本發(fā)明涉及配電自動(dòng)化終端狀態(tài)診斷技術(shù)，具體涉及一種基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法。
背景技術(shù)：
：配電自動(dòng)化終端的運(yùn)行狀態(tài)直接關(guān)系到整個(gè)配電自動(dòng)化系統(tǒng)能否有效地發(fā)揮作用。然而，這類設(shè)備通常直接安裝在室外或位于簡(jiǎn)易的遮蔽式環(huán)境，易受惡劣環(huán)境和外部環(huán)境的影響，加之不同廠家設(shè)備質(zhì)量參差不齊，因此經(jīng)常發(fā)生各種原因不明的異常。為了掌握終端的狀態(tài)信息，以便在故障發(fā)生之前及時(shí)安排檢修，有必要進(jìn)行終端的在線狀態(tài)診斷。配電自動(dòng)化終端是一種失效機(jī)理復(fù)雜的電子設(shè)備，與各類故障有深層次關(guān)聯(lián)的信號(hào)往往隱藏在硬件內(nèi)部，而現(xiàn)有的終端自身狀態(tài)感知手段缺乏，難以對(duì)這些信號(hào)進(jìn)行監(jiān)測(cè)和分析。當(dāng)前條件下，只能通過配電自動(dòng)化終端上傳至配電主站的運(yùn)行信息統(tǒng)計(jì)出一些狀態(tài)指標(biāo)，以此作為間接反映終端狀態(tài)的特征量。d-s證據(jù)理論是dempster于1967年首先提出，由他的學(xué)生shafer于1976年進(jìn)一步發(fā)展起來的一種不精確推理理論，也稱為dempster/shafer證據(jù)理論(簡(jiǎn)稱d-s證據(jù)理論)，d-s證據(jù)理論作為一種不確定推理方法，具有處理不確定信息的能力，其主要特點(diǎn)是滿足比貝葉斯概率論更弱的條件，具有直接表達(dá)“不確定”和“不知道”的能力。因此，可利用d-s證據(jù)理論直接診斷確定配電自動(dòng)化終端狀態(tài)，但是如何基于d-s證據(jù)理論直接診斷確定配電自動(dòng)化終端狀態(tài)，已經(jīng)成為一項(xiàng)亟待解決的關(guān)鍵技術(shù)問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明要解決的技術(shù)問題：針對(duì)現(xiàn)有技術(shù)的上述問題，提供一種能夠利用運(yùn)行信息準(zhǔn)確地判斷出配電自動(dòng)化終端裝置本體處于何種狀態(tài)、檢測(cè)結(jié)果準(zhǔn)確可靠、診斷方便快捷、具備較高的可操作性的基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法。為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：一種基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法，步驟包括：1)從配電自動(dòng)化終端上傳至配電主站的運(yùn)行信息中統(tǒng)計(jì)出指定的狀態(tài)特征量；2)將配電自動(dòng)化終端狀態(tài)分級(jí)，構(gòu)造狀態(tài)特征量對(duì)應(yīng)不同的配電自動(dòng)化終端狀態(tài)的模糊隸屬度函數(shù)；3)確定模糊隸屬度函數(shù)的各項(xiàng)隸屬度參數(shù)；4)針對(duì)各個(gè)狀態(tài)特征量對(duì)應(yīng)的證據(jù)，根據(jù)狀態(tài)特征量對(duì)應(yīng)不同的配電自動(dòng)化終端狀態(tài)的模糊隸屬度，計(jì)算各個(gè)證據(jù)下對(duì)應(yīng)的各個(gè)單元素命題ai以及由單元素命題ai構(gòu)成的辨識(shí)框架ω的基本概率分配函數(shù)，5)計(jì)算所有證據(jù)的基本概率分配函數(shù)的證據(jù)理論融合結(jié)果；6)將證據(jù)理論融合結(jié)果和預(yù)設(shè)的終端狀態(tài)診斷決策準(zhǔn)則進(jìn)行匹配，得到在配電自動(dòng)化終端狀態(tài)分級(jí)中對(duì)應(yīng)的配電自動(dòng)化終端狀態(tài)。優(yōu)選地，步驟1)中指定的狀態(tài)特征量包括異常報(bào)告頻率f1、矛盾報(bào)告頻率f2、終端離線頻率f3，所述異常報(bào)告頻率f1所指的異常報(bào)告具體是指配電自動(dòng)化終端上傳的告警事件中描述配電自動(dòng)化終端本體異常的記錄，所述異常報(bào)告包括加密驗(yàn)證失敗、電池活化異常、密鑰對(duì)更新數(shù)據(jù)庫(kù)失敗、訪問加密機(jī)失敗、裝置異常、電池電壓低六類報(bào)告；所述矛盾報(bào)告頻率f2所指的矛盾報(bào)告是指終端上傳的告警事件與數(shù)據(jù)信息中不合邏輯或互相沖突的記錄，所述矛盾報(bào)告包括遙信報(bào)告和事件順序報(bào)告不成對(duì)、遙信狀態(tài)與遙測(cè)數(shù)據(jù)不匹配、終端供電線路故障跳閘報(bào)告與交流失電報(bào)告不匹配三類報(bào)告；所述終端離線頻率f3所指的終端離線是指終端與配電主站失去通信聯(lián)系。優(yōu)選地，所述異常報(bào)告頻率f1的計(jì)算表達(dá)式如式(1)所示、矛盾報(bào)告頻率f2的計(jì)算表達(dá)式如式(2)所示、終端離線頻率f3的計(jì)算表達(dá)式如式(3)所示；f1＝h/t(1)式(1)中，f1表示異常報(bào)告頻率、單位為次/天，h表示統(tǒng)計(jì)時(shí)長(zhǎng)內(nèi)異常報(bào)告的次數(shù)，t表示統(tǒng)計(jì)時(shí)長(zhǎng)；f2＝s/t(2)式(2)中，f2表示矛盾報(bào)告頻率、單位為次/天，s表示統(tǒng)計(jì)時(shí)長(zhǎng)內(nèi)矛盾報(bào)告的次數(shù)，t表示統(tǒng)計(jì)時(shí)長(zhǎng)；f3＝m/t(3)式(3)中，f3表示終端離線頻率、單位為次/天，m表示統(tǒng)計(jì)時(shí)長(zhǎng)t內(nèi)終端掉線次數(shù)，t表示統(tǒng)計(jì)時(shí)長(zhǎng)。優(yōu)選地，步驟2)將配電自動(dòng)化終端狀態(tài)分級(jí)時(shí)，配電自動(dòng)化終端狀態(tài)被分級(jí)為良好、一般、預(yù)警三類，且分別采用式(4)～(6)所示梯形隸屬度函數(shù)作為模糊隸屬度函數(shù)；式(4)～(6)中，μ1(x)表示配電自動(dòng)化終端狀態(tài)為良好的模糊隸屬度函數(shù)值，μ2(x)表示配電自動(dòng)化終端狀態(tài)為一般的模糊隸屬度函數(shù)值，μ3(x)表示配電自動(dòng)化終端狀態(tài)為預(yù)警的模糊隸屬度函數(shù)值，t1～t4為模糊隸屬度函數(shù)的各項(xiàng)隸屬度參數(shù)。優(yōu)選地，步驟3)的詳細(xì)步驟包括：3.1)輸入模糊隸屬度函數(shù)的多組隸屬度參數(shù)初始值；3.2)確定各組隸屬度參數(shù)初始值的初始權(quán)重；3.3)遍歷選擇一項(xiàng)隸屬度參數(shù)作為當(dāng)前隸屬度參數(shù)項(xiàng)；3.4)計(jì)算當(dāng)前隸屬度參數(shù)項(xiàng)的加權(quán)平均值；3.5)針對(duì)當(dāng)前隸屬度參數(shù)項(xiàng)，判斷是否存在初始值和加權(quán)平均值之間的偏差小于預(yù)設(shè)的閾值ψ，如果存在則將加權(quán)平均值作為當(dāng)前隸屬度參數(shù)項(xiàng)的最終確定值，跳轉(zhuǎn)執(zhí)行步驟3.7)；如果不存在，則跳轉(zhuǎn)執(zhí)行步驟3.6)；3.6)根據(jù)初始值和加權(quán)平均值之間的偏差更新各組隸屬度參數(shù)初始值的權(quán)重，跳轉(zhuǎn)執(zhí)行步驟3.4)；3.7)判斷是否所有隸屬度參數(shù)遍歷完畢，如果遍歷完畢，則跳轉(zhuǎn)執(zhí)行步驟4)；否則，跳轉(zhuǎn)執(zhí)行步驟3.3)。優(yōu)選地，步驟3.2)確定各組隸屬度參數(shù)初始值的初始權(quán)重的表達(dá)式如式(7)所示，步驟3.4)計(jì)算當(dāng)前隸屬度參數(shù)項(xiàng)的加權(quán)平均值的表達(dá)式如式(8)所示；gs(k)＝1/w(7)式(7)中，gs(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的權(quán)重，w為所屬隸屬度參數(shù)的組數(shù)總量；式(8)中，tgs表示第s項(xiàng)隸屬度參數(shù)的加權(quán)平均值，gs(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的權(quán)重，ts(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的值，w為所屬隸屬度參數(shù)的組數(shù)總量。優(yōu)選地，步驟3.6)更新各組隸屬度參數(shù)初始值的權(quán)重的表達(dá)式如式(9)所示；式(9)中，gs(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的權(quán)重，ts(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的值，tgs表示第s項(xiàng)隸屬度參數(shù)的加權(quán)平均值，w為所屬隸屬度參數(shù)的組數(shù)總量。優(yōu)選地，步驟4)中計(jì)算各個(gè)證據(jù)下對(duì)應(yīng)的各個(gè)單元素命題ai以及由單元素命題ai構(gòu)成的辨識(shí)框架ω的基本概率分配函數(shù)的表達(dá)式如式(10)所示；式(10)中，m(ai)表示單元素命題ai的基本概率分配函數(shù)，m(ω)表示辨識(shí)框架ω的基本概率分配函數(shù)，單元素命題ai和配電自動(dòng)化終端狀態(tài)一一對(duì)應(yīng)，其中i＝1,2,…,p，p為配電自動(dòng)化終端狀態(tài)的分級(jí)總數(shù)量，μi(x)是特征量x對(duì)命題{ai}的模糊隸屬度，ω為證據(jù)的權(quán)值；中間變量α的表達(dá)式如式(11)所示，中間變量β的表達(dá)式如式(12)所示；式(11)和式(12)中,μi(x)是特征量x對(duì)命題{ai}的模糊隸屬度，μm(x)表示特征量x對(duì)各命題的模糊隸屬度中的最大值，其中i＝1,2,…,p，p為配電自動(dòng)化終端狀態(tài)的分級(jí)總數(shù)量。優(yōu)選地，步驟5)計(jì)算d-s證據(jù)融合后的基本概率分配的表達(dá)式如式(13)所示；式(13)中，m(a)表示d-s證據(jù)融合后的基本概率分配，a表示待評(píng)估的命題，φ表示空集，m1、m2為辨識(shí)框架ω上的兩個(gè)證據(jù)體的基本概率分配函數(shù)，m1的證據(jù)焦元分別為x1,x2,…,xn，m2的焦元分別為y1,y2,…,ym，xg表示第一個(gè)證據(jù)的第g個(gè)證據(jù)焦元，yh表示第二個(gè)證據(jù)的第h個(gè)證據(jù)焦元，m1(xg)表示第一個(gè)證據(jù)對(duì)xg的基本概率分配，m2(yh)表示第二個(gè)證據(jù)對(duì)yh的基本概率分配，g＝1,2,…,n，h＝1,2,…,q，n表示第一個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)，q表示第二個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)，k為證據(jù)間的沖突程度，k的表達(dá)式如式(14)所示；式(14)中，φ表示空集，m1、m2為辨識(shí)框架ω上的兩個(gè)證據(jù)體的基本概率分配函數(shù)，m1的證據(jù)焦元分別為x1,x2,…,xn，m2的焦元分別為y1,y2,…,yq，xg表示第一個(gè)證據(jù)的第g個(gè)證據(jù)焦元，yh表示第二個(gè)證據(jù)的第h個(gè)證據(jù)焦元，m1(xg)表示第一個(gè)證據(jù)對(duì)xg的基本概率分配，m2(yh)表示第二個(gè)證據(jù)對(duì)yh的基本概率分配，g＝1,2,…,n，h＝1,2,…,q，n表示第一個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)，q表示第二個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)。優(yōu)選地，步驟6)的詳細(xì)步驟包括：6.1)首先判斷d-s證據(jù)理論證據(jù)融合結(jié)果是否同時(shí)滿足式(15)所示三條終端狀態(tài)診斷決策準(zhǔn)則，如果存在單元素命題am同時(shí)滿足式(15)所示三條終端狀態(tài)診斷決策準(zhǔn)則，則判定單元素命題am作為最終的配電自動(dòng)化終端狀態(tài)輸出，退出；否則，跳轉(zhuǎn)執(zhí)行下一步；式(15)中，rule1～rule3分別表示三條終端狀態(tài)診斷決策準(zhǔn)則，m(am)表示單元素命題am的基本概率分配函數(shù)，m(ω)表示辨識(shí)框架ω的基本概率分配函數(shù)，m(ai)表示單元素命題ai的基本概率分配函數(shù)，m(aj)表示單元素命題aj的基本概率分配函數(shù)，ε和λ均為預(yù)設(shè)的大于零的實(shí)數(shù)；6.2)判斷m(a3)≥λ是否成立，其中m(a3)表示單元素命題a3的基本概率分配函數(shù)，λ為預(yù)設(shè)的大于零的實(shí)數(shù)，如果成立則判定最終的配電自動(dòng)化終端狀態(tài)為預(yù)警狀態(tài)；否則，跳轉(zhuǎn)執(zhí)行下一步；6.3)判斷m(a3)<λ是否成立，其中m(a3)表示單元素命題a3的基本概率分配函數(shù)，λ為預(yù)設(shè)的大于零的實(shí)數(shù)，如果成立則判定最終的配電自動(dòng)化終端狀態(tài)為一般狀態(tài)。本發(fā)明基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法具有下述優(yōu)點(diǎn)：1、本發(fā)明從配電自動(dòng)化終端上傳至配電主站的運(yùn)行信息中統(tǒng)計(jì)出指定的狀態(tài)特征量，因此所有的狀態(tài)特征量全部從終端在線運(yùn)行信息中提取，有利于實(shí)現(xiàn)自動(dòng)化診斷，能夠?qū)崿F(xiàn)對(duì)配電自動(dòng)化終端狀態(tài)的在線實(shí)時(shí)檢測(cè)。2、本發(fā)明在將配電自動(dòng)化終端狀態(tài)分級(jí)，構(gòu)造狀態(tài)特征量對(duì)應(yīng)不同的配電自動(dòng)化終端狀態(tài)的模糊隸屬度函數(shù)的基礎(chǔ)上，將配電自動(dòng)化終端狀態(tài)分級(jí)結(jié)果作為單元素命題ai，基于模糊隸屬度函數(shù)對(duì)單元素命題ai和由單元素命題ai構(gòu)成的辨識(shí)框架ω計(jì)算基本概率分配函數(shù)，并計(jì)算d-s證據(jù)融合后的基本概率分配作為d-s證據(jù)理論證據(jù)融合結(jié)果，并將d-s證據(jù)理論證據(jù)融合結(jié)果和預(yù)設(shè)的終端狀態(tài)診斷決策準(zhǔn)則進(jìn)行匹配，得到在配電自動(dòng)化終端狀態(tài)分級(jí)中對(duì)應(yīng)的配電自動(dòng)化終端狀態(tài)，利用d-s證據(jù)理論融合來自不同特征量的狀態(tài)信息，能夠利用運(yùn)行信息準(zhǔn)確地判斷出配電自動(dòng)化終端裝置本體處于何種狀態(tài)，具有檢測(cè)結(jié)果準(zhǔn)確可靠、診斷方便快捷的優(yōu)點(diǎn)，而且具備較高的可操作性。3、本發(fā)明包含確定模糊隸屬度函數(shù)的各項(xiàng)隸屬度參數(shù)的步驟既可以根據(jù)需要指定模糊隸屬度函數(shù)的各項(xiàng)隸屬度參數(shù)，也可以根據(jù)需要引入了專家群體決策來綜合模糊隸屬度函數(shù)的各項(xiàng)隸屬度參數(shù)，以保證診斷過程的專業(yè)性和公正性。附圖說明圖1為本發(fā)明實(shí)施例方法的基本流程示意圖。圖2為本發(fā)明實(shí)施例方法的基本原理示意圖。圖3為本發(fā)明實(shí)施例的模糊隸屬度函數(shù)示意圖。具體實(shí)施方式如圖1所示，本實(shí)施例基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法的步驟包括：1)從配電自動(dòng)化終端上傳至配電主站的運(yùn)行信息中統(tǒng)計(jì)出指定的狀態(tài)特征量；2)將配電自動(dòng)化終端狀態(tài)分級(jí)，構(gòu)造狀態(tài)特征量對(duì)應(yīng)不同的配電自動(dòng)化終端狀態(tài)的模糊隸屬度函數(shù)；3)確定模糊隸屬度函數(shù)的各項(xiàng)隸屬度參數(shù)；4)針對(duì)各個(gè)狀態(tài)特征量對(duì)應(yīng)的證據(jù)，根據(jù)狀態(tài)特征量對(duì)應(yīng)不同的配電自動(dòng)化終端狀態(tài)的模糊隸屬度，計(jì)算各個(gè)證據(jù)下對(duì)應(yīng)的各個(gè)單元素命題ai以及由單元素命題ai構(gòu)成的辨識(shí)框架ω的基本概率分配函數(shù)；5)計(jì)算所有證據(jù)的基本概率分配函數(shù)的證據(jù)理論融合結(jié)果；6)將證據(jù)理論融合結(jié)果和預(yù)設(shè)的終端狀態(tài)診斷決策準(zhǔn)則進(jìn)行匹配，得到在配電自動(dòng)化終端狀態(tài)分級(jí)中對(duì)應(yīng)的配電自動(dòng)化終端狀態(tài)。本實(shí)施例中，步驟1)中指定的狀態(tài)特征量包括異常報(bào)告頻率f1、矛盾報(bào)告頻率f2、終端離線頻率f3，所述異常報(bào)告頻率f1所指的異常報(bào)告具體是指配電自動(dòng)化終端上傳的告警事件中描述配電自動(dòng)化終端本體異常的記錄，所述異常報(bào)告包括加密驗(yàn)證失敗、電池活化異常、密鑰對(duì)更新數(shù)據(jù)庫(kù)失敗、訪問加密機(jī)失敗、裝置異常、電池電壓低六類報(bào)告；所述矛盾報(bào)告頻率f2所指的矛盾報(bào)告是指終端上傳的告警事件與數(shù)據(jù)信息中不合邏輯或互相沖突的記錄，所述矛盾報(bào)告包括遙信報(bào)告和事件順序報(bào)告不成對(duì)、遙信狀態(tài)與遙測(cè)數(shù)據(jù)不匹配、終端供電線路故障跳閘報(bào)告與交流失電報(bào)告不匹配三類報(bào)告；所述終端離線頻率f3所指的終端離線是指終端與配電主站失去通信聯(lián)系。本實(shí)施例中，所述異常報(bào)告頻率f1的計(jì)算表達(dá)式如式(1)所示、矛盾報(bào)告頻率f2的計(jì)算表達(dá)式如式(2)所示、終端離線頻率f3的計(jì)算表達(dá)式如式(3)所示；f1＝h/t(1)式(1)中，f1表示異常報(bào)告頻率、單位為次/天，h表示統(tǒng)計(jì)時(shí)長(zhǎng)內(nèi)異常報(bào)告的次數(shù)，t表示統(tǒng)計(jì)時(shí)長(zhǎng)；f2＝s/t(2)式(2)中，f2表示矛盾報(bào)告頻率、單位為次/天，s表示統(tǒng)計(jì)時(shí)長(zhǎng)內(nèi)矛盾報(bào)告的次數(shù)，t表示統(tǒng)計(jì)時(shí)長(zhǎng)；f3＝m/t(3)式(3)中，f3表示終端離線頻率、單位為次/天，m表示統(tǒng)計(jì)時(shí)長(zhǎng)t內(nèi)終端掉線次數(shù)，t表示統(tǒng)計(jì)時(shí)長(zhǎng)。本實(shí)施例中，經(jīng)統(tǒng)計(jì)，某環(huán)網(wǎng)柜終端在5天內(nèi)的特征量數(shù)據(jù)為：異常報(bào)告頻率f1＝1.6次/天，矛盾報(bào)告頻率f2＝2.8次/天，終端離線頻率f3＝7.5次/天。本實(shí)施例中，步驟2)將配電自動(dòng)化終端狀態(tài)分級(jí)時(shí)，配電自動(dòng)化終端狀態(tài)被分級(jí)為良好、一般、預(yù)警三類，且分別采用式(4)～(6)所示梯形隸屬度函數(shù)作為模糊隸屬度函數(shù)；式(4)～(6)中，μ1(x)表示配電自動(dòng)化終端狀態(tài)為良好的模糊隸屬度函數(shù)值，μ2(x)表示配電自動(dòng)化終端狀態(tài)為一般的模糊隸屬度函數(shù)值，μ3(x)表示配電自動(dòng)化終端狀態(tài)為預(yù)警的模糊隸屬度函數(shù)值，t1～t4為模糊隸屬度函數(shù)的各項(xiàng)隸屬度參數(shù)。本實(shí)施例中將終端狀態(tài)分為良好、一般、預(yù)警三類，終端狀態(tài)良好時(shí)，表明無需進(jìn)行檢修；終端狀態(tài)一般時(shí)，表示應(yīng)酌情安排檢修；終端狀態(tài)為預(yù)警時(shí)，表示應(yīng)立即安排檢修。式(4)～(6)所示的梯形隸屬度函數(shù)如圖3所示，該梯形隸屬度函數(shù)描述特征量數(shù)值與終端狀態(tài)之間的模糊關(guān)系，其中t1～t4為隸屬度參數(shù)，x代表終端狀態(tài)特征量，μ1、μ2和μ3分別表示該特征量對(duì)應(yīng)于配電終端良好、一般和預(yù)警的隸屬度函數(shù)。如圖2所示，本實(shí)施例中針對(duì)異常報(bào)告頻率f1、矛盾報(bào)告頻率f2、終端離線頻率f3三種狀態(tài)特征量進(jìn)行數(shù)據(jù)加工的過程分別包括計(jì)算異常報(bào)告頻率f1、矛盾報(bào)告頻率f2、終端離線頻率f3屬于良好、一般、預(yù)警三類狀態(tài)的模數(shù)隸屬度并計(jì)算基本概率分配，在得到三種狀態(tài)特征量的基本概率分配的基礎(chǔ)上，再利用d-s證據(jù)理論合成規(guī)則來進(jìn)行融合并根據(jù)狀態(tài)診斷規(guī)則進(jìn)行診斷，從而得到診斷結(jié)果。本實(shí)施例中，多組隸屬度參數(shù)初始值采用迭代加權(quán)平均算法來進(jìn)行綜合。步驟3)的詳細(xì)步驟包括：3.1)輸入模糊隸屬度函數(shù)的多組隸屬度參數(shù)初始值；本實(shí)施例中，多組隸屬度參數(shù)初始值通過5位專家的群體決策來確定，即包含5組隸屬度參數(shù)初始值；3.2)確定各組隸屬度參數(shù)初始值的初始權(quán)重；3.3)遍歷選擇一項(xiàng)隸屬度參數(shù)作為當(dāng)前隸屬度參數(shù)項(xiàng)；3.4)計(jì)算當(dāng)前隸屬度參數(shù)項(xiàng)的加權(quán)平均值；3.5)針對(duì)當(dāng)前隸屬度參數(shù)項(xiàng)，判斷是否存在初始值和加權(quán)平均值之間的偏差小于預(yù)設(shè)的閾值ψ，如果存在則將加權(quán)平均值作為當(dāng)前隸屬度參數(shù)項(xiàng)的最終確定值，跳轉(zhuǎn)執(zhí)行步驟3.7)；如果不存在，則跳轉(zhuǎn)執(zhí)行步驟3.6)；3.6)根據(jù)初始值和加權(quán)平均值之間的偏差更新各組隸屬度參數(shù)初始值的權(quán)重，跳轉(zhuǎn)執(zhí)行步驟3.4)；3.7)判斷是否所有隸屬度參數(shù)遍歷完畢，如果遍歷完畢，則跳轉(zhuǎn)執(zhí)行步驟4)；否則，跳轉(zhuǎn)執(zhí)行步驟3.3)。本實(shí)施例中，步驟3.2)確定各組隸屬度參數(shù)初始值的初始權(quán)重的表達(dá)式如式(7)所示，步驟3.4)計(jì)算當(dāng)前隸屬度參數(shù)項(xiàng)的加權(quán)平均值的表達(dá)式如式(8)所示；gs(k)＝1/w(7)式(7)中，gs(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的權(quán)重，w為所屬隸屬度參數(shù)的組數(shù)總量；本實(shí)施例中通過5位專家的群體決策來確定，包含5組隸屬度參數(shù)初始值，因此第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的權(quán)重gs(k)取值為1/5，即取值為0.2；式(8)中，tgs表示第s項(xiàng)隸屬度參數(shù)的加權(quán)平均值，gs(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的權(quán)重，ts(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的值，w為所屬隸屬度參數(shù)的組數(shù)總量。本實(shí)施例中，步驟3.6)更新各組隸屬度參數(shù)初始值的權(quán)重的表達(dá)式如式(9)所示；式(9)中，gs(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的權(quán)重，ts(k)表示第k組隸屬度參數(shù)中第s項(xiàng)隸屬度參數(shù)的值，tgs表示第s項(xiàng)隸屬度參數(shù)的加權(quán)平均值，w為所屬隸屬度參數(shù)的組數(shù)總量。本實(shí)施例中，在5位專家給出的隸屬度參數(shù)初始值如表1所示。設(shè)閾值ψ等于0.01，經(jīng)迭代加權(quán)平均算法后獲得各參數(shù)的定值如表2所示。表1：基于專家經(jīng)驗(yàn)的終端狀態(tài)量模糊隸屬度參數(shù)。表2：隸屬度參數(shù)定值。t1t2t3t4f11.52.03.04.5f20.71.52.53.6f36.09.011.018.0本實(shí)施例中，將配電自動(dòng)化終端狀態(tài)分級(jí)結(jié)果作為單元素命題ai，辨識(shí)框架ω為{良好：a1,一般：a2,預(yù)警：a3}，辨識(shí)框架ω其余子集對(duì)應(yīng)命題的基本概率分配全部設(shè)置為零。步驟4)中計(jì)算各個(gè)證據(jù)下對(duì)應(yīng)的各個(gè)單元素命題ai以及由單元素命題ai構(gòu)成的辨識(shí)框架ω的基本概率分配函數(shù)的表達(dá)式如式(10)所示；式(10)中，m(ai)表示單元素命題ai的基本概率分配函數(shù)，m(ω)表示辨識(shí)框架ω的基本概率分配函數(shù)，單元素命題ai和配電自動(dòng)化終端狀態(tài)一一對(duì)應(yīng)，其中i＝1,2,…,p，p為配電自動(dòng)化終端狀態(tài)的分級(jí)總數(shù)量，μi(x)是特征量x對(duì)命題{ai}的模糊隸屬度，ω為證據(jù)的權(quán)值；中間變量α的表達(dá)式如式(11)所示，中間變量β的表達(dá)式如式(12)所示；式(11)和式(12)中,μi(x)是特征量x對(duì)命題{ai}的模糊隸屬度，μm(x)表示特征量x對(duì)各命題的模糊隸屬度中的最大值，其中i＝1,2,…,p，p為配電自動(dòng)化終端狀態(tài)的分級(jí)總數(shù)量。本實(shí)施例中，將特征量f1～f3產(chǎn)生的證據(jù)記作e1～e3?？紤]各特征量與終端本體狀態(tài)的相關(guān)程度，設(shè)定e1～e3的權(quán)重分別為：ω1＝0.6，ω2＝0.6，ω3＝0.5。將表3中的隸屬度和證據(jù)權(quán)重代入到式(10)中，可計(jì)算出不同證據(jù)下的各命題基本概率分配，結(jié)果如表4所示。表4：不同證據(jù)下各命題的基本概率分配。m(a1)m(a2)m(a3)m(ω)e10.700.1700.13e200.620.230.15e30.290.4800.23本實(shí)施例中，步驟5)計(jì)算d-s證據(jù)融合后的基本概率分配的表達(dá)式如式(13)所示；式(13)中，m(a)表示d-s證據(jù)融合后的基本概率分配，a表示待評(píng)估的命題，φ表示空集，m1、m2為辨識(shí)框架ω上的兩個(gè)證據(jù)體的基本概率分配函數(shù)，m1的證據(jù)焦元分別為x1,x2,…,xn，m2的焦元分別為y1,y2,…,ym，xg表示第一個(gè)證據(jù)的第g個(gè)證據(jù)焦元，yh表示第二個(gè)證據(jù)的第h個(gè)證據(jù)焦元，m1(xg)表示第一個(gè)證據(jù)對(duì)xg的基本概率分配，m2(yh)表示第二個(gè)證據(jù)對(duì)yh的基本概率分配，g＝1,2,…,n，h＝1,2,…,q，n表示第一個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)，q表示第二個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)，k為證據(jù)間的沖突程度，k的表達(dá)式如式(14)所示；式(14)中，φ表示空集，m1、m2為辨識(shí)框架ω上的兩個(gè)證據(jù)體的基本概率分配函數(shù)，m1的證據(jù)焦元分別為x1,x2,…,xn，m2的焦元分別為y1,y2,…,yq，xg表示第一個(gè)證據(jù)的第g個(gè)證據(jù)焦元，yh表示第二個(gè)證據(jù)的第h個(gè)證據(jù)焦元，m1(xg)表示第一個(gè)證據(jù)對(duì)xg的基本概率分配，m2(yh)表示第二個(gè)證據(jù)對(duì)yh的基本概率分配，g＝1,2,…,n，h＝1,2,…,q，n表示第一個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)，q表示第二個(gè)證據(jù)的證據(jù)焦元個(gè)數(shù)。本實(shí)施例中，得到的d-s證據(jù)融合后的基本概率分配如表5所示。表5：d-s證據(jù)融合后的基本概率分配表。m(a1)m(a2)m(a3)m(ω)e1&e2&e30.260.690.030.02參見表5，本實(shí)施例中最終將得到的d-s證據(jù)融合后的基本概率分配e1～e3作為最終得到的d-s證據(jù)理論證據(jù)融合結(jié)果。本實(shí)施例中，步驟6)的詳細(xì)步驟包括：6.1)首先判斷d-s證據(jù)理論證據(jù)融合結(jié)果是否同時(shí)滿足式(15)所示三條終端狀態(tài)診斷決策準(zhǔn)則，如果存在單元素命題am同時(shí)滿足式(15)所示三條終端狀態(tài)診斷決策準(zhǔn)則，則判定單元素命題am作為最終的配電自動(dòng)化終端狀態(tài)輸出，退出；否則，跳轉(zhuǎn)執(zhí)行下一步；式(15)中，rule1～rule3分別表示三條終端狀態(tài)診斷決策準(zhǔn)則，m(am)表示單元素命題am的基本概率分配函數(shù)，m(ω)表示辨識(shí)框架ω的基本概率分配函數(shù)，m(ai)表示單元素命題ai的基本概率分配函數(shù)，m(aj)表示單元素命題aj的基本概率分配函數(shù)，ε和λ均為預(yù)設(shè)的大于零的實(shí)數(shù)；6.2)判斷m(a3)≥λ是否成立，其中m(a3)表示單元素命題a3的基本概率分配函數(shù)，λ為預(yù)設(shè)的大于零的實(shí)數(shù)，如果成立則判定最終的配電自動(dòng)化終端狀態(tài)為預(yù)警狀態(tài)；否則，跳轉(zhuǎn)執(zhí)行下一步；6.3)判斷m(a3)<λ是否成立，其中m(a3)表示單元素命題a3的基本概率分配函數(shù)，λ為預(yù)設(shè)的大于零的實(shí)數(shù)，如果成立則判定最終的配電自動(dòng)化終端狀態(tài)為一般狀態(tài)。本實(shí)施例中，設(shè)置ε等于0.25，λ等于0.2，結(jié)合表5所示的d-s證據(jù)理論證據(jù)融合結(jié)果e1～e3，可判定出最終的配電自動(dòng)化終端狀態(tài)為一般狀態(tài)。綜上所述，本實(shí)施例基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法通過分析終端運(yùn)行信息，建立反映終端本體狀態(tài)的特征量體系；確定終端狀態(tài)分級(jí)，構(gòu)造特征量對(duì)不同狀態(tài)的模糊隸屬度函數(shù)；進(jìn)行專家群體決策，利用迭代加權(quán)平均算法確定隸屬度函數(shù)的各項(xiàng)參數(shù)；計(jì)算基本概率分配，使用d-s證據(jù)理論融合不同特征量信息；制定診斷決策準(zhǔn)則，對(duì)比證據(jù)融合結(jié)果獲得終端狀態(tài)診斷結(jié)論。采用本實(shí)施例基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法可以及時(shí)、有效地掌握配電自動(dòng)化終端的硬件狀態(tài)變化，以便合理安排檢修工作。本實(shí)施例基于d-s證據(jù)理論的配電自動(dòng)化終端狀態(tài)診斷方法利用d-s證據(jù)理論對(duì)不同特征量所攜帶的狀態(tài)信息進(jìn)行融合，診斷結(jié)果具有較高的可靠性和準(zhǔn)確性。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，本發(fā)明的保護(hù)范圍并不僅局限于上述實(shí)施例，凡屬于本發(fā)明思路下的技術(shù)方案均屬于本發(fā)明的保護(hù)范圍。應(yīng)當(dāng)指出，對(duì)于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說，在不脫離本發(fā)明原理前提下的若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。當(dāng)前第1頁(yè)12