基于主客觀賦權(quán)的燃煤機組節(jié)能減排模糊綜合評價

柏建華， 魏健鵬， 劉吉祥， 徐方靈， 王海生

(國網(wǎng)甘肅省電力公司電力科學(xué)研究院， 蘭州 730070)

隨著煤炭資源的枯竭和針對大氣污染日益嚴重的燃煤機組超低排放政策的出臺，我國對燃煤機組節(jié)能減排評價體系和方法提出了更高的要求。

綜合評價法的基本思想是將多個指標轉(zhuǎn)化為一個能夠具體量化反映綜合情況的指標來進行評價[1]。曹麗華等[2-3]運用灰色關(guān)聯(lián)理論對火電機組節(jié)能減排進行了評價；王軍等[4]利用因子分析方法建立了燃煤發(fā)電節(jié)能減排的一種綜合評價模型；孫栓柱等[5]通過雷達圖和能源消耗與環(huán)境代價統(tǒng)一量化的節(jié)能減排績效評價兩種方法分別分析燃煤機組節(jié)能減排績效綜合評價效果；付忠廣等[6]將最大熵與投影尋蹤方法相結(jié)合應(yīng)用于燃煤機組節(jié)能減排綜合評價模型中；楊勇平等[7]采用優(yōu)劣解距離(TOPSIS)法的組合權(quán)重建立了火電機組性能綜合評價模型；齊敏芳等[8]將信息熵理論與主成分分析方法相結(jié)合應(yīng)用于火電機組綜合評價；魏利邦等[9]通過將粗糙集理論和可拓物元理論結(jié)合，構(gòu)造了燃煤發(fā)電機組節(jié)能綜合指標模型；許乃中等[10]構(gòu)建了面向區(qū)間值的火電機組模糊數(shù)學(xué)綜合評價體系；張雷等[11]利用全排列多邊形圖示指標法構(gòu)建了綜合評價模型，實現(xiàn)對績效的動態(tài)評價。

目前常見的熵權(quán)確定方法有主觀賦權(quán)法、客觀賦權(quán)法和主客觀融合賦權(quán)法[12]。主客觀融合賦權(quán)法綜合了主觀和客觀兩種賦權(quán)方法的特點，既考慮了專家的主觀偏好，又兼顧了決策數(shù)據(jù)本身的客觀信息，從一定程度上克服了單一賦權(quán)法的不足，避免片面性，提高綜合評價的科學(xué)性。常見的主客觀融合賦權(quán)方法有線性組合法[13-15]，基于最小二乘線性融合、乘法合成歸一法和基于最大隸屬度的多權(quán)融合技術(shù)。尤晨等[16-18]將最小二乘法、二元語義加權(quán)算術(shù)平均(T-WAA)算法、最小化 Kullback 散度的方法應(yīng)用于綜合評價中。

雖然我國學(xué)者對燃煤電廠節(jié)能減排評價做了大量的工作，但大多是針對節(jié)能或減排單方面進行評價研究，而針對節(jié)能減排綜合評價的研究較少，將主客觀權(quán)重融合的節(jié)能減排綜合評價就更少。通過構(gòu)建燃煤機組節(jié)能減排評價體系，采用一種主客觀權(quán)重相融合的方法，對某地區(qū)6臺火電機組節(jié)能減排進行了綜合評價，得到更科學(xué)、合理、客觀的評價結(jié)果。

1　基于歐式貼近度的模糊物元模型

1.1 構(gòu)造復(fù)合模糊物元矩陣Rnm

物元是由給定的方案或事物M、優(yōu)選指標C(特征向量)和指標數(shù)值x(特征值)構(gòu)成的三元數(shù)組R=(M，C，x)。如果指標特征值x具有不確定性和模糊性，R則為模糊物元。由m個方案或事物對應(yīng)的n個指標數(shù)值組合起來，就構(gòu)成了復(fù)合模糊物元矩陣Rnm,記為：

(1)

1.2 從優(yōu)隸屬度模糊物元矩陣的確定

(2)

1.3 差平方模糊物元矩陣構(gòu)建

理想狀態(tài)下指標μij=1，以Sij=(μij-1)2組成差平方模糊物元，記為：

(3)

1.4 指標權(quán)重計算

1.4.1 主觀權(quán)重系數(shù)計算(選取專家調(diào)查法)

專家調(diào)查法簡單、直觀，便于實現(xiàn)[19]。具體步驟為：

(1) 聘請專家填寫調(diào)查表格。

(2) 對專家調(diào)查表進行匯總。

將所有專家調(diào)查表進行評價指標重要程度系數(shù)aij匯總。

(3) 計算指標ci的重要程度系數(shù)。

(4)

1.4.2 客觀權(quán)重系數(shù)計算(選取熵權(quán)法)

熵權(quán)法屬于客觀賦權(quán)法，依靠數(shù)據(jù)本身的客觀信息計算，不受專家和評價者的主觀偏好干擾[20]，其計算步驟為：

(1) 構(gòu)建物元矩陣Rnm。

(2) 將物元矩陣進行歸一處理。

(5)

式中：xmax、xmin分別表示相同指標下不同評價對象最理想者或最不理想者。

(3) 確定評價指標的熵。

i=1，2，…，n,j=1，2，…，m

(6)

(4) 計算評價指標的熵權(quán)βi。

(7)

1.5 主客觀權(quán)重系數(shù)融合方法

為使組合權(quán)重盡可能地同時兼顧主客觀權(quán)重,根據(jù)最小鑒別信息理論，組合權(quán)重求解公式為：

(8)

1.6 基于歐式近度的綜合評價

貼近度是指被評價對象與標準對象兩者接近程度，貼近度越大表明兩者差距越小，反之則表明兩者相差較大[21]。理想狀態(tài)下指標μij=1，標準對象貼近度為1，故對于燃煤機組貼近度越接近標準對象貼近度1，表明該機組的節(jié)能減排效果越好。根據(jù)差平方模糊物元和各評價指標熵權(quán)，可得出貼近度為：

(9)

2　節(jié)能減排綜合評價

評價指標的選取是否科學(xué)、全面、合理，將直接影響綜合評價的結(jié)果：指標太多，將會有重復(fù)性指標，會擴大對應(yīng)指標的權(quán)重，同時會加大綜合評價計算的復(fù)雜性和數(shù)據(jù)采集的誤差；指標太少，則缺乏足夠的代表性，會產(chǎn)生片面性。應(yīng)依照目的明確、比較全面、切實可行的原則選取評價指標[22]。

根據(jù)歐式貼近度的模糊綜合評價法、專家調(diào)查法和熵權(quán)法的步驟，確定評價流程(見圖1)。

圖1模糊綜合評價流程圖

3　應(yīng)用分析

某地區(qū)6臺300 MW燃煤機組2015年節(jié)能減排指標數(shù)據(jù)見表1。

表1　6臺燃煤機組節(jié)能減排評價指標值

在主觀權(quán)重計算中，聘請了3位火電節(jié)能專家和3位環(huán)保專家對各節(jié)能減排指標權(quán)重打分，匯總見表2。

表2　專家調(diào)查匯總表

根據(jù)評價流程步驟分別對主客觀權(quán)重進行了計算，通過式(8)對主客觀權(quán)重進行融合，融合權(quán)重見表3。由表3可見：熵權(quán)法中新水耗量權(quán)重最大，發(fā)電標準煤耗權(quán)重最小。而專家調(diào)查法中發(fā)電標準煤耗權(quán)重最大，新水耗量權(quán)重最小。對數(shù)據(jù)進行分析，可知在客觀熵權(quán)法中評價指標數(shù)值離散程度越大，計算所得的權(quán)重就越大。對比主客觀和組合權(quán)重可以看出：組合權(quán)重介于主、客觀權(quán)重之間，在排序過程中既尊重了專家意愿，又體現(xiàn)了客觀數(shù)值。

表3　主客觀權(quán)重融合結(jié)果

根據(jù)式(9)對機組節(jié)能減排貼近度進行求解，并對各機組節(jié)能減排進行了優(yōu)劣排序，結(jié)果見表4。由表4可以看出：5號機組的節(jié)能減排貼近度為0.672 4，距標準對象貼近度1最近，故5號機組的節(jié)能減排效果最好；后面依次為2號機組、3號機組、4號機組、1號機組和6號機組。對比表1節(jié)能減排評價指標值可見：雖然1號機組發(fā)電標準煤耗最低，但是與5號機組相比，其新水耗量和SO2排放量較高；6號機組發(fā)電標準煤耗、新水耗量、NOx排放量和粉塵排放量都最高，所以6號機組節(jié)能減排效果最差。該排序與這6臺機組實際運行情況相一致。

表4　6臺機組節(jié)能減排貼近度

4　結(jié)語

選取的發(fā)電標準煤耗、發(fā)電廠用電率、新水耗量、SO2排放量、NOx排放量、粉塵排放量6個運行指標，囊括了節(jié)煤、節(jié)電、節(jié)水及污染物排放等方面，能夠較全面地評價燃煤機組減排現(xiàn)狀。采用主客觀賦權(quán)的模糊綜合評價模型對燃煤機組節(jié)能減排效果的評價與實際運行情況相一致，此模型能夠科學(xué)、合理地反映機組實際情況。該評價方法能為進一步提高燃煤機組節(jié)能減排精細化管理水平和發(fā)電企業(yè)內(nèi)部班組競賽提供依據(jù)，對電網(wǎng)基于節(jié)能減排調(diào)度具有一定借鑒意義。

參考文獻：

[1] 顧煜炯, 徐婧, 李倩倩, 等. 燃煤發(fā)電機組調(diào)峰能力模糊綜合評估方法[J]. 熱力發(fā)電, 2017, 46(2): 15-21.

[2] 曹麗華, 徐皎瑾, 李勇. 基于灰色關(guān)聯(lián)度的火電廠節(jié)能減排效果評價方法研究[J]. 環(huán)境工程, 2014, 32(6): 140-143.

[3] 羅毅, 周創(chuàng)立, 劉向杰. 多層次灰色關(guān)聯(lián)分析法在火電機組運行評價中的應(yīng)用[J]. 中國電機工程學(xué)報, 2012, 32(17): 97-103.

[4] 王軍, 李永華, 閻維平. 一種燃煤發(fā)電節(jié)能減排綜合評價指數(shù)[J]. 中國電機工程學(xué)報, 2011, 31(增刊1): 144-148.

[5] 孫栓柱, 代家元, 周春蕾, 等. 燃煤機組節(jié)能減排績效綜合評價方法研究[J]. 電力科技與環(huán)保, 2015, 31(5): 53-56.

[6] 付忠廣, 齊敏芳. 基于最大熵投影尋蹤耦合的燃煤機組節(jié)能減排評價方法研究[J]. 中國電機工程學(xué)報, 2014, 34(26): 4476-4482.

[7] 楊勇平, 吳殿法, 王寧玲. 基于組合權(quán)重-優(yōu)劣解距離法的火電機組性能綜合評價[J]. 熱力發(fā)電, 2016, 45(2): 10-15.

[8] 齊敏芳, 付忠廣, 景源, 等. 基于信息熵與主成分分析的火電機組綜合評價方法[J]. 中國電機工程學(xué)報, 2013, 33(2): 58-64.

[9] 魏利邦, 徐世明. 基于粗糙集的火電機組節(jié)能綜合評價指標體系研究[J]. 節(jié)能, 2015, 35(12): 9-13.

[10] 許乃中, 曾維華. 火電行業(yè)節(jié)能減排技術(shù)綜合評價方法研究[J]. 環(huán)境科學(xué)與技術(shù), 2014, 37(5): 187-192, 198.

[11] 張雷, 李娜娜, 趙會茹, 等. 基于全排列多邊形圖示指標法的火電企業(yè)節(jié)能減排績效綜合評價[J]. 中國電力, 2014, 47(6): 145-150.

[12] 宋冬梅, 劉春曉, 沈晨, 等. 基于主客觀賦權(quán)法的多目標多屬性決策方法[J]. 山東大學(xué)學(xué)報(工學(xué)版), 2015, 45(4): 1-9.

[13] 姜光成, 胡乃聯(lián), 印赫哲, 等. 基于主客觀組合賦權(quán)及灰色相關(guān)分析的采礦法優(yōu)選[J]. 礦業(yè)研究與開發(fā), 2016, 36(9): 7-13.

[14] 馬友, 王尚廣, 孫其博, 等. 一種綜合考慮主客觀權(quán)重的Web服務(wù)QoS度量算法[J]. 軟件學(xué)報, 2014, 25(11): 2473-2485.

[15] 趙建恒, 許蘊山, 鄧有為, 等. 針對預(yù)警機的主客觀權(quán)重相結(jié)合的TOPSIS法多目標排序[J]. 計算機測量與控制, 2014, 22(10): 3249-3252.

[16] 尤晨. 主客觀組合賦權(quán)的灰色決策模型及其在消費者決策中的運用[J]. 數(shù)學(xué)的實踐與認識, 2014, 44(20): 57-63.

[17] 韓二東, 郭鵬, 趙靜. 主客觀權(quán)重集成及擴展VIKOR的多屬性群決策方法[J]. 計算機工程與應(yīng)用, 2015, 51(11) 1-5, 17.

[18] 王娟, 周好文. 基于Kullback散度的主客觀權(quán)重相結(jié)合的投資決策方法[J]. 濟南大學(xué)學(xué)報(自然科學(xué)版), 2011, 25(4): 414-417.

[19] 曾小明, 周俊武, 單肖軍, 等. 城市道路交通綜合管理機制研究[J]. 佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版), 2008, 26(4): 35-38.

[20] 曹麗華, 崔琬婷, 徐皎瑾, 等. 熵權(quán)模糊物元模型應(yīng)用于火電廠節(jié)能減排綜合評價[J]. 熱力發(fā)電, 2015, 44(1): 54-57, 63.

[21] 孫建梅, 邢柳. 基于改進模糊物元的火電機組節(jié)能減排評價[J]. 科技管理研究, 2016, 36(11): 58-62, 96.

[22] 胡永宏, 賀思輝. 綜合評價方法[M]. 北京: 科學(xué)出版社, 2000: 10-11.