CN102522709A - 变压器状态检修的决策方法及*** - Google Patents
变压器状态检修的决策方法及*** Download PDFInfo
- Publication number
- CN102522709A CN102522709A CN2011104605531A CN201110460553A CN102522709A CN 102522709 A CN102522709 A CN 102522709A CN 2011104605531 A CN2011104605531 A CN 2011104605531A CN 201110460553 A CN201110460553 A CN 201110460553A CN 102522709 A CN102522709 A CN 102522709A
- Authority
- CN
- China
- Prior art keywords
- transformer
- decision
- fuzzy
- data
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种变压器状态检修的决策方法,包括如下步骤:步骤S1:读取各个变压器的相关数据,其中,所述相关数据包括例行试验数据、在线监测数据以及人工巡检数据;步骤S2:利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案。本发明还提供一种变压器状态检修的决策***,通过本发明的技术,能够科学的分解了多个变压器检修决策这一复杂问题,可以综合多种影响因素作为决策指标,较好地进行定量计算,合理地处理了决策因素的不确定性和模糊性,给出的变压器状态检修决策科学合理,满足了变压器检修决策的实际需要,有助于变压器状态检修工作的开展。
Description
技术领域
本发明涉及一种变压器状态检修的决策方法及***,属于电力工程领域。
背景技术
国内外专家学者和工程技术人员对电气设备的状态检修决策技术进行了深入的研究和工程实践,取得了相应成果,常见的决策方法有以下几种。
(1)多阶段决策和马尔可夫决策:
这些决策按先后次序分为几个阶段,多阶段决策问题多采用动态规划方法。事先不能确定其决策的级数,而要根据执行决策过程中所出现的状况,这种决策问题称为序贯决策。
(2)多目标决策:
采用的方法有:1)选择一个主要目标进行优化,将其余目标变为约束条件;2)目标分等法;3)纯量化方法;4)排序法等方法进行处理,最终得出最优的决策结果。
(3)灰色决策:
灰色决策是在统一的测度空间,将事件与策略的关系,按目标进行量化,或灰关联化,以得到对待该事件的最优决策。
虽然上述研究和实践促进了决策方法的发展,但是上述技术在电力变压器状态检修决策方法方面还存在如下问题:
目前已有的检修决策模型只是针对单台设备,并没有针对多台设备的检修决策、建模和优化方法。实际应用多为多设备***,设备之间存在直接联系、随机影响以及物理结构。已有的检修决策模型多数只考虑一种决策目标,如费用率、可靠性,忽略了***或设备等因素的影响,导致多变压器检修决策缺乏科学性,而在很多情况下,这些因素对决策的影响是非常重要的。
发明内容
本发明的目的在于提供一种变压器状态检修的决策方法及***,充分考虑检修决策的多目标优化问题,利用三角模糊数的层次分析法,解决了多变压器检修决策缺乏科学性的问题。
一种变压器状态检修的决策方法,包括如下步骤:
步骤S1:读取各个变压器的相关数据,其中,所述相关数据包括例行试验数据、在线监测数据以及人工巡检数据;
步骤S2:利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案。
一种变压器状态检修的决策***,包括:
数据读取单元,用于读取各个变压器的相关数据,其中,所述相关数据包括例行试验数据、在线监测数据以及人工巡检数据;
模糊层次分析单元,用于利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案。
与现有技术相比,本发明的技术通过模糊层次分析法建立的模型,能够科学的分解了多个变压器检修决策这一复杂问题,可以综合多种影响因素作为决策指标,较好地进行定量计算,合理地处理了决策因素的不确定性和模糊性,给出的变压器状态检修决策科学合理,满足了变压器检修决策的实际需要,有助于变压器状态检修工作的开展。
附图说明
图1是本发明的变压器状态检修的决策方法的流程图;
图2是获取最优的变压器检修决策方案的一个实施例的流程图;
图3是获取最优的变压器检修决策方案的过程的一个实施例的流程图;
图4是本发明的变压器状态检修的决策***的结构示意图;
图5是本发明的变压器状态检修的决策***的一个实施例的结构示意图。
具体实施方式
下面结合附图和实施例对本发明的变压器状态检修的决策方法作详细描述,如图1所示,包括如下步骤:
步骤S1:读取各个变压器的相关数据,其中,所述相关数据包括例行试验数据、在线监测数据以及人工巡检数据;
步骤S2:利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案。
本发明可以解决现有方法存在的问题,提供一种利用三角模糊数的层次分析法建立电力变压器检修决策模型,较为科学的分解了电力变压器检修决策这一复杂问题。
为了更加清晰本发明的变压器状态检修的决策方法,下面结合较佳实施例作更详细的阐述。
首先分别读取变压器的例行试验数据、在线监测数据、变压器人工巡检数据,然后分别将各个变压器的相关数据转化为变压器最优检修排序方案的影响因素的定量数据和/或定性数据,其中,定性数据是对于难以量化的数据使用自然语言进行描述,定量数据是通过统计、计算得来。
对于变压器最优检修排序方案的影响因素,主要包括调用状态评价因素、故障部位与检修类别因素、预测评估因素、历史因素、风险评价因素、经济因素、机会检修因素以及检修条件限制因素等8种因素。
然后利用三角模糊数的层次分析法,对上述定量数据和/或定性数据进行模糊层次分析,将传统的点值判断改进为区间判断,进行变压器检修决策分析,获取最优的变压器检修决策方案,参加图2所示,具体包括如下过程:
(a)确定模糊层次分析的层次结构;其中,将变压器状态检修的最优决策方案设置为最终目标层,将所述最优检修排序方案的影响因素设置为中间因素层,将针对所述最优检修排序方案的所有解决方案设置为方案层。
(b)读取三角模糊数的形式输入的打分,将打分的结果进行两两比较构造因素模糊判断矩阵和方案模糊判断矩阵;
具体地,结合专家的经验,由专家通过三角模糊数的形式进行打分,将打分的结果进行两两比较构造因素模糊判断矩阵和方案模糊判断矩阵;
其中,因素模糊判断矩阵可以表示为:
C=(cij)n×n
方案模糊判断矩阵可以表示为:
P=(pij)n×n
(c)对上述因素模糊判断矩阵和方案模糊判断矩阵进行单因素下的模糊判断矩阵一致性检验并求取对应矩阵的局部权重向量,具体地:
因素判断矩阵的权重通过以下公式进行求取:
结合公式(1)和公式(2),则公式(3)可以表示为:
通过上述公式(4)可以求得局部因素权重向量为:
S=[S1,S2,...,Sn]
方案判断矩阵的权重可以通过以下公式进行求取:
结合公式(1)和公式(2),则公式(5)可以表示为:
通过上述公式(6)可以得到局部方案权重矩阵F=[Fkq]n×Q,则局部权重向量J求解公式表示为:
J=S×F 公式(7)
其中,Sk为局部因素权重,Fkq为第q个方案针对第k个因素打分得到的方案局部权重值,q=1,2,...,Q。
(d)根据上述局部权重向量求出各个解决方案对最终目标的综合权重向量,再根据综合权重向量获取最优的变压器检修决策方案;
对于上述根据综合权重向量获取最优的变压器检修决策方案的过程,具体地,如图3所示,包括以下步骤:
(d-1)利用改进的可能度比较方法,求取综合权重向量的三角模糊数两两比较得到的平均优势度;
假设求得综合权重向量N=[N1,N2,...,NQ],则计算Ni≥Nj的可能度为:
V(Ni≥Nj),其中i,j,q∈Q且/≠i 公式(8)
然后依据V(Zi≥Zj)建立代表所有解决方案相互比较可能度信息矩阵,即模糊互补矩阵模糊互补矩阵
(d-2)对上述模糊互补矩阵依据其对应的解决方案的相对优势强弱进行排序,优选地,采用最小方差法对模糊互补矩阵进行排序。
(d-3)选取排序值最大的模糊互补矩阵所对应的解决方案设为的变压器检修决策方案,具体地,排序值越大,对应的解决方案的相对优势就越强,其中最大排序值所对应的解决方案即为最优方案。
为了进一步清晰本发明的变压器状态检修的决策方法,下面列举一个应用实施例。
假设需要对4个变压器进行检修决策,读取变压器的例行试验数据、在线监测数据、变压器人工巡检数据进行分析处理后,转化为变压器最优检修排序方案的影响因素的定量数据和定性数据,具体如附表1所示,附表1是4个变压器最优检修排序方案的影响因素表;
附表1
所要决策的最终目标是多个变压器状态检修决策排序最优的解决方案,方案层分别为:变压器①先修,变压器②先修,变压器③先修,变压器④先修。
通过公式(1)至公式(8),计算得到综合权重向量N=[N1,N2,N3,N4],其中:
N1=(0.0995,0.2521,0.6520)
N2=(0.0864,0.2110,0.5455)
N3=(0.0927,0.2126,0.5259)
N4=(0.1384,0.3243,0.8002)
根据三角模糊数之间比较的方法对上述三角模糊数进行比较,得到一个最为合理的排序。
则对N1、N2、N3、N4两两比较的可能度为:
V(N1≥N2)=1;
V(N1≥N3)=1;
V(N1≥N4)=0.8354;
V(N2≥N1)=0.9296;
V(N2≥N3)=0.9820;
V(N2≥N4)=0.7568;
V(N3≥N1)=0.9461;
V(N3≥N2)=1;
V(N3≥N4)=0.7698;
V(N4≥N1)=1;
V(N4≥N2)=1;
V(N4≥N3)=1;
根据上述可能度可得优势度矩阵:
由上述优势度矩阵可计算得到平均优势度:r11=0.5;r12=0.5352;r13=0.5269;r14=0.4177;r21=0.4648;r22=0.5;r23=0.4910;r24=0.3784;r31=0.4731;r32=0.5090;r34=0.3849;r41=0.5823;r42=0.6216;r43=0.6151;r44=0.5;其中,rij就表示方案i和方案j的两个模糊数比较的平均优势度。
模糊互补判断矩阵的元素就是代表所有方案排序值之间相互比较的可能度信息,通过平均优势度的计算可以将模糊数判断矩阵的排序问题转化为模糊互补判断矩阵(即平均优势度矩阵),设模糊互补判断矩阵为R,则:
由于平均优势度矩阵的排序向量与综合权重是一一对应的,所以通过矩阵R的排序向量就可以确定相应解决方案的排序,具体地,采用最小方差法对模糊互补判断矩阵进行排序,计算过程可以表示如下:
对矩阵R进行求解就可以得到矩阵R的排序向量,即得到相应的解决方案排序,代入公式(9)解得w=(0.2450,0.2085,0.2167,0.3297)
根据上述计算结果可知w4>w1>w3>w2,按照这个顺序,
方案“变压器④先修”的平均优势度的排序值最大,方案“变压器①先修”的平均优势度的排序值次之,然后是方案“变压器③先修”,方案“变压器②先修”的平均优势度的排序值最小。
所以最终的综合决策方案的检修顺序为最先修变压器④,再修变压器①,接着修变压器③,最后修变压器②。
上述应用实施例中,是假设了4个变压器状态检修最优决策顺序,在影响因素不变的情况下,因素比较判断矩阵及其权重向量是固定的,即得到1×8的因素权重矩阵。如果是n个变压器进行最优检修决策进行排序时,此时方案层有n个方案,只需要给出各个因素对n个方案的比较判断矩阵,求出权重向量,得到8×n个解决方案的权重矩阵。最后因素权重矩阵与方案权重矩阵相乘就可以得到综合权重向量1×n的矩阵,也就是每个方案相对总目标的权重,按照权重大小即得出最优检修决策排序。
通过上述实施例可以看出,本发明的变压器状态检修的决策方法比传统的人工判断方法能够更科学地给出多台变压器检修决策的最优排序。
下面结合附图和实施例对本发明的变压器状态检修的决策***作详细描述,如图4所示,包括:数据读取单元和模糊层次分析单元,其工作原理是:
数据读取单元,用于读取各个变压器的相关数据,其中,所述相关数据包括例行试验数据、在线监测数据以及人工巡检数据;
模糊层次分析单元,用于利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案。
下面阐述本发明的变压器状态检修的决策***的一个较佳实施例。
所述数据读取单元进一步包括:变压器定期试验分析子***、变压器在线监测数据分析子***以及变压器人工巡检数据子***,其工作原理是:
变压器定期试验分析子***,用于将变压器的例行试验数据进行转化处理后存入数据库,提供数据库接口并通过局域网的连接到模糊层次分析单元;
变压器在线监测数据分析子***,用于将变压器在线监测数据进行转化处理后存入数据库,提供数据库接口并通过局域网的连接到模糊层次分析单元;
变压器人工巡检数据子***,用于将变压器人工巡检数据进行转化处理后存入数据库,提供数据库接口并通过局域网的连接到模糊层次分析单元;
其中,所述转化处理是将数据转化为变压器最优检修排序方案的影响因素的定量数据和/或定性数据。
所述模糊层次分析单元进一步包括:层次设置模块、矩阵构造模块、局部权重向量计算模块以及最优方案求解模块,其工作原理是:
层次设置模块,用于确定模糊层次分析的层次结构;其中,将变压器状态检修的最优决策方案设置为最终目标层,将所述最优检修排序方案的影响因素设置为中间因素层,将针对所述最优检修排序方案的所有解决方案设置为方案层;
矩阵构造模块,用于读取三角模糊数的形式输入的打分,将打分的结果进行两两比较构造因素模糊判断矩阵和方案模糊判断矩阵;
局部权重向量计算模块,用于对所述因素模糊判断矩阵和方案模糊判断矩阵进行单因素下的模糊判断矩阵一致性检验并求取对应矩阵的局部权重向量;
最优方案求解模块,用于根据所述局部权重向量求出所述各个解决方案对最终目标的综合权重向量,再根据综合权重向量获取最优的变压器检修决策方案。
所述最优方案求解模块进一步包括:模糊互补矩阵计算模块、排序模块以及选择模块,其工作原理是:
模糊互补矩阵计算模块,用于利用改进的可能度比较方法,求取综合权重向量的三角模糊数两两比较得到的平均优势度,并依据其建立代表所有解决方案相互比较的模糊互补矩阵;
排序模块,用于对所述模糊互补矩阵依据其对应的解决方案的相对优势强弱进行排序;
选择模块,用于选取最大的排序值所对应的解决方案设为的变压器检修决策方案。
为了更加清晰本发明的变压器状态检修的决策***,下面结合一个应用实例作更详细的阐述。
参见图5,本发明的变压器状态检修的决策***包括:变压器定期试验分析子***01,变压器在线监测数据分析子***02,变压器人工巡检数据子***03以及服务器04;其中,变压器定期试验分析子***01,变压器在线监测数据分析子***02,变压器人工巡检数据子***03通过计算机局域网连接到服务器04,服务器04可以通过上述接口从上述子***中读取变压器的监测数据和分析结果。
所述的服务器04中安装有基于模糊层次分析的变压器状态检修决策***软件,该软件实现了利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案的功能。
另外,服务器04还连接打印机05,用于将最优的变压器检修决策方案进行打印。
作为一个应用实例,所述变压器定期试验分析子***01、变压器在线监测数据分析子***02以及变压器人工巡检数据子***03均采用联想ThinkStation E30工作站;所述服务器04采用IBM System x3650 M3(794),打印机05为惠普HP laserjet 1020。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (10)
1.一种变压器状态检修的决策方法,其特征在于,包括如下步骤:
步骤S1:读取各个变压器的相关数据,其中,所述相关数据包括例行试验数据、在线监测数据以及人工巡检数据;
步骤S2:利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案。
2.根据权利要求1所述的变压器状态检修的决策方法,其特征在于,所述步骤S1还包括:
将所述各个变压器的相关数据转化为变压器最优检修排序方案的影响因素的定量数据和/或定性数据。
3.根据权利要求2所述的变压器状态检修的决策方法,其特征在于,所述变压器最优检修排序方案的影响因素包括:
调用状态评价因素、故障部位与检修类别因素、预测评估因素、历史因素、风险评价因素、经济因素、机会检修因素以及检修条件限制因素。
4.根据权利要求2或3所述的变压器状态检修的决策方法,其特征在于,所述步骤S2:利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案具体包括:
确定模糊层次分析的层次结构;其中,将变压器状态检修的最优决策方案设置为最终目标层,将所述最优检修排序方案的影响因素设置为中间因素层,将针对所述最优检修排序方案的所有解决方案设置为方案层;
读取三角模糊数的形式输入的打分,将打分的结果进行两两比较构造因素模糊判断矩阵和方案模糊判断矩阵;
对所述因素模糊判断矩阵和方案模糊判断矩阵进行单因素下的模糊判断矩阵一致性检验并求取对应矩阵的局部权重向量;
根据所述局部权重向量求出所述各个解决方案对最终目标的综合权重向量,再根据综合权重向量获取最优的变压器检修决策方案。
5.根据权利要求4所述的变压器状态检修的决策方法,其特征在于,所述根据综合权重获取最优的变压器检修决策方案包括:
利用改进的可能度比较方法,求取综合权重向量的三角模糊数两两比较得到的平均优势度,并依据其建立代表所有解决方案相互比较的模糊互补矩阵;
对所述模糊互补矩阵依据其对应的解决方案的相对优势强弱进行排序;
选取最大的排序值所对应的解决方案设为的变压器检修决策方案。
6.根据权利要求4所述的变压器状态检修的决策方法,其特征在于,所述对模糊互补矩阵进行排序过程包括:采用最小方差法对模糊互补矩阵进行排序。
7.一种变压器状态检修的决策***,其特征在于,包括:
数据读取单元,用于读取各个变压器的相关数据,其中,所述相关数据包括例行试验数据、在线监测数据以及人工巡检数据;
模糊层次分析单元,用于利用三角模糊数的层次分析法,对所述相关数据进行模糊层次分析获取最优的变压器检修决策方案。
8.根据权利要求7所述的变压器状态检修的决策***,其特征在于,所述数据读取单元包括:
变压器定期试验分析子***,用于将变压器的例行试验数据进行转化处理后存入数据库,提供数据库接口并通过局域网的连接到模糊层次分析单元;
变压器在线监测数据分析子***,用于将变压器在线监测数据进行转化处理后存入数据库,提供数据库接口并通过局域网的连接到模糊层次分析单元;
变压器人工巡检数据子***,用于将变压器人工巡检数据进行转化处理后存入数据库,提供数据库接口并通过局域网的连接到模糊层次分析单元;
其中,所述转化处理是将数据转化为变压器最优检修排序方案的影响因素的定量数据和/或定性数据。
9.根据权利要求7或8所述的变压器状态检修的决策***,其特征在于,所述模糊层次分析单元包括:
层次设置模块,用于确定模糊层次分析的层次结构;其中,将变压器状态检修的最优决策方案设置为最终目标层,将所述最优检修排序方案的影响因素设置为中间因素层,将针对所述最优检修排序方案的所有解决方案设置为方案层;
矩阵构造模块,用于读取三角模糊数的形式输入的打分,将打分的结果进行两两比较构造因素模糊判断矩阵和方案模糊判断矩阵;
局部权重向量计算模块,用于对所述因素模糊判断矩阵和方案模糊判断矩阵进行单因素下的模糊判断矩阵一致性检验并求取对应矩阵的局部权重向量;
最优方案求解模块,用于根据所述局部权重向量求出所述各个解决方案对最终目标的综合权重向量,再根据综合权重向量获取最优的变压器检修决策方案。
10.根据权利要求9所述的变压器状态检修的决策***,其特征在于,所述最优方案求解模块包括:
模糊互补矩阵计算模块,用于利用改进的可能度比较方法,求取综合权重向量的三角模糊数两两比较得到的平均优势度,并依据其建立代表所有解决方案相互比较的模糊互补矩阵;
排序模块,用于对所述模糊互补矩阵依据其对应的解决方案的相对优势强弱进行排序;
选择模块,用于选取最大的排序值所对应的解决方案设为的变压器检修决策方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110460553.1A CN102522709B (zh) | 2011-12-31 | 2011-12-31 | 变压器状态检修的决策方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110460553.1A CN102522709B (zh) | 2011-12-31 | 2011-12-31 | 变压器状态检修的决策方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102522709A true CN102522709A (zh) | 2012-06-27 |
CN102522709B CN102522709B (zh) | 2015-01-07 |
Family
ID=46293533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110460553.1A Active CN102522709B (zh) | 2011-12-31 | 2011-12-31 | 变压器状态检修的决策方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102522709B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235991A (zh) * | 2013-04-18 | 2013-08-07 | 国家电网公司 | 基于模糊理论的配网变压器状态评估方法 |
CN103530817A (zh) * | 2013-10-10 | 2014-01-22 | 国家电网公司 | 一种分布式光伏并网适应性评估方法 |
CN103679547A (zh) * | 2013-11-29 | 2014-03-26 | 国家电网公司 | 一种针对继电保护消缺步骤的优化方法 |
CN104102215A (zh) * | 2014-02-19 | 2014-10-15 | 盐城华盛变压器制造有限公司 | 变压器及其周边电路故障控制*** |
CN104102214A (zh) * | 2014-02-19 | 2014-10-15 | 盐城华盛变压器制造有限公司 | 变压器及其周边电路故障控制方法 |
CN104914327A (zh) * | 2015-05-06 | 2015-09-16 | 北京航空航天大学 | 基于实时监测信息的变压器故障检修预测方法 |
CN105447658A (zh) * | 2016-01-06 | 2016-03-30 | 长沙理工大学 | 一种含风电随机模糊注入电力***波动的电压崩溃点求取方法 |
CN105868830A (zh) * | 2016-03-23 | 2016-08-17 | 中国电力科学研究院 | 一种多台变压器检修顺序的确定方法 |
CN108053901A (zh) * | 2017-12-29 | 2018-05-18 | 广东核电合营有限公司 | 核电厂定期试验与定期切换相冲突的解决方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑*** |
US20080130558A1 (en) * | 2004-12-07 | 2008-06-05 | Jong-Chan Lee | Acess Network Selection Method Using Multi-Criteria Decision Making In Mobile Heterogeneous Network |
-
2011
- 2011-12-31 CN CN201110460553.1A patent/CN102522709B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080130558A1 (en) * | 2004-12-07 | 2008-06-05 | Jong-Chan Lee | Acess Network Selection Method Using Multi-Criteria Decision Making In Mobile Heterogeneous Network |
CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑*** |
Non-Patent Citations (3)
Title |
---|
吕俊: "电力设备故障诊断与检修决策支持***的研究", 《中国优秀硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, 15 April 2007 (2007-04-15), pages 042 - 241 * |
徐泽水: "模糊互补判断矩阵排序的最小方差法", 《***工程理论与实践》, 31 October 2001 (2001-10-31), pages 93 - 96 * |
苏哲斌: "基于优势度分析的三角模糊数判断矩阵的排序方法", 《数学的实践与认识》, vol. 40, no. 9, 31 May 2010 (2010-05-31) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235991A (zh) * | 2013-04-18 | 2013-08-07 | 国家电网公司 | 基于模糊理论的配网变压器状态评估方法 |
CN103530817A (zh) * | 2013-10-10 | 2014-01-22 | 国家电网公司 | 一种分布式光伏并网适应性评估方法 |
CN103679547A (zh) * | 2013-11-29 | 2014-03-26 | 国家电网公司 | 一种针对继电保护消缺步骤的优化方法 |
CN104102215A (zh) * | 2014-02-19 | 2014-10-15 | 盐城华盛变压器制造有限公司 | 变压器及其周边电路故障控制*** |
CN104102214A (zh) * | 2014-02-19 | 2014-10-15 | 盐城华盛变压器制造有限公司 | 变压器及其周边电路故障控制方法 |
CN104914327A (zh) * | 2015-05-06 | 2015-09-16 | 北京航空航天大学 | 基于实时监测信息的变压器故障检修预测方法 |
CN105447658A (zh) * | 2016-01-06 | 2016-03-30 | 长沙理工大学 | 一种含风电随机模糊注入电力***波动的电压崩溃点求取方法 |
CN105868830A (zh) * | 2016-03-23 | 2016-08-17 | 中国电力科学研究院 | 一种多台变压器检修顺序的确定方法 |
CN105868830B (zh) * | 2016-03-23 | 2020-12-22 | 国家电网公司 | 一种多台变压器检修顺序的确定方法 |
CN108053901A (zh) * | 2017-12-29 | 2018-05-18 | 广东核电合营有限公司 | 核电厂定期试验与定期切换相冲突的解决方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102522709B (zh) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102522709B (zh) | 变压器状态检修的决策方法及*** | |
CN109376924A (zh) | 一种物资需求预测的方法、装置、设备及可读存储介质 | |
CN106384210A (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
CN107067341B (zh) | 一种基于多级熵权的rbfnn配电自动化***状态操作评价方法 | |
CN106803799B (zh) | 一种性能测试方法和装置 | |
KR20030011921A (ko) | 회전 장비 진단 시스템 및 적합한 제어기 | |
WO2014157748A1 (ko) | 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측 장치 및 방법 | |
CN105303331A (zh) | 一种变压器维修风险决策方法 | |
CN108241900A (zh) | 工程项目建设周期预测方法、装置和*** | |
CN110991739A (zh) | 一种行业电量需求预测模型的构建方法及预测方法 | |
CN112632765B (zh) | 一种加权和法与sem法结合的作战能力评估方法 | |
CN112712256A (zh) | 一种低压配网设备检修顺序评估方法 | |
Shubinsky et al. | Application of machine learning methods for predicting hazardous failures of railway track assets | |
CN114757392A (zh) | 基于博弈权重法的电网***综合评价指标体系优化方法 | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN116452154B (zh) | 一种适用于通信运营商的项目管理*** | |
CN112070307B (zh) | 一种区域内能源负荷量的预测方法及装置 | |
CN113505980A (zh) | 智能交通管理***可靠性评价方法、装置及*** | |
CN108761263A (zh) | 一种基于证据理论的故障诊断*** | |
CN116644929A (zh) | 一种基于物联感知的配电网设备运维工单智能管理方法 | |
CN115860263A (zh) | 电网基建规划项目工期预测方法及预测*** | |
CN110555604A (zh) | 实验室综合评估*** | |
CN113449966B (zh) | 一种石膏板设备巡检方法及*** | |
CN110766248A (zh) | 基于shel和区间直觉模糊评价的车间人因可靠性评估方法 | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |