具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种综合能源物联网评价流程图，本实施例可适用于对综合能源物联网的效益进行综合评价的情况。具体的，该综合能源物联网评价方法可以由综合能源物联网评价装置执行，该综合能源物联网评价装置可以通过软件和/或硬件的方式实现，并集成在电子设备中。进一步的，电子设备包括但不限定于：台式计算机、笔记本电脑、智能手机、平板电脑、服务器等。

如图1所示，该方法具体包括如下步骤：

S110、基于层次分析法确定综合能源物联网的评价指标的权重集，其中，所述评价指标分为至少两级，且一级评价指标包括工程性指标、技术性指标、经济性指标、环保性指标以及社会性指标。

本实施例中，综合能源物联网的评价指标分为至少两级，以全方面评价城市级综合能源物联网运行后的性能。一级评价指标包括工程性指标、技术性指标、经济性指标、环保性指标以及社会性指标。

工程性指标主要用于评价综合能源物联网的可推广性，更具体的例如技术可行性、可扩展性、广域共享性等；技术性指标主要用于评价综合能源物联网的供能特性，例如供能安全可靠性、供能质量、供能网络损耗等，更具体的例如安全供电能力、供气质量、配电网络损耗等；经济性指标主要用于评价综合能源物联网的经济效益，包括能源经济性指标、成本性指标等，更具体的例如内部收益率、运营维护成本减少百分比等；环保性指标主要用于评价综合能源物联网的环保效益，包括低碳排放指标、循环经济指标等，更具体的例如污染物减排量、废物废水减排量等；社会性指标主要用于评价综合能源物联网的社会效益，例如用户满意度、社会贡献等，更具体的例如室内热环境满意度、就业效益等。综合能源物联网对于各评价指标的评价值可由专家评定，也可由预先训练的机器学习模型(例如神经网络)根据综合能源物联网的历史运行数据得到。

在构建全面的评价指标体系的基础上，各评价指标的权重设置直接影响评价结果的合理性与可信度。本实施例采用层次分析法设置各评价指标的权重，从而对多个层次或等级的评价指标进行定性和定量分析。

在一些实施例中，可以采用层次分析法与其他方法结合共同确定各评价指标的权重，例如，采用层次分析法确定主观权重，采用熵值法确定客观权重，然后再将主客观权重组合起来得到各评价指标的权重。

S120、构造综合能源物联网的模糊化向量矩阵。

具体的，综合能源物联网的模糊化向量矩是指能够将各评价指标下的评价值(定量的数值)变换得到评价等级(定性的评价结果)的矩阵，反映了各评价指标的评价值到评价等级之间的模糊关系，从而将定性问题转换为定量问题。综合能源物联网的模糊化向量矩阵记为R＝(r_ij)_n×m，其中，n为评价指标或评价值的个数，m为评价等级的个数，r_ij表示综合能源物联网对于第i(i＝1,2,...,n)个评价指标的评价值隶属于第j(j＝1,2,...,m)个评价等级的可能性的大小，也即隶属度。

S130、根据所述权重集和所述模糊化向量矩阵得到模糊评价向量。

具体的，考虑到不同评价指标的重要程度不同，本实施例利用基于层次分析法求得的权重集，对模糊化向量矩阵进行模糊关系合成运算，此过程也可以理解为对模糊化向量矩阵中的各隶属度按照重要程度进行加权合成，得到模糊评价向量，模糊评价向量中的每个元素分别表示综合能源物联网的评价值经过加权合成后，对于一种评价等级的隶属度。示例性的，模糊评价向量中包括m个元素，m为评价等级的个数，例如m＝5，五个评价等级分别为很好(I级)、较好(II级)、一般(III级)、较差(IV级)、很差(V级)，则模糊评价向量表示了综合能源物联网的评价结果为这五个评价等级的可能性大小，也可以理解为综合能源物联网对于这五个评价等级的隶属度。需要说明的是，模糊评价向量是经过模糊关系合成运算得到的，融合了利用层次分析法为各评价指标确定的权重，可以综合考虑各评价指标的相对重要程度，使评价结果更可信。

S140、根据所述模糊评价向量中的元素对于各评价等级的隶属度，得到评价结果。

具体的，模糊评价向量中的元素对于一个评价等级的隶属度越大，则该评价等级越可信。本实施例中，可以将最大隶属度对应的评价等级作为综合能源物联网的评价结果。例如，五个评价等级分别为很好(I级)、较好(II级)、一般(III级)、较差(IV级)、很差(V级)，模糊评价向量为(0.1,0.3,0.2,0.2,0.2)，则最终的评价结果为较好(II级)。需要说明的是，在模糊综合评价中，最大隶属度原则是确定评价结果最直接简便的方法，在一些实施例中，也可以采用其他原则来确定评价结果，本实施例对此不作限定，但整体趋势都是隶属度越大，则相应的评价等级越可信。

可选的，技术性指标的二级评价指标包括：供能可靠性指标、能效指标、供能质量指标、网络损耗指标以及互动性指标。

其中，供能安全可靠性指标，主要用于评价用户级综合能源系统中设备的运行可靠程度与系统持续供能的能力，可分为设备级可靠性及系统可靠性评价两个层面，以系统可靠性评价指标为例，可包括安全供电能力、电网结构脆弱性、暂态安全性、供电可靠率(RS-3)、燃气管网系统可靠性、燃气管道可靠性。

其中，综合能效指标，主要用于反映用户侧不同形式能源利用过程中的效率水平，包括综合能耗下降百分比、单位产品能耗下降百分比、可再生能源利用率、可再生能源比例等。

其中，供能质量指标，主要用于评价能源系统中电、气、热能源的质量水平，直接影响系统安全和用户侧对能源供应的满意程度，主要包括电能质量、天然气质量和热能质量三个方面。

其中，供能网络损耗指标，主要用于反映能量传输环节损失的能量，也是影响能源综合利用效率的因素之一，主要包括配电网络损耗、管网冷/热损失等。

其中，互动性指标，主要用于反映用户侧与能源系统的互动水平，可体现“源—荷”、“荷—荷”之间的互动程度及其对能效提升、清洁能源占比提高等的贡献程度，主要包括主动削峰填谷负荷量、电储能系统比例、蓄热/冷系统比例等。

表1示出了综合能源物联网的各级评价指标。示例性的，一级评价指标包括工程性指标、技术性指标、经济性指标、环保性指标、社会性指标，评价指标共分为三级(三个层次)。采用表1所示的评价指标，能够从工程、技术、经济效益、社会效益、环境效益五个方面进行综合评价，评价指标更全面，评价结果更可靠。

表1综合能源物联网的各级评价指标

本发明实施例一提供的一种综合能源物联网评价方法，通过明确城市级综合能源物联网的评价指标及对应的权重，利用模糊评价算法，以定性和定量结合的方式，全面考虑综合能源系统的绿色低碳、安全可靠、经济高效等特征，构建了一个涵盖经济效益、环保效益、供能可靠性及供能质量在内的综合效益评价体系，提高了评价的全面性和评价结果的可信度。基于此方法得到的评价结果可以为电网服务城市智慧综合能源物联网建设提供理论依据，在规划设计、建设运行等方面奠定工程实施基础。

实施例二

图2为本发明实施例二提供的一种综合能源物联网评价方法的流程图，本实施例是在上述实施例的基础上进行优化，对确定评价指标的权重以及模糊综合评价的过程进行具体描述。需要说明的是，未在本实施例中详尽描述的技术细节可参见上述任意实施例。

具体的，如图2所示，该方法具体包括如下步骤：

S210、将评价指标之间的相对重要程度分量为多个等级，并根据分量结果确定判断矩阵。

表2示出了评价指标相对重要程度的分量标准。示例性的，采用五级定量法，将各评价指标之间的相对重要程度分为一般、稍微重要、明显重要、强烈重要、极端重要五个基本标度，分别赋予相应的数值1、3、5、7、9来表示。从工程性、技术性、经济性、环保性和社会性五个维度进行模糊综合评估。

表2评价指标相对重要程度的分量标准

进一步的，由等级分量的结果可以得到判断矩阵A，A中a_i、a_j(i,j＝1,2,…,n)表示因素，a_ij表示a_i相对于a_j的重要性数值，n为评价指标的个数：

S220、对所述判断矩阵进行一致性检验。

具体的，为了验证分量标准以及判断矩阵的合理性，保证各评价指标的权重分配的正确性，本实施例对判断矩阵进行一致性校验。

进一步的，S220包括：

S2201：根据最大特征值以及判断矩阵的维数计算一致性检验指标；

S2202：根据判断矩阵的维数确定平均随机一致性指标；

S2203：若一致性检验指标与平均随机一致性指标的比值小于或等于设定值，或者，最大特征值等于判断矩阵的维数且一致性检验指标为0，则判断矩阵符合一致性条件。

具体的，根据判断矩阵A求出最大特征值所对应特征向量ω：Aω＝λ_maxω，据此求出一致性检验指标：其中n是判断矩阵A的维数，λ_max为判断矩阵的最大特征值。

然后根据判断矩阵A的维数n求平均随机一致性指标RI。表3示出了判断矩阵维数与平均随机一致性指标的映射关系。单层次判断矩阵的平均随机一致性指标RI随矩阵的维数而变化，在判断矩阵维数确定的情况系，RI的取值可以相应确定。

表3判断矩阵维数与平均随机一致性指标的映射关系

在此基础上，判断矩阵A的一致性指标CR为一致性检验指标与平均随机一致性指标的比值：将CR与设定值比较，以检验判断矩阵是否符合一致性条件。

S230、判断矩阵符合一致性条件？若是，则执行S240；若否，则执行S210。

示例性的，当CR≤0.1时，或者当λ_max＝n且CI＝0时，判断矩阵A符合完全一致性条件，属于可以接受的程度；如果CR＞0.1，则当前的判断矩阵A不满足一致性条件，需要重新分析并赋值，直到检验合格为止。

S240、计算所述判断矩阵的最大特征值对应的特征向量。

S250、对所述特征向量进行归一化处理，得到评价指标的权重集。

具体的，对特征向量ω进行归一化处理，得到各评价指标的权重，构成权重集W：

需要说明的是，一级评价指标的权重之和为1；对于每种一级评价指标，其下属的二级评价指标的权重之和为1；同理，对于每种二级评价指标，其下属的三级评价指标的权重之和为1。

S260、构造综合能源物联网的模糊化向量矩阵。

S270、基于预设的模糊算子，对所述权重集和所述模糊化向量矩阵进行模糊变换运算，得到所述模糊评价向量。

具体的，在模糊综合评价的过程中，根据各评价指标的权重集W＝(w₁,w₂,…,w_n)，选择合适的模糊算子，进行模糊变换运算，最后得到一个五维的模糊评价向量：其中，“。”表示模糊算子，例如“Min-Max”模糊算子、“积-和”模糊算子、“Min/积-和”模糊算子、“Min-积”模糊算子、“Min-和”模糊算子等。最终得到的(b₁,b₂,…,b₅)表示从工程、技术、经济、环保、社会五个层面构建多能源协调综合评价的结果。

S280、根据所述模糊评价向量中的元素对于各评价等级的隶属度，将最大隶属度对应的评价等级作为所述评价结果。

具体的，将综合能源物联网评估指标的分量标准根据评价等级(评语等级)分为五种：很好(I级)、较好(II级)、一般(III级)、较差(IV级)、很差(V级)，依据最大隶属度原则，若b_j0＝max b_j(1≤j≤m)，则评判结果隶属于第j₀个评价等级，可以得到城市级综合能源物联网运行性能的评价结果。

本发明实施例二提供的一种综合能源物联网评价方法，在上述实施例的基础上进行优化，通过等级分量法和一致性校验，合理确定各评价指标的权重；采用模糊算子进行模糊综合评价，根据最大隶属度原则将定性评价转化为定量评价，得到明确的评价结果，有效解决综合能源物联网的评价难以量化的问题，提高了评价的全面性和评价结果的可信度。

实施例三

图3为本发明实施例三提供的一种综合能源物联网评价装置的结构示意图。本实施例提供的综合能源物联网评价装置包括：

权重确定模块310，用于基于层次分析法确定综合能源物联网的评价指标的权重集，其中，所述评价指标分为至少两级，且一级评价指标包括工程性指标、技术性指标、经济性指标、环保性指标以及社会性指标；

向量矩阵确定模块320，用于构造综合能源物联网的模糊化向量矩阵；

评价向量确定模块330，用于根据所述权重集和所述模糊化向量矩阵得到模糊评价向量；

评价模块340，用于根据所述模糊评价向量中的元素对于各评价等级的隶属度，得到评价结果。

本发明实施例三提供的一种综合能源物联网评价装置，采用定性和定量相结合的方法，提供了一种涵盖经济效益、环保效益以及技术质量等方面的综合效益评价体系，提高了评价的全面性和评价结果的可信度。

在上述实施例的基础上，所述技术性指标的二级评价指标包括：供能可靠性指标、能效指标、供能质量指标、网络损耗指标以及互动性指标。

在上述实施例的基础上，权重确定模块310，包括：

分量单元，用于将评价指标之间的相对重要程度分量为多个等级，并根据分量结果确定判断矩阵；

特征向量计算单元，用于计算所述判断矩阵的最大特征值对应的特征向量；

归一化单元，用于对所述特征向量进行归一化处理，得到评价指标的权重集。

在上述实施例的基础上，该装置还包括：

检验模块，用于在确定判断矩阵之后，对所述判断矩阵进行一致性检验；

重确模块，用于若所述判断矩阵不符合一致性条件，则重新确定判断矩阵。

在上述实施例的基础上，检验模块，包括：

第一指标计算单元，用于根据所述最大特征值以及判断矩阵的维数计算一致性检验指标；

第二指标计算单元，用于根据所述判断矩阵的维数确定平均随机一致性指标；

检验单元，用于若所述一致性检验指标与所述平均随机一致性指标的比值小于或等于设定值，或者，所述最大特征值等于所述判断矩阵的维数且所述一致性检验指标为0，则所述判断矩阵符合一致性条件。

在上述实施例的基础上，评价向量确定模块330，具体用于：

基于预设的模糊算子，对所述权重集和所述模糊化向量矩阵进行模糊变换运算，得到所述模糊评价向量。

在上述实施例的基础上，评价模块340具体用于：

将最大隶属度对应的评价等级作为所述评价结果。

本发明实施例三提供的综合能源物联网评价装置可以用于执行上述任意实施例提供的综合能源物联网评价方法，具备相应的功能和有益效果。

实施例四

图4为本发明实施例四提供的一种电子设备的硬件结构示意图。电子设备包括但不限定于：台式计算机、笔记本电脑、智能手机、平板电脑、服务器等如图4所示，本实施例提供的一种电子设备，包括：处理器410和存储装置420。该电子设备中的处理器可以是一个或多个，图4中以一个处理器410为例，所述电子设备中的处理器410和存储装置420可以通过总线或其他方式连接，图4中以通过总线连接为例。

所述一个或多个程序被所述一个或多个处理器410执行，使得所述一个或多个处理器实现上述实施例中任意所述的综合能源物联网评价方法。

该电子设备中的存储装置420作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中综合能源物联网评价方法对应的程序指令/模块(例如，附图3所示的综合能源物联网评价装置中的模块)。处理器410通过运行存储在存储装置420中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中的综合能源物联网评价方法。

存储装置420主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等(如上述实施例中的权重集、模糊化向量矩阵等)。此外，存储装置420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

并且，当上述电子设备中所包括一个或者多个程序被所述一个或者多个处理器410执行时，进行如下操作：基于层次分析法确定综合能源物联网的评价指标的权重集，其中，所述评价指标分为至少两级，且一级评价指标包括工程性指标、技术性指标、经济性指标、环保性指标以及社会性指标；构造综合能源物联网的模糊化向量矩阵；根据所述权重集和所述模糊化向量矩阵得到模糊评价向量；根据所述模糊评价向量中的元素对于各评价等级的隶属度，得到评价结果。

本实施例提出的电子设备与上述实施例提出的综合能源物联网评价方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述任意实施例，并且本实施例具备与执行综合能源物联网评价方法相同的有益效果。

在上述实施例的基础上，本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被综合能源物联网评价装置执行时实现本发明上述任意实施例中的综合能源物联网评价方法，该方法包括：基于层次分析法确定综合能源物联网的评价指标的权重集，其中，所述评价指标分为至少两级，且一级评价指标包括工程性指标、技术性指标、经济性指标、环保性指标以及社会性指标；构造综合能源物联网的模糊化向量矩阵；根据所述权重集和所述模糊化向量矩阵得到模糊评价向量；根据所述模糊评价向量中的元素对于各评价等级的隶属度，得到评价结果。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的综合能源物联网评价方法操作，还可以执行本发明任意实施例所提供的综合能源物联网评价方法中的相关操作，且具备相应的功能和有益效果。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的综合能源物联网评价方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。