發電廠不同機組間各班組小指標排名方法探討

閆海行

(大唐魯北發電有限責任公司 發電部，山東 濱州 251909)

發電廠不同機組間各班組小指標排名方法探討

閆海行

(大唐魯北發電有限責任公司 發電部，山東 濱州 251909)

指標競賽是發電廠集控運作工作中的一項重點工作，小指標是一臺機組整體性能的體現，也是運行人員操作水平的體現，同樣是績效考核管理系統的重要組成部分。由于發電廠不同機組間設備性能的差異，小指標得分不盡相同，甚至有很大差異，由于操作水平的不同，同臺組不同班組間小指標得分也有較大差異。原則上講，不同機組間的小指標得分是沒有可比性的，但是有些時候需要把所有班組放到一起綜合比較，這就給每個班組的指標得分排名帶來了困難。本文在指標修正上提出了幾種算法，試圖尋找一種更為合理的辦法，使不同機組間的小指標得分排名更為公平。

發電廠；集控運行；指標競賽；績效得分；指標修正；平均數；方差

0 前言

大唐魯北發電有限責任公司成立于2009年3月25日，建設有兩臺330MW燃煤熱電聯產機組，分別于2009年9月21日和12月20日投產發電。指標競賽是發電廠集控運行工作中的一項重點工作，由于兩臺機組設備性能的差異，造成績效得分有所不同，1、2號機在整體上有很大差異，而且每個班組由于運行人員操作水平或設備運行狀況的不同，績效得分也有較大差異。因為績效得分與個人獎金分配和崗位晉升有很大關系，這就給兩臺機5個值相當于10個班組的綜合評價帶來了困難。所以我們希望這個綜合評價越合理、越公平越好，下文將就這個問題展開論述，尋找一種計算方法，使每個班組的排名更加科學合理。

1 平均數與方差的性質

（1）如果一組數據x1，x2，……，xn的平均數為x，方差為s2，那么一組新數據ax1，ax2……，axn的平均數為ax，方差是a2s2.

（2）如果數據x1，x2，……，xn的平均數為x，方差為s2，那么一組新數據x1+b，x2+b，……xn+b的平均數為x+b，方差是s2.

（3）如果數據x1，x2，……，xn的平均數為 x，方差為s2，那么一組新數據ax1+b，ax2+b，……，axn+b的平均數為ax+b，方差是a2s2.

2 指標修正

不同機組間的小指標得分差距很大，顯然把每個班組實際的得分放到一起排名是不合理的，我們一般采取的辦法是將一臺機組的小指標得分修正一下再和另一臺機組做比較，修正的原則是使兩臺機的平均得分相同，也就是每臺機的總分相同。

以2013年4月份大唐魯北發電廠兩臺機組的小指標得分為例：

1號機指標得分：一值16.18，二值14.14，三值14.25，四值16.82，五值15.83，平均得分15.45，方差1.14。

2號機指標得分：一值23.09，二值21.93，三值21.74，四值21.08，五值22.72，平均得分22.11，方差0.51。

兩臺機組的得分相差很大，顯然直接給這10個數據排名是不合理的，一般情況下，我們把分數較少的1號機平均得分提高，使兩臺機組平均得分相同。我們將1號機和2號機指標得分命名為數組1和數組2。

2.1 算法一

計算兩組數據平均數的倍數為1.432。即將1號機的指標得分乘以1.432，假設1號機原指標為x，修正指標為y，那么y=1.432x，可獲得1號機五個值的修正指標：一值23.17，二值20.24，三值20.40，四值24.08，五值22.66。這五組數的方差是2.34。

2.2 算法二

計算兩組數據平均數的差為6.67。即將1號機的指標得分加上6.67。假設1號機原指標為x，修正指標為y，那么y=x+6.67，可獲得1號機五個值的修正指標：一值22.85，二值20.81，三值20.92，四值23.48，五值22.5。這五組數的方差是1.14。

2.3 算法三

按照上面的性質 3，已知1號機原數據平均數x=15.45，方差s2=1.14，求一組新數據y使y=ax+b，滿足下列方程式：

于是可獲得1號機五個值的修正指標：一值22.61，二值21.24，三值21.31，四值23.03，五值22.37。這五組數的方差是0.51。

3 算法分析

第一種算法獲得的數據方差為2.34，比原始數據的方差大了1.2，第二種算法獲得的數據方差是1.14，與原始數據方差相同。這就是說第一種算法把1號機五個值之間的相對得分差距拉大了，使得分高的班組修正得分相對更高，得分低的班組修正得分相對更低。第二種算法縮小了第一名與第五名的得分差但卻保持了原來的相對得分差距。因此算法二要優于算法一，它的波動性更小，數據更向平均數靠攏，在1號機五個班組間是相對公平的。

2號機各班組的得分數據方差是0.51，說明2號機運行人員水平更加平均，或者設備運行情況更加穩定。1號機經過修正后的數據方差后依然是1.14，遠大于0.51，這說明1號機運行人員調整水平差距過大或者設備運行情況不穩定，過高的平均分差加在1號機數據上后，使1號機得分高的班組遠大于2號機各班組，得分低的班組遠低于2號機各班組，采取第一種算法甚至會使這個差距更大，這對2號機的各班組是不公平的。因此某臺機組過高的得分差距會使前兩種算法獲得的修正數據對某些班組產生不公平。

產生這種現象的原因是修正后的1、2號機數據雖然有著相同的平均數，但方差不同。算法三就是使修正后的1號機數據與2號機數據既有著相同的平均數又有著相等的方差。將1號機修正后的三組數據和2號機的數據放到一組曲線中如下圖所示：

可以看出，算法三獲得的修正數據相對算法一、二更為集中穩定，這種算法相對更加合理。

4 結論

沒有絕對的公平，只有相對的合理。上述三種算法所得的得分差距很小，實際上，由于機組不同，根本沒有一種完全公平的算法來解決這個問題。以上三種算法是以得分較高的2號機為基準的，如果取全年12個月的指標得分做比較，未必每個月都是2號機得分高或者方差小，如果1號機的得分方差小，也可以1號機為標準來修正2號機指標，而且這也是一種更為合理的做法。本文認為只要是兩臺機的得分數據平均數相同，方差相等，就是一種相對合理的比較。本文的算法同樣適合多臺發電機組間各個班組間的指標排名比較。

［1］宗序平.概率論與數理統計[M].2011-5-1.

湯靜］