一种基于组合权重的地区电能替代综合潜力评价方法技术

本发明专利技术利用组合权重对地区电能替代综合潜力评价体系的各个指标赋权，达到潜力评价的客观性，同时又能够满足主观需要。首先利用熵权法对评价指标的原始数据进行计算，得出地区电能替代综合潜力的初始客观权重，然后利用云模型根据描述各个指标重要程度的评价语言来计算各个指标的初始主观权重，利用初始客观权重和初始主观权重进行组合权重计算，得出各个指标的最终计算权重；最后利用TOPSIS进行地区电能替代综合潜力计算，为地区电能替代工作开展提供即符合客观事实又满足主观需要的依据。

A Comprehensive Potential Evaluation Method of Regional Electric Power Substitution Based on Combination Weight

【技术实现步骤摘要】
一种基于组合权重的地区电能替代综合潜力评价方法
本专利技术涉及一种基于组合权重的地区电能替代综合潜力评价方法，属于电力市场领域。
技术介绍
地区电能替代综合潜力评价一般利用人工神经网络法、回归分析法、组合预测法、持向量机法、TOPSIS等方法，在计算指标权证是要考虑地区客观存在的问题，即在计算权重时要考虑客观权重的计算，同时根据评价语言计算适合地区发展的主观权重，利用组合权重计算地区电能替代潜力，从而得出更为准确、更符合地区特征及发展方向的依据。
技术实现思路
本专利技术要解决的技术问题是针对地区电能替代综合潜力评价时产生的准确度问题，提供一种基于组合权重的地区电能替代综合潜力评价方法，提高了电能替代潜力计算的客观性，同时又不偏离地区电能替代发展的主观需求。本专利技术采用的技术方案是：一种基于组合权重的地区电能替代综合潜力评价方法，包括如下步骤：S1：生成各待评价地区电能替代综合潜力评价指标的指标矩阵，给出各个综合潜力评价指标的评价语言，并将评价语言转化为云模型；S2：利用熵权法对步骤S1中生成的指标矩阵进行客观权重计算，再利用云模型对评价语言进行主观权重计算，得到待评价地区电能替代综合评价指标的组合权重；S3：利用TOPSIS算法进行各待评价地区电能替代综合潜力评价，得到评价结果。所述步骤S1中生成的指标矩阵为X＝(xij)m*n为m个地区的n个指标，利用Min-Max方法对指标矩阵进行归一化处理得到(xij*)m*n，具体指标矩阵和规范化公式如下：利用熵权法确定指标矩阵的初始客观权重vj：S11：所述步骤S1中给出各个综合潜力评价指标的评价语言，并将评价语言转化为云模型评价语言从极高到极差分为七个等级，具体云模型如下：S12：利用云合成对评价语言进行合成，得到合成的云模型如下：S13：对评价语言进行相似云计算，即利用合成的云模型与极高评价对应的云(C+3)进行云相似计算，具体步骤如下：A.利用云正向发生器产生两个云各自的n个云滴：A1.产生一个期望和标准差分别为En和He的正态随机数；A2.产生一个期望和标准差分别为Ex和|En’|的正态随机数xi；A3.计算：A4.(xi，yi)为满足云数字特征为(Ex，En，He)的云滴；B.对每个云产生的云滴以横坐标由小到大进行排序；C.筛选，保留落在[Ex-3En，Ex+3En]范围内的云滴；D.将经过步骤C筛选后的云滴分别保存在集合Drop1(n)和Drop2(m)中，由小到大排序，n≠m；E.若n≤m，云滴2有个组合若n>m，则与此类同；F.依次计算云滴Drop1(j)和云滴Drop2(j)对应差值平方得到D(j)，j＝1，2，3….；G.设定如果Similar≥δ，则两个云相似，否则不相似；S14：对Similar(Zj，Z*)进行归一化，得到各个综合潜力评价指标的评价语言的初始主观权重，公式如下：最后，使用vj和rj进行组合权重计算：wj＝0.5×vj+0.5×rj(8)。所述步骤S3中利用TOPSIS算法进行各待评价地区电能替代综合潜力评价，选取待评价地区的任意两个评价指标，分别表示为X+＝(x1+，x2+，…xn+)、X-＝(x1-，x2-，…xn-)，wi表示第i项评价指标的组合权重，则第h个评价对象与X+＝(x1+，x2+，…xn+)的欧式距离为yh+：第h个评价对象与X-＝(x1-，x2-，…xn-)的欧式距离为yh-：设定标准最优目标和标准最劣目标之间的距离为待评价地区为Xh＝(xh1，xh2，…，xhn)，计算待评价地区与标准最优目标和标准最劣目标的相对距离，通过以下方法进行分类和排序：a.当且时，说明待评价地区优于标准最优目标，该待评价地区归为最优方案；b.当且时，说明待评价地区劣于标准最劣目标，该待评价地区归为最劣方案；c.当且时，说明待评价地区劣于标准最劣目标，该待评价地区归为一般方案；根据相对距离的计算结果，最后计算相对贴近度，如式(11)，并根据相对贴近度排序得到最终的结果，Ch值由小到大排序即表示待评价地区从优到劣的排序。本专利技术利用组合权重对地区电能替代综合潜力评价体系的各个指标赋权，达到潜力评价的客观性，同时又能够满足主观需要。首先利用熵权法对评价指标的原始数据进行计算，得出地区电能替代综合潜力的初始客观权重，然后利用云模型根据描述各个评价指标重要程度的评价语言来计算各个指标的初始主观权重，利用初始客观权重和初始主观权重进行组合权重计算，得出各个指标的最终计算权重；最后利用TOPSIS算法进行地区电能替代综合潜力评价，为地区电能替代工作开展提供即符合客观事实又满足主观需要的依据。附图说明图1为本专利技术提供的基于组合权重的地区电能替代综合潜力评价方法的流程图；图2为利用熵权法计算客观权重的示意图；图3为利用云模型计算主观权重的示意图；图4为组合权重的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例；基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供了一种基于组合权重的地区电能替代综合潜力评价方法，包括如下步骤：S1：生成各待评价地区电能替代综合潜力评价指标的指标矩阵，给出各个综合潜力评价指标的评价语言，并将评价语言转化为云模型；S2：利用熵权法对步骤S1中生成的指标矩阵进行客观权重计算，再利用云模型对评价语言进行主观权重计算，得到待评价地区电能替代综合评价指标的组合权重；S3：利用TOPSIS算法进行各待评价地区电能替代综合潜力评价，得到评价结果。所述步骤S1中生成的指标矩阵为X＝(xij)m*n为m个地区的n个指标，利用Min-Max方法对指标矩阵进行归一化处理得到(xij*)m*n，具体指标矩阵和规范化公式如下：利用熵权法确定指标矩阵的初始客观权重vj：S11：所述步骤S1中给出各个综合潜力评价指标的评价语言，并将评价语言转化为云模型评价语言从极高到极差分为七个等级，具体云模型如下：S12：利用云合成对评价语言进行合成，得到合成的云模型如下：S13：对评价语言进行相似云计算，即利用合成的云模型与极高评价对应的云(C+3)进行云相似计算，具体步骤如下：A.利用云正向发生器产生两个云各自的n个云滴：A1.产生一个期望和标准差分别为En和He的正态随机数；A2.产生一个期望和标准差分别为Ex和|En’|的正态随机数xi；A3.计算：A4.(xi，yi)为满足云数字特征为(Ex，En，He)的云滴；B.对每个云产生的云滴以横坐标由小到大进行排序；C.筛选，保留落在[Ex-3En，Ex+3En]范围内的云滴；D.将经过步骤C筛选后的云滴分别保存在集合Drop1(n)和Drop2(m)中，由小到大排序，n≠m；E.若n≤m，云滴2有个组合若n>m，则与此类同；F.依次计算云滴Drop1(j)和云滴Drop2(j)对应差值平方得到D(j)，j＝1，2，3….；G.设定如果Similar≥δ，则两个云相似，否则不相似；S14：对Similar(Zi，Z*)进行归一化，得到各个综合潜力评价指标的评本文档来自技高网...

【技术保护点】
1.一种基于组合权重的地区电能替代综合潜力评价方法，其特征在于：包括如下步骤：S1：生成各待评价地区电能替代综合潜力评价指标的指标矩阵，给出各个综合潜力评价指标的评价语言，并将评价语言转化为云模型；S2：利用熵权法对步骤S1中生成的指标矩阵进行客观权重计算，再利用云模型对评价语言进行主观权重计算，得到待评价地区电能替代综合潜力评价指标的组合权重；S3：利用TOPSIS算法进行各待评价地区电能替代综合潜力评价，得到评价结果。

【技术特征摘要】
1.一种基于组合权重的地区电能替代综合潜力评价方法，其特征在于：包括如下步骤：S1：生成各待评价地区电能替代综合潜力评价指标的指标矩阵，给出各个综合潜力评价指标的评价语言，并将评价语言转化为云模型；S2：利用熵权法对步骤S1中生成的指标矩阵进行客观权重计算，再利用云模型对评价语言进行主观权重计算，得到待评价地区电能替代综合潜力评价指标的组合权重；S3：利用TOPSIS算法进行各待评价地区电能替代综合潜力评价，得到评价结果。2.根据权利要求1所述的基于组合权重的地区电能替代综合潜力评价方法，其特征在于：所述步骤S1中生成的指标矩阵为X＝(xij)m*n为m个地区的n个指标，利用Min-Max方法对指标矩阵进行归一化处理得到(xij*)m*n，具体指标矩阵和规范化公式如下：利用熵权法确定指标矩阵的初始客观权重vj：3.根据权利要求2所述的所述的基于组合权重的地区电能替代综合潜力评价方法，其特征在于：S11：所述步骤S1中给出各个综合潜力评价指标的评价语言，并将评价语言转化为云模型评价语言从极高到极差分为七个等级，具体云模型如下：S12：利用云合成对评价语言进行合成，得到合成的云模型如下：S13：对评价语言进行相似云计算，即利用合成的云模型与极高评价对应的云(C+3)进行云相似计算，具体步骤如下：A.利用云正向发生器产生两个云各自的n个云滴：A1.产生一个期望和标准差分别为En和He的正态随机数；A2.产生一个期望和标准差分别为Ex和|En’|的正态随机数xi；A3.计算：A4.(xi，yi)为满足云数字特征为(Ex，En，He)的云滴；B.对每个云产生的云滴以横坐标由小到大进行排序；C.筛选，保留落在[Ex-3En，Ex+3En]范围内的云滴；D.将经过步...

【专利技术属性】
技术研发人员：刘可真，刘鸫翔，徐玥，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53