CN105046594B - 一种用户能源综合效益评价的平衡计分卡方法 - Google Patents

Abstract

本发明公开了一种用户能源综合效益评价的平衡计分卡方法，从可靠性、安全性、环境效益和灵活性四个方面，提出了园区终端用户能源综合效益评价指标；引入平衡计分卡方法进行处理，对指标权重合理分配。本发明针对智慧城市的园区终端用户能源综合效益评估，提出了综合效益评估的指标和指标赋权的改进平衡计分卡方法。本发明首先，从可靠性、安全性、环境效益和灵活性四个方面，提出了园区终端用户能源综合效益评价指标；其次为了指标权重的合理分配，引入了改进平衡计分卡方法进行处理，从而有效对园区终端用户的能源综合效益进行评估，为用户合理用能、科学用能提供有力的依据。

Description

一种用户能源综合效益评价的平衡计分卡方法

技术领域

本发明属于区域能源优化利用技术领域，尤其涉及一种用户能源综合效益评价的平衡计分卡方法。

背景技术

针对园区用户水、电、气等能源用量的增幅大、能耗大现状，园区终端用户能源的优化利用是电网节能的重要组成部分，也是国家节能减排的重要举措，但是对于能源优化利用缺乏有效的评价标准，缺失可行的评估技术手段。传统的电力能源综合能效评估，一般都是从用户侧能效提升、配电网的节能减排、输电网的降低线损等方面，提出可靠性、安全性和经济性方面的一些指标，以及提出层次分析法、遗传算法等多种赋权方法。

传统能源优化利用方法仅仅针对电力能源能效评估而无法评估水、电、气、热等多种能源优化利用。

发明内容

本发明的目的在于提供一种用户能源综合效益评价的平衡计分卡方法，旨在解决传统能源优化利用方法仅仅针对电力能源能效评估而无法评估水、电、气、热等多种能源优化利用的问题。

本发明是这样实现的，一种用户能源综合效益评价的平衡计分卡方法，所述用户能源综合效益评价的平衡计分卡方法所述用户能源综合效益评价的平衡计分卡方法从可靠性指标、安全性指标、环境效益指标和灵活性指标四个方面，提出了园区终端用户能源综合效益评价指标；引入主观赋权法的平衡计分卡方法进行处理，对指标权重合理分配。

进一步，所述可靠性指标：

其中，M11为年平均运行设备故障率；B为用户所有设备的故障时间小时数；C是用户所有设备的年使用时间小时数；

其中，M12为年平均能源停供比；D为用户能源停供小时数；E是用户能源年使用时间小时数。

所述安全性指标：

其中，M23为风险指数；η为用户的月事故率；F为月发生的事故总数；H为用户总数；

所述环境效益指标：

其中，M31为年节省能源总量；a_i为区域内第i个用户的节能能源量；

所述灵活性指标：

其中，M42为用户参与能源优化利用参与度；J为区域内用户参与能源优化利用的总数；K为区域内用户总数。

进一步，所述用户能源综合效益评价的平衡计分卡方法具体包括以下步骤：

步骤一，建立用户能源综合效益评估的指标层级分布，分别按照一级、二级、三级指标依次排列；然后，选择N个专家，进行同一层级指标对上一级指标的两两比较打分；

步骤二，任意一个专家对所选定的层次指标，按照指标重要程度比率表进行打分，构建指标判断矩阵A：

其中，a_ij表示第i个指标与第j个指标两两比较的专家打分值，i＝1,2…,n；j＝1,2,…n；n为专家打分所在指标层的指标个数；

步骤三，特征值和特征向量求取，采用改进的幕法；

步骤四，一致性检验，若判断矩阵A的相对一致性CR小于0.1，则认为判断矩阵可行，通过一致性检验。若CR不满足小于0.1，没有通过一致性检验，则退回步骤二，重新根据指标重要程度比率表进行两两比较，构造合格的判断矩阵A；

步骤五，依据选取的N个专家，分别重复步骤二-步骤四步，求得每一位专家打分的特征向量M_i；然后，运行加权平均法确定所选定的评估指标层级的赋权值；

步骤六，依次步骤二-步骤五对下一个层级指标的计算，获得指标赋权值为则该指标对上上一级指标的赋权值为

步骤七，完成平衡计分卡设计，指标权重获取后，设定每一个指标的目标分数，目标分为100分，完成平衡计分卡的设计；然后，根据实际情况对每一个指标进行计算分值，并将每一个指标分值与占比权重相乘后，将所有指标分值依次求和，得到用户能源综合效益评估值；最后，依据分值的高低排定名次，得到区域内所有用户的优劣排序情况。

进一步，所述求解判断矩阵的最大特征值及特征向量具体包括：

第一步，初始化，预先选定任意一个非零的初始向量V₀，选取V₀＝{1,…1}；然后求取f₀＝max{|V₀|}；

第二步，迭代，根据判断矩阵A，进行迭代计算，即V_k＝A*V_k-1，其中，k＝1,2,..n；然后求取m0＝max{|V_k|}；

第三步，第一次规范化，规范化V_k，即V'_k＝V_k/max{|V_k|}，其中，k＝1,2,..n；然后，求取m₁＝max{|V'_k|}，m₂＝(m₁+m₀)/2；

第四步，第二次规范化V'_k，即V”_k＝V'_k/max{|V'_k|}，其中，k＝1,2,..n；然后，求取m₃＝max{|V”_k|}，

第五步，收敛判断，若f₁-f₀＜ε₁，其中ε₁为收敛精度，取1×10^-6，则f₁为所求判断矩阵A特征值的近似值；V_k为所求特征向量，否则f₀＝f₁，并返回第二步重新计算。

本发明提供的用户能源综合效益评价的平衡计分卡方法，将平衡计分卡方法应用于用户能源综合效益评价，达成了智慧城市的园区终端用户能源综合效益评估。本发明首先，从可靠性、安全性、环境效益和灵活性四个方面，提出了园区终端用户能源综合效益评价指标；其次为了指标权重的合理分配，引入了平衡计分卡方法进行处理，从而有效对园区终端用户的能源优化利用综合效益进行评估，为用户合理用能、科学用能提供有力的依据。本发明提出了一种用户能源综合效益评估的改进平衡计分卡方法，有效评估智能园区的能源利用情况，为智能园区的能源规划、设计、运维等建设提供有利依据。同时，云计算、大数据、物联网、互联网、能源互联网等新技术的兴起，有效结合这些新技术，也将给智能园区的建议提供更加有力的计算工具和科学依据。本发明提高了专家打分的判断简易度，将指标两两比较1～9标度更改为1～3标度；提高了幂法求取特征值和特征向量的计算效率，在进行收敛判断时，通过两次规范化，加速了收敛速度。

附图说明

图1是本发明实施例提供的用户能源综合效益评价的平衡计分卡方法流程图。

图2是本发明实施例提供的智能园区用户能源综合效益评估的平衡计分卡示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明首先从可靠性、安全性、环境效益和灵活性四方面提出了园区终端用户能源综合效益评估指标体系。其次，为了求取评估指标的赋权值，应用改进的平衡计分卡法对其进行求解。最后，针对中新天津生态城一个典型案例，选择不同领域的专家对指标进行打分，并求解指标的权重，验证了评估方法的可行性。

所述可靠性指标：

其中，M11为年平均运行设备故障率；B为用户所有设备的故障时间小时数；C是用户所有设备的年使用时间小时数；

其中，M12为年平均能源停供比；D为用户能源停供小时数；E是用户能源年使用时间小时数。

所述安全性指标：

其中，M23为风险指数；η为用户的月事故率；F为月发生的事故总数；H为用户总数；

所述环境效益指标：

其中，M31为年节省能源总量；a_i为区域内第i个用户的节能能源量；

所述灵活性指标：

其中，M42为用户参与能源优化利用参与度；J为区域内用户参与能源优化利用的总数；K为区域内用户总数。

平衡记分卡(Balanced Score Card,BSC),是由Robert Kaplan与David Norton于20世纪90年代提出的一种绩效评价体系,其思想主要是通过图、卡、表来实现企业的战略规划，共包括财务、顾客、内部经营流程、学习和成长等四个方面，其中，财务层面主要体现企业的战略及其实施和执行，以及改善企业盈利所做的贡献；顾客主要体现竞争客户和市场，以及业务单位在实际市场中的大小；内部经营流程主要体现组织的关键内部管理流程；学习与成才主要体现企业长期的成长，以及改善的企业文化。园区终端用户能源综合效益评估指标包括可靠性、安全性、环境效益和灵活性四方面，与平衡计分卡的财务、顾客、内部经营流程、学习和成长进行一一对应，从而构建智能园区用户能源综合效益评估的平衡计分卡，如图2所示。

指标体系建立后，指标权重是指标评估中至关重要的一环，常用的指标权重计算方法有主观赋权方法，如二项系数法、层次分析法、专家调查法等；还有客观赋权法，如主成分分析方法、多目标规划方法、熵权法等。本文选用一种主观赋权法，即改进的平衡计分卡方法。

下面结合附图对本发明的应用原理作进一步描述。

如图1所示，本发明实施例的用户能源综合效益评价的平衡计分卡方法包括以下步骤：

(1)建立用户能源综合效益评估的指标层级分布，依据图1指标分布，分别按照一级、二级、三级指标依次排列；然后，选择N个专家，进行同一层级指标对上一级指标的两两比较打分。

(2)任意一个专家对所选定的层次指标，按照“指标重要程度比率表”进行打分，如表1，从而构建指标判断矩阵A。

其中，a_ij表示第i个指标与第j个指标两两比较的专家打分值，i＝1,2…,n；j＝1,2,…n；n为专家打分所在指标层的指标个数。

表1指标重要程度比率表

(3)特征值和特征向量求取。

改进的幕法，求解判断矩阵的最大特征值及特征向量的流程如下。

a)初始化

预先选定任意一个非零的初始向量V₀，一般选取V₀＝{1,…1}；然后,求取

f₀＝max{|V₀|}。

b)迭代

根据判断矩阵A，进行迭代计算，即V_k＝A*V_k-1,其中，k＝1,2,..n；然后,求取m₀＝max{|V_k|}。

c)第一次规范化

规范化V_k，即V'_k＝V_k/max{|V_k|},其中，k＝1,2,..n；然后，求取m₁＝max{|V'_k|},m₂＝(m₁+m₀)/2。

d)第二次规范化

规范化V'_k，即V”_k＝V'_k/max{|V'_k|}，其中，k＝1,2,..n；然后,求取m₃＝max{|V”_k|},

e)收敛判断

若f₁-f₀＜ε₁(其中ε₁为收敛精度，一般取1×10^-6)，则f₁为所求判断矩阵A特征值的近似值；V_k为所求特征向量。否则f₀＝f₁，并返回b)重新计算。

(4)一致性检验。若判断矩阵A的相对一致性CR小于0.1，则认为判断矩阵可行，通过一致性检验。若CR不满足小于0.1，没有通过一致性检验，则退回第(2)步，重新根据“指标重要程度比率表"进行两两比较，构造合格的判断矩阵A。

(5)依据选取的N个专家，分别重复(2)～(4)步，求得每一位专家打分的特征向量M_i；然后，运行加权平均法确定所选定的评估指标层级的赋权值(特征向量)。

(6)依次(2)～(5)对下一个层级指标的计算，获得指标赋权值为则该指标对上上一级指标的赋权值为

(7)完成平衡计分卡设计。指标权重获取后，设定每一个指标的目标分数，通常设定目标分为100分，完成平衡计分卡的设计；然后，根据实际情况对每一个指标进行计算分值，并将每一个指标分值与占比权重相乘后，将所有指标分值依次求和，得到用户能源综合效益评估值；最后，依据分值的高低排定名次，得到区域内所有用户的优劣排序情况，其计算流程如图1所示。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种用户能源综合效益评价的平衡计分卡方法，其特征在于，所述用户能源综合效益评价的平衡计分卡方法从可靠性指标、安全性指标、环境效益指标和灵活性指标四个方面，提出了园区终端用户能源综合效益评价指标；引入主观赋权法的平衡计分卡方法进行处理，对指标权重合理分配；

所述可靠性指标：

其中，M11为年平均运行设备故障率；B为用户所有设备的故障时间小时数；C是用户所有设备的年使用时间小时数；

其中，M12为年平均能源停供比；D为用户能源停供小时数；E是用户能源年使用时间小时数；

所述安全性指标：

其中，M23为风险指数；η为用户的月事故率；F为月发生的事故总数；H为用户总数；所述环境效益指标：

其中，M31为年节省能源总量；a_i为区域内第i个用户的节能能源量；所述灵活性指标：

其中，M42为用户参与能源优化利用参与度；J为区域内用户参与能源优化利用的总数；K为区域内用户总数；

所述用户能源综合效益评价的平衡计分卡方法具体包括以下步骤：

步骤一，建立用户能源综合效益评估的指标层级分布，分别按照一级、二级、三级指标依次排列；然后，选择N个专家，进行同一层级指标对上一级指标的两两比较打分；

步骤二，任意一个专家对所选定的层次指标，按照指标重要程度比率表进行打分，构建指标判断矩阵A：

其中，a_ij表示第i个指标与第j个指标两两比较的专家打分值，i＝1,2…,n；j＝1,2,…n；n为专家打分所在指标层的指标个数；

步骤三，特征值和特征向量求取，利用改进的幂法，求解判断矩阵的最大特征值及特征向量；

步骤四，一致性检验，若判断矩阵A的相对一致性CR小于0.1，则认为判断矩阵可行，通过一致性检验；若CR不满足小于0.1，没有通过一致性检验，则退回步骤二，重新根据指标重要程度比率表进行两两比较，构造合格的判断矩阵A；

步骤五，依据选取的N个专家，分别重复步骤二-步骤四步，求得每一位专家打分的特征向量M_i；然后，运行加权平均法确定所选定的评估指标层级的赋权值；

步骤六，依次步骤二-步骤五对下一个层级指标的计算，获得指标赋权值为则该指标对上上一级指标的赋权值为

步骤七，完成平衡计分卡设计，指标权重获取后，设定每一个指标的目标分数，目标分为100分，完成平衡计分卡的设计；然后，根据实际情况对每一个指标进行计算分值，并将每一个指标分值与占比权重相乘后，将所有指标分值依次求和，得到用户能源综合效益评估值；最后，依据分值的高低排定名次，得到区域内所有用户的优劣排序情况。

2.如权利要求1所述的用户能源综合效益评价的平衡计分卡方法，其特征在于，所述求解判断矩阵的最大特征值及特征向量具体包括：

第一步，初始化，预先选定任意一个非零的初始向量V₀，选取V₀＝{1,…1}；然后求取f₀＝max{|V₀|}；

第二步，迭代，根据判断矩阵A，进行迭代计算，即V_k＝A*V_k-1，其中，k＝1,2,..n；然后求取m₀＝max{|V_k|}；

第三步，第一次规范化，规范化V_k，即V'_k＝V_k/max{|V_k|}，其中，k＝1,2,..n；然后，求取m₁＝max{|V'_k|}，m₂＝(m₁+m₀)/2；

第四步，第二次规范化V_k'，即V”_k＝V'_k/max{|V'_k|}，其中，k＝1,2,..n；然后，求取m₃＝max{|V”_k|}，

第五步，收敛判断，若f₁-f₀＜ε₁，其中ε₁为收敛精度，取1×10^-6，则f₁为所求判断矩阵A特征值的近似值；V_k为所求特征向量，否则f₀＝f₁，并返回第二步重新计算。