本发明涉及广域稳定控制的技术领域，尤其是指一种广域化的PMU或WAMS业务性能指标的稳定性评价方法及装置。
背景技术：
随着电力工业的发展以及电力系统自动化水平的不断提高，广域稳定控制对电力通信的需求日益提高，其在电力生产和电力调度中发挥的作用越来越重要。
现阶段，通过实时广域稳控业务指标体系可以用于评价整个电力系统的稳定性，定期对广域稳控业务质量进行评估,可以使得电力通信网承载的业务保持在安全稳定的水平。如图1所示，所述广域稳控业务指标体系包括业务支撑度指标以及通信网络运行质量指标，其中所述通信网络运行质量指标包括通信网以及调度数据网；所述业务支撑度指标包括广域安稳业务，且所述广域安稳业务分为安稳业务和WAMS(Wide Area Measurement System)业务，所述安稳业务包括广域切机、切负荷业务以及交直流协调控制业务，所述WAMS业务包括PMU(power management unit)、WAMS业务。由于所述PMU或WAMS业务因其自身的稳定性直接关乎到电力系统的安全生产，因而是整个广域安稳业务中相对重要的一环。另外，PMU或WAMS业务质量的评估结果对整个广域安稳系统的优化与发展起到指导性作用，并可为业务保障部门提供指引,指导相关人员采取正确的控制措施改善目前业务质量的不稳定性,从而保障整个广域稳控系统乃至电力系统的安全稳定运行。此外，广域切机、切负荷业务以及交直流协调控制等业务也需要具备较高的可靠性和安全性，因而对实时广域稳控业务，尤其是PMU或WAMS业务性能指标的稳定性进行评价就显得尤为重要。
在稳定性评价的过程中，评价指标是整个评价工作的重要基础，评价指标体系构建的是否科学，直接影响到评价结果的优劣。由于缺乏对广域稳控系统结构的深入分析,以及对影响业务质量的因素考虑不够全面，传统仅依靠经验值进行评价，且数据采集时根据各省公司提供的数据进行采集，不但实施存在难度，而且业务性能指标评价大都比较片面,从而导致评价准确率不高。
技术实现要素：
为此，本发明所要解决的技术问题在于克服现有评价方法准确率低的问题从而提供一种准确度高且方法简单的PMU或WAMS业务性能指标的稳定性评价方法及装置。
为解决上述技术问题，本发明的一种PMU或WAMS业务性能指标的稳定性评价方法，包括如下步骤：依照PMU或WAMS业务稳定性指标选取原则构建层次化结构模型，其中所述层次化结构模型包括目标层、准则层以及指标层，所述目标层设有PMU或WAMS业务稳定性综合指数，所述PMU或WAMS业务稳定性综合指数包括项目因素，所述项目因素位于准则层上，所述项目因素包括指标因素，所述指标因素位于指标层上；根据选取的指标因素的属性进行指数化运算得到所述指标因素对应的数值，再利用模糊层次分析法确定所述指标因素的第一权值以及利用熵权法确定所述指标因素的第二权值，根据所述第一权值和所述第二权值计算所述指标因素的评价权重，根据所述评价权重以及所述指标因素对应的数值确定出所述PMU或WAMS业务稳定性综合指数，其中所述模糊层次分析法确定所述指标因素的第一权值是根据经验值确定；根据所述PMU或WAMS业务稳定性综合指数确定业务稳定性的发展趋势。
在本发明的一个实施例中，所述项目因素包括业务规模、业务保障能力、业务可靠性以及业务质量。
在本发明的一个实施例中，所述准则层中的所有项目因素对所述目标层的权重满足归一化要求；所述项目因素中的多个指标因素对该项目因素的权重满足归一化要求。
在本发明的一个实施例中，所述模糊层次分析法确定所述指标因素的第一权值是根据经验值确定，所述熵权法确定所述指标因素的第二权值是运用线性加权的方法对所述指标因素进行无量纲化处理，根据所述指标因素所包含的信息量的大小确定。
在本发明的一个实施例中，所述根据选取的指标因素的属性进行指数化运算，包括：根据选取的指标因素的属性将所述指标因素设为正指标和负指标，对所述正指标和所述负指标分别进行不同的指数化运算。
在本发明的一个实施例中，对所述正指标的指数化运算为：设I0是某一指标因素比较基年的指标值，Ii是与I0相应的任一年份的指标值，Ci表示Ii的指数，则其中i∈1，2，3...。
在本发明的一个实施例中，对所述负指标的指数化运算为：设I0是某一指标因素比较基年的指标值，Ii是与I0相应的任一年份的指标值，Ci表示Ii的指数，则其中i∈1，2，3...。
在本发明的一个实施例中，所述指标因素评价权重的计算方法为：若所述模糊层次分析法确定所述指标因素的第一权值为αi，所述熵权法确定所述指标因素的第二权值为ωi，则评价权重βi为：
在本发明的一个实施例中，所述评价权重βi的公式中，βi的数值为：0≤βi≤1，
本发明还提供了一种PMU或WAMS业务性能指标的稳定性评价装置，包括：模型构建模块，用于依照PMU或WAMS业务稳定性指标选取原则构建层次化结构模型，其中所述层次化结构模型包括目标层、准则层以及指标层，所述目标层设有PMU或WAMS业务稳定性综合指数，所述PMU或WAMS业务稳定性综合指数包括项目因素，所述项目因素位于准则层上，所述项目因素包括指标因素，所述指标因素位于指标层上；计算模块，用于根据选取的指标因素的属性进行指数化运算得到所述指标因素对应的数值，再利用模糊层次分析法确定所述指标因素的第一权值以及利用熵权法确定所述指标因素的第二权值，根据所述第一权值和所述第二权值计算所述指标因素的评价权重，根据所述评价权重以及所述指标因素对应的数值确定出所述PMU或WAMS业务稳定性综合指数；评价模块，用于根据所述PMU或WAMS业务稳定性综合指数确定业务稳定性的发展趋势。
本发明的上述技术方案相比现有技术具有以下优点：
本发明所述的PMU或WAMS业务性能指标的稳定性评价方法及装置，将模糊层次分析法和熵权法加以综合运用，可以最大程度的发挥二者的优点，避免主客观因素的影响；而且可将此模型构建方法逐层应用于整个稳控业务指标体系中，有利于为整个稳控业务指标体系的稳定性评价提供理论参考。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1是现有广域稳控业务指标体系的示意图；
图2是本发明层次化结构模型的示意图；
图3是本发明PMU或WAMS业务性能指标的稳定性评价方法流程图。
具体实施方式
实施例一
如图2和图3所示，本实施例提供一种PMU或WAMS业务性能指标的稳定性评价方法，包括如下步骤：
依照PMU或WAMS业务稳定性指标选取原则构建层次化结构模型，其中所述层次化结构模型包括目标层、准则层以及指标层，所述目标层设有PMU或WAMS业务稳定性综合指数，所述PMU或WAMS业务稳定性综合指数包括项目因素，所述项目因素位于准则层上，所述项目因素包括指标因素，所述指标因素位于指标层上；
根据选取的指标因素的属性进行指数化运算得到所述指标因素对应的数值，再利用模糊层次分析法(简称FAHP)确定所述指标因素的第一权值以及利用熵权法确定所述指标因素的第二权值，根据所述第一权值和所述第二权值计算所述指标因素的评价权重，根据所述评价权重以及所述指标因素对应的数值确定出所述PMU或WAMS业务稳定性综合指数；
根据所述PMU或WAMS业务稳定性综合指数确定业务稳定性的发展趋势。
本实施例所述PMU或WAMS业务性能指标的稳定性评价方法，依照PMU或WAMS业务稳定性指标选取原则构建层次化结构模型，其中所述层次化结构模型包括目标层、准则层以及指标层，其中所述目标层为最上层，设有PMU或WAMS业务稳定性综合指数，所述PMU或WAMS业务稳定性综合指数包括项目因素，为了准确的评价所述PMU或WAMS业务稳定性综合指数，所述项目因素的数量可以为1个或多个，所述项目因素均位于所述目标层下端的准则层上，且每个项目因素均包括指标因素，为了准确的评价所述项目因素，所述指标因素的数量可以为1个或多个，所述指标因素均位于所述准则层下端的指标层上；根据选取的指标因素的属性进行指数化运算得到所述指标因素对应的数值，再利用模糊层次分析法确定所述指标因素的第一权值以及利用熵权法确定所述指标因素的第二权值，根据所述第一权值和所述第二权值计算所述指标因素的评价权重，根据所述评价权重以及所述指标因素对应的数值确定出所述PMU或WAMS业务稳定性综合指数，其中所述模糊层次分析法确定所述指标因素的第一权值是根据经验值确定，所述熵权法运用线性加权的方法对所述指标因素进行无量纲化处理，根据所述指标因素所包含的信息量的大小确定第二权值，由于模糊层次分析法确定的第一权值表征了一定主观经验对指标重要程度的考虑，所述熵权法确定的第二权值表征了依据客观数据确定的指标的重要程度，因此通过模糊层次分析法和熵权法的综合运用，可以最大程度的发挥二者的优点，避免主客观因素的影响，提高评价的准确度；根据所述PMU或WAMS业务稳定性综合指数确定业务稳定性的发展趋势，从而有利于验证该模型应用于整个广域稳控业务指标体系的可行性，为整个广域稳控业务指标体系的稳定性评价提供技术参考。
本实施例中，为了对指标因素进行综合分析、分类和综合，构建了一个层次化结构模型，如图2所示，其中稳定性综合指数用A表示，所述项目因素用B表示，所述指标因素用C表示。具体地，例如用A1代表所述PMU或WAMS业务稳定性综合指数，所述准则层具有至少4个以上的项目因素B，且所述项目因素B包括业务规模B1、业务保障能力B2、业务可靠性B3以及业务质量B4。所述指标层具有多个指标因素C，如系统业务数量C1和自动化双通道花厂站数量C2均属于所述业务规模B1的指标因素；系统业务通道中断次数C3、系统业务通道中断超时次数C4、系统业务通道中断总时长C5、系统业务通道中断平均历时C6以及系统业务通道可用率C7属于所述业务保障能力B2的指标因素；系统业务中断次数C8、系统业务中断超时次数C9、系统业务中断总时长C10、系统业务中断平均历时C11、系统业务投诉次数C12以及系统业务可恢复率C13属于所述业务可靠性B3的指标因素；业务通道质量C14、降质运行业务通道数量C15、高危运行业务通道数量C16、降质运行业务通道比C17以及高危运行业务通道比C18属于所述业务质量B4的指标因素。
依照PMU或WAMS业务稳定性指标选取原则构建层次化结构模型时，需要遵循以下原则：
第一、科学性原则：体系架构的拟定、指标数据的取舍、计算公式的推导要有一定的科学依据和可操作性，从而确保获取的信息具有客观性和可信性；
第二、系统性原则：将PMU或WAMS业务看作一个整体，将反映PMU或WAMS业务的指标进行归类，系统地、全面地反映PMU或WAMS系统业务管理、运行等各个方面现状；
第三、层次性原则：指标体系通过分析归纳形成阶层性的功能群，层级之间相互适应并具有一致性，即每项上层指标都要有相应的下层指标与其相适应；
第四、独立性原则：同一层次的指标之间应该尽可能松散耦合，使得各指标之间的关联性尽可能小。
所述根据选取的指标因素的属性进行指数化运算的方法为：根据选取的指标因素的属性将所述指标因素设为正指标和负指标，对所述正指标和所述负指标分别进行不同的指数化运算。具体地，由于选取的指标属性不同，有的为正，有的为负，其中，对于正指标而言，指标值越大越好；对于负指标而言，指标值越小越好。为了保证评价目标的实现，因此对正指标和负指标分别进行不同的指数化运算。设I0是某一指标因素比较基年的指标值，Ii是与I0相应的任一年份的指标值，Ci表示Ii的指数，则所述正指标的指数化运算为：所述负指标的指数化运算为：则其中i∈1，2，3...18。
本实施例中，所述指标因素的属性的正指标或负指标的确定，可以根据经验值，也可以结合经验值以及根据熵权法确定的数值共同确认。
所述指标因素评价权重的计算方法为：若所述模糊层次分析法确定所述指标因素的第一权值为αi，所述熵权法确定所述指标因素的第二权值为ωi，则评价权重βi为：其中βi需要满足：0≤βi≤1,所述指标因素的评价权重得出后，采用线性加权的方法，通过对各因素进行逐层加权，得到PMU或WAMS业务稳定性综合指数。其中线性加权是按各目标的重要性赋予它相应的权系数，然后对其线性组合进行寻优的求解多目标规划问题的方法。在加权过程中，各层因素对其所属上层的权重满足归一化要求。具体地，所述每个项目因素中的多个指标因素对该项目因素的权重满足归一化要求，所述准则层中的所有项目因素对所述目标层的权重也满足归一化要求，即最终所得的项目因素相对于稳定性综合指数的权重也应满足归一化。
确定所述PMU或WAMS业务稳定性综合指数的方法为：用Ci表示各个指标的指数，βi表示各指标相对于目标的权重，则PMU或WAMS业务稳定性综合指数RCI的数学表述如下：且根据所述PMU或WAMS业务稳定性综合指数就可以判断业务稳定性的发展趋势，从而有利于验证该模型应用于整个广域稳控业务指标体系的可行性，下面结合具体数据详细说明。
以采取稳定性程度较高的a，b，c，d四个地区PMU或WAMS业务稳定性指标体系样本，确定所述指标因素的属性，如表1所示。
表1 PMU或WAMS业务稳定性评价指标体系
根据选取的指标因素的属性分别进行不同的指数化运算，再利用模糊层次分析法和熵权法确定所述指标因素的评价权重，权重确定结果是通过征询专家意见基础上的模糊层次分析法和调研多地区指标统计数据基础上的熵权法相结合，并应用MATLAB仿真程序计算后综合得出的，如表2中指标因素的值均为2013年为基年的相对值。
表2 PMU或WAMS业务稳定性评价指标权重
本实施例中，MATLAB仿真程序的代码如下：
若采用模糊层次分析法确认所述指标因素的第一权值对应的程序代码如下：
上述采用模糊层次分析法确认所述指标因素的第一权值对应的方法为：首先获取到计算精度、最大迭代次数以及预先构建的优先关系矩阵等输入信息，根据这些输入信息生成模糊化一致矩阵；然后由所述模糊化一致矩阵计算模糊化一致矩阵的矩阵值，即计算初始向量；最后根据所述矩阵值确定相关程序，将所述程序输入计算机，通过计算机运行得到一组数据，利用所述一组数据再结合经验值从而确定所述指标因素的第一权值。
若采用熵权法确认所述指标因素的第二权值对应的程序代码如下：
上述采用熵权法确认所述指标因素的第二权值对应的方法为：首先输入一个初始矩阵，其中所述初始矩阵由采集到的某一个省或某几个省的数据构成，所述数据是根据设备运行状态、光潜故障率等确定，如设备运行状态正常的状态为1，不正常的状态为0，因此构成一个只包含数据0和1的初始矩阵；再根据数据的不同的类型采用线性加权的方法得到权重，然后将所述权重与所述初始矩阵相乘，得到权重向量；根据所述权重向量，采用无量纲化处理的方法对所述初始矩阵进行重新赋值；根据所述权重向量和赋值后的矩阵，得到所述指标因素的第二权值。
所述业务稳定性的发展趋势确定完成后，将所述层次化结构模型逐层应用于整个广域稳控业务指标体系中，有利于对整个广域安稳系统的优化与发展起到指导性作用，为整个广域安稳业务的稳定性评价提供理论参考。具体地，统计某地区PMU或WAMS 2013～2014年连续两年的稳定性指标数据，应用综合指标体系及评价方法对此PMU或WAMS业务稳定性进行评估，计算结果如表3所示。
表3某地区2013～2014年PMU/WAMS业务稳定性的综合评价结果
由表3可知，所述PMU或WAMS业务稳定性的综合指数：2013年为1，2014年由稳定性综合指数公式计算为1.571。从数据中可以看出，此业务2014年比2013年稳定性有所提高，结论符合实际运行情况。同理，可以统计多年数据进行评价，从而得到PWM、WAMS业务稳定性的发展趋势，并将此模型构建方法逐层应用于整个广域安稳控制体系当中，得到整个广域安稳控制业务质量综合指数，为提升大电网安全稳定控制水平提供理论依据。本实例的应用验证了权重确定方法的科学性及评价结果的可靠性，因此，该评价模型的建立将会对整个广域安稳系统的优化与发展起到指导性作用。
实施例二
基于同一发明构思，本实施例提供了一种PMU或WAMS业务性能指标的稳定性评价装置，其解决问题的原理与所述PMU或WAMS业务性能指标的稳定性评价方法类似，重复之处不再赘述。
所述PMU或WAMS业务性能指标的稳定性评价装置包括：
模型构建模块，用于依照PMU或WAMS业务稳定性指标选取原则构建层次化结构模型，其中所述层次化结构模型包括目标层、准则层以及指标层，所述目标层设有PMU或WAMS业务稳定性综合指数，所述PMU或WAMS业务稳定性综合指数包括项目因素，所述项目因素位于准则层上，所述项目因素包括指标因素，所述指标因素位于指标层上；
计算模块，用于根据选取的指标因素的属性进行指数化运算得到所述指标因素对应的数值，再利用模糊层次分析法确定所述指标因素的第一权值以及利用熵权法确定所述指标因素的第二权值，根据所述第一权值和所述第二权值计算所述指标因素的评价权重，根据所述评价权重以及所述指标因素对应的数值确定出所述PMU或WAMS业务稳定性综合指数；
评价模块，用于根据所述PMU或WAMS业务稳定性综合指数确定业务稳定性的发展趋势。
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。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。