一种基于云模型的电力光传输网可靠性诊断方法与流程

本发明涉及电力光传输网
技术领域：
，特别是一种基于云模型的电力光传输网可靠性诊断方法。
背景技术：
：随着智能电网的发展，光纤通信因其负载容量大、信号衰减小、传输抗干扰能力强的特点越来越多的被应用到电力通信传输网络中。因此，我国的电力通信网形成了以光纤通信方式为主，卫星通信、载波通信、微波通信方式并存的通信架构。电力通信网已成为电力系统的支撑网络，在电力的生产调度中有着十分重要的保障作用，一旦电力通信传输网的某个环境出现故障，将对整个电力系统造成巨大的损失，因此对电力光传输网络进行可靠性评估，对其现状进行评估并找出现存的问题及隐患是具有现实意义的。云模型是一种专门用于处理不确定性的方法，可直接构建定性与定量间的映射，因此云模型在可靠性评估方面已得到了广泛的应用。现有算法主要集中在通过云模型实现定性到定量的转换后，通过灰色关联算法、topsis、模糊综合评判、ds证据理论等算法对云模型进行融合，得到最终评估结果，以上方法利用了云模型能够有效的表示决策者给出的自然语言型评价信息，从而有效的解决了定性指标的定量化处理的优势，但忽视了云模型内部云滴间的内在联系。技术实现要素：有鉴于此，本发明的目的是提出一种基于云模型的电力光传输网可靠性诊断方法，从云滴角度出发，对云滴间相互影响进行深度挖掘，综合得到指标云模型对各等级云模型的支持度。本发明采用以下方案实现：一种基于云模型的电力光传输网可靠性诊断方法，具体包括以下步骤：确定电力光传输网络可靠性诊断指标集合及指标所属的类型，其中类型包括定量类与定性类；确定各个定量指标在预设的n个等级的取值范围以及定性指标在预设的n个等级的取值范围，并计算等级云模型参数；确定定量类指标的实际值以及定性类指标的专家等级评价语言值；计算指标对n个等级的支持度，并计算指标权重；综合指标权重以及指标对n个等级的支持度确定该电力光传输网对n个可靠性等级的综合支持度；将综合支持度最大值对应的等级为所述电力光传输网络的可靠性等级。进一步地，所述等级云模型参数的计算为：cij＝(exij,enij,heij)；各个参数如下表：论域划分ci1cij,j＝2,3,...,n-1cinexijai1(aij+bij)/2binenij(bi1-ai1)/6(bij-aij)/6(bin-ain)/6heijεi1εijεin其中，cij为指标i对应的等级j的等级云模型；exij为等级云模型cij的期望，即该概念语言值量化的最典型样本；enij为等级云模型cij的熵，为该定性概念语言值的不确定性度量；heij为等级云模型cij的超熵，为熵的不确定性度量；aij为指标i等级j的的上区间值；bij为指标i等级j的的下区间值；εij为常数，可根据实际情况的随机性和模糊性进行具体调整。进一步地，所述计算指标对n个等级的支持度包括：根据定量类指标实际值确定其对n个可靠性等级的支持度；根据专家对定性类指标等级评级语言值结果确定其对n个可靠性等级的支持度。进一步地，所述根据定量类指标实际值确定其对n个可靠性等级的支持度包括以下步骤：步骤sa1：采用以下公式计算指标i的等级aj间的距离：：式中，pi(i＝1,2,3,...,n)为指标实际值，aij，bij为指标i的等级aj(j＝1,2,3,...,n)等级区间的边界值；步骤sa2：采用以下公式计算距离归一化值：步骤sa3：采用以下公式计算定量类指标i对等级aj支持度：αij＝1-dij'。进一步地，所述根据专家对定性类指标等级评级语言值结果确定其对n个可靠性等级的支持度包括以下步骤：步骤sb1：根据专家对定性类指标i的等级语言值评价，采用以下公式计算指标综合云模型ci＝(exi,eni,hei)：式中，exi、eni、hei分别为指标综合云模型ci的期望、熵、超熵；λk为专家k(k＝1,2,3,...,t)的权重；exik、enik、heik为专家k对指标i等级语言值评价对应的等级云模型的期望、熵、超熵；步骤sb2：确定指标综合云模型距离n个等级云模型的距离：指标综合云模型云ci通过正向云发生器生成t个证据云滴，并采用以下公式计算证据云滴m(m＝1,2,3,...,t)到等级云模型cj中心(exj，0)的距离欧式几何距离：式中，μ表示证据云滴函数值；步骤sb3：根据各证据云滴与各等级云模型cj的距离，采用以下公式计算证据云滴所对应各等级的基本概率分配函数：式中，mim(aj)为指标综合云模型ci上的证据云滴m对等级j的基本概率分配函数，即云滴m支持等级j的概率；步骤sb4：采用下式计算证据云滴散度kl(mim||mil)：kl(mim||mil)表示证据云滴m与证据云滴l对各等级支持度的贴近程度，其值越小贴近程度越高；步骤sb5：采用以下公式计算证据云滴可信度：步骤sb6：采用以下公式对证据云滴可信度进行归一化：并以此得到t个证据云滴的归一化可信度：ωim＝[ωi1,ωi2,ωi3,...,ωit]t；步骤sb7：根据证据云滴的归一化可信度确定证据云滴m对等级aj综合概率分配函数：步骤sb8：采用以下公式，计算证据理论合成公式中的冲突因子：步骤sb9：根据d-s证据理论合成规则，采用以下公式计算定性指标i对等级aj的支持度：进一步地，所述计算指标权重具体包括以下步骤：步骤sc1：根据预设标度规则专家k(k＝1,2,3,...,t)对所有指标进行两两相对重要性比较，得到三角模糊数判断矩阵ak：式中，ak的中的元素akij＝(lkij，mkij，ukij)表示专家k对指标i比指标j重要的模糊判断程度进行判断后得到的三角模糊数，其中lkij，mkij，ukij分别表示指标i比指标j重要模糊判断程度的最小值，最可能值以及最大值，由模糊矩阵的互补性得到n表示指标个数，t表示专家个数；步骤sc2：采用下式计算指标i模糊综合程度qki：步骤sc3：计算qki的模糊限位系数ρki(a)；ρki(a)＝eki(a)eki(a)+[1-eki(a)]σki(a)；式中，eki(a)为模糊均值，σki(a)为模糊标准差，eki(a)为模糊信息量，步骤sc4：采用下式计算指标局部权重ωki：综合各个专家权重，得到指标i综合权重ωi：ωi＝λk×ωki，其中λk表示专家k的权重；k＝1,2,3,...,t，t表示专家个数。进一步地，所述综合指标权重以及指标对n个等级的支持度确定该电力光传输网对n个可靠性等级的综合支持度具体为：采用下式计算得到电力光传输网对等级aj的综合支持度：pj＝αij×ωi；式中，αij表示指标对等级aj的支持度，其中，指标包括定量指标也包括定性指标，该诊断中共有n个指标，i＝1，2，。。。，n.i即表示定量指标也表示定性指标。而αij表示所有指标的等级支持度。取max{p1,p2,...,pj,...,pn}为最终评级结果。本发明对于定性指标，利用云模型实现定性到定量的转换，并从云滴角度出发，提出了云滴对各等级云模型支持度这一概念，对云滴间相互影响进行深度挖掘，综合得到指标云模型对各等级云模型的支持度。最后对定性指标与定量指标相结合，以等级的形式给出通信网可靠性的诊断结果。与现有技术相比，本发明有以下有益效果：发明与传统模型相比，具有客观科学、灵敏度高的优点，能够为电力光传输网可靠性评估提供可靠的决策依据。附图说明图1为本发明实施例的电力光传输网络可靠性诊断指标分类体系图。图2为本发明实施例的方法原理示意图。图3为本发明实施例的方法与传统方法的灵敏度分析对比示意图。具体实施方式下面结合附图及实施例对本发明做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
技术领域：
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。如图2所示，本实施例提供了一种基于云模型的电力光传输网可靠性诊断方法，具体包括以下步骤：确定电力光传输网络可靠性诊断指标集合及指标所属的类型，其中类型包括定量类与定性类；确定各个定量指标在预设的n个等级的取值范围以及定性指标在预设的n个等级的取值范围，并计算等级云模型参数；确定定量类指标的实际值以及定性类指标的专家等级评价语言值；计算指标对n个等级的支持度，并计算指标权重；综合指标权重以及指标对n个等级的支持度确定该电力光传输网对n个可靠性等级的综合支持度；将综合支持度大值对应的等级为所述电力光传输网络的可靠性等级。较佳的，本实施例列出5个诊断指标(即n＝5)。诊断指标分别为：光缆自然故障率、adss光缆总长度、最大汇聚接入网流量、设备备品备件完备性、网管系统扩展性能。其中：光缆自然故障率、adss光缆总长度、最大汇聚接入网流量为定量类指标；设备备品备件完备性、网管系统扩展性能为定性类指标。需要说明的是，上述诊断指标的划分方法仅仅是示意性的，并不构成对本发明的限制。例如，对于超过五个诊断指标的情况，可以根据实际的需要自行扩展。确定指标等级范围如下：本实施例将可靠性指标等级分为5个等级，即(n＝5)。需要说明的是，上述等级划分方法仅仅是示意性的，并不构成对本发明的限制。例如，对于超过五个可靠性等级的情况，可以根据实际的需要自行扩展。在本实施例中，所述等级云模型参数的计算为：cij＝(exij,enij,heij)；各个参数如下表：论域划分ci1cij,j＝2,3,...,n-1cinexijai1(aij+bij)/2binenij(bi1-ai1)/6(bij-aij)/6(bin-ain)/6heijεi1εijεin其中，cij为指标i对应的等级j的等级云模型；exij为等级云模型cij的期望，即该概念语言值量化的最典型样本；enij为等级云模型cij的熵，为该定性概念语言值的不确定性度量；heij为等级云模型cij的超熵，为熵的不确定性度量；aij为指标i等级j的的上区间值；bij为指标i等级j的的下区间值；εij为常数，可根据实际情况的随机性和模糊性进行具体调整。具体本实施例得到两个定性指标的结果如下：其中，c41～c45分别表示指标“备品备件完备性”对应的等级1～5的等级云模型；c51～c55分别表示指标“网管系统扩展性能”对应的等级1～5的等级云模型。较佳的，在本实施例中，确定定量类指标的实际值以及定性类指标的专家等级评价语言值具体为：确定指标原始值：对于定量类指标其原始值如下表所示：对于定性类指标专家等级评价语言值如下表所示：在本实施例中，所述计算指标对n个等级的支持度包括：根据定量类指标实际值确定其对n个可靠性等级的支持度；根据专家对定性类指标等级评级语言值结果确定其对n个可靠性等级的支持度。在本实施例中，所述根据定量类指标实际值确定其对n个可靠性等级的支持度包括以下步骤：步骤sa1：采用以下公式计算指标i的等级aj间的距离：：式中，pi(i＝1,2,3,...,n)为指标实际值，aij，bij为指标i的等级aj(j＝1,2,3,...,n)等级区间的边界值；所得结果如下表：步骤sa2：采用以下公式计算距离归一化值：其结果如下表：指标名称等级1等级2等级3等级4等级5光缆自然故障率10.5000.5adss光缆总长度-0.3410.3410.7530.9171最大汇聚接入网流量0.107-0.1070.2620.6311步骤sa3：采用以下公式计算定量类指标i对等级aj支持度：αij＝1-dij'；其结果如下：指标名称等级1等级2等级3等级4等级5光缆自然故障率00.5110.5adss光缆总长度1.3410.6590.2470.0830最大汇聚接入网流量0.8931.1070.7380.3690在本实施例中，所述根据专家对定性类指标等级评级语言值结果确定其对n个可靠性等级的支持度包括以下步骤：步骤sb1：根据专家对定性类指标i的等级语言值评价，采用以下公式计算指标综合云模型ci＝(exi,eni,hei)：式中，exi、eni、hei分别为指标综合云模型ci的期望、熵、超熵；λk为专家k(k＝1,2,3,...,t)的权重；exik、enik、heik为专家k对指标i等级语言值评价对应的等级云模型的期望、熵、超熵；结果如下：步骤sb2：确定指标综合云模型距离n个等级云模型的距离：指标综合云模型云ci通过正向云发生器生成t个证据云滴，并采用以下公式计算证据云滴m(m＝1,2,3,...,t)到等级云模型cj中心(exj，0)的距离欧式几何距离：式中，μ表示证据云滴函数值；步骤sb3：根据各证据云滴与各等级云模型cj的距离，采用以下公式计算证据云滴所对应各等级的基本概率分配函数：式中，mim(aj)为指标综合云模型ci上的证据云滴m对等级j的基本概率分配函数，即云滴m支持等级j的概率；步骤sb4：采用下式计算证据云滴散度kl(mim||mil)：kl(mim||mil)表示证据云滴m与证据云滴l对各等级支持度的贴近程度，其值越小贴近程度越高；步骤sb5：采用以下公式计算证据云滴可信度：步骤sb6：采用以下公式对证据云滴可信度进行归一化：并以此得到t个证据云滴的归一化可信度：ωim＝[ωi1,ωi2,ωi3,...,ωit]t；步骤sb7：根据证据云滴的归一化可信度确定证据云滴m对等级aj综合概率分配函数：步骤sb8：采用以下公式，计算证据理论合成公式中的冲突因子：步骤sb9：根据d-s证据理论合成规则，采用以下公式计算定性指标i对等级aj的支持度：结果如下：在本实施例中，所述计算指标权重具体包括以下步骤：步骤sc1：根据预设标度规则专家k(k＝1,2,3,...,t)对所有指标进行两两相对重要性比较，得到三角模糊数判断矩阵ak：式中，ak的中的元素akij＝(lkij，mkij，ukij)表示专家k对指标i比指标j重要的模糊判断程度进行判断后得到的三角模糊数，其中lkij，mkij，ukij分别表示指标i比指标j重要模糊判断程度的最小值，最可能值以及最大值，由模糊矩阵的互补性得到n表示指标个数，t表示专家个数；共有5位专家(即t＝5)根据1～9标度规则对各指标进行两两相对重要性比较，得到三角模糊数判断矩阵，此实施例中仅列出专家1所给出的模糊判别矩阵a1,如下：步骤sc2：采用下式计算指标i模糊综合程度qki：专家1所给出的模糊判别矩阵a1指标i模糊综合程度q1i结果为：步骤sc3：计算qki的模糊限位系数ρki(a)；ρki(a)＝eki(a)eki(a)+[1-eki(a)]σki(a)；式中，eki(a)为模糊均值，σki(a)为模糊标准差，eki(a)为模糊信息量，具体的，首先计算q1i的模糊均值e1i：接着计算q1i的模糊标准差σ1i：然后计算q1i的模糊信息量e1i：最后q1i的模糊限位系数ρ1i：步骤sc4：采用下式计算指标局部权重ωki：计算专家1所给出的模糊判别矩阵a1指标i局部权重w1i：综合各个专家权重，得到指标i综合权重ωi：ωi＝λk×ωki，其中λk表示专家k的权重；k＝1,2,3,...,t，t表示专家个数。结果为：w＝[0.2588,0.2017,0.3372,0.1147,0.0877]。在本实施例中，所述综合指标权重以及指标对n个等级的支持度确定该电力光传输网对n个可靠性等级的综合支持度具体为：采用下式计算得到电力光传输网对等级aj的综合支持度：pj＝αij×ωi；式中，αij表示定量及定性指标对等级aj的支持度，取max{p1,p2,...,pj,...,pn}为最终评级结果。本实施例计算电力光传输网络对n个可靠性等级的综合支持度，结果如下表所示：由上表可知，本实施例的电力光传输网络可靠性等级为较好。特别的，接下来本实施例以定性指标“备品备件完备性”和“网管系统扩展性能”为例，将传统的云模型贴进度算法与本发明计算定性指标对各等级云模型支持度的算法进行对比，比较两种算法的敏感度，包括以下步骤：步骤1：根据传统云模型贴进度算法计算指标综合云模型与各等级云模型的贴进度，其算法步骤如下：步骤1.1：两朵云通过正向云发生器各自生成n个云滴；步骤1.2：将各自云滴按横坐标大小从小到大进行排列；步骤1.3：对云滴进行筛选，保留落在[ex-3en,ex+3en]的云滴；步骤1.4：设筛选后的两朵云的云滴数分别n1和n2，假设n1＞n2，将第一朵云n1个云滴中随机选取n2个云滴，对云滴按横坐标从小到大进行排序，保留在集合drop1和drop2中，若n1＜n2，则与此类似；步骤1.5：将两个集合drop1和drop2按对应的次序计算各云滴(x，μ(x))之间的贴进度:根据所述步骤，计算“备品备件完备性”指标综合云模型c4＝(0.6,0.034,0.0142)与其对应的五个等级云模型间的贴进度，以及“网管系统扩展性能”指标综合云模型c5＝(0.62,0.034,0.0056)与其对应的五个等级云模型间的贴进度，结果如下表所示：步骤2：计算两种算法敏感度定义敏感度为：其中，αijmax表示指标综合云模型对所有等级云模型的支持度(或贴进度)的最大值；αijmin表示指标综合云模型对所有等级云模型的支持度(或贴进度)的最小值。由公式可知，敏感度表示的是同一定性指标对不同等级的支持度(或贴进度)的区分程度。明显地，敏感度越大，对应决策模型的区分度就越大，评价效果越好。计算两种算法敏感度结果如图3所示。由图3可知，本发明的算法敏感度明显高于传统算法，因此本发明的算法具有更高的可靠性。本实施例对于定性指标，利用云模型实现定性到定量的转换，并从云滴角度出发，提出了云滴对各等级云模型支持度这一概念，对云滴间相互影响进行深度挖掘，综合得到指标云模型对各等级云模型的支持度。最后对定性指标与定量指标相结合，以等级的形式给出通信网可靠性的诊断结果。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。本申请是参照根据本申请实施例的方法、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。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。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。以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。当前第1页12