电力计量系统的安全评估方法、装置、计算机设备和介质与流程

1.本发明涉及信息安全技术领域，特别是涉及一种电力计量系统的安全评估方法、装置、计算机设备和介质。


背景技术：

2.随着通信技术和信息技术的飞速发展，信息网络已经渗透到社会每一个角落，信息安全越来越受到人们的重视。目前，电力计量系统通常为电力计量自动化系统，该系统可以实现对用户电力负荷集中检测和有序配电，并且能够减少用户停电损失，保障整个电网的供需平衡等。因此，对电力计量自动化系统的信息安全评估非常重要。
3.传统技术中，采用层次分析法、概率分析评估法和逻辑分析法等风险评估方法对电力计量系统的信息安全进行评估，这些方法都需要准确的获取电力计量系统的安全评估信息。然而，在实际应用中对电力计量自动化系统的安全进行评估时，会存在评估信息无法获取或者评估信息不确定的问题。因此，使用传统技术中的风险评估方法的可靠性较差。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种电力计量系统的安全评估方法、装置、计算机设备和介质。
5.第一方面，本申请一个实施例提供一种电力计量系统的安全评估方法，包括：
6.获取电力计量系统的安全评估的信息；
7.根据安全评估的信息，建立故障树模型，其中，故障树模型包括顶事件、中间事件和底事件；
8.获取多个专家分别对底事件中的每个元素的多个目标量化值，并计算底事件中的每个元素的权重值；
9.基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间；
10.根据中间事件中每个元素的概率区间，计算电力计量系统的风险值区间，以确定电力计量系统的安全评估结果。
11.在其中一个实施例中，基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间，包括：
12.根据权重值和目标量化值，确定每个专家评价下的底事件中的每个元素的概率分布值；
13.对多个专家评价下的底事件中的每个元素的概率分布值进行合成，得到底事件中的每个元素的合成概率分布值；
14.基于证据理论方法，根据合成概率分布值，计算底事件中的每个元素的概率区间；
15.根据底事件中的每个元素的概率区间，以及底事件中的每个元素与中间事件中的每个元素之间的逻辑关系，计算中间事件中的每个元素的概率区间。
16.在其中一个实施例中，基于证据理论方法，根据合成概率分布值，计算底事件中的每个元素的概率区间，包括：
17.基于证据理论方法，计算底事件中的每个元素的信任函数和似然函数；
18.将信任函数与似然函数组成的区间确定为底事件中的每个元素的概率区间。
19.在其中一个实施例中，获取多个专家分别对底事件中的每个元素的多个目标量化值，包括：
20.将获取的多个专家分别对底事件中的每个元素的多个初始量化值进行排序，得到排序矩阵；
21.对排序矩阵进行调整，得到隶属度矩阵，其中，隶属度矩阵中的元素表示多个专家分别对底事件中的每个元素的多个目标量化值。
22.在其中一个实施例中，计算底事件中的每个元素的权重值，包括：
23.根据隶属度矩阵，确定多个专家对底事件中的每个元素的认知度和认知盲度；
24.根据认知度和认知盲度，确定总体认知度；
25.根据多个总体认知度和认知度，确定底事件中的每个元素的权重值。
26.在其中一个实施例中，根据隶属度矩阵，确定多个专家对底事件中的每个元素的认知度和认知盲度，包括：
27.根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的均值，得到认知度；
28.根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的最大值和最小值；
29.根据最大值、最小值和认知度，确定认知盲度。
30.在其中一个实施例中，根据中间事件中的每个元素的概率区间，计算电力计量系统的风险值区间，包括：
31.获取中间事件中的每个元素的权重值；
32.根据中间事件中的每个元素的概率区间和中间事件中的每个元素的权重值，计算电力计量系统的风险值区间。
33.第二方面，本申请一个实施例提供一种电力计量系统的安全评估装置，包括：
34.获取模块，用于获取电力计量系统的安全评估的信息；
35.模型建立模块，用于根据安全评估的信息，建立故障树模型，其中，故障树模型包括顶事件、中间事件和底事件；
36.计算模块，用于获取多个专家分别对底事件中的每个元素的多个目标量化值，并计算底事件中的每个元素的权重值；
37.计算模块，还用于基于证据理论方法，根据底事件中的每个元素的权重值和每个底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间；
38.确定模块，用于根据中间事件中的每个元素的概率区间，计算电力计量系统的风险值区间，以确定电力计量系统的安全评估结果。
39.第三方面，本申请一个实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述实施例提供的方法的步骤。
40.第四方面，本申请一个实施例还提供一种计算机可读存储介质，其上存储有计算
机程序，计算机程序被处理器执行时实现如上述实施例提供的方法的步骤。
41.本申请提供一种电力计量系统的安全评估方法、装置、计算机设备和介质。该方法通过获取的电力计量系统的安全评估的信息建立故障树模型；获取底事件中的每个元素的多个目标量化值，并计算底事件中的每个元素的权重值；基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间；根据中间事件中的每个元素的概率区间，计算电力计量系统的风险区间，以确定电力计量系统的安全评估结果。本申请实施例提供的电力计量系统的安全评估方法利用证据理论方法能够描述电力计量系统的风险不确定区间的特点，计算中间事件中的每个元素的概率区间，最终计算电力计量系统风险值区间。这样在对电力计量系统进行安全评估时，考虑了安全评估的信息无法获取评估信息不确定的问题，能够提高最终确定电力计量系统的安全评估结果的可靠性。
附图说明
42.为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域不同技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1为本申请一个实施例提供的电力计量系统的安全评估方法的步骤流程示意图；
44.图2为本申请一个实施例提供的故障树模型的结构框图；
45.图3为本申请一个实施例提供的电力计量系统的安全评估方法的步骤流程示意图；
46.图4为本申请一个实施例提供的电力计量系统的安全评估方法的步骤流程示意图；
47.图5为本申请一个实施例提供的子故障树模型的结构示意图；
48.图6为本申请一个实施例提供的电力计量系统的安全评估方法的步骤流程示意图；
49.图7为本申请一个实施例提供的电力计量系统的安全评估方法的步骤流程示意图；
50.图8为本申请一个实施例提供的电力计量系统的安全评估方法的步骤流程示意图；
51.图9为本申请一个实施例提供的电力计量系统的安全评估装置的结构示意图；
52.图10为本申请一个实施例提供计算机设备的结构示意图。
具体实施方式
53.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。
54.下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
55.作为国家能源领域重心的电力行业，其信息安全问题日趋严峻。信息安全风险评估是信息安全关键技术的一项重要内容。电力行业中的电力计量自动化系统可以实现对用户电力负荷集中检测和有序配电，并且能够减少用户停电损失，保障整个电网的供需平衡等。通过本申请提供的电力计量系统的安全评估方法可以对电力计量自动化系统的信息安全风险进行评估，这样可以全面的了解电力计量系统的风险点和风险等级，使得工作人员可以针对性地加强电力计量系统信息安全措施。
56.本申请提供的电力计量系统的安全评估方法可以通过计算机设备实现。计算机设备包括但不限于控制芯片、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。本申请提供的方法可以通过java软件实现，也可以应用于其他软件。
57.请参见图1，本申请一个实施例提供一种电力计量系统的安全评估方法，该方法的实现步骤包括：
58.步骤100、获取电力计量系统的安全评估的信息。
59.电力计量系统的安全评估的信息可以包括该电力计量系统存在的安全威胁，以及可能产生这些威胁的原因。安全评估的信息可以是工作人员根据经验或者查找资料到的信息，工作人员将得到的安全评估的信息存储在计算机设备的存储器中。计算机设备在使用时，直接从存储器中获取。随着技术的进步和经验的增加，电力计量系统的安全评估的信息可能会发生变化。本实施例对安全评估的信息的具体内容，以及计算机设备获取电力计量系统的安全评估的信息的方法不作任何限制，只要能够实现其功能即可。
60.步骤200、根据安全评估的信息，建立故障树模型，其中，故障树模型包括顶事件、中间事件和底事件。
61.计算机设备根据获取的电力计量系统的安全评估的信息，可以建立出顶事件、中间事件和底事件的倒立树状逻辑因果关系框图，既故障树模型。其中，顶事件是指电力计量系统不希望发生的事件，既，故障树模型中最顶层的事件，例如：电力计量系统风险；中间事件是导致顶事件发生的基本事件，故障树模型中顶事件和底事件之间的事件称为中间事件，例如：可用性、完整性和机密性；底事件是指造成顶事件发生的最底层的原因，既故障树模型中最底层的事件。顶事件的数量是一个，中间事件和顶事件的数量可以有多个，并且，一个故障树模型中可以包括多个中间事件，
62.在一个可选的实施例中，电力计量系统的故障树模型如图2所示。其中，电力计量系统风险为顶事件，各种原因为底事件，顶事件和底事件之间的均为中间事件。图2中“+”表示各事件之间的逻辑关系为“或”，既任何一个事件的发生能够引发上层事件；“&”表示各事件之间的逻辑关系为“与”，既只有当各事件均发生时，才能引发上层事件。
63.步骤300、获取多个专家分别对底事件中的每个元素的多个目标量化值，并计算底事件中的每个元素的权重值。
64.在故障树模型中，底事件中可以包括多个元素，每个元素为可以引发上层事件发生的原因。在对电力计量系统进行安全评估之前，需要多个专家对形成故障树模型的底事件中的每个元素的风险进行评价。多个专家对底事件中的每个元素的风险评价可以是评
语，工作人员根据相关的规定将多个专家的评语进行量化，可以得到多个专家对底事件中的每个元素的目标量化值。具体的，对专家的评语的量化可以是：风险最高，量化值为0.9；风险较高，量化值为0.7；风险为中等，量化值为0.5；风险较低，量化值为0.3；风险最低，量化值为0.1。工作人员可以将多个专利对底事件中的每个元素的目标量化值存储在计算机设备的存储器中。计算机设备在进行电力计量系统的安全评估方法时，直接从存储器中获取即可。在一个可选的实施例中，可以设置相关的算法，对多个专家对底事件中的每个元素的风险评价进行量化。本实施例中对获取多个专家分别对底事件中的每个元素的多个目标量化值的方法不作限制，只要能够实现其功能即可。
65.计算机设备在获取到多个专家分别对底事件中的每个元素的多个目标量化值后，可以对多个专家对每个元素的多个目标量化值进行统一，得到每个元素的一个量化值，并根据多个元素的量化值确定每个元素的权重值。本实施例对计算每个元素的权重值的具体方法不作任何限制。
66.步骤400、基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间。
67.证据理论方法能够描述信息的不确定性，把不确定性问题转化为集合的不确定问题，通过引入信任函数和似然函数，能够很好的表述“不确定性”和“不知道”等认知方面的重要概念。计算机设备在得到底事件中的每个元素的权重值和多个目标量化值后，可以通过区间概率分析的算法计算出中间事件中的每个元素的概率区间。中间事件中的每个元素的概率区间用于表征该元素发生风险的概率。该中间事件的数量有多个时，从底事件向上依次计算至顶事件的下一层的中间事件的概率区间。例如：中间事件有两个，顶事件的下一层的中间事件即为第一中间事件，另外一个中间事件为第二中间事件，计算机设备根据底事件中的每个元素的权重值和多个目标量化值，先计算第二中间事件中的每个元素的概率区间，再计算第一中间事件中的每个元素的概率区间。
68.步骤500、根据中间事件中的每个元素的概率区间，计算电力计量系统的风险值区间，以确定电力计量系统的安全评估结果。
69.计算机设备根据得到的中间事件中的每个元素的概率区间，可以得到顶事件的概率区间，既电力计量系统的风险值区间。计算机设备根据计算得到的风险值区间，在预设的风险值区间与风险等级之间的关系表中查找，可以确定该电力计量系统的安全评估结果，既该电力计量系统发生安全风险的等级。预设的风险值区间与风险等级之间的关系表可以是由工作人员根据经验和试验得到的关系表。
70.本申请实施例提供的电力计量系统的安全评估方法，利用证据理论方法能够描述电力计量系统的风险不确定区间的特点，根据底事件中的每个元素的概率区间，计算中间事件中的每个元素的概率区间，最终计算出电力计量系统的风险值区间。这样在对电力计量系统进行安全评估时，考虑了安全评估的信息无法获取或者安全评估的信息不确定的问题，能够提供对电力计量系统的安全评估结果的可靠性。同时，在计算中间事件中的每个元素的概率区间时引入了底事件中的每个元素的权重值，使得计算得到的概率区间更加客观，既得到的电力计量系统的风险值区间更加准确。
71.请参见图3，步骤400基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间的一种可能
的实现方式包括：
72.步骤410、根据权重值和目标量化值，确定每个专家评价下的底事件中的每个元素的概率分布值。
73.计算机设备根据底事件中的每个元素的权重值，以及多个专家对底事件中的每个元素的多个目标量化值，可以得到多个专家分别对底事件中的每个元素的概率分布值。假设，底事件中每个元素的权重值为w
j
，每个专家对底事件中的每个元素的目标量化值为b
j
，其中，j表示底事件中的第j个元素，则每个专家评价下的底事件中的每个元素的概率分布值可以表示为：其中，i表示第i个专家，a表示底事件中所有元素的集合，λ表示量化系数。
74.步骤420、对多个专家评价下的底事件中的每个元素的概率分布值进行合成，得到底事件中的每个元素的合成概率分布值。
75.计算机设备在得到每个专家对底事件中的每个元素的概率分布值后，对多个专家对底事件中的每个元素的概率分布值进行合成，最终可以得到多个专家的评价统一后的底事件中的每个元素的合成概分布值。在一个可选的实施例中，对多个专家评价下的底事件中的每个元素的概率分布值进行合成时，可以先两两合成，在依次合成。具体的，可以采用公式对多个专家评价下的底事件中的每个元素的概率分布值进行合成，其中，k＝1
‑
m
i
(a)m
i+1
(a)，f表示总共合成的次数。例如：共有专家y1，专家y2，专家y3和专家y4，则先将专家y1和专家y2对底事件中的每个元素的概率分布值进行合成，以及专家y3和专家y4对底事件中的每个元素的概率分布值进行合成，得到两个合成后的概率分布值；再将合成后的两个概率分布值进行合成，最终得到底事件中的每个元素的合成概率分布值。
76.步骤430、基于证据理论方法，根据合成概率分布值，计算底事件中的每个元素的概率区间。
77.计算机设备在得到多个专家对底事件中的每个元素的合成概率分布值后，基于证据理论法，计算底事件中的每个元素的概率区间。
78.基于证据理论方法，根据合成概率分布值，计算底事件中每个元素的概率区间的一种可能的实现方式如图4所示，包括：
79.步骤431、基于证据理论方法，计算底事件中的每个元素的信任函数和似然函数。
80.步骤432、将信任函数与似然函数组成的区间确定为底事件中的每个元素的概率区间。
81.计算机设备基于证据理论方法，可以根据公式bel(a)＝∑m
f
(a)计算底事件中的每个元素的合成概率分布值的信任函数；根据公式pi(a)＝1
‑
bel(a)计算底事件中的每个元素的合成概率分布值的似然函数。信任函数用于表征对底事件中每个元素的合成概率分布值的信任程度，似然函数用于表征对底事件中每个元素的合成概率分布值可能成立的不确定度量。信任函数和似然函数组成的区间可以表征对底事件中每个元素的合成概率分布值的不确定区间，既[bel(a),pi(a)]，将该区间确定为底事件中的每个元素的概率区间。
[0082]
步骤440、根据底事件中的每个元素的概率区间，以及底事件中的每个元素与中间事件中的每个元素之间的逻辑关系，计算中间事件中的每个元素的概率区间。
[0083]
计算机设备在确定底事件中的每个元素的概率区间后，根据故障树模型中，底事件中的元素与中间事件中的元素之间的逻辑关系，可以得到中间事件中的每个元素的概率区间。
[0084]
在一个可选的实施例中，故障树模型的子故障树模型为图5，其中，t表示中间事件中的一个元素，s1、s2和s3为底事件中的3个元素，3个元素之间的逻辑关系为或，既s1、s2和s3中任何一个元素所代表的事件发生都能引发中间事件中t元素所代表的事件。中间事件中的元素t的概率分布区间可以表示为p
t
＝1
‑
(1
‑
p1)(1
‑
p2)(1
‑
p3)，其中，p1为底事件中元素s1的概率区间，p2为底事件中元素s2的概率区间，p1为底事件中元素s3的概率区间。
[0085]
在另一个可选的实施例中，底事件中的3个元素之间的逻辑关系为与，既当s1、s2和s3所代表的事件均发生时才能引发中间事件中t元素所代表的事件。中间事件中t的概率分布区间可以表示为p
t
＝1
‑
p1*p2*p3。
[0086]
请参见图6，步骤300获取多个专家分别对底事件中的每个元素的多个目标量化值的一种可能的实现方式包括：
[0087]
步骤310、将获取的多个专家分别对底事件中的每个元素的多个初始量化值进行排序，得到排序矩阵。
[0088]
初始量化值是直接对专家的评语进行量化得到的。假设，计算机设备可以获取到m个专家分别对底事件中的n个元素的量化值，并对每个专家评价下的n个元素的量化值按照从大到小的顺序进行排序，得到每个元素的量化值对应的排列序号，排列序号越小说明该元素的量化值越大，既该元素的重要性越高。根据m个专家以及相对应的n个元素的排列序号可以形成排序矩阵。排序序号可以表示专家对底事件中的元素的量化值。排序矩阵可以是m
×
n维的，既排序矩阵中的每列中的元素表示多个专家对底事件中的一个元素的排列序号；排序矩阵中的每行元素表示一个专家对分别对底事件中的多个元素的排列序号。排序矩阵也可以是n
×
m维的，既排序矩阵中的每行中的元素表示多个专家对底事件中的一个元素的排列序号；排序矩阵中的每列元素表示一个专家对分别对底事件中的多个元素的排列序号。本实施例对排序矩阵的维度不作限制。
[0089]
步骤320、对排序矩阵进行调整，得到隶属度矩阵，其中，隶属度矩阵中的元素表示多个专家分别对底事件中的每个元素的多个目标量化值。
[0090]
计算机设备在得到排序矩阵后，根据排序矩阵中的每个元素，按照公式b
ij
＝in(m
‑
a
ij
)/in(m
‑
1)(其中，b
ij
表示隶属度矩阵中的第i行第j列的元素，a
ij
表示排序矩阵中)分别计算隶属度矩阵中的每个元素，从而可以得到隶属度矩阵。隶属度矩阵的维度与排序矩阵的维度相同。在本实施例中，通过对排序进行调整，得到隶属度矩阵，使得多个专家对某一个元素的量化值更加客观，从而能够提高对电力计量系统的安全评估的准确性。
[0091]
请继续参见图6，步骤300计算底事件中的每个元素的权重值的一种可能的实现方式包括：
[0092]
步骤330、根据隶属度矩阵，确定多个专家对底事件中的每个元素的认知度和认知盲度。
[0093]
认知度表示多个专家对某一元素的重要程度的评价相同，既多个专家对该元素的
重要程度达成共识。认知盲度表示多个专家对某一元素的重要程度评价不同，既多个专家对该元素的重要程度存在意见分歧和不确定性。计算机设备在确定隶属度矩阵中，计算多个专家对底事件中的每个元素的认知度和认知盲度。
[0094]
在一个实施例中，根据隶属度矩阵，确定多个专家对底事件中的每个元素的认知度和认知盲度的一种可能的实现方式如图7所示，包括：
[0095]
步骤331、根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的均值，得到认知度。
[0096]
计算机设备在得到隶属度矩阵后，根据公式计算多个专家对底事件中的每个元素的认知度，其中，j＝1，2
…
n，c
j
表示多个专家对第j个元素的认知度。若隶属度矩阵的维度为m
×
n，通过计算隶属度矩阵中每列元素的平均值，就可以得到多个专家对底事件中的每个元素中的认知度。若隶属度矩阵的维度为n
×
m，通过计算隶属度矩阵中每行元素的平均值，就可以得到多个专家对底事件中的每个元素的认知度。
[0097]
步骤332、根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的最大值和最小值。
[0098]
步骤333、根据最大值、最小值和认知度，确定认知盲度。
[0099]
计算机设备在得到隶属度矩阵后，若隶属度矩阵的维度为m
×
n，则计算隶属度矩阵中每列元素的最大值和最小值；若隶属度矩阵的维度为n
×
m，则计算隶属度矩阵中每行元素的最大值和最小值。根据计算得到的最大值、最小值和认知度，可以计算出多个专家对底事件中的每元素的认知盲度。在一个可选的实施例中，计算机设备根据公式计算认知盲度，其中，q
j
表示多个专家对第j个元素的认知盲度。
[0100]
步骤340、根据认知度和认知盲度，确定总体认知度。
[0101]
计算机设备在得到多个专家对底事件中每个元素的认知度和认知盲度后，可以根据公式x
j
＝b
j
(1
‑
q
j
)(其中，x
j
(j＝1,2,...n)表示多个专家对第j个元素的总体认知度)计算多个专家对每个元素的总体认知度。总体认知度可以表示考虑了多个专家对底事件中的每个元素的重要程度的分析后，最终确定的多个专家对每个元素的重要程度的统一认知，既多个专家对每个元素的重要程度达成了共识。
[0102]
步骤350、根据多个总体认知度和认知度，确定底事件中的每个元素的权重值。
[0103]
计算机设备在得到每个元素的总体认知度后，根据公式计算底事件中每个元素的权重值，其中，w
j
表示第j个元素的权重值。
[0104]
在本实施例中，通过考虑多个专家对底事件中的每个元素的认知度和认知盲度后，确定每个元素的权重值，这样得到的每个元素的权重值更加客观，从而使得后续根据权重值确定电力计量系统的安全评估结果更加准确。
[0105]
请参见图8，步骤500根据中间事件中的每个元素的概率区间，计算电力计量系统的风险值区间的一种可能的实现方式包括：
[0106]
步骤510、获取中间事件中的每个元素的权重值。
[0107]
计算机设备按照计算底事件中每个元素的权重值得方法可以计算中间事件中的每个元素的权重值。本实施例对计算中间事件中的每个元素的权重值的方法不作限制，只要能够实现其功能即可。
[0108]
步骤520、根据中间事件中的每个元素的概率区间和中间事件中的每个元素的权重值，计算电力计量系统的风险值区间。
[0109]
计算机设备在计算电力计量系统的风险值区间时，引入中间事件中的每个元素的权重值。例如：中间事件中包括元素t1、t2和t3，3个元素之间的逻辑关系为或，既t1、t2和t3中任何一个元素所代表的事件发生都能引发顶事件，既电力计量系统风险。则在不考虑中间事件中的每个元素的权重值时，顶事件的概率区间，既电力计量系统的风险值区间可以表示为p
d
＝1
‑
(1
‑
p1)(1
‑
p2)(1
‑
p3)，其中p1表示中间事件中元素t1的概率区间，p2表示中间事件中元素t2的概率区间，p3表示中间事件中元素t3的概率区间。在考虑中间事件中的每个元素的权重值时，电力计量系统的风险值区间可以表示为p
dr
＝1
‑
(1
‑
p1r1)(1
‑
p2r2)(1
‑
p3r3)，其中，r1表示中间事件中元素t1的权重值，r2表示中间事件中元素t2的权重值，r3表示中间事件中元素t3的权重值。
[0110]
在本实施例中，在计算电力计量系统的风险值区间时，根据实际情况和评估要求的不同，权重值能够使得对电力计量系统的安全评估更加客观和有依据性。
[0111]
在一个可选的实施例中，为了提高对电力计量系统的安全评估的准确性，可以适当的增加参加评价的专家数量。
[0112]
在一个可选的施例中，通过对使用该电力计量系统的安全评估方法得到的电力计量系统的安全评估结果与评估专家得到的评估结果进行对比，两者的结果一致，说明使用该电力计量系统的安全评估方法对电力计量系统的安全进行评估的结果是可信的。
[0113]
应该理解的是，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0114]
请参见图9，本申请一个实施例提供一种电力计量系统的安全评估装置10，该装置包括获取模块100、模型建立模块200、计算模块300和确定模块400。
[0115]
其中，
[0116]
获取模块100用于获取电力计量系统的安全评估的信息；
[0117]
模型建立模块200用于根据安全评估的信息，建立故障树模型，其中，故障树模型包括顶事件、中间事件和底事件；
[0118]
计算模块300用于获取多个专家分别对底事件中的每个元素的多个目标量化值，并计算底事件中的每个元素的权重值；
[0119]
计算模块300还用于基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间；
[0120]
确定模块400用于根据中间事件中的每个元素的概率区间，计算电力计量系统的风险值区间，以确定电力计量系统的安全评估结果。
[0121]
在一个实施例中，计算模块300包括第一确定单元、第二确定单元、第一计算单元和第二计算单元。其中，第一确定单元用于根据权重值和目标量化值，确定每个专家评价下的底事件中的每个元素的概率分布值。第二确定单元用于对多个专家评价下的底事件中的每个元素的概率分布值进行合成，得到底事件中的每个元素的合成概率分布值。第一计算单元用于基于证据理论方法，根据合成概率分布值，计算底事件中的每个元素的概率区间。第二计算单元用于根据底事件中的每个元素的概率区间，以及底事件中的每个元素与中间事件中的每个元素之间的逻辑关系，计算中间事件中的每个元素的概率区间。
[0122]
在一个实施例中，第一计算单元具体用于基于证据理论方法，计算底事件中的每个元素的信任函数和似然函数；将信任函数与似然函数组成的区间确定为底事件中的每个元素的概率区间。
[0123]
在一个实施例中，计算模块300还包括排序单元和调整单元。其中，排序单元用于将获取的多个专家分别对底事件中的每个元素的多个初始量化值进行排序，得到排序矩阵。调整单元用于对排序矩阵进行调整，得到隶属度矩阵，其中隶属度矩阵中的元素表示多个专家分别对底事件中的每个元素的多个目标量化值。
[0124]
在一个实施例中，计算模块300还包括第三确定单元、第四确定单元和第五确定单元。其中，第三确定单元用于根据隶属度矩阵，确定多个专家对底事件中的每个元素的认知度和认知盲度。第四确定单元用于根据认知度和认知盲度，确定总体认知度。第五确定单元用于根据多个总体认知度和认知度，确定底事件中的每个元素的权重值。
[0125]
在一个实施例中，第三确定单元具体用于根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的均值，得到认知度；根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的最大值和最小值；根据最大值、最小值和认知度，确定认知盲度。
[0126]
在一个实施例中，确定模块400包括获取单元和和第三计算单元。其中，获取单元用于获取中间事件中的每个元素的权重值。第三计算单元用于根据中间事件中的每个元素的概率区间和中间事件中的每个元素的权重值，计算电力计量系统的风险值区间。
[0127]
关于上述电力计量系统的安全评估装置10的具体限定可以参见上文中对于电力计量系统的安全评估方法的限定，在此不在赘述。电力计量系统的安全评估装置10中的各个模块可以全部或部分通过软件、硬件及其组合来实现。上述各装置、各模块或者各单元可以以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个装置或模块对应的操作。
[0128]
请参见图10，在一个实施例中，提供了一种计算机设备，计算机设备可以是服务器，其内部结构图可以如图10所示。计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，计算机设备的处理器用于提供计算和控制能力。计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。计算机设备的数据库用于存储安全评估的信息和多个专家对底事件中的每个元素的初始量化值等。计算机设备的网络接口用于与外部的终端通过网络连接通信。计算机设备被处理器执行时以实现一种电力计量系统的安全评估方法。
[0129]
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分
结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0130]
在一个实施例中，本申请提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0131]
获取电力计量系统的安全评估的信息；
[0132]
根据安全评估的信息，建立故障树模型，其中，所障树模型包括顶事件、中间事件和底事件；
[0133]
获取多个专家分别对底事件中的每个元素的多个目标量化值，并计算底事件中的每个元素的权重值；
[0134]
基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间；
[0135]
根据中间事件中的每个元素的概率区间，计算电力计量系统的风险值区间，以确定电力计量系统的安全评估结果。
[0136]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据权重值和目标量化值，确定每个专家评价下的底事件中的每个元素的概率分布值；对多个专家评价下的底事件中的每个元素的概率分布值进行合成，得到底事件中的每个元素的合成概率分布值；基于证据理论方法，根据合成概率分布值，计算底事件中的每个元素的概率区间；根据底事件中的每个元素的概率区间，以及底事件中的每个元素与中间事件中的每个元素之间的逻辑关系，计算中间事件中的每个元素的概率区间。
[0137]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于证据理论方法，计算底事件中的每个元素的信任函数和似然函数；将信任函数与似然函数组成的区间确定为底事件中的每个元素的概率区间。
[0138]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将获取的多个专家分别对底事件中的每个元素的多个初始量化值进行排序，得到排序矩阵；对排序矩阵进行调整，得到隶属度矩阵，其中，隶属度矩阵中的元素表示多个专家分别对底事件中的每个元素的多个目标量化值。
[0139]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据隶属度矩阵，确定多个专家对底事件中的每个元素的认知度和认知盲度；根据认知度和认知盲度，确定总体认知度；根据多个总体认知度和认知度，确定底事件中的每个元素的权重值。
[0140]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的均值，得到认知度；根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的最大值和最小值；根据最大值、最小值和认知度，确定认知盲度。
[0141]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取中间事件中的每个元素的权重值；根据中间事件中的每个元素的概率区间和中间事件中的每个元素的权重值，计算电力计量系统的风险值区间。
[0142]
在一个实施例中，本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0143]
获取电力计量系统的安全评估的信息；
[0144]
根据安全评估的信息，建立故障树模型，其中，所障树模型包括顶事件、中间事件和底事件；
[0145]
获取多个专家分别对底事件中的每个元素的多个目标量化值，并计算底事件中的每个元素的权重值；
[0146]
基于证据理论方法，根据底事件中的每个元素的权重值和底事件中的每个元素的多个目标量化值，计算中间事件中的每个元素的概率区间；
[0147]
根据中间事件中的每个元素的概率区间，计算电力计量系统的风险值区间，以确定电力计量系统的安全评估结果。
[0148]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据权重值和目标量化值，确定每个专家评价下的底事件中的每个元素的概率分布值；对多个专家评价下的底事件中的每个元素的概率分布值进行合成，得到底事件中每个元素的合成概率分布值；基于证据理论方法，根据合成概率分布值，计算底事件中的每个元素的概率区间；根据底事件中的每个元素的概率区间，以及底事件中的每个元素与中间事件中的每个元素之间的逻辑关系，计算中间事件中的每个元素的概率区间。
[0149]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于证据理论方法，计算底事件中的每个元素的信任函数和似然函数；将信任函数与似然函数组成的区间确定为底事件中的每个元素的概率区间。
[0150]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将获取的多个专家分别对底事件中的每个元素的多个初始量化值进行排序，得到排序矩阵；对排序矩阵进行调整，得到隶属度矩阵，其中，隶属度矩阵中的元素表示多个专家分别对底事件中的每个元素的多个目标量化值。
[0151]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据隶属度矩阵，确定多个专家对底事件中的每个元素的认知度和认知盲度；根据认知度和认知盲度，确定总体认知度；根据多个总体认知度和认知度，确定底事件中的每个元素的权重值。
[0152]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的均值，得到认知度；根据隶属度矩阵，计算多个专家对底事件中的每个元素的多个目标量化值的最大值和最小值；根据最大值、最小值和认知度，确定认知盲度。
[0153]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取中间事件中的每个元素的权重值；根据中间事件中的每个元素的概率区间和中间事件中的每个元素的权重值，计算电力计量系统的风险值区间。
[0154]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强
型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0155]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0156]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。