科学的电力信息系统早会评估为领导决策提供了数据支撑,因此找到一种高效准确的评估方法,从设备运行情况、安全指标、网络与运行方式、任务监督、机房设施、建设管理等方面评价电力信息系统综合情况,具有的重要意义。本文将一种新的方法:投影寻踪聚类法引入电力信息系统早会评估,以某省电力公司为例,在模糊综合评价法建立的指标得分基础上,运用投影寻踪聚类法对该公司电力信息系统早会综合情况进行纵向横向评估对比,克服了模糊综合评价法灵活性差,主观性强的缺点,为电力信息系统早会评估提供了一种新的思路。 Scientific power information system of early assessment will provide data for the decision-making of leadership. So to find an efficient and accurate assessment of power information system method which is combined the data of equipment operation, safety indicators, network and operation mode, task supervision, room facilities, construction management, etc., has important significance. In this paper, a new method, Projection Pursuit Cluster, is introduced into the early assessment of power information system, and taking a provincial power company as an example, based on the index of fuzzy comprehensive evaluation method, we have made a longitudinal comparison and a lateral comparison of the company’s power information system by using Projection Pursuit Cluster Method, overcoming the shortcomings of fuzzy comprehensive evaluation method, such as low flexibility and subjectivity and providing a new idea for the early assessment of power information system.
王电钢1,刘捷1,陈龙1,刘俊勇2,阮振2,沈晓东2
1国网四川省电力公司信息通信公司,四川 成都
2四川大学电气信息学院,四川 成都
收稿日期:2017年4月16日;录用日期:2017年4月27日;发布日期:2017年4月30日
科学的电力信息系统早会评估为领导决策提供了数据支撑,因此找到一种高效准确的评估方法,从设备运行情况、安全指标、网络与运行方式、任务监督、机房设施、建设管理等方面评价电力信息系统综合情况,具有的重要意义。本文将一种新的方法:投影寻踪聚类法引入电力信息系统早会评估,以某省电力公司为例,在模糊综合评价法建立的指标得分基础上,运用投影寻踪聚类法对该公司电力信息系统早会综合情况进行纵向横向评估对比,克服了模糊综合评价法灵活性差,主观性强的缺点,为电力信息系统早会评估提供了一种新的思路。
关键词 :电力信息系统,综合评估,投影寻踪聚类
Copyright © 2017 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
国家电网公司正在大力建设并稳步推进的智能电网是以信息平台为支撑,实现“电力流、信息流、业务流”的高度一体化融合的坚强智能电网。地区供电公司早会已成为供电公司日常生产安排、运营事务处理、重要问题会商的管理模式关键枢纽。随着管理精益化的逐步深入,地区供电公司早会已成为供电公司日常生产安排、运营事务处理、重要问题会商的管理模式关键枢纽。如何从各部门信息体系中准确收集、处理、钻取管理层在早会中关注的关键信息,并成体系的自动发布、推送,是供电公司早会走向系统化、信息化、智能化和更加精益化的必然趋势。早会信息支撑技术与一般专业部门的信息化相比,具有更强的综合性和宏观指导性,对数据结构设计、数据流程组织效率以及功能划分均有更高要求 [
目前对电力信息系统安全性风险性等评估常采用模糊评判法,层次分析法等方法,基于专家拟定的评分标准和公式,对各项指标打分后综合评估 [
投影寻踪聚类法(Projection pursuit cluster model, PPCM)的基本思想是把高维数据通过某种组合,投影到低维(1~3维)子空间上,通过极大(小)化某个投影指标,寻找出能反映高维数据结构或特征的投影,在低维空间上对数据结构进行分析,以达到研究和分析高维数据的目的。实质是一种数值方法求最优解的优化方法,即利用已知特征指标值,寻找最大程度地暴露高维数据某一类特征结构的最佳投影方向 [
1) 样本评价指标集的归一化处理。假设样本集合为
对于越大越优的指标
对于越小越优的指标
其中,
2) 构造投影指标函数。把
选择不同的投影方向时,评价指标数据以不同的权重组合方式得出不同的综合评价指标值。综合投影指标值
其中,
式中
3) 优化投影指标函数。
当各指标值的样本给定时,投影指标函数
4) 等级评价
把由3)中优化得到的最佳投影方向
电力信息系统早会评估指标主要从各地市公司电力信息系统日常运行情况中汇总获得。日常运行情况主要包括以下六个方面一级指标:
A) 设备运行情况。服务器,网络设备,链路的运行情况。
B) 安全指标。弱口令数、违规外联数、保密安装率等电力信息系统运行的安全指标。
C) 网络与运行方式。网络告警统计、数据刷新情况等指标。
D) 任务监督。任务业绩指标及重大活动任务跟踪。
E) 机房设施。各电力信息系统机房设施指标。
F) 建设管理。科技、生产项目管理情况。
评估指标参数如表1所示。
以上评估指标具有种类多样,难以量化的特点。运用模糊综合评价法,得出个一级指标综合得分。对每个方面的二级指标采用5级评价机制
尔菲法,根据专家的知识、经验分析、判断,对各方面二级指标主观赋权值,建立模糊评估矩阵,经过计算得出各一级指标模糊综合评价结果。将该评价结果运用上节1)中方法进行样本评价指标集的归一化处理后,得出省公司各个年份纵向比较综合指数得分及各个地市公司横向比较的综合指数得分。其中纵向比较指数综合得分为该省电力公司2012年至2016年各指标评估得分,横向比较指数得分为该省电力公司不同地市公司2016年各指标评估得分。数据如下表2、表3所示。
根据表2、表3中各项目的指数得分,借助Matalab2012软件,按照上节2) 3)步骤构造投影指标函数,优化计算得出纵向比较及横向比较的最佳投影方向向量:
再由上节4)中等级评价方法分别计算2012至2016年投影特征值
一级指标 | 二级指标 | |
---|---|---|
运行设备情况 | 服务器 | 运行率、告警统计、CPU、内存 |
网络设备 | 告警统计、运行率 | |
链路 | 运行率 | |
安全指标 | 弱口令数、违规外联数、保密安装率、系统注册率、敏感检查率、补丁分发率、防毒安装率 | |
网络与运行方式 | 告警统计、数据刷新情况 | |
任务监督 | 业绩指标(MAS系统)、任务跟踪、重大活动 | |
机房设施 | 机柜空间、空调系统(漏水)、电源、温湿度、UPS、消防、视频 | |
建设管理 | 科技项目、生产项目 |
表1. 评估指标参数
年份 指标 | 运行设备 | 安全指标 | 网络运行方式 | 任务监督 | 机房设施 | 建设管理 |
---|---|---|---|---|---|---|
2012 | 0.19 | 0.98 | 0.51 | 0.74 | 0.48 | 0.19 |
2013 | 0.19 | 0.96 | 0.49 | 1 | 0.48 | 0.19 |
2014 | 0.31 | 1 | 0.29 | 0.90 | 1 | 0.31 |
2015 | 0.62 | 0.89 | 1 | 1 | 0.48 | 0.62 |
2016 | 0.69 | 0.96 | 0.43 | 0.79 | 1 | 0.69 |
表2. 纵向评估指数得分
地区指标 | 运行设备 | 安全指标 | 网络运行方式 | 任务监督 | 机房设施 | 建设管理 |
---|---|---|---|---|---|---|
地区1 | 1.00 | 0.94 | 0.26 | 0.84 | 0.90 | 0.32 |
地区2 | 0.97 | 0.72 | 0.27 | 0.75 | 0.97 | 1.00 |
地区3 | 0.15 | 0.50 | 0.61 | 0.90 | 1.00 | 0.38 |
地区4 | 0.48 | 0.91 | 0.49 | 0.66 | 0.21 | 0.47 |
地区5 | 0.80 | 1.00 | 1.00 | 0.53 | 0.19 | 0.75 |
地区6 | 0.98 | 0.37 | 0.20 | 1.00 | 0.71 | 0.58 |
地区7 | 0.60 | 0.32 | 0.16 | 0.62 | 0.34 | 0.67 |
地区8 | 0.21 | 0.29 | 0.49 | 0.66 | 0.16 | 0.19 |
表3. 横向评估指数得分
年份 | 投影特征值 | 排序结果 |
---|---|---|
2012 | 1.4150 | 5 |
2013 | 1.5150 | 4 |
2014 | 1.7176 | 3 |
2015 | 1.8483 | 2 |
2016 | 1.8794 | 1 |
表4. 纵向评估结果
地区 | 投影特征值 | 排序结果 |
---|---|---|
地区1 | 1.5068 | 3 |
地区2 | 1.8151 | 1 |
地区3 | 1.2442 | 6 |
地区4 | 1.2980 | 5 |
地区5 | 1.7606 | 2 |
地区6 | 1.4650 | 4 |
地区7 | 1.1285 | 7 |
地区8 | 0.7893 | 8 |
表5. 横向评估结果
根据投影特征值的大小进行排序的结果于下表4、表5所示。
由表4数据可知,纵向比较该省电力公司信息系统早会平台总体评估情况逐年向好。2012、2013两年投影特征值
本文在运用模糊综合评价法建立的电力信息系统评估指标参数的基础上,利用投影寻踪聚类模型能将高维评价指标转化为一维投影指标、充分挖掘电力信息系统特征信息的特点,运用投影寻踪聚类法对某省电力公司电力信息系统早会做了综合评估比较。该方法既解决了电力信息系统早会评估指标种类多样、难以量化的问题,相比于二阶模糊综合评价法等方法又最大限度的降低了专家主观因素影响,为电力信息系统早会评估提供了一种有效的新思路。
王电钢,刘 捷,陈 龙,刘俊勇,阮 振,沈晓东. 基于投影寻踪聚类法的电力信息系统早会评估Early Assessments of Electric Power Information System Based on Projection Pursuit Cluster Method Integration[J]. 智能电网, 2017, 07(02): 116-122. http://dx.doi.org/10.12677/SG.2017.72013