【技術實現步驟摘要】
本申請涉及風電、太陽能光伏等新能源開發的智能選址，特別是涉及一種人機混合驅動的新能源選址指標體系構建方法和系統。
技術介紹
1、新能源開發選址是為高效利用可再生能源，綜合考慮資源、環境等因素選定最佳位置的過程。合理的指標體系不僅是新能源選址的前提，更是保證選址準確性和可靠性的關鍵，直接影響新能源選址決策的有效性。為避免資源浪費和生態破壞，構建科學的新能源選址指標體系尤為關鍵。
2、目前，現有的新能源開發選址研究主要側重于決策模型的構建，例如，在風能方面：構建基于貝葉斯最佳-最差方法的海上風電選址多指標決策模型；建立基于博弈論的海上風電多指標決策模型；在太陽能方面：利用概率語言信息為太陽能發電廠的選址建立一個多階段決策支持框架；運用地理信息系統和層次分析法來確定太陽能光伏發電廠最佳選址等等。
3、然而，上述新能源開發選址方法未充分考慮指標體系的合理構建，將新能源開發選址指標體系視為決策模型的次要組成部分，通常僅依賴于決策者的主觀判斷這一單一方式來確定選址的指標體系。
4、也即，現有的新能源開發選址過程中，指標體系構建方法存在主觀性強、自動化智能化程度低的技術問題。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種人機混合驅動的新能源選址指標體系構建方法和一種人機混合驅動的新能源選址指標體系構建系統。
2、為了實現上述目的，本專利技術實施例采用以下技術方案：
3、一方面，提供一種人機混合驅動的新能源選址指標體系構建方
4、獲取新能源開發選址的初步指標體系及評價信息；初步指標體系為新能源選址專家構建和完善得到，評價信息為新能源選址決策者在各備選方案下對初步指標體系的各指標進行評價的信息；
5、根據評價信息，利用梯形模糊數獲得決策矩陣，對決策矩陣進行集成和去模糊化，獲得去模糊化的集體決策矩陣；
6、根據去模糊化的集體決策矩陣，利用機器智能對初步指標體系進行優化分析，根據分析結果獲得最終指標體系。
7、在其中一個實施例中，根據去模糊化的集體決策矩陣，利用機器智能對初步指標體系進行優化分析的步驟，包括：
8、根據去模糊化的集體決策矩陣，利用指標冗余分析模型對初步指標體系進行分析，去除初步指標體系中的冗余指標。
9、在其中一個實施例中，根據去模糊化的集體決策矩陣，利用機器智能對初步指標體系進行優化分析的步驟中，去除冗余指標之后，還包括：
10、根據去模糊化的集體決策矩陣和冗余指標，利用機器學習算法量化度量各關鍵指標組合的備選方案區分能力，獲得評估結果；各關鍵指標為除冗余指標之外剩余的指標；
11、根據評估結果，獲得最終指標體系。
12、在其中一個實施例中，根據去模糊化的集體決策矩陣，利用指標冗余分析模型對初步指標體系進行分析，去除初步指標體系中的冗余指標的步驟，包括：
13、計算同一一級指標下任意兩個二級指標之間的相關系數；
14、根據各相關系數，構建相關系數矩陣，求解相關系數矩陣的逆矩陣；
15、根據逆矩陣，計算同一一級指標下任意兩個二級指標之間的偏相關系數；
16、根據各偏相關系數，量化各二級指標的備選方案區分能力，獲得量化結果；
17、根據量化結果，刪除初步指標體系中的冗余指標。
18、在其中一個實施例中，根據去模糊化的集體決策矩陣和冗余指標，利用機器學習算法量化度量各關鍵指標組合的備選方案區分能力，獲得評估結果的步驟，包括：
19、根據去模糊化的集體決策矩陣和各關鍵指標，獲得分類特征矩陣；
20、根據分類特征矩陣，構造隨機森林模型；
21、根據隨機森林模型，計算各關鍵指標的權重及排序；
22、根據權重及排序，獲得所有關鍵指標組合，量化度量各指標組合的備選方案區分能力，獲得評估結果。
23、在其中一個實施例中，根據去模糊化的集體決策矩陣和各關鍵指標，獲得分類特征矩陣的步驟，包括：
24、根據去模糊化的集體決策矩陣和各關鍵指標，獲得細化決策數據矩陣；
25、根據細化決策數據矩陣分別計算各備選方案的性能系數，根據各性能系數，對各備選方案進行分類，獲得各備選方案的分類類型；
26、根據細化決策數據矩陣和各分類類型，獲得分類特征矩陣。
27、另一方面，還提供一種人機混合驅動的新能源選址指標體系構建系統，包括：
28、信息獲取模塊，用于獲取新能源開發選址的初步指標體系及評價信息；初步指標體系為新能源選址專家構建和完善得到，評價信息為新能源選址決策者在各備選方案下對初步指標體系的各指標進行評價的信息；
29、信息處理模塊，用于根據評價信息，利用梯形模糊數獲得決策矩陣，對決策矩陣進行集成和去模糊化，獲得去模糊化的集體決策矩陣；
30、指標體系優化模塊，用于根據去模糊化的集體決策矩陣，利用機器智能對初步指標體系進行優化分析，根據分析結果獲得最終指標體系。
31、在其中一個實施例中，上述人機混合驅動的新能源選址指標體系構建系統中，指標體系優化模塊包括：
32、冗余分析子模塊，用于根據去模糊化的集體決策矩陣，利用指標冗余分析模型對初步指標體系進行分析，去除初步指標體系中的冗余指標。
33、在其中一個實施例中，上述人機混合驅動的新能源選址指標體系構建系統中，指標體系優化模塊還包括：
34、評估子模塊，用于根據去模糊化的集體決策矩陣和冗余指標，利用機器學習算法量化度量各關鍵指標組合的備選方案區分能力，獲得評估結果；各關鍵指標為除冗余指標之外剩余的指標；
35、優化子模塊，用于根據評估結果，獲得最終指標體系。
36、本申請實施例中提供的一個或多個技術方案，至少具有如下技術效果或優點：
37、上述人機混合驅動的新能源選址指標體系構建方法和系統，通過新能源選址專家構建的初步指標體系和決策者的評價信息，生成去模糊化的集體決策矩陣，基于該矩陣，利用機器智能優化指標體系，獲得新能源開發選址的最終指標體系。將新能源選址專家決策者的人類智能與機器智能相結合，既解決了新能源開發選址指標體系構建過程中固有的強主觀性問題，又提高了新能源開發選址指標體系構建的科學嚴謹性和自動化智能化水平。
本文檔來自技高網...【技術保護點】
1.一種人機混合驅動的新能源選址指標體系構建方法，其特征在于，包括步驟：
2.根據權利要求1所述的人機混合驅動的新能源選址指標體系構建方法，其特征在于，所述根據所述去模糊化的集體決策矩陣，利用機器智能對所述初步指標體系進行優化分析的步驟，包括：
3.根據權利要求2所述的人機混合驅動的新能源選址指標體系構建方法，其特征在于，所述根據所述去模糊化的集體決策矩陣，利用機器智能對所述初步指標體系進行優化分析的步驟中，去除所述冗余指標之后，還包括：
4.根據權利要求2或3所述的人機混合驅動的新能源選址指標體系構建方法，其特征在于，所述根據所述去模糊化的集體決策矩陣，利用指標冗余分析模型對所述初步指標體系進行分析，去除所述初步指標體系中的冗余指標的步驟，包括：
5.根據權利要求4所述的人機混合驅動的新能源選址指標體系構建方法，其特征在于，所述根據所述去模糊化的集體決策矩陣和所述冗余指標，利用機器學習算法量化度量各關鍵指標組合的備選方案區分能力，獲得評估結果的步驟，包括：
6.根據權利要求5所述的人機混合驅動的新能源選址指標體系構建方
7.一種人機混合驅動的新能源選址指標體系構建系統，其特征在于，包括：
8.根據權利要求7所述的人機混合驅動的新能源選址指標體系構建系統，其特征在于，所述指標體系優化模塊包括：
9.根據權利要求8所述的人機混合驅動的新能源選址指標體系構建系統，其特征在于，所述指標體系優化模塊還包括：
...【技術特征摘要】
1.一種人機混合驅動的新能源選址指標體系構建方法，其特征在于，包括步驟：
2.根據權利要求1所述的人機混合驅動的新能源選址指標體系構建方法，其特征在于，所述根據所述去模糊化的集體決策矩陣，利用機器智能對所述初步指標體系進行優化分析的步驟，包括：
3.根據權利要求2所述的人機混合驅動的新能源選址指標體系構建方法，其特征在于，所述根據所述去模糊化的集體決策矩陣，利用機器智能對所述初步指標體系進行優化分析的步驟中，去除所述冗余指標之后，還包括：
4.根據權利要求2或3所述的人機混合驅動的新能源選址指標體系構建方法，其特征在于，所述根據所述去模糊化的集體決策矩陣，利用指標冗余分析模型對所述初步指標體系進行分析，去除所述初步指標體系中的冗余指標的步驟，包括：
...
【專利技術屬性】
技術研發人員：趙程偉，劉瑞環，徐選華，張坤，
申請(專利權)人：中南林業科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。