一种电力系统数据仓库安全的模糊综合评估方法与流程

本发明涉及电力系统数据仓库安全性分析技术领域，尤其涉及一种电力系统数据仓库安全的模糊综合评估方法。

背景技术：

电力系统随着数字化、自动化及信息化的发展，已实现了大量历史信息的灵活存取，如何从中提取特征信息和预测变化更好地服务于生产运行成为信息资源有效利用的关键。

电力系统数据仓库中储存着大量的信息，有些信息对于电力企业来说是至关重要的，一旦遭到破坏，将会给企业带来重大损失。随着电力系统数据仓库的广泛应用，电力系统数据仓库的安全问题日益严重，必须予以高度重视。电力系统数据仓库的安全主要是防止数据仓库数据的非法存取，保证数据仓库数据的完整性、一致性以及数据仓库备份与恢复。

对电力系统数据仓库安全评估的所有过程域进行过程能力评估后，形成如过程域－能力级别二维图，供评估组织和被评估组织参考。可以直观、清晰地看到被评估数据仓库在每一过程域的能力表现，从而为有针对性地改进组织的过程能力提供方便，但是若要从上述评估结果中直接总结出该数据仓库总体过程能力的高低以获得总体印象还存在困难，因为每个过程域的表现都不同，不能仅就表面现象简单地加以判断，其次电力系统数据仓库系统安全的评估往往涉及许多指标因素，难以量化每个指标和因素的评估值。

技术实现要素：

本发明所要解决的技术问题在于，提供一种电力系统数据仓库安全的模糊综合评估方法，该方法利用层级算法评估各因素的权重获得权重集，根据权重集利用多级综合评估计算获得电力系统数据仓库安全的安全等级，该方法克服了传统评估方法的因素权重设置主观的问题，提高了预测的准确性。

为了解决上述技术问题，本发明提供一种电力系统数据仓库安全的模糊综合评估方法，包括如下步骤：

确定电力系统数据仓库的因素集和各因素集的分级层次；

利用层次分析算法计算获得各因素集中的各因素对应的权重；

建立模糊评价集，并根据模糊综合评估原理获得最底层单因素集对应的模糊评估矩阵；

根据最底层单因素集对应的模糊评估矩阵计算获得电力系统数据仓库的综合评判结果；

根据所述电力系统数据仓库的综合评判结果确定所述电力系统数据仓库的安全等级。

其中，所述确定电力系统数据仓库的因素集和各因素集的分级层次具体包括：

将所述电力系统数据仓库的第一因素集分为安全工程过程域、项目过程域和组织；

分别获得各第一因素集对应的第二因素集；

分别获得各第二因素集对应的最底层因素集。

其中，所述利用层次分析算法计算获得各因素的权重具体包括：

将直接隶属于上一因素集的各因素的指标进行两两对比，根据相对重要性引入合适的标度数值，从而形成判断矩阵；

计算所述判断矩阵对应的最大特征值对应的特征向量，并对所述特征向量进行归一化；

对判断矩阵进行一致性校验，如果满足一致性，则归一化的特征向量为对应的因素集的权重集。

其中，根据最底层单因素集对应的模糊评估矩阵计算获得电力系统数据仓库的综合评判结果具体包括：

根据最底层单因素集计算相应的第二因素集的综合评估结果；

通过隶属于同一第一因素集的第二因素集的评估结果计算获得该第一因素集的综合评估结果；

通过所有第一因素集的综合评估结果计算获得所述电力系统数据仓库的综合评估结果。

其中，所述根据最底层单因素集计算相应的第二因素集的综合评估结果具体包括：

将隶属于同一第二因素集的最底层因素集对应的权重形成第一列向量；

获取所述隶属于同一第二因素集的最底层因素集对应的模糊评估矩阵；

利用所述第一列向量乘以所述模糊评估矩阵得到隶属于的第二因素集的综合评估结果。

其中，所述通过隶属于同一第一因素集的第二因素集的评估结果计算获得该第一因素集的综合评估结果具体包括：

将隶属于同一第一因素集的第二因素集对应的权重形成第二列向量；

将隶属于同一第一因素集的第二因素集的综合评估结果形成对应的评估矩阵；

利用所述第二列向量乘以对应的评估矩阵获得各第一因素集的综合评估结果。

其中，所述通过所有第一因素集的综合评估结果计算获得所述电力系统数据仓库的综合评估结果具体包括：

将所有第一因素集对应的权重形成第三列向量；

将所有第一因素集对应的综合评估结果形成对应的评估矩阵；

利用第三列向量乘以所有第一因素集对应的综合评估结果形成的评估矩阵获得所述电力系统数据仓库的综合评估结果。

其中，根据所述电力系统数据仓库的综合评判结果确定所述电力系统数据仓库的安全等级具体包括：

从所述电力系统数据仓库的综合评判结果中挑选出最大值，根据最大隶属度原则，所述电力系统数据仓库的总体过程安全水平处于所述最大值对应的等级。

本发明实施例的有益效果在于：该综合评估方法利用层次分析方法计算各因素集的权重，形成对应的权重集，然后建立评估矩阵，进行多级综合评估计算，获得电力系统数据仓库的安全等级。该方法用于评估电力系统数据仓库安全性能，可以准确的量化评估电力系统数据仓库的安全性，并且克服了传统评估方法的因素权重设置主观的问题。该方法能够把定性的事物量化，以科学、严谨的得出结果，避免了主观上的偏差，因此采用层次分析法建立权重系数，可相对合理地建立模糊评估法的权重系数，并可实现计算过程的合理简化。

附图说明

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，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一种电力系统数据仓库安全的模糊综合评估方法的流程示意图。

图2是本发明实施例的一种电力系统数据仓库安全的模糊综合评估方法的层次分析算法的流程示意图。

具体实施方式

以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。

以下参照图1进行说明，本发明实施例一提供一种电力系统数据仓库安全的模糊综合评估方法，该方法包括如下步骤：

s1、确定电力系统数据仓库的因素集和各因素集的分级层次。

电力系统数据仓库的设计、建设、实施和应用应该符合sse-cmm的过程，因此可以采用sse-cmm对电力系统数据仓库的安全进行评估。鉴于sse-cmm的过程域分成安全工程过程域、项目过程域和组织过程域3类，且安全工程过程域又分为风险过程、工程过程和保证过程3种，因此，结合多级模糊综合评估模型的特点，将电力系统数据仓库的安全评估分为3级进行评估较为合适。

表1各层评估因素集、权重分配及评估矩阵

如表1所示，综合评估因素集u＝{u1,u2,u3}＝{安全工程过程域，项目过程域，组织过程域}，其中：u1＝{u11,u12,u13}＝{风险过程，工程过程，保证过程}u2＝{u21}＝{项目过程域}，u3＝{u31}＝{组织过程域}，而最底层的单因素集为：u11＝{pa02,pa03,pa04,pa05}u12＝{pa01,pa07,pa08,pa09,pa10}，u13＝{pa06,pa11}u21＝{pa12,pa13,pa14,pa15,pa16}，u31＝{pa17,pa18,pa19,pa20,pa21,pa22}。

s2、利用层次分析算法计算获得各因素集对应的权重。

如图2所示，为利用层次分析算法计算获得各因素集的权重的流程示意图，其具体包括如下步骤：

s21、确定各分项指标之间的比例标度；

s22、构建分项指标评价的评判矩阵；

s23、求解最大特征值及其对应的特征向量；

s24、对特征向量进行归一化，判断特征向量是否合格，如果合格，则为权重向量；

s25、计算评判矩阵的随机一致性比率，如果随机一致性比率小于0.01，则结束，否则，修改评判矩阵。

以下举例说明每一个因素集的权重的获取方法。

a)u1的权重集建立过程如下：

将u1的第二级因素集的指标进行两两对比，根据相对重要性的判断引入合适的标度数值，从而形成u1的判断矩阵：

计算判断矩阵e1的最大特征值，并计算最大特征值对应的特征向量。对特征向量进行归一化，如果特征向量满足条件，则特征向量即为对应的权重集。归一化的特征向量a＝{0.58,0.31,0.11}。

根据归一化的特征向量计算最大特征根λmax＝3.0034。通过最大特征根计算获得一致性比率cr＝0.00053<0.1，满足一致性条件。

因此u11的判断矩阵和权重集为：

b)同理，u11的判断矩阵和权重集为：

计算获得cr＝0.0052<0.1，满足一致性条件。

c)同理，u12的判断矩阵和权重集为：

计算获得cr＝0.0147<0.1，满足一致性条件。

d)同理，u13的判断矩阵和权重集为：

计算获得cr＝0<0.1，满足一致性条件。

e)同理，u21的判断矩阵和权重集为：

计算获得cr＝0.04<0.1，满足一致性条件。

f)同理，u31的判断矩阵和权重集为：

计算获得cr＝0.00021<0.1，满足一致性条件。

s3、建立模糊评价集，并根据模糊综合评估原理获得最底层单因素集对应的模糊评估矩阵。

如表1所示，模糊评价集为v＝{v1,v2,v3,v4,v5,v6}＝{cl0,cll,cl2,cl3,cl4,cl5}。评估专家小组由10名成员构成，他们根据sse-cmm中的过程域对电力数据仓库系统进行全面评估，并对相关信息进行采集整理和分析判断之后，到相应的模糊评估矩阵，如表1所示。

s4、根据最底层单因素集对应的模糊评估矩阵计算获得电力系统数据仓库的综合评判结果。

利用表1的数据计算对单因素集u11的综合评估结果为：

同理可得对单因素集u12的综合评判结果为：

b12＝(0.0808,0.2232,0.2383,0.2286,0.1447,0.0845)

同理可得对单因素集u13的综合评判结果为：

b13＝(0,0.0333,0.3000,0.3000,0.2333,0.1333)

通过b11，b12，b13构造第2级的单因素评判矩阵r1＝[b11,b12,b13]^t。可得对单因素集u1的综合评判结果为：

可得对单因素集u2的综合评判结果为：

可得对单因素集u3的综合评判结果为：

通过b1，b2，b3构造第1级的单因素评判矩阵r＝[b1,b2,b3]^t。同理可得对单因素集u的综合评判结果为：

s5、根据所述电力系统数据仓库的综合评判结果确定所述电力系统数据仓库的安全等级。

最后得到的结果向量：b＝(0.0748,0.2347,0.3442,0.2310,0.0873,0.0280)，运用最大隶属度原则，该综合评估结果说明该系统总体过程能力水平为cl2级。

本发明实施例的一种电力系统数据仓库安全的模糊综合评估方法，利用层次分析方法计算各因素集的权重，形成对应的权重集，然后建立评估矩阵，进行多级综合评估计算，获得电力系统数据仓库的安全等级。该方法用于评估电力系统数据仓库安全性能，可以准确的量化评估电力系统数据仓库的安全性，并且克服了传统评估方法的因素权重设置主观的问题。该方法能够把定性的事物量化，以科学、严谨法得出结果，避免了主观上的偏差，因此采用层次分析法建立权重系数，可相对合理地建立模糊评估法的权重系数，并可实现计算过程的合理简化。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。