CN114638393A - 一种基于神经网络的电网投资决策评估方法及装置 - Google Patents
一种基于神经网络的电网投资决策评估方法及装置 Download PDFInfo
- Publication number
- CN114638393A CN114638393A CN202111366616.7A CN202111366616A CN114638393A CN 114638393 A CN114638393 A CN 114638393A CN 202111366616 A CN202111366616 A CN 202111366616A CN 114638393 A CN114638393 A CN 114638393A
- Authority
- CN
- China
- Prior art keywords
- investment
- neural network
- evaluation
- weight
- target
- 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 83
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or 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—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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于神经网络的电网投资决策评估方法及装置,涉及电网投资的技术领域,所述方法包括:构建神经网络,获取投资计划Xi、以及影响权重,确定投资目标约束限制条件;将投资计划Xi输入至神经网络,基于投资目标约束限制条件以及影响权重获取所述神经网络以获取评估结果。通过本发明提供的方法及装置可以科学合理地进行电网投资,推动相应的产业升级和技术创新。
Description
技术领域
本发明涉及电网投资的技术领域,尤其是涉及一种基于神经网络的电 网投资决策评估方法及装置。
背景技术
电网投资是我国新型基础设施建设中比较重要的组成部分。它不仅与 国民经济的发展密切相关,也与我国当前的产业结构调整和创新密切相关。 因此,投资电网有利于引导国民经济生产方式和观念的相应转变,也可以 使我国未来电力资源的利用得到进一步合理配置。这将对推动相应的产业 升级和技术创新产生一定的积极影响。因此,科学合理地进行电网投资具 有重要意义。
随着互联网和智能电网的发展,国家不断加大对电力企业基础设备的 投入,以此提高电网智能化水平和提升供电的可靠性。这需要大力开展电 网企业科学、高效建设。传统电网正朝着协调各种电源、连接各行业、信 息双向交互等各种资源优化配置的方向发展,从而带动智能社区、智能交 通、智慧城市等产业的发展。智能电网建设是我国重要能源战略,其工程 量大且涉及领域多,初期投资高,效益广泛。它们在经济、环境和社会领 域都带来了综合效益。因此,电网公司的项目投资需要考虑国家和地区政 策、环境和社会影响、经济效益等诸多因素,具有多目标、非线性、多阶 段的特点,可以说是一个具有不确定性的、多目标决策优化的系统工程问 题。
发明内容
有鉴于此,本发明的目的在于提供一种基于神经网络的电网投资决策 评估方法及装置,以科学合理地进行电网投资,推动相应的产业升级和技 术创新。
本发明提供了一种基于神经网络的电网投资决策评估方法,包括:
构建神经网络,获取投资计划Xi、以及影响权重,确定投资目标约束 限制条件;
将所述投资计划Xi输入至所述神经网络,基于投资目标约束限制条件 以及影响权重获取所述神经网络以获取评估结果。
优选的,所述神经网络包括输入层、多级指标映射层和输出层,所述 多级映射层包括投资项目层、评价指标层、战略目标层,所述影响权重包 括评价指标的影响权重、战略目标的权重。
优选的,采用如下公式投资目标约束限制条件:
Iij—第i类专业领域的第j个项目的总投资金额;
I—项目投资总金额;
ai—第i类专业领域的年度业务投资额下限;
bi—第i类专业领域的年度业务投资额上限。
优选的,所述投资项目层中采用如下公式获取贡献程度:
u—评价指标的类型;
piu—第i个投资业务项目的第u个评价指标的影响权重;
pu—投资业务计划所包含的所有项目对评价指标u的贡献程度。
优选的,所述战略目标层中采用如下公式获取贡献程度:
k=1,2,…,v—战略目标;
vk—投资计划的第k项战略目标的得分;
Vuk—第u个指标针对第k个战略目标的权重。
优选的,所述基于投资目标约束限制条件以及影响权重获取所述神经 网络以获取评估结果得步骤包括:
fl—取值为0或1,1表示投资决策,0表示不投资决策;
piu—第i个投资业务项目的第u个评价指标的影响权重;
vk—投资计划的第k项战略目标的得分;
Wk—综合权重。
另一方面,本发明提供了一种基于神经网络的电网投资决策评估装置, 包括:
网络构建与数据获取模块:用于构建神经网络,获取投资计划Xi、以 及影响权重,确定投资目标约束限制条件;
评价结果输出模块:用于将所述投资计划Xi输入至所述神经网络,基 于投资目标约束限制条件以及影响权重获取所述神经网络以获取评估结果。
本发明实施例带来了以下有益效果:本发明提供了一种基于神经网络 的电网投资决策评估方法及装置,所述方法包括:构建神经网络,获取投 资计划Xi、以及影响权重,确定投资目标约束限制条件;将投资计划Xi输入 至神经网络,基于投资目标约束限制条件以及影响权重获取所述神经网络 以获取评估结果。通过本发明提供的方法及装置可以以科学合理地进行电 网投资,推动相应的产业升级和技术创新。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从 说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其 他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实 施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下 面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍, 显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种基于神经网络的电网投资决策评估方 法流程图;
图2为本发明实施例提供的一种基于神经网络的电网投资决策评估方 法神经元网络结构图;
图3为本发明实施例提供的一种基于神经网络的电网投资决策评估方 法总评价得分图;
图4为本发明实施例提供的一种基于神经网络的电网投资决策评估方 法总评价得分图各区县评价得分图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附 图对本发明的技术方案进行清楚、完整地描述,显然,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。
目前,传统电网正朝着协调各种电源、连接各行业、信息双向交互等 各种资源优化配置的方向发展,从而带动智能社区、智能交通、智慧城市 等产业的发展。智能电网建设是我国重要能源战略,其工程量大且涉及领 域多,初期投资高,效益广泛。它们在经济、环境和社会领域都带来了综 合效益,电网公司的项目投资需要考虑国家和地区政策、环境和社会影响、 经济效益等诸多因素,具有多目标、非线性、多阶段的特点,可以说是一 个具有不确定性的、多目标决策优化的系统工程问题,基于此,本发明实 施例提供的一种基于神经网络的电网投资决策评估方法及装置,可以科学 合理地进行电网投资,推动相应的产业升级和技术创新。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种基于 神经网络的电网投资决策评估方法进行详细介绍。
实施例一:
本发明实施例一提供了一种基于神经网络的电网投资决策评估方法, 包括:
构建神经网络,获取投资计划Xi、以及影响权重,确定投资目标约束 限制条件;
将所述投资计划Xi输入至所述神经网络,基于投资目标约束限制条件 以及影响权重获取所述神经网络以获取评估结果。
优选的,所述神经网络包括输入层、多级指标映射层和输出层,所述 多级映射层包括投资项目层、评价指标层、战略目标层,所述影响权重包 括评价指标的影响权重、战略目标的权重。
根据投资资金和输出要求,设计此次投资组合优化的约束前提条件,本 发明所要投资组合的资金约束主要有两个方面。首先,要求所有领域的业 务项目投入总资金在电网企业的年总计划投资额度范围内。其次,对每个 业务领域,除了需要考虑到企业的可持续发展,还要对每个专业领域的业 务项目投资进行上、下限的约束:
优选的,采用如下公式投资目标约束限制条件:
Iij—第i类专业领域的第j个项目的总投资金额;
I—项目投资总金额;
ai—第i类专业领域的年度业务投资额下限;
bi—第i类专业领域的年度业务投资额上限。
根据前述的约束条件将所有可选投资计划拆解为可选择的优化投资项 目组合,对投资业务计划要按照重要程度分为三个层次进行数据的结构化 标准化处理:
优选的,所述投资项目层中采用如下公式获取贡献程度:
u—评价指标的类型;
piu—第i个投资业务项目的第u个评价指标的影响权重;
pu—投资业务计划所包含的所有项目对评价指标u的贡献程度。
由于投资项目的实际建设需求和预期目标的影响,可从项目的经济效 益、科学可靠性和社会环保效益等方面对投资业务项目的评价指标体系进 行分类重组。设定业务项目的评价指标集和对应权重,其贡献权重可以使 用专家评价法,也可以通过其他机器学习的数据模块计算获得。每个指标 的权重值就是方程式的解,可以按投资业务项目加权得到。
优选的,所述战略目标层中采用如下公式获取贡献程度:
k=1,2,…,v—战略目标;
vk—投资计划的第k项战略目标的得分;
Vuk—第u个指标针对第k个战略目标的权重。
考虑指标对不同目标的贡献权重不同,制定各战略目标所包含的评价 指标集和贡献权重具体数值,其可以采用专家评价法或机器学习数据模块 输出结果作为参考;
在输出层中对每个输出矩阵和五层网络结构进行一致性检验,同时采 用专家评价法或机器学习外部数据模块输出结果对vk进行优先级排序,给 出对应的综合权重wk,最终得到投资业务计划的评估结果y
优选的,所述基于投资目标约束限制条件以及影响权重获取所述神经 网络以获取评估结果得步骤包括:
fl—取值为0或1,1表示投资决策,0表示不投资决策;
piu—第i个投资业务项目的第u个评价指标的影响权重;
vk—投资计划的第k项战略目标的得分;
Wk—综合权重。
另一方面,本发明提供了一种基于神经网络的电网投资决策评估装置, 包括:
网络构建与数据获取模块:用于构建神经网络,获取投资计划Xi、以 及影响权重,确定投资目标约束限制条件;
评价结果输出模块:用于将所述投资计划Xi输入至所述神经网络,基 于投资目标约束限制条件以及影响权重获取所述神经网络以获取评估结果。
实施例三:
本发明实施例三将采用西北某电网企业近5年,即2016-2020年9个县 级市投资项目进行后评估,且将调研后的数据结果作为此次算例数据并对 数据进行层次化分析,最终输入评估决策模型得到评估结果。
(一)指标体系中9个县网的投资项目的每个项目都作为一个独立项目: 其中评估指标层有2层,第1层的基础指标共有28个,第2层为综合评估 指标,共有7个;最后目标为1层,共有3个。
(二)实验结果出于项目实验报告的保密性,仅给出最后实验结果,并对 地区进行模糊处理。
县网项目总体评价得分见表2所示。各地区县网项目评价得分见表1、 表2,该地区的县网投资业务项目的评估得分呈现出来逐年上升的良好趋势。 其中,2020年达到87.29,说明该地区县网建设整体目标得到了较好的实现, 取得一定进展,但仍有上升空间。从地区总体评估得分可以得到,各地区 县网建设情况还算理想,目标得到一定程度的实现。其中,评估得分最高 的为地区2,具体为88.25分。最低得分区域为地区9,具体为79.15分。 结果可以反映各县区2016至2020年县网的建设情况的相对水平差距。
表1评估指标体系
表2县网项目总体评价得分
评价指标 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 权重 |
协调性评价 | 76.8 | 82.43 | 85/28 | 87.19 | 88.6 | 88.75 | 0.3 |
过程评价 | 90 | 87 | 85 | 90 | 88 | 92 | 0.4 |
效果评价 | 77.84 | 79.14 | 80.42 | 81.37 | 82.68 | 82.68 | 0.4 |
总体得分 | 81.176 | 82.485 | 83.252 | 85.705 | 87.297 | 87.297 | 1 |
表3各地区县网项目评价得分
评价指标 | 地区1 | 地区2 | 地区3 | 地区4 | 地区5 | 地区6 | 地区7 | 地区8 | 地区9 |
协调性评价 | 83.83 | 99.76 | 87.66 | 82.33 | 86.56 | 84.67 | 83.94 | 85.63 | 79.8 |
过程评价 | 81 | 92 | 90 | 92 | 89 | 94 | 99 | 85 | 77 |
效果评价 | 83.45 | 85.5 | 79.44 | 70.68 | 81.4 | 70.55 | 78.84 | 81.47 | 80.66 |
总体得分 | 82.845 | 88.886 | 84.677 | 80.602 | 85.203 | 81.56 | 85.815 | 83.777 | 79.34 |
本发明具有如下优势:
由于电力投资项目具有不确定性、风险性,考虑智能电网的可持续发 展,此次发明模型提出一种基于神经网络思维的多层级且多角度的电网投 资业务项目综合评估策略。该策略可用于对于电网建设的投资的定性定量 结合的综合评估,最终呈现分析结果。
技术方案可以带来有益效果,通过对基础数据进行层次结构化,可以 实现各层次数据的分类和排序分析,并计算每个计划对整体战略目标的影 响程度。同时,该模型采用了多层次的网络结构,具有灵活性和可扩展性, 采用的神经网络模型能够和电网基业务基础数据与专家评估模式相结合, 从而最大程度降低了传统的专家评估模式和AHP层次分析在多个评估指标 下的主观性,也有利于加速智能电网和大数据分析有关技术的协调融合发 展,模型为建立业务项目智能决策系统提供了理论支持。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步 骤、数字表达式和数值并不限制本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述 描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过 程,在此不再赘述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一 旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步 定义和解释。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法 和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程 图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述 模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的 可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功 能也可以以不同于附图中所标注的顺序发生。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述 描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过 程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安 装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可 拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直 接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对 于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的 具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、 “右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所 示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示 或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作, 因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用 于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用 以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于 此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术 人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围 内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变 化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都 应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利 要求的保护范围为准。
Claims (7)
1.一种基于神经网络的电网投资决策评估方法,其特征在于,包括:
构建神经网络,获取投资计划Xi、以及影响权重,确定投资目标约束限制条件;
将所述投资计划Xi输入至所述神经网络,基于投资目标约束限制条件以及影响权重获取所述神经网络以获取评估结果。
2.根据权利要求1所述的方法,其特征在于,所述神经网络包括输入层、多级指标映射层和输出层,所述多级映射层包括投资项目层、评价指标层、战略目标层,所述影响权重包括评价指标的影响权重、战略目标的权重。
7.一种基于神经网络的电网投资决策评估装置,其特征在于,包括:
网络构建与数据获取模块:用于构建神经网络,获取投资计划Xi、以及影响权重,确定投资目标约束限制条件;
评价结果输出模块:用于将所述投资计划Xi输入至所述神经网络,基于投资目标约束限制条件以及影响权重获取所述神经网络以获取评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366616.7A CN114638393A (zh) | 2021-11-18 | 2021-11-18 | 一种基于神经网络的电网投资决策评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366616.7A CN114638393A (zh) | 2021-11-18 | 2021-11-18 | 一种基于神经网络的电网投资决策评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114638393A true CN114638393A (zh) | 2022-06-17 |
Family
ID=81946421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111366616.7A Pending CN114638393A (zh) | 2021-11-18 | 2021-11-18 | 一种基于神经网络的电网投资决策评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638393A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784725A (zh) * | 2019-01-16 | 2019-05-21 | 国家电网有限公司 | 一种电网项目的投资决策方法及系统 |
CN111091229A (zh) * | 2019-11-19 | 2020-05-01 | 国网安徽省电力有限公司经济技术研究院 | 一种电网基建项目精准投资决策方法 |
CN111680452A (zh) * | 2020-05-29 | 2020-09-18 | 国网四川省电力公司经济技术研究院 | 基于全要素数据挖掘的电网工程精准投资决策仿真方法 |
CN111695718A (zh) * | 2020-04-16 | 2020-09-22 | 国网江苏省电力有限公司经济技术研究院 | 一种考虑投资需求与规划目标的电网发展辅助决策方法 |
-
2021
- 2021-11-18 CN CN202111366616.7A patent/CN114638393A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784725A (zh) * | 2019-01-16 | 2019-05-21 | 国家电网有限公司 | 一种电网项目的投资决策方法及系统 |
CN111091229A (zh) * | 2019-11-19 | 2020-05-01 | 国网安徽省电力有限公司经济技术研究院 | 一种电网基建项目精准投资决策方法 |
CN111695718A (zh) * | 2020-04-16 | 2020-09-22 | 国网江苏省电力有限公司经济技术研究院 | 一种考虑投资需求与规划目标的电网发展辅助决策方法 |
CN111680452A (zh) * | 2020-05-29 | 2020-09-18 | 国网四川省电力公司经济技术研究院 | 基于全要素数据挖掘的电网工程精准投资决策仿真方法 |
Non-Patent Citations (1)
Title |
---|
张志强 等: "基于神经网络的电网投资决策评估模型构建", 《企业经济》, vol. 39, no. 9, 25 September 2020 (2020-09-25), pages 136 - 142 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | A mixed activity-based costing and resource constraint optimal decision model for IoT-oriented intelligent building management system portfolios | |
Quezada et al. | A method for designing a strategy map using AHP and linear programming | |
Toloo et al. | Selecting most efficient information system projects in presence of user subjective opinions: a DEA approach | |
Jamali et al. | Analysing larg supply chain management management competitive strategies in Iranian cement industries | |
CN106875270A (zh) | 一种构建及验证信用评分方程的方法和系统设计 | |
Jacyna et al. | Multicriteria decision support in designing transport systems | |
Chen et al. | Using a genetic algorithm to schedule the space-constrained AGV-based prefabricated bathroom units manufacturing system | |
Sokołowski et al. | Hard coal phase-out and the labour market transition pathways: The case of Poland | |
CN114529038A (zh) | 一种基于企业需求的智能匹配招商策略系统及方法 | |
Shmeleva et al. | Industrial management decision support system: From design to software | |
Biloshkurska et al. | Methodological bases of innovation development priorities integrated assessment | |
Azadnia et al. | A comprehensive performance measurement framework for business incubation centres: Empirical evidence in an Irish context | |
Afridi et al. | A deep reinforcement learning approach for optimal replenishment policy in a vendor managed inventory setting for semiconductors | |
Yin et al. | [Retracted] Construction of Tourism E‐Commerce Platform Based on Artificial Intelligence Algorithm | |
Hottenrott et al. | Flexible assembly layouts in smart manufacturing: An impact assessment for the automotive industry | |
Zhukov et al. | Multi-Criteria Optimization as the Methodology of Ensuring Sustainable Development of Regions: Tula Region of the Russian Federation. | |
CN114638393A (zh) | 一种基于神经网络的电网投资决策评估方法及装置 | |
Fiala et al. | Management of dynamic project portfolio | |
Forghani et al. | Contractor selection based on SWOT analysis with VIKOR and TOPSIS methods in fuzzy environment | |
Naderi et al. | System dynamics model of production-inventory-routing system in the green supply chain | |
Rathnayaka et al. | Grey system based novel forecasting and portfolio mechanism on CSE | |
Fuller et al. | Operations management and operations research: a historical and relational perspective | |
Schuh et al. | Case study on technological applications for production planning and control in the context of industry 4.0 | |
Lapishko et al. | Immatious-automatic simulation of processes in insurance activities | |
Masoud et al. | A bi-criteria hybrid metaheuristic for analysing an integrated automotive supply chain |
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 |