• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于模糊矩陣的計(jì)量裝置狀態(tài)評(píng)估方法

      2022-05-13 10:06:10賈晉峰程超貽夏向陽任發(fā)雋朱真輝
      關(guān)鍵詞:異常情況分析法電能

      賈晉峰,程超貽,周 欣,夏向陽,周 為,王 寧,任發(fā)雋,朱真輝

      (1.國網(wǎng)重慶市電力公司市區(qū)供電分公司,重慶 400015;2.長沙理工大學(xué)電氣與信息工程學(xué)院,湖南 長沙 410114)

      隨著經(jīng)濟(jì)的迅速發(fā)展,電能計(jì)量裝置(electric energy metering device,EEMD)的數(shù)量出現(xiàn)了爆炸式的增長。在電能計(jì)量裝置運(yùn)行過程中,存在人為竊電、電力系統(tǒng)擾動(dòng)、計(jì)量裝置故障等復(fù)雜原因?qū)е码娔苡?jì)量異常,不但給電力部門造成了巨大的經(jīng)濟(jì)損失,而且存在著嚴(yán)重的安全隱患問題,所以如何更高效、準(zhǔn)確地反映電能計(jì)量裝置的運(yùn)行狀態(tài)也就顯得尤為重要[1-3]。

      目前,國內(nèi)外對電能計(jì)量裝置運(yùn)行狀態(tài)評(píng)價(jià)的研究并不是很多,國內(nèi)的計(jì)量裝置在這方面的研究也只是起步階段,對電能計(jì)量裝置運(yùn)行狀態(tài)在線評(píng)估的方法主要有大數(shù)據(jù)分析法[4]、序關(guān)系分析法[5]、模糊綜合評(píng)估法[6]、并行化樸素貝葉斯法[7]、BP神經(jīng)網(wǎng)絡(luò)法[8]、灰色理論法[9]以及機(jī)器學(xué)習(xí)法[10]等。

      文獻(xiàn)[11]利用用電信息采集系統(tǒng),通過遠(yuǎn)程采集用電信息來分析用戶電能計(jì)量裝置運(yùn)行情況,但是通過用電信息采集系統(tǒng)獲得的數(shù)據(jù)之間的關(guān)聯(lián)性并不強(qiáng),并且采集到的計(jì)量裝置異常的情況很多且復(fù)雜,并不能很好地對單個(gè)情況進(jìn)行分析;文獻(xiàn)[12]通過建立數(shù)學(xué)模型對電能計(jì)量裝置進(jìn)行狀態(tài)評(píng)估,但是該方法的準(zhǔn)確性與模型的準(zhǔn)確度有關(guān),由于計(jì)量裝置易受外界環(huán)境干擾,使得模型的準(zhǔn)確性不能得到保證;文獻(xiàn)[13]采用層次分析法對電能計(jì)量裝置的運(yùn)行狀態(tài)進(jìn)行評(píng)估,通過定性與定量分析相結(jié)合的方法進(jìn)行狀態(tài)評(píng)估,能有效地分析評(píng)判目標(biāo)與各體系層次之間的關(guān)系,綜合各因素之間的相互關(guān)系達(dá)到準(zhǔn)確評(píng)估的目的。但是,在層次分析法中,對判斷矩陣的一致性檢驗(yàn)既復(fù)雜又困難,并且文獻(xiàn)[13]并沒有給出一致性檢驗(yàn)過程,同樣對于權(quán)重問題也沒有給出實(shí)際的計(jì)算方法,缺乏科學(xué)的理論依據(jù)。

      因此,本文提出采用模糊層次分析法對電能計(jì)量裝置的運(yùn)行狀態(tài)進(jìn)行評(píng)估,解決層次分析法中的權(quán)重問題,能夠系統(tǒng)有效地分析最終評(píng)估目標(biāo)和各層次之間的關(guān)系,通過實(shí)例分析驗(yàn)證該方法的有效性和準(zhǔn)確性。

      1 模糊層次分析法簡介

      模糊層次分析法(fuzzy analytic hierarchyprocess,F(xiàn)AHP)是對層次分析法(analytic hierarchy process,AHP)的進(jìn)一步深入,將模糊理論與層次分析法相結(jié)合,能有效解決層次分析法中某一層次指標(biāo)過多時(shí)(4個(gè)以上)思維不具有一致性的問題。

      FAHP的基本步驟:

      1)系統(tǒng)地建立多層次遞階結(jié)構(gòu)模型;

      2)構(gòu)建模糊一致判斷矩陣;

      3)計(jì)算各層次指標(biāo)的權(quán)重系數(shù);

      4)通過加權(quán)求和,依次遞推得出對最終目標(biāo)的評(píng)價(jià)結(jié)果。

      FAHP與AHP的思想步驟基本一致,僅有2點(diǎn)不同:①AHP構(gòu)造判斷矩陣,而FAHP構(gòu)造模糊一致判斷矩陣;②矩陣中求解各元素相對重要性權(quán)重的方法不同[14]。

      1.1 模糊一致判斷矩陣的建立

      采用模糊層次分析法時(shí)需要建立多層次遞階結(jié)構(gòu)模型,即確定系統(tǒng)的層次數(shù)以及每個(gè)層次對應(yīng)的元素有哪些,之后以對上一層指標(biāo)重要程度為準(zhǔn)則,構(gòu)造模糊判斷矩陣R,假如令某層元素的集合為P={P1,P2,…,Pn},那么表示P1,P2,…,Pn中兩兩元素重要程度比較的模糊判斷矩陣為

      (1)

      矩陣中的rij為模糊標(biāo)度,其具體含義[15]如表1所示。

      表1 模糊標(biāo)度及其說明Table 1 Fuzzy scale and its description

      構(gòu)建好模糊判斷矩陣后需要檢驗(yàn)其是否滿足一致性條件,其判斷依據(jù)為若模糊矩陣R=(rij)n×n滿足?i,j,k=1, 2,…,n有

      rij=rik-rjk+0.5

      (2)

      則稱模糊矩陣R是模糊一致判斷矩陣。

      若所得矩陣滿足式(2)條件,則可進(jìn)行權(quán)重計(jì)算,若不滿足,則需要將所得矩陣調(diào)整為模糊一致矩陣。文獻(xiàn)[16]中提出了一種調(diào)整模糊判斷矩陣一致性的方法:首先對不滿足一致性的初始矩陣R進(jìn)行判斷,看其是否具備順序一致性(若rij>0.5,?k,有rik>rjk;若rij=0.5,?k,有rik=rjk;若rij<0.5,?k,有rik

      1.2 各元素權(quán)重的求解

      文獻(xiàn)[17]中給出了模糊一致判斷矩陣R中rij與權(quán)重關(guān)系:

      (3)

      式中wi(wj)為元素i(j)對應(yīng)的權(quán)重值;n為矩陣的階數(shù);a為對所感知對象的差異程度的一種度量,與評(píng)價(jià)對象個(gè)數(shù)和差異程度有關(guān),通常取邊界值(最小值),本文中的參數(shù)a也取邊界值。

      當(dāng)R為模糊一致判斷矩陣時(shí),聯(lián)立式(2)、(3)可得

      (4)

      (5)

      (6)

      當(dāng)構(gòu)造的初始矩陣R為模糊一致判斷矩陣或矩陣滿足順序一致性時(shí),則可通過式(5)進(jìn)行權(quán)重求解,再通過加權(quán)求和得到上一層的評(píng)價(jià)結(jié)果。

      2 基于FAHP的電能計(jì)量裝置狀態(tài)評(píng)估

      電能計(jì)量裝置主要由電能表、電壓互感器(PT)、電流互感器(CT)、二次回路和負(fù)控終端5個(gè)部分組成,如圖1所示。任何一個(gè)部分異常都會(huì)導(dǎo)致電能計(jì)量裝置運(yùn)行狀態(tài)異常,故而需要通過現(xiàn)場采集的數(shù)據(jù)依次對電能計(jì)量裝置的各個(gè)部分進(jìn)行狀態(tài)評(píng)估,因此,本文采用模糊層次分析法對電能計(jì)量裝置運(yùn)行狀態(tài)各種復(fù)雜的情況進(jìn)行評(píng)估。

      圖1 電能計(jì)量裝置二次回路Figure 1 Diagram of secondary circuit of electric energy metering device

      2.1 構(gòu)建多層次遞階結(jié)構(gòu)模型

      采用FAHP對電能計(jì)量裝置運(yùn)行狀態(tài)評(píng)估時(shí)建立3層遞階結(jié)構(gòu)模型,如圖2所示,目標(biāo)層(最高層)是狀態(tài)評(píng)估的最終目的,因此,將電能計(jì)量裝置的5個(gè)部分作為目標(biāo)層;電能計(jì)量裝置各類異常情況對目標(biāo)層各部分的影響程度不同,故將各類異常情況作為準(zhǔn)則層(中間層);現(xiàn)場采集的狀態(tài)量對各類異常情況的影響程度不同,故而將現(xiàn)場采集的狀態(tài)量作為輸入層(最底層)。

      根據(jù)電能計(jì)量裝置常出現(xiàn)的故障問題(圖2),將其各類異常情況分為5種:電壓、電流、功率、相位異常以及異常事件。輸入層的狀態(tài)量分為25種,如表2所示。

      圖2 電能計(jì)量裝置多層次遞階結(jié)構(gòu)模型Figure 2 Multi-level hierarchical structure model of electric energy measurement device

      表2 電能計(jì)量裝置狀態(tài)量Table 2 State quantity of electric energy metering device

      在對電能計(jì)量裝置運(yùn)行狀態(tài)進(jìn)行評(píng)估時(shí),由于各狀態(tài)量的量綱和數(shù)量級(jí)不一致,在評(píng)估的過程中容易出現(xiàn)數(shù)據(jù)丟失的問題。因此,為了保證數(shù)據(jù)的完整性,需要對各狀態(tài)量進(jìn)行歸一化的狀態(tài)評(píng)分計(jì)算,對于越大越優(yōu)型、越小越優(yōu)型指標(biāo),其歸一化公式分別為

      (7)

      (8)

      其中xi、Ci、Cp、Cmax分別為狀態(tài)量i的評(píng)分值、實(shí)測值、初始值、閾值。當(dāng)xi<0時(shí),令xi=0;當(dāng)xi>0時(shí),令xi=1。

      2.2 準(zhǔn)則層狀態(tài)評(píng)分計(jì)算

      將輸入層的狀態(tài)量記為Pn(n=1,2,…,25),將準(zhǔn)則層的各類異常情況記為Qn(n=1,2,…,5),目標(biāo)層的待評(píng)估對象記為Zn(n=1,2,…,5)。當(dāng)出現(xiàn)異常情況時(shí),對應(yīng)的狀態(tài)量也會(huì)發(fā)生改變,記某種異常情況Qn發(fā)生時(shí)有K種狀態(tài)量發(fā)生改變,那么可認(rèn)為這K種狀態(tài)量與該異常情況Qn是相關(guān)的,因此,在對異常情況Qn進(jìn)行狀態(tài)評(píng)分計(jì)算時(shí),可由相關(guān)狀態(tài)量構(gòu)建模糊判斷矩陣:

      (9)

      采用FAHP構(gòu)建的模糊判斷矩陣中的元素rij是表示兩兩元素重要程度的模糊標(biāo)度,通常由專家評(píng)價(jià)給出,但是本文為了提高狀態(tài)評(píng)估的客觀性程度,故而通過結(jié)合歷史數(shù)據(jù)庫所測數(shù)據(jù)來構(gòu)造rij,具體表達(dá)式為

      (10)

      其中ki(kj)表示當(dāng)異常情況Qn發(fā)生時(shí),狀態(tài)量Pi(Pj)同時(shí)異常的次數(shù)。經(jīng)證明,由式(10)確定的rij并構(gòu)造的矩陣RPn始終滿足順序一致性條件,因此,在代入數(shù)據(jù)求出矩陣RPn后,即可通過式(5)計(jì)算出異常情況Qn發(fā)生時(shí)各狀態(tài)量Pi對應(yīng)的權(quán)重wi。故而對準(zhǔn)則層中異常情況Qn的狀態(tài)評(píng)分為

      (11)

      2.3 目標(biāo)層狀態(tài)評(píng)分計(jì)算

      為了使評(píng)估的結(jié)果更加精確,通過專家評(píng)價(jià)主觀地構(gòu)造優(yōu)先關(guān)系矩陣,對不同的待評(píng)估對象Zn構(gòu)造不同的優(yōu)先關(guān)系矩陣,進(jìn)而通過優(yōu)先關(guān)系矩陣構(gòu)造模糊一致判斷矩陣RZn。優(yōu)先關(guān)系矩陣A=(aij)n×n是有限論域U={U1,U2,…,Un}上的一個(gè)三值(0,0.5,1)矩陣,矩陣元素aij滿足:

      (12)

      對準(zhǔn)則層的各類異常情況Qn(n=1,2,…,5)進(jìn)行兩兩比較構(gòu)造優(yōu)先關(guān)系矩陣,然后對優(yōu)先關(guān)系矩陣A=(aij)n×n按行求和,記為

      (13)

      并構(gòu)造模糊判斷矩陣中的模糊標(biāo)度:

      (14)

      由于式(14)構(gòu)造的模糊判斷矩陣是模糊一致的[18],故在對目標(biāo)層的待評(píng)估對象Zn進(jìn)行狀態(tài)評(píng)分計(jì)算時(shí),可由各類異常情況構(gòu)建模糊一致判斷矩陣:

      (15)

      由于矩陣RQn是模糊一致判斷矩陣,所以可采用公式求解各類異常情況Qi對應(yīng)的權(quán)重w′i。因此,對目標(biāo)層的待評(píng)估對象Zn的評(píng)分為

      (16)

      參照國家頒布的最新行業(yè)標(biāo)準(zhǔn)DL/T 448—2016《電能計(jì)量裝置技術(shù)管理規(guī)程》,將最終狀態(tài)評(píng)分SZn與電能計(jì)量裝置的健康狀態(tài)區(qū)間相對應(yīng),如表3所示,對于非正常狀態(tài)的評(píng)估對象,可以通過各類異常情況評(píng)分確定異常原因。

      綜上分析,基于FAHP的電能計(jì)量裝置狀態(tài)評(píng)估的流程如圖3所示。

      表3 電能計(jì)量裝置狀態(tài)評(píng)分與健康狀態(tài)關(guān)系Table 3 Table 3The relationship between status score and health status of electric energy metering device

      3 實(shí)例分析

      為了驗(yàn)證本文提出方法的可靠性和實(shí)用性,選取某供電局計(jì)量自動(dòng)化系統(tǒng)中某疑似用電異常企業(yè)作為分析,該用戶采用三相三線電能計(jì)量裝置,每15 min采集一次數(shù)據(jù),一天共采集96次,選定狀態(tài)評(píng)價(jià)的時(shí)間段為2019年10月2日00:00—23:59。電能計(jì)量裝置的25個(gè)狀態(tài)量相關(guān)數(shù)據(jù)如表4所示,由式(7)、(8)計(jì)算的相關(guān)狀態(tài)量評(píng)分如表5所示,根據(jù)2個(gè)表中的數(shù)據(jù)可以計(jì)算各類異常情況的狀態(tài)評(píng)分值。

      以電壓異常情況為例,在表4中,與本次電壓異常情況相關(guān)的狀態(tài)量共5個(gè),故按照式(10)確定rij后可得模糊判斷矩陣為

      RP1=

      由式(5)求解模糊判斷矩陣RP1的各狀態(tài)量的權(quán)重為w1=0.263 8、w2=0.230 0、w3=0.255 3、w4=0.112 1、w5=0.138 8。根據(jù)式(11)可由狀態(tài)量評(píng)分和權(quán)重值求得電壓異常情況的狀態(tài)評(píng)分X1=0.243 4。用同樣的方法計(jì)算其他異常情況的狀態(tài)評(píng)分,如表6所示,對于沒有與狀態(tài)量對應(yīng)相關(guān)的異常情況(電流異常、事件異常)的狀態(tài)評(píng)分記為1。

      表4 各類異常情況與狀態(tài)量異常同時(shí)發(fā)生的次數(shù)Table 4 The number of simultaneous occurrences of various abnormal conditions and state quantity abnormalities

      表5 相關(guān)狀態(tài)量及其狀態(tài)評(píng)分Table 5 Related status variables and the corresponding status scores

      表6 各類異常情況狀態(tài)評(píng)分Table 6 Scoring of various abnormal conditions

      對不同的待評(píng)估對象Zn構(gòu)造不同的優(yōu)先關(guān)系矩陣,以及用式(14)構(gòu)造相應(yīng)的模糊一致判斷矩陣,如表7所示(包含對應(yīng)的權(quán)重)。最后,由式(14)所求待評(píng)估對象的狀態(tài)評(píng)分如表8所示。

      參照表3并從表8中可以看出,電能表、電壓互感器和二次回路處于異常狀態(tài),經(jīng)查明,發(fā)現(xiàn)目標(biāo)用戶的C相戶外高壓跌落保險(xiǎn)絲熔斷,造成電壓失壓,導(dǎo)致電能表計(jì)量異常,更換C相戶外高壓保險(xiǎn)絲后電壓恢復(fù)正常,同時(shí)還需要對用戶進(jìn)行電量追補(bǔ)。從排查結(jié)果可知,由于保險(xiǎn)絲熔斷,會(huì)導(dǎo)致電能表、電壓互感器和二次回路都出現(xiàn)異常,與電能計(jì)量裝置狀態(tài)評(píng)估的結(jié)果相符,并且狀態(tài)評(píng)分最低的部分往往是最容易出故障的部分,可以選擇優(yōu)先排查。

      表7 優(yōu)先關(guān)系矩陣及其對應(yīng)的模糊一致矩陣Table 7 Priority relation matrix and the corresponding fuzzy consensus matrix

      表8 待評(píng)估對象與最終狀態(tài)評(píng)分Table 8 Objects to be evaluated and final status score

      4 結(jié)語

      本文采用模糊層次分析法對電能計(jì)量裝置的運(yùn)行狀態(tài)進(jìn)行評(píng)估,得出以下結(jié)論:

      1)采用FAHP一方面能系統(tǒng)地分析待評(píng)估對象與各層次指標(biāo)元素之間的關(guān)系,另一方面通過定性分析與定量分析相結(jié)合的方法,使電能計(jì)量裝置狀態(tài)評(píng)估的結(jié)果更加準(zhǔn)確;

      2)在對各層次指標(biāo)元素權(quán)重求解時(shí),通過物聯(lián)網(wǎng)存儲(chǔ)的歷史數(shù)據(jù)與專家評(píng)判相結(jié)合,改進(jìn)了現(xiàn)有權(quán)重計(jì)算的方法,克服了狀態(tài)量權(quán)重主觀性太強(qiáng)的缺點(diǎn);

      3)本文的相關(guān)計(jì)算過程清晰明確,可以通過簡單的程序?qū)崿F(xiàn)各層指標(biāo)元素權(quán)重以及待評(píng)估對象最終狀態(tài)評(píng)分的計(jì)算。

      本文提出的電能計(jì)量裝置狀態(tài)評(píng)估方法能快速地對電能計(jì)量裝置各部分運(yùn)行狀態(tài)做出評(píng)價(jià),有利于解決多目標(biāo)決策問題,同時(shí)也為其他電力設(shè)備的狀態(tài)評(píng)估提供參考價(jià)值。

      猜你喜歡
      異常情況分析法電能
      異步機(jī)傳統(tǒng)分析法之困難及其克服
      基于仿真計(jì)算的城市燃?xì)夤芫W(wǎng)異常情況分析
      蘋果皮可以產(chǎn)生電能
      電能的生產(chǎn)和運(yùn)輸
      海風(fēng)吹來的電能
      澎湃電能 助力“四大攻堅(jiān)”
      幾種常見的線損異常情況及對策分析
      基于時(shí)間重疊分析法的同車倒卡逃費(fèi)探析
      層次分析法在SWOT分析法中的應(yīng)用
      AHP和SWOT分析法在規(guī)劃編制中的應(yīng)用
      濮阳市| 彭泽县| 进贤县| 富民县| 海安县| 桦甸市| 建宁县| 大田县| 涞源县| 台湾省| 湘潭市| 莆田市| 南丹县| 罗源县| 合江县| 忻城县| 监利县| 方山县| 榆中县| 衡东县| 乌拉特前旗| 萝北县| 金川县| 沽源县| 剑阁县| 务川| 兴安盟| 上思县| 绥化市| 林州市| 仁布县| 府谷县| 贵南县| 桂阳县| 友谊县| 百色市| 壶关县| 江永县| 理塘县| 安泽县| 石渠县|