1.一种计及指标场景特性的电能质量指标动态变权方法,其特征在于,包括:确定指标体系;所述指标体系包括评价目标下的类目及各类目下的指标;邀请专家分别对指标和类目进行1~9标度法评分,得到指标分数和类目分数;
评价目标下的类目包括电压指标、频率指标和波形质量三个维度;电压指标类目下包括三相电压不平衡、电压波动和电压偏差;频率指标类目下包括频率偏差;波形质量类目下包括总谐波畸变率和间谐波含有率;
基于指标分数和类目分数考虑专家基本概率分配得到各指标的两两比较权重和各类目的两两比较权重,各自整合全部权重分别得到未加权超矩阵和加权矩阵;根据所述未加权超矩阵和所述加权矩阵得到加权超矩阵;根据所述加权超矩阵得到含各指标常权向量的常权矩阵;
基于指标分数和类目分数考虑专家基本概率分配得到各指标的两两比较权重和各类目的两两比较权重包括:根据指标分数或类目分数结合Gamma函数得到专家评分的模糊度;根据所述模糊度得到各专家的基本概率分配;基于Jousselme距离函数量化各专家的基本概率分配的分歧度,得到各专家的基本概率分配的可信度;根据所述可信度将各专家的基本概率分配进行融合,得到融合基本概率分配;根据所述融合基本概率分配得到各指标两两比较下的权重或各类目两两比较下的权重;
根据所述常权矩阵构建关于指标时序数据的变权函数;所述变权函数包括体现指标劣化程度的约束函数;根据所述变权函数对所述常权矩阵进行变权,包括:所述变权函数包括:
;
其中,为指标时序数据;为指标时序数据的状态变权函数;为变权函数的惩罚系数,用于调节各时段权重惩罚力度与优化变权结果随指标劣化程度的动态响应;为常权矩阵中的元素;为约束函数;为自然底数;
所述约束函数包括:
;
其中,和分别为指标最大等级限值的上限和最小等级的下限;
采用变权函数的Hadamard乘积对常权矩阵进行状态变权:;
其中,为指标时序数据的状态变权结果;为指标在指标时序数据下的状态变权结果;N表示类目总数;wb为指标b的常权。
2.根据权利要求1所述的计及指标场景特性的电能质量指标动态变权方法,其特征在于,根据指标分数或类目分数结合Gamma函数得到专家评分的模糊度包括:对于指标分数或类目分数均存在:
;
其中,表示模糊度;表示分数;为Gamma函数,;f为Gamma函数的形状参数,反映专家意见的模糊程度;x为Gamma函数的自变量;为1~9标度法的最高评价标度9;为尺度参数,反映专家判断的置信度。
3.根据权利要求2所述的计及指标场景特性的电能质量指标动态变权方法,其特征在于,根据所述模糊度得到各专家的基本概率分配包括:依据分数的取值,基本概率分配包括:
;
其中,表示第位专家对命题的基本支持度;是为总体识别框架的子集;
所述总体识别框架包括:
;
其中,事件表示专家认为指标或类目比指标或类目重要;事件表示专家认为指标或类目比指标或类目重要;事件表示专家认为指标或类目和指标或类目同样重要。
4.根据权利要求3所述的计及指标场景特性的电能质量指标动态变权方法,其特征在于,基于Jousselme距离函数量化各专家的基本概率分配的分歧度,得到各专家的基本概率分配的可信度包括:Jousselme距离函数包括:
;
;
;
;
其中,和为证据体,即专家的基本概率分配;为第位专家和第位专家对命题基本支持度的Jousselme距离;表示证据体和的内积;表示总体识别框架中的事件个数,即为3;和分别为证据体和的焦元,和分别为对应的索引;表示集合的基;
证据体和的相似性测度为:
;
则证据体的支持度和可信度:
;
;
其中,为专家总数。
5.根据权利要求4所述的计及指标场景特性的电能质量指标动态变权方法,其特征在于,根据所述可信度将各专家的基本概率分配进行融合,得到融合基本概率分配;根据所述融合基本概率分配得到各指标两两比较下的权重或各类目两两比较下的权重包括:所述融合基本概率分配包括:
;
其中,表示第位专家;表示第位专家的可信度;
基于所述基本概率分配,得到各指标两两比较下的权重或各类目两两比较下的权重:;
其中,为以指标或类目为评价基底的两两评价事件中指标或类目的权重,为单次两两评价事件中的指标或类目总数;为自然底数。
6.根据权利要求5所述的计及指标场景特性的电能质量指标动态变权方法,其特征在于,各自整合全部权重分别得到未加权超矩阵和加权矩阵包括:将全部各指标两两比较下的权重进行整合,得到未加权超矩阵:;
其中,在未加权超矩阵中,各元素均为子矩阵,第I行第J列的元素对应第I个类目对第J个类目的影响关系,包括第I个类目和第J个类目下各指标间两两比较下的权重,若两个指标间无关联关系,即无需比较时,对应的位置赋值为0;表示类目总数;
将全部各类目两两比较下的权重进行整合,得到加权矩阵:;
其中,表示加权矩阵第行第列的元素。
7.根据权利要求6所述的计及指标场景特性的电能质量指标动态变权方法,其特征在于,根据所述未加权超矩阵和所述加权矩阵得到加权超矩阵;根据所述加权超矩阵得到含各指标常权向量的常权矩阵包括:根据所述加权矩阵对所述未加权超矩阵进行加权,得到加权超矩阵:;
将所述加权超矩阵持续自乘直至各行值趋于相同,得到含各指标常权向量的常权矩阵:。
8.一种计及指标场景特性的电能质量指标动态变权装置,用于权利要求1至7任一项所述的方法,其特征在于,所述装置包括第一模块、第二模块、第三模块和第四模块;
所述第一模块用于确定指标体系;所述指标体系包括评价目标下的类目及各类目下的指标;邀请专家分别对指标和类目进行1~9标度法评分,得到指标分数和类目分数;
所述第二模块用于基于指标分数和类目分数考虑专家基本概率分配得到各指标的两两比较权重和各类目的两两比较权重,各自整合全部权重分别得到未加权超矩阵和加权矩阵;
所述第三模块用于根据所述未加权超矩阵和所述加权矩阵得到加权超矩阵;根据所述加权超矩阵得到含各指标常权向量的常权矩阵;
所述第四模块用于根据所述常权矩阵构建关于指标时序数据的变权函数;所述变权函数包括体现指标劣化程度的约束函数;根据所述变权函数对所述常权矩阵进行变权。