一种基于ISM与ANP的设备运维影响因素分析方法

摘要

本发明提供了一种基于ISM与ANP的设备运维影响因素分析方法，所述分析方法具体为通过穷举法获取设备运维的影响因素，并构建影响因素集；通过ISM算法构建直接影响矩阵，计算综合影响矩阵，获取影响因素集对应的层级拓扑图；根据层级拓扑图获取影响因素的层级结果，构建ANP模型，基于ANP模型根据获取的影响因素的层级结果对层级拓扑图内的所有影响因素进行权重占比分析，根据权重占比分析结果获取层级拓扑图内每个影响因素对应的权重，并通过ANP模型结构和层级拓扑图获取层级拓扑图内每个影响因素的作用路径。本发明能够获取设备运维的关键影响因素以及对应的层次关系和作用路径，有效提高设备运维效率。

说明书

技术领域

本发明涉及设备运维技术领域，尤其是指一种基于ISM与ANP的设备运维影响因素分析方法。

背景技术

特高压作为我国清洁能源发展的重要载体，特高电网的建设步伐处于快速推进的过程中，我国已逐渐呈现全网覆盖的态势。在特高电网的建设过程中，特高压设备的设备质量直接决定了特高电网建设的安全稳定运行水平，因此，对于特高电网中设备的运维管理成为了发展好特高电网的重要因素之一。在设备运维过程中，通过对设备运维影响因素的有效分析，能够有效提高设备运维效率，从而提高特高电网的安全稳定运行水平。现有的对于特高压设备运维影响因素的分析方法主要通过相关分析法来实现设备运维影响因素的分析，通过此类方法获取的设备运维影响因素分析结果仅能获取每个影响因素对于设备的关联关系，无法获取不同影响因素之间的关联，在进行设备运维时，也就无法知晓影响因素在对设备运维造成影响时的作用过程，在依据此类方法获取的设备运维影响因素分析结果进行设备运维时，设备运维效率不高。

发明内容

本发明的目的是克服现有技术中的缺点，提供一种基于ISM与ANP的设备运维影响因素分析方法，通过ISM与ANP进行设备运维影响因素分析，能够获取设备运维的关键影响因素并能够获取关键影响因素的层次关系，从而确定关键影响因素的作用路径，能够有效解决现有设备运维影响因素分析方法中存在的由于无法获取不同影响因素之间的关联导致设备运维效率不高的问题，使得设备运维效率能够得到显著提高。

本发明的目的是通过下述技术方案予以实现：

一种基于ISM与ANP的设备运维影响因素分析方法，包括以下步骤：

步骤一，通过穷举法获取设备运维的影响因素，并构建影响因素集；

步骤二，通过ISM算法根据影响因素集构建直接影响矩阵，并根据直接影响矩阵计算综合影响矩阵，获取影响因素集对应的层级拓扑图；

步骤三，根据层级拓扑图获取影响因素的层级结果，构建ANP模型，基于ANP模型根据获取的影响因素的层级结果对层级拓扑图内的所有影响因素进行权重占比分析，根据权重占比分析结果获取层级拓扑图内每个影响因素对应的权重，并通过ANP模型结构和层级拓扑图获取层级拓扑图内每个影响因素的作用路径。

进一步的，步骤一中在根据穷举法获取设备运维的影响因素后，还通过专家经验法选择影响因素中的关键影响因素，根据选择出的关键影响因素构建影响因素集。

进一步的，步骤二中通过ISM算法根据影响因素集构建直接影响矩阵，并根据直接影响矩阵计算综合影响矩阵的具体过程为：通过专家打分法根据影响因素集内每个关键影响因素之间的关联性构建直接影响矩阵，对直接影响矩阵进行归一化处理，通过综合影响矩阵计算公式根据归一化处理后的直接影响矩阵获取综合影响矩阵计算结果。

进一步的，所述综合影响矩阵计算公式的表达式：

T＝lim

其中：T为综合影响矩阵，M为归一化处理后的直接影响矩阵，E为n维的单位矩阵，n为影响因素集中关键影响因素的个数，dm

进一步的，步骤二中获取影响因素集对应的层级拓扑图的具体过程为：根据综合影响矩阵计算结果获取每个关键影响因素的影响指标，并根据每个关键影响因素的影响指标获取先验结果，根据先验结果构建因子邻接矩阵，通过对邻接矩阵做连续乘法计算可达矩阵，并根据可达矩阵分别计算得到可达集、前因集和共同集，根据结果优先的层级抽取规则对影响因素集内的所有关键影响因素进行层级结构划分，获取影响因素集对应的层级结构图。

进一步的，所述每个关键影响因素的影响指标包括影响度、被影响度、中心度和原因度。

进一步的，步骤三中构建ANP模型，基于ANP模型根据获取的影响因素的层级结果对层级拓扑图内的所有影响因素进行权重占比分析的具体过程为：根据影响因素的层级结果确定ANP模型的控制层和网络层，将层级拓扑图内处于最上层的关键影响因素设置为控制层，其余关键影响因素设置为网络层，且每一个层级的关键影响因素构成网络层的一个分组，将控制层内关键影响因素作为目标准则，选择网络层内其中一个分组，将选择的分组内的关键影响因素作为次准则，构建判断矩阵，根据判断矩阵获取每个分组中关键影响因素对次准则的影响程度，获取对应的排序向量，重新选择一个分组作为次准则，并重新获取对应的排序向量，直至获取每个分组作为次准则时，对应的排序向量，根据获取的所有排序向量获取超矩阵，比较目标准则对应的每个关键影响因素对于次准则的重要性，并重新选择一个分组作为次准则，直至获取每个分组对应的重要性比较结果，根据所有分组对应的比较结果获取加权矩阵，根据加权矩阵对超矩阵中的因子进行加权处理，获取加权超矩阵，计算加权超矩阵的极限，根据计算结果确定每个关键影响因素的权重。

进一步的，步骤一中通过穷举法获取的影响因素包括区域差异因素、设备因素、用户结构及资产结构因素和区域环境因素。

本发明的有益效果是：

能够通过ISM算法对影响因素进行层级分析，能够获取影响因素的层级结果，并进一步通过ANP模型根据层级结果进行权重占比分析，根据权重分析结果能够更加直观地获取影响因素的重要性。且能够通过ISM算法和ANP模型的计算结果获取影响因素之间的关联关系以及影响程度，根据影响因素之间的关联关系以及影响程度能够获取每个影响因素的作用路径，在需要进行设备运维时，能够按照影响因素的重要性和作用路径确定运维顺序，运维效率更高。

附图说明

图1是本发明的一种流程示意图；

图2是本发明实施例的一种影响因素的原因结果示意图；

图3是本发明实施例的一种影响因素层级拓扑示意图。

具体实施方式

下面结合附图和实施例对本发明进一步描述。

实施例：

一种基于ISM与ANP的设备运维影响因素分析方法，如图1所示，包括以下步骤：

步骤一，通过穷举法获取设备运维的影响因素，并构建影响因素集；

步骤二，通过ISM算法根据影响因素集构建直接影响矩阵，并根据直接影响矩阵计算综合影响矩阵，获取影响因素集对应的层级拓扑图；

步骤三，根据层级拓扑图获取影响因素的层级结果，构建ANP模型，基于ANP模型根据获取的影响因素的层级结果对层级拓扑图内的所有影响因素进行权重占比分析，根据权重占比分析结果获取层级拓扑图内每个影响因素对应的权重，并通过ANP模型结构和层级拓扑图获取层级拓扑图内每个影响因素的作用路径。

步骤一中在根据穷举法获取设备运维的影响因素后，还通过专家经验法选择影响因素中的关键影响因素，根据选择出的关键影响因素构建影响因素集。具体的，通过穷举法获取的影响因素包括区域差异因素、设备因素、用户结构及资产结构因素和区域环境因素。

其中区域差异因素为S1。

设备因素中具体包括设备再生率S2、设备质量S3、设备运维策略S4、带电作业覆盖率S5和设备污染程度S6。

用户结构和资产结构是影响设备运行和维护的重要因素，资产结构反映了供电与负荷之间的布局和匹配关系、供电可靠性等负荷特性，其影响因素主要包括了资产规模与结构S7、电网结构S8和配网自动化水平S9。用户结构主要表现为用户的负荷需求和用电结构的差异，其影响因素包括用户数量S10、用户类型和结构S11。

区域环境因素包括区域自然地理条件、区域经济发展水平、城市化水平及其他相关因素。主要描述性指标包括区域经济规模S12、重点保障专项任务S13、城市化水平S14和自然地理条件S15。

具体的，构建的影响因素集中包括的关键影响因素有区域差异因素S1、设备再生率S2、设备质量S3、设备运维策略S4、带电作业覆盖率S5、设备污染程度S6、资产规模与结构S7、电网结构S8、配网自动化水平S9、用户数量S10、用户类型和结构S11、区域经济规模S12、重点保障专项任务S13、城市化水平S14和自然地理条件S15。

步骤二中通过ISM算法根据影响因素集构建直接影响矩阵，并根据直接影响矩阵计算综合影响矩阵的具体过程为：通过专家打分法根据影响因素集内每个关键影响因素之间的关联性构建直接影响矩阵，所构建的直接影响因素矩阵内各因素的专家打分情况如表1所示：

表1直接影响因素矩阵内各因素的专家打分情况

对直接影响矩阵进行归一化处理，具体的，通过行和最大法进行归一化处理。

通过综合影响矩阵计算公式根据归一化处理后的直接影响矩阵获取综合影响矩阵计算结果。

所述综合影响矩阵计算公式的表达式：

T＝lim

其中：T为综合影响矩阵，M为归一化处理后的直接影响矩阵，E为n维的单位矩阵，n为影响因素集中关键影响因素的个数，dm

步骤二中获取影响因素集对应的层级拓扑图的具体过程为：根据综合影响矩阵计算结果获取每个关键影响因素的影响指标。

所述每个关键影响因素的影响指标包括影响度I、被影响度ID、中心度C和原因度R。

影响度I指的是综合影响矩阵的各行值之和，表示各行对应影响因素对所有其他各影响因素的综合影响值，其计算公式为：

被影响度ID指的是综合影响矩阵的各列值之和，表示各行对应要素受到所有其他各要素的综合影响值，其计算公式为：

中心度C表示影响因素在评价指标体系中的位置及其所起作用的大小，即重要性程度。

原因度R表示影响因素对其他影响因素的影响程度，且R

并根据每个关键影响因素的影响指标获取先验结果，先验结果即影响因素的原因结果分析结果。根据先验结果构建因子邻接矩阵A，当两个影响因素S

通过对邻接矩阵做连续乘法计算可达矩阵R，即B

根据可达矩阵分别计算得到可达集R(S

根据结果优先的层级抽取规则对影响因素集内的所有关键影响因素进行层级结构划分，即T(S

步骤三中构建ANP模型，基于ANP模型根据获取的影响因素的层级结果对层级拓扑图内的所有影响因素进行权重占比分析的具体过程为：根据影响因素的层级结果确定ANP模型的控制层和网络层，将层级拓扑图内处于最上层的关键影响因素设置为控制层C

将控制层内关键影响因素，即区域差异因素S1作为目标准则P

根据判断矩阵获取分组中关键影响因素对次准则P

其中，W

当分组C

重新选择一个分组作为次准则，并重新获取对应的排序向量，直至获取每个分组作为次准则时，对应的排序向量。

根据获取的所有排序向量获取超矩阵W，其表达式为：

其中，W

比较目标准则P

其中，a

根据加权矩阵A对超矩阵W中的因子进行加权处理，获取加权超矩阵

根据加权超矩阵

表2关键影响因素的权重值

由图2和表2可对每个根据影响因素的作用路径进行分析，以区域经济规模S12的作用路径为例，区域经济规模S12为本质因素，权重占比最大，其会对关键影响因素用户数量S10和用户类型和结构S11造成影响，用户数量S10和用户类型和结构S11在收到影响改变后，会继续对设备再生率S2、设备质量S3、资产规模与结构S7、电网结构S8以及配网自动化水平S9造成影响，在设备再生率S2、设备质量S3、资产规模与结构S7、电网结构S8以及配网自动化水平S9收到影响发生改变后，又会对区域差异因素S1造成一定程度的影响。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。