CN107527131A - 一种集群电机***能耗水平评价方法及装置 - Google Patents
一种集群电机***能耗水平评价方法及装置 Download PDFInfo
- Publication number
- CN107527131A CN107527131A CN201710534073.2A CN201710534073A CN107527131A CN 107527131 A CN107527131 A CN 107527131A CN 201710534073 A CN201710534073 A CN 201710534073A CN 107527131 A CN107527131 A CN 107527131A
- Authority
- CN
- China
- Prior art keywords
- layer
- matrix
- fuzzy
- energy consumption
- electric system
- 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.)
- Pending
Links
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种集群电机***能耗水平评价方法及装置,其中所述方法包括:S1,基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;S2,根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果。本发明保证了能耗水平评估的准确性与正确性,在实际应用中能得到更准确的能耗水平评价结果,为集群电机***用能分析与运行调整提供参考帮助。
Description
技术领域
本发明涉及电气工程技术领域,更具体地,涉及一种集群电机***能耗水平评价方法及装置。
背景技术
电机***能耗研究包含能耗影响因素、能耗模型、节能措施等多方面,集群电机***能耗水平的研究也是当今研究热点,但其能耗水平评价研究成果较少。对集群电机***能耗水平的研究不仅涉及到***中各个电机设备能耗水平的分析,也涉及到***负载特性与工况的考虑,还包括其它一些能耗影响因素的研究分析。对集群电机***能耗水平的合理分析与评价,不仅能对***整体用能水平有所熟知和掌控,更能对***节能设计与优化运行提供参考。
目前,集群电机***能水平耗评估方法,包括:根据集群电机***的可变损耗参数和功率平衡关系,建立集群电机***的能耗计算模型;采用在所述能耗计算模型中输入能耗参数的方式,结合实测运行数据,计算获得集群电机***的能耗,其中,所述能耗参数为集群电机***的可变损耗;根据所述能耗对所述集群电机***的能耗水平进行评估。
但是,现有的集群电机***能耗水平评估方法中,能耗计算模型过于简单,且输入能耗计算模型的能耗参数过少,导致使用该方法得到的集群电机***的能耗水平评估结果误差较大。
发明内容
针对上述的技术问题,本发明提供一种集群电机***能耗水平评价方法及装置。
第一方面,本发明提供一种集群电机***能耗水平评价方法,包括:S1,基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;S2,根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果;其中,所述评价指标体系包括:目标层、准则层和指标层;所述目标层为集群电机***能耗水平;所述准则层包括:负荷因素、电机设备因素和其它因素;所述其它因素包括:电网质量、额外用能比率和节能效果。
其中,所述S1包括:S11,获取所述评价指标体系中同层各因素相对于上层因素的权重向量;S12,基于所述评价指标体系中指标层各因素相对于评价集中各元素的隶属度,获取准则层的模糊评价矩阵;S13,基于所述权重向量和所述准则层的模糊评价矩阵获取目标层的模糊综合评价矩阵;
其中,所述评价集为V={优,良,中,差}={υ1,υ2,υ3,υ4}。
其中,所述S2包括:根据最大隶属度原则,选取所述目标层的模糊综合评价矩阵中的最大值在所述评价集中对应的语句作为评价结果。
其中,所述S11包括:S111,将所述评价指标体系中各层的因素两两进行比较并赋予标度值,根据所述标度值建立各层的判断矩阵;S112,获取所述各层的判断矩阵的最大特征值所对应的特征向量,并对所述特征向量进行归一化处理,获得同层各因素相对于上层因素的权重向量;S113,对所述判断矩阵进行一致性检验,若所述判断矩阵的一致性效果较差,则对所述判断矩阵进行修正。
其中,所述S12包括:S121,通过确定的隶属度函数获取所述评价指标体系指标层中的定量指标相对于所述评价集中各元素的隶属度;S122,通过专家评判的方式获取所述评价指标体系指标层中的定性指标相对于所述评价集中各元素的隶属度;S123,根据所述定量指标相对于所述评价集中各元素的隶属度,以及定性指标相对于所述评价集中各元素的隶属度,获取准则层的模糊评价矩阵。
其中,所述S13包括:S131,选取乘积求和型模糊合成算子,根据所述指标层相对于准则层的权重向量和所述准则层的模糊评价矩阵获取准则层的模糊综合评价矩阵;S132,根据所述准则层的模糊综合评价矩阵和所述准则层相对于目标层的权重向量,获取目标层的模糊综合评价矩阵。
其中,通过以下公式对所述判断矩阵进行一致性检验,
若C.R.<0.1,判断矩阵的一致性效果较好;或者,若C.R.≥0.1,判断矩阵的一致性效果较差;
其中,C.I.为一致性指标;R.I.为平均随机一致性指标,通过查平均随机一致性指标对照表获得;m为判断矩阵阶数,λmax为判断矩阵的最大特征值。
第二方面,本发明提供一种集群电机***能耗水平评价装置,包括:获取模块,用于基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;评价模块,用于根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果;其中,所述评价指标体系包括:目标层、准则层和指标层;所述目标层为集群电机***能耗水平;所述准则层包括:负荷因素、电机设备因素和其它因素;所述其它因素包括:电网质量、额外用能比率和节能效果。
第三方面,本发明提供一种集群电机***能耗水平评价设备,包括:至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述的方法。
第四方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述的方法。
本发明提供的一种集群电机***能耗水平评价方法及装置,通过建立包括目标层、准则层和指标层的集群电机***评价指标体系,能够充分反映了与集群电机***能耗水平相关的影响因素;以及基于该评价指标体系通过模糊综合评价方法获取目标层的模糊综合评价矩阵,并根据该目标层的模糊综合评价矩阵得到集群电机***能耗水平的评价结果,保证了该评价结果的准确性与正确性,使得该评价方法在实际应用中能得到准确的评价能耗水平,为集群电机***用能分析与运行调整提供参考帮助。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的集群电机***能耗水平评价方法的流程图;
图2为图1的集群电机***能耗水平评价方法中的评价指标体系的结构框图;
图3为本发明实施例提供的集群电机***能耗水平评价装置的结构框图;
图4为本发明实施例提供的集群电机***能耗水平评价设备的结构框图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例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。
图1为本发明实施例提供的集群电机***能耗水平评价方法的流程图,如图1所示,该方法包括:S1,基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;S2,根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果;
其中,所述评价指标体系包括:目标层、准则层和指标层;所述目标层为集群电机***能耗水平;所述准则层包括:负荷因素、电机设备因素和其它因素;所述其它因素包括:电网质量、额外用能比率和节能效果。
其中,评价指标体系是指由表征评价对象各方面特性及其相互联系的多个指标,所构成的具有内在结构的有机整体。
其中,模糊综合评价法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,***性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。
具体地,能耗水平是衡量电机***用能情况的主要部分,其水平的高低直接影响到企业、园区的***运行能力与经济性。评价指标体系的设计以科学性、完备性和可操作性为原则,准确客观地反映集群电机***能耗水平。论域U为包括评价指标体系所有因素的因素集,遵循性质相似的因素分为一组的原则,其中U为最高层因素集,包含l个内容集,Ui为内容集,每个内容集包含n个底层因素集,即
U={U1,U2,…,Ul}
Ui={ui1,ui2,…,uin}
本发明实施例中,通过研究分析将评价指标体系分为三层,即目标层、准则层和指标层,则因素集U={U1,U2,U3},且内容集分别为:
U1={u11,u12,u13}
U2={u21,u22,u23,u24}
U3={u31,u32,u33}
评价指标体系目标层为集群电机***能耗水平;准则层包括:负荷因素、电机设备因素及其它因素;指标层包括:属于负荷因素的负荷特性、负载总运行效率及负载率;属于电机设备因素的总不变损耗、总额定可变损耗、集群电机***运行效率及电机工作制与额定;以及属于其它因素的电网质量、额外用能比率及节能效果,如图2所示。然后通过模糊综合评价方法获取该评价指标体系中目标层的模糊综合评价矩阵,并根据该目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果。
在本发明实施例中,通过建立包括目标层、准则层和指标层的集群电机***评价指标体系,能够充分反映了与集群电机***能耗水平相关的影响因素;以及基于该评价指标体系通过模糊综合评价方法获取目标层的模糊综合评价矩阵,并根据该目标层的模糊综合评价矩阵得到集群电机***能耗水平的评价结果,保证了该评价结果的准确性与正确性,使得该评价方法在实际应用中能得到准确的评价能耗水平,为集群电机***用能分析与运行调整提供参考帮助。
在上述实施例的基础上,所述S1包括:S11,获取所述评价指标体系中同层各因素相对于上层因素的权重向量;S12,基于所述评价指标体系中指标层各因素相对于评价集中各元素的隶属度,获取准则层的模糊评价矩阵;S13,基于所述权重向量和所述准则层的模糊评价矩阵获取目标层的模糊综合评价矩阵;其中,所述评价集为V={优,良,中,差}={υ1,υ2,υ3,υ4}。
其中,权重是一个相对的概念,针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。权重是要从若干评价指标中分出轻重来,一组评价指标体系相对应的权重组成了权重体系。
其中,若对论域(研究的范围)U中的任一元素x,都有一个数A(x)∈[0,1]与之对应,则称A为U上的模糊集,A(x)称为x对A的隶属度。当x在U中变动时,A(x)就是一个函数,称为A的隶属函数。隶属度A(x)越接近于1,表示x属于A的程度越高,A(x)越接近于0表示x属于A的程度越低。用取值于区间(0,1)的隶属函数A(x)表征x属于A的程度高低。隶属度属于模糊评价函数里的概念:模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法,其特点是评价结果不是绝对地肯定或否定,而是以一个模糊集合来表示。
具体地,在对集群电机***能耗水平进行评价时,通过模糊综合评价方法获取评价指标体系目标层的模糊综合评价矩阵包括:获取该评价指标体系中同层各因素相对于上层因素的权重向量,然后获取评价指标体系中指标层各因素相对于评价集中各元素的隶属度。评价指标体系指标层中的第i个因素ui,相对于评价集中第j个元素vj的隶属度可以表示为rij,且0<rij<1,从而得到评价指标体系指标层中各因素的隶属度,并根据该隶属度可以建立准则层的模糊评价矩阵。
再根据准则层的模糊评价矩阵及指标层相对于准则层的权重向量得到准则层的模糊综合评价矩阵,然后根据准则层的模糊综合评价矩阵得到目标层的模糊评价矩阵,再根据目标层的模糊评价矩阵和准则层相对于目标层的权重向量得到目标层的模糊综合评价矩阵。最后根据目标层的模糊综合评价矩阵可以得到集群电机***的能耗水平的评价结果。
在本发明实施例中,通过获取评价指标体系中同层各因素相对于上层因素的权重向量,可直观反映评价指标体系中影响集群电机***能耗水平各个因素的重要程度;通过基于评价指标体系中底层各因素相对于评价集中各元素的隶属度获取准则层的模糊评价矩阵;以及基于权重向量和准则层的模糊评价矩阵获取目标层的模糊综合评价矩阵,并根据该目标层的模糊综合评价矩阵得到集群电机***能耗水平的评价结果。保证了能耗水平评估的准确性与正确性,在实际应用中能得到更准确的能耗水平评价结果,为集群电机***用能分析与运行调整提供参考帮助。
在上述各实施例的基础上,所述S2包括:根据最大隶属度原则,选取所述目标层的模糊综合评价矩阵中的最大值在所述评价集中对应的语句作为评价结果。
其中,最大隶属度原则(maximum membership principle),模糊数学的基本原则之一,它是用模糊集理论进行模型识别的一种直接方法。
具体地,在通过模糊综合评价方法获取到目标层的模糊综合评价矩阵后,根据最大隶属度原则,选取目标层的模糊综合评价矩阵中的最大值在评价集中对应的语句作为评价结果,例如,目标层的模糊综合评价矩阵中的最大值为第二个元素,则该第二个元素在评价集中对应的语句为良,即得到集群电机***能耗水平的评价结果为良。
在本发明实施例中,通过最大隶属度原则,选取所述目标层的模糊综合评价矩阵中的最大值在所述评价集中对应的语句作为评价结果,可以使得集群电机***能耗水平的评价结果较准确,为集群电机***用能分析与运行调整提供参考帮助。
在上述各实施例的基础上,所述S11包括:S111,将所述评价指标体系中各层的因素两两进行比较并赋予标度值,根据所述标度值建立各层的判断矩阵;S112,获取所述各层的判断矩阵的最大特征值所对应的特征向量,并对所述特征向量进行归一化处理,获得同层各因素相对于上层因素的权重向量;S113,对所述判断矩阵进行一致性检验,若所述判断矩阵的一致性效果较差,则对所述判断矩阵进行修正。
具体地,采用层次分析法(Analytic Hierarchy Process,AHP)对集群电机***能耗水平的评价指标体系中各层因素进行权重计算,其中,AHP是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。首先,基于Satty提出的1-9标度对评价指标体系各层中的两两因素进行比较并赋予标度值,然后按照表1判断矩阵形成准则,赋予标度值,且标度值满足aij=1/aji。
表1判断矩阵形成准则
根据所述标度值分别构造准则层和指标层的判断矩阵,例如,准则层的判断矩阵为A=(aij)n×n,即
然后求取准则层判断矩阵的最大特征值所对应的特征向量,并将该特征向量归一化处理,计算获得准则层相对于目标层的权重向量;以及求取指标层判断矩阵的最大特征值所对应的特征向量,并将该特征向量归一化处理,计算获得指标层相对于准则层的权重向量。且权重所构成的向量成为层次单排序向量。通常采用求和法与平方根法等获取权重向量。
然后对准则层和指标层的判断矩阵进行一致性检验,通过一致性检验可以有效地评价判断矩阵的合理性,对于一致性较好的判断矩阵则可以用于获取相应的权重向量;对于一致性较差的判断矩阵需要对其进行修正和完善,至其一致性检验通过后,才能用于获取相应的权重向量。通过选择一致性较好的判断矩阵作为获取权重向量的基础,使得集群电机***能耗水平的评价更合理和准确。
在本发明实施例中,通过将评价指标体系中各层的因素两两进行比较并赋予标度值,从而根据该标度值建立各层的判断矩阵,使得判断矩阵能更充分的反映评价指标体系中各因素对能耗水平的影响程度,并且对判断矩阵进行一致性进行检验,使得判断矩阵的一致性得到修正和完善,进而使得基于该判断矩阵获得的权重向量中的权重值可直观反映集群电机***各个能耗水平影响因素的重要程度。
在上述各实施例的基础上,所述S12包括:S121,通过确定的隶属度函数获取所述评价指标体系指标层中的定量指标相对于所述评价集中各元素的隶属度;S122,通过专家评判的方式获取所述评价指标体系指标层中的定性指标相对于所述评价集中各元素的隶属度;S123,根据所述定量指标相对于所述评价集中各元素的隶属度,以及所述定性指标相对于所述评价集中各元素的隶属度,获取准则层的模糊评价矩阵。
其中,定量指标是可以准确数量定义、精确衡量并能设定绩效目标的考核指标。在定量评价指标体系中,各指标的评价基准值是衡量该项指标是否符合生产基本要求的评价基准。
其中,定性指标是指无法直接通过数据计算分析评价内容,需对评价对象进行客观描述和分析来反映评价结果的指标。
具体地,在获得同层各因素相对于上层因素的权重向量后,首先,选出评价指标体系指标层中的定量指标和定性指标,即,定量指标为:负载总运行效率、负载率情况、电机***运行效率、总额定可变损耗、总不变损耗、电网质量及额外用能情况;定性指标为:负载特性、电机工作制与定额及节能效果。然后根据评价指标体系指标层中指标的个数等数据确定隶属度函数,例如,隶属度函数为:
其中,a为指标的选取最小;b为指标的最大值;x1、x2为***区间[a,b]内的等值点,且x1<x2;xv (1)、xv (2)、xv (3)与xv (4)分别代表评价集中“优”、“良”、“中”与差的隶属度函数;u为定量指标当前数据。则得到底层中各指标的隶属度,例如,定量指标中第i个因素的隶属度为rij(j=1,2,…,s),且0<rij<1,其中,j为评价集中的第j个元素,s为定量指标的数量。然后根据确定好的隶属度函数获取指标层中定量指标相对于评价集中各元素的隶属度。
定性指标需要通过量化处理进行评估,通过模糊统计方法,让多位专家对各定性指标进行评判,例如,选择10为专家进行评判,且专家在评判定性指标的隶属度时,根据表2所示的定性指标评价内容及表3所示的定性指标评价标准进行评判,但并不局限于此。从而获取到定性指标相对于评价集中各因素的隶属度。
表2定性指标评价内容
表3定性指标评价标准
根据上面的计算和评判得到指标层中各指标相对于评价集中各元素的隶属度,然后根据得到的隶属度建立准则层的模糊评价矩阵,例如,建立的模糊评价矩阵为:
该模糊评价矩阵包含了评价集V对评价指标体系中指标层进行评价所获得的全部信息,且从该模糊评价矩阵R可以看出,R的第i行反映了第i个因素影响评价对象隶属于各个评价集的程度;R的第j列则反映了所有因素影响评价对象隶属于第j个评价集元素的程度。
然后根据准则层的模糊评价矩阵及指标层相对于准则层的权重向量可以得到准则层的模糊综合评价矩阵,然后可以获取到目标层的模糊综合评价矩阵,则根据最大隶属度原则,选取目标层模糊综合评价矩阵中的最大值在评价集中对应的语句,且将语句作为集群电机***能耗水平的评价结果。
在本发明实施例中,通过基于获取的评价指体系指标层中各指标的隶属度建立准则层的模糊评价矩阵,使得该模糊评价矩阵能够充分反映评价指标体系指标层中各指标对能耗水平的影响程度,进而使得根据准则层的模糊评价矩阵得到的目标层的模糊综合评价矩阵能够更准确的反映集群电机***的能耗水平。
其中,定量指标中各指标的计算方式包括:负载总运行效率,对集群电机***内各个负载总运行效率的计算,即集群电机***内所有负载输出功率与电机轴功率之比,即通过以下公式求得负载总运行效率,
上式中,ηL为***负载总运行效率;n为集群***电机数量;PLi为第i台负载输出功率;P2l第i台电机输出功率,即轴功率。
***负载率情况,对集群电机***中负载率评估,主要考虑集群电机***中负荷分配是否合理,避免大马拉小车现象与过载现象,保证各电机设备在较高效率下运行。计算集群电机***内所有电机设备负载率,规定负载率在60%-100%为合格,统计***负载率合格数据量,计算负载率情况,即通过以下公式求得***负载率情况,
上式中,α为负载率合格比率;n合格为***内电机设备负载率合格数量;n为***内总电机数量。
电机***运行效率,选取稳态下运行数据,并进行***效率计算,即通过以下公式求得电机***运行效率,
上式中,n为集群***电机数量;P2i为第i台电机输出功率;P1为集群电机***总输入功率。
***总额定可变损耗与***总不变损耗,基于能耗模型结合集群电机***近期运行数据,数据内容包括***总输入功率与各电机设备输出功率,运用参数拟合优化方法对***总额定可变损耗与总不变损耗计算。其中,能耗模型的公式如下,
上式中,n为***内电机数量;PT为***总输入功率;βj为第j台电机设备的负载率;Pj2为第j台电机设备的输出功率,ΔPjaN为第j台电机设备的额定可变损耗;ΔPb总为***总不变损耗;P2′为***内额外用能功率;ΔPaN总为***总额定可变损耗。
电网质量,测量或计算***电压偏差程度,通过以下公式求得电网质量,
额外用能比率,测量并计算***额外用能比率,通过以下公式求得额外用能比率,
上式中,λ为***额外用能比率。
在上述各实施例的基础上,所述S13包括:S131,选取乘积求和型模糊合成算子,根据所述指标层相对于准则层的权重向量和所述准则层的模糊评价矩阵,获取准则层的模糊综合评价矩阵;S132,根据所述准则层的模糊综合评价矩阵和所述准则层相对于目标层的权重向量,获取目标层的模糊综合评价矩阵。
其中,模糊关系合成运算“。”称为模糊算子,而模糊算子是人为定义的,因此也可以给“。”以不同的定义,以便比较哪一种模糊算子在模糊推理过程中控制效果最优、更加合理。常见的模糊算子有:“Min-Max”模糊算子、“积-和”模糊算子、“Min/积-和”模糊算子、“Min-积”模糊算子、“Min-和”模糊算子。
具体地,在得到准则层的模糊评价矩阵和同层各因素相对于上层的权重向量后,通过选取合适的模糊合成算子,将准则层的模糊评价矩阵与指标层相对于准则层的权重向量进行模糊合成,得到准则层的模糊综合评价矩阵。在本发明实施例中,选择乘积求和型模糊合成算子,将准则层的模糊评价矩阵与指标层相对于准则层的权重向量进行模糊合成,从而得到准则层的模糊综合评价矩阵。
然后,基于该准则层的模糊综合评价矩阵得到目标层的模糊评价矩阵,再采用乘积求和型模糊合成算子,将目标层的模糊评价矩阵和准则层相对于目标层的权重向量进行模糊合成,得到目标层的模糊综合评价矩阵,例如,得到的目标层的模糊综合评价矩阵为:
BH=[0.3488 0.4257 0.2226 0.0079],
最后,根据最大隶属度原则,将目标层模糊综合评价矩阵中的最大值在评价集中对应的语句作为评价结果,例如,上述BH矩阵中的最大值为0.4257,且其在评价集中对应的语句为良,从而得到集群电机***能耗水平的评估情况为“良”。
在本发明实施例中,通过选择乘积求和型模糊合成算子,将指标层相对于准则层的权重向量和准则层的模糊评价矩阵进行模糊合成,得到准则层的模糊综合评价矩阵;以及同样地,根据准则层的模糊综合评价矩阵和准则层相对于目标层的权重向量,获取目标层的模糊综合评价矩阵,这样一层一层的获取模糊综合评价矩阵,使得最后获得的目标层的模糊综合评价矩阵,能够准确地反映集群电机***的能耗水平。
在上述各实施例的基础上,通过以下公式对所述判断矩阵进行一致性检验,
若C.R.<0.1,判断矩阵的一致性效果较好;或者,若C.R.≥0.1,判断矩阵的一致性效果较差;
其中,C.I.为一致性指标;R.I.为平均随机一致性指标,通过查平均随机一致性指标对照表获得;m为判断矩阵阶数,λmax为判断矩阵的最大特征值。
具体地,在根据该标度值相应地建立各层的判断矩阵后,需要对各层的判断矩阵进行一致性检验,例如,对准则层的判断矩阵进行检验,首先计算准则层判断矩阵的最大特征值λmax,然后根据公式计算出一致性指标,再通过查表4可得平均随机一致性指标R.I.,再根据公式计算出准则层判断矩阵的一致性。
若C.R.<0.1,则表明准则层判断矩阵的一致性较好;或者,若C.R.≥0.1,则表明准则层判断矩阵的一致性较差,需要对准则层判断矩阵进行修正和完善。通过一致性检验可以有效地评价判断矩阵的合理性,对于一致性较好的判断矩阵则可以用于获取相应的权重向量;对于一致性较差的判断矩阵需要对其进行修正和完善,至其一致性检验通过后,才能用于获取相应的权重向量。使得通过一致性较好的判断矩阵获取的权重向量更能准确地反映评价指标体系中各因素影响集群电机***能耗水平的重要程度,使得集群电机***能耗水平的评价更合理和准确。
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
R.I. | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
表4平均随机一致性指标对照表
以下对本发明实施例进行举例说明,但不限制本发明的保护范围。集群电机***能耗水平的评价指标体系如表5所示,基于层次分析法(AHP)用1-9标度方法分别对准则层和指标层中的两两因素进行比较并赋予标度值,赋予标度值的依据为因素相对于目标层的重要程度。以准则层为例,专家通过了解集群电机***结构与电机设备型号等信息,对准则层和指标层中的两两因素进行比较并赋予标度值,如表6所示。
表5评价指标体系
H | A | B | C |
A | 1 | 1/2 | 3 |
B | 2 | 1 | 4 |
C | 1/3 | 1/4 | 1 |
表6准则层因素比较情况
然后建立准则层的判断矩阵,即则准则层相对于目标层的权重向量为有可得最大特征值λmax=3.0191。对准则层的判断矩阵进行一致性检验,
通过一致性检验。
同理,可得指标层的判断矩阵分别为:
通过判断矩阵计算相应的权重向量为wA=[0.164 0.297 0.539]T,
wB=[0.142 0.671 0.132 0.055]T,wC=[0.633 0.106 0.261]T。
对以上权重向量进行一致性检验均符合要求。通过获取准则层权重向量与指标层权重向量的乘积,从而得到集群电机***各层因素的权重情况,如表7所示,从表7可看出,对集群电机***能耗水平影响程度最大的因素为“***总额定可变损耗”,其次为“负载率”,影响程度相对较小的因素为“额外用能情况”和“电机工作制与定额”。
表7集群电机***各层因素权重
然后,获取评价指标体系中指标层各因素相对于评价集中各元素的隶属度。对于定量指标,整理或计算集群电机***近1年的运行数据,数据间隔为一个月,共12组数据,数据量包括:各电机设备负载率、负载总运行效率、***运行效率、***总额定可变损耗、***总不变损耗、电压值与额外用能比率,基于数据构建评价集范围,再收集或计算***当前运行状况下的上述各数据,结合隶属度函数计算各指标的隶属度;对于定性指标,选择10为专家对每个指标进行评判,得到指标层中各因素的隶属度,如表8所示。
表8指标隶属度
然后根据隶属度构建模糊评价矩阵,得出准则层的模糊评价矩阵如下:
该准则层的模糊评价矩阵中,行向量代表指标对于评价集中各因素的隶属度。
最后,根据得到的各层的权重向量与准则层的模糊评价矩阵,基于乘积求和型算法计算准则层的模糊综合评价矩阵为:
上式中,BA、BB、BC即代表准则层中“负荷因素”、“电机设备因素”与“其它因素”的模糊综合评价矩阵。按照最大隶属度原则,可得评价指标体系中准则层各因素对该集群电机***能耗水平的综合评估情况,如表9所示。
表9准则层综合评估情况
根据该准则层的模糊综合评价矩阵得到集群电机***的目标层模糊评价矩阵,即,
计算集群电机***目标层的模糊综合评价矩阵,即,
得到目标层的综合评估情况如表10所示。
表10***目标层综合评估情况
按照最大隶属度原则,可得到该***能耗水平综合评估情况为“良”。
图3为本发明实施例提供的集群电机***能耗水平评价装置的结构框图,如图3所示,该装置包括:获取模块301和评价模块302。获取模块301用于基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;评价模块302用于根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果;其中,所述评价指标体系包括:目标层、准则层和指标层;所述目标层为集群电机***能耗水平;所述准则层包括:负荷因素、电机设备因素和其它因素;所述其它因素包括:电网质量、额外用能比率和节能效果。
具体地,评价指标体系的设计以科学性、完备性和可操作性为原则,准确客观地反映集群电机***能耗水平。论域U为包括评价指标体系所有因素的因素集,遵循性质相似的因素分为一组的原则,其中U为最高层因素集,包含l个内容集,Ui为内容集,每个内容集包含n个底层因素集,即
U={U1,U2,…,Ul}
Ui={ui1,ui2,…,uin}
本发明实施例中,通过研究分析将评价指标体系分为三层,即目标层、准则层和指标层,则因素集U={U1,U2,U3},且内容集分别为:
U1={u11,u12,u13}
U2={u21,u22,u23,u24}
U3={u31,u32,u33}
评价指标体系目标层为集群电机***能耗水平;准则层包括:负荷因素、电机设备因素及其它因素;指标层包括:属于负荷因素的负荷特性、负载总运行效率及负载率;属于电机设备因素的总不变损耗、总额定可变损耗、集群电机***运行效率及电机工作制与额定;以及属于其它因素的电网质量、额外用能比率及节能效果,如图2所示。然后获取模块301通过模糊综合评价方法获取该评价指标体系中目标层的模糊综合评价矩阵,评价模块302根据该目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果。
在本发明实施例中,通过建立包括目标层、准则层和指标层的集群电机***评价指标体系,能够充分反映了与集群电机***能耗水平相关的影响因素;以及获取模块基于该评价指标体系通过模糊综合评价方法获取目标层的模糊综合评价矩阵,评价模块根据该目标层的模糊综合评价矩阵得到集群电机***能耗水平的评价结果,保证了该评价结果的准确性与正确性,使得该评价方法在实际应用中能得到准确的评价能耗水平,为集群电机***用能分析与运行调整提供参考帮助。
图4为本发明实施例提供的集群电机***能耗水平评价设备的结构框图,如图4所示,该设备包括:处理器(processor)401、存储器(memory)402和总线403;
其中,所述处理器401和存储器402通过所述总线403完成相互间的通信;
所述处理器401用于调用所述存储器402中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种集群电机***能耗水平评价方法,其特征在于,包括:
S1,基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;
S2,根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果;
其中,所述评价指标体系包括:目标层、准则层和指标层;所述目标层为集群电机***能耗水平;所述准则层包括:负荷因素、电机设备因素和其它因素;所述其它因素包括:电网质量、额外用能比率和节能效果。
2.根据权利要求1所述的方法,其特征在于,所述S1包括:
S11,获取所述评价指标体系中同层各因素相对于上层因素的权重向量;
S12,基于所述评价指标体系中指标层各因素相对于评价集中各元素的隶属度,获取准则层的模糊评价矩阵;
S13,基于所述权重向量和所述准则层的模糊评价矩阵获取目标层的模糊综合评价矩阵;
其中,所述评价集为V={优,良,中,差}={v1,v2,v3,v4}。
3.根据权利要求1所述的方法,其特征在于,所述S2包括:
根据最大隶属度原则,选取所述目标层的模糊综合评价矩阵中的最大值在所述评价集中对应的语句作为评价结果。
4.根据权利要求2所述的方法,其特征在于,所述S11包括:
S111,将所述评价指标体系中各层的因素两两进行比较并赋予标度值,根据所述标度值建立各层的判断矩阵;
S112,获取所述各层的判断矩阵的最大特征值所对应的特征向量,并对所述特征向量进行归一化处理,获得同层各因素相对于上层因素的权重向量;
S113,对所述判断矩阵进行一致性检验,若所述判断矩阵的一致性效果较差,则对所述判断矩阵进行修正。
5.根据权利要求2所述的方法,其特征在于,所述S12包括:
S121,通过确定的隶属度函数获取所述评价指标体系指标层中的定量指标相对于所述评价集中各元素的隶属度;
S122,通过专家评判的方式获取所述评价指标体系指标层中的定性指标相对于所述评价集中各元素的隶属度;
S123,根据所述定量指标相对于所述评价集中各元素的隶属度,以及定性指标相对于所述评价集中各元素的隶属度,获取准则层的模糊评价矩阵。
6.根据权利要求2-5任一所述的方法,其特征在于,所述S13包括:
S131,选取乘积求和型模糊合成算子,根据所述指标层相对于准则层的权重向量和所述准则层的模糊评价矩阵获取准则层的模糊综合评价矩阵;
S132,根据所述准则层的模糊综合评价矩阵和所述准则层相对于目标层的权重向量,获取目标层的模糊综合评价矩阵。
7.根据权利要求4所述的方法,其特征在于,通过以下公式对所述判断矩阵进行一致性检验,
<mrow>
<mi>C</mi>
<mo>.</mo>
<mi>R</mi>
<mo>.</mo>
<mo>=</mo>
<mfrac>
<mrow>
<mi>C</mi>
<mo>.</mo>
<mi>I</mi>
<mo>.</mo>
</mrow>
<mrow>
<mi>R</mi>
<mo>.</mo>
<mi>I</mi>
<mo>.</mo>
</mrow>
</mfrac>
<mo>,</mo>
<mi>C</mi>
<mo>.</mo>
<mi>I</mi>
<mo>.</mo>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<mi>m</mi>
</mrow>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mrow>
若C.R.<0.1,判断矩阵的一致性效果较好;或者,若C.R.≥0.1,判断矩阵的一致性效果较差;
其中,C.I.为一致性指标;R.I.为平均随机一致性指标,通过查平均随机一致性指标对照表获得;m为判断矩阵阶数,λmax为判断矩阵的最大特征值。
8.一种集群电机***能耗水平评价装置,其特征在于,包括:
获取模块,用于基于建立的集群电机***评价指标体系,通过模糊综合评价方法获取所述评价指标体系目标层的模糊综合评价矩阵;
评价模块,用于根据所述目标层的模糊综合评价矩阵得到所述集群电机***能耗水平的评价结果;
其中,所述评价指标体系包括:目标层、准则层和指标层;所述目标层为集群电机***能耗水平;所述准则层包括:负荷因素、电机设备因素和其它因素;所述其它因素包括:电网质量、额外用能比率和节能效果。
9.一种集群电机***能耗水平评价设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710534073.2A CN107527131A (zh) | 2017-07-03 | 2017-07-03 | 一种集群电机***能耗水平评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710534073.2A CN107527131A (zh) | 2017-07-03 | 2017-07-03 | 一种集群电机***能耗水平评价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107527131A true CN107527131A (zh) | 2017-12-29 |
Family
ID=60748226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710534073.2A Pending CN107527131A (zh) | 2017-07-03 | 2017-07-03 | 一种集群电机***能耗水平评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107527131A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196811A (zh) * | 2019-06-04 | 2019-09-03 | 上海浦东软件平台有限公司 | 一种用于评价软件质量的方法及设备 |
CN112039111A (zh) * | 2019-06-04 | 2020-12-04 | 国网甘肃省电力公司电力科学研究院 | 一种新能源微电网参与电网调峰能力的方法及*** |
CN112465145A (zh) * | 2020-12-02 | 2021-03-09 | 西北工业大学 | 一种基于逻辑推理与模糊综合的无人集群智能定性评价方法 |
CN112653121A (zh) * | 2019-10-11 | 2021-04-13 | 国网甘肃省电力公司电力科学研究院 | 一种新能源微电网参与电网调频能力的评估方法及装置 |
CN114971282A (zh) * | 2022-05-26 | 2022-08-30 | 中铁第一勘察设计院集团有限公司 | 装配式铺盖体系技术状况评分方法、装置及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938609A (zh) * | 2016-04-28 | 2016-09-14 | 国家电网公司 | 一种实现多层次指标体系的电网运行评估方法 |
-
2017
- 2017-07-03 CN CN201710534073.2A patent/CN107527131A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938609A (zh) * | 2016-04-28 | 2016-09-14 | 国家电网公司 | 一种实现多层次指标体系的电网运行评估方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196811A (zh) * | 2019-06-04 | 2019-09-03 | 上海浦东软件平台有限公司 | 一种用于评价软件质量的方法及设备 |
CN112039111A (zh) * | 2019-06-04 | 2020-12-04 | 国网甘肃省电力公司电力科学研究院 | 一种新能源微电网参与电网调峰能力的方法及*** |
CN110196811B (zh) * | 2019-06-04 | 2024-02-13 | 上海浦东软件平台有限公司 | 一种用于评价软件质量的方法及设备 |
CN112653121A (zh) * | 2019-10-11 | 2021-04-13 | 国网甘肃省电力公司电力科学研究院 | 一种新能源微电网参与电网调频能力的评估方法及装置 |
CN112653121B (zh) * | 2019-10-11 | 2024-04-26 | 国网甘肃省电力公司电力科学研究院 | 一种新能源微电网参与电网调频能力的评估方法及装置 |
CN112465145A (zh) * | 2020-12-02 | 2021-03-09 | 西北工业大学 | 一种基于逻辑推理与模糊综合的无人集群智能定性评价方法 |
CN112465145B (zh) * | 2020-12-02 | 2024-04-05 | 西北工业大学 | 一种基于逻辑推理与模糊综合的无人集群智能定性评价方法 |
CN114971282A (zh) * | 2022-05-26 | 2022-08-30 | 中铁第一勘察设计院集团有限公司 | 装配式铺盖体系技术状况评分方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527131A (zh) | 一种集群电机***能耗水平评价方法及装置 | |
Liao et al. | TODIM method based on cumulative prospect theory for multiple attributes group decision making under probabilistic hesitant fuzzy setting | |
Li et al. | An intuitionistic fuzzy-TODIM method to solve distributor evaluation and selection problem | |
CN106940833A (zh) | 一种基于模糊三角数和改进层次分析法的电网企业售电侧风险评估方法 | |
CN104881609A (zh) | 一种复杂软件***软件单元可信性评估方法 | |
CN110276556B (zh) | 一种基于多策略的环境承载力指标权重计算方法及装置 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN103514566A (zh) | 一种风险控制***及方法 | |
CN109495296A (zh) | 基于聚类与神经网络的智能变电站通信网络状态评价方法 | |
CN104933627A (zh) | 机床产品制造***的能效组合评价方法 | |
CN106355360A (zh) | 一种考虑修正系数的配电网中压项目紧迫性评价方法 | |
CN102930482A (zh) | 一种县域配电网投资效果评估方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN104408562A (zh) | 一种基于bp神经网络的光伏***发电效率综合评估方法 | |
CN104331773A (zh) | 一种电网规划方案综合评估方法 | |
CN104376435A (zh) | 一种电力电量平衡方案评估方法 | |
CN108171369A (zh) | 基于客户用电差异化特性的短期负荷组合预测方法 | |
CN108197756A (zh) | 基于模糊综合评判确定AgSnO2触头材料第二相最优粒度的方法 | |
CN108805471A (zh) | 基于复合***作用关系分析的水资源承载能力评价方法 | |
CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
CN109685296A (zh) | 计及历史状态的用电信息采集***模糊综合评价方法 | |
Mohammad et al. | Short term load forecasting using deep neural networks | |
CN108921425A (zh) | 一种资产项目投资分类的方法、***及服务器 | |
CN117575564A (zh) | 可扩展的基础设施网络组件维修与改造决策评估方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171229 |