基于熵和層次分析方法的能源分析

萬芯彤 蔡成娜

摘 要：基于熵和層次分析過程，我們對1960 - 2009年，亞利桑那州，加利福尼亞州，新墨西哥州和德克薩斯州的能源概況進(jìn)行了基于時間序列的縱向分析，并對各州進(jìn)行了橫向分析。ARIMA時間序列模型預(yù)測了2025年至2050年四個州的能源狀況，AHP建立了評價指標(biāo)體系的主觀評價，熵方法進(jìn)行了客觀分析，幫助我們制定了可再生清潔能源的未來發(fā)展目標(biāo)。我們的出發(fā)點是：能源，經(jīng)濟(jì)和環(huán)境和諧共存。

關(guān)鍵詞：熵法；層次分析法；ARIMA預(yù)測

1.問題描述

沿著美國與墨西哥的邊界，有四個州 - 加利福尼亞州（CA），亞利桑那州（AZ），新墨西哥州（NM）和德克薩斯州（德克薩斯州） - 希望形成一個現(xiàn)實的新能源緊湊型，專注于增加清潔劑、可再生能源的使用。這些州的四位州長要求進(jìn)行數(shù)據(jù)分析和建模，以便為他們的州際能源契約制定一系列目標(biāo)。使用提供的數(shù)據(jù)，創(chuàng)建能量分布建立一個模型來描述1960 - 2009年的能源狀況是如何演變而來的。分析和解釋模型的結(jié)果，以一種州長容易理解的方式解決四個州對清潔，可再生能源的使用，并幫助他們理解四個州之間的相似性和差異。

2.具體問題分析

利用處理過的數(shù)據(jù)，統(tǒng)計多年來各種能源的國家消費情況，取平均值，并繪制數(shù)字。我們這樣做的原因是要了解各州在過去的時間框架內(nèi)對不同能源的總體使用情況。但僅僅了解總體情況遠(yuǎn)遠(yuǎn)不夠，因此我們計劃在1960年至2009年的四個州使用可再生和不可再生能源的數(shù)據(jù)繪制折線圖。然后根據(jù)我們獲得的數(shù)據(jù)，我們將獲得四個州中每個州的相對詳細(xì)的能源概況。

我們首先計算1960年至2009年能源使用比較數(shù)據(jù)，然后繪制趨勢，以測試過去50年中能源概況的演變。但是根據(jù)趨勢圖看一般趨勢太主觀了。這不是我們想要的。我們更傾向于讓數(shù)據(jù)代表他們自己，因此我們需要進(jìn)一步開發(fā)一個模型，用于科學(xué)地跟蹤四個州的能源使用變化。在建立模型之后，我們可以進(jìn)一步分析為什么能源使用曲線在一年中顯著波動。通過引入一系列影響政策的因素，如礦產(chǎn)資源，地理，氣候，人口，交通，工業(yè)和國家政策，分析潛在的波動原因。根據(jù)這一分析，可以進(jìn)一步分析過去50年來在所有州使用清潔和可再生能源的情況

3.模型

3.1問題一

3.1.1模型的基礎(chǔ)

利用數(shù)據(jù)處理，統(tǒng)計多年來各種能源的國家消費，平均值，并繪制數(shù)字。我們這樣做的原因是要了解各州在過去的時間框架內(nèi)對不同能源的總體使用情況。但僅僅了解總體情況遠(yuǎn)遠(yuǎn)不夠，因此我們計劃在1960年至2009年的四個州使用可再生和不可再生能源的數(shù)據(jù)繪制折線圖。然后根據(jù)我們獲得的數(shù)據(jù)，我們將獲得四個州中每個州的相對詳細(xì)的能源概況。

3.1.2模型建立

步驟1：利用數(shù)據(jù)處理，統(tǒng)計多年來各種能源的國家消費，平均值，并繪制數(shù)字。

步驟2：使用1960 - 2009年四個州使用可再生和不可再生能源的數(shù)據(jù)繪制折線圖。

步驟3：根據(jù)我們得到的數(shù)據(jù)，我們將獲得四個州中每個州的相對詳細(xì)的能源概況。

3.1.3.分析結(jié)果

a.能源產(chǎn)量最高的是德克薩斯州，最低的是新墨西哥州。加州和亞利桑那州排名第二和第三，但差距很大。

b.新墨西哥州和亞利桑那州的總體能源使用數(shù)據(jù)保持相對穩(wěn)定，多年來德克薩斯州和加利福尼亞州的變化更為明顯。

c.2006年之前，所有四個州的不可再生能源使用呈上升趨勢，但2006年以后，加利福尼亞州和德克薩斯州呈下降趨勢。

d.在過去的50年里，盡管經(jīng)常出現(xiàn)頻繁波動，但可再生清潔能源的使用情況，但總體呈現(xiàn)出明顯的上升趨勢。加利福尼亞州對可再生能源的使用在2008年迅速增長。

3.2問題二

3.2.1模型建立

步驟1：數(shù)據(jù)標(biāo)準(zhǔn)化。我們使用的方法是閾值方法：如果原始i人的j索引是xij，則x'ij被標(biāo)準(zhǔn)化。

步驟2：計算每個州每年能源使用的信息熵。

步驟3：確定每個指標(biāo)的權(quán)重。指標(biāo)的信息效用值取決于指標(biāo)的信息熵與1之間的差異，其值直接影響權(quán)重的大小。信息的效用值越大，評估的重要性越大，權(quán)重越大。

3.2.2.分析結(jié)果

a.1988年，亞利桑那州，加利福尼亞州和新墨西哥州都開始使用光伏和太陽能，并且所有四個州都將大部分可再生能源用于木材和廢料。

b.在過去的50年里，四個州最常用的是木材和廢料。

c.加利福尼亞州和新墨西哥州的地?zé)崮茉词褂帽绕渌麅蓚€州更為明顯，但加利福尼亞州的地?zé)崮芾寐拭黠@高于新墨西哥州

d.與其他州相比，在德克薩斯州使用石油和天然氣是令人信服的。石油和天然氣目前仍是德克薩斯州的主要產(chǎn)業(yè)，但它們在經(jīng)濟(jì)中的份額已經(jīng)下降。

e.由于人口少且擁有核電基礎(chǔ)，新墨西哥州很有可能在未來發(fā)展核電

f.雖然每個州的能源使用情況偶爾波動，但整體趨勢繼續(xù)逐年穩(wěn)步長。但相對于新墨西哥州和德克薩斯州，亞利桑那州和加利福尼亞州能源使用增長的穩(wěn)定性更為強(qiáng)勁。

4.錯誤分析

當(dāng)使用層次分析法對模型2中的最佳情況進(jìn)行建模時，由于對清潔能源的經(jīng)濟(jì)，社會和環(huán)境影響尚不清楚，這些指標(biāo)對可再生能源的影響只能通過目標(biāo)假設(shè)來判斷。該方法產(chǎn)生的數(shù)據(jù) 會有一些錯誤，這個錯誤可能會導(dǎo)致錯誤的結(jié)果。

5.優(yōu)勢與缺點

5.1優(yōu)勢

在分析數(shù)據(jù)時，我們使用熵方法讓數(shù)據(jù)說明一切。我們使用AHP來制定指標(biāo)評估，使決策更加合理。

5.2缺點

在該模型中，沒有關(guān)于各個國家部門的能源消耗的統(tǒng)計數(shù)據(jù)，也沒有關(guān)于每個國家的能源進(jìn)出口數(shù)據(jù)分析的統(tǒng)計數(shù)據(jù)，因此該模型存在一些缺陷。

6.改進(jìn)

我們只計算每個能源指標(biāo)對可再生能源影響的權(quán)重，并沒有考慮環(huán)境因素，經(jīng)濟(jì)因素對能源演變的影響，在修改模型中，我們可以考慮經(jīng)濟(jì)，環(huán)境，社會等因素，建立一個更完整的模型。

參考文獻(xiàn)

[1]國家能源數(shù)據(jù)系統(tǒng)（SEDS）到2009年全部數(shù)據(jù)集

[2] 潛在的能源成本：能源生產(chǎn)和使用的未定價后果發(fā)布日期：2009年10月19日Dan Greenbaum健康影響研究所的演講MIT-NESCAUM Endicott House Symposium 2010年8月25日。

作者簡介

萬芯彤，1997.04 女 漢族 河南省信陽市 河南省開封市河南大學(xué)軟件學(xué)院互聯(lián)網(wǎng)金融方向2015級本科生在讀，通訊作者：蔡成娜。

（作者單位：河南大學(xué)軟件學(xué)院）