CN116739417A - 关口电能表状态评价方法及装置、存储介质、计算机设备 - Google Patents
关口电能表状态评价方法及装置、存储介质、计算机设备 Download PDFInfo
- Publication number
- CN116739417A CN116739417A CN202310591745.9A CN202310591745A CN116739417A CN 116739417 A CN116739417 A CN 116739417A CN 202310591745 A CN202310591745 A CN 202310591745A CN 116739417 A CN116739417 A CN 116739417A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- electric energy
- energy meter
- index data
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 356
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 109
- 239000011159 matrix material Substances 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000010606 normalization Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000008014 freezing Effects 0.000 description 24
- 238000007710 freezing Methods 0.000 description 24
- 230000036541 health Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请公开了一种关口电能表状态评价方法及装置、存储介质、计算机设备，该方法包括：获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据；根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分；根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过组合度量指标数据的自身信息和独立程度进而得出各评价指标的权重，在兼具权重客观性的同时提升了评价的可解释性。
Description
技术领域
本申请涉及电力设备状态评价技术领域，尤其是涉及到一种关口电能表状态评价方法及装置、存储介质、计算机设备。
背景技术
构建母线平衡***的多维度评价分析，对设备状态特别是电能表真实状态的评价对提高终端采集能力具有重要意义。建设完善母线平衡***状态评价体系，关键在于对母线中计量点、电能表及互感器的评价。其中，针对电能表重点在于准确掌握电能表真实状态，提升电能表运行误差计算准确率，刻画电能表误差趋势演变；针对终端，重点对于终端采集能力进行综合评价，确定采集能力薄弱点，提升终端采集能力。
对于电厂设备健康状态评价目前现有技术是通过对各指标赋权进行综合评价。当前针对指标赋权常用的算法有熵值法、离散系数法、专家打分法、神经网络算法。上述算法中熵值法、离散系数法使用的赋权方法较为单一，只提供了统计指标数据波动信息，而忽略了数据信息的独立程度；专家打分法依赖外部专家经验，可能存在一定的主观性；神经网络算法虽然避免了主观性问题，但是模型对数据的要求较高，且可解释性较差。
发明内容
有鉴于此，本申请提供了一种关口电能表状态评价方法及装置、存储介质、计算机设备，通过将指标数据自身信息和指标数据独立程度组合度量进而得出各评价指标的权重，在兼具权重客观性的同时提升了评价的可解释性。
根据本申请的一个方面，提供了一种关口电能表状态评价方法，所述方法包括：
获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据；
根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分；
根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
可选地，所述根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，包括：
选取任一种评价指标，根据所选评价指标对应的全部指标数据，计算所选评价指标的指标离散系数；
依次以所选评价指标对应的全部指标数据中每个指标数据作为因变量，其他指标数据作为自变量进行回归分析，得到拟合优度，并根据所述拟合优度获得独立信息比率；
根据所述指标离散系数及所述独立信息比率，获得所选评价指标对应的独立信息权重。
可选地，所述根据所述指标离散系数及所述独立信息比率，获得所选评价指标对应的独立信息权重，包括：
分别标准化所述指标离散系数及所述独立信息比率，根据乘法模型融合标准化后的所述指标离散系数及所述独立信息比率，获得所选评价指标的纯信息量；
计算所选评价指标的纯信息量在每种评价指标各自对应的纯信息量的总和中所占的百分比，获得所选评价指标的独立信息权重。
可选地，所述选取任一种评价指标之后，所述方法还包括：
若所选评价指标在每个待评价关口电能表的指标数据均一致，则不计算所选评价指标的独立信息权重，并将所选评价指标确定为弃量评价指标；
根据非弃量评价指标的指标数据及优劣解距离法，计算每个非弃量评价指标的指标数据的分项评分；
根据每个待评价关口电能表各自对应的非弃量评价指标的指标数据的分项评分及每种非弃量评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分。
可选地，所述根据所述指标数据及优劣解距离法计算每个指标数据的分项评分，包括：
根据全部指标数据构造初始矩阵，确定所述初始矩阵中每个指标数据对应的指标类型，将所述初始矩阵中全部非极大型指标转化为极大型指标，获得正向化矩阵，其中，所述指标类型包括极大型指标、极小型指标、中间型指标及区间型指标；
标准化所述正向化矩阵，获得标准化矩阵，根据所述标准化矩阵获得每个指标数据的分项评分。
可选地，所述标准化矩阵包括标准化指标数据；所述根据所述标准化矩阵获得每个指标数据的分项评分，包括：
选取任一种评价指标，根据所选评价指标对应的全部标准化指标数据，确定所选评价指标对应的最劣解及最优解；
在所选评价指标对应的全部标准化指标数据中，依次计算每个标准化指标数据到最劣解的最劣解距离以及到最优解的最优解距离；
根据所述最劣解距离及所述最优解距离，计算每个标准化指标数据的最优解占比，获得每个标准化指标数据对应的指标数据的分项评分。
可选地，所述根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的综合状态评分，包括：
选取任一待评价关口电能表，确定所选待评价关口电能表对应的各评价指标的指标数据的分项评分，以及每个分项评分对应的评价指标的独立信息权重；
求和每个分项评分与每个分项评分对应的评价指标的独立信息权重的乘积，获得所选待评价关口电能表的综合状态评分。
根据本申请的另一方面，提供了一种关口电能表状态评价装置，所述装置包括：
数据获取模块，用于获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据；
数据计算模块，用于根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分；
状态评价模块，用于根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
可选地，所述数据计算模块，还用于：
选取任一种评价指标，根据所选评价指标对应的全部指标数据，计算所选评价指标的指标离散系数；
依次以所选评价指标对应的全部指标数据中每个指标数据作为因变量，其他指标数据作为自变量进行回归分析，得到拟合优度，并根据所述拟合优度获得独立信息比率；
根据所述指标离散系数及所述独立信息比率，获得所选评价指标对应的独立信息权重。
可选地，所述数据计算模块，还用于：
分别标准化所述指标离散系数及所述独立信息比率，根据乘法模型融合标准化后的所述指标离散系数及所述独立信息比率，获得所选评价指标的纯信息量；
计算所选评价指标的纯信息量在每种评价指标各自对应的纯信息量的总和中所占的百分比，获得所选评价指标的独立信息权重。
可选地，所述数据计算模块，还用于：
若所选评价指标在每个待评价关口电能表的指标数据均一致，则不计算所选评价指标的独立信息权重，并将所选评价指标确定为弃量评价指标；
根据非弃量评价指标的指标数据及优劣解距离法，计算每个非弃量评价指标的指标数据的分项评分；
根据每个待评价关口电能表各自对应的非弃量评价指标的指标数据的分项评分及每种非弃量评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分。
可选地，所述数据计算模块，还用于：
根据全部指标数据构造初始矩阵，确定所述初始矩阵中每个指标数据对应的指标类型，将所述初始矩阵中全部非极大型指标转化为极大型指标，获得正向化矩阵，其中，所述指标类型包括极大型指标、极小型指标、中间型指标及区间型指标；
标准化所述正向化矩阵，获得标准化矩阵，根据所述标准化矩阵获得每个指标数据的分项评分。
可选地，所述标准化矩阵包括标准化指标数据；所述数据计算模块，还用于：
选取任一种评价指标，根据所选评价指标对应的全部标准化指标数据，确定所选评价指标对应的最劣解及最优解；
在所选评价指标对应的全部标准化指标数据中，依次计算每个标准化指标数据到最劣解的最劣解距离以及到最优解的最优解距离；
根据所述最劣解距离及所述最优解距离，计算每个标准化指标数据的最优解占比，获得每个标准化指标数据对应的指标数据的分项评分。
可选地，所述状态评价模块，还用于：
选取任一待评价关口电能表，确定所选待评价关口电能表对应的各评价指标的指标数据的分项评分，以及每个分项评分对应的评价指标的独立信息权重；
求和每个分项评分与每个分项评分对应的评价指标的独立信息权重的乘积，获得所选待评价关口电能表的综合状态评分。
依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述关口电能表状态评价方法。
依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述关口电能表状态评价方法。
借由上述技术方案，本申请提供的一种关口电能表状态评价方法及装置、存储介质、计算机设备，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据，根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分，根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过将指标数据自身信息和指标数据独立程度组合度量进而得出各评价指标的权重，在兼具权重客观性的同时提升了评价的可解释性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种关口电能表状态评价方法的流程示意图；
图2示出了本申请实施例提供的另一种关口电能表状态评价方法的流程示意图；
图3示出了本申请实施例提供的又一种关口电能表状态评价方法的流程示意图；
图4示出了本申请实施例提供的又一种关口电能表状态评价方法的流程示意图；
图5示出了本申请实施例提供的一种关口电能表状态评价方法示意图；
图6示出了本申请实施例提供的一种关口电能表状态评价装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了一种关口电能表状态评价方法，如图1所示，该方法包括：
步骤101，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。
在本申请上述实施例中，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。具体的，评价指标可以包括：日冻结采集成功率、日冻结采集完整率，用于评价关口电能表的日冻结数据采集状态；遥测采集成功率、遥测采集完整率，用于评价关口电能表的遥测数据采集状态；间隔采集成功率、间隔采集完整率，用于评价关口电能表的间隔数据采集状态；累计采集成功率、累计采集完整率，用于评价关口电能表的累计数据采集状态；电能表时钟异常次数、电能表倒走次数、关口表飞走及冒大数次数，用于评价关口电能表的计量是否异常；电流三相不平衡、电压三相不平衡，用于评价关口电能表的运行异常；设备投运时间(日)，用于评价关口电能表的使用年限。其中，关于关口电能表的数据采集完整率和成功率需要结合无效数据和数据缺失进行综合研判，关口电能表缺失数据＝缺失数据+无效数据。
预设评价维度包括日维度或周维度等，获取到的指标数据分别对应为日维度数据或周维度数据，例如：“日冻结采集成功率”及“设备投运时间(日)”为日维度数据，“周冻结采集成功率”及“设备投运时间(周)”为周维度数据，为此，可以根据不同的应用场景随时调整数据的评价维度。
在一种具体的实施例中，获取到的母线平衡管理***中关口电能表1对应的各评价指标的预设评价维度的指标数据例如：“日冻结采集成功率100％、日冻结采集完整率98％、遥测采集成功率97％、遥测采集完整率100％、间隔采集成功率90％、间隔采集完整率100％、累计采集成功率100％、累计采集完整率87％、电能表时钟异常次数2、电能表倒走次数0、关口表飞走及冒大数次数1、电流三相不平衡0、电压三相不平衡1、设备投运时间(日)169”；关口电能表2对应的各评价指标的预设评价维度的指标数据例如：“日冻结采集成功率90％、日冻结采集完整率100％、遥测采集成功率90％、遥测采集完整率80％、间隔采集成功率100％、间隔采集完整率100％、累计采集成功率87％、累计采集完整率95％、电能表时钟异常次数4、电能表倒走次数1、关口表飞走及冒大数次数0、电流三相不平衡1、电压三相不平衡1、设备投运时间(日)245”。
步骤102，根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。
接着，根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分，以便后续可以根据每种评价指标的独立信息权重及每个指标数据的分项评分计算每个待评价关口电能表的状态综合评分。
步骤103，根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过将独立信息数据波动赋权法与优劣解距离法结合，实现了将数据自身信息和数据独立程度组合度量进而得出各指标的权重，并在兼具权重客观性的同时提升了评价的可解释性。
通过应用本实施例的技术方案，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据；根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分；根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过将独立信息数据波动赋权法与优劣解距离法结合，实现了将数据自身信息和数据独立程度组合度量进而得出各指标的权重，并在兼具权重客观性的同时提升了评价的可解释性。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了另一种关口电能表状态评价方法，如图2所示，该方法包括：
步骤201，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。
在本申请上述实施例中，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据，评价指标例如，日冻结采集成功率、日冻结采集完整率、遥测采集成功率及遥测采集完整率等。
步骤202，选取任一种评价指标，根据所选评价指标对应的全部指标数据，计算所选评价指标的指标离散系数。
接着，选取任一种评价指标，例如，选择评价指标“日冻结采集成功率”，获取评价指标“日冻结采集成功率”在母线平衡管理***中每个待评价关口电能表的指标数据具体包括：“关口电能表1，日冻结采集成功率100％”、“关口电能表2，日冻结采集成功率97％”、“关口电能表3，日冻结采集成功率88％”，计算所选评价指标对应的全部指标数据的标准差占算术平均值的比值，获得指标离散系数，即计算评价指标“日冻结采集成功率”对应的全部指标数据(“100％、97％、88％”)的标准差占算术平均值的比值，进而获得评价指标“日冻结采集成功率”的指标离散系数。
具体的，如果假设评价指标为Xj，评价指标Xj对应的全部指标数据的标准差为δj，评价指标Xj对应的全部指标数据的算术平均值为其中，j表示第一、第二...第n个评价指标，j＝1，2...，n，
那么指标离散系数Vj的计算公式为
可选地，所述选取任一种评价指标之后，所述方法还包括：
步骤202-1，若所选评价指标在每个待评价关口电能表的指标数据均一致，则不计算所选评价指标的独立信息权重，并将所选评价指标确定为弃量评价指标。
步骤202-2，根据非弃量评价指标的指标数据及优劣解距离法，计算每个非弃量评价指标的指标数据的分项评分。
步骤203-3，根据每个待评价关口电能表各自对应的非弃量评价指标的指标数据的分项评分及每种非弃量评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分。
在本申请上述实施例中，在确定评价指标的选取后，为保证评价的客观性，采用独立信息数据波动赋权法对指标权重进行分析。考虑到指标数据在正常运行情况下可能会出现所有关口电能表的采集成功率、完整率均为100％，或当日某项异常在所有关口电能表中均未发生的情况，此时该评价指标对整体健康评价的影响较小，需要根据当日指标数据进行筛选，重点对出现数据一致性较低的评价指标进行权重分配分析及综合评价分析。
例如，如果当天评价指标“日冻结采集成功率”在母线平衡管理***中每个待评价关口电能表的指标数据均一致，例如均为100％，，那么该项评价指标是不需要评分的，具体的，若所选评价指标在每个待评价关口电能表的指标数据均一致，则不计算所选评价指标的独立信息权重，并将所选评价指标确定为弃量评价指标，根据非弃量评价指标的指标数据及优劣解距离法，计算每个非弃量评价指标的指标数据的分项评分，根据每个待评价关口电能表各自对应的非弃量评价指标的指标数据的分项评分及每种非弃量评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，为此可以放弃对无需进行评价的评价指标的计算，从而提高评价过程的计算效率。
步骤203，依次以所选评价指标对应的全部指标数据中每个指标数据作为因变量，其他指标数据作为自变量进行回归分析，得到拟合优度，并根据所述拟合优度获得独立信息比率。
接着，依次以所选评价指标对应的全部指标数据中每个指标数据作为因变量，其他指标数据作为自变量进行回归分析，得到拟合优度，并根据所述拟合优度获得独立信息比率，具体的，如果假设拟合优度为Rj，独立信息比率为Dj，
那么独立信息比率为Dj的计算公式为Dj＝1-Rj。
步骤204，分别标准化所述指标离散系数及所述独立信息比率，根据乘法模型融合标准化后的所述指标离散系数及所述独立信息比率，获得所选评价指标的纯信息量。
接着，分别标准化所述指标离散系数Vj及所述独立信息比率Dj，根据乘法模型融合标准化后的所述指标离散系数Vj及所述独立信息比率Dj，获得所选评价指标的纯信息量Ij，标准化后的所述指标离散系数Vj为V'j，标准化后的所述独立信息比率Dj为D'j，V'j、D'j及纯信息量Ij的计算公式分别为：
步骤205，计算所选评价指标的纯信息量在每种评价指标各自对应的纯信息量的总和中所占的百分比，获得所选评价指标的独立信息权重。
接着，计算所选评价指标的纯信息量在每种评价指标各自对应的纯信息量的总和中所占的百分比，获得所选评价指标的独立信息权重，即计算各评价指标的纯信息量的百分比，得到各评价指标的独立信息权重。
步骤206，根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。
步骤207，根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
接着，根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。独立信息数据波动赋权法结合了离散系数法等距离赋权方法及线性赋权法等信息赋权方法，能够从数据提供的独立信息以及数据本身的变化程度角度进行评价，可以充分挖掘现有指标数据的特点。
通过应用本实施例的技术方案，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。选取任一种评价指标，根据所选评价指标对应的全部指标数据，计算所选评价指标的指标离散系数。依次以所选评价指标对应的全部指标数据中每个指标数据作为因变量，其他指标数据作为自变量进行回归分析，得到拟合优度，并根据所述拟合优度获得独立信息比率。根据乘法模型融合标准化后的所述指标离散系数及所述独立信息比率，获得所选评价指标的纯信息量。计算所选评价指标的纯信息量在每种评价指标各自对应的纯信息量的总和中所占的百分比，获得所选评价指标的独立信息权重。根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过采用独立信息数据波动赋权法与优劣解距离法对母线平衡***的关口电能表设备进行状态评价，将评价指标本身的信息数据衡量权重与指标独立信息采用乘法模型进行融合，充分对可用数据进行挖掘，通过获取更加客观合理的权重，对设备的当日运行状态进行综合评价，结合健康度状态与往期检测数据，预测设备健康度与生命周期，可协助用户提前判断潜在的设备偏差和故障，使母线平衡管理***具备“治未病”的能力。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了又一种关口电能表状态评价方法，如图3所示，该方法包括：
步骤301，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。
在本申请上述实施例中，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据，以便后续根据指标数据评价每个待评价关口电能表。
步骤302，根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重。
接着，根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，通过将数据自身信息和数据独立程度组合度量进而得出各评价指标的独立信息权重，在兼具权重客观性的同时提升了评价的可解释性。
步骤303，根据全部指标数据构造初始矩阵，确定所述初始矩阵中每个指标数据对应的指标类型，将所述初始矩阵中全部非极大型指标转化为极大型指标，获得正向化矩阵，其中，所述指标类型包括极大型指标、极小型指标、中间型指标及区间型指标。
接着，根据全部指标数据构造初始矩阵，确定所述初始矩阵中每个指标数据对应的指标类型，将所述初始矩阵中全部非极大型指标转化为极大型指标，获得正向化矩阵，其中，所述指标类型包括极大型指标、极小型指标、中间型指标及区间型指标。
具体的，例如母线平衡管理***中包含m个关口电能表，每个关口电能表设置n个评价指标，以m个关口电能表为行，n个评价指标为列，根据全部指标数据构造初始矩阵为：
其中，amn表示第m个关口电能表的第n个评价指标，再具体的，用i表示第一、第二...第m个关口电能表，i＝1，2...，m，用j表示第一、第二...第n个评价指标，j＝1，2...，n。
接着，确定所述初始矩阵A中每个指标数据对应的指标类型，指标类型包括极大型指标、极小型指标、中间型指标及区间型指标。极大型指标即效益类指标，指标值越大越好，也就是正向化的指标，例如：评价指标“日冻结采集成功率”、评价指标“日冻结采集完整率”、评价指标“间隔采集完整率”等；极小型指标即成本类指标，指标值越小越好，例如：评价指标“电能表时钟异常次数”、评价指标“电能表倒走次数”、评价指标“设备投运时间(日)”等；中间型指标，即指标数值越接近预设值越好；区间型指标，即指标数值在预设区间范围内最好，区间中的数值大小无优劣之分。
具体的，若假设待转化的指标为xi，转化后的指标为
则极小型指标转化为极大型指标的计算公式为：
或者/>
中间型型指标转化为极大型指标的计算公式为：
其中，分母求得的是偏离最好值最远的值，通过这种方式将中间型指标转化为极大型指标；
区间型指标转化为极大型指标的计算公式为：
其中M＝max{a-min(X),max(X)-b}，a为上界，b为下界。
步骤304，标准化所述正向化矩阵，获得标准化矩阵，选取任一种评价指标，根据所选评价指标对应的全部标准化指标数据，确定所选评价指标对应的最劣解及最优解，其中，所述标准化矩阵包括标准化指标数据。
接着，由于各指标的量纲可能存在不同，需要对原始数据进行标准化处理(归一化处理)，即标准化所述正向化矩阵，获得标准化矩阵，所述标准化矩阵包括标准化指标数据。具体的，获得的标准化矩阵A'为：
其中，同样的，amn表示第m个关口电能表的第n个评价指标。再具体的，用i表示第一、第二...第m个关口电能表，i＝1，2...，m，用j表示第一、第二...第n个评价指标，j＝1，2...，n。
接着，选取任一种评价指标，根据所选评价指标对应的全部标准化指标数据，确定所选评价指标对应的最劣解及最优解。
具体的，可以对所选评价指标对应的全部标准化指标数据采用比大小的方法，获得所选评价指标对应的最劣解及最优解。例如：所选评价指标为“日冻结采集成功率”，评价指标“日冻结采集成功率”对应的指标数据为:“关口电能表1，日冻结采集成功率100％”、“关口电能表2，日冻结采集成功率97％”、“关口电能表3，日冻结采集成功率88％”，由前述信息可知，评价指标“日冻结采集成功率”对应的最劣解及最优解分别为88％及100％。
步骤305，在所选评价指标对应的全部标准化指标数据中，依次计算每个标准化指标数据到最劣解的最劣解距离以及到最优解的最优解距离。
接着，在所选评价指标对应的全部标准化指标数据中，依次计算每个标准化指标数据到最劣解的最劣解距离以及到最优解的最优解距离。具体的，假设最劣解为最优解为/>
到最劣解的最劣解距离为计算公式为/>
到最优解的最优解距离为计算公式为/>
步骤306，根据所述最劣解距离及所述最优解距离，计算每个标准化指标的最优解占比，获得每个标准化指标数据对应的指标数据的分项评分。
接着，计算每个标准化指标数据对应的最劣解距离占最劣解距离与最优解距离总和的比值，即
其中，为评价指标aij到最劣解/>的距离，/>为评价指标aij到最优解/>的最优解距离，指标离最劣解距离较远且离最优解距离较近的时候，指标的贴近程度较高，得分较高。
步骤307，根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过先将原始数据矩阵统一指标类型(正向化处理)得到正向化矩阵，再对正向化矩阵进行标准化处理以消除各指标量纲的影响，然后计算各维度对象的指标值，以此作为评价优劣的依据，将所有指标值累加在一起后得到关口电能表的健康情况，实现了在兼具权重客观性的同时提升了评价的可解释性。
通过应用本实施例的技术方案，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重。根据全部指标数据构造初始矩阵，确定所述初始矩阵中每个指标数据对应的指标类型，将所述初始矩阵中全部非极大型指标转化为极大型指标，获得正向化矩阵，标准化所述正向化矩阵，获得标准化矩阵，选取任一种评价指标，根据所选评价指标对应的全部标准化指标数据，确定所选评价指标对应的最劣解及最优解，在所选评价指标对应的全部标准化指标数据中，依次计算每个标准化指标数据到最劣解的最劣解距离以及到最优解的最优解距离。根据所述最劣解距离及所述最优解距离，计算每个标准化指标数据的最优解占比，获得每个标准化指标数据对应的指标数据的分项评分。根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过先将原始数据矩阵统一指标类型(正向化处理)得到正向化矩阵，再对正向化矩阵进行标准化处理以消除各指标量纲的影响，然后计算各维度对象的指标值，以此作为评价优劣的依据，将所有指标值累加在一起后得到关口电能表的健康情况，实现了在兼具权重客观性的同时提升了评价的可解释性。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了又一种关口电能表状态评价方法，如图4所示，该方法包括：
步骤401，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。
在本申请上述实施例中，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据，以便后续可以根据指标数据获得每个待评价关口电能表的状态综合评分。
步骤402，根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。
接着，根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。通过对独立信息数据波动赋权法与优劣解距离法的结合，将数据自身信息和数据独立程度组合度量进而得出各指标的权重，在兼具权重客观性的同时提升了评价的可解释性。
步骤403，选取任一待评价关口电能表，确定所选待评价关口电能表对应的各评价指标的指标数据的分项评分，以及每个分项评分对应的评价指标的独立信息权重。
步骤404，求和每个分项评分与每个分项评分对应的评价指标的独立信息权重的乘积，获得所选待评价关口电能表的综合状态评分，以根据所述状态综合评分评价待评价关口电能表的状态。
接着，选取任一待评价关口电能表，确定所选待评价关口电能表对应的各评价指标的指标数据的分项评分，以及每个分项评分对应的评价指标的独立信息权重，求和每个分项评分与每个分项评分对应的评价指标的独立信息权重的乘积，获得所选待评价关口电能表的综合状态评分，以根据所述状态综合评分评价待评价关口电能表的状态，具体的，可以通过构造加权标准化矩阵Z来计算每个待评价关口电能表的综合状态评分，
其中，wj为第j个评价指标的独立信息权重，待评价关口电能表的综合状态评分结果越高，说明该关口电能表的健康程度越高。一般地，评价标准为连续几天或连续几周(根据预设评价维度随时调整)排名较低作为状态不好，具体情况可以结合生产环境具体判断。特别地，还可以根据每个待评价关口电能表的各评价指标的分项评分进行横向评分，评价方式多样，提供了全方位的综合评价方式的基础数据。
通过应用本实施例的技术方案，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。选取任一待评价关口电能表，确定所选待评价关口电能表对应的各评价指标的指标数据的分项评分，以及每个分项评分对应的评价指标的独立信息权重。求和每个分项评分与每个分项评分对应的评价指标的独立信息权重的乘积，获得所选待评价关口电能表的综合状态评分，以根据所述状态综合评分评价待评价关口电能表的状态。如图5所述，通过确定待评价关口电能表，获取各待评价关口电能表的指标数据，接着筛选指标数据，以便确定非弃量评价指标，通过独立信息数据波动赋权法计算指标离散系数及独立信息比率，获得独立信息权重，以及通过优劣解距离法计算分项评分，最后根据独立信息权重及分项评分获得状态综合评分，实现了基于母线平衡***的计量点日维度统计数据库确定所需评价维度并建立综合评价指标体系，同时利用独立信息数据波动赋权法及优劣解距离法对关口电能表运行状态进行评价，可以及时掌握关口电能表综合运行状态。
进一步的，作为图1方法的具体实现，本申请实施例提供了一种关口电能表状态评价装置，如图6所示，该装置包括：
数据获取模块501，用于获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据。
数据计算模块502，用于根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分。
状态评价模块503，用于根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
可选地，所述数据计算模块502，还用于：
选取任一种评价指标，根据所选评价指标对应的全部指标数据，计算所选评价指标的指标离散系数；
依次以所选评价指标对应的全部指标数据中每个指标数据作为因变量，其他指标数据作为自变量进行回归分析，得到拟合优度，并根据所述拟合优度获得独立信息比率；
根据所述指标离散系数及所述独立信息比率，获得所选评价指标对应的独立信息权重。
可选地，所述数据计算模块502，还用于：
分别标准化所述指标离散系数及所述独立信息比率，根据乘法模型融合标准化后的所述指标离散系数及所述独立信息比率，获得所选评价指标的纯信息量；
计算所选评价指标的纯信息量在每种评价指标各自对应的纯信息量的总和中所占的百分比，获得所选评价指标的独立信息权重。
可选地，所述数据计算模块502，还用于：
若所选评价指标在每个待评价关口电能表的指标数据均一致，则不计算所选评价指标的独立信息权重，并将所选评价指标确定为弃量评价指标；
根据非弃量评价指标的指标数据及优劣解距离法，计算每个非弃量评价指标的指标数据的分项评分；
根据每个待评价关口电能表各自对应的非弃量评价指标的指标数据的分项评分及每种非弃量评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分。
可选地，所述数据计算模块502，还用于：
根据全部指标数据构造初始矩阵，确定所述初始矩阵中每个指标数据对应的指标类型，将所述初始矩阵中全部非极大型指标转化为极大型指标，获得正向化矩阵，其中，所述指标类型包括极大型指标、极小型指标、中间型指标及区间型指标；
标准化所述正向化矩阵，获得标准化矩阵，根据所述标准化矩阵获得每个指标数据的分项评分。
可选地，所述标准化矩阵包括标准化指标数据；所述数据计算模块602，还用于：
选取任一种评价指标，根据所选评价指标对应的全部标准化指标数据，确定所选评价指标对应的最劣解及最优解；
在所选评价指标对应的全部标准化指标数据中，依次计算每个标准化指标数据到最劣解的最劣解距离以及到最优解的最优解距离；
根据所述最劣解距离及所述最优解距离，计算每个标准化指标数据的最优解占比，获得每个标准化指标数据对应的指标数据的分项评分。
可选地，所述状态评价模块503，还用于：
选取任一待评价关口电能表，确定所选待评价关口电能表对应的各评价指标的指标数据的分项评分，以及每个分项评分对应的评价指标的独立信息权重；
求和每个分项评分与每个分项评分对应的评价指标的独立信息权重的乘积，获得所选待评价关口电能表的综合状态评分。
需要说明的是，本申请实施例提供的一种关口电能表状态评价装置所涉及各功能单元的其他相应描述，可以参考图1至图4方法中的对应描述，在此不再赘述。
基于上述如图1至图4所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述如图1至图4所示的关口电能表状态评价方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1至图4所示的方法，以及图6所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图4所示的关口电能表状态评价方法。
可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作***、网络通信模块。操作***是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现，获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据；根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分；根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。通过组合度量指标数据的自身信息和独立程度进而得出各评价指标的权重，在兼具权重客观性的同时提升了评价的可解释性。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种关口电能表状态评价方法，其特征在于，所述方法包括：
获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据；
根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分；
根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，包括：
选取任一种评价指标，根据所选评价指标对应的全部指标数据，计算所选评价指标的指标离散系数；
依次以所选评价指标对应的全部指标数据中每个指标数据作为因变量，其他指标数据作为自变量进行回归分析，得到拟合优度，并根据所述拟合优度获得独立信息比率；
根据所述指标离散系数及所述独立信息比率，获得所选评价指标对应的独立信息权重。
3.根据权利要求2所述的方法，其特征在于，所述根据所述指标离散系数及所述独立信息比率，获得所选评价指标对应的独立信息权重，包括：
分别标准化所述指标离散系数及所述独立信息比率，根据乘法模型融合标准化后的所述指标离散系数及所述独立信息比率，获得所选评价指标的纯信息量；
计算所选评价指标的纯信息量在每种评价指标各自对应的纯信息量的总和中所占的百分比，获得所选评价指标的独立信息权重。
4.根据权利要求3所述的方法，其特征在于，所述选取任一种评价指标之后，所述方法还包括：
若所选评价指标在每个待评价关口电能表的指标数据均一致，则不计算所选评价指标的独立信息权重，并将所选评价指标确定为弃量评价指标；
根据非弃量评价指标的指标数据及优劣解距离法，计算每个非弃量评价指标的指标数据的分项评分；
根据每个待评价关口电能表各自对应的非弃量评价指标的指标数据的分项评分及每种非弃量评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分。
5.根据权利要求1所述的方法，其特征在于，所述根据所述指标数据及优劣解距离法计算每个指标数据的分项评分，包括：
根据全部指标数据构造初始矩阵，确定所述初始矩阵中每个指标数据对应的指标类型，将所述初始矩阵中全部非极大型指标转化为极大型指标，获得正向化矩阵，其中，所述指标类型包括极大型指标、极小型指标、中间型指标及区间型指标；
标准化所述正向化矩阵，获得标准化矩阵，根据所述标准化矩阵获得每个指标数据的分项评分。
6.根据权利要求5所述的方法，其特征在于，所述标准化矩阵包括标准化指标数据；所述根据所述标准化矩阵获得每个指标数据的分项评分，包括：
选取任一种评价指标，根据所选评价指标对应的全部标准化指标数据，确定所选评价指标对应的最劣解及最优解；
在所选评价指标对应的全部标准化指标数据中，依次计算每个标准化指标数据到最劣解的最劣解距离以及到最优解的最优解距离；
根据所述最劣解距离及所述最优解距离，计算每个标准化指标数据的最优解占比，获得每个标准化指标数据对应的指标数据的分项评分。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的综合状态评分，包括：
选取任一待评价关口电能表，确定所选待评价关口电能表对应的各评价指标的指标数据的分项评分，以及每个分项评分对应的评价指标的独立信息权重；
求和每个分项评分与每个分项评分对应的评价指标的独立信息权重的乘积，获得所选待评价关口电能表的综合状态评分。
8.一种关口电能表状态评价装置，其特征在于，所述装置包括：
数据获取模块，用于获取母线平衡管理***中每个待评价关口电能表对应的各评价指标的预设评价维度的指标数据；
数据计算模块，用于根据所述指标数据及独立信息数据波动赋权法，计算每种评价指标的独立信息权重，以及根据所述指标数据及优劣解距离法计算每个指标数据的分项评分；
状态评价模块，用于根据每个待评价关口电能表各自对应的各评价指标的指标数据的分项评分及每种评价指标的独立信息权重，获得每个待评价关口电能表的状态综合评分，以根据所述状态综合评分评价待评价关口电能表的状态。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述关口电能表状态评价的方法。
10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述关口电能表状态评价的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310591745.9A CN116739417A (zh) | 2023-05-24 | 2023-05-24 | 关口电能表状态评价方法及装置、存储介质、计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310591745.9A CN116739417A (zh) | 2023-05-24 | 2023-05-24 | 关口电能表状态评价方法及装置、存储介质、计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116739417A true CN116739417A (zh) | 2023-09-12 |
Family
ID=87907106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310591745.9A Pending CN116739417A (zh) | 2023-05-24 | 2023-05-24 | 关口电能表状态评价方法及装置、存储介质、计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116739417A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930982A (zh) * | 2016-05-11 | 2016-09-07 | 中国南方电网有限责任公司电网技术研究中心 | 电力景气指数的测算方法和*** |
| CN111949939A (zh) * | 2020-08-26 | 2020-11-17 | 北京航空航天大学 | 基于改进topsis和聚类分析的智能电表运行状态评价方法 |
| CN113780759A (zh) * | 2021-08-24 | 2021-12-10 | 西安交通大学 | 一种多能互补分布式能源***综合性能评价方法 |
| CN114638465A (zh) * | 2022-01-24 | 2022-06-17 | 国网浙江省电力有限公司营销服务中心 | 一种基于二次评分的采集终端网络信号质量评价方法 |
| CN114662809A (zh) * | 2020-12-22 | 2022-06-24 | 中国电力科学研究院有限公司 | 一种综合能源园区内供电电源的电能质量评价方法和*** |
| WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和*** |
-
2023
- 2023-05-24 CN CN202310591745.9A patent/CN116739417A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930982A (zh) * | 2016-05-11 | 2016-09-07 | 中国南方电网有限责任公司电网技术研究中心 | 电力景气指数的测算方法和*** |
| CN111949939A (zh) * | 2020-08-26 | 2020-11-17 | 北京航空航天大学 | 基于改进topsis和聚类分析的智能电表运行状态评价方法 |
| CN114662809A (zh) * | 2020-12-22 | 2022-06-24 | 中国电力科学研究院有限公司 | 一种综合能源园区内供电电源的电能质量评价方法和*** |
| CN113780759A (zh) * | 2021-08-24 | 2021-12-10 | 西安交通大学 | 一种多能互补分布式能源***综合性能评价方法 |
| WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和*** |
| CN114638465A (zh) * | 2022-01-24 | 2022-06-17 | 国网浙江省电力有限公司营销服务中心 | 一种基于二次评分的采集终端网络信号质量评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 俞立平 等: "一种新的客观赋权科技评价方法——独立信息数据波动赋权法DIDF", 《软科学》, vol. 24, no. 11, 15 November 2010 (2010-11-15), pages 32 - 37 * |
| 韩兆洲 熊剑主编，伍业锋 陈光慧副主编: "统计学原理", 31 January 2013, 广州：暨南大学出版社, pages: 218 - 220 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409628B (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
| JP2021068435A (ja) | サプライヤー評価装置及びサプライヤー評価方法 | |
| CN111402017A (zh) | 一种基于大数据的信用评分方法和*** | |
| Yang et al. | The optimization of total laboratory automation by simulation of a pull-strategy | |
| CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
| CN115906954A (zh) | 一种基于图神经网络的多变量时间序列预测方法及装置 | |
| WO2017071369A1 (zh) | 一种预测用户离网的方法和设备 | |
| CN102165442A (zh) | 对用于市场份额预测的选择预测***进行定标 | |
| CN114202256B (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
| CN113642886B (zh) | 规划电网线路利用率分析方法、***、介质及计算设备 | |
| CN111931992A (zh) | 一种电力负荷预测指标选取方法及装置 | |
| CN113793057A (zh) | 一种基于回归分析模型的建筑招投标数据生成方法 | |
| CN114493641A (zh) | 信息显示方法、装置、电子设备和计算机可读介质 | |
| US20090099907A1 (en) | Performance management | |
| Ribeiro et al. | Importance of statistics for data mining and data science | |
| CN116739417A (zh) | 关口电能表状态评价方法及装置、存储介质、计算机设备 | |
| CN111177640A (zh) | 一种数据中心运维工作绩效评价*** | |
| CN114282658B (zh) | 一种针对流量序列分析及预测的方法、设备和介质 | |
| Maharani et al. | The MFEP and MAUT methods in selecting the best employees | |
| CN115169426B (zh) | 一种基于相似性学习融合模型的异常检测方法及*** | |
| US20140200935A1 (en) | Product Value Dynamic Lab Test Equipment Control, Data Analyzer and Method | |
| CN114936204A (zh) | 一种特征筛选方法、装置、存储介质及电子设备 | |
| de la Vega et al. | Mathematical modeling of battery degradation based on direct measurements and signal processing methods | |
| Rosslyn-Smith et al. | Establishing turnaround potential before commencement of formal turnaround proceedings | |
| CN112116139A (zh) | 一种电力需求预测方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |