gè)指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響，客觀地對(duì)培訓(xùn)人員進(jìn)行評(píng)估。

關(guān)鍵詞：電網(wǎng)調(diào)度員培訓(xùn)；模糊集；信息熵；培訓(xùn)評(píng)估

中圖分類(lèi)號(hào)：TP29 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）02-0187-04

Abstract： On the basis of analyzing the evaluation plans of dispatcher training system， this paper puts forward a training and evaluating scheme based on the weight of fuzzy entropy to realize the grading automation of trainees. Firstly， use fuzzy set theory to analyze dispatchers competence from the aspects such as manipulation， reliability， economy. Then use the information entropy theory to find the indices entropy weight according to the indices entropy values. Lastly， integrate the weight according to the weight values acquired by the methods of entropy weight and AHP， thus， the evaluating and training model is modeled. The result demonstrates that using the method， put forward by this paper， can more explicitly reveal the indices effect on evaluation result and correctly evaluate the trainees.

Key words： dispatcher of power grid； fuzzy； information entropy； training evaluation

調(diào)度員培訓(xùn)仿真系統(tǒng)（Dispatcher Training Simulator，DTS）是培訓(xùn)調(diào)度員，是用以提高調(diào)度員運(yùn)行水平的有效措施之一。近年來(lái)，大停電事故時(shí)有發(fā)生，這使得對(duì)DTS的研究和功能完善成為一個(gè)研究的熱點(diǎn)。通過(guò)對(duì)事故的總結(jié)，人們普遍認(rèn)為需要進(jìn)一步加強(qiáng)調(diào)度員的培訓(xùn)和反事故演習(xí)，讓調(diào)度員在DTS系統(tǒng)模擬出的多樣化“電網(wǎng)事故”中得到訓(xùn)練，提高對(duì)大電網(wǎng)的駕馭能力，有效防范大停電事故的發(fā)生[1][2]。然而，難點(diǎn)問(wèn)題是如何在調(diào)度培訓(xùn)中對(duì)培訓(xùn)人員整體水平能實(shí)現(xiàn)自動(dòng)評(píng)估，采用好的可行的培訓(xùn)評(píng)估方法將對(duì)調(diào)度員培訓(xùn)仿真系統(tǒng)程序開(kāi)發(fā)及其技術(shù)的進(jìn)一步發(fā)展完善具有非常重要的意義。

傳統(tǒng)的培訓(xùn)評(píng)估主要是將學(xué)員在培訓(xùn)中的各種操作過(guò)程和操作結(jié)果的詳情進(jìn)行詳細(xì)的記錄，教員在培訓(xùn)結(jié)束后打分時(shí)可進(jìn)行參考，從而教員可根據(jù)學(xué)員的操作過(guò)程及結(jié)果進(jìn)行分析，然后進(jìn)行打分。因此這種方式具有較強(qiáng)的主觀性，會(huì)影響評(píng)估的準(zhǔn)確性，導(dǎo)致誤差發(fā)生，同時(shí)也增加了教員的工作強(qiáng)度。針對(duì)此問(wèn)題，有學(xué)者對(duì)培訓(xùn)評(píng)估的方式進(jìn)行了相關(guān)的研究，總結(jié)出了幾種評(píng)分的方案：[3][4]（1）打分制；（2）加分制；（3）扣分制；（4）用多級(jí)模糊綜合評(píng)價(jià)法實(shí)現(xiàn)對(duì)調(diào)度員培訓(xùn)情況的自動(dòng)評(píng)估。

通過(guò)對(duì)以上幾種方案各自的優(yōu)缺點(diǎn)進(jìn)行分析比較，本文提出了一種基于模糊集和信息熵理論的培訓(xùn)評(píng)估方案，采用模糊集合原理對(duì)調(diào)度操作和可靠性及經(jīng)濟(jì)性等方面對(duì)調(diào)度員的調(diào)度水平進(jìn)行全面分析，利用信息熵理論，按照各評(píng)價(jià)指標(biāo)的熵值大小來(lái)確定出各個(gè)指標(biāo)熵權(quán)，把熵權(quán)和層次法確定出的權(quán)值進(jìn)行綜合確定出最后的權(quán)重。這樣既可以減小層次分析法中人為因素的影響，也可以避免信息熵定權(quán)過(guò)程中對(duì)各指標(biāo)之間的關(guān)系考慮不足的問(wèn)題，避免熵權(quán)的不均衡性。

1 模糊綜合評(píng)價(jià)方法

對(duì)由于指標(biāo)體系的多樣化特點(diǎn)，很難對(duì)每個(gè)指標(biāo)、因素的評(píng)價(jià)值進(jìn)行量化，可采用模糊語(yǔ)言給出不同程度的評(píng)價(jià)值，最后將各個(gè)指標(biāo)和因素的評(píng)價(jià)值進(jìn)行綜合，這種系統(tǒng)評(píng)價(jià)方案稱為模糊綜合評(píng)價(jià)[5～10]。具體的計(jì)算步驟如圖1所示：

2 基于模糊集和信息熵理論的培訓(xùn)評(píng)估

2.1 綜合指標(biāo)體系

如何對(duì)培訓(xùn)人員的培訓(xùn)情況進(jìn)行綜合評(píng)價(jià)，選取評(píng)價(jià)因素是很重要的一個(gè)方面。由于電力系統(tǒng)本身十分復(fù)雜的特點(diǎn)，影響整體評(píng)估結(jié)果的因素很多，也比較復(fù)雜，根據(jù)指標(biāo)體系選擇的整體性、簡(jiǎn)要性、導(dǎo)向性、可比性、可操作性和實(shí)際性的原則。應(yīng)用德?tīng)柗品ǎ簿褪沁\(yùn)用領(lǐng)域?qū)＜业膶?zhuān)業(yè)知識(shí)、智慧、掌握的信息以及價(jià)值觀四個(gè)方面，對(duì)初步擬定的評(píng)價(jià)諸指標(biāo)進(jìn)行匿名評(píng)價(jià)，并提出相應(yīng)的修改意見(jiàn)。先把初步擬出的評(píng)價(jià)指標(biāo)體系表、說(shuō)明做成表的形式，請(qǐng)領(lǐng)域?qū)＜野l(fā)表意見(jiàn)，并按照事先規(guī)定的指標(biāo)重要度的等級(jí)和量值給出各指標(biāo)的重要度。

確定綜合評(píng)價(jià)指標(biāo)體系有2個(gè)判據(jù)：（1）專(zhuān)家意見(jiàn)集中度，按領(lǐng)域?qū)＜医o出的重要度和給出此重要度的專(zhuān)家人數(shù)加權(quán)平均值計(jì)算；（2）專(zhuān)家意見(jiàn)離散度，用標(biāo)準(zhǔn)差計(jì)算[11]。鑒于培訓(xùn)評(píng)估的特點(diǎn)，認(rèn)為這兩個(gè)判據(jù)滿足一定條件的指標(biāo)可以進(jìn)入評(píng)估指標(biāo)體系。用以上方法，從學(xué)員培訓(xùn)過(guò)程中的操作，供電可靠性，安全性，經(jīng)濟(jì)性，和電能質(zhì)量各方面綜合考慮[12]，確定評(píng)價(jià)因素集U={頻率誤差，電壓誤差，操作處理時(shí)間，操作錯(cuò)序次數(shù)，網(wǎng)損率，過(guò)負(fù)荷，失負(fù)荷}。

2.2 確定評(píng)價(jià)結(jié)果集合和隸屬度矩陣

從培訓(xùn)的需求和培訓(xùn)結(jié)果的合理性考慮，確定評(píng)價(jià)結(jié)果集合V={優(yōu)秀，良好，中等，合格，不合格}。為了確定隸屬度矩陣，要根據(jù)待評(píng)的指標(biāo)數(shù)據(jù)對(duì)每個(gè)評(píng)價(jià)指標(biāo)ui（i=1，2，…，8）分別構(gòu)造出其隸屬于評(píng)價(jià)結(jié)果集合每個(gè)評(píng)價(jià)因素的隸屬函數(shù)。分析指標(biāo)體系的因素可以發(fā)現(xiàn)，各指標(biāo)值在培訓(xùn)結(jié)果中越小，越能反映出培訓(xùn)人員在培訓(xùn)中的表現(xiàn)越好。確定隸屬函數(shù)的方法很多，本文采用線性分析法，根據(jù)實(shí)際情況在此基礎(chǔ)上進(jìn)行修正，確定隸屬函數(shù)，從而可以得到隸屬度矩陣。

2.3 指標(biāo)權(quán)重

2.3.1 信息熵確定權(quán)重

在信息論中，熵（Entropy）是隨機(jī)事件不確定性的量度。對(duì)于一組隨機(jī)時(shí)間，若其不確定性越大，則輸出的信息熵值也就越大。因此，若必然事件所包含的信息量為0時(shí)，則等概率事件包含的信息量為最大。信息熵不同于傳統(tǒng)的方法，它完全建立在原始數(shù)據(jù)的基礎(chǔ)上，因此客觀性較強(qiáng)。信息熵在電力系統(tǒng)中的應(yīng)用也比較廣泛[13][14]。用信息熵確定權(quán)重的方法如下：

從上面的步驟求解過(guò)程可得知，若培訓(xùn)的結(jié)果樣本某一因素值都相同時(shí)，則該因素的信息熵將達(dá)到最大值為1，而其權(quán)重則為零，可見(jiàn)這種情況該因素在評(píng)價(jià)中是無(wú)法區(qū)分的，即該因素提供的區(qū)分信息無(wú)效。而各個(gè)樣本中某一因素的值相差越大時(shí)，該因素的信息熵則越小，其權(quán)重則越大，可見(jiàn)這種情況下該因素可提供區(qū)分有用的信息，應(yīng)作為重點(diǎn)考察的對(duì)象。同時(shí)可以推出因素的信息熵、權(quán)重和數(shù)據(jù)樣本是有直接關(guān)系的，沒(méi)有人為因素影響，同時(shí)0≤Ej≤1，0≤wj≤1，[j=1nw'j=1]。由此可見(jiàn)，信息熵確定的因素權(quán)重客觀性較強(qiáng)，然而熵權(quán)的確定過(guò)程中，因素之間的相互關(guān)系并沒(méi)有考慮全面。所以為了在權(quán)重中能反映出各個(gè)因素之間的相互關(guān)系，用信息熵和層次分析法分別確定出因素的權(quán)重，然后進(jìn)行綜合，得出的權(quán)重，既考慮了客觀性，又考慮了因素之間的關(guān)系。這樣得出的權(quán)重更能體現(xiàn)各個(gè)評(píng)價(jià)因素對(duì)評(píng)價(jià)結(jié)果的影響。

2.3.2層次分析法確定權(quán)重

層次分析法（Analytic Hierarchy Process，AHP）旨在通過(guò)兩兩比較的方式來(lái)確定復(fù)雜問(wèn)題中各個(gè)因素的相對(duì)重要性，經(jīng)過(guò)定性和定量分析，確定諸因素整體優(yōu)劣的總排序[15]。層次分析法確定權(quán)重的步驟如圖2所示：

其中，重要程度與實(shí)際數(shù)值之間的對(duì)應(yīng)關(guān)系如表1所示；一致性檢驗(yàn)按公式CR=CI/RT進(jìn)行， CR為判斷矩陣的隨機(jī)一致性指標(biāo)；CI=（[λmax]-m）/（m-1） ；CI為判斷矩陣的一般一致性指標(biāo)；RT為判斷矩陣的平均隨機(jī)一致性指標(biāo)，如表2所示為4-10階判斷矩陣的RT值。

其中a，b是權(quán)重系數(shù)，a +b=1。由于熵權(quán)法需要?dú)v史的數(shù)據(jù)，在具體的實(shí)現(xiàn)過(guò)程中，可以先進(jìn)行培訓(xùn)，待培訓(xùn)一定次數(shù)后，得到培訓(xùn)的數(shù)據(jù)，再進(jìn)行算法的調(diào)整，從而得到權(quán)重。層次分析法不需要?dú)v史數(shù)據(jù)，可直接進(jìn)行計(jì)算。

2.4 評(píng)價(jià)結(jié)果

本文的評(píng)價(jià)結(jié)果集合為V={優(yōu)秀，良好，中等，合格，不合格}，這樣對(duì)培訓(xùn)結(jié)果的評(píng)定就可以分為五個(gè)等級(jí)，按百分制來(lái)計(jì)算，優(yōu)秀為95，良為85，中為75，合格為65，不合格為30。在確定出最終權(quán)重wi后，再確定出的隸屬度矩陣R，然后利用公式（1）可以得出結(jié)果B，根據(jù)得出的結(jié)果B和評(píng)價(jià)等級(jí)相對(duì)應(yīng)的百分制分?jǐn)?shù)，就可以確定出最后的評(píng)價(jià)結(jié)果對(duì)應(yīng)的分?jǐn)?shù)。這樣就可以確定出評(píng)價(jià)結(jié)果的相應(yīng)的評(píng)價(jià)等級(jí)。需要指出的是，本文所進(jìn)行的評(píng)價(jià)，是再無(wú)誤操作的前提下進(jìn)行的，若有誤操作，肯定不及格。下面將用實(shí)例來(lái)說(shuō)明權(quán)重確定和評(píng)估結(jié)果確定的過(guò)程。

3 權(quán)重確定的實(shí)例

表3所示是調(diào)度員在培訓(xùn)系統(tǒng)結(jié)束后得到的一組樣本，根據(jù)樣本按照步驟可以求解出權(quán)重。

按百分制計(jì)算，優(yōu)秀為95，良為85，中為75，合格為65，不合格為30則最后評(píng)價(jià)結(jié)果為0×95+0×85+0.22×75×0.67×65+0.11×30=70.05，屬于合格等級(jí)。

5結(jié)論

本文把模糊集和信息熵理論引入到電網(wǎng)調(diào)度員培訓(xùn)系統(tǒng)中來(lái)，提出了一種基于模糊集和信息熵理論的培訓(xùn)評(píng)估方案，從反映調(diào)度員的調(diào)度水平的各個(gè)方面進(jìn)行分析，選出了頻率誤差，電壓誤差，操作處理時(shí)間等合適的評(píng)價(jià)因素。利用信息熵理論，按照各評(píng)價(jià)指標(biāo)的熵值大小來(lái)確定出各個(gè)指標(biāo)熵權(quán)，把熵權(quán)和層次法確定出的權(quán)值進(jìn)行綜合確定出最后的權(quán)重。這樣既可以減小層次分析法中人為因素的影響，也可以避免信息熵定權(quán)過(guò)程中對(duì)各指標(biāo)之間的關(guān)系考慮不足的問(wèn)題，避免熵權(quán)的不均衡性，這樣確定出的權(quán)重更具有合理性。從而保證評(píng)價(jià)結(jié)果的客觀性，更好地反映出調(diào)度員的水平。另外需要說(shuō)明的是，在權(quán)的計(jì)算過(guò)程中，仍不可避免地受一定人為因素的影響，還需要進(jìn)一步的改進(jìn)。

參考文獻(xiàn)：

[1 ]陳翔.大同電網(wǎng)調(diào)度員培訓(xùn)仿真系統(tǒng)的實(shí)現(xiàn)及應(yīng)用[D] .華北電力大學(xué)， 2013.

[2] 陳少文.九江電網(wǎng)調(diào)度員培訓(xùn)仿真系統(tǒng)的設(shè)計(jì)與應(yīng)用[D] .華北電力大學(xué)，2014.

[3] 楊勝春，姚建國(guó).調(diào)度員培訓(xùn)仿真系統(tǒng)實(shí)用化工程實(shí)踐[J].電力系統(tǒng)自動(dòng)化，2002，26（33）：51-53.

[4] 孫宏斌，吳文傳，張博明.電網(wǎng)調(diào)度員培訓(xùn)仿真系統(tǒng)的新特征和概念擴(kuò)展[J].電力系統(tǒng)自動(dòng)化，2005，29（7）：6-11.

[5] 張力平.電網(wǎng)調(diào)度員培訓(xùn)模擬（DTS）[M].北京：中國(guó)電力出版社，1999.

[6] 李朝暉，孫宏斌，潘哲龍.調(diào)度員培訓(xùn)模擬器智能培訓(xùn)方案的分析[J].廣東電力，2001，14（2）：35-37.

[7] 常鮮戎，邢金峰，張潔.基于多級(jí)模糊綜合評(píng)價(jià)法的電網(wǎng)調(diào)度員培訓(xùn)評(píng)估[J].電網(wǎng)技術(shù)，2005，29（17）：30-34.

[8] 叢林，李志民，潘明惠等.基于模糊綜合評(píng)判法的電力系統(tǒng)信息安全評(píng)估[J].電力系統(tǒng)自動(dòng)化，2004，28（12）：65-69.

[9] 高博.元認(rèn)知和模糊理論在電力系統(tǒng)仿真培訓(xùn)中的應(yīng)用研究[D].2006（12）.

[10] 陳堅(jiān)紅，盛德仁，李蔚等.火電廠工程多目標(biāo)綜合評(píng)價(jià)模型[J].中國(guó)電機(jī)工程學(xué)報(bào)，2002，22（12）：152-155.

[11] 董朝霞，楊峰.基于模糊聚類(lèi)分析的分層估計(jì)算法在DTS中的應(yīng)用[J].電力系統(tǒng)自動(dòng)化，2004，28（12）：78-81.

[12] 陳曉劍，梁梁.系統(tǒng)評(píng)價(jià)方法及應(yīng)用[M].北京：中國(guó)科學(xué)技術(shù)大學(xué)出版社，1993.

[13] 朱成騏，孫宏斌，張伯明.基于最大信息熵原理的短期負(fù)荷預(yù)測(cè)綜合模型[J].中國(guó)電機(jī)工程學(xué)報(bào)，2005，25（19）：1-6.

[14] 符向前，劉光臨，蔣勁，李友平.基于信息熵的機(jī)組運(yùn)行劣化度綜合指標(biāo)[J].電力系統(tǒng)自動(dòng)化， 2005， 29（7）：75-78.

[15] 王治華，范靜. 面向智能調(diào)度的調(diào)度運(yùn)行人員培訓(xùn)仿真系統(tǒng)探討[J] .華東電力，2012（5）：772-775.