一种企业能源管理绩效评价方法与流程

本发明涉及节能，尤其涉及一种企业能源管理绩效评价方法。

背景技术：

1、随着全球能源资源的日益紧张和环境问题的凸显，企业开始意识到能源管理的重要性，并寻求通过有效的绩效评价方法来优化能源使用，提高能源效率，降低运营成本，并减少对环境的影响。传统的能源管理方式往往侧重于单一的能源消耗指标，缺乏对能源使用全面和系统的评价。因此，本发明基于这一背景，设计更科学和全面的企业能源管理绩效评价方法，综合考虑能源消耗、能源成本和能源效率等多个方面，从而为企业提供更加准确和客观的能源管理绩效信息。

技术实现思路

1、本发明的目的是要提供一种企业能源管理绩效评价方法。

2、为达到上述目的，本发明是按照以下技术方案实施的：

3、本发明包括以下步骤：

4、a获取企业生产过程中能源的历史数据、当前数据和绩效评价指标，对所述历史数据和当前数据进行预处理；采用改进灰色关联度算法对所述绩效评价指标进行筛选，获取关键评价指标；

5、b根据预处理后的所述历史数据计算所述关键评价指标的标准值，对所述标准值进行一次聚类获得第一分类数据，对所述标准值进行二次聚类获得第二分类数据，基于所述第一分类数据和所述第二分类数据获取所述关键评价指标的分级区间范围值；

6、c将所述分级区间范围值与预设的评价等级结合建立分级标准，根据所述分级标准建立梯形隶属函数，对所述关键评价指标进行组合赋权获取组合权重；

7、d根据所述隶属函数和所述组合权重构建绩效评价模型，根据预处理后的所述当前数据计算所述关键评价指标的实际值，将所述实际值输入所述绩效评价模型，输出绩效评价结果。

8、进一步地，步骤a所述生产过程包括购入存储、加工转换、输送分配和终端使用；所述预处理包括去除重复数据、处理缺失值、处理异常值和数据转化。

9、进一步地，采用改进灰色关联度算法对所述绩效评价指标进行筛选，获取关键评价指标的方法，包括：

10、对所述绩效评价指标根据0～1的评分范围进行重要度评分，得到评分矩阵：

11、

12、其中a为评分矩阵，anm为第κ个专家对第ι个绩效评价指标的评分，将所述评分矩阵中每列的最大值组成参考向量ar＝(ar1,ar2,,...,arκ)，计算各绩效评价指标和所述参考向量ar之间的距离：

13、

14、其中lj为第j个绩效评价指标和所述参考向量ar之间的距离，j＝1,2,...,ι，根据所述距离计算各绩效评价指标的关联度：

15、

16、其中βj为第j个绩效评价指标的关联度，设置关联度阈值为各绩效评价指标关联度的平均值，将关联度大于所述关联度阈值的绩效评价指标筛选为关键评价指标。

17、进一步地，对所述标准值进行一次聚类获得第一分类数据的方法，包括：

18、设定第a个所述关键评价指标的所述标准值数据集xa＝{x1,x2,x3,…,xn}由k个簇构成，其中k＝1,2,3,4,5，初始化隶属度矩阵u＝[μij]n×5，根据初始化后的所述隶属度矩阵计算簇中心：

19、

20、其中cj为第j类簇的簇中心，μij为第i个评价值xi跟第j类簇之间的隶属度，m为模糊化参数，m＝2；根据所述簇中心更新所述隶属度矩阵u：

21、

22、其中ch为第h类簇的簇中心，根据所述簇中心和更新后的所述隶属度矩阵u计算第一目标函数：

23、

24、其中j为第一目标函数，重复上述步骤直到第一目标函数|j(t)-j(t-1)|<ε，得到最终的隶属度矩阵u，其中j(t)为第t次迭代的第一目标函数值，j(t-1)为第t-1次迭代的第一目标函数值，ε为判断阈值，ε＝0.001；根据所述最终的隶属度矩阵得到各类簇的两对隶属度阈值[αj,βj],[γj,ρj]：

25、

26、其中αj>γj>ρj>βj，αj,βj,ρj,γj为第j类簇的隶属度阈值，为第二目标函数：

27、

28、其中μj(x)为在第j类簇中的评价值x的隶属度，card(·)为区域中评价值的数量，f(x)为评价值所在的特征空间，rscor(s5)为次核心区域，rsha(s5)为阴影区域，rsneg(s5)为次边缘区域，区域的划分公式为：

29、rscor(s5)＝{x∈f(x)∣μj(x)∈(γj,aj)}

30、rsha(s5)＝{x∈f(x)∣μj(x)∈[ρj,γj]}

31、rsneg(s5)＝{x∈f(x)∣μj(x)∈(βj,ρj)}

32、另外还有核心区域rcor(s5)和边缘区域rneg(s5)，其划分公式为：

33、rcor(s5)＝{x∈f(x)∣μj(x)∈[aj,1]}

34、rneg(s5)＝{x∈f(x)∣μj(x)∈[0,βj]}

35、通过所述两对阈值和上述区域划分公式将评价值划分到五个区域中，将在核心区域中的评价值归为第j类簇，计算目标隶属度：

36、ωj＝αj-0.75(αj-γj)

37、其中ωj为第j类簇的目标隶属度，将在次核心区域中隶属度μj(x)≥ωj的评价值归为第j类簇，完成对标准值的聚类得到第一分类数据。

38、进一步地，对所述标准值进行二次聚类获得第二分类数据方法，包括：

39、设定第a个所述关键评价指标的所述标准值数据集xa＝{x1,x2,x3,…,xn}由k个簇构成，其中k＝1,2,3,4,5，初始化簇中心，利用q个高维空间映射函数(i＝1,2,...,q)计算数据之间的距离：

40、

41、

42、其中d(xi,cj)为第i个评价值xi和第j类簇的簇中心cj之间的距离，为的权重，根据所述距离，令计算簇中心和隶属度：

43、

44、

45、其中μij为第i个评价值xi跟第j类簇之间的隶属度，ch为第h类簇的簇中心，m为模糊化参数，m＝2，根据所述簇中心和隶属度计算目标函数：

46、

47、其中minj(u,v)为目标函数，u＝[μij]n×5为隶属度矩阵，v＝(c1,...,cj)为聚类中心集合，重复上述步骤对目标函数进行优化迭代，当达到预设的迭代次数时，实现对标准值的聚类得到第二分类数据。

48、进一步地，基于所述第一分类数据和所述第二分类数据获取所述关键评价指标的分级区间范围值的方法，包括：

49、获取所述标准值在所述第一分类数据和所述第二分类数据的类别标签，如果两个类别标签相同，则确定该类别标签为标准值最终的分类结果，如果两个类别标签不相同，则获取所述标准值在一次聚类中的隶属度矩阵u1和在二次聚类中的隶属度矩阵u2，根据所述隶属度矩阵计算隶属度一致性：

50、ci＝1-|μ1_i-μ2_i|

51、其中ci为第i个标准值的隶属度一致性，μ1_i为在一次聚类中第i个标准值的隶属度，μ2_i为在二次聚类中第i个标准值的隶属度；计算聚类稳定性：

52、

53、其中si为第i个标准值的聚类稳定性，θi为在一次聚类和二次聚类的迭代中第i个标准值被分配到同一类别标签的次数，t为一次聚类和二次聚类迭代的总次数；根据所述隶属度一致性和聚类稳定性计算标准值的分类得分：

54、bi＝λ1·μ1_i·si+λ2·μ2_i·si+λ3·ci

55、其中bi为第i个标准值的分类得分，λ1、λ2和λ3为权重因子，λ1＝λ2＝0.4，λ3＝0.2；设定分类阈值b＝，当bi>b时，将数值更大的类别标签作为标准值最终的分类结果，当bi<b时，将数值更小的类别标签作为标准值最终的分类结果；对各类别的标准值进行升序排列获取其最大值和最小值，所述最大值和最小值为分级区间范围值。

56、进一步地，将所述分级区间范围值与预设的评价等级结合建立分级标准的方法，包括：

57、所述预设的评价等级为“好”、“良好”、“中等”、“较差”和“差”五个级别，分别计算权利要求6中所述最终分类结果中每一类别的平均值，将所述类别按照所述平均值升序排列，均值最大的类别对应评价等级为“好”，将所述类别依次对应所述评价等级，直到均值最小的类别对应评价等级为“差”，完成分级标准的建立。

58、进一步地，根据所述分级标准建立梯形隶属函数的方法，包括：

59、对每一个所述关键评价指标建立梯形隶属函数：将所述分级标准中每一评价等级对应的范围值作为梯形隶属函数的上下限，统计所述权利要求6中的所述最终分类结果中每一类别中所述标准值出现的次数，对所述次数进行升序排列，筛选前两位的所述评价值作为转折点，根据所述上下限和所述转折点建立梯形隶属函数。

60、进一步地，对所述关键评价指标进行组合赋权获取组合权重的方法，包括：

61、a、采用模糊层次分析法获取所述关键评价指标的主观权重：

62、对所述各关键评价指标进行fahp评分，根据所述fahp评分建立模糊一致判断矩阵：

63、

64、其中为模糊一致判断矩阵，εij为指标i相对指标j的重要性，为指标总数，εii＝0.5表示指标i与自身相比同等重要，εij+εji＝1表示矩阵对角线两侧指标的重要性是互补的，当εij∈[0.1,0.5)时则指标j比指标i重要，当εij∈[0.5,0.9]时则指标i比指标j重要；根据所述模糊一致判断矩阵计算各指标的权重：

65、

66、其中wi为指标i的权重，εi为所述模糊一致判断矩阵中每一行元素的和；根据所述各指标的权重，计算所述模糊一致判断矩阵的一致性：

67、

68、其中i为模糊一致判断矩阵的一致性，ξij为指标i和指标j之间的一致性，当i<0.1时，认为模糊一致判断矩阵的一致性符合要求，则计算出的各指标权重为主观权重；

69、b、采用改进gritic法获取所述关键评价指标的客观权重：

70、设有m个待评价对象，

71、

72、其中wj为第j个关键评价指标的客观权重，m为待评价对象的个数，n为所述关键评价指标的个数，xij为第i个评价对象的第j个关键评价指标的实际值，xik为第i个评价对象的第k个关键评价指标的实际值，xj为第j个关键评价指标的平均值，xk为第k个关键评价指标的平均值；

73、c、采用差异系数法获取所述关键评价指标的组合权重：

74、计算差异系数：

75、

76、其中θ1和θ2为差异系数，n为关键评价指标总数，τi为模糊层次分析法所得到的主观权重向量按从小到大排列后所对应的分量；根据所述差异系数计算组合权重：

77、

78、其中ω*关键评价指标的组合权重，l＝2，ωk为主观权重和客观权重的向量。

79、进一步地，根据所述隶属函数和所述组合权重构建绩效评价模型的方法，包括：

80、根据所述隶属函数，计算每个所述关键评价指标实际值的隶属度，将所述隶属度和所述组合权重相乘得到加权隶属度，将所述加权隶属度相加得到综合隶属度，设置综合隶属度等级划分阈值，根据所述综合隶属度和所述综合隶属度等级划分阈值确定绩效评价等级，输出结果。

81、本发明的有益效果是：

82、本发明通过指标筛选、数据聚类、建立分级标准和构建绩效评价模型，系统地评估企业能源管理绩效，为企业提供更加准确和客观的能源管理绩效信息，帮助企业识别能源使用中的不足，从而提高能源利用效率，降低成本。