CN117151713A - 基于累积前景理论与vikor法的评估交易一体化算力优化方法 - Google Patents
基于累积前景理论与vikor法的评估交易一体化算力优化方法 Download PDFInfo
- Publication number
- CN117151713A CN117151713A CN202311411898.7A CN202311411898A CN117151713A CN 117151713 A CN117151713 A CN 117151713A CN 202311411898 A CN202311411898 A CN 202311411898A CN 117151713 A CN117151713 A CN 117151713A
- Authority
- CN
- China
- Prior art keywords
- matrix
- calculation
- electricity
- terminal
- evaluation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 137
- 238000004364 calculation method Methods 0.000 title claims abstract description 110
- 238000011156 evaluation Methods 0.000 title claims abstract description 81
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- CNYFJCCVJNARLE-UHFFFAOYSA-L calcium;2-sulfanylacetic acid;2-sulfidoacetate Chemical compound [Ca+2].[O-]C(=O)CS.[O-]C(=O)CS CNYFJCCVJNARLE-UHFFFAOYSA-L 0.000 title claims abstract description 41
- 230000005611 electricity Effects 0.000 claims abstract description 126
- 239000011159 matrix material Substances 0.000 claims abstract description 108
- 230000008901 benefit Effects 0.000 claims abstract description 57
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 39
- 230000001186 cumulative effect Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 abstract description 5
- 238000009825 accumulation Methods 0.000 abstract description 4
- 238000012854 evaluation process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 13
- 238000009826 distribution Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
- G06Q20/3825—Use of electronic signatures
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
- G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于累积前景理论与VIKOR法的评估交易一体化算力优化方法，包括S1‑S8，首先基于累积前景理论与VIKOR法对售电公司进行综合能力评估，考虑决策者的有限理性对于决策的影响，提高了评价结果的合理性和有效性。并使购电终端和售电终端分别利用母体矩阵与评估结果中的利益比率进行融合计算，得到交易密钥，一方面避免了前期评估过程得到的结果在评估完成后就失去价值的问题，使评估计算也作为密钥计算的一部分，减少密钥的集中计算压力，另一方面借助利益比率的个体差异化与母体矩阵进行计算，可以得到差异化的交易密钥，且交易密钥本身不需要传输，提高了安全性。
Description
技术领域
本发明涉及数据处理领域，特别涉及基于累积前景理论与VIKOR法的评估交易一体化算力优化方法。
背景技术
随着放开售电侧竞争，现行的售电主体主要包括三类：电网企业组建的售电公司；社会资本投资增量配电网并拥有配电网运营权的售电公司；不拥有配电网运营权、不承担保底供电服务的独立售电公司。这些售电主体各自特点不同，从而具有不同的竞争优势和劣势，展现出不同的竞争水平。而如何高效、准确、客观地了解一家售电公司是每个买方都会面临的问题，因此，电力交易的过程就分为了售电公司综合能力评估、根据评估结果选择售电公司、进行电力交易这三部分。而现有技术中，前两步均由购电终端执行，最后一步由双方一起执行，而购电终端在完成能力评估并选择售电公司后，评估过程产生的计算数据将变得没有用处，先前为了这计算部分数据而投入的算力将失去价值，而电力交易需要的个性化安全密钥又得重新重头计算，因此购电终端的计算压力始终较大，而售电终端几乎不存在计算需求。因此如何将原本无价值的数据再次在安全密钥的生成中利用以避免前期算力完全浪费，并使售电终端适当承担一部分计算任务，是目前亟需解决的问题。
发明内容
针对现有技术存在的评估数据不能用于安全交易，导致计算机算力浪费的问题，本发明提供了基于累积前景理论与VIKOR法的评估交易一体化算力优化方法，区别于传统单独的评估方法或交易方法，本发明在评估和交易的基础上还重新分配了算力资源，即首先基于累积前景理论与VIKOR法对售电公司进行综合能力评估，并使购电终端和售电终端分别利用母体矩阵与评估结果中的利益比率进行融合计算，得到交易密钥，一方面避免了前期评估过程得到的结果在评估完成后就失去价值的问题，使评估计算也作为密钥计算的一部分，减少密钥的集中计算压力，另一方面借助利益比率的个体差异化与母体矩阵进行计算，可以得到差异化的交易密钥，且交易密钥本身不需要传输，提高了安全性。
以下是本发明的技术方案。
基于累积前景理论与VIKOR法的评估交易一体化算力优化方法，包括以下步骤：
S1：购电终端获取公钥和私钥，将公钥发送至各售电公司的售电终端；
S2：售电终端通过公钥加密售电公司的信息数据并发送至购电终端；
S3：购电终端获取专家给出的关于售电公司各指标的判断矩阵，执行评估计算，所述评估计算包括：
A1：对判断矩阵进行分析得到指标权重，并对指标权重做标准化处理得到综合评价值；
A2：基于综合评价值利用累积前景理论计算不同指标下的累积前景值；
A3：通过VIKOR法融合不同指标下的累积前景值，确定决策系数并计算针对不同售电公司的利益比率；
S4：购电终端依据利益比率进行排序，得到售电公司综合能力评估结果，以排名最高的若干售电公司对应的售电终端作为候选者；
S5：购电终端执行算力优化计算，随机生成一个母体矩阵，利用母体矩阵分别与不同候选者对应的利益比率进行融合计算得到不同的交易密钥；
S6：购电终端利用私钥加密判断矩阵、母体矩阵和决策系数并发送至候选者对应的售电终端；
S7：售电终端利用公钥解密并根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率，并执行算力优化计算，根据利益比率和母体矩阵进行融合计算得到对应的交易密钥；
S8：购电终端与售电终端分别利用对应的交易密钥对交易信息进行加密传输。
本发明作为一项评估交易一体化算力优化方法，在前期的评估过程中，累积前景理论的参考点体现了决策者对风险的偏好，考虑决策者的有限理性对于决策的影响，提高了评价结果的合理性和有效性，在此基础上，采用基于累积前景理论的VIKOR法，基于决策系数得到合理有效的妥协解，从而使决策更具合理性和可靠性。与此同时，在后期的交易准备过程中，购电终端与售电终端均独立进行交易密钥的计算，保证交易密钥本身不进行传输，确保了安全性，而其中购电终端直接沿用评估结果中的利益比率结合母体矩阵进行交易密钥的计算，保证个体化差异的同时充分利用了前期计算结果，相比于从头计算差异化的交易密钥，这种方式可视为将前期算力进行了重复利用，也可视为减少了后期的计算压力，因此，本发明的评估交易一体化算力优化方法不光借助累积前景理论和VIKOR法实现合理可靠的评估，还借助评估的计算结果在交易过程中辅助生成差异化的交易密钥以提高安全性，通过算力深度融合的一体化解决方案优化了算力分配，减少了算力压力，且具有极高的执行效率和安全性。
作为优选，所述S1：购电终端获取公钥和私钥，将公钥发送至各售电公司的售电终端，包括：
购电终端生成随机序列，从随机序列中截取两个随机数，执行RSA算法对两个随机数进行计算，得到公钥和私钥；
利用私钥对购电终端身份信息进行签名；
将签名结果和公钥发送至售电终端，由售电终端利用公钥解密所述签名结果后验证身份信息，通过则建立信息传递通道。
作为优选，所述S2：售电终端通过公钥加密售电公司的信息数据并发送至购电终端，包括：
根据售电公司评估所需的信息，售电终端进行搜集并整理成信息数据；
利用公钥加密所述信息数据并发送至购电终端。
作为优选，所述A1：对判断矩阵进行分析得到指标权重，并对指标权重做标准化处理得到综合评价值，包括：
使用AHP法计算判断矩阵的各级指标的主观权重；
使用熵权法对各项评估指标值进行计算，进而得到指标的客观权重；
将主观权重和客观权重进行标准化处理得到综合评价值。
作为优选，所述使用AHP法计算判断矩阵的各级指标的主观权重，包括：
将判断矩阵的每一行元素相乘并计算n次方根得到特征向量；
对特征向量进行归一化处理，得出指标的主观权重同时计算判断矩阵的最大特征根；
基于最大特征根计算一致性指标并对判断矩阵进行一致性检验，如果不满足，则重新征求专家意见形成判断矩阵后，再进行计算。
作为优选，所述使用熵权法对各项评估指标值进行计算，进而得到指标的客观权重，包括：
对指标做标准化处理，得到评价指标矩阵；
利用熵权法公式计算指标的熵值大小；
基于熵值计算熵权，得到指标的客观权重。
作为优选，所述A2：基于综合评价值利用累积前景理论计算不同指标下的累积前景值，包括：
基于综合评价值利用累积前景理论得到不同指标的前景参考点并计算正负决策权重，构建风险决策权重函数并基于正负决策权重计算不同指标下的累积前景值。
作为优选，所述A3：通过VIKOR法融合不同指标下的累积前景值，确定决策系数并计算针对不同售电公司的利益比率，包括：
利用累积前景值分别计算群体效用值和个体遗憾值；
确定决策系数，基于决策系数、群体效用值和个体遗憾值计算得到不同售电公司对应的利益比率。
作为优选，所述S5：购电终端执行算力优化计算，随机生成一个母体矩阵，利用母体矩阵分别与不同候选者对应的利益比率进行融合计算得到不同的交易密钥，包括：
生成一个带有个空白元素的空白矩阵，随机生成/>项数值，将所述/>项数值分别随机填入空白矩阵内的空白元素，得到母体矩阵；
取利益比率的前a位数字，不足a位时以1填充，转化为包含a个元素的一维向量；
将母体矩阵与所述一维向量相乘，得到带有a个元素的一维密钥向量，将所述一维密钥向量的元素依次提取并拼接，得到交易密钥。
本发明中，通过矩阵计算的方式，使用母体矩阵和利益比率转化成的一维向量进行计算，得到一维密钥向量，由于利益比率不可预知且具有差异化，因此得到的交易密钥也具有差异化和不可预知的特点，同时母体矩阵的随机属性也无法预知，综合两项进行相乘，具有极高的安全性，且利用了评估时的计算结果，节省了购电终端的算力，优化了算力资源的分配，处理效率更高。
作为优选，所述S7：售电终端利用公钥解密并根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率，并执行算力优化计算，根据利益比率和母体矩阵进行融合计算得到对应的交易密钥，包括：
售电终端利用公钥解密所收到的数据，根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率；
读取母体矩阵的行列数a，取自身利益比率的前a位数字，不足a位时以1填充，转化为包含a个元素的一维向量；
将母体矩阵与所述一维向量相乘，得到带有a个元素的一维密钥向量，将所述一维密钥向量的元素依次提取并拼接，得到交易密钥。
本发明还提供了基于累积前景理论与VIKOR法的评估交易一体化算力优化系统，包括售电终端和购电终端，所述售电终端和购电终端被配置为执行上述的基于累积前景理论与VIKOR法的评估交易一体化算力优化方法。
本发明还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时实现上述的基于累积前景理论与VIKOR法的评估交易一体化算力优化方法的步骤。
本发明还提供一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现上述的基于累积前景理论与VIKOR法的评估交易一体化算力优化方法的步骤。
本发明的实质性效果包括：
作为一项算力深度融合的一体化解决方案，在评估交易一体化算力优化方法的评估阶段，累积前景理论考虑决策者心理对决策结果的影响机制，即认为决策者只具有有限理性，决策者具有自己的主观偏好，对于收益和风险的敏感程度不同。累积前景理论体现决策者对于方案属性的心理感知价值，对照给定的参考点确定方案是属于收益还是损失，对于权重函数，为避免单一的主观或客观赋权导致评价结果不合理，采用改进AHP法确定主观权重，根据熵权法确定客观权重，最后将二者结合起来进行主客观赋权。VIKOR法为一种基于理想点解的多指标评价方法，其根据最大化群体效用和最小化个体遗憾的方法对方案进行综合排序，基本方法是将待评价方案与理想方案比较，根据二者之间的差异大小进行优先排序，从而得到合理有效的妥协解，能够有效避免逆序的产生，得出的结果更具有合理性，易被决策者接受。
在评估交易一体化算力优化方法的交易准备阶段，购电终端与售电终端均独立进行交易密钥的计算，保证交易密钥本身不进行传输，确保了安全性。而其中购电终端直接沿用评估结果中的利益比率结合母体矩阵进行交易密钥的计算，保证个体化差异的同时充分利用了前期计算结果，相比于从头计算差异化的交易密钥，这种方式可视为将前期算力进行了重复利用，也可视为减少了后期的计算压力，且由于利益比率不可预知且具有差异化，因此得到的交易密钥也具有差异化和不可预知的特点，同时母体矩阵的随机属性也无法预知，综合两项进行相乘，具有极高的安全性，且利用了评估时的计算结果，节省了购电终端的算力，优化了算力资源的分配，处理效率更高因此，本发明通过算力深度融合的一体化解决方案优化了算力分配，减少了算力压力，且具有极高的执行效率和安全性。
附图说明
图1是本发明实施例的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例，对本技术方案进行清楚、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做出创造性劳动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。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“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、产品或设备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单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
下面以具体的实施例对本发明的技术方案进行详细说明。实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例：图1所示，是基于累积前景理论与VIKOR法的评估交易一体化算力优化方法，包括以下步骤：
S1：购电终端获取公钥和私钥，将公钥发送至各售电公司的售电终端，包括：
购电终端生成随机序列，从随机序列中截取两个随机数，执行RSA算法对两个随机数进行计算，得到公钥和私钥；
利用私钥对购电终端身份信息进行签名；
将签名结果和公钥发送至售电终端，由售电终端利用公钥解密所述签名结果后验证身份信息，通过则建立信息传递通道。
需要说明的是，公钥和私钥的生成方式不限于上述方案，可产生非对称密钥即可，例如，也可以采用Elgamal、背包算法、Rabin、D-H、ECC等方法。
S2：售电终端通过公钥加密售电公司的信息数据并发送至购电终端，包括：
根据售电公司评估所需的信息，售电终端进行搜集并整理成信息数据；
利用公钥加密所述信息数据并发送至购电终端。
其中，售电公司评估所需的信息根据需要自行确定，例如，净现值、力增值服务水平、电能质量扰动值、响应速度、年平均电压暂降次数、电价、售电规模等。
S3：购电终端获取专家给出的关于售电公司各指标的判断矩阵，执行评估计算，所述评估计算包括：
A1：对判断矩阵进行分析得到指标权重，并对指标权重做标准化处理得到综合评价值，包括：
将判断矩阵的每一行元素相乘并计算n次方根得到特征向量；
对特征向量进行归一化处理，得出指标的主观权重同时计算判断矩阵的最大特征根；
基于最大特征根计算一致性指标并对判断矩阵进行一致性检验，如果不满足，则重新征求专家意见形成判断矩阵后，再进行计算；
对指标做标准化处理，得到评价指标矩阵；
利用熵权法公式计算指标的熵值大小；
基于熵值计算熵权，得到指标的客观权重；
将主观权重和客观权重进行标准化处理得到综合评价值。
具体到本实施例，将每一行判断矩阵的元素相乘得到。/>为判断矩阵当中的元素。计算/>的n次方根，得到特征向量/>。将向量/>归一化，向量/>表示各指标权重值。公式如下：
，
，
，
，
判断矩阵的一致性检验，判断矩阵满足性质：
，
其中，为判断矩阵当中的元素。判断矩阵对角线的元素均为1，除对角线元素外，对角线外对应元素互为倒数。式（4）被称为该矩阵的完全一致性条件。然后计算：
，
式中，为矩阵的其中一个特征根： W为特征向量，/>为特征值，计算最大特征根公式为（6）。A为判断矩阵。
，
对矩阵进行一致性检验：
，
CR为一致性比例，CI为一致性指标，同时找出判断矩阵对应的平均随机一致性指标RI值，n为唯一非零特征根。计算得到层次分析法权重。
对指标做标准化处理，消除量纲影响，处理公式如下：
，
，
式中，是标准差，/>是平均数，/>是第 j个指标在第 i 个方案标准化过后得到的数值，或正或负，m为指标的个数。因此采用坐标平移法来将负值变成正值，消除其原本会产生的影响，具体方法如下所示：
，
式中，为平移过后的标准化值；Z为坐标的平移距离。通常情况下，Z取整数且取值在0和5之间。并且 Z值越接近于0，风险评价结果的可信度就会越高。
在此基础上，通过式（11）-式（15）计算得到熵权法权重。为指标的熵值大小，/>为常数，与评估数m有关，令/>。/>为指标差异系数。/>、/>为指标权重，式（11）-式（15）如下：
，
，
，
，
，
最后通过获得各个二级指标的最终权重。
对数据进行标准化处理。采用极差变换法对数据以及矩阵进行标准化处理：
，
为第i个评价主体的综合评价值。
A2：基于综合评价值利用累积前景理论计算不同指标下的累积前景值，包括：基于综合评价值利用累积前景理论得到不同指标的前景参考点并计算正负决策权重，构建风险决策权重函数并基于正负决策权重计算不同指标下的累积前景值。
在求得的指标权重和标准化之后各个指标的评价值的基础上，根据算出各个指标的关联系数即参考点和以及基于累积理论下的决策权重和。、/>分别为各个属性指标的最大值和最小值的关联系数。/>为分辨系数其作用是排除因/>和/> 或 />差距过大而形成的失真风险，从而来提高管理系数的区分度：
，
在求得的参考点以及正负决策权重基础上，根据式（19）与式（20）得到正负权重矩阵和正负前景价值矩阵。 为不同的决策结果可能发生的概率，/>为决策者在面对收益时的决策权重函数， />为决策者在面对损失时的风险决策权重函数，/>和/>指的是其决策权重函数曲线的弯曲度，也指的是决策者的自身的概率估计和实际发生概率的偏差状况，当它们的取值越小函数曲线越弯曲。/>、/>为价值函数，表示的是决策者对风险以及损失的偏好。/>指的是面临收益时决策者为其赋予的决策权重，/>指的是面临损失时决策者为其赋予的决策权重，公式详见：
，
，
其中，即为累积前景值。
A3：通过VIKOR法融合不同指标下的累积前景值，确定决策系数并计算针对不同售电公司的利益比率，包括：
利用累积前景值分别计算群体效用值和个体遗憾值；
确定决策系数，基于决策系数、群体效用值和个体遗憾值计算得到不同售电公司对应的利益比率。
根据式（21）-式（23）计算群体效用值，个体遗憾值，利益比率。为正理想点，/>为负理想点，/>为群体效用值，/>为个体遗憾值，/>为利益比率。当/>大于0.5 时代表按照大多数人的意见来决策，/>等于0.5代表根据赞同的情况决策，/>小于0.5代表根据反对的情况决策，公式如下：
，
，
。
根据式（24）与式（25）找出正负理想点。为正理想点的集合，/>为负理想点的集合。/>为决策矩阵当中的元素：
，
。
本实施例使用引入累积前景理论的 VIKOR方法对售电公司进行排序和对评价结果进行比较和分析。例如，选取多家售电公司，调研各售电公司存在的基本情况并获取评价体系当中涉及到的数据。
S4：购电终端依据利益比率进行排序，得到售电公司综合能力评估结果，以排名最高的若干售电公司对应的售电终端作为候选者。
将数据带入累积前景理论的 VIKOR方法中对不同售电公司的综合能力进行评价，通过评价结果对售电公司综合能力情况进行排序选优。通过选优结果进一步倒推分析不同售电公司综合能力具备差异的原因。
S5：购电终端执行算力优化计算，随机生成一个母体矩阵，利用母体矩阵分别与不同候选者对应的利益比率进行融合计算得到不同的交易密钥，包括：
生成一个带有个空白元素的空白矩阵，随机生成/>项数值，将所述/>项数值分别随机填入空白矩阵内的空白元素，得到母体矩阵；
取利益比率的前a位数字，不足a位时以1填充，转化为包含a个元素的一维向量；
将母体矩阵与所述一维向量相乘，得到带有a个元素的一维密钥向量，将所述一维密钥向量的元素依次提取并拼接，得到交易密钥。
本实施例中，通过矩阵计算的方式，使用母体矩阵和利益比率转化成的一维向量进行计算，得到一维密钥向量，由于利益比率不可预知且具有差异化，因此得到的交易密钥也具有差异化和不可预知的特点，同时母体矩阵的随机属性也无法预知，综合两项进行相乘，具有极高的安全性，且利用了评估时的计算结果，节省了购电终端的算力，优化了算力资源的分配，处理效率更高。
具体来说，例如a取128，则而利益比率去掉小数点后为1354618……58，共300位，则取前128位构成128个元素的一维向量。
计算时，如果生成一个的矩阵，那么它可以和长度为128的一维向量进行乘法运算，生成一个长度为128的一维密钥向量。
S6：购电终端利用私钥加密判断矩阵、母体矩阵和决策系数并发送至候选者对应的售电终端。
S7：售电终端利用公钥解密并根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率，并执行算力优化计算，根据利益比率和母体矩阵进行融合计算得到对应的交易密钥，包括：
售电终端利用公钥解密所收到的数据，根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率；
读取母体矩阵的行列数a，取自身利益比率的前a位数字，不足a位时以1填充，转化为包含a个元素的一维向量；
将母体矩阵与所述一维向量相乘，得到带有a个元素的一维密钥向量，将所述一维密钥向量的元素依次提取并拼接，得到交易密钥。
这里的计算过程与前面一致，不再赘述。
S8：购电终端与售电终端分别利用对应的交易密钥对交易信息进行加密传输。
本发明还提供了基于累积前景理论与VIKOR法的评估交易一体化算力优化系统，包括售电终端和购电终端，所述售电终端和购电终端被配置为执行上述的基于累积前景理论与VIKOR法的评估交易一体化算力优化方法。
本实施例还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时实现上述的基于累积前景理论与VIKOR法的评估交易一体化算力优化方法的步骤。
本实施例还提供一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现上述的基于累积前景理论与VIKOR法的评估交易一体化算力优化方法的步骤。
本实施例在评估交易一体化算力优化方法的评估阶段，累积前景理论考虑决策者心理对决策结果的影响机制，即认为决策者只具有有限理性，决策者具有自己的主观偏好，对于收益和风险的敏感程度不同。累积前景理论体现决策者对于方案属性的心理感知价值，对照给定的参考点确定方案是属于收益还是损失，对于权重函数，为避免单一的主观或客观赋权导致评价结果不合理，采用改进AHP法确定主观权重，根据熵权法确定客观权重，最后将二者结合起来进行主客观赋权。VIKOR法为一种基于理想点解的多指标评价方法，其根据最大化群体效用和最小化个体遗憾的方法对方案进行综合排序，基本方法是将待评价方案与理想方案比较，根据二者之间的差异大小进行优先排序，从而得到合理有效的妥协解，能够有效避免逆序的产生，得出的结果更具有合理性，易被决策者接受。
在评估交易一体化算力优化方法的交易准备阶段，购电终端与售电终端均独立进行交易密钥的计算，保证交易密钥本身不进行传输，确保了安全性。而其中购电终端直接沿用评估结果中的利益比率结合母体矩阵进行交易密钥的计算，保证个体化差异的同时充分利用了前期计算结果，相比于从头计算差异化的交易密钥，这种方式可视为将前期算力进行了重复利用，也可视为减少了后期的计算压力，因此，本实施例通过算力深度融合的一体化解决方案优化了算力分配，减少了算力压力，且具有极高的执行效率和安全性。
通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中可以根据需要而将上述功能分配由不同的功能模块完成，即将具体装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
在本申请所提供的实施例中，应该理解到，所揭露的结构和方法，可以通过其它的方式实现。例如，以上所描述的关于结构的实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个结构，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，结构或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (13)
1.基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，包括以下步骤：
S1：购电终端获取公钥和私钥，将公钥发送至各售电公司的售电终端；
S2：售电终端通过公钥加密售电公司的信息数据并发送至购电终端；
S3：购电终端获取专家给出的关于售电公司各指标的判断矩阵，执行评估计算，所述评估计算包括：
A1：对判断矩阵进行分析得到指标权重，并对指标权重做标准化处理得到综合评价值；
A2：基于综合评价值利用累积前景理论计算不同指标下的累积前景值；
A3：通过VIKOR法融合不同指标下的累积前景值，确定决策系数并计算针对不同售电公司的利益比率；
S4：购电终端依据利益比率进行排序，得到售电公司综合能力评估结果，以排名最高的若干售电公司对应的售电终端作为候选者；
S5：购电终端执行算力优化计算，随机生成一个母体矩阵，利用母体矩阵分别与不同候选者对应的利益比率进行融合计算得到不同的交易密钥；
S6：购电终端利用私钥加密判断矩阵、母体矩阵和决策系数并发送至候选者对应的售电终端；
S7：售电终端利用公钥解密并根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率，并执行算力优化计算，根据利益比率和母体矩阵进行融合计算得到对应的交易密钥；
S8：购电终端与售电终端分别利用对应的交易密钥对交易信息进行加密传输。
2.根据权利要求1所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述S1：购电终端获取公钥和私钥，将公钥发送至各售电公司的售电终端，包括：
购电终端生成随机序列，从随机序列中截取两个随机数，执行RSA算法对两个随机数进行计算，得到公钥和私钥；
利用私钥对购电终端身份信息进行签名；
将签名结果和公钥发送至售电终端，由售电终端利用公钥解密所述签名结果后验证身份信息，通过则建立信息传递通道。
3.根据权利要求1所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述S2：售电终端通过公钥加密售电公司的信息数据并发送至购电终端，包括：
根据售电公司评估所需的信息，售电终端进行搜集并整理成信息数据；
利用公钥加密所述信息数据并发送至购电终端。
4.根据权利要求1所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述A1：对判断矩阵进行分析得到指标权重，并对指标权重做标准化处理得到综合评价值，包括：
使用AHP法计算判断矩阵的各级指标的主观权重；
使用熵权法对各项评估指标值进行计算，进而得到指标的客观权重；
将主观权重和客观权重进行标准化处理得到综合评价值。
5.根据权利要求4所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述使用AHP法计算判断矩阵的各级指标的主观权重，包括：
将判断矩阵的每一行元素相乘并计算n次方根得到特征向量；
对特征向量进行归一化处理，得出指标的主观权重同时计算判断矩阵的最大特征根；
基于最大特征根计算一致性指标并对判断矩阵进行一致性检验，如果不满足，则重新征求专家意见形成判断矩阵后，再进行计算。
6.根据权利要求4所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述使用熵权法对各项评估指标值进行计算，进而得到指标的客观权重，包括：
对指标做标准化处理，得到评价指标矩阵；
利用熵权法公式计算指标的熵值大小；
基于熵值计算熵权，得到指标的客观权重。
7.根据权利要求1所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述A2：基于综合评价值利用累积前景理论计算不同指标下的累积前景值，包括：
基于综合评价值利用累积前景理论得到不同指标的前景参考点并计算正负决策权重，构建风险决策权重函数并基于正负决策权重计算不同指标下的累积前景值。
8.根据权利要求1所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述A3：通过VIKOR法融合不同指标下的累积前景值，确定决策系数并计算针对不同售电公司的利益比率，包括：
利用累积前景值分别计算群体效用值和个体遗憾值；
确定决策系数，基于决策系数、群体效用值和个体遗憾值计算得到不同售电公司对应的利益比率。
9.根据权利要求1所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述S5：购电终端执行算力优化计算，随机生成一个母体矩阵，利用母体矩阵分别与不同候选者对应的利益比率进行融合计算得到不同的交易密钥，包括：
生成一个带有个空白元素的空白矩阵，随机生成/>项数值，将所述/>项数值分别随机填入空白矩阵内的空白元素，得到母体矩阵；
取利益比率的前a位数字，不足a位时以1填充，转化为包含a个元素的一维向量；
将母体矩阵与所述一维向量相乘，得到带有a个元素的一维密钥向量，将所述一维密钥向量的元素依次提取并拼接，得到交易密钥。
10.根据权利要求1所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法，其特征在于，所述S7：售电终端利用公钥解密并根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率，并执行算力优化计算，根据利益比率和母体矩阵进行融合计算得到对应的交易密钥，包括：
售电终端利用公钥解密所收到的数据，根据收到的判断矩阵和决策系数执行A1-A3计算自身的利益比率；
读取母体矩阵的行列数a，取自身利益比率的前a位数字，不足a位时以1填充，转化为包含a个元素的一维向量；
将母体矩阵与所述一维向量相乘，得到带有a个元素的一维密钥向量，将所述一维密钥向量的元素依次提取并拼接，得到交易密钥。
11.基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化系统，其特征在于，包括售电终端和购电终端，所述售电终端和购电终端被配置为执行如权利要求1-10中任意一项所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法。
12.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1至10中任意一项所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法的步骤。
13.一种存储介质，其特征在于，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如权利要求1至10中任意一项所述的基于累积前景理论与VIKOR法的售电公司评估交易一体化算力优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311411898.7A CN117151713B (zh) | 2023-10-30 | 2023-10-30 | 基于累积前景理论与vikor法的评估交易一体化算力优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311411898.7A CN117151713B (zh) | 2023-10-30 | 2023-10-30 | 基于累积前景理论与vikor法的评估交易一体化算力优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117151713A true CN117151713A (zh) | 2023-12-01 |
| CN117151713B CN117151713B (zh) | 2024-01-09 |
Family
ID=88906418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311411898.7A Active CN117151713B (zh) | 2023-10-30 | 2023-10-30 | 基于累积前景理论与vikor法的评估交易一体化算力优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117151713B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107480856A (zh) * | 2017-07-06 | 2017-12-15 | 浙江大学 | 基于改进逼近理想解排序法的售电公司电力客户评估方法 |
| CN110458554A (zh) * | 2019-03-31 | 2019-11-15 | 西安电子科技大学 | 区块链上基于身份的数据快速交易方法 |
| CN110719165A (zh) * | 2019-10-12 | 2020-01-21 | 杭州云象网络技术有限公司 | 一种区块链分布式动态网络密钥生成和加密方法 |
| KR20210066713A (ko) * | 2019-11-28 | 2021-06-07 | 주식회사 크립토랩 | 래티스를 기반으로 하는 암호키 생성 방법 및 전자서명 방법 |
| KR20220030445A (ko) * | 2020-08-31 | 2022-03-11 | (주) 더존비즈온 | 매출채권 거래소의 거래위험 평가 방법 및 시스템 |
| CN114187000A (zh) * | 2021-12-10 | 2022-03-15 | 建信金融科技有限责任公司 | 用于分散私钥的签名方法、设备、存储介质及处理器 |
| CN115510499A (zh) * | 2022-11-07 | 2022-12-23 | 浙江大学 | 一种配电网调度决策模型外包计算及其参数脱敏方法 |
| WO2023019986A1 (zh) * | 2021-08-19 | 2023-02-23 | 北京邮电大学 | 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置 |
-
2023
- 2023-10-30 CN CN202311411898.7A patent/CN117151713B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107480856A (zh) * | 2017-07-06 | 2017-12-15 | 浙江大学 | 基于改进逼近理想解排序法的售电公司电力客户评估方法 |
| CN110458554A (zh) * | 2019-03-31 | 2019-11-15 | 西安电子科技大学 | 区块链上基于身份的数据快速交易方法 |
| CN110719165A (zh) * | 2019-10-12 | 2020-01-21 | 杭州云象网络技术有限公司 | 一种区块链分布式动态网络密钥生成和加密方法 |
| KR20210066713A (ko) * | 2019-11-28 | 2021-06-07 | 주식회사 크립토랩 | 래티스를 기반으로 하는 암호키 생성 방법 및 전자서명 방법 |
| KR20220030445A (ko) * | 2020-08-31 | 2022-03-11 | (주) 더존비즈온 | 매출채권 거래소의 거래위험 평가 방법 및 시스템 |
| WO2023019986A1 (zh) * | 2021-08-19 | 2023-02-23 | 北京邮电大学 | 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置 |
| CN114187000A (zh) * | 2021-12-10 | 2022-03-15 | 建信金融科技有限责任公司 | 用于分散私钥的签名方法、设备、存储介质及处理器 |
| CN115510499A (zh) * | 2022-11-07 | 2022-12-23 | 浙江大学 | 一种配电网调度决策模型外包计算及其参数脱敏方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117151713B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
| US20190370812A1 (en) | System and method for analyzing transaction nodes using visual analytics | |
| US20170286962A1 (en) | Bulk Dispute Challenge System | |
| CN107886241B (zh) | 资源分析方法、装置、介质和电子设备 | |
| Smeulders et al. | Goodness-of-fit measures for revealed preference tests: Complexity results and algorithms | |
| CN111695830A (zh) | 一种电力资源分配方法、系统以及设备 | |
| WO2022121217A1 (zh) | 额度预测方法、设备及计算机可读存储介质 | |
| CN111784204A (zh) | 一种基于用户用电行为画像的优质用户挖掘方法及系统 | |
| CN111798301A (zh) | 一种资源转移限额确定方法、装置及系统 | |
| Mu et al. | An application of fuzzy AHP and TOPSIS methodology for ranking the factors influencing FinTech adoption intention: A comparative study of China and Korea | |
| CN116187808A (zh) | 一种基于虚拟电厂用户-套餐标签画像的电力套餐推荐方法 | |
| CN114757710A (zh) | 一种用于负荷聚合商投标的评估方法 | |
| CN117151713B (zh) | 基于累积前景理论与vikor法的评估交易一体化算力优化方法 | |
| US20140156544A1 (en) | Non-Tangible Assets Valuation Tool | |
| CN112508260B (zh) | 基于对比学习的配电变压器中长期负荷预测方法及装置 | |
| Leszczyńska-Paczesna | Sectoral price stickiness and inflation persistence in Poland: a two-sector DSGE approach | |
| CN110837962A (zh) | 一种电力客户黏性计算方法 | |
| Jafari | Presenting an integrative approach of mappac and fanp and balanced scorecard for performance measurements of container terminals | |
| CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
| CN115082098A (zh) | 评价信息处理方法及装置、存储介质、电子设备 | |
| CN111027831A (zh) | 一种基于经济评价模型的投资决策方法及系统 | |
| CN117910025B (zh) | 一种金融服务数据安全存储保护方法 | |
| Ashouri | Quality indicators in the mobile industry rankings based on indicators of customer satisfaction with the hybrid approach DEMATEL and ANP appropriate strategy based on gray system | |
| CN116703534B (zh) | 一种电商订单数据智能管理方法 | |
| WO2022153624A1 (ja) | 施策決定支援装置および施策決定支援方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |