高载能用电企业能效综合评价模型的制作方法
【专利摘要】本发明公开了一种高载能用电企业能效综合评价模型，包括反馈修正模块、多模型评价模块和集成应用模块；所述反馈修正模块：用于实现能效评价指标、指标权重及评价结果的检验反馈和修正功能；所述多模型评价模块：用于实现多模型评价的事前检验、多模型组合评价和多模型组合评价检验及优选功能；所述集成应用模块：用于将反馈修正模式和多模型评价模式的理论变为应用。达到可移植性、可扩展性，容易维护且实施细节透明的目的，从而节约能源。
【专利说明】高载能用电企业能效综合评价模型
【技术领域】
[0001] 本发明涉及高载能用电企业的节能【技术领域】，具体地，涉及一种高载能用电企业 能效综合评价模型。
【背景技术】
[0002] 能源短缺已经成为二i^一世纪全球发展的核心问题，而近年来，能源问题也逐渐 成为我国关注的重点问题。我国能源人均资源短缺，消耗量大，利用效率远远低于发达国 家，严重限制了可持续发展战略的实施。电力作为最重要的二次能源之一，其消耗量逐年增 力口，而电能的利用效率却提高缓慢，形成巨大的能源浪费。
[0003] 能效评价是一种提高电能利用效率的重要手段，通过对企业进行能效评价，可以 促使及企业改进节能措施，提高企业的能源利用率。但长期以来，我国电力能效评价工作进 展缓慢，没有进行大力推广和应用。而"国家工业节能十二五规划"的发布使得电力能效评 价活动成为重中之重。在国际能源危机的背景下，我国需要推动电力能效评价技术，对企业 能源利用方式近一步完善，帮助企业进行节能措施的实施，实现企业生产的优化，提高企业 的综合竞争力。
[0004] 高载能用电企业作为用电大户，其自身的特点为生产成本的主要部分是电力消耗 成本，用电效率的高低直接决定着企业的发展和竞争力，目前已有很多节能技术应用于高 载能企业。我国高载能用电企业电能利用效率普遍不高，节能潜力很大，深入开展高载能企 业电力能效监测和评价工作，一方面管理部门可以完善电能管理体系，充分挖掘节能潜力， 采取有针对性的节能对策和措施，推动企业的节能减排工作；另一方面企业也可以深入地 了解自身存在的能耗问题，针对这些问题实施具体节能措施，并根据成本效益分析，了解节 能减排后企业所获得的利益，这样就会更好地促进企业的节能减排工作。
[0005] 从高载能用电企业能效评价目前的研究和应用情况来看：一方面，能效评价的模 型和方法层出不穷，而不同评价模型的建模理念和出发点都是不同的，导致不同评价模型 的评价结果不一致，评价结果的合理性很难进行验证。另一方面，评价的对象处于变化之 中，评价的指标体系、评价模型、指标权重也不是一成不变的，只有评价过程跟随评价对象 变化而变化，才能更为合理的进行评价。最后，能效评价的实施需要一个很好的软件进行支 撑，而传统的软件开发方式则是仅仅针对单一模型、固定指标及权重等进行开发，不具有可 变性。
【发明内容】
[0006] 本发明的目的在于，针对上述问题，提出一种高载能用电企业能效综合评价模型， 实现可移植性、可扩展性，容易维护且实施细节透明的优点。
[0007] 为实现上述目的，本发明采用的技术方案是：
[0008] -种高载能用电企业能效综合评价模型，包括反馈修正模块、多模型评价模块和 集成应用模块；
[0009] 所述反馈修正模块：用于实现能效评价指标、指标权重及评价结果的检验反馈和 修正功能；
[0010] 所述多模型评价模块：用于实现多模型评价的事前检验、多模型组合评价和多模 型组合评价检验及优选功能；
[0011] 所述集成应用模块：用于将反馈修正模式和多模型评价模式的理论变为应用。
[0012] 优选的，所述反馈修正模块，基于多元统计，建立高载能用电企业能效评价指标 库，研究聚类分析方法、多元回归分析法和线性回归分析法，并采用该3种方法对能效评价 指标、能效评价指标权重和能效评价结果进行检验，同时将结果反馈，修正未达到要求的部 分，然后再次检验，直到检验结果符合要求；
[0013] 所述多模型评价模块，对多个能效评价模型采用KENDALL-W进行一致性检验，达 到要求后分别采用平均组合模型、Borda组合模型和Copeland模型进行组合评价，然后采 用Spearman法进行检验和优选，如不符合要求，则重新选择多个能效评价模型，否则，结果 作为最终评价结果；
[0014] 所述多模型评价模块，基于综合集成平台、能效评价组件库、能效评价知识图库和 能效评价主题库，建立的能效评价集成应用模块，将能效评价的相关模型和方法、能效评价 指标体系和能效评价基础数据采用组件封装技术封装成组件，并采用Web Service技术打 包成为组件库；基于综合集成平台，以能效评价为主题，绘制能效评价修正反馈及多模型评 价业务应用流程，添加组件，形成能效评价业务应用系统，并开展仿真研究。
[0015] 优选的，所述聚类分析方法主要有直接聚类法、最短距离聚类法和最远距离聚类 法；
[0016] 所述多元回归分析法用于分析一个因变量和若干个自变量之间的相关关系；
[0017] 所述线性回归分析法即为求变量之间的关系，建立数学模型，线性回归分析法中 的目标函数、约束条件等各量之间都是线性关系。
[0018] 优选的，所述多元回归分析法具体包括：
[0019] 步骤401、确定几个特定的变量之间是否存在相关关系，如果存在的话，找出它们 之间合适的数学表达式；
[0020] 步骤402、基于上述的数学表达式，根据一个或几个变量的值，预测或控制另一个 变量的取值，并且知道预测或控制达到的精确度；
[0021] 步骤403、对上述的变量进行变量分析，确定重要变量、次要变量以及各变量之间 的关系。
[0022] 优选的，所述多个能效评价模型包括：主成分分析模型、灰色评价模型、模糊综合 评价模型、人工神经网络模型和集对分析模型。
[0023] 优选的，所述灰色评价模型的检验具体为：
[0024] 设历史负荷序列为X? = {χ((ι)⑴，x(tl)(2)，…x(tl)(n)}，设预测
【权利要求】
1. 一种高载能用电企业能效综合评价模型，其特征在于，包括反馈修正模块、多模型评 价模块和集成应用模块； 所述反馈修正模块：用于实现能效评价指标、指标权重及评价结果的检验反馈和修正 功能； 所述多模型评价模块：用于实现多模型评价的事前检验、多模型组合评价和多模型组 合评价检验及优选功能； 所述集成应用模块：用于将反馈修正模式和多模型评价模式的理论变为应用。
2. 根据权利要求1所述的高载能用电企业能效综合评价模型，其特征在于，所述反馈 修正模块，基于多元统计，建立高载能用电企业能效评价指标库，研究聚类分析方法、多元 回归分析法和线性回归分析法，并采用该3种方法对能效评价指标、能效评价指标权重和 能效评价结果进行检验，同时将结果反馈，修正未达到要求的部分，然后再次检验，直到检 验结果符合要求； 所述多模型评价模块，对多个能效评价模型采用KENDALL-W进行一致性检验，达到要 求后分别采用平均组合模型、Borda组合模型和Copeland模型进行组合评价，然后采用 Spearman法进行检验和优选，如不符合要求，则重新选择多个能效评价模型，否则，结果作 为最终评价结果； 所述多模型评价模块，基于综合集成平台、能效评价组件库、能效评价知识图库和能效 评价主题库，建立的能效评价集成应用模块，将能效评价的相关模型和方法、能效评价指标 体系和能效评价基础数据采用组件封装技术封装成组件，并采用WebService技术打包成 为组件库；基于综合集成平台，以能效评价为主题，绘制能效评价修正反馈及多模型评价业 务应用流程，添加组件，形成能效评价业务应用系统，并开展仿真研究。
3. 根据权利要求2所述的高载能用电企业能效综合评价模型，其特征在于， 所述聚类分析方法主要有直接聚类法、最短距离聚类法和最远距离聚类法； 所述多元回归分析法用于分析一个因变量和若干个自变量之间的相关关系； 所述线性回归分析法即为求变量之间的关系，建立数学模型，线性回归分析法中的目 标函数、约束条件等各量之间都是线性关系。
4. 根据权利要求3所述的高载能用电企业能效综合评价模型，其特征在于，所述多元 回归分析法具体包括： 步骤401、确定几个特定的变量之间是否存在相关关系，如果存在的话，找出它们之间 合适的数学表达式； 步骤402、基于上述的数学表达式，根据一个或几个变量的值，预测或控制另一个变量 的取值，并且知道预测或控制达到的精确度； 步骤403、对上述的变量进行变量分析，确定重要变量、次要变量以及各变量之间的关 系。
5. 根据权利要求2所述的高载能用电企业能效综合评价模型，其特征在于，所述多个 能效评价模型包括：主成分分析模型、灰色评价模型、模糊综合评价模型、人工神经网络模 型和集对分析模型。
6. 根据权利要求5所述的高载能用电企业能效综合评价模型，其特征在于，所述灰色 评价模型的检验具体为： 设历史负荷序列为Xw =Ixw⑴，Xw (2)，…Xw (n)}，设预测值 序列为 设k时
f 刻实际值x(°)GO与计算值(灸)之差为eGO，称为k时刻残差
记实际值Xw (k)，k= 1，2,…，n的平均值为f，即 7
记残差e(k)，k= 1，2,…，m的平均值为￡* S 有
其中，m为预测残差数据的个数，一般有m彡n，记历
史数据方差为f即 记残差方差为$2 ，， f 有
则可得后验差比值C，小误差概率P，
指标C越小越好，C越小，表示S1越大，而S2越小， S1大，表明历史数据方差大，历史数据离散程度就大；S2小，表明残差方差小，残差离散程度 小；C小，表明尽管历史数据很离散，而模型所得的预测值与实际值并不太离散；指标P越 大越好，P越大，表示残差与残差平均值之差小于给定值(XeTdSS1的点较多，按c与P两个 指标，可以综合评定预测模型的精度。
7.根据权利要求2至6任一所述的高载能用电企业能效综合评价模型，其特征在于，所 述KENDALL-W进行一致性检验具体为：假设用m种方法对n个被评对象进行评价，yU表示第 i个被评对象在第j种评价方法下的排序值，1彡Yij彡n(i= 1，2,…，n;j= 1，2,…，m); 该检验是考察m个评判方法对n个对象的评判结果之间是否一致，通过讨论协和系数W这 个指标显示出样本数据中的实际符合与最大可能的符合之间的分歧程度来进行的， 步骤701、提出假设，假设HO:m种评价方法不具有一致性；Hl:m种评价方法具有一致 性； 步骤702、构造统计量，构造统计量X2 =m(n-l)W其中，
步骤703、X2服从自由度为n-1的X2分布，因此给定显著性水平a，查表得临界值
,当 时，拒绝H0,接受H1，即认为各种评价方法在a %? 显著水平上具有一致性。
8.根据权利要求2至6任一所述的高载能用电企业能效综合评价模型，其特征在于，所 述组合评价为，分别应用平均组合模型、Borda组合模型和Copeland组合评价模型进行各 评价结果的组合评价，得到各组合评价方法下的组合评价结果； 所述平均组合模型：设rik为Yi方案在第k种方法下所排的位次，i= 1，2,…，n;k= 1，2,…，m，先用排序打分法将每种方法排序的名次转换成分数，即第1名得n分，…，第n 名得1分，第k名得n-k+1分，其中如有相同的名次，则取这几个位置的平均分，然后计算不 同得分的平均值，计算公式如下：
其中，Rik为m个相同的名次分别的得分值.为平均值，按平均值重新排 序，若有两个方案^ 则计算在不同方法下得分的方差，计算公式如下： . ，
其中方差小者为优； 所述Borda组合模型：是少数服从多数的方法，若评价认为yi优于h的个数大于认为 乃优于Yi的方法个数，记为爲> ，若两者个数相等，则记为Yi =乃；
再定义方案Yi的得分为 h即是方案yi "优"的次数，依h的大小再 J 给Yi排序，若有4 =Iv则再计算在不同方法下的方差，方差小者为优； 所述Copeland组合评价模型：考虑到区分"相等"和"劣"，在计算"优"次数的同时还 要计算"劣"的次数，即定义
再定义方案yi的得分为
根据Ci的大小再给yi排序，若有Ci =h，则 考虑计算各方案在不同方法下得分的方差，方差小者为优。
9.根据权利要求8所述的高载能用电企业能效综合评价模型，其特征在于，所述Spearman法具体为：对于p种组合： 步骤901、将组合评价结果转化为排序值，假设对原m种方法进行p种组合，其中Xik 表示第i个被评对象在第k种组合方法下的排序值，1彡Xik彡n(i= 1，2,…，n;k= 1，2,…，p); 步骤902、提出假设，假设HO:第k种组合方法与原m种评价方法无关；Hl:第k种组合 方法与原m种评价方法有关； 步骤903、构造统计量tk,tk服从自由度n-2的t分布，
其中，PA表示第k种组合方法与原第j种方法之间的Spearman等级相关系数，Spearman等级相关系数反映组合方法k与原方法j之间的相关程度，PA越大表示两种方 法所得排序结果的相关程度越高，Pk表示组合方法k与原m种方法之间的平均相关程度； 步骤904、求得Spearman等级相关系数，
xik，为第i对象，分别在第j种原始方法和第k种组合方法下排序结果规范后的取 值，n为对象的个数，m为原始评价方法数，p为组合评价方法数，P#为第k种组合评价方 法和第j种原始评价方法的Spearman等级相关系数。
【文档编号】G06Q50/06GK104268792SQ201410441225
【公开日】2015年1月7日 申请日期:2014年9月1日 优先权日:2014年9月1日
【发明者】刘福潮, 王维洲, 郑晶晶, 张刚, 杜培东, 韩永军, 马朝晖, 张建华, 李玉, 王庆玲, 李正远, 孟珺遐, 彭晶 申请人:国家电网公司, 国网甘肃省电力公司, 国网甘肃省电力公司电力科学研究院, 西安理工大学, 中国电力科学研究院