一种啤酒生产企业能效确定方法、系统及电子设备

1.本发明涉及数据处理技术领域，特别是涉及一种啤酒生产企业能效确定方法、系统及电子设备。


背景技术：

2.目前没有一套科学、合理的能效评估方法，能够对酿造行业啤酒生产企业能源的具体使用情况及其产生的效益进行准确的认识，造成了能源的流失和浪费等问题。


技术实现要素：

3.本发明的目的是提供一种啤酒生产企业能效确定方法、系统及电子设备，能够对确定啤酒生产企业能效进行精确确定，进而解决现有技术存在的能源流失和浪费等问题。
4.为实现上述目的，本发明提供了如下方案：
5.一种啤酒生产企业能效确定方法，包括：
6.获取啤酒生产企业的生产数据；所述生产数据包括：汽耗数据、电耗数据、水耗数据和水汽回收数据；
7.基于所述生产数据构建啤酒生产企业能效的评估指标体系；
8.采用层次分析法确定所述评估指标体系中每一评估指标的权重；
9.构建pso+ahp模型；所述pso+ahp模型为将粒子群优化算法(particle swarm optimization，pso)应用到层次分析法(analytic hierarchy process，ahp)后得到的模型；
10.采用所述pso+ahp模型对所述权重进行优化得到优化后的权重；
11.确定所述评估指标体系中每一评估指标的劣化度；
12.采用模糊综合评判法(fuzzy comprehensive evaluation，fce)根据所述劣化度确定所述评估指标体系中每一评估指标的隶属度，得到隶属度矩阵；
13.根据所述隶属度矩阵和预设评价集矩阵确定所述评估指标体系中每一评估指标的分值；
14.基于所述分值和所述优化后的权重构建啤酒生产企业能效确定模型；
15.基于所述啤酒生产企业能效确定模型确定所述啤酒生产企业的能效。
16.优选地，所述采用层次分析法确定所述评估指标体系中每一评估指标的权重，具体包括：
17.基于“9分度”法的标度理论，构造指标层和标准层的判断矩阵；所述指标层由所述评估指标体系中每一评估指标形成；所述标准层由设定的评估指标形成；
18.对所述判断矩阵进行列向量归一化处理得到归一化矩阵；
19.确定所述归一化矩阵的行向量的平均值，以得到行向量矩阵；所述行向量矩阵用于表征所述评估指标体系中每一评估指标的相对权重。
20.优选地，还包括：
21.确定所述判断矩阵的最大特征值；
22.基于所述最大特征值、所述判断矩阵的阶数和平均随机一致性指标确定一致性指标；所述平均随机一致性指标基于矩阵阶数进行设定；
23.当所述一致性指标不符合预设要求时，修正所述判断矩阵。
24.优选地，所述采用所述pso+ahp模型对所述权重进行优化得到优化后的权重，具体包括：
25.针对所述pso+ahp模型，使用python工具通过构造适应度函数对所述权重进行求解和优化的所述优化后的权重。
26.优选地，所述针对所述pso+ahp模型，使用python工具通过构造适应度函数对所述权重进行求解和优化的所述优化后的权重，具体包括：
27.将修正后的所述判断矩阵作为输入层带入粒子群优化算法得到pso+ahp模型；
28.选定所述pso+ahp模型的参数，将所述权重作为所述pso+ahp模型的输入数据得到满足约束条件的输出值；所述输出值作为所述优化后的权重。
29.优选地，所述啤酒生产企业能效确定模型为：
30.c＝ω
·
q＝ω
·r·vt
；
31.其中，c为啤酒生产企业能效得分，r为隶属度矩阵，v为评价集矩阵，q为分值，ω为优化后的权重。
32.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：
33.本发明采用pso+ahp模型与模糊综合评判法构建的啤酒生产企业能效确定模型，从局部、微观、精细化和整体、宏观、全面性及定量与定性相结合多个维度对啤酒生产企业能效进行确定，所得的评估结果客观，可以有效完善现有能效评估方法的不足，为啤酒生产企业高效使用能源提供分析与优化手段，为进一步提高啤酒生产企业能源利用效率提供依据，对酿造行业其他啤酒生产企业具有一定的通用性。
34.对应于上述提供的啤酒生产企业能效确定方法，本发明还提供了以下实施系统：
35.一种啤酒生产企业能效确定系统，包括：
36.生产数据获取模块，用于获取啤酒生产企业的生产数据；所述生产数据包括：汽耗数据、电耗数据、水耗数据和水汽回收数据；
37.指标体系构建模块，用于基于所述生产数据构建啤酒生产企业能效的评估指标体系；
38.权重确定模块，用于采用层次分析法确定所述评估指标体系中每一评估指标的权重；
39.第一模型构建模块，用于构建pso+ahp模型；所述pso+ahp模型为将粒子群优化算法应用到层次分析法后得到的模型；
40.权重优化模块，用于采用所述pso+ahp模型对所述权重进行优化得到优化后的权重；
41.劣化度确定模块，用于确定所述评估指标体系中每一评估指标的劣化度；
42.隶属度确定模块，用于采用模糊综合评判法根据所述劣化度确定所述评估指标体系中每一评估指标的隶属度，得到隶属度矩阵；
43.分值确定模块，用于根据所述隶属度矩阵和预设评价集矩阵确定所述评估指标体
系中每一评估指标的分值；
44.第二模型构建模块，用于基于所述分值和所述优化后的权重构建啤酒生产企业能效确定模型；
45.能效确定模块，用于基于所述啤酒生产企业能效确定模型确定所述啤酒生产企业的能效。
46.一种电子设备，包括：
47.存储器，用于存储计算机逻辑控制指令；所述计算机逻辑控制指令用于实施上述提供的啤酒生产企业能效确定方法；
48.处理器，与所述存储器连接，用于调取并执行所述计算机逻辑控制指令，以确定啤酒生产企业的能效。
49.优选地，所述存储器为计算机可读存储介质。
50.优选地，所述处理器为计算机。
51.因本发明提供的上述两种实施系统与本发明提供的啤酒生产企业能效确定方法实现的技术效果相同，故在此不再进行赘述。
附图说明
52.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的前提下，还可以根据这些附图获得其他的附图。
53.图1为本发明提供的啤酒生产企业能效确定方法的流程图；
54.图2为本发明实施例提供的评估体系示意图；
55.图3为本发明提供的啤酒生产企业能效确定方法的实施框架图；
56.图4为本发明实施例对权重进行求解优化的流程图；
57.图5为本发明实施例提供的一次性指标对比图；
58.图6为本发明提供的啤酒生产企业能效确定系统的结构示意图；
59.图7为本发明提供的电子设备的结构示意图。
具体实施方式
60.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。
61.本发明的目的是提供一种啤酒生产企业能效确定方法、系统及电子设备，能够对确定啤酒生产企业能效进行精确确定，进而解决现有技术存在的能源流失和浪费等问题。
62.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。
63.如图1和图3所示，本发明提供的啤酒生产企业能效确定方法，包括：
64.步骤100：获取啤酒生产企业的生产数据。生产数据包括：汽耗数据、电耗数据、水
耗数据和水汽回收数据等，这些指标可以通过在线监测仪表获得。此外，为了进一步提高确定啤酒生产企业能效的精确性，可以结合专家经验对影响啤酒厂能效各个相关的主观因素进行分析和打分后，作为构建评估指标体系的数据基础。例如，新工艺和新技术及新设备的应用、专业人员调度、制度与考核等。
65.步骤101：基于生产数据构建啤酒生产企业能效的评估指标体系。基于步骤100中获取的生产数据和主观数据构建得到的评估指标体系如图2所示。
66.步骤102：采用层次分析法确定评估指标体系中每一评估指标的权重。该步骤在实施过程过程，主要包括：
67.根据表1所示“9分度”法的标度理论，构造指标层和准则层的判断矩阵j：
68.j＝(a
ij
)n×
n (1)
69.式中，a
ij
为因素i与因素j相比的重要性标度，a
ij
＝1/a
ji
，a
ii
＝1，其中i＝1,2...n。j＝1,2...n。
70.具体实现步骤为：
71.1)对判断矩阵进行列向量归一化得到归一化矩阵
[0072][0073]
2)计算归一化矩阵的行向量的算术平均值
[0074][0075]
得到即为评估指标体系中每一评估指标的相对权重。
[0076]
3)计算判断矩阵的最大特征值λ
max
。
[0077][0078]
即，由式(1)得到的矩阵j乘式(3)得到的行向量，用此行向量的每个元素除以中相应的元素，再对得到的n各元素求和，最后除以n，就可以得到最大特征值λ
max
。
[0079]
4)计算判断矩阵的一致性指标
[0080][0081]
其中，
[0082]
式中，cr为一致性指标，λ
max
为最大特征根，n为判断矩阵的阶数。ri为平均随机一致性指标，可由表2查得。
[0083]
当cr≤0.1时，判断矩阵的一致性可以接受。当cr＞0.1时，应对判断矩阵作适当修正。
[0084]
例如，选取某啤酒生产企业的相关数据与信息，运用上述步骤102的方法，得到图2
所示评估指标体系中各评估指标的权重如表3所示。
[0085]
表1“9分度”表
[0086][0087][0088]
表1中，ui与uj为图2所示评估指标体系中的任意两个指标。
[0089]
表2 12阶判断矩阵的随机一致性指标表
[0090][0091]
表3 ahp各级指标权重及一致性指标计算结果表
[0092]
[0093][0094]
由表3可以看出，单一层次分析法的一次性指标均小于0.1，符合一致性要求。
[0095]
步骤103：构建pso+ahp模型。pso+ahp模型为将粒子群优化算法应用到层次分析法后得到的模型。
[0096]
步骤104：采用pso+ahp模型对权重进行优化得到优化后的权重。该步骤中对ahp计算的权重进行优化，主要是为了解决ahp在确定权重时带有的主观性以及由于人们认识水平有限及评价专家之间意见上的不一致，使综合评价的结果更加科学可靠。基于此，该步骤的实施过程主要为：
[0097]
根据各指标的相对重要性，构造判断矩阵j＝{a
ij
}n×n，其中i,j＝1,2,...,n，a
ij
表示指标ui相对指标uj的重要性。设ωk为各指标的权值，根据判断矩阵的定义理论上有ωi/ωj＝a
ij
，且此时判断矩阵j有完全的一致性，则有：
[0098][0099]
即：
[0100][0101]
由式(8)可以看出，公式左端的值越小，表明判断矩阵的一致性越高，式(8)成立则表明判断矩阵具有完全的一致性。所以，各指标的权重值确定及一致性检验问题可归结为如下优化问题：
[0102][0103]
式中：cif(n)为一致性指标函数，ωk为优化变量。
[0104]
其中，约束条件为：
[0105][0106]
cif(n)函数在全局范围内达到最优值且最优值小于0.1时，认为所构建的判断矩阵j具有满意的一致性，相应的最优解即为待求的主观权值。当全局最小值取到0时，判断矩阵j具有完全一致性。根据约束条件可知该全局最小值是唯一的。
[0107]
针对上述pso+ahp模型，使用python工具，通过构造适应度函数，对权重进行求解并优化，具体流程如图4所示。
[0108]
将ahp构造的判断矩阵作为输入层带入pso，选定pso的参数：种群规模为40，迭代次数为200次，计算结果如表4所示。
[0109]
表4pso-ahp模型各级指标权重及一致性指标计算结果表
[0110]
[0111][0112]
通过表3及表4的计算结果对比可以得到图5所示一致性指标对比图。从图5可见，pso+ahp模型的一致性指标有了明显的降低，提高了计算结果的精确度。
[0113]
步骤105：确定评估指标体系中每一评估指标的劣化度。该步骤具体的实施过程为：
[0114]
仿照设备故障评估，定义劣化度g，0≤g≤1，即指标处于能耗高能效低的程度，g越大越接近1代表能耗越高能效越低接近0。g越小代表能耗越低能效越高。
[0115]
确定各指标的劣化度。
[0116]
越少越优型劣化度的计算式为：
[0117][0118]
式中，x为评估指标参数值，x
min
、x
max
是评估指标参数临界区间的阈值。
[0119]
中间型评估指标为：
[0120]
[0121]
xa和xb为评估指标参数合理区间的边界值。
[0122]
越大越优型劣化度的计算式为：
[0123][0124]
从图2所示的能效评估指标体系可见，汽、电、水的消耗量越少能耗越低能效越高。新工艺和新技术及新设备应用的越多、专业人员调度的越优化、水汽回收利用越多、制度与考核越到位等打分越高能耗越低能效越高。为此，汽、电、水的能耗量采用式(11)越少越优型计算劣化度。新工艺和新技术及新设备应用、专业人员调度、水汽回收、制度与考核采用式(13)越大越优型计算劣化度。
[0125]
根据上述计算公式，得到劣化度的计算结果如表5所示。
[0126]
表5劣化度计算结果表
[0127][0128]
[0129]
根据上述计算出的各个指标的劣化度，这样就可以从局部、微观的角度对影响能效的因素有清晰的认识与把握。
[0130]
步骤106：采用模糊综合评判法根据劣化度确定评估指标体系中每一评估指标的隶属度，得到隶属度矩阵。该步骤具体包括：
[0131]
设置评估体系的评价集：
[0132]
v＝{1,0.67,0.33,0} (14)
[0133]
根据步骤105所得到的劣化gi，选用梯形分布函数，求取隶属度矩阵r。
[0134]
各评价等级的隶属度函数如下所示：
[0135][0136][0137][0138][0139]
根据上面所得到的劣化度，带入式(15)至(18)中的隶属度计算公式，即可求得隶属度矩阵，分别为：
[0140]
[0141][0142]
[0143][0144][0145][0146][0147]
步骤107：根据隶属度矩阵和预设评价集矩阵确定评估指标体系中每一评估指标的分值。其中，考虑到最后要实现量化评分，综合隶属度矩阵r和评价集矩阵v，得到各元素指标的单项分值q，为：
[0148]
q＝r
·vt (26)
[0149]
步骤108：基于分值和优化后的权重构建啤酒生产企业能效确定模型。
[0150]
即利用pso+ahp模型与fce方法，进行能效评估，具体实现过程为：
[0151]
利用pso+hp所得到的各因素指标权重ω，对基于fce模型得到的各元素指标的单
项分值q进行加权处理，可以得到啤酒厂能效量化评估模型为:
[0152]
c＝ω
·
q＝ω
·r·vt (27)
[0153]
根据式(26)的量化评价模型公式，可得如表6所示的量化评价模型结果。
[0154]
表6量化评价模型结果表
[0155][0156]cu
＝ωu·
[c
u1
,c
u2
,c
u3
,c
u4
,c
u5
,c
u6
,c
u7
]＝0.941 (28)
[0157]
步骤109：基于啤酒生产企业能效确定模型确定啤酒生产企业的能效。具体的，由式(28)可以看出，此时啤酒厂能效的评价得分为0.941，采用v＝{1,0.67,0.33,0}取值为{优，良，可，劣}的话，根据计算结果评定能效近于优，与该啤酒厂为新建企业的实际情况吻合。
[0158]
如果较低，就要具体评估是哪个环节造成的能效低或哪种能耗过高，查找造成跑冒滴漏的原因或哪个工艺、技术、设备相对落后或者调度需要优化还是回收利用有待提高还是制度考核不到位。
[0159]
基于上述描述，本发明提供的能效评估体系根据某啤酒厂(在老厂的基础上进行搬迁新建)的实际能耗数据与内控指标的差距，进行了问题分析和应用新工艺和新技术及新设备、专业人员调度、水汽回收利用及制度与考核等的梳理总结，遵循科学性、全面性、通用性与可操作性、系统性与层次性、定性与定量相结合等原则，并根据酿造行业啤酒企业生产的实际，选取了啤酒生产过程涉及的酿造、包装、动力等环节与影响能效的相关因素，构建了具有反映啤酒厂能源消效重要特征的能效评估系统框架，即能效评估指标体系，满足实际应用需要。
[0160]
此外，本发明基于劣化度的pso+ahp模型与fce方法可以从多个维度对企业能效进行评估，具有以下优点：
[0161]
1)劣化度可以对影响企业能效的各个因素进行局部、微观、精细化的分析与整改。根据上述表5计算出的83个因素的劣化度是把所有影响企业能效不同种类不同量纲的因素都转化成0-1的数值，便于比较各个工序、各具体技术指标对能效的影响，可见，包装听装线水耗的劣化度最大为0.959，通过与其他12个月数据对比，评价指标是0.173t/kl，其他月份基本处于0.04t/kl附近，评价结果与企业实际情况相吻合。新工艺和新技术及新设备的应用情况好，劣化度大都在0.5以下，一项0.8制冷效率需提升，三项为0的情况分别是减少预
浸泡槽与主洗碱槽温差、减少蒸汽浪费、优化糖化工艺应用的好。专业人员调度水平高，劣化度大都在0.2以下。水汽回收效果优，劣化度全部都在0.2以下，还有一项为0的情况即冷却水的循环使用效果好。制度与考核的落实到位，劣化度低是0.1和0.2。这样就从局部、微观的角度对影响能效的因素有了清晰而全面的认识与把握。
[0162]
2)量化评价模型计算结果，见表6是把不同量纲、不同性质的评价指标都转换成同样0-1的数值，这样可以在同一平台用同一尺度综合评价汽单耗、电单耗、水单耗量、新工艺和新技术及新设备应用、专业人员调度、水汽回收、制度与考核这七项指标对企业总体能效的影响，由表6可见专业人员调度得分最高，表明企业调度与管理水平高。电单耗低通过溯源看到是由于酿造的发酵、动力的制冷耗电量大，酿造发酵的电耗0.84kwh/kl、动力制冷电耗10.24kwh/kl，远高于其他12个月酿造发酵的电耗0.66kwh/kl、动力制冷电耗4.12kwh/kl，下一步可以有针对性的入手，来减少电耗提高能效。
[0163]
3)基于pso+ahp模型与fce的能效评估模型，可达到对企业能效整体、宏观、全面性的认识和掌握，各评价指标体现了定量与定性相结合。基于劣化度的pso+ahp模型与fce从多个维度对企业能效进行评估，通过python实验，结果表明，能效评估结果与企业实际情况吻合，可以有效完善现有能效评估方法的不足，为企业高效使用能源提供分析与优化手段，为进一步提高企业能源利用效率提供依据，对酿造行业其他啤酒生产企业具有一定的通用性。
[0164]
对应于上述提供的啤酒生产企业能效确定方法，本发明还提供了以下实施系统：
[0165]
一种啤酒生产企业能效确定系统，如图6所示，该系统包括：
[0166]
生产数据获取模块600，用于获取啤酒生产企业的生产数据。生产数据包括：汽耗数据、电耗数据、水耗数据和水汽回收数据。
[0167]
指标体系构建模块601，用于基于生产数据构建啤酒生产企业能效的评估指标体系。
[0168]
权重确定模块602，用于采用层次分析法确定评估指标体系中每一评估指标的权重。
[0169]
第一模型构建模块603，用于构建pso+ahp模型。pso+ahp模型为将粒子群优化算法应用到层次分析法后得到的模型。
[0170]
权重优化模块604，用于采用pso+ahp模型对权重进行优化得到优化后的权重。
[0171]
劣化度确定模块605，用于确定评估指标体系中每一评估指标的劣化度。
[0172]
隶属度确定模块606，用于采用模糊综合评判法根据劣化度确定评估指标体系中每一评估指标的隶属度，得到隶属度矩阵。
[0173]
分值确定模块607，用于根据隶属度矩阵和预设评价集矩阵确定评估指标体系中每一评估指标的分值。
[0174]
第二模型构建模块608，用于基于分值和优化后的权重构建啤酒生产企业能效确定模型。
[0175]
能效确定模块609，用于基于啤酒生产企业能效确定模型确定啤酒生产企业的能效。
[0176]
一种电子设备，如图7所示，该电子设备包括：
[0177]
存储器700，用于存储计算机逻辑控制指令。计算机逻辑控制指令用于实施上述提
供的啤酒生产企业能效确定方法。
[0178]
处理器701，与存储器700连接，用于调取并执行计算机逻辑控制指令，以确定啤酒生产企业的能效。
[0179]
进一步，电子设备中的存储器可以为计算机可读存储介质。处理器可以是计算机。
[0180]
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。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0181]
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。