CN116307799A - 双碳目标评价方法 - Google Patents
双碳目标评价方法 Download PDFInfo
- Publication number
- CN116307799A CN116307799A CN202211506581.7A CN202211506581A CN116307799A CN 116307799 A CN116307799 A CN 116307799A CN 202211506581 A CN202211506581 A CN 202211506581A CN 116307799 A CN116307799 A CN 116307799A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- fuzzy
- matrix
- comprehensive
- calculating
- 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 123
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 73
- 238000011161 development Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 46
- 239000013598 vector Substances 0.000 claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims description 25
- 230000008901 benefit Effects 0.000 claims description 22
- 239000010410 layer Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 6
- 239000002356 single layer Substances 0.000 claims description 6
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 6
- 238000006386 neutralization reaction Methods 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 58
- 238000009826 distribution Methods 0.000 description 18
- 238000003745 diagnosis Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000010276 construction Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000009897 systematic effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007334 copolymerization reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Molecular Biology (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种双碳目标评价方法,涉及基于“碳达峰、碳中和”目标的评价体系构建方法,目的是为了克服现有实际各区域用电配置与区域经济及行业经济发展密切相关,且空间特性比较明显,区域用电不平衡的问题,提供了一种双碳目标评价方法。具体步骤如下:步骤一、确定评价对象的因素集;步骤二、确定评价对象的评语集;步骤三、确定评价因素的权重向量;步骤四、进行单因素模糊评价,确立模糊关系矩阵R;步骤五、进行模糊综合评价;步骤六、对模糊综合评价的结果进行分类分析,进而评价双碳目标。
Description
技术领域
本发明涉及基于“碳达峰、碳中和”目标的评价体系构建方法。
背景技术
综合现有研究发现,首先,我国能源结构随着供给侧结构性改革发生较大变化,导致电力市场上游供应不足;其次,“双碳”目标压力之下,煤电价格倒挂使发电企业缺乏动力,进一步造成电力供需出现失衡,且低碳金融对发电行业形成碳约束,倒逼电力企业进行结构优化;再次,目前我国电力市场化程度较低,仍处于计划电力模式和市场电力模式之间的过渡改革阶段,各省域之间电力输送存在阻碍,电力结构优化也受到阻碍;最后,实际各区域用电配置与区域经济及行业经济发展密切相关,且空间特性比较明显,区域用电不平衡、行业用电个性化特征突出,新兴产业发展对电力市场需求的拉动现象明显。结果证实电力市场化是最大化电力资源配置、区域经济发展以及产业结构优化的必要因素,因此构建全新的评价体系,进一步推动电力市场化改革。
发明内容
本发明的目的是为了克服现有实际各区域用电配置与区域经济及行业经济发展密切相关,且空间特性比较明显,区域用电不平衡的问题,提供了一种双碳目标评价方法。
本发明提供一种双碳目标评价方法,具体步骤如下:
步骤一、确定评价对象的因素集;
步骤二、确定评价对象的评语集;
步骤三、确定评价因素的权重向量;
步骤四、进行单因素模糊评价,确立模糊关系矩阵R;
步骤五、进行模糊综合评价;
步骤六、对模糊综合评价的结果进行分类分析,进而评价双碳目标。
其中,步骤一具体如下:
设U={u1,u2,…,um}为被评价对象的m种评价指标;
其中:m是评价指标的个数。
其中,步骤二具体如下:
设V={v1,v2,…,vn}是评价者对被评价对象可能做出的各种总的评价结果组成的评语等级的集合;所述评语等级分为3~5个等级。
其中,步骤三具体如下:
设A={a1,a2,…,am}为权重分配模糊矢量;
其中,ai表示第i个评价指标的权重,且a1+a2+…+am=1。
其中,步骤三中得到评价指标的权重的具体步骤如下:
步骤三一、建立层次结构模型;
步骤三二、构造指标重要程度判断矩阵;
构造模糊判断矩阵R=(rij)n×n,其中元素rij=(uij,mij,pij);rij表示本层指标i比j的相对重要程度,则有lij=1/lij,mij=1/mij,pij=1/pij;
步骤三三、计算综合三角模糊矩阵;
步骤三四、构造模糊判断因子矩阵E;
步骤三五、计算调整判断矩阵Q;
然后把判断矩阵Q按列转换为对角线为1的判断矩阵Q′;
步骤三五、单层排序:利用判断矩阵Q′计算对于上一层某元素而言,本层与上一层某元素有联系的元素的权重,用方根法计算第i个评价指标的权重;
步骤三六、综合排序:根据各单层的排序结果,计算得到指标的综合指标权重的集合wnb=(θ1,θ2,…,θm)。
其中,步骤四具体如下:
逐个对被评价对象从每个因素ui上进行量化,进而得到模糊关系矩阵:
其中,rij表示某个被评价对象从因素ui来看对等级模糊子集vj的隶属度;ri为单因素评价矩阵;并且,ri=(ri1,ri2,…rin)进行归一化处理:∑rij=1。
其中,步骤五具体如下:
利用模糊合成算子将模糊权矢量A与模糊关系矩阵R合成得到各被评价对象的模糊综合评价结果矢量B,得到模糊综合评价模型为:
其中,bj表示被评级对象从整体上看对评价等级模糊子集元素vj的隶属程度。
其中,步骤六具体如下:
将综合评价结果B转换为综合分值,并依综合分值大小进行排序。
其中,步骤六中排序的具体方法如下:
步骤六一、计算首级权重指标;
通过层次分析法,建立评论集U=(U1,U2,U3,U4)的评估矩阵;
步骤六二、依据层次分析法,计算出三个因素U1,U2,U3所对应的权重;
电网发展集合:U1=(B11,B12,B13,B14)=(技术装备,供电质量,智能化,电网规模);建立对应的矩阵判别模型,并计算对应的权重;
生产经营集合:生产经营集合:U2=(B21,B22,B23,B24)=(经营业务,资产质量,供电服务,φ);建立对应的矩阵判别模型,并计算对应的权重;
社会经济集合:U3=(B31,B32,B33,B34)=(GDP,人口面积,全社会用电量,φ);建立对应的矩阵判别模型,并计算对应的权重;
效率效益集合:U4=(B41,B42,B43,B44,B45,B46)=(综合线损率,单位投资增供电量,单位投资增供负荷,总投资,φ,φ);建立对应的矩阵判别模型,并计算对应的权重,
步骤六三、计算二级指标的权重因子,以及基于评估结果的加权因子的指标排列。
其中,步骤七具体如下:
计算各类之间的距离,得到N*N维的距离矩阵D(0);
其中,(0)表示聚类开始运算前的状态;
步骤七二、假设步骤七一的聚类运算中已求得距离矩阵D(n);
其中,n为逐次聚类合并的次数;
则求D(n)中的最小元素;
步骤七三、计算合并后新的分类之间的距离,得D(n+1);
步骤七四、返回步骤七二,重复计算及合并,直到得到所需的分类结果。
本发明的有益效果是:
(1)科学规划电网建设,提升电网投资效益
根据黑龙江省目前的经济发展形势及其在能源基地战略定位,以及黑龙江省电网地域辽阔、属高寒地区、负荷密度相对较小的特殊性,并综合考虑公司的盈利能力,近期内黑龙江省电量增速仍将保持缓慢发展态势,黑龙江省供电公司持续亏损的局面很难得到有效改善。但由于负荷发展及电网建设的不平衡性,黑龙江电网仍有新增用电需求需要满足,电网仍需合理建设和发展。因此,黑龙江省公司需深入开展电网项目技术经济综合论证,优先安排能够确保投资效益的项目、提高市场占有率的项目和解决电网本质安全问题的项目,将容载比、设备负载率等指标控制在合理范围内,从源头提升电网投资效益。
(2)积极争取政策支持,加大电网建设力度
由于有着真实有效的县级供电企业评价体系,公司能够积极向国家和市政府争取农村电网建设等涉农电网工程投资政策和资金支持,同时在基础设施建设等方面安排中央预算内投资和其他有关专项投资时,解决电网建设资金不足问题。
(3)构建动态评估分析模型,实时按需调整评价指标
黑龙江省电网供电区域大、线路供电半径长,并由于近年来黑龙江省地区大量旱田改水田,为满足灌溉负荷用电需求,而出现的季节性负荷,导致负荷峰谷差距大、主变容载比等指标偏高的情况。评价指标体系是反映基层供电企业电网发展和生产经营情况的重要手段。电网发展及生产经营评价系统是一个非线性复杂系统,需要由多个具有内在联系的指标按照一定的结构层次组合在一起构成指标体系,存在一定的时效偏差,建议构建动态评估分析模型,能够结合随时结合新形势变化,实时的开展电网发展评价评价工作,充分体现评价对实际电网建设的指导意义。
(3)进一步强化精准投资,提高电网效率效益
各地市公司、县级公司与农垦电业局在实施过程中,统筹推进各级电网协调发展。在用足用好电网存量、提升现有电网运行效率基础上,有保有控、量力而行安排电网建设,扩大投资效益,提高电网整体效能。
具体实施方式
下面对本发明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作出创造性劳动的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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明,但不作为本发明的限定。
黑龙江省县级供电企业数量较多,共有73家,考虑到电网发展与生产经营情况和企业自身的运营战略有关,又受到区域经济、人口、地理位置等各类环境因素影响,且上一年度综合评价对各县级单位2020年度的各项指标提升起到了积极作用,因此本年度评价一级指标体系仍沿用上一年度评价指标体系,由电网发展数据、生产经营数据、社会经济数据、效益效率数据组成,并依据新形势,对二、三级指标体系进行微调。其中,电网发展指标主要反映县级电网在建设规模、供电质量、技术装备和智能化水平方面的发展情况;生产经营指标主要反映县级供电企业经营业务、资产质量和供电服务方面的情况;社会经济主要反映县级供电企业所处地区宏观经济水平情况;效率效益主要反映企业投资能力、综合线损等情况。
针对黑龙江省县级供电企业发展成效指标类型呈现多层次、多样化的特点,要将系统运行成效的主观感受转化为相对可衡量的综合评价结果,就必须要对系统项目进行综合评价。模糊层次分析法(FAHP)能够有效地处理模糊和不确定性问题。因此龙江公司结合层次分析法和模糊评价法,结合熵权法,运用量化指标来表达参与评价的相关人员的主观思维和经验,并将其转化为量化指标。
模糊综合评价法是一种基于模糊数学的综合评价方法,应用模糊关系合成的原理,将一些边界不清,不易定量的因素定量化,进行综合评价。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决,其特点是评价结果不是绝对地肯定或否定,而是以一个模糊集合来表示。
模糊综合评价中通常分有目标层和指标层,通过指标层与评价集之间的模糊关系矩阵(即隶属度矩阵)可以得到目标层对于评价集的隶属度向量,从而得到目标层的综合评价结果。
隶属度与隶属度矩阵是模糊综合评价的关键性概念。
计算步骤:
(1)确定评价对象的因素集
设U={u1,u2,…,um}为刻画被评价对象的m种评价因素(评价指标),其中:m是评价因素的个数,由具体的指标体系所决定。
(2)确定评价对象的评语集
设V={v1,v2,…,vn}是评价者对被评价对象可能做出的各种总的评价结果组成的评语等级的集合,一般划分为3-5个等级。
(3)确定评价因素的权重向量
设A={a1,a2,…,am}为权重分配模糊矢量,其中ai表示第i个因素的权重,要求a1+a2+…+am=1,A反映了各因素的重要程度。
在进行模糊综合评价时,权重对最终的评价结果会产生很大的影响,不同的权重有时会得到完全不同的结论。现在通常是凭经验给出权重,但带有主观性。确定权重的方法有:①专家估计法;②加权平均法:当专家人数不足30人时,可用此法,首先多位专家各自独立地给出各因素权重,然后取各因素权重的平均值作为其权重;③频率分布确定权数法;④模糊协调决策法:贴近度与择近原则;⑤层次分析法。
(4)进行单因素模糊评价,确立模糊关系矩阵R。
单独从一个因素出发进行评价,以确定评价对象对评价集合V的隶属程度,称为单因素模糊评价。
在构造了等级模糊子集后,就要逐个对被评价对象从每个因素ui上进行量化,也就是确定从单因素来看被评价对象对各等级模糊子集的隶属度,进而得到模糊关系矩阵:
其中rij表示某个被评价对象从因素ui来看对等级模糊子集vj的隶属度。一个被评价对象在某个因素ui方面的表现是通过模糊矢量ri来刻画的,ri称为单因素评价矩阵,可以看做是因素集U和评价集V之间的一种模糊关系,即影响因素与评价对象之间的“合理关系”。(ri=(ri1,ri2,…rin)归一化处理:∑rij=1,目的是消除量纲的影响)
(5)综合评价
利用合适的模糊合成算子将模糊权矢量A与模糊关系矩阵R合成得到各被评价对象的模糊综合评价结果矢量B。模糊综合评价模型为:
其中:bj表示被评级对象从整体上看对评价等级模糊子集元素vj的隶属程度。
(6)对模糊综合评价结果进行定量分析
模糊综合评价的结果是被评价对象对各等级模糊子集的隶属度,它一般是一个模糊矢量,而不是一个值,因而他能提供的信息比其它方法更丰富。对多个评价对象比较并排序,就需要进一步处理,即计算每个评价对象的综合分值,按大小排序,按序则优,将综合评价结果B转换为综合分值,于是可依其大小进行排序,从而挑选出最优者。
3.3指标权重
在构建的指标体系中,为提高聚类分析的准确性,此处添加了若干经济社会发展指标来辅助聚类。聚类完成后,在开展县公司综合评价的过程中,将不再考虑辅助指标,只考虑公司发展的若干指标。使用了基于三角函数算法改进AHP模型的电网发展和生产经营的基础指标权重设计策略。
三角模糊数原理:
令F(R)为R上的全体模糊数,设R∈F(R),如果:
(1)R的隶属函数μR,可以表示为:
(2)存在x0∈R,使得μR(x0)=1
(3)对任意的λ∈(0,1),若Rλ={x/μR(x)≥λ}是凸集,则R为三角模糊数。
记为R=(l,m,p),其中l,p用以表示判断的模糊程度,其二者间的差越大则说明模糊程度越高,反之越低。
设R1=(l1,m1,p1),R2=(l2,m2,p2)则:
λR1=(λl1,λm1,λp1)1/R1=(1/P1,1/m1,1/l1)(3.4)
改进AHP计算步骤:
(1)建立层次结构模型。在深入分析实际问题的基础上,将影响资产质量的各相关因素分解成若干等级,同一级上的诸因素从属于上一级的因素或对上级因素有影响,同时又支配下一级的因素或受下级因素的作用。
(2)构造指标重要程度判断矩阵
判断矩阵是指在指标体系中,针对上一层某个元素来讲,本层与之相连的有关元素之间的相对重要性比较。
元素之间进行两两比较时,采用三角模糊数定量表示,构造模糊判断矩阵R=(rij)n×n,其中元素rij=(uij,mij,pij)。rij表示本层指标i比j的相对重要程度,可以采用常见的1-9标度法表示。则有lij=1/lij,mij=1/mij,pij=1/pij。与普通判断矩阵的根本区别在于,模糊判断矩阵对每个指标都有一个模糊判断区间eij=pij-lij。该区间反映了专家评判结果的可信度,从某种意义上也可以理解为数理统计中的“置信区间”。eij越大,可信度越小。
(3)计算综合三角模糊矩阵
构造模糊判断因子矩阵E
计算调整判断矩阵Q:
然后把判断矩阵Q按列转换为对角线为1的判断矩阵Q′。
单层排序:利用判断矩阵Q′计算对于上一层某元素而言,本层与之有联系的元素的权重。用方根法计算指标i的权重。
综合排序:根据各单层的排序结果,计算得到指标的综合指标权重的集合wnb=(θ1,θ2,…,θm)。
改进层次分析法把可信度引入模糊判断矩阵中,这样求出的指标权重即具有层次分析法的优点,又可以反映专家判断的“不确定性”对判断结果的影响。
综合评价
(1)权重确定
龙江公司采用模糊层次分析法对各县级供电企业发展成效进行评价。结合构建的县级供电企业发展成效评价指标体系结构,主要分析各县级供电企业的电网发展、生产经营、社会经济、效率效益四个方面。
首先以指标体系的四个维度构建综合因素评价集合U=(U1,U2,U3,U4),然后根据层次分析理论,对各一级评价因素进行分解,将四个因素对象建成二维综合评价集合,即:
电网发展集合:U1=(B11,B12,B13,B14)=(技术装备,供电质量,智能化,电网规模);
生产经营集合:U2=(B21,B22,B23,B24)=(经营业务,资产质量,供电服务,φ);
社会经济集合:U3=(B31,B32,B33,B34)=(GDP,人口面积,全社会用电量,φ);
效率效益集合:U4=(B41,B42,B43,B44)=(综合线损率,总投资,φ,φ)。
表1一级指标判断矩阵
U | U1 | U2 | U3 | U4 | ω | 一致性检验 |
U1 | 1 | 2 | 3 | 4 | 0.5396 | λmax=3.0009 |
U2 | 1/2 | 1 | 2 | 3 | 0.2969 | CI=0.0046 |
U3 | 1 | 1/2 | 1 | 2 | 0.1635 | CR=0.0079 |
U4 | 4 | 1 | 1/2 | 1 | 0.1146 |
(1)首级权重指标
通过层次分析法,建立评论集U=(U1,U2,U3,U4)的评估矩阵,如表1所示。
(2)依据层次分析法,计算出三个因素U1,U2,U3所对应的权重
电网发展集合:U1=(B11,B12,B13,B14)=(技术装备,供电质量,智能化,电网规模);建立对应的矩阵判别模型,并计算对应的权重,如表2所示:
表2电网发展判断矩阵
U1 | B11 | B12 | B13 | B14 | ω | 一致性检验 |
B11 | 1 | 2 | 2 | 3 | 0.3265 | λmax=5.2944 |
B12 | 1/2 | 1 | 2 | 2 | 0.2588 | CI=0.0736 |
B13 | 1/2 | 1/2 | 1 | 2 | 0.2368 | CR=0.0657 |
B14 | 1 | 1/2 | 1/3 | 1/2 | 0.0791 |
生产经营集合:生产经营集合:U2=(B21,B22,B23,B24)=(经营业务,资产质量,供电服务,φ);建立对应的矩阵判别模型,并计算对应的权重,如表3所示:
表3生产经营判断矩阵
社会经济集合:U3=(B31,B32,B33,B34)=(GDP,人口面积,全社会用电量,φ);建立对应的矩阵判别模型,并计算对应的权重,如表4所示:
表4社会经济判断矩阵
U3 | B31 | B32 | B33 | B34 | ω | 一致性检验 |
B31 | 1 | 2 | 2 | 0.3154 | λmax=5.3688 | |
B32 | 1/2 | 1 | 2 | 0.2214 | CI=0.0887 | |
B33 | 1/3 | 1/2 | 1 | 0.1987 | CR=0.0669 | |
B34 |
效率效益集合:U4=(B41,B42,B43,B44,B45,B46)=(综合线损率,单位投资增供电量,单位投资增供负荷,总投资,φ,φ);建立对应的矩阵判别模型,并计算对应的权重,如表5所示:
表5效率效益判断矩阵
U1 | B41 | B42 | B43 | B44 | ω | 一致性检验 |
B41 | 1 | 2 | 0.3345 | λmax=5.1778 | ||
B42 | 1/2 | 1 | 0.2687 | CI=0.0874 | ||
B43 | CR=0.0787 | |||||
B44 |
(3)层次总排序
计算二级指标的权重因子,以及基于评估结果的加权因子的指标排列,如表6所示。
表6组合权重系数
表7县域得分排名表
县级供电企业生产经营和电网发展分类诊断
分类情况
本年度发展成效分类诊断,龙江公司选取的分类方法为:系统聚类法。系统聚类法是目前国内外使用比较多的一种聚类方法,其实现方式是:它首先将每个样本单独看成一类,在规定类间距离的条件下,选择距离最小的一对合并成一个新类,并计算新类与其他类之间的距离,再将距离最近的两类合并,这样每次会减少一个类,直到所有的样本合为一类为止。
(1)系统聚类实现的一般步骤
①将每个指标看成一类;
②计算类间距离矩阵,并将距离最近的两类合并成为一个新类;
③计算新类与当前各类之间的距离。若类的个数等于1,则进行下一步,否则转到第2步;
④画聚类图;
⑤决定聚类数目和类别。
(2)常用的距离
包括:绝对值距离、欧氏距离、明氏距离、切比雪夫距离、马氏距离、兰氏距离、余弦距离。
表8距离的定义
(3)算法步骤
②假设前一步聚类运算中已求得距离矩阵D(n),n为逐次聚类合并的次数,则求D(n)中的最小元素。如果它是Gi(n)和Gj(n)两类之间的距离,则将Gi(n)和Gj(n)两类合并为一类由此建立新的分类:/>
③计算合并后新类别之间的距离,得D(n+1)。
④返回第二步,重复计算及合并,直到得到满意的分类结果。(如:达到所需的聚类数目,或D(n)中的最小分量超过给定阈值D等。
(4)聚类准则函数
①最短距离法:设H和K是两个聚类,则两类间的最短距离定义为:DHK=min(duv),u∈H,v∈K。其中,duv表示H类中的样本xu和K类中的样本xv之间的距离,DHK,K表示H类中的所有样本和K类中的所有样本之间的最小距离。
递推运算:假若K类是由I和J两类合并而成,则
②最长距离法:设H和K是两个聚类,则两类间的最长距离定义为:DHK=max(duv),u∈H,v∈K。其中duv的含义与上面相同。
递推运算:假若K类是由I和J两类合并而成,则
④重心法:假设I类中有nI个样本,J类中有nJ个样本,则I和J合并后共有nI+nJ个样本。用nI/nI+nJ和nJ/nI+nJ代替中间距离法中的系数,得到重心法的类间距离计算公式:
⑤类平均距离法:若采用样本间所有距离的平均距离,则有:
递推运算公式:
龙江公司对73个县级供电企业的社会经济类指标和内部生产经营类指标分别进行聚类分析,并检验对聚类结果有贡献的具体指标,将内部指标与社会经济类指标中对聚类有贡献的指标整合后开展系统聚类,作为最终的评价分类依据。以Origin软件作为聚类平台,将实际数据输入,选择分类处理,73个县级供电企业作为聚类对象。通过电网发展、生产经营、效率效益与社会经济类指标分别聚类的结果存在较大差异,社会经济类指标侧重外部因素的影响,共聚为5类,聚类结果符合预期,且与综合聚类的结果一致;电网发展、生产经营、效率效益侧重企业内部的管理水平,聚类结果与社会经济类指标聚类结果存在较大差异,共聚出5类,侧面反映了电网发展与外部社会经济发展的匹配度存在一定的差异。
4.2分类诊断
考虑到不同区域间的差异,以及不同类别地区的差异,为了提高评价的合理性和科学性,结合各类地区的特征与特性,龙江公司以综合指标聚类结果为分类依据,共分为五个类别,并对不同类别的县级供电企业开展综合评价,根据综合评价结果来进行排序,并且通过绘制雷达图来展现各县公司的电网发展和生产经营情况。
对73家县级供电企业进行聚类,综合考虑电网发展、生产经营、社会经济和效益效率四个方面的情况后,通过主成分分析在以上四个二级指标中选取人均GDP、主变容量、线路长度、售电量、农网综合线损率、利润总额、采集覆盖率、营业户数、供电可靠率、综合电压合格率10个与龙江公司县级供电企业发展成效密切相关的三级指标。具体分类结果如下:
(1)第Ⅰ类县级供电企业
第Ⅰ类县级供电企业包括:阿城、萝北、富锦、鹤岗郊区、宝清、逊克、肇州、佳木斯郊区、嫩江、海伦、五大连池、肇源、通河、塔河、北安15家县级供电企业,第Ⅰ类县级供电企业发展成效分类诊断评价指标表如表4-3所示,这类县级供电企业的特征主要是所在区域社会经济条件比较优越,企业电网发展、生产经营、效率效益相对成熟。
表4-3第Ⅰ类县级供电企业发展成效分类诊断评价指标表
对10项指标分别在全省县级供电企业相关数据中的分布情况为各类数据进行标取分数。取0.5至5,每类指标有10个档次,5为最高分,0.5为最低分,综合得分情况如下表9所示。
表9第Ⅰ类县级供电企业发展成效分类诊断分数表
第Ⅰ类县级供电企业在优质服务与电网结构和智能化、经营能力方面仍有加强的空间,因此需更关注优质服务、供电质量、智能化水平以及发展投入方面的指标。
(2)第Ⅱ类县级供电企业
第Ⅱ类县级供电企业包括:富裕、友谊、甘南、虎林、抚远、同江、拜泉、勃利、泰来、北林、巴彦、明水、绥棱、绥滨、兰西、饶河、龙江、讷河、方正、林甸、孙吴、木兰、庆安、东宁、安达、桦南、密山、呼玛、嘉荫、克东、漠河、铁力、桦川、鸡东、汤原、集贤40家县级供电企业,第Ⅱ类县级供电企业发展成效分类诊断评价指标表如表4-5所示,这类县级供电企业的特征主要是所在区域社会经济条件、企业电网发展、生产经营均处于中等偏上水平,但相关指标的增速偏慢。
表10第Ⅱ类县级供电企业发展成效分类诊断评价指标表
对10项指标分别在全省县级供电企业相关数据中的分布情况为各类数据进行标取分数。取0.5至5,每类指标有10个档次,5为最高分,0.5为最低分,综合得分情况如下表11所示。
表11第Ⅱ类县级供电企业发展成效分类诊断分数表
第Ⅱ类县级供电企业同样外部环境较好,电网情况总体较好,无论是电量还是公司经营水平都能增长的县级供电企业,但单位投资增供电量与增供负荷均较低,因此第Ⅱ类县级供电企业应着重在在发展投入方面实现突破。
(3)第Ⅲ类县级供电企业
第Ⅲ类县级供电企业包括:呼兰、望奎、杜蒙、克山、双城、宾县、尚志、肇东、青冈、五常、延寿11家县级供电企业,第Ⅲ类县级供电企业发展成效分类诊断评价指标表如表12所示,这类县级供电企业的特征主要是外部环境略有薄弱,在电网结构、技术装备、供电能力、经营业绩等方面均有改进的空间。
表12第Ⅲ类县级供电企业发展成效分类诊断评价指标表
对10项指标分别在全省县级供电企业相关数据中的分布情况为各类数据进行标取分数。取0.5至5,每类指标有10个档次,5为最高分,0.5为最低分,综合得分情况如下表13所示。
表13第Ⅲ类县级供电企业发展成效分类诊断分数表
第Ⅲ类县级供电企业保障供电能力是关键,同时也要提升智能化和优质服务水平;针对其电网发展相对缓慢的特点,需先补强电网再考虑经营情况,应重视供电能力、电网结构、优质服务的能力提升,未来应着重提高单位投资所增加的供电量以及增加的负荷。
(4)第Ⅳ类县级供电企业
第Ⅳ类县级供电企业包括:海林、依安、依兰、宁安4家县级供电企业,第Ⅳ类县级供电企业发展成效分类诊断评价指标表如表4-9所示,这类县级供电企业的特征主要是经济体量不大,而且增速一般,属于经济落后区。
表14第Ⅳ类县级供电企业发展成效分类诊断评价指标表
对10项指标分别在全省县级供电企业相关数据中的分布情况为各类数据进行标取分数。取0.5至5,每类指标有10个档次,5为最高分,0.5为最低分,综合得分情况如下表15所示。
表15第Ⅳ类县级供电企业发展成效分类诊断分数表
第Ⅳ类县级供电企业在劣势方面,与第Ⅲ类类似,在未来开展电网投资相关项目时,应当重点关注投资回报率等指标。
(5)第Ⅴ类县级供电企业
第Ⅴ类县级供电企业包括:林口、穆棱、绥芬河3家县级供电企业,第Ⅴ类县级供电企业发展成效分类诊断评价指标表如表4-14所示,这类县级供电企业的特征与第Ⅳ类类似,虽然总体经济情况较第Ⅳ类要好,但经济发展前景堪忧,且电网整体情况要弱于第Ⅳ类。
表1第Ⅴ类县级供电企业发展成效分类诊断评价指标表
对10项指标分别在全省县级供电企业相关数据中的分布情况为各类数据进行标取分数。取0.5至5,每类指标有10个档次,5为最高分,0.5为最低分,综合得分情况如下表4-12所示。
表4-12第Ⅴ类县级供电企业发展成效分类诊断分数表
第Ⅴ类县级供电企业在未来开展电网投资相关项目时,应当重点关注投资回报率等指标。
成效提升建议
通过对龙江公司县级供电企业发展成效的诊断分析,从整体上看,龙江公司各级供电企业10千伏N-1通过率普遍偏低,主要是由于农网单线单变占比较高;配网重载设备占比偏高的区县主要是灌溉期尖峰负荷较高;供电可靠率、综合电压合格率需进一步提高运维管理水平,通过电网基建工程和生产技改、大修改善网架,以提高两指标水平;供电半径不合格率尚可,农网线路经过山区、水田较多,全部改造投资收益比不高。十四五期间龙江公司应进一步提高运维管理水平,合理安排运行方式,争取电网基建工程以提高电网安全水平。
针对第Ⅰ类县级供电企业需结合投资能力及负荷需求情况,进一步开展配变容量提升工程,以建设标准网架为目标,通过配电网单元制改造,抢占通道资源,调整或增设分段、联络,开展单辐射电缆线路改造,优化城市电缆网架,形成“结构清晰、布局合理”的中压配电网,缩短平均供电半径,提升户均配变容量,提高配电网可靠性同时改善供电服务质量,降低投诉率。
针对第Ⅱ类县级供电企业,需要继续加大配电网的投资力度,加快解决B、C类供电区域内单线单变问题,提升配电网整体安全运行水平。加快更换老旧设备的工作进程,降低高损配变的比例,降低损耗,提升效益。
针对经济较落后、单位投资增供电量较低的第Ⅲ、Ⅳ、Ⅴ县级供电企业,应进一步开展增供扩销,开发电量新增长点,进一步提升单位投资增供电量,保障区域用电需求;进而提升经营业绩指标水平。
5结论与建议
5.1主要结论
龙江公司基于本省县级供电企业特征分析,构建聚类分析指标体系、综合评价模型及算法,对黑龙江73个县级供电企业指标情况、存在的问题进行了系统的分析、梳理,提出了相应的管理方法以及建议。研究结论验证了聚类分析理论的科学性,同时证明了将AHP综合评价方法应用于县公司之间评优对比的合理性。研究结果对提高县级供电企业的电网发展水平和运营效益具有较为重要的意义。
结合黑龙江省县级企业电网发展及生产经营数据分析与综合评价结果,分析得出以下主要问题:
(1)县级供电企业经营效益不理想
龙江公司县级供电企业因为历史遗留原因,县级供电企业构成较为复杂,电网资产老旧化严重,同时人员冗杂,造成了现在这种成本高,利润低的局面,县级供电企业应开源节流,改善经营状况。
(2)很多县级供电企业变电站、配电线路老旧严重
县级供电企业电网设备使用年限较长,变电站、配电线路老旧化严重,有些已经威胁到了供电安全。但因经营效益原因,很多公司暂时没有条件进行更换。各县级供电企业应对威胁到供电安全的老旧设备立即进行更换,暂时没有条件的,应该立即进行检修与调换工作。
(3)偏远的县级供电企业电能质量不达标
很多在偏远地区的县级供电企业有着电能质量不达标的问题,例如低电压问题以及供电可靠率过低的问题。各县级供电公司应开展自查工作,对于电能质量不达标的区域应该集中进行治理。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他实施例中。
Claims (10)
1.双碳目标评价方法,其特征在于,具体步骤如下:
步骤一、确定评价对象的因素集;
步骤二、确定评价对象的评语集;
步骤三、确定评价因素的权重向量;
步骤四、进行单因素模糊评价,确立模糊关系矩阵R;
步骤五、进行模糊综合评价;
步骤六、对模糊综合评价的结果进行分类分析,进而评价双碳目标。
2.根据权利要求1所述的双碳目标评价方法,其特征在于,步骤一具体如下:
设U={u1,u2,…,um}为被评价对象的m种评价指标;
其中:m是评价指标的个数。
3.根据权利要求2所述的双碳目标评价方法,其特征在于,步骤二具体如下:
设V={v1,v2,…,vn}是评价者对被评价对象可能做出的各种总的评价结果组成的评语等级的集合;所述评语等级分为3~5个等级。
4.根据权利要求3所述的双碳目标评价方法,其特征在于,步骤三具体如下:
设A={a1,a2,…,am}为权重分配模糊矢量;
其中,ai表示第i个评价指标的权重,且a1+a2+…+am=1。
5.根据权利要求4所述的双碳目标评价方法,其特征在于,步骤三中得到评价指标的权重的具体步骤如下:
步骤三一、建立层次结构模型;
步骤三二、构造指标重要程度判断矩阵;
构造模糊判断矩阵R=(rij)n×n,其中元素rij=(uij,mij,pij);rij表示本层指标i比j的相对重要程度,则有lij=1/lij,mij=1/mij,pij=1/pij;
步骤三三、计算综合三角模糊矩阵;
步骤三四、构造模糊判断因子矩阵E;
步骤三五、计算调整判断矩阵Q;
然后把判断矩阵Q按列转换为对角线为1的判断矩阵Q′;
步骤三五、单层排序:利用判断矩阵Q′计算对于上一层某元素而言,本层与上一层某元素有联系的元素的权重,用方根法计算第i个评价指标的权重;
步骤三六、综合排序:根据各单层的排序结果,计算得到指标的综合指标权重的集合wnb=(θ1,θ2,…,θm)。
8.根据权利要求7所述的双碳目标评价方法,其特征在于,步骤五具体如下:
将综合评价结果B转换为综合分值,并依综合分值大小进行排序。
9.根据权利要求8所述的双碳目标评价方法,其特征在于,步骤五中排序的具体方法如下:
步骤六一、计算首级权重指标;
通过层次分析法,建立评论集U=(U1,U2,U3,U4)的评估矩阵;
步骤六二、依据层次分析法,计算出三个因素U1,U2,U3所对应的权重;
电网发展集合:U1=(B11,B12,B13,B14)=(技术装备,供电质量,智能化,电网规模);建立对应的矩阵判别模型,并计算对应的权重;
生产经营集合:生产经营集合:U2=(B21,B22,B23,B24)=(经营业务,资产质量,供电服务,φ);建立对应的矩阵判别模型,并计算对应的权重;
社会经济集合:U3=(B31,B32,B33,B34)=(GDP,人口面积,全社会用电量,φ);建立对应的矩阵判别模型,并计算对应的权重;
效率效益集合:U4=(B41,B42,B43,B44,B45,B46)=(综合线损率,单位投资增供电量,单位投资增供负荷,总投资,φ,φ);建立对应的矩阵判别模型,并计算对应的权重,
步骤六三、计算二级指标的权重因子,以及基于评估结果的加权因子的指标排列。
10.根据权利要求9所述的双碳目标评价方法,其特征在于,步骤六具体如下:
步骤七一、设初始模式样本共有N个,每个样本自成一类,建立N类,
计算各类之间的距离,得到N*N维的距离矩阵D(0);
其中,(0)表示聚类开始运算前的状态;
步骤七二、假设步骤七一的聚类运算中已求得距离矩阵D(n);
其中,n为逐次聚类合并的次数;
则求D(n)中的最小元素;
步骤七三、计算合并后新的分类之间的距离,得D(n+1);
步骤七四、返回步骤七二,重复计算及合并,直到得到所需的分类结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211506581.7A CN116307799A (zh) | 2022-11-28 | 2022-11-28 | 双碳目标评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211506581.7A CN116307799A (zh) | 2022-11-28 | 2022-11-28 | 双碳目标评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307799A true CN116307799A (zh) | 2023-06-23 |
Family
ID=86791211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211506581.7A Pending CN116307799A (zh) | 2022-11-28 | 2022-11-28 | 双碳目标评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307799A (zh) |
-
2022
- 2022-11-28 CN CN202211506581.7A patent/CN116307799A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dźwigoł et al. | Evaluation of the energy security as a component of national security of the country. | |
CN107169633B (zh) | 一种输气管网、储气库调峰方案综合评价方法 | |
CN108491969A (zh) | 基于大数据的空间负荷预测模型构建方法 | |
CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
CN106940833A (zh) | 一种基于模糊三角数和改进层次分析法的电网企业售电侧风险评估方法 | |
Xiao et al. | Multistage decision support framework for sites selection of solar power plants with probabilistic linguistic information | |
CN106056290A (zh) | 一种计及新能源接入的输电网运行效率效益检测方法 | |
CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
CN111091229A (zh) | 一种电网基建项目精准投资决策方法 | |
Liu et al. | A multistage decision-making method for multi-source information with Shapley optimization based on normal cloud models | |
CN110634033A (zh) | 一种配售电园区价值评估方法和装置 | |
CN113344449A (zh) | 一种预测月尺度工业需水量的方法 | |
CN115994778A (zh) | 多元用户用能行为精细画像方法 | |
CN115330130A (zh) | 基于改进ahp-critic的农业园区综合能源系统评估方法 | |
CN111460378A (zh) | 一种考虑风险测度的配电网精准投资项目优选方法 | |
Pessanha et al. | Benchmarking the operational expenditures of Brazilian transmission utilities by using DEA models | |
Wu et al. | [Retracted] Optimization and Simulation of Enterprise Management Resource Scheduling Based on the Radial Basis Function (RBF) Neural Network | |
Zhang et al. | Comprehensive benefit evaluation of transmission and substation project for renewable energy connection: A case in China | |
CN109492874A (zh) | 一种三层级配电网投资决策体系的决策方法 | |
CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
Xuesen et al. | Consideration of trends in evaluating inter-basin water transfer alternatives within a fuzzy decision making framework | |
CN116307799A (zh) | 双碳目标评价方法 | |
CN115759878A (zh) | 一种基于层次分析与模糊综合的变电站绿色施工评价方法 | |
Chen et al. | A combination weighting method for the risk evaluation of water saving management contract | |
Shiyun et al. | Data analysis and cloud computing of power grid infrastructure projects under the background of informatization |
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 |