办法更新前提参数，从而优化隶属函数的形状。
[0096] 相应地，本发明实施例还提供一种电力仿真培训的智能评价系统，如图3所示，该 系统包括：
[0097] 输入模块1，用于输入电力仿真的培训记录因素；
[009引模糊化处理模块2,用于对输入模块1所输入的培训记录因素进行模糊化处理，获 得处理结果；
[0099] 适用度计算模块3,用于根据模糊化处理模块2获得的处理结果计算每条培训记 录因素的规则的适用度；
[0100] 归一化模块4,用于对适用度计算模块3所计算的适用度进行归一化处理，并获得 归一化处理结果；
[0101] 评价模块5,用于根据对每个培训记录因素的规则和归一化处理结果计算各规则 输出，并进行解模糊化处理，获得培训记录因素的评价结果。
[0102] 模糊化处理模块2包括；
[0103] 分类单元，用于将培训记录因素进行分类；
[0104] 构建单元，用于将培训记录因素的所有分类构建评定集。
[01化]该系统还包括：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。
[0106] 具体地，本发明实施例的系统相关功能模块的工作原理可参见方法实施例的相关 描述，该里不再寶述。
[0107] 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。
[0108] 本领域普通技术人员可W理解上述实施例的各种方法中的全部或部分步骤是可 W通过程序来指令相关的硬件来完成，该程序可W存储于一计算机可读存储介质中，存 储介质可W包括；只读存储器（ROM, Read化ly Memcxry)、随机存取存储器（RAM, Random Access Memoir)、磁盘或光盘等。
[0109] 另外，W上对本发明实施例所提供的电力仿真培训的智能评价方法及系统进行了 详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，W上实施例的 说明只是用于帮助理解本发明的方法及其核屯、思想；同时，对于本领域的一般技术人员，依 据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内容 不应理解为对本发明的限制。
【主权项】
1. 一种电力仿真培训的智能评价方法，其特征在于，所述方法包括： 输入电力仿真的培训记录因素； 对所述培训记录因素进行模糊化处理，获得处理结果； 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； 对所述适用度进行归一化处理，并获得归一化处理结果； 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。2. 如权利要求1所述的电力仿真培训的智能评价方法，其特征在于，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： 将所述培训记录因素进行分类； 将所述培训记录因素的所有分类构建评定集。3. 如权利要求2所述的电力仿真培训的智能评价方法，其特征在于，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：根据以下公式构建评定集：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,rk}，k= 1，2,…!!!为结论参数。4. 如权利要求1所述的电力仿真培训的智能评价方法，其特征在于，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： 根据以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：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。5. 如权利要求1所述的电力仿真培训的智能评价方法，其特征在于，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： 采用以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：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，4为每个培训记录因素的规则。6. 如权利要求1所述的电力仿真培训的智能评价方法，其特征在于，所述方法还包括： 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。7. 如权利要求6所述的电力仿真培训的智能评价方法，其特征在于，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： 确定前提参数的初始值，使用最小二乘法计算结论参数； 更新前提参数，输入前提参数和结论参数。8. -种电力仿真培训的智能评价系统，其特征在于，所述系统包括： 输入模块，用于输入电力仿真的培训记录因素； 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； 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； 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； 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。9. 如权利要求8所述的电力仿真培训的智能评价系统，其特征在于，所述模糊化处理 丰吴块包括： 分类单元，用于将所述培训记录因素进行分类； 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。10. 如权利要求8或9所述的电力仿真培训的智能评价系统，其特征在于，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。
【专利摘要】本发明实施例公开了一种电力仿真培训的智能评价方法及系统，其中，该方法包括：输入电力仿真的培训记录因素；对培训记录因素进行模糊化处理，获得处理结果；根据处理结果计算每条培训记录因素的规则的适用度；对适用度进行归一化处理，并获得归一化处理结果；根据对每个培训记录因素的规则和归一化处理结果计算各规则输出，并进行解模糊化处理，获得培训记录因素的评价结果。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，提高整个系统对知识的学习和表达能力，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，提高模糊评价系统的学习和表达能力，并提高工作效率。
【IPC分类】G06N3/02, G06Q10/06, G06Q50/20, G06Q50/06
【公开号】CN104951871
【申请号】CN201510298831
【发明人】陈永波, 林光龙, 黄小强, 卓高智, 蒙华伟, 刁伟辽
【申请人】广东电网有限责任公司教育培训评价中心
【公开日】2015年9月30日
【申请日】2015年6月3日