基于模糊多準則妥協解排序法的光伏發電投資計劃優選框架

烏云娜，胡勇

(華北電力大學經濟與管理學院，北京市 102206)

基于模糊多準則妥協解排序法的光伏發電投資計劃優選框架

烏云娜，胡勇

(華北電力大學經濟與管理學院，北京市 102206)

投資計劃優選是光伏發電項目前期工作的重中之重，多準則決策方法在項目優選過程中扮演著重要的角色。但是，常用的多準則決策方法沒有考慮決策屬性的模糊性和指標之間的沖突性，這將會降低光伏發電項目評估的準確性。因此，該文通過引入模糊集理論和多準則妥協解排序法構建光伏發電投資計劃優選框架；利用模糊數代替精確數減少決策信息的損失；通過使用多準則妥協解排序法獲得折衷解，解決在存在多項沖突指標時決策結果不能被所有決策者所接受的難題。本框架分為3個部分：評價備選方案的確定、基于群組序關系法的指標權重確定和基于模糊多準則妥協解排序法的投資計劃優選，各個部分之間緊密聯系，相互影響。最后，以某企業100 MW的地面并網光伏電站項目為例驗證了所建框架的有效性和合理性。

光伏發電項目；投資計劃優選；模糊集；多準則妥協解排序法；群組序關系法

0 引 言

在自然環境不斷惡化和化石燃料日漸枯竭的背景下，開發和利用可再生能源，已成為21世紀的重大課題[1]。光伏發電具有安全可靠、建設周期短和維護簡便等特點，因此得到迅速的發展。投資計劃的優選在光伏發電項目前期工作中扮演著重要的角色，對項目總投資的影響程度可達75%[2]。光伏發電投資計劃的優選是一個多準則決策問題，決策過程中需要考慮資源、經濟、環境和風險等諸多因素。目前，已經有一些學者將多準則決策方法應用到光伏發電項目的建設管理過程中。文獻[3]分別用層次分析法(analytic hierarchy process，AHP)和網絡分析法(analytic network process，ANP)對光伏發電項目的選擇問題進行研究，并分析指標之間的關聯性對最終決策結果的影響情況。文獻[4]從風光互補項目的優勢、機會、費用和風險這4個方面入手，應用AHP法幫助企業優選風光互補項目。文獻[5-6]分別應用改進的AHP法和逼近理想解排序法(technique for order preference by similarity to ideal solution，TOPSIS)對光伏發電項目的風險進行評價，指導企業進行投資決策。文獻[7-9]分別應用AHP法、多目標規劃和物元-可拓法對光伏電站的選址問題進行研究。

然而，在將現有多準則決策方法應用到光電項目選擇時存在一些問題，這將會降低決策的精準性。第一，由于光伏發電產業在我國還處于商業化初級階段，投資決策過程中可供參考的資料較少，較難獲得一般方法所需的精確數據。第二，由于光伏發電項目決策問題的復雜性和指標之間沖突性，評價結果可能并不能被所有的決策者所接受。基于以上問題，本文提出一個基于模糊集理論[10]和多準則妥協解排序法[11]的光伏發電投資計劃優選框架。利用三角模糊數表示各個備選項目的決策值，防止決策信息的丟失。通過多準則妥協解排序法，實現對一系列含有多項沖突或不一致指標的方案的排序，從而更好地完成光伏發電投資計劃的優選。

1 光伏發電投資評價指標體系的構建

投資計劃評價指標體系的構建是進行投資項目優選的基礎性工作，指標體系構建是否恰當會直接影響項目優選的準確度。一個光伏發電項目包含諸多方面，尤其當其是政府投資項目時就需要考慮社會和環境等更多因素。本文將通過優勢、質量、經濟、風險和環境這5個準則來評估一個光伏發電項目。具體的評價指標體系見表1。

2 光伏發電投資計劃優選框架的建立

投資方案優選框架是根據光伏發電項目投資決策的過程來建立的，整個框架分為3個部分：評價備選方案的確定、基于群組序關系法的指標權重確定和基于模糊多準則妥協解排序法的多準則決策，各個部分之間緊密聯系，相互影響，見圖1。通過這3部分的配合，最終可以實現備選方案的科學排序，輔助新能源開發企業進行投資決策。

2.1 評價備選方案的確定

本文首先對投資備選方案進行篩選，通過相關篩選流程，從投資備選方案中剔除部分投資價值達不到要求的方案，保留的投資計劃形成評價備選方案集，進入后續綜合評價環節。

表1 光伏發電投資計劃評價指標體系

Table 1 Evaluation index system of PV power generation investment plan

首先，企業邀請光伏發電投資領域的專家組成專家委員會，負責此次評審工作。其次，根據企業決策者意見及項目可行性研究報告，專家對部分重要指標(比如：內部收益率)制定最小標準(如是成本型指標，則為最大標準)。如果相關指標的值高于最小標準(成本型指標，則為低于)，則該投資計劃直接進入評價備選方案集。接著，對于沒能進入備選方案集的投資計劃提供第2次機會。專家根據可行性研究報告分析項目的投資價值，發掘項目的投資潛質。如果項目的部分投資指標很具有吸引力，經專家協商一致后，同樣允許其進入評價備選方案集。最后，通過這2輪評估，形成評價備選方案清單。對清單上的投資方案進行綜合評價，選出最合適的投資計劃。

2.2 基于群組序關系法權重的確定

由于指標數量多且相關性弱，不適宜通過特征值法來確定指標的重要程度。本文擬采用改進的序關系法來確定權重，在傳統的序關系法中，引入“群組”的概念，綜合多位專家的理性排序結果，準確地計算各個指標的權重值。

圖1 光伏發電投資計劃優選框架Fig.1 Selection framework of PV power generation investment plan

(1)序關系的確定

(2)重要程度之比的確定

(3)綜合權重的計算

如果所有專家形成的序關系一致，則權重計算公式為

(1)

如果專家形成的序關系不一致，假設形成了h種序關系，依據公式(1)計算每種序關系下的權重，再通過加權平均的方式獲得最終的綜合權重。

(2)

式中：wjs表示第s種排序下的權重；ks表示形成第s種排序的專家人數占比。

2.3 基于模糊多準則妥協解排序法的投資計劃優選

假設一個光伏發電項目投資多準則決策問題有K個決策者Lk(k=1,2,…,K)，n個備選方案Pi(i=1,2,…,n)和m個決策指標Cj(j=1,2,…,m)。

(1)初始模糊決策矩陣的獲得

(3)

對于定量指標，通過模糊化處理將實數數據轉化成三角模糊數。轉化方式為

(4)

式中：dij表示第i個備選方案的第j項定量指標的實數值；α與β表示在不確定的環境下數據向下和向上波動的系數，其值由專家來確定。

表2 用于評價的語言變量

Table 2 Linguistic variables for evaluation

(2)初始模糊矩陣的標準化

(5)

(3)投資方案的排序與優選

該部分的目的是通過模糊多準則妥協解排序法對備選方案進行排序，按相應規則做出決策。

1)確定各指標的正負模糊理想解

(6)

(7)

2)計算模糊距離

根據文獻[14]，通過頂點法來確定2個三角模糊數之間的距離。

(8)

(9)

3)計算群體效應值Si和個別遺憾值Ri

(10)

(11)

4)計算多準則妥協解排序法的綜合指標值

S+=mini{Si},S-=maxi{Si}

(12)

R+=mini{Ri},R-=maxi{Ri}

(13)

(14)

式中v表示決策機制系數，v>0.5表示根據群體效應進行決策，v<0.5表示根據個別遺憾準則進行決策，v=0.5表示同時兼顧群體效應和個別遺憾情況進行決策[15]。

5)確定折衷方案

對各備選方案按照Si、Ri和Qi值進行升序排序，設A(1)、A(2)是按Qi值排序后，排名前2位的方案。如果A(1)滿足以下2個條件，則其就是折衷解。

條件一：可接受優勢

Q(A(2))-Q(A(1))≥1/(n-1)

式中n是評價備選方案的個數。

條件二：決策過程的可接受穩定性

A(1)也必須是按Si、Ri排序后，排名首位的方案。

如果有一個條件不能滿足，則一系列的折衷解將會產生，包括以下2種情況：

情況一：如果僅僅是條件二不能滿足，則A(1)和A(2)均為折衷解；

情況二：如果條件一不滿足，A(1),A(2),…,A(N)均為折衷解，A(N)由滿足關系式Q(A(N))-Q(A(1))<1/(n-1)最大值N值確定。

3 算例分析

國內某新能源投資企業計劃在北方地區投資100 MW地面并網光伏電站項目。通過前期細致工作，形成多個潛在投資方案，利用多準則決策選出投資價值高的方案。

3.1 評價備選方案的確定

根據企業戰略和地區光伏政策，企業確定了5個潛在投資計劃，分別標記為I1、I2、I3、I4和I5。企業決策者組建專家委員會，邀請了光伏發電項目投資領域的10名專家來參與此次的投資計劃優選。

各位專家給內部收益率設定最小標準。經過最小標準和專家二次評估，最終投資計劃I1、I3和I4進行后續的綜合評價環節，分別重新編號為P1、P2和P3。

3.2 指標權重的計算

評價備選方案確定之后，專家委員會開始進行指標權重的計算工作。每位專家進行指標重要程度排序，并給出重要程度之比。10位專家共形成了3種序關系，其中有4人形成序關系1，3人形成序關系2，3人形成序關系3。首先依據公式(1)計算每種序關系下指標權重，然后再依據公式(2)計算綜合權重。最終計算結果見表3。

表3 指標權重計算表

Table 3 Weight calculation of each index

3.3 投資計劃的優選

3.3.1 模糊決策數據的獲得及標準化

首先，對各個二級指標按性質和類型進行分類。指標a1—a3、c1、e1—e3為定量指標，其他指標均為定性指標。同時，指標e1、e3、f1、f2、g1、g2、i1和i2為成本型指標，其他指標為效益型指標。

其次，由于二級指標具有不同的性質，需要用不同方式來獲得其模糊決策值。專家利用語言變量對各個投資計劃的定性指標進行打分。然后把專家打分結果根據表2轉化為三角模糊數，就得到每位專家的定性指標模糊決策值。根據公式(3)，匯總每位專家的決策值，得到定性指標綜合決策值。

在完成定性指標決策值的確定工作后，專家委員會需要協商各個定量指標的上下波動系數。向上波動系數表示處于不確定環境下決策值增長的幅度，向下波動系數表示決策值下降的幅度。從項目可行性研究報告獲取定量指標具體決策值，然后根據公式(4)將實數數據轉化為三角模糊數，得到定量指標模糊決策值。最后，根據公式(5)，對模糊決策數據進行標準化，使各個指標的決策值具有可比性。標準化后的數據見表4。

表4 各個待評價項目標準化后的決策值

Table 4 Normalized decision value of each project

3.3.2 投資計劃的排序與優選

表5 模糊距離計算表

Table 5 Calculation of fuzzy distance

(2)根據公式(10)、(11)和(14)，分別計算最大群效應Si、最小后悔值Ri和多準則妥協解排序法綜合指標值Qi(其中v取0.5)，計算結果如表6所示。

表6Si、Ri和Qi值計算表

Table 6 Calculation ofSi、RiandQivalue

(3)根據Si、Ri和Qi對各個備選方案按升序進行排序，并按決策準則進行方案優選。P3是按Qi值升序排序后排名首位的方案，同時滿足條件一和條件二的要求。因此，P3就是根據模糊多準則妥協解排序法確定的最優方案，新能源開發企業應按其進行投資。

4 結 論

(1)本文將模糊集理論和多準則妥協解排序法相結合，構建了光伏發電投資計劃優選框架。通過該框架，可以獲得兼顧最大群體效應和最小個別遺憾的最優方案，解決了決策屬性模糊性和指標之間沖突性的問題。

(2)運用該框架對某100 MW地面并網光伏電站項目進行實例分析，決策結果具有良好的精準性，從而驗證了所建框架的有效性及實用性。

[1]程澤，韓麗潔，李思宇，等.光伏發電功率的智能預測算法[J].電力建設，2014，35(7)：34-39. CHENG Ze，HAN Lijie，LI Siyu，et al.Intelligent forecasting algorithm for photovoltaic power generation [J].Electric Power Construction，2014，35(7)：34-39.

[2]楊杰，張琳.工程建設項目投資決策方法分析[J].山東省青年管理干部學院學報，2010(2)：104-106. YANG Jie，ZHANG Lin.Study on the investment decision of the engineering project[J].Journal of Shandong Youth Administrative Cadres College，2010(2)：104-106.

[4]CHEN H H，KANG H Y，LEE A H I.Strategic selection of suitable projects for hybrid solar-wind power generation systems[J].Renewable and Sustainable Energy Reviews，2010，14(1)：413-421.

[5]張東方，楊健.基于層次分析法和熵權法的光伏發電項目投資風險模糊綜合評價[J].電氣時代，2013(8)：40-42. ZHANG Dongfang，YANG Jian.Fuzzy comprehensive evaluation of investment risk of photovoltaic power generation project based on analytic hierarchy process and entropy weight method [J].Electric Age，2013(8)：40-42.

[6]李彥斌，于心怡，王致杰.采用灰色關聯度與 TOPSIS 法的光伏發電項目風險評價研究[J].電網技術，2013，37(6)：1514-1519. LI Yanbin，YU Xinyi，WANG Zhijie.Risk assessment on photovoltaic power generation project by grey correlation analysis and TOPSIS method [J].Power System Technology，2013，37(6)：1514-1519.

[7]XIAO J，YAO Z，QU J，et al.Research on an optimal site selection model for desert photovoltaic power plants based on analytic hierarchy process and geographic information system[J].Journal of Renewable and Sustainable Energy，2013，5(2)：023132.

[8]CARRION J A，ESTRELLA A E，DOLS F A，et al.Environmental decision-support systems for evaluating the carrying capacity of land areas：optimal site selection for grid-connected photovoltaic power plants[J].Renewable and Sustainable Energy Reviews，2008，12(9)： 2358-2380.

[9]烏云娜，楊益晟，馮天天，等.風光互補電站宏觀選址研究[J].電網技術，2013，37(2)：319-326. WU Yunna，YANG Yisheng，FENG Tiantian，et al.Macroscopic site selection of wind-solar hybrid power station [J].Power System Technology，2013，37(2)：319-326.

[10]ZADEH L A.The concept of a linguistic variable and its application to approximate reasoning—I[J].Information sciences，1975，8(3)： 199-249.

[11]OPRICOVIC S，TZENG G H.Compromise solution by MCDM methods：a comparative analysis of VIKOR and TOPSIS [J]. European Journal of Operational Research，2004，156(2)：445-455.

[12]聶小紅.基于群組的序關系和價值工程的鋼鐵企業備件供應物流成本研究[J].物流技術，2013，32(12)：383-385. NIE Xiaohong.Study on logistics cost in steel-making enterprise spare parts supply based on intra-cluster order relationship and VE [J].Logistics Technology，2013，32(12)：383-385.

[13]KAYA T，KAHRAMAN C.Multicriteria renewable energy planning using an integrated fuzzy VIKOR & AHP methodology：the case of Istanbul[J].Energy，2010，35(6)：2517-2527.

[14]鄒建平，吳應宇.基于模糊 TOPSIS 方法的區域物流基礎設施布局方案評價研究[J].東南大學學報(哲學社會科學版)，2011，13(1)：33-36. ZOU Jianping，WU Yingyu.A study of the fuzzy TOPSIS-based regional logistics：an analysis of the regional logistics facilities layout [J].Journal of Southeast University (Philosophy and Social Science)，2011，13(1)：33-36.

[15]劉鴻雁，閻濤，王光遠.基于 AHP 和 VIKOR 算法的評標方法研究[J].技術經濟， 2009，28(5)：32-34. LIU Hongyan，YAN Tao，WANG Guangyuan.Study on bidding evaluation method based on AHP and VIKOR algorithm [J].Technology Economics， 2009，28(5)：32-34.

(編輯 蔣毅恒)

Selection Framework of Photovoltaic Power Generation Project Investment Plans Based on Fuzzy VIKOR Method

WU Yunna, HU Yong

(School of Economics and Management, North China Electric Power University, Beijing 102206, China)

Investment plan selection is vital in the preparation stage of photovoltaic (PV) power generation project and the multi-criteria decision making (MCDM) methods play the important roles in the process of project plan selection. But the present MCDM methods have not considered the fuzzy nature of decision making and the conflict between the criteria, which decreases the evaluation quality of power generation project. Therefore, this paper introduces the fuzzy set theory (FST) and VIKOR method to construct the decision framework of PV project plan selection. We use fuzzy numbers instead of numerical values to decrease the loss of decision information; and adopt VIKOR method to determine compromise solutions for the problem that the decision results cannot be accepted by all the decision makers when several conflict indicators exist. The proposed framework is divided into 3 parts: the determination of alternative evaluation scheme, the determination of criteria weight based on expert group order relation, and the investment plan selection based on fuzzy VIKOR. These three parts are closely related and influence each other. Finally, taking a 100 MW ground grid-connected PV power station project as example, we verify the effectiveness and reasonableness of the proposed framework.

photovoltaic power generation project; investment plan selection; fuzzy set; VIKOR method; expert group order relation

國家自然科學基金項目(71271085)；北京市社會科學“十二五”規劃項目(12JGB044)

TM 71

A

1000-7229(2016)02-0050-07

10.3969/j.issn.1000-7229.2016.02.007

2015-10-29

烏云娜(1956)，女，教授，博士生導師，研究方向為電力工程與項目管理；

胡勇(1993)，男，碩士研究生，研究方向為電力工程與建設管理。

Project supported by National Natural Science Foundation of China(71271085)