[发明专利]一种基于TOPSIS模型的智能变电站二次设备评估方法

权利要求书

1.一种基于TOPSIS模型的智能变电站二次设备评估方法，其特征在于，该方法包括如下步骤：

步骤一，获取智能变电站每个二次设备特征量样本指标x_j(j＝1,2,…,n)；

步骤二，根据各个二次设备的特征量样本指标x_j(j＝1,2,…,n)构建初始矩阵X，进而用向量规范化的方法得到规范化决策矩阵_Y；

步骤三，确定权重值矩阵，并将权重值矩阵与规范化矩阵Y点乘得到规范化加权决策矩阵Z；

步骤四，由规范化加权决策矩阵Z确定正理想解向量和负理想解向量，然后求各样本指标与正理想解的欧氏距离以及与负理想解的欧氏距离，最后各评估对象的评估指标与正理想解的相对贴近度；

步骤五，根据相对贴近度的值对评估对象进行排序，得到智能变电站二次设备的加权综合状态等级；所述步骤一中的特征量样本指标x_j(j＝1,2,…,n)包括以下三种：二次设备自身运行状态特征量、通信运行状态特征量、传统二次回路监测特征量；所述步骤一中，在获取每个二次设备特征量样本指标过程中，若某一二次设备不存在相应的特征量指标，则该特征量样本指标用0补齐，最终得到的每一设备的特征量样本指标都具有相同的结构；所述步骤三的权重值矩阵采用如下方式获得：以其中的设备k为例，由序关系分析法确定主观权重由变异系数法确定客观权重则综合权重ω_kj(j＝1,2,…,n)为：

w k j = w k j z h u * w k j k e Σ j = 1 n ( w k j z h u * w k j k e ) , ( j = 1 , 2 , ... n ) ]]>

其余m-1个设备拥有同样的方式确定其综合权重向量ω_ij，其中，i＝1,2,…,m,i≠k,j＝1,2,…,n；从而确定综合权重值矩阵W，

W = w 11 w 12 ... w 1 n w 21 w 22 ... w 2 n . . . . . . . . . . . . w m 1 w m 2 ... w m n ; ]]>

将权重值矩阵与规范化矩阵Y点乘得到从而得到规范化的加权决策矩阵Z：

上述序关系分析法确定主观权重的方法如下：

设评价指标x_i相对于某评价目标的重要性程度大于或大于等于x_j时，则记为x_i＞x_j；对于指标集{x₁,x₂,…,x_n}，其权重系数的确立方法如下：

(1)序关系的确定；

(1.1)基于某个评价目标，按照专家意见在给定指标集中选取最重要的一个指标，记为X₁；

(1.2)在余下的n-1个指标中，再选出认为是最重要的一个指标，记为X₂；

(1.3)按以上原则依次进行下去，经过n-1次，将最后剩余的一个指标记为X_n；

(1.4)经过以上步骤，就确定了一个序关系，即X₁＞X₂＞…＞X_n；

(2)确定相邻指标间的相对重要程度；

设相邻指标的相对重要程度r_k，则相邻指标的相对重要程度r_k的计算公式为：

r k = w k - 1 w k , ( k = n , n - 1 , ... , 2 ) ]]>

其中，w_k表示第k个指标的权重系数，w_k-1表示第k-1个指标的权重系数；

(3)计算权重系数w_i；根据步骤(2)中得到的n-1个相邻指标间的相对重要程度r_n-1的值，可求得第n个指标的权重系数w_n，

w n = ( 1 + Σ k = 2 n Π i = k n r i ) - 1 ]]>

则其余指标的权重可由式w_i-1＝r_iw_i (i＝n，n-1，…，2)

依次计算得到；所述步骤(2)中，当相邻指标的相对重要程度r_k值等于1时，表示指标x_k-1与指标x_k具有同样的重要性；

当r_k＞1，r_k值越大，则表示指标x_k-1比指标x_k的重要性程度越大；

当r_k＜1，r_k值越大，则表示指标x_k-1比指标x_k的重要性程度越小；

其中，上述相邻指标的相对重要程度r_k满足r_k-1＞1/r_k；上述变异系数法确定客观权重w₂的方法如下：

设有m个样本点，n个评价指标集{x₁,x₂,…,x_n}，则变异系数法确定权重的步骤如下：

①于已有数据计算各个指标的平均值：

x i ‾ = Σ j = 1 m x i j m , ( i = 1 , 2 , ... , n ) ]]>

②由平均值计算各个指标的标准差：

σ i = Σ j = 1 m ( x i ‾ j - x i ‾ ) 2 m - 1 , ( i = 1 , 2 , ... , n ) ]]>

③由上述步骤①和②的结果，计算各个指标的变异系数：

v 1 = σ i x i ‾ , ( i = 1 , 2 , ... , n ) ]]>

④确定指标权重系数：

所述步骤四中，设对于越大越优型的效益型指标记为正指标：

Z j + = m a x i Z i j Z j - = min i Z i j ; ]]>

对于越小越优型的成本型指标为逆指标：

Z j + = min i Z i j Z j - = max i Z i j ; ]]>

其中，为正理想解向量，为负理想解向量，j＝1,2,…,n

各样本点与正理想解的欧氏距离与负理想解的欧氏距离

l i + = Σ j = 1 m ( Z i j - Z j + ) 2 l i - = Σ j = 1 m ( Z i j - Z j - ) 2 , ( i = 1 , 2 , ... , m ) ; ]]>

各评估对象与正理想解的相对贴近度C_i如下所示：

C i = l i - l i - + l i + , ( i = 1 , 2 , ... , n ) ; ]]>

相对贴近度C_i越接近1表示该评估对象越接近正理想解，在优劣排序中将占据靠前位置。

2.根据权利要求1所述的一种基于TOPSIS模型的智能变电站二次设备评估方法，其特征在于：所述步骤二中，得到规范化决策矩阵的具体方法如下：

设智能变电站共有m个二次设备，每个设备有步骤一所述的n个特征量样本指标x_j(j＝1,2,…,n)，则m个设备n个特征量决策问题的初始化矩阵X＝[x_ij]_m×n，该初始化矩阵X＝[x_ij]_m×n由m个评估对象和n个评估指标构成，

对该初始化矩阵X＝[x_ij]_m×n进行评估指标的规范化处理，利用向量规范化方法得到规范化决策矩阵Y＝[y_ij]_m×n，其中：

y i j = x i j Σ i = 1 m x i j 2 ]]>

其中，i＝1,2,…,m；j＝1,2,…,n。