CN115330130A - 基于改进ahp-critic的农业园区综合能源系统评估方法 - Google Patents
基于改进ahp-critic的农业园区综合能源系统评估方法 Download PDFInfo
- Publication number
- CN115330130A CN115330130A CN202210843049.8A CN202210843049A CN115330130A CN 115330130 A CN115330130 A CN 115330130A CN 202210843049 A CN202210843049 A CN 202210843049A CN 115330130 A CN115330130 A CN 115330130A
- Authority
- CN
- China
- Prior art keywords
- index
- elements
- matrix
- row
- representing
- 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 79
- 238000000034 method Methods 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims description 105
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000012271 agricultural production Methods 0.000 claims description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 238000004064 recycling Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 4
- 239000002028 Biomass Substances 0.000 claims description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000002910 solid waste Substances 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 2
- 239000001569 carbon dioxide Substances 0.000 claims description 2
- 239000010808 liquid waste Substances 0.000 claims description 2
- 229910052757 nitrogen Inorganic materials 0.000 claims description 2
- 229910052760 oxygen Inorganic materials 0.000 claims description 2
- 239000001301 oxygen Substances 0.000 claims description 2
- 239000002351 wastewater Substances 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000000513 principal component analysis Methods 0.000 description 12
- 238000010276 construction Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010200 validation analysis Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于改进AHP‑CRITIC的农业园区综合能源系统评估方法,包括以下步骤:步骤1:采用PCA方法,通过关联规则对的历史数据进行量化,并提取关键指标,得到关键指标体系;步骤2:通过改进的AHP‑CRITIC组合法,计算整体评价模型中出各指标综合权重;步骤3:采集计算指标数据,通过评价模型得到综合评估值。本发明一种基于改进AHP‑CRITIC的农业园区综合能源系统评估方法,可以对农业园区综合能源系统科学客观的评价,评价结果符合实际,可信度高,具有较大的推广应用价值。
Description
技术领域
本发明涉及农业园区综合能源系统技术领域,具体涉及一种基于改进AHP-CRITIC的农业园区综合能源系统评估方法。
背景技术
配套建设农业园区综合能源系统是运行现代农业投资项目的关键,为了分析其建设和运行水平的优劣,需要对系统进行全面综合评价。目前,已有一些学者已经从不同的角度或针对某些方面做了一些有价值、有创建的研究。
文献[1]:周亚中,付学谦,杨菲菲,等.考虑空间耦合的农业园区能源互联网静态安全分析[J/OL].电网技术:1-10[2021-11-17].
https://doi.org/10.13335/j.1000-3673.pst.2021.0445.构建了一种空间与能源耦合的农业能源互联网模型,并给出能源安全指标、农业安全指标以及安全分析流程,但只考虑了空间耦合对系统的影响。
文献[2]:鞠文杰.综合能源系统项目发展的运营模式与效益评价研究[D].华北电力大学(北京),2019.设计出了综合能源系统项目运营模式综合效益综合评价指标体系,用模型计算出各项指标的具体数值,通过TOPSIS综合评价方法从多个方案中选取最优运营模式,但只考虑了经济性环保性指标。
文献[3]:张新,杨建华,王维洲,等.面向农村微能网的评价指标构建及应用[J].农业工程学报,2020,36(06):196-205.将熵权法与专家评价法结合来进行评估,并应用于农村微能网建设的规划评价中,但指标数量过多,计算复杂。
文献[4]:魏鹏飞,郭力萍.基于需求侧响应的配电网供电能力模糊综合评估[J].水电能源科学,2019,37(10):181-185+208.采用改进层次分析法,考虑环境因素等指标对配电网进行评估。管新建、汪顺生等人采用CRITIC法求出客观权重,但未考虑指标主观权重的影响。
由此可见,现有技术中许多方法被用于综合能源评估中,但大多数评价应用场景为输配电网系统,且赋权单一进行评估时会导致赋权结果主、客观性不足,不稳定等问题。因此,亟须一种客观全面的农业园区综合能源系统评估体系。
发明内容
为解决上述技术问题,本发明提供一种基于改进AHP-CRITIC的农业园区综合能源系统评估方法,可以对农业园区综合能源系统科学客观的评价,评价结果符合实际,可信度高,具有较大的推广应用价值。
本发明采取的技术方案为:
基于改进AHP-CRITIC的农业园区综合能源系统评估方法,包括以下步骤:
步骤1:采用PCA方法,通过关联规则对农业园区综合能源系统的历史数据进行量化,并提取关键指标,得到关键指标体系;
步骤2:针对传统层次分析法赋权单一、不客观的问题,通过改进的AHP-CRITIC组合法,分别对主、客观性指标赋权,采用最小鉴别信息原理计算农业园区综合能源系统评价指标体系模型中出各指标综合权重;
步骤3:采集计算指标数据,通过农业园区综合能源系统评价指标体系模型得到综合评估值。
所述步骤1中,所述历史数据分为三大类:第一类是农业生产数据,包含叶面积指数、叶片含氮量、生物量、含水量、农业总产值、资源产出率、能源产出率、土地产出率、水资源产出率、劳动生产率;第二大类是园区循环发展数据,包含单位国内生产总值取水率、单位生产总值能耗、固废循环利用率、液废循环利用率、废旧资源综合利用率、资源循环利用率、二氧化硫排放量、化学需氧量排放量、氨氮排放量、氮氧化物排放量、二氧化碳排放量、固体废物排放量、废水排放量;第三大类是能源网数据,包含设备运行年限、设备故障率、设备过载率、供电可靠率、供热可靠率、供冷可靠率、单位GDP能耗、综合能源利用率、效率、污染物排放量、可再生能源装机占比。
通过关联规则对历史数据进行量化,具体是:首先专家对上述三类下的历史数据进行评级打分,进而计算出每个历史数据的置信度,将每大类的置信度分别进行置信度矩阵排列,对每个矩阵特征值和特征向量求解,从而得出各指标权重,指标权重大于0.5的即提取为关键指标。
所述步骤1中,关键指标包含农业总产值、劳动生产率、资源产出率、单位生产总值能耗、可再生能源装机占比、设备运行年限、设备故障率、设备过载率、供电可靠率、供热可靠率、供冷可靠率、综合能源利用率、污染物排放量、废旧资源综合利用率。
关键指标体系中一级指标包含经济性、技术性和环保性;
二级指标包含农业总产值、劳动生产率、资源产出率、单位生产总值能耗、可再生能源装机占比、设备运行年限、设备故障率、设备过载率、供电可靠率、供热可靠率、供冷可靠率、综合能源利用率、污染物排放量、废旧资源综合利用率。
所述步骤2中,采用改进AHP算法,使用三标度法构建判断矩阵,避免一致性检验步骤所需要的庞大复杂计算,将农业园区综合能源系统设置为AHP算法里层次结构模型里的目标层,将一级指标映射到准则层,将二级指标映射到评价层;
目标层表示要决策的目的或要解决的问题,在本发明里指农业园区综合能源系统,即对农业园区综合能源系统进行评价。
准则层表示要考虑的因素或决策的准则,在本发明里指三个一级指标,即对农业园区综合能源系统从三个大方面进行评价。
评价层表示要考虑因素的具体细则,在本发明里指14个二级指标,即对农业园区综合能源系统从14个小方面进行数据采集,进而评价计算。
步骤2中,改进AHP算法包括如下步骤:
S2.1、准则层采用三标度法(1,0,-1),建立判断矩阵A=(aij)n×n,则:
其中,a11表示指标1相对于指标1的重要度,a12表示指标1相对于指标2的重要度,a1n表示指标1相对于指标n的重要度;a21表示指标2相对于指标1的重要度,a22表示指标2相对于指标2的重要度,a2n表示指标2相对于指标n的重要度;an1表示指标n相对于指标1的重要度,an2表示指标n相对于指标2的重要度,ann表示指标n相对于指标n的重要度。
其中,
S2.2、确定最佳传输矩阵:判断矩阵A的最佳传输矩阵为O(oij)n×n,则:
其中,o11表示判断矩阵A里第一行所有元素和第一列所有元素求和后的平均值,o12表示判断矩阵A里第一行所有元素和第二列所有元素求和后的平均值,o1n表示判断矩阵A里第一行所有元素和第n列所有元素求和后的平均值;
o21表示判断矩阵A里第二行所有元素和第一列所有元素求和后的平均值,o22表示判断矩阵A里第二行所有元素和第二列所有元素求和后的平均值,o2n表示判断矩阵A里第二行所有元素和第n列所有元素求和后的平均值;
on1表示判断矩阵A里第n行所有元素和第一列所有元素求和后的平均值,on2表示判断矩阵A里第n行所有元素和第二列所有元素求和后的平均值,onn表示判断矩阵A里第n行所有元素和第n列所有元素求和后的平均值。
Oij表示最佳传输矩阵里的元素,ail表示判断矩阵A里第i行所有元素,alj表示判断矩阵A里第j行所有元素,n表示取值从1到n,i表示最佳传输矩阵第i行,j表示最佳传输矩阵第j列。
S2.3、确定最佳一致性矩阵:最佳传输矩阵O的最佳一致性矩阵位于C(cij)n×n,则:
其中,c11表示以自然常数e为底、o11为指数的函数结果,c12表示以自然常数e为底、o12为指数的函数结果,c1n表示以自然常数e为底、o1n为指数的函数结果。
c21表示以自然常数e为底、o21为指数的函数结果,c22表示以自然常数e为底、o22为指数的函数结果,c2n表示以自然常数e为底、o2n为指数的函数结果。
cn1表示以自然常数e为底、on1为指数的函数结果,cn2表示以自然常数e为底、on2为指数的函数结果,cnn表示以自然常数e为底、onn为指数的函数结果。
cij=exp(oij) (6);
cij表示最佳一致性矩阵里的元素,exp表示以自然常数e为底的指数函数。
S2.4、评价层指标同样采用上述算法计算,包括以下步骤:
S2.4.1、评价层采用三标度法(1,0,-1),建立判断矩阵A'=(a′ij)n×n,则:
其中,a′11表示指标1相对于指标1的重要度,a′12表示指标1相对于指标2的重要度,a′1n表示指标1相对于指标n的重要度;a′21表示指标2相对于指标1的重要度,a'22表示指标2相对于指标2的重要度,a'2n表示指标2相对于指标n的重要度;a'n1表示指标n相对于指标1的重要度,a'n2表示指标n相对于指标2的重要度,a'nn表示指标n相对于指标n的重要度。
其中,
S2.4.2、确定最佳传输矩阵:判断矩阵A的最佳传输矩阵为O',则:
其中,o′11表示判断矩阵A里第一行所有元素和第一列所有元素求和后的平均值,o′12表示判断矩阵A里第一行所有元素和第二列所有元素求和后的平均值,o′1n表示判断矩阵A里第一行所有元素和第n列所有元素求和后的平均值。o′21表示判断矩阵A里第二行所有元素和第一列所有元素求和后的平均值,o'22表示判断矩阵A里第二行所有元素和第二列所有元素求和后的平均值,o'2n表示判断矩阵A里第二行所有元素和第n列所有元素求和后的平均值。o'n1表示判断矩阵A里第n行所有元素和第一列所有元素求和后的平均值,o'n2表示判断矩阵A里第n行所有元素和第二列所有元素求和后的平均值,o'nn表示判断矩阵A里第n行所有元素和第n列所有元素求和后的平均值。
O′ij表示最佳传输矩阵里的元素,a′il表示判断矩阵A里第i行所有元素,a'lj表示判断矩阵A里第j行所有元素,n表示取值从1到n,i表示最佳传输矩阵第i行,j表示最佳传输矩阵第j列。
S2.4.3、确定最佳一致性矩阵:最佳传输矩阵O'的最佳一致性矩阵位于C',则:
其中,c'11表示以自然常数e为底、o′11为指数的函数结果,c′12表示以自然常数e为底、o′12为指数的函数结果,c'1n表示以自然常数e为底、o′1n为指数的函数结果。c′21表示以自然常数e为底、o'21为指数的函数结果,c'22表示以自然常数e为底、o'22为指数的函数结果,c'2n表示以自然常数e为底、o'2n为指数的函数结果。c'n1表示以自然常数e为底、o'n1为指数的函数结果,c'n2表示以自然常数e为底、o'n2为指数的函数结果,c'nn表示以自然常数e为底、o'nn为指数的函数结果。
c′ij=exp(o'ij)
c′ij表示最佳一致性矩阵里的元素,exp表示以自然常数e为底的指数函数。
S2.5、权重计算:各个指标的主观权重αi为:
上述改进AHP算法完成后,接着实施CRITIC算法;
CRITIC算法包括以下步骤:
S2.6、指标无量纲化处理:为消除因量纲不同对评价结果的影响,需要对各指标进行无量纲化处理:
式中,m表示样本个数,n表示第n个指标;x′n表示第n个指标无量纲化处理后的结果,xnm表示第m个样本里第n个指标的原始数据,min(xn)表示第n个指标的样本数据里最小的原始数据,max(xn)表示第n个指标的样本数据里最大的原始数据。式(8)表示为正向指标的无量纲化处理,正向指标即指标值越大越优,式(9)表示为逆向指标的无量纲化处理,逆向指标即指标值越小越优。
S2.7、确定指标变异性:Sj表示第j个指标的标准差:
S2.8、确定指标冲突性:rij表示评价指标i和j之间的相关系数:
Rj表示第j个指标与其他指标的相关性大小,p即n,求和取值从1到n。
S2.9、计算客观权重:第j个评价指标所包含信息量Cj的计算公式如下:
βj表示通过CRITIC算法求出的第j个指标的权重
S2.10、组合方法赋权:
本发明采用了最小鉴别信息原理来求取综合权重Wi,计算公式如下:
αi表示通过改进AHP算法求出的第i个指标的权重,βi表示通过CRITIC算法求出的第i个指标的权重;αj表示通过改进AHP算法求出的第j个指标的权重,βj表示通过CRITIC算法求出的第j个指标的权重。
最小鉴别信息原理使所求评价指标的综合权重既能包含专家经验的主观判断,又被客观条件约束,降低了综合权重与主、客观权重之间的离异程度。
所述步骤3中,计算指标数据指的是:计算农业园区综合能源系统评价指标体系模型中14个三级指标的数据;
评价模型指的是:农业园区综合能源系统评价指标体系模型;
综合评估值指的是:通过农业园区综合能源系统评价指标体系模型计算得出14个指标的权重值,再将其乘于专家的打分结果,最终得出综合评估值。
本发明一种基于改进AHP-CRITIC的农业园区综合能源系统评估方法,技术效果如下:
1)本发明采用的改进AHP-CRITIC组合法,是层次分析法(Analytic HierarchyProcess,AHP)与CRITIC算法的结合。AHP算法是一种主观权重的确定方法,传统AHP法存在判断矩阵构建不合理和庞大计算量的问题,容易导致结果产生偏差,因此改进了AHP算法,使用3标度法构建判断矩阵,三尺度法可以使专家轻松地对2个因素相对重要性作出判断,避免一致性检验步骤所需要的庞大复杂计算,简化计算过程。
CRITIC算法是一种客观赋权法,优于熵权法和标准离差法,通过指标之间的对比强度和冲突性来衡量指标的客观权重,同时考虑指标的变异性和指标之间的相关性,利用数据自身的客观属性进行科学评价。
上述改进AHP算法得出了主观权重与CRITIC算法得出了客观权重,由于单一采用主观或客观权重会导致评估结果不精确,为了使综合权重不偏向其中任意一项,采用了最小鉴别信息原理来求取综合权重
2)本发明评估方法能够通过PCA方法对农业园区综合能源系统提取关键评估指标体系,简化了庞大的评价指标体系;能够通过改进的AHP-CRITIC组合法分别对主、客观性指标赋权,采用最小鉴别信息原理得到整体评价模型中各指标综合权重,解决了传统层次分析法赋权单一、不客观的问题。
3)本发明提出了一种基于改进AHP-CRITIC的农业园区综合能源系统评估体系。提出的PCA方法可以对农业园区综合能源系统提取关键评估指标体系,可运用于多数农业园区综合能源系统,前景广泛。
4)本发明改进的AHP-CRITIC组合法可以科学的对指标赋予权重,相较于其他传统赋权方法评价结果更合理准确,符合实际,对农业园区综合能源系统的评估更有指导意义。
附图说明
图1为农业生产指标权重统计图;
图2为农业园区综合能源系统指标评估体系示意图;
图3为改进AHP算法、CRITIC算法、改进AHP-CRITIC组合算法权重对比图。
具体实施方式
本发明一种基于改进AHP-CRITIC的农业园区综合能源系统评估方法,采用主成分分析法(Principal Component Analysis,PCA)对农业园区综合能源系统提取关键评估指标体系;然后针对传统层次分析法赋权单一、不客观的问题,通过改进的AHP-CRITIC组合法分别对主、客观性指标赋权,采用最小鉴别信息原理得到农业园区综合能源系统评价指标体系模型中各指标综合权重。
典型的农业园区综合能源系统评价体系,主要包括农业园区和综合能源系统两个方面,但部分指标涉及重复,且相关性并不大。为了减少评估体系计算繁琐,以及提高评估结果的准确性,有必要选取具有代表性的指标进行评价。因此采用PCA方法,通过关联规则对历史数据进行量化,然后采用PCA提取关键指标,建立关键指标体系。
主成分分析法是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。对复杂系统的评估过程中,变量太多无疑会增加分析问题的难度和复杂性,因此对变量进行降维、去除冗余变量能增强评估的准确性。为了适用于基础参数体系的量化矩阵,引入一种基于主成分分析的关键参量提取模型,这个模型指的是步骤1的模型,该方法的物理意义在于将所有基础参量投影到以综合评价为轴的坐标系中,根据各基础参量在综合评价中权重的大小依次排列,并将权重作为关键参量选取依据。
实施例:
为了评价该方法的有效性,采用不同方法进行比较研究:
(1)、农业园区综合能源系统评价指标体系构建:
本发明初始评价指标体系为3个一级指标,9个二级指标以及34个三级指标,如表1所示。
表1农业园区综合能源系统指标
结合某农业园区的历史数据,采用PCA提取关键指标,建立关键指标体系,以农业生产指标为例简述计算步骤。
步骤a):通过农业园区的历史数据,对每个指标进行专家打分评级,分别为10分、9-10分、6-9分和6分以下四个等级。该农业园区两年内评价481次,其中农业生产评价225次,其中生物量指标7次被评为9-10分之间,则生物量指标在9-10分评价中的置信度x12为:
同理,按照上述步骤对其余指标的置信度进行计算,得到了农业生产下所有指标的置信度,如表2所示。
表2农业生产的置信度
步骤b):提取表2中数据作为农业生产指标的置信度矩阵X,对该矩阵按列进行离差标准化处理,求取相关系数矩阵R=XXT,对矩阵R进行奇异值分解并计算其特征值λn和特征向量αn。
步骤c):计算累计贡献率和综合得分。
式(16)中,1≤p≤n,当累计贡献率αp处于0.85~0.95区间时,则可以用前p个主成分来表征初始指标的信息。对p个主成分进行加权,得到综合得分,如式(17)所示。
式(17)中,ω是p个主成分对综合得分的权重,A表示因子载荷矩阵,由式(17)得到各指标对综合得分的权重H:
按照上述步骤将表2中数据输入到MATLAB中运算,得到特征值并降序排列:λ1=5.9841,λ2=1.322 6,λ3=0.685 0,λ4=0.331 2,λ5,…,λ10=0。由公式(16)计算得到前四个主成分的贡献率分别为71.899%、15.891%、8.231%、3.979%,前两个主成分的累计贡献率达到了87.790%,属于算法要求的0.85~0.95区间,因此选择前两个特征值和特征向量来计算各指标权重h1,h2,…,hn。将权重归一化后,如图1所示。提取了权重大于0.5的农业总产值、劳动生产率和资源产出率指标作为材质状况的关键评价指标。
同理,按照上述方法对整个指标体系进行提取,建立农业园区综合能源评价指标体系,最终确定为如图2所示的指标评估体系,分为3个一级指标以及14个二级指标。
(2)、改进的AHP-CRITIC组合法:
步骤①:一级指标采用三标度法(1,0,-1)建立判断矩阵A=(aij)n×n,则:
步骤②:确定最佳传输矩阵。矩阵A的最佳传输矩阵为O(oij)n×n,则:
步骤③:确定最佳一致性矩阵。矩阵O最佳一致性矩阵为于C(cij)n×n,则:
步骤④:二级指标同样采用上述算法计算。
步骤⑤:主观权重计算,结果如下:
表3基于改进AHP算法的二级指标权重
步骤⑥:CRITIC算法计算客观权重,结果如下:
表4基于CRITIC算法的二级指标权重
步骤⑦:组合方法赋权,结果如下:
表5各二级指标的综合权重
(3)、实例验证与对比:
本发明选取中国西部某农业园区为例验证所提规划指标的合理性与所提方法的优越性。将该区域进行在综合能源改造前后的园区作为目标,用评估体系对其进行算例分析。根据该区域改造前后的的原始数据,通过建立的评估模型对其进行专家打分,并得到各指标的得分数值,如表6所示。
表6该区域各指标分值对比
图3为三种算法的权重对比图。由图3可见,组合算法综合了主、客观权重后,其整体趋势与另外两种方法相近,具有一定的可信度。同时经济性与环保性指标会高于传统客观算法所求的权重,符合新时代能源发展对经济环保的要求。因此本发明所提综合权重方法更合理、准确。
由表6算出的各指标权重系数乘以各自指标初始分值,通过评价模型得到该区域改造前后的综合评估值,如表7所示。
表7该区域综合分值对比
由表7可知,未接入综合能系统源之前的农业园区经济性低于接入综合能源系统的农业园区,在技术性差异不大的基础上,接入综合能源系统的环保性评分高于未接入综合能系统源,表明了评价模型的实用性与准确性。
综上所述,本发明提出了一种基于改进AHP-CRITIC的农业园区综合能源系统评估体系。通过关联规则与PCA法建立出了关键指标体系,避免了复杂指标体系的指标重复和繁琐计算。改进了传统层次分析法判断矩阵构建方法,避免了一致性检验所需要的复杂计算,简化过程。采用最小鉴别信息原理来求取综合权重,让主、客观权重良好的结合,使得算法赋权结果更加科学与精准。通过实际算例分析对比,验证了本发明组合算法的有效性,同时评估结果表明本发明评价模型能适用于工程实际,准确的反映评价对象的主客观评价状态,为未来农业园区的综合能源系统的规划设计提供理论参考。
Claims (6)
1.基于改进AHP-CRITIC的农业园区综合能源系统评估方法,其特征在于包括以下步骤:
步骤1:采用PCA方法,通过关联规则对农业园区综合能源系统的历史数据进行量化,并提取关键指标,得到关键指标体系;
步骤2:通过改进的AHP-CRITIC组合法,分别对主、客观性指标赋权,计算农业园区综合能源系统评价指标体系模型中出各指标综合权重;
步骤3:采集计算指标数据,通过农业园区综合能源系统评价指标体系模型得到综合评估值。
2.根据权利要求1所述基于改进AHP-CRITIC的农业园区综合能源系统评估方法,其特征在于:所述步骤1中,所述历史数据分为三大类:
第一类是农业生产数据,包含叶面积指数、叶片含氮量、生物量、含水量、农业总产值、资源产出率、能源产出率、土地产出率、水资源产出率、劳动生产率;
第二大类是园区循环发展数据,包含单位国内生产总值取水率、单位生产总值能耗、固废循环利用率、液废循环利用率、废旧资源综合利用率、资源循环利用率、二氧化硫排放量、化学需氧量排放量、氨氮排放量、氮氧化物排放量、二氧化碳排放量、固体废物排放量、废水排放量;
3.根据权利要求2所述基于改进AHP-CRITIC的农业园区综合能源系统评估方法,其特征在于:通过关联规则对历史数据进行量化,具体是,首先对上述三类下的历史数据进行评级打分,进而计算出每个历史数据的置信度,将每大类的置信度分别进行置信度矩阵排列,对每个矩阵特征值和特征向量求解,从而得出各指标权重,指标权重大于0.5的即提取为关键指标。
4.根据权利要求3所述基于改进AHP-CRITIC的农业园区综合能源系统评估方法,其特征在于:所述步骤1中,关键指标包含农业总产值、劳动生产率、资源产出率、单位生产总值能耗、可再生能源装机占比、设备运行年限、设备故障率、设备过载率、供电可靠率、供热可靠率、供冷可靠率、综合能源利用率、污染物排放量、废旧资源综合利用率;
关键指标体系中一级指标包含经济性、技术性和环保性;二级指标包含农业总产值、劳动生产率、资源产出率、单位生产总值能耗、可再生能源装机占比、设备运行年限、设备故障率、设备过载率、供电可靠率、供热可靠率、供冷可靠率、综合能源利用率、污染物排放量、废旧资源综合利用率。
5.根据权利要求1所述基于改进AHP-CRITIC的农业园区综合能源系统评估方法,其特征在于:所述步骤2中,采用改进AHP算法,使用三标度法构建判断矩阵,将农业园区综合能源系统设置为AHP算法里层次结构模型里的目标层,将一级指标映射到准则层,将二级指标映射到评价层。
6.根据权利要求5所述基于改进AHP-CRITIC的农业园区综合能源系统评估方法,其特征在于:步骤2中,改进AHP算法包括如下步骤:
S2.1、准则层采用三标度法(1,0,-1),建立判断矩阵A=(aij)n×n,则:
其中,a11表示指标1相对于指标1的重要度,a12表示指标1相对于指标2的重要度,a1n表示指标1相对于指标n的重要度;a21表示指标2相对于指标1的重要度,a22表示指标2相对于指标2的重要度,a2n表示指标2相对于指标n的重要度;an1表示指标n相对于指标1的重要度,an2表示指标n相对于指标2的重要度,ann表示指标n相对于指标n的重要度;
其中,
S2.2、判断矩阵A的最佳传输矩阵为O(oij)n×n,则:
其中,o11表示判断矩阵A里第一行所有元素和第一列所有元素求和后的平均值,o12表示判断矩阵A里第一行所有元素和第二列所有元素求和后的平均值,o1n表示判断矩阵A里第一行所有元素和第n列所有元素求和后的平均值;o21表示判断矩阵A里第二行所有元素和第一列所有元素求和后的平均值,o22表示判断矩阵A里第二行所有元素和第二列所有元素求和后的平均值,o2n表示判断矩阵A里第二行所有元素和第n列所有元素求和后的平均值;on1表示判断矩阵A里第n行所有元素和第一列所有元素求和后的平均值,on2表示判断矩阵A里第n行所有元素和第二列所有元素求和后的平均值,onn表示判断矩阵A里第n行所有元素和第n列所有元素求和后的平均值;
Oij表示最佳传输矩阵里的元素,ail表示判断矩阵A里第i行所有元素,alj表示判断矩阵A里第j行所有元素,n表示取值从1到n,i表示最佳传输矩阵第i行,j表示最佳传输矩阵第j列;
S2.3、最佳传输矩阵O的最佳一致性矩阵位于C(cij)n×n,则:
其中,c11表示以自然常数e为底、o11为指数的函数结果,c12表示以自然常数e为底、o12为指数的函数结果,c1n表示以自然常数e为底、o1n为指数的函数结果;c21表示以自然常数e为底、o21为指数的函数结果,c22表示以自然常数e为底、o22为指数的函数结果,c2n表示以自然常数e为底、o2n为指数的函数结果;cn1表示以自然常数e为底、on1为指数的函数结果,cn2表示以自然常数e为底、on2为指数的函数结果,cnn表示以自然常数e为底、onn为指数的函数结果;
cij=exp(oij) (6);
cij表示最佳一致性矩阵里的元素,exp表示以自然常数e为底的指数函数;
S2.4、评价层指标同样采用上述算法计算,包括以下步骤:
S2.4.1、评价层采用三标度法(1,0,-1),建立判断矩阵A'=(ai'j)n×n,则:
其中,a'11表示指标1相对于指标1的重要度,a'12表示指标1相对于指标2的重要度,a'1n表示指标1相对于指标n的重要度;a'21表示指标2相对于指标1的重要度,a'22表示指标2相对于指标2的重要度,a'2n表示指标2相对于指标n的重要度;a'n1表示指标n相对于指标1的重要度,a'n2表示指标n相对于指标2的重要度,a'nn表示指标n相对于指标n的重要度;
其中,
S2.4.2、判断矩阵A的最佳传输矩阵为O',则:
其中,o'11表示判断矩阵A里第一行所有元素和第一列所有元素求和后的平均值,o'12表示判断矩阵A里第一行所有元素和第二列所有元素求和后的平均值,o'1n表示判断矩阵A里第一行所有元素和第n列所有元素求和后的平均值;o'21表示判断矩阵A里第二行所有元素和第一列所有元素求和后的平均值,o'22表示判断矩阵A里第二行所有元素和第二列所有元素求和后的平均值,o'2n表示判断矩阵A里第二行所有元素和第n列所有元素求和后的平均值;o'n1表示判断矩阵A里第n行所有元素和第一列所有元素求和后的平均值,o'n2表示判断矩阵A里第n行所有元素和第二列所有元素求和后的平均值,o'nn表示判断矩阵A里第n行所有元素和第n列所有元素求和后的平均值;
O'ij表示最佳传输矩阵里的元素,a'il表示判断矩阵A里第i行所有元素,a'lj表示判断矩阵A里第j行所有元素,n表示取值从1到n,i表示最佳传输矩阵第i行,j表示最佳传输矩阵第j列;
S2.4.3、最佳传输矩阵O'的最佳一致性矩阵位于C',则:
其中,c'11表示以自然常数e为底、o'11为指数的函数结果,c'12表示以自然常数e为底、o'12为指数的函数结果,c'1n表示以自然常数e为底、o'1n为指数的函数结果;c'21表示以自然常数e为底、o'21为指数的函数结果,c'22表示以自然常数e为底、o'22为指数的函数结果,c'2n表示以自然常数e为底、o'2n为指数的函数结果;c'n1表示以自然常数e为底、o'n1为指数的函数结果,c'n2表示以自然常数e为底、o'n2为指数的函数结果,c'nn表示以自然常数e为底、o'nn为指数的函数结果;
c'ij=exp(o'ij)
c'ij表示最佳一致性矩阵里的元素,exp表示以自然常数e为底的指数函数;
S2.5、各个指标的主观权重αi为:
CRITIC算法包括以下步骤:
S2.6、对各指标进行无量纲化处理:
式中,m表示样本个数,n表示第n个指标;x′n表示第n个指标无量纲化处理后的结果,xnm表示第m个样本里第n个指标的原始数据,min(xn)表示第n个指标的样本数据里最小的原始数据,max(xn)表示第n个指标的样本数据里最大的原始数据;
式(8)表示为正向指标的无量纲化处理,正向指标即指标值越大越优,式(9)表示为逆向指标的无量纲化处理,逆向指标即指标值越小越优;
S2.7、Sj表示第j个指标的标准差:
S2.8、rij表示评价指标i和j之间的相关系数:
Rj表示第j个指标与其他指标的相关性大小,p即n,求和取值从1到n;
S2.9、第j个评价指标所包含信息量Cj的计算公式如下:
βj表示通过CRITIC算法求出的第j个指标的权重
S2.10、采用了最小鉴别信息原理来求取综合权重Wi,计算公式如下:
αi表示通过改进AHP算法求出的第i个指标的权重,βi表示通过CRITIC算法求出的第i个指标的权重;αj表示通过改进AHP算法求出的第j个指标的权重,βj表示通过CRITIC算法求出的第j个指标的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210843049.8A CN115330130A (zh) | 2022-07-18 | 2022-07-18 | 基于改进ahp-critic的农业园区综合能源系统评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210843049.8A CN115330130A (zh) | 2022-07-18 | 2022-07-18 | 基于改进ahp-critic的农业园区综合能源系统评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115330130A true CN115330130A (zh) | 2022-11-11 |
Family
ID=83918442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210843049.8A Pending CN115330130A (zh) | 2022-07-18 | 2022-07-18 | 基于改进ahp-critic的农业园区综合能源系统评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330130A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115907490A (zh) * | 2022-11-29 | 2023-04-04 | 山东华科信息技术有限公司 | 一种配电网自愈能力的评估方法和系统 |
CN117236935A (zh) * | 2023-11-10 | 2023-12-15 | 四川大学 | 一种含主客观信息的权重自适应水轮机健康状态评估方法 |
-
2022
- 2022-07-18 CN CN202210843049.8A patent/CN115330130A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115907490A (zh) * | 2022-11-29 | 2023-04-04 | 山东华科信息技术有限公司 | 一种配电网自愈能力的评估方法和系统 |
CN117236935A (zh) * | 2023-11-10 | 2023-12-15 | 四川大学 | 一种含主客观信息的权重自适应水轮机健康状态评估方法 |
CN117236935B (zh) * | 2023-11-10 | 2024-01-26 | 四川大学 | 一种含主客观信息的权重自适应水轮机健康状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543737B (zh) | 一种基于fahp_fca组合赋权的信息系统健康度评估方法 | |
CN107544253B (zh) | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 | |
CN115330130A (zh) | 基于改进ahp-critic的农业园区综合能源系统评估方法 | |
CN108376262B (zh) | 一种风电出力典型特性的分析模型构建方法 | |
CN111027775A (zh) | 基于长短期记忆网络的梯级水电站发电量预测方法 | |
CN112950067B (zh) | 基于模糊综合评价的电力用户用电能效评估方法 | |
CN105956788A (zh) | 一种输变电工程造价的动态管理控制方法 | |
CN107463993A (zh) | 基于互信息‑核主成分分析‑Elman网络的中长期径流预报方法 | |
CN106127388A (zh) | 高耗能企业的能效评估方法 | |
CN112308427A (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
CN111368904A (zh) | 一种基于电力指纹的电器设备识别方法 | |
CN112766809A (zh) | 综合能源系统的评价方法 | |
CN113112090B (zh) | 基于综合互信息度的主成分分析的空间负荷预测方法 | |
CN109767074A (zh) | 一种高可靠性供电区配网规划效果综合评估方法 | |
CN112232561A (zh) | 基于约束并行lstm分位数回归的电力负荷概率预测方法 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN112633762A (zh) | 楼宇能效获取方法及设备 | |
CN112101761A (zh) | 清洁低碳、安全高效的能源体系建设成效综合评价方法 | |
CN116307352A (zh) | 一种基于机器学习的工程量指标估算方法及系统 | |
CN109344248B (zh) | 一种基于科技文献摘要聚类的学术主题生命周期分析方法 | |
CN117314266B (zh) | 一种基于超图注意力机制的新型科技人才智能评价方法 | |
CN116629624A (zh) | 一种经济评价方法及终端 | |
CN111160719A (zh) | 两网融合的多指标评估方法 | |
CN116258234A (zh) | 一种基于bp神经网络模型的能源企业碳排测算与预测方法 | |
CN116823008A (zh) | 一种园区能源利用效率评估方法、系统、设备和存储介质 |
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 |