CN116720386A - 一种技术效率及全要素能源效率的测度方法及*** - Google Patents
一种技术效率及全要素能源效率的测度方法及*** Download PDFInfo
- Publication number
- CN116720386A CN116720386A CN202310973182.XA CN202310973182A CN116720386A CN 116720386 A CN116720386 A CN 116720386A CN 202310973182 A CN202310973182 A CN 202310973182A CN 116720386 A CN116720386 A CN 116720386A
- Authority
- CN
- China
- Prior art keywords
- decision unit
- yield
- relaxation
- input
- efficiency
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 27
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 239000002912 waste gas Substances 0.000 claims description 2
- 239000002351 wastewater Substances 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims 1
- 238000013468 resource allocation Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000005265 energy consumption Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- ZKNHDJMXIUOHLX-UHFFFAOYSA-N 2-ethoxy-1,1,1-trifluoroethane Chemical compound CCOCC(F)(F)F ZKNHDJMXIUOHLX-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (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
本发明提供了一种技术效率及全要素能源效率的测度方法及***,属于生产资源配置测度领域,方法包括:获取目标导向、各决策单元的投入指标及产出指标;基于目标导向,采用带有非期望产出的基于松弛值测算的模型,根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量;采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值;根据决策单元的投入指标及各决策单元的松弛向量,确定决策单元的全要素能源效率。本发明提高了技术效率及全要素能源效率测算的科学性和精度。
Description
技术领域
本发明涉及生产资源配置测度领域,特别是涉及一种技术效率及全要素能源效率的测度方法、存储器和计算装置。
背景技术
数据包络分析(Data envelopment analysis,DEA)是常用的一种效率测算方法。众多学者使用DEA模型在工业、制造业、能源、资源配置等领域做分析。但传统的DEA模型在效率测算中存在一些问题。一方面是有较多的决策单元效率为1,这将导致这些决策单元不可比较,无法充分排序。另一方面在传统DEA模型中每个决策单元会选择对自己最有利的权重进行计算,这将导致有些决策单元的效率被夸大。
DEA交叉效率方法允许决策单元之间进行相互评价。在自身最优权重的基础上,DEA交叉效率模型进一步考虑了其他决策单元的最优权重,根据其他决策单元的最优权重测算被评价决策单元的交叉效率,并将自评效率与交叉效率的算术平均值作为该被评价决策单元最终的交叉效率,改善了传统DEA自评体系下由于夸大自身优势而导致的相对效率测算结果的极端性,进而判别出全局最优的决策单元,实现所有决策单元的充分排序,具有一定公平性。
目前交叉效率方法亦有其缺点,如:(1)被评价决策单元的最优权重可能不唯一,且容易受计算软件的影响,导致最终的交叉效率值可能不唯一的问题。(2)交叉效率模型中没考虑生产活动带来的负外部性问题,如能源消耗造成的环境污染问题,容易造成测算结果的片面性。(3)构建的交叉效率模型只有无导向模型。通过目标函数的设定可看出模型考虑了投入和产出的共同影响。但在节约能源的共识下,应当开发从投入角度上使能源消耗量最少的模型和从产出角度使排放量最少的模型。(4)在实际生产过程中,各决策单元投入生产的资源、技术水平及各要素松弛量的改进程度均是建立在资源禀赋的基础上的,资源的稀缺性将导致互相竞争。
发明内容
本发明的目的是提供一种技术效率及全要素能源效率的测度方法及***,可提高技术效率及全要素能源效率的精度。
为实现上述目的,本发明提供了如下方案:
一种技术效率及全要素能源效率的测度方法,包括:
获取目标导向、各决策单元的投入指标及各决策单元的产出指标;所述目标导向为投入导向、产出导向或无导向;所述决策单元为参与效率测度的厂商;各决策单元的投入指标包括投入项数量及各投入项的投入量;各决策单元的产出指标包括期望产出项数量、非期望产出项数量、各期望产出项的产出量及各非期望产出项的产出量;
基于所述目标导向,采用带有非期望产出的基于松弛值测算的模型,根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量;
根据各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值;
针对任一决策单元,根据所述决策单元的投入指标及各决策单元的松弛向量,确定所述决策单元的全要素能源效率。
为实现上述目的,本发明还提供了如下方案:
一种技术效率及全要素能源效率的测度***,包括:
数据获取模块,用于获取目标导向、各决策单元的投入指标及各决策单元的产出指标;所述目标导向为投入导向、产出导向或无导向;所述决策单元为参与效率测度的厂商;各决策单元的投入指标包括投入项数量及各投入项的投入量;各决策单元的产出指标包括期望产出项数量、非期望产出项数量、各期望产出项的产出量及各非期望产出项的产出量;
初步测算模块,与所述数据获取模块连接,用于基于所述目标导向,采用带有非期望产出的基于松弛值测算的模型,根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量;
博弈交叉模块,与所述初步测算模块连接,用于根据各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值;
效率确定模块,与所述初步测算模块及所述博弈交叉模块连接,用于针对任一决策单元,根据所述决策单元的投入指标及各决策单元的松弛向量,确定所述决策单元的全要素能源效率。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明基于目标导向,采用带有非期望产出的基于松弛值测算的模型,根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,然后采用基于松弛值测算的博弈交叉效率模型对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值,充分考虑了决策单元的互相评估和博弈竞争的过程,提高了技术效率及全要素能源效率测算的科学性和精度。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的技术效率及全要素能源效率的测度方法的流程图;
图2为博弈迭代过程的示意图;
图3为本发明提供的技术效率及全要素能源效率的测度***的示意图。
符号说明:
1-数据获取模块,2-初步测算模块,3-博弈交叉模块,4-效率确定模块。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅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。
本发明的目的是提供一种技术效率及全要素能源效率的测度方法及***,充分考虑决策单元的互相评估和博弈竞争,比普通模型测度结果更精确,避免多个决策单元的效率值相同而无法比较的问题,更好地反映出各决策单元的技术效率和全要素能源效率,为企业生产的发展目标提供建议,为节能减排提供指引。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示,本实施例提供了一种技术效率及全要素能源效率的测度方法,包括:
步骤100:获取目标导向、各决策单元的投入指标及各决策单元的产出指标。
具体地,在数据包络分析中可以设置不同的最大化或最小化目标函数。因此可以根据需要选择不同的导向,本发明提出的模型有三种导向可以选择:投入导向、产出导向和无导向。其中,投入导向用于以节约投入为目标的效率测度,主要考虑成本最小化,适用于“节能”导向;产出导向用于以扩大产出和减少环境排放污染为目标的效率测度;无导向同时考虑前两个方面的效率测度。在本实施例中,所述投入项包括资本投入、劳动力投入、能源投入等。所述期望产出项包括产量、产值等。所述非期望产出项包括二氧化碳排放、二氧化硫、废气、废水等。
所述决策单元为参与效率测度的厂商。
各决策单元的投入指标包括投入项数量及各投入项的投入量。各决策单元的产出指标包括期望产出项数量、非期望产出项数量、各期望产出项的产出量及各非期望产出项的产出量。
步骤200:基于所述目标导向,采用带有非期望产出的基于松弛值测算的模型(slack-based measure,SBM),根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量。
本发明建立了投入导向模型、产出导向模型和无导向模型。
具体地,松弛向量包括各投入项的松弛量(投入可缩减量)、各期望产出项的松弛量(产出可扩大量)及各非期望产出项的松弛量。决策单元的权重向量包括其余决策单元对所述决策单元的权重。
本实施例中假设有N个决策单元,每个决策单元有M个投入项,有S1个期望产出项和S2个非期望产出项。
进一步地,在所述目标导向为投入导向时,采用以下公式,确定决策单元d的初步技术效率值、松弛向量及权重向量,即投入导向模型的目标函数和约束条件:
;
;
;
;
;
;
其中,为决策单元d的初步技术效率值,M为投入项数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,xij为决策单元j的第i个投入项的投入量,N为决策单元的数量,/>为决策单元j对决策单元d的权重,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,/>为决策单元j的第r1个期望产出项的产出量,/>为决策单元j的第r2个非期望产出项的产出量。
在所述目标导向为产出导向时,采用以下公式,确定决策单元d的初步技术效率值、松弛向量及权重向量,即产出导向的目标函数和约束条件:
;
;
;
;
;
;
其中,为决策单元d的初步技术效率值,S1为期望产出项数量,S2为非期望产出项数量,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,N为决策单元的数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,xij为决策单元j的第i个投入项的投入量,/>为决策单元j的第r1个期望产出项的产出量,/>为决策单元j的第r2个非期望产出项的产出量,/>为决策单元j对决策单元d的权重。
在所述目标导向为无导向时,采用以下公式,确定决策单元d的初步技术效率值、松弛向量及权重向量,即无导向模型的目标函数和约束条件:
;
;
;
;
;
;
i=1,2,...,M;r1=1,2,...,S1;r2=1,2,...,S2;j=1,2,...,N;
其中,为决策单元d的初步技术效率值,M为投入项数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,S1为期望产出项数量,S2为非期望产出项数量,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,N为决策单元的数量,/>为决策单元j对决策单元d的权重,xij为决策单元j的第i个投入项的投入量,/>为决策单元j的第r1个期望产出项的产出量,/>为决策单元j的第r2个非期望产出项的产出量。
本发明分别构建了无导向模型、投入导向模型和产出导向模型。其中,无导向模型的目标函数同时考虑投入和产出,适用于“经济、节能减排同步发展”;投入导向模型的目标函数考虑成本最小化,适用于“节能”导向;产出导向模型的目标函数考虑产出最大化,适用于“经济增长、减排”导向。
各决策单元在确定投入产出要素的松弛量及改进潜力时,需要考虑该决策单元对其他决策单元的影响及其相互博弈产生的反作用影响,从而得到最优的效率值。本发明考虑了决策单元互相评估的综合效率,而不仅是自我评估,因此需要计算决策单元之间相互评估的效率然后取均值。
步骤300:根据各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值。
进一步地,步骤300包括:
步骤301:针对第t次迭代中的任一决策单元,根据各决策单元的松弛向量、各决策单元的目标决策单元、所述决策单元的权重向量及第t-1次迭代时所述决策单元的技术效率值,采用基于松弛值测算的博弈交叉效率模型,确定第t次迭代时所述决策单元的各目标决策单元对所述决策单元的交叉效率值。t>0;第0次迭代时各决策单元的技术效率值为对应各决策单元的初步技术效率值;所述目标决策单元为除所述决策单元外的其他决策单元。
具体地,在目标导向为无导向时,采用以下公式作为最优化目标函数确定第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值:
;
在目标导向为投入导向时,采用以下公式作为最优化目标函数确定第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值:
;
在目标导向为产出导向时,采用以下公式作为最优化目标函数确定第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值:
;
在目标导向为无导向、投入导向或产出导向时,对应的约束条件相同,约束条件如下:
;
;
;
;
;
;
;
;
;
;
i=1,2,...,M;r1=1,2,...,S1;r2=1,2,...,S2;j=1,2,...,N;
其中前三个约束条件是投入与产出约束,第四到第八个约束条件是前沿面约束。第四个与第五个约束条件限制了前沿面数量。第六个到第八个限制了具体的前沿面决策单元,相对于交叉效率模型具有更严格的前沿面筛选,更客观的效率评价,第八个约束中的unrestrictedinsign即表示无符号限制。
为第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值,M为投入项数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,S1为期望产出项数量,S2为非期望产出项数量,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,N为决策单元的数量,为决策单元j对决策单元d的权重向量,xij为决策单元j的第i个投入项的投入量,/>为第t-1次迭代时决策单元j的技术效率值,/>为决策单元j的第r1个期望产出项的产出量,/>为决策单元j的第r2个非期望产出项的产出量,/>为决策单元d的第i个投入项在以决策单元k的标准进行评价时的松弛量,/>为决策单元d的第r1个期望产出项在以决策单元k的标准进行评价时的松弛量,/>为决策单元d的第r2个非期望产出项在以决策单元k的标准进行评价时的松弛量,M1为常数,Bj为决策单元j的决策变量,Zk为决策单元k的目标决策单元集合,即决策单元k测算效率时的前沿面决策单元的集合。通过Zk的限制,只有决策单元k的目标决策单元才能用于测度决策单元d的效率。
步骤302:根据第t次迭代时所述决策单元的各目标决策单元对所述决策单元的交叉效率值,确定第t次迭代时所述决策单元的技术效率值。
为了更好地理解目标决策单元,下面以多个厂商举例说明,冒号后表示冒号前厂商通过初步技术效率模型得到的目标决策单元。
厂商A:厂商A。
厂商B:厂商A、厂商H。
厂商C:厂商H。
厂商D:厂商H。
厂商E:厂商A。
厂商F:厂商F。
厂商G:厂商A、厂商F。
即每个厂商(决策单元)都能得到自己的目标决策单元(学***均值就得到所有厂商对厂商F的交叉评估效率值,X为所有厂商的集合。
具体地,采用以下公式确定第t次迭代时决策单元d的技术效率值:
;
其中,为第t次迭代时决策单元d的技术效率值,N为决策单元的数量,/>为第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值。
步骤303:判断第t次迭代时所述决策单元的技术效率值与第t-1次迭代时所述决策单元的技术效率值的差值是否大于设定阈值,即是否成立,若是,则进行第t+1次迭代,否则将第t次迭代时所述决策单元的技术效率值作为所述决策单元的最终技术效率值。/>为设定阈值,一般取0.001。
博弈交叉效率值充分考虑了决策单元之间互相竞争的事实。当它处于稳态时,说明所有决策单元的效率值不可在不改变其他决策单元效率的情况下进一步扩大。即这是所有决策单元在当前市场环境互相竞争下得到的最优均衡选择,也是其博弈均衡的客观效率值。如图2所示为博弈迭代过程的示意图。
步骤400:针对任一决策单元,根据所述决策单元的投入指标及各决策单元的松弛向量,确定所述决策单元的全要素能源效率。
具体地,采用以下公式计算决策单元d的全要素能源效率:
;
其中,TFEEd为决策单元d的全要素能源效率,e表示能源投入,为决策单元d的能源投入项在以决策单元k的标准下测度的能源的松弛量,xed为决策单元d的实际能源投入量。
本发明中,所有决策单元的效率均是在不改变其他决策单元效率前提下的最高效率,避免了模型的求解结果不唯一的问题;对所有决策单元进行了更充分的排序,避免了大量效率值相同的决策单元无法比较。所有决策单元的效率均是以不同前沿面决策单元为目标测算的效率值的加权值,避免了因对比目标不同产生的效率错估。模型的测算包含了互相评估,使评价结果更为公正和唯一。
传统博弈交叉效率模型是投入产出等比例缩减,与木桶的盛水量依靠最低的木板一样,传统模型测度的效率是依靠最高的目标,计算的结果存在偏差。本发明则是依靠所有目标的平均值,评价结果更为客观,公允,得到的技术效率及全要素能源效率的精度更高。
下面以节能为例,进一步介绍本发明的技术方案。
(1)从缩减能源投入为目标,因此选择投入导向模型。
(2)以投入变量和产出变量作为技术效率和全要素能源效率的数据准备;其中,投入变量包括劳动力、能源消费和资本存量。劳动力为工业就业人数。能源消费分为可再生能源和不可再生能源,选择各类能源消费总量指标(如煤炭、天然气等)并按照规定的各种能源折标准煤系数,将主要能源产品进行折标准煤加总。资本存量来自工业固定资产净值,考虑了每年的增长和折旧。产出变量不仅考虑了期望产出,还考虑了非期望产出,此例中产出变量为工业总产值,非期望产出为二氧化碳排放量。
(3)通过SBM模型得到初步测算的每个决策单元的技术效率值、松弛量(各个投入的可缩减量)和目标决策单元(各个厂商的可学习目标)。
(4)通过SBM博弈交叉模型进行迭代计算,该模型在迭代过程中纳入其他决策单元的决策结果,即考虑了市场和资源的竞争性。每次迭代的结果与上一次迭代结果做对比,当两次迭代的结果差异低于0.001时说明结果达到稳态,该结果就是最终结果,也就是最终测算的各个厂商的技术效率。技术效率越高的厂商技术水平越高,使用相同量的投入能生成更多的产出。
(5)根据最终结果和最终结果对应的投入产出松弛量,计算各个厂商的全要素能源效率。全要素能源效率越高的厂商说明实际投入与最优投入越接近,决策较合理。
本发明在整体结果上没有偏差,对决策单元进行了公正评估,在细节上更明确的确定了效率值和排序,避免了多个效率值相同不可比较。因此本发明的评估结果比其他结果更为精确、公正、有效。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种技术效率及全要素能源效率的测度***。
如图3所示,本实施例提供的技术效率及全要素能源效率的测度***包括:数据获取模块1、初步测算模块2、博弈交叉模块3及效率确定模块4。
其中,数据获取模块1用于获取目标导向、各决策单元的投入指标及各决策单元的产出指标。所述目标导向为投入导向、产出导向或无导向;所述决策单元为参与效率测度的厂商。各决策单元的投入指标包括投入项数量及各投入项的投入量。各决策单元的产出指标包括期望产出项数量、非期望产出项数量、各期望产出项的产出量及各非期望产出项的产出量。
初步测算模块2与所述数据获取模块1连接,初步测算模块2用于基于所述目标导向,采用带有非期望产出的基于松弛值测算的模型,根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量。
博弈交叉模块3与所述初步测算模块2连接,博弈交叉模块3用于根据各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值。
效率确定模块4与所述初步测算模块2及所述博弈交叉模块3连接,效率确定模块4用于针对任一决策单元,根据所述决策单元的投入指标及各决策单元的松弛向量,确定所述决策单元的全要素能源效率。
相对于现有技术,本实施例提供的技术效率及全要素能源效率的测度***与实施例一提供的技术效率及全要素能源效率的测度方法的有益效果相同,在此不再赘述。
实施例三
本实施例提供一种电子设备,包括存储器及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行实施例一的技术效率及全要素能源效率的测度方法。
可选地,上述电子设备可以是服务器。
另外,本发明实施例还提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例一的技术效率及全要素能源效率的测度方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种技术效率及全要素能源效率的测度方法,其特征在于,所述技术效率及全要素能源效率的测度方法包括:
获取目标导向、各决策单元的投入指标及各决策单元的产出指标;所述目标导向为投入导向、产出导向或无导向;所述决策单元为参与效率测度的厂商;各决策单元的投入指标包括投入项数量及各投入项的投入量;各决策单元的产出指标包括期望产出项数量、非期望产出项数量、各期望产出项的产出量及各非期望产出项的产出量;
基于所述目标导向,采用带有非期望产出的基于松弛值测算的模型,根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量;
根据各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值;
针对任一决策单元,根据所述决策单元的投入指标及各决策单元的松弛向量,确定所述决策单元的全要素能源效率。
2.根据权利要求1所述的技术效率及全要素能源效率的测度方法,其特征在于,所述投入项包括资本投入、劳动力投入及能源投入;所述期望产出项包括产量及产值;所述非期望产出项包括二氧化碳排放、二氧化硫、废气及废水。
3.根据权利要求1所述的技术效率及全要素能源效率的测度方法,其特征在于,所述松弛向量包括各投入项的松弛量、各期望产出项的松弛量及各非期望产出项的松弛量;决策单元的权重向量包括其余决策单元对所述决策单元的权重。
4.根据权利要求3所述的技术效率及全要素能源效率的测度方法,其特征在于,在所述目标导向为投入导向时,采用以下公式,确定决策单元d的初步技术效率值、松弛向量及权重向量:
;
;
;
;
;
;
其中,为决策单元d的初步技术效率值,M为投入项数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,xij为决策单元j的第i个投入项的投入量,N为决策单元的数量,/>为决策单元j对决策单元d的权重,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,为决策单元j的第r1个期望产出项的产出量,/>为决策单元j的第r2个非期望产出项的产出量。
5.根据权利要求3所述的技术效率及全要素能源效率的测度方法,其特征在于,在所述目标导向为产出导向时,采用以下公式,确定决策单元d的初步技术效率值、松弛向量及权重向量:
;
;
;
;
;
;
其中,为决策单元d的初步技术效率值,S1为期望产出项数量,S2为非期望产出项数量,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,N为决策单元的数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,xij为决策单元j的第i个投入项的投入量,/>为决策单元j的第r1个期望产出项的产出量,/>为决策单元j的第r2个非期望产出项的产出量,为决策单元j对决策单元d的权重。
6.根据权利要求3所述的技术效率及全要素能源效率的测度方法,其特征在于,在所述目标导向为无导向时,采用以下公式,确定决策单元d的初步技术效率值、松弛向量及权重向量:
;
;
;
;
;
;
其中,为决策单元d的初步技术效率值,M为投入项数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,S1为期望产出项数量,S2为非期望产出项数量,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,N为决策单元的数量,/>为决策单元j对决策单元d的权重,xij为决策单元j的第i个投入项的投入量,/>为决策单元j的第r1个期望产出项的产出量,为决策单元j的第r2个非期望产出项的产出量。
7.根据权利要求1所述的技术效率及全要素能源效率的测度方法,其特征在于,根据各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值,具体包括:
针对第t次迭代中的任一决策单元,根据各决策单元的松弛向量、各决策单元的目标决策单元、所述决策单元的权重向量及第t-1次迭代时所述决策单元的技术效率值,采用基于松弛值测算的博弈交叉效率模型,确定第t次迭代时所述决策单元的各目标决策单元对所述决策单元的交叉效率值;t>0;第0次迭代时各决策单元的技术效率值为对应各决策单元的初步技术效率值;所述目标决策单元为除所述决策单元外的其他决策单元;
根据第t次迭代时所述决策单元的各目标决策单元对所述决策单元的交叉效率值,确定第t次迭代时所述决策单元的技术效率值;
判断第t次迭代时所述决策单元的技术效率值与第t-1次迭代时所述决策单元的技术效率值的差值是否大于设定阈值,若是,则进行第t+1次迭代,否则将第t次迭代时所述决策单元的技术效率值作为所述决策单元的最终技术效率值。
8.根据权利要求7所述的技术效率及全要素能源效率的测度方法,其特征在于,在目标导向为无导向时,采用以下公式确定第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值:
;
;
;
;
;
;
;
;
;
;
在目标导向为投入导向时,采用以下公式确定第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值:
;
;
;
;
;
;
;
;
;
;
在目标导向为产出导向时,采用以下公式确定第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值:
;
;
;
;
;
;
;
;
;
;
其中,为第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值,M为投入项数量,/>为决策单元d的第i个投入项的松弛量,xid为决策单元d的第i个投入项的投入量,S1为期望产出项数量,S2为非期望产出项数量,/>为决策单元d的第r1个期望产出项的松弛量,/>为决策单元d的第r2个非期望产出项的松弛量,/>为决策单元d的第r1个期望产出项的产出量,/>为决策单元d的第r2个非期望产出项的产出量,N为决策单元的数量,/>为决策单元j对决策单元d的权重向量,xij为决策单元j的第i个投入项的投入量,为第t-1次迭代时决策单元j的技术效率值,/>为决策单元j的第r1个期望产出项的产出量,/>为决策单元j的第r2个非期望产出项的产出量,/>为决策单元d的第i个投入项在以决策单元k的标准进行评价时的松弛量,/>为决策单元d的第r1个期望产出项在以决策单元k的标准进行评价时的松弛量,/>为决策单元d的第r2个非期望产出项在以决策单元k的标准进行评价时的松弛量,M1为常数,Bj为决策单元j的决策变量,Zk为决策单元k的目标决策单元集合。
9.根据权利要求7所述的技术效率及全要素能源效率的测度方法,其特征在于,采用以下公式确定第t次迭代时决策单元d的技术效率值:
;
其中,为第t次迭代时决策单元d的技术效率值,N为决策单元的数量,/>为第t次迭代时决策单元d的目标决策单元k对决策单元d的交叉效率值。
10.一种技术效率及全要素能源效率的测度***,其特征在于,所述技术效率及全要素能源效率的测度***包括:
数据获取模块,用于获取目标导向、各决策单元的投入指标及各决策单元的产出指标;所述目标导向为投入导向、产出导向或无导向;所述决策单元为参与效率测度的厂商;各决策单元的投入指标包括投入项数量及各投入项的投入量;各决策单元的产出指标包括期望产出项数量、非期望产出项数量、各期望产出项的产出量及各非期望产出项的产出量;
初步测算模块,与所述数据获取模块连接,用于基于所述目标导向,采用带有非期望产出的基于松弛值测算的模型,根据各决策单元的投入指标及各决策单元的产出指标,确定各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量;
博弈交叉模块,与所述初步测算模块连接,用于根据各决策单元的初步技术效率值、各决策单元的松弛向量、各决策单元的目标决策单元及各决策单元的权重向量,采用基于松弛值测算的博弈交叉效率模型,对各决策单元的技术效率进行迭代计算,以得到各决策单元的最终技术效率值;
效率确定模块,与所述初步测算模块及所述博弈交叉模块连接,用于针对任一决策单元,根据所述决策单元的投入指标及各决策单元的松弛向量,确定所述决策单元的全要素能源效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310973182.XA CN116720386B (zh) | 2023-08-04 | 2023-08-04 | 一种技术效率及全要素能源效率的测度方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310973182.XA CN116720386B (zh) | 2023-08-04 | 2023-08-04 | 一种技术效率及全要素能源效率的测度方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116720386A true CN116720386A (zh) | 2023-09-08 |
CN116720386B CN116720386B (zh) | 2023-10-20 |
Family
ID=87868222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310973182.XA Active CN116720386B (zh) | 2023-08-04 | 2023-08-04 | 一种技术效率及全要素能源效率的测度方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116720386B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040103058A1 (en) * | 2002-08-30 | 2004-05-27 | Ken Hamilton | Decision analysis system and method |
CN106570634A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院地理科学与资源研究所 | 城市群经济环境效率评估方法 |
US20200356865A1 (en) * | 2019-05-11 | 2020-11-12 | Thomas D'Auria | System and method for decision-making using a weighted comparison |
CN113344391A (zh) * | 2021-06-10 | 2021-09-03 | 西湾智慧(广东)信息科技有限公司 | 基于dea改进模型的人工智能企业创新效率的评价方法 |
CN115471086A (zh) * | 2022-09-20 | 2022-12-13 | 东南大学 | 一种全要素能源利用效率的评价方法、存储介质和装置 |
CN115841339A (zh) * | 2022-10-27 | 2023-03-24 | 南京邮电大学 | 一种区域间绿色全要素生产率的测度方法 |
-
2023
- 2023-08-04 CN CN202310973182.XA patent/CN116720386B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040103058A1 (en) * | 2002-08-30 | 2004-05-27 | Ken Hamilton | Decision analysis system and method |
CN106570634A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院地理科学与资源研究所 | 城市群经济环境效率评估方法 |
US20200356865A1 (en) * | 2019-05-11 | 2020-11-12 | Thomas D'Auria | System and method for decision-making using a weighted comparison |
CN113344391A (zh) * | 2021-06-10 | 2021-09-03 | 西湾智慧(广东)信息科技有限公司 | 基于dea改进模型的人工智能企业创新效率的评价方法 |
CN115471086A (zh) * | 2022-09-20 | 2022-12-13 | 东南大学 | 一种全要素能源利用效率的评价方法、存储介质和装置 |
CN115841339A (zh) * | 2022-10-27 | 2023-03-24 | 南京邮电大学 | 一种区域间绿色全要素生产率的测度方法 |
Non-Patent Citations (3)
Title |
---|
SHUANGJIE LI ET.AL: "A complete total-factor CO2 emissions efficiency measure and "2030•60 CO2 emissions targets" for Shandong Province, China", 《JOURNAL OF CLEANER PRODUCTION》, pages 1 - 12 * |
SHUANGJIE LI ET.AL: "Factor Misallocation and Optimization in China\'s Manufacturing Industry", 《SUSTAINABILITY》, pages 1 - 21 * |
SHUANGJIE LI ET.AL: "Measuring the Efficiency of Energy and Carbon Emissions: A Review of Definitions, Models, and Input-Output Variables", 《ENERGIES》, pages 1 - 21 * |
Also Published As
Publication number | Publication date |
---|---|
CN116720386B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Den Haan | Comparison of solutions to the incomplete markets model with aggregate uncertainty | |
CN103617466B (zh) | 一种商品需求预测模型的综合评价方法 | |
CN109685277A (zh) | 用电量预测方法及装置 | |
CN110020173B (zh) | 用于优化搜索排序的方法、装置及电子设备 | |
CN105868853A (zh) | 一种短期风电功率组合概率预测方法 | |
CN104463381A (zh) | 基于kpca与wlssvm的建筑能耗预测方法 | |
CN108090699A (zh) | 基于双目标特征筛选优化的项目开发工作量估算方法 | |
CN116796141A (zh) | 一种基于gbdt回归模型的办公建筑能耗预测方法 | |
CN110309965A (zh) | 一种基于改进支持向量机的电网投资需求预测方法及*** | |
CN109118093A (zh) | 一种评估碳排放经济影响的方法 | |
CN112464567A (zh) | 基于变分同化框架的智能资料同化方法 | |
CN115186803A (zh) | 一种考虑pue的数据中心算力负荷需求组合预测方法和*** | |
CN110222824B (zh) | 智能算法模型自主生成及进化方法、***、装置 | |
CN115759590A (zh) | 一种基于用电行为特征的工业用户需求响应潜力计算方法 | |
CN116720386B (zh) | 一种技术效率及全要素能源效率的测度方法及*** | |
CN112381315A (zh) | 一种基于pso优化的ls-svm智能台区负荷预测方法及*** | |
CN116470491A (zh) | 基于copula函数的光伏功率概率预测方法及*** | |
CN115619236A (zh) | 一种基于犹豫模糊扩散决策模型的决策方法及相关装置 | |
CN111126827A (zh) | 一种基于bp人工神经网络的投入产出核算模型构建方法 | |
CN109934394A (zh) | 一种基于灰色和马尔科夫理论的需求侧响应预测方法 | |
CN110826909B (zh) | 一种基于规则集的工作流执行方法 | |
CN109272141A (zh) | 一种电力物资计划智能申报方法及平台 | |
CN111428924A (zh) | 一种植物生育期的预测方法、装置、电子设备及存储介质 | |
CN113408692A (zh) | 网络结构的搜索方法、装置、设备及存储介质 | |
Ji et al. | An Active Learning based Latency Prediction Approach for Neural Network Architecture |
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 |