CN111523768A - 一种基于熵权-topsis的广义需求侧资源品质评价方法 - Google Patents
一种基于熵权-topsis的广义需求侧资源品质评价方法 Download PDFInfo
- Publication number
- CN111523768A CN111523768A CN202010242383.9A CN202010242383A CN111523768A CN 111523768 A CN111523768 A CN 111523768A CN 202010242383 A CN202010242383 A CN 202010242383A CN 111523768 A CN111523768 A CN 111523768A
- Authority
- CN
- China
- Prior art keywords
- evaluation index
- entropy
- evaluation
- index
- subjective
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 144
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 abstract description 3
- 238000013077 scoring method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于熵权‑TOPSIS的广义需求侧资源品质评价方法,本发明有效考虑了指标的主观性、客观性,通过专家打分法确定主观指标权重以及熵值法确定客观指标权重,结合主观指标和客观指标确定综合指标权重,将定性指标与定量指标相结合,并通过TOPSIS法确立评价模型,计算相对接近度,利用相对接近度大小对需求侧资源品质进行排序评价,本发明在评价广义需求侧资源品质时更具效力,提高了评价指标体系的完备性和全面性。
Description
技术领域
本发明涉及电力评价技术领域,特别是一种基于熵权-TOPSIS的广义需求侧资源品质评价方法。
背景技术
综合评价理论发展至今,已具备多种数学方法,满足不同领域、不同种类的评价需求。经典的评价方法有ELECTRE法、LINMAP法、AHP法、DEA法、TOP-SIS法等,多视角的电力综合评价方法有动态综合评价法、阶梯综合评价法、模糊综合评价法、数据包络分析法、主成分分析法、灰色综合评价法等。
基于灰色关联度改进的TOPSIS法,对需求侧响应资源价值进行综合评价,具有一定的科学性与实用性。熵权法的计算过程相对简单,对评价指标的个数没有限制,完全依赖于客观原始数据来确定权重分配,消除了人为因素可能导致的误差,根据评价指标对被评价对象的区分成都角度对指标权重分配进行确定,所得结果较为直观并且容易理解,实用性强,适用范围较广。但是熵权法存在一定的局限性,没有考虑主观经验,可能导致评价结果与实际情况出现一定程度的相悖。因此上述方案在评价广义需求侧资源时,不能合理的考虑到指标特性,也未考虑到广义需求侧概念的变化。
发明内容
本发明的目的是提供一种基于熵权-TOPSIS的广义需求侧资源品质评价方法,旨在解决现有技术中缺少对主观评价的指标的量化,实现结合主观指标和客观指标确定综合指标权重,将定性指标与定量指标相结合,提高评价指标体系的完备性和全面性。
为达到上述技术目的,本发明提供了一种基于熵权-TOPSIS的广义需求侧资源品质评价方法,所述方法包括以下操作:
设定主观评价指标重要程度量化等级表,建立直觉模糊集评价矩阵,并计算评价指标体系中主观评价指标的直觉模糊熵,根据直觉模糊熵计算主观评价指标的熵权;
对客观评价指标进行归一化处理,计算客观评价指标的信息熵,并计算各客观评价指标的熵权;
对主观评价指标和客观评价指标确定综合权重,得到评价指标的权重向量;
利用基于熵权的TOPSIS模型将规范化处理后的原始数据和评价指标的权重向量相乘,构造加权规范化矩阵,获得各个评价指标的理想解和负理想解,计算加权欧式距离,并计算相对接近度,根据相对接近度对需求侧资源品质进行排序。
优选地,所述直觉模糊集评价矩阵的建立过程如下:
假设Aij为第i个需求侧资源的第j个指标所得的评分,建立其对应的直觉模糊集评价矩阵:
上式中,A为直觉模糊集评价矩阵,m为作出评价的专家数,p为主观评价指标个数,aij为第i个需求侧资源中第j个主观评价指标对应评分的隶属度;βij为第i个需求侧资源中第j个主观评价指标对应评分的非隶属度;γij为专家评价第i个需求侧资源中第j个主观评价指标时的犹豫度。
优选地,所述评价指标体系中主观评价指标的直觉模糊熵的计算过程如下:
计算第i个需求侧资源第j个主观评价指标的直觉模糊熵E(xij):
在计算所有待评价需求侧资源全部主观指标的直觉模糊熵后,可得如下熵矩阵:
计算评价指标体系中第j个主观评价指标的直觉模糊熵E(xj):
优选地,所述主观评价指标的熵权的计算公式如下:
优选地,所述客观评价指标的信息熵的计算过程如下:
式中,δij为第i个需求侧资源中第j个客观评价指标的数据,ηij为第i个需求侧资源中第j个客观评价指标的数据进行归一化处理的结果,q为客观评价指标数量;
计算客观评价指标的信息熵λij:
λij=0时,E(ηj)=0,(i=1,2,K,m;j=1,2,K,q)
式中,E(ηj)为第j个客观评价指标的熵,λij为第i个需求侧资源中第j个客观评价指标在所有需求侧资源中的第j个客观评价指标总和中的占比。
优选地,所述各客观评价指标的熵权的计算公式如下:
优选地,所述将规范化处理后的原始数据和评价指标的权重向量相乘,构造加权规范化矩阵具体如下:
对评价指标数据进行规范化处理:
得到规范化矩阵:
式中,λij为第i个团队中第j个评价指标对应数据规范化处理后的结果,m为需评价的团队数,n为评价指标总个数;
将规范化处理后的原始数据和评价指标的权重向量相乘,并构造加权规范化矩阵:
Qij=ωj·λij,(i=1,2,K,m;j=1,2,K,n)
优选地,所述理想解和负理想解的计算公式如下:
优选地,所述加权欧式距离的计算公式如下:
优选地,所述相对接近度的计算公式如下:
式中,Gi∈[0,1],当Gi趋于1时,表示所评价资源质量越高。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
与现有技术相比,本发明有效考虑了指标的主观性、客观性,通过专家打分法确定主观指标权重以及熵值法确定客观指标权重,结合主观指标和客观指标确定综合指标权重,将定性指标与定量指标相结合,并通过TOPSIS法确立评价模型,计算相对接近度,利用相对接近度大小对需求侧资源品质进行排序评价,本发明在评价广义需求侧资源品质时更具效力,提高了评价指标体系的完备性和全面性。
附图说明
图1为本发明实施例中所提供的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法流程图。
具体实施方式
为了能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
下面结合附图对本发明实施例所提供的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法进行详细说明。
如图1所示,本发明公开了一种基于熵权-TOPSIS的广义需求侧资源品质评价方法,所述方法包括以下操作:
设定主观评价指标重要程度量化等级表,建立直觉模糊集评价矩阵,并计算评价指标体系中主观评价指标的直觉模糊熵,根据直觉模糊熵计算主观评价指标的熵权;
对客观评价指标进行归一化处理,计算客观评价指标的信息熵,并计算各客观评价指标的熵权;
对主观评价指标和客观评价指标确定综合权重,得到评价指标的权重向量;
利用基于熵权的TOPSIS模型将规范化处理后的原始数据和评价指标的权重向量相乘,构造加权规范化矩阵,获得各个评价指标的理想解和负理想解,计算加权欧式距离,并计算相对接近度,根据相对接近度对需求侧资源品质进行排序。
在进行主观指标的量化时,一般是由相关领域的专家进行综合打分得出,但专家打分存在不确定性,因此在本发明实施例中引入直觉模糊集。假设专家所打分数为X,则可将该项评分对应的直觉模糊集设为(α,β,γ),γ=1-α-β,其中α为X相对于该指标重要程度的隶属度,β为X相对于该指标重要程度的非隶属度,γ为专家评价该项指标时的犹豫度。
假设Aij为第i个需求侧资源的第j个指标所得的评分,建立其对应的直觉模糊集评价矩阵:
上式中,A为直觉模糊集评价矩阵,m为作出评价的专家数,p为主观评价指标个数,aij为第i个需求侧资源中第j个主观评价指标对应评分的隶属度;βij为第i个需求侧资源中第j个主观评价指标对应评分的非隶属度;γij为专家评价第i个需求侧资源中第j个主观评价指标时的犹豫度。
计算第i个需求侧资源第j个主观评价指标的直觉模糊熵E(xij):
在计算所有待评价需求侧资源全部主观指标的直觉模糊熵后,可得如下熵矩阵:
计算评价指标体系中第j个主观评价指标的直觉模糊熵E(xj):
计算第j个主观评价指标的熵权:
对于客观指标,将客观评价指标的数据进行归一化处理,所使用的指标量纲相同:
式中,δij为第i个需求侧资源中第j个客观评价指标的数据,ηij为第i个需求侧资源中第j个客观评价指标的数据进行归一化处理的结果,q为客观评价指标数量。
计算客观评价指标的信息熵λij:
λij=0时,E(ηj)=0,(i=1,2,K,m;j=1,2,K,q)
式中,E(ηj)为第j个客观评价指标的熵,λij为第i个需求侧资源中第j个客观评价指标在所有需求侧资源中的第j个客观评价指标总和中的占比。
计算各客观评价指标的熵权ω(ηj):
确定综合权重,分别赋予主观评价指标和客观评价指标的权重b1、b2,分别与所得的所有指标的熵权相乘,得到测量层评价指标的权值向量ωj,(j=1,2,K,n)。
在本发明实施例中利用TOPSIS法进行排序,TOPSIS法是对有限个对象进行评价,计算其与理想解的距离,根据距离对各评价对象进行排序。
对评价指标数据进行规范化处理:
得到规范化矩阵:
式中,λij为第i个团队中第j个评价指标对应数据规范化处理后的结果,m为需评价的团队数,n为评价指标总个数。
将规范化处理后的原始数据和评价指标的权重向量相乘,并构造加权规范化矩阵:
Qij=ωj·λij,(i=1,2,K,m;j=1,2,K,n)
通过规范化矩阵得出各评价指标的理想解和负理想解:
计算加权欧式距离:
计算相对接近度:
式中,Gi∈[0,1],当Gi趋于1时,表示所评价资源质量较高,因此可根据相对接近度大小对各需求侧资源品质进行排序。
本发明实施例有效考虑了指标的主观性、客观性,通过专家打分法确定主观指标权重以及熵值法确定客观指标权重,结合主观指标和客观指标确定综合指标权重,将定性指标与定量指标相结合,并通过TOPSIS法确立评价模型,计算相对接近度,利用相对接近度大小对需求侧资源品质进行排序评价,本发明在评价广义需求侧资源品质时更具效力,提高了评价指标体系的完备性和全面性。
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 (10)
1.一种基于熵权-TOPSIS的广义需求侧资源品质评价方法,其特征在于,所述方法包括以下操作:
设定主观评价指标重要程度量化等级表,建立直觉模糊集评价矩阵,并计算评价指标体系中主观评价指标的直觉模糊熵,根据直觉模糊熵计算主观评价指标的熵权;
对客观评价指标进行归一化处理,计算客观评价指标的信息熵,并计算各客观评价指标的熵权;
对主观评价指标和客观评价指标确定综合权重,得到评价指标的权重向量;
利用基于熵权的TOPSIS模型将规范化处理后的原始数据和评价指标的权重向量相乘,构造加权规范化矩阵,获得各个评价指标的理想解和负理想解,计算加权欧式距离,并计算相对接近度,根据相对接近度对需求侧资源品质进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010242383.9A CN111523768A (zh) | 2020-03-31 | 2020-03-31 | 一种基于熵权-topsis的广义需求侧资源品质评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010242383.9A CN111523768A (zh) | 2020-03-31 | 2020-03-31 | 一种基于熵权-topsis的广义需求侧资源品质评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111523768A true CN111523768A (zh) | 2020-08-11 |
Family
ID=71901167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010242383.9A Pending CN111523768A (zh) | 2020-03-31 | 2020-03-31 | 一种基于熵权-topsis的广义需求侧资源品质评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523768A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465366A (zh) * | 2020-12-02 | 2021-03-09 | 中国林业科学研究院亚热带林业研究所 | 一种基于熵权topsis模型的柿果品质综合评价方法 |
CN112668856A (zh) * | 2020-12-23 | 2021-04-16 | 冀北电力交易中心有限公司 | 配额制下可再生能源电力市场运营效率评价系统及方法 |
CN113159540A (zh) * | 2021-04-07 | 2021-07-23 | 国家电网公司华中分部 | 一种考虑负荷价值的需求侧资源梯级调用方法及装置 |
CN114037218A (zh) * | 2021-05-27 | 2022-02-11 | 清华大学 | 综合熵权法-德尔菲法的电力供需格局评价方法及装置 |
-
2020
- 2020-03-31 CN CN202010242383.9A patent/CN111523768A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465366A (zh) * | 2020-12-02 | 2021-03-09 | 中国林业科学研究院亚热带林业研究所 | 一种基于熵权topsis模型的柿果品质综合评价方法 |
CN112668856A (zh) * | 2020-12-23 | 2021-04-16 | 冀北电力交易中心有限公司 | 配额制下可再生能源电力市场运营效率评价系统及方法 |
CN113159540A (zh) * | 2021-04-07 | 2021-07-23 | 国家电网公司华中分部 | 一种考虑负荷价值的需求侧资源梯级调用方法及装置 |
CN114037218A (zh) * | 2021-05-27 | 2022-02-11 | 清华大学 | 综合熵权法-德尔菲法的电力供需格局评价方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523768A (zh) | 一种基于熵权-topsis的广义需求侧资源品质评价方法 | |
Yong | Plant location selection based on fuzzy TOPSIS | |
Wei et al. | Hesitant triangular fuzzy information aggregation in multiple attribute decision making | |
Deng et al. | Simulation-based evaluation of defuzzification-based approaches to fuzzy multiattribute decision making | |
CN107146009B (zh) | 一种供水管网运行状态评估方法 | |
CN110796513B (zh) | 多任务学习方法、装置、电子设备及存储介质 | |
CN109636467A (zh) | 一种品牌的互联网数字资产的综合评估方法及系统 | |
CN107122887A (zh) | 多维工业企业诚信评价方法 | |
CN112149949A (zh) | 一种基于犹豫模糊及层次分析法的卫星通信系统效能评估方法 | |
Fu et al. | DEA cross‐efficiency aggregation based on preference structure and acceptability analysis | |
CN109636184B (zh) | 一种品牌的账号资产的评估方法及系统 | |
CN112766727B (zh) | 一种高端敏感用户电压暂降严重度评价方法 | |
CN114186862A (zh) | 基于熵权topsis模型的双层能源绩效评估系统 | |
CN109086976A (zh) | 一种面向群智感知的任务分配方法 | |
CN113065790A (zh) | 一种评估专利价值方法及系统 | |
CN108491477A (zh) | 基于多维云和用户动态兴趣的神经网络推荐方法 | |
CN109784615B (zh) | 一种数字化学习资源应用成效的计算方法 | |
CN111291189A (zh) | 一种文本处理方法、设备及计算机可读存储介质 | |
CN112541010A (zh) | 一种基于逻辑回归的用户性别预测方法 | |
CN110363443A (zh) | 电力现货市场的运营状况评判方法及装置 | |
CN115115212A (zh) | 一种适用于相似方案的自主优选排序方法 | |
Hu et al. | Learning multi-expert distribution calibration for long-tailed video classification | |
CN114707784A (zh) | 一种基于组合赋权法的权重确定方法及系统 | |
Liu et al. | Fuzzy soft set multi-attribute decision making method based on TOPSIS with improved entropy weight | |
Ali Beigi et al. | A New Index for Fuzzy Distance Measure |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200811 |