本發明(ming)涉及(ji)電(dian)網(wang)物(wu)(wu)資檢測，具體是一種基于(yu)hc-bayesian-mcmc(啟發式混沌算法-貝葉斯-馬爾科夫(fu)鏈蒙特卡(ka)羅)的電(dian)網(wang)物(wu)(wu)資檢測采樣(yang)方法。

背景技術：

1、隨著電(dian)力(li)(li)行(xing)(xing)業的(de)快速發展(zhan)，電(dian)網(wang)(wang)(wang)物(wu)資的(de)質量檢測(ce)(ce)和管理對于保(bao)障電(dian)力(li)(li)系統的(de)穩(wen)定(ding)運(yun)(yun)行(xing)(xing)至(zhi)關重(zhong)要。電(dian)網(wang)(wang)(wang)物(wu)資檢測(ce)(ce)是指對電(dian)力(li)(li)系統中使用的(de)各種設備(bei)、材(cai)料、零部件等進行(xing)(xing)質量檢測(ce)(ce)、評估和管理的(de)過(guo)程。電(dian)網(wang)(wang)(wang)物(wu)資的(de)質量直(zhi)接(jie)關系到電(dian)力(li)(li)系統的(de)安全、穩(wen)定(ding)運(yun)(yun)行(xing)(xing)。因此，電(dian)網(wang)(wang)(wang)物(wu)資檢測(ce)(ce)對于電(dian)力(li)(li)行(xing)(xing)業的(de)發展(zhan)具有重(zhong)要意義，對入(ru)網(wang)(wang)(wang)設備(bei)安全性和經(jing)濟性的(de)把控是確保(bao)電(dian)力(li)(li)系統穩(wen)定(ding)運(yun)(yun)行(xing)(xing)的(de)重(zhong)要保(bao)障。

2、傳統的(de)(de)(de)(de)(de)(de)(de)(de)采(cai)樣(yang)采(cai)用5％的(de)(de)(de)(de)(de)(de)(de)(de)比例對(dui)物(wu)(wu)(wu)資(zi)進行(xing)抽(chou)(chou)樣(yang)檢(jian)測(ce)(ce)(ce)(ce)，但是這樣(yang)的(de)(de)(de)(de)(de)(de)(de)(de)檢(jian)測(ce)(ce)(ce)(ce)方法沒有考慮各物(wu)(wu)(wu)資(zi)供應(ying)(ying)(ying)商(shang)的(de)(de)(de)(de)(de)(de)(de)(de)質(zhi)量情況，對(dui)于制(zhi)造(zao)工藝好的(de)(de)(de)(de)(de)(de)(de)(de)供應(ying)(ying)(ying)商(shang)和(he)制(zhi)造(zao)工藝較差(cha)的(de)(de)(de)(de)(de)(de)(de)(de)供應(ying)(ying)(ying)商(shang)沒有進行(xing)區別對(dui)待，在采(cai)購一批物(wu)(wu)(wu)資(zi)時，對(dui)優劣兩種物(wu)(wu)(wu)資(zi)供應(ying)(ying)(ying)商(shang)，若(ruo)都采(cai)用5％抽(chou)(chou)樣(yang)檢(jian)測(ce)(ce)(ce)(ce)，對(dui)于制(zhi)造(zao)工藝較差(cha)的(de)(de)(de)(de)(de)(de)(de)(de)廠商(shang)來說(shuo)，其檢(jian)測(ce)(ce)(ce)(ce)到的(de)(de)(de)(de)(de)(de)(de)(de)合格率(lv)(lv)有可能高于實(shi)際(ji)的(de)(de)(de)(de)(de)(de)(de)(de)產品合格率(lv)(lv)，而(er)對(dui)于制(zhi)造(zao)品質(zhi)較好的(de)(de)(de)(de)(de)(de)(de)(de)供應(ying)(ying)(ying)商(shang)來說(shuo)，其檢(jian)測(ce)(ce)(ce)(ce)到的(de)(de)(de)(de)(de)(de)(de)(de)合格率(lv)(lv)有可能低于實(shi)際(ji)的(de)(de)(de)(de)(de)(de)(de)(de)產品合格率(lv)(lv)，因此可能出現采(cai)購的(de)(de)(de)(de)(de)(de)(de)(de)物(wu)(wu)(wu)資(zi)來自制(zhi)造(zao)品質(zhi)較差(cha)的(de)(de)(de)(de)(de)(de)(de)(de)供應(ying)(ying)(ying)商(shang)，從而(er)將質(zhi)量水平不高的(de)(de)(de)(de)(de)(de)(de)(de)電力(li)設備接入(ru)電網(wang)，從而(er)降低電網(wang)運行(xing)的(de)(de)(de)(de)(de)(de)(de)(de)經(jing)濟型(xing)和(he)安全性(xing)。而(er)且由于各物(wu)(wu)(wu)資(zi)供應(ying)(ying)(ying)商(shang)的(de)(de)(de)(de)(de)(de)(de)(de)物(wu)(wu)(wu)資(zi)合格率(lv)(lv)分(fen)布(bu)曲(qu)線(xian)又不同于古(gu)典的(de)(de)(de)(de)(de)(de)(de)(de)概率(lv)(lv)密度(du)分(fen)布(bu)函數，難以采(cai)用一種有效的(de)(de)(de)(de)(de)(de)(de)(de)古(gu)典抽(chou)(chou)樣(yang)方法對(dui)物(wu)(wu)(wu)資(zi)檢(jian)測(ce)(ce)(ce)(ce)抽(chou)(chou)樣(yang)方案進行(xing)合理設計。

技術實現思路

1、本發明針(zhen)對(dui)電網(wang)(wang)物資(zi)(zi)檢測中，采用統一(yi)5％標準(zhun)抽樣(yang)檢測可能導致的(de)(de)檢測到的(de)(de)產品質量與供(gong)應(ying)商實際制造水平不(bu)符，導致物資(zi)(zi)采購中存(cun)在的(de)(de)偶然(ran)性較大的(de)(de)問題，采用了一(yi)種基于馬爾科夫鏈(lian)蒙特(te)卡羅方法(fa)進行采樣(yang)，以對(dui)制造水平不(bu)同的(de)(de)供(gong)應(ying)商制定不(bu)同的(de)(de)采樣(yang)標準(zhun)，確保(bao)抽樣(yang)檢測結果更加(jia)符合(he)物資(zi)(zi)供(gong)應(ying)商的(de)(de)實際制造水平，以提高對(dui)設(she)備供(gong)應(ying)商產品合(he)格率的(de)(de)正確把(ba)控，提高入(ru)網(wang)(wang)設(she)備的(de)(de)安全性和可靠性。

2、本(ben)發(fa)明提供的基于(yu)hc-bayesian-mcmc(啟發(fa)式混沌算法(fa)-貝葉(xie)斯-馬爾科夫鏈蒙特卡(ka)羅)抽樣方法(fa)，包括如下步(bu)驟：

3、根據歷(li)史檢測數(shu)據統計各設備供應商的(de)加權平均(jun)不合(he)格(ge)率(lv)(lv)，各供應商的(de)加權平均(jun)不合(he)格(ge)率(lv)(lv)構(gou)成不合(he)格(ge)率(lv)(lv)密度分(fen)布曲線；

4、根(gen)據所統計(ji)出來的不合(he)格(ge)(ge)率(lv)密度曲(qu)線(xian)，繪制(zhi)出供應(ying)商總(zong)體的不合(he)格(ge)(ge)率(lv)曲(qu)線(xian)，根(gen)據繪制(zhi)出供應(ying)商總(zong)體的不合(he)格(ge)(ge)率(lv)曲(qu)線(xian)給定建議函數g(x)；

5、在建議函數g(x)的基礎上進行采(cai)樣；

6、使用蒙特卡羅方法進行樣本的選取；

7、通過統計各個不合格率范圍內的采(cai)樣點的數量占比，從而確定對(dui)于(yu)各質(zhi)量不一的供應商設備的抽樣比例。

8、進一(yi)步的(de)，所述根據歷史(shi)檢測數據統計各(ge)設備供應商(shang)的(de)加權平均不(bu)合(he)(he)格率(lv)，各(ge)供應商(shang)的(de)加權平均不(bu)合(he)(he)格率(lv)構成(cheng)不(bu)合(he)(he)格率(lv)密度分布曲線，具(ju)體包括：

9、各(ge)供應商加權平均不合格率(lv)通(tong)過收(shou)集近(jin)十次物(wu)資檢測情況(kuang)進行計算，公式如(ru)下：

10、

11、其中xi為權重參數：

12、xi＝ζi+ti

13、其(qi)中ζi為混沌增量(liang)參數，滿足蟲口模型：

14、ζi+1＝μζi(1-ζi)

15、式中μ為控制參數，且1＜μ≤4，ζ∈(0,1)；

16、計算各供應商(shang)的(de)(de)加權平均不(bu)(bu)(bu)合(he)(he)格率(lv)，其中(zhong)f1代表(biao)近十次物資(zi)檢(jian)測(ce)(ce)中(zhong)第一(yi)次的(de)(de)檢(jian)測(ce)(ce)不(bu)(bu)(bu)合(he)(he)格率(lv)，通過給每(mei)次物資(zi)檢(jian)測(ce)(ce)的(de)(de)不(bu)(bu)(bu)合(he)(he)格率(lv)相乘一(yi)個不(bu)(bu)(bu)同的(de)(de)因子(zi)來確定(ding)每(mei)次不(bu)(bu)(bu)合(he)(he)格率(lv)在(zai)總(zong)體(ti)不(bu)(bu)(bu)合(he)(he)格率(lv)中(zhong)所(suo)占的(de)(de)比重，第十次物資(zi)檢(jian)測(ce)(ce)不(bu)(bu)(bu)合(he)(he)格率(lv)代表(biao)最新的(de)(de)物資(zi)檢(jian)測(ce)(ce)情況。

17、進一(yi)步的(de)，所述根(gen)據所統計(ji)出來(lai)的(de)不合格率(lv)密度(du)曲(qu)(qu)線，繪(hui)制(zhi)出供(gong)應商總(zong)體(ti)的(de)不合格率(lv)曲(qu)(qu)線，根(gen)據繪(hui)制(zhi)出供(gong)應商總(zong)體(ti)的(de)不合格率(lv)曲(qu)(qu)線給定(ding)建議函數g(x)，具體(ti)包括：

18、先繪(hui)制合(he)格率由低到高的供應商數(shu)量，生成采樣的目標函數(shu)曲線(xian)；

19、然后由測出來(lai)的(de)(de)供(gong)應商總體不合格(ge)率分(fen)布曲線(xian)，給定(ding)建(jian)議函(han)數g(x)。4.如權利要求4所述的(de)(de)基(ji)于(yu)hc-bayesian-mcmc的(de)(de)電網(wang)物資檢測采(cai)樣方法(fa)，其特征在(zai)于(yu)，所述在(zai)建(jian)議函(han)數g(x)的(de)(de)基(ji)礎上進行(xing)采(cai)樣，具(ju)體基(ji)于(yu)metropolis-hastings接(jie)受拒(ju)絕準(zhun)則進行(xing)采(cai)樣，，步(bu)驟包括：

20、a)從(cong)任意一個給定的模型參數θ0開(kai)始(shi)，設置為當前(qian)模型參數θ*＝θ0，所述模型參數θ0為所述建議函數g(x)；

21、b)選擇一(yi)定的步長進行(xing)隨機游(you)走，生(sheng)成一(yi)個新(xin)的模(mo)型(xing)參數θ'，求出該新(xin)模(mo)型(xing)參數的先驗概率(lv)p(θ′)，這個新(xin)模(mo)型(xing)的產生(sheng)不依賴于當前的模(mo)型(xing)θ*；

22、c)對新(xin)生成的模型參數θ'，應用已(yi)有地質知識計算新(xin)模型的似然函數p(y|θ′)；

23、d)計算在(zai)給(gei)定(ding)地質知識和模型參(can)數情況下的后驗(yan)概(gai)率，對新模型參(can)數后驗(yan)概(gai)率與(yu)當(dang)前模型參(can)數后驗(yan)概(gai)率進行(xing)比值運算：

24、

25、如(ru)果比(bi)值α大(da)(da)于(yu)1，則接(jie)受新生成(cheng)的(de)(de)模(mo)型；而(er)如(ru)果α小于(yu)1時，是(shi)否(fou)(fou)接(jie)受就要看(kan)比(bi)值是(shi)否(fou)(fou)大(da)(da)于(yu)均勻分(fen)布u(0,1)的(de)(de)隨機值ua，避免markov鏈總是(shi)強制(zhi)向更(geng)高概率密度(du)移動，從而(er)更(geng)好地(di)探索(suo)具有(you)多個局部(bu)極值的(de)(de)后(hou)驗概率空間；

26、e)如果(guo)接受，則(ze)markov鏈移動到新生成的(de)模型(xing)位置(zhi)θ*＝θ'，如果(guo)拒絕(jue)，則(ze)保持當(dang)前的(de)模型(xing)θ*；

27、f)不斷(duan)重復上述b到e步驟，得到系列模型(xing)參數θ的(de)實現。

28、進一步(bu)的(de)，所述使用蒙(meng)特卡羅方法進行(xing)樣本的(de)選取，具體包(bao)括：

29、計算(suan)接(jie)受概率(lv)，所述接(jie)受概率(lv)是從當前狀(zhuang)態轉(zhuan)移(yi)到候選狀(zhuang)態的(de)概率(lv)與(yu)候選狀(zhuang)態轉(zhuan)移(yi)到當前狀(zhuang)態的(de)概率(lv)之比(bi)，當比(bi)值大于1時(shi)將候選狀(zhuang)態作為下一次采樣的(de)初(chu)值在(zai)g(x)范圍內進行(xing)采樣，應用metropolis-hastings接(jie)受拒絕規(gui)則(ze)確定采樣樣本。

30、進一步的，所述通(tong)過統計各個不(bu)合格率范(fan)圍內(nei)的采樣點的數(shu)量(liang)占比，從而確定對于(yu)各質量(liang)不(bu)一的供應商設備的抽(chou)樣比例(li)，具(ju)體包括：

31、其(qi)中不合格(ge)率采(cai)樣比率為不合格(ge)率范(fan)圍內的(de)采(cai)樣點的(de)數量(liang)占比。

32、本發明(ming)具有如(ru)下有益效(xiao)果：

33、(1)針(zhen)對電網物(wu)資檢測中采(cai)用統一5％抽(chou)樣比(bi)例(li)，不(bu)(bu)能根據供應(ying)(ying)(ying)商的(de)不(bu)(bu)同制造(zao)水平(ping)準確(que)體現出各供應(ying)(ying)(ying)商的(de)產(chan)品(pin)質量的(de)問題，本發明采(cai)用了mcmc采(cai)樣方法(fa)，對不(bu)(bu)同制造(zao)水平(ping)的(de)物(wu)資供應(ying)(ying)(ying)商采(cai)用不(bu)(bu)同的(de)抽(chou)樣比(bi)例(li)，可以有效反應(ying)(ying)(ying)各供應(ying)(ying)(ying)商的(de)產(chan)品(pin)質量情況，達到提高(gao)物(wu)資質量檢測的(de)效果；

34、(2)電網物資采(cai)(cai)購(gou)的各供應商的產品不(bu)合(he)(he)格率(lv)所組(zu)成的不(bu)合(he)(he)格率(lv)曲(qu)線不(bu)是準確的數(shu)(shu)學函(han)(han)數(shu)(shu)模型，而(er)是不(bu)規則的非線性函(han)(han)數(shu)(shu)，針對該類非線性函(han)(han)數(shu)(shu)的采(cai)(cai)樣(yang)不(bu)能用現(xian)有的函(han)(han)數(shu)(shu)模型來擬(ni)合(he)(he)的問題(ti)，本發明采(cai)(cai)用了mcmc方法(fa)進行隨(sui)機采(cai)(cai)樣(yang)，通(tong)過(guo)選取建議函(han)(han)數(shu)(shu)隨(sui)機采(cai)(cai)樣(yang)，不(bu)斷改變函(han)(han)數(shu)(shu)的形狀來近似擬(ni)合(he)(he)曲(qu)線，以達到(dao)理想的采(cai)(cai)樣(yang)效(xiao)果；

35、(3)針(zhen)對在(zai)求取(qu)各設備供應商(shang)的(de)加權(quan)平均不合(he)格率(lv)過程(cheng)中(zhong)，難以簡單(dan)直(zhi)接地選取(qu)權(quan)重(zhong)值，且相鄰兩次(ci)抽(chou)檢(jian)結果之間的(de)獨立性無法(fa)證明(ming)，故采用hc算法(fa)對各不合(he)格率(lv)的(de)權(quan)重(zhong)取(qu)值進行混沌處理(li)，達到合(he)理(li)選擇各不合(he)格率(lv)權(quan)重(zhong)的(de)效果，增加數據的(de)可(ke)靠(kao)性。

技術特征：

1.一種基于hc-bayesian-mcmc的(de)電(dian)網(wang)物資(zi)檢測采樣方法，其特征在于，包括(kuo)以下步驟：

2.如權利要求(qiu)1所(suo)述(shu)的(de)(de)基于hc-bayesian-mcmc的(de)(de)電(dian)網物(wu)資(zi)檢(jian)(jian)測采(cai)樣方法，其特(te)征在于，所(suo)述(shu)根據歷史檢(jian)(jian)測數據統計(ji)各設(she)備供應(ying)商(shang)(shang)的(de)(de)加(jia)權平均不合格(ge)率，各供應(ying)商(shang)(shang)的(de)(de)加(jia)權平均不合格(ge)率構成不合格(ge)率密度分布曲線，具體包括(kuo)：

3.如權利要求1所述的基于(yu)hc-bayesian-mcmc的電網物(wu)資檢(jian)測采樣方法，其特征在于(yu)，所述根(gen)據所統計(ji)出(chu)來的不(bu)合格(ge)率(lv)密度曲(qu)線，繪(hui)制(zhi)(zhi)出(chu)供應商總(zong)體的不(bu)合格(ge)率(lv)曲(qu)線，根(gen)據繪(hui)制(zhi)(zhi)出(chu)供應商總(zong)體的不(bu)合格(ge)率(lv)曲(qu)線給定(ding)建議(yi)函(han)數g(x)，具體包括：

4.如權(quan)利要求3所述(shu)的(de)(de)基(ji)于(yu)(yu)hc-bayesian-mcmc的(de)(de)電網(wang)物資檢測采(cai)樣(yang)方(fang)法，其特征在于(yu)(yu)，所述(shu)在建議函(han)數g(x)的(de)(de)基(ji)礎上進行采(cai)樣(yang)，具體基(ji)于(yu)(yu)metropolis-hastings接(jie)受拒絕準則進行采(cai)樣(yang)，步驟包括：

5.如權利要求1所述(shu)(shu)的基于hc-bayesian-mcmc的電網物資檢測采(cai)樣方法，其特(te)征(zheng)在于，所述(shu)(shu)使(shi)用蒙特(te)卡羅方法進行樣本的選取，具(ju)體(ti)包括：

6.如權利要求1所(suo)述的(de)(de)基于(yu)(yu)hc-bayesian-mcmc的(de)(de)電網物資檢(jian)測采樣方(fang)法(fa)，其特(te)征(zheng)在于(yu)(yu)，所(suo)述通過統計各(ge)個不合(he)格率范圍內的(de)(de)采樣點的(de)(de)數量(liang)占比，從而確定對于(yu)(yu)各(ge)質量(liang)不一的(de)(de)供應(ying)商設備的(de)(de)抽樣比例，具體包括：

技術總結
一種基于HC?Bayesian?MCMC的電網物資檢測采樣方法，包括：根據歷史檢測數據統計各設備供應商的加權平均不合格率，各供應商的加權平均不合格率構成不合格率密度分布曲線；根據所統計出來的不合格率密度曲線，繪制出供應商總體的不合格率曲線，根據繪制出供應商總體的不合格率曲線給定建議函數G(x)；在建議函數G(x)的基礎上進行采樣；使用蒙特卡羅方法進行樣本的選取；通過統計各個不合格率范圍內的采樣點的數量占比，從而確定對于各質量不一的供應商設備的抽樣比例。本發明可對制造水平不同的供應商制定不同的采樣標準，確保抽樣檢測結果更加符合物資供應商的實際制造水平，以提高對設備供應商產品合格率的正確把控。

技術研發人員：向彬,楊帆,楊志淳,熊虎,李家源,江曉光,雷楊
受保護的技術使用者：國網湖北省電力有限公司電力科學研究院
技術研發日：
技術公布日：2024/9/19