CN107644285A - 售电市场盈利能力评估指标的筛选与权重确定方法及系统 - Google Patents
售电市场盈利能力评估指标的筛选与权重确定方法及系统 Download PDFInfo
- Publication number
- CN107644285A CN107644285A CN201710690261.4A CN201710690261A CN107644285A CN 107644285 A CN107644285 A CN 107644285A CN 201710690261 A CN201710690261 A CN 201710690261A CN 107644285 A CN107644285 A CN 107644285A
- Authority
- CN
- China
- Prior art keywords
- index
- indexes
- matrix
- profitability
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 238000012216 screening Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 68
- 230000005611 electricity Effects 0.000 claims description 20
- 238000013139 quantization Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 239000006185 dispersion Substances 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种售电市场盈利能力评估指标的筛选与权重确定方法及系统。目前一些改善指标相关性的方法,对参与评价的多个指标进行分类和筛选通过权重进行调整,但只能在一定程度上减小指标间的相关性,并不能将其彻底消除。本发明采用施密特正交化方法去除指标间的相关性,然后通过离差标准化法将指标样本数据归一化,并基于此确定各个指标间相对重要度比较值矩阵,最后采用层次分析法进行各指标的权重求解。本发明求得的权重结果能更好地反映各指标对市场盈利水平的影响程度;基于有效的指标评价结果得出当前阶段的重要盈利指标,并对目前市场状况进行评估,从而为规避市场风险和确定盈利方案提供依据。
Description
技术领域
本发明涉及售电市场领域,具体地说是一种考虑指标相关性的售电市场盈利能力评估 方法及系统。
背景技术
随着售电主体不断进入市场,原本的由电网统购统销模式逐渐转变为由发电公司、售 电公司、用户之间的购售电业务,由此而引发整个市场的风险等级增加。因此,确定售电 市场盈利指标并进行市场盈利风险评估是随着售电市场发展的一项需要不断深入的工作。 然而,目前对于售电市场尚未有一个详细全面的盈利指标体系,而且也缺少一套科学的计 算方法来确定哪些是需要重点关注的盈利指标以及各项盈利指标对市场影响的权重。
目前对于指标评估,采用层次分析法(AHP)确定指标权重是一种经典常用的方法。有关文献详细介绍了层次分析法的基本概念,也分析了层次分析法权重的计算方法和应用。层次分析法也被应用于配电网能效评估、现状电网评估和实际电网规划问题的求解分析。但是层次分析法求解指标权重时,需要输入指标间重要度比较值。对于实际问题中的任何评估指标,指标间一般都存在相关性,即学者对指标B做评判时,或多或少受到指标 A的影响。那么,在这种情况下,要输入指标B对指标A的重要度比较值是无从衡量的, 或者说量化指标间重要度比较值会受到指标相关性的干扰。因此,在确定指标相对重要度 时,保证指标去相关化是保证比较值准确度和可信度的基本要求。
考虑到指标间重要度比较值是层次分析法的输入,因此解决指标相关性问题是准确应 用层次分析法的前提。有关文献提出了一些改善指标相关性的方法,对参与评价的多个指 标进行分类和筛选通过权重进行调整。但这些方法仍然只能在一定程度上减小指标间的相 关性,并不能将其彻底消除。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种售电市场盈利 能力评估指标的筛选与权重确定方法,能够基于盈利指标通过应用正交化的思想对指标间 的相关性进行解耦,从而提高应用层次分析法的科学合理性,使求得的权重结果更好地反 映各指标对市场盈利水平的影响程度;基于有效的指标评价结果得出当前阶段的重要盈利 指标,并对目前市场状况进行评估,从而为规避市场风险和确定盈利方案提供依据。
为此,本发明采用如下的技术方案:售电市场盈利能力评估指标的筛选与权重确定方 法,其包括:
1)对盈利能力评估指标进行分层;2)模糊量化指标;3)指标去相关化;4)指标结果归 一化;5)建立指标间重要度比较值矩阵;6)建立层次分析法判断矩阵;7)判断矩阵一致性, 如是,则计算指标权重;如否,则修改判断矩阵,返回至6)。
作为对上述技术方案的进一步完善和补充,本发明采取以下技术措施:
采用施密特正交化方法去除指标间的相关性,然后通过离差标准化法将指标样本数据 归一化,并基于此确定各个指标间相对重要度比较值矩阵,最后采用层次分析法进行各指 标的权重求解。
通过施密特正交化来解耦指标相关性,在数学上通过协方差来判别向量的相关性,即 当Cov(x,y)=0时,变量x和变量y的协方差为零,变量x与y不相关;
对于含有p个指标的盈利能力评估指标集,记为R=[r1,r2,...,rp],其中ri表示第i个 指标,各元素间存在相关性,通过施密特正交化,将R转化成R*=[r1 *,r2 *,...,rp *],其中ri *表 示指标去相关化后的第i个指标,保证任意两元素不相关,其步骤如下:
首先,选取合适的基准指标r1,令r1 *=r1,然后令其中a21为满足 Cov(r1 *,r2 *)=0的待定常数,
由(1)式得:
因为Cov(ri,rj)=E(rirj)-E(ri)E(rj),其中E(rirj)表示指标ri与rj乘积的期望值,E(ri) 表示指标ri的期望值,所以需要指标的期望值才能求出a21;
采用n组样本数据的均值来表示指标的期望值,
其中,Tk(ri)表示指标ri在n个样本中的第k个样本值,通过取样本均值来表示指标ri的期望;
将式(2)和式(3)代入式(1),则求得a21,
同理,令由得:
以此类推,求得转换矩阵A:
根据之前的定义,知R*=AR;
按照上述步骤对样本数据进行施密特正交化后,得到去除指标相关性后的真实值;
若令样本均值来表示指标的实际值,即令ti=E(ri),令ti *=E(ri *);则由R*=AR可知, T*=AT;
然后,根据T*建立指标间重要度比较值矩阵。
为了更合理地建立指标间重要度比较值矩阵,采用离差标准化来对指标值进行归一化 处理。
建立判断矩阵是运用层次分析法的关键步骤,判断矩阵的元素为各指标间的重要度比 较值。
为了保证层次分析法得到的结论基本合理,还需要对构造的矩阵进行一致性检验,故 在层次分析法中引入判断矩阵最大特征根λmax以外的其余特征根的负平均值CI,作为度量 判断矩阵偏离一致性的指标。
当判断矩阵通过一致性检验之后,通过判断矩阵及其最大特征值求出指标权重结果。
本发明还提供一种售电市场盈利能力评估指标的筛选与权重确定系统,其包括:盈利 能力评估指标分层模块:对盈利能力评估指标进行分层;模糊量化指标模块:对指标进行 模糊量化;指标去相关化模块:去除指标间的相关性;指标结果归一化模块:将指标样本 数据归一化处理;指标间重要度比较值矩阵建立模块:建立指标间重要度比较值矩阵;层 次分析法判断矩阵建立模块:建立层次分析法判断矩阵;判断模块:用于检验判断矩阵的 一致性。
本发明具有以下有益效果:本发明的方法可以应用于含有定性与定量指标的盈利指标 评估;基于算例分析,本发明得出目前售电市场过渡期的典型重要盈利指标及其权重,权 重结果能够为后续市场盈利水平评估提供依据,有助于市场风险规避与决策;同时,通过 分析不同阶段体现的市场特征,基于本发明所求得的市场风险指标的权重结果,其反映的 市场特征可以帮助评估售电市场的改革阶段,从而为更切实有效地制定售电市场发展策略 提供参考。
附图说明
图1为本发明盈利能力评估指标的结构框图;
图2为本发明方法的流程示意图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步的说明。
实施例1
一种售电市场盈利能力评估指标的筛选与权重确定方法,如图2所示,其包括:1)对 盈利能力评估指标进行分层,如图1所示;2)模糊量化指标;3)指标去相关化;4)指标结果归一化;5)建立指标间重要度比较值矩阵;6)建立层次分析法判断矩阵;7)判断矩阵一致性,如是,则计算指标权重;如否,则修改判断矩阵,返回至6)。
本发明采用施密特正交化方法去除指标间的相关性,然后通过离差标准化法将指标样 本数据归一化,并基于此确定各个指标间相对重要度比较值矩阵,最后采用层次分析法进 行各指标的权重求解。
(1)施密特正交化解耦指标相关性
本发明通过施密特正交化来解耦指标相关性。在数学上通过协方差来判别向量的相关 性。即当Cov(x,y)=0(变量x和变量y的协方差为零)时,变量x和y是不相关的。
对于含有p个指标的盈利能力评估指标集,记为R=[r1,r2,...,rp](其中ri表示第i个 指标),各元素间存在相关性。本发明通过施密特正交化,将R转化成R*=[r1 *,r2 *,...,rp *](其 中ri *表示指标去相关化后的第i个指标),保证任意两元素不相关。其步骤如下:
首先,选取合适的基准指标r1,令r1 *=r1。然后令其中a21为满足 Cov(r1 *,r2 *)=0的待定常数。
由式(1)可得:
因为Cov(ri,rj)=E(rirj)-E(ri)E(rj)(其中E(rirj)表示指标ri与rj乘积的期望值,E(ri) 表示指标ri的期望值),所以需要指标的期望值才能求出a21。
本发明中,采用n组样本数据的均值来表示指标的期望值。
其中Tk(ri)表示指标ri在n个样本中的第k个样本值,通过取样本均值来表示指标ri的 期望值。
将式(2)和式(3)代入式(1),则可求得a21。
同理,令r3 *=r3-a32r2-a31r1,由Cov(r3 *,r2 *)=Cov(r3 *,r1 *)=0可得:
以此类推,可求得转换矩阵A:
根据之前的定义,可知R*=AR;
因此,按照上述步骤对样本数据进行施密特正交化后,可以得到去除指标相关性后的 真实值。
若令样本均值来表示指标的实际值,即令ti=E(ri),令ti *=E(ri *);则可由R*=AR可 知,T*=AT。
然后,本发明根据T*建立指标间重要度比较值矩阵。
(2)层次分析法预处理
层次分析法是求解指标权重的经典方法,建立判断矩阵是运用层次分析法的关键步 骤。如前所述,判断矩阵的元素为各指标间的重要度比较值。
为了更合理地建立指标间重要度判断矩阵,本发明采用离差标准化来对指标值进行归 一化处理。对于T*中的元素,采用式(4)进行归一化:
其中,表示第i项指标的真实结果;表示p个去相关化指标中的最小值;表示p个去相关化指标中的最大值;ti'表示第i项指标的归一化值。
对于某一个二级指标Ci下的各指标,表1表示构建指标间相对重要度的方式:
表1 建立判断矩阵示意表
Table 1 Judgment Matrix
Ci | r1 | r2 | … | rp |
r1 | v11 | v12 | v1p | |
r2 | v21 | v22 | v2p | |
… | ||||
rp | vp1 | vp2 | vpp |
令
则V即为层次分析法的判断矩阵。元素vij表示上层指标Ci下的指标ri和指标rj在进行 比较时,指标ri和指标rj具有模糊关系“…比…重要得多”的隶属度。为了使任意两个方案关于某准则的相对重要程度得到定量描述,建立如下量化关系:
表2 层次分析法1-9标度表
Table 2 the 1-9 Scale of AHP
各指标的评价结果差值可以体现指标间的相对重要度程度。本发明基于评分映射的想 法,构建模糊映射关系,将各指标重要度评分的差值转化为指标间的重要度比较值。在指 标样本值归一化的基础上,按照以下规则进行指标样本值与指标重要度比较值的转换。
表3 指标比较值映射表
Table 3 Correspondence of T'and V
(3)层次分析法求解指标权重
层次分析法(AHP)是由A.L.Saaty提出,层次分析法将与决策有关的元素分解成不同层次,在此基础上进行定性和定量分析的决策方法。在确定指标体系后,AHP解决权重 问题的三大重要步骤是:①建立判断矩阵;②判断矩阵的一致性校验(如果不通过一致性 校验,则修改判断矩阵);③求得指标权重。
为了保证层次分析法得到的结论基本合理,还需要对构造的矩阵进行一致性检验。故 在层次分析法中引入判断矩阵最大特征根λmax以外的其余特征根的负平均值CI,作为度量 判断矩阵偏离一致性的指标。按照式(5)建立λmax和CI的关系。
其中n表示判断矩阵的维数。
层次分析法用一致性比率(CR)来检验判断矩阵的一致性,CR与CI的关系如式(6)所示:
CR=CI/RI (6)
RI表示判断矩阵平均随机一致性指标,判断矩阵的阶数不同,RI的取值也会不同。RI 和判断矩阵阶数n的关系如表4所示。
一般当CR<0.1时,认为判断矩阵通过一致性检验,否则就需要调整判断矩阵并使之 具有满意的一致性。
表4 判断矩阵的一致性指标值
Table 4 Values of RI
n | 1 | 2 | 3 | 4 | 5 |
RI | 0 | 0 | 0.58 | 0.9 | 1.12 |
n | 6 | 7 | 8 | 9 | 10 |
RI | 1.24 | 1.32 | 1.41 | 1.46 | 1.49 |
当判断矩阵通过一致性检验之后,通过判断矩阵及其最大特征值便可求出指标权重结 果。假设某一指标层的各评估指标的权重系数是ω1ω2…ωm,且记为权重向量 ω=[ω1,ω2,...,ωm]。用权重向量ω右乘判断矩阵V,则可得到判断矩阵V的特征方程。
Vω=λmaxω (7)
式中λmax为矩阵V的最大特征值,所要求解的权重即为该特征值对应的归一化特征向 量ω=[ω1,ω2,...,ωm]。
实施例2
一种售电市场盈利能力评估指标的筛选与权重确定系统,包括:
盈利能力评估指标分层模块:对盈利能力评估指标进行分层;
模糊量化指标模块:对指标进行模糊量化;
指标去相关化模块:去除指标间的相关性;
指标结果归一化模块:将指标样本数据归一化处理;
指标间重要度比较值矩阵建立模块:建立指标间重要度比较值矩阵;
层次分析法判断矩阵建立模块:建立层次分析法判断矩阵;
判断模块:用于检验判断矩阵的一致性。
所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施 例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于 本发明保护的范围。
Claims (8)
1.售电市场盈利能力评估指标的筛选与权重确定方法,其特征在于,包括:
1)对盈利能力评估指标进行分层;2)模糊量化指标;3)指标去相关化;4)指标结果归一化;5)建立指标间重要度比较值矩阵;6)建立层次分析法判断矩阵;7)判断矩阵一致性,如是,则计算指标权重;如否,则修改判断矩阵,返回至6)。
2.根据权利要求1所述的售电市场盈利能力评估指标的筛选与权重确定方法,其特征在于,采用施密特正交化方法去除指标间的相关性,然后通过离差标准化法将指标样本数据归一化,并基于此确定各个指标间相对重要度比较值矩阵,最后采用层次分析法进行各指标的权重求解。
3.根据权利要求2所述的售电市场盈利能力评估方法,其特征在于,通过施密特正交化来解耦指标相关性,在数学上通过协方差来判别向量的相关性,即当Cov(x,y)=0时,变量x和变量y的协方差为零,变量x与y不相关;
对于含有p个指标的盈利能力评估指标集,记为R=[r1,r2,...,rp],其中ri表示第i个指标,各元素间存在相关性,通过施密特正交化,将R转化成R*=[r1 *,r2 *,...,rp *],其中ri *表示指标去相关化后的第i个指标,保证任意两元素不相关,其步骤如下:
首先,选取合适的基准指标r1,令r1 *=r1,然后令其中a21为满足Cov(r1 *,r2 *)=0的待定常数,
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
</msup>
<mo>,</mo>
<msup>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
由(1)式得:
因为Cov(ri,rj)=E(rirj)-E(ri)E(rj),其中E(rirj)表示指标ri与rj乘积的期望值,E(ri)表示指标ri的期望值,所以需要指标的期望值才能求出a21;
采用n组样本数据的均值来表示指标的期望值,
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>n</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>n</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Tk(ri)表示指标ri在n个样本中的第k个样本值,通过取样本均值来表示指标ri的期望;
将式(2)和式(3)代入式(1),则求得a21,
同理,令由Cov(r3 *,r2 *)=Cov(r3 *,r1 *)=0得:
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>a</mi>
<mn>31</mn>
</msub>
<mo>;</mo>
<msub>
<mi>a</mi>
<mn>32</mn>
</msub>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mo>(</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
<mo>,</mo>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mo>(</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mo>(</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
<mo>,</mo>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mo>(</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>\</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mo>(</mo>
<msub>
<mi>r</mi>
<mn>3</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>C</mi>
<mi>o</mi>
<mi>v</mi>
<mo>(</mo>
<msub>
<mi>r</mi>
<mn>3</mn>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
以此类推,求得转换矩阵A:
<mrow>
<mi>A</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
<mo>,</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>31</mn>
</msub>
<mo>,</mo>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>32</mn>
</msub>
<mo>,</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<mo>-</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mo>-</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>,</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
根据之前的定义,知R*=AR;
按照上述步骤对样本数据进行施密特正交化后,得到去除指标相关性后的真实值;
若令样本均值来表示指标的实际值,即令ti=E(ri),令ti *=E(ri *);则由R*=AR可知,T*=AT;
然后,根据T*建立指标间重要度比较值矩阵。
4.根据权利要求3所述的售电市场盈利能力评估方法,其特征在于,为了更合理地建立指标间重要度比较值矩阵,采用离差标准化来对指标值进行归一化处理。
5.根据权利要求3所述的售电市场盈利能力评估方法,其特征在于,建立判断矩阵是运用层次分析法的关键步骤,判断矩阵的元素为各指标间的重要度比较值。
6.根据权利要求5所述的售电市场盈利能力评估方法,其特征在于,为了保证层次分析法得到的结论基本合理,还需要对构造的矩阵进行一致性检验,故在层次分析法中引入判断矩阵最大特征根λmax以外的其余特征根的负平均值CI,作为度量判断矩阵偏离一致性的指标。
7.根据权利要求6所述的售电市场盈利能力评估方法,其特征在于,当判断矩阵通过一致性检验之后,通过判断矩阵及其最大特征值求出指标权重结果。
8.售电市场盈利能力评估指标的筛选与权重确定系统,其特征在于,包括:
盈利能力评估指标分层模块:对盈利能力评估指标进行分层;
模糊量化指标模块:对指标进行模糊量化;
指标去相关化模块:去除指标间的相关性;
指标结果归一化模块:将指标样本数据归一化处理;
指标间重要度比较值矩阵建立模块:建立指标间重要度比较值矩阵;
层次分析法判断矩阵建立模块:建立层次分析法判断矩阵;
判断模块:用于检验判断矩阵的一致性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710690261.4A CN107644285A (zh) | 2017-08-14 | 2017-08-14 | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710690261.4A CN107644285A (zh) | 2017-08-14 | 2017-08-14 | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107644285A true CN107644285A (zh) | 2018-01-30 |
Family
ID=61110208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710690261.4A Pending CN107644285A (zh) | 2017-08-14 | 2017-08-14 | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107644285A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196811A (zh) * | 2019-06-04 | 2019-09-03 | 上海浦东软件平台有限公司 | 一种用于评价软件质量的方法及设备 |
CN110334236A (zh) * | 2019-07-12 | 2019-10-15 | 厦门大学 | 一种基于施密特正交化约束的细粒度检索方法 |
CN111400642A (zh) * | 2020-03-13 | 2020-07-10 | 中国电建集团青海省电力设计院有限公司 | 基于信息测度的增量配电网规划评价指标体系优化方法 |
-
2017
- 2017-08-14 CN CN201710690261.4A patent/CN107644285A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196811A (zh) * | 2019-06-04 | 2019-09-03 | 上海浦东软件平台有限公司 | 一种用于评价软件质量的方法及设备 |
CN110196811B (zh) * | 2019-06-04 | 2024-02-13 | 上海浦东软件平台有限公司 | 一种用于评价软件质量的方法及设备 |
CN110334236A (zh) * | 2019-07-12 | 2019-10-15 | 厦门大学 | 一种基于施密特正交化约束的细粒度检索方法 |
CN111400642A (zh) * | 2020-03-13 | 2020-07-10 | 中国电建集团青海省电力设计院有限公司 | 基于信息测度的增量配电网规划评价指标体系优化方法 |
CN111400642B (zh) * | 2020-03-13 | 2023-08-11 | 中国电建集团青海省电力设计院有限公司 | 基于信息测度的增量配电网规划评价指标体系优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543737B (zh) | 一种基于fahp_fca组合赋权的信息系统健康度评估方法 | |
Huang et al. | Enterprise credit risk evaluation based on neural network algorithm | |
CN107544253B (zh) | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 | |
CN108520357B (zh) | 一种线损异常原因的判别方法、装置及服务器 | |
CN109461025B (zh) | 一种基于机器学习的电能替代潜在客户预测方法 | |
CN106549813A (zh) | 一种网络性能的评估方法及系统 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN111898839B (zh) | 电力用户的重要程度分类方法及装置 | |
CN106845777A (zh) | 案件工作量评价方法、法官业绩评价方法、建模方法、计算装置和计算机可读存储介质 | |
CN107644285A (zh) | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 | |
CN110287269A (zh) | 一种基于复合层次分析的数据处理分类方法和装置 | |
CN115168870A (zh) | 一种基于综合评价的区块链安全评估方法 | |
CN110581783A (zh) | 基于ahp和topsis的通信方案决策方法 | |
CN115640969A (zh) | 一种基于设备状态与运行年限的电网运维成本分配方法 | |
CN114462872A (zh) | 综合置权模糊评判的互联网平台加盟方评级方法 | |
Rao et al. | Integration of ARAS and MOORA MCDM techniques for measuring the performance of private sector banks in India | |
CN114139940A (zh) | 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法 | |
CN116797096A (zh) | 基于ahp-熵权法的供应链韧性水平模糊综合评估方法 | |
CN111832854A (zh) | 汽车研发质量管理体系的成熟度量化评价方法、系统及可读介质 | |
CN117195505A (zh) | 一种用于电能表信息化评价校准模型的测评方法及系统 | |
CN112070367A (zh) | 一种基于改进综合成新率的大型武器装备价值评估方法 | |
CN110866694A (zh) | 一种电网建设项目财务评价系统及其方法 | |
CN111523080A (zh) | 一种电力系统的pas系统综合评估方法及相关装置 | |
CN109657967A (zh) | 一种输电网规划方案评价指标权重的确认方法及系统 | |
CN115689338A (zh) | 一种基于多指标的配电网技术成熟度评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180130 |
|
WD01 | Invention patent application deemed withdrawn after publication |