一种电网应急体系的评估数据处理方法、装置和介质与流程

[0001]
本发明涉及电力系统技术领域，尤其涉及一种电网应急体系的评估数据处理方法、装置和介质。


背景技术：

[0002]
电网作为维持国民生计的坚强支柱之一，其故障的发生会对社会的正常运转和人民的正常生活产生极大的影响。近几年来，国家开始加强对应急体系的建设。应急演练和培训是应急管理工作的重要内容，当应急事件发生时，快速恢复供电能力，保障居民正常的生产生活，是供电企业和电力抢修部门的重要职责。应急演练及培训能够提高各级应急指挥及救援人员对应急职责及流程的熟练程度和反应能力、促进各部门之间的配合，以便应急队伍能够更好的面对真实的事故场景，提升应急能力，从而有效的减少突发事件所造成的人员伤亡和财产损失。
[0003]
为了及时发现电网应急体系的不足，便于及时提出和采取完善的纠正措施，需要对应急演练进行评估。通过多位评审专家根据应急演练情况，对各项演练评估指标进行评分。然而，在实施本发明过程中，发明人发现现有技术至少存在如下问题：因为多位评审专家对演练进行评分时，可能会出现多种可能的评审结果，若仅仅对评审专家的评估数据通过简单的求平均方法得出最终的评估结果，将极大影响评估结果的准确性，无法客观全面地反映应急演练情况。


技术实现要素：

[0004]
本发明实施例的目的是提供一种电网应急体系的评估数据处理方法、装置和介质，采用d-s证据理论对评估数据进行融合，以获得最合适的评估结果，能有效提高评估结果的准确性，客观全面地反映应急演练情况。
[0005]
为实现上述目的，本发明实施例提供了一种电网应急体系的评估数据处理方法，包括：
[0006]
获取电网应急演练的评估数据；其中，所述评估数据包括若干位评审专家对所述电网应急演练的每一评估指标所给出的评价等级；
[0007]
确定每一评估指标的指标权重值；
[0008]
根据每一评估指标的指标权重值，以及每一评估指标在每一评价等级下的基本支持度，计算每一评估指标的基本概率分配函数；其中，所述基本支持度表示评估指标对应的每一评价等级的获得数量占评审专家数量的比值；
[0009]
基于d-s证据理论的合成规则，对所述评估指标的基本概率分配函数进行数据融合，得到每一评价等级的基本概率；
[0010]
基于最大隶属度原则，根据每一评价等级的基本概率，得到所述电网应急演练的评估结果。
[0011]
作为上述方案的改进，所述根据每一评估指标的指标权重值，以及每一评估指标
在每一评价等级下的基本支持度，计算每一评估指标的基本概率分配函数，具体包括：
[0012]
根据每一评估指标的指标权重值，划分关键指标和非关键指标；其中，所述关键指标的指标权重值最大；
[0013]
根据关键指标在每一评价等级下的基本支持度，计算所述关键指标的基本概率分配函数：
[0014]
m
i
(a
s
)＝βm
′
i
(a
s
)(s＝1,2,...,s)；
[0015]
根据每一非关键指标在每一评价等级下的基本支持度，以及评估指标的指标权重值，计算每一非关键指标的基本概率分配函数：
[0016][0017]
其中，m
i
(a
s
)为评估指标的基本概率分配函数；m
′
i
(a
s
)为每一评估指标在每一评价等级下的基本支持度；θ为表示预设的评价等级集合；β为预设的折扣率；ω
i
为指标权重值；ω
i,max
为最大的指标权重值；i∈[1,n]；n为评估指标数量，s为评价等级数量。
[0018]
作为上述方案的改进，所述基于d-s证据理论的合成规则，对所述评估指标的基本概率分配函数进行数据融合，得到每一评价等级的基本概率，具体包括：
[0019]
基于d-s证据理论的合成规则，根据所述评估指标的基本概率分配函数，通过以下计算公式，得到每一评价等级的基本概率：
[0020][0021][0022]
其中，m(a
s
)为每一评价等级的基本概率。
[0023]
作为上述方案的改进，所述确定每一评估指标的指标权重值，具体为：
[0024]
基于层次分析法，确定每一评估指标的指标权重值；
[0025]
所述基于层次分析法，确定每一评估指标的指标权重值，具体包括：
[0026]
根据预设的判断矩阵赋值规则，遍历所有评估指标，对每两个评估指标进行重要性程度比较，并根据比较结果对每两个评估指标赋值一个重要性标度；
[0027]
根据所述重要性标度，建立评估指标的判断矩阵；
[0028]
获取所述评估指标的判断矩阵的特征向量，得到每一评估指标的指标权重值。
[0029]
作为上述方案的改进，在所述根据所述重要性标度，建立评估指标的判断矩阵之后，还包括：
[0030]
对所述评估指标的判断矩阵进行一致性检验，以判断所述评估指标的判断矩阵是否满足预设的一致性要求；
[0031]
当所述评估指标的判断矩阵不满足预设的一致性要求时，重新对每两个评估指标进行重要性程度比较，并根据比较结果对每两个评估指标赋值一个重要性标度。
[0032]
作为上述方案的改进，所述评估数据还包括若干位评审专家对所述电网应急演练的每一评估指标所给出的评价分值；
[0033]
则所述确定每一评估指标的指标权重值，具体为：
[0034]
基于熵权法，确定每一评估指标的指标权重值；
[0035]
所述基于熵权法，确定每一评估指标的指标权重值，具体包括：
[0036]
根据每一评估指标基于每一评审专家所给出的评价分值，计算每一评估指标的评价分值比值：
[0037][0038]
根据每一评估指标的评价分值比值，计算每一评估指标的熵值：
[0039][0040]
根据每一评估指标的熵值，计算每一评估指标的指标权重值：
[0041][0042]
其中，η
ij
为每一评估指标的评价分值比值，a
ij
为每一评估指标基于每一评审专家所给出的评价分值；h
i
为每一评估指标的熵值，ω
″
i
为每一评估指标的指标权重值；i∈[1,n]；n为评估指标数量，j∈[1,m]；m为评审专家数量。
[0043]
作为上述方案的改进，所述确定每一评估指标的指标权重值，具体为：
[0044]
基于层次分析法，确定每一评估指标的指标权重值，作为第一指标权重值；
[0045]
基于熵权法，确定每一评估指标的指标权重值，作为第二指标权重值；
[0046]
结合所述第一指标权重值和所述第二指标权重值，以及预设的权重因子，确定每一评估指标的指标权重值：
[0047]
ω
i
＝αω
′
i
+(1-α)ω
″
i
；
[0048]
其中，ω
i
为每一评估指标的指标权重值；ω
′
i
为每一评估指标的第一指标权重值；ω
″
i
为每一评估指标的第二指标权重值；α预设的权重因子，0≤α≤1。
[0049]
本发明实施例还提供了一种电网应急体系的评估数据处理装置，包括：
[0050]
评估数据获取模块，用于获取电网应急演练的评估数据；其中，所述评估数据包括若干位评审专家对所述电网应急演练的每一评估指标所给出的评价等级；
[0051]
指标权重值确定模块，用于确定每一评估指标的指标权重值；
[0052]
概率分配函数计算模块，用于根据每一评估指标的指标权重值，以及每一评估指标在每一评价等级下的基本支持度，计算每一评估指标的基本概率分配函数；其中，所述基本支持度表示评估指标对应的每一评价等级的获得数量占评审专家数量的比值；
[0053]
基本概率计算模块，用于基于d-s证据理论的合成规则，对所述评估指标的基本概率分配函数进行数据融合，得到每一评价等级的基本概率；
[0054]
评估结果获得模块，用于基于最大隶属度原则，根据每一评价等级的基本概率，得到所述电网应急演练的评估结果。
[0055]
本发明实施例还提供了一种电网应急体系的评估数据处理装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执
行所述计算机程序时实现如权上述任意一项所述的电网应急体系的评估数据处理方法。
[0056]
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的电网应急体系的评估数据处理方法。
[0057]
与现有技术相比，本发明公开的一种电网应急体系的评估数据处理方法、装置和介质，通过获取电网应急演练的评估数据；其中，所述评估数据包括若干位评审专家对所述电网应急演练的每一评估指标所给出的评价等级；确定每一评估指标的指标权重值，进而根据每一评估指标的指标权重值，以及每一评估指标在每一评价等级下的基本支持度，计算每一评估指标的基本概率分配函数；基于d-s证据理论的合成规则，对所述评估指标的基本概率分配函数进行数据融合，得到每一评价等级的基本概率，并基于最大隶属度原则，得到所述电网应急演练的评估结果。本发明实施例考虑到在电网应急演练评价过程中存在多种可能的评审结果导致评估结果不确定性较大的问题，采用d-s证据理论对电网应急演练的评估数据进行融合，以获得最合适的评估结果，使电网应急演练的评估结果尽可能地接近实际情况。从而有效地提高评估结果的准确性，客观全面地反映应急演练情况。
附图说明
[0058]
图1是本发明实施例一提供的一种电网应急体系的评估数据处理方法的步骤流程示意图；
[0059]
图2是本发明实施例二中电网应急体系的评估数据处理方法中基于层次分析法确定指标权重值的步骤流程示意图；
[0060]
图3是本发明实施例三中电网应急体系的评估数据处理方法中基于熵权法确定指标权重值的步骤流程示意图；
[0061]
图4是本发明实施例四中电网应急体系的评估数据处理方法中优选的确定指标权重值的步骤流程示意图；
[0062]
图5是本发明实施例五提供的一种电网应急体系的评估数据处理装置的结构示意图；
[0063]
图6是本发明实施例六提供的一种电网应急体系的评估数据处理装置的结构示意图。
具体实施方式
[0064]
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，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0065]
实施例一
[0066]
参见图1，是本发明实施例一提供的一种电网应急体系的评估数据处理方法的步骤流程示意图。本发明实施例一提供的一种电网应急体系的评估数据处理方法，通过步骤s11至s15执行：
[0067]
s11、获取电网应急演练的评估数据；其中，所述评估数据包括若干位评审专家对
所述电网应急演练的每一评估指标所给出的评价等级。
[0068]
具体地，预先建立电网应急演练评估指标体系，确定电网应急演练的各项评估指标以及相应的评价标准，用于评估电网应急演练情况。在每一次电网应急演练后，根据应急演练情况，邀请多位评审专家针对每一项评估指标进行评价，从而得到所述评估数据并存储。
[0069]
作为举例，在本发明实施例中，预先设置五项评估指标，分别为演练规划的完备度、演练保障资源的落实情况、演练实施过程的表现情况、演练实施过程的完成情况、演练结束后的调查总结能力；同时，针对评估指标，确定相应的评价标准包括评价等级集合θ＝{a1(优)，a2(良)，a3(中)，a4(差)}四种，且每一评价等级对应的评价分值依次为i＝{(100-85)，(84-75)，(74-60)，(59-0)}。
[0070]
可以理解地，上述涉及的场景和数值仅作为举例，在实际应用中，电网应急演练的各项评估指标和相应的评价标准可以根据实际情况或先验知识进行设置，并不局限于上述实施方式，也并不影响本发明取得的有益效果。
[0071]
s12、确定每一评估指标的指标权重值。
[0072]
具体地，根据所建立的电网应急演练评价指标，建立合理的权重划分模型来确定各项评价指标的权重值ω
i
。
[0073]
s13、根据每一评估指标的指标权重值，以及每一评估指标在每一评价等级下的基本支持度，计算每一评估指标的基本概率分配函数。
[0074]
在本发明实施例中，每一评估指标在每一评价等级下的基本支持度表示评估指标对应的每一评价等级的获得数量占评审专家数量的比值，其表达公式具体为：
[0075][0076]
其中，m
′
i
(a
s
)为所述基本支持度；n
i
(a
s
)为评估指标在所述评价等级下的评价等级获得数量，也即表示有n
i
(a
s
)位评审专家对评估指标i的评价等级属于a
s
评价等级，s＝1,2,...,s，i＝1,2,...,n，n为评估指标数量，s为评价等级数量。作为举例，在本发明实施例中，评估指标的个数为5，评价等级数量为4，则每一评估指标i均有4个与评价等级对应的基本支持度。
[0077]
进一步地，步骤s3通过步骤s31至s33执行：
[0078]
s131、根据每一评估指标的指标权重值，划分关键指标和非关键指标；其中，所述关键指标的指标权重值最大。
[0079]
根据每一评估指标的指标权重值ω
i
，确定其中的最大值，最大的指标权重值ω
i,max
＝max(ω1,...,ω
n
)，将指标权重取得最大值的评估指标称作为关键指标，并将其余的评估指标作为非关键指标。
[0080]
s132、根据关键指标在每一评价等级下的基本支持度，计算所述关键指标的基本概率分配函数：
[0081]
m
i
(a
s
)＝βm
′
i
(a
s
)(s＝1,2,...,s)；
[0082]
s133、根据每一非关键指标在每一评价等级下的基本支持度，以及评估指标的指标权重值，计算每一非关键指标的基本概率分配函数：
[0083][0084]
同时有：
[0085][0086]
其中，m
i
(a
s
)为评估指标的基本概率分配函数；m
″
i
(a
s
)为每一评估指标在每一评价等级下的基本支持度；m
i
(θ)代表未分配概率；θ为表示预设的评价等级集合。
[0087]
β为预设的折扣率，其可以根据实际情况进行设置。优选地，β＝0.9。i∈[1,n]，i为整数，n为评估指标数量；s∈[1,s]，s为整数，s为评价等级数量。
[0088]
s14、基于d-s证据理论的合成规则，对所述评估指标的基本概率分配函数进行数据融合，得到每一评价等级的基本概率。
[0089]
具体地，基于d-s证据理论的合成规则，根据所述评估指标的基本概率分配函数，通过以下计算公式，得到每一评价等级的基本概率m(a
s
)：
[0090][0091]
其中，
[0092][0093]
s15、基于最大隶属度原则，根据每一评价等级的基本概率，得到所述电网应急演练的评估结果。
[0094]
具体地，根据最大隶属度原则，取m(a
s
)的最大值，找到其代表的评价等级a
s
，该评价等级则为最终的电网应急演练的评估结果。
[0095]
作为举例，以评估指标数量为2，评价等级数量为3为例，基于d-s证据理论的合成规则，对计算得到的所有评估指标的基本概率分配函数进行数据融合，从而得到每一评价等级的基本概率。
[0096]
k＝m1(a1)m2(a1)+m1(a1)m2(θ)+m1(θ)m2(a1)+
[0097]
m1(a2)m2(a2)+m1(a2)m2(θ)+m1(θ)m2(a2)+
[0098]
m1(a3)m2(a3)+m1(a3)m2(θ)+m1(θ)m2(a3)+m1(θ)m2(θ)；
[0099]
则有：
[0100][0101][0102]
[0103][0104]
进一步地，根据最大隶属度原则，取m(a
s
)的最大值，假设计算结果为m(a2)最大，则m(a2)对应的评价等级为a2，该评价等级则为最终的电网应急演练的评估结果。
[0105]
本发明实施例提供了一种电网应急体系的评估数据处理方法，通过获取电网应急演练的评估数据；其中，所述评估数据包括若干位评审专家对所述电网应急演练的每一评估指标所给出的评价等级；确定每一评估指标的指标权重值，进而根据每一评估指标的指标权重值，以及每一评估指标在每一评价等级下的基本支持度，计算每一评估指标的基本概率分配函数；基于d-s证据理论的合成规则，对所述评估指标的基本概率分配函数进行数据融合，得到每一评价等级的基本概率，并基于最大隶属度原则，得到所述电网应急演练的评估结果。本发明实施例考虑到在电网应急演练评价过程中存在多种可能的评审结果导致评估结果不确定性较大的问题，采用d-s证据理论对电网应急演练的评估数据进行融合，以获得最合适的评估结果，使电网应急演练的评估结果尽可能地接近实际情况。从而有效地提高评估结果的准确性，客观全面地反映应急演练情况。
[0106]
实施例二
[0107]
参见图2，是本发明实施例二中电网应急体系的评估数据处理方法中基于层次分析法确定指标权重值的步骤流程示意图。本发明实施例二在上述实施例一的基础上实施。在本发明实施例中，步骤s12具体为：基于层次分析法，确定每一评估指标的指标权重值。
[0108]
具体地，步骤s12通过步骤s21至s23执行：
[0109]
s21、根据预设的判断矩阵赋值规则，遍历所有评估指标，对每两个评估指标进行重要性程度比较，并根据比较结果对每两个评估指标赋值一个重要性标度。
[0110]
s22、根据所述重要性标度，建立评估指标的判断矩阵。
[0111]
s23、获取所述评估指标的判断矩阵的特征向量，得到每一评估指标的指标权重值。
[0112]
在本发明实施例中，预设设定一个判断矩阵赋值规则，根据预设的判断矩阵赋值规则，对评估指标进行两两比较，得到重要性比较结果，并根据比较结果对每两个评估指标赋值一个重要性标度。
[0113]
在一种实施方式下，以获取的两个评估指标为第一指标和第二指标作为说明，预设的判断矩阵赋值规则如表1所示：
[0114]
表1判断矩阵赋值规则
[0115][0116]
根据每两个评估指标赋值得到的一个重要性标度，可建立评估指标的判断矩阵x：
[0117][0118]
其中，n为评估指标数量。
[0119]
进一步地，计算所述评估指标的判断矩阵的特征向量，即可得到每一评估指标的指标权重值，记为ω
′
i
(i＝1,2,...,n)。
[0120]
可以理解地，为了使得第一指标和第二指标的重要性程度比较结果更加精准全面，还可以设定重要性标度为2,4,6,8，用于表示重要程度介于上下两个标度之间的重要性标度。例如，第一指标和第二指标的重要性程度为相同和稍微重要之间时，可赋值为2。第一指标和第二指标的重要性程度的比较规则可以是根据事件库中的数据以及结合决策者的意见，进行评价指标的重要性程度的判断得到。
[0121]
作为优选的实施方式，为避免出现逻辑上的错误，在所述根据所述重要性标度，建立评估指标的判断矩阵之后，还包括：
[0122]
s24、对所述评估指标的判断矩阵进行一致性检验，以判断所述评估指标的判断矩阵是否满足预设的一致性要求；当所述评估指标的判断矩阵不满足预设的一致性要求时，重新对每两个评估指标进行重要性程度比较，并根据比较结果对每两个评估指标赋值一个重要性标度。
[0123]
对所述评估指标的判断矩阵进行一致性检验的步骤具体为：
[0124]
计算一致性指标：
[0125][0126]
计算检验系数：
[0127][0128]
其中，λ
max
为所构造的判断矩阵中最大的特征值；n为指标个数；ri为随机一致性指标，其取值如表2所示。
[0129]
表2随机一致性指标赋值
[0130][0131]
取0.1为一致性指标需要满足的一致性要求阈值，若cr<0.1，则说明所构建的判断矩阵满足预设的一致性要求，则可以根据所述评估指标的判断矩阵的特征向量，得到每一评估指标的指标权重值。否则，需要重新进行评估指标的重要性程度比较和赋值重要性标度，直至得到符合一致性要求的判断矩阵。
[0132]
在本发明实施例中，为了体现不同评估指标的重要性，采用层次分析法这一主观赋权方法确定各项评估指标的指标权重值，从而进一步提高电网应急演练的评估结果的准确性。
[0133]
实施例三
[0134]
参见图3，是本发明实施例三中电网应急体系的评估数据处理方法中基于熵权法确定指标权重值的步骤流程示意图。本发明实施例三在上述实施例一的基础上实施。在本发明实施例中，步骤s12具体为：基于熵权法，确定每一评估指标的指标权重值。
[0135]
对于某项指标，可以用熵值来判断某个指标的离散程度，其信息熵值越小，指标的离散程度越大，该指标对综合评价的影响(即权重)就越大。因此利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据。
[0136]
具体地，步骤s12通过步骤s31至s33执行：
[0137]
s31、根据每一评估指标基于每一评审专家所给出的评价分值，计算每一评估指标的评价分值比值：
[0138][0139]
s32、根据每一评估指标的评价分值比值，计算每一评估指标的熵值：
[0140][0141]
s33、根据每一评估指标的熵值，计算每一评估指标的指标权重值：
[0142][0143]
其中，0≤ω
″
i
≤1，且有η
ij
为每一评估指标的评价分值比值，a
ij
为每一评估指标基于每一评审专家所给出的评价分值；h
i
为每一评估指标的熵值，ω
″
i
为每一评估指标的指标权重值；i∈[1,n]；n为评估指标数量，j∈[1,m]；m为评审专家数量。
[0144]
在本发明实施例中，为了体现不同评估指标的重要性，采用熵权法这一客观赋权方法确定各项评估指标的指标权重值，从而进一步提高电网应急演练的评估结果的准确性。
[0145]
实施例四
[0146]
参见图4，是本发明实施例四中电网应急体系的评估数据处理方法中优选的确定指标权重值的步骤流程示意图。本发明实施例四在上述实施例一至三的基础上实施。在本
发明实施例中，步骤s12具体为：
[0147]
s41、基于层次分析法，确定每一评估指标的指标权重值，作为第一指标权重值；
[0148]
s42、基于熵权法，确定每一评估指标的指标权重值，作为第二指标权重值；
[0149]
s43、结合所述第一指标权重值和所述第二指标权重值，以及预设的权重因子，确定每一评估指标的指标权重值：
[0150]
ω
i
＝αω
′
i
+(1-α)ω
″
i
；
[0151]
其中，ω
i
为每一评估指标的指标权重值；ω
′
i
为每一评估指标的第一指标权重值；ω
″
i
为每一评估指标的第二指标权重值；α预设的权重因子，0≤α≤1。
[0152]
在本发明实施例中，基于层次分析法确定每一评估指标的第一指标权重值ω
′
i
的步骤与实施例二的步骤流程相似，基于熵权法确定每一评估指标的第二指标权重值ω
″
i
的步骤与实施例三的步骤流程相似，在此均不作赘述。
[0153]
权重因子α可以预先设定，其值越大，表明对权重划分结果的重视程度越大。可以根据评审专家的经验进行确定。当权重因子取0.5时，表示两种权重划分结果的重视程度相同。
[0154]
在本发明实施例中，考虑到单一的指标赋权模型存在片面性的不足，通过将主观赋权方法与客观赋权方法相结合的方式，也即结合层次分析法和熵权法对各项评估指标的指标权重值进行确定，能有效提高各项评估指标的指标权重值的精准性，从而进一步提高电网应急演练评估结果的客观性和准确性。
[0155]
实施例五
[0156]
参见图5，是本发明实施例五提供的一种电网应急体系的评估数据处理装置的结构示意图。本发明实施例五提供了一种电网应急体系的评估数据处理装置50，包括评估数据获取模块51、指标权重值确定模块52、概率分配函数计算模块53、基本概率计算模块54和评估结果获得模块55。其中，
[0157]
所述评估数据获取模块51，用于获取电网应急演练的评估数据；其中，所述评估数据包括若干位评审专家对所述电网应急演练的每一评估指标所给出的评价等级；
[0158]
所述指标权重值确定模块52，用于确定每一评估指标的指标权重值；
[0159]
所述概率分配函数计算模块53，用于根据每一评估指标的指标权重值，以及每一评估指标在每一评价等级下的基本支持度，计算每一评估指标的基本概率分配函数；其中，所述基本支持度表示评估指标对应的每一评价等级的获得数量占评审专家数量的比值；
[0160]
所述基本概率计算模块54，用于基于d-s证据理论的合成规则，对所述评估指标的基本概率分配函数进行数据融合，得到每一评价等级的基本概率；
[0161]
所述评估结果获得模块55，用于基于最大隶属度原则，根据每一评价等级的基本概率，得到所述电网应急演练的评估结果。
[0162]
作为优选的实施方式，所述概率分配函数计算模块53，具体用于：
[0163]
根据每一评估指标的指标权重值，划分关键指标和非关键指标；其中，所述关键指标的指标权重值最大；
[0164]
根据关键指标在每一评价等级下的基本支持度，计算所述关键指标的基本概率分配函数：
[0165]
m
i
(a
s
)＝βm
′
i
(a
s
)(s＝1,2,...,s)；
[0166]
根据每一非关键指标在每一评价等级下的基本支持度，以及评估指标的指标权重值，计算每一非关键指标的基本概率分配函数：
[0167][0168]
其中，m
i
(a
s
)为评估指标的基本概率分配函数；m
″
i
(a
s
)为每一评估指标在每一评价等级下的基本支持度；θ为表示预设的评价等级集合；β为预设的折扣率；ω
i
为指标权重值；ω
i,max
为最大的指标权重值；i∈[1,n]；n为评估指标数量，s为评价等级数量。
[0169]
作为优选的实施方式，所述基本概率计算模块54，具体用于：
[0170]
基于d-s证据理论的合成规则，根据所述评估指标的基本概率分配函数，通过以下计算公式，得到每一评价等级的基本概率：
[0171][0172][0173]
其中，m(a
s
)为每一评价等级的基本概率。
[0174]
作为优选的实施方式，在第一种实施方式下，所述指标权重值确定模块52，具体用于：基于层次分析法，确定每一评估指标的指标权重值；
[0175]
具体包括：
[0176]
根据预设的判断矩阵赋值规则，遍历所有评估指标，对每两个评估指标进行重要性程度比较，并根据比较结果对每两个评估指标赋值一个重要性标度；
[0177]
根据所述重要性标度，建立评估指标的判断矩阵；
[0178]
获取所述评估指标的判断矩阵的特征向量，得到每一评估指标的指标权重值。
[0179]
作为优选的实施方式，在第二种实施方式下，所述指标权重值确定模块52，具体用于：基于熵权法，确定每一评估指标的指标权重值；
[0180]
具体包括：
[0181]
根据每一评估指标基于每一评审专家所给出的评价分值，计算每一评估指标的评价分值比值：
[0182][0183]
根据每一评估指标的评价分值比值，计算每一评估指标的熵值：
[0184][0185]
根据每一评估指标的熵值，计算每一评估指标的第二指标权重值：
[0186]
[0187]
其中，η
ij
为每一评估指标的评价分值比值，a
ij
为每一评估指标基于每一评审专家所给出的评价分值；h
i
为每一评估指标的熵值，ω
″
i
为每一评估指标的第二指标权重值；i∈[1,n]；n为评估指标数量，j∈[1,m]；m为评审专家数量。
[0188]
作为优选的实施方式，在第三种实施方式下，所述指标权重值确定模块52，具体用于：
[0189]
基于层次分析法，确定每一评估指标的指标权重值，作为第一指标权重值；
[0190]
基于熵权法，确定每一评估指标的指标权重值，作为第二指标权重值；
[0191]
结合所述第一指标权重值和所述第二指标权重值，以及预设的权重因子，确定每一评估指标的指标权重值：
[0192]
ω
i
＝αω
′
i
+(1-α)ω
″
i
；
[0193]
其中，ω
i
为每一评估指标的指标权重值；ω
′
i
为每一评估指标的第一指标权重值；ω
″
i
为每一评估指标的第二指标权重值；α预设的权重因子，0≤α≤1。
[0194]
需要说明的是，本发明实施例提供的一种电网应急体系的评估数据处理装置用于执行上述实施例的一种电网应急体系的评估数据处理方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
[0195]
实施例六
[0196]
参见图6，是本发明实施例六提供的一种电网应急体系的评估数据处理装置的结构示意图。本发明实施例六还提供了一种电网应急体系的评估数据处理装置60，包括处理器61、存储器62以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如实施例一至五任意一项所述的电网应急体系的评估数据处理方法。
[0197]
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如实施例一至五任意一项所述的电网应急体系的评估数据处理方法。
[0198]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0199]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。