基于運(yùn)營難度系數(shù)的水電站標(biāo)準(zhǔn)化運(yùn)營管理評價研究

金 艷，閆孟婷，羅立軍，肖 楊，何葵東，黃煒斌

（1.國家電投集團(tuán)水電產(chǎn)業(yè)創(chuàng)新中心，湖南長沙 410004；2.四川大學(xué)水利水電學(xué)院，四川成都 610065）

0 引言

2021 年3 月15 日，習(xí)近平總書記主持召開中央財經(jīng)委員會第九次會議，強(qiáng)調(diào)把碳達(dá)峰碳中和納入生態(tài)文明建設(shè)整體布局。碳達(dá)峰碳中和的本質(zhì)是以能源轉(zhuǎn)型為基礎(chǔ)、以電力轉(zhuǎn)型為核心、以新電氣化為引領(lǐng)的生產(chǎn)方式和生活方式的深刻變革［1］。在能源結(jié)構(gòu)轉(zhuǎn)型持續(xù)升級的背景下，中國可再生能源持續(xù)快速發(fā)展，截至2020 年底，我國常規(guī)水電裝機(jī)達(dá)到3.38 億kW，年發(fā)電量135 萬GWh，在建規(guī)模約4 800 萬kW［2］。目前，常規(guī)水電技術(shù)開發(fā)程度超過55%，雖還蘊(yùn)藏較大開發(fā)潛力，但在多重因素的限制下，未來水電開發(fā)增速將會放緩，在此情況下，重視已建成工程的后期工作，注重水電運(yùn)行成本效益，將有利于實(shí)現(xiàn)存量水電的精細(xì)化管理，促進(jìn)水電可持續(xù)發(fā)展［3］。不僅如此，對于企業(yè)而言，開展聚焦成本效益的水電標(biāo)準(zhǔn)化運(yùn)營管理評價既有利于挖掘潛在可節(jié)省成本，同時有利于企業(yè)發(fā)現(xiàn)薄弱環(huán)節(jié)，提升企業(yè)綜合管理能力。

由于水電站個性化差異較強(qiáng)，電站間橫向評價比較困難，因此本文重點(diǎn)探索了水電站復(fù)雜個性在考核管理中的合理表達(dá)—定義了水電運(yùn)營難度系數(shù)，選擇六十余座水電站為研究對象，從水電不同重要程度特征屬性的提取、水電站運(yùn)營難度系數(shù)模型構(gòu)建、綜合評價等發(fā)面開展了相關(guān)研究。

1 水電站運(yùn)營難度系數(shù)

目前水電企業(yè)成本對標(biāo)評價指標(biāo)多采用各項(xiàng)成本值與裝機(jī)容量的比值，如單位千瓦修理費(fèi)、單位千瓦人工費(fèi)等，即利用裝機(jī)容量使各個電站具有統(tǒng)一的可比基礎(chǔ)。但實(shí)際運(yùn)營中可以發(fā)現(xiàn)，裝機(jī)容量相同的電站由于具有不同的壩面積、閘門面積、機(jī)組類型等，仍會導(dǎo)致其成本投入方面有不同的表現(xiàn)。更大的閘門面積意味著更多的防腐費(fèi)用，更復(fù)雜的機(jī)組類型意味著更高額的維護(hù)費(fèi)用等。如何量化不同電站間的差異性，從而使電站具有更合理、更符合實(shí)際的比較基礎(chǔ)是本研究的重點(diǎn)，為進(jìn)一步探索水電差異性表達(dá)，本文提出了水電站運(yùn)營難度系數(shù)概念。

1.1 水電站運(yùn)營難度系數(shù)概念

運(yùn)營難度系數(shù)是一個較為抽象的概念，與電站機(jī)組規(guī)格、地理位置、智能化程度等息息相關(guān)，但無論運(yùn)營難度系數(shù)如何抽象，電站本身的成本支出是可量化的，故對水電站運(yùn)營難度系數(shù)的研究可轉(zhuǎn)化為對水電站成本的研究。

水電企業(yè)在經(jīng)營期內(nèi)，所有成本都圍繞電力生產(chǎn)直接或間接發(fā)生，主要包括職工薪酬、折舊費(fèi)、材料費(fèi)、檢修維護(hù)費(fèi)、水費(fèi)、稅費(fèi)、財務(wù)費(fèi)用和其他費(fèi)用。按照成本是否能通過電站運(yùn)營水平、管理技術(shù)變化而改變?yōu)橐罁?jù)，重新對成本進(jìn)行劃分，將無法反映電站運(yùn)營水平且多依賴于政策如稅收金、折舊費(fèi)等成本稱為硬性成本，其余稱為軟性成本；總成本扣除硬性成本則可得到軟性成本，也稱為運(yùn)營成本，這一部分成本屬于水電企業(yè)可控制成本，可用于衡量水電站運(yùn)營難度系數(shù)［4，5］。

基于運(yùn)營成本的水電站運(yùn)營難度系數(shù)計算方法見式（1）。

式中：OC為Operational Complexity 即水電站的運(yùn)營難度系數(shù)；cn為運(yùn)營成本中的第n個分項(xiàng)；f為運(yùn)營難度系數(shù)與成本之間的關(guān)系函數(shù)。

需要說明的是，運(yùn)營難度系數(shù)并非獨(dú)立的評價指標(biāo)，其本身也并不具備好壞之分，反映了電站日常運(yùn)營中無法通過主觀能動性改變的客觀條件，是用于改進(jìn)傳統(tǒng)評價指標(biāo)無法橫向評價的關(guān)鍵參數(shù)。

1.2 運(yùn)營難度系數(shù)影響因素分析

本研究圍繞水電運(yùn)營難度系數(shù)，引入全面質(zhì)量管理（Total Quality Management，TQM）中關(guān)于“人、機(jī)、料、法、環(huán)”相關(guān)概念［6］，對水電站運(yùn)營成本進(jìn)行解構(gòu)（如圖1），解構(gòu)后的運(yùn)營成本與水電常規(guī)成本分類最大不同在于分類邏輯的區(qū)別，并提出了技術(shù)成本二級分項(xiàng)，同時考慮外部環(huán)境對水電站成本的影響。

圖1 基于全面質(zhì)量管理的運(yùn)營成本解構(gòu)示意圖Fig.1 Schematic diagram of operating cost solution based on comprehensive quality management

2 基于隨機(jī)森林的運(yùn)營難度系數(shù)模型構(gòu)建

隨機(jī)森林回歸是基于分類回歸樹的一種集成學(xué)習(xí)方法，利用bootstrap有放回的從原始數(shù)據(jù)集中抽取多個大小相同的隨機(jī)樣本，同時在構(gòu)建單個決策樹時隨機(jī)抽取特征子集，“森林”利用決策樹對每個抽取的隨機(jī)樣本進(jìn)行建模，最終結(jié)果由所有決策樹投票得出［7］。

2.1 基于Gini指數(shù)的重要特征分析

在對水電站運(yùn)營情況的分析過程中，研究者總希望盡可能多的收集有關(guān)影響因素，從而進(jìn)行全面完整的評價。然而收集到的個影響因子之間往往具有相關(guān)性，涵蓋的信息存在交叉、重疊情況，使問題復(fù)雜化［8］。重要特征分析則是在眾多影響因素中識別出影響程度最大的因素，解決上述問題。

假設(shè)有M個特征的原始數(shù)據(jù)的輸出變量類別為k，基于Gini 指數(shù)（GI）來量化各特征（指標(biāo)）的重要性得分（Importance Mark，IM）流程為［9］

（1）計算Gini指數(shù)。

式中：nt為決策樹數(shù)量。

通過重要特征辨識結(jié)果，可以提取出不同重要程度的影響因素，根據(jù)其與運(yùn)營難度系數(shù)內(nèi)在關(guān)聯(lián)情況，利用隨機(jī)森林建立運(yùn)營難度系數(shù)模型，為標(biāo)準(zhǔn)化評價的實(shí)現(xiàn)奠定基礎(chǔ)。

2.2 方法概述

提取出主要影響因素后，隨機(jī)森林回歸計算步驟可以概括如下：

（1）形成決策樹訓(xùn)練集：若原始數(shù)據(jù)集含n個樣本，隨機(jī)有放回地抽取n個訓(xùn)練樣本形成抽樣數(shù)據(jù)集，用于形成決策樹。

（2）隨機(jī)選擇決策樹特征：若原始數(shù)據(jù)樣本特征維度的M，從中隨機(jī)m個特征（m

（3）組成隨機(jī)森林：重復(fù)步驟（2）、（3）形成多個決策樹構(gòu)成森林，樹的數(shù)量ntree由具體的情況決定。

（4）結(jié)果輸出：針對回歸分析，其最終結(jié)果如式（6），表示回歸結(jié)果為單個樹結(jié)果的平均。

3 水電站標(biāo)準(zhǔn)化運(yùn)營管理評價

3.1 基于熵權(quán)-可拓的綜合評價方法

結(jié)合可拓論、物元分析理論、關(guān)聯(lián)度理論確定經(jīng)典域物元、節(jié)域物元、待評物元以及關(guān)聯(lián)數(shù)，引入熵權(quán)法計算指標(biāo)的綜合權(quán)重以避免指標(biāo)權(quán)重的絕對主觀性和絕對客觀性［11］，建立水電站標(biāo)準(zhǔn)化運(yùn)營管理綜合評價方法。方法將多目標(biāo)評價轉(zhuǎn)換為單目標(biāo)決策問題，最終達(dá)到定量分析的目的［12］。

將物元定義為一個有序三元組R：

式中：N為事物名稱；C為事物的特征；V為特征的量值。

N、C、V三者構(gòu)成了物元三要素，如果事物N用n個特征{c1，c2，…，cn}以及相應(yīng)的量值{v1，v2，…，vn}來描述，則稱R為n維物元：

可拓學(xué)評價方法是對研究對象從可行性和優(yōu)化（滿意程度）的角度來進(jìn)行評估的，實(shí)質(zhì)上是一種多屬性決策分析方法。它利用可拓集合的基本理論和物元的可拓性定性分析，通過關(guān)聯(lián)函數(shù)進(jìn)行定量計算。該方法可以將各個評價指標(biāo)的關(guān)系轉(zhuǎn)化為一種相容的問題，通過距離函數(shù)對點(diǎn)和區(qū)間之間的距離進(jìn)行度量［13，14］。

3.2 基于信息熵的賦權(quán)法

為了了解數(shù)據(jù)的客觀信息，研究選擇熵權(quán)法確立指標(biāo)權(quán)重。熵權(quán)法的核心是信息熵，用于解決信息量化問題［15］。信息熵反映在屬性值上理解為屬性值變異程度的大小，屬性值的信息熵越大，它的變異程度越大，可獲取的信息量越小，其在決策中所起到的作用也越?。?6］。

采用基于信息熵的決策方法確定各指標(biāo)權(quán)重系數(shù)，計算方法為：

（1）由于各指標(biāo)的量綱不同，需對各指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。構(gòu)建m個評價指標(biāo)，n個評價單元（水電站）的評價對象原始矩陣X=(xij)mn，對其進(jìn)行標(biāo)準(zhǔn)化處理得到

（3）計算指標(biāo)i的信息熵。

（4）計算指標(biāo)i的權(quán)重。

3.3 綜合評分方法

3.3.1 關(guān)聯(lián)度函數(shù)

關(guān)聯(lián)度函數(shù)基于模糊綜合評價中的隸屬度函數(shù)拓展了點(diǎn)到區(qū)間的距離，提出距的定義，待評價物元中第i個指標(biāo)xi對于評價等級o的關(guān)聯(lián)度為Ko(xi)，關(guān)聯(lián)度函數(shù)形式多樣，需要根據(jù)指標(biāo)具體情況具體分析，從而選擇適合某項(xiàng)指標(biāo)特性的關(guān)聯(lián)度函數(shù)［19］，研究采用以區(qū)間端點(diǎn)為最優(yōu)關(guān)聯(lián)，計算見式（18）。

式中：ρ(xi，x0，Xo)為側(cè)距，該距在點(diǎn)x0處達(dá)到最大值。

此種關(guān)聯(lián)函數(shù)可以根據(jù)x0的取值，在區(qū)間任意點(diǎn)取得最大值，若x0取在端點(diǎn)aoti或boti，此時關(guān)聯(lián)函數(shù)則在兩端取得最大值。

3.3.2 綜合評分

傳統(tǒng)地，通過電站j的第i項(xiàng)指標(biāo)關(guān)于等級o的加權(quán)關(guān)聯(lián)度，結(jié)合最優(yōu)隸屬度準(zhǔn)則可得到不同電站的隸屬等級［20］，如式（19）所示。

式中：Gij(o)為電站j的關(guān)于等級o的加權(quán)關(guān)聯(lián)度；其值為該電站各指標(biāo)關(guān)于等級o的關(guān)聯(lián)度與權(quán)重乘積之和；Gj為電站j最終等級，其由電站最大關(guān)聯(lián)度所對應(yīng)的等級確定。

式（20）是可拓學(xué)中最常用的評分確定方法，其最終評價結(jié)果與設(shè)定等級一致，通常為帶次序的分類值或離散型數(shù)值，然而本研究中希望得到更為精確的得分值，以供對標(biāo)管理分析使用，故按照研究目標(biāo)對綜合評分方法進(jìn)行改進(jìn)。

式中：Gj(i)為電站j關(guān)于指標(biāo)i的最大關(guān)聯(lián)度所屬等級；adj.Gj為電站j改進(jìn)綜合等級得分，由該電站單項(xiàng)指標(biāo)等級加權(quán)求和得到。

4 實(shí)例分析

選擇某省65家水電站作為研究對象，數(shù)據(jù)均進(jìn)行了歸一化處理。首先按照7：3的比例將數(shù)據(jù)集分為訓(xùn)練集、測試集，在重要特征篩選過程中，將影響水電站運(yùn)營難度系數(shù)的因子稱作解釋變量，運(yùn)營成本數(shù)據(jù)序列作為因變量，對于水電站集H={H1，H2，…，Hk}，按照研究目的，將影響因素分為機(jī)組特性、壩型特征、水位特征、庫容特征、勞動力特征、調(diào)節(jié)性能，每類特性用至少1 個因子進(jìn)行描述，形成電站影響因素數(shù)據(jù)集Xi={X1，X2，…，Xp}，根據(jù)現(xiàn)有資料，設(shè)定15 個因子（p=15），X1～X15分別是裝機(jī)容量、機(jī)組臺數(shù)、正常水位、死水位、總庫容、有效庫容、壩高、壩長、職工人數(shù)、平均單機(jī)容量、水位差、平均機(jī)組利用小時數(shù)、投產(chǎn)時長、壩面積、調(diào)節(jié)性能。

4.1 參數(shù)設(shè)置

隨機(jī)森林參數(shù)包括決策樹選擇進(jìn)行分裂的特征數(shù)m，以及樹的數(shù)量nt。對于回歸分析，每顆決策樹通常隨機(jī)選擇m=M∕3個特征進(jìn)行分裂，本研究原始特征維度（自變量）為15，故令m=5；nt則通過固定m進(jìn)行搜尋，認(rèn)為均方誤差（Mean Squared Error，簡稱MSE）最小時nt取得最優(yōu)值。

4.2 結(jié)果分析

首先，將訓(xùn)練集中所有變量均作為輸入，得到不同nt值與其對應(yīng)MSE，如圖2 所示。由圖2 可知，當(dāng)決策樹數(shù)量達(dá)到200時，誤差趨于平穩(wěn)，MSE在nt為332 時取得最小值，故在本次計算分析中設(shè)定nt=332。

圖2 不同決策樹數(shù)量及其對應(yīng)MSEFig.2 Different decision trees and their corresponding MSE

計算不同影響因素的重要程度，并對結(jié)果降序排列，隨機(jī)森林方法求解得排序前八項(xiàng)的重要特征分別為裝機(jī)容量、平均單機(jī)容量、職工人數(shù)、壩長、壩面積、有效庫容、總庫容、機(jī)組臺數(shù)。

基于上述分析，分別提取經(jīng)隨機(jī)森林篩選出的前5、前8 項(xiàng)重要特征再次進(jìn)行隨機(jī)森林回歸分析，此時nt最優(yōu)取值分別為324、102，隨機(jī)森林3次擬合結(jié)果如圖3所示。

圖3 隨機(jī)森林?jǐn)M合結(jié)果Fig.3 Random forest fit results

觀察圖3、3 次隨機(jī)森林回歸結(jié)果非常類似，最大的區(qū)別在于測試集中的64 號電站，特征數(shù)量為5 的隨機(jī)森林?jǐn)M合值更貼近實(shí)際值。定義合格率為擬合數(shù)據(jù)和原始數(shù)據(jù)對應(yīng)點(diǎn)的相對誤差絕對值不超過5%的點(diǎn)數(shù)占總點(diǎn)數(shù)的比例。隨后，利用平均絕對百分比誤差（Mean Absolute Percentage Error，簡稱MAPE）、合格率、相關(guān)系數(shù)（R2）、調(diào)整后R2對不同方案擬合效果進(jìn)行分析，計算公式如式（21）～式（23）所示，得到表1。

表1 不同特征數(shù)量下的隨機(jī)森林?jǐn)M合性能Tab.1 Random forest fitting performance at different characteristics

由表1 知，對于訓(xùn)練集，特征數(shù)量為15 時MAPE、合格率、R2較優(yōu)，而特征數(shù)量為8 的調(diào)整后R2較優(yōu)；而從測試集來看，特征數(shù)量為8 的MAPE較優(yōu)，而特征數(shù)量為5 的R2、調(diào)整后R2較優(yōu)。綜合考慮，認(rèn)為特征數(shù)量為8的隨機(jī)森林?jǐn)M合效果相對更優(yōu)，此時模型輸入為裝機(jī)容量、平均單機(jī)容量、職工人數(shù)、壩長、壩面積、有效庫容、總庫容、機(jī)組臺數(shù)，計算得到各電站運(yùn)營難度系數(shù)如表2所示。

由表2 可知，實(shí)例電站中運(yùn)營難度系數(shù)最低的為18 號水電站，其值為32.4，表明該電站客觀條件下的運(yùn)營難度相對較低；運(yùn)營難度系數(shù)最高的為34號水電站，其值為351.3，表明該電站客觀條件下的運(yùn)營難度相對較高。

表2 案例電站運(yùn)營難度系數(shù)Tab.2 Typical power plant operation difficulty

為進(jìn)一步了解案例電站運(yùn)營難度系數(shù)分布情況，以50個運(yùn)營難度系數(shù)為區(qū)間長度，對案例電站運(yùn)營難度系數(shù)進(jìn)行劃分，繪制案例電站運(yùn)營難度系數(shù)分布如圖4 所示?？芍?，本實(shí)例中有44.8%的電站運(yùn)營難度系數(shù)位于［50，100］區(qū)間內(nèi)，各有11.9%的電站運(yùn)營難度系數(shù)位于［100，150］和［200，250］區(qū)間內(nèi)，其余電站較為平均的分散至各區(qū)間?？梢?，本次計算實(shí)例中的電站運(yùn)營難度相對較低。

圖4 案例電站運(yùn)營難度系數(shù)分布Fig.4 Typical power station operation complexity coefficient distribution

4.3 指標(biāo)計算與等級劃分

4.3.1 單指標(biāo)計算

分析收集資料情況，以能評價盡可能多的指標(biāo)為目標(biāo)，形成容納65 個電站的實(shí)例評價數(shù)據(jù)集，評價指標(biāo)按照系統(tǒng)性原則、代表性原則、可行性原則選取，盡量使指標(biāo)能夠有層次、多維度的全面反映水電站運(yùn)營情況［21］。最終選取指標(biāo)勞動力密度S1、每運(yùn)營難度系數(shù)成本投入S2、上網(wǎng)電量密度S3、利用小時密度S4，計算方法分別如式（24）、式（25）、式（26）、式（27）所示。

（1）勞動力密度S1。

式中：S1為勞動力密度，其值為評價期末的每人員運(yùn)營難度系數(shù)投入職工數(shù)；N為期末職工總?cè)藬?shù)；EC為人員運(yùn)營難度系數(shù)。

（2）每運(yùn)營難度系數(shù)投入成本S2。

式中：S2為評價周期內(nèi)每運(yùn)營難度系數(shù)投入成本；C為評價周期內(nèi)的總投入成本；OC為運(yùn)營難度系數(shù)；該指標(biāo)可衡量每運(yùn)營難度系數(shù)電站∕企業(yè)投入的總運(yùn)營成本，以了解企業(yè)整體成本投入水平。

（3）上網(wǎng)電量密度S3。

式中：S3為上網(wǎng)電量密度，其值為電站評價周期內(nèi)上網(wǎng)電量Em與運(yùn)營難度系數(shù)OC的比值。

（4）利用小時密度S4。

式中：S4為利用小時密度，其值為電站評價周期內(nèi)裝機(jī)利用小時數(shù)tg與運(yùn)營難度系數(shù)OC的比值。反映了排除了電站裝機(jī)影響下的單位能效水平。

對指標(biāo)按式（28）歸一化至［0，1］區(qū)間，得到65 個電站評價指標(biāo)值如表3所示。

表3 評價集電站歸一化指標(biāo)值Tab.3 Evaluate the normalization indicator value of the collector station

由3可知，在數(shù)據(jù)集中，每運(yùn)營難度系數(shù)勞動力投入指標(biāo)S1以>0.6 居多，而每運(yùn)營難度系數(shù)電量產(chǎn)出S3以<0.2 占大多數(shù)，因此若單純利用數(shù)值大小均分指標(biāo)區(qū)間作為等級劃分標(biāo)準(zhǔn)將不利于科學(xué)評價，應(yīng)考慮采用其他方法。

4.3.2 等級劃分

基于上述分析，采用排序法進(jìn)行等級劃分，將每個指標(biāo)劃分為差、較差、合格、較優(yōu)、優(yōu)5 個等級，分別以排序前20%，40%，60%，80%的指標(biāo)值作為等級劃分節(jié)點(diǎn)，得到各指標(biāo)等級劃分區(qū)間如表4所示。

表4 評價指標(biāo)等級劃分Tab.4 Evaluation indicator level division

4.3.3 綜合評價

利用熵權(quán)法，將歸一化指標(biāo)值代入式（14）、（15）計算得到各指標(biāo)在綜合評價中應(yīng)賦予的權(quán)重，分別為0.211、0.364、0.081、0.344。

以評價集1 號電站為例，其各指標(biāo)值及其對應(yīng)等級關(guān)聯(lián)度如表5所示，為了避免單一評價方法的誤差，將傳統(tǒng)隸屬等級和改進(jìn)綜合隸屬等級按比重形成混合綜合評分，得到各電站綜合評分值并降序排列，詳見圖5。

圖5 評價集電站歸一化指標(biāo)值及綜合評分情況Fig.5 Evaluate the normalization indicators of the collector station and the comprehensive score situation

表5 電站1的評價指標(biāo)關(guān)聯(lián)度及其綜合等級評分Tab.5 Evaluation index corretion of power station 1 and its comprehensive level rating

進(jìn)一步分析受評電站詳細(xì)情況，以勞動力密度為例，8、5、62 號水電站實(shí)際用工人數(shù)分別為148、126、119 人，若僅以用工人數(shù)為評價準(zhǔn)則，顯然其優(yōu)劣排序與現(xiàn)有評價相反；而綜合考慮電站運(yùn)營的難度，8、5、62 號水電站裝機(jī)分別為63、12.9、3萬kW，其運(yùn)營難度系數(shù)計算為8 號>5 號電站>62 號電站，與實(shí)際情況相符，故考慮運(yùn)營難度系數(shù)后的指標(biāo)排序更合理。

同時，對指標(biāo)排序最后一位的18 號水電站進(jìn)行分析，該電站裝機(jī)較小屬于常規(guī)分類標(biāo)準(zhǔn)的?。↖I）類工程規(guī)模，是本次評價集中運(yùn)營難度系數(shù)最低的電站，其正常勞動力投入應(yīng)屬于一個較低水平；經(jīng)分析，該電站投產(chǎn)時間早，在早期運(yùn)行過程中，水電站智能化水平較低，多需要人工監(jiān)測；雖然后期電站智能化水平得以提升，囿于退休職工人數(shù)隨投產(chǎn)時間而積累，故導(dǎo)致單位運(yùn)營難度系數(shù)用工成本較高。

同時為了驗(yàn)證評價結(jié)果合理性，將綜合評分與當(dāng)年電站考核情況進(jìn)行對比，發(fā)現(xiàn)結(jié)果大體相似，但各水電站整項(xiàng)考核工作（排除資料收集工作）均開展了近半年，前前后后花費(fèi)了較大人力、物力、財力，而本研究提出的方法基于已有參數(shù)資料的情況下，僅需收集與評價指標(biāo)相關(guān)的實(shí)時數(shù)據(jù)，將數(shù)據(jù)輸入本文構(gòu)建的基于運(yùn)營難度系數(shù)的對標(biāo)評價模型中，即可得到科學(xué)合理的考核結(jié)果，可為水電企業(yè)摸底考核、尋優(yōu)補(bǔ)差提供指導(dǎo)。

5 結(jié)語

在能源結(jié)構(gòu)持續(xù)轉(zhuǎn)型升級的背景下，提升存量水電運(yùn)行管理水平愈發(fā)重要。本文探索性地將水電站標(biāo)準(zhǔn)化運(yùn)營管理與水電站綜合評價有機(jī)結(jié)合，以西南區(qū)域部分水電站為研究對象，利用可控合理運(yùn)營成本初步描述了水電運(yùn)營難度系數(shù)基礎(chǔ)概念，通過隨機(jī)森林法構(gòu)建運(yùn)營難度系數(shù)模型，在此基礎(chǔ)上輸入評價集電站進(jìn)行指標(biāo)計算，結(jié)合信息熵賦權(quán)、改進(jìn)可拓學(xué)方法得到評價結(jié)果，與企業(yè)自評估成果大致相符，顯示研究提出的基于運(yùn)營難度系數(shù)的標(biāo)準(zhǔn)化運(yùn)營管理評價辦法具備合理性。本研究在一定程度上實(shí)現(xiàn)了水電站橫向比較，為企業(yè)尋優(yōu)補(bǔ)差提供了方法借鑒。

由于企業(yè)目前實(shí)際運(yùn)行中精細(xì)化水平不高，成本記錄比較粗糙，無法提供解構(gòu)后的成本分類有關(guān)記錄，在未來精細(xì)化數(shù)據(jù)的支撐下，可進(jìn)一步構(gòu)建分項(xiàng)運(yùn)營難度系數(shù)模型，計算設(shè)備、材料、技術(shù)、人工的分項(xiàng)難度系數(shù)，使評價結(jié)果更具有問題指向性，更有利于實(shí)現(xiàn)水電站標(biāo)準(zhǔn)化運(yùn)營管理評價的目的。