CN115062992A - 基于能源大数据的综合能源系统发展水平测算方法及系统 - Google Patents
基于能源大数据的综合能源系统发展水平测算方法及系统 Download PDFInfo
- Publication number
- CN115062992A CN115062992A CN202210734992.5A CN202210734992A CN115062992A CN 115062992 A CN115062992 A CN 115062992A CN 202210734992 A CN202210734992 A CN 202210734992A CN 115062992 A CN115062992 A CN 115062992A
- Authority
- CN
- China
- Prior art keywords
- weight
- principal component
- energy
- determining
- development level
- 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 111
- 230000033772 system development Effects 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 77
- 238000011161 development Methods 0.000 claims abstract description 44
- 230000018109 developmental process Effects 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 24
- 230000009467 reduction Effects 0.000 claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000000513 principal component analysis Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013139 quantization Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 13
- 230000006872 improvement Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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—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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (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能源大数据的综合能源系统发展水平测算方法及系统，该方法包括根据能源大数据建立量化指标体系；确定各指标对应的评价因素，对其进行聚类形成各指标集；对各指标集进行标准化处理确定标准化值；通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；通过层次分析法确定各主成分的第二权重；分别确定两个权重的权系数，确定各主成分权重；通过加权平均法加权计算所有主成分得到对应层面的发展水平；最终确定能源系统各层面的发展水平。本实施例中提出了一种结合传统主成分分析法和层次分析法的优点,建立综合评价指标体系，实现，更好地服务能源大数据中心建设发展方向，促进提质增效，推动管理水平不断提升。
Description
技术领域
本文件涉及系统发展分析技术领域，尤其涉及一种基于能源大数据的综合能源系统发展水平测算方法及系统。
背景技术
能源大数据理念是将电力、石油、燃气等能源领域数据及人口、地理、气象等其他领域数据进行综合采集、处理、分析与应用的相关技术与思想。能源大数据不仅是大数据技术在能源领域的深入应用，也是能源生产、消费及相关技术革命与大数据理念的深度融合，将加速推进能源产业发展及商业模式创新。
随着社会经济的发展，能源消费逐年递增。在保证正常生活的前提下，合理应用和调度综合能源，是未来能源管理应用的重要任务。能源产业大数据平台不仅是应用互联网机制与技术改造传统能源系统的最佳切入点，而且是推进能源系统智慧化转型升级的有效手段，亦是打破行业壁垒，促进各种能源系统融合的助推剂。
有鉴于此，需提供一种以综合能源经济指标体系为基础，实现综合能源系统发展水平测算方法。
发明内容
本说明书一个或多个实施例提供了一种基于能源大数据的综合能源系统发展水平测算方法，根据能源大数据建立能源系统各层面量化指标体系；
确定各指标对应的评价因素，对评价因素进行聚类形成各指标集；对各指标集进行标准化处理，确定其中各评价因素的标准化值；
根据标准化处理后的各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；通过层次分析法确定各主成分的第二权重；
分别确定各主成分的第一权重及第二权重的权系数，最终确定各主成分权重；
根据确定的各主成分权重及其对应的标准化值，通过采用加权平均法加权计算所有主成分得到对应层面的发展水平；最终确定能源系统各层面的发展水平。
本说明书一个或多个实施例提供了一种基于能源大数据的综合能源系统发展水平测算系统，包括：
指标体系构建单元：根据能源大数据建立能源系统各层面量化指标体系；
指标集建立单元：确定各指标对应的评价因素，对评价因素进行聚类形成各指标集；
数据处理单元：对指标集建立单元确定的各指标集进行标准化处理，确定其中各评价因素的标准化值；
第一权重确定单元：对经数据处理单元标准化处理后的各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；
第二权重确定单元：通过层次分析法确定第一权重确定单元中各主成分的第二权重；
主成分权重计算单元：分别确定各主成分的第一权重及第二权重的权系数，确定各主成分权重；
系统发展水平计算单元：根据主成分权重计算单元确定的各主成分权重及数据处理单元确定的各主成分对应的标准化值，通过加权平均法加权计算所有主成分得到各层面的发展水平。
本说明书一个或多个实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述基于能源大数据的综合能源系统发展水平测算方法。
本说明书一个或多个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述基于能源大数据的综合能源系统发展水平测算方法。
本发明针对能源大数据的海量性、异构性和实时性特点，为确保指标体系的科学性以及为了确保能源发展预测的准确度，指标选择必须具备代表性，并尽可能的降低数据收集的难度与范围。本实施例中提出了一种结合传统主成分分析法和层次分析法的优点，建立综合评价指标体系，解决了当前指标应用效果评价依赖人工决策、指标选取重复、权重系数主观性强等问题，实现对能源大数据中心指标体系应用成效评估的公正、客观评价，从全局视角研判应用状况以及关键影响因素，更好地服务能源大数据中心建设发展方向，促进提质增效，推动管理水平不断提升。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的基于能源大数据的综合能源系统发展水平测算方法流程图；
图2为本说明书一个或多个实施例提供的基于能源大数据的综合能源系统发展水平测算系统的结构示意图；
图3为本说明书一个或多个实施例提供的计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
下面结合具体实施方式和说明书附图对本发明做出详细的说明。
方法实施例
根据本发明实施例，提供了一种基于能源大数据的综合能源系统发展水平测算方法，如图1所示，为本发明实施例提供的基于能源大数据的综合能源系统发展水平测算方法流程图，根据本发明实施例的基于能源大数据的综合能源系统发展水平测算方法，包括步骤：
S1、根据能源大数据建立能源系统各层面量化指标体系；
S2、确定各指标对应的评价因素，对评价因素进行聚类形成各指标集；对各指标集进行标准化处理，确定其中各评价因素的标准化值；
S3、根据步骤S2标准化处理后的各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；
S4、通过层次分析法确定步骤S3中各主成分的第二权重；
S5、分别确定各主成分的第一权重及第二权重的权系数，最终确定各主成分权重；
S6、根据确定的各主成分权重及其对应的标准化值，通过采用加权平均法加权计算所有主成分得到对应层面的发展水平；最终确定能源系统各层面的发展水平。
本实施例方法，针对能源大数据的海量性、异构性和实时性特点，为确保指标体系的科学性以及为了确保能源发展预测的准确度，指标选择必须具备代表性，并尽可能的降低数据收集的难度与范围。本实施例中提出了一种结合传统主成分分析法和层次分析法的优点,建立综合评价指标体系，解决了当前指标应用效果评价依赖人工决策、指标选取重复、权重系数主观性强等问题，实现对能源大数据中心指标体系应用成效评估的公正、客观评价，从全局视角研判应用状况以及关键影响因素，更好地服务能源大数据中心建设发展方向，促进提质增效，推动管理水平不断提升。
本实施例，综合评价指标体系构建的思想如下。
目前基于能源数据的综合评价方法主要有两大类:主观评价方法和客观评价方法。其中,主观评价方法有层次分析法、德尔菲法等,客观评价方法有主成分分析法、因子分析法、聚类分析法等。
主成分分析法是多元统计分析中的一种重要评价方法，它充分依赖样本的客观信息，并借助数学变化去除原始指标间的重叠性，对其实现降维处理，有助于发现影响评价结果的主要指标。但主成分分析法在评价指标权系数中只考虑了其信息量权而忽视了重要性权对评价指标的主观价值判断，它通过特征向量法来判断评价指标的权值，由于对所有的评价对象采用相同的权重分配，很容易影响评价的正确性和公正性。
而层次分析法将评价对象层次条理化，使评价体系更为清晰，各指标因素间的从属关系也更明确。通过对上层因素的下级指标间的相对重要性给出主观判断，科学的把人们的知识和经验融入评价过程，并将定性指标的实际意文定量地表示出来，对评价对象作出综合评估。然而层次分析法忽略了样本的客观数据所反映的指标间相互关系，也难以分析影响评价对象的主要因素。另外层次分析法在构造两两比较矩阵时过于依靠专家经验，主观知识存在误差时会对评价结果的准确性产生较大影响。
本实施例方法考虑到层次分析法与主成分分析法层次分析法，所以如何将它们科学结合在一起能够做到扬长避短，实现既考虑了指标间的相互关系，很好的反映评价对象的客观因素，又将对于评价对象的主观认识包含进去，所以将主成分分析的客观分析与层次分析法的主观分析结合用于对经济发展水平进行测算成为本实施例方法的实现目的。
基于上述思想，以下结合附图1及附表1，对本发明实施例的上述技术方案进行详细说明。
本实施例能源大数据不仅是大数据技术在能源领域的深入应用，也是能源生产、消费及相关技术革命与大数据理念的深度融合。能源大数据是将电力、煤炭、石油、燃气、水利、风能、光能等能源领域数据以及政务、人口、地理、气象等诸多领域数据，进行综合采集、处理、分析与应用，本实施例按照能源、经济、民生、社会、环境等维度构建包含经济、能源、环境和其他层面四个一级指标的量化指标体系，具体可参见附表1；
基于上述量化指标体系及能源大数据，将评价因素(三级指标)进行聚类，且聚类分析变量选择的原则是：在哪些变量组合的前提，使得类别内部的差异尽可能的小，即同质性高，类别间的差异尽可能的大，即同质性低，并且变量之间不能存在高度相关。常用的聚类分析方法有：层次聚类法(Hierarchical)、K-均值聚类法(K-Means Cluster)、两步聚类法(Two-Step Cluester)。其中，层次聚类法又称系统聚类法既可处理分类变量，也可处理连续变量，且不需要指定类别数。聚类结果间存在着层次的关系。更适合对我们的评价因素进行分类。本实施例采用Agglomerative层次聚类方法对评价因素进行聚类确定分类后评价因素构成的指标集(二级指标)。
本实施例中，多指标体系中，由于各评价因素的单位不同，量纲不同，数量级不同，不便于分析，甚至会影响评价的结果。因此，为统一标准，要对所有的评价因素进行标准化处理，以消除量纲，将其转化为无量纲，无数量级差别的标准指标，然后再进行分析评价。
故本实施例采用极差法进行对个指标集中评价因素标准化,具体如公式(1)、(2)所示，其中，Zi为指标标准化值。极差又称范围误差或全距，以R表示，是用来表示统计资料中的变异量数，其最大值xmax与最小值xmin之间的差距，即最大值减最小值后所得之数据。它的优点是计算简单，含义直观，运用方便，故在数据统计处理中仍有着相当广泛的应用，能够将原来的数据标准化到0-1之间内，其中，
对于正向指标标准化为:
对于逆向指标标准化为：
本实施例，对于步骤S3～S5具体如下。
本实施例，如附录1所示，经济层面指标分为国民经济核算、就业人员及工资、财政、固定资产投资、人民生活五个方面；能源层面划分为电力、煤炭、石油、天然气、水、可再生能源、综合能源；对于环境层面，分为生态环境、水利、气象、森林、碳排放量；其他相关指标主要包括就业和社会保障、医疗保障、交通、移动通讯、教育、互联网等指标。
但是由于构建的指标集体系非常庞大的，实际操作起来运算难度可能会较大，在本实施例采用了主成分分析法实现降维的思想，使原本较为庞大的指标集体系浓缩为维度较低的简单指标集。通过主成分分析法降维之后，可以根据不同的应用场景选择对应指标集。
本实施例，步骤S3中，各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重具体实现步骤如下：
主成分分析是将高维空间问题转化为低维空间的问题。通过降维将原评价因素用几个主成分来代替，这几个主成分之间不相关,却能够提供指标包含的大部分的信息。此外，通过主成分分析,能根据主成分分析的贡献率计算各主成分的权重,这就使得在使用主成分进行综合分析时减少主观性，保证结果的客观性。由此，主成分分析成为数据分析中客观评价极重要的一环。它完善了综合评价领域的理论体系，也使得分析结果更加客观。
由于能源大数据的指标较多，因此使用主成分分析法来降低数据的维度，即提取少量主成分以解释大部分原有指标信息，以较少的变量反映原有变量的大部分信息，并根据主成分分析法所得结论确定各主成分的权重，也为下一步工作打下基础。首先，根据数据的特征，进行数据标准化计算，由于能源大数据指标体系中的指标较多，难以对于每一个指标确定一个最优标准，因此采用级差法进行指标标准化。
使用主成分分析法分别对经济、能源、环境和其他层面四个一级指标下的原始指标提取主成分，根据主成分分析的结果进行客观赋权，主成分分析法可以计算出原始变量即附录中三级指标的权重结果，具体计算方法是原始变量占第一主成分的权重等于第一主成分对该变量的方差解释度除以第一主成分对所有变量方差解释度之和，这样就可以得到含有三级指标中大部分信息的变量，以此来作为经济、能源等大类的客观评价。
主成分分析赋权法的优势在于作为客观赋权法的一种，可以在搜集大量样本的基础上做到最大程度的降低个体主观性的干扰，但是劣势在于客观赋权法的通用性与决策人的可参与性较差，有时可能无法反映出各个指标的实际重要程度；而层次分析法作为主观赋权法的一种，其优势在于更加贴近实际，用专家的实际经验判断各指标间的相对重要性程度，但是劣势在于反映了学者的主观性，结果可能具有主观随意性。综上所述，为避免采用任何一种单一的赋权方法造成结果的偏倚，选择将主成分分析法与层次分析法进行组合，互相弥补缺陷，全面地对能源指标的影响因素做出评价，采用组合赋权法既可以避免人为因素带来的偏差，也可以避免由于忽略指标实际重要程度而造成的偏差。
步骤S4通过层次分析法确定步骤S3中各主成分的第二权重包括以下分析过程：
本实施例，层次分析法把复杂问题划分为有序的层次结构后，将构造的指标体系的定性判断给予量化，之后通过定量的计算后，得到各主成分的权重。
将两两主成分进行比较，相对重要性，建立判断矩阵，进而再求出特征向量，便可以确定每个主成分的重要程度。依此类推，还可以将n个主成分看做n个方案，根据上述原则可以确定每个方案的相对重要度，即每个方案的具体价值，通过所得结果可以确定最终方案。
应用到能源大数据的指标体系中，在构建的面向能源大数据的指标集分类中，主要包含四个层面：能源层面、经济层面、环境层面及其他层面，所以建立的层次分析模型的第一层级有四个指标，层次分析模型的第二层级的指标即使附录中的三级指标(评价因素)，构建出能源大数据指标体系的层次分析模型。
首先，通过定性的方法构建判断矩阵，对层次分析模型第二层次各主成分进行两两比较，采用查阅资料和专家打分的方式，通过专业知识分析对于影响综合发展水平的各层次主成分进行全方位的比较程度的打分，对专家打分结果取平均值可得到各层次判断矩阵。为了获得各影响因素的权重数值，需要计算出判断矩阵的最大特征根，寻找最大特征跟对应的归一化后的特征向量，即可以求得某一层次指标对于上一层次相关指标的权重数值。
步骤S5分别确定各主成分的第一权重及第二权重的权系数，最终确定各主成分权重具体为：
本实施例，采用层次分析法和主成分分析法相结合确定指标权重，这样既体现了评价者的意愿，又可以避免评价者的主观意愿与实际情况的偏差，同时还可以充分利用原始数据的信息。
设由主成分分析法确定出各主成分的客观权重为wo＝(wo1,wo2,wo3,…won)，为第一权重；由层次分析法确定出各主成分的主观权重为ws＝(ws1,ws2,ws3,…wsn)；为第二权重，设第一权重与第二权重具有同等的重要程度，则每一个主成分的最终权重：
wfi＝μwsi+(1-μ)woi (3)
式中，wfi表示主成分i的最终权重；wsi表示主成分i的第二权重；woi表示主成分i的第一权重，μ∈[0,1]表示主观权重和客观权重的权系数。
本实施例优选，μ的大小反应的是权系数分配的问题，目前研究者们大都采用优化法来确定权系数的分配问题。
本实施例基于Spearman等级相关系数组合法来确定的权系数μ，该方法是通过检测两种赋权方法所得权数之间的相关程度来确定两种赋权方法的重要程度，再进行综合集成。具体步骤如下：
计算Spearman等级相关系数，Spearman等级相关系数主要用来检测两种赋权方法得出的权数之间的相关程度，具体计算公式如下式：
式中，ρ表示主成分分析法与层次分析法之间的等级相关系数，m表示主成分个数。
基于上述两个赋权方法得到的权重计算可得，ρ＝0.12认为两种赋权结果的关系不密切，所以在这里μ取值0.5，即两种赋权结果同等重要。
则每一个评价指标的最终权重：
wfi＝0.5wsi+0.5woi (5)
最后步骤S6各层面的发展水平计算公式如下：
式中：Ej(j＝1，…，4)，为第j个层面的发展水平，Zi为第j个层面的主成分i的标准化值。
下面通过具体案例说明本实施例方法。
本案例以我国3E系统为例，运用上述方法中所建立模型分析能源、经济、民生、社会、环境、其他专题方面的协调发展情况，构建面向政府、企业和社会的能源大数据功能服务。
首先运用所建立的评价指标体系测算2004-2017年间我国能源、经济、环境、其他层面各自的发展水平以及整个系统的整体发展水平。计算结果如下表1所示。
表1、2004-2017年间各层面发展水平
基于利用能源大数据中心提供的能源分布、勘探、生产、输送、消费、价格和进出口等数据，整合、关联和分层叠加各类资源数据，在时空数据上分别以国家、省、市等多级展示数据资源，构建“能源数字地图”，为国家制定能源战略规划和产业布局、加强能源监测预警、保障能源安全提供决策支撑。
指标内容：
基础数据：能源各品种生产、消费、效率、价格等指标数据；日度、月度、季度等不同维度的电力、天然气、新能源等运行情况
分析数据：单位GDP能耗、非化石能源消费占比、电能占终端能源消费比重、人均用电等重要指标
分析结果：依照上述模型得出能源基础数据下经济系统的综合发展水平，为保障经济发展提供决策支撑，为宏观决策提供直观的依据。测算2005-2018年间我国能源、经济和综合发展水平。具体结果如下表2。
表2、2005-2018年间间我国能源、经济和综合发展水平
系统实施例
根据本发明实施例，提供了一种基于能源大数据的综合能源系统发展水平测算系统，如图2所示，为本实施例提供的基于能源大数据的综合能源系统发展水平测算系统结构框图，根据本发明实施例的基于能源大数据的综合能源系统发展水平测算系统，包括：
指标体系构建单元：根据能源大数据建立能源系统各层面量化指标体系；
指标集建立单元：确定各指标对应的评价因素，对评价因素进行聚类形成各指标集；
数据处理单元：对指标集建立单元确定的各指标集进行标准化处理，确定其中各评价因素的标准化值；
第一权重确定单元：对经数据处理单元标准化处理后的各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；
第二权重确定单元：通过层次分析法确定第一权重确定单元中各主成分的第二权重；
主成分权重计算单元：分别确定各主成分的第一权重及第二权重的权系数，确定各主成分权重；
系统发展水平计算单元：根据主成分权重计算单元确定的各主成分权重及数据处理单元确定的各主成分对应的标准化值，通过加权平均法加权计算所有主成分得到各层面的发展水平。
本实施例中，指标体系构建单元建立的量化指标体系包括经济、能源、环境和其他层面四个一级指标；
指标集建立单元通过Agglomerative层次聚类方法对评价因素进行聚类形成各指标集；
数据处理单元：对指标集建立单元确定的各指标集进行标准化处理，确定其中各评价因素的标准化值；
第一权重确定单元、第二权重确定单元、主成分权重计算单元及系统发展水平计算单元的计算步骤及各个处理步骤的具体操作可以参照上述方法实施例的描述进行理解，在此不再赘述。
本发明实施例是与上述系统实施例对应的方法实施例，各个处理步骤的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。
如图3所示，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中基于能源大数据的综合能源系统发展水平测算方法，或者计算机程序被处理器执行时实现上述实施例中基于能源大数据的综合能源系统发展水平测算方法，所述计算机程序被所述处理器执行时实现如下方法步骤：
S1、根据能源大数据建立能源系统各层面量化指标体系；
S2、确定各指标对应的评价因素，对评价因素进行聚类形成各指标集；对各指标集进行标准化处理，确定其中各评价因素的标准化值；
S3、根据步骤S2标准化处理后的各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；
S4、通过层次分析法确定步骤S3中各主成分的第二权重；
S5、分别确定各主成分的第一权重及第二权重的权系数，最终确定各主成分权重；
S6、根据确定的各主成分权重及其对应的标准化值，通过采用加权平均法加权计算所有主成分得到对应层面的发展水平；最终确定能源系统各层面的发展水平。
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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
附表1
Claims (10)
1.一种基于能源大数据的综合能源系统发展水平测算方法，其特征在于，包括以下步骤：
根据能源大数据建立能源系统各层面量化指标体系；
确定各指标对应的评价因素，对评价因素进行聚类形成各指标集；对各指标集进行标准化处理，确定其中各评价因素的标准化值；
根据标准化处理后的各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；通过层次分析法确定各主成分的第二权重；
分别确定各主成分的第一权重及第二权重的权系数，最终确定各主成分权重；
根据确定的各主成分权重及其对应的标准化值，采用加权平均法加权计算所有主成分得到对应层面的发展水平；最终确定能源系统各层面的发展水平。
2.如权利要求1所述的基于能源大数据的综合能源系统发展水平测算方法，其特征在于，使用Agglomerative层次聚类方法对评价因素进行聚类形成各指标集。
3.如权利要求1所述的基于能源大数据的综合能源系统发展水平测算方法，其特征在于，所述主成分分析法通过降维将原评价因素用多个主成分来代替，多个主成分之间不相关，且根据主成分分析的贡献率计算各主成分的权重。
4.如权利要求1所述的基于能源大数据的综合能源系统发展水平测算方法，其特征在于，所述分别确定各主成分的第一权重及第二权重的权系数具体为：
通过Spearman等级相关系数组合法来确定的权系数μ。
5.一种基于能源大数据的综合能源系统发展水平测算系统，其特征在于，包括：
指标体系构建单元：根据能源大数据建立能源系统各层面量化指标体系；
指标集建立单元：确定各指标对应的评价因素，对评价因素进行聚类形成各指标集；
数据处理单元：对指标集建立单元确定的各指标集进行标准化处理，确定其中各评价因素的标准化值；
第一权重确定单元：对经数据处理单元标准化处理后的各指标集通过主成分分析法进行评价因素降维确定主成分及各主成分的第一权重；
第二权重确定单元：通过层次分析法确定第一权重确定单元中各主成分的第二权重；
主成分权重计算单元：分别确定各主成分的第一权重及第二权重的权系数，确定各主成分权重；
系统发展水平计算单元：根据主成分权重计算单元确定的各主成分权重及数据处理单元确定的各主成分对应的标准化值，通过加权平均法加权计算所有主成分得到各层面的发展水平。
6.如权利要求5所述的基于能源大数据的综合能源系统发展水平测算方法，其特征在于，所述指标集建立单元通过使用Agglomerative层次聚类方法对评价因素进行聚类形成各指标集。
7.如权利要求5所述的基于能源大数据的综合能源系统发展水平测算方法，其特征在于，所述主成分权重计算单元通过降维将原评价因素用多个主成分来代替，多个主成分之间不相关，且根据主成分分析的贡献率计算各主成分的权重。
8.如权利要求5所述的基于能源大数据的综合能源系统发展水平测算方法，其特征在于，所述主成分权重计算单元通过Spearman等级相关系数组合法来确定的权系数μ。
9.计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述基于能源大数据的综合能源系统发展水平测算方法。
10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于能源大数据的综合能源系统发展水平测算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210734992.5A CN115062992A (zh) | 2022-06-27 | 2022-06-27 | 基于能源大数据的综合能源系统发展水平测算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210734992.5A CN115062992A (zh) | 2022-06-27 | 2022-06-27 | 基于能源大数据的综合能源系统发展水平测算方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115062992A true CN115062992A (zh) | 2022-09-16 |
Family
ID=83201998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210734992.5A Pending CN115062992A (zh) | 2022-06-27 | 2022-06-27 | 基于能源大数据的综合能源系统发展水平测算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115062992A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115639840A (zh) * | 2022-11-09 | 2023-01-24 | 海南斯兰低碳研究中心有限公司 | 一种基于光伏电站运维分析的无人机巡检方法 |
| CN115965120A (zh) * | 2022-12-01 | 2023-04-14 | 广东电网有限责任公司 | 一种区域能源在短期内的安全预警方法 |
-
2022
- 2022-06-27 CN CN202210734992.5A patent/CN115062992A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115639840A (zh) * | 2022-11-09 | 2023-01-24 | 海南斯兰低碳研究中心有限公司 | 一种基于光伏电站运维分析的无人机巡检方法 |
| CN115965120A (zh) * | 2022-12-01 | 2023-04-14 | 广东电网有限责任公司 | 一种区域能源在短期内的安全预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cheng et al. | Contractor selection using the analytic network process | |
| Suganthi | Multi expert and multi criteria evaluation of sectoral investments for sustainable development: An integrated fuzzy AHP, VIKOR/DEA methodology | |
| CN106651211B (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
| CN115062992A (zh) | 基于能源大数据的综合能源系统发展水平测算方法及系统 | |
| CN110400047A (zh) | 一种电动汽车充电网络运营的综合评价方法 | |
| CN110276556B (zh) | 一种基于多策略的环境承载力指标权重计算方法及装置 | |
| CN112668822B (zh) | 科技成果转化平台共享系统、方法、存储介质、手机app | |
| CN110782153A (zh) | 一种企业园区综合能效评估体系建模方法及系统 | |
| CN109360018A (zh) | 一种基于人工神经网络的模糊宗地地价评估方法 | |
| CN108805471A (zh) | 基于复合系统作用关系分析的水资源承载能力评价方法 | |
| Zou et al. | Fast comprehensive flood risk assessment based on game theory and cloud model under parallel computation (P-GT-CM) | |
| CN116596303A (zh) | 一种干旱风险评估与区划方法、系统、介质、设备及终端 | |
| CN112330030B (zh) | 业扩物资需求预测系统及方法 | |
| CN110443468B (zh) | 一种山洪灾害脆弱性多测度评估方法 | |
| CN115829209A (zh) | 基于碳路径的绿色智能仓库环保质量分析方法及装置 | |
| CN111340352A (zh) | 一种基于贝叶斯模型的制造系统能效评价方法 | |
| CN114372835B (zh) | 综合能源服务潜力客户识别方法、系统及计算机设备 | |
| CN112184495A (zh) | 存量低效土地监测系统及应用其的分析平台 | |
| CN105488734A (zh) | 基于全生命周期的电能计量装置质量评估方法及系统 | |
| CN115393148A (zh) | 自然资源用数据监测系统、监测方法、设备、介质及终端 | |
| Ajrina et al. | Comparison of MOORA and COPRAS methods based on geographic information system for determining potential zone of pasir batu mining | |
| CN113159634A (zh) | 一种金融产品管理方法、装置及电子设备 | |
| Ge et al. | Applications of Spatial Statistics in Poverty Alleviation in China | |
| CN108364136A (zh) | 一种基于证据推理的水资源短缺风险分析方法及系统 | |
| Liu et al. | Application of E-commerce risk assessment research with weight unknown TOPSIS method |
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 |