本发明专利技术公开一种啤酒生产企业能效确定方法、系统及电子设备，涉及数据处理技术领域。本发明专利技术采用PSO+AHP模型与模糊综合评判法构建的啤酒生产企业能效确定模型，从局部、微观、精细化和整体、宏观、全面性及定量与定性相结合多个维度对啤酒生产企业能效进行确定，所得的评估结果客观，可以有效完善现有能效评估方法的不足，为啤酒生产企业高效使用能源提供分析与优化手段，为进一步提高啤酒生产企业能源利用效率提供依据，对酿造行业其他啤酒生产企业具有一定的通用性。有一定的通用性。有一定的通用性。
【技术实现步骤摘要】
一种啤酒生产企业能效确定方法、系统及电子设备
[0001]本专利技术涉及数据处理
，特别是涉及一种啤酒生产企业能效确定方法、系统及电子设备。
技术介绍
[0002]目前没有一套科学、合理的能效评估方法，能够对酿造行业啤酒生产企业能源的具体使用情况及其产生的效益进行准确的认识，造成了能源的流失和浪费等问题。
技术实现思路
[0003]本专利技术的目的是提供一种啤酒生产企业能效确定方法、系统及电子设备，能够对确定啤酒生产企业能效进行精确确定，进而解决现有技术存在的能源流失和浪费等问题。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种啤酒生产企业能效确定方法，包括：
[0006]获取啤酒生产企业的生产数据；所述生产数据包括：汽耗数据、电耗数据、水耗数据和水汽回收数据；
[0007]基于所述生产数据构建啤酒生产企业能效的评估指标体系；
[0008]采用层次分析法确定所述评估指标体系中每一评估指标的权重；
[0009]构建PSO+AHP模型；所述PSO+AHP模型为将粒子群优化算法(Particle Swarm Optimization，PSO)应用到层次分析法(Analytic Hierarchy Process，AHP)后得到的模型；
[0010]采用所述PSO+AHP模型对所述权重进行优化得到优化后的权重；
[0011]确定所述评估指标体系中每一评估指标的劣化度；
[0012]采用模糊综合评判法(fuzzy comprehensive evaluation，FCE)根据所述劣化度确定所述评估指标体系中每一评估指标的隶属度，得到隶属度矩阵；
[0013]根据所述隶属度矩阵和预设评价集矩阵确定所述评估指标体系中每一评估指标的分值；
[0014]基于所述分值和所述优化后的权重构建啤酒生产企业能效确定模型；
[0015]基于所述啤酒生产企业能效确定模型确定所述啤酒生产企业的能效。
[0016]优选地，所述采用层次分析法确定所述评估指标体系中每一评估指标的权重，具体包括：
[0017]基于“9分度”法的标度理论，构造指标层和标准层的判断矩阵；所述指标层由所述评估指标体系中每一评估指标形成；所述标准层由设定的评估指标形成；
[0018]对所述判断矩阵进行列向量归一化处理得到归一化矩阵；
[0019]确定所述归一化矩阵的行向量的平均值，以得到行向量矩阵；所述行向量矩阵用于表征所述评估指标体系中每一评估指标的相对权重。
[0020]优选地，还包括：
[0021]确定所述判断矩阵的最大特征值；
[0022]基于所述最大特征值、所述判断矩阵的阶数和平均随机一致性指标确定一致性指标；所述平均随机一致性指标基于矩阵阶数进行设定；
[0023]当所述一致性指标不符合预设要求时，修正所述判断矩阵。
[0024]优选地，所述采用所述PSO+AHP模型对所述权重进行优化得到优化后的权重，具体包括：
[0025]针对所述PSO+AHP模型，使用Python工具通过构造适应度函数对所述权重进行求解和优化的所述优化后的权重。
[0026]优选地，所述针对所述PSO+AHP模型，使用Python工具通过构造适应度函数对所述权重进行求解和优化的所述优化后的权重，具体包括：
[0027]将修正后的所述判断矩阵作为输入层带入粒子群优化算法得到PSO+AHP模型；
[0028]选定所述PSO+AHP模型的参数，将所述权重作为所述PSO+AHP模型的输入数据得到满足约束条件的输出值；所述输出值作为所述优化后的权重。
[0029]优选地，所述啤酒生产企业能效确定模型为：
[0030]C＝ω
·
Q＝ω
·
R
·
V
T
；
[0031]其中，C为啤酒生产企业能效得分，R为隶属度矩阵，V为评价集矩阵，Q为分值，ω为优化后的权重。
[0032]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0033]本专利技术采用PSO+AHP模型与模糊综合评判法构建的啤酒生产企业能效确定模型，从局部、微观、精细化和整体、宏观、全面性及定量与定性相结合多个维度对啤酒生产企业能效进行确定，所得的评估结果客观，可以有效完善现有能效评估方法的不足，为啤酒生产企业高效使用能源提供分析与优化手段，为进一步提高啤酒生产企业能源利用效率提供依据，对酿造行业其他啤酒生产企业具有一定的通用性。
[0034]对应于上述提供的啤酒生产企业能效确定方法，本专利技术还提供了以下实施系统：
[0035]一种啤酒生产企业能效确定系统，包括：
[0036]生产数据获取模块，用于获取啤酒生产企业的生产数据；所述生产数据包括：汽耗数据、电耗数据、水耗数据和水汽回收数据；
[0037]指标体系构建模块，用于基于所述生产数据构建啤酒生产企业能效的评估指标体系；
[0038]权重确定模块，用于采用层次分析法确定所述评估指标体系中每一评估指标的权重；
[0039]第一模型构建模块，用于构建PSO+AHP模型；所述PSO+AHP模型为将粒子群优化算法应用到层次分析法后得到的模型；
[0040]权重优化模块，用于采用所述PSO+AHP模型对所述权重进行优化得到优化后的权重；
[0041]劣化度确定模块，用于确定所述评估指标体系中每一评估指标的劣化度；
[0042]隶属度确定模块，用于采用模糊综合评判法根据所述劣化度确定所述评估指标体系中每一评估指标的隶属度，得到隶属度矩阵；
[0043]分值确定模块，用于根据所述隶属度矩阵和预设评价集矩阵确定所述评估指标体
系中每一评估指标的分值；
[0044]第二模型构建模块，用于基于所述分值和所述优化后的权重构建啤酒生产企业能效确定模型；
[0045]能效确定模块，用于基于所述啤酒生产企业能效确定模型确定所述啤酒生产企业的能效。
[0046]一种电子设备，包括：
[0047]存储器，用于存储计算机逻辑控制指令；所述计算机逻辑控制指令用于实施上述提供的啤酒生产企业能效确定方法；
[0048]处理器，与所述存储器连接，用于调取并执行所述计算机逻辑控制指令，以确定啤酒生产企业的能效。
[0049]优选地，所述存储器为计算机可读存储介质。
[0050]优选地，所述处理器为计算机。
[0051]因本专利技术提供的上述两种实施系统与本专利技术提供的啤酒生产企业能效确定方法实现的技术效果相同，故在此不再进行赘述。
附图说明
[0052]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，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，还可以根据这本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种啤酒生产企业能效确定方法，其特征在于，包括：获取啤酒生产企业的生产数据；所述生产数据包括：汽耗数据、电耗数据、水耗数据和水汽回收数据；基于所述生产数据构建啤酒生产企业能效的评估指标体系；采用层次分析法确定所述评估指标体系中每一评估指标的权重；构建PSO+AHP模型；所述PSO+AHP模型为将粒子群优化算法应用到层次分析法后得到的模型；采用所述PSO+AHP模型对所述权重进行优化得到优化后的权重；确定所述评估指标体系中每一评估指标的劣化度；采用模糊综合评判法根据所述劣化度确定所述评估指标体系中每一评估指标的隶属度，得到隶属度矩阵；根据所述隶属度矩阵和预设评价集矩阵确定所述评估指标体系中每一评估指标的分值；基于所述分值和所述优化后的权重构建啤酒生产企业能效确定模型；基于所述啤酒生产企业能效确定模型确定所述啤酒生产企业的能效。2.根据权利要求1所述的啤酒生产企业能效确定方法，其特征在于，所述采用层次分析法确定所述评估指标体系中每一评估指标的权重，具体包括：基于“9分度”法的标度理论，构造指标层和标准层的判断矩阵；所述指标层由所述评估指标体系中每一评估指标形成；所述标准层由设定的评估指标形成；对所述判断矩阵进行列向量归一化处理得到归一化矩阵；确定所述归一化矩阵的行向量的平均值，以得到行向量矩阵；所述行向量矩阵用于表征所述评估指标体系中每一评估指标的相对权重。3.根据权利要求2所述的啤酒生产企业能效确定方法，其特征在于，还包括：确定所述判断矩阵的最大特征值；基于所述最大特征值、所述判断矩阵的阶数和平均随机一致性指标确定一致性指标；所述平均随机一致性指标基于矩阵阶数进行设定；当所述一致性指标不符合预设要求时，修正所述判断矩阵。4.根据权利要求3所述的啤酒生产企业能效确定方法，其特征在于，所述采用所述PSO+AHP模型对所述权重进行优化得到优化后的权重，具体包括：针对所述PSO+AHP模型，使用Python工具通过构造适应度函数对所述权重进行求解和优化的所述优化后的权重。5.根据权利要求4所述的啤酒生产企业能效确定方法，其特征在于，所述针对所述PSO+AHP模型，使用Python工具通过构造适应度函数对所述权重进行求解和优化的所述优化后的权重，具体包括：将修正后的所述判断矩阵...
【专利技术属性】
技术研发人员：白晶，张晶，徐宇，邢吉生，杨勇，王双立，
申请(专利权)人：北华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。