CN111523768A - 一种基于熵权-topsis的广义需求侧资源品质评价方法 - Google Patents

Abstract

本发明提供了一种基于熵权‑TOPSIS的广义需求侧资源品质评价方法，本发明有效考虑了指标的主观性、客观性，通过专家打分法确定主观指标权重以及熵值法确定客观指标权重，结合主观指标和客观指标确定综合指标权重，将定性指标与定量指标相结合，并通过TOPSIS法确立评价模型，计算相对接近度，利用相对接近度大小对需求侧资源品质进行排序评价，本发明在评价广义需求侧资源品质时更具效力，提高了评价指标体系的完备性和全面性。

Description

一种基于熵权-TOPSIS的广义需求侧资源品质评价方法

技术领域

本发明涉及电力评价技术领域，特别是一种基于熵权-TOPSIS的广义需求侧资源品质评价方法。

背景技术

综合评价理论发展至今，已具备多种数学方法，满足不同领域、不同种类的评价需求。经典的评价方法有ELECTRE法、LINMAP法、AHP法、DEA法、TOP-SIS法等，多视角的电力综合评价方法有动态综合评价法、阶梯综合评价法、模糊综合评价法、数据包络分析法、主成分分析法、灰色综合评价法等。

基于灰色关联度改进的TOPSIS法，对需求侧响应资源价值进行综合评价，具有一定的科学性与实用性。熵权法的计算过程相对简单，对评价指标的个数没有限制，完全依赖于客观原始数据来确定权重分配，消除了人为因素可能导致的误差，根据评价指标对被评价对象的区分成都角度对指标权重分配进行确定，所得结果较为直观并且容易理解，实用性强，适用范围较广。但是熵权法存在一定的局限性，没有考虑主观经验，可能导致评价结果与实际情况出现一定程度的相悖。因此上述方案在评价广义需求侧资源时，不能合理的考虑到指标特性，也未考虑到广义需求侧概念的变化。

发明内容

本发明的目的是提供一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，旨在解决现有技术中缺少对主观评价的指标的量化，实现结合主观指标和客观指标确定综合指标权重，将定性指标与定量指标相结合，提高评价指标体系的完备性和全面性。

为达到上述技术目的，本发明提供了一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，所述方法包括以下操作：

设定主观评价指标重要程度量化等级表，建立直觉模糊集评价矩阵，并计算评价指标体系中主观评价指标的直觉模糊熵，根据直觉模糊熵计算主观评价指标的熵权；

对客观评价指标进行归一化处理，计算客观评价指标的信息熵，并计算各客观评价指标的熵权；

对主观评价指标和客观评价指标确定综合权重，得到评价指标的权重向量；

利用基于熵权的TOPSIS模型将规范化处理后的原始数据和评价指标的权重向量相乘，构造加权规范化矩阵，获得各个评价指标的理想解和负理想解，计算加权欧式距离，并计算相对接近度，根据相对接近度对需求侧资源品质进行排序。

优选地，所述直觉模糊集评价矩阵的建立过程如下：

假设A_ij为第i个需求侧资源的第j个指标所得的评分，建立其对应的直觉模糊集评价矩阵：

上式中，A为直觉模糊集评价矩阵，m为作出评价的专家数，p为主观评价指标个数，a_ij为第i个需求侧资源中第j个主观评价指标对应评分的隶属度；β_ij为第i个需求侧资源中第j个主观评价指标对应评分的非隶属度；γ_ij为专家评价第i个需求侧资源中第j个主观评价指标时的犹豫度。

优选地，所述评价指标体系中主观评价指标的直觉模糊熵的计算过程如下：

计算第i个需求侧资源第j个主观评价指标的直觉模糊熵E(x_ij)：

在计算所有待评价需求侧资源全部主观指标的直觉模糊熵后，可得如下熵矩阵：

计算评价指标体系中第j个主观评价指标的直觉模糊熵E(x_j)：

优选地，所述主观评价指标的熵权的计算公式如下：

优选地，所述客观评价指标的信息熵的计算过程如下：

式中，δ_ij为第i个需求侧资源中第j个客观评价指标的数据，η_ij为第i个需求侧资源中第j个客观评价指标的数据进行归一化处理的结果，q为客观评价指标数量；

计算客观评价指标的信息熵λ_ij：

λ_ij≠0时，

λ_ij＝0时，E(η_j)＝0，(i＝1,2,K,m；j＝1,2,K,q)

式中，E(η_j)为第j个客观评价指标的熵，λ_ij为第i个需求侧资源中第j个客观评价指标在所有需求侧资源中的第j个客观评价指标总和中的占比。

优选地，所述各客观评价指标的熵权的计算公式如下：

优选地，所述将规范化处理后的原始数据和评价指标的权重向量相乘，构造加权规范化矩阵具体如下：

对评价指标数据进行规范化处理：

(主观评价指标：η_ij＝|α(x_ij)-β(x_ij)|)

得到规范化矩阵：

式中，λ_ij为第i个团队中第j个评价指标对应数据规范化处理后的结果，m为需评价的团队数，n为评价指标总个数；

将规范化处理后的原始数据和评价指标的权重向量相乘，并构造加权规范化矩阵：

Q_ij＝ω_j·λ_ij,(i＝1,2,K,m；j＝1,2,K,n)

优选地，所述理想解和负理想解的计算公式如下：

优选地，所述加权欧式距离的计算公式如下：

优选地，所述相对接近度的计算公式如下：

式中，G_i∈[0,1]，当G_i趋于1时，表示所评价资源质量越高。

发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

与现有技术相比，本发明有效考虑了指标的主观性、客观性，通过专家打分法确定主观指标权重以及熵值法确定客观指标权重，结合主观指标和客观指标确定综合指标权重，将定性指标与定量指标相结合，并通过TOPSIS法确立评价模型，计算相对接近度，利用相对接近度大小对需求侧资源品质进行排序评价，本发明在评价广义需求侧资源品质时更具效力，提高了评价指标体系的完备性和全面性。

附图说明

图1为本发明实施例中所提供的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法流程图。

具体实施方式

为了能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

下面结合附图对本发明实施例所提供的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法进行详细说明。

如图1所示，本发明公开了一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，所述方法包括以下操作：

设定主观评价指标重要程度量化等级表，建立直觉模糊集评价矩阵，并计算评价指标体系中主观评价指标的直觉模糊熵，根据直觉模糊熵计算主观评价指标的熵权；

对客观评价指标进行归一化处理，计算客观评价指标的信息熵，并计算各客观评价指标的熵权；

对主观评价指标和客观评价指标确定综合权重，得到评价指标的权重向量；

利用基于熵权的TOPSIS模型将规范化处理后的原始数据和评价指标的权重向量相乘，构造加权规范化矩阵，获得各个评价指标的理想解和负理想解，计算加权欧式距离，并计算相对接近度，根据相对接近度对需求侧资源品质进行排序。

在进行主观指标的量化时，一般是由相关领域的专家进行综合打分得出，但专家打分存在不确定性，因此在本发明实施例中引入直觉模糊集。假设专家所打分数为X，则可将该项评分对应的直觉模糊集设为(α,β,γ),γ＝1-α-β，其中α为X相对于该指标重要程度的隶属度，β为X相对于该指标重要程度的非隶属度，γ为专家评价该项指标时的犹豫度。

假设A_ij为第i个需求侧资源的第j个指标所得的评分，建立其对应的直觉模糊集评价矩阵：

上式中，A为直觉模糊集评价矩阵，m为作出评价的专家数，p为主观评价指标个数，a_ij为第i个需求侧资源中第j个主观评价指标对应评分的隶属度；β_ij为第i个需求侧资源中第j个主观评价指标对应评分的非隶属度；γ_ij为专家评价第i个需求侧资源中第j个主观评价指标时的犹豫度。

计算第i个需求侧资源第j个主观评价指标的直觉模糊熵E(x_ij)：

在计算所有待评价需求侧资源全部主观指标的直觉模糊熵后，可得如下熵矩阵：

计算评价指标体系中第j个主观评价指标的直觉模糊熵E(x_j)：

计算第j个主观评价指标的熵权：

对于客观指标，将客观评价指标的数据进行归一化处理，所使用的指标量纲相同：

式中，δ_ij为第i个需求侧资源中第j个客观评价指标的数据，η_ij为第i个需求侧资源中第j个客观评价指标的数据进行归一化处理的结果，q为客观评价指标数量。

计算客观评价指标的信息熵λ_ij：

λ_ij≠0时，

λ_ij＝0时，E(η_j)＝0，(i＝1,2,K,m；j＝1,2,K,q)

式中，E(η_j)为第j个客观评价指标的熵，λ_ij为第i个需求侧资源中第j个客观评价指标在所有需求侧资源中的第j个客观评价指标总和中的占比。

计算各客观评价指标的熵权ω(η_j)：

确定综合权重，分别赋予主观评价指标和客观评价指标的权重b₁、b₂，分别与所得的所有指标的熵权相乘，得到测量层评价指标的权值向量ω_j,(j＝1,2,K,n)。

在本发明实施例中利用TOPSIS法进行排序，TOPSIS法是对有限个对象进行评价，计算其与理想解的距离，根据距离对各评价对象进行排序。

对评价指标数据进行规范化处理：

(主观评价指标：η_ij＝|α(x_ij)-β(x_ij)|)

得到规范化矩阵：

式中，λ_ij为第i个团队中第j个评价指标对应数据规范化处理后的结果，m为需评价的团队数，n为评价指标总个数。

将规范化处理后的原始数据和评价指标的权重向量相乘，并构造加权规范化矩阵：

Q_ij＝ω_j·λ_ij,(i＝1,2,K,m；j＝1,2,K,n)

通过规范化矩阵得出各评价指标的理想解和负理想解：

计算加权欧式距离：

计算相对接近度：

式中，G_i∈[0,1]，当G_i趋于1时，表示所评价资源质量较高，因此可根据相对接近度大小对各需求侧资源品质进行排序。

本发明实施例有效考虑了指标的主观性、客观性，通过专家打分法确定主观指标权重以及熵值法确定客观指标权重，结合主观指标和客观指标确定综合指标权重，将定性指标与定量指标相结合，并通过TOPSIS法确立评价模型，计算相对接近度，利用相对接近度大小对需求侧资源品质进行排序评价，本发明在评价广义需求侧资源品质时更具效力，提高了评价指标体系的完备性和全面性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述方法包括以下操作：

设定主观评价指标重要程度量化等级表，建立直觉模糊集评价矩阵，并计算评价指标体系中主观评价指标的直觉模糊熵，根据直觉模糊熵计算主观评价指标的熵权；

对客观评价指标进行归一化处理，计算客观评价指标的信息熵，并计算各客观评价指标的熵权；

对主观评价指标和客观评价指标确定综合权重，得到评价指标的权重向量；

利用基于熵权的TOPSIS模型将规范化处理后的原始数据和评价指标的权重向量相乘，构造加权规范化矩阵，获得各个评价指标的理想解和负理想解，计算加权欧式距离，并计算相对接近度，根据相对接近度对需求侧资源品质进行排序。

2.根据权利要求1所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述直觉模糊集评价矩阵的建立过程如下：

假设A_ij为第i个需求侧资源的第j个指标所得的评分，建立其对应的直觉模糊集评价矩阵：

上式中，A为直觉模糊集评价矩阵，m为作出评价的专家数，p为主观评价指标个数，a_ij为第i个需求侧资源中第j个主观评价指标对应评分的隶属度；β_ij为第i个需求侧资源中第j个主观评价指标对应评分的非隶属度；γ_ij为专家评价第i个需求侧资源中第j个主观评价指标时的犹豫度。

3.根据权利要求2所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述评价指标体系中主观评价指标的直觉模糊熵的计算过程如下：

计算第i个需求侧资源第j个主观评价指标的直觉模糊熵E(x_ij)：

在计算所有待评价需求侧资源全部主观指标的直觉模糊熵后，可得如下熵矩阵：

计算评价指标体系中第j个主观评价指标的直觉模糊熵E(x_j)：

4.根据权利要求3所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述主观评价指标的熵权的计算公式如下：

5.根据权利要求1所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述客观评价指标的信息熵的计算过程如下：

式中，δ_ij为第i个需求侧资源中第j个客观评价指标的数据，η_ij为第i个需求侧资源中第j个客观评价指标的数据进行归一化处理的结果，q为客观评价指标数量；

计算客观评价指标的信息熵λ_ij：

λ_ij≠0时，

λ_ij＝0时，E(η_j)＝0，(i＝1,2,K,m；j＝1,2,K,q)

式中，E(η_j)为第j个客观评价指标的熵，λ_ij为第i个需求侧资源中第j个客观评价指标在所有需求侧资源中的第j个客观评价指标总和中的占比。

6.根据权利要求5所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述各客观评价指标的熵权的计算公式如下：

7.根据权利要求1所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述将规范化处理后的原始数据和评价指标的权重向量相乘，构造加权规范化矩阵具体如下：

对评价指标数据进行规范化处理：

(主观评价指标：η_ij＝|α(x_ij)-β(x_ij)|)

得到规范化矩阵：

式中，λ_ij为第i个团队中第j个评价指标对应数据规范化处理后的结果，m为需评价的团队数，n为评价指标总个数；

将规范化处理后的原始数据和评价指标的权重向量相乘，并构造加权规范化矩阵：

Q_ij＝ω_j·λ_ij,(i＝1,2,K,m；j＝1,2,K,n)

8.根据权利要求7所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述理想解和负理想解的计算公式如下：

9.根据权利要求8所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述加权欧式距离的计算公式如下：

10.根据权利要求9所述的一种基于熵权-TOPSIS的广义需求侧资源品质评价方法，其特征在于，所述相对接近度的计算公式如下：

式中，G_i∈[0,1]，当G_i趋于1时，表示所评价资源质量越高。

Images