风偏闪络风险评价方法、系统、设备、可读存储介质

技术领域

本发明涉及电力系统技术领域，特别涉及一种输电线路风偏闪络风险评价方法、系统、计算机设备及计算机可读存储介质。

背景技术

电网输电线路和设施广泛分布在不同的地理位置上，其运行环境受不同地理位置的不同气象条件影响较大，其中，输电线路风偏闪络导致线路跳闸是影响输电线路正常运行的重要因素之一。目前，输电线路风偏闪络风险评估提出了各种各样的风险评估方法，如：用蒙特卡洛法对气象区域和输电线路进行抽样，得出输电元件状态并进行电力系统风险评估，对于有较大随机性的气象状况有较好的适用性。又如：基于泊松分布模型与回归分析，建立了电力系统输电线路跳闸概率计算方法，要通过概率统计方法对线路进行分析。但是目前的风偏闪络风险评估技术依旧存在以下不足之处：1.上述风险评估风偏研究大多是对单个设备的风偏角进行计算，较少对风偏跳闸的概率和风险值进行计算和分析，使得风险评价不具普适性。2、对于主客观之间的赋权比例不均衡，部分赋权偏向主观专家意见，部分偏向客观现实条件。3、上述风险评价对未充分考虑不同评价指标边界的模糊性。

发明内容

本发明实施例提供了一种输电线路风偏闪络风险评价方法、系统、计算机设备及计算机可读存储介质，以解决现有技术中上述技术问题。

为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本发明实施例的第一方面，提供了一种输电线路风偏闪络风险评价方法。

该输电线路风偏闪络风险评价方法，包括：

确定输电线路风偏闪络的影响因素，并根据所述影响因素设定风险评价指标；

根据所述风险评价指标的发生事故概率和后果等级，生成所述风险评价指标的标准云；

根据所述风险评价指标对所述影响因素进行打分，并根据打分结果生成所述风险评价指标的风险云；

将所述风险云与所述标准云进行二维相近度计算，得到所述风险云和所述标准云的二维相近度，并根据所述二维相近度，确定输电线路风偏闪络的风险等级。

在一个实施例中，所述输电线路风偏闪络风险评价方法还包括：根据输电线路的历史故障信息、运维信息以及气象信息，确定输电线路风偏闪络的影响因素。

在一个实施例中，根据所述风险评价指标对所述影响因素进行打分，并根据打分结果生成所述风险评价指标的风险云包括：根据所述风险评价指标，生成专家评价体系，并根据所述专家评价体系，计算所述风险评价指标的权重值；根据所述专家评价体系对所述风险评价指标进行评价，并根据评价结果，生成所述风险评价指标的初始风险云；根据所述权重值和所述初始风险云，生成所述风险评价指标的风险云。

在一个实施例中，根据所述专家评价体系，计算所述风险评价指标的权重值包括：根据所述专家评价体系，对所述风险评价指标进行排序，并根据相邻序号的风险评价指标进行比较，得到比较结果；根据所述比较结果，基于逐步加权评估分析比率方法，计算所述风险评价指标的主观权重值。

在一个实施例中，根据所述专家评价体系，计算所述风险评价指标的权重值还包括：根据所述专家评价体系，对所述风险评价指标进行评价，得到评价结果；将所述评价结果转换为直觉模糊数，并基于直接模糊熵权方法，计算所述风险评价指标的客观权重值。

在一个实施例中，根据所述专家评价体系，计算所述风险评价指标的权重值还包括：根据所述主观权重值和所述客观权重值，基于博弈论的组合赋权法，确定所述风险评价指标的综合权重值；将所述综合权重值作为所述风险评价指标的权重值。

在一个实施例中，将所述风险云与所述标准云进行二维相近度计算，得到所述风险云和所述标准云的二维相近度包括：根据所述标准云和所述风险云的风偏闪络的发生概率等级、后果等级以及隶属度，分别生成标准云二维正态云模型和风险云二维正态云模型；根据所述标准云二维正态云模型和所述风险云二维正态云模型进行云模相近度计算，得到所述风险云和所述标准云的二维相近度。

根据本发明实施例的第二方面，提供了一种输电线路风偏闪络风险评价系统。

该输电线路风偏闪络风险评价系统，包括：

指标设定模块，用于确定输电线路风偏闪络的影响因素，并根据所述影响因素设定风险评价指标；

标准云生成模块，用于根据所述风险评价指标的发生事故概率和后果等级，生成所述风险评价指标的标准云；

风险云生成模块，用于根据所述风险评价指标对所述影响因素进行打分，并根据打分结果生成所述风险评价指标的风险云；

风险等级确定模块，用于将所述风险云与所述标准云进行二维相近度计算，得到所述风险云和所述标准云的二维相近度，并根据所述二维相近度，确定输电线路风偏闪络的风险等级。

在一个实施例中，所述指标设定模块在确定输电线路风偏闪络的影响因素时，根据输电线路的历史故障信息、运维信息以及气象信息，确定输电线路风偏闪络的影响因素。

在一个实施例中，所述风险云生成模块包括：权重值计算模块、初始风险云生成模块以及风险云生成模块，其中，权重值计算模块，用于根据所述风险评价指标，生成专家评价体系，并根据所述专家评价体系，计算所述风险评价指标的权重值；初始风险云生成模块，用于根据所述专家评价体系对所述风险评价指标进行评价，并根据评价结果，生成所述风险评价指标的初始风险云；风险云生成模块，用于根据所述权重值和所述初始风险云，生成所述风险评价指标的风险云。

在一个实施例中，所述权重值计算模块包括：主观权重值计算模块，用于根据所述专家评价体系，对所述风险评价指标进行排序，并根据相邻序号的风险评价指标进行比较，得到比较结果；根据所述比较结果，基于逐步加权评估分析比率方法，计算所述风险评价指标的主观权重值。

在一个实施例中，所述权重值计算模块还包括：客观权重值计算模块，用于根据所述专家评价体系，对所述风险评价指标进行评价，得到评价结果；将所述评价结果转换为直觉模糊数，并基于直接模糊熵权方法，计算所述风险评价指标的客观权重值。

在一个实施例中，所述权重值计算模块还包括：综合权重值计算模块，用于根据所述主观权重值和所述客观权重值，基于博弈论的组合赋权法，确定所述风险评价指标的综合权重值；将所述综合权重值作为所述风险评价指标的权重值。

在一个实施例中，所述风险等级确定模块包括：二维正态云模型生成模块和二维相近度计算模块，其中，二维正态云模型生成模块，用于根据所述标准云和所述风险云的风偏闪络的发生概率等级、后果等级以及隶属度，分别生成标准云二维正态云模型和风险云二维正态云模型；二维相近度计算模块，用于根据所述标准云二维正态云模型和所述风险云二维正态云模型进行云模相近度计算，得到所述风险云和所述标准云的二维相近度。

根据本发明实施例的第三方面，提供了一种计算机设备。

在一个实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。

根据本发明实施例的第四方面，提供了一种计算机可读存储介质。

在一个实施例中，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明实施例提供的技术方案可以包括以下有益效果：

本发明根据影响因素确定风险评价指标，使风偏闪络的评价更具普适性；而通过标准云和风险云生成二维正态云模型，并根据二维正态云模型的二维相近度确定风险值，从而兼顾了发生可能性和发生后果，充分考虑了指标风险等级边界模糊性，评价结果更加合理，同时以云图的形式输出结果，风险等级可视化程度较高。

此外，本发明在确定风险云时，通过SWARA、直觉模糊熵权法以及基于博弈论的组合赋权法对评价目标进行赋权，使得评价结果更加均衡，充分结合专家意见以及客观条件，使得在此基础上绘制二维云模型更加准确以及偏差率更小。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的输电线路风偏闪络风险评价方法的流程示意图；

图2是根据一示例性实施例示出的输电线路风偏闪络风险评价指标体系结构示意图；

图3是根据一示例性实施例示出的SWARA方法的流程示意图；

图4是根据一示例性实施例示出的二维云示意图；

图5是根据一示例性实施例示出的输电线路风偏闪络风险评价系统的结构框图；

图6是根据一示例性实施例示出的计算机设备的结构示意图。

具体实施方式

以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本文中，除非另有说明，术语“多个”表示两个或两个以上。

本文中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

应该理解的是，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本申请的装置或系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

图1示出了本发明的输电线路风偏闪络风险评价方法的一个实施例。

在该可选实施例中，所述输电线路风偏闪络风险评价方法，包括：

步骤S101，确定输电线路风偏闪络的影响因素，并根据所述影响因素设定风险评价指标；

步骤S103，根据所述风险评价指标的发生事故概率和后果等级，生成所述风险评价指标的标准云；

步骤S105，根据所述风险评价指标对所述影响因素进行打分，并根据打分结果生成所述风险评价指标的风险云；

步骤S107，将所述风险云与所述标准云进行二维相近度计算，得到所述风险云和所述标准云的二维相近度，并根据所述二维相近度，确定输电线路风偏闪络的风险等级。

在一个实施例中，所述输电线路风偏闪络风险评价方法还包括：根据输电线路的历史故障信息、运维信息以及气象信息，确定输电线路风偏闪络的影响因素；而根据该影响因素确定的风险评价指标则可如图2所示，将风偏闪络风险评价指标分为三类一级指标和八类二级指标。

在一个实施例中，根据所述风险评价指标对所述影响因素进行打分，并根据打分结果生成所述风险评价指标的风险云包括：根据所述风险评价指标，生成专家评价体系，并根据所述专家评价体系，计算所述风险评价指标的权重值；根据所述专家评价体系对所述风险评价指标进行评价，并根据评价结果，生成所述风险评价指标的初始风险云；根据所述权重值和所述初始风险云，生成所述风险评价指标的风险云。其中，根据所述专家评价体系，计算所述风险评价指标的权重值包括：根据所述专家评价体系，对所述风险评价指标进行排序，并根据相邻序号的风险评价指标进行比较，得到比较结果；根据所述比较结果，基于逐步加权评估分析比率方法，计算所述风险评价指标的主观权重值；根据所述专家评价体系，对所述风险评价指标进行评价，得到评价结果；将所述评价结果转换为直觉模糊数，并基于直接模糊熵权方法，计算所述风险评价指标的客观权重值；根据所述主观权重值和所述客观权重值，基于博弈论的组合赋权法，确定所述风险评价指标的综合权重值；将所述综合权重值作为所述风险评价指标的权重值。

实际应用时，对于SWARA(逐步加权评估分析比率方法)方法来说，SWARA方法在专家组成和权重值计算方面具有较大优势，其主要操作步骤如附图3所示，主要流程如下：首先，将初拟的风险评价指标列表发放给专家，由专家对筛选出的风险评价指标按照重要性降序排列，最重要的准则定义为第1级，最不重要的准则定义为最后一级(或第n级)；每个风险评价指标的序号为全部专家对该项风险评价指标排序序号的中位数，即附图3中的准则j。其次，对相邻序号的风险评价指标进行两两比较，经多次循环后确定两两比较的结果，以实现对各风险评价指标相对重要性程度的评估。最后，通过计算确定每项风险评价指标的权重值。

具体的，首先，确定各风险评价指标之间的相互影响值，其计算公式：K

再次，根据各风险评价指标之间的相互影响值，计算风险评价指标的在计算权重值，计算公式如下：

式中，P

再次，根据风险评价指标的在计算权重值，计算风险评价指标的最终权重值，计算公式如下：

式中，FW

而对于基于直觉模糊熵权法来说，其操作步骤流程可如下：

1)将专家对评价对象的语言转换为直觉模糊数；对评价对象进行评级的语言术语可如下表1所示：

表1对评价对象进行评级的语言术语

2)构建原始决策矩阵。针对历史故障，运维信息，气象信息三类引起风偏闪络的一级指标，构建m×8的原始决策矩阵，其中m为每个一级指标中所包含的二级指标个数，8为评价指标个数。邀请输电线路领域内专家(k个人)对各项指标进行等级评价，采用直觉模糊理论将等级评价语言转换为直觉模糊数。

设一级指标D

式中，

3)决策矩阵集结。将直觉模糊决策矩阵集结成一个群体意见，公式如下：

式中，IFWA为直觉模糊加权平均算子；

式中：

4)客观权重计算。客观权重计算公式如下：

式中：E

而对于基于博弈论的组合赋权法来说，其过程则可如下：采用两种方法确定8个指标的权重，将两种方法确定的指标权重表示为向量形式如下式：

W

式中，W

采用博弈论组合原理求解α和β，公式如下：

在一个实施例中，将所述风险云与所述标准云进行二维相近度计算，得到所述风险云和所述标准云的二维相近度包括：根据所述标准云和所述风险云的风偏闪络的发生概率等级、后果等级以及隶属度，分别生成标准云二维正态云模型和风险云二维正态云模型；根据所述标准云二维正态云模型和所述风险云二维正态云模型进行云模相近度计算，得到所述风险云和所述标准云的二维相近度。

实际应用时，云模型是一种定性与定量结合的分析方法，能更好地分析评价对象的随机性、模糊性和不确定性。在定量论域U中，有N个定性概念，若有定量值x∈N，则称x是定性概念N的一次随机概率体现。x对N的隶属度μ(x)∈[0，1]是具有稳定倾向的随机数，称x为云滴，x在U论域的分布称为云。云的数字特征可以反映云的整体特性，数字特征包括期望Ex、熵En和超熵He。Ex能反映云重心的位置；En能反映云滴的离散程度和定性概念的不确定性，其越大，不确定性就越高，模糊性和随机性也就越大；He跟云滴之间的距离和云滴的厚度有直接关系。

二维云是在一维云的基础上发展起来的，在一维云能够定性与定量结合、随机性与模糊性能够融合的基础上，提供了更系统、更高层的工具，能够提供应对更加复杂问题的方法。二维云能够用来描述2个因素共同作用下的问题，而输电线路风偏闪络的严重程度是由风险因素的后果等级和发生事故的概率等级这两者来决定的，符合二维云的概念，所以运用二维云来建立输电线路风偏闪络评价模型是科学的、有意义的。

模型用期望Ex、熵En、超熵He三个数字特征表示一个定性的概念。期望Ex是定性问题量化的理想均值点，是云滴在论域内分布的中心点。

而对于标准云来说，对风险等级的划分标准，将各指标的发生概率和发生后果划分为5个级别，并对其风险等级区间进行量化。此外，采用各风险等级量化区间的最大值R

表2风险等级量化判据

故，绘制标准云模型3个参数的计算公式为

式中，k为常数，根据变量的模糊阈度选取，常取0.01、0.5、1，在本发明中，k取0.01。如果仅有单边约束，如[R

而对于风险云(初始风险云)来说，对于风险云，采用的数据为各专家对各指标打分的值，计算公式如下：

式中：Ex为风险云的期望，En为风险云的熵，He为风险云的超熵；

而对于综合风险云来说，综合风险云反映评价对象总体的风险等级，由基于博弈论方法调和得到的各级指标权重实现由二级指标向一级指标的转换，从而得到评价对象的综合风险云。计算公式如下。

式中，C为综合风险云数字特征，Ex',En',He'分别为综合云的期望、熵、超熵。w

而对于正态云模型来说，正态云模型按照论域维数又分为一维正态云模型、二维正态云模型到n维正态云模型。区别于一维正态云模型，二维正态云模型是由代表两个定性概念的两组数字特征(Ex，En，He)构建起来的，用来描述两个因素共同作用下的随机性和模糊性。此模型的作用为将前序标准云以及风险云得到的三个数据期望、熵、超熵，通过重复以下公式转换为云滴，公式为：

式中，Ex

在进行云模型相似性判定时，两朵云图相似程度的定量比较称为云模型相似性判定，运用二维云相近度计算方法确定风险等级，计算公式如下。

式中，L为相近度、

图5示出了本发明的输电线路风偏闪络风险评价系统的一个实施例。

在该可选实施例中，所述输电线路风偏闪络风险评价系统，包括：

指标设定模块501，用于确定输电线路风偏闪络的影响因素，并根据所述影响因素设定风险评价指标；

标准云生成模块503，用于根据所述风险评价指标的发生事故概率和后果等级，生成所述风险评价指标的标准云；

风险云生成模块505，用于根据所述风险评价指标对所述影响因素进行打分，并根据打分结果生成所述风险评价指标的风险云；

风险等级确定模块507，用于将所述风险云与所述标准云进行二维相近度计算，得到所述风险云和所述标准云的二维相近度，并根据所述二维相近度，确定输电线路风偏闪络的风险等级。

对应的，在一个实施例中，所述指标设定模块501在确定输电线路风偏闪络的影响因素时，根据输电线路的历史故障信息、运维信息以及气象信息，确定输电线路风偏闪络的影响因素。而所述风险云生成模块505包括：权重值计算模块(图中未视出)、初始风险云生成模块(图中未视出)以及风险云生成模块(图中未视出)，其中，权重值计算模块，用于根据所述风险评价指标，生成专家评价体系，并根据所述专家评价体系，计算所述风险评价指标的权重值；初始风险云生成模块，用于根据所述专家评价体系对所述风险评价指标进行评价，并根据评价结果，生成所述风险评价指标的初始风险云；风险云生成模块，用于根据所述权重值和所述初始风险云，生成所述风险评价指标的风险云。

对应的，在一个实施例中，所述权重值计算模块(图中未视出)包括：主观权重值计算模块(图中未视出)，用于根据所述专家评价体系，对所述风险评价指标进行排序，并根据相邻序号的风险评价指标进行比较，得到比较结果；根据所述比较结果，基于逐步加权评估分析比率方法，计算所述风险评价指标的主观权重值。客观权重值计算模块(图中未视出)，用于根据所述专家评价体系，对所述风险评价指标进行评价，得到评价结果；将所述评价结果转换为直觉模糊数，并基于直接模糊熵权方法，计算所述风险评价指标的客观权重值。综合权重值计算模块(图中未视出)，用于根据所述主观权重值和所述客观权重值，基于博弈论的组合赋权法，确定所述风险评价指标的综合权重值；将所述综合权重值作为所述风险评价指标的权重值。

对应的，在一个实施例中，所述风险等级确定模块507包括：二维正态云模型生成模块(图中未视出)和二维相近度计算模块(图中未视出)，其中，二维正态云模型生成模块，用于根据所述标准云和所述风险云的风偏闪络的发生概率等级、后果等级以及隶属度，分别生成标准云二维正态云模型和风险云二维正态云模型；二维相近度计算模块，用于根据所述标准云二维正态云模型和所述风险云二维正态云模型进行云模相近度计算，得到所述风险云和所述标准云的二维相近度。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static RandomAccess Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。

综上所述，风险的发生概率等级和后果等级涉及概念的数量区间划分问题，是定性与定量转化的核心。区间划分是否合理直接影响转化的准确度，本发明将输电线路风偏闪络两个不确定因素(后果等级和发生概率等级)的风险等级划分为五个等级，利用公式计算得到各等级的云模型参数，再代入正态云模型公式可得到风险标准云图。

由表2中各风险等级的发生概率等级和后果等级的定性描述均对应各自的风险等级阈值及云模型参数，如可能性Ⅰ发生次数为几乎不发生对应的风险等级阈值为[0，1.6)，同理后果等级Ⅰ的定性描述对应的风险等级阈值也为[0，1.6)，各风险等级阈值都有对应的云模型参数，使得风险矩阵中的概率等级与后果等级可以以二维云模型的方式叠加，从而实现了用二维云模型量化风险矩阵。事故发生可能性大小由事故发生可能性的数量级决定，专家根据自身实际经验及相关理论分析按照对应的风险等级阈值打出事故后果等级的分数，整合各位专家对事故后果等级的打分，生成后果等级云模型。再根据表1中发生概率吧对应的风险等级阈值打出事故可能性的分数，整合各位专家对发生概率的打分，生成发生概率云模型。

最后利用改进赋权法所获得的权重将后果等级云模型和发生概率云模型。接着将两种类型云模型带入正态云模型公式生成风偏闪络综合云模型，接着分别带入二维云相近度计算中，从而确定风险等级。

本发明并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。