基于模糊评判技术的储备资源优化模型及仿真试验

2023-09-05王静王耀霞

粘接 2023年8期

王静王耀霞

摘要：在市场需要导向下，为提升电力企业管理培训评估效果，设计基于模糊综合评判技术下电力营销优化配置模型评估方法，有效评估培训课程质量。利用数据库搜集电力营销企业管理相关资料；通过数据访问层采集与存储培训评估相关的数据；业务实体层利用系统管理模块根据存储的数据构建评估指标体系，培训评估管理技术模块依据指标体系通过模糊综合评判方法完成培训评估，按照欧式距离定义指标权重分配方案选择方法，获取最佳指标权重；通过外观和规则层控制不同级别用户查看评估结果权限，由用户界面层为用户呈现评估结果。实验表明，该系统可有效提升企业管理培训评估效果。

关键词：模糊综合评判；培训评估系统；欧式距离；权重分配方案

中图分类号： G712；TP391.4

文献标志码： A 文章编号： 1001-5922（2023）08-0189-04

Model optimization and simulation study of reserve resou

races based on fuzzy evaluation technology

WANG Jing，WANG Yaoxia

（Party school（Training Center） of State Grid GanSu Electric Power Company，Lanzhou 730070，China）

Abstract： Under the guidance of market needs，in order to improve the effect of management training evaluation of electric power enterprises.The evaluation method of electric power marketing optimization allocation model based on fuzzy comprehensive evaluation technology is designed to effectively evaluate the quality of training courses.Database was usde to collect power marketing enterprise management related information;Data related to training evaluation were collected and stored through the data access layer;The business entity layer used the system management module to build an evaluation index system according to the stored data.The training evaluation management technology module completed the training evaluation through the fuzzy comprehensive evaluation method according to the index system，and defined the index weight distribution scheme selection method according to the European distance to obtain the best index weight.The permissions of users were controlled at different levels to view the evaluation results through the appearance and rule layer;The user interface layer presented the evaluation results to the user.Experimental results showed that the system canld effectively improve the efficiency of optimal allocation model for power enterprises.

Key words： fuzzy comprehensive evaluation;training evaluation system;euclidean distance;weight allocation scheme

依據改进遗传算法设计电力营销管理技术评价系统，通过熵值法获取评价指标权重，通过改进遗传算法优化神经网络参数，塑造电力营销管理技术评估评价模型，有效完成电力营销优化模型评估评价，加快收敛速度[1]。云模型的主客观组合赋权方法设计评价系统，利用逆向云生成算法融合主客观权重，获取不确定正态云组合权重，排序理想组合赋权与求解的组合赋权间的正态云模型相似度值，获取最佳的赋权方案，依据赋权方案获取综合评价结果，该系统可有效实现质量评价，具备一定的可行性[2]。模糊综合评判的前提是模糊数学，属于模拟人脑分析模糊信息的一种方法，具备多级评判作用[3]，在处理不确定性问题领域具备明显的优越性，有效提升评估结果的客观性与精准性。为提升评估的互动性与实用性。

1 基于模糊综合评判的优化评估系统设计

1.1 基于模糊综合评判的指标分类

通过指标集 U= u 1，u 2，…，u m 、评判集 P= p 1，p 2，…，p n 、评判矩阵

V 组建模糊综合评判模型，令每个指标的权重是U 内的模糊子集 W= w 1，w 2，…，w m ，与第 i 个指标相应的权重是 w i ，同时 ∑ m i=1 w i=1 ；第 i个指标的评判是U至P 中的模糊关系 V i v i1，v i2，…，v in ，则m 个指标的 V 如下：

V= ∪ m i=1 V i= v ij m×n= v 11 v 12 … v 1nv 21 v 22 … v 2n … v m1 v m2 … v mn （1）

综合评判结果为：

F=W·V= f 1，f 2，…，f n （2）

电力营销管理培训评估需要参考的评价指标较多，同时每个指标间存在一定的层次[4]，这就需要将 U展开分类，对各类展开综合评判，再对评判结果展开多层次综合评判。因此U 内的 u 1 通过 k 个子指标构建为 u 1= u 11，u 12，…，u 1k ， u 2通过a 个子指标构建为 u 2= u 21，u 22，…，u 2o ；同理 u m 通过l个子指标构建为 u m= u m1，u m2，…，u ml 。

针对 u i 内的单一子指标 u ig ，通过每个评估指标的评判结果获取 V l i ：

V（l） i= v（l） ig m×n （3）

按照合成运算公式获取 F（l） i=W（l） i-V（l） i= f（l） i1，f（l） i2，…，f（l） in ，即获取一级模糊评判结果[14]；再将 F（l） i 当成 u i 的单指标评判向量，获取有关 U 的所有指标的 V 2 ：

V 2 = F（l） 1F（l） 2 F（l） m = f（l） 11，f（l） 12，…，f（l） 1nf（l） 21，f（l） 22，…，f（l） 2n ，，…， f（l） m1，f（l） m2，…，f（l） mn （4）

最终获取 U 的综合评判向量：

F 2 =W 2 ·V 2 = w 1，w 2，…，w m ·V 2 = f 1，f 2，…，f n （5）

在评估体系内存在数个评估主体，分别求解各评估主体的综合评判向量 F 1，F 2，F 3，… ，获取总体综合评判矩阵 V = F 1，F 2，F 3，… ，按照各评估主体所占权重 W= W 1，W 2，W 3，… ，获取 F=W·V，属于最终评估结果矩阵，依据F获取最终的综合评价值Y（得分）Y=F·GT ，评估等级评分行向量的转置是 G 。

1.2 分类评判模型权重分配计算

利用欧式距离描绘权重分配方案 β可替换权重分配方案α 的可行度：

d ε α，β = ∑ m i=1 α i－β i 2 1/2 （6）

按照 d 可定义指标权重分配方案的选择方法，设 W′= w′ 1，w′ 2，…，w′ s 是一个权重分配方案，指标数量是s，按照一致类别内每个单个指标的权重集合[5]。设数个专家设计的不同指标权重分配方案集合是 W - s= W′ 1，W′ 2，…，W′ s ，专家设计的指标权重分配方案数量是 s，在s 个分配方案内选择一个可符合全部其余权重分配方案的权重分配，就是在 W - 内选择一个 W′ ， W′ 需具备代表性，令其符合：

W′= arg max ∑ s ε=1 d W″，W′ ε （7）

根据此结果进行供电局储备物资强化分类，实现基于模糊综合评判的物资分类。

1.3 优化模型状态评估

在纯粹竞争的市场中，私有发电公司充当价格接受者并向市场竞标其边际成本函数，而在电力市场中，私有发电公司代理商提交偏离其边际成本曲线的竞标函数，以最大程度地提高其预期收益利润，定价私有发电公司行使一定程度的市场支配力。本文采用线性供给函数均衡模型进行私有发电公司的投标程序。因此，提交给市场电力营销代理的投标函数 B g i 是私有发电公司输出功率的线性函数，可表示为：

B g i（P i）=a i+b iP i （8）

式中： P i 为输出功率的二次函数；系数 a i 和 b i 由私有发电公司分配，以最大化其预期利润水平。因此，战略招标问题的目标是优化私有发电公司的招标功能参数。本研究通过截距参数化确定更加准确的投标函数 B g i ，可表示为：

B g i（P i）=a i+O i+b iP i （9）

式中： O i 为战略参数；确定 B g i 的偏离程度通过对私有发电公司代理模型的介绍，每个代理分别执行的分步算法如下：

（1）在市场清算后。使用公开可用的总需求和供应函数为最新一轮拍卖构建剩余需求曲线；使用构造的剩余需求曲线通过创建作为 O i 函数的利润曲线以获得战略参数的最佳值；使用线性回归参数化剩余需求曲线并获得 A和B；使用获得的A（參数a的集合），B（参数b的集合）和评估模型需求时间值D以更新座席数据历史记录；使用更新的数据历史记录，并执行稀疏贝叶斯网络以更新基于贝叶斯网络的信任体系；

（2）DA/HA在时间 T+1 的未来一轮市场的最佳出价。在基于贝叶斯网络的评估模型上执行基于概率的基于粒子的正向采样，以预测DA/HA下一轮的参数值；使用最佳战略参数的预测值构造出价功能。将竞标功能提交给市场电力营销代理[6]。

综上所述，每个代理都可以在可接受的误差下实时最大化利润。因此，这种交互式决策者的分布式系统接近纳什平衡。

1.4 供电局储备物资定额评估

对储备物资实行定额管理，主要是为了消除由于供应商供货周期而导致的可能出现的需求物资缺货、断货的情况。

安全库存量可以减少企业因缺货而导致的缺货成本，它的确定主要用于满足物资订货提前期的要求，保证企业正常生产经营活动和突发的抢修维护等所产生的物资需求[7]。確定每品类物资安全库存量时，需整理以下数据：

（1）订货提前期，即物资从提出采购申请到实际到货所需要的天数；

（2）物资每年需求量，即物资每年出库数，若物资在出库以后发生退库，则需要将退库数量进行剔除；

（3）物资上年度每次采购金额及数量；

（4）近3～5年物资的年实际使用数量数据。近3～5年物资的实际使用数量可用于对未来需求量预测的参考。

安全库存量计算公式为：

SS=β×σ Dt （10）

式中： SS 为物资安全库存量； σ Dt 为订货提前期内物资出库量标准差； β 为安全系数，它根据预先设定的物资不缺货概率（服务水平）求出，其取值如表1所示。

根据安全系数取值实现培训评估。

2 实验分析

以供电企业营销管理平台为实验对象，利用本文系统评估该电力营销管理培训评估效果，分析该电力营销管理平台的培训效果。评判集分别代表好、较好、一般、较差、差；电力营销管理平台的培训等级分数表如表2所示[8]。

利用本文系统获取电力营销管理培训评估指标权重，对比不同方法的培训评估效果，结果如表3所示。

由表3可知，当数据量为100 GB时，熵值法系统的电力营销管理培训评估耗时为26 s，主客观组合赋权系统的的电力营销管理培训评估耗时为33 s，本文系统的电力营销管理培训评估耗时为1.5 s。当数据量为300 GB时，熵值法系统的电力营销管理培训评估耗时为42 s，主客观组合赋权系统的的电力营销管理培训评估耗时为46 s，本文系统的电力营销管理培训评估耗时为2.2 s。本文系统的电力营销管理培训评估效果明显较高[9]。

数据采集属于系统的基础操作，为确保系统评估的精准性，便需精准的数据作为支持，凸显了数据采集的重要性。检测本文系统在采集该电力营销管理系统内与培训课程评估相关的数据时的资源发现率，资源发现率越高，说明系统数据采集效果越佳，测试结果如图1所示。

由图1可知，随着数据量的增加，本文系统采集数据的资源发现率呈上升趋势，当数据量达到35 TB时，本文系统采集数据的资源发现率接近100%，说明此时数据采集效果最佳，当数据量较少时，本文系统的最低资源发现率已超过96.5%，此时的资源发现率也较高。实验证明：本文系统在数据采集时具备较高的资源发现率，说明本文系统的数据采集效果较佳，可采集到更多的有价值数据[10]。

为验证本文系统的数据存储性能，选取文献[1]与文献[2]的改进GA-BP神经网络评价系统与不确定正态云组合权重的评价系统为对比系统，记作系统1与系统2，测试3个系统在存储不同请求数量的存储数据总量与拒绝次数，测试结果如图2所示。

由图2可知，请求数量越多，3个系统的存储数据总量均有所增长，本文系统的增长幅度最大，在不同请求数量时，本文系统的存储数据总量均显著高于其余2个系统，说明本文系统在存储数据方面具备较优的存储性能；请求数量与3个系统的拒绝次数呈正比，本文系统随请求数量增加而提升的幅度较小，增长速度较为缓慢，其余2个系统的拒绝次数增长速度较快，说明本文系统能够尽可能满足系统的全部数据存储请求，拒绝次数最低。

3 结语

本文设计一种基于模糊综合评判的电力营销管理培训评估方法，依据模糊综合评判方法获取综合评估结果。经由实验测试可知，本文方法在评估领域具备较好的应用效果。

【参考文献】

[1] 岳琪，温新.改进GA-BP神经网络在高校教学质量评价中的应用[J].黑龙江大学自然科学学报，2019，36（3）：353-358.

[2] 龚艳冰，巢妍.基于不确定正态云组合权重的综合评价方法研究[J].统计与信息论坛，2020，35（5）：3-8.

[3] 李金涛，张琼，王建勋，等.基于模糊综合评价法的健康促进学校建设能力评价[J].中国健康教育，2019，35（1）：58-61.

[4] 杜驰平.基于层次分析法对教师考核中教学指标权重的计算[J].福建茶叶，2020，42（3）：335-336.

[5] 方炜杰，尹泽锋，巩晓婷，等.基于不确定理论的CBRB规则激活权重计算方法[J].福州大学学报（自然科学版），2020，48（3）：283-288.

[6] 洪雅宁.数据挖掘视域下电力营销稽查业务监管系统的设计研究[J].电工技术，2023，（6）：177-179.

[7] 萧展辉，邹文景，邓丽娟，等.电力营销客户服务中台数据传输安全自动监测技术[J].自动化与仪器仪表，2022，（10）：111-114.

[8] 李素莹.差异化密度聚类下的电力节能业务精准营销算法[J].粘接，2022，49（5）：112-116.

[9] 高宏，张俊岭，宋晓东，等.基于人工智能算法模型的化工电力安全监控技术[J].粘接，2022，49（3）：186-191.