基于多準(zhǔn)則決策方法的海島風(fēng)浪互補(bǔ)電站選址決策研究?

邵 萌，張淑蕾，孫金偉，韓志欣，趙遠(yuǎn)續(xù)，張夢(mèng)溪

(中國(guó)海洋大學(xué)工程學(xué)院，山東 青島 266100)

海洋能作為一種儲(chǔ)量豐富、開(kāi)發(fā)前景廣闊的可再生能源，近年來(lái)正逐漸成為關(guān)注熱點(diǎn)[1-2]。海島是中國(guó)海洋能發(fā)電的主要應(yīng)用對(duì)象之一，海洋能發(fā)電可以解決海島的供電問(wèn)題，推動(dòng)海島經(jīng)濟(jì)發(fā)展，充分發(fā)揮海島的戰(zhàn)略地位，具有重要的經(jīng)濟(jì)與軍事意義[3]。針對(duì)海島海洋能開(kāi)發(fā)存在的能流密度偏低、單一海洋能發(fā)電裝置發(fā)電效率低、可靠性差等問(wèn)題，海島海洋能多能互補(bǔ)成為中國(guó)海洋能開(kāi)發(fā)利用的重要發(fā)展方向[4]。橫觀國(guó)內(nèi)外海洋能發(fā)展現(xiàn)狀，目前國(guó)際上產(chǎn)業(yè)化程度最高的是海上風(fēng)力發(fā)電，而國(guó)內(nèi)波浪能發(fā)電處于示范化階段[5]，從資源、技術(shù)等角度考慮，風(fēng)能與波浪能互補(bǔ)在可靠性、安全性、經(jīng)濟(jì)性和環(huán)境效益等方面表現(xiàn)優(yōu)異，同時(shí)可以實(shí)現(xiàn)以風(fēng)帶浪，推動(dòng)波浪能產(chǎn)業(yè)化進(jìn)程[6]。

為推進(jìn)海島風(fēng)浪互補(bǔ)電站開(kāi)發(fā)，其前期決策尤其是選址決策至關(guān)重要，將直接影響未來(lái)的經(jīng)濟(jì)與社會(huì)效益。目前，國(guó)內(nèi)外對(duì)風(fēng)浪互補(bǔ)電站選址的研究較少。Margarita等[7]結(jié)合地理信息系統(tǒng)(Geographic information system，GIS)和多準(zhǔn)則決策(Multi-criteria decision making，MCDM)方法，應(yīng)用層次分析法(Analytic hierarchy process，AHP)求解評(píng)價(jià)指標(biāo)的權(quán)重并進(jìn)行方案排序，確定了在希臘克里特島近海地區(qū)建造風(fēng)浪互補(bǔ)電站的適宜區(qū)域。Cradden等[8]應(yīng)用GIS中的決策支持工具進(jìn)行風(fēng)能與波浪能的資源分析，將資源數(shù)據(jù)可視化，研究結(jié)果表明歐洲北部和西部的資源條件符合要求、適宜開(kāi)發(fā)。

目前，國(guó)內(nèi)外學(xué)者對(duì)單一能源選址進(jìn)行了大量研究，從風(fēng)、浪資源角度考慮，主要集中在風(fēng)電場(chǎng)的選址，對(duì)波浪能電站的選址研究較少。在風(fēng)電場(chǎng)選址方面，Mahdy等[9]將GIS和AHP結(jié)合，應(yīng)用簡(jiǎn)單加權(quán)法進(jìn)行方案排序，繪制埃及海上風(fēng)電場(chǎng)的適宜性地圖，分級(jí)顯示了紅海附近適宜建造風(fēng)電場(chǎng)的區(qū)域，為埃及海上風(fēng)電場(chǎng)建設(shè)提供了參考。Kim等[10]將選址評(píng)價(jià)指標(biāo)分類(lèi)，利用GIS在大尺度上對(duì)韓國(guó)濟(jì)州島地區(qū)海上風(fēng)電場(chǎng)可行區(qū)域進(jìn)行了評(píng)價(jià)。Cavazzi等[11]應(yīng)用一種基于GIS的工具來(lái)評(píng)估英國(guó)的海上風(fēng)能潛力，該工具考慮到經(jīng)濟(jì)因素，例如開(kāi)發(fā)成本、維護(hù)成本和生產(chǎn)收益等。Aymen等[12]從電網(wǎng)運(yùn)行安全性、經(jīng)濟(jì)投資可行性以及站點(diǎn)容量性能等角度考慮，應(yīng)用AHP結(jié)合GIS進(jìn)行選址評(píng)估確定最佳海上風(fēng)力發(fā)電場(chǎng)。Moradi等[13]應(yīng)用GIS和AHP進(jìn)行伊朗中部風(fēng)資源的評(píng)估，從最不適宜到最適宜將場(chǎng)址適宜性程度劃分為8個(gè)層次，結(jié)果表明研究區(qū)域的20%適合風(fēng)電場(chǎng)開(kāi)發(fā)。Hofer等[14]考慮到經(jīng)濟(jì)、政治和環(huán)境等方面，依托AHP與簡(jiǎn)單加權(quán)法得到風(fēng)電場(chǎng)的區(qū)域適宜性指數(shù)，結(jié)合GIS得到德國(guó)亞琛市風(fēng)電場(chǎng)開(kāi)發(fā)適宜區(qū)域。Baseer等[15]應(yīng)用AHP確定指標(biāo)權(quán)重并在GIS中應(yīng)用簡(jiǎn)單加權(quán)法確定方案適宜性指數(shù)，將其劃分成六個(gè)層次以確定阿拉伯地區(qū)風(fēng)電場(chǎng)的適宜開(kāi)發(fā)區(qū)域。在波浪能電站選址方面，Ghosh等[16]首先依據(jù)AHP確定評(píng)價(jià)指標(biāo)的權(quán)重，隨后提出一種基于人工神經(jīng)網(wǎng)絡(luò)的MCDM方法確定英國(guó)和牙買(mǎi)加地區(qū)波浪能轉(zhuǎn)換裝置安放位置的適宜性指數(shù)。Abaei等[17]基于概率影響參數(shù)建立貝葉斯網(wǎng)絡(luò)模型并將其擴(kuò)展到影響圖，提出一種新型選址決策方法來(lái)評(píng)估澳大利亞塔斯馬尼亞州波浪能發(fā)電裝置不同安放位置的預(yù)期效用。

由以上研究可知，目前風(fēng)浪互補(bǔ)電站選址或風(fēng)、浪單一能源電站選址主要集中在大尺度選址，即基于GIS或GIS與MCDM結(jié)合得到適宜性區(qū)劃[18]。適宜性區(qū)劃將可開(kāi)發(fā)區(qū)域分為若干等級(jí)，并不能直接用于確定最優(yōu)站址。因此風(fēng)浪互補(bǔ)電站小尺度選址需進(jìn)一步開(kāi)展。

同時(shí)，目前電站選址的評(píng)價(jià)指標(biāo)權(quán)重計(jì)算大多采用特征向量法(AHP的核心算法)，即主觀賦權(quán)法。特征向量法主要依靠專(zhuān)家的主觀判斷確定判斷矩陣，因而難以避免主觀偏差，進(jìn)而影響權(quán)重及最終計(jì)算結(jié)果的客觀性及魯棒性。方案排序算法多采用簡(jiǎn)單加權(quán)法，因?yàn)槠溆?jì)算過(guò)程簡(jiǎn)單，可直接應(yīng)用GIS工具進(jìn)行求解，但其數(shù)學(xué)模型不夠清晰[19]。

針對(duì)風(fēng)浪互補(bǔ)電站選址決策領(lǐng)域存在的問(wèn)題，本文提出海島風(fēng)浪互補(bǔ)電站小尺度選址決策方法，該方法包括決策模型構(gòu)建和模型求解算法兩部分。與大尺度選址決策方法相比，評(píng)價(jià)指標(biāo)體系更復(fù)雜、全面，可以得出備選方案優(yōu)先序列，直接服務(wù)于決策部門(mén)的最終站址選擇，因此可以大大推動(dòng)中國(guó)海洋能的產(chǎn)業(yè)化進(jìn)程，為科學(xué)選址提供理論支撐。該方法在指標(biāo)權(quán)重求解算法中采用組合權(quán)重法，將特征向量法和熵值法相結(jié)合，并引入集體決策理論，克服了單一主觀賦權(quán)方法的弊端，降低主觀偏差。在方案排序算法中選用TOPSIS方法，其數(shù)學(xué)意義明確，充分利用原始數(shù)據(jù)，減少信息損失。最后，將本方法應(yīng)用于青島市海島風(fēng)浪互補(bǔ)電站選址決策中，通過(guò)敏感性分析驗(yàn)證方法的科學(xué)性與魯棒性。

1 海島風(fēng)浪互補(bǔ)電站選址決策模型構(gòu)建

海島風(fēng)浪互補(bǔ)電站選址決策所涉及的影響因素眾多，根據(jù)文獻(xiàn)綜述法、專(zhuān)家調(diào)查法，結(jié)合風(fēng)浪發(fā)電技術(shù)，構(gòu)建模型評(píng)價(jià)指標(biāo)集[20]，包括資源條件、自然條件、經(jīng)濟(jì)因素和社會(huì)因素4個(gè)一級(jí)指標(biāo)及其相應(yīng)的15個(gè)二級(jí)指標(biāo)。

1.1 資源條件指標(biāo)

資源條件指標(biāo)是反映資源豐富程度及可開(kāi)發(fā)程度的重要指標(biāo)。本文根據(jù)風(fēng)能、波浪能資源評(píng)估方法[21]，建立資源條件二級(jí)指標(biāo)集，包括年平均波功率密度、年平均有效波高、年有效波浪小時(shí)數(shù)、年平均風(fēng)速、年平均風(fēng)功率密度和年有效風(fēng)小時(shí)數(shù)。其中，年平均波功率密度和年平均有效波高用于衡量波浪能潛在開(kāi)發(fā)能力[22]。波功率密度和波高的原始數(shù)據(jù)擬通過(guò)SWAN計(jì)算模型得到，模型的輸入為實(shí)際水深、風(fēng)場(chǎng)等條件，波功率密度計(jì)算方法見(jiàn)公式(1)[23]。年平均風(fēng)功率密度和年平均風(fēng)速是衡量風(fēng)能資源的重要指標(biāo)，風(fēng)場(chǎng)數(shù)據(jù)來(lái)源于歐洲中期天氣預(yù)報(bào)中心(ECMWF)[23]，風(fēng)功率密度計(jì)算方法見(jiàn)公式(2)[24]。年有效波浪小時(shí)數(shù)和年有效風(fēng)小時(shí)數(shù)影響波浪能和風(fēng)能裝置的運(yùn)行時(shí)間[24]。

(1)

式中：Pwave為波功率密度(kW/m)；ρ為海水密度，取1 025 kg/m3；Hs為有效波高(m)；g為重力加速度，取9.798 m/s2；TE為能量周期(s)。

(2)

式中：Pwind為風(fēng)功率密度(W/m2)；ρ為空氣密度(kg/m3)；n為設(shè)定時(shí)段內(nèi)的記錄數(shù)；vi為第i次記錄的風(fēng)速。

1.2 自然條件指標(biāo)

自然條件的優(yōu)劣會(huì)對(duì)海島風(fēng)浪互補(bǔ)電站的建造難度、投資效益、運(yùn)營(yíng)風(fēng)險(xiǎn)等產(chǎn)生直接影響。自然條件指標(biāo)的二級(jí)指標(biāo)包括水深、潮差、海底地質(zhì)和海島地形。水深在一定程度上會(huì)限制風(fēng)能、波浪能發(fā)電裝置的類(lèi)型和規(guī)模，同時(shí)會(huì)影響海底電纜布置的成本和安裝工藝。潮差是指在一個(gè)潮汐周期內(nèi)，相鄰高潮位與低潮位之間的差值,會(huì)影響風(fēng)能、波浪能發(fā)電裝置的設(shè)計(jì)、安裝與運(yùn)維。海底地質(zhì)影響著安裝發(fā)電裝置和海底電纜的方式。海島地形會(huì)影響岸上中央控制室和陸上電纜路由的設(shè)計(jì)。

1.3 經(jīng)濟(jì)因素指標(biāo)

經(jīng)濟(jì)因素指標(biāo)影響海島風(fēng)浪互補(bǔ)電站的建造和運(yùn)營(yíng)成本，建立的二級(jí)指標(biāo)包括總成本和國(guó)民生產(chǎn)總值?？偝杀局荚诤饬亢u風(fēng)浪互補(bǔ)獨(dú)立電站建設(shè)的資金投入，包括電站的建設(shè)、運(yùn)行和維護(hù)等費(fèi)用[25]。國(guó)民生產(chǎn)總值反映了海島的經(jīng)濟(jì)狀況，國(guó)民生產(chǎn)總值越高，該海島建設(shè)電站的需求程度越大。

1.4 社會(huì)因素指標(biāo)

社會(huì)因素指標(biāo)的二級(jí)指標(biāo)包括交通條件、與規(guī)劃相符程度和電力需求匹配供給的程度。交通條件指航運(yùn)條件及島上交通狀況，影響電站的安裝和運(yùn)維。與規(guī)劃相符程度反映了當(dāng)?shù)叵嚓P(guān)政策對(duì)海島的支持程度。電力需求與供給匹配程度可以根據(jù)當(dāng)?shù)厝丝?，?dāng)前電力情況以及基礎(chǔ)設(shè)施建設(shè)情況確定，反映了建設(shè)電站的緊迫程度。

基于評(píng)價(jià)指標(biāo)集構(gòu)建的海島風(fēng)浪互補(bǔ)電站選址決策模型如圖1所示。

圖1 選址決策模型

海島風(fēng)浪互補(bǔ)電站選址決策模型的評(píng)價(jià)指標(biāo)具有定性與定量混雜、量綱不一致、指標(biāo)值導(dǎo)向不一致等問(wèn)題。根據(jù)評(píng)價(jià)指標(biāo)的導(dǎo)向不同，可以將其分為效益型指標(biāo)和成本型指標(biāo)。在進(jìn)行方案排序之前，需對(duì)指標(biāo)體系進(jìn)行規(guī)范化處理。通過(guò)1～9打分法實(shí)現(xiàn)定性指標(biāo)的定量化和無(wú)量綱化。向量規(guī)范化法經(jīng)驗(yàn)證是TOPSIS最適合的規(guī)范化方法[26]，因此采用向量規(guī)范化法實(shí)現(xiàn)指標(biāo)體系的規(guī)范化，如公式(3)～(4)所示[27]。

效益型指標(biāo)：

(3)

成本型指標(biāo)：

(4)

式中：i=1,2,…,m;j=1,2,…,n；xij為第i個(gè)方案中第j個(gè)指標(biāo)的屬性值；rij為第i個(gè)方案中第j個(gè)指標(biāo)規(guī)范后的屬性值。

2 海島風(fēng)浪互補(bǔ)電站選址決策模型求解

海島風(fēng)浪互補(bǔ)電站選址決策模型的求解算法主要包括權(quán)重求解算法和方案排序算法兩大部分。

2.1 權(quán)重求解算法

權(quán)重求解的方法通常包括主觀賦權(quán)法和客觀賦權(quán)法。由新能源選址決策文獻(xiàn)綜述[18]可知，目前應(yīng)用最多的賦權(quán)方法是特征向量法。特征向量法根據(jù)專(zhuān)家對(duì)評(píng)價(jià)指標(biāo)重要程度的主觀判斷形成判斷矩陣，通過(guò)求解判斷矩陣的特征值和特征向量得到評(píng)價(jià)指標(biāo)的權(quán)重，計(jì)算結(jié)果受專(zhuān)家的主觀判斷支配，往往具有主觀偏差。

為降低特征向量法的主觀偏差，本文基于特征向量法、熵值法、集體決策理論建立組合賦權(quán)算法。其計(jì)算規(guī)則是將集體決策理論引入特征向量法計(jì)算一級(jí)指標(biāo)權(quán)重，采用熵值法計(jì)算二級(jí)指標(biāo)權(quán)重。相比單一特征向量法，該方法能夠集合不同專(zhuān)家的偏好從而形成集體偏好，避免單個(gè)專(zhuān)家判斷的主觀偏差，使計(jì)算結(jié)果更趨于客觀。另外，在考慮專(zhuān)家主觀信息的同時(shí)能夠充分利用指標(biāo)屬性值客觀數(shù)據(jù)，根據(jù)數(shù)據(jù)的熵修正主觀判斷，從而進(jìn)一步提高計(jì)算結(jié)果的準(zhǔn)確性和魯棒性。

2.1.1 特征向量法 特征向量法(Eigenvector method)[28]由Saaty提出，是在可再生能源選址領(lǐng)域求解評(píng)價(jià)指標(biāo)權(quán)重的最常用方法。通過(guò)特征向量法計(jì)算評(píng)價(jià)指標(biāo)權(quán)重的過(guò)程如下：

(1)構(gòu)造判斷矩陣。假設(shè)有n個(gè)評(píng)價(jià)指標(biāo)，專(zhuān)家通過(guò)Saaty的1～9標(biāo)度法[28]對(duì)每個(gè)評(píng)價(jià)指標(biāo)進(jìn)行兩兩比較判斷其相對(duì)重要性，從而構(gòu)建判斷矩陣：

B=(bij)n×n。

(5)

式中，bij為評(píng)價(jià)指標(biāo)bi對(duì)評(píng)價(jià)指標(biāo)bj的相對(duì)重要性。

(2)計(jì)算判斷矩陣的最大特征值及其相應(yīng)的特征向量通過(guò)公式(6)求解判斷矩陣的最大特征值及其相應(yīng)的特征向量：

Bw=λmax。

(6)

式中：λmax為判斷矩陣B的最大特征值;w為對(duì)應(yīng)最大特征值的特征向量。

(3)判斷矩陣的一致性檢驗(yàn)。為保證判斷矩陣的一致性，需進(jìn)行一致性檢驗(yàn)。一致性檢驗(yàn)可用一致性比率和一致性指標(biāo)來(lái)衡量：

(7)

(8)

式中:CR為一致性比率；CI為一致性指標(biāo)；RI為隨機(jī)一致性指標(biāo)。RI根據(jù)n的數(shù)值由表1確定。判斷CR是否小于0.1，若小于則說(shuō)明判斷矩陣滿(mǎn)足一致性要求，若不小于則說(shuō)明不滿(mǎn)足一致性要求，需要重新構(gòu)建判斷矩陣。

(2) 針對(duì)庫(kù)水作用下的巖質(zhì)邊坡穩(wěn)定性研究，在靜力方面已經(jīng)取得很多研究成果，但是，目前針對(duì)庫(kù)水作用下復(fù)雜地質(zhì)構(gòu)造巖質(zhì)邊坡地震響應(yīng)特征的研究尚無(wú)文獻(xiàn)進(jìn)行研究，尤其是庫(kù)時(shí)驟降對(duì)邊坡穩(wěn)定性較為不利已經(jīng)成為了共識(shí)，但是，庫(kù)水驟降及地震作用兩個(gè)不利因素聯(lián)合作用下，復(fù)雜地質(zhì)構(gòu)造巖質(zhì)邊坡的動(dòng)力穩(wěn)定性及其破壞演化過(guò)程還需要深入探討。

表1 n階矩陣的隨機(jī)指標(biāo)RI

2.1.2 集體決策方法 為使評(píng)價(jià)結(jié)果趨于客觀，在評(píng)價(jià)指標(biāo)權(quán)重的計(jì)算中引入集體決策理論，降低主觀偏差[29]。設(shè)有l(wèi)個(gè)專(zhuān)家，組成專(zhuān)家集E={E1,E2,…,El}，其相應(yīng)的權(quán)重為{e1,e2,…,el}。對(duì)于專(zhuān)家El，求解的評(píng)價(jià)指標(biāo)權(quán)重為{w1,w2,…,wl}。則集體決策后的評(píng)價(jià)指標(biāo)權(quán)重可由公式(9)計(jì)算得到：

(9)

2.1.3 熵值法 熵值法是根據(jù)樣本數(shù)據(jù)觀測(cè)值的大小和相互之間的差異程度來(lái)計(jì)算指標(biāo)權(quán)重[30]。熵越大意味著該評(píng)價(jià)指標(biāo)對(duì)決策的影響越小，即該指標(biāo)的權(quán)重越小。反之，熵越小意味著該評(píng)價(jià)指標(biāo)對(duì)決策的影響越大，該指標(biāo)的權(quán)重越大。用熵值法計(jì)算評(píng)價(jià)指標(biāo)權(quán)重的過(guò)程如下：

(1)計(jì)算第i個(gè)方案中第j個(gè)指標(biāo)的比重：

(10)

式中：i=1,2,…,m;j=1,2,…,n；pij為第i個(gè)方案中第j個(gè)指標(biāo)的比重。

(2)計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的熵值:

(11)

(12)

式中：i=1,2,…,m;j=1,2,…,n;Ej為第j個(gè)評(píng)價(jià)指標(biāo)的熵值；K為系數(shù)。

(3)計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的權(quán)重:

(13)

式中，wj為第j個(gè)評(píng)價(jià)指標(biāo)的權(quán)重。

2.1.4 組合權(quán)重法 針對(duì)海島風(fēng)浪互補(bǔ)電站選址決策模型，提出組合權(quán)重法。其計(jì)算規(guī)則是分別求解一級(jí)指標(biāo)和二級(jí)指標(biāo)的權(quán)重，其中一級(jí)指標(biāo)權(quán)重通過(guò)特征向量法、集體決策方法計(jì)算，二級(jí)指標(biāo)權(quán)重通過(guò)熵值法計(jì)算，最后通過(guò)公式(14)求解組合權(quán)重:

(14)

2.2 方案排序算法

在幾何意義上，TOPSIS旨在選取與理想方案的歐幾里德距離最短的方案，更為直觀地展現(xiàn)排序結(jié)果[31]，數(shù)學(xué)模型清晰。TOPSIS的計(jì)算原理為分別求解各備選方案與正理想解和負(fù)理想解之間的歐式距離計(jì)算相對(duì)貼近度，進(jìn)而對(duì)備選方案進(jìn)行排序。具體計(jì)算步驟如下：

(1)求解加權(quán)規(guī)范化決策矩陣：

(15)

(2)確定正理想解和負(fù)理想解。正理想解由加權(quán)規(guī)范化決策矩陣V中每列的最大值組成，用A+表示；相反，負(fù)理想解由V中每列的最小值組成，用A-表示：

(16)

(17)

式中：i=1,2,…,m;j=1,2,…,n。

(3)計(jì)算歐式距離。利用公式(18)～(19)計(jì)算各備選方案與正理想解和負(fù)理想解的距離：

(18)

(19)

(4)計(jì)算相對(duì)貼近度并對(duì)備選方案進(jìn)行排序。通過(guò)公式(20)計(jì)算各個(gè)備選方案的相對(duì)貼近度。相對(duì)貼近度越大，方案越優(yōu)；相對(duì)貼近度越小，方案越劣。相對(duì)貼近度最大的方案為最優(yōu)方案：

(20)

式中Ci為第i個(gè)備選方案的相對(duì)貼近度。

3 應(yīng)用實(shí)例

青島市所轄海島120個(gè)，有居民海島7個(gè)[32]，海島總面積約占15.04 km2，海島海岸線(xiàn)長(zhǎng)度約達(dá)122.92 km。海島風(fēng)、浪資源豐富，目前海島電力資源緊缺，海島風(fēng)浪互補(bǔ)電站可以極大緩解海島用電問(wèn)題[33]。將本文提出的海島風(fēng)浪互補(bǔ)電站選址決策方法應(yīng)用于青島市海島風(fēng)浪互補(bǔ)電站選址決策中。

3.1 建立選址決策模型

根據(jù)青島市風(fēng)浪互補(bǔ)大尺度選址[34]的結(jié)果及文獻(xiàn)調(diào)研、實(shí)地調(diào)查，確定出4個(gè)備選海島，分別為女島、小麥島、竹岔島和三平島，構(gòu)成備選方案集A={A1,A2,A3,A4}。通過(guò)數(shù)據(jù)調(diào)查、現(xiàn)場(chǎng)觀測(cè)及數(shù)值模擬等手段，得到各方案評(píng)價(jià)指標(biāo)的屬性值如表2所示。其中，資源條件指標(biāo)數(shù)據(jù)來(lái)源及計(jì)算方法見(jiàn)1.1，均為定量指標(biāo)。自然條件指標(biāo)中，水深數(shù)據(jù)來(lái)源于大洋地勢(shì)圖[35]，潮差數(shù)據(jù)來(lái)源于《中國(guó)近海海洋圖集(山東省海島海岸帶)》[36]，海底地質(zhì)數(shù)據(jù)來(lái)源于《中國(guó)近海海洋圖集(海底地形地貌)》[37]，海島地形數(shù)據(jù)來(lái)源于《中國(guó)海島志(山東卷)》[38]，均為定性指標(biāo)，采用專(zhuān)家打分法得到。經(jīng)濟(jì)因素指標(biāo)中，總成本根據(jù)離岸距離、離港距離、海底電纜鋪設(shè)費(fèi)用和裝置費(fèi)用等預(yù)估，國(guó)民生產(chǎn)總值數(shù)據(jù)來(lái)源于《中國(guó)海島志(山東卷)》[38]，均為定量指標(biāo)。社會(huì)因素指標(biāo)中，交通條件數(shù)據(jù)來(lái)源于《山東省海洋功能區(qū)劃》[39]，與規(guī)劃相符程度數(shù)據(jù)來(lái)源于《青島市海島保護(hù)規(guī)劃》[32]，電力需求與供給匹配程度數(shù)據(jù)來(lái)源于《中國(guó)海島志(山東卷)》[38]以及政府公開(kāi)發(fā)布的統(tǒng)計(jì)年鑒，均為定性指標(biāo)，采用專(zhuān)家打分法得到。

表2 屬性值矩陣

對(duì)定性指標(biāo)進(jìn)行定量化處理后，進(jìn)一步經(jīng)過(guò)向量規(guī)范化法對(duì)指標(biāo)進(jìn)行規(guī)范化處理，得到規(guī)范化決策矩陣(見(jiàn)表3)。

表3 規(guī)范化決策矩陣

3.2 求解指標(biāo)權(quán)重

基于特征向量法和集體決策方法求解一級(jí)指標(biāo)權(quán)重。將15位專(zhuān)家分為5組，記為E={E1,E2,E3,E4,E5}，權(quán)重為{0.3,0.3,0.2,0.1,0.1}。根據(jù)1～9標(biāo)度法，各專(zhuān)家組對(duì)評(píng)價(jià)指標(biāo)集的判斷矩陣依次為：

(21)

計(jì)算得到各判斷矩陣的最大特征值、一致性指標(biāo)、一致性比率等如表4所示。經(jīng)驗(yàn)證CR<0.1，所有判斷矩陣均滿(mǎn)足一致性要求，故表5所示結(jié)果即為各專(zhuān)家組確定的一級(jí)指標(biāo)權(quán)重。經(jīng)公式(9)得到5個(gè)專(zhuān)家組的集體決策結(jié)果，故海島風(fēng)浪互補(bǔ)電站選址決策模型的一級(jí)指標(biāo)權(quán)重為(0.576 2,0.119 6,0.233 5,0.070 7)。由計(jì)算結(jié)果可知，資源條件指標(biāo)所占權(quán)重大于50%，是最重要的指標(biāo)，在選址過(guò)程中應(yīng)著重考慮。經(jīng)濟(jì)因素指標(biāo)權(quán)重為23.35%，僅次于資源條件指標(biāo)。自然條件指標(biāo)和社會(huì)因素指標(biāo)權(quán)重分別為11.96%和7.07%，重要性稍低。

表4 一致性檢驗(yàn)

表5 各專(zhuān)家組的一級(jí)權(quán)重

二級(jí)指標(biāo)權(quán)重基于熵值法求解，通過(guò)公式(10)～(13)計(jì)算，計(jì)算結(jié)果見(jiàn)表6。由計(jì)算結(jié)果可知，資源條件指標(biāo)中波浪能相關(guān)的二級(jí)指標(biāo)權(quán)重C11、C12、C13遠(yuǎn)大于風(fēng)能相關(guān)的二級(jí)指標(biāo)C14、C15、C16，表明波浪能資源的優(yōu)劣對(duì)選址的影響更大。自然條件指標(biāo)中水深C21的權(quán)重占比約68%，說(shuō)明其在自然條件指標(biāo)中的絕對(duì)重要性。在經(jīng)濟(jì)因素指標(biāo)中，國(guó)民生產(chǎn)總值C32的熵遠(yuǎn)小于總成本C31的熵，因此其權(quán)重遠(yuǎn)大于總成本權(quán)重。社會(huì)因素指標(biāo)中，交通條件C41和電力需求與規(guī)劃相符程度C43指標(biāo)權(quán)重相對(duì)較大。

表6 熵值法計(jì)算結(jié)果

根據(jù)公式(14)求得組合權(quán)重見(jiàn)表7。通過(guò)分析計(jì)算結(jié)果發(fā)現(xiàn)，年有效波高權(quán)重最大，為20.92%，可見(jiàn)波浪能資源條件的優(yōu)劣對(duì)選址決策起著至關(guān)重要的作用。國(guó)民生產(chǎn)總值權(quán)重為23.16%，表明當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展?fàn)顩r對(duì)選址決策有較大影響。與此同時(shí)，自然條件指標(biāo)和社會(huì)因素指標(biāo)權(quán)重相對(duì)較小，該兩個(gè)一級(jí)指標(biāo)下的所有指標(biāo)權(quán)重均不超過(guò)10%，對(duì)整體選址決策的影響較小。

表7 組合權(quán)重

3.3 方案排序

由規(guī)范化后各指標(biāo)的屬性值以及各評(píng)價(jià)指標(biāo)的組合權(quán)重，求得加權(quán)規(guī)范化決策矩陣V=[V1,V2,V3,V4]。

(22)

通過(guò)公式(16)～(19)分別求得正理想解、負(fù)理想解及各方案相應(yīng)的歐式距離，如表8、9所示。通過(guò)公式(19)求得各備選海島的相對(duì)貼近度C=(0.179 7, 0.186 0, 0.854 6, 0.022 5)，故A3(竹岔島)>A2(小麥島)>A1(女島)>A4(三平島)。竹岔島由于其波浪能資源最優(yōu)，國(guó)民生產(chǎn)總值最高，其相對(duì)貼近度遠(yuǎn)大于其他三個(gè)海島。因此，竹岔島為青島市建設(shè)海島風(fēng)浪互補(bǔ)電站的首選海島。

表8 正理想解與負(fù)理想解

表9 備選方案與正理想解、負(fù)理想解的歐式距離

3.4 敏感性分析

為檢驗(yàn)計(jì)算結(jié)果的魯棒性并驗(yàn)證決策方法的可行性和科學(xué)性，進(jìn)一步對(duì)計(jì)算結(jié)果進(jìn)行敏感性分析。敏感性分析通過(guò)改變?cè)u(píng)價(jià)指標(biāo)的權(quán)重進(jìn)行，包括三個(gè)方面：一級(jí)指標(biāo)權(quán)重相等，二級(jí)指標(biāo)權(quán)重不變；一級(jí)指標(biāo)權(quán)重不變，二級(jí)指標(biāo)權(quán)重相等；忽略各指標(biāo)之間的差異性，使各指標(biāo)的權(quán)重相等。計(jì)算結(jié)果分別見(jiàn)表10～12。

表10 一級(jí)指標(biāo)等權(quán)下各指標(biāo)組合權(quán)重

根據(jù)變化后的各指標(biāo)權(quán)重，求得各方案的相對(duì)貼近度及排序結(jié)果如表13所示。從計(jì)算結(jié)果可以看出，隨著指標(biāo)權(quán)重的變化，方案相對(duì)貼近度發(fā)生變化，但方案排序結(jié)果沒(méi)有變化，故在一定程度上驗(yàn)證了該方法的魯棒性。因此本文提出的海島風(fēng)浪互補(bǔ)電站選址決策方法具有較強(qiáng)的可行性與穩(wěn)定性。

表11 二級(jí)指標(biāo)等權(quán)下各指標(biāo)組合權(quán)重

表12 各指標(biāo)組合權(quán)重相等

表13 敏感性分析結(jié)果對(duì)比

4 結(jié)語(yǔ)

海島風(fēng)浪互補(bǔ)電站可以有效緩解海島的供電問(wèn)題，推動(dòng)海洋經(jīng)濟(jì)發(fā)展，強(qiáng)化海島的軍事與戰(zhàn)略地位。針對(duì)電站建設(shè)的先決條件及關(guān)鍵問(wèn)題，本文基于MCDM提出了海島風(fēng)浪互補(bǔ)電站選址決策方法，并將其應(yīng)用于青島市海島風(fēng)浪互補(bǔ)電站選址決策中。

該方法建立的選址決策模型包括資源條件、自然條件、經(jīng)濟(jì)因素和社會(huì)因素4個(gè)一級(jí)指標(biāo)及相應(yīng)的12個(gè)二級(jí)指標(biāo)，求解算法計(jì)算方案優(yōu)先開(kāi)發(fā)序列，能夠?yàn)樽顑?yōu)站址決策提供直接的理論參考，進(jìn)而有效指導(dǎo)實(shí)際工程。在權(quán)重求解算法中，結(jié)合集體決策理論提出基于熵值法和特征向量法的組合權(quán)重法，改進(jìn)了傳統(tǒng)主觀賦權(quán)法，有效降低主觀偏差并提高計(jì)算結(jié)果的魯棒性。方案排序算法采用TOPSIS，數(shù)學(xué)模型更加清晰。本文提出的海島風(fēng)浪互補(bǔ)電站選址決策方法可以為中國(guó)海洋能電站微觀選址提供理論支撐，推進(jìn)海洋能的產(chǎn)業(yè)化進(jìn)程。

計(jì)算結(jié)果表明，青島市海島風(fēng)浪互補(bǔ)電站優(yōu)先開(kāi)發(fā)序列為竹岔島、小麥島、女島、三平島，最優(yōu)站址為竹岔島，經(jīng)敏感性分析驗(yàn)證了方法的魯棒性和科學(xué)性。計(jì)算結(jié)果可以直接指導(dǎo)青島市海島風(fēng)浪互補(bǔ)電站建設(shè)，為科學(xué)決策提供依據(jù)。