亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于DEA-RBFNN的電網(wǎng)企業(yè)綜合運營效益分析研究

        2021-11-12 06:41:28劉文靜付仙蘭吳杰康劉書劍
        山東電力技術(shù) 2021年10期
        關(guān)鍵詞:效益

        劉文靜,付仙蘭,吳杰康,武 峰,劉書劍

        (1.廣東科貿(mào)職業(yè)學院,廣東 廣州 510430;2.空軍預(yù)警學院雷達士官學校,湖北 武漢 430019;3.廣東工業(yè)大學,廣東 廣州 510006;4.遼寧省撫順市供電公司,遼寧 撫順 113000 )

        0 引言

        做好經(jīng)營效益評估,提升自身競爭力,對電網(wǎng)企業(yè)十分關(guān)鍵。目前常用的電網(wǎng)企業(yè)效益評估算法有層次分析法(Analytical Hierarchy Process,AHP)[1]、主成分分析法[2]、模糊綜合評價算法[3]、數(shù)據(jù)包絡(luò)分析算法(Data Envelope Analysis,DEA)[4]等,算法各有優(yōu)勢,但DEA算法憑借計算簡便,可同時處理多個部門、不同量綱的多個輸入、輸出指標的評價,不需要事先人為賦予指標權(quán)重等優(yōu)點,在電網(wǎng)效益評估方面應(yīng)用廣泛。付丹等[5]采用復(fù)合DEA 對21 家上市電力公司進行效率評價,測算了指標對效益評估的影響,并未對無效決策單元(Decision Making Units,DMU)進行分析處理。殷欣等[6]采用DEA 算法對5家上市電力公司業(yè)績進行評價排序,缺乏對無效DMU的分析。

        DEA 有效DMU 都落在有效生產(chǎn)前沿面上[7],而落在生產(chǎn)前沿面之外的無效DMU 是企業(yè)問題癥結(jié)的關(guān)鍵。目前對此類問題研究較少,僅通過投影或者增加松弛變量[8-9]進行簡單求解。

        電網(wǎng)企業(yè)是含有多個部門多個指標的復(fù)雜系統(tǒng),單一的算法并不能有效處理。在評價指標選取方面,存在指標選取主觀性強、憑借經(jīng)驗進行選擇[10]、指標數(shù)據(jù)難以取得、指標過于片面[11]等問題。研究者對此類問題做了一些改進,趙書強等[12]采用改進AHP 與相關(guān)性算法結(jié)合處理指標,得到指標綜合權(quán)重,但是專家主觀因素仍然過重。林家俊等[13]采用層次分析法和改進集合經(jīng)驗?zāi)B(tài)分解法,去除主觀影響,確定評價指標,但是指標數(shù)據(jù)不夠全面。

        針對上述問題,通過分析電網(wǎng)企業(yè)運營現(xiàn)狀,在綜合考慮電網(wǎng)運營特點、效益分析要求、實際數(shù)據(jù)等問題的基礎(chǔ)上,通過對電網(wǎng)監(jiān)控運營中心的評價指標進行梳理,從綜合績效、核心資源、運營狀況3 個方面構(gòu)建了綜合評價指標體系,運用AHP 及變權(quán)重算法選取合適的效益評價指標;運用DEA 算法CCR對偶模型,對電網(wǎng)監(jiān)控系統(tǒng)下的供電公司進行效益評估,并采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network,RBFNN)進行雙重算法效益計算驗證,分析電網(wǎng)企業(yè)效益低下的原因,并提出改進方向。

        1 電網(wǎng)企業(yè)效益評估指標選取

        選擇合適的評價指標是進行數(shù)據(jù)包絡(luò)分析效率評價的前提和基礎(chǔ)。評價指標不同,所得結(jié)果大相徑庭。同時,指標個數(shù)對結(jié)果影響較大。指標個數(shù)過多,會增加有效DMU 個數(shù),降低DEA 模型的區(qū)分度;指標過少,不利于發(fā)現(xiàn)問題。電網(wǎng)企業(yè)效益評估涉及部門眾多,指標數(shù)據(jù)分散,搜集不易。電網(wǎng)監(jiān)控運營中心是電網(wǎng)公司經(jīng)營管理活動的在線監(jiān)測與控制部門,也是電網(wǎng)公司運營數(shù)據(jù)資產(chǎn)管理部門,基于基礎(chǔ)數(shù)據(jù)和業(yè)務(wù)信息,可在線監(jiān)測分析公司整體運營狀況。電網(wǎng)監(jiān)控運營中心設(shè)有公司總部、省(市)公司和地市公司層面3 級運監(jiān)中心,如圖1 所示。

        圖1 電網(wǎng)監(jiān)控運營中心組織架構(gòu)

        監(jiān)控運營中心涉及部門眾多,指標數(shù)據(jù)海量,從中選擇合適的指標,建立評價指標體系,是進行電網(wǎng)企業(yè)運營效益評估的基礎(chǔ)和前提。

        為確保評價結(jié)果的準確性和可信度,根據(jù)專家經(jīng)驗及電網(wǎng)戰(zhàn)略發(fā)展部署進行雙重指標權(quán)重篩選。首先采用AHP對監(jiān)控中心涉及的部門重要指標進行專家打分,篩選出對電網(wǎng)企業(yè)運營效益影響大的指標,并給出權(quán)重系數(shù);接著在電網(wǎng)企業(yè)發(fā)展戰(zhàn)略綜合效益評估要求的條件下,進一步對指標權(quán)重調(diào)整和篩選,最終篩選出合適的指標。

        電網(wǎng)監(jiān)控運營中心包括綜合績效、核心資源、運營狀況三大指標體系,包含多種指標。首先采用AHP 專家預(yù)測法,從電網(wǎng)公司生產(chǎn)單位及職能部門選取影響公司運營效益的相關(guān)指標,進行專家打分篩選,如表1所示。

        表1 電網(wǎng)監(jiān)控運營綜合評價指標體系

        AHP的核心是專家經(jīng)驗定性定量的計算評價項目之間的權(quán)重系數(shù)。其簡要步驟如下:

        1)按照Saaty 的九級標度法,對基礎(chǔ)指標進行兩兩比較和評估,確定各基礎(chǔ)指標判斷矩陣;

        2)對層次單排序進行一致性檢驗,通過一致性檢驗后進行層次總排序的一致性檢驗;

        3)將通過一致性檢驗的層次總排序輸出,將得分結(jié)果從上到下排序,篩選出用于電網(wǎng)監(jiān)控運營綜合效益評價指標體系。

        初選指標按照對整個供電公司效益影響力的大小進行比較分析,初篩后的指標及權(quán)重如表2所示。

        表2 層次分析指標權(quán)重表

        運用AHP 篩選權(quán)重排名前15 的指標,包括營業(yè)成本、資產(chǎn)總額等,如表2 中的指標權(quán)重,但是指標數(shù)不符合DEA 理論中“拇指原則”[14],DMU 個數(shù)要大于指標個數(shù)。同時,上述AHP 篩選出的某些二級指標分類,在一級指標上互有重疊,原因是對于電網(wǎng)企業(yè)來說,電網(wǎng)運營是一項技術(shù)要求高、社會需求因素復(fù)雜的經(jīng)營活動,在表征企業(yè)運營及企業(yè)戰(zhàn)略表達、涉及具體的二級指標時,其歸屬于哪種一類指標,并沒有明確的界限。為削弱重疊效益影響,對一些指標可進行人工修正權(quán)重,從而剔除影響效益較小指標,其包含的情況主要有如下兩種:

        1)對于不同的運行管理人員而言,不同指標具有不同的價值,基層生產(chǎn)技術(shù)人員及專責關(guān)注的是技術(shù)類指標,而高層管理人員則把控整個電網(wǎng)公司總體運營效益,關(guān)注重點為經(jīng)濟類指標,決策人員可以根據(jù)其主觀經(jīng)驗對權(quán)重進行微調(diào)。

        2)考慮到國家政策轉(zhuǎn)變、大范圍高強度災(zāi)害天氣、電網(wǎng)運行特性以及電網(wǎng)公司考核指標的偏重等因素的影響,可酌情對指標權(quán)重實施調(diào)整[15]。在上述運用AHP 得出指標權(quán)重基礎(chǔ)上,上調(diào)某些指標權(quán)重,同時下調(diào)其他指標的權(quán)重,設(shè)存在d個需要人工調(diào)整的指標且其下標集合為D,rd為人工決策權(quán)重修正量,上調(diào)時為正,下調(diào)時為負,則各指標權(quán)重調(diào)整為

        式中:ωd0為層次分析指標權(quán)重;rd應(yīng)滿足。

        電網(wǎng)企業(yè)決策者主要通過經(jīng)濟指標對企業(yè)綜合效益進行評估分析,根據(jù)效益評估結(jié)果為企業(yè)進行戰(zhàn)略發(fā)展部署做指導(dǎo)。所以可根據(jù)效益目標要求,人工調(diào)整增加經(jīng)濟指標權(quán)重,因此,篩選后的投入指標為資產(chǎn)總額、營業(yè)成本、購電成本、輸配電成本,產(chǎn)出指標為營業(yè)收入、售電收入、經(jīng)濟增加值、利潤總額、利稅總額。

        2 效益評估算法模型

        2.1 DEA效益評估模型

        DEA是運籌學、管理科學和數(shù)理經(jīng)濟學交叉研究的一個新的領(lǐng)域,是用來評價具有多輸入多輸出DMU相對有效性的非參數(shù)方法,由著名的運籌學家A.Charnes,W.W.Cooper 和E.Rhodes 于1978 年首次提出[16-17]。

        CCR對偶線性規(guī)劃模型可表示為

        式中:θ為第i個DMU 的有效值(指投入相對于產(chǎn)出的有效利用程度),當θ=1,則該方案有效,θ<1,則方案無效;xi為第i個DMU的投入要素,要求越小越好;yi為第i個DMU 的產(chǎn)出要素,要求越大越好;λi為第i個DMU 的權(quán)重系數(shù);z為DMU 的個數(shù);x0、y0為最優(yōu)輸入與輸出值。

        2.2 基于RBFNN的綜合效益評價

        數(shù)據(jù)包絡(luò)分析算法實質(zhì)是評估已有輸入輸出值的DMU有效性,神經(jīng)網(wǎng)絡(luò)是不斷優(yōu)化訓(xùn)練輸入層、隱含層、輸出層之間的權(quán)重與偏差,兩種算法具有相似之處,同時神經(jīng)網(wǎng)絡(luò)可逼近所有函數(shù)[18]。因此,考慮將兩種算法結(jié)合使用來驗證效益評估的有效性。

        1)RBFNN算法原理。

        RBFNN 是一種新穎有效的前饋式神經(jīng)網(wǎng)絡(luò),既具有線性算法收斂的特征,同時又具有非線性算法準確性高,且學習速度比通常的誤差反向傳播神經(jīng)網(wǎng)絡(luò)方法快103~104倍。RBFNN 是3 層前饋網(wǎng)絡(luò),包括輸入層、隱含層和輸出層,其結(jié)構(gòu)如圖2所示。

        輸入層由傳輸信號的輸入節(jié)點組成;隱層節(jié)點通過基函數(shù)(常用的是高斯函數(shù))執(zhí)行一種固定不變的非線性變化,將輸入空間隱射到一個新的空間;輸出節(jié)點對隱節(jié)點給出的基函數(shù)進行線性加權(quán)組合[19]。在RBFNN 中通過非線性基函數(shù)的線性組合從而實現(xiàn)從輸入空間到輸出空間的非線性轉(zhuǎn)換。激活函數(shù)可表示為

        由圖2可得到RBFNN的輸出為

        圖2 RBFNN結(jié)構(gòu)

        式中:ykj為第k個輸入樣本經(jīng)過網(wǎng)絡(luò)得出的第j個輸出值;b為輸入向量的維數(shù);ωpj為連接輸出層和隱含層的權(quán)值。

        2)RBFNN 對DEA 有效樣本的學習和學習后的預(yù)測。

        運用DEA 對電網(wǎng)監(jiān)控系統(tǒng)進行效益評估后,必然會有效益最優(yōu)與無效DMU,假設(shè)有效DMU 的個數(shù)為q個,Xq×m和Yq×b為經(jīng)過DEA 評估后有效DMU 的輸入和輸出矩陣,即是神經(jīng)網(wǎng)絡(luò)的學習樣本,將無效的DMU 作為檢驗樣本,輸入檢驗樣本的輸入值A(chǔ),用學習后的神經(jīng)網(wǎng)絡(luò)計算得出無效DMU 的輸出值為C,再將無效DMU的輸入A和輸出C反代入模型CCR對偶中,得出θ值判定是否為1,如果為1,說明該方法可行。進一步分析無效DMU的原因,歸口到部門,指出改進之處。技術(shù)路線如圖3所示,具體流程如下:

        圖3 技術(shù)路線

        1)通過指標初選與復(fù)選;

        2)將DMU 進行DEA 效益評估,判斷DMU 有效性;

        3)將有效DMU 的輸入值、輸出值放入RBFNN進行訓(xùn)練;

        4)將無效DMU的輸入值放入訓(xùn)練好的RBFNN,計算輸出;

        5)將4)結(jié)果代入2),重新進行效益評估,效益值為1 結(jié)束,不是1,轉(zhuǎn)到4),重復(fù)此過程,直到滿足效益值為1。

        3 算例分析

        3.1 采用DEA對DMU進行效益評估

        從橫縱兩個維度來驗證所選指標和模型算法的有效性。選用省級監(jiān)控運營中心14 個供電公司進行橫向?qū)诵б嬖u估對比;選擇市縣級監(jiān)控運營中心1 個供電公司(撫順供電公司)以時間維度縱向效益評估。指標為前文篩選出的9 個經(jīng)濟指標,指標數(shù)據(jù)來源于電網(wǎng)監(jiān)控運營中心,采用MATLAB 編程結(jié)果如表3 和表4 所示,將二次篩選后的9 個指標數(shù)據(jù)代入CCR 對偶模型,計算結(jié)果如圖4 和圖5 所示。分析圖4可知,14個供電公司中DEA 有效的是沈陽、大連、鞍山、撫順、錦州、營口、遼陽、鐵嶺、盤錦,θ值為1;在具有相同輸入的條件下,原有監(jiān)控中心14 個供電公司有5 個DMU 無效輸出值,根據(jù)結(jié)果顯示深入分析,剩余3 個無效DMU 是阜新、葫蘆島和本溪,阜新供電公司由于部分城區(qū)及縣域城市配電網(wǎng)老舊,故障相對較多,從而造成配電網(wǎng)運行可靠性下降,再加之正在進行的配電網(wǎng)升級改造工程,配電網(wǎng)運行方式多有變更,在一定程度上影響了用戶用電,從而導(dǎo)致DMU 值較低;葫蘆島供電公司是由于電網(wǎng)負荷增加較快,電網(wǎng)建設(shè)投資速度低于電量增長速度,從而降低了其DMU 效率;本溪供電公司由于“三供一業(yè)”工程結(jié)束,地區(qū)投資效率減緩,沒有找到新的增長點,在已有網(wǎng)架上進行維護,導(dǎo)致生產(chǎn)效益同比變慢,效率低下。

        圖4 2017年7月份14個供電公司效益比較

        圖5 2017年12個月?lián)犴樄╇姽拘б姹容^

        表3 2017年7月14個供電公司效益比較

        表4 2017年12個月?lián)犴樄╇姽拘б姹容^

        續(xù)表

        由表4 和圖5 可看出3、4、5、6、7、10 月的效益值最好,θ值為1,這是由于3、4、5、6、7、10 月正值當?shù)毓╇姽敬杭竞颓锛緳z修工作繁忙之際,各部門運作積極且配合程度較高,公司整體投入產(chǎn)出效率較高,其他月份的主要工作是為春檢、秋檢做準備,以及為員工做業(yè)務(wù)培訓(xùn),因此相對較忙的月份,其工作效率以及部門之間的配合程度略有下降,因此造成了這些月份的DEA有效性下降。

        3.2 用RBFNN進行DEA有效性預(yù)測

        針對DEA 效益值為1 的供電公司,采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練其最優(yōu)DMU。即通過對沈陽、大連、鞍山、撫順、遼陽、錦州、營口、鐵嶺、盤錦9 個DEA 有效供電公司的投入產(chǎn)出數(shù)據(jù)作為訓(xùn)練樣本,得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)。將DEA 效益不佳的供電公司投入數(shù)據(jù)放入訓(xùn)練好的徑向神經(jīng)網(wǎng)絡(luò),通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到產(chǎn)出數(shù)據(jù),通過技術(shù)改造,人員優(yōu)化、部門更加協(xié)同嫻熟的配合,盡量降低此類誤差值,然后將經(jīng)過供電公司調(diào)整后的投入產(chǎn)出數(shù)據(jù)再帶入DEA 模型中進行測算,當測算結(jié)果仍然DEA 效益不達標時,繼續(xù)將此DMU 的投入產(chǎn)出數(shù)據(jù)代入神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練,同樣得到輸出值,比較輸出值與原值之間的差值,當差值不滿足閾值要求時,重復(fù)上述過程直到差值滿足閾值要求,這時此供電公司投入的資金,部門人員之間的配合,部門內(nèi)部的工作效率應(yīng)為最佳狀態(tài)。

        將通過DEA 評估有效的9 個供電公司作為訓(xùn)練樣本,用RBFNN 學習,將樣本輸出值與神經(jīng)網(wǎng)絡(luò)計算輸出值做誤差對比,通過反復(fù)計算,最終達到誤差達到閾值要求程度。利用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱進行訓(xùn)練求解。由多次模擬結(jié)果可知:當訓(xùn)練次數(shù)滿足300 次,最小訓(xùn)練速率為0.78,允許誤差小于0.000 9,迭代次數(shù)為800 時,預(yù)測效果最好,結(jié)果見表5。從表5 可以看出,訓(xùn)練值與樣本值訓(xùn)練誤差保證在0.000 9 以內(nèi),學習后的神經(jīng)網(wǎng)絡(luò)達到了所要求的誤差標準。

        將剩余的5 個非DEA 有效的DMU,作為檢驗樣本,將樣本的輸入放入已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進行學習,計算出訓(xùn)練輸出值,為驗證這些輸出值是否為DEA 有效,將輸入值和利用神經(jīng)網(wǎng)絡(luò)計算出的樣本輸出值,帶入CCR 對偶模型,計算結(jié)果見表6。從表6 可以看出,得到的θ值都接近有效值1,說明5 個DMU 利用神經(jīng)網(wǎng)絡(luò)計算出的輸出相對于原有輸入的DEA 有效的。驗證了模型與算法的有效性,精度方面可通過增加DMU 進行訓(xùn)練。綜上所知,表5 中的訓(xùn)練值為無效DMU 的輸入輸出最優(yōu)值,決策者可根據(jù)該數(shù)據(jù),調(diào)整無效DMU 的投入和產(chǎn)出量,全面把控企業(yè)發(fā)展方向。

        表5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練表

        表6 訓(xùn)練后DEA效益評估

        4 結(jié)語

        運用層次分析及變權(quán)重方法,從電網(wǎng)監(jiān)控運營中心篩選出9 個效益評估指標,運用DEA-RBF 雙重算法對省級監(jiān)控運營中心14 個供電公司進行橫向效益評估、縣級監(jiān)控運營中心1 個供電公司按時間縱向效益評估,對非DEA 有效的DMU 進行了進一步分析,指出了企業(yè)存在的問題及原因,并為企業(yè)今后發(fā)展提供了改進方向。本文在進行效益評估時未考慮地域?qū)πб娴挠绊懀乱徊綄⒔Y(jié)合地域發(fā)展情況對供電企業(yè)進行更全面的效益評估。

        猜你喜歡
        效益
        草粉發(fā)酵 喂羊效益高
        蓮魚混養(yǎng) 效益提高一倍
        錯季土豆 種出好效益
        撂荒地變糧倉 有機種植出效益
        可再生能源可以產(chǎn)生數(shù)十億美元的健康效益
        強化現(xiàn)金預(yù)算 提高資金效益
        中國外匯(2019年18期)2019-11-25 01:41:50
        冬棚養(yǎng)蝦效益顯著,看技術(shù)達人如何手到“錢”來
        果園有了“鵝幫工” 一舉多得效益好
        陜汽向價值營銷要效益
        汽車觀察(2018年12期)2018-12-26 01:05:48
        “組合拳”中出效益
        一本大道东京热无码中字| 国精产品一区一区三区| 色偷偷av一区二区三区| 色老头在线一区二区三区| 亚洲国产cao| 青青草视频在线观看视频免费| 国产一区二区三区av天堂| 风韵多水的老熟妇| 亚洲欧美日韩高清专区一区 | 久久精品国产av麻豆五月丁| 国产午夜成人av在线播放| 亚洲国产成人精品女人久久久| 一区二区丝袜美腿视频| 国产一区白浆在线观看| 亚洲精品久久久久成人2007| 老熟女多次高潮露脸视频| 国产精品一区二区三区不卡| 久久精品蜜桃亚洲av高清| 国产熟妇另类久久久久| 日本成人久久| 精品国产三级国产av| 亚洲av成人精品一区二区三区| 国产欧美日韩综合精品二区| 中文字幕乱偷乱码亚洲| 亚洲综合在线一区二区三区| 欧美性受xxxx黑人猛交| 毛茸茸的中国女bbw| 久久久久久AV无码成人| 一区二区三区亚洲视频| 久久久久成人精品无码| 国产污污视频| 91精品啪在线观看国产色| 免费a级毛片无码免费视频首页| 丰满少妇被猛烈进入| 日韩国产有码在线观看视频| 国产av一区二区毛片| 熟妇激情内射com| 日韩中文字幕不卡网站| 日本一区二区视频免费在线观看| 亚洲精品一区二区国产精华液| 2019年92午夜视频福利|