本發明涉及配電自動化終端狀態評價技術，具體涉及一種基于模糊綜合評價的配電自動化終端狀態評價方法及系統。
背景技術：
：隨著智能電網建設的不斷深入，配電自動化終端設備的數量不斷增長，傳統的檢修方式已經難以匹配現有的檢修需求，因此，有必要改進檢修方法，對配電自動化終端進行狀態管控，通過前期狀態評價的方法，合理制定檢修計劃。這一方面能使有限的檢修資源得到合理的運用，另一方面更能提高配電網的經濟穩定運行。目前，針對配電自動化終端的狀態評價還無相關的國家標準或規程，對電氣設備狀態評價的方法一般有專家打分法、模糊綜合評價法、層次分析法等。專家打分法具有主觀性較強，極大的依賴專家經驗；層次分析法對專家打分法進行了改進，但是還存在著主觀性較強的缺陷；模糊綜合評價法具有較高的客觀性，同時通過合理的方法確定狀態量的權重能夠更好地提高狀態評價的準確性。技術實現要素：本發明要解決的技術問題：針對現有技術的上述問題，提供一種能夠更為準確地反映配電自動化終端的狀態，更加全面地對配電自動化終端展開評價，具備較高的可操作性的基于模糊綜合評價的配電自動化終端狀態評價方法及系統。為了解決上述技術問題，本發明采用的技術方案為：本發明提供一種基于模糊綜合評價的配電自動化終端狀態評價方法，步驟包括：1)檢測確定配電自動化終端的狀態量；2)根據配電自動化終端的狀態量建立配電自動化終端狀態評價體系，所述配電自動化終端狀態評價體系為狀態量對應指標構成的層次結構模型；3)確定所述狀態評價體系中各狀態量對應指標的權重集W；4)設置包括配電自動化終端各個狀態等級的狀態評價集V；5)計算各狀態量對應指標的配電自動化終端各個狀態等級的模糊隸屬函數，根據模糊隸屬函數計算得到的隸屬度構建模糊綜合評價矩陣R；6)結合得到的狀態量對應指標的權重集W和模糊綜合評價矩陣R，根據隸屬度最大原則確定配電自動化終端在狀態評價集V中對應的狀態等級。優選地，步驟1)中配電自動化終端的狀態量包括巡檢信息、在線監測信息、歷史信息三類，巡檢信息包括裝置外觀、運行環境、銹蝕情況、絕緣情況四個狀態量，在線監測信息包括通信狀況、遙控正確率、遙測合格率、遙信正確率四個狀態量，歷史信息包括家族性缺陷、裝置運行年限、同批次設備平均故障率三個狀態量。優選地，步驟2)中層次結構模型為兩層的層次結構模型，所述狀態量對應的巡檢信息、在線監測信息、歷史信息三個分類類別作為層次結構模型中的一級指標，所述巡檢信息包括裝置外觀、運行環境、銹蝕情況及絕緣情況四個狀態量對應的二級指標，所述在線監測信息包括通信狀況、遙控正確率、遙測合格率及遙信正確率四個狀態量對應的二級指標，所述歷史信息主要包括家族性缺陷、裝置運行年限、同批次設備平均故障率三個狀態量對應的二級指標。優選地，步驟3)確定所述狀態評價體系中各狀態量對應指標的權重的詳細步驟包括：3.1)采用層次分析法確定所述狀態評價體系中各狀態量對應指標的權重ωi；3.2)采用熵權法確定所述狀態評價體系中各狀態量對應指標的權重ωsi；3.3)根據式(1)所示組合賦權法確定各狀態量對應指標的權重ω，得到由各狀態量對應指標的權重ω構成的權重集W；式(1)中，ω表示組合賦權法確定各狀態量對應指標的權重，ωi表示采用層次分析法確定所述狀態評價體系中各狀態量對應指標的權重，ωsi表示采用熵權法確定所述狀態評價體系中各狀態量對應指標的權重，m表示確定各狀態量的權重時采用的配電自動化終端數量。優選地，步驟3.1)的詳細步驟包括：3.1.1)從所述層次結構模型的第二層開始，對從屬于上一層的同一層因素采用預設的1-9標度法對各個因素兩兩比較，構建判斷矩陣，直到最后一層；3.1.2)針對得到的判斷矩陣，依次根據式(2)計算判斷矩陣每一行元素的乘積Mi，根據式(3)計算乘積Mi的n次方根Wi，得到由各行元素的乘積Mi的n次方根Wi組成的n次方根向量W，根據式(4)對n次方根向量W進行正規化，并將正規化得到的向量極作為判斷矩陣的特征向量近似解；式(2)中，Mi表示判斷矩陣每一行元素的乘積，pij表示判斷矩陣第i行的第j個元素，n表示判斷矩陣每一行元素的個數；式(3)中，Wi表示乘積Mi的n次方根，Mi表示判斷矩陣每一行元素的乘積，n表示判斷矩陣每一行元素的個數；式(4)中，ωi表示判斷矩陣第i行正規化得到的結果，Wi表示乘積Mi的n次方根，Wj表示判斷矩陣第i行的第j個元素pij對應的乘積Mj的n次方根；3.1.3)根據式(5)計算判斷矩陣的最大特征值，根據式(6)計算判斷矩陣的最大特征值利用一致性比率CI，根據式(7)將判斷矩陣的最大特征值利用一致性比率CI、一致性判別指標CR、平均隨機一致性指標RI進行一致性檢驗；式(5)中，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數，ωi表示判斷矩陣第i行正規化得到的結果，(PW)i表示各判斷矩陣與對應權重集的乘積；式(6)中，CI表示判斷矩陣的最大特征值利用一致性比率，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數；式(7)中，CR表示一致性判別指標，CI表示判斷矩陣的最大特征值利用一致性比率，RI表示平均隨機一致性指標；3.1.4)將判斷矩陣的特征向量近似解進行歸一化得到由各狀態量對應指標的權重ωi構成的集合向量，從而得到各狀態量對應指標的權重ωi。優選地，步驟3.2)的詳細步驟包括：3.2.1)針對m個配電自動化終端和n個狀態量對應的指標，建立式(8)所示具有m個對象、n項指標的評價矩陣；式(8)中，m表示確定各狀態量對應指標的權重時采用的配電自動化終端數量，n表示狀態量對應指標的數量，uij為第i個對象中第j個指標的評分，i＝1,2,…m；j＝1,2,…n；3.2.2)針對式(2)所示評價矩陣中的每一個元素uij進行數據標準化，如果元素uij對應的狀態量為值越大、狀態越好的正向指標，則采用式(9)進行數據標準化；如果元素uij對應的狀態量為值越大、狀態越差的負向指標，則采用式(10)進行數據標準化；式(9)和式(10)中，xij表示元素uij數據標準化的結果，min{uj}表示評價矩陣中的第i行所有元素的最小值，max{uj}表示評價矩陣中的第i行所有元素的最大值；3.2.3)根據式(11)計算第j個綜合狀態量下第i個狀態量對應指標所占的權重pij；式(11)中，pij表示第j個狀態量分類下第i個狀態量所占的權重，xij表示評價矩陣中的元素uij數據標準化的結果，n表示狀態量的數量；3.2.4)根據式(12)計算各個狀態量對應指標的信息熵及熵的冗余度dj；dj＝1-Ej式(12)中，Ej表示第j個狀態量對應指標的信息熵，k＝1/lnm，pij表示第j個狀態量分類下第i個狀態量所占的權重，m表示確定各狀態量對應指標的權重時采用的配電自動化終端數量，dj表示熵的冗余度；3.2.5)根據式(13)計算所述狀態評價體系中各狀態量對應指標的權重ωsi；式(13)中，ωsi表示狀態評價體系中各狀態量對應指標的權重，m表示確定各狀態量對應指標的權重時采用的配電自動化終端數量，dj表示熵的冗余度。優選地，步驟4)配電自動化終端各個狀態等級包括正常、注意、異常、嚴重四種狀態，所述狀態評價集V為V＝{正常，注意，異常，嚴重}。優選地，步驟5)的詳細步驟包括：5.1)預先根據狀態量的數據類，將各個狀態量對應的指標分類為文本型和數據型兩類；5.2)針對各個文本型的指標，利用模糊統計法確定狀態量的隸屬度，令某一集合V為狀態量的n個評價等級vi，i＝1,2,3…n，某論域X上的元素x是否屬于集合V的統計實驗，根據如式(14)所述模糊隸屬函數計算隸屬頻率作為隸屬度的值，隸屬頻率的計算公式；式(14)中，表示元素x對評價等級vi的隸屬頻率，表示x∈vi的次數，ctotal表示總的實驗次數；5.3)針對各個數據型的指標，利用三角半梯形結合的分布函數進行量化，對數據越小越好的狀態量數據，可確定狀態量的最優值p0和最差值pa，將狀態量的最優值p0和最差值pa進行n+1等分，得到n個等間隔點b1,b2,…,bn，從而得到狀態量pi隸屬于評價等級vi的模糊隸屬函數如式(15)所示；式(15)中，μi(v1)表示狀態量pi隸屬于評價等級v1的隸屬度，μi(v2)表示狀態量pi隸屬于評價等級v2的隸屬度，μi(vn-1)表示狀態量pi隸屬于評價等級vn-1的隸屬度，μi(vn)表示狀態量pi隸屬于評價等級vn的隸屬度，p0表示狀態量的最優值，pa表示狀態量的最差值，b1,b2,…,bn為將狀態量的最優值p0和最差值pa進行n+1等分得到的n個等間隔點；5.4)將所有狀態量對應指標到配電自動化終端各個狀態等級的模糊隸屬函數的隸屬度構建模糊綜合評價矩陣R。優選地，步驟6)的詳細步驟包括：6.1)根據式(16)所示表達式計算模糊綜合評價的數學模型；Q＝(q1,q2,…qm)＝WοR(16)式(16)中，Q為模糊綜合評價的數學模型的值，W表示狀態量對應指標的權重集，R表示模糊綜合評價矩陣，ο為模糊算子，q1,q2,…,qm表示對應m個狀態等級的值；6.2)基于模糊綜合評價的數學模型中對應m個狀態等級的值q1,q2,…,qm，根據隸屬度最大原則確定配電自動化終端在狀態評價集V中對應的狀態等級。另一方面，本發明還提供一種基于模糊綜合評價的配電自動化終端狀態評價系統，包括：狀態量確定程序模塊，用于檢測確定配電自動化終端的狀態量；評價體系確定程序模塊，用于根據配電自動化終端的狀態量建立配電自動化終端狀態評價體系，所述配電自動化終端狀態評價體系為狀態量對應指標構成的層次結構模型；權重集確定程序模塊，用于確定所述狀態評價體系中各狀態量對應指標的權重集W；狀態評價集確定程序模塊，用于設置包括配電自動化終端各個狀態等級的狀態評價集V；模糊綜合評價矩陣確定程序模塊，用于計算各狀態量對應指標的配電自動化終端各個狀態等級的模糊隸屬函數，根據模糊隸屬函數計算得到的隸屬度構建模糊綜合評價矩陣R；狀態等級評價程序模塊，用于結合得到的狀態量對應指標的權重集W和模糊綜合評價矩陣R，根據隸屬度最大原則確定配電自動化終端在狀態評價集V中對應的狀態等級。本發明基于模糊綜合評價的配電自動化終端狀態評價方法具有下述優點：本發明1、本發明通過檢測確定配電自動化終端的狀態量，根據配電自動化終端的狀態量建立配電自動化終端狀態評價體系，在配電自動化終端狀態評價體系的基礎上，通過確定狀態評價體系中各狀態量對應指標的權重集W，設置包括配電自動化終端各個狀態等級的狀態評價集V，計算各狀態量對應指標的配電自動化終端各個狀態等級的模糊隸屬函數，根據模糊隸屬函數計算得到的隸屬度構建模糊綜合評價矩陣R，結合得到的狀態量對應指標的權重集W和模糊綜合評價矩陣R，根據隸屬度最大原則確定配電自動化終端在狀態評價集V中對應的狀態等級，基于模糊綜合評價的方式實現了配電自動化終端狀態評價，能夠更為準確地反映配電自動化終端的狀態，更加全面地對配電自動化終端展開評價，具備較高的可操作性。2、本發明確定狀態評價體系中各狀態量對應指標的權重集W時，可以根據需要采用層次分析法確定狀態評價體系中各狀態量對應指標的權重，或者采用熵權法確定狀態評價體系中各狀態量對應指標的權重，或者采用層次分析法和熵權法結合的組合賦權法確定各狀態量對應指標的權重，既能有效利用專家經驗，又能通過熵權法客服層次分析法的主觀性缺陷，使得評價方法更加客觀準確。本發明基于模糊綜合評價的配電自動化終端狀態評價系統為本發明基于模糊綜合評價的配電自動化終端狀態評價方法完全對應的系統，因此同樣也具有本發明基于模糊綜合評價的配電自動化終端狀態評價方法的前述優點，在此不再贅述。附圖說明圖1為本發明實施例一方法的基本流程示意圖。圖2為本發明實施例一配電自動化終端狀態評價體系的結構示意圖。具體實施方式實施例一：參見圖1，本實施例基于模糊綜合評價的配電自動化終端狀態評價方法的步驟包括：1)檢測確定配電自動化終端的狀態量；2)根據配電自動化終端的狀態量建立配電自動化終端狀態評價體系，配電自動化終端狀態評價體系為狀態量對應指標構成的層次結構模型；3)確定狀態評價體系中各狀態量對應指標的權重集W；4)設置包括配電自動化終端各個狀態等級的狀態評價集V；5)計算各狀態量對應指標的配電自動化終端各個狀態等級的模糊隸屬函數，根據模糊隸屬函數計算得到的隸屬度構建模糊綜合評價矩陣R；6)結合得到的狀態量對應指標的權重集W和模糊綜合評價矩陣R，根據隸屬度最大原則確定配電自動化終端在狀態評價集V中對應的狀態等級。本實施例中，步驟1)中配電自動化終端的狀態量包括巡檢信息、在線監測信息、歷史信息三類，巡檢信息包括裝置外觀、運行環境、銹蝕情況、絕緣情況四個狀態量，在線監測信息包括通信狀況、遙控正確率、遙測合格率、遙信正確率四個狀態量，歷史信息包括家族性缺陷、裝置運行年限、同批次設備平均故障率三個狀態量。參見圖2，步驟2)中層次結構模型為兩層的層次結構模型，狀態量對應的巡檢信息、在線監測信息、歷史信息三個分類類別作為層次結構模型中的一級指標，巡檢信息包括裝置外觀、運行環境、銹蝕情況及絕緣情況四個狀態量對應的二級指標，在線監測信息包括通信狀況、遙控正確率、遙測合格率及遙信正確率四個狀態量對應的二級指標，歷史信息主要包括家族性缺陷、裝置運行年限、同批次設備平均故障率三個狀態量對應的二級指標。本實施例中，步驟3)確定狀態評價體系中各狀態量對應指標的權重的詳細步驟包括：3.1)采用層次分析法確定狀態評價體系中各狀態量對應指標的權重ωi；3.2)采用熵權法確定狀態評價體系中各狀態量對應指標的權重ωsi；3.3)根據式(1)所示組合賦權法確定各狀態量對應指標的權重ω，得到由各狀態量對應指標的權重ω構成的權重集W；式(1)中，ω表示組合賦權法確定各狀態量對應指標的權重，ωi表示采用層次分析法確定狀態評價體系中各狀態量對應指標的權重，ωsi表示采用熵權法確定狀態評價體系中各狀態量對應指標的權重，例表示確定各狀態量的權重時采用的配電自動化終端數量。本實施例中，步驟3.1)的詳細步驟包括：3.1.1)從層次結構模型的第二層開始，對從屬于上一層的同一層因素采用預設的1-9標度法對各個因素兩兩比較，構建判斷矩陣，直到最后一層；1-9標度法如表1所示；表1：1-9標度法。pij含義1pi與pj相比同等重要3pi與pj相比稍微重要5pi與pj相比明顯重要7pi與pj相比強烈重要9pi與pj相比極端重要2，4，6，8相鄰判斷值的中間值倒數pi與pj反過來比較3.1.2)針對得到的判斷矩陣，依次根據式(2)計算判斷矩陣每一行元素的乘積Mi，根據式(3)計算乘積Mi的n次方根Wi，得到由各行元素的乘積Mi的n次方根Wi組成的n次方根向量W，根據式(4)對n次方根向量W進行正規化，并將正規化得到的向量極作為判斷矩陣的特征向量近似解；式(2)中，Mi表示判斷矩陣每一行元素的乘積，pij表示判斷矩陣第i行的第j個元素，n表示判斷矩陣每一行元素的個數；式(3)中，Wi表示乘積Mi的n次方根，Mi表示判斷矩陣每一行元素的乘積，n表示判斷矩陣每一行元素的個數；式(4)中，ωi表示判斷矩陣第i行正規化得到的結果，Wi表示乘積Mi的n次方根，Wj表示判斷矩陣第i行的第j個元素pij對應的乘積Mj的n次方根；3.1.3)根據式(5)計算判斷矩陣的最大特征值，根據式(6)計算判斷矩陣的最大特征值利用一致性比率CI，根據式(7)將判斷矩陣的最大特征值利用一致性比率CI、一致性判別指標CR、平均隨機一致性指標RI進行一致性檢驗；式(5)中，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數，ωi表示判斷矩陣第i行正規化得到的結果，(PW)i表示各判斷矩陣與對應權重集的乘積；式(6)中，CI表示判斷矩陣的最大特征值利用一致性比率，λmax表示判斷矩陣的最大特征值，n表示判斷矩陣每一行元素的個數；式(7)中，CR表示一致性判別指標，CI表示判斷矩陣的最大特征值利用一致性比率，RI表示平均隨機一致性指標；3.1.4)將判斷矩陣的特征向量近似解進行歸一化得到由各狀態量對應指標的權重ωi構成的集合向量，從而得到各狀態量對應指標的權重ωi。本實施例中，步驟3.2)的詳細步驟包括：3.2.1)針對m個配電自動化終端和n個狀態量對應的指標，建立式(8)所示具有m個對象、n項指標的評價矩陣；式(8)中，m表示確定各狀態量對應指標的權重時采用的配電自動化終端數量，n表示狀態量對應指標的數量，uij為第i個對象中第j個指標的評分，i＝1,2,…m；j＝1,2,…n；3.2.2)針對式(2)所示評價矩陣中的每一個元素uij進行數據標準化，如果元素uij對應的狀態量為值越大、狀態越好的正向指標，則采用式(9)進行數據標準化；如果元素uij對應的狀態量為值越大、狀態越差的負向指標，則采用式(10)進行數據標準化；式(9)和式(10)中，xij表示元素uij數據標準化的結果，min{uj}表示評價矩陣中的第i行所有元素的最小值，max{uj}表示評價矩陣中的第i行所有元素的最大值；3.2.3)根據式(11)計算第j個綜合狀態量下第i個狀態量對應指標所占的權重pij；式(11)中，pij表示第j個狀態量分類下第i個狀態量所占的權重，xij表示評價矩陣中的元素uij數據標準化的結果，n表示狀態量的數量；3.2.4)根據式(12)計算各個狀態量對應指標的信息熵及熵的冗余度dj；dj＝1-Ej式(12)中，Ej表示第j個狀態量對應指標的信息熵，k＝1/lnm，pij表示第j個狀態量分類下第i個狀態量所占的權重，m表示確定各狀態量對應指標的權重時采用的配電自動化終端數量，dj表示熵的冗余度；3.2.5)根據式(13)計算狀態評價體系中各狀態量對應指標的權重ωsi；式(13)中，ωsi表示狀態評價體系中各狀態量對應指標的權重，m表示確定各狀態量對應指標的權重時采用的配電自動化終端數量，dj表示熵的冗余度。本實施例中，步驟3.1)采用層次分析法確定各狀態量對應指標的權重ωi為：ωi＝[0.3700.1570.2070.266]T步驟3.2)采用熵權法確定各狀態量對應指標的權重ωsi為：ωsi＝[0.1750.1250.2320.468]T根據式(1)所示組合賦權法確定各狀態量對應指標的權重ω為：ω＝[0.2520.0760.1870.485]T本實施例中，步驟4)配電自動化終端各個狀態等級包括正常、注意、異常、嚴重四種狀態，狀態評價集V為V＝{正常，注意，異常，嚴重}。本實施例中，步驟5)的詳細步驟包括：5.1)預先根據狀態量的數據類，將各個狀態量對應的指標分類為文本型和數據型兩類；5.2)針對各個文本型的指標，利用模糊統計法確定狀態量的隸屬度，令某一集合V為狀態量的n個評價等級vi，i＝1,2,3…n，某論域X上的元素x是否屬于集合V的統計實驗，根據如式(14)模糊隸屬函數計算隸屬頻率作為隸屬度的值，隸屬頻率的計算公式；式(14)中，表示元素x對評價等級vi的隸屬頻率，表示x∈vi的次數，ctotal表示總的實驗次數；5.3)針對各個數據型的指標，利用三角半梯形結合的分布函數進行量化，對數據越小越好的狀態量數據，可確定狀態量的最優值p0和最差值pa，將狀態量的最優值p0和最差值pa進行n+1等分，得到n個等間隔點b1,b2,…,bn，從而得到狀態量pi隸屬于評價等級vi的模糊隸屬函數如式(15)所示；式(15)中，μi(v1)表示狀態量pi隸屬于評價等級v1的隸屬度，μi(v2)表示狀態量pi隸屬于評價等級v2的隸屬度，μi(vn-1)表示狀態量pi隸屬于評價等級vn-1的隸屬度，μi(vn)表示狀態量pi隸屬于評價等級vn的隸屬度，p0表示狀態量的最優值，pa表示狀態量的最差值，b1,b2,…,bn為將狀態量的最優值p0和最差值pa進行n+1等分得到的n個等間隔點；5.4)將所有狀態量對應指標到配電自動化終端各個狀態等級的模糊隸屬函數的隸屬度構建模糊綜合評價矩陣R。以rij表示各個狀態量對應指標到配電自動化終端各個狀態等級的模糊隸屬函數的隸屬度，則模糊綜合評價矩陣R可表示為R＝{rij}，最終得到的模糊綜合評價矩陣R為：本實施例中，步驟6)的詳細步驟包括：6.1)根據式(16)所示表達式計算模糊綜合評價的數學模型；Q＝(q1,q2,…qm)＝WοR(16)式(16)中，Q為模糊綜合評價的數學模型的值，W表示狀態量對應指標的權重集，R表示模糊綜合評價矩陣，為模糊算子，q1,q2,…,qm表示對應m個狀態等級的值；本實施例中，最終模糊綜合評價的數學模型的值Q為：Q＝[0.12970.10760.26030.5023]T6.2)基于模糊綜合評價的數學模型中對應m個狀態等級的值q1,q2,…,qm，根據隸屬度最大原則確定配電自動化終端在狀態評價集V中對應的狀態等級。本實施例中，狀態評價集V為V＝{正常，注意，異常，嚴重}，因此根據Q＝[0.12970.10760.26030.5023]T可知，根據隸屬度最大原則，可以判定該配電自動化終端的巡檢信息處于嚴重狀態，與實際情況一致。據此，完成了對配電自動化終端的狀態評價。綜上所述，本實施例基于模糊綜合評價的配電自動化終端狀態評價方法根據配電自動化終端狀態量的數據信息，建立配電自動化終端狀態評價體系，利用組合賦權法確定各狀態量的權重；根據模糊數學原理，建立狀態量的模糊隸屬函數；計算各狀態量的模糊隸屬函數值，確立模糊綜合評價矩陣，結合得到的狀態量的權重和模糊綜合評價矩陣，根據隸屬度最大原則確定配電自動化終端的狀態等級。采用本發明，可對配電自動化終端展開狀態評價，基于組合賦權法，可結合層次分析法及熵權法的優勢，使得指標權重的確定既具備客觀性又利用了專家經驗，提高了狀態評價的準確性。本實施例基于模糊綜合評價的配電自動化終端狀態評價方法具體是通過計算機程序來實現的配電自動化終端狀態評價系統來實現的，該配電自動化終端狀態評價系統包括：狀態量確定程序模塊，用于檢測確定配電自動化終端的狀態量；評價體系確定程序模塊，用于根據配電自動化終端的狀態量建立配電自動化終端狀態評價體系，所述配電自動化終端狀態評價體系為狀態量對應指標構成的層次結構模型；權重集確定程序模塊，用于確定所述狀態評價體系中各狀態量對應指標的權重集W；狀態評價集確定程序模塊，用于設置包括配電自動化終端各個狀態等級的狀態評價集V；模糊綜合評價矩陣確定程序模塊，用于計算各狀態量對應指標的配電自動化終端各個狀態等級的模糊隸屬函數，根據模糊隸屬函數計算得到的隸屬度構建模糊綜合評價矩陣R；狀態等級評價程序模塊，用于結合得到的狀態量對應指標的權重集W和模糊綜合評價矩陣R，根據隸屬度最大原則確定配電自動化終端在狀態評價集V中對應的狀態等級。實施例二：本實施例與實施例一基本相同，其主要不同點為步驟3)確定狀態評價體系中各狀態量對應指標的權重集W的方式不同。本實施例具體是單獨采用實施例一的步驟3.1)，采用層次分析法確定狀態評價體系中各狀態量對應指標的權重ωi，將各狀態量對應指標的權重ωi組成的權重集作為狀態評價體系中各狀態量對應指標的權重集W。實施例三：本實施例與實施例一基本相同，其主要不同點為步驟3)確定狀態評價體系中各狀態量對應指標的權重集W的方式不同。本實施例具體是單獨采用實施例一的步驟3.2)，采用熵權法確定狀態評價體系中各狀態量對應指標的權重ωsi，將各狀態量對應指標的權重ωsi組成的權重集作為狀態評價體系中各狀態量對應指標的權重集W。以上所述僅是本發明的優選實施方式，本發明的保護范圍并不僅局限于上述實施例，凡屬于本發明思路下的技術方案均屬于本發明的保護范圍。應當指出，對于本
技術領域：
的普通技術人員來說，在不脫離本發明原理前提下的若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。當前第1頁1 2 3