CN111784166A - 一种中低压配电网综合能效评估方法及系统 - Google Patents
一种中低压配电网综合能效评估方法及系统 Download PDFInfo
- Publication number
- CN111784166A CN111784166A CN202010629570.2A CN202010629570A CN111784166A CN 111784166 A CN111784166 A CN 111784166A CN 202010629570 A CN202010629570 A CN 202010629570A CN 111784166 A CN111784166 A CN 111784166A
- Authority
- CN
- China
- Prior art keywords
- index
- weight
- energy efficiency
- expert
- distribution network
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 139
- 238000011156 evaluation Methods 0.000 claims abstract description 112
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 56
- 102000016550 Complement Factor H Human genes 0.000 claims description 14
- 108010053085 Complement Factor H Proteins 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000008685 targeting Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 239000000126 substance Substances 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Abstract
本发明公开了一种中低压配电网综合能效评估方法及系统,该方法包括建立能效评估指标体系,所述的能效评估指标体系中包含目标层、标准层以及指标层;评估指标数据预处理,对所述标准层以及所述指标层包含的所有能效指标数据进行预处理,以使数据标准化。本发明提供的方法,能够有效避免专家意见过于主观无法获得良好的权重分配结果的问题,可以获得更加客观的权重分配结果。既考虑了专家赋权过程中的不确定性,同时在专家自身权重计算时同时考虑了注重主观经验的直觉模糊熵法和注重客观计算结果的熵权法,得到融合主客观因素的专家自身权重,最后可以获得更加准确的能效指标权重分配结果,从而获得更加准确的能效评估结果。
Description
技术领域
本发明涉及中低压配电网技术领域,特别是涉及一种中低压配电网综合能 效评估方法及系统。
背景技术
能效评估是电力节能、挖掘电力目标节能潜力的重要组成部分。针对中低 压配电网进行能效评估,可以发现中低压配电网中的能效薄弱环节,改善能效 低下的问题,提高中低压配电网的节能水平,对于中低压配电网的高效经济运 行有着重要的影响和促进作用。
利用能效评估模型对中低压配电网综合能效进行评估,能够提高中低压配 电网的能效,减少中低压配电网中的能源损耗。能效评估模型最重要的一点是 对能效指标权重进行分配。而指标权重分配大致分为主观复权法和客观赋权法。 主观赋权法一般是基于决策者的经验或者已经建立的专家系统,对指标进行权 重分配。常用的主观权重分配法有层次分析法、最小平方法等。客观赋权法一 般是根据原始数据之间的关系通过一定的数学方法来确定指标的权重,是一种 客观的定量权重分配方法,常用的客观赋权法有主成分分析法、熵权法、相关 系数法等。现在对低压配电网的能效评估方法中,一般是先利用专家主观评价 信息进行主观赋权,然后再单独利用利用数据之间的信息进行客观赋权,最后 进行简单加权得到指标的综合权重。这样的权重分配方法不能很好将主客观赋 权法进行有效结合。另外,不同专家之间的赋权原则和对指标的重要性排序有 可能会出现不一致,现有的方法中不能很好地决定各专家之间的赋权分配问题, 简单地对专家的权重分配进行加权得到的指标权重不够理想。鉴于目前中低压 配电网能效评估过程中权重分配方法存在的不足,提出一种中低压配电网综合 能效评估方法,对于中低压配电网的能效评估来说是非常必要的。
发明内容
本发明提供了一种中低压配电网综合能效评估方法及系统。可以有效地将 能效评估过程中的主客观因素进行结合,综合不同的权重求解方法,求解得到 综合的能效指标权重。
本发明提供了如下方案:
一种中低压配电网综合能效评估方法,包括:
建立能效评估指标体系,所述的能效评估指标体系中包含目标层、标准层 以及指标层;
评估指标数据预处理,对所述标准层以及所述指标层包含的所有能效指标 数据进行预处理,以使数据标准化;
使用G1法求指标初始权重,根据G1法计算所有能效指标的初始权重;
计算专家自身权重,分别利用熵权法和直觉模糊熵法计算专家自身权重;
计算优化指标权重,将所述初始权重与所述专家自身权重相乘,得到每个 能效指标经优化后的指标权重;
计算中低压配电网综合能效评估结果,使用每个能效指标的基础值和与其 对应的优化后的指标权重进行加权求和,得到中低压配电网综合能效评估的最 终能效评估分数,生成中低压配电网综合能效评估结果。
优选地:所述评估指标数据预处理,对所述标准层以及所述指标层包含的 所有能效指标数据进行预处理,以使数据标准化包括:
对所有能效指标数据进行无量纲化、转换数据类型以及数据标准化处理。
优选地:所述标准层包含的能效指标数据包括选定的中压配电网、配电网 变压器以及低压工作组;所述指标层包含的能效指标数据为根据中低压配电网 结构特点和能效特点选定的能效指标。
优选地:所述根据G1法计算所有能效指标的初始权重包括:
能效指标重要性排序,所述标准层中的中压配电网A1、配电网变压器A2 和低压工作组A3分别有p、q、l个指标层中的指标;L个专家分别对p、q、l 个指标层指标相对于各自标准层指标中压配电网A1、配电网变压器A2和低压 工作组A3进行重要性排序,同时对标准层中的中压配电网A1、配电网变压器 A2和低压工作组A3相对于目标层进行重要性排序;得到专家j进行的重要性 排序集合分别记为:X1j={x11j,x12j,…,x1pj}、X2j={x21j,x22j,…,x2qj}、 X3j={x31j,x32j,…,x3lj}和X0j={x01j,x02j,x03j},j=1,2,…,L;相关的指标数据集合中, t=0,1,2,3的下标分别表示指标层指标以标准层中的中压配电网A1、配电网变压 器A2和低压工作组A3为目标时的指标数据集合以及标准层指标以目标层指标 为目标时的指标数据集合;
确定重要性排序集合中相邻指标间的相对重要程度;对排序后的p、q、l 和中压配电网A1、配电网变压器A2、低压工作组A3,分别将相邻的指标进行 相对重要性程度比较,记公式rtkj表示专家j判断指标 xt(k-1)相对于指标xtk的重要程度,t=0,1,2,3分别表示以目标层指标、中压配电网 A1、配电网变压器A2和低压工作组A3为目标的对应的指标数据集合,式中 pt(k-1)j和ptkj表示专家j分配的指标数据集合Xt中第k-1和k个指标的权重;相对 重要性程度由专家根据表征相对重要性程度进行判断;
计算指标层指标的初始权重,得到了专家j判断关于指标的相对重要性程 度值rtkj之后,分别计算不同目标下对应指标的初始权重;公式:
pt(k-1)j=rtkjptkj t=0,1,2,3;k=m,m-1,…,3,2
式中,j=1,2,…,L,分别计算得到L个专家对标准层对应的指标层中的p、q、l个指标层指标的初始权重和标准层指标相对于目标层的初始权重,分别记 为P1j={p11j,p12j,…,p1pj}、P2j={p21j,p22j,…,p2qj}和P3j={p31j,p32j,…,p3lj}和 P0j={p01j,p02j,p03j}。
优选地:所述分别利用熵权法和直觉模糊熵法计算专家自身权重包括:
利用熵权法计算第一专家自身权重因子Hj;根据G1法中专家对不同指标 的重要性排序计算得到的标准层和指标层指标初始权重,计算第一专家自身权 重因子Hj;
利用直觉模糊熵法计算第二专家自身权重因子Gj;使用G1法利用专家分 配的不同指标的重要性排序数值,以及由该数值计算得到的各指标相对于对应 目标指标的初始权重,利用直觉模糊熵计算第二专家自身权重因子Gj;
利用由熵权法和直觉模糊熵法计算得到的两种专家自身权重因子综合计 算专家自身权重:
优选地:所述计算第一专家自身权重因子Hj包括;
构建因子矩阵;利用通过G1法得到的L个专家分配得到的不同目标下的 指标初始权重,组成因子矩阵;由L个专家分配的初始权重P1j={p11j,p12j,…,p1pj}、 P2j={p21j,p22j,…,p2qj}和P3j={p31j,p32j,…,p3lj}和P0j={p01j,p02j,p03j},j=1,2,…,L,分 别组成因子矩阵,记为A'p×L、B'q×L、Cl'×L和M'3×L;
标准化因子矩阵;将得到的A'p×L、B'q×L、Cl'×L和M'3×L因子矩阵分别进行数据 标准化,得到标准化后的因子矩阵为Ap×L、Bq×L、Cl×L和M3×L;
计算第一专家自身权重因子Hj;矩阵A包括p个指标和L个专家,矩阵B 包括q个指标和L个专家,矩阵C包括个l指标L个专家、矩阵M包括3个指标 L个专家;计算各自因子矩阵的专家自身权重因子Htj,公式如下:
其中,计算因子矩阵A的客观专家因子H1j时,aij是 因子矩阵A的元素,c=1/lnn,且n=p,当fij=0时,则fijlnfij=0;当分别计算 因子矩阵B、C、M的客观专家因子H2j、H3j和Hj时,fij的计算式中分别代入 对应因子矩阵的元素bij、cij和mij,且分别有n=q,l,3;计算得到L个专家在不同 目标下的自身权重因子。
优选地:所述利用直觉模糊熵计算第二专家自身权重因子Gj包括:
根据各专家按照指标数据集合对应的目标评判指标重要性数值,采用预设 的对应关系确定各评价指标的隶属度和非隶属度,生成直觉模糊集;
根据公式θtkj=1-|μtkj-vtkj|、πtkj=1-μtkj-vtkj确定各指标对应的模糊度、犹豫度;其中θtkj是模糊度,πtkj是犹豫度,μtkj是隶属度,vtkj是非隶属度;
优选地:所述将所述初始权重与所述专家自身权重相乘,得到每个能效指 标经优化后的指标权重包括:
将使用G1法求取的各个专家对不同指标的初始权重和专家自身权重相乘, 将L位专家进行自身权重与自身分配的初始权重做加权求和,得到每个指标经 优化后的指标权重;综合权重加权计算式如下:
式中,ptk是指标数据集合t中第k个指标的综合权重,ptkj是指标综合数据 集合t中第k个指标的第j个专家分配的初始权重,wtj是第j个专家在第t个指 标数据集合的自身权重。
优选地:所述完成中低压配电网综合能效评估包括:
综合能效评估计算式如下:
上式中,当t=0时,n=3;t=1,n=p;t=2,n=q;t=3,n=l。s是中 低压配电网综合能效评估结果。
一种中低压配电网综合能效评估系统,包括:
建立模块,用于建立能效评估指标体系,所述的能效评估指标体系中包含 目标层、标准层以及指标层;
预处理模块,用于评估指标数据预处理,对所述标准层以及所述指标层包 含的所有能效指标数据进行预处理,以使数据标准化;
初始权重计算模块,用于使用G1法求指标初始权重,根据G1法计算所有 能效指标的初始权重;
专家自身权重计算模块,用于计算专家自身权重,分别利用熵权法和直觉 模糊熵法计算专家自身权重;
优化指标权重计算模块,用于计算优化指标权重,将所述初始权重与所述 专家自身权重相乘,得到每个能效指标经优化后的指标权重;
生成模块,用于计算中低压配电网综合能效评估结果,使用每个能效指标 的基础值和与其对应的优化后的指标权重进行加权求和,得到中低压配电网综 合能效评估的最终能效评估分数,生成中低压配电网综合能效评估结果。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
通过本发明,可以实现一种中低压配电网综合能效评估方法及系统,在一 种实现方式下,该方法可以包括建立能效评估指标体系,所述的能效评估指标 体系中包含目标层、标准层以及指标层;评估指标数据预处理,对所述标准层 以及所述指标层包含的所有能效指标数据进行预处理,以使数据标准化;使用 G1法求指标初始权重,根据G1法计算所有能效指标的初始权重;计算专家自 身权重,分别利用熵权法和直觉模糊熵法计算专家自身权重;计算优化指标权 重,将所述初始权重与所述专家自身权重相乘,得到每个能效指标经优化后的 指标权重;计算中低压配电网综合能效评估结果,使用每个能效指标的基础值 和与其对应的优化后的指标权重进行加权求和,得到中低压配电网综合能效评 估的最终能效评估分数,生成中低压配电网综合能效评估结果。本发明提供的 中低压配电网综合能效评估方法,能够有效避免专家意见过于主观无法获得良 好的权重分配结果的问题,可以获得更加客观的权重分配结果。既考虑了专家 赋权过程中的不确定性,同时在专家自身权重计算时同时考虑了注重主观经验 的直觉模糊熵法和注重客观计算结果的熵权法,得到融合主客观因素的专家自 身权重,最后可以获得更加准确的能效指标权重分配结果,从而获得更加准确 的能效评估结果。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是 本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的 前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种中低压配电网综合能效评估方法的流程 图;
图2是本发明实施例提供的能效指标综合权重求解流程图;
图3是本发明实施例提供的中低压配电网综合能效评估系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅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所获得的所有其 他实施例,都属于本发明保护的范围。
本申请所要解决的问题,是提供一种中低压配电网综合能效评估方法及系 统。传统G1法在进行指标权重分配时,需要多名专家对指标之间的重要性进 行排序和分配,然后得到专家各自的指标权重分配结果。由于专家之间的分配 原则等各不相同,最终的重要性排序会出现偏差,使用传统的权重综合方法求 解得到综合的指标权重不能很好地避免某些专家由于主观意见偏激而导致的 问题。本发明提供的中低压配电网综合能效评估方法,能够有效避免专家意见 过于主观无法获得良好的权重分配结果的问题,可以获得更加客观的权重分配 结果。
第一,引入专家自身权重,根据专家对不同指标的权重赋值情况,应用熵 权法客观地计算得到各专家的第一自身权重因子。这样可以由各专家对指标的 权重分配情况决定他们自身的权重因子,专家得到的自身权重因子可以反应专 家对指标权重分配结果的效果。
第二,使用直觉模糊熵法计算各专家的第二自身权重因子。直觉模糊熵法 可以根据专家对指标权重分配的结果得到与分配结果关联的专家自身权重因 子,表明了专家对于决策对象准确判断的相对程度。将传统的G1法和专家自 身权重相结合,并利用熵权法和直觉模糊熵法分别计算专家自身权重因子,最 后综合得到专家自身权重,再综合得到专家对于指标的综合权重。本发明方法 既考虑了专家赋权过程中的不确定性,同时在专家自身权重计算时同时考虑了 注重主观经验的直觉模糊熵法和注重客观计算结果的熵权法,得到融合主客观 因素的专家自身权重,最后可以获得更加准确的能效指标权重分配结果,从而 获得更加准确的能效评估结果。
实施例
参见图1,为本发明实施例提供的一种中低压配电网综合能效评估方法, 如图1所示,该方法包括:
S101:建立能效评估指标体系,所述的能效评估指标体系中包含目标层、 标准层以及指标层;所述标准层包含的能效指标数据包括选定的中压配电网、 配电网变压器以及低压工作组;所述指标层包含的能效指标数据为根据中低压 配电网结构特点和能效特点选定的能效指标。
S102:评估指标数据预处理,对所述标准层以及所述指标层包含的所有能 效指标数据进行预处理,以使数据标准化;对所有能效指标数据进行无量纲化、 转换数据类型以及数据标准化处理。
S103:使用G1法求指标初始权重,根据G1法计算所有能效指标的初始权 重;能效指标重要性排序,所述标准层中的中压配电网A1、配电网变压器A2 和低压工作组A3分别有p、q、l个指标层中的指标;L个专家分别对p、q、l 个指标层指标相对于各自标准层指标中压配电网A1、配电网变压器A2和低压 工作组A3进行重要性排序,同时对标准层中的中压配电网A1、配电网变压器 A2和低压工作组A3相对于目标层进行重要性排序;得到专家j进行的重要性 排序集合分别记为:X1j={x11j,x12j,…,x1pj}、X2j={x21j,x22j,…,x2qj}、 X3j={x31j,x32j,…,x3lj}和X0j={x01j,x02j,x03j},j=1,2,…,L;相关的指标数据集合中, t=0,1,2,3的下标分别表示指标层指标以标准层中的中压配电网A1、配电网变压 器A2和低压工作组A3为目标时的指标数据集合以及标准层指标以目标层指标 为目标时的指标数据集合;
确定重要性排序集合中相邻指标间的相对重要程度;对排序后的p、q、l 和中压配电网A1、配电网变压器A2、低压工作组A3,分别将相邻的指标进行 相对重要性程度比较,记公式rtkj表示专家j判断指标 xt(k-1)相对于指标xtk的重要程度,t=0,1,2,3分别表示以目标层指标、中压配电网 A1、配电网变压器A2和低压工作组A3为目标的对应的指标数据集合,式中 pt(k-1)j和ptkj表示专家j分配的指标数据集合Xt中第k-1和k个指标的权重;相对 重要性程度由专家根据表征相对重要性程度进行判断;
计算指标层指标的初始权重,得到了专家j判断关于指标的相对重要性程 度值rtkj之后,分别计算不同目标下对应指标的初始权重;公式:
pt(k-1)j=rtkjptkj t=0,1,2,3;k=m,m-1,…,3,2
式中,j=1,2,…,L,分别计算得到L个专家对标准层对应的指标层中的p、 q、l个指标层指标的初始权重和标准层指标相对于目标层的初始权重,分别记 为P1j={p11j,p12j,…,p1pj}、P2j={p21j,p22j,…,p2qj}和P3j={p31j,p32j,…,p3lj}和 P0j={p01j,p02j,p03j}。
S104:计算专家自身权重,分别利用熵权法和直觉模糊熵法计算专家自身 权重;利用熵权法计算第一专家自身权重因子Hj;根据G1法中专家对不同指 标的重要性排序计算得到的标准层和指标层指标初始权重,计算第一专家自身 权重因子Hj;构建因子矩阵;利用通过G1法得到的L个专家分配得到的不同 目标下的指标初始权重,组成因子矩阵;由L个专家分配的初始权重 P1j={p11j,p12j,…,p1pj}、P2j={p21j,p22j,…,p2qj}和P3j={p31j,p32j,…,p3lj}和P0j={p01j,p02j,p03j},j=1,2,…,L,分别组成因子矩阵,记为A'p×L、B'q×L、C'l×L和M'3×L;
标准化因子矩阵;将得到的A'p×L、B'q×L、C'l×L和M'3×L因子矩阵分别进行数据 标准化,得到标准化后的因子矩阵为Ap×L、Bq×L、Cl×L和M3×L;
计算第一专家自身权重因子Hj;矩阵A包括p个指标和L个专家,矩阵B 包括q个指标和L个专家,矩阵C包括个l指标L个专家、矩阵M包括3个指标 L个专家;计算各自因子矩阵的专家自身权重因子Htj,公式如下:
其中,计算因子矩阵A的客观专家因子H1j时,aij是 因子矩阵A的元素,c=1/lnn,且n=p,当fij=0时,则fijlnfij=0;当分别计算 因子矩阵B、C、M的客观专家因子H2j、H3j和Hj时,fij的计算式中分别代入 对应因子矩阵的元素bij、cij和mij,且分别有n=q,l,3;计算得到L个专家在不同 目标下的自身权重因子。
利用直觉模糊熵法计算第二专家自身权重因子Gj;使用G1法利用专家分 配的不同指标的重要性排序数值,以及由该数值计算得到的各指标相对于对应 目标指标的初始权重,利用直觉模糊熵计算第二专家自身权重因子Gj;根据各 专家按照指标数据集合对应的目标评判指标重要性数值,采用预设的对应关系 确定各评价指标的隶属度和非隶属度,生成直觉模糊集;
根据公式θtkj=1-|μtkj-vtkj|、πtkj=1-μtkj-vtkj确定各指标对应的模糊度、犹豫度;其中θtkj是模糊度,πtkj是犹豫度,μtkj是隶属度,vtkj是非隶属度;
利用由熵权法和直觉模糊熵法计算得到的两种专家自身权重因子综合计 算专家自身权重:
S105:计算优化指标权重,将所述初始权重与所述专家自身权重相乘,得 到每个能效指标经优化后的指标权重;将使用G1法求取的各个专家对不同指 标的初始权重和专家自身权重相乘,将L位专家进行自身权重与自身分配的初 始权重做加权求和,得到每个指标经优化后的指标权重;综合权重加权计算式 如下:
式中,ptk是指标数据集合t中第k个指标的综合权重,ptkj是指标综合数据 集合t中第k个指标的第j个专家分配的初始权重,wtj是第j个专家在第t个指 标数据集合的自身权重。
S106:计算中低压配电网综合能效评估结果,使用每个能效指标的基础值 和与其对应的优化后的指标权重进行加权求和,得到中低压配电网综合能效评 估的最终能效评估分数,生成中低压配电网综合能效评估结果。
综合能效评估计算式如下:
上式中,当t=0时,n=3;t=1,n=p;t=2,n=q;t=3,n=l。s是中 低压配电网综合能效评估结果。
下面参照附图并结合实例对本发明的具体实施方式做进一步详细描述。
图1中的步骤1描述的是建立能效评估指标体系,步骤1中所述的能效指 标体系包含了目标层、标准层和指标层,标准层选用的指标是中压配电网A1、 配电网变压器A2和低压工作组A3三个指标,并根据中低压配电网结构特点和 能效特点选取了指标层指标。最终建立的中低压配电网综合能效评估指标体系 如表1所示,其中包含标准层指标3个,分别是中压配电网A1、配电网变压 器A2和低压工作组A3。其中中压配电网对应的指标层包含p个指标,配电网 变压器对应的指标层包含q个指标,低压工作组对应的指标层包含l个指标。本发明的能效评估指标有p=9,q=7,l=9。
图1中的步骤2描述的是能效评估指标数据预处理。对能效指标的预处理 包含了能效评估指标数据无量纲化处理、数据类型统一化处理和指标数据的标 准化处理。
(1)能效评估指标数据无量纲化处理。由于能效评估指标数据包含的对 象不一样,需要对数据进行无量纲化处理才可以进行综合能效评估。对能效评 估指标数据的无量纲化处理公式如下:
(2)能效指标数据类型统一化处理。在中低压配电网综合能效评估过程 中,指标数据包含的数据类型不一样,数据类型包含了最大值类型、最小值类 型和区间值类型,对于不同的数据类型需要将其转换为统一的数据类型,方便 进行综合能效评估,本发明将数据类型统一转换为最小值类型,对于最大值类 型数据来说,转换方式是求最大值类型数据的倒数即可完成数据类型转换。对 于区间型数据类型,转换公式如下:
(3)能效指标数据的标准化处理。为了方便进行比较且方便能效评估过 程数据处理和使用,对能效指标数据进行数据的标准化处理。
图1中的步骤3描述的是使用G1法求能效指标的初始权重。本发明使用 的是G1法对中低压配电网综合能效评估指标求取初始能效指标权重。在本发 明的G1法中,对能效指标进行初始权重分配的专家数目是L=5。能效指标体 系中能效指标初始权重分配步骤如下。
(1)专家进行指标重要性排序。L位专家分别指标数据集合中的指标依 据对应各自目标指标的重要性进行排序,得到排序后的重要性排序集合,标准 层指标中压配电网A1、配电网变压器A2和低压工作组A3对应的指标层指标 重要性排序集和标准层指标相对于其目标的重要性排序分别记为 X1j={x11j,x12j,…,x1pj}、X2j={x21j,x22j,…,x2qj},X3j={x31j,x32j,…,x3lj}和 X0j={x01j,x02j,x03j},j=1,2,…,L,指标数据集合的下标t=0,1,2,3分别表示以目标层 为目标的标准层指标数据集合和以标准层指标中压配电网A1、配电网变压器 A2和低压工作组A3为目标的指标数据集合。
(2)确定重要性排序集合中相邻指标间的相对重要程度。对指标重要性 排序集中的指标按相邻指标按照表2的相对重要性程度对照表进行比较,记公 式表示专家j对指标xt(k-1)j相对于指标xtkj的重要程度判 断,t=0,1,2,3分别表示4个指标数据集合,分别是以目标层为目标的1个指标 数据集合和以标准层中3个指标中压配电网A1、配电网变压器A2和低压工作 组A3为目标的3个指标数据集合,这些指标数据集合中分别包含了3、p、q和 l个指标,其中pt(k-1)j和ptkj表示专家j对指标数据集合Xt中第k-1和k个指标的 初始权重。
(3)计算各指标数据集合中指标初始权重。得到了专家j关于指标的相 对重要性程度值rtkj之后,分别计算指标层中指标相对于对应的标准层指标的初 始权重和标准层指标相对目标层的初始权重。公式:
pt(k-1)j=rtkjptkj t=01,2,3;k=m,m-1,…,3,2
式中,j=1,2,…,L,可以分别计算得到L个专家对标准层对应的指标层中的p、q、l个指标层指标的初始权重和对应目标层为目标的标准层中3个指标的初始权 重,分别记为P1j={p11j,p12j,…,p1pj}、P2j={p21j,p22j,…,p2qj}、P3j={p31j,p32j,…,p3lj}和 P0j={p01j,p02j,p03j}。
图1中的步骤4描述的是计算专家自身权重。利用步骤3中由G1法获得 的能效评估指标体系中能效指标的初始权重P1j={p11j,p12j,…,p1pj}、 P2j={p21j,p22j,…,p2qj}、P3j={p31j,p32j,…,p3lj}和P0j={p01j,p02j,p03j}以及专家对指标 的重要性排序,分别使用熵权法和直觉模糊熵法计算专家自身权重因子,然后 由专家自身权重因子求综合专家自身权重。求解方法如下:
(1)使用熵权法计算第一专家自身权重因子Hj。根据G1法中专家对不 同指标的重要性排序计算得到的标准层和指标层指标初始权重,计算客观专家 自身权重因子。
a.构造权重因子矩阵。使用各指标数据集合的指标对应其目标的初始权重 P1j={p11j,p12j,…,p1pj}、P2j={p21j,p22j,…,p2qj}、P3j={p31j,p32j,…,p3lj}和 P0j={p01j,p02j,p03j}构造专家自身权重因子矩阵,记为A'p×L、B'q×L、C'l×L和M'3×L。专 家自身因子矩阵具体结构如下:
上述四个矩阵即为根据能效指标的初始权重构造的专家自身权重因子矩 阵,其中ptkj表示的是第j个专家对第t个指标数据集合中的第k个指标分配的 初始权重,t=0,1,2,3,t=0,k=1,2,3;t=1,k=1,2,…,p;t=2,k=1,2,…,q;t=3,k=1,2,…,l; j=1,2,…,L。
b.将a中构造的专家自身权重因子矩阵进行标准化,得到标准化后的专家 自身权重因子矩阵Ap×L、Bq×L、Cl×L和M3×L。
c.计算第一专家自身权重因子Hj。矩阵A包括p个指标和L个专家,矩阵 B包括q个指标和L个专家、矩阵C包括l个指标和L个专家、矩阵M包括3个 指标和L个专家。计算各自因子矩阵的专家自身权重因子,公式如下:
其中,计算因子矩阵A的客观专家因子H1j时,aij是 因子矩阵A的元素,c=1/lnn,且n=p,当fij=0时,那么fijlnfij=0。当分别计 算因子矩阵B、C、M的客观专家因子H2j、H3j和Hj时,fij的计算式中分别代 入对应因子矩阵的元素bij、cij和mij,且n=q,l,3。这样就计算得到L个专家在不 同目标下的自身权重因子H1j、H2j、H3j和Hj,j=1,2,…,L。
(2)使用直觉模糊熵法计算第二专家自身权重因子Gj。利用专家对不同 指标相对于其目标分配的指标重要性数值,和专家对指标数据集合中的指标分 配的初始权重,使用直觉模糊熵计算第二专家自身权重因子Gj。
a.各专家评判指标重要性数值。L位专家分别对所有指标相对于其上一层 目标进行重要性打分,即指标层指标对应其标准层目标指标进行重要性打分, 标准层指标对应于目标层进行重要性打分。指标重要性打分分值从1-9分之间, 可以为小数,其中指标越重要,分数越高。指标重要性分数集合中,分数由高 到低依次排列,得到专家j判断指标层指标分别相对于其上一层对应的标准层 中的指标中压配电网、配电网变压器和低压工作组的指标重要性分数集如下:
Y1j={y11j,y12j,…,y1pj}
Y2j={y21j,y22j,…,y2qj}
Y3j={y31j,y32j,…,y3lj}
其中,Y1j表示专家j判断标准层中中压配电网对应的指标层指标相对标准 层指标中压配电网的重要分数集,集合中即为专家对指标的重要性打分数值。 后两个分数集含义可类推。
标准层中指标相对于目标层,其重要性分数集如下:
Y0j={y01j,y02j,y03j}
其中,Y0j表示的是专家j判断的标准层指标相对于目标层的重要性分数集。
b.计算分数集中相邻指标间的权重大小比值。根据专家分别对指标进行重 要性打分得到的重要性分数集,将分数集中相邻的指标计算其权重大小比值, 公式如下:
式中,r'tkj是专家Gj判断的分数集t中相邻指标之间权重大小的比值,wtkj表示的是以专家j打分为基础的分数集t中的第k个指标的权重,yt(k-1)j、ytkj分别表示的 是专家j打分的分数集中第k-1个和第k个指标的重要性分数,所有分数如步骤 4的a中分数集所示。
c.计算指标对应的权重值。利用上一步计算得到的r'tkj来计算所有指标的相 对于其目标的权重值。公式如下:
wt(k-1)j=r'tkjwtkj t=0,1,2,3;k=m,m-1,…,3,2
式中,j=1,2,…,L,可以分别计算得到L个专家对标准层对应的指标层中的 p、q、l个指标层指标的初始权重和标准层指标相对于目标层的权重值,分别 记为W1j={w11j,w12j,…,w1pj}、W2j={w21j,w22j,…,w2qj}、W3j={w31j,w32j,…,w3lj}和 W0j={w01j,w02j,w03j}。
d.计算基于直觉模糊熵法的隶属度和非隶属度。对于专家打分是整数的指 标,其分数分别对应表3中的程度评价中“极端不重要”到“极端重要”以及 相对应的隶属度和非隶属度,以μtkj表示隶属度,vtkj表示非隶属度。对于专家 打分带小数的指标重要性分数介于重要度ya、yb之间,可通过公式计算得到对 应的隶属度和非隶属度,公式如下:
式中,ytkj为专家对分数集t中第k个指标进行的带小数的打分,ya、yb均为 正整数分数,yb>ya且ytkj介于ya、yb之间。μa、μb分别表示重要度ya、yb对应的 隶属度,va、vb分别表示重要度ya、yb对应的非隶属度,而(μtkj、vtkj)表示ytkj所属 的隶属度和非隶属度。
e.根据公式θtkj=1-|μtkj-vtkj|、πtkj=1-μtkj-vtkj确定对应的模糊度、犹豫度; 其中θtkj是模糊度,πtkj是犹豫度,μtkj是隶属度,vtkj是非隶属度。
(3)计算专家自身权重。利用由熵权法和直觉模糊熵法计算得到的两种 专家自身权重因子综合计算专家自身权重计算式如下:
图1中的步骤5描述的是计算优化权重。将各个专家对不同指标的权重分 配和专家自身权重相乘,并将L位专家进行自身权重加权后得到的权重相加, 得到每个指标经优化后的指标权重。综合权重加权计算式如下:
图1中的步骤6描述的是计算中低压配电网综合能效评估结果。使用能效 指标的基础值和优化指标权重进行加权求和,得到中低压配电网综合能效评估 的最终能效评估分数,完成中低压配电网综合能效评估。综合能效评估计算式 如下:
上式中,当t=0时,n=3;t=1,n=p;t=2,n=q;t=3,n=l。s是中低 压配电网综合能效评估结果。
表1中低压配电网综合能效评估指标体系
表2指标相对重要性刻度
表3指标重要性数值及其隶属度和非隶属度
程度评价 | (隶属度,非隶属度) | 定性评价 | (隶属度,非隶属度) |
极端重要9 | (0.90,0) | 较不重要4 | (0.30,0.60) |
很重要8 | (0.80,0.05) | 不重要3 | (0.15,0.70) |
重要7 | (0.70,0.15) | 很不重要2 | (0.05,0.80) |
较重要 | (0.60,0.30) | 极端不重要1 | (0,0.90) |
同等重要5 | (0.50,0.50) |
下面对本发明实施例提供的中低压配电网综合能效评估系统进行介绍,下 文描述的中低压配电网综合能效评估系统与上文描述的中低压配电网综合能 效评估方法可相互对应参照。
图3为本发明实施例提供的中低压配电网综合能效评估系统的结构框图, 参照图3中低压配电网综合能效评估系统可以包括:
建立模块201,用于建立能效评估指标体系,所述的能效评估指标体系中 包含目标层、标准层以及指标层;
预处理模块202,用于评估指标数据预处理,对所述标准层以及所述指标 层包含的所有能效指标数据进行预处理,以使数据标准化;
初始权重计算模块203,用于使用G1法求指标初始权重,根据G1法计算 所有能效指标的初始权重;
专家自身权重计算模块204,用于计算专家自身权重,分别利用熵权法和 直觉模糊熵法计算专家自身权重;
优化指标权重计算模块205,用于计算优化指标权重,将所述初始权重与 所述专家自身权重相乘,得到每个能效指标经优化后的指标权重;
生成模块206,计算中低压配电网综合能效评估结果,使用每个能效指标 的基础值和与其对应的优化后的指标权重进行加权求和,得到中低压配电网综 合能效评估的最终能效评估分数,生成中低压配电网综合能效评估结果。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将 一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些 实体或操作之间存在任何这种实际的关系或者顺序。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 的过程、方法、物品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过程、方法、物品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 括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。 凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在 本发明的保护范围内。
Claims (10)
1.一种中低压配电网综合能效评估方法,其特征在于,包括:
建立能效评估指标体系,所述的能效评估指标体系中包含目标层、标准层以及指标层;
评估指标数据预处理,对所述标准层以及所述指标层包含的所有能效指标数据进行预处理,以使数据标准化;
使用G1法求指标初始权重,根据G1法计算所有能效指标的初始权重;
计算专家自身权重,分别利用熵权法和直觉模糊熵法计算专家自身权重;
计算优化指标权重,将所述初始权重与所述专家自身权重相乘,得到每个能效指标经优化后的指标权重;
计算中低压配电网综合能效评估结果,使用每个能效指标的基础值和与其对应的优化后的指标权重进行加权求和,得到中低压配电网综合能效评估的最终能效评估分数,生成中低压配电网综合能效评估结果。
2.根据权利要求1所述的中低压配电网综合能效评估方法,其特征在于,所述评估指标数据预处理,对所述标准层以及所述指标层包含的所有能效指标数据进行预处理,以使数据标准化包括:
对所有能效指标数据进行无量纲化、转换数据类型以及数据标准化处理。
3.根据权利要求1所述的中低压配电网综合能效评估方法,其特征在于,所述标准层包含的能效指标数据包括选定的中压配电网、配电网变压器以及低压工作组;所述指标层包含的能效指标数据为根据中低压配电网结构特点和能效特点选定的能效指标。
4.根据权利要求3所述的中低压配电网综合能效评估方法,其特征在于,所述根据G1法计算所有能效指标的初始权重包括:
能效指标重要性排序,所述标准层中的中压配电网A1、配电网变压器A2和低压工作组A3分别有p、q、l个指标层中的指标;L个专家分别对p、q、l个指标层指标相对于各自标准层指标中压配电网A1、配电网变压器A2和低压工作组A3进行重要性排序,同时对标准层中的中压配电网A1、配电网变压器A2和低压工作组A3相对于目标层进行重要性排序;得到专家j进行的重要性排序集合分别记为:X1j={x11j,x12j,…,x1pj}、X2j={x21j,x22j,…,x2qj}、X3j={x31j,x32j,…,x3lj}和X0j={x01j,x02j,x03j},j=1,2,…,L;相关的指标数据集合中,t=0,1,2,3的下标分别表示指标层指标以标准层中的中压配电网A1、配电网变压器A2和低压工作组A3为目标时的指标数据集合以及标准层指标以目标层指标为目标时的指标数据集合;
确定重要性排序集合中相邻指标间的相对重要程度;对排序后的p、q、l和中压配电网A1、配电网变压器A2、低压工作组A3,分别将相邻的指标进行相对重要性程度比较,记公式rtkj表示专家j判断指标xt(k-1)相对于指标xtk的重要程度,t=0,1,2,3分别表示以目标层指标、中压配电网A1、配电网变压器A2和低压工作组A3为目标的对应的指标数据集合,式中pt(k-1)j和ptkj表示专家j分配的指标数据集合Xt中第k-1和k个指标的权重;相对重要性程度由专家根据表征相对重要性程度进行判断;
计算指标层指标的初始权重,得到了专家j判断关于指标的相对重要性程度值rtkj之后,分别计算不同目标下对应指标的初始权重;公式:
pt(k-1)j=rtkjptkj t=0,1,2,3;k=m,m-1,…,3,2
式中,j=1,2,…,L,分别计算得到L个专家对标准层对应的指标层中的p、q、l个指标层指标的初始权重和标准层指标相对于目标层的初始权重,分别记为P1j={p11j,p12j,…,p1pj}、P2j={p21j,p22j,…,p2qj}和P3j={p31j,p32j,…,p3lj}和P0j={p01j,p02j,p03j}。
5.根据权利要求4所述的中低压配电网综合能效评估方法,其特征在于,所述分别利用熵权法和直觉模糊熵法计算专家自身权重包括:
利用熵权法计算第一专家自身权重因子Hj;根据G1法中专家对不同指标的重要性排序计算得到的标准层和指标层指标初始权重,计算第一专家自身权重因子Hj;
利用直觉模糊熵法计算第二专家自身权重因子Gj;使用G1法利用专家分配的不同指标的重要性排序数值,以及由该数值计算得到的各指标相对于对应目标指标的初始权重,利用直觉模糊熵计算第二专家自身权重因子Gj;
利用由熵权法和直觉模糊熵法计算得到的两种专家自身权重因子综合计算专家自身权重:
6.根据权利要求5所述的中低压配电网综合能效评估方法,其特征在于,所述计算第一专家自身权重因子Hj包括;
构建因子矩阵;利用通过G1法得到的L个专家分配得到的不同目标下的指标初始权重,组成因子矩阵;由L个专家分配的初始权重P1j={p11j,p12j,…,p1pj}、P2j={p21j,p22j,…,p2qj}和P3j={p31j,p32j,…,p3lj}和P0j={p01j,p02j,p03j},j=1,2,…,L,分别组成因子矩阵,记为A'p×L、B'q×L、C′l×L和M'3×L;
标准化因子矩阵;将得到的A'p×L、B'q×L、C′l×L和M'3×L因子矩阵分别进行数据标准化,得到标准化后的因子矩阵为Ap×L、Bq×L、Cl×L和M3×L;
计算第一专家自身权重因子Hj;矩阵A包括p个指标和L个专家,矩阵B包括q个指标和L个专家,矩阵C包括个l指标L个专家、矩阵M包括3个指标L个专家;计算各自因子矩阵的专家自身权重因子Htj,公式如下:
7.根据权利要求5所述的中低压配电网综合能效评估方法,其特征在于,所述利用直觉模糊熵计算第二专家自身权重因子Gj包括:
根据各专家按照指标数据集合对应的目标评判指标重要性数值,采用预设的对应关系确定各评价指标的隶属度和非隶属度,生成直觉模糊集;
根据公式θtkj=1-|μtkj-vtkj|、πtkj=1-μtkj-vtkj确定各指标对应的模糊度、犹豫度;其中θtkj是模糊度,πtkj是犹豫度,μtkj是隶属度,vtkj是非隶属度;
10.一种中低压配电网综合能效评估系统,其特征在于,包括:
建立模块,用于建立能效评估指标体系,所述的能效评估指标体系中包含目标层、标准层以及指标层;
预处理模块,用于评估指标数据预处理,对所述标准层以及所述指标层包含的所有能效指标数据进行预处理,以使数据标准化;
初始权重计算模块,用于使用G1法求指标初始权重,根据G1法计算所有能效指标的初始权重;
专家自身权重计算模块,用于计算专家自身权重,分别利用熵权法和直觉模糊熵法计算专家自身权重;
优化指标权重计算模块,用于计算优化指标权重,将所述初始权重与所述专家自身权重相乘,得到每个能效指标经优化后的指标权重;
生成模块,用于计算中低压配电网综合能效评估结果,使用每个能效指标的基础值和与其对应的优化后的指标权重进行加权求和,得到中低压配电网综合能效评估的最终能效评估分数,生成中低压配电网综合能效评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010629570.2A CN111784166B (zh) | 2020-07-03 | 2020-07-03 | 一种中低压配电网综合能效评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010629570.2A CN111784166B (zh) | 2020-07-03 | 2020-07-03 | 一种中低压配电网综合能效评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111784166A true CN111784166A (zh) | 2020-10-16 |
CN111784166B CN111784166B (zh) | 2024-01-16 |
Family
ID=72758497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010629570.2A Active CN111784166B (zh) | 2020-07-03 | 2020-07-03 | 一种中低压配电网综合能效评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784166B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH117475A (ja) * | 1997-06-19 | 1999-01-12 | Nippon Denki Joho Service Kk | 企業診断システム |
US20110071969A1 (en) * | 2008-05-23 | 2011-03-24 | Faiyaz Doctor | Neuro type-2 fuzzy based method for decision making |
CN105469196A (zh) * | 2015-11-18 | 2016-04-06 | 山东科技大学 | 一种矿井建设项目过程后评价的综合评价方法及系统 |
CN106779341A (zh) * | 2016-11-30 | 2017-05-31 | 广东工业大学 | 一种电力用户用电状况效能评估的方法及系统 |
CN106779279A (zh) * | 2016-11-10 | 2017-05-31 | 广东工业大学 | 一种工业用户能效评估方法及系统 |
CN107506905A (zh) * | 2017-08-01 | 2017-12-22 | 华北电力大学 | 一种改进的电网企业可持续发展综合评价方法 |
KR20180010679A (ko) * | 2016-07-22 | 2018-01-31 | 공주대학교 산학협력단 | 기업의 기술력 평가 시스템 |
CN108197848A (zh) * | 2018-03-22 | 2018-06-22 | 广东工业大学 | 一种基于直觉模糊理论的电能质量综合评估方法及装置 |
CN109146184A (zh) * | 2018-08-28 | 2019-01-04 | 成都信息工程大学 | 基于改进熵和得分函数的区间直觉模糊多属性决策方法 |
CN110175789A (zh) * | 2019-05-31 | 2019-08-27 | 国网山东省电力公司经济技术研究院 | 基于模糊层次和critic法的配电网诊断评估指标权重赋权方法 |
CN110458463A (zh) * | 2019-08-15 | 2019-11-15 | 西南交通大学 | 一种基于区间直觉模糊决策的电力物联网安全评估方法 |
-
2020
- 2020-07-03 CN CN202010629570.2A patent/CN111784166B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH117475A (ja) * | 1997-06-19 | 1999-01-12 | Nippon Denki Joho Service Kk | 企業診断システム |
US20110071969A1 (en) * | 2008-05-23 | 2011-03-24 | Faiyaz Doctor | Neuro type-2 fuzzy based method for decision making |
CN105469196A (zh) * | 2015-11-18 | 2016-04-06 | 山东科技大学 | 一种矿井建设项目过程后评价的综合评价方法及系统 |
KR20180010679A (ko) * | 2016-07-22 | 2018-01-31 | 공주대학교 산학협력단 | 기업의 기술력 평가 시스템 |
CN106779279A (zh) * | 2016-11-10 | 2017-05-31 | 广东工业大学 | 一种工业用户能效评估方法及系统 |
CN106779341A (zh) * | 2016-11-30 | 2017-05-31 | 广东工业大学 | 一种电力用户用电状况效能评估的方法及系统 |
CN107506905A (zh) * | 2017-08-01 | 2017-12-22 | 华北电力大学 | 一种改进的电网企业可持续发展综合评价方法 |
CN108197848A (zh) * | 2018-03-22 | 2018-06-22 | 广东工业大学 | 一种基于直觉模糊理论的电能质量综合评估方法及装置 |
CN109146184A (zh) * | 2018-08-28 | 2019-01-04 | 成都信息工程大学 | 基于改进熵和得分函数的区间直觉模糊多属性决策方法 |
CN110175789A (zh) * | 2019-05-31 | 2019-08-27 | 国网山东省电力公司经济技术研究院 | 基于模糊层次和critic法的配电网诊断评估指标权重赋权方法 |
CN110458463A (zh) * | 2019-08-15 | 2019-11-15 | 西南交通大学 | 一种基于区间直觉模糊决策的电力物联网安全评估方法 |
Non-Patent Citations (1)
Title |
---|
郑凯;彭显刚;李壮茂;朱俊超;黄伟;: "基于直觉模糊熵修正权重的工业用户能效综合评估", 智慧电力, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN111784166B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yong | Plant location selection based on fuzzy TOPSIS | |
CN109800989A (zh) | 采用评价指标分类综合评价的供应商选择方法 | |
CN109784778A (zh) | 一种基于综合赋权的电网规划模糊综合评价方法 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN110909983A (zh) | 一种主动配电网电能质量多维评估方法 | |
CN109657817A (zh) | 一种配电变压器健康评估方法 | |
CN106651147A (zh) | 基于lcc的配电网综合效益评估指标的综合权重确定方法 | |
CN103942609B (zh) | 产品服务供应链优化设计方法 | |
CN104537432B (zh) | 基于证据推理的电力系统多目标优化调度的决策方法 | |
CN107169655A (zh) | 一种优选配电网方案适应性的方法及装置 | |
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 | |
CN108509385A (zh) | 一种设备制造供应商评价方法 | |
CN111861089A (zh) | 一种电力现货市场的综合评价方法 | |
CN109993463A (zh) | 一种综合管廊的工程质量管理评价方法 | |
Berlanga et al. | Multiobjective evolutionary induction of subgroup discovery fuzzy rules: a case study in marketing | |
CN112488565A (zh) | 一种基于物元可拓的海外工程项目风险评价方法 | |
CN109857939A (zh) | 面向智能制造服务的精准推送方法 | |
CN112101785A (zh) | 一种用于电力与通信共享铁塔的综合效益分析的方法 | |
CN114862144A (zh) | 一种适用于绩效评价的权重确定方法 | |
CN110135743A (zh) | 基于直觉模糊层次分析模型的科技成果效益评估方法 | |
CN111784166A (zh) | 一种中低压配电网综合能效评估方法及系统 | |
Bazrkar et al. | IDENTIFYING AND SELECTING THE STRATEGIC PROCESS USING THE CROSS-EFFICIENCY APPROACH BASED ON SATISFACTION LEVEL AND EXTENDDED BALANCED SCORECARD. | |
CN111563652A (zh) | 一种评价电网企业综合计划执行情况的方法 | |
CN113033886B (zh) | 一种配电网规划建设评估方法 | |
CN111652459A (zh) | 一种计及新能源消纳多指标内涵的电网评价方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |