搜索
评价决策类应用及挖掘工具—贝叶斯决策功能要求1.1评价决策类应用及挖掘工具1.1.1评价决策分析工具1.1.1.1具备功能在设备类指标、流程类指标及设备关联方承载力指标定义的基础上，构建一套适用于大数据分析技术，具备基本“面性”广度评价能力的监控信息综合评价指标体系。利用监控告警信息、OMS日志记录和流程信息，依托告警信息确认及时率、处置规范率和准确率、故障线路远方试送率、故障线路远方试送平均时间、运维到站及时率、恢复送电时间、方式恢复时间等指标，按照监控员处置、运维单位响应和设备异常恢复三个维度进行运行效能评价。1.1.1.2决策方法贝叶斯决策（BayesianDecisionTheory）就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。贝叶斯决策属于风险型决策，决策者虽不能控制客观因素的变化，但却掌握其变化的可能状况及各状况的分布概率，并利用期望值即未来可能出现的平均状况作为决策准则。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：1、已知类条件概率密度参数表达式和先验概率。2、利用贝叶斯公式转换成后验概率。3、根据后验概率大小进行决策分类。理论思想与功用简介基于设备基础数据与实时运行数据，在设备类指标、流程类指标及设备关联方承载力指标定义的基础上，构建一套适用于大数据分析技术，具备基本“面性”广度评价能力的监控信息综合评价指标体系。利用监控告警信息、OMS日志记录和流程信息，依托告警信息确认及时率、处置规范率和准确率、故障线路远方试送率、故障线路远方试送平均时间、运维到站及时率、恢复送电时间、方式恢复时间等指标，按照监控员处置、运维单位响应和设备异常恢复三个维度进行运行效能评价综合分析，结合电网分析和评估方法开展配电供电能力评及运行水平等指标评估，通过贝叶斯决策方法，将风险隐患设备及故障跳闸、频繁停电、长期重过载、低电压等设备运行事故概率列入到需求库中，为运行维护人员提供工作建议的参考依据。背景材料引言尽管在当今电力网中各类监测工具实时监测高效挖掘，但是基于概率上的对电网事件的分析处理建议还不够完善。在面性广度上，基于检测员处理，运维单位响应，设备异常恢复这三个维度上，依托告警信息确认及时率、处置规范率和准确率、故障线路远方试送率、故障线路远方试送平均时间、运维到站及时率、恢复送电时间、方式恢复时间等指标将电网事件进行三维立体分析计算。模型建立后验概率=(似然度*先验概率)/标准化常量也就是说，后验概率与先验概率和似然度的乘积成正比。另外，比例Pr(B|A)/Pr(B)也有时被称作标准似然度（standardisedlikelihood），Bayes法则可表述为：后验概率=标准似然度*先验概率设“电网运行有某种事故”为事件A，引起事件A的原因为样本空间Ω。B1，B2，…Bn为Ω的一个分划，即Bi∩Bj=Φ，i≠j,Ｕni=1Bi=Ω，并假定P(Bi)0。由贝叶斯公式，由某原因引起事件A的概率为：P（Bi|A)=P(Bi)P(A|Bi)/n/jP(Bj)P(A|Bj)(1)P（Bi|A)为后验概率，P(Bi)P(A|Bi)为先验概率，P(Bi)为基础概率。公式(1)为操作员有针对性地确定事故发生原因提供了参考。分析处理概率值在有贝叶斯计算过后的概率值之后，可以分析处理概率数据从而和原始数据结合，得出电网运行的正常状态，事故状态的数据差异以及概率情况，为电网稳定运行提供数据依托。