王靜 王耀霞

摘 要： 在市場需要導(dǎo)向下，為提升電力企業(yè)管理培訓(xùn)評估效果，設(shè)計(jì)基于模糊綜合評判技術(shù)下電力營銷優(yōu)化配置模型評估方法，有效評估培訓(xùn)課程質(zhì)量。利用數(shù)據(jù)庫搜集電力營銷企業(yè)管理相關(guān)資料；通過數(shù)據(jù)訪問層采集與存儲培訓(xùn)評估相關(guān)的數(shù)據(jù)；業(yè)務(wù)實(shí)體層利用系統(tǒng)管理模塊根據(jù)存儲的數(shù)據(jù)構(gòu)建評估指標(biāo)體系，培訓(xùn)評估管理技術(shù)模塊依據(jù)指標(biāo)體系通過模糊綜合評判方法完成培訓(xùn)評估，按照歐式距離定義指標(biāo)權(quán)重分配方案選擇方法，獲取最佳指標(biāo)權(quán)重；通過外觀和規(guī)則層控制不同級別用戶查看評估結(jié)果權(quán)限，由用戶界面層為用戶呈現(xiàn)評估結(jié)果。實(shí)驗(yàn)表明，該系統(tǒng)可有效提升企業(yè)管理培訓(xùn)評估效果。

關(guān)鍵詞： 模糊綜合評判；培訓(xùn)評估系統(tǒng)；歐式距離；權(quán)重分配方案

中圖分類號： G712；TP391.4

文獻(xiàn)標(biāo)志碼： A ?文章編號： 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(jù)改進(jìn)遺傳算法設(shè)計(jì)電力營銷管理技術(shù)評價(jià)系統(tǒng)，通過熵值法獲取評價(jià)指標(biāo)權(quán)重，通過改進(jìn)遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)，塑造電力營銷管理技術(shù)評估評價(jià)模型，有效完成電力營銷優(yōu)化模型評估評價(jià)，加快收斂速度[1]。云模型的主客觀組合賦權(quán)方法設(shè)計(jì)評價(jià)系統(tǒng)，利用逆向云生成算法融合主客觀權(quán)重，獲取不確定正態(tài)云組合權(quán)重，排序理想組合賦權(quán)與求解的組合賦權(quán)間的正態(tài)云模型相似度值，獲取最佳的賦權(quán)方案，依據(jù)賦權(quán)方案獲取綜合評價(jià)結(jié)果，該系統(tǒng)可有效實(shí)現(xiàn)質(zhì)量評價(jià)，具備一定的可行性[2]。模糊綜合評判的前提是模糊數(shù)學(xué)，屬于模擬人腦分析模糊信息的一種方法，具備多級評判作用[3]，在處理不確定性問題領(lǐng)域具備明顯的優(yōu)越性，有效提升評估結(jié)果的客觀性與精準(zhǔn)性。為提升評估的互動(dòng)性與實(shí)用性。

1 基于模糊綜合評判的優(yōu)化評估系統(tǒng)設(shè)計(jì)

1.1 基于模糊綜合評判的指標(biāo)分類

通過指標(biāo)集 U= u 1，u 2，…，u m ?、評判集 P= p 1，p 2，…，p n ?、評判矩陣

V ?組建模糊綜合評判模型，令每個(gè)指標(biāo)的權(quán)重是U 內(nèi)的模糊子集 W= w 1，w 2，…，w m ?，與第 i 個(gè)指標(biāo)相應(yīng)的權(quán)重是 w i ，同時(shí) ∑ m i=1 w i=1 ；第 i個(gè)指標(biāo)的評判是U至P 中的模糊關(guān)系 V i v i1，v i2，…，v in ，則m 個(gè)指標(biāo)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）

綜合評判結(jié)果為：

F=W·V= f 1，f 2，…，f n ???（2）

電力營銷管理培訓(xùn)評估需要參考的評價(jià)指標(biāo)較多，同時(shí)每個(gè)指標(biāo)間存在一定的層次[4]，這就需要將 U展開分類，對各類展開綜合評判，再對評判結(jié)果展開多層次綜合評判。因此U 內(nèi)的 u 1 通過 k 個(gè)子指標(biāo)構(gòu)建為 u 1= u 11，u 12，…，u 1k ?， u 2通過a 個(gè)子指標(biāo)構(gòu)建為 u 2= u 21，u 22，…，u 2o ?；同理 u m 通過l個(gè)子指標(biāo)構(gòu)建為 u m= u m1，u m2，…，u ml ?。

針對 u i 內(nèi)的單一子指標(biāo) u ig ，通過每個(gè)評估指標(biāo)的評判結(jié)果獲取 V l ?i ：

V（l） i= v（l） ig ?m×n ??（3）

按照合成運(yùn)算公式獲取 F（l） i=W（l） i-V（l） i= f（l） i1，f（l） i2，…，f（l） in ?，即獲取一級模糊評判結(jié)果[14]；再將 F（l） i 當(dāng)成 u i 的單指標(biāo)評判向量，獲取有關(guān) U 的所有指標(biāo)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）

最終獲取 U 的綜合評判向量：

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

在評估體系內(nèi)存在數(shù)個(gè)評估主體，分別求解各評估主體的綜合評判向量 F 1，F(xiàn) 2，F(xiàn) 3，… ，獲取總體綜合評判矩陣 V = ?F 1，F(xiàn) 2，F(xiàn) 3，… ?，按照各評估主體所占權(quán)重 ?W= W 1，W 2，W 3，… ?，獲取 F=W·V，屬于最終評估結(jié)果矩陣，依據(jù)F獲取最終的綜合評價(jià)值Y（得分）Y=F·GT ，評估等級評分行向量的轉(zhuǎn)置是 G 。

1.2 分類評判模型權(quán)重分配計(jì)算

利用歐式距離描繪權(quán)重分配方案 β可替換權(quán)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 可定義指標(biāo)權(quán)重分配方案的選擇方法，設(shè) W′= w′ 1，w′ 2，…，w′ s ?是一個(gè)權(quán)重分配方案，指標(biāo)數(shù)量是s，按照一致類別內(nèi)每個(gè)單個(gè)指標(biāo)的權(quán)重集合[5]。設(shè)數(shù)個(gè)專家設(shè)計(jì)的不同指標(biāo)權(quán)重分配方案集合是 W - ?s= W′ 1，W′ 2，…，W′ s ?，專家設(shè)計(jì)的指標(biāo)權(quán)重分配方案數(shù)量是 s，在s 個(gè)分配方案內(nèi)選擇一個(gè)可符合全部其余權(quán)重分配方案的權(quán)重分配，就是在 W - ?內(nèi)選擇一個(gè) W′ ， W′ 需具備代表性，令其符合：

W′= arg ??max ∑ s ε=1 d W″，W′ ε ???（7）

根據(jù)此結(jié)果進(jìn)行供電局儲備物資強(qiáng)化分類，實(shí)現(xiàn)基于模糊綜合評判的物資分類。

1.3 優(yōu)化模型狀態(tài)評估

在純粹競爭的市場中，私有發(fā)電公司充當(dāng)價(jià)格接受者并向市場競標(biāo)其邊際成本函數(shù)，而在電力市場中，私有發(fā)電公司代理商提交偏離其邊際成本曲線的競標(biāo)函數(shù)，以最大程度地提高其預(yù)期收益利潤，定價(jià)私有發(fā)電公司行使一定程度的市場支配力。本文采用線性供給函數(shù)均衡模型進(jìn)行私有發(fā)電公司的投標(biāo)程序。因此，提交給市場電力營銷代理的投標(biāo)函數(shù) B g i 是私有發(fā)電公司輸出功率的線性函數(shù)，可表示為：

B g i（P i）=a i+b iP i ??（8）

式中： P i 為輸出功率的二次函數(shù)；系數(shù) a i 和 b i 由私有發(fā)電公司分配，以最大化其預(yù)期利潤水平。因此，戰(zhàn)略招標(biāo)問題的目標(biāo)是優(yōu)化私有發(fā)電公司的招標(biāo)功能參數(shù)。本研究通過截距參數(shù)化確定更加準(zhǔn)確的投標(biāo)函數(shù) B g i ，可表示為：

B g i（P i）=a i+O i+b iP i ??（9）

式中： O i 為戰(zhàn)略參數(shù)；確定 B g i 的偏離程度通過對私有發(fā)電公司代理模型的介紹，每個(gè)代理分別執(zhí)行的分步算法如下：

（1）在市場清算后。使用公開可用的總需求和供應(yīng)函數(shù)為最新一輪拍賣構(gòu)建剩余需求曲線；使用構(gòu)造的剩余需求曲線通過創(chuàng)建作為 O i 函數(shù)的利潤曲線以獲得戰(zhàn)略參數(shù)的最佳值；使用線性回歸參數(shù)化剩余需求曲線并獲得 A和B；使用獲得的A（參數(shù)a的集合），B（參數(shù)b的集合）和評估模型需求時(shí)間值D以更新座席數(shù)據(jù)歷史記錄；使用更新的數(shù)據(jù)歷史記錄，并執(zhí)行稀疏貝葉斯網(wǎng)絡(luò)以更新基于貝葉斯網(wǎng)絡(luò)的信任體系；

（2）DA/HA在時(shí)間 T+1 的未來一輪市場的最佳出價(jià)。在基于貝葉斯網(wǎng)絡(luò)的評估模型上執(zhí)行基于概率的基于粒子的正向采樣，以預(yù)測DA/HA下一輪的參數(shù)值；使用最佳戰(zhàn)略參數(shù)的預(yù)測值構(gòu)造出價(jià)功能。將競標(biāo)功能提交給市場電力營銷代理[6]。

綜上所述，每個(gè)代理都可以在可接受的誤差下實(shí)時(shí)最大化利潤。因此，這種交互式?jīng)Q策者的分布式系統(tǒng)接近納什平衡。

1.4 供電局儲備物資定額評估

對儲備物資實(shí)行定額管理，主要是為了消除由于供應(yīng)商供貨周期而導(dǎo)致的可能出現(xiàn)的需求物資缺貨、斷貨的情況。

安全庫存量可以減少企業(yè)因缺貨而導(dǎo)致的缺貨成本，它的確定主要用于滿足物資訂貨提前期的要求，保證企業(yè)正常生產(chǎn)經(jīng)營活動(dòng)和突發(fā)的搶修維護(hù)等所產(chǎn)生的物資需求[7]。確定每品類物資安全庫存量時(shí)，需整理以下數(shù)據(jù)：

（1）訂貨提前期，即物資從提出采購申請到實(shí)際到貨所需要的天數(shù)；

（2）物資每年需求量，即物資每年出庫數(shù)，若物資在出庫以后發(fā)生退庫，則需要將退庫數(shù)量進(jìn)行剔除；

（3）物資上年度每次采購金額及數(shù)量；

（4）近3～5年物資的年實(shí)際使用數(shù)量數(shù)據(jù)。近3～5年物資的實(shí)際使用數(shù)量可用于對未來需求量預(yù)測的參考。

安全庫存量計(jì)算公式為：

SS=β×σ Dt ??（10）

式中： SS 為物資安全庫存量； σ Dt 為訂貨提前期內(nèi)物資出庫量標(biāo)準(zhǔn)差； ?β 為安全系數(shù)，它根據(jù)預(yù)先設(shè)定的物資不缺貨概率（服務(wù)水平）求出，其取值如表1所示。

根據(jù)安全系數(shù)取值實(shí)現(xiàn)培訓(xùn)評估。

2 實(shí)驗(yàn)分析

以供電企業(yè)營銷管理平臺為實(shí)驗(yàn)對象，利用本文系統(tǒng)評估該電力營銷管理培訓(xùn)評估效果，分析該電力營銷管理平臺的培訓(xùn)效果。評判集分別代表好、較好、一般、較差、差；電力營銷管理平臺的培訓(xùn)等級分?jǐn)?shù)表如表2所示[8]。

利用本文系統(tǒng)獲取電力營銷管理培訓(xùn)評估指標(biāo)權(quán)重，對比不同方法的培訓(xùn)評估效果，結(jié)果如表3所示。

由表3可知，當(dāng)數(shù)據(jù)量為100 GB時(shí)，熵值法系統(tǒng)的電力營銷管理培訓(xùn)評估耗時(shí)為26 s，主客觀組合賦權(quán)系統(tǒng)的的電力營銷管理培訓(xùn)評估耗時(shí)為33 s，本文系統(tǒng)的電力營銷管理培訓(xùn)評估耗時(shí)為1.5 s。當(dāng)數(shù)據(jù)量為300 GB時(shí)，熵值法系統(tǒng)的電力營銷管理培訓(xùn)評估耗時(shí)為42 s，主客觀組合賦權(quán)系統(tǒng)的的電力營銷管理培訓(xùn)評估耗時(shí)為46 s，本文系統(tǒng)的電力營銷管理培訓(xùn)評估耗時(shí)為2.2 s。本文系統(tǒng)的電力營銷管理培訓(xùn)評估效果明顯較高[9]。

數(shù)據(jù)采集屬于系統(tǒng)的基礎(chǔ)操作，為確保系統(tǒng)評估的精準(zhǔn)性，便需精準(zhǔn)的數(shù)據(jù)作為支持，凸顯了數(shù)據(jù)采集的重要性。檢測本文系統(tǒng)在采集該電力營銷管理系統(tǒng)內(nèi)與培訓(xùn)課程評估相關(guān)的數(shù)據(jù)時(shí)的資源發(fā)現(xiàn)率，資源發(fā)現(xiàn)率越高，說明系統(tǒng)數(shù)據(jù)采集效果越佳，測試結(jié)果如圖1所示。

由圖1可知，隨著數(shù)據(jù)量的增加，本文系統(tǒng)采集數(shù)據(jù)的資源發(fā)現(xiàn)率呈上升趨勢，當(dāng)數(shù)據(jù)量達(dá)到35 TB時(shí)，本文系統(tǒng)采集數(shù)據(jù)的資源發(fā)現(xiàn)率接近100%，說明此時(shí)數(shù)據(jù)采集效果最佳，當(dāng)數(shù)據(jù)量較少時(shí)，本文系統(tǒng)的最低資源發(fā)現(xiàn)率已超過96.5%，此時(shí)的資源發(fā)現(xiàn)率也較高。實(shí)驗(yàn)證明：本文系統(tǒng)在數(shù)據(jù)采集時(shí)具備較高的資源發(fā)現(xiàn)率，說明本文系統(tǒng)的數(shù)據(jù)采集效果較佳，可采集到更多的有價(jià)值數(shù)據(jù)[10]。

為驗(yàn)證本文系統(tǒng)的數(shù)據(jù)存儲性能，選取文獻(xiàn)[1]與文獻(xiàn)[2]的改進(jìn)GA-BP神經(jīng)網(wǎng)絡(luò)評價(jià)系統(tǒng)與不確定正態(tài)云組合權(quán)重的評價(jià)系統(tǒng)為對比系統(tǒng)，記作系統(tǒng)1與系統(tǒng)2，測試3個(gè)系統(tǒng)在存儲不同請求數(shù)量的存儲數(shù)據(jù)總量與拒絕次數(shù)，測試結(jié)果如圖2所示。

由圖2可知，請求數(shù)量越多，3個(gè)系統(tǒng)的存儲數(shù)據(jù)總量均有所增長，本文系統(tǒng)的增長幅度最大，在不同請求數(shù)量時(shí)，本文系統(tǒng)的存儲數(shù)據(jù)總量均顯著高于其余2個(gè)系統(tǒng)，說明本文系統(tǒng)在存儲數(shù)據(jù)方面具備較優(yōu)的存儲性能；請求數(shù)量與3個(gè)系統(tǒng)的拒絕次數(shù)呈正比，本文系統(tǒng)隨請求數(shù)量增加而提升的幅度較小，增長速度較為緩慢，其余2個(gè)系統(tǒng)的拒絕次數(shù)增長速度較快，說明本文系統(tǒng)能夠盡可能滿足系統(tǒng)的全部數(shù)據(jù)存儲請求，拒絕次數(shù)最低。

3 結(jié)語

本文設(shè)計(jì)一種基于模糊綜合評判的電力營銷管理培訓(xùn)評估方法，依據(jù)模糊綜合評判方法獲取綜合評估結(jié)果。經(jīng)由實(shí)驗(yàn)測試可知，本文方法在評估領(lǐng)域具備較好的應(yīng)用效果。

【參考文獻(xiàn)】

[1] ?岳琪，溫新.改進(jìn)GA-BP神經(jīng)網(wǎng)絡(luò)在高校教學(xué)質(zhì)量評價(jià)中的應(yīng)用[J].黑龍江大學(xué)自然科學(xué)學(xué)報(bào)，2019，36（3）：353-358.

[2] 龔艷冰，巢妍.基于不確定正態(tài)云組合權(quán)重的綜合評價(jià)方法研究[J].統(tǒng)計(jì)與信息論壇，2020，35（5）：3-8.

[3] 李金濤，張瓊，王建勛，等.基于模糊綜合評價(jià)法的健康促進(jìn)學(xué)校建設(shè)能力評價(jià)[J].中國健康教育，2019，35（1）：58-61.

[4] 杜馳平.基于層次分析法對教師考核中教學(xué)指標(biāo)權(quán)重的計(jì)算[J].福建茶葉，2020，42（3）：335-336.

[5] 方煒杰，尹澤鋒，鞏曉婷，等.基于不確定理論的CBRB規(guī)則激活權(quán)重計(jì)算方法[J].福州大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（3）：283-288.

[6] 洪雅寧.數(shù)據(jù)挖掘視域下電力營銷稽查業(yè)務(wù)監(jiān)管系統(tǒng)的設(shè)計(jì)研究[J].電工技術(shù)，2023，（6）：177-179.

[7] 蕭展輝，鄒文景，鄧麗娟，等.電力營銷客戶服務(wù)中臺數(shù)據(jù)傳輸安全自動(dòng)監(jiān)測技術(shù)[J].自動(dòng)化與儀器儀表，2022，（10）：111-114.

[8] 李素瑩.差異化密度聚類下的電力節(jié)能業(yè)務(wù)精準(zhǔn)營銷算法[J].粘接，2022，49（5）：112-116.

[9] ?高宏，張俊嶺，宋曉東，等.基于人工智能算法模型的化工電力安全監(jiān)控技術(shù)[J].粘接，2022，49（3）：186-191.

[10] 張霄，李疆生，金廣祥，等.面向風(fēng)險(xiǎn)均衡的電力通信專網(wǎng)路由優(yōu)化研究[J].粘接，2021，45（3）：84-87.