一种基于云物元模型的配电网三维仿真培训可信度评估方法与流程

本发明涉及配电网三维仿真培训可信度评估，尤其是涉及一种基于云物元模型的配电网三维仿真培训可信度评估方法。

背景技术：

配电网培训仿真是近两年来电力培训仿真研究的一个较新的领域，配电网培训仿真的可信度研究目前也还处于起步阶段。配电网培训仿真不同于数值仿真，不是仅仅看仿真值与实际值的误差，而是还包括动画表现给人带来的视觉感受、以及声音带来的听觉感受、运行环境对响应速度的影响、操作步骤的设置是否标准化、仿真系统是否能够较为全面的体现出各种设备的操作等。这些比较模糊的因素增加了对其可信度量化研究的难度。

可信度评估的方法有很多，利用相似理论研究仿真系统的可信度。原理是：将可信度评估指标量化成一个相似要素，若是评估过程伴随模糊性，需要用模糊轮将可信度评估指标转换成模糊相似元。但是模糊相似需要专家的参与，不可避免伴随很大成分的主观因素，并且对于配电网培训仿真来说，其对应的实际系统评估指标太多，导致相似要素太多，给计算上带来一定的难度，造成评估结果的失真。

在可信度评估过程中，评估指标的选择，状态等级的划分等等都是由该领域的专家选择，制定，而且不同的人由于认识，经验水平不一样，评估结果也不一样，不可避免引入人为主观因素，带有很强的不确定性。模糊轮可以反映这种不确定性，而且模糊论的关键是权重的计算以及隶属度模型的选择，层次分析法计算评估指标的权重，过多引入人为主观因素，影响评估结果的正确性，而且模糊综合评判法一般把模糊性和随机性分开讨论，实际上二者是相互影响相互联系，不可分割的。

技术实现要素：

鉴于此，本专利针对配电网培训仿真可信度中存在的问题首先采用基于专家咨询的改进德尔菲法建立配电网培训仿真可信度指标体系，建立了一个具有递阶层次结构的可信度评估指标体系；其次利用云物元模型对配电网仿真培训可信度进行评估，将云模型和物元理论相结合，提出了一种基于云物元模型评估配电网培训仿真可信度，充分考虑了评估指标等级界限值的随机性和模糊性，实现定性概念和定量计算的转化，最后采用实施例表明基于云物元模型的可信度评估相比较灰色聚类评估方法而言，更加客观合理。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于云物元模型的配电网三维仿真培训可信度评估方法，其特征在于，包括以下步骤：

步骤1，配电网培训仿真可信度指标体系的建立，包括以下子步骤：

步骤1.1，选择和确定群组成员，选取专家小组10人；

步骤1.2，请每个专家根据知识以及配电网生产运行仿真培训系统，进行第一轮评分，评分标准分为极重要、很重要、重要、一般、不重要五个等级，将结果赋值为5分、4分、3分、2分、1分；

步骤1.3，获取专家第二轮评分结果；对第一轮的咨询结果进行统计分析处理，将评判结果的平均值及分布状况反馈给每位专家，进行第二轮的再评判，并请专家给出在判断各指标时的置信度；自信度等级“很高”、“高”、“一般”、“低”、“很低”，分值为5分、4分、3分、2分、1分；所有专家给出的自信度等级的平均值GCR(group confidence rating means)不小于3时，表明小组成员达到了较高的一致性；

步骤1.4，根据最后一轮的咨询结果删选指标；改进德尔菲法咨询的第一轮专家意见会分散，后续各轮通过信息的反馈，专家意见会集中；

步骤1.5，为了更好地分析数据结果，采用以下几个参数：

参数一：期望值，用表示：

其中，E_j为指标重要程度的分值，n_ij为评判i指标为j等级分值的专家数，M为指标个数，则反映了P个专家评判的期望值；

参数二：标准差，用σ_i表示：

反映专家们对i指标评判值的离散程度，σ_i>63则需进行第二轮咨询；

参数三：协调程度，用变异系数V_i和协调系数W表征：

V_i＝σ_i/E_i (3)

反映专家对第i个指标的协调程度；

反映专家对整个评估指标体系的协调程度，其中

V_i越小，W越大则表示越协调；

步骤2，基于正态云可信度评估指标隶属度的计算；

步骤3，基于正态云物元模型的配电网培训仿真可信度综合评估。

在上述的一种基于云物元模型的配电网三维仿真培训可信度评估，所述的步骤2包括以下子步骤：

步骤2.1、计算正态云的3个数字特征：期望值E_x、熵E_n和超熵H_e，即：

步骤2.2、计算可信度评估指标的隶属度：

y(x)＝exp[-(x-E_x)²/(2E_n²)] (7)。

在上述的一种基于云物元模型的配电网三维仿真培训可信度评估，所述的步骤3包含以下子步骤：

步骤3.1，.确定标准云：根据评估需要，划分出s个评判等级，对于第j个等级有

其中，R_0j为评判等级，c_i(i＝1,2....i)为评估指标，(Ex_i,En_i,He_i)为R_0j关于指标c_i的三个数字特征；

步骤3.2，确定待评估物元：对于待评估事物q，若可以得到它关于指标c_i的确定量值，则可用普通物元表示：

其中，q为待评估事物，x_i是评估时获得的具体数据；

若待评估事物的特征只能采用自然语言值描述，则可用云物元表示：

其中，(Ex_i,En_i,He_i)是待评估事物的数字特征值；

步骤3.3，确定待评估物元与各指标的各评判等级间的关联度：基于正态云模型的物元分析方法中关联度的计算不同于一般物元分析里的关联度计算；根据待评估事物的不同表征方式，包括以下三个判断状况：

判断状况一，确定性数值表示的物元与云物元之间的关联度：将关联度定义为一个云滴，将求解关联度的问题转化成求该云滴对这个云的确定度；对于正态云(E_x,E_n,H_e)表示的物元来说，参考正态云生成算法，对于评估指标x，参考式子(21)计算其正态云的隶属度即云物元模型的关联度y为

判断状况二，云物元与云物元间的关联度：基于云模型的3En规则，将区间(Ex-3En,Ex+3En)看成一个集合，那么正态云1和正态云2的共有部分和非共有部分分别用N和M表示为

则关联度y为

判断状况三，区间数值表示的物元与云物元间的关联度：将配电网培训仿真可信度评估的等级界限视为一个双约束空间[c_min,c_max]，，然后运用上述云和云之间关联度的计算方法来进行计算，用公式(13)-(15)计算出云模型的参数：

He＝m(15)

其中，m为一常数，可以根据评语的不确定性和实际情况做出调整；

步骤3.4计算待评估物元与各评判等级间的关联度

设指标c_i的权重为η_i，则待评估事物q关于等级j的关联度的计算为

其中，y_j(x_i)为待评估物元的指标i关于等级j的关联度；

步骤3.5等级评定

若则可判定q属于第j₀个等级。

本发明的优点：根据配电网培训仿真的特点，采用改进德尔菲法建立配电网培训仿真可信度评估的指标体系，针对可信度评估过程的不确定性因素，本文提出采用云模型和物元模型相结合的云物元算法评估配电网培训仿真的可信度，其中物元模型的关联函数采用正态云模型，考虑了专家打分时的不确定性，并实现了定性指标定量化。

附图说明

附图1是本发明中改进德尔菲法的判定流程。

附图2是本发明可信度评估指标及咨询结果。

附图3是本发明可信度评估指标体系。

附图4是本发明实施例中评语等级的标准云数字特征。

附图5是本发明实施例中专家对停电更换电缆仿真子系统可信度评估的打分值。

附图6是本发明实施例中各指标的评估云数字特征。

附图7是本发明实施例中各评估云与标准云间的关联度。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

下面是采用本发明的具体实施例的步骤，如下：

一、根据仿真可信度评估的要求将评判等级划分为“极好”，“很好”，“好”，“一般”，“差”，“很差”六个等级。将评判等级的语言值分别转化为云模型表示。

二、请专家组针对“停电更换电缆”任务的仿真，对可信度评估指标体系中的各项内容进行评分，按照满分100分的分制来打分。假定每个专家的权重都相等，将所有专家评分的平均值作为指标实现值。

三、专家组的评分值输入如下的逆向云发生器，得到待评估子系统可信度的每个指标的云表示。

四、利用逆向云发生器还原专家评估的数字特征，其次通过正向云发生器产生云滴，用云图显示出各指标的评估值的大致分布。

五、求待评估云物元和标准云物元间的关联度以及权重。

具体方法包括以下步骤：

步骤1，配电网培训仿真可信度指标体系的建立；具体的操作步骤如下：

根据不同的评估对象和信息特征采取相应的方法。由于配电网培训仿真可信度评估的大部分指标都是定性指标，本文采取一种基于专家群体的改进德尔菲法(Modified Delphi,MD)来建立可信度评估指标体系。

1.选择和确定群组成员，选取专家小组10人。

2.设计咨询表，进行第一轮专家咨询。请每个专家根据自己的经验和知识，对每个指标对仿真可信度的影响程度做出判断，评分标准分为“极重要”、“很重要”、“重要”、“一般”、“不重要”五个等级，为了量化评估概念，将结果赋值为5分、4分、3分、2分、1分。

3.分析第一轮的评分结果，并进行第二轮的咨询。对第一轮的咨询结果进行统计分析处理，将评判结果的平均值及分布状况反馈给每位专家，进行第二轮的再评判，并请专家给出在判断各指标时的置信度。置信度等级“很高”、“高”、“一般”、“低”、“很低”，分值为5分、4分、3分、2分、1分。所有专家给出的自信度等级的平均值GCR(group confidence rating means)不小于3时，表明小组成员达到了较高的一致性。

4.根据最后一轮的咨询结果删选指标。一般来说，改进德尔菲法咨询的第一轮专家意见会相对分散，后续各轮通过信息的反馈，专家意见会逐步集中。

统计分析参照一下几个参数：

(1)期望值，用表示：

其中，E_j为指标重要程度的分值，n_ij为评判i指标为j等级分值的专家数，M为指标个数，则反映了P个专家评判的期望值。

(2)标准差，用σ_i表示：

反映专家们对i指标评判值的离散程度，σ_i>63则需进行第二轮咨询。

(3)协调程度，用变异系数V_i和协调系数W表征：

V_i＝σ_i/E_i (19)

反映专家对第i个指标的协调程度。

反映专家对整个评估指标体系的协调程度，其中

V_i越小，W越大则表示越协调。

步骤2，基于正态云可信度评估指标隶属度的计算；具体的操作步骤如下：

设可信度评估各个评价指标状态等级的临界区间为(ab)，则正态云隶属度u(x)表达式正态云表达式为

y(x)＝exp[-(x-E_x)²/(2E_n²)] (21)

其中

步骤3，基于正态云物元模型的配电网培训仿真可信度综合评估，具体的操作步骤如下：

基于云物元模型的配电网三维仿真培训可信度评估的计算步骤为：

(1)确定标准云

根据评估需要，划分出s个评判等级，对于第j个等级有

其中，R_0j为评判等级，c_i(i＝1,2...i)为评估指标，(Ex_i,En_i,He_i)为R_0j关于指标c_i的三个数字特征。

(2)确定待评估物元

对于待评估事物q，若可以得到它关于指标c_i的确定量值，则可用普通物元表示：

其中，q为待评估事物，x_i是评估时获得的具体数据。

若待评估事物的特征只能采用自然语言值描述，则可用云物元表示：

其中，(Ex_i,En_i,He_i)是待评估事物的数字特征值。

(3)确定待评估物元与各指标的各评判等级间的关联度

基于正态云模型的物元分析方法中关联度的计算不同于一般物元分析里的关联度计算。根据待评估事物的不同表征方式，可分为以下三种情况讨论。

1)确定性数值表示的物元与云物元之间的关联度

在这种情况下，把该数值看成一个云滴，将求解关联度的问题转化成求该云滴对这个云的确定度。对于正态云(E_x,E_n,H_e)表示的物元来说，参考正态云生成算法，对于评估指标x，参考式子(21)计算其正态云的隶属度即云物元模型的关联度y为

2)云物元与云物元间的关联度

参考云模型的3En规则，将区间(Ex-3En,Ex+3En)看成一个集合，那么正态云1和正态云2的共有部分和非共有部分分别用N和M表示为

则关联度y为

3)区间数值表示的物元与云物元间的关联度

将配电网培训仿真可信度评估的等级界限视为一个双约束空间[c_min,c_max]，，然后运用上述云和云之间关联度的计算方法来进行计算，用公式(13)-(15)计算出云模型的参数：

He＝m(31)

其中，m为一常数，可以根据评语的不确定性和实际情况做出调整。

4)计算待评估物元与各评判等级间的关联度

设指标c_i的权重为η_i，则待评估事物q关于等级j的关联度的计算为

其中，y_j(x_i)为待评估物元的指标i关于等级j的关联度。

5)等级评定

若则可判定q属于第j₀个等级。

本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。