基于模糊評判技術的儲備資源優化模型及仿真試驗

王靜 王耀霞

摘 要： 在市場需要導向下，為提升電力企業管理培訓評估效果，設計基于模糊綜合評判技術下電力營銷優化配置模型評估方法，有效評估培訓課程質量。利用數據庫搜集電力營銷企業管理相關資料；通過數據訪問層采集與存儲培訓評估相關的數據；業務實體層利用系統管理模塊根據存儲的數據構建評估指標體系，培訓評估管理技術模塊依據指標體系通過模糊綜合評判方法完成培訓評估，按照歐式距離定義指標權重分配方案選擇方法，獲取最佳指標權重；通過外觀和規則層控制不同級別用戶查看評估結果權限，由用戶界面層為用戶呈現評估結果。實驗表明，該系統可有效提升企業管理培訓評估效果。

關鍵詞： 模糊綜合評判；培訓評估系統；歐式距離；權重分配方案

中圖分類號： G712；TP391.4

文獻標志碼： 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

依據改進遺傳算法設計電力營銷管理技術評價系統，通過熵值法獲取評價指標權重，通過改進遺傳算法優化神經網絡參數，塑造電力營銷管理技術評估評價模型，有效完成電力營銷優化模型評估評價，加快收斂速度[1]。云模型的主客觀組合賦權方法設計評價系統，利用逆向云生成算法融合主客觀權重，獲取不確定正態云組合權重，排序理想組合賦權與求解的組合賦權間的正態云模型相似度值，獲取最佳的賦權方案，依據賦權方案獲取綜合評價結果，該系統可有效實現質量評價，具備一定的可行性[2]。模糊綜合評判的前提是模糊數學，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域具備明顯的優越性，有效提升評估結果的客觀性與精準性。為提升評估的互動性與實用性。

1 基于模糊綜合評判的優化評估系統設計

1.1 基于模糊綜合評判的指標分類

通過指標集 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，令每個指標的權重是U 內的模糊子集 W= w 1，w 2，…，w m ?，與第 i 個指標相應的權重是 w i ，同時 ∑ m i=1 w i=1 ；第 i個指標的評判是U至P 中的模糊關系 V i v i1，v i2，…，v in ，則m 個指標的 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）

綜合評判結果為：

F=W·V= f 1，f 2，…，f n ???（2）

電力營銷管理培訓評估需要參考的評價指標較多，同時每個指標間存在一定的層次[4]，這就需要將 U展開分類，對各類展開綜合評判，再對評判結果展開多層次綜合評判。因此U 內的 u 1 通過 k 個子指標構建為 u 1= u 11，u 12，…，u 1k ?， u 2通過a 個子指標構建為 u 2= u 21，u 22，…，u 2o ?；同理 u m 通過l個子指標構建為 u m= u m1，u m2，…，u ml ?。

針對 u i 內的單一子指標 u ig ，通過每個評估指標的評判結果獲取 V l ?i ：

V（l） i= v（l） ig ?m×n ??（3）

按照合成運算公式獲取 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果[14]；再將 F（l） i 當成 u i 的單指標評判向量，獲取有關 U 的所有指標的 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）

在評估體系內存在數個評估主體，分別求解各評估主體的綜合評判向量 F 1，F 2，F 3，… ，獲取總體綜合評判矩陣 V = ?F 1，F 2，F 3，… ?，按照各評估主體所占權重 ?W= W 1，W 2，W 3，… ?，獲取 F=W·V，屬于最終評估結果矩陣，依據F獲取最終的綜合評價值Y（得分）Y=F·GT ，評估等級評分行向量的轉置是 G 。

1.2 分類評判模型權重分配計算

利用歐式距離描繪權重分配方案 β可替換權重分配方案α 的可行度：

d ε α，β = ∑ m i=1 ?α i－β i 2 1/2 ??（6）

按照 d 可定義指標權重分配方案的選擇方法，設 W′= w′ 1，w′ 2，…，w′ s ?是一個權重分配方案，指標數量是s，按照一致類別內每個單個指標的權重集合[5]。設數個專家設計的不同指標權重分配方案集合是 W - ?s= W′ 1，W′ 2，…，W′ s ?，專家設計的指標權重分配方案數量是 s，在s 個分配方案內選擇一個可符合全部其余權重分配方案的權重分配，就是在 W - ?內選擇一個 W′ ， W′ 需具備代表性，令其符合：

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

根據此結果進行供電局儲備物資強化分類，實現基于模糊綜合評判的物資分類。

1.3 優化模型狀態評估

在純粹競爭的市場中，私有發電公司充當價格接受者并向市場競標其邊際成本函數，而在電力市場中，私有發電公司代理商提交偏離其邊際成本曲線的競標函數，以最大程度地提高其預期收益利潤，定價私有發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均衡模型進行私有發電公司的投標程序。因此，提交給市場電力營銷代理的投標函數 B g i 是私有發電公司輸出功率的線性函數，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；系數 a i 和 b i 由私有發電公司分配，以最大化其預期利潤水平。因此，戰略招標問題的目標是優化私有發電公司的招標功能參數。本研究通過截距參數化確定更加準確的投標函數 B g i ，可表示為：

B g i（P i）=a i+O i+b iP i ??（9）

式中： O i 為戰略參數；確定 B g i 的偏離程度通過對私有發電公司代理模型的介紹，每個代理分別執行的分步算法如下：

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

（2）DA/HA在時間 T+1 的未來一輪市場的最佳出價。在基于貝葉斯網絡的評估模型上執行基于概率的基于粒子的正向采樣，以預測DA/HA下一輪的參數值；使用最佳戰略參數的預測值構造出價功能。將競標功能提交給市場電力營銷代理[6]。

綜上所述，每個代理都可以在可接受的誤差下實時最大化利潤。因此，這種交互式決策者的分布式系統接近納什平衡。

1.4 供電局儲備物資定額評估

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

安全庫存量可以減少企業因缺貨而導致的缺貨成本，它的確定主要用于滿足物資訂貨提前期的要求，保證企業正常生產經營活動和突發的搶修維護等所產生的物資需求[7]。確定每品類物資安全庫存量時，需整理以下數據：

（1）訂貨提前期，即物資從提出采購申請到實際到貨所需要的天數；

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

（3）物資上年度每次采購金額及數量；

（4）近3～5年物資的年實際使用數量數據。近3～5年物資的實際使用數量可用于對未來需求量預測的參考。

安全庫存量計算公式為：

SS=β×σ Dt ??（10）

式中： SS 為物資安全庫存量； σ Dt 為訂貨提前期內物資出庫量標準差； ?β 為安全系數，它根據預先設定的物資不缺貨概率（服務水平）求出，其取值如表1所示。

根據安全系數取值實現培訓評估。

2 實驗分析

以供電企業營銷管理平臺為實驗對象，利用本文系統評估該電力營銷管理培訓評估效果，分析該電力營銷管理平臺的培訓效果。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等級分數表如表2所示[8]。

利用本文系統獲取電力營銷管理培訓評估指標權重，對比不同方法的培訓評估效果，結果如表3所示。

由表3可知，當數據量為100 GB時，熵值法系統的電力營銷管理培訓評估耗時為26 s，主客觀組合賦權系統的的電力營銷管理培訓評估耗時為33 s，本文系統的電力營銷管理培訓評估耗時為1.5 s。當數據量為300 GB時，熵值法系統的電力營銷管理培訓評估耗時為42 s，主客觀組合賦權系統的的電力營銷管理培訓評估耗時為46 s，本文系統的電力營銷管理培訓評估耗時為2.2 s。本文系統的電力營銷管理培訓評估效果明顯較高[9]。

數據采集屬于系統的基礎操作，為確保系統評估的精準性，便需精準的數據作為支持，凸顯了數據采集的重要性。檢測本文系統在采集該電力營銷管理系統內與培訓課程評估相關的數據時的資源發現率，資源發現率越高，說明系統數據采集效果越佳，測試結果如圖1所示。

由圖1可知，隨著數據量的增加，本文系統采集數據的資源發現率呈上升趨勢，當數據量達到35 TB時，本文系統采集數據的資源發現率接近100%，說明此時數據采集效果最佳，當數據量較少時，本文系統的最低資源發現率已超過96.5%，此時的資源發現率也較高。實驗證明：本文系統在數據采集時具備較高的資源發現率，說明本文系統的數據采集效果較佳，可采集到更多的有價值數據[10]。

為驗證本文系統的數據存儲性能，選取文獻[1]與文獻[2]的改進GA-BP神經網絡評價系統與不確定正態云組合權重的評價系統為對比系統，記作系統1與系統2，測試3個系統在存儲不同請求數量的存儲數據總量與拒絕次數，測試結果如圖2所示。

由圖2可知，請求數量越多，3個系統的存儲數據總量均有所增長，本文系統的增長幅度最大，在不同請求數量時，本文系統的存儲數據總量均顯著高于其余2個系統，說明本文系統在存儲數據方面具備較優的存儲性能；請求數量與3個系統的拒絕次數呈正比，本文系統隨請求數量增加而提升的幅度較小，增長速度較為緩慢，其余2個系統的拒絕次數增長速度較快，說明本文系統能夠盡可能滿足系統的全部數據存儲請求，拒絕次數最低。

3 結語

本文設計一種基于模糊綜合評判的電力營銷管理培訓評估方法，依據模糊綜合評判方法獲取綜合評估結果。經由實驗測試可知，本文方法在評估領域具備較好的應用效果。

【參考文獻】

[1] ?岳琪，溫新.改進GA-BP神經網絡在高校教學質量評價中的應用[J].黑龍江大學自然科學學報，2019，36（3）：353-358.

[2] 龔艷冰，巢妍.基于不確定正態云組合權重的綜合評價方法研究[J].統計與信息論壇，2020，35（5）：3-8.

[3] 李金濤，張瓊，王建勛，等.基于模糊綜合評價法的健康促進學校建設能力評價[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指標權重的計算[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規則激活權重計算方法[J].福州大學學報（自然科學版），2020，48（3）：283-288.

[6] 洪雅寧.數據挖掘視域下電力營銷稽查業務監管系統的設計研究[J].電工技術，2023，（6）：177-179.

[7] 蕭展輝，鄒文景，鄧麗娟，等.電力營銷客戶服務中臺數據傳輸安全自動監測技術[J].自動化與儀器儀表，2022，（10）：111-114.

[8] 李素瑩.差異化密度聚類下的電力節能業務精準營銷算法[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控技術[J].粘接，2022，49（3）：186-191.

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