CN105160601A - 一种准确的调控质量分析方法 - Google Patents

Abstract

本发明提出了一种准确的调控质量分析方法，包括以下步骤：S1，建立电网调控***数据库。S2，建立实时告警监视分析指标，计算信号响应分数S_a，S3，监视并获取各个变电站的巡视数据，计算出监视变电站巡视情况的评价分数S_b。S4，建立质量指标树，该质量指标树包括树结点R、中间结点m_i和叶子结点l_j，并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中；并以质量指标树为框架对各项指标进行分析，进而得到指标的等级模糊向量V_q,j，即调控员的调控质量指标,根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。该方法快速有效，提高了调控员对变电站的调控质量和对电网调控的可靠性。

Description

一种准确的调控质量分析方法

技术领域

本发明涉及电力调度与控制领域，具体涉及一种准确的调控质量分析方法。

背景技术

随着国家电网的迅猛发展，以及“大规划、大建设、大运行、大检修、大营销体系”的建设，调控员在电网调控中的作用和地位越来越重要，调控员承担的责任和质量风险也相应地越来越高。调控员承担了辖区电网设备的实时监控工作，主要工作有：调控员要根据变电站主动发出的信号作出响应和对变电站一次接线图、设备间隔图进行巡视。调控员的日常工作的质量和效率直接影响到调控工作质量的好坏。但是，由于调控员普遍来源于原来调度中心的调度班，其在相当长的一段时间内仍然受到传统的惯性主观意识所影响，习惯于电网信息的被动告知观念，习惯于被动接受指令，从而使得其在日常的监控工作中存在一定的工作惰性，形成隐患。在倡导以人为本的电力调控技术发展过程中，仅仅依靠制度和考核手段来来提高调控员的监控工作质量明显不能取得良好效果，需要提高调控员的调控质量，进一步提高电网的可靠运行和调控质量。但目前，对于调控员的调控质量分析这方面的问题却迟迟没有得到解决。

发明内容

为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种能快速有效且准确得到变电站调控员的调控质量的分析方法。

为了实现本发明的上述目的，本发明提供了一种准确的调控质量分析方法，包括以下步骤：

S1，建立电网调控***数据库，其中包括以下信息：调控值班表、调控员信息和变电站信息；

S2，建立实时告警监视分析指标，划分出不同实时信号的信号等级和信号响应权重W_信号响应，计算调控员对实时信号的响应时间T_响应时间和信号响应分数S_a；

S3，监视并获取各个变电站的巡视数据，其中包括：变电站中每个图的巡视时间t_巡视时间、变电站中每个图的巡视权重W_巡视、变电站中每个图纸的最小浏览时长t_{最小浏览时间}和最大浏览时长t_{最大浏览时间}，其中，W_信号响应+W_巡视＝1，计算得到每个图纸巡视分值P_i，并根据得到图纸巡视分值P_i计算出监视变电站巡视情况的巡视分数S，即调控员对日常信号巡视工作情况的响应指标；

S4，利用步骤S2和步骤S3获得的结果建立质量指标树，该质量指标树包括树结点R、中间结点m_i和叶子结点l_j，并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中；并以质量指标树为框架对各项指标进行分析，进而得到指标的等级模糊向量V_q,j，即调控员的调控质量指标,其中q表示质量指标树的层数，根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。

其中，质量指标树的层数q在构建树之后就可以直接取到的。并且，在建立质量指标树时，每个变电站下面是该变电站的巡视数据，同时，如果该变电站有实时信号，则该实时信号的监视分析指标数据也挂到该变电站。如果该变电站没有实时信号，则该变电站结点下面就只有巡视数据的结点，没有实时信号的监视分析数据的结点。

通过对变电站的实时告警模块的实时告警监视分析指标的建立和监视并获取到的各个变电站的巡视数据建立得到质量指标树，通过对等级模糊向量V_q,j的计算，最终得调控员的调控质量指标,然后根据调控员的调控质量指标来得到电网调控的可靠性和最佳调控方案。该分析方法快速有效，能准确得到电网调控的可靠性和最佳调控方案，提高了调控员对变电站的调控质量和对电网调控的可靠性。

进一步的，步骤S2包括以下步骤：

S2-1，对不同的实时信号进行响应权重划分，响应权重划分遵循以下规则：W_事故信号+W_异常信号+W_越限信号+W_变位信号+W_告知信号＝W_信号响应，其中，W_事故信号为事故信号响应权重，W_异常信号为异常信号响应权重，W_越限信号为越限信号响应权得，W_变位信号为变位信号响应权重，W_告知信号为告知信号响应权重，在W_信号响应中响应权重占比越高的实时信号，其等级越高；

S2-2，根据调控员对实时信号的响应进行记录，区分其对于不同等级信号的响应情况，其中响应时间计算公式为：T_响应时间＝T_{信息确认时间}-T_{信息发生时间}，其中，T_{信息确认时间}和T_{信息发生时间}均从行为监控服务器中得到；

S2-3，设定告知信号的定时触发机制如下：

当Count_告知信号达到查询阈值时，如果在此期间调控员都未查询变电站告知信号，则该次告知信号评价为0，否则为1，查询阈值为预先设定值。

S2-4，通过所得的T_响应时间计算信号响应分数S_a，计算公式为：如果T_响应时间超过设定的响应时间阈值，则信号响应分数S_a为0，其中，T_{预设响应 时间}为预先设定值。

为确保信号处理的优先级，默认权重中告知信号的权重为0。在实际运行中，调控班组可以在获得授权的情况下调整相关权重。

由于告知信号是反映电网设备运行情况、状态监测的一般信号，以及设备正常操作时的伴生信号。该类信号从调控处理的优先级来看最低，但在日常调控监控中，当在一定时间段事故信号、异常信号、越限信号、变位信号出现时，调控员应查询告知信号，而告知信号的定时触发机制的设定正好解决了对告知信号的查询问题，使得调控员能方便快速地掌握当前设备的状态，增加提前发现异常、减少事故的可能性。越限信号可以通过遥测方式或其它方式得到。

信号响应分数S_a是***中预设的信号响应时间值跟实际信号响应情况的比值。比如，对于异常信号，响应时间在***中设置为60秒，而实际调控员在50秒内进行了响应，则分数为1.2，如果实际是在70秒内响应，则分值为60/70，如果实际响应时间超过阈值，则分值为0。

进一步的，步骤S3中还包括根据调控员的工作优先级别建立回避机制，区分出不计入统计的巡视时间和信号响应时间。

进一步的，步骤S3包括以下步骤：

S3-1，从行为监控服务器中得到t_{图切换时间}和t_{图开启时间},计算变电站中每个图纸巡视时间，计算公式为t_巡视时间＝t_{图切换时间}-t_{图开启时间}；

S3-2，设定变电站中每个图纸巡视的权重，设定数值满足ΣW_h＝W_巡视,其中，W_h是该变电站第h个图纸的巡视权重；

S3-3，设定变电站中每个图纸的最小浏览时长t_{最小浏览时间}和最大浏览时长t_{最大浏览时间}，从行为监控服务器中得到每个图纸的实际浏览时长，如果该图的实际浏览时长小于最小浏览时长t_{最小浏览时间}，则此次该图浏览无效；如果该图的实际浏览时长大于最大浏览时长t_{最大浏览时间}，且期间该调控员管辖范围未出现事故、异常、越限信号，则此次该图浏览无效；

S3-4，建立回避机制：根据调控员的工作优先级别，在调控员进行变电站巡视工作中，如果遥控操作或突然发生事故信号、异常信号、越限信号或变位信号，则该次图纸的巡视时间不纳入统计中；同时在实时告警模块监视过程中如果遇遥控、遥调操作，其越限信号和变位信号的响应时间不纳入统计中；

S3-5，计算第h个图纸巡视分值，计算公式为：

S3-6，计算监视变电站巡视情况的巡视分数S_b＝ΣW_h*P_h，即得到调控员对日常信号巡视工作情况的响应指标。

通过对变电站中每个图的巡视时间t_巡视时间、变电站中每个图的巡视的权重、变电站中每个图纸的最小浏览时长t_{最小浏览时间}和最大浏览时长t_{最大浏览时间}的计算和获取，最终得到监视变电站巡视情况的巡视分数S_b，增加了本方法的准确性。

进一步的，步骤S4具体为：

S4-1，利用步骤S2和步骤S3获得的结果建立质量指标树，并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中，划分质量指标树的树结点、中间结点和叶子结点，其中，

树结点用符号R＝{n_r,v,θ}表示，其中n_r代表该树结点的名称，v是该树结点属于等级k_j的等级模糊向量，j＝1,2,…,M,等级k_j为预先设定值，θ为判定阈值，用于判定该结点的子结点指标参数类型间差异；

中间结点表示构成调控质量特征的子因素，用符号m_i＝{n_m,p_m,w_i，θ}表示，其中n_m为当前结点名称，p_m为当前中间结点的父结点名称，w_i为当前中间结点权重，其中w_i为信号响应权重或巡视权重，具有相同父结点的所有中间结点的权重之和等于其父结点的权重，θ为判定阈值，用于判定该结点的中间结点指标类型参数间的差异；

叶子结点表示构成调控质量特征的最基本的叶子因素，用符号表示，其中n_l为当前叶子结点名称，p_l为当前叶子结点的父结点名称，w_j为当前结点权重，其中w_j为信号响应权重或巡视权重，具有相同父结点的所有子结点的权重之和等于其父结点的权重，为特征函数，描述叶子结点特征，其中，其中代表调控中心所有调控员在第j个叶子结点指标上所获得评价分数的平均值，评价分数为信号响应分数S_a或变电站巡视情况的巡视分数S_b，是第k个等级的隶属函数，其具体为： $f_k\left(\stackrel{\&OverBar;}{x}\right)=\left\{\begin{array}{c}0,\stackrel{\&OverBar;}{x}\&le;b_{k1}\\ \frac{\stackrel{\&OverBar;}{x}-b_{k1}}{b_{k2-}{b}_{k1}},b_{k1\&le;}\stackrel{\&OverBar;}{x}<b_{k2}\\ 1,b_{k2\&le;}\stackrel{\&OverBar;}{x}<b_{k3}\\ \frac{b_{k4}-\stackrel{\&OverBar;}{x}}{b_{k4}-b_{k3}},b_{k3\&le;}\stackrel{\&OverBar;}{x}<b_{k4}\\ 0,\stackrel{\&OverBar;}{x}\&GreaterEqual;b_{k4}\end{array}\right.;$ b_kj是对满分区间[0,L]进行平均划分以确定各个隶属度的参数，即：

$b_{kj}=\frac{1}{3M-(M-1)-2}*\left(\right(j-2)+2(M-k\left)\right),j=1,2,3,4;k=1,2,\mathrm{...}M;$

S4-2，确定对叶子结点的综合评判的基本要素：叶子结点集合E＝{e₁,e₂,…,e_n}；评价等级集合K＝{k₁,k₂,…,k_M}；叶子结点模糊判定矩阵X＝(x_ij)_n×M；叶子结点权重分配W＝{w₁,w₂,…,w_n}，n是叶子结点的数量，m是评价等级的维度；

其中，叶子结点集合E包含的是构成父结点指标的所有叶子结点指标；评价等级集合K描述的是调控中心对于叶子结点指标作出的等级划分，共m级；叶子结点模糊判定矩阵X表示调控中心对调控员在各个叶子结点指标上获得的评价的可能性，即各个叶子结点对各个等级的隶属度，且Σx_ij＝1；叶子结点权重分配W表示各个叶子结点在评价中的相对重要性；

S4-3，根据模糊变换原理，计算叶子结点的模糊向量V_q,j，即调控员的调控质量指标，其中，

叶子结点的模糊向量V_q,j＝(v_q,1,v_q,2,…,v_q,M)＝(W_q,1,W_q,2,…,W_q,n)°X(1)，Σv_q,j＝1，W_q,n表示第q层第n个叶子结点的权重，符号“°”表示模糊变换运算，其变换公式为其中j＝1，2，…，M，∨和∧是Zadeh算子，∨代表Max运算，∧代表Min运算；

当q＝1时，根据式(1)计算得到的叶结点的模糊向量V_q,j，根据最佳隶属原则，V_q,j中最大的元素所在位置就是对应指标质量的评价等级，即调控员的调控质量指标；

当q≠1时，把第q层上的具有相同父结点的叶子指标结点划并为一组，划分组的数量记为g，考察同一组结点差异性，去掉差异不超过判定阈值θ的结点，然后使用该组的叶子结点指标等级模糊向量V_q,j作为行构造叶子结点模糊评价矩阵，对同一组叶子结点，根据式(1)进行模糊变换运算，得到第q-1层的各个指标的模糊综合判定结果V_q-1,j，并对V_q-1,j作归一化处理得到V_q-1,j，把第q-1层上的所有结点都视为新的指标树的叶子结点，然后令q＝q-1，重新执行该步骤，直到当q＝1时，根据式(1)计算得到的叶结点的模糊向量V_q,j，根据最佳隶属原则，V_q,j中最大的元素所在位置就是对应指标质量的评价等级，即调控员的调控质量指标；

S4-4，根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。

其中，θ值为预先设定值，L表示满分，比如百分制100是满分，十分制10是满分。

该方法对质量指标树进行建立，并且对质量指标中各个指标进行分析，通过模糊变换原理，给出了多层指标数的模糊向量V_q,j的计算方法，从而使得最终得调控员的调控质量指标更加准确,从而使得电网调控的可靠性更高，最佳调控方案更准确。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是变电站***服务器架构图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示的变电站***服务器架构图，行为监控服务器向调控员评价***数据库提供调控员在工作中的各项指标。基于此，本发明提供了一种准确的调控质量分析方法，包括四个步骤：

第一步，建立电网调控***数据库，其中包括以下信息：调控值班表、调控员信息和变电站信息。

第二步，建立实时告警监视分析指标，划分出不同实时信号的信号等级和信号响应权重W_信号响应，计算调控员对实时信号的响应时间T_响应时间和信号响应分数S_a。

该步骤具体分为：

首先，对不同的实时信号进行响应权重划分，响应权重划分遵循以下规则：W_事故信号+W_异常信号+W_越限信号+W_变位信号+W_告知信号＝W_信号响应，其中，W_事故信号为事故信号响应权重，W_异常信号为异常信号响应权重，W_越限信号为越限信号响应权得，W_变位信号为变位信号响应权重，W_告知信号为告知信号响应权重，在W_信号响应中响应权重占比越高的实时信号，其等级越高。

再根据调控员对实时信号的响应进行记录，区分其对于不同等级信号的响应情况，其中响应时间计算公式为：T_响应时间＝T_{信息确认时间}-T_{信息发生时间}，其中，T_{信息确认 时间}和T_{信息发生时间}均从行为监控服务器中得到。然后，为确保信号处理的优先级，默认权重中告知信号的响应权重通常为0，并且调控班组可以在获得授权的情况下，根据实际情况调整相关权重。

但是有一种情况是：某些变电站在一定时间内未发生事故、异常、遥测越线、变位，那么这个时候就应该有告知信号触发机制，要求调控员去查看告知信号，以预判未来出现这4类情况的可能性；而不是没有这4类信号，调控员就可以完全不管这个变电站。

另一种情况，在变电站响应中发生了事故、异常、遥测越线、变位，则这种情况下***重点关注对这4类的响应时间，而不用理会告知信号响应了，并且也没有时间去处理告知信号了。

因此，设定告知信号的定时触发机制如下：

当Count_告知信号达到查询阈值时，如果在此期间调控员都未查询变电站告知信号，则该次告知信号评价为0，否则为1，查询阈值为预先设定值。

S2-4，通过所得的T_响应时间计算信号响应分数S_a，计算公式为：如果T_响应时间超过设定的响应时间阈值，则信号响应分数S_a为0，其中，T_{预设响应 时间}为预先设定值。

在实时告警模块中对调控员当值期间不同重要级别的信号发生时间和调控员复归确认时间进行记录形成实时监视工作的基本评价数据，通过自行设定不同的响应时间区间和权重，从而可在***中自行生成调控员在某个时间段的关于日常信号监视工作的评价得分。

第三步，监视并获取各个变电站的巡视数据，其中包括：变电站中每个图的巡视时间t_巡视时间、变电站中每个图的巡视权重W_巡视、变电站中每个图纸的最小浏览时长t_{最小浏览时间}和最大浏览时长t_{最大浏览时间}，其中，W_信号响应+W_巡视＝1，计算得到每个图纸巡视分值P_i，并根据得到图纸巡视分值P_i计算出监视变电站巡视情况的巡视分数S，即调控员对日常信号巡视工作情况的响应指标。

该步骤具体分为以下几点：

步骤S3-1，从行为监控服务器中得到t_{图切换时间}和t_{图开启时间},计算变电站中每个图纸巡视时间，计算公式为t_巡视时间＝t_{图切换时间}-t_{图开启时间}。

步骤S3-2，设定变电站中每个图纸巡视的权重，设定数值满足ΣW_h＝W_巡视,其中，W_h是该变电站第h个图纸的巡视权重。

步骤S3-3，设定变电站中每个图纸的最小浏览时长t_{最小浏览时间}和最大浏览时长t_{最大浏览时间}，从行为监控服务器中得到每个图纸的实际浏览时长，如果该图的实际浏览时长小于最小浏览时长t_{最小浏览时间}，则此次该图浏览无效；如果该图的实际浏览时长大于最大浏览时长t_{最大浏览时间}，且期间该调控员管辖范围未出现事故、异常、越限信号，则此次该图浏览无效。

步骤S3-4，建立回避机制：根据调控员的工作优先级别，在调控员进行变电站巡视工作中，如果遥控操作或突然发生事故信号、异常信号、越限信号或变位信号，则该次图纸的巡视时间不纳入统计中；同时在实时告警模块监视过程中如果遇遥控、遥调操作，其越限信号和变位信号的响应时间不纳入统计中。

步骤S3-5，计算第h个图纸巡视分值，计算公式为：

步骤S3-6，计算监视变电站巡视情况的巡视分数S_b＝ΣW_h*P_h，即得到调控员对日常信号巡视工作情况的响应指标。

第四步，利用步骤S2和步骤S3获得的结果建立质量指标树，该质量指标树包括树结点R、中间结点m_i和叶子结点l_j，并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中；并以质量指标树为框架对各项指标进行分析，进而得到指标的等级模糊向量V_q,j，即调控员的调控质量指标,其中q表示质量指标树的层数，其实际含义是这个向量是指标树层数坐标。指标树的层数可以理解为指标树的高度，这个是构建树之后就可以直接取到的。在数据结构中有很多方法都可以直接取得树的高度。然后根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。

具体为：

步骤S4-1，利用步骤S2和步骤S3获得的结果建立质量指标树，并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中，划分质量指标树的树结点、中间结点和叶子结点，其中，

树结点用符号R＝{n_r,v,θ}表示，其中n_r代表该树结点的名称，v是该树结点属于等级k_j的等级模糊向量，j＝1,2,…,M,等级k_j为预先设定值，θ为判定阈值，用于判定该结点的子结点指标参数类型间差异。

中间结点表示构成调控质量特征的子因素，用符号m_i＝{n_m,p_m,w_i，θ}表示，其中n_m为当前结点名称，p_m为当前中间结点的父结点名称，w_i为当前中间结点权重，其中w_i为信号响应权重或巡视权重，具有相同父结点的所有中间结点的权重之和等于其父结点的权重，θ为判定阈值，用于判定该结点的中间结点指标类型参数间的差异。

叶子结点表示构成调控质量特征的最基本的叶子因素，用符号表示，其中n_l为当前叶子结点名称，p_l为当前叶子结点的父结点名称，w_j为当前结点权重，其中w_j为信号响应权重或巡视权重，具有相同父结点的所有子结点的权重之和等于其父结点的权重，为特征函数，描述叶子结点特征，其中，其中代表调控中心所有调控员在第j个叶子结点指标上所获得评价分数的平均值，评价分数为信号响应分数S_a或变电站巡视情况的巡视分数S_b，是第k个等级的隶属函数，其具体为： $f_k\left(\stackrel{\&OverBar;}{x}\right)=\left\{\begin{array}{c}0,\stackrel{\&OverBar;}{x}\&le;b_{k1}\\ \frac{\stackrel{\&OverBar;}{x}-b_{k1}}{b_{k2-}{b}_{k1}},b_{k1\&le;}\stackrel{\&OverBar;}{x}<b_{k2}\\ 1,b_{k2\&le;}\stackrel{\&OverBar;}{x}<b_{k3}\\ \frac{b_{k4}-\stackrel{\&OverBar;}{x}}{b_{k4}-b_{k3}},b_{k3\&le;}\stackrel{\&OverBar;}{x}<b_{k4}\\ 0,\stackrel{\&OverBar;}{x}\&GreaterEqual;b_{k4}\end{array}\right.;$ b_kj是对满分区间[0,L]进行平均划分以确定各个隶属度的参数，即：

$b_{kj}=\frac{1}{3M-(M-1)-2}*\left(\right(j-2)+2(M-k\left)\right),j=1,2,3,4;k=1,2,\mathrm{...}M.$

步骤S4-2，确定对叶子结点的综合评判的基本要素：叶子结点集合E＝{e₁,e₂,…,e_n}；评价等级集合K＝{k₁,k₂,…,k_M}；叶子结点模糊判定矩阵X＝(x_ij)_n×M；叶子结点权重分配W＝{w₁,w₂,…,w_n}，n是叶子结点的数量，m是评价等级的维度。

其中，叶子结点集合E包含的是构成父结点指标的所有叶子结点指标；评价等级集合K描述的是调控中心对于叶子结点指标作出的等级划分，共m级；叶子结点模糊判定矩阵X表示调控中心对调控员在各个叶子结点指标上获得的评价的可能性，即各个叶子结点对各个等级的隶属度，且Σx_ij＝1；叶子结点权重分配W表示各个叶子结点在评价中的相对重要性。

步骤S4-3，根据模糊变换原理，计算叶子结点的模糊向量V_q,j，即调控员的调控质量指标，其中，

叶子结点的模糊向量V_q,j＝(v_q,1,v_q,2,…,v_q,M)＝(W_q,1,W_q,2,…,W_q,n)°X(1)，Σv_q,j＝1，W_q,n表示第q层第n个叶子结点的权重，符号“°”表示模糊变换运算，其变换公式为其中j＝1，2，…，M，∨和∧是Zadeh算子，∨代表Max运算，∧代表Min运算。

当q＝1时，根据式(1)计算得到的叶结点的模糊向量V_q,j，根据最佳隶属原则，V_q,j中最大的元素所在位置就是对应指标质量的评价等级，即调控员的调控质量指标。

当q≠1时，把第q层上的具有相同父结点的叶子指标结点划并为一组，划分组的数量记为g，考察同一组结点差异性，去掉差异不超过判定阈值θ的结点，然后使用该组的叶子结点指标等级模糊向量V_q,j作为行构造叶子结点模糊评价矩阵，对同一组叶子结点，根据式(1)进行模糊变换运算，得到第q-1层的各个指标的模糊综合判定结果V_q-1,j，并对V_q-1,j作归一化处理得到V_q-1,j，把第q-1层上的所有结点都视为新的指标树的叶子结点，然后令q＝q-1，重新执行该步骤，直到当q＝1时，根据式(1)计算得到的叶结点的模糊向量V_q,j，根据最佳隶属原则，V_q,j中最大的元素所在位置就是对应指标质量的评价等级，即调控员的调控质量指标。

步骤S4-4，根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。

例如：有五个变电站，分别为变电站A、变电站B、变电站C、变电站D和变电站E，设定各个变电站的权重，以及他们的响应权重和巡视权重，所有变电站的权重总和等于1，具体如下：

(1)变电站A的权重为0.4,其巡视权重为0.4,其信号响应权重为0.6。

(2)变电站B的权重为0.3,其巡视权重为0.6，其信号响应权重为0.4。

(3)变电站C的权重为0.15,其巡视权重为0.5,其信号响应权重为0.5。

(4)变电站D的权重为0.1，其巡视权重为0.3,其信号响应权重为0.7。

(5)变电站E的权重为0.05,其巡视权重为0.2，其信号响应权重为0.8。

从行为监控服务器中得到各个实时信号的T_{信息确认时间}和T_{信息发生时间}，各个图纸的t_{图切换时间}和t_{图开启时间}，从而根据T_响应时间＝T_{信息确认时间}+T_{信息发生时间}得到该调控员对各个变电站的各个实时信号的响应时间，根据t_巡视时间＝t_{图切换时间}-t_{图开启时间}，得到该调控员对各个变电站中每个图纸巡视时间。

根据信号响应分数S_a和变电站巡视情况的巡视分数S_b的计算公式，求得信号响应分数S_a和变电站巡视情况的巡视分数S_b，并求得各个变电站的信号响应分数S_a的平均得分和巡视分数S_b的平均得分，具体为变电站A的巡视权重平均得分为9.42，信号响应权重平均得分为9.37，变电站B的巡视权重平均得分为7.12，信号响应权重平均得分为8.51，变电站C的巡视权重平均得分为7.12，信号响应权重平均得分为8.51，变电站D的巡视权重平均得分为7.93，信号响应权重平均得分为7.56，变电站E的巡视权重平均得分为7.12，信号响应权重平均得分为9.28。

然后根据上述步骤，计算得到该调控员此次调控行为的质量的模糊等级向量，具体为(0.571429,0.428571,0,0,0),取其最大分量0.571429，即得到该调控员的调控质量指标，然后对比发现该分量对应的等级为第一级(极好)，说明该调控员的调控质量很好。

通过此方法计算出所有调控员的调控质量指标，然后根据调控员的调控质量指标即可得到电网调控的可靠性和最佳调控方案。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种准确的调控质量分析方法，其特征在于，包括以下步骤：

S1，建立电网调控***数据库，其中包括以下信息：调控值班表、调控员信息和变电站信息；

S2，建立实时告警监视分析指标，划分出不同实时信号的信号等级和信号响应权重W_信号响应，计算调控员对实时信号的响应时间T_响应时间和信号响应分数S_a；

S3，监视并获取各个变电站的巡视数据，其中包括：变电站中每个图的巡视时间t_巡视时间、变电站中每个图的巡视权重W_巡视、变电站中每个图纸的最小浏览时长t_{最小浏览时间}和最大浏览时长t_{最大浏览时间}，其中，W_信号响应+W_巡视＝1，计算得到每个图纸巡视分值P_i，并根据得到图纸巡视分值P_i计算出监视变电站巡视情况的巡视分数S_b，即调控员对日常信号巡视工作情况的响应指标；

S4，利用步骤S2和步骤S3获得的结果建立质量指标树，该质量指标树包括树结点R、中间结点m_i和叶子结点l_j，并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中；并以质量指标树为框架对各项指标进行分析，进而得到指标的等级模糊向量V_q,j，即调控员的调控质量指标,其中q表示质量指标树的层数，根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。

2.根据权利要求1所述的一种准确的调控质量分析方法，其特征在于，步骤S2包括以下步骤：

S2-1，对不同的实时信号进行响应权重划分，响应权重划分遵循以下规则：W_事故信号+W_异常信号+W_越限信号+W_变位信号+W_告知信号＝W_信号响应，其中，W_事故信号为事故信号响应权重，W_异常信号为异常信号响应权重，W_越限信号为越限信号响应权得，W_变位信号为变位信号响应权重，W_告知信号为告知信号响应权重，在W_信号响应中响应权重占比越高的实时信号，其等级越高；

S2-2，根据调控员对实时信号的响应进行记录，区分其对于不同等级信号的响应情况，其中响应时间计算公式为：T_响应时间＝T_{信息确认时间}-T_{信息发生时间}，其中，T_{信息确认时间}和T_{信息发生时间}均从行为监控服务器中得到；

S2-3，设定告知信号的定时触发机制如下：

当Count_告知信号达到查询阈值时，如果在此期间调控员都未查询变电站告知信号，则该次告知信号评价为0，否则为1，所述查询阈值为预先设定值；

S2-4，通过所得的T_响应时间计算信号响应分数S_a，计算公式为：如果T_响应时间超过设定的响应时间阈值，则信号响应分数S_a为0，其中，T_{预设响应 时间}为预先设定值。

3.根据权利要求1所述的一种准确的调控质量分析方法，其特征在于，步骤S3中还包括根据调控员的工作优先级别建立回避机制，区分出不计入统计的巡视时间和信号响应时间。

4.根据权利要求3所述的一种准确的调控质量分析方法，其特征在于，步骤S3包括以下步骤：

S3-1，从行为监控服务器中得到t_{图切换时间}和t_{图开启时间},计算变电站中每个图纸巡视时间，计算公式为t_巡视时间＝t_{图切换时间}-t_{图开启时间}；

S3-2，设定变电站中每个图纸巡视的权重，设定数值满足ΣW_h＝W_巡视,其中，W_h是该变电站第h个图纸的巡视权重；

S3-3，设定变电站中每个图纸的最小浏览时长t_{最小浏览时间}和最大浏览时长t_{最大浏览时间}，从行为监控服务器中得到每个图纸的实际浏览时长，如果该图的实际浏览时长小于最小浏览时长t_{最小浏览时间}，则此次该图浏览无效；如果该图的实际浏览时长大于最大浏览时长t_{最大浏览时间}，且期间该调控员管辖范围未出现事故、异常、越限信号，则此次该图浏览无效；

S3-4，建立回避机制：根据调控员的工作优先级别，在调控员进行变电站巡视工作中，如果遥控操作或突然发生事故信号、异常信号、越限信号或变位信号，则该次图纸的巡视时间不纳入统计中；同时在实时告警模块监视过程中如果遇遥控、遥调操作，其越限信号和变位信号的响应时间不纳入统计中；

S3-5，计算第h个图纸巡视分值，计算公式为：

S3-6，计算监视变电站巡视情况的巡视分数S_b＝ΣW_h*P_h，即得到调控员对日常信号巡视工作情况的响应指标。

5.根据权利要求1所述的一种准确的调控质量分析方法，其特征在于，步骤S4具体为：

S4-1，利用步骤S2和步骤S3获得的结果建立质量指标树，并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中，划分质量指标树的树结点、中间结点和叶子结点，其中，

树结点用符号R＝{n_r,v,θ}表示，其中n_r代表该树结点的名称，v是该树结点属于等级k_j的等级模糊向量，j＝1,2,…,M,等级k_j为预先设定值，θ为判定阈值，用于判定该结点的子结点指标参数类型间差异；

中间结点表示构成调控质量特征的子因素，用符号m_i＝{n_m,p_m,w_i，θ}表示，其中n_m为当前结点名称，p_m为当前中间结点的父结点名称，w_i为当前中间结点权重，其中w_i为信号响应权重或巡视权重，具有相同父结点的所有中间结点的权重之和等于其父结点的权重，θ为判定阈值，用于判定该结点的中间结点指标类型参数间的差异；

叶子结点表示构成调控质量特征的最基本的叶子因素，用符号表示，其中n_l为当前叶子结点名称，p_l为当前叶子结点的父结点名称，w_j为当前结点权重，其中w_j为信号响应权重或巡视权重，具有相同父结点的所有子结点的权重之和等于其父结点的权重，为特征函数，描述叶子结点特征，其中，其中代表调控中心所有调控员在第j个叶子结点指标上所获得评价分数的平均值，评价分数为信号响应分数S_a或变电站巡视情况的巡视分数S_b，是第k个等级的隶属函数，其具体为： $f_k\left(\stackrel{\&OverBar;}{x}\right)=\left\{\begin{array}{c}0,\stackrel{\&OverBar;}{x}\&le;b_{k1}\\ \frac{\stackrel{\&OverBar;}{x}-b_{k1}}{b_{k2-}{b}_{k1}},b_{k1\&le;}\stackrel{\&OverBar;}{x}<b_{k2}\\ 1,b_{k2\&le;}\stackrel{\&OverBar;}{x}<b_{k3}\\ \frac{b_{k4}-\stackrel{\&OverBar;}{x}}{b_{k4}-b_{k3}},b_{k3\&le;}\stackrel{\&OverBar;}{x}<b_{k4}\\ 0,\stackrel{\&OverBar;}{x}\&GreaterEqual;b_{k4}\end{array}\right.;$ b_kj是对满分区间[0,L]进行平均划分以确定各个隶属度的参数，即：

$b_{kj}=\frac{1}{3M-(M-1)-2}*\left(\right(j-2)+2(M-k\left)\right),j=1,2,3,4;k=1,2,\mathrm{...}M;$

S4-2，确定对叶子结点的综合评判的基本要素：叶子结点集合E＝{e₁,e₂,…,e_n}；评价等级集合K＝{k₁,k₂,…,k_M}；叶子结点模糊判定矩阵X＝(x_ij)_n×M；叶子结点权重分配W＝{w₁,w₂,…,w_n}，n是叶子结点的数量，m是评价等级的维度；

其中，叶子结点集合E包含的是构成父结点指标的所有叶子结点指标；评价等级集合K描述的是调控中心对于叶子结点指标作出的等级划分，共m级；叶子结点模糊判定矩阵X表示调控中心对调控员在各个叶子结点指标上获得的评价的可能性，即各个叶子结点对各个等级的隶属度，且Σx_ij＝1；叶子结点权重分配W表示各个叶子结点在评价中的相对重要性；

S4-3，根据模糊变换原理，计算叶子结点的模糊向量V_q,j，即调控员的调控质量指标，其中，

叶子结点的模糊向量V_q,j＝(v_q,1,v_q,2,…,v_q,M)＝(W_q,1,W_q,2,…,W_q,n)°X(1)，Σv_q,j＝1，W_q,n表示第q层第n个叶子结点的权重，符号“°”表示模糊变换运算，其变换公式为其中j＝1，2，…，M，∨和∧是Zadeh算子，∨代表Max运算，∧代表Min运算；

当q＝1时，根据式(1)计算得到的叶结点的模糊向量V_q,j，根据最佳隶属原则，V_q,j中最大的元素所在位置就是对应指标质量的评价等级，即调控员的调控质量指标；

当q≠1时，把第q层上的具有相同父结点的叶子指标结点划并为一组，划分组的数量记为g，考察同一组结点差异性，去掉差异不超过判定阈值θ的结点，然后使用该组的叶子结点指标等级模糊向量V_q,j作为行构造叶子结点模糊评价矩阵，对同一组叶子结点，根据式(1)进行模糊变换运算，得到第q-1层的各个指标的模糊综合判定结果V_q-1,j，并对V_q-1,j作归一化处理得到V_q-1,j，把第q-1层上的所有结点都视为新的指标树的叶子结点，然后令q＝q-1，重新执行该步骤，直到当q＝1时，根据式(1)计算得到的叶结点的模糊向量V_q,j，根据最佳隶属原则，V_q,j中最大的元素所在位置就是对应指标质量的评价等级，即调控员的调控质量指标；

S4-4，根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。