吳郅君，王曉峰，陳中，孟軍，施萱軒

(1.東南大學(xué) 電氣工程學(xué)院，江蘇 南京210096；2. 國(guó)網(wǎng)南京供電公司，江蘇 南京 210019)

近年來(lái)，配電網(wǎng)結(jié)構(gòu)日趨復(fù)雜，網(wǎng)絡(luò)規(guī)模迅速擴(kuò)大，使得配電網(wǎng)故障發(fā)生的概率大大提高。為保證電力用戶正常的生產(chǎn)、生活用電，滿足用戶對(duì)供電質(zhì)量和電力服務(wù)的高要求，高效率、高質(zhì)量地完成配電網(wǎng)故障搶修工作尤為重要。搶修隊(duì)作為配電網(wǎng)故障搶修的主要力量，是實(shí)現(xiàn)故障高效恢復(fù)的關(guān)鍵，客觀全面地評(píng)價(jià)搶修隊(duì)的故障搶修能力，可以為管理?yè)屝揸?duì)、調(diào)整搶修調(diào)配方案提供參考依據(jù)，對(duì)提高配電網(wǎng)故障搶修水平具有重要意義。

目前，針對(duì)配電網(wǎng)故障搶修開(kāi)展的研究主要集中于故障定位[1-3]、故障恢復(fù)[4-5]、搶修駐點(diǎn)優(yōu)化[6-7]、搶修路徑優(yōu)化[8-9]等方面，且在研究過(guò)程中大多將每個(gè)搶修隊(duì)的搶修水平設(shè)置為同等理想狀態(tài)，造成結(jié)果與實(shí)際情況有所不符。文獻(xiàn)[10]建立了一種基于二維空間地理位置坐標(biāo)的配電網(wǎng)故障搶修駐點(diǎn)選址與搶修任務(wù)分配模型，但是在進(jìn)行任務(wù)分配研究時(shí)，并未考慮到搶修隊(duì)自身的搶修水平差異，使得結(jié)果缺乏實(shí)際效果。文獻(xiàn)[11]建立了配電網(wǎng)突發(fā)多處故障情況下的多目標(biāo)優(yōu)化模型，將開(kāi)關(guān)操作變量作為虛擬故障點(diǎn)處理，建立了一種多隊(duì)協(xié)同的搶修優(yōu)化模型；但該文獻(xiàn)將搶修隊(duì)人力和資源設(shè)置為理想狀態(tài)，與實(shí)際搶修過(guò)程中各搶修隊(duì)的實(shí)際情況可能不符。目前對(duì)于配電網(wǎng)故障搶修水平方面的研究極少，文獻(xiàn)[12]構(gòu)造了配電網(wǎng)故障搶修質(zhì)量與效率評(píng)價(jià)體系，采用層次分析法和熵權(quán)法進(jìn)行評(píng)價(jià)；該文獻(xiàn)雖然實(shí)現(xiàn)了對(duì)配電網(wǎng)故障搶修質(zhì)量與效率的評(píng)價(jià)，但是沒(méi)有考慮到評(píng)價(jià)系統(tǒng)的隨機(jī)性和模糊性，且在評(píng)價(jià)過(guò)程中沒(méi)有考慮到專(zhuān)家的差異，使得結(jié)果缺乏一定的客觀性。

本文針對(duì)配電網(wǎng)實(shí)際搶修調(diào)配中需要考慮的搶修隊(duì)水平差異，建立搶修隊(duì)故障搶修質(zhì)量和效率評(píng)價(jià)體系，采用被廣泛應(yīng)用于決策分析與數(shù)據(jù)挖掘領(lǐng)域的云模型[13-14]，充分利用其能將隨機(jī)性和模糊性有機(jī)結(jié)合起來(lái)的特性，提出一種基于云模型與專(zhuān)家置信度的綜合評(píng)價(jià)方法。該方法考慮了專(zhuān)家自身的認(rèn)知差異，以及在評(píng)價(jià)過(guò)程中所受到的內(nèi)外在因素影響，對(duì)指標(biāo)評(píng)分和權(quán)重進(jìn)行修正，從而得到更加真實(shí)可靠的評(píng)價(jià)結(jié)果；以南京市某區(qū)域搶修隊(duì)為例，將得到的最終評(píng)價(jià)結(jié)果生成云圖，通過(guò)與云標(biāo)尺對(duì)比，形象直觀地反映出搶修隊(duì)搶修質(zhì)量和效率的評(píng)價(jià)情況；最后與常用的評(píng)價(jià)方法進(jìn)行比較，驗(yàn)證所提方法的可行性與優(yōu)越性，為搶修隊(duì)的管理以及配電網(wǎng)故障搶修實(shí)際調(diào)配提供參考。

1 搶修隊(duì)故障搶修質(zhì)量和效率評(píng)價(jià)體系

為了客觀全面地反映搶修隊(duì)對(duì)配電網(wǎng)故障實(shí)施搶修的質(zhì)量和效率，并考慮數(shù)據(jù)收集的難易程度，在遵循指標(biāo)選取科學(xué)性、完備性、簡(jiǎn)明性、客觀性以及系統(tǒng)性原則[15]的基礎(chǔ)上，從故障搶修實(shí)施的搶修質(zhì)量層面和搶修效率層面出發(fā)，分別選取用戶滿意度、重復(fù)報(bào)修工單比例、用戶等候時(shí)長(zhǎng)、搶修工作準(zhǔn)備情況、故障處理時(shí)長(zhǎng)作為搶修隊(duì)故障搶修質(zhì)量和效率的評(píng)估指標(biāo)，指標(biāo)體系如圖1所示。

設(shè)用戶等候時(shí)長(zhǎng)、用戶滿意度、搶修工作準(zhǔn)備情況、重復(fù)報(bào)修工單比例、故障處理時(shí)長(zhǎng)的評(píng)價(jià)得分分別為x1、x2、x3、x4、x5，具體評(píng)分方法如下：

a)用戶等候時(shí)長(zhǎng)。采集處理時(shí)間與實(shí)際到達(dá)現(xiàn)場(chǎng)時(shí)間，二者相減得到用戶等候時(shí)長(zhǎng)原始數(shù)據(jù)；再根據(jù)實(shí)際情況和專(zhuān)家經(jīng)驗(yàn)設(shè)置“非常及時(shí)、及時(shí)、較及時(shí)、一般、誤時(shí)”5個(gè)評(píng)價(jià)等級(jí)，分別賦分“5分、4分、3分、2分、1分”。

圖1 搶修隊(duì)故障搶修質(zhì)量和效率評(píng)價(jià)體系Fig.1 Quality and efficiency evaluation system of emergency repair team

b)用戶滿意度。根據(jù)用戶滿意度的實(shí)際情況和專(zhuān)家經(jīng)驗(yàn)設(shè)置“非常滿意、滿意、較滿意、一般、不滿意”5個(gè)評(píng)價(jià)等級(jí)，分別賦分“5分、4分、3分、2分、1分”。

c)搶修工作準(zhǔn)備情況。根據(jù)搶修工作準(zhǔn)備實(shí)際情況和專(zhuān)家經(jīng)驗(yàn)設(shè)置“非常充分、充分、較充分、一般、不充分”5個(gè)評(píng)價(jià)等級(jí)，分別賦分“5分、4分、3分、2分、1分”。

d)重復(fù)報(bào)修工單比例。采集1個(gè)月內(nèi)相同地點(diǎn)相同故障重復(fù)報(bào)修超過(guò)3次的工單數(shù)量，除以1個(gè)月內(nèi)工單總量，得到重復(fù)報(bào)修工單比例原始數(shù)據(jù)；再根據(jù)實(shí)際情況和專(zhuān)家經(jīng)驗(yàn)設(shè)置“不高、一般、較高、高、非常高”5個(gè)評(píng)價(jià)等級(jí)，分別賦分“5分、4分、3分、2分、1分”。

e)故障處理時(shí)長(zhǎng)。采集實(shí)際到達(dá)現(xiàn)場(chǎng)時(shí)間與搶修實(shí)際完成時(shí)間，二者相減得到故障處理時(shí)長(zhǎng)原始數(shù)據(jù)；考慮到相關(guān)設(shè)備的使用年限和類(lèi)型的實(shí)際情況，設(shè)置修正系數(shù)σ，σ的值由專(zhuān)家確定，用修正系數(shù)乘以故障處理時(shí)長(zhǎng)原始數(shù)據(jù)，得到故障處理時(shí)長(zhǎng)最終的原始數(shù)據(jù)；再根據(jù)實(shí)際情況和專(zhuān)家經(jīng)驗(yàn)設(shè)置“不長(zhǎng)、一般、較長(zhǎng)、長(zhǎng)、非常長(zhǎng)”5個(gè)評(píng)價(jià)等級(jí)，分別賦分“5分、4分、3分、2分、1分”。

2 搶修隊(duì)故障搶修質(zhì)量和效率評(píng)價(jià)方法

本文從解決信息隨機(jī)性和模糊性出發(fā)，綜合考慮專(zhuān)家的權(quán)威性與個(gè)體差異，提出一種基于云模型與專(zhuān)家置信度的評(píng)價(jià)方法。設(shè)專(zhuān)家組一共有m位專(zhuān)家。

2.1 云模型

2.1.1 云模型定義

云模型是由李德毅院士提出的一種定性、定量相互轉(zhuǎn)換的模型，在傳統(tǒng)概率論和模糊數(shù)學(xué)的基礎(chǔ)上，通過(guò)數(shù)字特征將隨機(jī)性和模糊性有機(jī)結(jié)合起來(lái)，實(shí)現(xiàn)定性概念和定量數(shù)值之間的自然轉(zhuǎn)換[16-17]。

設(shè)U為1個(gè)定量論域，C為論域U上的定性概念，任意元素x∈U是定性概念C上的1次隨機(jī)實(shí)現(xiàn)；x對(duì)C所表示的定性概念的隸屬度μc(x)∈[0,1]是具有穩(wěn)定傾向的隨機(jī)數(shù)，隸屬度在論域U上的分布稱(chēng)為隸屬云，簡(jiǎn)稱(chēng)為云；每一個(gè)元素x代表1個(gè)云滴，即

μc(x):U→[0,1],?x∈U,x→μc(x) .

(1)

2.1.2 云模型數(shù)字特征

云模型的數(shù)字特征可以用期望值Ex、熵En、超熵He來(lái)表征，即(Ex,En,He)。圖2所示為云模型數(shù)字特征示意圖。其中，Ex是論域空間的中心值，最能代表定性概念；En反映了定性概念的不確定性和隨機(jī)性，熵越大，表示這個(gè)定性概念越模糊；He是熵的熵，反映云滴的離散程度，超熵越大，云越厚，云滴的離散程度越大。

2.1.3 云發(fā)生器

云發(fā)生器按照功能可分為正向云發(fā)生器和逆向云發(fā)生器。

a)正向云發(fā)生器。正向云發(fā)生器(如圖3所示)是在已知云數(shù)字特征的條件下生成云滴，可以將定性概念轉(zhuǎn)化為定量數(shù)值。圖3中CG表示正向云發(fā)生器，Drop(x,y)表示云滴。

圖3 正向云發(fā)生器Fig.3 Forward cloud generator

b)逆向云發(fā)生器。逆向云發(fā)生器(如圖4所示)是將已知的云滴作為樣本，求出云數(shù)字特征，可以將定量數(shù)值轉(zhuǎn)化為定性概念。圖4中，CG-1表示逆向云發(fā)生器。

圖4 逆向云發(fā)生器Fig.4 Backward cloud generator

c)云數(shù)字特征計(jì)算。利用逆向云發(fā)生器計(jì)算數(shù)字特征的算法[18]為：輸入為n個(gè)云滴xi(1≤i≤n)，輸出為云滴對(duì)應(yīng)的3個(gè)特征數(shù)值(Ex,En,He)，具體運(yùn)算步驟如下。

步驟1，根據(jù)云滴xi計(jì)算樣本均值

(2)

步驟2，計(jì)算樣本方差

(3)

步驟3，計(jì)算云滴的期望值Ex、熵En和超熵He如下：

(4)

(5)

(6)

2.2 基于權(quán)威性和協(xié)調(diào)性的專(zhuān)家置信度確定方法

由于專(zhuān)家在進(jìn)行指標(biāo)評(píng)價(jià)時(shí)的可靠度不同，為了使得最終的評(píng)價(jià)結(jié)果更加真實(shí)可靠，在對(duì)評(píng)價(jià)結(jié)果進(jìn)行處理時(shí)，需要考慮專(zhuān)家評(píng)價(jià)的置信度。本文從專(zhuān)家權(quán)威性和評(píng)價(jià)協(xié)調(diào)性出發(fā)，提出基于權(quán)威性和協(xié)調(diào)性的專(zhuān)家置信度確定方法。

2.2.1 專(zhuān)家權(quán)威性

為保證評(píng)價(jià)結(jié)果的可靠性，往往需要考慮專(zhuān)家對(duì)評(píng)價(jià)對(duì)象的權(quán)威程度。本文從專(zhuān)家的專(zhuān)業(yè)水平、對(duì)評(píng)價(jià)對(duì)象的熟悉程度[19]這2個(gè)方面出發(fā)分析專(zhuān)家權(quán)威性。

2.2.1.1 專(zhuān)業(yè)水平系數(shù)

一般情況下，對(duì)同一個(gè)評(píng)價(jià)對(duì)象，一個(gè)專(zhuān)家的專(zhuān)業(yè)水平越高，做出的判斷就越有參考價(jià)值。本文從工作領(lǐng)域、實(shí)踐經(jīng)驗(yàn)、搶修參與度等方面對(duì)專(zhuān)家的專(zhuān)業(yè)水平進(jìn)行評(píng)價(jià)，并以百分制的形式給出定量描述，具體描述見(jiàn)表1。

表1 專(zhuān)家專(zhuān)業(yè)水平評(píng)價(jià)標(biāo)準(zhǔn)Tab.1 Evaluation criteria for expert professional level

設(shè)m位專(zhuān)家中第j位專(zhuān)家的工作領(lǐng)域評(píng)分為aj，實(shí)踐經(jīng)驗(yàn)評(píng)分為bj，搶修參與度評(píng)分為cj，則專(zhuān)家j的專(zhuān)業(yè)水平評(píng)價(jià)值

Zj=ajbjcj，j=1,2,…,m.

(7)

專(zhuān)家j的專(zhuān)業(yè)水平系數(shù)

λj=Zj/maxZj,j=1,2,…,m.

(8)

2.2.1.2 熟悉程度系數(shù)

對(duì)評(píng)價(jià)對(duì)象的熟悉程度關(guān)系到專(zhuān)家做出判斷的正確性與可靠性，本文從對(duì)評(píng)價(jià)指標(biāo)的熟悉度、評(píng)價(jià)自信度等方面請(qǐng)專(zhuān)家進(jìn)行自我判斷，并以百分制的形式給出定量描述，具體描述見(jiàn)表2。

表2 專(zhuān)家熟悉程度判斷標(biāo)準(zhǔn)Tab.2 Judgment criteria for expert familiarity

設(shè)第j位專(zhuān)家對(duì)指標(biāo)熟悉度的自我評(píng)分為uj，對(duì)評(píng)價(jià)自信度的自我評(píng)分為vj，則專(zhuān)家j的熟悉程度評(píng)價(jià)值

Fj=ujvj，j=1,2,…,m.

(9)

專(zhuān)家j的熟悉程度系數(shù)

γj=Fj/maxFj,j=1,2,…,m.

(10)

2.2.1.3 專(zhuān)家權(quán)威性系數(shù)

基于專(zhuān)業(yè)水平和熟悉程度，計(jì)算專(zhuān)家權(quán)威性系數(shù)qj，計(jì)算公式如式(11)所示：

qj=(λj+γj)/2,j=1,2,…,m.

(11)

2.2.2 評(píng)價(jià)協(xié)調(diào)性

不同專(zhuān)家對(duì)同一指標(biāo)的評(píng)價(jià)各不相同，設(shè)置評(píng)價(jià)協(xié)調(diào)性系數(shù)來(lái)反映某位專(zhuān)家對(duì)各項(xiàng)指標(biāo)的評(píng)價(jià)結(jié)果在所有專(zhuān)家中的認(rèn)可程度，從側(cè)面反映出該專(zhuān)家的可靠度。

設(shè)第j位專(zhuān)家對(duì)第z個(gè)指標(biāo)的評(píng)價(jià)值為xjz，第k位專(zhuān)家對(duì)第z個(gè)指標(biāo)的評(píng)價(jià)值為xkz，故障搶修評(píng)價(jià)指標(biāo)個(gè)數(shù)為N，則專(zhuān)家j與所有專(zhuān)家評(píng)價(jià)差值的總和

(12)

專(zhuān)家j的評(píng)價(jià)協(xié)調(diào)性系數(shù)

(13)

2.2.3 專(zhuān)家置信度

綜合專(zhuān)家權(quán)威性和評(píng)價(jià)協(xié)調(diào)性，計(jì)算專(zhuān)家置信度Dj，計(jì)算公式如式(14)所示：

Dj=qjpj,j=1,2,…,m.

(14)

2.3 基于云模型與專(zhuān)家置信度的評(píng)價(jià)方法

2.3.1 評(píng)語(yǔ)集和云標(biāo)尺建立

本文采用黃金分割法生成評(píng)語(yǔ)概念，建立云標(biāo)尺，其核心思想[20]是：將給定的論域看作語(yǔ)言變量，并用云模型來(lái)表達(dá)每個(gè)語(yǔ)言變量，云的熵和超熵與論域中心的遠(yuǎn)近有關(guān)，離論域中心越近，熵和超熵越小；其中，相鄰云的熵和超熵以0.618倍依次減小，通常取3個(gè)或5個(gè)奇數(shù)個(gè)數(shù)的云。

為反映搶修隊(duì)的故障搶修質(zhì)量和效率，將搶修隊(duì)的總體評(píng)價(jià)分為5個(gè)等級(jí)，分別為“高”“較高”“一般”“較低”和“低”，構(gòu)建5層正態(tài)云[20]為評(píng)價(jià)標(biāo)準(zhǔn)，生成云標(biāo)尺見(jiàn)表3，獲得的云標(biāo)尺圖如圖5所示。

表3 云模型標(biāo)尺Tab.3 Cloud model scales

圖5 云標(biāo)尺Fig.5 Cloud scales

2.3.2 云權(quán)重確定

2.3.2.1 云權(quán)重云滴計(jì)算

2.3.2.2 基于專(zhuān)家置信度的云權(quán)重計(jì)算

由于專(zhuān)家權(quán)威性與認(rèn)知性存在個(gè)體差異，為使得權(quán)重分配更加可靠，為每個(gè)權(quán)重云滴乘上相應(yīng)專(zhuān)家的專(zhuān)家置信度，最終得到第z項(xiàng)指標(biāo)的m個(gè)權(quán)重云滴

(15)

采用第2.1.3節(jié)介紹的逆向云發(fā)生器計(jì)算得到各項(xiàng)指標(biāo)權(quán)重的云特征值，即云權(quán)重[23-24]，將權(quán)重矩陣記為β，則

(16)

式中：βN為第N個(gè)指標(biāo)的云權(quán)重；ExN、EnN、HeN分別為第N個(gè)指標(biāo)云權(quán)重的期望值、熵值和超熵值。

2.3.3 云評(píng)價(jià)值確定

2.3.3.1 云評(píng)價(jià)值云滴計(jì)算

按照?qǐng)D1的評(píng)價(jià)體系，收集待評(píng)價(jià)搶修隊(duì)的各項(xiàng)指標(biāo)數(shù)據(jù)信息，并根據(jù)上文所述指標(biāo)評(píng)分方法，邀請(qǐng)專(zhuān)家組進(jìn)行評(píng)價(jià)賦分，得到各項(xiàng)指標(biāo)的原始評(píng)價(jià)分值為：{x11,x12,…,x1N}，{x21,x22,…,x2N}，{xk1,xk2,…,xkN}，…，{xm1,xm2,…,xmN}，其中{xk1,xk2,…,xkN}表示第k位專(zhuān)家對(duì)N項(xiàng)指標(biāo)的評(píng)價(jià)分值，由此組成各項(xiàng)指標(biāo)的m個(gè)評(píng)價(jià)值云滴。

2.3.3.2 基于專(zhuān)家置信度的云評(píng)價(jià)值計(jì)算

由于專(zhuān)家權(quán)威性與認(rèn)知性存在個(gè)體差異，為使得指標(biāo)評(píng)價(jià)分值更加客觀可靠，為每個(gè)評(píng)價(jià)值云滴乘上相應(yīng)專(zhuān)家的專(zhuān)家置信度，最終得到第z項(xiàng)指標(biāo)的m個(gè)評(píng)價(jià)值云滴為

{D1x1z,D2x2z,…,Dmxmz},z=1,2,…,N.

(17)

利用第2.1.3節(jié)介紹的逆向云發(fā)生器計(jì)算得到各項(xiàng)指標(biāo)評(píng)價(jià)分值的云特征值，即云評(píng)價(jià)值，將評(píng)價(jià)值矩陣記為y，則

(18)

式中：yN為第N個(gè)指標(biāo)的云評(píng)價(jià)值；ExyN、EnyN、HeyN分別為第N個(gè)指標(biāo)云評(píng)價(jià)值的期望值、熵值和超熵值。

2.3.4 基于云模型的綜合評(píng)價(jià)

綜合評(píng)價(jià)云特征值的具體計(jì)算公式[23]如式(19)、式(20)所示：

Y=(Ex,En,He).

(19)

(20)

將綜合評(píng)價(jià)云特征值利用MATLAB生成云圖，與第2.3.1節(jié)建立的云標(biāo)尺進(jìn)行對(duì)比，可得到所評(píng)價(jià)搶修隊(duì)的故障搶修質(zhì)量和效率評(píng)價(jià)結(jié)果。

3 實(shí)例分析

以搶修隊(duì)的故障搶修質(zhì)量和效率評(píng)價(jià)為背景，以江蘇南京市某區(qū)域搶修隊(duì)為例，對(duì)本文所提評(píng)價(jià)方法進(jìn)行實(shí)例分析，證明其可行性和實(shí)用性。邀請(qǐng)5位從事相關(guān)工作的專(zhuān)家成立專(zhuān)家組進(jìn)行評(píng)分，結(jié)合專(zhuān)家經(jīng)驗(yàn)，將故障處理時(shí)長(zhǎng)修正系數(shù)σ取值為0.91。

3.1 專(zhuān)家置信度計(jì)算

邀請(qǐng)專(zhuān)家組對(duì)自身專(zhuān)業(yè)水平、評(píng)價(jià)對(duì)象熟悉程度進(jìn)行打分，并收集指標(biāo)相關(guān)數(shù)據(jù)信息，請(qǐng)專(zhuān)家對(duì)各項(xiàng)指標(biāo)進(jìn)行評(píng)分，結(jié)果見(jiàn)表4、表5、表6。

表4 專(zhuān)家專(zhuān)業(yè)水平評(píng)價(jià)Tab.4 Evaluation of expert professional level

表5 專(zhuān)家熟悉程度判斷Tab.5 Expert familiarity judgment

表6 指標(biāo)原始評(píng)價(jià)分值Tab.6 Original evaluation scores of indicators

結(jié)合表4、表5、表6，利用式(7)—式(14)可以求得專(zhuān)家權(quán)威性系數(shù)、評(píng)價(jià)協(xié)調(diào)性系數(shù)和專(zhuān)家置信度，結(jié)果見(jiàn)表7。

表7 專(zhuān)家置信度及相關(guān)系數(shù)Tab.7 Expert confidence levels and correlation coefficients

3.2 計(jì)算指標(biāo)云權(quán)重

3.2.1 采用層次分析法計(jì)算指標(biāo)原始權(quán)重。

邀請(qǐng)專(zhuān)家組根據(jù)圖1的評(píng)價(jià)體系，對(duì)指標(biāo)的相對(duì)重要性進(jìn)行兩兩判斷，以專(zhuān)家1的判斷為例，構(gòu)造判斷矩陣A1如下：

(21)

表8 指標(biāo)原始權(quán)重Tab.8 Indicator original weights

3.2.2 計(jì)算基于專(zhuān)家置信度的云權(quán)重

利用式(15)和表7、表8，計(jì)算基于專(zhuān)家置信度的權(quán)重云滴，計(jì)算結(jié)果見(jiàn)表9。

表9 基于專(zhuān)家置信度的權(quán)重云滴Tab.9 Weighted cloud droplets based on expert confidence level

利用第2.1.3節(jié)介紹的逆向云發(fā)生器計(jì)算得到各項(xiàng)指標(biāo)權(quán)重的云特征值，即云權(quán)重，見(jiàn)表10。

表10 評(píng)價(jià)指標(biāo)云權(quán)重Tab.10 Cloud weights of evaluation indicator

得到權(quán)重矩陣

(22)

3.3 計(jì)算指標(biāo)云評(píng)價(jià)值

3.3.1 計(jì)算原始評(píng)價(jià)分值

將表6中的指標(biāo)評(píng)分統(tǒng)一到[0,1]區(qū)間內(nèi)，結(jié)果見(jiàn)表11。

3.3.2 計(jì)算基于專(zhuān)家置信度的云評(píng)價(jià)值

利用式(17)和表7、表11，計(jì)算基于專(zhuān)家置信度的評(píng)價(jià)值云滴，計(jì)算結(jié)果見(jiàn)表12。

表11 原始指標(biāo)評(píng)分[0,1]轉(zhuǎn)化結(jié)果Tab.11 Transformation results of original indicator scores in [0,1]

表12 基于專(zhuān)家置信度的評(píng)價(jià)值云滴Tab.12 Cloud droplets based on expert confidence level

利用第2.1.3節(jié)介紹的逆向云發(fā)生器計(jì)算得到各項(xiàng)指標(biāo)評(píng)價(jià)分值的云特征值，即云評(píng)價(jià)值，結(jié)果見(jiàn)表13。

表13 評(píng)價(jià)指標(biāo)云評(píng)價(jià)值Tab.13 Cloud evaluation values of evaluation indicator

得到評(píng)價(jià)值矩陣

(23)

3.4 綜合評(píng)價(jià)云的計(jì)算與分析

利用式(19)和式(20)，結(jié)合式(22)、式(23)計(jì)算綜合評(píng)價(jià)云特征值，得

Y=(Ex,En,He)=(0.664,0.111,0.003).

(24)

將綜合評(píng)價(jià)云特征值利用MATLAB生成云圖，與第2.3.1節(jié)建立的云標(biāo)尺進(jìn)行對(duì)比，結(jié)果如圖6所示，圖中灰線表示云標(biāo)尺，黑線表示搶修隊(duì)最終評(píng)價(jià)云。

圖6 搶修隊(duì)最終評(píng)價(jià)云與云標(biāo)尺對(duì)比Fig.6 Comparison of final evaluation cloud of the emergency repair team and cloud scales

由圖6可以看出，評(píng)價(jià)結(jié)果處于“一般”與“較高”之間，距離“較高”較近，偏“較高”。由此可以判定搶修隊(duì)故障搶修質(zhì)量和效率的最終評(píng)價(jià)結(jié)果均為“較高”。

為了進(jìn)一步說(shuō)明本文所提基于云模型與專(zhuān)家置信度的評(píng)價(jià)方法的有效性，采用目前較常用的模糊層次分析法[25]對(duì)上述算例進(jìn)行評(píng)價(jià)。利用模糊層次分析法計(jì)算指標(biāo)權(quán)重，結(jié)合各項(xiàng)指標(biāo)的原始評(píng)價(jià)分值，分別計(jì)算出5位專(zhuān)家的個(gè)人評(píng)價(jià)結(jié)果，再利用加權(quán)平均算子對(duì)各評(píng)價(jià)結(jié)果進(jìn)行綜合，得到最終評(píng)價(jià)結(jié)果見(jiàn)表14。

表14 基于模糊層次分析法的指標(biāo)評(píng)價(jià)結(jié)果Tab.14 Indicator evaluation results based on fuzzy analytic hierarchy process

由表14可知，應(yīng)用模糊層次分析法得到的最終評(píng)價(jià)結(jié)果為0.703，與本文所提基于云模型與專(zhuān)家置信度的評(píng)價(jià)方法所得出的最終評(píng)價(jià)云模型(0.664,0.111,0.003)的期望值0.664相近，在一定程度上證明了本文所提評(píng)價(jià)方法的有效性。在與文獻(xiàn)[11]的對(duì)比中也可以看出，本文所提方法得出的結(jié)果能夠生成形象直觀的對(duì)比圖，并且充分考慮評(píng)價(jià)系統(tǒng)中的隨機(jī)性和模糊性，具有一定優(yōu)越性。

4 結(jié)束語(yǔ)

為反映搶修隊(duì)的故障搶修質(zhì)量和效率，提升配電網(wǎng)故障搶修管理水平，本文提出一種基于云模型與專(zhuān)家置信度的評(píng)價(jià)方法。利用云模型，充分考慮評(píng)價(jià)的隨機(jī)性和模糊性，實(shí)現(xiàn)定性與定量的相互轉(zhuǎn)化；同時(shí)從專(zhuān)家權(quán)威性和評(píng)價(jià)協(xié)調(diào)性出發(fā)，對(duì)各云滴進(jìn)行專(zhuān)家置信度修正，從而得到更加真實(shí)可靠的評(píng)價(jià)結(jié)果。實(shí)例驗(yàn)證表明，所提方法在具有較好的可行性和實(shí)用性的同時(shí)，具有一定的優(yōu)越性，可以形象直觀地反映出搶修隊(duì)故障搶修質(zhì)量和效率的高低，為搶修隊(duì)的可視化管理提供一種新的分析手段。