一種針對(duì)高載能參與調(diào)峰的電力節(jié)能指標(biāo)體系形成方法研究

李曉輝，李淑鑫，王維洲，劉文穎

(1.國(guó)網(wǎng)甘肅省電力公司，甘肅蘭州730050;2.國(guó)網(wǎng)物資有限公司，北京100120; 3.華北電力大學(xué)，北京102206)

一種針對(duì)高載能參與調(diào)峰的電力節(jié)能指標(biāo)體系形成方法研究

李曉輝1，李淑鑫2，王維洲1，劉文穎3

(1.國(guó)網(wǎng)甘肅省電力公司，甘肅蘭州730050;2.國(guó)網(wǎng)物資有限公司，北京100120; 3.華北電力大學(xué)，北京102206)

在分析高載能負(fù)荷參與調(diào)峰對(duì)電力節(jié)能影響的基礎(chǔ)上，運(yùn)用判斷矩陣法，篩選出節(jié)能影響因子，進(jìn)而運(yùn)用拓?fù)浣Y(jié)構(gòu)，量化形成評(píng)估指標(biāo)，然后結(jié)合相關(guān)分析法，對(duì)指標(biāo)優(yōu)化解耦得到相應(yīng)的節(jié)能評(píng)估指標(biāo)體系;提出基于模糊處理及層次分析原理的綜合模糊評(píng)價(jià)法，建立節(jié)能評(píng)估模型和方法。最后，應(yīng)用提出的評(píng)估體系和方法，通過某區(qū)域電網(wǎng)的仿真計(jì)算，驗(yàn)證了該評(píng)估體系和方法的有效性、適用性。

高載能負(fù)荷;電網(wǎng)調(diào)峰;評(píng)估體系;綜合模糊評(píng)價(jià)

0 引言

高載能負(fù)荷參與電網(wǎng)調(diào)峰能在一定程度上減輕電網(wǎng)調(diào)峰壓力，減少常規(guī)電源熱備用容量，另一方面高載能負(fù)荷與新能源一體化發(fā)展，利于新能源的消納，降低電網(wǎng)損耗，提高電力節(jié)能水平［1］。近年來高載能負(fù)荷參與調(diào)峰技術(shù)逐漸開始得到應(yīng)用。

然而目前針對(duì)高載能負(fù)荷參與調(diào)峰的指標(biāo)體系形成方法研究鮮有報(bào)道。文獻(xiàn)［2］運(yùn)用系統(tǒng)工程的方法，建立了電力客戶綜合能效評(píng)估指標(biāo)體系;文獻(xiàn)［3］運(yùn)用層次分析法，建立用戶側(cè)實(shí)施成效評(píng)估的層次結(jié)構(gòu)模型，并由此確定了評(píng)估中各項(xiàng)指標(biāo)的權(quán)重;文獻(xiàn)［4］構(gòu)建了需求側(cè)管理工作的評(píng)價(jià)指標(biāo)體系，缺少對(duì)指標(biāo)間耦合關(guān)系的考慮;文獻(xiàn)［5］建立了用戶側(cè)管理效益的綜合評(píng)價(jià)指標(biāo)體系，運(yùn)用層次分析法和模糊綜合評(píng)判方法進(jìn)行了評(píng)價(jià)，分析了其應(yīng)用于電力需求側(cè)管理綜合評(píng)價(jià)的可行性。

上述文獻(xiàn)所建立的高載能負(fù)荷參與調(diào)峰的指標(biāo)體系，大多針對(duì)單一的篩選原則，建立的評(píng)估指標(biāo)體系缺乏科學(xué)性和系統(tǒng)性。為此，本文將從高載能負(fù)荷參與調(diào)峰的影響因子出發(fā)，科學(xué)合理地構(gòu)建評(píng)估指標(biāo)，建立節(jié)能指標(biāo)體系;運(yùn)用模糊評(píng)價(jià)法，對(duì)基于高載能負(fù)荷參與調(diào)峰的節(jié)能進(jìn)行評(píng)估。

1 高載能負(fù)荷參與調(diào)峰對(duì)電力節(jié)能的影響

高載能負(fù)荷參與電網(wǎng)調(diào)峰，無(wú)論從電源側(cè)、電網(wǎng)側(cè)還是用戶側(cè)，均對(duì)電力節(jié)能產(chǎn)生影響。

(1)電源側(cè)

對(duì)于電源側(cè)，合理配置高載能負(fù)荷參與調(diào)峰可影響新能源成本、常規(guī)能源成本、機(jī)組發(fā)電損耗成本等多個(gè)方面。對(duì)于常規(guī)電源來說，高載能負(fù)荷參與調(diào)峰后，等效增加了系統(tǒng)備用容量，即減少了常規(guī)電源機(jī)組的備用容量，能夠使機(jī)組在高負(fù)荷狀態(tài)運(yùn)行，降低其煤耗率;同時(shí)，高載能負(fù)荷參與調(diào)峰可提高新能源利用率，消納新能源發(fā)電多余電量，提高風(fēng)電企業(yè)的經(jīng)濟(jì)效益。電源為配合高載能負(fù)荷調(diào)峰，其機(jī)組發(fā)電損耗成本也會(huì)產(chǎn)生影響。

(2)電網(wǎng)側(cè)

對(duì)于電網(wǎng)側(cè)，高載能負(fù)荷參與調(diào)峰對(duì)電網(wǎng)損耗、無(wú)功補(bǔ)償設(shè)備損耗、諧波損耗、其他設(shè)備損耗等多方面產(chǎn)生影響。高載能負(fù)荷參與調(diào)峰，可實(shí)現(xiàn)新能源發(fā)電對(duì)綠色高載能負(fù)荷的電力“直供”，縮短了電能傳輸?shù)木嚯x，相應(yīng)降低了電網(wǎng)網(wǎng)損，具體可包括線路損耗和變壓器損耗;同時(shí)高載能負(fù)荷存在大量電動(dòng)機(jī)和沖擊性負(fù)荷，將會(huì)向電力系統(tǒng)注入諧波，造成諧波損耗。高載能負(fù)荷參與調(diào)峰對(duì)無(wú)功補(bǔ)償設(shè)備、其他設(shè)備也有損耗［6－7］。

(3)用戶側(cè)

對(duì)于用戶側(cè)，高載能負(fù)荷參與調(diào)峰，對(duì)企業(yè)損耗成本、設(shè)備能源損耗、自備電廠損耗均有影響:一方面，高載能負(fù)荷參與調(diào)峰，造成設(shè)備頻繁的啟停，對(duì)利用效率影響較大，同時(shí)，高載能企業(yè)長(zhǎng)時(shí)間中斷，對(duì)企業(yè)損耗也有影響;另一方面，高載能負(fù)荷調(diào)峰對(duì)常規(guī)能源的攝入量產(chǎn)生影響，造成設(shè)備的能源損耗。此外，自備電廠配合操作，也造成相應(yīng)的損耗。

2 高載能負(fù)荷參與調(diào)峰的節(jié)能指標(biāo)體系

2.1 指標(biāo)體系構(gòu)建原則

基于上述高載能負(fù)荷參與調(diào)峰對(duì)電力節(jié)能的影響，對(duì)影響因素進(jìn)行篩選量化，進(jìn)而建立指標(biāo)體系，來評(píng)估高載能負(fù)荷參與調(diào)峰的節(jié)能水平。

圖1 高載能負(fù)荷參與調(diào)峰的節(jié)能指標(biāo)體系建立流程

指標(biāo)體系的合理性和全面性直接影響評(píng)價(jià)結(jié)果的準(zhǔn)確性。本文建立的指標(biāo)體系由影響因子量化建立，能科學(xué)反應(yīng)節(jié)能狀況，節(jié)能指標(biāo)體系建立的流程如圖1所示。具體生成步驟如下:

(1)節(jié)能影響因子篩選。利用判斷矩陣法，對(duì)影響因素進(jìn)行重要性排序并篩選出影響因子，形成一級(jí)指標(biāo)。

(2)節(jié)能評(píng)估指標(biāo)量化。運(yùn)用拓?fù)浣Y(jié)構(gòu)，對(duì)篩選的影響因子進(jìn)行多空間尺度量化，形成二級(jí)指標(biāo)，形成初步的節(jié)能指標(biāo)體系。

(3)節(jié)能指標(biāo)體系優(yōu)化?；诔醪降墓?jié)能指標(biāo)體系，運(yùn)用相關(guān)分析法和判斷矩陣法，對(duì)各指標(biāo)進(jìn)行解耦，優(yōu)化形成最終的指標(biāo)體系。

2.2 節(jié)能影響因子篩選

高載能負(fù)荷參與調(diào)峰對(duì)電力節(jié)能的影響因素較多，直接進(jìn)行評(píng)估難度較大，需要進(jìn)一步篩選。選用判斷矩陣法，對(duì)影響因素進(jìn)行重要性排序，選取重要度較大的因素作為影響因子。

首先，專家將影響因素按重要度進(jìn)行排序，依次定義為A1……Ak－1，Ak。設(shè)專家關(guān)于影響因素Ak－1與Ak的重要程度之比wk－1/wk的理性判斷分別為:

其中rk的賦值可參考表1。

表1 rk的賦值參考表

影響因素Ak的權(quán)重wn為:

根據(jù)上述方法，可得影響因素重要度權(quán)重矩陣W={w1，w2…wn}，其中w1+w2+……+wn=1。

設(shè)置取舍權(quán)數(shù)為wk∈［0，1］，當(dāng)wi＜wk時(shí)，則篩選掉該影響因素，否則保留。

基于上述高載能負(fù)荷參與調(diào)峰對(duì)電力節(jié)能的影響因素，定義n=10，按照重要度排序A1，A2……A10分別為企業(yè)損耗成本、電網(wǎng)網(wǎng)損、新能源成本、常規(guī)能源成本、諧波損耗、自備電廠損耗、無(wú)功補(bǔ)償設(shè)備損耗、其他設(shè)備損耗、設(shè)備能源損耗、機(jī)組發(fā)電損耗成本。利用判斷矩陣法，根據(jù)相對(duì)重要性賦值，保留前4項(xiàng)影響因素企業(yè)損耗成本、電網(wǎng)網(wǎng)損、新能源成本、常規(guī)能源成本。可篩選為節(jié)能影響因子，作為一級(jí)指標(biāo)。

2.3 節(jié)能評(píng)估指標(biāo)量化

“本次大賽是標(biāo)志著威縣農(nóng)業(yè)生產(chǎn)從‘冀南棉?！健龓龍@’轉(zhuǎn)型升級(jí)的大事。”王淑平表示，根力多雖然放眼于全國(guó)，但總部在威縣。根力多將利用自身優(yōu)勢(shì)，將國(guó)內(nèi)外的先進(jìn)管理方式和優(yōu)秀的管理經(jīng)驗(yàn)帶回威縣來，推動(dòng)威縣的產(chǎn)業(yè)發(fā)展。這種寓教于樂的活動(dòng)，根力多也愿意一屆又一屆地辦下去。

基于上述對(duì)節(jié)能影響因子的選擇分析，對(duì)影響因子進(jìn)一步拓展量化，建立節(jié)能評(píng)估指標(biāo)。利用拓?fù)浣Y(jié)構(gòu)法，從多空間尺度來進(jìn)行量化分析。

節(jié)能指標(biāo)涉及面廣，分散性大。依據(jù)上述節(jié)能影響因子，利用拓?fù)浣Y(jié)構(gòu)，結(jié)合多種方法進(jìn)行分析量化節(jié)能影響因子。拓?fù)浣Y(jié)構(gòu)示意圖如2所示。

圖2 拓?fù)浣Y(jié)構(gòu)示意

其中影響因子是上述描述高載能負(fù)荷參與調(diào)峰的節(jié)能直接表達(dá);拓展指標(biāo)則通過對(duì)影響因子進(jìn)行涵義拓?fù)溲诱购蛿?shù)學(xué)處理后獲得，是進(jìn)一步分析復(fù)雜特性的工具。常見拓展方法有按照時(shí)間尺度、經(jīng)濟(jì)尺度等。

根據(jù)步驟1篩選得到的節(jié)能影響因子，初步確定二級(jí)指標(biāo)，結(jié)合圖2所示的拓?fù)浣Y(jié)構(gòu)法，進(jìn)行指標(biāo)量化，為方便計(jì)劃，所有指標(biāo)均量化到成本量綱。

表2 各級(jí)指標(biāo)的量化公式

2.4 節(jié)能指標(biāo)體系優(yōu)化

對(duì)上述量化形成的評(píng)價(jià)指標(biāo)進(jìn)行整理組合，建立初步的節(jié)能評(píng)估指標(biāo)體系。然而初步的節(jié)能指標(biāo)體系僅由評(píng)價(jià)指標(biāo)疊加形成，不可避免地存在一些次要評(píng)價(jià)指標(biāo)，或指標(biāo)間存在耦合性，需進(jìn)一步對(duì)其進(jìn)行解耦篩選。指標(biāo)體系的解耦優(yōu)化選用相關(guān)性分析法。

相關(guān)性分析法是對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，從而衡量?jī)蓚€(gè)變量因素的相關(guān)密切程度，判斷變量是否存在耦合關(guān)系［10］。

首先將數(shù)據(jù)進(jìn)行預(yù)處理:設(shè)定極大型指標(biāo)集為標(biāo)準(zhǔn)類型，將極小型和區(qū)間型指標(biāo)轉(zhuǎn)換為極大型。對(duì)于評(píng)價(jià)指標(biāo)的無(wú)量綱化，采用中心化處理方式。然后分析所選數(shù)據(jù)，進(jìn)行變量間相關(guān)系數(shù)計(jì)算，根據(jù)計(jì)算結(jié)果，得到指標(biāo)間的相關(guān)系數(shù)。設(shè)定閾值參數(shù)rk，若指標(biāo)間相關(guān)系數(shù)大于閾值rk，則兩個(gè)指標(biāo)耦合度較高，需要舍棄一個(gè)指標(biāo)參數(shù)。對(duì)于耦合度較高的指標(biāo)，可以運(yùn)用上述的判斷矩陣法，選擇對(duì)上層指標(biāo)影響度較大的選擇代替。

對(duì)于表2所示的節(jié)能評(píng)估指標(biāo)量化結(jié)果，一級(jí)指標(biāo)定義為影響因子，無(wú)需篩選;二級(jí)指標(biāo)為影響因子量化形成的具體指標(biāo)。運(yùn)用上述相關(guān)性分析法，對(duì)二級(jí)指標(biāo)進(jìn)行解耦篩選。

通過前期調(diào)研，收集得到發(fā)電公司、電網(wǎng)公司和高載能企業(yè)的節(jié)能數(shù)據(jù)，進(jìn)行相關(guān)分析。以常規(guī)能源成本因子為例，進(jìn)行說明。

通過相關(guān)性計(jì)算，對(duì)評(píng)價(jià)指標(biāo)相關(guān)性進(jìn)行兩兩比較，得到其分析結(jié)果如表3所示。

表3 常規(guī)能源成本指標(biāo)的相關(guān)系數(shù)

設(shè)置閾值rk=0.75。根據(jù)上述表格數(shù)據(jù)分析，備用容量比重、備用容量投入速度、備用容量經(jīng)濟(jì)成本兩兩之間的相關(guān)系數(shù)均大于0.75，即三者存在很強(qiáng)的相關(guān)性。運(yùn)用上述的判斷矩陣法分析，備用容量比重的重要度最大，因此選取備用容量比重作為常規(guī)能源備用影響因子的指標(biāo)。

同理依次計(jì)算得到其他指標(biāo)，經(jīng)篩選后形成的評(píng)價(jià)體系如圖3所示。

圖3 篩選后的節(jié)能指標(biāo)體系

3 高載能負(fù)荷參與調(diào)峰的評(píng)估模型

本文選取基于層次分析法的多級(jí)模糊綜合評(píng)價(jià)模型［11－12］，利用上面所提出的節(jié)能評(píng)估體系，對(duì)高載能負(fù)荷參與調(diào)峰的用戶側(cè)節(jié)能效果進(jìn)行評(píng)估。

模糊綜合評(píng)估方法基于模糊數(shù)學(xué)，結(jié)合層次分析法，建立遞階層次模型，對(duì)評(píng)估對(duì)象進(jìn)行評(píng)分和排序，還可以根據(jù)模糊評(píng)估集上的數(shù)值按最大隸屬度原則去評(píng)定目標(biāo)所屬等級(jí)。具體方法如下:

(1)建立因素集和模糊評(píng)估遞階層次模型

把選定的影響因子作為評(píng)判因素，選取各影響因子量化形成的指標(biāo)為子因素集(見圖4)，即A= {A1，A2，，A3，A4，A5}，A1={S1}，A2{S2，S3}，A3= {S4}，A4{S5}，A5{S6，S7}。

建立相應(yīng)的模糊評(píng)估遞階層次模型:第一層為方案層，即高載能負(fù)荷參與調(diào)峰的節(jié)能方案;第二層為準(zhǔn)則層，即上述的一級(jí)指標(biāo);第三層為指標(biāo)層，即上述的二級(jí)指標(biāo)［13］。

(2)計(jì)算權(quán)重集

權(quán)重集是由因素集B或因素子集Bi中各個(gè)因素相對(duì)重要性的權(quán)重組成的集合。

本文采用9尺度法［14］，即按Satty的1～9值法對(duì)相對(duì)重要性程度賦值，不同因素之間兩兩對(duì)比形成判斷矩陣，判斷矩陣的最大特征值對(duì)應(yīng)的特征向量經(jīng)歸一化后即為該因素集對(duì)應(yīng)的權(quán)重集B，然后進(jìn)行一致性檢驗(yàn)，若不滿足則需要重新調(diào)整判斷矩陣的元素。

(3)建立評(píng)語(yǔ)集

建立評(píng)語(yǔ)集，本文采用五級(jí)評(píng)語(yǔ)，即V={很好，好，較好，一般，差}。對(duì)評(píng)語(yǔ)集中的每個(gè)評(píng)語(yǔ)可以給出相應(yīng)的分?jǐn)?shù)，則可以得到評(píng)語(yǔ)集對(duì)應(yīng)的分?jǐn)?shù)集。與V相對(duì)應(yīng)的分?jǐn)?shù)集取為E=［10 8 6 4 2］。

(4)確定隸屬度函數(shù)

隸屬度函數(shù)是將指標(biāo)層中的量化指標(biāo)值映射到評(píng)語(yǔ)集中，得到評(píng)估矩陣R。行為指標(biāo)隸屬于評(píng)價(jià)語(yǔ)集中各評(píng)語(yǔ)的程度可以用半梯形和三角形隸屬度函數(shù)予以描述［15］，如圖4所示。

圖4 半梯形和三角形隸屬度函數(shù)

上圖中μ(ek，vp)(k=1，2，…，5)即表示該行為指標(biāo)對(duì)評(píng)語(yǔ)ek的隸屬度，其中v1－v5為常量參數(shù)，表征對(duì)應(yīng)指標(biāo)的經(jīng)驗(yàn)判斷值，是各行為指標(biāo)隸屬度函數(shù)的參數(shù)。

(5)綜合評(píng)估結(jié)果

根據(jù)上面的方法，可以得到指標(biāo)層到準(zhǔn)則層的評(píng)估矩陣Ri，結(jié)合權(quán)重集Ai，模糊綜合評(píng)估模型為:

Si就是第一級(jí)模糊評(píng)估的結(jié)果，多級(jí)模糊評(píng)估就是重復(fù)進(jìn)行單級(jí)模糊評(píng)估的過程，最終從最下層算至最高層。注意，在計(jì)算過程中，要考慮二級(jí)指標(biāo)間的耦合參數(shù)。得到節(jié)能方案的評(píng)估結(jié)果為:

節(jié)能方案評(píng)估分?jǐn)?shù)為:

結(jié)上所述，模糊綜合評(píng)估流程如圖5所示。

圖5 模糊綜合評(píng)估流程

4 實(shí)例應(yīng)用

以甘肅某電網(wǎng)為例，在2014年風(fēng)電棄風(fēng)電量最大的10月份某天，高載能碳化硅負(fù)荷1300MW。其中碳化硅負(fù)荷可按照煉硅爐分組投切，40臺(tái)機(jī)組每臺(tái)爐3.3萬(wàn)kW，具備連續(xù)調(diào)節(jié)能力。高載能碳化硅企業(yè)每天按照8h生產(chǎn)，其中3h時(shí)可參與電網(wǎng)調(diào)峰，按棄風(fēng)過網(wǎng)電價(jià)0.155元/(kW·h)計(jì)算;5h正常生產(chǎn)，按照上網(wǎng)電價(jià)0.54元/(kW·h)計(jì)算。

根據(jù)日前風(fēng)電出力預(yù)測(cè)和負(fù)荷預(yù)測(cè)，預(yù)計(jì)次日20∶00－24∶00調(diào)峰壓力較大。在投入資金一定的情況，以消納風(fēng)電量一定為前提，制定2套調(diào)峰方案，如表3所示。

表4 節(jié)能方案具體措施

其中，方案一為調(diào)峰容量大，調(diào)峰時(shí)間短;方案二調(diào)峰容量小，調(diào)峰時(shí)間長(zhǎng)。

根據(jù)建立的高載能負(fù)荷參與調(diào)峰的節(jié)能指標(biāo)體系，結(jié)合模糊綜合評(píng)價(jià)法，對(duì)方案進(jìn)行量化計(jì)算，統(tǒng)計(jì)2種方案的在各指標(biāo)下的計(jì)算結(jié)果如表5所示。

表5 各方案指標(biāo)層計(jì)算結(jié)果萬(wàn)元

應(yīng)用本文提出的評(píng)估方法，依次對(duì)指標(biāo)層和準(zhǔn)則層進(jìn)行計(jì)算，對(duì)2個(gè)方案進(jìn)行評(píng)估。計(jì)算結(jié)果為:方案一得分7.261，方案二得分5.848。

方案1得分較高，該評(píng)估方法有效可行。依照此評(píng)估體系及方法可以對(duì)節(jié)能方案做一個(gè)綜合評(píng)估，作為方案選擇及實(shí)施的參考。

5 結(jié)語(yǔ)

針對(duì)高載能負(fù)荷參與調(diào)峰的電力節(jié)能評(píng)估現(xiàn)狀，首先運(yùn)用判斷矩陣法，篩選節(jié)能影響因子出，進(jìn)而結(jié)合拓?fù)浣Y(jié)構(gòu)，量化形成評(píng)估指標(biāo)，然后在運(yùn)用相關(guān)性分析，解耦優(yōu)化建立高載能負(fù)荷參與調(diào)峰的節(jié)能評(píng)估體系;在此基礎(chǔ)上，結(jié)合綜合模糊評(píng)價(jià)法，提出基于高載能負(fù)荷參與調(diào)峰的電力節(jié)能評(píng)估模型和方法。最后進(jìn)行實(shí)例計(jì)算，證明建立的高載能負(fù)荷參與電網(wǎng)調(diào)峰節(jié)能評(píng)估指標(biāo)體系的可行性，可以作為后續(xù)設(shè)計(jì)選擇的參考。

［1］馬林東，葛智平，張世才，等.基于高耗能企業(yè)參與電網(wǎng)內(nèi)風(fēng)電消納的主動(dòng)調(diào)峰技術(shù)［J］.電力建設(shè)，2013(10):102－106.

［2］陳華林，姚建剛，黃詩(shī)文，等.用戶側(cè)能效評(píng)估模型的研究［J］.電力需求側(cè)管理，2010(4):15－18.

［3］鄭雪茹，何建敏.基于層次分析法的電力需求側(cè)管理評(píng)價(jià)指標(biāo)權(quán)重確定方法［J］.現(xiàn)代管理科學(xué)，2006(8):8－9.

［4］劉軍.需求側(cè)管理評(píng)價(jià)指標(biāo)體系及評(píng)價(jià)模型.華北電力技術(shù)，2003，(7):26－2.

［5］殷令姣，相明瓊，郝朝磊.基于層次分析法的電力需求側(cè)管理效益綜合評(píng)價(jià)［J］.當(dāng)代經(jīng)濟(jì)，2011(8):150－152.

［6］王睿，方潔，張可，等.基于熵權(quán)和AHP的電能質(zhì)量模糊綜合評(píng)估［J］.電測(cè)與儀表，2007，44(11):21－25.

［7］熊杰鋒，李群，袁曉冬，等.電力系統(tǒng)諧波和間諧波檢測(cè)方法綜述［J］.電力系統(tǒng)自動(dòng)化，2013(11):125－133.

［8］阮文駿，王蓓蓓，李揚(yáng)，等.峰谷分時(shí)電價(jià)下的用戶響應(yīng)行為研究［J］.電網(wǎng)技術(shù)，2012(7):86－93.

［9］馬茜，顧軍華，田輝.基于判斷矩陣法的科技項(xiàng)目綜合評(píng)價(jià)［J］.兵工自動(dòng)化，2005(4):36－37.

［10］宋伶俐，鄧長(zhǎng)虹，吳耀文，等.基于相關(guān)性分析法的電網(wǎng)設(shè)備運(yùn)行效率評(píng)價(jià)指標(biāo)［J］.中國(guó)電力，2012(9):85－90.

［11］彭國(guó)榮.地區(qū)電網(wǎng)建設(shè)規(guī)模的模糊綜合評(píng)估方法研究［D］.湖南大學(xué)，2008.

［12］張吉軍.模糊層次分析法［J］.模糊系統(tǒng)與數(shù)學(xué)，2000，16(2):80－88.

［13］陳大宇.層次分析法在城市電網(wǎng)規(guī)劃中的應(yīng)用［D］.天津:天津大學(xué)，2003.

［14］陳奕，許有鵬.河流水質(zhì)評(píng)價(jià)中模糊數(shù)學(xué)評(píng)價(jià)法的應(yīng)用與比較［J］.四川環(huán)境，2009(1):94－98.

［15］郭新志，乞建勛，李星梅.基于改進(jìn)模糊層次分析法的火電廠選址綜合評(píng)價(jià)方法研究［J］.現(xiàn)代電力，2007，24(3):67－71.

A method of generating energy－saving index system for peak regulationwith high－energy load

Based on the analysis of the influence of peak regulation with high－energy load on the energy saving，judgment matrix is used to select the energy saving influence factor.Then use the topology structure，evaluation indicatorsare quantified and combined with correlation analysis method，energy－saving evaluation index systemis obtained by optimizing and decoupling indicators.The fuzzy evaluation method based on the principle of fuzzy processing and analytic hierarchy process(AHP)is proposed，and the evaluation model and method of energy saving are established.Finally，the validity and applicability of the evaluation system and method proposed in this research verified by the simulation calculation of a regional power network.

high－energy load;peak regulation;evaluation system;comprehensive fuzzy evaluation

TM761

B

1674－8069(2016)06－046－05

2016-08-20;

2016-09-06

李曉輝(1959-)，高級(jí)工程師，研究生學(xué)歷，研究方向?yàn)殡娏ο到y(tǒng)及其自動(dòng)化專業(yè)。E－mail:wangweizhou945@sina.com

國(guó)家科技支撐計(jì)劃項(xiàng)目(2015BAAO1B04);國(guó)家電網(wǎng)公司重大項(xiàng)目(522772214002C)