基于改進云模型的電網本質安全評價方法研究

黃 偉 康 敏

(上海電力大學自動化工程學院 上海 200090)

0 引 言

本質安全不同于傳統意義上的安全，它將風險控制的重點轉移到風險出現的源頭前端，其表述為“通過設計等手段使生產設備或生產系統本身具有安全性，即使在誤操作或發生故障的情況下也不會造成事故”[1-2]。本質安全只有能夠度量才具有實際意義。

本質安全評價在電力領域的起步較晚，應用較少，但是在煤礦[3]、化工[4]等領域的應用已經比較成熟，主要的評價方法有安全檢查表法、指數評價法、神經網絡法和模糊綜合評價法等[3-8]。這些評價方法比較趨近同化，大多未考慮或者只考慮了模糊性、隨機性的一個方面，未進行全面分析，難以得出客觀的評價結果。然而在電力企業的本質安全評價中，受限于經驗數據和各專家認識的不同，獲取的評價指標分值和評價等級的劃分必然存在隨機性，并且處在臨界區域的分值難以確定屬于哪個等級，因此造成劃分的模糊性。

模糊性和隨機性是對電網進行本質安全評價的兩個基本特點，云模型能夠綜合考慮二者及其關聯性，在定性與定量之間的映射和轉換上應用廣泛，已在水利、交通、天然氣運輸等領域的狀態診斷和綜合評價中得到應用[9-12]。因此，本文將改進的云模型應用到電網本質安全的評價中，在應用不確定性數據的前提下，得到更客觀、更能反映實際情況的評價結果。

1 云模型

1.1 數字特征

云模型的數學性質是用云數字特征期望Ex、熵En和超熵He來表示的[9-12]，其示意圖如圖1所示。

圖1 云模型的三個數字特征示意圖

1.2 云發生器

用云發生器可實現云的生成，根據實現原理的不同，分為正向云發生器和逆向云發生器[9-12]。實現定性概念到其定量表示映射的是正向云發生器，它將概念的云數字特征(Ex，En，He)轉換為數個云滴，每個云滴都是該概念的一次具體實現，如圖2所示；實現定量值到定性概念轉換的是逆向云發生器，它將以云滴形式呈現的具體數據轉換為以云數字特征(Ex，En，He)表示的定性概念，如圖3所示。

圖2 正向云發生器

圖3 逆向云發生器

2 云模型在電網本質安全評價中的應用

模糊綜合評價方法根據專家對各指標的打分，計算得到各指標的權重和隸屬度，再按照事先規定的規則得出評價結果。該方法比較注重數據的模糊性，而忽略了隨機性[5,8]。云模型能夠較好地反映數據間的模糊性、隨機性及其之間的關聯性，而傳統云模型評價方法中評價對象云的生成大多依靠經驗公式，未能很好地反映出實際數據隨機性的特點[10-12]，因此本文將改進的云模型應用于電網的本質安全評價中。

2.1 評價指標體系的構建

本文參考其他行業本質安全評價體系的建立，并通過對電力企業本質安全的調查、對其本質安全評價特點的分析后，基于4M(人員-設備-管理-環境，man-machine-management-environment)-PSR(壓力-狀態-響應，pressure-state-response)的框架模型構建五個層次的電網本質安全評價指標體系[13]，其遞階結構示意圖如圖4所示。第一層是總體層，即評價總目標層；第二層是系統層，由人-機-管-環四個子系統構成；第三層是變量層，具體分為壓力層、狀態層和響應層；第四層是因素層，該層的評價因素組成各子系統下變量層的內容；第五層是指標層，該層指標是組成每一個評價因素的具體指標，也是總評價指標體系中用來進行分析的具體指標。在本次研究中，僅以因素層的一個評價指標為例，對本文提出的本質安全評價方法進行應用，因此未列出各層次的具體評價指標。該評價指標的結果由其評價云與評價狀態云比較得出，而評價狀態云則是依據評價等級生成。

圖4 評價指標體系結構示意圖

不同于交通、農業等領域在應用云模型評價方法時分別劃分各個評價指標的評價等級[10-12]，本文選取的評價指標涉及人、機、管、環四個維度，并且數量較多，分別劃分每個評價指標的評價等級工作量會非常大，而且定性指標占比較大，因此本文參考已有的研究成果[8]將電網本質安全評價等級劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五個等級，具體如表1所示。該評價等級的劃分將指標分值和評價分值都界定在[0,1]內，再細分為五個小區間，每個小區間代表一種本質安全狀態，并用模糊語言進行描述。

表1 電網本質安全等級劃分

2.2 評價狀態云的生成

依據表1所示的本質安全評價等級，運用云發生器生成該評價等級所對應的評價狀態云，其具體步驟為：

(1) 將各評價等級的具體分值數據利用逆向云發生器轉化為定性概念，以數字特征(Ex，En，He)表示(為避免各評價等級細分時主觀因素的影響，本文將評價狀態云的期望取為各評價等級的中位數)；

(2) 選擇合適的云滴數N；

(3) 由正向云發生器產生以En為期望、He為標準差的標準正態分布隨機數Enn；

(4) 產生以Ex為期望、En為標準差的標準正態分布隨機數mi；

(6) 重復步驟(3)-步驟(5)，產生設定的N個云滴，由這些云滴組成的圖像即所需的評價狀態云[9-12]，如圖5所示。

圖5 各評價等級對應的評價狀態云圖

由此得到的評價狀態云等級劃分比較合理，應用方便，其中各評價等級云模型的數字特征如表2所示。

表2 各評價等級云模型的數字特征

2.3 評價對象云的生成

以云模型評價方法在交通等領域的應用為例，其云數字特征由式(1)計算所得[10-12]，再依得到的云數字特征經云發生器生成評價對象云。

(1)

式中：Xmin、Xmax分別為指標安全值范圍或其最大隸屬度所在評價等級區間的下界與上界；k為常數，一般取為經驗值0.01。

對電力企業進行本質安全評價時，由圖4可知，選取的評價指標數量較多，難以界定每個評價指標的上、下界，如按其最大隸屬度所在評價等級區間計算，則容易出現多個評價指標分值屬于同一評價等級時，這些評價指標的云數字特征相同，部分評價結果則會失去準確性。

所以本文對傳統的云模型評價方法進行了改進，根據評價指標隸屬于各安全等級的隸屬度數值，結合評價狀態云的分布，經云理論反向計算得評價指標分值所反映的實際狀態值，以該值為指標的期望，再依次得到熵值和超熵值。在得到各基層指標的云數字特征后，再運用正向云發生器產生相應數量的云滴，即得到各基層指標的評價云。以基層指標的云數字特征為基礎，結合各指標的權重，通過相應的運算法則，得到上一級評價指標的云數字特征以及評價云，以此類推，直到得到總目標的云數字特征和評價云。

期望Ex是概念在論域中的重心值，它絕對地隸屬于這個定性概念，表示對評價指標實際本質安全狀態的預期；熵En反映評價結果的可靠程度，其值越大，說明概念越模糊，則評價結果的可靠程度較低；超熵He是對評價結果不穩定性的描述，表現為云的厚度，厚度越大，結果的穩定性越低。

2.4 評價準則

對于本文提出的評價方法，有以下兩種方法[9]可供得出評價結果：

(1) 直觀判斷法。在同一坐標系中得到評價狀態云和評價對象云，將評價對象云與評價狀態云進行對比，直觀地判斷出評價對象所屬的本質安全等級。

(2) 最大云相似度法。設云向量Ci=Ci(Exi,Eni,Hei)、Cj=Cj(Exj,Enj,Hej)，云相似度為向量Ci與Cj的余弦，即為：

(2)

按式(2)分別計算出評價對象云與各個評價狀態云的云相似度，由最大相似度原則可知，最大云相似度所對應的評價等級即為所求評價指標所屬的本質安全等級。

3 實例分析

本文以某市級供電公司為例，以因素層的評價指標“設備的安全可靠性E11”為例，根據本文提出的本質安全評價方法，進行本質安全評價。

3.1 評價指標的云計算

評價指標“設備的安全可靠性E11”又分解為設備的可靠性E111、生產工藝的本質安全程度E112和特種設備安全情況E113三個指標層評價指標，首先進行指標層評價指標的云計算。

已知評價指標E111、E112、E113隸屬于各評價等級的隸屬度分別為(0.4,0.5,0.1,0,0)、(0.4,0.3,0.2,0.1,0)、(0.3,0.4,0.1,0.2,0)。以評價指標E111為例，結合評價狀態云的分布與該指標的隸屬度數值，根據云理論經計算得該指標的反映狀態值為0.817，以該值為該指標云數字特征的期望值；另取熵值為期望值所在云朵論域區間的1/6，描述不同評價等級狀態云的離散程度；超熵為熵的熵，對評價結果的影響不顯著，取為熵值的1/10，即評價指標E111的云數字特征為C(E111)=(0.817，0.065，0.007)。

同理，得出基層指標E112、E113的云數字特征。另外，已知評價指標E11的權重為ω11=(0.648 3,0.122 0,0.229 7)，不同于加權平均法，本文采用浮動云算法[14-15]將指標層評價指標的云數字特征與權重進行結合，得到其上一級評價指標的結果，以此類推，即可得到評價總目標的評價結果，浮動云算法如下：

(3)

(4)

(5)

3.2 結果分析

根據上文所做的工作，得出本次對評價指標E11的評價結果，并與現有的云模型評價結果進行對比分析。

3.2.1設備的安全可靠性E11指標云模型評價

通過上述計算，首先得到基層評價指標E111、E112、E113的云數字特征及其上級評價指標E11的云數字特征，具體結果如表3所示。

表3 評價指標E11的云數字特征計算結果

期望Ex反映對評價指標E11的本質安全狀態的預期，熵En反映評價結果的可靠程度，在本次評價結果中En=0.061，數值較小，說明評價結果比較可靠；另外本次評價結果中超熵He=0.007，數值也比較小，說明評價結果的穩定性比較好。

然后，根據所得的云數字特征，用正向云發生器得到評價指標E11的評價云，如圖6所示?？梢钥闯觯瑢υ摴驹O備的安全可靠性E11指標的評價結果介于“優秀”與“良好”評價等級之間，并偏向于“良好”評價等級。

圖6 評價指標E11的評價云圖

最后，用最大云相似度法對評價結果進行進一步確定。由式(2)進行指標E11與各個本質安全評價等級的云相似度計算，計算結果如表4所示。

表4 評價指標E11與各評價等級的云相似度計算結果

可以看出，最大云相似度為0.999 9，可確定設備的安全可靠性E11指標的本質安全評價等級為“良好”。對這一指標，應用電力企業現有的模糊綜合評價方法[8]得到的評價結果為0.81，對照表1可知，該指標評價等級為“良好”。這說明本文提出的本質安全評價方法是有效的，評價結果準確。同理，按以上計算方法逐級計算，可得出其他各指標以及總目標的評價結果。

3.2.2對比分析

圖7 傳統云模型評價方法中評價指標E11的評價云圖

在傳統云模型評價方法的計算中，依據E111、E112、E113三個評價指標的隸屬度計算得出，該三個指標中E111與E113的云數字特征為相同的結果，實際該兩個指標的隸屬度與權重并不相同，此時的計算結果不能完全準確地反映指標的實際狀態值，這是傳統云模型評價方法中云數字特征計算依賴經驗公式的缺點。

通過兩種方法的計算以及分析可以看出，相比于傳統云模型評價方法，本文所提評價方法所得評價狀態云生成更簡便，適用性更強，使評價結果的可視性更好；所得評價對象云的期望值更能反映評價指標的實際狀態值，熵值、超熵值均較小，說明該方法得出的結果可信度較高、穩定性更好，評價結果也更符合實際情況。

4 結 語

本文對電網企業本質安全評價過程中存在模糊性和隨機性的影響，提出了基于改進云模型的本質安全評價方法，并以某電力公司因素層評價指標為例，進行了相關計算。結果表明，本文提出的評價方法適用于電力企業這樣復雜的系統，并且相對于傳統云模型評價方法，經改進的云模型評價方法的評價過程更合理，評價結果更加客觀、可信，更能反映實際情況。