评价方法、装置、电子设备及相关产品与流程

1.本技术涉及能源规划设计技术领域，具体涉及一种评价方法、装置、电子设备及相关产品。


背景技术：

2.随着工业技术的发展，集中供热系统在提高居民生活水平方面发挥的作用越来越大。集中供热系统运行评价体系作为集中供热系统能效和输配能耗的评价体系，其重要性也日益显著。相关技术中，通常根据历史经验或固定的指标权重对集中供热系统或其中各项指标进行评价，难以客观准确地反映集中供热系统的实际运行状态。因此，如何提升集中供热系统运行评价体系的准确性，成为亟待解决的问题。


技术实现要素：

3.本技术实施例提供了一种评价方法、装置、电子设备及相关产品，有助于提高集中供热系统运行评价体系的准确性和客观性。
4.第一方面，本技术实施例提供一种评价方法，所述方法包括：
5.获取原始指标值；
6.对所述原始指标值进行归一化处理，得到归一化指标值；
7.根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重；
8.根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。
9.第二方面，本技术实施例提供一种评价装置，所述装置包括：获取单元、处理单元、确定单元和评价单元，其中，
10.所述获取单元，用于获取原始指标值；
11.所述处理单元，用于对所述原始指标值进行归一化处理，得到归一化指标值；
12.所述确定单元，用于根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重；
13.所述评价单元，用于根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。
14.第三方面，本技术实施例提供了一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本技术实施例第一方面中的步骤的指令。
15.第四方面，本技术实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本技术实施例第一方面中所描述的部分或全部步骤。
16.第五方面，本技术实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算
机执行如本技术实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
17.实施本技术实施例，具备如下有益效果：
18.可以看出，本技术实施例中所描述的评价方法、装置、电子设备及相关产品，获取原始指标值，对原始指标值进行归一化处理，得到归一化指标值，根据预设模型和归一化指标值，确定归一化指标值对应的输出权重，根据输出权重，对归一化指标值进行结果整合，得到目标评价值，目标评价值用于对待评价对象进行评价。一方面，通过对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性；另一方面，使用预设模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
附图说明
19.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1a是本技术实施例提供的一种电子设备的结构示意图；
21.图1b是本技术实施例提供的一种评价方法的流程示意图；
22.图2是本技术实施例提供的一种模糊神经网络模型的结构示意图；
23.图3是本技术实施例提供的一种评价方法的流程示意图；
24.图4是本技术实施例提供的一种电子设备的结构示意图；
25.图5a是本技术实施例提供的一种评价装置的功能单元组成框图；
26.图5b是本技术实施例提供的一种评价装置的功能单元组成框图。
具体实施方式
27.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
28.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
29.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
30.本技术实施例所涉及到的电子设备可以是包含其它功能诸如个人数字助理和/或
音乐播放器功能的便携式电子设备，诸如手机、平板电脑、具备无线通讯功能的可穿戴电子设备(如智能手表)等。便携式电子设备的示例性实施例包括但不限于搭载ios系统、android系统、microsoft系统或者其它操作系统的便携式电子设备。上述便携式电子设备也可以是其它便携式电子设备，诸如膝上型计算机(laptop)等。还应当理解的是，在其他一些实施例中，上述电子设备也可以不是便携式电子设备，而是台式计算机。电子设备还可以包括服务器。
31.如图1a所示，图1a是本技术实施例提供的一种电子设备的结构示意图。该电子设备包括处理器和存储器等等。其中，存储器与处理器连接。处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软体程序和/或模块，以及调用存储在存储器内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控，处理器可以为中央处理器(central processing unit/processor，cpu)、图形处理器(graphics processing unit，gpu)或者网络处理器(neural-network processing unit，npu)。
32.进一步地，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。
33.其中，存储器用于存储软体程序和/或模块，处理器通过运行存储在存储器的软件程序和/或模块，从而执行电子设备的各种功能应用。存储器可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软体程序等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器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、或其他易失性固态存储器件。
34.基于上述图1a所描述的电子设备，能够执行如下评价方法，具体步骤如下：
35.获取原始指标值；
36.对所述原始指标值进行归一化处理，得到归一化指标值；
37.根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重；
38.根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。
39.可以看出，本技术实施例中所描述的电子设备，可获取原始指标值，对原始指标值进行归一化处理，得到归一化指标值，根据预设模型和归一化指标值，确定归一化指标值对应的输出权重，根据输出权重，对归一化指标值进行结果整合，得到目标评价值，目标评价值用于对待评价对象进行评价。一方面，通过对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性；另一方面，使用预设模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
40.请参阅图1b，图1b是本技术实施例提供的一种评价方法的流程示意图，如图所示，应用于如图1a所示的电子设备，本评价方法包括：
41.101、获取原始指标值。
42.其中，上述原始指标值用于反映待评价对象的运行状态。待评价对象可以是任一
需要进行评价的对象，例如，集中供热系统，又如，集中供热系统的某一项指标。其中，集中供热系统可以包括热泵站、热化电站、区域锅炉房等供热设备，在此不做限定。集中供热系统的指标可以包括用户室温指标、供热系统可靠性指标、故障处理及时率指标、废气排放指标、噪声指标、废水指标、供热能效指标、风险指标、成本指标、电网频率指标等，在此不做限定。
43.102、对所述原始指标值进行归一化处理，得到归一化指标值。
44.具体地，由于不同的原始指标值对应的指标和指标类型各不相同，在对原始指标值进行评价之前，先对原始指标值进行归一化处理，得到归一化指标值。归一化指标值有助于将不同的指标转换成同一取值偏向的指标，有助于实现多种指标的统一评价。
45.例如，对成本指标而言，成本指标对应的原始指标值越低，也即是说，成本越低，则越符合期望，则成本指标对应的目标评价值就越高。而对于供热能效指标而言，供热能效指标对应的原始指标值越高，也即是说，能效越高，则越符合期望，则成本指标对应的目标评价值就越高。因此，在对原始指标值进行评价之前，先对原始指标值进行归一化处理，有利于对多种原始指标进行统一评价，从而提高集中供热系统运行评价体系的适应性和准确性。
46.103、根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重。
47.其中，上述预设模型可以为管理员自行设置或者系统默认，在此不作限定。上述输出权重可以是上述预设模型根据上述归一化指标值确定的输出权重，当输出的归一化指标值发生变化时，预设模型输出的输出权重也可能相应地发生改变。
48.104、根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。
49.具体地，相关技术中，对于集中供热系统的运行评价，通常是由系统运维人员根据历史经验确定指标对应的固定的权重，再根据确定好的权重对各项指标进行评价。或者是另行设定能够反映集中供热系统运行状态的新指标，根据新指标对集中供热系统进行评价。
50.然而，根据历史经验确定权重的方案，依赖运维人员的主观判断，客观性和准确性较低。而另行定义新指标的方案，由于无法明晰新指标与原有指标的关系，这一方案也不利于对集中供热系统进行准确评价。
51.本技术实施例中，电子设备可获取原始指标值，对原始指标值进行归一化处理，得到归一化指标值，根据预设模型和归一化指标值，确定归一化指标值对应的输出权重，根据输出权重，对归一化指标值进行结果整合，得到目标评价值，目标评价值用于对待评价对象进行评价。一方面，通过对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性；另一方面，使用预设模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
52.在一个可能的示例中，上述步骤102，所述对所述原始指标值进行归一化处理，得到归一化指标值，可以包括如下步骤：
53.21、确定所述原始指标值对应的目标指标类型；
时，确定的第一子转换公式为：当原始指标值位于预设区间[u1，u2]时，确定的第二子转换公式为：r3＝1。当原始指标值大于区间最小值u2时，确定的第三子转换公式为：
[0064]
其中，r3为区间型指标对应的归一化指标值，a3为区间型指标的原始指标值，u1为预设区间的最小值，u2为预设区间的最大值，为区间型指标的最大值，为区间型指标的最小值，max函数可以表示从和中选出最大的值作为第一子转换公式和第三子转换公式的分母。上述区间型指标的最大值和最小值，可以是根据区间型指标的多次检测得出的，也可以是根据原始指标值确定的，在此不做限定。
[0065]
可以看出，在本技术实施例中，确定原始指标值对应的目标指标类型，根据预设的指标类型与转换公式的对应关系，确定目标指标类型对应的目标转换公式，再根据目标转换公式对原始指标值进行归一化处理，得到归一化指标值。如此，通过确定目标指标类型对应的目标转换公式，对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性。
[0066]
在一个可能的示例中，所述预设模型包括模糊神经网络模型，所述模糊神经网络模型包括输入层、隶属函数层、规则层和输出层，上述步骤103，所述根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重，可以包括如下步骤：
[0067]
31、通过所述输入层，对所述归一化指标值进行输入，得到第一输出数据；
[0068]
32、通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据；
[0069]
33、通过所述规则层，对所述第二输出数据进行处理，得到第三输出数据；
[0070]
34、通过所述输出层，对所述第三输出数据进行解模糊处理，得到所述归一化指标值对应的输出权重。
[0071]
在一个可能的示例中，所述隶属函数层包括预设的模糊集合和隶属函数，上述步骤32，所述通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据，可以包括如下步骤：
[0072]
321、根据所述模糊集合，对所述第一输出数据进行模糊度划分，得到多个模糊值；
[0073]
322、根据所述隶属函数，对所述多个模糊值进行所述模糊化处理，得到所述第二输出数据。
[0074]
其中，输入层的处理函数可以是且i≤n，i＞0。可以表示输入层中第i个节点的输入，可以表示输入层中第i个节点的输出，n表示输入预设模型的指标数量。
[0075]
其中，隶属函数层中的模糊集合可以表示第一输出数据的模糊度。例如，可以将模糊集合分为5种集合，5种集合分别表示第一输出数据很小、第一输出数据小、第一输出数据适中、第一输出数据大、第一输出数据很大。隶属函数可以是
其中，可以表示第j个第一输出数据在隶属函数层中的第k个节点的输入，可以表示第j个第一输出数据在隶属函数层中的第k个节点的输出，m
jk
可以表示第j个第一输出数据的第k个模糊集合的隶属函数的均值，σ
jk
可以表示第j个第一输出数据的第k个模糊集合的隶属函数的标准方差。可以理解地，i的取值范围根据归一化指标值的个数确定，例如，输入上述模糊神经网络模型的归一化指标值有n个，则i＝1～n。k的取值范围根据模糊集合的种类数确定，例如，隶属函数层中设有m种模糊集合，k＝1～m。
[0076]
其中，规则层的处理函数可以是其中，可以表示规则层中的第l个节点的输入，可以表示规则层中的第l个节点的输出，p为规则层的节点数，在构建模糊神经网络模型时，可以根据模型的历史训练数据预先设置规则层的节点数。
[0077]
其中，输出层的处理函数可以是其中，可以表示输出层对应第i个归一化指标的输入，可以表示输出层对应第i个归一化指标的输出，即归一化指标值对应的权重，ω
np
可以表示规则层与输出层之间的连接权重。
[0078]
具体地，请参阅图2，图2是本技术实施例提供的一种模糊神经网络模型的结构示意图。如图2所示，将3个归一化指标值输入模糊神经网络模型的输入层，得到第一输出数据。输入层将第一输出数据传递至隶属函数层。在隶属函数层中，对每一个第一输出数据设置有5种模糊集合，共设有15个模糊集合，即15个节点。通过隶属函数层对归一化指标值进行模糊化处理，得到第二输出数据。通过规则层中预设的节点数和处理规则，对第二输出数据进行处理，得到第三输出数据。通过输出层，对第三输出数据进行解模糊处理，得到归一化指标值对应的输出权重。
[0079]
可以看出，本技术实施例中，使用模糊神经网络模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，在输入的归一化指标值发生变化时，也相应地对输出权重进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
[0080]
在一个可能的示例中，上述模糊神经网络模型中，规则层与输出层之间的连接权重ω
np
、隶属函数的均值m
jk
和隶属函数的标准方差σ
jk
可以通过以下方式进行更新：
[0081]
确定所述归一化指标值对应的期望权重dr；
[0082]
根据所述期望权重dr与所述输出权重确定所述输出权重对应的输出误差
[0083]
根据所述输出误差和所述第三输出数据确定所述规则层与所述输出层
之间的连接权重ω
np
对应的第一误差δω
np
；
[0084]
根据所述连接权重ω
np
、所述输出误差和所述第三输出数据确定所述规则层中的节点对应的第二误差
[0085]
根据所述第二误差和所述第二输出数据确定所述隶属函数层中的节点对应的第三误差
[0086]
根据所述第三误差所述第一输出数据和隶属函数的均值m
jk
，确定所述隶属函数均值对应的第四误差δm
jk
；
[0087]
根据所述第三误差所述第一输出数据和隶属函数的标准方差σ
jk
，确定所述隶属函数标准方差对应的第五误差δσ
jk
；
[0088]
根据所述第一误差δω
np
，对所述连接权重ω
np
进行调整，得到目标连接权重；
[0089]
根据所述第四误差δm
jk
，对所述隶属函数的均值m
jk
进行调整，得到目标均值；
[0090]
根据所述第五误差δσ
jk
，对所述隶属函数的标准方差σ
jk
进行调整，得到目标标准方差；
[0091]
根据所述目标连接权重、所述目标均值和所述目标标准方差，更新所述模糊神经网络模型。
[0092]
具体地，根据期望权重dr与输出权重确定输出权重对应的输出误差为
[0093]
根据输出误差和第三输出数据确定规则层与输出层之间的连接权重ω
np
对应的第一误差为
[0094]
根据连接权重ω
np
、输出误差和第三输出数据确定规则层中的节点对应的第二误差为
[0095]
根据第二误差和第二输出数据确定隶属函数层中的节点对应的第三误差为其中，可以表示与规则层的第l个节点相连的隶属函数层中的第j个节点的输出可以表示与规则层的第l个节点相连的隶属函数层中的第k个节点的输出，且j≠k。
[0096]
根据第三误差第一输出数据和隶属函数的均值m
jk
，确定隶属函数均值
对应的第四误差为
[0097]
根据第三误差第一输出数据和隶属函数的标准方差σ
jk
，确定隶属函数标准方差对应的第五误差为
[0098]
根据第一误差δω
np
，对连接权重ω
np
进行调整，得到目标连接权重。根据第四误差δm
jk
，对隶属函数的均值m
jk
进行调整，得到目标均值。根据第五误差δσ
jk
，对隶属函数的标准方差σ
jk
进行调整，得到目标标准方差。其中，调整方式可以是将第一误差与连接权重进行相加，也可以是相减、相乘等，在此不做限定。根据目标连接权重、目标均值和目标标准方差，更新模糊神经网络模型。
[0099]
可以看出，本技术实施例中，通过对目标连接权重、目标均值和目标标准方差的调整，更新模糊神经网络模型，并使用模糊神经网络模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，在输入的归一化指标值发生变化时，也相应地对输出权重进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
[0100]
在一个可能的示例中，所述归一化指标值包括第一子归一化指标值和第二子归一化指标值，所述输出权重包括第一子输出权重和第二子输出权重，其中，所述第一子归一化指标值对应所述第一子输出权重，所述第二子归一化指标值对应所述第二子输出权重，上述步骤104，所述根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，可以包括如下步骤：
[0101]
1041、根据所述第一子输出权重，对所述第一子归一化指标值进行结果整合，得到第一子目标指标值；
[0102]
1042、根据所述第二子输出权重，对所述第二子归一化指标值进行结果整合，得到第二子目标指标值；
[0103]
1043、根据所述第一子目标评价值和所述第二子目标评价值，确定所述目标评价值。
[0104]
具体地，在上述原始指标值包括多个子原始指标值的情况下，相应地，归一化指标值也包括多个子归一化指标值，输出权重包括多个子输出权重。此时，可以根据第一子输出权重，对第一子归一化指标值进行结果整合，得到第一子目标指标值，根据第二子输出权重，对第二子归一化指标值进行结果整合，得到第二子目标指标值，再根据第一子目标评价值和第二子目标评价值，确定目标评价值。
[0105]
举例而言，若归一化指标值为{ri}(i＝1，2，...，n)，根据预设模型和归一化指标值确定的输出权重为{ωi}(i＝1，2，...，n)，则第一子目标指标值为y1＝ω1r1，第二子目标指标值为y2＝ω2r2，以此类推。根据多个子目标评价值，确定目标评价值为
[0106]
可以看出，本技术实施例中，根据第一子输出权重，对第一子归一化指标值进行结果整合，得到第一子目标指标值，根据第二子输出权重，对第二子归一化指标值进行结果整合，得到第二子目标指标值，根据第一子目标评价值和第二子目标评价值，确定目标评价值，在存在多个子原始指标值的情况下，对多个子目标指标值进行处理，有助于对多个子目标指标值进行统一评价，有助于提高集中供热系统运行评价体系的适应性。
[0107]
需要说明地，本技术实施例中列举的公式，旨在说明可能的转换公式或对应关系，不能理解为唯一的转换公式或对应关系。在本技术实施例中也可以使用其他能够实现相同或类似效果的公式，在此不做限定。
[0108]
在一个可能的示例中，所述方法还可以包括如下步骤：
[0109]
105、在所述目标评价值小于或等于预设的目标评价阈值时，对所述目标评价值对应的指标进行优化。
[0110]
其中，上述目标评价阈值可以根据历史目标评价值确定，例如对多个历史目标评价值求平均等，在此不做限定。
[0111]
具体地，在目标评价值小于或等于预设的目标评价阈值时，确定目标评价值对应的指标，并对运维人员进行相应的提示，使得运维人员知悉需要优化的指标，并对该指标进行优化，进而为待评价对象的优化提供较为客观的数据支持，有助于提升待评价对象，例如集中供热系统的整体运行状态。具体的优化方式可以根据集中供热系统的应用场合、供热需求等因素综合确定，在此不做限定。
[0112]
可以看出，本技术实施例中，在目标评价值小于或等于预设的目标评价阈值时，对目标评价值对应的指标进行优化。如此，在提高集中供热系统运行评价体系的准确性和客观性的同时，也有助于提升待评价对象的整体运行状态。
[0113]
与上述图1b所示的实施例一致地，请参阅图3，图3是本技术实施例提供的一种评价方法的流程示意图，应用于如图1a所示的电子设备，本评价方法包括：
[0114]
201、获取原始指标值。
[0115]
202、对所述原始指标值进行归一化处理，得到归一化指标值。
[0116]
203、根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重。
[0117]
204、根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。
[0118]
205、在所述目标评价值小于或等于预设的目标评价阈值时，对所述目标评价值对应的指标进行优化。
[0119]
其中，上述步骤201-步骤205的具体描述可以参照上述图1b所描述的评价方法的相应步骤，在此不再赘述。
[0120]
可以看出，本技术实施例中所描述的评价方法，电子设备可获取原始指标值，对原始指标值进行归一化处理，得到归一化指标值，根据预设模型和归一化指标值，确定归一化指标值对应的输出权重，根据输出权重，对归一化指标值进行结果整合，得到目标评价值，目标评价值用于对待评价对象进行评价，在目标评价值小于或等于预设的目标评价阈值时，对目标评价值对应的指标进行优化。一方面，通过对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性；另一方面，使用预设模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
[0121]
与上述实施例一致地，请参阅图4，图4是本技术实施例提供的一种电子设备的结构示意图，如图所示，该包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，本技术实施例中，上
述程序包括用于执行以下步骤的指令：
[0122]
获取原始指标值；
[0123]
对所述原始指标值进行归一化处理，得到归一化指标值；
[0124]
根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重；
[0125]
根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。
[0126]
可以看出，本技术实施例中所描述的电子设备，可获取原始指标值，对原始指标值进行归一化处理，得到归一化指标值，根据预设模型和归一化指标值，确定归一化指标值对应的输出权重，根据输出权重，对归一化指标值进行结果整合，得到目标评价值，目标评价值用于对待评价对象进行评价。一方面，通过对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性；另一方面，使用预设模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
[0127]
在一个可能的示例中，在对所述原始指标值进行归一化处理，得到归一化指标值方面，上述程序还包括用于执行以下步骤的指令：
[0128]
确定所述原始指标值对应的目标指标类型；
[0129]
根据预设的指标类型与转换公式的对应关系，确定所述目标指标类型对应的目标转换公式；
[0130]
根据所述目标转换公式对所述原始指标值进行归一化处理，得到所述归一化指标值。
[0131]
在一个可能的示例中，所述目标指标类型包括区间型指标，所述区间型指标对应的指标区间为预设区间，所述预设区间包括区间最小值和区间最大值，所述目标转换公式包括第一子转换公式、第二子转换公式和第三子转换公式，在所述根据所述目标转换公式对所述原始指标值进行归一化处理方面，上述程序包括用于执行以下步骤的指令：
[0132]
在所述原始指标值小于所述区间最小值时，根据所述第一子转换公式对所述原始指标值进行归一化处理；
[0133]
在所述原始指标值位于所述预设区间内时，根据所述第二子转换公式对所述原始指标值进行归一化处理；
[0134]
在所述原始指标值大于所述区间最大值时，根据所述第三子转换公式对所述原始指标值进行归一化处理。
[0135]
在一个可能的示例中，所述预设模型包括模糊神经网络模型，所述模糊神经网络模型包括输入层、隶属函数层、规则层和输出层，在根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重方面，上述程序包括用于执行以下步骤的指令：
[0136]
通过所述输入层，对所述归一化指标值进行输入，得到第一输出数据；
[0137]
通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据；
[0138]
通过所述规则层，对所述第二输出数据进行处理，得到第三输出数据；
[0139]
通过所述输出层，对所述第三输出数据进行解模糊处理，得到所述归一化指标值对应的输出权重。
[0140]
在一个可能的示例中，所述隶属函数层包括预设的模糊集合和隶属函数，在所述
通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据方面，上述程序包括用于执行以下步骤的指令：
[0141]
根据所述模糊集合，对所述第一输出数据进行模糊度划分，得到多个模糊值；
[0142]
根据所述隶属函数，对所述多个模糊值进行所述模糊化处理，得到所述第二输出数据。
[0143]
在一个可能的示例中，所述归一化指标值包括第一子归一化指标值和第二子归一化指标值，所述输出权重包括第一子输出权重和第二子输出权重，其中，所述第一子归一化指标值对应所述第一子输出权重，所述第二子归一化指标值对应所述第二子输出权重，在所述根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值方面，上述程序还包括用于执行以下步骤的指令：
[0144]
根据所述第一子输出权重，对所述第一子归一化指标值进行结果整合，得到第一子目标指标值；
[0145]
根据所述第二子输出权重，对所述第二子归一化指标值进行结果整合，得到第二子目标指标值；
[0146]
根据所述第一子目标评价值和所述第二子目标评价值，确定所述目标评价值。
[0147]
在一个可能的示例中，上述程序包括用于执行以下步骤的指令：
[0148]
在所述目标评价值小于或等于预设的目标评价阈值时，对所述目标评价值对应的指标进行优化。
[0149]
上述主要从方法侧执行过程的角度对本技术实施例的方案进行了介绍。可以理解的是，为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本技术能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0150]
本技术实施例可以根据上述方法示例对进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本技术实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0151]
请参阅图5a，图5a是本技术实施例中所涉及的评价装置500的功能单元组成框图，所述装置500包括：获取单元501、处理单元502、确定单元503和评价单元504，其中，
[0152]
所述获取单元501，用于获取原始指标值；
[0153]
所述处理单元502，用于对所述原始指标值进行归一化处理，得到归一化指标值；
[0154]
所述确定单元503，用于根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重；
[0155]
所述评价单元504，用于根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。
[0156]
可以看出，本技术实施例中所描述的评价装置，可获取原始指标值，对原始指标值
进行归一化处理，得到归一化指标值，根据预设模型和归一化指标值，确定归一化指标值对应的输出权重，根据输出权重，对归一化指标值进行结果整合，得到目标评价值，目标评价值用于对待评价对象进行评价。一方面，通过对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性；另一方面，使用预设模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
[0157]
在一个可能的示例中，在对所述原始指标值进行归一化处理，得到归一化指标值方面，所述处理单元502具体用于：
[0158]
确定所述原始指标值对应的目标指标类型；
[0159]
根据预设的指标类型与转换公式的对应关系，确定所述目标指标类型对应的目标转换公式；
[0160]
根据所述目标转换公式对所述原始指标值进行归一化处理，得到所述归一化指标值。
[0161]
在一种可能的示例中，所述目标指标类型包括区间型指标，所述区间型指标对应的指标区间为预设区间，所述预设区间包括区间最小值和区间最大值，所述目标转换公式包括第一子转换公式、第二子转换公式和第三子转换公式，在根据所述目标转换公式对所述原始指标值进行归一化处理方面，所述处理单元502具体用于：
[0162]
在所述原始指标值小于所述区间最小值时，根据所述第一子转换公式对所述原始指标值进行归一化处理；
[0163]
在所述原始指标值位于所述预设区间内时，根据所述第二子转换公式对所述原始指标值进行归一化处理；
[0164]
在所述原始指标值大于所述区间最大值时，根据所述第三子转换公式对所述原始指标值进行归一化处理。
[0165]
在一个可能的示例中，所述预设模型包括模糊神经网络模型，所述模糊神经网络模型包括输入层、隶属函数层、规则层和输出层，在所述根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重方面，所述确定单元503具体还用于：
[0166]
通过所述输入层，对所述归一化指标值进行输入，得到第一输出数据；
[0167]
通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据；
[0168]
通过所述规则层，对所述第二输出数据进行处理，得到第三输出数据；
[0169]
通过所述输出层，对所述第三输出数据进行解模糊处理，得到所述归一化指标值对应的输出权重。
[0170]
在一个可能的示例中，所述隶属函数层包括预设的模糊集合和隶属函数，在所述通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据方面，所述确定单元503具体用于：
[0171]
根据所述模糊集合，对所述第一输出数据进行模糊度划分，得到多个模糊值；
[0172]
根据所述隶属函数，对所述多个模糊值进行所述模糊化处理，得到所述第二输出数据。
[0173]
在一个可能的示例中，所述归一化指标值包括第一子归一化指标值和第二子归一化指标值，所述输出权重包括第一子输出权重和第二子输出权重，其中，所述第一子归一化
指标值对应所述第一子输出权重，所述第二子归一化指标值对应所述第二子输出权重，在所述根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值方面，所述评价单元504具体用于：
[0174]
根据所述第一子输出权重，对所述第一子归一化指标值进行结果整合，得到第一子目标指标值；
[0175]
根据所述第二子输出权重，对所述第二子归一化指标值进行结果整合，得到第二子目标指标值；
[0176]
根据所述第一子目标评价值和所述第二子目标评价值，确定所述目标评价值。
[0177]
在一个可能的示例中，如图5b所示，与上述图5a相比较，装置500还可包括：优化单元505，其中，
[0178]
所述优化单元505，用于在所述目标评价值小于或等于预设的目标评价阈值时，对所述目标评价值对应的指标进行优化。
[0179]
可以看出，本技术实施例提供的评价装置，可获取原始指标值，对原始指标值进行归一化处理，得到归一化指标值，根据预设模型和归一化指标值，确定归一化指标值对应的输出权重，根据输出权重，对归一化指标值进行结果整合，得到目标评价值，目标评价值用于对待评价对象进行评价，在目标评价值小于或等于预设的目标评价阈值时，对目标评价值对应的指标进行优化。一方面，通过对原始指标值进行归一化处理，有助于对多种原始指标进行统一评价，提高集中供热系统运行评价体系的适应性；另一方面，使用预设模型确定输出权重，使得输出权重能够根据输入的归一化指标值进行调整，有助于提高集中供热系统运行评价体系的准确性和灵活性。
[0180]
可以理解的是，本实施例的评价装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
[0181]
本技术实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括控制平台。
[0182]
本技术实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括控制平台。
[0183]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0184]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0185]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可
以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
[0186]
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0187]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0188]
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例上述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0189]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：read-only memory，简称：rom)、随机存取器(英文：random access memory，简称：ram)、磁盘或光盘等。
[0190]
以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种评价方法，其特征在于，所述方法包括：获取原始指标值；对所述原始指标值进行归一化处理，得到归一化指标值；根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重；根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。2.根据权利要求1所述的方法，其特征在于，所述对所述原始指标值进行归一化处理，得到归一化指标值，包括：确定所述原始指标值对应的目标指标类型；根据预设的指标类型与转换公式的对应关系，确定所述目标指标类型对应的目标转换公式；根据所述目标转换公式对所述原始指标值进行归一化处理，得到所述归一化指标值。3.根据权利要求2所述的方法，其特征在于，所述目标指标类型包括区间型指标，所述区间型指标对应的指标区间为预设区间，所述预设区间包括区间最小值和区间最大值，所述目标转换公式包括第一子转换公式、第二子转换公式和第三子转换公式；所述根据所述目标转换公式对所述原始指标值进行归一化处理，包括：在所述原始指标值小于所述区间最小值时，根据所述第一子转换公式对所述原始指标值进行归一化处理；在所述原始指标值位于所述预设区间内时，根据所述第二子转换公式对所述原始指标值进行归一化处理；在所述原始指标值大于所述区间最大值时，根据所述第三子转换公式对所述原始指标值进行归一化处理。4.根据权利要求1-3任一项所述的方法，其特征在于，所述预设模型包括模糊神经网络模型，所述模糊神经网络模型包括输入层、隶属函数层、规则层和输出层；所述根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重，包括：通过所述输入层，对所述归一化指标值进行输入，得到第一输出数据；通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据；通过所述规则层，对所述第二输出数据进行处理，得到第三输出数据；通过所述输出层，对所述第三输出数据进行解模糊处理，得到所述归一化指标值对应的输出权重。5.根据权利要求4所述的方法，其特征在于，所述隶属函数层包括预设的模糊集合和隶属函数，所述通过所述隶属函数层，对所述第一输出数据进行模糊化处理，得到第二输出数据，包括：根据所述模糊集合，对所述第一输出数据进行模糊度划分，得到多个模糊值；根据所述隶属函数，对所述多个模糊值进行所述模糊化处理，得到所述第二输出数据。6.根据权利要求1所述的方法，其特征在于，所述归一化指标值包括第一子归一化指标值和第二子归一化指标值，所述输出权重包括第一子输出权重和第二子输出权重，其中，所述第一子归一化指标值对应所述第一子输出权重，所述第二子归一化指标值对应所述第二
子输出权重；所述根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，包括：根据所述第一子输出权重，对所述第一子归一化指标值进行结果整合，得到第一子目标指标值；根据所述第二子输出权重，对所述第二子归一化指标值进行结果整合，得到第二子目标指标值；根据所述第一子目标评价值和所述第二子目标评价值，确定所述目标评价值。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述目标评价值小于或等于预设的目标评价阈值时，对所述目标评价值对应的指标进行优化。8.一种评价装置，其特征在于，所述装置包括：获取单元、处理单元、确定单元和评价单元，其中，所述获取单元，用于获取原始指标值；所述处理单元，用于对所述原始指标值进行归一化处理，得到归一化指标值；所述确定单元，用于根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重；所述评价单元，用于根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。9.一种电子设备，其特征在于，包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法中的步骤的指令。

技术总结
本申请实施例公开了一种评价方法、装置、电子设备及相关产品，所述方法包括：获取原始指标值，对所述原始指标值进行归一化处理，得到归一化指标值，根据预设模型和所述归一化指标值，确定所述归一化指标值对应的输出权重，根据所述输出权重，对所述归一化指标值进行结果整合，得到目标评价值，所述目标评价值用于对待评价对象进行评价。采用本申请实施例有助于提高集中供热系统运行评价体系的准确性和客观性。客观性。客观性。


技术研发人员：张屹 吴进 施烨 金浩
受保护的技术使用者：港华能源投资有限公司
技术研发日：2021.10.19
技术公布日：2022/3/8