电网数字化投资下多数据源分析稳定性评价方法及系统与流程

1.本发明涉及稳定性评估领域，具体涉及电网数字化投资下多数据源分析稳定性评价方法及系统。


背景技术：

2.随着企业工业数字化的发展以及企业数字化水平的不断提高，收益预测对企业数字化的需求日益提高，其在企业数字化生产和企业数字化调度中发挥的作用越来越重要。多数据源分析因其自身的稳定性直接关乎到企业的数字化安全生产，因而是整个电网数字化投资业务中相对重要的一环。此外，电网数字化业务，尤其是多数据源分析性能指标的稳定性进行评价具有十分重要的现实意义。实时电网数字化投资业务指标体系如图1所示。
3.在稳定性评价的过程中，评价指标是整个评价工作的重要基础，评价指标体系构建的是否科学，直接影响到评价结果的优劣。稳定性研究的一般方法：对所需要的信息进行收集分析，对建立的模型进行描述，并对稳定性采用数学方法量化，再分配稳定性指标，最后提出规范和体制来保证业务的稳定性。由于缺乏对电网数字化投资结构的深入分析，业务性能指标评价大都比较片面，对影响投资收益率的因素考虑不够全面，并且缺乏对电网数字化投资结构和电网主营业务的充分考虑，导致评价方法不够客观。正是由于对多数据源等投资收益率相关研究存在不足，因而对多数据源等业务性能指标稳定性的评估和研究具有较大的发展前景及实际工程应用价值。
4.定期对电网数字化投资投资收益率进行评估，可以使得企业通信网承载的业务保持在安全稳定的水平。多数据源分析质量的评估结果对整个电网数字化投资的优化与发展起到指导性作用，并为业务保障部门提供指引，指导相关人员采取正确的控制措施改善目前投资收益率的不稳定性，并保障整个电网数字化投资乃至企业的稳步发展。


技术实现要素：

5.为了解决现有技术对多数据源分析新能指标的稳定性评估不准确的问题，本发明提出了一种电网数字化投资下多数据源分析稳定性评价方法，包括：
6.获取预先确定的指标数据；
7.将所述指标数据输入到预先构建的层次化结构模型，得到稳定性综合指数；
8.其中，所述层次化结构模型包括以多数据源分析稳定性综合指标构建的目标层，通过模糊层次分析法和熵权法确定各指标权重构建的。
9.优选的，所述层次化结构模型的构建包括：
10.以多数据源分析稳定性综合指标为目标层；
11.以所述目标层为目标的指标选取原则构建准则层；
12.以准则层中各所述指标选取原则对应的影像因素作为指标，构建指标层；
13.其中，所述指标层中各指标的权重是基于模糊层次分析法和熵权法确定。
14.优选的，所述指标层中各指标的权重是基于模糊层次分析法和熵权法确定，包括：
15.采用模糊层次分析法依据主观经验对指标重要程度进行分析确定各指标的主观重要程度；
16.采用熵权法依据客观数据进行分析确定各指标的客观重要程度；
17.由所述各指标的主观重要程度和客观重要程度结合评价权重公式，计算各指标的评价权重。
18.优选的，所述评价权重公式如下式所示：
[0019][0020]
式中，λj为[0，1]，αj为指标j的主观重要程度，m为指标编号，ωj为指标j的客观重要程度。
[0021]
优选的，在采用模糊层次分析法依据主观经验对指标重要程度进行分析确定各指标的主观重要程度之前还包括：
[0022]
判断所述指标的属性；
[0023]
当所述指标的属性为正指标时，采用正指标指数化计算式对所述正指标进行指数化；
[0024]
当所述指标的属性为负指标时，采用负指标指数化计算式对所述负指标进行指数化。
[0025]
优选的，所述正指标指数化计算式如下式所示：
[0026][0027]
式中，ii是与i0相应的任一年份的指标值，i0是某一指标比较基年的指标值，ci表示ii的指数。
[0028]
优选的，所述负指标指数化计算式如下式所示：
[0029][0030]
式中，ii是与i0相应的任一年份的指标值，i0是某一指标比较基年的指标值，ci表示ii的指数。
[0031]
优选的，所述稳定性综合指数按下计算：
[0032][0033]
式中，βi为对应指标ci的权重，ci为指标。
[0034]
基于同一发明构思的本发明还提供了一种电网数字化投资下多数据源分析稳定性评价系统，包括：
[0035]
获取模块，用于获取预先确定的指标数据；
[0036]
指标计算模块，用于将所述指标数据输入到预先构建的层次化结构模型，得到稳定性综合指数；
[0037]
其中，所述层次化结构模型包括以多数据源分析稳定性综合指标构建的目标层，通过模糊层次分析法和熵权法确定各指标权重构建的。
[0038]
优选的，所述层次化结构模型的构建包括：
[0039]
以多数据源分析稳定性综合指标为目标层；
[0040]
以所述目标层为目标的指标选取原则构建准则层；
[0041]
以准则层中各所述指标选取原则对应的影像因素作为指标，构建指标层；
[0042]
其中，所述指标层中各指标的权重是基于模糊层次分析法和熵权法确定。
[0043]
与现有技术相比，本发明的有益效果为：
[0044]
本发明提供了一种电网数字化投资下多数据源分析稳定性评价方法，包括：获取预先确定的指标数据；将所述指标数据输入到预先构建的层次化结构模型，得到稳定性综合指数；其中，所述层次化结构模型包括以多数据源分析稳定性综合指标构建的目标层，通过模糊层次分析法和熵权法确定各指标权重构建的。本发采用了模糊层次分析法和熵权法确定各指标权重，从主观和客观两方面对指标因素进行合理的综合，使得稳定性评价结果更准确。
附图说明
[0045]
图1为实时电网数字化投资业务指标体系示意图；
[0046]
图2为本发明的一种电网数字化投资下多数据源分析稳定性评价方法流程图；
[0047]
图3为本发明的层次化指标体系框架示意图。
具体实施方式
[0048]
下面结合实施例对本发明做详细介绍。
[0049]
实施例1：
[0050]
一种电网数字化投资下多数据源分析稳定性评价方法，如图2所示：包括：
[0051]
s1、获取预先确定的指标数据；
[0052]
s2、将所述指标数据输入到预先构建的层次化结构模型，得到稳定性综合指数；
[0053]
其中，所述层次化结构模型包括以多数据源分析稳定性综合指标构建的目标层，通过模糊层次分析法和熵权法确定各指标权重构建的。
[0054]
在s1中的获取预先确定的指标数据，之前，包括构建层次化结构模型，具体如下：
[0055]
a1：多数据源分析稳定性综合指数；
[0056]
b1：业务规模；b2：业务保障能力；b3：业务可靠性；b4：投资收益率。
[0057]
步骤1：依照多数据源分析稳定性指标选取原则制定指标体系；
[0058]
步骤2：综合运用模糊层次分析法(fahp)和熵权法，确定指标权重；
[0059]
步骤3：构建层次化结构模型(如图3)对指标因素进行综合分析，分类和综合；
[0060]
步骤4：得出多数据源分析稳定性综合指数，判断其业务稳定性发展趋势；
[0061]
步骤5：提出将此模型逐层应用于整个电网数字化投资控制体系当中的设想。
[0062]
本发明涉及的matlab程序代码如下：
[0063]
1模糊层次分析法：
[0064]
[0065][0066]
2熵权法：
[0067][0068]
本发明涉及的参数定义及处理方法如下：
[0069]
1指标选取
[0070]
为了制定科学的指标体系，从多数据源分析的稳定性研究出发，依照指标选取原则制定指标体系，指标体系的建立要遵循下列原则：
[0071]
(1)科学性原则：体系架构的拟定、指标数据的取舍、计算公式的推导要有一定的科学依据和可操作性，从而确保获取的信息具有客观性和可信性；
[0072]
(2)综合性原则：将多数据源分析看作一个整体，将反映多数据源分析的指标进行归类，地、全面地反映多数据源业务管理、运行等各个方面现状；
[0073]
(3)层次性原则：指标体系通过分析归纳形成阶层性的功能群，层级之间相互适应并具有一致性，即每项上层指标都要有相应的下层指标与其相适应；
[0074]
(4)独立性原则：同一层次的指标之间应该尽可能松散耦合，使得各指标之间的关联性尽可能小。
[0075]
2指标权重确定方法
[0076]
层次分析法是工程中做定量分析的一种简便方法，是对人们的主观判断做客观描述的一种有效方法，也是确定权向量的一种行之有效方法。因此，为了应用层次分析法进行正确评价，本发明应用模糊判断矩阵法，使得到的指标权重能较真实地反映各指标的相对重要程度。熵权法是运用数学方法对各项信息进行无量纲化(功效系数法)处理，根据各指标所包含的信息量的大小来确定指标权重的客观赋权法。
[0077]
通过模糊层次分析法(fahp)和熵权法的综合运用，可以最大程度的发挥二者的优点，避免主客观因素的影响。模糊层次分析法确定的权值αj表征了一定主观经验对指标重要程度的考虑；熵权法确定的权值ωj表征了依据客观数据确定的指标的重要程度。最后，评价权重λj为：
[0078][0079]
λj满足：0≤λj≤1；
[0080][0081]
3稳定性综合指数的计算
[0082]
本发明选取的指标反映了多数据源不同方面的统计信息，考虑到指标因素的复杂性，在构建评价模型之前，要对指标因素进行合理的综合。为此，本发明选取层次化结构模型(如图3)对指标因素进行综合分析，通过对指标因素的分类、综合，最终计算出多数据源分析稳定性综合指数。
[0083]
在计算稳定性综合指数过程中，要对所选定的指标进行指数化，指数化就是对指标进行无量纲化处理。本发明采用固定基年(定基指数)的方法对各指标进行指数化。采用这种方法的好处在于，各个指标在基年的指数都为1，从而在多数据源分析基年的稳定性综合指数也为1，这样就可以直接展现出其在不同年份的稳定性的增长趋势。稳定性综合指数反映的是多数据源分析稳定性的增长情况，它应当随着业务各项指标的改善而提高。由于选取的指标属性不同，有的为正，有的为负，其中，对正指标而言，指标值越大越好；负指标，指标值越小越好。为了保证评价目标的实现，对正指标和负指标分别进行不同的指数化运算。设i0是某一指标比较基年的指标值，ii是与i0相应的任一年份的指标值，ci表示ii的指数，则其指数化计算方法如下：
[0084]
正指标：
[0085][0086]
负指标：
[0087][0088]
式中，i∈1，2，3，...，18。
[0089]
采用线性加权的方法，通过对各指标进行逐层加权，得到多数据源分析稳定性综合指数。在加权过程中，各层指标对其所属上层的权重满足归一化要求，因而，最终所得的各指标相对于稳定性综合指数的权重也应满足归一化。用ci表示各个指标的指数，βi表示各指标相对于目标的权重，则多数据源分析稳定性综合指数rci的数学表述如下：
[0090][0091]
式中，βi——对应指标ci的权重，且
[0092][0093]
s1中获取预先确定的指标数据，具体包括：
[0094]
获取层次化结构模型中的指标值；
[0095]
s2中将所述指标数据输入到预先构建的层次化结构模型，得到稳定性综合指数，具体包括：
[0096]
将各指标值带入到层次化结构模型中得到稳定性综合指数；
[0097]
当稳定性综合指数大于1时，则该年份的稳定性大于基础年份的稳定性；
[0098]
当稳定性综合指数不大于1时，则该年份的稳定性小于基础年份的稳定性。
[0099]
1.本发明采用模糊层次分析法和熵权法相结合的方法，构建层次化结构模型，确定指标权重，此方法能较真实地反映各指标的相对重要程度，可以最大程度的发挥二者的优点，避免主客观因素的影响；
[0100]
2.本发明采用的指标权重确定以及模型构建方法，具体应用于电网数字化投资下的多数据源分析当中，有效判断了该业务的稳定性发展趋势，并验证了方案的可行性；进一步说明，若将此模型构建方法逐层应用于整个电网数字化投资控制体系当中，将会在提升大电网安全稳定控制水平上发挥重要作用。
[0101]
实施例2：
[0102]
下面结合具体案例对本发明做详细介绍：
[0103]
结合多数据源分析稳定性的定义以及多数据源的主要技术和研究内容，本发明依据指标体系的建立原则，建立指标体系如表1所示。为了应用熵权法，本发明采取稳定性程度较高的a，b，c，d四个地区多数据源分析稳定性指标体系样本。权重确定结果是通过征询专家意见基础上的模糊层次分析法和调研多地区指标统计数据基础上的熵权法相结合，并应用matlab仿真程序计算后综合得出的，表中指标的值均为2017年为基年的相对值，如表2所示。统计某地区多数据源2017～2019年连续三年的稳定性指标数据，应用综合指标体系及评价方法对此多数据源分析稳定性进行评估，计算结果见表3。
[0104]
表1多数据源分析稳定性评价指标体系
[0105][0106][0107]
表2多数据源分析稳定性评价指标权重
[0108][0109]
表3某地区2017～2019年多数据源分析稳定性的综合评价结果
[0110][0111]
由表3可知，此多数据源分析稳定性的综合指数：2017年为1，2018年由稳定性综合指数公式计算为1.359。从数据中可以看出，此业务2019年比2018年稳定性有所提高，结论符合实际运行情况。同理，可以统计多年数据进行评价，从而得到电网数字化投资业务稳定性的发展趋势，并将此模型构建方法逐层应用于整个电网数字化投资控制体系当中，得到整个电网数字化投资控制投资收益率综合指数，为提升大电网安全稳定控制水平提供理论依据。实例应用验证了权重确定方法的科学性及评价结果的可靠性，因此，该评价模型的建立将会对整个电网数字化投资的优化与发展起到指导性作用。但多数据源分析的稳定性研究以及实时电网数字化投资控制是复杂的工程，目前仍处于研究阶段，关于评价模型及算法等诸多问题还需要继续探索和研究。
[0112]
基于电网数字化投资下多数据源分析性能指标的稳定性研究方法：本发明针对电网数字化投资下的多种业务，以多数据源分析为例，对其性能指标进行稳定性评价。合理选取层次化结构模型，构建其稳定性评价指标体系，综合利用模糊层次分析法与熵权法相结合确定指标权重，进而得到多数据源分析稳定性综合指数。本发明的创新点在于提出了基于电网数字化投资下的多数据源分析稳定性评价方法，该法将模糊层次分析法和熵权法加以综合运用，可以最大程度的发挥二者的优点，避免主客观因素的影响；将此模型构建方法逐层应用于整个电网数字化投资控制体系当中，将为整个电网数字化投资业务的稳定性评价提供理论参考。
[0113]
实施例3：
[0114]
基于同一发明构思的本发明还提供了一种一种电网数字化投资下多数据源分析稳定性评价系统，包括：
[0115]
获取模块，用于获取预先确定的指标数据；
[0116]
指标计算模块，用于将所述指标数据输入到预先构建的层次化结构模型，得到稳
定性综合指数；
[0117]
其中，所述层次化结构模型包括以多数据源分析稳定性综合指标构建的目标层，通过模糊层次分析法和熵权法确定各指标权重构建的。
[0118]
所述层次化结构模型的构建包括：
[0119]
以多数据源分析稳定性综合指标为目标层；
[0120]
以所述目标层为目标的指标选取原则构建准则层；
[0121]
以准则层中各所述指标选取原则对应的影像因素作为指标，构建指标层；
[0122]
其中，所述指标层中各指标的权重是基于模糊层次分析法和熵权法确定。
[0123]
指标层中各指标的权重是基于模糊层次分析法和熵权法确定，包括：
[0124]
采用模糊层次分析法依据主观经验对指标重要程度进行分析确定各指标的主观重要程度；
[0125]
采用熵权法依据客观数据进行分析确定各指标的客观重要程度；
[0126]
由所述各指标的主观重要程度和客观重要程度结合评价权重公式，计算各指标的评价权重。
[0127]
评价权重公式如下式所示：
[0128][0129]
式中，λj为[0，1]，αj为指标j的主观重要程度，m为指标编号，ωj为指标j的客观重要程度。
[0130]
在采用模糊层次分析法依据主观经验对指标重要程度进行分析确定各指标的主观重要程度之前还包括：
[0131]
判断所述指标的属性；
[0132]
当所述指标的属性为正指标时，采用正指标指数化计算式对所述正指标进行指数化；
[0133]
当所述指标的属性为负指标时，采用负指标指数化计算式对所述负指标进行指数化。
[0134]
正指标指数化计算式如下式所示：
[0135][0136]
式中，ii是与i0相应的任一年份的指标值，i0是某一指标比较基年的指标值，ci表示ii的指数。
[0137]
负指标指数化计算式如下式所示：
[0138][0139]
式中，ii是与i0相应的任一年份的指标值，i0是某一指标比较基年的指标值，ci表示ii的指数。
[0140]
稳定性综合指数按下计算：
[0141]
[0142]
式中，βi为对应指标ci的权重，ci为指标。
[0143]
为了描述方便，以上装置的各部分以功能分为各模块或单元分别描述。当然，在实施本技术时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
[0144]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0145]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0146]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0147]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0148]
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在发明待批的本发明的权利要求范围之内。