[发明专利]电网项目需求评价模型的构建方法、装置和计算设备

权利要求书

1.一种电网项目需求评价模型的构建方法，适于在计算设备中执行，所述方法包括步骤：

确定电网公司各项目的候选指标集，并从该候选指标集中确定各项目的需求指标；

建立电网项目需求评价模型，所述需求评价模型包括项目需求指标的三级网络结构，所述三级网络结构包括需求指标层、二级需求层和一级需求层，所述需求指标层包括n个需求指标，所述二级需求层包括m个二级需求；

采用ANP网络分析法，以上级网络层为准则，以本级网络层中各元素集为次准则，对所述需求评价模型进行求解，得到所有需求指标的第一权重矩阵，以及所有二级需求的第二权重矩阵；以及

获取项目对各需求指标的满足程度矩阵，并建立需求指标到二级需求的第一映射关系、以及二级需求到一级需求的第二映射关系；以及

基于所建立的第一和第二映射关系，计算每个项目对一级需求和二级需求的满足程度，以便根据该满足程度计算各项目的评分值。

2.如权利要求1所述的方法，其中，

第一权重矩阵为第二权重矩阵为第一映射关系为第二映射关系为

其中，为指标i的权重值，为需求r的权重值，X为各需求指标的满足程度矩阵，Y和Z分别代表项目对二级需求和一级需求的满足程度，为广义模型合成算子。

3.如权利要求1所述的方法，其中，所述候选指标集包括一个或多个候选指标，所述从该候选指标集中确定各项目的需求指标的步骤包括：

收集各候选指标的历史指标值和当前指标值，并采用机器学习算法根据所述历史指标值计算各候选指标的标准值区间；

对于任一候选指标，若其当前指标值位于该指标的标准值区间外，则确定该候选指标为需求指标。

4.如权利要求3所述的方法，其中在收集各候选指标的历史指标值和当前指标值之后，还包括步骤：

将所述历史指标值和当前指标值进行归一化处理，得到无量纲值的数值。

5.如权利要求3所述的方法，其中所述机器学习算法为长短期记忆神经网络LSTM模型算法。

6.如权利要求3-5中任一项所述的方法，其中所述采用机器学习算法根据所述历史指标值计算各候选指标的标准值区间的步骤包括：

对于任一候选指标，将其历史指标值作为第一训练集{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}来对LSTM模型进行第一次训练；

采用第一次训练后的模型计算模型预估值并计算实际值y_k和预估值的预估误差

根据第一次训练后的模型和包含已知历史信息的输入值预测t时刻的输出值y_t；

基于第一训练集中的预估值和预估误差创建第二训练集

采用第二训练集获取第二次训练后的模型，并计算新的预估值、预估误差和t时刻的输出值y_t；

按照上述步骤继续生成其他训练集，并获取该其他训练集训练后的模型，以及该模型下的预估值、预估误差和t时刻的输出值y_t，直至模型预估误差达到最小值；

将所获得的多个y_t进行排序，并获取其中预定区间内的数值作为该候选指标的标准值区间。

7.如权利要求6所述的方法，其中，

η_k为服从均值为0且方差为1的恒等分布，是从中以1/N的概率随机选择一个数值替换得到，是从预估误差中消除系统误差后的校正误差。