一种基于泛在互联的主动配电网供电质量复合感知与评价方法及系统与流程

本发明属于电力负荷时间序列建模技术领域，特别涉及一种基于泛在互联的主动配电网供电质量复合感知与评价方法及系统。

背景技术：

针对主动配电网供电质量进行复合感知与评估，是衡量供电质量水平、制定电价与供电策略、控制提升电能质量的重要依据。

主动配电网结构复杂、涉及面广，以及大量的分布式能源与可控负荷接入，对供电质量产生严重的影响，传统的电能质量评估标准难以适应供电质量需求的日益增长。另外，随着电力市场化趋势不断推进，确定统一的供电质量评价等级标准，实现电能按质定价、按质给货，具有重要的现实意义。

传统的供电质量评价方法主要有概率统计与矢量代数法、主客观赋权法、物元分析法、神经网络法以及遗传投影寻踪法等。其中，概率统计与矢量代数法是根据供电质量数据变化的随机性，利用概率统计的特征值来量化与分析各类供电质量指标参数，挖掘供电质量各指标的主要特征，同时减小随机数据对结果准确性的影响；主客观赋权法是指利用主观或者客观的赋权方法，通过确定各供电质量指标的权重系数，最终得到供电质量综合评估的结果，该方法一定程度上克服了主观赋权法受决策者主观经验影响的缺点，也避免了客观赋权法忽略供电方与用户的主观意愿的问题；物元分析法是利用物元理论对供电质量问题进行分析，通过建立物元模型、隶属函数关系、构造关联矩阵等实现对电能质量问题的综合评估；神经网络法、遗传投影寻踪法等智能算法则都是通过训练大量的数据样本来建立评估模型。

以上传统的供电质量评价方法往往都是只依据单个监测点的供电质量指标数据进行评测，逐渐难以适应主动配电网的复杂网络状况，无法全面地、准确地、客观地评价主动配电网的供电质量状况。因此，依据主动配电网内多个监测点的供电质量指标监测数据进行评估，并针对主动配电网各部分供电质量状况进行复合感知，综合评价主动配电网的供电质量各指标状况，并基于供电质量评价的模糊性与随机性进行计算，给出全面的、客观的供电质量指标评价结果，对于合理评估主动配电网的供电质量状况具有重要意义。

技术实现要素：

本发明的目的在于提供一种基于泛在互联的主动配电网供电质量复合感知与评价方法及系统，以解决上述存在的一个或多个技术问题。本发明的方法，通过对主动配电网内多个监测点的供电质量数据进行融合，克服了传统供电质量评价方法只针对单一监测点进行评价的片面性，并基于供电质量评价的模糊性与随机性进行评价计算，最终实现对主动配电网内供电质量的全面的、准确的、客观的复合感知，给出主动配电网供电质量综合评价结果。

为达到上述目的，本发明采用以下技术方案：

本发明的一种基于泛在互联的主动配电网供电质量复合感知与评价方法，包括以下步骤：

步骤1，确定主动配电网供电质量评价指标及等级标准；

步骤2，将通过主动配电网待评价区域内装设的各类传感监测设备所采集的电压、电流或功率时间序列数据，按照步骤1确定的供电质量评价指标，计算得到各项评价指标值，以统一周期形成供电质量各评价指标时间序列数据；

步骤3，基于d-s证据理论与灰色关联分析模型，将步骤2获得的主动配电网待评价区域内的各个监测点的供电质量各评价指标时间序列数据进行融合计算，得到主动配电网待评价区域内供电质量各评价指标复合感知数值，按照统一周期形成供电质量各评价指标复合感知序列；

步骤4，基于云模型理论对步骤3所得到的供电质量各评价指标复合感知序列进行评价分析，得到供电质量各指标动态评价序列；累计供电合同周期内各时间点的评价结果，计算得到供电合同周期内总体供电质量各评价指标结果；

步骤5，通过熵权法确定供电质量各评价指标的客观权重值；根据步骤4所得到的供电质量各指标动态评价序列以及供电合同周期内总体供电质量各评价指标结果，综合确定该供电合同执行期的综合供电质量评价结果。

本发明的进一步改进在于，还包括：步骤6，描绘用户供电质量画像，展示供电合同执行期的综合供电质量评价结果。

本发明的进一步改进在于，步骤6具体包括：描绘用户供电质量画像，根据供电质量指标个数确定雷达图的分区数，各指标权重与评价结果综合确定距离原点的长度，封闭多边形的面积表征评价结果水平。

本发明的进一步改进在于，步骤1中，确定的主动配电网供电质量评价指标集包括：三相电压不平衡度、三相电流不平衡度、电压暂降、电压偏差、电压谐波、电压波动、频率偏差、电压闪变中的一个或多个；根据供电合约需求选择待评价的供电质量指标，并划分各评价指标等级，通过定量区间描述等级范围。

本发明的进一步改进在于，步骤2中，各类监测设备包括：智能传感器、智能电表以及非侵入式监测设备，用于按照预定的采样周期获取被监测对象的电压、电流以及功率的时间序列采样数据；其中，各类监测设备具备能够进行本地计算的边缘计算终端，所述边缘计算终端根据采样获得的电气量时间序列数值以及步骤1所确定的供电质量评价指标，计算供电质量评价指标数值，得到供电质量各评价指标时间序列数据；各边缘计算终端具有通信功能，用于将计算得到的供电质量各评价指标时间序列数据上传至服务器。

本发明的进一步改进在于，步骤3具体步骤包括：

步骤3.1，选取待评价区域配网入口处传感监测设备的采样数据为参考序列x0＝{x01,x02,...,x0n}，区域内各分支或设备处的传感监测装置以及用户入口的非侵入式监测设备的采样数据为比较序列xi＝{xi1,xi2,...,xin}；其中，i＝1,2,3...m为指定区域内传感监测装置序号，m为装置总数，n为评价指标个数；

对各传感序列数据进行标准化处理，得到隶属度矩阵g并进行归一化，得到归一化矩阵y；再将各传感序列的初始权重代入归一化矩阵y，计算得到加权归一化矩阵z＝(zij)m×n＝(ωi·yij)m×n；所述传感序列数据为各个传感监测设备所获得的供电质量各评价指标时间序列数据；

步骤3.2，根据步骤3.1得到的加权归一化矩阵z＝(zij)m×n，分别计算各指标的最优关联系数和最劣关联系数将二者结合分析，计算得到综合灰色关联系数ξij；

步骤3.3，定义识别框架为θ＝{a1,a2,...,am}，其中，ai为各传感监测设备及其边缘计算终端；函数m:2^θ→[0,1]为θ上的基本概率分配函数，m(a)表示对目标a的基本概率分配；

根据步骤3.2得到的综合灰色关联系数，计算指标j下的q阶信息不确信度，表达式为：

式中，q为阶数；

根据指标不确定度，计算各指标下不同目标的mass函数，表达式为：

mj(ai)＝[1-doi(ij)]·yij；

式中，mj(ai)为第i个传感序列在指标j下的mass函数；

指标j下整体不确定度的mass函数为：

步骤3.4，根据得到的基本概率分配函数分别计算各指标下的冲突程度与证据距离，计算表达式为：

式中，k为证据之间的冲突程度，dbpa(m1,m2)为证据距离。d为2ⁿ×2ⁿ的证据矩阵，矩阵中元素为a与b均为识别框架θ的子集；

结合二者计算得到d-s合成法则冲突系数，计算表达式为：

基于d-s证据理论对各指标下不同目标的mass函数进行合成，得到识别框架内各目标子集置信程度，表达式为：

式中，bel(a)为合成后θ内各子集的信度函数，表示支持a的总信任的最小值；

步骤3.5，根据计算得到的各传感序列的置信程度，确定各传感装置与边缘计算终端所代表的权重，通过加权平均得到供电质量各指标的复合感知数值；通过计算每个时刻的供电质量各评价指标复合感知数值，形成供电质量各评价指标的复合感知序列tj＝{x1j,x2j,...,xtj},其中tj为指标j的复合感知序列，t为供电合同周期内的评价点总数。

本发明的进一步改进在于，

步骤3.1中，初始权重选择等权重模型；

隶属度计算表达式为：

式中，xij为第i个传感序列中关于指标j的取值，x0j为区域入口处传感监测设备的采样数据得到的关于指标j的取值，j为评价指标序号，σ为经验参数；

步骤3.2中，最优关联系数与最劣关联系数的计算表达式分别为：

式中，i为各传感序列序号，j为相应评价指标序号；

为矩阵正理想点最优序列；

为矩阵负理想点最劣序列；

ρ为分辨系数；

综合灰色关联系数的计算表达式为：

步骤3.5中，所述通过加权平均得到供电质量各指标的复合感知数值的计算表达为：

式中，xj为指标j的复合感知数值。

本发明的进一步改进在于，步骤4具体包括以下步骤：

步骤4.1，根据确定的供电质量各指标等级定量区间表示范围，结合云模型理论的随机性与模糊性，生成各指标等级的正态云模型，利用云模型参数(ex,en,he)来描述各指标等级特性，表达式为：

he＝s，

式中，cmax和cmin分别为供电质量各指标等级范围的上限与下限；s为常数，根据相应指标的模糊性和随机性给定；

步骤4.2，将供电质量各传感装置与边缘计算终端所获得的的各项指标值xij视作云滴，将由各传感序列的置信程度确定的权重系数ωi作为云评价的贡献程度，利用云模型理论计算供电质量各传感序列指标数值xij关于等级l的关联度，并综合云滴的评价贡献度计算分析得到区域内供电质量各评价指标动态评价序列；

其中，云模型关联度计算方法为：

式中，en'是以熵en为均值、超熵he为标准差产生的正态随机数，kij,l为第i个传感序列在第j个指标下对于供电质量评价等级l的隶属度，kjl为区域内供电质量第j个评价指标关于等级l的隶属度；

形成关于各指标的供电质量评价等级的关联度矩阵k；其中，第j个指标关于供电质量各个评价等级的关联度向量为kj；

步骤4.3，根据供电质量各评价指标的关联度向量，确定其中关联度最大一项为该时刻评价点的供电质量某指标的评价等级，形成区域内供电质量各评价指标的动态评价序列rj＝{rj1,rj2,...rjt}，其中，t为供电合同周期内的评价点个数,rjt为该时间点t的供电质量指标j的评价等级，给定供电质量各指标评价等级相应分数，综合计算得到累计供电合同周期内供电质量各指标评价结果。

本发明的进一步改进在于，步骤5中，通过熵权法确定供电质量各评价指标的客观权重值，根据得到的的供电质量评价指标和评价等级形成评判矩阵：

其中，hjl为供电合约周期内第j个指标评价结果为等级l的频率,l为指标所划分等级的总数；

通过生成的供电质量评判矩阵计算各指标信息熵，根据信息量大小获得供电质量各评价指标的客观权重值，计算表达式为：

其中，ej为各指标信息熵，e为总信息量；

由客观权重值计算加权平均值得到供电合同执行期的综合供电质量评价结果，根据综合评分结果确定最终评价等级。

本发明的一种基于泛在互联的主动配电网供电质量复合感知与评价系统，包括：

评价指标及等级标准确定模块，用于确定主动配电网供电质量评价指标及等级标准；

供电质量各评价指标时间序列数据获取模块，用于将通过主动配电网待评价区域内装设的各类传感监测设备所采集的电压、电流或功率时间序列数据，按照确定的供电质量评价指标，计算得到各项评价指标值，以统一周期形成供电质量各评价指标时间序列数据；

供电质量各评价指标复合感知序列获取模块，用于基于d-s证据理论与灰色关联分析模型，将主动配电网待评价区域内的各个监测点的供电质量各评价指标时间序列数据进行融合计算，得到主动配电网待评价区域内供电质量各评价指标复合感知数值，按照统一周期形成供电质量各评价指标复合感知序列；

供电合同周期内总体供电质量各评价指标结果获取模块，用于基于云模型理论对供电质量各评价指标复合感知序列进行评价分析，得到供电质量各指标动态评价序列；累计供电合同周期内各时间点的评价结果，计算得到供电合同周期内总体供电质量各评价指标结果；

综合供电质量评价结果获取模块，用于通过熵权法确定供电质量各评价指标的客观权重值；根据供电质量各指标动态评价序列以及供电合同周期内总体供电质量各评价指标结果，综合确定该供电合同执行期的综合供电质量评价结果。

与现有技术相比，本发明具有以下有益效果：

本发明针对主动配电网结构复杂、分布广泛的特点以及传统供电质量评价方法只针对单一监测点进行评价的片面性，通过利用主动配电网内多个监测点的供电质量测量采集数据，基于d-s证据理论对各个监测点数据进行融合；针对证据冲突可能引起的数据融合误差问题进行改进，实现对主动配电网内各部分供电质量状况的复合感知，得到供电质量各指标复合感知序列；结合云模型理论对供电质量复合感知序列进行综合评价，克服了供电质量评价的随机性与模糊性，最终给出全面的、准确的、客观的主动配电网的供电质量各指标评价结果；并通过雷达图描绘用户供电质量画像，综合展示用户的供电质量评价结果，基于获得的综合供电质量评价结果对主动配电网进行优化，以提高供电质量。

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，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，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基于泛在互联的主动配电网供电质量复合感知与评价方法的流程示意框图；

图2是本发明实施例中，供电质量各指标复合感知序列计算流程示意框图；

图3是本发明实施例中，供电质量智能评价流程示意框图；

图4是本发明实施例中，用户供电质量画像示意图。

具体实施方式

为使本发明实施例的目的、技术效果及技术方案更加清楚，下面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，所描述的实施例是本发明一部分实施例。基于本发明公开的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例，都应属于本发明保护的范围。

请参阅图1，本发明实施例的一种基于泛在互联的主动配电网供电质量复合感知与评价方法，主动配电网内各区域装设有智能传感器、智能电表以及非侵入式监测设备等监测仪表设备，利用各类监测设备所采集的供电质量各指标数据，并基于d-s证据理论与灰色关联分析技术以及云模型方法进行复合感知与智能评价，所述方法的具体步骤包括：

步骤1，确定主动配电网供电质量评价指标及等级标准。

步骤2，通过利用主动配电网待评价区域内装设的各类监测设备所采集的电压、电流或功率时间序列数据，按照步骤1所确定的供电质量各项评价指标计算得到各项评价指标值，并以统一周期形成供电质量各指标数据时间序列。

步骤3，基于d-s证据理论与灰色关联分析模型，将步骤2中的待评价区域内的各个监测点的供电质量各评价指标时间序列数据进行融合计算，得到主动配电网待评价区域内供电质量各评价指标复合感知数值，并按照统一周期形成供电质量各评价指标复合感知序列。

步骤4：基于云模型理论对步骤3所得到的供电质量各评价指标复合感知序列进行评价分析，得到供电质量各指标动态评价序列，并累计供电合同周期内各时间点的评价结果，综合计算得到合同周期内的总体供电质量各指标评价结果。

步骤5：通过熵权法确定供电质量各评价指标的客观权重值，并根据步骤4所得到的供电质量各指标动态评价序列以及供电合同周期内总体供电质量各评价指标结果，综合确定该供电合同执行期的综合供电质量评价结果。

步骤6：通过描绘用户供电质量画像，展示供电质量的综合评价结果。

本发明实施例中，所述步骤1中所确定的供电质量评价指标集为i＝{i1,i2,...,in}，n为评价指标集中的指标个数，供电质量评价指标集包括三相电压不平衡度、三相电流不平衡度、电压暂降、电压偏差、电压谐波、电压波动、频率偏差、电压闪变。

根据供电合约需求选择待评价的供电质量指标，并划分各评价指标等级，通过定量区间描述等级范围。

本发明实施例中，可以将供电质量各评价指标划分为l1～l5五个等级。如表1所示，根据供电合约需求选择电压暂降、电压偏差、电压谐波、电压闪变、频率偏差、三相不平衡共6个指标作为评价供电质量水平的评价指标，并划分等级，规定相应等级的指标数值取值区间；其中，表1为本发明实施例中，确定的供电质量各评价指标等级及其取值范围。

表1.本发明实施例中，确定的供电质量各评价指标等级及其取值范围

本发明实施例中，步骤2中主动配电网内各区域装设有智能传感器、智能电表以及非侵入式监测设备等各类智能监测仪表设备的，要求各类监测仪表设备装设在主动配电网内的大功率电力设备及线路分支处，非侵入式监测设备安装在用户供电入口处，从而各监测仪表设备可以按照一定的采样周期获取被监测对象的电压、电流以及功率的时间序列采样数据。

各智能监测仪表设备具备能够进行本地计算的边缘计算终端，要求边缘计算终端根据采样获得的电气量时间序列数值以及步骤1所确定的待评价供电质量指标，按照标准计算所确定的供电质量指标数值，从而得到供电质量各指标数据时间序列。

各边缘计算终端具有通信功能，要求将计算得到的供电质量各指标数据时间序列上传至服务器。

本发明实施例中，步骤3中利用d-s证据理论与灰色关联分析模型对来各传感监测设备所配备的边缘计算中心提供的供电质量各评价指标序列进行融合计算，并针对证据冲突可能引起的数据融合误差问题进行改进，获得指定区域的供电质量各评价指标复合感知序列，具体步骤包括：

步骤3.1，选取待评价区域配网入口处传感监测设备的采样数据为参考序列x0＝{x01,x02,...,x0n}，区域内各分支或设备处的传感监测装置以及用户入口的非侵入式监测设备的采样数据为比较序列xi＝{xi1,xi2,...,xin}，其中，i＝1,2,3...m为指定区域内传感监测装置序号，m为装置总数，n为评价指标个数。通过对各传感序列数据进行标准化处理得到隶属度矩阵g并进行归一化，得到归一化矩阵y；再将各传感序列的初始权重代入归一化矩阵y计算得到加权归一化矩阵z＝(zij)m×n＝(ωi·yij)m×n。

一般初始权重选择等权重模型。

其中，隶属度计算方法为：

其中，xij为第i个传感序列中关于指标j的取值，x0j为区域入口处传感监测设备的采样数据得到的关于指标j的取值，j为评价指标序号，σ为经验参数。

步骤3.2，计算各指标下的各传感序列与参考序列之间的关联度。根据步骤3.1计算得到的加权归一化矩阵z＝(zij)m×n，分别计算各指标的最优关联系数和最劣关联系数并将二者结合分析，最终计算得到综合灰色关联系数ξij。

最优关联系数与最劣关联系数的计算方法为：

其中，i为各传感序列序号，j为相应评价指标序号；

为矩阵正理想点最优序列；

为矩阵负理想点最劣序列；

ρ为分辨系数，ρ越小分辨能力越大，通常取ρ＝0.5。

结合两者分析计算得到综合灰色关联系数，其计算方法为：

步骤3.3，定义识别框架为θ＝{a1,a2,...,am}，其中，ai为各传感装置及其边缘计算终端。函数m:2^θ→[0,1]为θ上的基本概率分配函数，m(a)表示对目标a的基本概率分配，即支持目标a的发生程度。

根据计算得到的综合灰色关联系数，可以计算指标j下的q阶信息不确信度：

其中，q为阶数，一般q＝2。

根据指标不确定度可以计算各指标下不同目标的mass函数，即

mj(ai)＝[1-doi(ij)]·yij；

其中，mj(ai)为第i个传感序列在指标j下的mass函数。

从而得到指标j下整体不确定度的mass函数为：

步骤3.4，利用d-s证据理论合成法则对各指标下各传感序列进行融合计算。针对证据冲突可能引起的数据融合误差问题，本发明对d-s合成法则冲突系数的计算方法进行改进。

根据得到的基本概率分配函数分别计算各指标下的冲突程度与证据距离，具体计算方法为：

其中，k为证据之间的冲突程度，dbpa(m1,m2)为证据距离。d为2ⁿ×2ⁿ的证据矩阵，矩阵中元素为a与b均为识别框架θ的子集。

结合二者计算可以得到d-s合成法则冲突系数为：

基于d-s证据理论对各指标下不同目标的mass函数进行合成，得到识别框架内各目标子集置信程度：

其中，bel(a)为合成后θ内各子集的信度函数，表示支持a的总信任的最小值。

步骤3.5，根据计算得到的各传感序列的置信程度，确定各传感装置与边缘计算终端所代表的权重，通过加权平均得到供电质量各指标的复合感知数值，具体计算方法为：

其中，xj为指标j的复合感知数值。

通过计算每个时刻的供电质量各评价指标复合感知数值，可以形成供电质量各评价指标的复合感知序列tj＝{x1j,x2j,...,xtj},其中tj为指标j的复合感知序列，t为供电合同周期内的评价点总数。

请参阅图2，本发明具体实施例中，步骤3中，利用d-s证据理论与灰色关联分析模型对来各传感监测设备所配备的边缘计算中心提供的供电质量各评价指标序列进行融合计算，获得指定区域的供电质量各评价指标复合感知序列，具体方法为：

首先选取指定区域配网入口处传感监测设备的采样数据为参考序列x0＝{x01,x02,...,x0n}，区域内各分支或设备处的传感监测装置以及用户入口的非侵入式监测设备的采样数据为比较序列xi＝{xi1,xi2,...,xin}，其中i＝1,2,3...m为指定区域内传感监测装置序号，m为装置总数。与指定用户相关联的区域内传感监测设备共有5台，因此m＝5。n为评价指标个数，根据与用户协商选择的指标个数得到n＝6。按照下式对各传感序列数据进行标准化处理得到隶属度矩阵g：

其中，xij为第i个传感序列中关于指标j的取值，x0j为区域入口处传感监测设备的采样数据得到的关于指标j的取值，σ为经验参数。

对得到的隶属度矩阵进行归一化得到归一化矩阵y：

各传感序列的初始权重代入归一化矩阵y计算得到加权归一化矩阵z；

一般初始权重选择等权重模型,即取平均值计算，

其次，计算各指标下的各传感序列与参考序列的关联度。根据计算得到的加权归一化矩阵z＝(zij)m×n，分别计算各指标的最优关联系数和最劣关联系数并将二者结合分析，最终计算得到综合灰色关联系数ξij。最优关联系数与最劣关联系数的计算方法为：

其中，i为各传感序列序号，j为相应评价指标序号；为矩阵正理想点最优序列，即各指标下各个传感序列的最大值；为矩阵负理想点最劣序列，即各指标下各个传感序列的最小值；ρ为分辨系数，ρ越小分辨能力越大，、；本发明实施例中，此处取ρ＝0.5。

结合两者分析计算得到综合灰色关联系数，其计算方法为：

定义识别框架为θ＝{a1,a2,...,am}，其中ai代表第i个传感监测装置，有2^θ＝{{a1},{a2},...,{a1,at,...am}}。函数m:2^θ→[0,1]为θ上的基本概率分配函数，m(ai)表示对目标ai的基本概率分配，即支持传感监测装置ai的发生程度。

根据计算得到的综合灰色关联系数，可以计算指标j下的q阶信息不确信度

其中，q为阶数，此处取q＝2。

根据指标不确定度可以计算各指标下不同目标的mass函数，第j个指标下第i个传感序列目标ai的mass函数即为

mj(ai)＝[1-doi(ij)]·yij，

从而可以得到指标j下整体不确定度的mass函数为

基于得到的基本概率分配函数分别按照下式计算各指标下的冲突程度与证据距离：

其中，k为证据之间的冲突程度，dbpa(m1,m2)为证据距离。d为2ⁿ×2ⁿ的证据矩阵，矩阵中元素为a与b均为识别框架θ的子集。

结合二者计算可以形成d-s合成法则的冲突系数，即为：

最后基于d-s证据理论对各指标下不同目标的mass函数进行合成，得到识别框架内各目标子集置信程度：

其中bel(a)为合成后θ内各子集的信度函数，表示支持a的总信任的最小值。

根据计算得到的各传感序列的置信程度，确定各传感装置与边缘计算终端所代表的权重，即：

通过加权平均得到供电质量各指标的复合感知数值，具体计算方法为：

通过计算每个时刻的供电质量各评价指标复合感知数值，可以形成供电质量各评价指标的复合感知序列tj＝{x1j,x2j,...,xtj},其中tj为指标j的复合感知序列，t为供电合同周期内的评价点总数。根据供电合同要求，可以约定供电合同周期为3个月，每15分钟针对指定用户对该区域内供电质量各指标数值进行复合感知，即t＝8640，从而得到相应的复合感知序列。

本发明实施例中，步骤4中基于改进云模型理论对电质量各评价指标复合感知序列进行评价分析，具体步骤包括：

步骤4.1，根据确定的供电质量各指标等级定量区间表示范围，结合云模型理论的随机性与模糊性，生成各指标等级的正态云模型，利用云模型参数(ex,en,he)来描述各指标等级特性，即

he＝s，

其中，cmax和cmin分别为供电质量各指标等级范围的上限与下限；s为常数，通常根据相应指标的模糊性和随机性给定，通常取0.002或0.001。

步骤4.2，通过将供电质量各传感装置与边缘计算终端所获得的的各项指标值xij视作云滴，将由各传感序列的置信程度确定的权重系数ωi作为云评价的贡献程度，从而利用云模型理论计算供电质量各传感序列指标数值xij关于等级l的关联度，并综合云滴的评价贡献度计算分析得到区域内供电质量各评价指标动态评价序列。

云模型关联度计算方法为：

其中，en'是以熵en为均值，超熵he为标准差产生的正态随机数，kij,l为第i个传感序列在第j个指标下对于供电质量评价等级l的隶属度，kjl为区域内供电质量第j个评价指标关于等级l的隶属度。

从而形成关于各指标的供电质量评价等级的关联度矩阵k,其中第j个指标关于供电质量各个评价等级的关联度向量为kj。

步骤4.3，根据供电质量各评价指标的关联度向量，确定其中关联度最大一项即为该时刻评价点的供电质量某指标的评价等级，从而形成区域内供电质量各评价指标的动态评价序列rj＝{rj1,rj2,...rjt}，其中，t为供电合同周期内的评价点个数,rjt为该时间点t的供电质量指标j的评价等级，给定供电质量各指标评价等级相应分数，综合计算得到累计供电合同周期内供电质量各指标评价结果。

请参阅图3，本发明具体实施例中，步骤4中，基于改进云模型理论对电质量各评价指标复合感知序列进行评价分析，首先根据确定的供电质量各指标等级定量区间表示范围，结合云模型理论的随机性与模糊性，生成各指标等级的正态云模型，利用云模型参数(ex,en,he)来描述各指标等级特性。即

he＝s

其中，cmax和cmin分别为供电质量各指标等级范围的上限与下限；s为常数，通常根据相应指标的模糊性和随机性给定，可以根据具体情况选择为0.001或0.002。根据确定的供电质量各指标等级及其范围，如表2所示，可以计算得到各等级界限云模型参数；其中，表2为本发明实施例中，供电质量各指标等级的云模型参数描述。

表2.本发明实施例中，供电质量各指标等级的云模型参数描述

通过将供电质量各传感装置与边缘计算终端所获得的的各项指标值xij视作云滴，将由各传感序列的置信程度确定的权重系数ωi作为云评价的贡献程度，从而利用云模型理论计算供电质量各传感序列指标数值xij关于等级l的关联度，并综合云滴的评价贡献度计算分析得到区域内供电质量各评价指标动态评价序列。云模型关联度计算方法为

其中en'是以熵en为均值，超熵he为标准差产生的正态随机数。kij,l为第i个传感序列在第j个指标下对于供电质量评价等级l的隶属度，kjl为区域内供电质量第j个评价指标关于等级l的隶属度。

从而形成关于各指标的供电质量评价等级的关联度矩阵k,其中第j个指标关于供电质量各个评价等级的关联度向量为kj。

根据供电质量各评价指标的关联度向量，确定其中关联度最大一项即为该时刻评价点的供电质量某指标的评价等级，即若说明该时刻供电质量指标j的等级为l。

从而形成区域内供电质量各评价指标的动态评价序列rj＝{rj1,rj2,...rjt}，其中t为供电合同周期内的评价点个数，rjt为第j个指标在t时刻的供电质量评价等级。约定供电合同周期为3个月，每15分钟针对指定用户对该区域内供电质量各指标数值进行复合感知，即t＝8640。

给定供电质量各指标评价等级相应分数，此处规定l1-l5级分别对应2、4、6、8、10分。根据供电合约周期内所有评价点的供电质量评价等级结果，计算得到累计供电合约周期内各指标供电质量的综合评分结果。即

其中rjτ为第j个指标在τ时刻的评价等级结果，f为相应的评价等级对应的得分。

本发明实施例中，步骤5通过熵权法确定供电质量各评价指标的客观权重值，根据得到的的供电质量评价指标和评价等级形成评判矩阵：

其中，hjl为供电合约周期内第j个指标评价结果为等级l的频率,l为指标所划分等级的总数。

通过生成的供电质量评判矩阵计算各指标信息熵，根据信息量大小获得供电质量各评价指标的客观权重值，具体计算方法为：

其中，ej为各指标信息熵，e为总信息量。

由客观权重值计算加权平均值可以得到供电合同执行期的综合供电质量评价结果，根据综合评分结果确定最终评价等级。

本发明实施例中，步骤6描绘用户供电质量画像，通过确定的供电质量评价指标以及相应评价等级，绘制雷达图展示供电质量综合评价结果。

其中，根据供电质量指标个数确定雷达图的分区数，各指标权重与评价结果综合确定距离原点的长度，封闭多边形的面积表征评价结果水平。

步骤5，通过熵权法确定供电质量各评价指标的客观权重值，通过生成供电质量评判矩阵计算各指标信息熵，根据信息量大小获得供电质量各评价指标的客观权重值。首先根据所确定的供电质量评价指标和评价等级形成评判矩阵

其中hij为在供电合约周期内第i个指标评价结果为等级j的频率。根据评判矩阵计算各指标信息熵与总信息量，即

其中ei为各指标信息熵，e为总信息量。

从而综合计算得到最终的客观权重值，即

由以上计算过程，可以得到约定的6个供电质量评价指标的客观权重分别为ν1＝0.2546,ν2＝0.1045,ν3＝0.0813,ν4＝0.1867,ν5＝0.2781,ν6＝0.0948。

根据计算得到的客观权重值计算加权平均值可以得到供电合同执行期的综合供电质量评价结果。具体计算过程为

从而根据综合评分结果确定最终评价等级。

综上所述，为满足电力市场化现状要求，推动电能按质定价，同时针对主动配电网结构复杂涉及面广，大量分布式能源的接入的状况，传统的电能质量评估标准已经逐渐难以适应供电质量需求的日益增长，对主动配电网的供电质量进行复合感知与智能评价是具有重要意义的。本发明针对主动配电网结构复杂、分布广泛的特点以及传统供电质量评价方法只针对单一监测点进行评价的片面性，通过利用主动配电网内多个监测点的供电质量测量采集数据，基于d-s证据理论对各个监测点数据进行融合，实现对主动配电网内各部分供电质量状况的复合感知，得到供电质量各指标复合感知序列；结合云模型理论对供电质量复合感知序列进行综合评价，克服了供电质量评价的随机性与模糊性，最终给出全面的、准确的、客观的主动配电网的供电质量各指标评价结果，并通过雷达图描绘用户供电质量画像，综合展示用户的供电质量评价结果。

步骤6，描绘用户供电质量画像，通过确定的供电质量评价指标以及相应评价等级，绘制雷达图展示供电质量综合评价结果。

如图4所示为用户供电质量画像示意图。其中根据供电质量指标个数确定雷达图的分区数，此处共有6个分区。各指标权重确定相应的扇形在圆中对应的角度，与各指标总评价结果综合确定距离原点的长度，最后形成的封闭多边形的面积表征评价结果水平。

基于泛在互联的主动配电网的供电质量复合感知与智能评价技术，通过利用主动配电网内广泛装设的各类监测装置与智能终端，基于泛在互联技术将多源信息数据综合分析进行复合感知，从而对指定用户区域内供电质量各评价指标进行可靠评价，并通过综合评价结果与用户供电画像两种形式给出供电合同周期内的供电质量评价水平，克服了单一采样点评价的片面性，提高了数据的准确性，令供电质量智能评价更为客观且可靠。本发明基于泛在互联技术，提出了一种面向主动配电网的供电质量复合感知与智能评价技术，从而建立供电质量评价体系，为主动配电网的差异化供电服务及供电质量优化提供支撑。该方法基于泛在互联技术，通过主动配电网内各智能传感器、智能电表、非侵入式监测设备以及边缘计算终端对各区域供电质量、故障信息进行采集，利用d-s证据理论与灰色关联分析技术实现复合感知；并基于改进云模型理论对供电质量进行智能分析，从而给出供电质量的最终评估结果。该方法综合了主动配电网内各类智能监测设备的信息，客观给出了供电质量的评价结果，为差异化、高质量配电提供了结算依据。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。