CN108776855A - 一种智能设备健康状态评价方法及*** - Google Patents

Abstract

本发明提供一种智能设备健康状态评价方法及***所述方法包括：获取备运行状态信息；在预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态；所述智能设备健康状态评价指标体系模型包括：目标层和基于设备健康状态影响因素间关系构建的分层准则层；本发明提供的技术方案获得设备健康状态，检修部门根据设备的健康状态安排检修任务，优先处理危急状态设备缺陷，能够大幅提升运维效率，同时保障电网的安全运行。

Description

一种智能设备健康状态评价方法及***

技术领域

本发明涉及一种智能设备健康状态评价方法，具体涉及一种智能设备健康状态评价方法及***。

背景技术

智能设备是变电站二次***及其电气回路的主要构成部分。长期以来，作为对一次***进行监视、控制、调节和保护的电子设备，智能设备运行状态数据的分析不被重视，仅输出部分设备自检信息。设备维修机制主要有计划检修、事后维修和预知检修多种模式。计划维修造成了大量的资源和设备的浪费，事后维修为电力***带来不可预知的安全隐患，已不能适应智能化生产的要求。而由于采集到的智能设备运行信息较为有限，并未开展智能设备的预知维修。

目前，智能设备评估常采用非线性、模糊处理的方法，这类方法样本有限，算法复杂，评价依据不全面，通常用于对存在较多不确定评判指标因素的大型机电设备进行健康状态评估。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供了一种智能设备健康状态评价方法。

本发明提供的技术方案是：

一种智能设备健康状态评价方法，所述方法包括：

获取备运行状态信息；

在预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态；

所述智能设备健康状态评价指标体系模型包括：目标层和基于设备健康状态影响因素间关系构建的分层准则层。

优选的，所述设备健康状态评价指标体系模型的构建包括：

将智能设备健康状态设定为目标层；

基于影响目标层的各个因素构建一级准则层，其中每个因素对应所述一级准则层的一个一级指标；

基于每个一级指标，根据对一级指标的影响因素构建所述一级指标的二级指标；

所有的二级指标构建二级准则层；

优选的，所述一级准则层和二级准则层每个指标均包括权重；

基于一级指标间的关系建立一级准则层权重矩阵，其中，每个一级指标为一个一级权重向量；

基于所述各一级指标的权重向量的范围，以及每个一级指标下二级指标间的关系，构建所述一级指标下二级指标的权重矩阵；其中，每个二级指标为一个二级权重向量。

优选的，所述在预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态包括：

基于设备运行状态信息和二级指标的权重向量范围内为所述二级指标打分；

将二级指标的分值采用归一化方法计算得到每个一级指标的分值；

将一级指标的分值采用归一化方法计算得到智能设备的健康分数；

根据健康分数结合预设的健康状态表，确定设备健康状态。

优选的，采用归一化方法计算所述智能设备的健康分数：

式中，HF为被测智能设备的健康分数；m为被比较元素归一化后的元素编号；为二级指标所的分数。

优选的，所述二级权重向量按下式计算：

ω_m＝ω_A[i]*ω_m

其中，ω_m：二级权重向量；i：0、1、2、3或4；ω_A：元素在目标层下排序的相对权重。

优选的，所述一级权重向量按下式计算：

Aω_A＝λ_maxAω_A

其中，ω_A：元素在目标层下排序的相对权重；A：判断矩阵，判断矩阵A由智能设备健康状态指标影响等级结合Satty 1-9值法得到；λ_maxA：矩阵A最大特征值。

优选的，所述设备运行状态信息包括:通信状态、外部环境、设备资源、自检信息和对时状态；

所述通信状态包括：SV通信状态、GOOSE通信状态和站控层通信状态；

所述外部环境：包括机箱内部温度和交直流电源电压；

所述设备资源：包括CPU温度与负载、CPU工作电压、通信光口功率、内存使用率和磁盘存储空间；

所述自检信息：包括装置硬件自检、定值校验、交流输入回路监视和二次回路监视；

所述对时状态：包括对时信号状态、对时服务状态和时间跳变。

优选的，所述根据健康分数结合预设的健康状态表，确定设备健康状态包括：

若设备的健康分数为100时，设备处于健康状态；

若85≤设备的健康分数<100时，设备处于危险状态；

若设备的健康状态分数<85时，设备处于危急状态。

优选的，所述设备健康状态评价指标体系模型还包括：方案层；

方案层包括：当所述目标层智能设备健康状态不是健康状态时，为使所述目标层智能设备状态达到健康状态而基于一级指标和二级指标的常见问题构建可供选择的各种措施、决策方案。

一种智能设备健康状态评价***，所述***包括：

设备信息获取模块，用于获取备运行状态信息；

健康状态确定模块，用于将获取的设备运行状态信息输入预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态。

优选的，还包括：模型构建模块：用于构建所述智能设备健康状态评价指标体系模型；

智能设备健康状态评价指标体系模型包括：目标层和基于设备健康状态影响因素间关系构建的分层准则层。

优选的，所述模型构建模块，包括：

目标层确定子模块：用于基于智能设备健康状态确定目标层；

准则层确定子模块：用于根据影响目标层的各个因素以及各因素之间的相互影响确定准则层。

优选的，所述确定准则层子模块，包括：

第一确定单元，用于基于影响目标层的各个因素构建一级准则层，其中每个因素对应所述一级准则层的一个一级指标；

第二确定单元，用于基于每个一级指标，根据对一级指标的影响因素构建所述一级指标的二级指标；

优选的，所述健康状态确定模块，包括：

打分子模块，用于基于设备运行状态信息和二级指标的权重向量范围内为所述二级指标打分；

计算子模块，用于计算每个一级指标的分值和智能设备的健康分数；

所述一级指标的分值包括：二级指标的分值采用归一化方法计算得到每个一级指标的分值；

所述一级指标的分值包括：一级指标的分值采用归一化方法计算得到智能设备的健康分数；

确定子模块，用于根据健康分数结合预设的健康状态表，确定设备健康状态。

与现有技术相比，本发明的有益效果为：

1、本发明提出了一种设备健康状态量化评价方法，获取备运行状态信息；在预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态所述智能设备健康状态评价指标体系模型包括：目标层和基于设备健康状态影响因素间关系构建的分层准则层；解决了对大型机电设备进行健康状态评估评价依据不全面的问题，对存在较多不确定评判指标因素的大型机电设备能够进行健康状态评估。

2、本发明提供的技术方案，可以量化评价智能设备健康状态，并以此作为状态检修的依据分辨出智能设备的危急状态、危险状态和健康状态，解决计划维修造成了大量的资源和设备的浪费，事后维修为电力***带来不可预知的安全隐患的问题。

3、本发明提供的技术方案，使得检修部门根据设备的健康状态安排检修任务，优先处理危急状态设备缺陷，再处理暂不危急***安全的危险状态设备缺陷，能够大幅提升运维效率，同时保障电网的安全运行。

附图说明

图1为本发明的智能设备健康状态评价方法流程图；

图2为本发明的智能设备健康状态评价***结构示意图；

图3为本发明的智能设备健康状态评价体系模型示意图。

具体实施方式

为了更好地理解本发明，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1：

本发明提供的一种设备健康状态量化评价方法及***，如图1所示：

将获取的设备运行状态信息输入预先构建的智能设备健康状态评价指标体系模型得到设备健康状态；

智能设备健康状态评价指标体系模型包括：目标层、准则层和方案层。

智能变电站采用IEC 61850标准、网络采样与控制技术和嵌入式智能设备，信息采集数字化和通信网络化，IED可从网络获取和传输数据；其次，智能站内通信规约统一，不同厂家之间的设备可自由互操作，在线监测信息交互不存在问题。因此，智能设备状态监测***能够统一采集反映设备运行状态的大部分信息，包括状态量和量测量。

根据设备运行状态信息，建立树状层次结构模型即为分析***中各个指标的相互关系、逻辑归属以及重要性，进行分层排列，构成一个自上而下的阶梯层次结构。模型评价各要素的权重利用AHP法确定，树状层次结构模型就是智能设备健康状态评价指标体系模型。

一、智能设备健康状态评价指标体系模型，如图3所示：

智能设备健康状态评价指标体系模型为递阶层次评估模型，大体上可以分为三个层次：

(1)目标层：只有一个元素，即智能设备健康状态指标评价体系。

(2)准则层：包含了为实现智能设备状态健康所涉及的中间环节。

智能设备的运行状态信息包括通信状态、外部环境、设备资源、自检信息和对时状态五个方面，选取这五个方面指标作为衡量设备健康状态的一级准则层评价指标。每个一级准则层还分为若干个二级准则层。

通信状态：包含SV通信状态、GOOSE通信状态和站控层通信状态三项二级准则层指标。

外部环境：包括机箱内部温度和交直流电源电压二项二级准则层指标。

设备资源：包括CPU温度与负载、CPU工作电压、通信光口功率、内存使用率和磁盘存储空间五项二级准则层指标。

自检信息：包括装置硬件自检、定值校验、交流输入回路监视和二次回路监视四项二级准则层指标。

对时状态：包括对时信号状态、对时服务状态和时间跳变三项准则层指标。

(3)方案层：包含了为实现目标可供选择的各种措施、决策方案等，即智能设备运行状态是否满足准则层智能设备状态健康所涉及影响指标的要求。

二、各阶层次判断矩阵

层次结构反映了指标之间的关系，但准则中的各准则在目标衡量中所占的比重并不一定相同。层次分析法提供了1-9种标度法，来表示不同指标间的重要程度。假设要比较n个元素Y＝{y₁,y₂,y₃,,y_n}对目标的影响，每次取两个元素y_i和y_j，则其判断矩阵A的元素a_ij表示y_i和y_j对目标的影响程度之比，其中a_ij的取值由Satty 1-9值法确定。当a_ij>1时，对于目标来说指标i比j更重要，其数值大小代表重要的程度。同时必有a_ji＝(1/a_ij)<1，对目标来说指标j比指标i不重要，其数值大小表示不重要的程度。因此判断矩阵是正反矩阵。

表1为智能设备健康状态指标影响等级。

等级	具体表现
		5	影响所述智能设备安全运行进而影响电网安全运行
4	影响自动化***安全运行
		3	影响设备功能
2	影响设备寿命
		1	几乎不影响

智能设备健康状态评价指标体系模型目标层下建立准则层A判断矩阵，综合考虑通信状态、外部环境、设备资源、自检信息、对时状态五方面指标的影响，其中设备通信状态的异常会影响电网的安全运行，设备资源和自检信息方面的异常明显关联设备的稳定运行，对时状态的异常有可能影响自动化***安全运行，外部环境的缺陷则不会直接导致设备功能的异常，因此通信状态和对时状态指标重要性优先，设备资源和自检信息两方面指标稍次，外部环境的影响较小。

一级准则层B指标下的二级准则层B的判断矩阵。GOOSE通信状态和SV通信状态异常将影响电网安全运行，站控层通信网络异常虽然会影响变电站自动化***的正常运行但不会导致设备出现拒动/误动等严重故障，因此站控层通信状态指标稍弱。

一级准则层C指标下的二级准则层C的判断矩阵。交直流电源电压指标的优先级较机箱内部温度指标稍高。

一级准则层D指标下的二级准则层D的判断矩阵。五个指标的重要性基本相同。

一级准则层E指标下的二级准则层E的判断矩阵。四个指标的重要性基本相同。

一级准则层F指标下的二级准则层F的判断矩阵。对时信号状态和对时服务状态两个指标异常将影响自动化***功能，因此重要性较时间跳变指标稍高。

三、层次单排序及一致性校验

由上述分析分别建立一级准则层和二级准则层对应的判断矩阵A、B、C、D、E、F，由此计算单一准则元素的相对权重。在目标层下，元素A₁，A₂，A₃，A₄，A₅构成判断矩阵A。A对应的解特征根方程Aω_A＝λ_maxAω_A，其中λ_maxA为矩阵A最大特征值，ω_A为λ_maxA对应的特征向量，表示五个元素在目标层下排序的相对权重。

取A的对应于λ_maxA的归一化特征向量ω_A＝(ω₁,ω₂,,ω_n)，(∑ω_i＝1)为指标Y＝{y₁,y₂,y_n}对目标的权向量。由ω_A＝(ω₁,ω₂,,ω_n)分量ω_i的大小可以对指标的重要性排序。

为降低人为定量的误差，还需要判断矩阵A的一致性。一致性比例其中为判断矩阵A的一致性指标，RI为随机一致性指标，RI与矩阵阶数有关。

表2平均随机一致性指标

n	1	2	3	4	5	6	7	8	9
										RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45

当时,A有满意的一致性。

同理，获取判断矩阵B、C、D、E、F的归一化特征权向量，即对应准则层下的相对权重排序，并校验各矩阵的一致性。若判断矩阵没有满意的一致性，则调整矩阵直至其存在满意的一致性。

各二级准则层是在一级准则层下进一步细分的，因此二级准则层对指标的重要性排序还要考虑一级准则层对二级准则层因子的重要性排序。

ω_{B_final}＝ω_A[0]*ω_B，其中ω_{B_final}为二级准则层B各指标的权重排序，ω_B为B归一化的特征权向量。

ω_{C_final}＝ω_A[1]*ω_C，其中ω_{C_final}为二级准则层C各指标的权重排序，ω_C为C归一化的特征权向量。

ω_{D_final}＝ω_A[2]*ω_D，其中ω_{D_final}为二级准则层D各指标的权重排序，ω_D为D归一化的特征权向量。

ω_{E_final}＝ω_A[3]*ω_E，其中ω_{E_final}为二级准则层E各指标的权重排序，ω_E为E归一化的特征权向量。

ω_{F_final}＝ω_A[4]*ω_F，其中ω_{F_final}为二级准则层F各指标的权重排序，ω_F为F归一化的特征权向量。

综上所述所有矩阵的权重排序ω_m都可以按下式计算：

ω_m＝ω_A[i]*ω_m

其中，i：0、1、2、3或4；ω_A：元素在目标层归一化的特征权向量。

四、状态检修分析决策

设定设备健康状态满分为100分，若存在某方面缺陷则减分，设备健康状态量化分数为将设备健康状态划分为健康、危险和危急三种状态。若设备健康状态分数100时，设备处于健康状态；若85<设备健康状态分数<100时，设备处于危险状态，需安排尽快检修；若设备健康状态分数<85时，设备处于危急状态，需马上派人检修。

实施例2：

基于同一种发明构思，本发明还提供了一种智能设备健康状态评价***，如图2所示，所述***包括：

一种智能设备健康状态评价***，所述***包括：

设备信息获取模块，用于获取备运行状态信息；

健康状态确定模块，用于将获取的设备运行状态信息输入预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态。

优选的，还包括：模型构建模块：用于构建所述智能设备健康状态评价指标体系模型；

智能设备健康状态评价指标体系模型包括：目标层和基于设备健康状态影响因素间关系构建的分层准则层。

优选的，所述模型构建模块，包括：

目标层确定子模块：用于基于智能设备健康状态确定目标层；

准则层确定子模块：用于根据影响目标层的各个因素以及各因素之间的相互影响确定准则层。

优选的，所述确定准则层子模块，包括：

第一确定单元，用于基于影响目标层的各个因素构建一级准则层，其中每个因素对应所述一级准则层的一个一级指标；

第二确定单元，用于基于每个一级指标，根据对一级指标的影响因素构建所述一级指标的二级指标；

优选的，所述健康状态确定模块，包括：

打分子模块，用于基于设备运行状态信息和二级指标的权重向量范围内为所述二级指标打分；

计算子模块，用于计算每个一级指标的分值和智能设备的健康分数；

所述一级指标的分值包括：二级指标的分值采用归一化方法计算得到每个一级指标的分值；

所述一级指标的分值包括：一级指标的分值采用归一化方法计算得到智能设备的健康分数；

确定子模块，用于根据健康分数结合预设的健康状态表，确定设备健康状态。

优选的，，所述计算子模块包括：第一计算单元，用于按下式计算健康分数HF：

式中，m：被比较元素归一化后的元素编号；准则层的各个指标的得分值；

第二计算单元，用于按下式计算二级指标权重向量：

ω_m＝ω_A[i]*ω_m

其中，ω_m：权重向量；i：0、1、2、3或4；ω_A：元素在目标层下排序的相对权重；

第三计算单元，用于按下式计算一级指标权重向量：

Aω_A＝λ_maxAω_A

其中，ω_A：元素在目标层下排序的相对权重；A：矩阵；λ_maxA：矩阵A最大特征值。

优选的，，所述指标确定子模块包括：

通信状态单元：用于获取SV通信状态、GOOSE通信状态和站控层通信状态；

外部环境单元：用于获取机箱内部温度和交直流电源电压；

设备资源单元：用于获取CPU温度与负载、CPU工作电压、通信光口功率、内存使用率和磁盘存储空间；

自检信息单元：用于获取装置硬件自检、定值校验、交流输入回路监视和二次回路监视；

对时状态单元：用于获取对时信号状态、对时服务状态和时间跳变。

实施例3：

测控装置健康状态评价体系判断矩阵分别为：

表示二级准则层指标重要性排序的权向量为：

ω_{A_final}＝(0.403048,0.0790856,0.136731,0.136731,0.244403)，

ω_{B_final}＝(0.172735,0.172735,0.0575783)，

ω_{C_final}＝(0.0263619,0.0527238)，

ω_{D_final}＝(0.0273463,0.0273463,0.0273463,0.0273463,0.0273463)，

ω_{E_final}＝(0.0341829,0.0341829,0.0341829,0.0341829)，

ω_{F_final}＝(0.104744,0.104744,0.0349148)。

某智能变电站测控装置一板卡光口产生光强异常告警，但通信正常，则测控装置的健康状态分值为97.3分，处于危险状态，应近期安排人员检修；若光口损坏，出现SV/GOOSE断链告警，测控装置的健康状态分值小于83分，处于危急状态，应马上派人检修。

本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (12)

1.一种智能设备健康状态评价方法，其特征在于，所述方法包括：

获取设备运行状态信息；

在预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态；

所述智能设备健康状态评价指标体系模型包括：目标层和基于设备健康状态影响因素间关系构建的分层准则层。

2.如权利要求1所述的方法，其特征在于，所述设备健康状态评价指标体系模型的构建包括：

将智能设备健康状态设定为目标层；

基于影响目标层的各个因素构建一级准则层，其中每个因素对应所述一级准则层的一个一级指标；

基于每个一级指标，根据对一级指标的影响因素构建所述一级指标的二级指标；

所有的二级指标构建二级准则层。

3.如权利要求2所述的方法，其特征在于，所述一级准则层和二级准则层每个指标均包括权重；

基于一级指标间的关系建立一级准则层权重矩阵，其中，每个一级指标为一个一级权重向量；

基于所述各一级指标的权重向量的范围，以及每个一级指标下二级指标间的关系，构建所述一级指标下二级指标的权重矩阵；其中，每个二级指标为一个二级权重向量。

4.如权利要求3所述的方法，其特征在于，所述在预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态包括：

基于设备运行状态信息和二级指标的权重向量范围内为所述二级指标打分；

将二级指标的分值采用归一化方法计算得到每个一级指标的分值；

将一级指标的分值采用归一化方法计算得到智能设备的健康分数；

根据健康分数结合预设的健康状态表，确定设备健康状态。

5.如权利要求4所述的方法，其特征在于，采用归一化方法计算所述智能设备的健康分数：

式中，HF为被测智能设备的健康分数；m：为被比较元素归一化后的元素编号；为二级指标所得分数。

6.如权利要求3所述的方法，其特征在于，所述二级权重向量按下式计算：

ω_m＝ω_A[i]*ω_m

其中，ω_m：二级权重向量；i：0、1、2、3或4；ω_A：所述二级权重向量对应的一级权重向量的相对权重。

7.如权利要求3所述的方法，其特征在于，所述一级权重向量按下式计算：

Aω_A＝λ_maxAω_A

其中，ω_A：元素在目标层下排序的相对权重；A：判断矩阵，判断矩阵A由智能设备健康状态指标影响等级结合Satty 1-9值法得到；λ_maxA：矩阵A最大特征值。

8.一种智能设备健康状态评价***，其特征在于，所述***包括：

设备信息获取模块，用于获取备运行状态信息；

健康状态确定模块，用于将获取的设备运行状态信息输入预预先构建的智能设备健康状态评价指标体系模型中根据所述获取的设备运行状态信息和设备健康状态影响因素间的关系得到设备健康状态。

9.如权利要求8所述一种智能设备健康状态评价***，其特征在于，还包括：模型构建模块：用于构建所述智能设备健康状态评价指标体系模型；

智能设备健康状态评价指标体系模型包括：目标层和基于设备健康状态影响因素间关系构建的分层准则层。

10.如权利要求9所述的***，其特征在于，所述模型构建模块，包括：

目标层确定子模块：用于基于智能设备健康状态确定目标层；

准则层确定子模块：用于根据影响目标层的各个因素以及各因素之间的相互影响确定准则层。

11.如权利要求10所述的***，其特征在于，所述确定准则层子模块，包括：

第一确定单元，用于基于影响目标层的各个因素构建一级准则层，其中每个因素对应所述一级准则层的一个一级指标；

第二确定单元，用于基于每个一级指标，根据对一级指标的影响因素构建所述一级指标的二级指标。

12.如权利要求8所述的***，其特征在于，所述健康状态确定模块，包括：

打分子模块，用于基于设备运行状态信息和二级指标的权重向量范围内为所述二级指标打分；

计算子模块，用于计算每个一级指标的分值和智能设备的健康分数；

所述一级指标的分值包括：二级指标的分值采用归一化方法计算得到每个一级指标的分值；

所述一级指标的分值包括：一级指标的分值采用归一化方法计算得到智能设备的健康分数；

确定子模块，用于根据健康分数结合预设的健康状态表，确定设备健康状态。