CN112508465A - 一种多维审计监控综合评价方法 - Google Patents
一种多维审计监控综合评价方法 Download PDFInfo
- Publication number
- CN112508465A CN112508465A CN202110170900.0A CN202110170900A CN112508465A CN 112508465 A CN112508465 A CN 112508465A CN 202110170900 A CN202110170900 A CN 202110170900A CN 112508465 A CN112508465 A CN 112508465A
- Authority
- CN
- China
- Prior art keywords
- judgment matrix
- judgment
- evaluation
- matrix
- weight
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 174
- 238000012550 audit Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 198
- 239000013598 vector Substances 0.000 claims description 81
- 238000012937 correction Methods 0.000 claims description 29
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 9
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000013278 delphi method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多维审计监控综合评价方法,方法包括包括:步骤一,收集若干个评价对象为供电公司的供电能力数据,确定供电能力数据的时间范围和维度,并对供电能力数据进行标准化处理得到标准化数据;步骤二,构建用于评价标准化数据的评价指标体系,评价指标体系包括若干个评价指标,评价指标与标准化数据的维度相匹配,根据层次分析法确定每个评价指标的权重;步骤三,通过评价指标体系对标准化数据进行打分,得到打分结果;步骤四,获取评价标准,通过评价标准对标准化数据的打分结果进行评价,得出供电公司的供电能力评价结果。本发明根据实际情况灵活调整不同维度的评价指标的权重值,更准确的反应出了供电公司的供电能力。
Description
技术领域
本发明涉及电力市场的技术领域,尤其是指一种多维审计监控综合评价方法。
背景技术
多维审计监控评价是一种基于优化电力营商环境的审计活动。它通过审计内容的多元化、各相关部门与审计主体之间的协调运作与积极配合,建立多维视角下的评价指标体系。多维审计监控评价指标体系结合世界银行与国家***等相关部门提出的评价体系,从办电费用、办电效率、服务便利度及供电可靠性四个一级指标展开工作,并根据国家电网内部现存的高风险以及高度关注的问题,基于审计视角下建立与一级指标相匹配的各二级指标,并从各部门之间相互协调配合展开相应的工作。基于此,编制了基于“获得电力”的审计制度、构建了多方协同机制,助力“获得电力”服务提升、搭建了基于“获得电力”多维审计监控评价***平台三种辅助服务手段。通过以上三种方式,可帮助实现对电力营商环境的内部审计评价、对高风险问题的监控和预警、以审计控制的总目标。进一步可以实现协同高效、快速响应、闭环管控的现代化审计服务体系,满足电力用户多样化的用电需要,持续提升电力营商环境。
评价方法是实现多维审计监控评价定量评判的关键环节。对于不同地区的供电公司供电能力,不同维度的评价指标的权重往往需要进行调整,但是现有的对供电公司的供电能力审计监控评价中,对于不同维度的评价指标的权重都是预先设计,权重值不能根据实际需要进行灵活调整,或者调整权重值的手段较为简单,对于不同评价指标之间相互关系对权重值的影响因素往往较容易忽略,进而使多维审计监控评价的有效性和准确性降低。因此需要设计一种多维审计监控评价权重设计策略,可以根据地区或群体之间的差异性,实现不同地区的权重调整。
发明内容
本发明的目的是克服现有技术对于不同地区的供电公司供电能力的多维审计监控评价中,不同维度权重值不能根据实际需要进行灵活调整,或者调整权重值的手段较为简单,对于不同评价指标之间相互关系对权重值的影响因素往往较容易忽略,进而使多维审计监控评价的有效性和准确性降低的缺点,提供一种多维审计监控综合评价方法。
本发明的目的是通过下述技术方案予以实现:
一种多维审计监控综合评价方法,包括以下步骤:
步骤一,收集若干个评价对象为供电公司的供电能力数据,确定供电能力数据的时间范围和维度,并对供电能力数据进行标准化处理得到标准化数据;
步骤二,构建用于评价标准化数据的评价指标体系,评价指标体系包括若干个评价指标,评价指标与标准化数据的维度相匹配,根据层次分析法确定每个评价指标的权重;
步骤三,通过评价指标体系对标准化数据进行打分,得到打分结果;
步骤四,获取评价标准,通过评价标准对标准化数据的打分结果进行评价,得出供电公司的供电能力评价结果;
所述的步骤二中,根据层次分析法确定评价指标的权重的具体方法为:
步骤a,构建层次结构模型,将评价指标分为若干个层级,确定不同层级的评价指标之间的从属或影响关系;
步骤b,对评价指标进行至少一次权重评价,对从属于或影响上一级评级指标的每个同级评价指标,通过用两两比较法构造判断矩阵,若权重评价次数为1次,则构建一个判断矩阵,然后通过该判断矩阵确定权重向量,通过权重向量得出每个评价指标的权重值;若权重评价次数大于1次,则构建多个判断矩阵,对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量,通过权重向量得出每个评价指标的权重值。
层次分析法(Analytic Hierarchy Process,简称AHP)是美国匹兹堡大学教授A.L.Saaty于20世纪70年代提出的一种***分析方法,它综合了定性与定量分析,模拟人的决策思维过程,具有思路清晰、方法简便、适用面广、***性强等特点,是分析多目标、多因素、多准则的复杂大***的有力工具。本发明通过层次分析法构建层次结构模型可以准确判断出评价指标的权重,对于不同地区的供电公司的供电能力,通过层次结构模型可以根据实际情况灵活调整不同维度的评价指标的权重值,所以通过评价指标体系对标准化数据进行打分的结果更为有效合理,更准确的反应出了供电公司的供电能力。
作为一种优选方案,在步骤b中,若权重评价次数为1次,则构建一个判断矩阵,然后通过该判断矩阵确定权重向量具体为:
两两比较法的轻重程度用下表中的标度表示:
得到经过改进的综合特征向量,综合特征向量即为最终权重向量:
作为一种优选方案,还对最终权重向量进行一致性校验,若校验通过,则通过最终权重向量得出每个评价指标的权重值,若校验不通过,则对判断矩阵进行修正,直到最终权重向量通过一致性校验,一致性校验具体为:
其次,计算一致性检验指标:
下表给出了1-9阶判断矩阵计算1000次得到的平均随机一致性指标:
最后计算一致性比例CR:
当CR≤0.1时,则一致性校验通过;当CR>0.1时,则一致性校验不通过。
在多维审计监控评价时,如果单独利用层次分析法进行测评,定量数据较少,定性成分较多,结果就不易令人信服。特别是一些指标间的相对重要程度系数是利用专家经验得来的,如果只采取单个专家意见,势必会是分析结果过于片面,缺乏普遍性。因此本方案选用德尔菲法(Delphi)对层次分析法进行改进,德尔菲法是综合多名专家经验意见进行权重参数设计的方法,能够与AHP进行互补。
作为一种优选方案,在步骤b中,若权重评价次数大于1次,则构建多个判断矩阵,
对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:随机选取x个判
断矩阵,x小于判断矩阵的数值,在x个判断矩阵中,设第个判断矩阵为,求取多个判断矩阵各元素的平均值,计算判断矩阵各元素的平
均值,判断偏离是否超过预定阈值,若没有任何一个偏离超过预定阈
值,则构成修正判断矩阵,判断矩阵中的各元素值即为x个判断矩阵的平均值,若存在有偏离超过预定阈值,则不构成修正判断矩阵;重复执行修正判断矩阵步骤,直到构成修
正判断矩阵的数量超过设定的数量为止,然后将所有修正判断矩阵中的各元素的值计算平
均值,对应的判断矩阵为最终判断矩阵,最终判断矩阵确定权重向量。
若根据德尔菲法对判断矩阵进行优化的过程中,若某个专家打分与其他专家打分出现不一致的情况,则会剔除这个专家打分的判断矩阵,然而,在对供电公司的供电能力评价的过程中,会出现某一个专家打分其他专家打分不一致的情况,只要不一致的数值在预定的阈值内,该专家打分仍然是可以信服的,且本方案通过多次构成修正判断矩阵,使数据的正确性更高,避免了德尔菲法简单对专家打分的判断矩阵进行剔除的手段,使评价指标体系构建更为科学合理。
作为一种优选方案,在步骤b中,若权重评价次数大于1次,则构建多个判断矩阵,
对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:随机选取x个判
断矩阵,x小于判断矩阵的数值,在x个判断矩阵中,设第个判断矩阵为;在x个判断矩阵中,随机剔除若干个元素构成判断矩阵,,计
算判断矩阵各元素的平均值,判断偏离是否超过预定阈值,若没有任何一个
偏离超过预定阈值,则构成修正判断矩阵,判断矩阵中的各元素值即为x个判断矩阵
的平均值,若存在有偏离超过预定阈值,则不构建修正判断矩阵;重复执行修正判断
矩阵步骤,直到构成修正判断矩阵的数量超过设定的数量为止,然后将所有修正判断矩阵
中的各元素的值写入最终判断矩阵中,若元素有重复则计算重复元素的平均值后将平均值
写入最终判断矩阵中,最终判断矩阵确定权重向量。
对于某一个专家打分构建的判断矩阵,尽管可能会出现偏差的元素,但是该专家其他的元素仍然可能是在合理范围内的元素,因此,本方案的设计对判断矩阵的进行了压缩步骤和还原步骤,在有效剔除偏差元素的同时又可以保留判断矩阵内其他合理范围内的元素,避免了现有技术中某一个专家的判断矩阵出现了偏差的元素就要放弃该判断矩阵的情况,进一步提升了判断矩阵的合理准确性。
作为一种优选方案,若最终判断矩阵中包含的评价指标数量小于,则寻找最终
判断矩阵再次执行修正判断矩阵步骤,其中判断矩阵包含的元素值包含最终判断矩阵
和判断矩阵对比后缺失的元素。在对判断矩阵进行压缩步骤和还原的步骤中,有可能会
出现重复执行修正判断矩阵步骤选取判断矩阵始终没有选取某些元素的情况,造成还
原判断矩阵中缺失某些元素的结果。因此本方案设计了对最终判断矩阵指标数量的判断,
避免了这种情况的发生。
作为一种优选方案,所述的评价指标包括一级评价指标和二级评价指标,一级评价指标包括办电费用、办电效率、服务便利度和供电可靠性,与办电费用相关联的二级评价指标包括高压业扩报装配套项目异常情况、低压业扩报装配套项目异常情况、高压客户受电工程项目异常情况、业扩工程收费异常率、“三指定” 风险系数和低压计入容量开放情况,办电效率相关联的二级评价指标包括业扩办理体外循环情况、低压超工期风险系数和高压超工期风险系数,服务便利度相关联的二级评价指标包括个性化增值服务情况和线上报装占比,供电可靠性相关联的二级评价指标包括停电赔偿率和频繁停电投诉率。
一种多维审计监控综合评价***,包括:
数据收集模块,用于收集供电公司的供电能力数据并将供电能力数据进行标准化处理,输出标准化数据;
层次结构模型,用于构建评价指标体系;
供电能力打分模块,用于将标准化数据输入评价指标体系,得出标准化数据的打分结果;
供电能力分析模块,用于对打分结果进行分析,对供电公司的供电能力进行评价。
本发明的有益效果是:多维审计监控综合评价方法通过层次分析法构建层次结构模型可以准确判断出评价指标的权重,对于不同地区的供电公司的供电能力,通过层次结构模型可以根据实际情况灵活调整不同维度的评价指标的权重值,所以通过评价指标体系对标准化数据进行打分的结果更为有效合理,更准确的反应出了供电公司的供电能力。同时本发明通过对层次结构模型的优化可以是评价指标的权重值的设置更为合理有效,进一步提升了评价指标体系对供电公司的供电能力判断的正确率。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面结合附图和实施例对本发明进一步描述。
实施例1:一种多维审计监控综合评价方法,如图1所示,包括以下步骤:
步骤一,收集若干个评价对象为供电公司的供电能力数据,确定供电能力数据的时间范围和维度,并对供电能力数据进行标准化处理得到标准化数据;
步骤二,构建用于评价标准化数据的评价指标体系,评价指标体系包括若干个评价指标,评价指标与标准化数据的维度相匹配,根据层次分析法确定每个评价指标的权重;
步骤三,通过评价指标体系对标准化数据进行打分,得到打分结果;
步骤四,获取评价标准,通过评价标准对标准化数据的打分结果进行评价,得出供电公司的供电能力评价结果;
所述的步骤二中,根据层次分析法确定评价指标的权重的具体方法为:
步骤a,构建层次结构模型,将评价指标分为若干个层级,确定不同层级的评价指标之间的从属或影响关系;
步骤b,对评价指标进行至少一次权重评价,对从属于或影响上一级评级指标的每个同级评价指标,通过用两两比较法构造判断矩阵,若权重评价次数为1次,则构建一个判断矩阵,然后通过该判断矩阵确定权重向量,通过权重向量得出每个评价指标的权重值;若权重评价次数大于1次,则构建多个判断矩阵,对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量,通过权重向量得出每个评价指标的权重值。
层次分析法(Analytic Hierarchy Process,简称AHP)是美国匹兹堡大学教授A.L.Saaty于20世纪70年代提出的一种***分析方法,它综合了定性与定量分析,模拟人的决策思维过程,具有思路清晰、方法简便、适用面广、***性强等特点,是分析多目标、多因素、多准则的复杂大***的有力工具。本发明通过层次分析法构建层次结构模型可以准确判断出评价指标的权重,对于不同地区的供电公司的供电能力,通过层次结构模型可以根据实际情况灵活调整不同维度的评价指标的权重值,所以通过评价指标体系对标准化数据进行打分的结果更为有效合理,更准确的反应出了供电公司的供电能力。
在步骤b中,若权重评价次数为1次,则构建一个判断矩阵,然后通过该判断矩阵确定权重向量具体为:
两两比较法的轻重程度用下表中的标度表示:
在步骤B中,若权重评价次数大于1次,则构建多个判断矩阵,对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:
得到经过改进的综合特征向量,综合特征向量即为最终权重向量:
还对最终权重向量进行一致性校验,若校验通过,则通过最终权重向量得出每个评价指标的权重值,若校验不通过,则对判断矩阵进行修正,直到最终权重向量通过一致性校验,一致性校验具体为:
其次,计算一致性检验指标:
下表给出了1-9阶判断矩阵计算1000次得到的平均随机一致性指标:
最后计算一致性比例CR:
当CR≤0.1时,则一致性校验通过;当CR>0.1时,则一致性校验不通过。
在多维审计监控评价时,如果单独利用层次分析法进行测评,定量数据较少,定性成分较多,结果就不易令人信服。特别是一些指标间的相对重要程度系数是利用专家经验得来的,如果只采取单个专家意见,势必会是分析结果过于片面,缺乏普遍性。因此本方案选用德尔菲法(Delphi)对层次分析法进行改进,德尔菲法是综合多名专家经验意见进行权重参数设计的方法,能够与AHP进行互补。
所述的评价指标包括一级评价指标和二级评价指标,一级评价指标包括办电费用、办电效率、服务便利度和供电可靠性,与办电费用相关联的二级评价指标包括高压业扩报装配套项目异常情况、低压业扩报装配套项目异常情况、高压客户受电工程项目异常情况、业扩工程收费异常率、“三指定” 风险系数和低压计入容量开放情况,办电效率相关联的二级评价指标包括业扩办理体外循环情况、低压超工期风险系数和高压超工期风险系数,服务便利度相关联的二级评价指标包括个性化增值服务情况和线上报装占比,供电可靠性相关联的二级评价指标包括停电赔偿率和频繁停电投诉率。
一种多维审计监控综合评价***,包括:
数据收集模块,用于收集供电公司的供电能力数据并将供电能力数据进行标准化处理,输出标准化数据;
层次结构模型,用于构建评价指标体系;
供电能力打分模块,用于将标准化数据输入评价指标体系,得出标准化数据的打分结果;
供电能力分析模块,用于对打分结果进行分析,对供电公司的供电能力进行评价。
下面以对金华下属区域供电公司的供电能力进行多维审计监控综合评价为例:首先在对供电公司的供电能力数据的收集过程中,标准化处理的包括对正向指标、逆向指标和适度指标的标准化处理。
对于正向指标,指标值越大越好,例如利润、净资产收益率等,首先根据各指标的
实际历史数据确定一个下限(即历史最小值);然后在未来可预见一段时间内,确定一
个期望达到的最大值作为上限(限于目前计划数据可得性的原因,在这里采用历史最
大值,下同)。
指标标准化公式为:
指标标准化公式为:
根据层次分析法确定每个评价指标的权重,如下表所示:
根据评价指标体系对金华市8个供电公司指标进行打分,结果如下:
还可以对指标打分结果进行监控和预警,设置四级监控和预警,红色代表各指标得分在0-30分区间范围内;橙色代表各指标得分在30-60分区间范围内;黄色代表各指标得分在60-80分区间范围内;蓝色代表各指标得分在80-100分区间范围内。监控和预警预警可以对总得分进行监控和预警,也可以对各级指标进行监控和预警。
通过以上分析,为供电公司审计工作提供决策参考,使供电公司在审计过程中进一步掌握风险、薄弱环节等相关信息,督促抓好整改,推动电力营商环境的进一步优化,服务质量进一步提高。
实施例2,一种多维审计监控综合评价***和方法,其原理和实施方法和实施例基
本相同,不同之处在于,在步骤b中,若权重评价次数大于1次,则构建多个判断矩阵,对所有
判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:随机选取x个判断矩阵,x小于判断矩阵的数值,在x个判断矩阵中,设第个判断矩阵为,
求取多个判断矩阵各元素的平均值,计算判断矩阵各元素的平均值,判断偏离
是否超过预定阈值,若没有任何一个偏离超过预定阈值,则构成修正判断矩阵,判断矩
阵中的各元素值即为x个判断矩阵的平均值,若存在有偏离超过预定阈值,则不
构成修正判断矩阵;重复执行修正判断矩阵步骤,直到构成修正判断矩阵的数量超过设定
的数量为止,然后将所有修正判断矩阵中的各元素的值计算平均值,对应的判断矩
阵为最终判断矩阵,最终判断矩阵确定权重向量。
若根据德尔菲法对判断矩阵进行优化的过程中,若某个专家打分与其他专家打分出现不一致的情况,则会剔除这个专家打分的判断矩阵,然而,在对供电公司的供电能力评价的过程中,会出现某一个专家打分其他专家打分不一致的情况,只要不一致的数值在预定的阈值内,该专家打分仍然是可以信服的,且本方案通过多次构成修正判断矩阵,使数据的正确性更高,避免了德尔菲法简单对专家打分的判断矩阵进行剔除的手段,使评价指标体系构建更为科学合理。
实施例3:一种多维审计监控综合评价***和方法,其原理和实施方法和实施例基
本相同,不同之处在于,在步骤b中,若权重评价次数大于1次,则构建多个判断矩阵,对所有
判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:随机选取x个判断矩阵,x小于判断矩阵的数值,在x个判断矩阵 中,设第k个判断矩阵为;
在x个判断矩阵中,随机剔除若干个元素构成判断矩阵,y<m,计算判断矩阵各元素
的平均值,判断偏离是否超过预定阈值,若没有任何一个偏离超过预定阈
值,则构成修正判断矩阵,判断矩阵中的各元素值即为x个判断矩阵的平均值,若存在有偏离超过预定阈值,则不构建修正判断矩阵;重复执行修正判断矩阵步骤,直到构成修
正判断矩阵的数量超过设定的数量为止,然后将所有修正判断矩阵中的各元素的值写入最
终判断矩阵中,若元素有重复则计算重复元素的平均值后将平均值写入最终判断矩阵中,
最终判断矩阵确定权重向量。
对于某一个专家打分构建的判断矩阵,尽管可能会出现偏差的元素,但是该专家其他的元素仍然可能是在合理范围内的元素,因此,本方案的设计对判断矩阵的进行了压缩步骤和还原步骤,在有效剔除偏差元素的同时又可以保留判断矩阵内其他合理范围内的元素,避免了现有技术中某一个专家的判断矩阵出现了偏差的元素就要放弃该判断矩阵的情况,进一步提升了判断矩阵的合理准确性。
在步骤b中,若最终判断矩阵中包含的评价指标数量小于,则寻找最终判断矩
阵再次执行修正判断矩阵步骤,其中判断矩阵包含的元素值包含最终判断矩阵和判断
矩阵R m 对比后缺失的元素。在对判断矩阵进行压缩步骤和还原的步骤中,有可能会出现重
复执行修正判断矩阵步骤选取判断矩阵始终没有选取某些元素的情况,造成还原判断
矩阵中缺失某些元素的结果。因此本方案设计了对最终判断矩阵指标数量的判断,避免了
这种情况的发生。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (7)
1.一种多维审计监控综合评价方法,其特征是,包括以下步骤:
步骤一,收集若干个评价对象为供电公司的供电能力数据,确定供电能力数据的时间范围和维度,并对供电能力数据进行标准化处理得到标准化数据;
步骤二,构建用于评价标准化数据的评价指标体系,评价指标体系包括若干个评价指标,评价指标与标准化数据的维度相匹配,根据层次分析法确定每个评价指标的权重;
步骤三,通过评价指标体系对标准化数据进行打分,得到打分结果;
步骤四,获取评价标准,通过评价标准对标准化数据的打分结果进行评价,得出供电公司的供电能力评价结果;
所述的步骤二中,根据层次分析法确定评价指标的权重的具体方法为:
步骤a,构建层次结构模型,将评价指标分为若干个层级,确定不同层级的评价指标之间的从属或影响关系;
步骤b,对评价指标进行至少一次权重评价,对从属于或影响上一级评级指标的每个同级评价指标,通过用两两比较法构造判断矩阵,若权重评价次数为1次,则构建一个判断矩阵,然后通过该判断矩阵确定权重向量,通过权重向量得出每个评价指标的权重值;若权重评价次数大于1次,则构建多个判断矩阵,对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量,通过权重向量得出每个评价指标的权重值。
3.根据权利要求1所述的一种多维审计监控综合评价方法,其特征是,在步骤b中,若权重评价次数大于1次,则构建多个判断矩阵,对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:
得到经过改进的综合特征向量,综合特征向量即为最终权重向量:
5.根据权利要求1所述的一种多维审计监控综合评价方法,其特征是,在步骤b中,若权重评价次数大于1次,则构建多个判断矩阵,对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:随机选取x个判断矩阵,x小于判断矩阵的数值,在x个判断矩阵中,设第个判断矩阵为,求取多个判断矩阵各元素的平均值,计算判断矩阵各元素的平均值,判断偏离是否超过预定阈值,若没有任何一个偏离超过预定阈值,则构成修正判断矩阵,判断矩阵中的各元素值即为x个判断矩阵的平均值,若存在有偏离超过预定阈值,则不构成修正判断矩阵;重复执行修正判断矩阵步骤,直到构成修正判断矩阵的数量超过设定的数量为止,然后将所有修正判断矩阵中的各元素的值计算平均值,对应的判断矩阵为最终判断矩阵,最终判断矩阵确定权重向量。
6.根据权利要求1所述的一种多维审计监控综合评价方法,其特征是,在步骤b中,若权重评价次数大于1次,则构建多个判断矩阵,对所有判断矩阵进行修正,然后通过修正的判断矩阵确定权重向量具体为:随机选取x个判断矩阵,x小于判断矩阵的数值,在x个判断矩阵中,设第个判断矩阵为;在x个判断矩阵中,随机剔除若干个元素构成判断矩阵,y<m,计算判断矩阵各元素的平均值,判断偏离是否超过预定阈值,若没有任何一个偏离超过预定阈值,则构成修正判断矩阵,判断矩阵中的各元素值即为x个判断矩阵的平均值,若存在有偏离超过预定阈值,则不构建修正判断矩阵;重复执行修正判断矩阵步骤,直到构成修正判断矩阵的数量超过设定的数量为止,然后将所有修正判断矩阵中的各元素的值写入最终判断矩阵中,若元素有重复则计算重复元素的平均值后将平均值写入最终判断矩阵中,最终判断矩阵确定权重向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110170900.0A CN112508465B (zh) | 2021-02-08 | 2021-02-08 | 一种多维审计监控综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110170900.0A CN112508465B (zh) | 2021-02-08 | 2021-02-08 | 一种多维审计监控综合评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112508465A true CN112508465A (zh) | 2021-03-16 |
CN112508465B CN112508465B (zh) | 2021-04-27 |
Family
ID=74953035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110170900.0A Active CN112508465B (zh) | 2021-02-08 | 2021-02-08 | 一种多维审计监控综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508465B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723860A (zh) * | 2021-09-09 | 2021-11-30 | 四川省自然资源科学研究院 | 一种土地资源资产离任审计评价方法、装置及存储介质 |
CN115017456A (zh) * | 2022-06-29 | 2022-09-06 | 同济大学 | 基于svd的学生多维度探究能力评价方法、***及存储介质 |
CN117252487A (zh) * | 2023-11-15 | 2023-12-19 | 国网浙江省电力有限公司金华供电公司 | 一种基于终端验证的多粒度加权分析方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465546A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 电能质量综合评估*** |
CN103745415A (zh) * | 2014-01-03 | 2014-04-23 | 深圳供电局有限公司 | 基于层次分析的电网运行状态指标的评估方法及*** |
CN105069297A (zh) * | 2015-08-11 | 2015-11-18 | 广西南宁碧湾园林工程有限公司 | 基于层次分析法的茶花品种的综合评价方法 |
CN105160496A (zh) * | 2015-10-19 | 2015-12-16 | 苏州港能信息技术有限公司 | 一种企业电力能效综合评估方法 |
CN109063976A (zh) * | 2018-07-12 | 2018-12-21 | 李振轩 | 基于模糊层次分析法的智能制造能力成熟度评价方法 |
CN111489091A (zh) * | 2020-04-14 | 2020-08-04 | 广东电网有限责任公司广州供电局 | 一种电力***恢复力综合评价方法 |
-
2021
- 2021-02-08 CN CN202110170900.0A patent/CN112508465B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465546A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 电能质量综合评估*** |
CN103745415A (zh) * | 2014-01-03 | 2014-04-23 | 深圳供电局有限公司 | 基于层次分析的电网运行状态指标的评估方法及*** |
CN105069297A (zh) * | 2015-08-11 | 2015-11-18 | 广西南宁碧湾园林工程有限公司 | 基于层次分析法的茶花品种的综合评价方法 |
CN105160496A (zh) * | 2015-10-19 | 2015-12-16 | 苏州港能信息技术有限公司 | 一种企业电力能效综合评估方法 |
CN109063976A (zh) * | 2018-07-12 | 2018-12-21 | 李振轩 | 基于模糊层次分析法的智能制造能力成熟度评价方法 |
CN111489091A (zh) * | 2020-04-14 | 2020-08-04 | 广东电网有限责任公司广州供电局 | 一种电力***恢复力综合评价方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723860A (zh) * | 2021-09-09 | 2021-11-30 | 四川省自然资源科学研究院 | 一种土地资源资产离任审计评价方法、装置及存储介质 |
CN113723860B (zh) * | 2021-09-09 | 2023-05-12 | 四川省自然资源科学研究院 | 一种土地资源资产离任审计评价方法、装置及存储介质 |
CN115017456A (zh) * | 2022-06-29 | 2022-09-06 | 同济大学 | 基于svd的学生多维度探究能力评价方法、***及存储介质 |
CN117252487A (zh) * | 2023-11-15 | 2023-12-19 | 国网浙江省电力有限公司金华供电公司 | 一种基于终端验证的多粒度加权分析方法及装置 |
CN117252487B (zh) * | 2023-11-15 | 2024-02-02 | 国网浙江省电力有限公司金华供电公司 | 一种基于终端验证的多粒度加权分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112508465B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930482B (zh) | 一种县域配电网投资效果评估方法 | |
CN112508465B (zh) | 一种多维审计监控综合评价方法 | |
CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
CN111695718A (zh) | 一种考虑投资需求与规划目标的电网发展辅助决策方法 | |
CN112016755A (zh) | 输变电工程施工图通用设计造价标准化技术模块构建方法 | |
CN112818525A (zh) | 一种水电机组状态评价方法及其*** | |
CN109242273A (zh) | 一种配电网故障恢复方案群体评估方法 | |
CN112488565A (zh) | 一种基于物元可拓的海外工程项目风险评价方法 | |
CN110826935A (zh) | 一种基于机器学习的中长期电力市场风险评估方法 | |
CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
CN115660170A (zh) | 多维指标权重协同优化的数据资产管理成效差异化评估方法和*** | |
CN111612296A (zh) | 一种换流站电力设备在线监测装置量化配置方法 | |
CN111639850A (zh) | 多源异构数据的质量评估方法与*** | |
CN114219225A (zh) | 基于多源数据的电网投资效益评估***及评估方法 | |
CN114298538A (zh) | 电网零购项目的投资方案评估方法、***及存储介质 | |
DOMNIKOV et al. | Diagnostics of competitiveness of power-generating companies | |
CN112884572A (zh) | 一种信用风险下的多微网交易优化方法及*** | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及*** | |
KR20010104205A (ko) | 권리의 유통가치 평가방법 및 이에 이용하는 장치 | |
CN115577996A (zh) | 一种电网停电计划的风险评估方法、***、设备和介质 | |
CN113592362A (zh) | 一种城市电网抗灾变能力评估方法及相关装置 | |
CN114204554A (zh) | 一种用于智能电网***使用的调控运行安全性评价方法 | |
CN112766726A (zh) | 一种电网作业标准成本调整系数的制定方法 | |
CN113159634A (zh) | 一种金融产品管理方法、装置及电子设备 | |
CN112818544A (zh) | 计及终端差异化可靠性需求的配电网可靠性评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |