基于改進的AHP-CRITIC綜合權重計算法的多元用戶用能行為特性刻畫及評價方法

朱 輝,閆騰飛,丁 一,程曉艷,盛耀龍,陳海鵬

(1.國網山東省電力公司聊城供電公司,山東 聊城 252000;2.東北電力大學電氣工程學院,吉林 吉林 132012)

0 引 言

目前電力市場不斷發(fā)展,電力用戶在能源交易市場中的市場主體地位日益提高。因此,電力企業(yè)需要更好地了解和掌握工業(yè)用戶用電規(guī)律,以提高其服務水平和市場競爭力[1]。與此同時,在綜合能源系統(tǒng)快速發(fā)展的環(huán)境下,電力消費主體的多元化程度越來越高,對于生成用戶用能行為畫像的數據分析算法也提出了更高的要求[2-3]。隨著智能量測終端的大量投用使用,工業(yè)用戶用能數據得以實時采集,從而可以通過多元量測數據更準確地描述工業(yè)用戶用能習慣與行為特性[4]。利用多元量測數據生成的“工業(yè)用戶用能畫像”可以再現(xiàn)工業(yè)用戶用能的全貌,并為優(yōu)化工業(yè)用戶能源結構、挖掘工業(yè)用戶需求特證、提高工業(yè)用戶科學用能水平奠定基礎條件。

用戶畫像是根據用戶生活習慣、社會屬性和消費行為等信息抽象出的一個標簽化的用戶模型,為了生成精細、智能與全面的用能畫像,需要建立全面、客觀的用戶用能評價體系[5]。

針對多元用戶的用能評估體系,國內外均有相關研究。文獻[6]評估體系從技術性、經濟性以及可靠性等多個層面展開構建;文獻[7]從電壓、負荷和綜合三類維度構建評估指標,用以描述重要電力客戶的用電狀態(tài)。目前建立用戶用能評價體系通常選取與電力相關聯(lián)的指標建立。然而,在“碳達峰,碳中和”的背景下,有關用戶低碳用能指標的用戶用能評價體系相對欠缺。

確定用戶畫像是一個復雜的多目標決策問題,需要采用層次分析法(Analytic Hierarchy Process,AHP)、模糊綜合評價、熵權法以及基于指標相關性的客觀指標權重確定法等一系列方法來生成用戶畫像;在文獻[8]中,采用層次分析法確定指標權重并計算綜合用能指數,生成了工業(yè)用戶多維用能畫像;文獻[9]構建電力用戶的標簽體系,并計算不同標簽的權重,實現(xiàn)了用戶畫像的生成。使用層次分析法確定指標權重,主要采用多個專家打分確定標簽權重,但但這種方法存在著賦權結果主觀性較強、實用性較低的問題[10];文獻[11]采用層次分析法和熵權法計算變壓器狀態(tài)評價體系中不同指標的綜合權重;文獻[12]采用客觀權重賦權法對各項指標進行加權計算,從而實現(xiàn)用戶綜合用能畫像,但在該文獻中,只考慮客觀因素時各指標權重的差異并不明顯,無法足以體現(xiàn)出不同類型工業(yè)行業(yè)用戶的用能特點。

針對上述問題,本文提出一種多層的工業(yè)用戶用能評價體系,該體系從用電負荷水平、用電低碳指標、用電穩(wěn)定性、用電互動能力以及用熱/冷特性這六個維度綜合評價用戶用能水平,并且采用改進的AHP-CRITIC綜合權重計算法對工業(yè)用戶用能進行組合賦權,最終生成考慮用戶用能特性的多元用戶用能畫像。本文基于四種工業(yè)用戶用能數據完成算例分析,結果表明,本文提出的方法可以展現(xiàn)不同類型工業(yè)用戶用能的差異性,從而幫助不同類型工業(yè)用戶進行針對性的用能管理與服務政策。

1 多層用戶用能評價體系建立

根據對國內外大型能源用戶用電評價指標的廣泛調研分析,并結合"雙碳"目標本文構建了含有電負荷水平、用能低碳性、用電穩(wěn)定性、用電互動性、用熱(冷)特性等指標的工業(yè)用戶用能特性評價體系,從而實現(xiàn)對不同工業(yè)用戶用能特性的全面刻畫,構建的工業(yè)用戶用能評價體系如圖1所示。

圖1 針對工業(yè)用戶的多元用戶用能評價體系Fig.1 Multi-user energy use evaluation system for industrial users

1.1 用電負荷水平L1

用電負荷水平指的是工業(yè)用戶在某個時間段內所需的用電量,包括日平均負荷、日負荷率、峰時耗電量以及谷電系數四個二級指標,作為反映工業(yè)用戶負荷情況的評價指標[13]。

1.2 用電低碳性L2

用電低碳性指標反映了工業(yè)用戶在可再生能源消納和能源低碳轉型方面的能力,主要包括清潔能源占比、減排率、余能利用率、電能替代水平以及廢氣達標水平五個二級指標[14]。

1.3 用電穩(wěn)定性L3

在評估用戶用電穩(wěn)定性時,需要考慮電負荷變化幅度、趨勢和波動等因素,最終選取日峰谷差、細節(jié)波動和日負荷波動率等指標來評估用電穩(wěn)定性。

1.4 用電互動能力指標L4

用電互動能力是指在電力市場供需平衡背景下,對用戶電負荷參與需求響應的潛力評估,主要包括調峰能力和需求響應潛力兩個二級指標。

1.5 用熱(冷)特性L5

在描述熱(冷)負荷特性時,需求考慮其負荷水平和負荷穩(wěn)定性?；诖?用熱(冷)特性指標主要包括日平均負荷、日負荷率、峰時用能率以及日峰谷差四個二級指標[15]。

2 改進的AHP-CRITIC綜合指標權重的計算

2.1 主觀權重計算-FAHP法

模糊層次分析法(FAHP)是一種綜合模糊數學和層次分析法的權重計算方法,在處理復雜評價系統(tǒng)中具有廣泛應用。相對于傳統(tǒng)的層次分析法(AHP),FAHP在處理涉及大量評估指標的項目時,能夠更好地保證評價過程的一致性。通過引入模糊數學理論,FAHP能夠處理評估指標的模糊性和不確定性,從而有效解決指標權重的一致性問題[16]。該方法的優(yōu)點在于結合了模糊數學的靈活性和層次分析法的結構化特征,提高了評價結果的可靠性和準確性。

2.2 FAHP流程

2.2.1 層次結構模型

為了確定評價指標權重,首先確定評價體系的決策目標并且分析影響因素,接著構建層次化結構模型,最后從用電負荷水平、用電低碳性、用電穩(wěn)定性、用電互動性、用熱(冷)特性五個方面建立多層用戶用能評估體系。該體系包括評估結果輸出層、中間層和決策層。評估結果輸出層的目標是多元用戶用能水平綜合得分。中間層涉及評價因素之間的關系。決策層確定系統(tǒng)的總目標,方案層表示用戶各子指標的狀態(tài)值。評價指標體系B由n個指標組成,即B={B1,B2,...,Bn}。每個指標Bi可能包含s個子指標,即Bi={Bi1,Bi2,…,Bis}。通過FAHP方法確定權重,準確評估用能水平。

2.2.2 模糊互補判斷矩陣的構造

通過采用一致矩陣法,FAHP確定了各個子指標的相對權重。該方法通過各指標之間的比較,利用相對尺度降低了對不同指標之間比較的困難。逐層計算指標元素的相對重要性,并構建模糊互補判斷矩陣。

(1)

公式中:mij為指標因素Bi與指標因素Bj對比的相對重要性。根據參考文獻[16],給出了不同相對重要程度下矩陣元素的取值標準如表1所示。

表1 判斷矩陣取值標準Tab.1 Judgement matrix value criteria

2.2.3 一致性測試與調整

邏輯一致性確保了一致性指標權重的準確性,以確保對指標重要性的判斷沒有矛盾。在文中,使用指數γ值的大小作為判斷矩陣一致性程度的依據。γ的值越大,則一致性越差[16]。指數γ的計算為

(2)

2.2.4 一致性測試與調整的流程

1)設閾值σ并且與γ指數進行比較,若σ小于指數γ則需要調整矩陣M;

2)建立權重判斷矩陣

(3)

3)計算M和M(k)之間的關聯(lián)程度:

(4)

4)根據最小值原理a(k1)=min{a(1),a(2),…,a(n)},確定加性一致性矩陣Mk1,該矩陣與模糊互補矩陣M最接近,并表示為M*;

5)計算偏差矩陣Q=(qij)n×n:

(5)

6)根據偏差矩陣Q的結果,調整判斷矩陣M的一致性。若bst>0,則令M′st=Mst-λ,M′ts=Mts+λ;反之令M′st=Mst+λ,M′ts=Mts-λ。調整系數λ取值為0.05。將調整后的矩陣M′作為新的模糊互補判斷矩陣M,并返回到步驟1進行下一輪計算。

2.2.5 單層指標排序

單層指標排序是根據本層各指標的重要性對其進行排序,計算出權重向量w。

1)求和:將判斷矩陣M的每一行相加

(6)

2)計算單層指標的權重向量W=(w1,w2,…,wn)T,權重向量W中的元素wi為

wi=(ai+0.5n-1)/n(n-1);

(7)

通過以上步驟,可以得到本層次指標的權重向量wi,用于衡量各個指標的重要性。

2.2.6 多層指標總排序

多層指標總排序是指對評價系統(tǒng)中所有子指標相對于目標層的重要程度進行綜合權重計算。通過逐層比較和權重推導的過程,從頂層到底層逐步確定每個指標在整個評價體系中的重要性,最終得到每個指標的權重向量。從頂層到底層的權重向量為

W(s)=W(s)W(s-1),…,W(3)W(1)

(8)

根據專家經驗,我們構建了多層用戶用能綜合評價指標體系的模糊互補判斷矩陣,并利用Matlab成功計算了子指標的權重信息。然而,FAHP方法在評估指標相對重要性時只考慮了優(yōu)劣關系,未考慮具體情況的重要性程度。因此,對于比較不同指標的絕對重要性,需要采用CRITIC方法。

2.3 客觀權重計算—CRITIC法

CRITIC法是一種能夠確定指標客觀權重的方法,它綜合了指標內部變異大小和指標間的沖突性來確定權重[17]。通過綜合這兩個方面的因素,CRITIC法可以有效地確定指標的客觀權重,從而提高決策結果的準確性。

1)原始數據無量綱化處理。對原始數據按公式(9)、公式(10)進行處理。

正向指標:

xij=[x′ij-min(xj)]/[max(xj)-min(xj)]

(9)

逆向指標:

xij=[max(xj)-x′ij]/[max(xj)-min(xj)]

(10)

公式中:xij為標準化值;x′ij為變量j的初始值;max(xj)為指標j的最大值;min(xj)指標j的最小值。

2)單獨考慮每個指標生成的向量,得到標準差向量σj。

(11)

3)計算兩個指標之間的線性相關系數Rij。

Rij=cov(x′i,x′j)/(σi,σj),i、j=1,2,…,n

(12)

公式中:Rij為指標i與指標j的相關系數;δi為指標i的標準差;δj為指標j的標準差;n為指標數。

4)計算信息量。計算指標i包含的信息量Ci

(13)

5)根據公式(14)進行權重歸一化處理。

(14)

2.4 指標綜合權重的計算

FAHP法在一定程度上存在主觀局限性,而CRITIC法則無法根據實際情況提供適合的主觀偏向,且過于依賴原始數據,具有較大的客觀局限性。因此,在這種情況下,需要進行組合賦權的方法。為了使指標的綜合權重盡可能的接近主觀權重與客觀權重,不偏向任意一項,使用FAHP-CRITIC法確定指標的綜合權重為

ω綜合=βω主觀+(1-β)ω客觀

(15)

公式中:β為相對重要程度參數,范圍在0-1之間。在經過專家咨詢后,確定β值為0.618。使用FAHP方法計算指標的主觀權重,并使用CRITIC方法計算指標的客觀權重,然后應用公式(15)計算各個指標的綜合權重。

3 算例分析

為了驗證本文方法的適用性與可靠性,選取東北某典型工業(yè)園區(qū)4家不同行業(yè)大工業(yè)用戶用電數據,不同工業(yè)用戶的基本信息如表2所示。在Matlab R2018b環(huán)境下,以內存為16GB和Inter i5處理器的PC為平臺進行仿真分析。以清潔能源占比L21、減排率L22、余能利用率L23、電能替代水平L24以及廢氣達標水平L25,5個二級指標為例,利用FAHP-CRITIC算法計算各指標的主觀權重、客觀權重、綜合權重等參數,進而計算不同行業(yè)工業(yè)用戶用能特性的各評價指標的綜合權重,最終得到不同行業(yè)工業(yè)用戶的用能特性畫像?；贔AHP-CRITIC綜合權重計算法刻畫不同行業(yè)工業(yè)用戶的用能特性畫像流程如圖2所示。

表2 不同行業(yè)工業(yè)用戶基本信息Tab.2 Basic information of industrial users in different industries

圖2 FAHP-CRITIC綜合權重計算法流程圖Fig.2 Flow hart of FAHP-CRITIC comprehensive weight calculation method

3.1 基于FAHP的主觀權重

根據表1中的判斷矩陣取值標準詢問相關專家的意見,對二級指標L21—L25進行兩兩比較,構造模糊判斷矩陣ML2:

一致性檢驗。將一致性指數設定閾值預設為0.01,利用公式(2)計算模糊判斷矩陣ML2的檢驗系數δ=0.0833。由于δ>λ,需要進行一致性調整。利用公式(3)～公式(5)計算偏差矩陣QL2對判斷矩陣ML2進行調整,在調整9次后,得到檢驗系數小于一致性指數設定閾值的判斷矩陣M′L2為

根據公式(6)與公式(7)計算二級指標L21～L25對低碳用能指標的主觀權重值:αL21=0.232 5、αL22=0.215 0、αL23=0.180 0、αL24=0.217 5、αL22=0.155 0。

3.2 基于CRITIC的客觀權重

指標L21～L25的原始數據如表3所示,指標原始數據的計算方法包括邀請4位專家評分、統(tǒng)計相關數據以及查閱相關標準。根據公式(9)～公式(10)對原始數據進行無量綱化處理,得到標準化矩陣S:

表3 低碳用能二級指標的評分結果

計算標準化矩陣S各行向量的標準差,利用公式(12)計算各個指標之間的相關系數,得到相關矩陣R:

利用公式(13)計算各指標包含的信息量:μ21=1.416 4、μ22=1.723 0、μ23=1.377 8、μ24=1.623 5、μ25=0.123 2。由公式(14)得到客觀權重值:β21=0.202 2、β22=0.246 0、β23=0.196 7、β24=0.231 8、β24=0.123 2。

3.3 基于組合賦權的綜合權重

利用公式(15)計算清潔能源占比L21、減排率L22、余能利用率L23、電能替代水平L24以及廢氣達標率L25等指標的綜合權重值,結果如表4所示:

表4 基于FAHP-CRITIC的綜合權重Tab.4 FAHP-CRITIC based composite weights

基于上述方法,計算出各用戶用能特性評價指標的綜合權重,以及其他用戶各用能特性評價指標的綜合權重。具體結果請見圖3

圖3 各用戶綜合權重系數對比圖Fig.3 Comparison chart of comprehensive weight coefficient of each user

3.4 用戶用能評價主觀權重、客觀權重、綜合和權重計算結果對比分析

為了提高服務質量并保持市場競爭力,電力企業(yè)需要更為深入地掌握各行業(yè)的用電規(guī)律。本文通過對主觀權重和客觀權重的詳細分析,揭示了不同行業(yè)在多元用戶用能行為上的特點和差異。計算結果見圖4、圖5。

圖4 各用戶主觀權重系數對比圖Fig.4 Comparison chart of subjective weight coefficient of each user

圖5 各用戶客觀權重系數對比圖Fig.5 Comparison chart of objective weight coefficient of each user

結合圖3、圖4、圖5,在電子制造業(yè)(用戶1)中,峰時耗電量L13的主觀權重達到了0.392 3,顯示出較高的電力需求,但其客觀權重為0.233 7,表明實際需求略低。通過綜合權重0.331 7,用戶1可以得到了更為準確地反映該行業(yè)真實需求的權重。對于汽車制造業(yè)(用戶2),其日負荷波動率L33的主觀權重為0.446 5,表明其對電力需求的不均勻性關注,但客觀權重稍微低一些,為0.384 5。然而,綜合權重0.422 8為用戶2提供了一個全面的視角,準確地揭示了這一行業(yè)的電力需求。在金屬加工機械制造業(yè)(用戶3)中,其調峰能力L41的主觀權重為0.607 7,顯示了較高的需求,但客觀數據稍低,為0.523 9。這種差異通過綜合權重0.575 7得到了平衡,從而更真實地展現(xiàn)了該行業(yè)的需求。化學材料制造業(yè)(用戶4)對于日負荷的穩(wěn)定性有高度關注,這從其日負荷波動率L33的主觀權重0.484 3就可以看出,但客觀權重為0.353 9,與主觀權重存在差異。最終,綜合權重0.434 5全面地揭示了該行業(yè)在生產中的日負荷穩(wěn)定需求。由此可見,使用的FAHP-CRITIC綜合權重計算法與傳統(tǒng)的僅基于主觀或客觀權重的計算方法相比,具有明顯優(yōu)勢。它結合了兩者的優(yōu)點,既能反映用戶的偏好,也能與實際情況相符,避免了僅依賴單一視角可能出現(xiàn)的偏見和誤差。更重要的是,FAHP-CRITIC方法提供了一個更全面、更深入的視角,使得用能行為特性的分析更為準確和細致。

綜上所述,各行業(yè)雖然在多數電能使用指標上的主觀和客觀權重都相差不大,但在某些關鍵指標上確實存在差異。這些差異揭示了不同行業(yè)在多元用戶用能中的特定需求和偏好,為多元用戶制定更為精準的能源策略提供參考。同時,本文提出的FAHP-CRITIC方法也為工業(yè)用戶提供了一個深入而詳細的工業(yè)用戶用能行為分析工具。隨著新型電力系統(tǒng)和電力市場的進一步發(fā)展,這種深入了解和分析將為工業(yè)用戶提供更為強大的決策支持,幫助其更好地應對未來的挑戰(zhàn)。

3.5 不同行業(yè)工業(yè)用戶用能特性畫像分析

為比較不同行業(yè)工業(yè)用戶的用能特性,本文將用戶用能特性各評價指標的權重作為多維度指數,形成不同用戶的用能特性畫像如圖6所示。

圖6 不同行業(yè)工業(yè)用戶用能特性畫像Fig.6 Profiling the energy use of industrial users in different sectors

從圖6中可以看出,大部分的工業(yè)用戶注重用能的低碳型與穩(wěn)定性,其中,用戶1在低碳用能與用電穩(wěn)定性方面的指數高于其他用戶。但是在用電互動能力方面,用戶1的指數最低,這是因為用戶用能越穩(wěn)定,其負荷曲線越平緩,可轉移的負荷越少,進而導致用戶的用電互動能力越弱。從圖6中還可以看出,用戶3在用冷特性方面表現(xiàn)的最好,用戶4在用熱特性方面表現(xiàn)的最好。此外,根據行業(yè)用能畫像的結果,電力公司可以按照用戶在不同用能特性方面的表現(xiàn)為用戶提供個性化的用能服務。

根據不同行業(yè)用能特性評價指標的綜合權重與用能畫像,計算各行業(yè)的綜合用能得分(百分制),如圖7所示。從圖7中可以看出,用戶1的綜合用能得分最高,用戶4的綜合用能得分最低,其余用戶的綜合得分介于用戶1、2之間。其中,用戶1的綜合用能得分達到76.676,這是因為用戶1在用能低碳性與用能穩(wěn)定性兩方面相對于其他用戶具有突出的評分表現(xiàn)。此外,用戶可以依據綜合用能畫像與得分提出用能改進方向,如用戶4,盡管在用熱特性與用電互動能力方面指標評分較高,但其綜合用能得分最低,因此需要加強用能的低碳性與穩(wěn)定性。

圖7 不同行業(yè)工業(yè)用戶綜合用能得分Fig.7 Comprehensive energy use scores for industrial users in different sectors

4 結 論

本文提出一種基于改進的AHP-CRITIC綜合權重計算的多元用戶用能行為特性畫像及評價方法。在考慮指標的可獲取性的前提下,該方法從用電負荷水平、用電低碳性、用電穩(wěn)定性、用電互動能力和用熱/冷特性六個指標對用戶用能水平進行分層評估。同時,構建含有低碳用電指標的用戶綜合用能評價體系,運用主觀與客觀權重計算法相結合的綜合權重計算法得出指標權重,進而確定工業(yè)用戶用能指標權重,生成考慮多元用戶用能特性的工業(yè)用戶用能行為特征畫像。該方法著重體現(xiàn)工業(yè)用戶對不同能源的消費特點,同時可以分析工業(yè)用戶用能特征。算例分析結果表明,本文提出的方法能夠深度挖掘用戶用電特征,并且生成實用性較強的用戶用電行為畫像,為各工業(yè)用戶在用能方面提供意見與改進方案。