CN113516366A - 用户资源价值的评估方法和计算机设备 - Google Patents

用户资源价值的评估方法和计算机设备 Download PDF

Info

Publication number
CN113516366A
CN113516366A CN202110625296.6A CN202110625296A CN113516366A CN 113516366 A CN113516366 A CN 113516366A CN 202110625296 A CN202110625296 A CN 202110625296A CN 113516366 A CN113516366 A CN 113516366A
Authority
CN
China
Prior art keywords
index
evaluated
evaluation
determining
weight
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
Application number
CN202110625296.6A
Other languages
English (en)
Inventor
邓淑斌
张妍
钟声
黄国日
梁志飞
尚楠
张翔
宋艺航
张志翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Electric Power Trade Center Co ltd
Energy Development Research Institute of China Southern Power Grid Co Ltd
Original Assignee
Guangzhou Electric Power Trade Center Co ltd
Energy Development Research Institute of China Southern Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Electric Power Trade Center Co ltd, Energy Development Research Institute of China Southern Power Grid Co Ltd filed Critical Guangzhou Electric Power Trade Center Co ltd
Priority to CN202110625296.6A priority Critical patent/CN113516366A/zh
Publication of CN113516366A publication Critical patent/CN113516366A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种用户资源价值的评估方法和计算机设备。方法包括：确定出待评估用户的用于评估用户资源价值的待评估指标，并获取待评估指标的指标数据；获取与各指标等级对应的隶属度云模型，并利用各隶属度云模型分别确定出各指标数据与各指标等级的隶属度，得到各待评估指标的评估等级；根据各评估等级，确定出与待评估用户对应的用户资源价值等级。本方法避免了通过技术人员主观判断确定出各用户的用户资源价值等级的过程，从而能够提高设置用户资源价值等级的客观性和准确度。

Description

用户资源价值的评估方法和计算机设备
技术领域
本申请涉及电力市场价值评估技术领域，特别是涉及一种用户资源价值的评估方法和计算机设备。
背景技术
随着电力市场建设工作的普及化，电力市场建设重心将由批发侧转向零售侧，主要面向售电企业。在电力市场化竞争条件下，售电企业与用户的关系逐步从管理和被管理转变为服务和被服务的关系。因此为了提升售电企业的盈利能力和竞争能力，售电企业通过为各用户划分用户资源价值等级，明确哪些用户是高价值用户，从而能够针对性地为各用户提供电力服务，能够更有针对性地进行服务管理，合理化使用企业资源，并且能够提高用户的服务体验，使企业获得最大的收益。
传统的技术方案中，一般是技术人员根据各评估指标和自身对各用户的认识情况，为各用户设置对应的用户资源价值等级，但是这种为用户设置用户资源价值等级的方式，依赖技术人员的主观判断，将导致为用户设置的用户资源价值等级不准确。
因此，如何提高设置用户资源价值等级的客观性和准确度，是本领域技术人员目前需要解决的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高设置用户资源价值等级的客观性和准确度的用户资源价值的评估方法和计算机设备。
一种用户资源价值的评估方法，所述方法包括：
确定出待评估用户的用于评估用户资源价值的待评估指标，并获取所述待评估指标的指标数据；
获取与各指标等级对应的隶属度云模型，并利用各所述隶属度云模型分别确定出各所述指标数据与各所述指标等级的隶属度，得到各所述待评估指标的评估等级；
根据各所述评估等级，确定出与所述待评估用户对应的用户资源价值等级。
在其中一个实施例中，所述获取与各指标等级对应的隶属度云模型的过程，包括：
获取用于评估用户资源价值的样本评估指标，并确定出与各所述样本评估指标对应的评估云模型；
根据各所述评估云模型确定出各所述样本评估指标在对应不同的所述指标等级时的边界值；
根据各所述指标等级的边界值与正态云模型的转换关系确定出等级界限云模型，并根据所述等级界限云模型确定出所述隶属度云模型。
在其中一个实施例中，所述样本评估指标包括定性指标和定量指标；所述确定出与各所述样本评估指标对应的评估云模型的过程，包括：
获取各所述定性指标的自然语言评价，并根据预设转换机制将各所述自然语言评价转换为对应的评价分值；
根据各所述评价分值确定出与所述定性指标对应的评语集云模型；
获取各所述定量指标的数据值，并根据各所述数据值确定出与所述定量指标对应的定量指标云模型。
在其中一个实施例中，所述根据各所述评估等级，确定出与所述待评估用户对应的用户资源价值等级的过程，包括：
获取各所述待评估指标分别对应的指标权重；
利用各所述待评估指标的所述评估等级和所述指标权重，通过加权求和的方式确定出与所述待评估用户对应的用户资源价值等级。
在其中一个实施例中，所述方法进一步包括：
获取各所述自然语言评价的评价权重；
所述根据各所述评价分值确定出与所述定性指标对应的评语集云模型的过程，包括：
根据各所述评价分值和与各所述自然语言评价对应的评价权重确定出与所述定性指标对应的评语集云模型。
在其中一个实施例中，所述获取各所述待评估指标分别对应的指标权重的过程，包括：
通过主观赋权和客观赋权的方式为各所述待评估指标设置第一指标权重和第二指标权重；
分别为所述第一指标权重和所述第二指标权重设置权重的比重；
利用线性加权组合法根据所述第一指标权重、所述第二指标权重以及所述权重的比重确定出各所述待评估指标的所述指标权重。
在其中一个实施例中，通过主观赋权为各所述待评估指标设置所述第一指标权重的过程，包括：
建立层次结构模型，利用各所述待评估指标两两之间的重要程度比较值构造判断矩阵；
对所述判断矩阵进行归一化处理后，根据处理结果确定出各所述待评估指标的预估指标权重；
通过一致性检验确定出所述判断矩阵的一致性比率；
当所述一致性比率在预设范围内时，将各所述待评估指标的预估指标权重设置为所述第一指标权重。
在其中一个实施例中，通过客观赋权为各所述待评估指标设置所述第二指标权重的过程，包括：
根据各所述待评估指标两两之间的隶属度建立模糊一致判断矩阵；
根据所述待评估指标两两之间的隶属度判断所述模糊一致判断矩阵是否具有一致性；
若是，则利用所述模糊一致判断矩阵确定出各所述待评估指标的所述第二指标权重。
在其中一个实施例中，所述待评估指标包括客户利润、客户成本、客户信用、客户能力、客户忠诚、需求侧响应和综合能源服务。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
确定出待评估用户的用于评估用户资源价值的待评估指标，并获取所述待评估指标的指标数据；
获取与各指标等级对应的隶属度云模型，并利用各所述隶属度云模型分别确定出各所述指标数据与各所述指标等级的隶属度，得到各所述待评估指标的评估等级；
根据各所述评估等级，确定出与所述待评估用户对应的用户资源价值等级。
上述用户资源价值的评估方法和计算机设备，通过确定出与各指标等级对应的隶属度云模型，并利用各隶属度云模型确定出待评估用户的各待评估指标的评估等级，再根据各评估等级确定出与待评估用户对应的用户资源价值等级；本方法避免了通过技术人员主观判断确定出各用户的用户资源价值等级的过程，从而能够提高设置用户资源价值等级的客观性和准确度。
附图说明
图1为一个实施例中用户资源价值的评估方法的流程图；
图2为一个实施例中获取与各指标等级对应的隶属度云模型的过程的流程图；
图3为一个实施例中待评估指标的类型的示意图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的用户资源价值的评估方法，一般应用于信息处理终端中，用于实现评估出待评估用户的资源价值等级；信息处理终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。
在一个实施例中，如图1所示，提供了一种用户资源价值的评估方法，以该方法应用于信息处理终端为例进行说明，包括以下步骤：
步骤102，确定出待评估用户的用于评估用户资源价值的待评估指标，并获取待评估指标的指标数据。
具体的，预先利用影响用户资源价值情况的因素建立电力零售用户资源价值评估指标体系，即得出用于评估用户资源价值的样本评估指标。本实施例中的待评估指标指的是用于评估待评估用户的用户资源价值的指标，待评估指标可以是电力零售用户资源价值评估指标体系中的全部或部分指标，本实施例对待评估指标的指标类型也不做限定。
在确定出待评估用户的待评估指标后，需要进一步确定出与各待评估指标分别对应的指标数据。指标数据为表征待评估指标的状态程度的数据信息，对于定性指标来说，指标数据为根据专家设置的自然语言评价确定出的数据信息；对于定量指标来说，指标数据为与定量指标对应的数据值。
具体的，可以是通过响应于用户的输入操作获取与各待评估指标对应的指标数据，也可以是接收其他终端发送的与各待评估指标对应的指标数据，本实施例对获取与各待评估指标对应的指标数据的方式不做限定。
步骤104，获取与各指标等级对应的隶属度云模型，并利用各隶属度云模型分别确定出各指标数据与各指标等级的隶属度，得到各待评估指标的评估等级。
在本实施例中，预先根据实际需求设置四个指标等级{V1，V2，V3，V4}＝{一级客户，二级客户，三级客户，四级客户}，并获取与各指标等级分别对应的隶属度云模型；隶属度云模型是为了计算待评估指标与其对应的指标等级的隶属度，并根据最大隶属度原则确定该待评估指标所对应的评估等级，即将待评估指标的隶属度最大值对应的指标等级确定为该待评估指标的评估等级。
例如，假设需要确定“客户利润”这一待评估指标的评估等级，在预先为四个指标等级分别设置隶属度云模型之后，将“客户利润”对应的指标数据分别输入至各隶属度云模型中进行计算，得出与各指标等级分别对应的隶属度，将隶属度最大值对应的隶属度云模型的指标等级确定为该“客户利润”这一待评估指标对应的评估等级。
具体的，隶属度云模型可以是在每次进行用户资源价值的评估时设置，也可以是预先设置好隶属度云模型后，在需要进行用户资源价值的评估时直接获取，本实施例对此不做限定。
步骤106，根据各评估等级，确定出与待评估用户对应的用户资源价值等级。
具体的，在确定出待评估用户的各待评估指标的分别对应的评估等级后，根据各评估等级进行综合计算，确定出待评估用户的用户资源价值等级。在实际操作中，可以是计算各评估等级的平均值，并将该平均值设置为待评估用户的用户资源价值等级，也可以是对各评估等级进行加权求和计算，将加权求和的计算结果设置为待评估用户的用户资源价值等级，本实施例对计算用户资源价值等级的具体计算方式不做限定。
上述用户资源价值的评估方法中，通过确定出与各指标等级对应的隶属度云模型，并利用各隶属度云模型确定出待评估用户的各待评估指标的评估等级，再根据各评估等级确定出与待评估用户对应的用户资源价值等级；本方法避免了通过技术人员主观判断确定出各用户的用户资源价值等级的过程，从而能够提高设置用户资源价值等级的客观性和准确度。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，如图2所示的一种获取与各指标等级对应的隶属度云模型的过程的流程图，本实施例中，获取与各指标等级对应的隶属度云模型的过程，包括：
步骤202：获取用于评估用户资源价值的样本评估指标，并确定出与各样本评估指标对应的评估云模型。
具体的，首先获取用于评估用户资源价值的样本评估指标，样本评估指标包括定性指标和定量指标；然后确定出与各样本评估指标分别对应的评估云模型。
作为一种优选的实施方式，确定出与各样本评估指标对应的评估云模型的过程，包括：
获取各定性指标的自然语言评价，并根据预设转换机制将各自然语言评价转换为对应的评价分值；
根据各评价分值确定出与定性指标对应的评语集云模型；
获取各定量指标的数据值，并根据各数据值确定出与定量指标对应的定量指标云模型。
具体的，对于定性指标而言，一般不容易给出一个确定的分值，而是比较容易给出评价该定性指标的自然语言评价；也就是说，自然语言评价是专家利用文字的形式对定性指标进行描述评估情况。在本实施例中，首先获取各定性指标的自然语言评价，然后根据预先设置的自然语言评价与评价分值的相互转换机制，将各自然语言评价转换为对应的评价分值。在实际操作中，可以获取n位专家的自然语言评价，再将n位专家的自然语言评价均转换为对应的评价分值；然后，结合浮动云模型的概念，对n位专家的自然语言评价进行整合，得出评语集云模型。作为优选的实施方式，本发明实施例提供的方法进一步包括：
获取各自然语言评价的评价权重；
根据各评价分值确定出与定性指标对应的评语集云模型的过程，包括：
根据各评价分值和与各自然语言评价对应的评价权重确定出与定性指标对应的评语集云模型。
具体的，预先根据专家的技术水平、资历等因素确定各专家的权重，该权重也就是各专家为定性指标设置自然语言评价时，对应的自然语言评价的权重，即得出自然语言评价的评价权重。
在为各自然语言评价设置评价权重之后，对应的一种获取评语集云模型C1(Ex，En，He)的过程包括：
Figure BDA0003100757760000071
Figure BDA0003100757760000072
Figure BDA0003100757760000073
其中，(Exi，Eni，Hei)表示第i位专家的自然语言评价，i的取值范围为1至n，n表示共有n位专家分别作出对应的自然语言评价；wi表示各专家的自然语言评价的评价权重，各评价权重的权值由决策者自行设定，其中
Figure BDA0003100757760000074
具体的，定量指标通常有对应的数据值，因此在本实施例中，通过获取各定量指标的数据值，并根据各数据值确定出与定量指标对应的定量指标云模型。
本实施例中，一种获取定量指标云模型C2(Ex，En，He)的过程包括：
Figure BDA0003100757760000081
Figure BDA0003100757760000082
Figure BDA0003100757760000083
其中，
Figure BDA0003100757760000084
xi表示定量指标的数据值；m表示定量指标对应有m个对应的数据值。
步骤204：根据各评估云模型确定出各样本评估指标在对应不同的指标等级时的边界值。
可以理解的是，各样本评估指标在对应不同的指标等级时，将对应有不同的边界值；因此在确定出与各样本评估指标对应的评估云模型之后，根据各评估云模型确定出各样本评估指标在对应不同的指标等级时的边界值。在实际操作中，具体可以根据各样本评估指标的评估数据或数据值的数据分布情况等因素为各样本评估指标设置其对应不同的指标等级时的边界值。
例如，对于“客户利润”这一样本评估指标而言，其对应第一等级时的边界值为(c1min，c1max)，其对应第二等级时的边界值为(c2min，c2max)。也就是说，若“客户利润”的指标数据在(c1min，c1max)这一范围内，则表示“客户利润”的评估等级为第一等级，若“客户利润”的指标数据在(c2min，c2max)这一范围内，则表示“客户利润”的评估等级为第二等级。
步骤206：根据各指标等级的边界值与正态云模型的转换关系确定出等级界限云模型，并根据等级界限云模型确定出隶属度云模型。
具体的，在确定出各指标等级的边界值后，全面考虑双约束空间边界值的随机性和模糊性，根据实际需求将边界值作为对应的样本评估指标的双约束空间进行适度扩展，通过区间数与正态云模型的转换关系式计算出电力客户资源价值的等级界限云模型如下：
Ex＝(cmin+cmax)/2；
En＝(cmax-cmin)/6；
He＝s；
其中，s为常数，可根据样本评估指标的不确定性和实际情况进行调整。
在确定出等级界限云模型后，以等级界限云模型中的En为期望值，以超熵He为标准差得到正态随机数E`n，进而根据期望Ex和正态随机数E`n确定出正态云滴曲线，即得出隶属度云模型：
Figure BDA0003100757760000091
其中，x表示待评估用户的待评估指标的评价分值或数据值。
可见，按照本实施例的方式确根据评估指标的类型不同定出隶属度云模型，能够更加精准地设置隶属度云模型，从而更精准地确定出各评估指标对应的指标等级。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，根据各评估等级，确定出与待评估用户对应的用户资源价值等级的过程，包括：
获取各待评估指标分别对应的指标权重；
利用各待评估指标的评估等级和指标权重，通过加权求和的方式确定出与待评估用户对应的用户资源价值等级。
具体的，由于各待评估指标对评估用户资源价值等级的影响程度不同，因此在本实施例中，进一步获取各待评估指标分别对应的指标权重，即获取表征待评估指标对计算用户资源价值等级的影响程度的指数，进而利用评估等级和指标权重进行加权求和计算，得出与待评估用户对应的用户资源价值等级。
在本实施例中，作为一种优选的实施方式，获取各待评估指标分别对应的指标权重的过程，包括：
通过主观赋权和客观赋权的方式为各待评估指标设置第一指标权重和第二指标权重；
分别为第一指标权重和第二指标权重设置权重的比重；
利用线性加权组合法根据第一指标权重、第二指标权重以及权重的比重确定出各待评估指标的指标权重。
在本实施例中，具体是通过组合赋权的方式为待评估指标设置对应的权重。具体的，首先通过主观赋权和客观赋权两种方式分别为待评估指标设置对应的指标权重，然后根据实际需求情况分别为第一指标权重和第二指标权重设置权重的比重，即设置第一指标权重在计算待评估指标的指标权重时的重要影响程度；再利用线性加权组合法根据第一指标权重、第二指标权重以及权重的比重确定出各待评估指标的指标权重。例如，在一种具体操作中，可以设置第一指标权重和第二指标权重分别为0.5，根据线性加权组合法，将(第一指标权重*0.5+第二指标权重*0.5)的结果作为待评估指标的指标权重。
作为优选的实施方式，通过主观赋权为各待评估指标设置第一指标权重的过程，包括：
建立层次结构模型，利用各待评估指标两两之间的重要程度比较值构造判断矩阵；
对判断矩阵进行归一化处理后，根据处理结果确定出各待评估指标的预估指标权重；
通过一致性检验确定出判断矩阵的一致性比率；
当一致性比率在预设范围内时，将各待评估指标的预估指标权重设置为第一指标权重。
具体的，首先利用层次分析法，将用户资源价值等级这一层设置为目标层(O)，将样本评估指标这一层设置为准则层(C)，建立层次结构模型；然后，采用1～9的标度，比较各待评估指标两两之间的重要程度，得出比较值aij，且
Figure BDA0003100757760000101
其中，aij表示待评估指标aj与待评估指标ai进行比较时，ai比aj的重要程度，得出判断矩阵。判断矩阵为n*n的矩阵，n表示共有n个待评估指标。假设共有5个待评估指标，将确定出判断矩阵如下：
Figure BDA0003100757760000111
通过判断矩阵A，运用方根法将各待评估指标进行归一化处理，具体如下：
Figure BDA0003100757760000112
在对判断矩阵进行归一化处理后，根据处理结果确定出各待评估指标的预估指标权重：
Figure BDA0003100757760000113
需要说明的是，在确定出预估指标权重后，需要进一步根据判断矩阵是否具有一致性，且在判断矩阵具有一致性的情况下才能将该预估指标权重确定为待评估指标的第一指标权重；否则，则表示待评估指标中处在不合适的指标，需要对待评估指标进行调整，对判断矩阵进行调整。
具体的，首先通过一致性检验确定出判断矩阵的一致性比率，具体方式如下：
首先设置一致性指标：
Figure BDA0003100757760000114
其中，
Figure BDA0003100757760000115
为判断矩阵A的最大特征根的特征向量，
Figure BDA0003100757760000116
当CI＝0时，表示判断矩阵A有完全的一致性；当CI接近于0时，表示判断矩阵A有满意的一致性，CI越大，表示不一致性越严重。为了衡量一致性指标CI的大小，进一步设置随机一致性指标RI，计算一致性比率：
Figure BDA0003100757760000117
其中，随机一致性指标RI一般与待评估指标的数量相关，可根据实际需求设置。
具体的，当CR＜0.1时，表示判断矩阵A的不一致程度在允许范围之内，即各待评估指标通过了一致性检验，具有满意的一致性，因此可以将预先计算出的预估指标权重ωi作为各待评估指标的第一指标权重ω1i；否则表示判断矩阵A的不一致程度超过了允许范围，各待评估指标没有通过一致性检验，需要进一步对判断矩阵A进行调整。
作为优选的实施方式，通过客观赋权为各待评估指标设置第二指标权重的过程，包括：
根据各待评估指标两两之间的隶属度建立模糊一致判断矩阵；
根据待评估指标两两之间的隶属度判断模糊一致判断矩阵是否具有一致性；
若是，则利用模糊一致判断矩阵确定出各待评估指标的第二指标权重。
具体的，在确定出待评估用户的待评估指标对应的集合U＝{a1，a2，...，an}之后，计算待评估指标ai和待评估指标aj相对于准则层进行比较时，两者之间具有模糊关系的隶属度rij，也就是当前进行比较的待评估指标相对于上一级指标的重要性；其中，ai和aj表示集合U中的任意两个待评估指标，n表示共有n个待评估指标；rij的取值范围为0～1。另外需要说明的是，rij也可以表示待评估指标ai比待评估指标aj重要的隶属度。
然后，根据计算出的各隶属度，确定出对应的模糊一致判断矩阵，模糊一致判断矩阵是模糊关系的矩阵表示，具体如下：
Figure BDA0003100757760000121
在确定出模糊一致判断矩阵之后，根据待评估指标两两之间的隶属度判断模糊一致判断矩阵是否具有一致性。当rij＞0.5时，表示
Figure BDA0003100757760000122
使得rik＞rjk；且rik-rjk是待评估指标ai比待评估指标aj相对重要的一个度量，则ai比aj绝对重要的度量：
rij＝rik-rjk+rjj＝rik-rjk+0.5。
若确定出模糊一致判断矩阵具有一致性，则利用模糊一致判断矩阵求计算出各待评估指标的第二指标权重。
另外，根据rij表示待评估指标ai比待评估指标aj重要的隶属度，确定出rij与ω2i-ω2j之间存在一定的联系，利用函数f(x)表示rij与ω2i-ω2j之间存在的联系，得出rij＝f(ω2i-ω2j)；其中，ω2i表示待评估指标ai的第二指标权重，ω2j表示待评估指标aj的第二指标权重；待评估指标ai的第二指标权重ω2i的计算公式为：
Figure BDA0003100757760000131
其中，i，k∈1，2，...，n。
可见，本实施例通过进一步获取各待评估指标分别对应的指标权重，能够使得计算出的用户资源价值等级更加精准；并且通过主观赋权和客观赋权的方式分别为待评估指标设置第一指标权重和第二指标权重，从而能够根据第一指标权重和第二指标权重通过组合赋权的方式计算出各待评估指标的指标权重，组合赋权方式能够综合考虑待评估指标的综合情况得出对应的指标权重，从而能够更加精准地计算出用户资源价值等级。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，如图3所示，为一个实施例中待评估指标的类型的示意图，本实施例中，待评估指标包括客户利润、客户成本、客户信用、客户能力、客户忠诚、需求侧响应和综合能源服务。
在本实施例中，构建用户资源价值评估体系的样本评估指标包括传统电力市场下的评估指标以及一些新增的评估指标；对应的待评估指标也可以包括传统电力市场下的评估指标以及一些新增的评估指标。其中，传统电力市场下的评估指标包括客户利润、客户成本、客户信用、客户能力、客户忠诚等维度层；其中，客户利润对应的评估指标包括年售电量和年平均售电价格，客户成本对应的评估指标包括电压等级、用电负荷率和管理成本；客户信用对应的评估指标包括违约用电次数、年合同偏差电量和合同履约率；客户能力对应的评估指标包括资产负债率、销售利润率、流动资产周转率、总资产增长率；客户忠诚对应的评估指标包括客户满意度和客户更换服务商频率。本实施例中进一步考虑需求侧响应和综合能源服务两个维度层的评估指标；其中，需求侧响应对应的评估指标包括可中断负荷容量、储能装置容量、充电桩数量、峰时用电率等，综合能源服务指标对应的评估指标包括电务工程委托情况、分布式电源委托运维意愿、购用电咨询意愿等。需要说明的是，本实施例对评估指标的类型和数量都不做限定，根据实际需求设置即可。
可见，本实施例根据客户利润、客户成本、客户信用、客户能力、客户忠诚、需求侧响应和综合能源服务等计算待评估用户的用户资源价值等级，考虑到的影响用户资源价值等级的因素更加全面，因此能使得计算出的用户资源价值等级更加精准。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，方法还包括：
根据各待评估用户的用户资源价值等级，确定出目标用户群。
在实际操作中，可能需要进一步根据用户资源价值等级确定出哪些用户是企业的高价值用户，从而能够开展更有针对性的服务管理。在本实施例中，是在确定出各不同的待评估用户分别对应的用户资源价值等级后，进一步根据各待评估用户的用户资源价值等级对各待评估用户进行分组，同一分组中的待评估用户的用户资源价值等级相同或者属于同一范围内，然后确定出目标用户资源价值等级对应的目标用户群，即根据选中的目标用户资源价值等级确定出对应的分组，进而得出对应的目标用户群。
可见，本实施例通过进一步根据各待评估用户的用户资源价值等级，确定出目标用户群，能够进一步便于企业根据目标用户群进行资源管理。
应该理解的是，虽然上述实施例涉及的各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，上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
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3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待评估指标数据。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一种用户资源价值的评估方法。
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，本申请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 Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用户资源价值的评估方法，其特征在于，所述方法包括：
确定出待评估用户的用于评估用户资源价值的待评估指标，并获取所述待评估指标的指标数据；
获取与各指标等级对应的隶属度云模型，并利用各所述隶属度云模型分别确定出各所述指标数据与各所述指标等级的隶属度，得到各所述待评估指标的评估等级；
根据各所述评估等级，确定出与所述待评估用户对应的用户资源价值等级。
2.根据权利要求1所述的方法，其特征在于，所述获取与各指标等级对应的隶属度云模型的过程，包括：
获取用于评估用户资源价值的样本评估指标，并确定出与各所述样本评估指标对应的评估云模型；
根据各所述评估云模型确定出各所述样本评估指标在对应不同的所述指标等级时的边界值；
根据各所述指标等级的边界值与正态云模型的转换关系确定出等级界限云模型，并根据所述等级界限云模型确定出所述隶属度云模型。
3.根据权利要求2所述的方法，其特征在于，所述样本评估指标包括定性指标和定量指标；所述确定出与各所述样本评估指标对应的评估云模型的过程，包括：
获取各所述定性指标的自然语言评价，并根据预设转换机制将各所述自然语言评价转换为对应的评价分值；
根据各所述评价分值确定出与所述定性指标对应的评语集云模型；
获取各所述定量指标的数据值，并根据各所述数据值确定出与所述定量指标对应的定量指标云模型。
4.根据权利要求2所述的方法，其特征在于，所述根据各所述评估等级，确定出与所述待评估用户对应的用户资源价值等级的过程，包括：
获取各所述待评估指标分别对应的指标权重；
利用各所述待评估指标的所述评估等级和所述指标权重，通过加权求和的方式确定出与所述待评估用户对应的用户资源价值等级。
5.根据权利要求3所述的方法，其特征在于，所述方法进一步包括：
获取各所述自然语言评价的评价权重；
所述根据各所述评价分值确定出与所述定性指标对应的评语集云模型的过程，包括：
根据各所述评价分值和与各所述自然语言评价对应的评价权重确定出与所述定性指标对应的评语集云模型。
6.根据权利要求4所述的方法，其特征在于，所述获取各所述待评估指标分别对应的指标权重的过程，包括：
通过主观赋权和客观赋权的方式为各所述待评估指标设置第一指标权重和第二指标权重；
分别为所述第一指标权重和所述第二指标权重设置权重的比重；
利用线性加权组合法根据所述第一指标权重、所述第二指标权重以及所述权重的比重确定出各所述待评估指标的所述指标权重。
7.根据权利要求6所述的方法，其特征在于，通过主观赋权为各所述待评估指标设置所述第一指标权重的过程，包括：
建立层次结构模型，利用各所述待评估指标两两之间的重要程度比较值构造判断矩阵；
对所述判断矩阵进行归一化处理后，根据处理结果确定出各所述待评估指标的预估指标权重；
通过一致性检验确定出所述判断矩阵的一致性比率；
当所述一致性比率在预设范围内时，将各所述待评估指标的预估指标权重设置为所述第一指标权重。
8.根据权利要求6所述的方法，其特征在于，通过客观赋权为各所述待评估指标设置所述第二指标权重的过程，包括：
根据各所述待评估指标两两之间的隶属度建立模糊一致判断矩阵；
根据所述待评估指标两两之间的隶属度判断所述模糊一致判断矩阵是否具有一致性；
若是，则利用所述模糊一致判断矩阵确定出各所述待评估指标的所述第二指标权重。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述待评估指标包括客户利润、客户成本、客户信用、客户能力、客户忠诚、需求侧响应和综合能源服务。
10.一种计算机设备，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权利要求1至9中任一项所述的方法的步骤。
CN202110625296.6A 2021-06-04 2021-06-04 用户资源价值的评估方法和计算机设备 Pending CN113516366A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110625296.6A CN113516366A (zh) 2021-06-04 2021-06-04 用户资源价值的评估方法和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110625296.6A CN113516366A (zh) 2021-06-04 2021-06-04 用户资源价值的评估方法和计算机设备

Publications (1)

Publication Number Publication Date
CN113516366A true CN113516366A (zh) 2021-10-19

Family

ID=78065504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110625296.6A Pending CN113516366A (zh) 2021-06-04 2021-06-04 用户资源价值的评估方法和计算机设备

Country Status (1)

Country Link
CN (1) CN113516366A (zh)

Similar Documents

Publication Publication Date Title
Rădulescu et al. An extended TOPSIS approach for ranking cloud service providers
JP6034890B2 (ja) 仕様、推定、原因となるドライバの発見及びマーケット反応弾性又はリフト係数の自動化
Qu et al. A cloud trust evaluation system using hierarchical fuzzy inference system for service selection
CN112396211B (zh) 一种数据预测方法及装置、设备和计算机存储介质
Hurn et al. A smooth transition logit model of the effects of deregulation in the electricity market
Megahed et al. Pricing IT services deals: A more agile top-down approach
Radulescu et al. Group decision support approach for cloud quality of service criteria weighting
CN113111924A (zh) 电力客户分类方法及装置
US20230410020A1 (en) Systems and methods for real-time lead grading
Eddy et al. Credit scoring models: Techniques and issues
EP2880601A2 (en) Asymmetrical multilateral decision support system
Chen et al. An intuitionstic fuzzy factorial analysis model for multi-attribute decision-making under random environment
CN115271282A (zh) 基于模糊逻辑的客户价值确定方法及装置
CN114692859A (zh) 数据处理方法及装置、计算设备及试验精简设备
WO2017016403A1 (zh) 确定业务对象品牌指数信息的方法及装置
CN113516366A (zh) 用户资源价值的评估方法和计算机设备
CN113837467B (zh) 点对点能源项目评估方法、装置、计算机设备和存储介质
CN115391460A (zh) 一种基于区块链平台的企业数据处理方法
Wu et al. Trustworthiness measurement of e-commerce systems using fuzzy hybrid multi-criteria analysis
Zheng et al. Ranking-based cloud service recommendation
CN115082098A (zh) 评价信息处理方法及装置、存储介质、电子设备
Manam et al. A Machine Learning Approach to Resource Management in Cloud Computing Environments
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质
Tan et al. Investment recommendation with total capital value maximization in online P2P lending
Al-Sharawneh et al. Mitigating risk in web-based social network service selection: follow the leader

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