一种基于BP神经网络的台区资产组绩效评价方法技术

本发明专利技术公开了一种基于BP神经网络的台区资产组评价方法，包括：对台区绩效评价各项指标进行标准化处理；构建BP神经网络评价模型，并对绩效值进行归一化处理；根据BP神经网络模型评价台区资产组的综合绩效。本发明专利技术通过筛选出与台区资产组综合绩效相关的评价指标，采用基于LM算法优化的BP神经网络学习绩效评价指标与台区资产组绩效之间的非线性关系，进而得到BP神经网络评价模型，通过BP神经网络模型评价台区资产组的综合绩效。

【技术实现步骤摘要】
一种基于BP神经网络的台区资产组绩效评价方法
本专利技术涉及一种评价方法，具体涉及一种基于BP神经网络的台区资产组绩效评价方法。
技术介绍
随着我国电力行业的飞速发展，目前各地供电台区管理工作缺乏有效的管理手段和绩效管理模式。台区管理是对电力企业在配电网络和电力营销的管理手段上一种质的飞跃，它要求电力企业在人、财、物以及信息管理上具有较好的基础和较高的水平，以及相适应的营销体制。台区管理主要解决的是一些诸如配网线路混乱、线损过高、人为因素过多、欠费过多、窃电猖撅、缺乏监督等问题。通过构建台区资产组综合评价模型，为台区综合管理实际工作的顺利开展提供科学依据。现实中，各地、市局虽然也根据省电力公司的有关规定对各自的营销体制进行了必要的改进，但大多是沿用原来的一些传统管理方法和手段，在试行了一两年后，几乎都出现了这样或者那样的问题，线损依然过高，从业人员依然难以管理和缺乏监督等，台区管理工作开展得很不顺利。近年来，神经网络理论的发展与应用为资产组评估提供了新思路。神经网络评估资产组无须建立数学模型，可以利用网络强大的自学能力、推广能力以及非线性处理能力来拟合台区绩效与评价指标之间复杂的非线性关系，因此利用神经网络算法可以综合评价台区资产组的绩效。
技术实现思路
为了克服上述现有技术的不足，本专利技术的目的是提供一种基于BP神经网络的台区资产组绩效评价方法，通过筛选出与台区资产组综合绩效相关的评价指标，采用基于LM算法优化的BP神经网络学习绩效评价指标与台区资产组绩效之间的非线性关系，进而得到BP神经网络评价模型，通过BP神经网络模型评估台区资产组的综合绩效。为了实现上述专利技术目的，本专利技术采取如下技术方案：一种基于BP神经网络的台区资产组绩效评价方法，其特征在于所述方法包括以下步骤：步骤1：对台区绩效评价各项指标进行标准化处理；步骤2：构建BP神经网络评价模型，并对绩效值进行归一化处理；步骤3：根据BP神经网络模型评价台区资产组的综合绩效。所述步骤1中，设台区个数为N，每个台区的三级评价指标为M个，N个台区样本的绩效评价指标组成台区绩效特征向量X，有：其中，xij为台区绩效特征向量X的第i行、第j列元素，i＝1,2,…,N，j＝1,2,…,M；对台区绩效评价指标进行标准化处理，有：其中，Zij为xij标准化处理后的量，为xij的平均值，sij为xij的方差。所述步骤2包括以下步骤：步骤2-1：构建BP神经网络评价模型：BP神经网络模型包括输入层、隐含层和输出层，各层之间的传递函数f(a)采用logsig函数，有：其中，a为各层之间传递函数f(a)的自变量，0＜f(a)＜1；步骤2-2：对台区资产组各项绩效评价指标进行归一化处理：设台区绩效为d，采用式(6)对台区资产组绩效d进行归一化处理，有：其中，di'为第i个台区综合绩效归一化后的值，di为第i个台区的绩效得分，dmin为所有台区绩效的最小值，dmax为所有台区绩效中的最大值，α、β为常数，且0.9＜α＜1，0＜β＜0.1。所述步骤3包括以下步骤：步骤3-1：利用BP神经网络模型对Zij和di'进行学习训练；步骤3-2：将台区绩效评价指标带入BP神经网络模型中，计算台区综合绩效d。所述步骤3-1中，对于任一台区，由于每个台区的绩效评价指标为M个，所以输入层含有M个BP神经元，于是设输入层输入向量为Zr＝(Z1,Z2,…,Zm,…,ZM)T，隐含层的输出向量为Yr＝(y1,y2,…,yp,…,yP)T，输出层的输出向量为or＝(o1,o2,…,ol,…,oL)T，期望输出向量为dr＝(d1,d2,…,dl,…,dL)T，其中，T表示转置，Zm为输入层的第m个BP神经元，yp为隐含层的第p个BP神经元，o1为输出层的第1个神经元，d1为第1个期望输出量，P为隐含层的BP神经元个数，L为输出层的BP神经元个数，m＝1,2,…,M，p＝1,2,…,P，l＝1,2,…,L；输入层到隐含层的权值和阈值分别为wmp和bmp，隐含层到输出层的权值和阈值分别为wpl和bpl；于是，利用BP神经网络模型对Zij和di'进行学习训练的正向传播过程如下：输出误差e表示为：利用BP神经网络模型对Zij和di'进行学习训练的反向传播过程如下：在第n+1次迭代过程中，e按泰勒公式展开，得到公式(10)：e(w(n+1))＝e(w(n))+gT(n)Δw(n)+0.5ΔwT(n)A(n)Δw(n)(10)其中，w(n)为第n次迭代过程中的权值，e(w(n))为第n次迭代过程中输出误差；w(n+1)为第n+1次迭代过程中的权值，e(w(n+1))为第n+1次迭代过程中的输出误差；g(n)为梯度向量，T表示转置；Δw(n)为第n+1与第n次迭代过程中权值的变化量，即Δw(n)＝w(n+1)-w(n)，当Δw(n)＝-A-1(n)g(n)时，e(w(n+1))取得最小值；A(n)为Hessian矩阵；采用LM算法将Hessian矩阵A(n)表示为：A(n)＝JTJ(11)其中，J为雅克比矩阵；梯度向量g(n)表示为：g(n)＝JTe(12)w(n+1)用下式修正：w(n+1)＝w(n)-[JTJ+μI]-1JTe(13)其中，I为单位向量，μ为常数；同理，第n+1次迭代过程中的阈值b(n+1)用下式修正：b(n+1)＝b(n)-[JTJ+μI]-1JTe(14)其中，b(n)为第n次迭代过程中的阈值。本专利技术通过筛选出与台区资产组综合绩效相关的评价指标，采用基于LM算法优化的BP神经网络学习绩效评价指标与台区资产组绩效之间的非线性关系，进而得到BP神经网络评价模型，通过BP神经网络模型评价台区资产组的综合绩效。与现有技术相比，本专利技术具有以下有益效果：1)本专利技术利用网络强大的自学能力、推广能力以及非线性处理能力来拟合台区绩效与评价指标之间复杂的非线性关系，无需建立复杂的数学模型；2)本专利技术提出的基于BP神经网络的台区资产组绩效评价方法具有快速收敛、高精度等优点。3)本专利技术提出的基于BP神经网络的台区资产组绩效评价方法可以评价没有实测的台区的绩效得分，为台区绩效管理提供了技术支撑。附图说明图1-本专利技术实施例中基于BP神经网络的台区资产组绩效评价方法流程图；图2-本专利技术实施例中BP神经网络模型结构示意图。具体实施方式一种基于BP神经网络的台区资产组绩效评价方法，所述方法包括：1.对台区绩效评价各项指标进行标准化处理。对台区绩效评价指标进行标准化处理之前，先确定台区绩效评价指标体系，如表1所示：表1台区绩效评价指标是作为神经网络算法的输入，也就是自变量。各指标数值具有不同的单位和量级，对于神经网络算法来说只区分数据数值的大小，并不能反映出数据的单位。为了更好的应用上述算法，需要消除各指标间不同单位和量级对数值的影响，防止出现“大数吃小数”的现象。而数据的标准化就是将数据按比例缩放，使之落入一个小的特定区间去除数据的单位限制，将其转化为无量纲的纯数值。设台区个数为N，每个台区的三级评价指标为M个，N个台区样本的绩效评价指标组成台区绩效特征向量X，有：其中，xij为台区绩效特征向量X的第i行、第j列元素，i＝1,2,…,N，j＝1,2,…,M；对台区绩效评价指标进行标准化处理，有：其中，Zij为xij标准化本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的台区资产组绩效评价方法，其特征在于该方法包括以下步骤：步骤1：对台区绩效评价各项指标进行标准化处理；步骤2：构建BP神经网络评价模型，并对绩效值进行归一化处理；步骤3：根据BP神经网络模型评价台区资产组的综合绩效；所述步骤1中，设台区个数为N，每个台区的三级评价指标为M个，N个台区样本的绩效评价指标组成台区绩效特征向量X，有：

【技术特征摘要】
1.一种基于BP神经网络的台区资产组绩效评价方法，其特征在于该方法包括以下步骤：步骤1：对台区绩效评价各项指标进行标准化处理；步骤2：构建BP神经网络评价模型，并对绩效值进行归一化处理；步骤3：根据BP神经网络模型评价台区资产组的综合绩效；所述步骤1中，设台区个数为N，每个台区的三级评价指标为M个，N个台区样本的绩效评价指标组成台区绩效特征向量X，有：其中，xij为台区绩效特征向量X的第i行、第j列元素，i＝1,2,…,N，j＝1,2,…,M；对台区绩效评价指标进行标准化处理，有：其中，Zij为xij标准化处理后的量，为xij的平均值，sij为xij的方差；所述步骤2包括以下步骤：步骤2-1：构建BP神经网络评价模型：BP神经网络模型包括输入层、隐含层和输出层，各层之间的传递函数f(a)采用logsig函数，有：其中，a为各层之间传递函数f(a)的自变量，0＜f(a)＜1；步骤2-2：对台区资产组各项绩效评价指标进行归一化处理：设台区绩效为d，采用式(6)对台区资产组绩效d进行归一化处理，有：其中，d′i为第i个台区综合绩效归一化后的值，di为第i个台区的绩效得分，dmin为所有台区绩效的最小值，dmax为所有台区绩效中的最大值，α、β为常数，且0.9＜α＜1，0＜β＜0.1；所述步骤3包括以下步骤：步骤3-1：利用BP神经网络模型对Zij和d′i进行学习训练；步骤3-2：将台区绩效评价指标带入BP神经网络模型中，计算台区综合绩效d。2.根据权利要求1所述的基于BP神经网络的台区资产组绩效评价方法，其特征在于：所述步骤3-1中，对于任一台区，由于每个台区的绩效评价指标为M个，所以输入层含有M个BP神经元，设输入层输入向量为Zr＝(Z1,Z2,…,Zm,…,ZM)T，隐含层的输出向量为Yr＝(y1,y2,…,yp,…,yP)T，输出层的输出向量为...

【专利技术属性】
技术研发人员：任腾云，陈刚，王春波，周溢青，屈维意，
申请(专利权)人：江苏电力信息技术有限公司，国网江苏省电力有限公司，
类型：发明
国别省市：江苏,32