CN115204649A - 基于模糊评价矩阵的电力工程质量分析方法与装置 - Google Patents

基于模糊评价矩阵的电力工程质量分析方法与装置 Download PDF

Info

Publication number
CN115204649A
CN115204649A CN202210780862.5A CN202210780862A CN115204649A CN 115204649 A CN115204649 A CN 115204649A CN 202210780862 A CN202210780862 A CN 202210780862A CN 115204649 A CN115204649 A CN 115204649A
Authority
CN
China
Prior art keywords
evaluation
index
fuzzy
comprehensive evaluation
fuzzy comprehensive
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
CN202210780862.5A
Other languages
English (en)
Inventor
曾文龙
邹贵林
袁太平
陈保刚
彭飞
洪巧章
余海翔
冷祥彪
高宁
冯焕
柯伟
李志豪
吴勇
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.)
Energy Development Research Institute of China Southern Power Grid Co Ltd
Original Assignee
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 Energy Development Research Institute of China Southern Power Grid Co Ltd filed Critical Energy Development Research Institute of China Southern Power Grid Co Ltd
Priority to CN202210780862.5A priority Critical patent/CN115204649A/zh
Publication of CN115204649A publication Critical patent/CN115204649A/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
    • G06Q10/06395—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
    • 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)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种上述基于模糊评价矩阵的电力工程质量分析方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括获取电力工程质量评价的指标因素集以及评语集；根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；基于所述指标因素评判结果，构建模糊评价矩阵；根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；根据模糊综合评价结果，得到电力工程质量分析结果。整个过程中，基于评语集得到不同指标因素评判结果，并且采用模糊评价矩阵的方式进行模糊综合评价充分考虑不同评语以及不同指标因素对应最终评价结果的影响，可以得到准确的电力工程质量分析结果。

Description

基于模糊评价矩阵的电力工程质量分析方法与装置
技术领域
本申请涉及电力工程技术领域，特别是涉及一种基于模糊评价矩阵的电力工程质量分析方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着建设事业的蓬勃发展和建设规模的不断扩大，建设工程质量既是社会关注的热点，又是各级建设行政主管部门工作的重点。这是因为建设工程质量不仅关系到工程本身的适用性和建设项目的投资效果，而且关系到人民群众的生命和财产安全，一旦出现工程质量问题，还会直接影响公共利益和公众安全，因而建设工程质量越来越成为人们关注的热点。
如何全面的、客观的、科学的对建设工程质量状况进行描述和评价，并在此基础上对工程质量进行科学的监督管理和控制，以寻求保证和提高工程质量水平的方法和途径，已成为社会各界十分关心的问题。
然而，目前传统的评价方式是采用人工评价的方式，即评价人员将大量数据归集到计算机中，通过多次在计算机中进行点击、筛选、输入等动作来确定最终的评价结果。这种方式需要进行多次的人机交互，评价效率低下且容易受到外部因素的干扰，导致评价结果不准确。
发明内容
基于此，有必要针对上述技术问题，提供一种高效且准确的基于模糊评价矩阵的电力工程质量分析方法、装置、计算机设备、存储介质和计算机程序产品。
第一方面，本申请提供了一种基于模糊评价矩阵的电力工程质量分析方法。所述方法包括：
获取电力工程质量评价的指标因素集以及评语集；
根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于所述指标因素评判结果，构建模糊评价矩阵；
根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
在其中一个实施例中，所述根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果包括：
不重复从所述指标因素集中抽取单个指标因素，得到抽取指标因素；
根据所述评语集、并采用专家评价法，确定抽取指标因素对所述评语集表征的不同评价等级的隶属度；
返回所述不重复从所述指标因素集中抽取单个指标因素，得到抽取指标因素的步骤，直至所述指标因素集中所有指标因素全部抽取完毕，得到不同指标因素对应的隶属度。
在其中一个实施例中，所述获取电力工程质量评价的指标因素集以及评语集包括：
获取预设电力工程质量评价指标体系；
根据所述预设电力工程质量评价指标体系，识别电力工程质量评价对应的指标因素集。
在其中一个实施例中，所述指标因素集包括一级指标以及从属于所述一级指标的二级指标；
所述根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果包括：
根据所述模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，所述一级模糊综合评价为针对二级指标的模糊综合评价；
基于所述一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果，所述二级模糊综合评价为针对一级指标的模糊综合评价。
在其中一个实施例中，所述根据所述模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果包括：
获取二级指标对应的模糊评价矩阵；
根据所述二级指标对应的模糊评价矩阵，采用层次分析法得到二级指标对应的二级指标权重；
基于二级指标对应的模糊评价矩阵与二级指标权重，得到一级模糊综合评价结果。
在其中一个实施例中，所述基于所述一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果包括：
将所述一级模糊综合评价结果组成二级模糊综合评价矩阵；
获取一级指标对评价结果的影响权重；
将所述一级指标对评价结果的影响权重组成判断矩阵；
基于所述二级模糊综合评价矩阵以及所述判断矩阵，得到二级模糊综合评价集。
第二方面，本申请还提供了一种基于模糊评价矩阵的电力工程质量分析装置。所述装置包括：
数据获取模块，用于获取电力工程质量评价的指标因素集以及评语集；
评判模块，用于根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；
矩阵构建模块，用于基于所述指标因素评判结果，构建模糊评价矩阵；
模糊评价模块，用于根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
质量评价模块，用于根据模糊综合评价结果，得到电力工程质量分析结果。
第三方面，本申请还提供了一种计算机设备。所述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：
获取电力工程质量评价的指标因素集以及评语集；
根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于所述指标因素评判结果，构建模糊评价矩阵；
根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取电力工程质量评价的指标因素集以及评语集；
根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于所述指标因素评判结果，构建模糊评价矩阵；
根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取电力工程质量评价的指标因素集以及评语集；
根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于所述指标因素评判结果，构建模糊评价矩阵；
根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
上述基于模糊评价矩阵的电力工程质量分析方法、装置、计算机设备、存储介质和计算机程序产品，获取电力工程质量评价的指标因素集以及评语集；根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；基于所述指标因素评判结果，构建模糊评价矩阵；根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；根据模糊综合评价结果，得到电力工程质量分析结果。整个过程中，基于评语集得到不同指标因素评判结果，并且采用模糊评价矩阵的方式进行模糊综合评价充分考虑不同评语以及不同指标因素对应最终评价结果的影响，可以得到准确的电力工程质量分析结果。
附图说明
图1为一个实施例中基于模糊评价矩阵的电力工程质量分析方法的应用环境图；
图2为一个实施例中基于模糊评价矩阵的电力工程质量分析方法的流程示意图；
图3为另一个实施例中基于模糊评价矩阵的电力工程质量分析方法的流程示意图；
图4为一个实施例中基于模糊评价矩阵的电力工程质量分析装置的结构框图；
图5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。
本申请实施例提供的基于模糊评价矩阵的电力工程质量分析方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102发送电力工程质量评价请求至服务器104，服务器104提取电力工程质量评价请求中携带的电力工程相关历史数据，服务器104从电力工程相关历史数据中分析得到电力工程质量评价的指标因素集以及评语集；根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果；基于指标因素评判结果，构建模糊评价矩阵；根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；根据模糊综合评价结果，得到电力工程质量分析结果。进一步的，服务器104可以将电力工程质量分析结果反馈至终端102。其中，终端102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、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于模糊评价矩阵的电力工程质量分析方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
S100：获取电力工程质量评价的指标因素集以及评语集。
具体来说，可以通过多名专家对电力工程进行质量评价，得到评价数据，针对该评价数据进一步分析得到电力工程质量评价的指标因素集以及评语集。其中，指标因素集中包含多个指标因素，不同的指标因素从不同维度对电力工程质量进行评价。在实际应用中，指标因素集U＝{U1，U2，…，Ui}，其中Ui表示对被评价目标有影响的第i个因素。评语集是指多名专家最终给定的评价数据集合，其具体可以直接采用评价等级表征。评语集为V＝{V1，V2，…，Vj}，其中Vj表示评价的第j个等级。在电力工程质量评价中，设定评语集为V＝{一级，二级，三级，四级，五级}。
S200：根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果。
基于评语集对指标因素集中每个指标因素分别进行评判，即以单个指标因素触发进行评判，以确定评判对象对被选指标因素的隶属程度，这个过程成为单指标因素评判。通过单指标因素评判，确定每个指标因素对评语集表征的各评价等级的隶属度。针对每个指标因素均进行上述的单指标因素评判，并将最终的评判结果归集，得到指标因素评判结果。
S300：基于指标因素评判结果，构建模糊评价矩阵。
针对每个指标因素，分别基于其对应的指标因素评判结果，构建单指标因素的模糊评价矩阵，再将单指标因素的模糊评价矩阵进行组合，得到所有指标因素对应的模糊评价矩阵。最终到的模糊评价矩阵如下：
Figure BDA0003729452200000071
式中，R为模糊评价矩阵，R1,R2,…，Rn为不同单指标因素对应的模糊评价矩阵，组合之后得到整体模糊评价矩阵R。
S400：根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果。
针对不同评价指标因素，从整体上基于模糊评价矩阵进行模糊综合评价，以得到模糊综合评价结果，因此最终得到模糊综合评价结果更加准确、全面。
S500：根据模糊综合评价结果，得到电力工程质量分析结果。
针对模糊综合评价结果进行分析处理，以使最终评价结果清晰化，得到最终的电力工程质量分析结果。具体来说，可以是按照隶属度原则，对电力工程的质量水平做出优秀、良好、合格与不合格的等级判定。进一步的，若需要得到具体的值，则可以将模糊综合评价结果转换综合评价值，其具体转换需要与评语集表征的评价等级划分分值关联，某电力工程项目的评价等级划分分值分别为95、90、80、70、60，基于该分值构成向量，将计算综合评价结果与分值的乘积，得到最终评价得分。
上述基于模糊评价矩阵的电力工程质量分析方法，获取电力工程质量评价的指标因素集以及评语集；根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果；基于指标因素评判结果，构建模糊评价矩阵；根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；根据模糊综合评价结果，得到电力工程质量分析结果。整个过程中，基于评语集得到不同指标因素评判结果，并且采用模糊评价矩阵的方式进行模糊综合评价充分考虑不同评语以及不同指标因素对应最终评价结果的影响，可以得到准确的电力工程质量分析结果。
在其中一个实施例中，根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果包括：
不重复从指标因素集中抽取单个指标因素，得到抽取指标因素；根据评语集、并采用专家评价法，确定抽取指标因素对评语集表征的不同评价等级的隶属度；返回不重复从指标因素集中抽取单个指标因素，得到抽取指标因素的步骤，直至指标因素集中所有指标因素全部抽取完毕，得到不同指标因素对应的隶属度。
如上已述的，在指标因素集中包含有多个指标因素，我们需要对每个指标因素分别单独进行评判。在实际应用，采取不重复抽取的方式从指标因素集中抽取单个指标因素，对该抽取的单个指标因素基于评语集采用专家评价法来进行评定，以确定抽取指标因素对评语集表征的不同评价等级的隶属度。具体来说，在评语集中包含有多个专家给出的评语，这些评语表征了不同评价等级，例如上述的优秀、良好、合格与不合格，采用专家评价法，确定抽取指标因素对这些评价等级的隶属度，循环上述抽取和隶属度确定过程，最终得到不同指标因素对应的隶属度。
如图3所示，在其中一个实施例中，S100包括：
S120：获取预设电力工程质量评价指标体系；
S140：根据预设电力工程质量评价指标体系，识别电力工程质量评价对应的指标因素集。
电力工程质量评价指标体系是预先构建的评价指标体系，该预设电力工程质量评价指标体系可以理解基于经验数据构建的指标体系，其可以采用专家法对电力工程质量评价的历史相关数据进行分析，分析出评价指标因素，并且分析出指标因素之间的关联关系，再基于分析得到的数据构建电力工程质量评价指标体系。基于该预设电力工程质量评价指标体系以及本次评价对象(待评价的电力工程)相关数据，得到指标因素集。
在其中一个实施例中，指标因素集包括一级指标以及从属于一级指标的二级指标；
根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果包括：根据模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，一级模糊综合评价为针对二级指标的模糊综合评价；基于一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果，二级模糊综合评价为针对一级指标的模糊综合评价。
指标因素集中包含有一级指标和二级指标，其中二级指标是从属与以及指标的，例如可以包含建设单位，其对应的二级指标可以包括管理机构与人员标准化、质量管理行为标准化、质量管理方法措施标准化以及实体质量标准化。在本实施例中，先对二级指标进行模糊综合评价，即对模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，再在以及模糊综合评价结果的基础上进行二级模糊综合评价，得到二级模糊综合评价结果。
在其中一个实施例中，根据模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果包括：
获取二级指标对应的模糊评价矩阵；根据二级指标对应的模糊评价矩阵，采用层次分析法得到二级指标对应的二级指标权重；基于二级指标对应的模糊评价矩阵与二级指标权重，得到一级模糊综合评价结果。
一级模糊综合评价实际上是为了处理指标的模糊性，通过综合一个二级指标对各个等级的评价结果取值的贡献做出的一种单因素评判。再综合考虑每个二级对应的二级指标权重，得到一级模糊综合评价结果。具体来说，二级指标对应的二级指标权重可以根据模糊评价矩阵，采用层次分析法计算得到。在上述计算结果的基础上，将二级指标对应的模糊评价矩阵与二级指标权重合成得到一级模糊综合评价结果。其具体公式如下：
B＝W·R＝(b1,b2,…，bp)
上式表示对事物的模糊评判。对一级指标中的各个二级指标的各个等级模糊字集进行综合评判，得到如下结果：
Figure BDA0003729452200000091
其中Bi中的bk表示第i个二级指标的评定对评语集中第k级评语的隶属度。
在其中一个实施例中，基于一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果包括：
将一级模糊综合评价结果组成二级模糊综合评价矩阵；获取一级指标对评价结果的影响权重；将一级指标对评价结果的影响权重组成判断矩阵；基于二级模糊综合评价矩阵以及判断矩阵，得到二级模糊综合评价集。
在进行一级模糊综合评判之后，综合评判了二级指标各个等级的贡献，为了综合评判一级指标对评价结果的影响程度，还需要进行二级模糊综合评判。与上述类似的，将一级评判结果组成二级模糊综合评判的评判矩阵R′，W′表示各个一级指标对评价结果的影响权重组成的判断矩阵，则有：
Figure BDA0003729452200000101
即得二级模糊综合评判集，再根据隶属度最大的原则可得评语集中所对应的评语等级。
进一步的，对模糊综合评判结果进行分析处理，使判定结果清晰化，最终对被评价对象做出评价。一般来说，按照最大隶属度原则即可对工程项目的质量水平做出优秀、良好、合格与不合格的等级评判，但是如果要想得到准确的质量等级，更准确得衡量项目质量水平，可以把综合评价结果转换成综合评价值。假设工程项目质量评价等级划分分别记为为95、90、80、70、60，于是就得到向量T＝(95,90,80,70,60)T。设工程项目质量的最终评价得分为Z，则有Z＝B×T。如果Z≥95％，则该责任主体的质量管理标准化评价等级为AAAAA级；如果95％＞Z≥90％，则该责任主体的质量管理标准化评价等级为AAAA级；如果90％＞Z≥80％，则该责任主体的质量管理标准化评价等级为AAA级；如果80％＞Z≥70％，则该责任主体的质量管理标准化评价等级为AA级；如果70％＞Z≥60％，则该责任主体的质量管理标准化评价等级为A级。不同评价等级对一个的含义如下表1所示。
表1 位评价结果划分及其含义
Figure BDA0003729452200000102
Figure BDA0003729452200000111
应该理解的是，虽然如上的各实施例所涉及的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，如上的各实施例所涉及的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。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于模糊评价矩阵的电力工程质量分析方法的基于模糊评价矩阵的电力工程质量分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于模糊评价矩阵的电力工程质量分析装置实施例中的具体限定可以参见上文中对于基于模糊评价矩阵的电力工程质量分析方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种基于模糊评价矩阵的电力工程质量分析装置，包括：
数据获取模块100，用于获取电力工程质量评价的指标因素集以及评语集；
评判模块200，用于根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果；
矩阵构建模块300，用于基于指标因素评判结果，构建模糊评价矩阵；
模糊评价模块400，用于根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
质量评价模块500，用于根据模糊综合评价结果，得到电力工程质量分析结果。
上述基于模糊评价矩阵的电力工程质量分析装置，获取电力工程质量评价的指标因素集以及评语集；根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果；基于指标因素评判结果，构建模糊评价矩阵；根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；根据模糊综合评价结果，得到电力工程质量分析结果。整个过程中，基于评语集得到不同指标因素评判结果，并且采用模糊评价矩阵的方式进行模糊综合评价充分考虑不同评语以及不同指标因素对应最终评价结果的影响，可以得到准确的电力工程质量分析结果。
在其中一个实施例中，评判模块200还用于不重复从指标因素集中抽取单个指标因素，得到抽取指标因素；根据评语集、并采用专家评价法，确定抽取指标因素对评语集表征的不同评价等级的隶属度；返回不重复从指标因素集中抽取单个指标因素，得到抽取指标因素的步骤，直至指标因素集中所有指标因素全部抽取完毕，得到不同指标因素对应的隶属度。
在其中一个实施例中，数据获取模块100还用于获取预设电力工程质量评价指标体系；根据预设电力工程质量评价指标体系，识别电力工程质量评价对应的指标因素集。
在其中一个实施例中，指标因素集包括一级指标以及从属于一级指标的二级指标；
模糊评价模块400还用于根据模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，一级模糊综合评价为针对二级指标的模糊综合评价；基于一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果，二级模糊综合评价为针对一级指标的模糊综合评价。
在其中一个实施例中，模糊评价模块400还用于获取二级指标对应的模糊评价矩阵；根据二级指标对应的模糊评价矩阵，采用层次分析法得到二级指标对应的二级指标权重；基于二级指标对应的模糊评价矩阵与二级指标权重，得到一级模糊综合评价结果。
在其中一个实施例中，模糊评价模块400还用于将一级模糊综合评价结果组成二级模糊综合评价矩阵；获取一级指标对评价结果的影响权重；将一级指标对评价结果的影响权重组成判断矩阵；基于二级模糊综合评价矩阵以及判断矩阵，得到二级模糊综合评价集。
上述基于模糊评价矩阵的电力工程质量分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
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5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和内存储器。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电力工程质量历史评价数据。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基于模糊评价矩阵的电力工程质量分析方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取电力工程质量评价的指标因素集以及评语集；
根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于指标因素评判结果，构建模糊评价矩阵；
根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
不重复从指标因素集中抽取单个指标因素，得到抽取指标因素；根据评语集、并采用专家评价法，确定抽取指标因素对评语集表征的不同评价等级的隶属度；返回不重复从指标因素集中抽取单个指标因素，得到抽取指标因素的步骤，直至指标因素集中所有指标因素全部抽取完毕，得到不同指标因素对应的隶属度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取预设电力工程质量评价指标体系；根据预设电力工程质量评价指标体系，识别电力工程质量评价对应的指标因素集。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，一级模糊综合评价为针对二级指标的模糊综合评价；基于一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果，二级模糊综合评价为针对一级指标的模糊综合评价。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取二级指标对应的模糊评价矩阵；根据二级指标对应的模糊评价矩阵，采用层次分析法得到二级指标对应的二级指标权重；基于二级指标对应的模糊评价矩阵与二级指标权重，得到一级模糊综合评价结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将一级模糊综合评价结果组成二级模糊综合评价矩阵；获取一级指标对评价结果的影响权重；将一级指标对评价结果的影响权重组成判断矩阵；基于二级模糊综合评价矩阵以及判断矩阵，得到二级模糊综合评价集。
在一个实施例中，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以下步骤：
获取电力工程质量评价的指标因素集以及评语集；
根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于指标因素评判结果，构建模糊评价矩阵；
根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
不重复从指标因素集中抽取单个指标因素，得到抽取指标因素；根据评语集、并采用专家评价法，确定抽取指标因素对评语集表征的不同评价等级的隶属度；返回不重复从指标因素集中抽取单个指标因素，得到抽取指标因素的步骤，直至指标因素集中所有指标因素全部抽取完毕，得到不同指标因素对应的隶属度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取预设电力工程质量评价指标体系；根据预设电力工程质量评价指标体系，识别电力工程质量评价对应的指标因素集。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，一级模糊综合评价为针对二级指标的模糊综合评价；基于一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果，二级模糊综合评价为针对一级指标的模糊综合评价。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取二级指标对应的模糊评价矩阵；根据二级指标对应的模糊评价矩阵，采用层次分析法得到二级指标对应的二级指标权重；基于二级指标对应的模糊评价矩阵与二级指标权重，得到一级模糊综合评价结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将一级模糊综合评价结果组成二级模糊综合评价矩阵；获取一级指标对评价结果的影响权重；将一级指标对评价结果的影响权重组成判断矩阵；基于二级模糊综合评价矩阵以及判断矩阵，得到二级模糊综合评价集。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取电力工程质量评价的指标因素集以及评语集；
根据评语集对指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于指标因素评判结果，构建模糊评价矩阵；
根据模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
不重复从指标因素集中抽取单个指标因素，得到抽取指标因素；根据评语集、并采用专家评价法，确定抽取指标因素对评语集表征的不同评价等级的隶属度；返回不重复从指标因素集中抽取单个指标因素，得到抽取指标因素的步骤，直至指标因素集中所有指标因素全部抽取完毕，得到不同指标因素对应的隶属度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取预设电力工程质量评价指标体系；根据预设电力工程质量评价指标体系，识别电力工程质量评价对应的指标因素集。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，一级模糊综合评价为针对二级指标的模糊综合评价；基于一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果，二级模糊综合评价为针对一级指标的模糊综合评价。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取二级指标对应的模糊评价矩阵；根据二级指标对应的模糊评价矩阵，采用层次分析法得到二级指标对应的二级指标权重；基于二级指标对应的模糊评价矩阵与二级指标权重，得到一级模糊综合评价结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将一级模糊综合评价结果组成二级模糊综合评价矩阵；获取一级指标对评价结果的影响权重；将一级指标对评价结果的影响权重组成判断矩阵；基于二级模糊综合评价矩阵以及判断矩阵，得到二级模糊综合评价集。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
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，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、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-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。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等。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 RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于模糊评价矩阵的电力工程质量分析方法，其特征在于，所述方法包括：
获取电力工程质量评价的指标因素集以及评语集；
根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；
基于所述指标因素评判结果，构建模糊评价矩阵；
根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
根据模糊综合评价结果，得到电力工程质量分析结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果包括：
不重复从所述指标因素集中抽取单个指标因素，得到抽取指标因素；
根据所述评语集、并采用专家评价法，确定抽取指标因素对所述评语集表征的不同评价等级的隶属度；
返回所述不重复从所述指标因素集中抽取单个指标因素，得到抽取指标因素的步骤，直至所述指标因素集中所有指标因素全部抽取完毕，得到不同指标因素对应的隶属度。
3.根据权利要求1所述的方法，其特征在于，所述获取电力工程质量评价的指标因素集以及评语集包括：
获取预设电力工程质量评价指标体系；
根据所述预设电力工程质量评价指标体系，识别电力工程质量评价对应的指标因素集。
4.根据权利要求1所述的方法，其特征在于，所述指标因素集包括一级指标以及从属于所述一级指标的二级指标；
所述根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果包括：
根据所述模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果，所述一级模糊综合评价为针对二级指标的模糊综合评价；
基于所述一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果，所述二级模糊综合评价为针对一级指标的模糊综合评价。
5.根据权利要求4所述的方法，其特征在于，所述根据所述模糊评价矩阵进行一级模糊综合评价，得到一级模糊综合评价结果包括：
获取二级指标对应的模糊评价矩阵；
根据所述二级指标对应的模糊评价矩阵，采用层次分析法得到二级指标对应的二级指标权重；
基于二级指标对应的模糊评价矩阵与二级指标权重，得到一级模糊综合评价结果。
6.根据权利要求4所述的方法，其特征在于，所述基于所述一级模糊综合评价结果进行二级模糊综合评价，得到二级模糊综合评价结果包括：
将所述一级模糊综合评价结果组成二级模糊综合评价矩阵；
获取一级指标对评价结果的影响权重；
将所述一级指标对评价结果的影响权重组成判断矩阵；
基于所述二级模糊综合评价矩阵以及所述判断矩阵，得到二级模糊综合评价集。
7.一种基于模糊评价矩阵的电力工程质量分析装置，其特征在于，所述装置包括：
数据获取模块，用于获取电力工程质量评价的指标因素集以及评语集；
评判模块，用于根据所述评语集对所述指标因素集中各指标因素进行评判，得到指标因素评判结果；
矩阵构建模块，用于基于所述指标因素评判结果，构建模糊评价矩阵；
模糊评价模块，用于根据所述模糊评价矩阵进行模糊综合评价，得到模糊综合评价结果；
质量评价模块，用于根据模糊综合评价结果，得到电力工程质量分析结果。
8.一种计算机设备，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6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202210780862.5A 2022-07-04 2022-07-04 基于模糊评价矩阵的电力工程质量分析方法与装置 Pending CN115204649A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210780862.5A CN115204649A (zh) 2022-07-04 2022-07-04 基于模糊评价矩阵的电力工程质量分析方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210780862.5A CN115204649A (zh) 2022-07-04 2022-07-04 基于模糊评价矩阵的电力工程质量分析方法与装置

Publications (1)

Publication Number Publication Date
CN115204649A true CN115204649A (zh) 2022-10-18

Family

ID=83578826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210780862.5A Pending CN115204649A (zh) 2022-07-04 2022-07-04 基于模糊评价矩阵的电力工程质量分析方法与装置

Country Status (1)

Country Link
CN (1) CN115204649A (zh)

Similar Documents

Publication Publication Date Title
US7930242B2 (en) Methods and systems for multi-credit reporting agency data modeling
CN109840668B (zh) 利用结构方程模型的专利评价方法以及执行该方法的系统
CN113468034A (zh) 数据质量评估方法、装置、存储介质和电子设备
CN115204648A (zh) 基于数学模型的电力工程质量指数获取方法与装置
Wanke et al. Revisiting camels rating system and the performance of Asean banks: a comprehensive mcdm/z-numbers approach
CN113435713B (zh) 基于gis技术和两模型融合的风险地图编制方法及系统
CN117689209A (zh) 基于熵权模糊综合的桥梁安全风险评估方法、设备及介质
CN115146890A (zh) 企业运营风险告警方法、装置、计算机设备和存储介质
Pizarroso et al. Metric tools for sensitivity analysis with applications to neural networks
CN115204649A (zh) 基于模糊评价矩阵的电力工程质量分析方法与装置
CN115204501A (zh) 企业评估方法、装置、计算机设备和存储介质
CN113779116B (zh) 对象排序方法、相关设备及介质
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质
CN115473219A (zh) 负荷预测方法、装置、计算机设备和存储介质
CN114784795A (zh) 风电功率预测方法、装置、电子设备及存储介质
CN115293609A (zh) 人员安全责任制履职评价指标权重体系构建方法及系统
CN114091908A (zh) 计及多模式储能站的配电网综合评价方法、装置和设备
Ersoy Normalization procedures for Cocoso method: a comparative analysis under different scenarios
CN113191540A (zh) 一种产业链路制造资源的构建方法及装置
Simanavičienė et al. Sensitivity analysis of the TOPSIS method in respect of initial data distributions
CN115239088A (zh) 电力工程安全质量评价指标权重确定方法与装置
Gata et al. The Feasibility of Credit Using C4. 5 Algorithm Based on Particle Swarm Optimization Prediction
Łapczyński et al. The number of clusters in hybrid predictive models: does it really matter?
CN116629694A (zh) 基于电网工程的esg指标体系算法模型确定方法和装置
Li Tesla stock prediction: a comparative study between four models

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