一种电力仿真培训的智能评价方法及系统的制作方法
【技术领域】
[0001] 本发明设及电力仿真培训技术领域，尤其设及一种电力仿真培训的智能评价方法 及系统。
【背景技术】
[0002] 随着我国电力工业的迅猛发展，电力系统规模日益扩大、运行方式日趋复杂，人员 技能要求也越来越高，基于计算机仿真技术的电力培训仿真系统能够真实模拟现场设备电 气特性、物理特性和化学特性，营造逼真的作业环境，在电力培训体系中得到了广泛而深入 的应用。相当一部分电力培训仿真系统还包含有评价系统，是人员培训过程中加强培训质 量的有效途径和重要手段。
[0003]目前应用于电力培训仿真系统的评价方法主要有数理统计法、专家评价法等，该 些方法存在指标建立不全面、权值分配不合理、人工参与程度高等问题，或主观性较强，或 只是从定性角度综合评价，都难W从复杂、不确定的数据输入（操作记录、培训档案等）中 得到确定的信息（存在问题、改进方面等），结果描述存在模糊性，评价不够客观、全面，容 易降低评价结果的可靠性和可信性，不能全面地了解学员学习培训的历程，不能及时、有针 对性地提出改进的意见。
[0004] 另一方面，电力公司应对产业升级大力开展全员岗位培训，电力培训仿真系统的 应用规模、范围和深度不断扩大，很多培训中屯、通过电力培训仿真系统积累了大量的培训 记录、数据和档案，面对"堆积如山"的数据集合，传统的数据分析手段只能获得该些数据的 表层信息，难W从中挖掘出深层次、有价值、客观全面的信息，难W对当前正在进行的培训 过程及培训评价形成反馈，企业并不能充分利用该些数据中的大量信息去客观评价学员的 实际工作能力，给培训管理评价工作带来了很大困难。
【发明内容】
[0005] 本发明的目的在于克服现有技术的不足，本发明提供了一种电力仿真培训的智能 评价方法及系统，提高模糊评价系统的学习和表达能力，使电力仿真培训评价过程能更好 模拟人类智能而提高工作效率。
[0006] 为了解决上述问题，本发明提出了一种电力仿真培训的智能评价方法，所述方法 包括：
[0007] 输入电力仿真的培训记录因素；
[000引对所述培训记录因素进行模糊化处理，获得处理结果；
[0009] 根据所述处理结果计算每条培训记录因素的规则的适用度；
[0010] 对所述适用度进行归一化处理，并获得归一化处理结果；
[0011] 根据对每个培训记录因素的规则和所述归一化处理结果计算各规则输出，并进行 解模糊化处理，获得所述培训记录因素的评价结果。
[0012] 优选地，所述对所述培训记录因素进行模糊化处理，获得处理结果的步骤包括：
[0013] 将所述培训记录因素进行分类；
[0014] 将所述培训记录因素的所有分类构建评定集。
[0015] 优选地，所述将所述培训记录因素的所有分类构建评定集的步骤包括：根据W下 公式构建评定集：
[0016]
[0017] 其中，X为每个培训记录因素X，y为输出，F为培训记录因素的所有分类的评定集 合，f为各个培训记录因素的规则，r为模糊矩阵元素，{pk，Qk，rj，k = 1，2,…!!!为结论参 数。
[001引优选地，所述对所述适用度进行归一化处理，并获得归一化处理结果的步骤包 括：
[0019] 根据W下公式对所述适用度进行归一化处理，并获得归一化处理结果：
[0020]
[0021] 其中，V为评价等级的模糊尺度集合，W为评价因素或指标的权重或权系数向量，k 为取值参数，M和N为取值范围。
[0022] 优选地，所述根据对每个培训记录因素的规则和所述归一化处理结果计算各规则 输出，并进行解模糊化处理，获得所述培训记录因素的评价结果的步骤，包括：
[0023] 采用W下公式根据对每个培训记录因素的规则和所述归一化处理结果计算各规 则输出，并进行解模糊化处理，获得所述培训记录因素的评价结果：
[0024]
[002引其中，V为评价规则适用度归一化处理结果，k为取值参数，N为取值范围，F为培 训记录因素规则集合，i为角标，为每个培训记录因素的规则。
[0026] 优选地，所述方法还包括：
[0027] 通过神经模糊网络的自学习功能获取前提参数和结论参数。
[002引优选地，所述通过神经模糊网络的自学习功能获取前提参数和结论参数的步骤包 括：
[0029] 确定前提参数的初始值，使用最小二乘法计算结论参数；
[0030] 更新前提参数，输入前提参数和结论参数。
[0031] 相应地，本发明还提供一种电力仿真培训的智能评价系统，所述系统包括：
[0032] 输入模块，用于输入电力仿真的培训记录因素；
[0033] 模糊化处理模块，用于对所述输入模块所输入的培训记录因素进行模糊化处理， 获得处理结果；
[0034] 适用度计算模块，用于根据所述模糊化处理模块获得的处理结果计算每条培训记 录因素的规则的适用度；
[0035] 归一化模块，用于对所述适用度计算模块所计算的适用度进行归一化处理，并获 得归一化处理结果；
[0036] 评价模块，用于根据对每个培训记录因素的规则和所述归一化处理结果计算各规 则输出，并进行解模糊化处理，获得所述培训记录因素的评价结果。
[0037] 优选地，所述模糊化处理模块包括：
[003引分类单元，用于将所述培训记录因素进行分类；
[0039] 构建单元，用于将所述培训记录因素的所有分类构建评定集。
[0040] 优选地，所述系统还包括；自学习模块，用于通过神经模糊网络的自学习功能获取 前提参数和结论参数。
[0041] 在本发明实施例中，将模糊理论表达知识的能力和神经网络自学能力有效结合起 来，一方面采用模糊综合评定法可W很好地模仿人的思维方式去解决模糊的、难W量化问 题，另一方面利用神经网络对环境的变化所具有的自学习能力，实现对既有评价结果的近 似推理，对新产生的过程数据具备自学习或自调整的能力，可W对培训过程进行全方位、多 层次的分析，自动生成、调整评定矩阵，从而提高整个系统对知识的学习和表达能力，建立 客观、公正的培训评价体系，保证培训质量和效果。另外，将神经网络引入到评价系统，从而 代替人们去处理设计评价系统时遇到的部分繁杂的智能性工作，诸如生成、调整评定矩阵 等，提高模糊评价系统的学习和表达能力；同时克服了模糊理论不具备自学习能力和神经 网络无法表达人类自然语言的缺点，从而使电力仿真培训评价过程能更好模拟人类智能而 提高工作效率。
【附图说明】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有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 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W 根据该些附图获得其它的附图。
[0043] 图1是本发明实施例的电力仿真培训的智能评价方法的流程示意图；
[0044] 图2是本发明实施例的神经模糊评价系统结构示意图；
[0045] 图3是本发明实施例的电力仿真培训的智能评价系统的结构组成示意图。
【具体实施方式】
[0046] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技