熵值分析法權重矩陣：
掃碼關注我們
4.2層次分析法計算
。
[2]王學良.風電場可靠性評估研究[D].天津大學,2009.
（2）指標權重分配計算
作者：新天綠色能源股份有限公司 杜石存 梁洪弋 許宜菲 梅玉杰
當CR<0.10時，認為判斷矩陣是最大的吊車12000噸吊車的一致性是可以接受是最大的吊車12000噸吊車的。
如果
是最大的吊車12000噸吊車的信息熵值為：
，對于某個指標
4.3熵值分析法計算
（3）層次單排序及一致性檢驗； 
通過建立數據標準化、狀態標準化、指標標準化體系，結合大數據平臺的計算能力獲得相應KPI指標，實現機組級別的單一指標橫向對標。上篇論文通過層次分析法結合多指標對風電機組健康度進行了評估，但是該方法對指標的評判受主觀因素影響較大。
[2]
（3）UTH—等效利用小時：UTH=統計周期內發電量/裝機容量
風電機組的可靠性水平是反映機組性能的重要指標之一，以往通常采用機組的時間可利用率來評價機組的可靠性，這種單一評判方法很多時候無法準確反映機組的健康水平[3]。指標權重是指標在評價過程中不同重要程度的反應，是評估問題中指標相對重要程度的一種主觀評價和客觀反映的綜合度量。權重的賦值合理性與否，對評價結果的科學合理性起著至關重要的作用；若某一因素的權重發生變化，將會影響整個評判結果。因此，權重的賦值必須做到科學和客觀[4]。而層次分析法AHP是對一些較為復雜的，較為模糊的問題作出決策的簡易方法，它特別適用于那些難以完全定量分析的問題。它是美國運籌學家T.L. Saaty 教授于上世紀 70年代初期提出的一種簡便、靈活而又實用的多準則決策方法[5]。其基本原理大體上可分為下面四個步驟： 
個評價指標的系統，原始評價指標矩陣Y=
建立場站級綜合評價體系初期指標包括PBA、MTBF、UTH、MTTR、度電維修成本等指標，以上指標是基于投運時間較長、數據樣本較大的風電場為模型建立的。評價指標的數據來源基于風電場SCADA系統、運行維護記錄、經營記錄、測風塔數據等，本文列舉的風機指標是通過原始數據標準化處理得到的準確數據。
復合權重構造：
（1）建立遞階層次結構模型； 
【關鍵詞】
[6]路云飛,李琳琳,張壯.決策指標組合賦權方法的研究及應用[J].計算機工程,2018,44(01):84-90.
由于單一指標很可能存在影響該指標的基礎數據準確性較差，導致最終的評判結果與實際不符。本文從多角度出發，將多重指標量化反映到場站設備健康程度上來，綜合評價某一風場，繼而指導現場運維人員對健康狀況不好的風場安排重點檢查，經過長期的系統分析最終達到對設備的預防性維護，最大限度的降低設備性能損失，提高設備健康性。
負向指標：
按照4.1對基礎數據進行標準歸一化處理，得到標準矩陣Y；然后按照公式（4）計算各指標的熵值矩陣H：
（1）PBA—能量可利用率：PBA=[實際發電量/（實際發電量+所有損失）]×100%
（2）MTBF—平均無故障運行時間：MTBF=(統計周期內小時數×機組數量-SCADA系統無連接時間-故障停機小時數）/總故障次
2.層次分析法評價體系
（5）度電維修成本（O&MCOE）：O&MCOE=（年均運維成本+年均備件成本）/年均實際上網電量
（i）計算一致性指標CI
4.復合權重分析法實現
正互反矩陣定義：若矩陣
層次分析法熵值法綜合性評估KPI指標風力發電
1.綜合評價指標
設備健康度評價需要將指標量綱標準化矩陣和最終的指標權重進行乘積運算，得到最終的設備健康度分值。即
由于正向指標和負向指標數值代表的含義不同（正向指標數值越高越好，負向指標數值越低越好）。因此，對于高低指標用不同的算法進行數據標準化處理。其具體方法如下:
（ii）查找相應的平均隨機一致性指標RI，如下表4所示：
按照公式（5）（6）計算各項熵值矩陣WH：
【摘　要】
設有
正向指標：
。
要想得到最終的指標權重值，判斷矩陣A需要滿足兩個條件：是否為正互反矩陣和一致性矩陣。
回顧
來源：《風能產業》2021.01
在這種環境下，為提高風電機組運行質量水平，減少運行故障，消除事故隱患，提升投資效益，促進風力發電技術進步和風電行業的健康、持續發展，眾多專家學者開始投身制定風電行業可靠性評價指標的體系建設中，《風力發電機組運行質量綜合評價辦法》（試行）中的基本評價指標（發電性能、可利用率、可靠性、運維經濟性）是在分析國內外相關企業的風電機組運行質量和可靠性評價指標的基礎上，結合全行業風電機組運行質量綜合評價的特點，本著“面向問題、易于操作、橫向可比、結果有用”的原則選定
，
項指標的熵值
指標量綱標準化(0,1)區間：
組待評狀態，
通過建立數據標準化體系，借助大數據平臺對海量數據實施云計算，獲取PBA、MTBF、UTH、MTTR、度電維修成本等關鍵性指標。在此基礎上，對特定區域環境下的場站開展綜合評估能有效反應其健康性狀況，為場站對標提供數據支撐。本文在保證數據質量的前提下，結合多項KPI指標，將層次分析法與熵值法相結合，確定復合指標權重，降低專家在評估過程中主觀因素和熵值法對指標權重不敏感的影響，得出場站級的綜合評價得分。并重點針對評分較低場站進一步實施風電機組根因分析，進而轉變管理模式和運維思路。
[4]王超.基于層次分析法-熵值法的物資采購評審指標權重確定研究[J].中國學術期刊電子出版社,2018,76(12):39-43.
[1]
這里的W即為指標權重，然后在進行歸一化處理即可得到最終的權重值[7]。
層次分析法權重矩陣：
實踐表明，場站健康度表現在可利用率、可靠性、發電性能、運維能力、運維經濟性等方面，按照以往的時間可利用率TBA或能量可利用率PBA等單一指標開展評判，往往太過片面。本文將層次分析法與熵值法相結合，PBA、MTBF、UTH、MTTR、度電維修成本等多指標參與計算，一方面摒棄了層次分析法中專家主觀因素的影響，另一方面解決了熵值法對指標權重缺乏敏感性的影響，從而確定各項指標的復合權重，給出最合理的場站評價得分。
第
3.熵值法評價體系
《》
5.結論分析
其中：
公眾號是中國農機工業協會風力機械分會官方風電后市場信息發布平臺，提供最權威的行業動態，分享后市場運營管理經驗。
（ii）
按照層次分析法和熵值法分別計算四項指標的權重矩陣，構造復合權重計算公式得到最終指標權重：
我國風電行業大規模發展已有約十多年時間，在快速增長的市場驅動下，風電投資者將主要精力放在了追求眼前市場及規模擴大上。隨著風力發電機組數量的增加，陸續暴露出關鍵部件早期故障、風機故障率高、故障持續時間長等問題
。
（1）根據三位專家的打分矩陣構造判斷矩陣，參照表2對上述五項指標進行定性化重要性比較，構造得到5×5判斷矩陣A。
[7]李元年.基于熵理論的指標體系區分度測算與權重設計[D].南京航空航天大學,2008.
在信息論中，熵是對不確定性的一種度量。信息量越大，不確定性就越小，熵也就越小；信息量越小，不確定性越大，熵也越大。根據熵的特性，可通過計算熵值來判斷某事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度，指標的離散程度越大，該指標對綜合評價的影響（權重）越大[6]。
項指標的信息效用值為：
[1]杜石存.基于層次分析法的多指標風電機組健康性評估[C].2019年（第五屆）風電場優化設計與運行維護專題交流研討會論文集.2019:221-227.
一致性矩陣可以算出不同因素的比例，即一致性矩陣的最大特征值對應的特征向量。即：
為：
（iii）計算一致性比例CR
4.1標準化處理
第
則定義
則稱之為正互反矩陣。明顯判斷矩陣A屬于正互反矩陣。
[3]劉睿.層次分析法在綠色供應商評價體系中的應用研究[J].中國管理信息化,2019,22(10):151-154.
（2）指標熵值
對應的特征向量為
引言
滿足（i）
[5]李榮,孔偉麗.模糊層次分析法在物流中心選址中的應用[J].物流科技,2019,42(05):10-12+24.
在看點這里
當CI=0時，判斷矩陣具有完全一致性；反之，CI越大，判斷矩陣的一致性就越差。
，
通過上表5可以看出，綜合評價得分最低的場站為C風場，A風場和E風場屬于同一梯隊，相對較好；B風場和D風場屬于綜合評價最好的場站。與現場核實后，發現C風場屬于并網時間最早的場站，并且2019年實施多項技改工作，停機時長相對較多。而B和D屬于近兩年并網場站，風機設備較穩定。
一致性矩陣定義：
（4）層次總排序及一致性檢驗。
經過MATLAB編程計算得到最終的一致性比例CR=0.0585<0.10，所以滿足一致性矩陣的要求。繼而求得最終的指標權重WE=[0.613,0.145,0.012,0.133,0.0985]。
參考文獻：
可得熵值矩陣
精彩
，則有：
（2）構造出各層次中的所有判斷矩陣； 
基礎指標數據中PBA、MTBF、UTH均屬于正向指標，數據越大越好；MTTR、度電維修成本屬于負向指標，數據越小越好。按照下述計算模型對數據進行量綱標準化處理。按照指標歸一化公式，將表格數據歸一化成5×5矩陣形式，再指標量綱標準化為（0,1）區間的矩陣Y：
（4）MTTR—平均故障修復時間：MTTR=統計范圍內故障造成的統計時間總和/故障次數
選擇張家口壩上區域所屬5個場站，考慮現場運維實際情況，這里將層次分析法和熵值分析法相結合，相關指標見表1：
若A的最大特征值
4.4復合分析法計算健康度評分
i,j,k=1,2……,n。一致性矩陣可以按照如下方式進行判斷：
（1）指標歸一化
為：