一种售电公司运营效益评价方法技术

本发明专利技术公开了属于公司运营效益综合评价技术领域的一种售电公司运营效益评价方法。所述方法首先采用ITM法对售电公司运营效益进行综合评价，得出相对接近度作为综合评价值。在此基础上运用MASO‑LSSVM智能算法优化参数，通过机器学习，泛化ITM综合评价中的专家打分，通过输入指标数据自动、快速计算出预测综合评价值。本发明专利技术通过MASO对LSSVM的参数进行优化，提高了LSSVM的分类精度。通过MASO‑LSSVM智能算法对售电公司运营效益进行综合评价，并通过自动运行和快速评价预测运营效益综合评价值，为售电公司未来提出更合理的运营发展模式提供决策依据，实现公司在售电市场上的可持续发展目标，同时，也为售电公司运营效益的综合评价提出一种新思路。

A Method for Evaluating Operational Benefits of Electricity Sales Companies

The invention discloses an evaluation method of operation benefit of a power selling company, which belongs to the technical field of comprehensive evaluation of operation benefit of the company. Firstly, the ITM method is used to evaluate the operation benefit of the power selling company, and the relative proximity degree is obtained as the comprehensive evaluation value. On this basis, MASO LSSVM intelligent algorithm is used to optimize the parameters. Through machine learning, expert scores in comprehensive evaluation of ITM are generalized, and comprehensive evaluation values are automatically and quickly calculated by input index data. The method optimizes the parameters of LSSVM by MASO, and improves the classification accuracy of LSSVM. Through MASO LSSVM intelligent algorithm, the operation benefit of the power selling company is evaluated comprehensively, and the comprehensive evaluation value of the operation benefit is predicted through automatic operation and rapid evaluation. The decision-making basis is provided for the power selling company to put forward a more reasonable operation development mode in the future, and the sustainable development goal of the company in the power selling market is realized. A new idea is put forward for the comprehensive evaluation of the operation benefit of the power selling company.

【技术实现步骤摘要】
一种售电公司运营效益评价方法
本专利技术属于公司运营效益综合评价
，尤其涉及一种售电公司运营效益评价方法。
技术介绍
目前我国电力市场正处于新一轮体制改革过程中，随着售电侧的放开，市场上逐步构建起多元化售电主体。面对复杂的售电市场环境和激烈的竞争格局，运营效益直接反映售电公司当前所处市场地位和发展优劣状况。因此，构建科学、合理的运营效益评价指标体系、选取合理的模型对售电公司运营效益进行综合评价，有利于售电公司了解自身在售电市场中所处的地位，分析其竞争优劣势，对售电公司实现可持续发展目标是一项具有重要意义的工作。售电公司运营效益综合评价的核心即评价指标体系与综合评价模型的构建。目前我国正处于售电侧放开初期，针对售电公司及其运营效益开展综合评价的研究较少，面向售电公司运营效益尚未建立起完善的评价指标体系。并且针对运营效益综合评价，多采用传统的评价方法,如：层次分析法、物元分析法、模糊综合评价法等，且均存在一定的不足，评价速度有待提高。人工智能算法在自动运行和快速预测方面具有显著优势，通过机器学习泛化主观赋权，可实现相对误差较小的预测和快速评价。但是，人工智能算法的参数有待进一步优化以提高机器的分类精度。
技术实现思路
针对上述问题，本专利技术提出了一种售电公司运营效益评价方法，其特征在于，包括以下步骤：步骤1：构建售电公司运营效益指标评价体系，并采集各运营效益评价指标数据；步骤2：对采集的各运营效益评价指标数据进行标准化处理；步骤3：采用熵权法对售电公司运营效益评价指标进行赋权，确定各指标权重；步骤4：采用ITM法计算售电公司运营效益的相对接近度，将计算得到的相对接近度作为综合评价值，用于对售电公司运营效益进行综合评价；步骤5：采用MASO-LSSVM智能算法优化参数，并将优化后的LSSVM算法应用于售电公司运营效益综合评价；步骤6：对MASO-LSSVM智能算法进行训练，通过对售电公司运营效益的自动运算，得到预测综合评价值。所述步骤1构建售电公司运营效益指标评价体系，是从财务收益、生产运营、营销水平、内部管理水平及社会效益五个方面，以售电公司运营效益为总评价目标构建的三级综合评价指标体系。所述步骤2对采集的各运营效益评价指标数据进行标准化处理的具体方法为：1)采用专家打分将定性指标量化处理假设共邀请权威专家M位，第k位专家对第t个售电公司定性指标i的打分分值为Stik,则通过所有专家打分量化的定性指标i的分值为：2)对适中型和极小型指标进行一致化处理，统一转化为极大型指标，具体过程如下；适中型指标：式中，xij为适中型指标经一致化处理后的值，为指标初始值；[q1,q2]为区间型指标的最佳合理区间；dl为指标允许下限；du为指标允许上限；极小型指标：其中，xij′为极小型指标经一致化处理后的值，为指标初始值；3)对所有评价指标进行标准化处理，即：其中，为指标经标准化处理后的值，xij为原始指标经打分量化和一致化处理后的值，m为评价对象数量，n为评价指标项数。所述步骤3采用熵权法对售电公司运营效益评价指标进行赋权的方法为：(1)构造标准化判断矩阵假设用于综合评价的售电公司共m个，评价指标共n项，则经标准化处理的指标数据构建的标准化判断矩阵X*为：式中，为标准化处理后的指标值；(2)计算各项指标的信息熵式中，k为m取对数的倒数值，fij为第i项指标下第j个评价对象的特征比重，m为评价对象数量；(3)对运营效益评价指标赋权其中，式中，wj为各项指标权重，Hj为各项指标的信息熵。所述ITM法是在传统TOPSIS算法的基础上，定义计算得到的正、负理想解存在绝对状态，并且所评价对象处于绝对正、负理想解之间。所述步骤4采用ITM法对售电公司运营效益进行综合评价，首先通过指标权重和标准化数据构造加权判断矩阵，其次确定绝对正、负理想解并计算测算评价对象与绝对理想解之间的欧式距离，最后计算售电公司运营效益的相对接近度，即综合评价得分，具体步骤为：(1)构造加权判断矩阵R＝(rij)m×n式中，rij为加权后的指标值；wj为各项指标权重；为原始指标经标准化处理后的值；(2)确定绝对正、负理想解绝对正理想解:经过标准化处理得到：X+＝(1，1，…，1)T绝对负理想解:经过标准化处理得到：X-＝(0，0，…，0)T式中，为指标的绝对正理想解；为指标的绝对负理想解；(3)测算各售电公司运营效益与绝对正、负理想解之间的欧氏距离；各售电公司运营效益与绝对正理想解的欧氏距离为：各售电公司运营效益与绝对负理想解的欧氏距离为：(4)计算各售电公司运营效益的相对接近度，计算得到的相对接近度的值即综合评价得分，所述各售电公司运营效益的相对接近度的计算公式为：(5)按照各售电公司运营效益的相对接近度Ci的大小对售电公司的运营效益进行优劣排序，Ci值越大则对应的售电公司运营效益越优。所述步骤5采用MASO-LSSVM智能算法优化参数，即通过MASO算法优化LSSVM参数，具体方法为：S1:输入历史数据，建立LSSVM的训练样本集和测试样本集；S2:设定优化参数并确定蚁群的初始优化位置；假设蚁群中蚂蚁数为N且初始随机分布在解空间中，设定蚁群的初始优化位置为Xi(i＝1，2，…，N)，每只蚂蚁的初始位置为xi1，xi2，…，xid；设定优化参数为误差惩罚系数C和核函数宽度σ，其优化目标函数为：s.t.C∈[Cmin,Cmax]σ∈[σmin,σmax]式中，yi为第i个历史样本数据对应的输出值；为第i个历史样本数据对应的LSSVM输出预测值；s.t.C为误差惩罚系数，Cmin为最小误差惩罚系数，Cmax为最大误差惩罚系数，σmin为最小核函数宽度，σmax为最大核函数宽度；S3:建立LSSVM预测模型；式中，ai为拉格朗日乘子；K(x,xj)为径向基核函数；σ为核函数宽度；b为偏置参数；x为给定的输入样本；xj为第j个输入样本；S4:计算适应度和初始信息素，蚂蚁i的初始信息素计算方法如下：式中，f(Xi)为第i个样本的适应度；为第i个样本的第j个网络输出节点下的训练输出值；yj为第i个样本的第j个网络输出节点下的输出期望值；M为重构相空间中的相点数量；m为蚁群规模大小；Δτ(i)＝exp(-f(Xi))当f(Xi)≥0时，0＜Δτ(i)≤1；当f(Xi)→+∞时，Δτ(i)→0；对f(Xi)作如下调整：最终确定蚂蚁i的初始信息素大小为：Δτ(i)＝exp(-f*(Xi))式中，f(Xi)为适应度，f*(Xi)为调整后的适应度，为适应度均值，Δτ(i)为初始信息素大小，avg为f(Xi)均值，为给定的f(Xi)均值；S5:根据上次迭代中蚂蚁所在处信息素浓度大小排序确定最优蚂蚁Xbest；在随机抽取的蚂蚁个体中，选取信息素浓度最大处的蚂蚁作为目标个体Xobj；S6:进行蚂蚁搜索寻优，最优蚂蚁在其邻域内作小步长局部搜索寻优，其余蚂蚁向目标个体移动并作大步长搜索寻优；其中，小步长局部搜索寻优求解过程如下：Xbest'＝Xbest±(Xbest×0.01)当f(Xbest')＜f(Xbest)时，Xbest'＝Xbest+(Xbest×0.01)；当f(Xbest')≥f(Xbest)时，Xbest'＝Xbest-(Xbest×0.01)；Xi'＝Xbes本文档来自技高网...

【技术保护点】
1.一种售电公司运营效益评价方法，其特征在于，包括以下步骤：步骤1：构建售电公司运营效益指标评价体系，并采集各运营效益评价指标数据；步骤2：对采集的各运营效益评价指标数据进行标准化处理；步骤3：采用熵权法对售电公司运营效益评价指标进行赋权，确定各指标权重；步骤4：采用ITM法计算售电公司运营效益的相对接近度，将计算得到的相对接近度作为综合评价值，用于对售电公司运营效益进行综合评价；步骤5：采用MASO‑LSSVM智能算法优化参数，并将优化后的LSSVM算法应用于售电公司运营效益综合评价；步骤6：对MASO‑LSSVM智能算法进行训练，通过对售电公司运营效益的自动运算，得到预测综合评价值。

【技术特征摘要】
1.一种售电公司运营效益评价方法，其特征在于，包括以下步骤：步骤1：构建售电公司运营效益指标评价体系，并采集各运营效益评价指标数据；步骤2：对采集的各运营效益评价指标数据进行标准化处理；步骤3：采用熵权法对售电公司运营效益评价指标进行赋权，确定各指标权重；步骤4：采用ITM法计算售电公司运营效益的相对接近度，将计算得到的相对接近度作为综合评价值，用于对售电公司运营效益进行综合评价；步骤5：采用MASO-LSSVM智能算法优化参数，并将优化后的LSSVM算法应用于售电公司运营效益综合评价；步骤6：对MASO-LSSVM智能算法进行训练，通过对售电公司运营效益的自动运算，得到预测综合评价值。2.根据权利要求1所述的一种售电公司运营效益评价方法，其特征在于，所述步骤1构建售电公司运营效益指标评价体系，是从财务收益、生产运营、营销水平、内部管理水平及社会效益五个方面，以售电公司运营效益为总评价目标构建的三级综合评价指标体系。3.根据权利要求1所述的一种售电公司运营效益评价方法，其特征在于，所述步骤2对采集的各运营效益评价指标数据进行标准化处理的具体方法为：1)采用专家打分将定性指标量化处理假设共邀请权威专家M位，第k位专家对第t个售电公司定性指标i的打分分值为Stik,则通过所有专家打分量化的定性指标i的分值为：2)对适中型和极小型指标进行一致化处理，统一转化为极大型指标，具体过程如下；适中型指标：式中，xij为适中型指标经一致化处理后的值，为指标初始值；[q1,q2]为区间型指标的最佳合理区间；dl为指标允许下限；du为指标允许上限；极小型指标：其中，xij′为极小型指标经一致化处理后的值，为指标初始值；3)对所有评价指标进行标准化处理，即：其中，为指标经标准化处理后的值，xij为原始指标经打分量化和一致化处理后的值，m为评价对象数量，n为评价指标项数。4.根据权利要求1所述的一种售电公司运营效益评价方法，其特征在于，所述步骤3采用熵权法对售电公司运营效益评价指标进行赋权的方法为：(1)构造标准化判断矩阵假设用于综合评价的售电公司共m个，评价指标共n项，则经标准化处理的指标数据构建的标准化判断矩阵X*为：式中，为标准化处理后的指标值；(2)计算各项指标的信息熵式中，k为m取对数的倒数值，fij为第i项指标下第j个评价对象的特征比重，m为评价对象数量；(3)对运营效益评价指标赋权其中，式中，wj为各项指标权重，Hj为各项指标的信息熵。5.根据权利要求1所述的一种售电公司运营效益评价方法，其特征在于，所述ITM法是在传统TOPSIS算法的基础上，定义计算得到的正、负理想解存在绝对状态，并且所评价对象处于绝对正、负理想解之间。6.根据权利要求1所述的一种售电公司运营效益评价方法，其特征在于，所述步骤4采用ITM法对售电公司运营效益进行综合评价，首先通过指标权重和标准化数据构造加权判断矩阵，其次确定绝对正、负理想解并计算测算评价对象与绝对理想解之间的欧式距离，最后计算售电公司运营效益的相对接近度，即综合评价得分，具体步骤为：(1)构造加权判断矩阵R＝(rij)m×n式中，rij为加权后的指标值；wj为各项指标权重；为原始指标经标准化处理后的值；(2)确定绝对正、负理想解绝对正理想解:经过标准化处理得到：X+＝(1，1，…，1)T.绝对负理想解:经过标准化处理得到：X-＝(0，0，…，0)T式中，为指标的绝对正理想解；为指标的绝对负理想解；(3)测算各售电公司运营效益与绝对正、负理想解之间的欧氏距离；各售电公司运营效益与绝对正理想解的欧氏距离为：各售电公司运营效益与绝对负理想解的欧氏距离为：(4)计算各售电公司运营效益的相对接近度，计算得到的相对接近度的值即综合评价得分，所述各售电公司运营效益的相对接近度的计算公式为：(5)按照各售电公司运营效益的相对接近度Ci的大小对售电公司的运营效益进行优劣排序，Ci值越大则对应的售电公司运营效益越优。7.根据权利要求1所述的一种售电公司运营效益评价方法，其特...

【专利技术属性】
技术研发人员：牛东晓，李偲，戴舒羽，厉艳，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11