摘要:
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。
Abstract:
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.
1. 引言
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 [1] 。目前专业口径的电力信息化技术已较为普遍，针对专业应用，部分技术已基本实用化。国内外研究人员对电力信息系统从资源整合方法到风险及脆弱性评估方面已经做了大量的研究 [2] [3] [4] 。但是针对供电公司信息系统综合分析、运营态势评估的高层决策会商辅助系统，从理论到具体技术研究较少。该会商系统中，对各地区供电公司电力信息系统综合评估是对系统综合分析的基础，也是高层决策的重要依据。
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 [5] [6] [7] [8] 。但对信息系统综合评估时，评估对象数据维度较高，采用专家评价法，模糊综合评价法时使用的多为经验公式，操作繁琐，灵活性较差，实际操作不易实现，且客观性较差，局限性强 [9] 。而投影寻踪法(projection pursuit, PP)是一种20实际70年代初发展起来的多元数据分析的新数学方法 [10] ，相对于模糊评判法，物元分析法等方法，投影寻踪法具有精确处理高维、非线性、非正态问题的能力，计算简便、结果稳定等优点。该方法目前已经在水质评价、环境监测、灾情评估、水资源评价以及综合国力评估等诸多领域取得了广泛应用 [11] [12] [13] [14] ，但在电力信息系统建模中应用很少。由于电力信息系统综合评估的复杂性和特殊性，在模糊综合评价法建立的指标得分基础上，使用投影寻踪法建立的状态评估模型可以有效地对电力信息系统涉及到的多个指标进行多因素综合考察，为评价信息系统整体运行效果提供一个新的评价准则。
2. 投影寻踪聚类模型
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 [15] [16] 。建模过程如下：
1) 样本评价指标集的归一化处理。假设样本集合为
，其中
表示第
个样本第
个指标值，
，
分别表示样本的个数和指标的数目。
对于越大越优的指标
(1)
对于越小越优的指标
(2)
其中，
和
分别为第
个指标的最大值和最小值。
2) 构造投影指标函数。把
维数据
综合成以
为投影方向的一维投影值
，即
(3)
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
的散布特征的要求为：投影点在局部上尽可能密集，尽量凝聚成若干个点团，而整体上应尽可能使点团散开 [17] 。因此，投影指标函数可以表述为
(4)
其中，
为投影值
的标准差；
为投影值
的局部密度。
值越大，聚类结果就越合理。其中：
(5)
(6)
式中
为投影值
的平均值。
为计算局部密度的窗口半径，它的选取决定了包含在窗口内投影点的平均个数，因而既不能太大，也不能太小 [18] 。
是聚类的结果趋向于相对稳定的临界值点，即为密度窗宽可取的最小值，在实际运算中R的取值范围通常选取为
。
样本之间的距离，
。
为单位阶跃函数。
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
只随投影方向a的变化而变化，不同的投影方向反映不同的数据结构特征。要确定最佳投影方向，就是要找到能最大暴露高维数据分类排序结构特征的投影方向。因此可通过求解投影指标函数最大化问题来估计最佳投影方向 [19] ，即：
(7)
(8)
4) 等级评价
把由3)中优化得到的最佳投影方向
带入(3)式，计算的各样本的投影值
，将
和
进行比较，二者的大小越接近，表示样本
与
越倾向于同一类。按照
的大小排序，就可以得出待评估样本从优到劣的排序。
3. 应用分析
3.1. 评估指标参数确定
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
，采用德
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。
3.2. 评价步骤及结果
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
，及地区1至地区8投影特征值
Table 1. Evaluation parameters system
表1. 评估指标参数
Table 2. Longitudinal comparative index score
表2. 纵向评估指数得分
Table 3. Lateral comparative index score
表3. 横向评估指数得分
Table 4. Longitudinal comparative result
表4. 纵向评估结果
Table 5. Lateral comparative result
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
较低，2014年以后逐年升高，情况转好。由表5数据可知，横向比较该省电力公司各地市总体评估情况，除地区8情况较差，
投影结果低于1以外，其他7个地区大体相差不大，其中地区2情况最好。
4. 结论
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。