CN116663967A - 一种油气管道站场区域化管理综合评价方法及系统 - Google Patents

一种油气管道站场区域化管理综合评价方法及系统 Download PDF

Info

Publication number
CN116663967A
CN116663967A CN202310495797.6A CN202310495797A CN116663967A CN 116663967 A CN116663967 A CN 116663967A CN 202310495797 A CN202310495797 A CN 202310495797A CN 116663967 A CN116663967 A CN 116663967A
Authority
CN
China
Prior art keywords
evaluation
index
adjustment scheme
management
adjustment
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
CN202310495797.6A
Other languages
English (en)
Inventor
孙勇
游泽彬
王春明
李秋娟
蔡永军
何淼
史威
马宁
刁宇
宋静晗
关健
樊帆
迟盛梅
柳佳辰
李博
王宁
李狄楠
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.)
China Oil and Gas Pipeline Network Corp
National Pipe Network Group North Pipeline Co Ltd
Original Assignee
China Oil and Gas Pipeline Network Corp
National Pipe Network Group North Pipeline 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 China Oil and Gas Pipeline Network Corp, National Pipe Network Group North Pipeline Co Ltd filed Critical China Oil and Gas Pipeline Network Corp
Priority to CN202310495797.6A priority Critical patent/CN116663967A/zh
Publication of CN116663967A publication Critical patent/CN116663967A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Pipeline Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种油气管道站场区域化管理综合评价方法及系统，涉及数据处理技术领域，该方法包括：采集目标站场的风险指标；遍历风险指标集合计算指标信息熵；根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合；根据评价指标集合对目标站场的参数进行采集，获得评价数据集；对评价数据集进行归一化处理，输入综合评价模型中；根据综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案；根据最优调整方案，对目标站场的区域化管理进行调整。本发明解决了现有技术中缺乏准确高效地对油气管道站场区域化管理进行评价的技术问题，达到了提高评价的准确度，提升区域化管理质量的技术效果。

Description

一种油气管道站场区域化管理综合评价方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种油气管道站场区域化管理综合评价方法及系统。
背景技术
随着国家对油气管道保护的重视程度不断提高，油气管道邻域内的行业竞争加剧，面对日益变化的外部环境，推行站场管理区域化转型，将传统的按线管理的模式变为站场区域化管理，是油气管道公司的当务之急。
目前，通过对油气管道站场内的区域化管理实施情况进行采集，建立区域化管理综合评价指标体系。区域化管理综合评价体系的建立，主要分为管理类和技术类，按照大类对管理指标进行划分并设置对应的权重，分别由负责管理评价和技术评价的两组人员分别单独开展调研和评价。然而，这种评价体系将管理和技术分隔起来进行评价，对管理的整体效果和发展的问题根源无法深入挖掘，得到的评价结果可靠性程度差。由于人为切断指标之间的联系，导致对于管理的整体效果无法准确评估，问题根源无法深入挖掘的后果。
现有技术中缺乏准确高效地对油气管道站场区域化管理进行评价的技术问题。
发明内容
本申请提供了一种油气管道站场区域化管理综合评价方法及系统，用于针对解决现有技术中缺乏准确高效地对油气管道站场区域化管理进行评价的技术问题。
鉴于上述问题，本申请提供了一种油气管道站场区域化管理综合评价方法及系统。
本申请的第一个方面，提供了一种油气管道站场区域化管理综合评价方法，所述方法包括：
采集目标站场的风险指标，获得风险指标集合；
遍历所述风险指标集合计算指标信息熵，根据计算结果获得指标信息熵集合；
根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合，其中，评价指标与指标信息熵一一对应；
根据所述评价指标集合对目标站场的参数进行采集，获得评价数据集；
对评价数据集进行归一化处理，将归一化处理后的评价数据集输入综合评价模型中，输出综合评价结果；
根据所述综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案；
根据所述最优调整方案，对目标站场的区域化管理进行调整。
本申请的第二个方面，提供了一种油气管道站场区域化管理综合评价系统，所述系统包括：
风险指标获得模块，所述风险指标获得模块用于采集目标站场的风险指标，获得风险指标集合；
信息熵集合获得模块，所述信息熵集合获得模块用于遍历所述风险指标集合计算指标信息熵，根据计算结果获得指标信息熵集合；以及
评价指标获得模块，所述评价指标获得模块用于根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合，其中，评价指标与指标信息熵一一对应；
评价数据集获得模块，所述评价数据集获得模块用于根据所述评价指标集合对目标站场的参数进行采集，获得评价数据集；
评价结果获得模块，所述评价结果获得模块用于对评价数据集进行归一化处理，将归一化处理后的评价数据集输入综合评价模型中，输出综合评价结果；
调整方案获得模块，所述调整方案获得模块用于根据所述综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案；
管理调整模块，所述管理调整模块用于根据所述最优调整方案，对目标站场的区域化管理进行调整。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请通过采集目标站场的风险指标，获得风险指标集合，然后遍历风险指标集合计算指标信息熵，根据计算结果获得指标信息熵集合，通过根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合，其中，评价指标与指标信息熵一一对应，然后根据评价指标集合对目标站场的参数进行采集，获得评价数据集，对评价数据集进行归一化处理，将归一化处理后的评价数据集输入综合评价模型中，输出综合评价结果，然后根据综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案，根据最优调整方案，对目标站场的区域化管理进行调整。达到了油气管道站场区域化管理的真实水平进行智能化评价，并根据评价结果进行管理优化调整的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种油气管道站场区域化管理综合评价方法流程示意图；
图2为本申请实施例提供的一种油气管道站场区域化管理综合评价方法中生成评价决策森林的流程示意图；
图3为本申请实施例提供的一种油气管道站场区域化管理综合评价方法中将第二调整方案作为阶段最优调整方案的流程示意图；
图4为本申请实施例提供的一种油气管道站场区域化管理综合评价系统结构示意图。
附图标记说明：风险指标获得模块11，信息熵集合获得模块12，评价指标获得模块13，评价数据集获得模块14，评价结果获得模块15，调整方案获得模块16，管理调整模块17。
具体实施方式
本申请通过提供了一种油气管道站场区域化管理综合评价方法及系统，用于针对解决现有技术中缺乏准确高效地对油气管道站场区域化管理进行评价的技术问题。
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了一种油气管道站场区域化管理综合评价方法，其中，所述方法包括：
步骤S100：采集目标站场的风险指标，获得风险指标集合；
在本申请的一个实施例中，所述目标站场是油气管道站场，为了能够对目标站场进行整体综合的评价，对管理能够达到的程度进行准确评估，需要采用指标进行智能化量化的方法，对站场进行层层分析。因此，首先要对目标站场的风险指标进行采集，根据采集结果获得所述风险指标集合。其中，所述风险指标是目标站场内进行区域化管理过程中需要注意的指标，优选的，可以从管理和技术两个角度进行指标采集。也就是说，对目标站场的区域化管理从管理和技术两个维度进行分析，包括工艺流程运行、关键设备及仪表、基本过程控制系统、辅助系统、报警管理、组织和制度、可用性、可靠性、可维护性、信息安全、功能安全、风险防控管理、泄放系统、火气系统、消防系统、应急预案、应急演练、人员能力、处置方案和应急保障等方面。达到了对油气管道站场内风险指标进行采集，从整体维度对站场内管理风险进行评估，保证评价的全面性和指标之间的联系性的技术效果。
步骤S200：遍历所述风险指标集合计算指标信息熵，根据计算结果获得指标信息熵集合；
在本申请的一个实施例中，通过对所述风险指标集合中的每一个风险指标进行指标信息熵计算，也就是对风险指标中包含的对目标站场区域化管理质量相关度较高的信息进行计算，从而获得所述指标信息熵集合。优选的，获取目标站场在历史时间段内的管理数据，从中提取风险指标集合中每个风险指标在管理过程中出现的次数，也就是N个出现次数，N为风险指标集合中风险指标的数量，N为大于等于1的整数。通过统计历史时间段内的管理数据出现的风险指标总数，并分别将N个出现次数除以出现的风险指标总数，获得N个风险指标概率。
优选的，信息熵计算公式其中，H(X)为信息熵，p(xi)为风险指标概率，n为风险指标的个数，xi为风险指标集合中的第i个风险指标，x为风险指标。利用信息熵计算公式和N个风险指标概率计算获得指标信息熵。
其中，所述指标信息熵集合中的每一个指标信息熵与风险指标一一对应。由此，对每个指标对于站场区域化管理的贡献程度进行量化计算，从而为后续进行指标筛选提供可靠依据。
步骤S300：根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合，其中，评价指标与指标信息熵一一对应；
步骤S400：根据所述评价指标集合对目标站场的参数进行采集，获得评价数据集；
在一个可能的实施例中，所述预设信息熵阈值是预先设置的指标对于站场区域化管理相关度较高时对应的最低信息熵值，优选的，根据对指标信息熵集合中的多个指标信息熵进行均值处理，将处理的结果作为预设信息熵阈值。以所述预设信息熵阈值对指标信息熵集合中的指标信息熵进行逐一筛选，从而将低于所述预设信息熵阈值的指标信息熵剔除，保留符合要求的指标信息熵，并获得保留的指标信息熵对应的风险指标，将这些风险指标作为评价指标，获得所述评价指标集合。其中，所述评价指标集合是对站场的区域化管理进行评价时使用的指标集合。低于预设信息熵阈值表明此时指标中包含的信息太少，不能有效代表站场的管理情况。通过指标与指标信息熵之间的一一对应关系，可以有效提高指标筛选的准确性和效率。
在一个可能的实施例中，利用所述评价指标集合对目标站场的参数进行采集，也就是对目标站场中各个评价指标对应的指标值进行获取，从而将获取的结果作为所述评价数据集。其中，所述评价数据集是对目标站场的管理情况进行客观反映的数据。
步骤S500：对评价数据集进行归一化处理，将归一化处理后的评价数据集输入综合评价模型中，输出综合评价结果；
进一步的，如图2所示，所述将归一化处理后的评价数据集输入综合评价模型中，本申请实施例步骤S500还包括：
步骤S510：遍历所述评价指标集合中的评价指标进行类型采集，获得M个评价指标类型，其中，M为大于1的整数；
步骤S520：从M个评价指标类型中任意选取一评价指标类型作为第一评价指标类型，将所述第一评价指标类型的评价标准设为第一评价标准；
步骤S530：根据所述第一评价标准中的层级划分数据构建第一指标决策树的内部节点，其中，每个内部节点中包含对应的指标得分；
步骤S540：根据M-1个评价指标类型构建第M-1指标决策树，结合所述第一指标决策树生成评价决策森林。
在一个可能的实施例中，由于评价指标的不同，采集获得的评价数据集中数据对应的量纲也不同，因此需要对评价数据集中的数据进行归一化处理，从而消除量纲的影响。所述综合评价模型是以归一化处理后的评价数据集作为输入数据，进行智能化评价的功能模型，输出数据为综合评价结果。其中，所述综合评价结果反映了目标站场的区域化管理质量。
在本申请的实施例中，通过对评价指标集合中的评价指标对应的指标类型进行采集，获得M个评价指标类型。其中，所述M个评价指标类型是根据指标所要评价的目标站场区域化管理方面进行确定的，包括成本、人力、设备、工艺、安全等指标类型。从M个评价指标类型中任意选取一评价指标类型作为第一评价指标类型。根据第一评价指标类型对应的合格标准，将其设定为第一评价标准。
在一个可能的实施例中，以第一评价标准中的层级划分数据构建第一指标决策树的内部节点，示例性的，工艺复杂度为0-10的为一级内部节点，对应的指标得分为1分；工艺复杂度为10-30的为二级内部节点，对应的指标得分为2分；工艺复杂度为30-60的为一级内部节点，对应的指标得分为3分。
通过根据内部节点对第一评价指标类型对应的评价数据集中的数据进行划分，从而划分到每个内部节点对应的叶子节点，实现对评价数据集进行高效率、准确的划分，并根据每个内部节点中包含的指标得分，对划分结果进行得分计算。从而对该评价指标类型对应的评价数据进行评价。基于同样的原理，根据M-1个评价指标类型构建第M-1指标决策树，将第一指标决策树直至第M-1指标决策树进行并联，生成评价决策森林。其中，所述评价决策森林可以对评价数据集中的数据进行客观、高效、准确的评价。
进一步的，所述结合所述第一指标决策树生成评价决策森林之后，本申请实施例步骤S500还包括：
步骤S550：使用专家调查法构建权重分配层，将所述权重分配层与所述评价决策森林的输出层相连接，生成所述综合评价模型；
步骤S560：获取目标站场的历史指标数据和历史管理评分结果；
步骤S570：将历史指标数据输入所述综合评价模型中，获得验证管理评分结果；
步骤S580：根据所述历史管理评分结果和验证管理评分结果对综合评价模型进行准确度验证，若准确度符合要求，输出所述综合评价模型。
在一个可能的实施例中，通过利用专家调查法构建权重分配层。优选的，专家调查法也称为德尔菲法，通过对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。使用专家调查法确定评价指标集合中各指标的权重分布情况时，示例性的，将10个专家分别隔离开，对评价指标集合中各指标的所占权重值进行评价，获得评价结果，然后将10个评价结果进行匿名反馈，再次隔离开进行评价，从而获得一致的评价结果。
具体而言，权重分配层是对评价决策森林的输出结果进行权重分配的网络层，决策森林具有一个输出层，且该输出层与决策森林中多个指标决策树的输出层进行连接，通过将权重分配层与评价决策森林的输出层相连接，从而获得所述综合评价模型。
具体的，通过从目标站场的数据库中提取历史指标数据和历史管理评分结果，通过将历史指标数据输入所述综合评价模型中，获得验证管理评分结果。其中，所述验证管理评分结果是综合评价模型对历史指标数据进行智能化评价后获得结果。将其与历史管理评分结果进行比对，比对成功的评分结果比例作为准确度，若准确度符合要求，则表明综合评价模型可以应用于评价。达到了提高评价的智能化程度和评价效率的技术效果。
进一步的，本申请实施例步骤S580还包括：
步骤S581：判断所述综合评价结果是否超过预设评价阈值，若超过，获得预警信息；
步骤S582：根据所述预警信息提取预警类型，根据所述预警类型匹配处理人员，获得匹配人员；
步骤S583：将所述预警信息发送至匹配人员进行管理预警。
在一个可能的实施例中，所述综合评价结果是综合评价模型对目标站场的区域化管理程度进行智能化分析后获得的评价结果。所述预设评价阈值是预先设置的目标站场区域化管理满足要求的最高评价值。将所述综合评价结果与预设评价阈值进行比对，若综合评价结果超过预设评价阈值，则获得预警信息。其中，所述预警信息是用于对工作人员进行管理风险预警的信息。
在本申请的实施例中，根据所述预警信息提取预警类型，也就是对管理风险的方面进行提取，从而与管理人员库进行人员匹配，获得对预警信息进行对应处理的人员，即所述匹配人员。
步骤S600：根据所述综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案；
步骤S700：根据所述最优调整方案，对目标站场的区域化管理进行调整。
进一步的，如图3所示，本申请实施例步骤S600还包括：
步骤S610：根据所述综合评价结果判断所述目标站场的区域化管理是否合格，若不合格，提取不达标指标类型，并将所述不达标指标类型设定为管理优化方向；
步骤S620：将所述管理优化方向输入调整模型中，获得第一调整方案；
步骤S630：利用适应度公式计算所述第一调整方案的适应度，获得第一适应度；
步骤S640：获取第一调整方案的第一调整邻域，在所述第一调整邻域内进行参数随机优化调整，获得第二调整方案；
步骤S650：利用所述适应度公式计算所述第二调整方案的适应度，获得第二适应度；
步骤S660：判断第一适应度是否大于第二适应度，若小于，则将第二调整方案作为阶段最优调整方案，并将获得第二调整方案的参数调整方式作为禁忌调整方式，加入禁忌表中；
步骤S670：将所述阶段最优调整方案设定为所述最优调整方案，根据所述最优调整方案对目标站场的区域化管理进行调整。
进一步的，本申请实施例步骤S660还包括：
步骤S661：根据所述阶段最优调整方案设置第二调整邻域，在邻域内进行参数随机优化调整获得第三调整方案；
步骤S662：计算所述第三调整方案的适应度，获得第三适应度；
步骤S663：判断所述第二适应度是否大于第三适应度，若大于，则按照一定的概率将第二调整方案作为阶段最优调整方案；
步骤S664：经过对所述阶段最优调整方案进行多次优化迭代，从而获得最优调整方案。
进一步的，本申请实施例步骤S630还包括：
适应度计算公式为：
其中，f为适应度，δ为指标偏离值，a为指标调整步长，n为将指标调整为正常值时需要调整的次数，(1+a)n为指标调整为正常值时需要的总步长。
在本申请的一个实施例中，在获得所述综合评价结果后判断所述目标站场的区域化管理是否合格，若不合格，提取不达标指标类型，并将所述不达标指标类型设定为管理优化方向。所述不达标指标类型是评价值不满足要求的指标类型，将其作为区域化管理需要优化的方向。所述调整模型是根据管理优化方向对区域化管理进行智能化管理方案分析的功能模型，以BP神经网络为基础框架，输入数据为管理优化方向，输出数据为调整方案。获取历史管理优化方向和历史调整方案作为训练数据，对BP神经网络构建的基础框架进行训练，直至训练至收敛，获得训练完成的所述调整模型。
优选的，通过将管理优化方向输入调整模型中，经过模型运算，获得所述第一调整方案。其中，所述第一调整方案是根据管理优化方向对目标站场进行区域化管理优化时使用的方案。在获得第一调整方案后，使用适应度公式计算适应度，获得第一适应度。其中，所述第一适应度是第一调整方案在执行过程中对目标站场的适应程度。
在本申请的一个实施例中，根据第一调整方案的调整参数设定所述第一调整邻域，也就是第一调整方案中各个参数可以调整的范围。在第一调整邻域内对参数进行随机优化调整，从而获得所述第二调整方案。进而，利用适应度计算公式对第二调整方案进行适应度计算，获得所述第二适应度。其中，所述第二适应度是第二调整方案在执行过程中对目标站场的适应程度。
在一个可能的实施例中，判断第一适应度是否大于第二适应度，若小于，则将第二调整方案作为阶段最优调整方案，并将获得第二调整方案的参数调整方式作为禁忌调整方式，加入禁忌表中。禁忌搜索算法是一种亚启发式随机搜索算法，它从一个初始可行解出发，选择一系列的特定搜索方向(移动)作为试探，选择实现让特定的目标函数值变化最多的移动采用邻域选优的搜索方法。
所述禁忌调整方式就是在进行后续的优化迭代过程中不能使用的调整方式，将其加入禁忌表(也就是对禁忌调整方式进行存储的空间)中，从而保证后续优化迭代过程中不被使用。
在本申请的一个实施例中，所述阶段最优调整方案是在小范围内的最优解。根据所述阶段最优调整方案设置第二调整邻域，在邻域内进行参数随机优化调整获得第三调整方案，从而获得第三个调整方式。利用适应度计算公式计算第三调整方案的适应度，获得第三适应度。其中，所述第三适应度是第三调整方案在执行过程中对目标站场的适应程度。判断所述第二适应度是否大于第三适应度，若大于，为了避免局部最优解，按照一定的概率将第二调整方案作为阶段最优调整方案。进而，对阶段最优调整方案进行多次优化迭代，从而获得最优调整方案。其中，最优调整方案是对目标站场进行区域化管理调整的方案。根据所述最优调整方案中的调整方式进行目标站场的区域化管理，也就是说，根据最优调整方案中的调整参数，以及调整对象，对站场的管理方式进行调整。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过对目标站场的风险指标进行信息熵计算，并对指标进行筛选，从而获得评价指标集合，以此为依据采集进行管理评价的数据，并利用智能化的综合评价模型进行评价，获得可靠的综合评价结果，并以此设定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得进行目标站场区域化管理的最优调整方案。达到了提高区域化管理综合评价的智能化程度，提升管理质量的技术效果。
实施例二
基于与前述实施例中一种油气管道站场区域化管理综合评价方法相同的发明构思，如图4所示，本申请提供了一种油气管道站场区域化管理综合评价系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
风险指标获得模块11，所述风险指标获得模块11用于采集目标站场的风险指标，获得风险指标集合；
信息熵集合获得模块12，所述信息熵集合获得模块12用于遍历所述风险指标集合计算指标信息熵，根据计算结果获得指标信息熵集合；
评价指标获得模块13，所述评价指标获得模块13用于根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合，其中，评价指标与指标信息熵一一对应；
评价数据集获得模块14，所述评价数据集获得模块14用于根据所述评价指标集合对目标站场的参数进行采集，获得评价数据集；
评价结果获得模块15，所述评价结果获得模块15用于对评价数据集进行归一化处理，将归一化处理后的评价数据集输入综合评价模型中，输出综合评价结果；
调整方案获得模块16，所述调整方案获得模块16用于根据所述综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案；
管理调整模块17，所述管理调整模块17用于根据所述最优调整方案，对目标站场的区域化管理进行调整。
进一步的，所述系统还包括：
指标类型获得单元，所述指标类型获得单元用于遍历所述评价指标集合中的评价指标进行类型采集，获得M个评价指标类型，其中，M为大于1的整数；
第一评价标准获得单元，所述第一评价标准获得单元用于从M个评价指标类型中任意选取一评价指标类型作为第一评价指标类型，将所述第一评价指标类型的评价标准设为第一评价标准；
内部节点构建单元，所述内部节点构建单元用于根据所述第一评价标准中的层级划分数据构建第一指标决策树的内部节点，其中，每个内部节点中包含对应的指标得分；
决策森林生成单元，所述决策森林生成单元用于根据M-1个评价指标类型构建第M-1指标决策树，结合所述第一指标决策树生成评价决策森林。
进一步的，所述系统还包括：
评价模型生成单元，所述评价模型生成单元用于使用专家调查法构建权重分配层，将所述权重分配层与所述评价决策森林的输出层相连接，生成所述综合评价模型；
历史数据获得单元，所述历史数据获得单元用于获取目标站场的历史指标数据和历史管理评分结果；
验证评分单元，所述验证评分单元用于将历史指标数据输入所述综合评价模型中，获得验证管理评分结果；
准确度验证单元，所述准确度验证单元用于根据所述历史管理评分结果和验证管理评分结果对综合评价模型进行准确度验证，若准确度符合要求，输出所述综合评价模型。
进一步的，所述系统还包括：
管理方向设定单元，所述管理方向设定单元用于根据所述综合评价结果判断所述目标站场的区域化管理是否合格，若不合格，提取不达标指标类型，并将所述不达标指标类型设定为管理优化方向；
第一调整方案获得单元，所述第一调整方案获得单元用于将所述管理优化方向输入调整模型中，获得第一调整方案；
第一适应度获得单元，所述第一适应度获得单元用于利用适应度公式计算所述第一调整方案的适应度，获得第一适应度；
第二调整方案获得单元，所述第二调整方案获得单元用于获取第一调整方案的第一调整邻域，在所述第一调整邻域内进行参数随机优化调整，获得第二调整方案；
第二适应度获得单元，所述第二适应度获得单元用于利用所述适应度公式计算所述第二调整方案的适应度，获得第二适应度；
禁忌调整方式设定单元，所述禁忌调整方式设定单元用于判断第一适应度是否大于第二适应度，若小于，则将第二调整方案作为阶段最优调整方案，并将获得第二调整方案的参数调整方式作为禁忌调整方式，加入禁忌表中；
区域化管理调整单元，所述区域化管理调整单元用于将所述阶段最优调整方案设定为所述最优调整方案，根据所述最优调整方案对目标站场的区域化管理进行调整。
进一步的，所述系统还包括：
第三调整方案获得单元，所述第三调整方案获得单元用于根据所述阶段最优调整方案设置第二调整邻域，在邻域内进行参数随机优化调整获得第三调整方案；
第三适应度获得单元，所述第三适应度获得单元用于计算所述第三调整方案的适应度，获得第三适应度；
阶段最优调整方案设定单元，所述阶段最优调整方案设定单元用于判断所述第二适应度是否大于第三适应度，若大于，则按照一定的概率将第二调整方案作为阶段最优调整方案；
最优调整方案获得单元，所述最优调整方案获得单元用于经过对所述阶段最优调整方案进行多次优化迭代，从而获得最优调整方案。
进一步的，所述系统还包括：
计算公式设定单元，所述计算公式设定单元用于设定适应度计算公式为：
其中，f为适应度，δ为指标偏离值，a为指标调整步长，n为将指标调整为正常值时需要调整的次数，(1+a)n为指标调整为正常值时需要的总步长。
进一步的，所述系统还包括：
预警信息获得单元，所述预警信息获得单元用于判断所述综合评价结果是否超过预设评价阈值，若超过，获得预警信息；
匹配人员获得单元，所述匹配人员获得单元用于根据所述预警信息提取预警类型，根据所述预警类型匹配处理人员，获得匹配人员；
管理预警单元，所述管理预警单元用于将所述预警信息发送至匹配人员进行管理预警。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种油气管道站场区域化管理综合评价方法，其特征在于，所述方法包括：
采集目标站场的风险指标，获得风险指标集合；
遍历所述风险指标集合计算指标信息熵，根据计算结果获得指标信息熵集合；以及
根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合，其中，评价指标与指标信息熵一一对应；
根据所述评价指标集合对目标站场的参数进行采集，获得评价数据集；
对评价数据集进行归一化处理，将归一化处理后的评价数据集输入综合评价模型中，输出综合评价结果；
根据所述综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案；
根据所述最优调整方案，对目标站场的区域化管理进行调整。
2.如权利要求1所述的方法，其特征在于，所述将归一化处理后的评价数据集输入综合评价模型中，包括：
遍历所述评价指标集合中的评价指标进行类型采集，获得M个评价指标类型，其中，M为大于1的整数；
从M个评价指标类型中任意选取一评价指标类型作为第一评价指标类型，将所述第一评价指标类型的评价标准设为第一评价标准；
根据所述第一评价标准中的层级划分数据构建第一指标决策树的内部节点，其中，每个内部节点中包含对应的指标得分；
根据M-1个评价指标类型构建第M-1指标决策树，结合所述第一指标决策树生成评价决策森林。
3.如权利要求2所述的方法，其特征在于，所述结合所述第一指标决策树生成评价决策森林之后，包括：
使用专家调查法构建权重分配层，将所述权重分配层与所述评价决策森林的输出层相连接，生成所述综合评价模型；
获取目标站场的历史指标数据和历史管理评分结果；
将历史指标数据输入所述综合评价模型中，获得验证管理评分结果；
根据所述历史管理评分结果和验证管理评分结果对综合评价模型进行准确度验证，若准确度符合要求，输出所述综合评价模型。
4.如权利要求1所述的方法，其特征在于，包括：
根据所述综合评价结果判断所述目标站场的区域化管理是否合格，若不合格，提取不达标指标类型，并将所述不达标指标类型设定为管理优化方向；
将所述管理优化方向输入调整模型中，获得第一调整方案；
利用适应度公式计算所述第一调整方案的适应度，获得第一适应度；
获取第一调整方案的第一调整邻域，在所述第一调整邻域内进行参数随机优化调整，获得第二调整方案；
利用所述适应度公式计算所述第二调整方案的适应度，获得第二适应度；
判断第一适应度是否大于第二适应度，若小于，则将第二调整方案作为阶段最优调整方案，并将获得第二调整方案的参数调整方式作为禁忌调整方式，加入禁忌表中；
将所述阶段最优调整方案设定为所述最优调整方案，根据所述最优调整方案对目标站场的区域化管理进行调整。
5.如权利要求4所述的方法，其特征在于，包括：
根据所述阶段最优调整方案设置第二调整邻域，在邻域内进行参数随机优化调整获得第三调整方案；
计算所述第三调整方案的适应度，获得第三适应度；
判断所述第二适应度是否大于第三适应度，若大于，则按照一定的概率将第二调整方案作为阶段最优调整方案；
经过对所述阶段最优调整方案进行多次优化迭代，从而获得最优调整方案。
6.如权利要求4所述的方法，其特征在于，包括：
适应度计算公式为：
其中，f为适应度，δ为指标偏离值，a为指标调整步长，n为将指标调整为正常值时需要调整的次数，(1+a)n为指标调整为正常值时需要的总步长。
7.如权利要求1所述的方法，其特征在于，包括：
判断所述综合评价结果是否超过预设评价阈值，若超过，获得预警信息；
根据所述预警信息提取预警类型，根据所述预警类型匹配处理人员，获得匹配人员；
将所述预警信息发送至匹配人员进行管理预警。
8.一种油气管道站场区域化管理综合评价系统，其特征在于，所述系统包括：
风险指标获得模块，所述风险指标获得模块用于采集目标站场的风险指标，获得风险指标集合；
信息熵集合获得模块，所述信息熵集合获得模块用于遍历所述风险指标集合计算指标信息熵，根据计算结果获得指标信息熵集合；以及
评价指标获得模块，所述评价指标获得模块用于根据预设信息熵阈值对指标信息熵集合进行筛选，获得评价指标集合，其中，评价指标与指标信息熵一一对应；
评价数据集获得模块，所述评价数据集获得模块用于根据所述评价指标集合对目标站场的参数进行采集，获得评价数据集；
评价结果获得模块，所述评价结果获得模块用于对评价数据集进行归一化处理，将归一化处理后的评价数据集输入综合评价模型中，输出综合评价结果；
调整方案获得模块，所述调整方案获得模块用于根据所述综合评价结果确定管理优化方向，结合禁忌搜索算法对优化调整方案进行迭代寻优，获得最优调整方案；
管理调整模块，所述管理调整模块用于根据所述最优调整方案，对目标站场的区域化管理进行调整。
CN202310495797.6A 2023-05-05 2023-05-05 一种油气管道站场区域化管理综合评价方法及系统 Pending CN116663967A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310495797.6A CN116663967A (zh) 2023-05-05 2023-05-05 一种油气管道站场区域化管理综合评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310495797.6A CN116663967A (zh) 2023-05-05 2023-05-05 一种油气管道站场区域化管理综合评价方法及系统

Publications (1)

Publication Number Publication Date
CN116663967A true CN116663967A (zh) 2023-08-29

Family

ID=87710810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310495797.6A Pending CN116663967A (zh) 2023-05-05 2023-05-05 一种油气管道站场区域化管理综合评价方法及系统

Country Status (1)

Country Link
CN (1) CN116663967A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035697A (zh) * 2023-10-09 2023-11-10 天津云起技术有限公司 基于历史动态分析的itsm平台优化方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035697A (zh) * 2023-10-09 2023-11-10 天津云起技术有限公司 基于历史动态分析的itsm平台优化方法及系统
CN117035697B (zh) * 2023-10-09 2023-12-15 天津云起技术有限公司 基于历史动态分析的itsm平台优化方法及系统

Similar Documents

Publication Publication Date Title
Chen et al. An unsupervised deep learning approach for scenario forecasts
US7526461B2 (en) System and method for temporal data mining
US10846620B2 (en) Machine learning-based patent quality metric
CN107067341B (zh) 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法
CN104951588A (zh) 一种矿井通风系统辅助设计方法
CN109408574B (zh) 基于文本挖掘技术的投诉责任认定系统
CN116663967A (zh) 一种油气管道站场区域化管理综合评价方法及系统
CN114065605A (zh) 一种智能电能表运行状态检测评估系统和方法
CN112257914B (zh) 一种基于随机森林的航空安全因果预测方法
CN114553671A (zh) 一种电力通信网故障告警的诊断方法
CN117787792B (zh) 一种基于医疗器械质量安全风险监管的方法及系统
Daraeepour et al. Day-ahead wind speed prediction by a Neural Network-based model
CN117371861B (zh) 基于数字化的家政服务质量智能分析方法及系统
CN116862209B (zh) 一种新能源汽车充电设施管理方法及系统
CN116452154B (zh) 一种适用于通信运营商的项目管理系统
CN108536877A (zh) 风力发电机组振动程度的评估方法与系统
Pattnaik et al. A survey on machine learning techniques used for software quality prediction
CN115361311A (zh) 互联网区块链数字标志传输识别方法
CN113537759A (zh) 一种基于权重自适应的用户体验度量模型
Latypova Decision-Making Support in Optimal Multicriteria Peer Reviewer Selection in Scientific Conference Organization
CN112257910A (zh) 一种绩效评分卡指标权重的优化方法及系统
CN115598459A (zh) 一种配电网10kV馈线故障停电预测方法
D’Atri et al. Improving pipeline risk models by using data mining techniques
CN113793035B (zh) 一种基于交叉概率理论的信息系统业务波及影响分析方法
Gata et al. The Feasibility of Credit Using C4. 5 Algorithm Based on Particle Swarm Optimization Prediction

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