基于改進(jìn)最小叉熵法的區(qū)域綜合能源系統(tǒng)經(jīng)濟(jì)效益評估

趙爾敏， 張斌， 李惠珍， 吳卓聰， 雷霞

(1. 國網(wǎng)甘肅省電力公司武威供電公司，甘肅 武威 733000；2. 西華大學(xué)電氣與電子信息學(xué)院，四川 成都 610039)

0 引言

隨著電力需求的增大，傳統(tǒng)化石能源的大量使用造成嚴(yán)重的環(huán)境污染問題，基于智能電網(wǎng)和先進(jìn)物聯(lián)網(wǎng)技術(shù)的能源互聯(lián)網(wǎng)能為解決能源危機(jī)提供有效手段[1—3]，區(qū)域綜合能源系統(tǒng)(regional integrated energy system，RIES)是能源互聯(lián)網(wǎng)的一種重要實(shí)現(xiàn)形式[4—7]。目前針對RIES的運(yùn)行、規(guī)劃及優(yōu)化配置等的研究成果充分說明了RIES建設(shè)的必要性和技術(shù)實(shí)現(xiàn)的可行性，但對其經(jīng)濟(jì)性評估的研究相對較少，而經(jīng)濟(jì)性對評判RIES的構(gòu)架方案是否合理非常重要。當(dāng)前，針對RIES效益評估的研究主要集中在評價(jià)指標(biāo)搭建和權(quán)重求解方法兩方面。

在評價(jià)指標(biāo)體系搭建方面，文獻(xiàn)[8—10]從不同維度構(gòu)建了RIES的評估指標(biāo)體系；文獻(xiàn)[11]構(gòu)建了擁有風(fēng)光水儲的微網(wǎng)經(jīng)濟(jì)運(yùn)行評價(jià)指標(biāo)體系；文獻(xiàn)[12—13]面向多能互補(bǔ)，分別提出了不同能源形態(tài)的效率和可再生能源產(chǎn)能過剩率指標(biāo)；文獻(xiàn)[14]從投資者角度考慮銀行貸款、內(nèi)部收益率等經(jīng)濟(jì)參數(shù)，對微能源系統(tǒng)的投資效益進(jìn)行分析。

在權(quán)重求解方法方面，RIES規(guī)劃方案評估屬于多屬性群決策問題，其主要任務(wù)是確定相應(yīng)的評價(jià)指標(biāo)權(quán)重。主觀權(quán)重賦權(quán)法反映決策專家的先驗(yàn)知識和自身經(jīng)驗(yàn)，避免了指標(biāo)主觀權(quán)重和其實(shí)際重要程度相悖的現(xiàn)象，但評價(jià)結(jié)果具有較強(qiáng)的主觀隨意性，實(shí)際應(yīng)用中有較大的局限性，具有代表性的方法有層次分析法[15]、最小平方和法[16]等?？陀^權(quán)重賦權(quán)法根據(jù)規(guī)劃方案客觀數(shù)據(jù)確定，但所得到的權(quán)重值可能違背決策者的主觀意愿或無法真實(shí)準(zhǔn)確反映規(guī)劃的目的，具有代表性的方法有主成分分析法[17]、熵權(quán)法[18]等。為有效避免主、客觀權(quán)重確定方法的缺點(diǎn)，需要將兩者優(yōu)點(diǎn)結(jié)合以構(gòu)成綜合賦權(quán)法來確定評估指標(biāo)權(quán)重。

基于以上分析，文中從系統(tǒng)成本、系統(tǒng)收益及能源利用率3個(gè)維度建立RIES的經(jīng)濟(jì)效益評估指標(biāo)體系，并搭建各指標(biāo)模型。采用改進(jìn)的最小叉熵法確定各指標(biāo)的綜合權(quán)重，實(shí)現(xiàn)主、客觀權(quán)重之間內(nèi)在聯(lián)系的描述：一方面，該方法計(jì)及主觀權(quán)重時(shí)，利用熵權(quán)法客觀體現(xiàn)決策專家在各指標(biāo)評價(jià)中的重要程度，避免了傳統(tǒng)最小叉熵法中決策專家對評價(jià)結(jié)果影響度的模糊性；另一方面，在主、客觀綜合權(quán)重確定中，以指標(biāo)的主、客觀權(quán)重向量為基礎(chǔ)構(gòu)建二維平面坐標(biāo)系確定每個(gè)指標(biāo)的主、客觀權(quán)重分配系數(shù)，降低了傳統(tǒng)最小叉熵法中權(quán)重集成的主觀性影響。最后結(jié)合優(yōu)劣解距離法(technique for order preference by similarity to ideal solution,TOPSIS)和秩和比法(rank-sum ratio,RSR)建立RIES投資方案的決策評價(jià)模型，進(jìn)行方案排序并選出最佳方案。

1 RIES的經(jīng)濟(jì)效益評估指標(biāo)體系

1.1 RIES架構(gòu)

RIES的核心是集成物聯(lián)網(wǎng)和能量管理技術(shù)，通過對某一指定區(qū)域內(nèi)的化石能源、可再生能源等多類型能源進(jìn)行充分調(diào)整和優(yōu)化配置，實(shí)現(xiàn)多種能源的互補(bǔ)互濟(jì)、交互響應(yīng)、協(xié)調(diào)優(yōu)化以及綜合管理，在充分滿足多層面、多元化用能的同時(shí)，可以有效提升綜合能源利用率，緩解能源危機(jī)問題。RIES是典型的產(chǎn)供銷一體化系統(tǒng)，計(jì)及的多種能源主要包括電能、熱能、冷能和氣能，電能生產(chǎn)設(shè)備主要包括風(fēng)電和光伏機(jī)組，能源轉(zhuǎn)換設(shè)備包括電轉(zhuǎn)氣(power to gas，P2G)裝置、冷熱電聯(lián)產(chǎn)(combined cooling heating and power，CCHP)機(jī)組、電制冷/制熱裝置，電/燃?xì)忮仩t、熱泵等，能源儲存設(shè)備包括儲熱罐、儲氣罐和蓄電池等，各種能源形式的負(fù)荷中具有一定需求響應(yīng)能力的負(fù)荷也可作為儲能設(shè)備。

1.2 指標(biāo)體系構(gòu)建

RIES的經(jīng)濟(jì)性評估指標(biāo)體系可用于衡量評估區(qū)域系統(tǒng)內(nèi)各種能源生產(chǎn)及相關(guān)轉(zhuǎn)換設(shè)備的經(jīng)濟(jì)效益和利用率。文中根據(jù)RIES的系統(tǒng)架構(gòu)，圍繞投資運(yùn)行的關(guān)注點(diǎn)，構(gòu)建了兩級評價(jià)指標(biāo)體系，第一級指標(biāo)分為系統(tǒng)成本、系統(tǒng)收益和能源利用率3個(gè)層面，在每一層面下分別建立了對應(yīng)的3個(gè)二級指標(biāo)，具體結(jié)構(gòu)如圖1所示。

圖1 RIES評估指標(biāo)體系

1.3 評價(jià)指標(biāo)模型

1.3.1 投資購置費(fèi)用

設(shè)備的購買費(fèi)用和安置費(fèi)用包括風(fēng)電機(jī)組、光伏機(jī)組、CCHP機(jī)組、儲能裝置、充電樁、加氣站和P2G裝置等設(shè)備分?jǐn)偟缴芷谀甑馁徶觅M(fèi)用，則投資購置費(fèi)用C1為：

(1)

式中：Qnew為新能源機(jī)組容量；n1為新能源種類數(shù)；αi為第i種新能源裝機(jī)比例；βi為第i種新能源發(fā)電機(jī)組單位容量成本系數(shù)；γi為第i種新能源機(jī)組安裝成本系數(shù)；n2為CCHP中設(shè)備種類數(shù)；CCCHP,j為CCHP中第j種設(shè)備單位容量購置系數(shù)；ωj為CCHP中第j種設(shè)備附加設(shè)備成本系數(shù)；QCCHP,j為CCHP中第j種設(shè)備的容量；RP為儲能系統(tǒng)總?cè)萘?；n3為儲能裝置種類數(shù)；λk為第k種儲能裝置配比；πk為第k種儲能裝置單位容量購置價(jià)格；n4為加氣站數(shù)；QG,l為第l個(gè)加氣站容量；φl為第l個(gè)加氣站設(shè)備單位容量購置系數(shù)；n5為系統(tǒng)內(nèi)充電樁數(shù)量；QC,q為第q個(gè)充電樁安裝容量；δq為第q個(gè)充電樁單位容量購置系數(shù)；n6為P2G設(shè)備數(shù)；QP2G,y為第y個(gè)P2G設(shè)備安裝容量；σP2G,y為第y個(gè)P2G設(shè)備單位容量購置系數(shù)。RIES內(nèi)組成部件的單位成本見表1[10]。

表1 RIES組件單位成本數(shù)據(jù)

1.3.2 運(yùn)行維護(hù)費(fèi)用

RIES年運(yùn)維費(fèi)用可以分為不變費(fèi)用和可變費(fèi)用，不變費(fèi)用是指人員工資和系統(tǒng)運(yùn)行管理費(fèi)，可變費(fèi)用是指系統(tǒng)內(nèi)設(shè)備的不定期檢修維修等費(fèi)用，則年運(yùn)維費(fèi)用C2為：

(2)

式中：Cnewc,i，Cnewv,i分別為第i種可再生能源發(fā)電設(shè)備年單位容量不變成本和可變成本；CCCHPc,j，CCCHPv,j分別為CCHP中第j種能源轉(zhuǎn)換設(shè)備年單位容量不變成本和可變成本；CPc,k，CPv,k分別為第k種儲能設(shè)備年單位容量不變成本和可變成本；CGc,l，CGv,l分別為第l個(gè)加氣站年單位容量不變成本和可變成本；CCc,q，CCv,q分別為第q個(gè)充電樁年單位容量不變成本和可變成本；CP2Gc,y，CP2Gv,y分別為第y個(gè)P2G設(shè)備單位容量不變成本和可變成本；T為各設(shè)備的平均年運(yùn)行小時(shí)數(shù)。

1.3.3 能源外購量

能源外購量主要包括CCHP機(jī)組的年耗氣量，和新能源機(jī)組在供電不足情況下向大電網(wǎng)的購電量，沒有考慮在實(shí)際運(yùn)行情況下電制冷和電制熱能效比不同對能源外購量的影響。能源外購量C3可描述為：

(3)

式中：υ為CCHP機(jī)組發(fā)電量占實(shí)際用電量比重；θ為新能源發(fā)電量占實(shí)際用電量比重；WE為年用電量，不包含因缺冷、缺熱而由電制冷機(jī)、電制熱機(jī)產(chǎn)生冷能、熱能消耗的電能；ΔWE為CCHP機(jī)組在冷、熱供應(yīng)不足的情況下采用電制冷、電制熱消耗的電能；τ為電轉(zhuǎn)氣量占實(shí)際用氣負(fù)荷比重；WG為園區(qū)用氣量；Qe為單位電量熱值；Qg為單位立方的燃?xì)鉄嶂?；ΔWC，ΔWH分別為供應(yīng)給用戶的冷、熱負(fù)荷不足量；ζH，ζC分別為電制熱和電制冷的能效比。

1.3.4 供能收益

供能收益是指RIES為終端用戶提供電、氣、冷、熱等各種形式能源所獲得的收益，其表示為：

(4)

式中：m為供能種類；Wz為第z種能源形式用能量；uz為第z種能源單價(jià)。

1.3.5 污染氣體減排量

文中主要考慮將RIES區(qū)域內(nèi)消納風(fēng)電、光伏電量按照熱當(dāng)量的方法折算成等值標(biāo)準(zhǔn)煤燃燒發(fā)電所產(chǎn)生的溫室氣體(CO2)和污染物氣體(SO2，NOx)的排放量，并計(jì)及CCHP機(jī)組的CO2，SO2，NOx氣體的排放量，則污染氣體減排量C5為：

(5)

式中：n7為污染物排放種類；Pi為第i種新能源年平均發(fā)電量；PCCHP,j為CCHP中第j種發(fā)電設(shè)備年平均發(fā)電量；mcoal,p為燃煤機(jī)組單位發(fā)電量對應(yīng)的第p種排放污染物重量；mCCHP,p為CCHP單位發(fā)電量對應(yīng)的第p種排放污染物重量。發(fā)電機(jī)組各污染排放系數(shù)見文獻(xiàn)[19]。

1.3.6 新能源上網(wǎng)電量

新能源上網(wǎng)電量是指在可再生能源產(chǎn)生的電量滿足園區(qū)用電量且還有剩余情況下，并網(wǎng)后可賣給大電網(wǎng)的剩余電量，即：

(6)

式中：ΔWnew,i為第i種新能源剩余電量。

根據(jù)熱力學(xué)第一定律，RIES的能量分析方法是借助能量轉(zhuǎn)化之間的數(shù)學(xué)聯(lián)系來評估能量利用熱效率。對系統(tǒng)效率的分析是對能源的量和質(zhì)的綜合反映。系統(tǒng)效率C7為：

(7)

式中：電能的能質(zhì)系數(shù)為1，因此外購電量Wgrid、新能源發(fā)電量Wnew以及用電量WE的電量為其本身電量；WH為供熱量；WC為供冷量；Wgas為總購氣量；ε0，ε1，ε2分別為天然氣能質(zhì)系數(shù)、供熱量能質(zhì)系數(shù)、供冷量能質(zhì)系數(shù)，且ε0=0.95；T0H，T0C分別為供熱和供冷時(shí)的環(huán)境溫度；TH，TC分別為供熱、供冷溫度。

1.3.8 新能源產(chǎn)能過剩率

新能源產(chǎn)能過剩率可反映光伏、風(fēng)電等可再生能源發(fā)電充裕情況，其值為正表明可再生能源發(fā)電量較為豐裕，可能有多余電量賣給大電網(wǎng)；其值為負(fù)代表可再生能源發(fā)電量匱乏，其計(jì)算為：

(8)

式中：WCCHP為CCHP機(jī)組發(fā)電量。

1.3.9 綜合能源利用率

RIES的能源利用率能夠體現(xiàn)多能流在不同時(shí)間尺度上耦合互補(bǔ)、能量梯級應(yīng)用的程度，根據(jù)文獻(xiàn)[4]中提出的綜合能源系統(tǒng)的總體能量效率指標(biāo)，在考慮網(wǎng)損率影響的情況下，綜合能源利用率C9為：

(9)

式中：η′為區(qū)域內(nèi)的線損率。

2 RIES組成方案的評價(jià)指標(biāo)權(quán)重確定

RIES組成方案評估結(jié)果對權(quán)重確定方法和集成方法的依賴程度較高，采用主、客觀權(quán)重綜合賦權(quán)方法能有效兼顧主、客觀信息，從而得到普遍認(rèn)可?，F(xiàn)有指標(biāo)權(quán)重確定方法均添加了額外信息而導(dǎo)致最終決策結(jié)果不精確，采用具有信息熵原理的熵權(quán)法能夠有效避免這一缺點(diǎn)，但信息熵因單純依據(jù)距離來確定權(quán)重而存在一定的局限性，文中借助最小叉熵來尋求權(quán)重差異性最小的概率分布。

傳統(tǒng)最小叉熵方法在確定評估指標(biāo)的權(quán)重時(shí)存在2個(gè)明顯的問題。一是在評估指標(biāo)的主觀權(quán)重確定過程中，通常會事先確定決策專家權(quán)重，無法體現(xiàn)其具體確定過程；二是在評估指標(biāo)的綜合權(quán)重確定過程中，主觀權(quán)重分配系數(shù)是直接由專家的知識和經(jīng)驗(yàn)來給定，無法體現(xiàn)指標(biāo)主、客觀權(quán)重的內(nèi)在聯(lián)系。針對以上2點(diǎn)不足，文中對最小叉熵法進(jìn)行改進(jìn)：在確定主、觀權(quán)重時(shí)，利用熵權(quán)法體現(xiàn)專家評價(jià)的重要程度；在確定主、客觀綜合權(quán)重時(shí)，先構(gòu)建主客觀權(quán)重向量的二維平面，再計(jì)算主客觀權(quán)重分配系數(shù)。

2.1 決策矩陣的標(biāo)準(zhǔn)化

針對RIES方案決策問題，假設(shè)包含m個(gè)決策方案和n個(gè)評價(jià)指標(biāo)(文中n=9)，用A={a1,a2,…,am}(m≥2)表示構(gòu)成方案集，C={c1,c2,…,cn}描述指標(biāo)集，則形成原始數(shù)據(jù)矩陣X，其中xij為第i個(gè)方案中的第j個(gè)指標(biāo)，X=(xij)(i=1,2,…,m;j=1,2,…,n)。

由于在實(shí)踐工程中經(jīng)濟(jì)性指標(biāo)通常會出現(xiàn)負(fù)值、零值或趨零值，因此線性比例變換法、偏差變換法、向量歸一化法一般不適用，文中采用極差變換法，得到指標(biāo)標(biāo)準(zhǔn)化后決策矩陣Z=(zij)。

其中，效益型指標(biāo)為：

(10)

成本型指標(biāo)為：

(11)

2.2 改進(jìn)最小叉熵法的權(quán)重確定方法

2.2.1 指標(biāo)客觀權(quán)重確定

指標(biāo)原始數(shù)據(jù)直接決定其客觀權(quán)重的大小，因此根據(jù)標(biāo)準(zhǔn)化決策矩陣Z，用熵權(quán)法計(jì)算出客觀權(quán)重向量ωo=(ωo,1,ωo,2,…,ωo,n)，其中第j個(gè)指標(biāo)的客觀權(quán)重為：

(12)

其中：

(13)

2.2.2 指標(biāo)主觀權(quán)重確定

指標(biāo)主觀權(quán)重確定與決策者的主觀認(rèn)識和判斷密切相關(guān)，對于不同的決策者，其認(rèn)知程度不一樣，判斷結(jié)果也會有明顯差異。文中采用相應(yīng)的效用函數(shù)來描述不同決策者的判斷。具體步驟為：

(1) 首先產(chǎn)生一個(gè)反映專家k對指標(biāo)主觀認(rèn)識不同而產(chǎn)生差異的效用函數(shù)矩陣Uk，指標(biāo)由標(biāo)準(zhǔn)化決策矩陣Z表示。假設(shè)效用函數(shù)大于等于0，且為簡化采用了單變量形式，則對于第k個(gè)專家有Uk=(uk(zij))(k=1,2,…,l)，l為專家總?cè)藬?shù)。

(2) 根據(jù)效用函數(shù)矩陣Uk，利用熵權(quán)法得到不同專家對評估指標(biāo)主觀權(quán)重的判斷矩陣β=(βkj)。其中：

(14)

(15)

(3) 最小叉熵法在確定指標(biāo)主觀權(quán)重的過程中，決策專家權(quán)重依據(jù)專家先驗(yàn)知識、工程經(jīng)驗(yàn)，人為確定其重要程度，最終評價(jià)結(jié)果具有一定的模糊性且主觀隨意性較強(qiáng)。因此，在步驟(2)中求得的不同專家對評估指標(biāo)主觀權(quán)重判斷矩陣β的基礎(chǔ)上，運(yùn)用熵權(quán)法確定決策專家權(quán)重向量α，以消除傳統(tǒng)最小叉熵法中決策專家權(quán)重的模糊性對決策結(jié)果產(chǎn)生的不良影響。第k個(gè)決策專家的權(quán)重如式(16)所示。

(16)

其中：

(17)

(4) 構(gòu)建以綜合主觀權(quán)重向量與每個(gè)專家的主觀權(quán)重矩陣βk距離最小的最小叉熵模型，得到指標(biāo)的綜合主觀權(quán)重向量βo=(βo,1,βo,2,…,βo,n)。目標(biāo)函數(shù)為：

(18)

(19)

計(jì)算得到第j個(gè)指標(biāo)主觀權(quán)重為：

(20)

2.2.3 指標(biāo)綜合權(quán)重確定

考慮到最小叉熵法的優(yōu)勢，文中仍然建立主客觀權(quán)重差異最小的最小叉熵模型求得指標(biāo)綜合權(quán)重。而傳統(tǒng)最小叉熵法在確定指標(biāo)綜合權(quán)重時(shí)，指標(biāo)主、客觀權(quán)重分配系數(shù)依據(jù)專家個(gè)人偏好給定，具有隨意性，且不能反映主客觀權(quán)重的內(nèi)在聯(lián)系。因此，以指標(biāo)的主、客觀權(quán)重向量為基礎(chǔ)構(gòu)建一個(gè)二維平面，并求取每個(gè)指標(biāo)的主客觀權(quán)重分配系數(shù)，以此降低傳統(tǒng)最小叉熵法中指標(biāo)綜合權(quán)重集成的主觀性影響。即：

(21)

式中：ω=(ω1,ω2,…,ωn)為綜合權(quán)重向量；γ=(γ1,γ2,…,γn)(0≤γj≤1)，1-γ分別為主觀權(quán)重和客觀權(quán)重分配系數(shù)向量；ωj為指標(biāo)j的綜合權(quán)重。

(22)

(23)

(24)

3 基于TOPSIS-RSR的RIES經(jīng)濟(jì)效益評估

TOPSIS[20—22]評估方法是常用的組內(nèi)綜合評價(jià)法，其優(yōu)點(diǎn)是能充分利用原始數(shù)據(jù)，使得結(jié)果能精確反映評價(jià)對象之間的差距，但容易受指標(biāo)異常值(零值或趨零值)影響。而RSR[23]是一種非參數(shù)統(tǒng)計(jì)評價(jià)方法，其特點(diǎn)是不受指標(biāo)異常值影響，但計(jì)算值為秩次，不能對原始數(shù)據(jù)進(jìn)行充分利用。因此，文中結(jié)合兩者優(yōu)點(diǎn)對決策方案進(jìn)行綜合評價(jià)。TOPSIS-RSR綜合評價(jià)具體流程如下。

(1) 構(gòu)建加權(quán)規(guī)范化矩陣。

(25)

式中：bij=ωjzij;i=1,2,…,m;j=1,2,…,n。

(2) 確定正、負(fù)理想方案。

(26)

(27)

(3) 計(jì)算各評價(jià)方案與正負(fù)理想方案的貼近度，決策方案到正理想方案的距離為。

(28)

決策方案到負(fù)理想方案的距離為：

(29)

(4) 計(jì)算決策方案到負(fù)理想方案的相對貼近度。

(30)

(6) 將Pi作為自變量，Ei作為因變量，設(shè)置直線回歸方程Ei=a+bPi，利用最小二乘法估計(jì)出a,b參數(shù)。

(7) 按照回歸方程推算WRSR,i并排序，選擇出最優(yōu)方案T*。

(31)

4 算例分析

以某工業(yè)園區(qū)RIES為研究對象，該園區(qū)采光面積、光照輻射強(qiáng)度分別為20 000 m2和1 500 (kW·h)/m2，平均風(fēng)速約為5 m/s，系統(tǒng)的用電負(fù)荷為4.1 MW，冷熱負(fù)荷分別為2.4 MW和3.1 MW，氣負(fù)荷為4.2 MW，由光伏發(fā)電、風(fēng)電、儲能系統(tǒng)、CCHP機(jī)組以及天然氣組成的RIES結(jié)構(gòu)方案如表2所示。其中，混合儲能系統(tǒng)包括蓄電池、儲熱罐和儲氣罐。

表2 RIES結(jié)構(gòu)方案

假設(shè)園區(qū)的氣價(jià)為1.96元/m3，電網(wǎng)電價(jià)為0.64 元/(kW·h)，網(wǎng)損率為5%，并且要求可再生能源供電自給率要達(dá)到40%及以上，外購電均來自燃煤火電廠，ξC和ξH均為3。參考文獻(xiàn)[24]工業(yè)類負(fù)荷曲線，該工業(yè)園區(qū)夏季(6～8月)、冬季(12～1月)、春秋季(3～5月、9～11月)典型日負(fù)荷曲線如圖2所示。由式(1)—式(9)可計(jì)算出各能源系統(tǒng)組成方案的指標(biāo)值如表3所示。

表3 不同RIES配置方案的指標(biāo)值

圖2 某工業(yè)園區(qū)四季典型日負(fù)荷

4.1 指標(biāo)權(quán)重求取

0.114 3,0.057 4,0.059 5)。比較指標(biāo)客觀權(quán)重、主觀權(quán)重、最小叉熵(主觀權(quán)重分配系數(shù)γ=0.3，γ=0.5，γ=0.6)和文中方法得到的評價(jià)指標(biāo)權(quán)重，如圖3所示。

圖3 評估指標(biāo)權(quán)重賦值比較

由圖3可知，最小叉熵法在確定指標(biāo)綜合權(quán)重的過程中因?qū)＜抑饔^經(jīng)驗(yàn)、先驗(yàn)知識影響，指標(biāo)綜合權(quán)重較為偏向指標(biāo)主觀權(quán)重或客觀權(quán)重，影響了最終決策結(jié)果；而利用文中所提改進(jìn)最小叉熵法得到的評價(jià)指標(biāo)權(quán)重依則根據(jù)指標(biāo)主、客觀權(quán)重向量得出，不易受主觀隨意性影響，不刻意偏向主觀或客觀權(quán)重，得出的是一個(gè)較為折中的權(quán)重結(jié)果，且能夠計(jì)及主觀、客觀權(quán)重之間蘊(yùn)含的聯(lián)系，保證了改進(jìn)的合理性。

4.2 系統(tǒng)方案優(yōu)選

表4 各評價(jià)對象的計(jì)算變量值及結(jié)果

由表4可知，各系統(tǒng)組成方案的綜合評價(jià)結(jié)果為WRSR,i，則方案A5的值最大，因此RIES系統(tǒng)組成方案的優(yōu)劣排序?yàn)锳1

5 結(jié)論

文中提出一種RIES組成方案經(jīng)濟(jì)性評價(jià)方法。建立適用于RIES組成方案經(jīng)濟(jì)性評價(jià)指標(biāo)模型體系，利用基于改進(jìn)最小叉熵法的TOPSIS-RSR方法對指標(biāo)進(jìn)行集成和方案評價(jià)?？梢缘贸鲆韵陆Y(jié)論：

(1) 基于改進(jìn)最小叉熵法可以量化多位專家的綜合效用，客觀、合理地進(jìn)行不同系統(tǒng)組成方案的優(yōu)劣排序，并確定最佳決策方案。

(2) 經(jīng)濟(jì)效益是綜合能源網(wǎng)絡(luò)投資運(yùn)營主體的首要關(guān)注點(diǎn)，而綜合的經(jīng)濟(jì)效益評估可以快速提供給投資商有價(jià)值的參考。

(3) 文中運(yùn)用TOPSIS-RSR法進(jìn)行綜合評價(jià)，結(jié)合了TOPSIS、RSR兩者的優(yōu)點(diǎn)，評價(jià)結(jié)果既不受異常值影響，又能充分利用原始數(shù)據(jù)，對系統(tǒng)組成方案的綜合評價(jià)更具有準(zhǔn)確性、科學(xué)性。

本文得到國網(wǎng)甘肅省電力公司科技項(xiàng)目(52270819000A)資助，謹(jǐn)此致謝！