新能源項目智能監(jiān)控系統(tǒng)在后期運維中的應(yīng)用

摘 要：本研究的目標(biāo)是利用層次分析法（Analytic Hierarchy Process，AHP）和熵值法構(gòu)建一個全面的評價體系，以評估新能源項目智能監(jiān)控系統(tǒng)在后期運維中的效益?？紤]在實際運營過程中數(shù)據(jù)的稀缺性，在評估過程中引入Bootstrap方法。Bootstrap方法利用重復(fù)抽樣構(gòu)建多個虛擬樣本，優(yōu)化模型的預(yù)測性能。為評估監(jiān)控系統(tǒng)的效益，進(jìn)行Bootstrap采樣分析，將采樣分布結(jié)果與原始數(shù)據(jù)進(jìn)行對比。這種方法能夠更全面了解系統(tǒng)性能，準(zhǔn)確評估后期運維效益。本研究旨在為新能源項目的智能監(jiān)控系統(tǒng)提供科學(xué)、可靠的評估框架，優(yōu)化運營系統(tǒng)，提升可持續(xù)性。

關(guān)鍵詞：新能源項目；智能監(jiān)控系統(tǒng)；效益評估；Bootstrap方法

中圖分類號：X 924 " " " " 文獻(xiàn)標(biāo)志碼：A

在新能源領(lǐng)域，智能監(jiān)控系統(tǒng)在提高系統(tǒng)性能、降低運維成本方面起到了關(guān)鍵作用，因此備受關(guān)注。成建國等[1]（2023）深入研究了深圳城際動車組智能化需求以及頂層指標(biāo)建議方案，提出了創(chuàng)新的智能化方案，為城際動車組運營提供了新思路。樊任璐[2]（2023）研究上海軌道交通1號線空調(diào)智能運維系統(tǒng)。陳澤濤等[3]（2022）研究配電房安全智能監(jiān)控平臺接地刀閘狀態(tài)位監(jiān)控方法。鐘怡然等[4]（2022）從現(xiàn)有智能監(jiān)控系統(tǒng)中發(fā)展了三維建模技術(shù)并將其應(yīng)用于安防領(lǐng)域。談?wù)鸬萚5]

（2022）研究水利工程智能運維全鏈路監(jiān)控系統(tǒng)。王學(xué)文等[6]（2022）研究AR/VR融合驅(qū)動的綜采工作面智能監(jiān)控關(guān)鍵技術(shù)。劉海濱等[7]（2018）研究水電站智能監(jiān)控服務(wù)支持系統(tǒng)，為水電站提供全面的監(jiān)控服務(wù)。于闖等[8]（2018）研究了動車組轉(zhuǎn)向架智能監(jiān)控分析平臺。姜國義等[9]（2016）研究基于網(wǎng)絡(luò)技術(shù)的信息系統(tǒng)集成接口智能監(jiān)控管理，為企業(yè)信息系統(tǒng)集成管理提供了有效手段。

1 算例分析

1.1 變量選取

在能源領(lǐng)域中的重要任務(wù)是評估新能源項目智能監(jiān)控系統(tǒng)在后期運維中的效益。為了更全面、客觀地了解該系統(tǒng)的效用，本文采用AHP-熵值法結(jié)合專家評測的方法，確定技術(shù)可行性、系統(tǒng)性能和運維需求這3個關(guān)鍵準(zhǔn)則的權(quán)重，進(jìn)而深入評估其在后期運維中的作用和影響。

在新能源項目中，智能監(jiān)控系統(tǒng)在后期運維中的效益十分重要。為了準(zhǔn)確評估其效益，引入AHP-熵值法。這個方法結(jié)合了層次分析法（Analytic Hierarchy Process，AHP）和熵值法，能夠在多個準(zhǔn)則間建立層次結(jié)構(gòu)，確定各準(zhǔn)則的權(quán)重，綜合分析系統(tǒng)的整體效益。本文的目標(biāo)是評估智能監(jiān)控系統(tǒng)的效益，涉及技術(shù)可行性、系統(tǒng)性能和運維需求這3個關(guān)鍵準(zhǔn)則。技術(shù)可行性指系統(tǒng)所采用的技術(shù)是否適用于特定情況，系統(tǒng)性能考量系統(tǒng)的整體工作表現(xiàn)，運維需求關(guān)注系統(tǒng)后期維護(hù)所需的資源和投入。

為了確定這些準(zhǔn)則的相對重要性，由專家進(jìn)行評估，并采用兩兩比較的方法。向?qū)＜姨峁﹩柧?，引?dǎo)專家對這3個準(zhǔn)則進(jìn)行比較，使用1～9的尺度確定其相對權(quán)重。這些比較結(jié)果構(gòu)成比較矩陣，作為計算權(quán)重的依據(jù)。例如，專家將技術(shù)可行性和系統(tǒng)性能進(jìn)行比較，給出1～9的評分。

本研究結(jié)合專家經(jīng)驗與定量分析，對比較矩陣進(jìn)行一致性檢驗和特征值計算，得到各準(zhǔn)則的權(quán)重向量。這些權(quán)重向量是基于專家評估的定量化結(jié)果，代表不同準(zhǔn)則在系統(tǒng)效益中的相對重要性。

1.2 重要性對比

向?qū)＜姨峁﹩柧?，進(jìn)行兩兩比較，確定準(zhǔn)則之間的相對重要性，計算相應(yīng)的權(quán)重。這些權(quán)重將應(yīng)用于熵值法中，以綜合各準(zhǔn)則的信息熵，確定最終的權(quán)重分配。

專家完成兩兩比較矩陣，使用尺度1～9，其中，1為相同重要性，9為極端重要性，重要性賦值關(guān)系見表1。

本文采用分析方法并借鑒了專家的經(jīng)驗，使新能源項目智能監(jiān)控系統(tǒng)的效益評估更詳盡、可靠。將問卷調(diào)查與專家評測相結(jié)合，從而建立科學(xué)、全面的評估框架，在后期運維中能夠更精準(zhǔn)地評估系統(tǒng)的綜合效益。重要性評估結(jié)果見表2。

這些重要性評估結(jié)果是對智能監(jiān)控系統(tǒng)準(zhǔn)則間相對重要性的量化。在未來的研究中，基于這些結(jié)果進(jìn)一步探索在不同權(quán)重中系統(tǒng)效益的變化情況，以及在不同假設(shè)權(quán)重中系統(tǒng)整體性能的變化趨勢，進(jìn)一步優(yōu)化智能監(jiān)控系統(tǒng)。

1.3 AHP-熵值法權(quán)重估計

在AHP-熵值法中，AHP方法將專家的兩兩比較轉(zhuǎn)化為特征向量，計算各準(zhǔn)則的權(quán)重。在這個過程中，根據(jù)兩兩比較矩陣獲得了特征向量，該向量代表各準(zhǔn)則相對重要性的度量。對特征向量進(jìn)行歸一化處理，得到初始的權(quán)重向量。計算一致性指標(biāo)（CI）和一致性比率（CR），驗證權(quán)重向量的一致性和可信度。

根據(jù)計算得到的CR與預(yù)設(shè)一致性水平進(jìn)行對比，如果CR較低，則所得權(quán)重相對可信；如果CR較高，則需要重新考慮比較矩陣的一致性。結(jié)合初步的權(quán)重向量調(diào)整一致性比率，最終確定了準(zhǔn)則的權(quán)重。專家判斷層次結(jié)構(gòu)中的每對準(zhǔn)則，得到了兩兩之間的比較矩陣Cij。這些矩陣構(gòu)成了層次結(jié)構(gòu)的判斷矩陣?；谏鲜鲋匾栽u價結(jié)果，計算得到CI=0.03，CR=0.10。

對每個比較矩陣進(jìn)行歸一化處理，得到權(quán)重向量Wi和對應(yīng)的最大特征值λi。根據(jù)歸一化的特征向量得到初始的準(zhǔn)則權(quán)重W。

進(jìn)行全局一致性檢驗后，使用特征值法計算得到最終的權(quán)重向量，見表3。

AHP-熵值法將AHP的權(quán)重評估與熵值法的信息熵相結(jié)合，獲得最終的權(quán)重分配。這種方法使專家評估的權(quán)重在綜合信息熵后更可靠、合理。對比較矩陣進(jìn)行歸一化處理，得到權(quán)重向量。利用這些權(quán)重向量，按照信息熵的計算公式計算每個準(zhǔn)則的熵值，熵值越大，準(zhǔn)則內(nèi)部的差異性越高，即不確定性程度越大，如公式（1）所示。

（1）

式中：Ei為信息熵；Cij為準(zhǔn)則i與j之間兩兩比較重要性結(jié)果的矩陣；λi為這個重要性矩陣的最大特征值；n為這個重要性矩陣的階數(shù)。

熵權(quán)重Wentropy，i計算過程如公式（2）所示。

（2）

綜合初始權(quán)重和熵權(quán)重得到最終權(quán)重W'。這個過程結(jié)合了專家評估意見與量化信息熵，保證權(quán)重的科學(xué)性和客觀性。計算過程如公式（3）所示。

W'=α·W+（1-α）·Wentropy，i " "（3）

式中：W'為最終權(quán)重；α為權(quán)衡初始權(quán)重和熵權(quán)重的權(quán)衡因子，取值為0.5；W為基于AHP法計算的準(zhǔn)則權(quán)重；Wentropy，i為基于熵值法計算的熵權(quán)重。

融合AHP與熵值法的方法考慮了專家評估和準(zhǔn)則內(nèi)部的差異性，在AHP權(quán)重計算中引入更多的數(shù)據(jù)特性，更好地反映準(zhǔn)則之間的相對重要性，為評估體系提供了更全面、可靠的權(quán)重分配，為智能監(jiān)控系統(tǒng)的后期運維效益提供支持。

1.4 權(quán)重優(yōu)化過程

根據(jù)計算得到熵值，利用信息熵概念進(jìn)行進(jìn)一步優(yōu)化權(quán)重，熵權(quán)重的計算考慮了信息熵的影響，修正并優(yōu)化了初始權(quán)重，使權(quán)重更合理。

計算各準(zhǔn)則的熵值，進(jìn)一步優(yōu)化權(quán)重。優(yōu)化后的權(quán)重見表4。

在新能源項目中，對技術(shù)可行性、系統(tǒng)性能以及運維需求等關(guān)鍵準(zhǔn)則進(jìn)行評估，其熵值分別為0.97、0.72和0.81。這些熵值反映了不同準(zhǔn)則內(nèi)部信息的復(fù)雜程度和不確定性，為后續(xù)權(quán)重調(diào)整提供依據(jù)。利用基于層次分析法的特征值法計算熵權(quán)重，得到修訂后的權(quán)重分配，即A準(zhǔn)則的熵權(quán)重為0.273，B準(zhǔn)則的熵權(quán)重為0.499，C準(zhǔn)則的熵權(quán)重為0.228。這些熵權(quán)重是對初始權(quán)重的修正和優(yōu)化，更準(zhǔn)確地反映了每個準(zhǔn)則在系統(tǒng)效益評估中的重要性。例如，在智能監(jiān)控系統(tǒng)中，系統(tǒng)性能在整體評估中占主導(dǎo)地位，技術(shù)可行性和運維需求的重要性不高。

1.5 Bootstrap方法

Bootstrap方法是一種重要的數(shù)據(jù)增強技術(shù)，在解決數(shù)據(jù)不足的問題方面起到關(guān)鍵作用。它多次有放回地從原始數(shù)據(jù)中進(jìn)行抽樣，生成多個虛擬樣本集合，從而增加樣本量。因為這種方法有助于提高模型的預(yù)測性能與魯棒性，所以在新能源項目監(jiān)控系統(tǒng)的效益評估中十分重要。

假設(shè)本文有1個包括N個樣本的原始數(shù)據(jù)集A，如公式（4）所示。

A={x1，x2，…，xN} （4）

式中：x1為樣本，1～N為樣本個數(shù)。

針對每個虛擬樣本集合，利用建立的AHP評價體系計算相應(yīng)的效益得分，這些得分反映了每次重抽樣構(gòu)成的虛擬樣本在評估體系中的效益。本文從原始數(shù)據(jù)集中有放回地隨機抽取N個重抽樣的樣本，構(gòu)成1個虛擬樣本集合，如公式（5）所示。

A={x1'，x2'，…，xN'} （5）

式中：x1'為x1的重抽樣樣本。

對每個虛擬樣本X'，本文使用構(gòu)建的AHP評價體系，計算得到相應(yīng)的效益得分，如公式（6）所示。

Y'=f（X'） " " " " " （6）

式中：Y'為重抽樣后的效益得分。

統(tǒng)計所有重抽樣樣本的效益得分，得到更全面的評估結(jié)果。生成了B個虛擬樣本，B為Bootstrap的次數(shù)。得到M個效益得分，如公式（7）所示。

Y∈{y1'，y2'，…，yM'}，{y1'，y2'，…，yM'}∈B " " （7）

式中：Y為效益得分的樣本集合；y1'，y2'，…，yM'為其他重抽樣樣本。

本文對重抽樣樣本進(jìn)行多次評估，計算效益得分的均值、方差等統(tǒng)計量，了解樣本之間的變化范圍，減少了樣本不確定性對效益評估結(jié)果的影響。引入Bootstrap方法，根據(jù)計算效益得分的分布情況來評估體系對數(shù)據(jù)變動的魯棒性，從而更全面地了解模型在不同數(shù)據(jù)分布中的表現(xiàn)。

2 結(jié)果與討論

本文對Bootstrap采樣分布和原始數(shù)據(jù)進(jìn)行對比，可以全面了解效益評估的不確定性。通過計算均值、置信區(qū)間等統(tǒng)計量，可以評估監(jiān)控系統(tǒng)的性能。其結(jié)果如圖1所示。

使用箱型圖呈現(xiàn)了Bootstrap方法的效果，箱型圖顯示了不同采樣分布中的數(shù)據(jù)分布情況，利用這種方式可以直接觀察Bootstrap采樣分布與原始數(shù)據(jù)之間的差異。

采樣分布與單一樣本方法之間的差異如圖2所示。引入Bootstrap方法在極小樣本規(guī)模中對監(jiān)控系統(tǒng)的效益進(jìn)行優(yōu)化評估。對比分析結(jié)果顯示，Bootstrap采樣分布與單一樣本方法相比更穩(wěn)健，說明Bootstrap方法在解決數(shù)據(jù)不足問題方面更有優(yōu)勢，效益評估結(jié)果更可靠。箱型圖和柱狀圖都展現(xiàn)了與正態(tài)分布相似的趨勢，該趨勢共同反映了效益評估的結(jié)果相似。這些結(jié)果強調(diào)了在新能源項目智能監(jiān)控系統(tǒng)效益評估中，Bootstrap方法在數(shù)據(jù)樣本較少的情況下效益評估可靠、有效。

盡管結(jié)果呈現(xiàn)相似趨勢，但是需要注意采樣分布與單一樣本方法之間的差異可能受到多種因素影響。樣本容量、采樣方法以及數(shù)據(jù)分布等因素可能會對2種方法的評估結(jié)果產(chǎn)生影響，導(dǎo)致評估結(jié)果之間出現(xiàn)微小差異。雖然Bootstrap方法展現(xiàn)了在小樣本數(shù)據(jù)方面的優(yōu)勢，但是研究者在使用這種方法的過程中需要考慮數(shù)據(jù)采樣的多樣性和適用性，在特定情況下最大程度地提高Bootstrap方法的效益。未來研究可以進(jìn)一步探索Bootstrap方法在不同條件下的穩(wěn)定性，以及在數(shù)據(jù)不足的情況下對效益評估結(jié)果的影響程度。深入分析將有助于了解Bootstrap方法在智能監(jiān)控系統(tǒng)效益評估中的應(yīng)用潛力，為后續(xù)類似問題的研究提供更豐富的經(jīng)驗。

3 結(jié)論

采用AHP和熵值法構(gòu)建評價體系，利用Bootstrap方法優(yōu)化效益評估的預(yù)測性能，本研究為新能源項目的智能監(jiān)控系統(tǒng)提供一種全面、穩(wěn)健的評估方法。未來研究可以進(jìn)一步擴大樣本規(guī)模，引入更多影響因素，提高評估準(zhǔn)確性，完善評估體系。探索更先進(jìn)的評價方法和模型，結(jié)合機器學(xué)習(xí)等技術(shù)提高預(yù)測性能。案例分析和實證研究能夠驗證評價體系的實用性，為全面決策提供更可靠的評估指標(biāo)。這些研究將優(yōu)化監(jiān)控系統(tǒng)評估方法，助力新能源領(lǐng)域可持續(xù)發(fā)展。

參考文獻(xiàn)

[1]成建國，張桂南，郭曉燕，等.深圳城際動車組智能化需求及頂層指標(biāo)建議方案研究[J].鐵道運輸與經(jīng)濟，2023，45（7）：110-118.

[2]樊任璐.上海軌道交通1號線空調(diào)智能運維系統(tǒng)[J].城市軌道交通研究，2023（增刊1）：128-131，136.

[3]陳澤濤，王增煜，劉秦銘，等.配電房安全智能監(jiān)控平臺接地刀閘狀態(tài)位監(jiān)控方法研究[J].電網(wǎng)與清潔能源，2022，38（12）：95-100，106.

[4]鐘怡然，胡迪，俞肇元，等.基于多粒度時空對象數(shù)據(jù)模型的高速公路智能監(jiān)控系統(tǒng)建模[J].地理與地理信息科學(xué)，2022，38（1）：110-115.

[5]談?wù)?，舒依娜，劉敏，?水利工程智能運維“云-網(wǎng)-端”全鏈路監(jiān)控系統(tǒng)的研究與設(shè)計[J].中國農(nóng)村水利水電，2022（9）：19-24，29.

[6]王學(xué)文，劉曙光，王雪松，等. AR/VR融合驅(qū)動的綜采工作面智能監(jiān)控關(guān)鍵技術(shù)研究與試驗[J].煤炭學(xué)報，2022，47（2）：969-985.

[7]劉海濱，董海洋，秦曉康，等.水電站智能監(jiān)控服務(wù)支持系統(tǒng)研究與應(yīng)用[J].水電能源科學(xué)，2018，36（8）：162-165，213.

[8]于闖，高明亮，邵俊捷，等.動車組轉(zhuǎn)向架智能監(jiān)控分析平臺研究[J].城市軌道交通研究，2018，21（2）：67-71.

[9]姜國義，郭寶財.基于網(wǎng)絡(luò)技術(shù)實現(xiàn)信息系統(tǒng)集成接口智能監(jiān)控管理[J].企業(yè)管理，2016（增刊2）：508-509.