基于主客觀賦權的燃煤機組節能減排模糊綜合評價

柏建華， 魏健鵬， 劉吉祥， 徐方靈， 王海生

(國網甘肅省電力公司電力科學研究院， 蘭州 730070)

隨著煤炭資源的枯竭和針對大氣污染日益嚴重的燃煤機組超低排放政策的出臺，我國對燃煤機組節能減排評價體系和方法提出了更高的要求。

綜合評價法的基本思想是將多個指標轉化為一個能夠具體量化反映綜合情況的指標來進行評價[1]。曹麗華等[2-3]運用灰色關聯理論對火電機組節能減排進行了評價；王軍等[4]利用因子分析方法建立了燃煤發電節能減排的一種綜合評價模型；孫栓柱等[5]通過雷達圖和能源消耗與環境代價統一量化的節能減排績效評價兩種方法分別分析燃煤機組節能減排績效綜合評價效果；付忠廣等[6]將最大熵與投影尋蹤方法相結合應用于燃煤機組節能減排綜合評價模型中；楊勇平等[7]采用優劣解距離(TOPSIS)法的組合權重建立了火電機組性能綜合評價模型；齊敏芳等[8]將信息熵理論與主成分分析方法相結合應用于火電機組綜合評價；魏利邦等[9]通過將粗糙集理論和可拓物元理論結合，構造了燃煤發電機組節能綜合指標模型；許乃中等[10]構建了面向區間值的火電機組模糊數學綜合評價體系；張雷等[11]利用全排列多邊形圖示指標法構建了綜合評價模型，實現對績效的動態評價。

目前常見的熵權確定方法有主觀賦權法、客觀賦權法和主客觀融合賦權法[12]。主客觀融合賦權法綜合了主觀和客觀兩種賦權方法的特點，既考慮了專家的主觀偏好，又兼顧了決策數據本身的客觀信息，從一定程度上克服了單一賦權法的不足，避免片面性，提高綜合評價的科學性。常見的主客觀融合賦權方法有線性組合法[13-15]，基于最小二乘線性融合、乘法合成歸一法和基于最大隸屬度的多權融合技術。尤晨等[16-18]將最小二乘法、二元語義加權算術平均(T-WAA)算法、最小化 Kullback 散度的方法應用于綜合評價中。

雖然我國學者對燃煤電廠節能減排評價做了大量的工作，但大多是針對節能或減排單方面進行評價研究，而針對節能減排綜合評價的研究較少，將主客觀權重融合的節能減排綜合評價就更少。通過構建燃煤機組節能減排評價體系，采用一種主客觀權重相融合的方法，對某地區6臺火電機組節能減排進行了綜合評價，得到更科學、合理、客觀的評價結果。

1　基于歐式貼近度的模糊物元模型

1.1 構造復合模糊物元矩陣Rnm

物元是由給定的方案或事物M、優選指標C(特征向量)和指標數值x(特征值)構成的三元數組R=(M，C，x)。如果指標特征值x具有不確定性和模糊性，R則為模糊物元。由m個方案或事物對應的n個指標數值組合起來，就構成了復合模糊物元矩陣Rnm,記為：

(1)

1.2 從優隸屬度模糊物元矩陣的確定

(2)

1.3 差平方模糊物元矩陣構建

理想狀態下指標μij=1，以Sij=(μij-1)2組成差平方模糊物元，記為：

(3)

1.4 指標權重計算

1.4.1 主觀權重系數計算(選取專家調查法)

專家調查法簡單、直觀，便于實現[19]。具體步驟為：

(1) 聘請專家填寫調查表格。

(2) 對專家調查表進行匯總。

將所有專家調查表進行評價指標重要程度系數aij匯總。

(3) 計算指標ci的重要程度系數。

(4)

1.4.2 客觀權重系數計算(選取熵權法)

熵權法屬于客觀賦權法，依靠數據本身的客觀信息計算，不受專家和評價者的主觀偏好干擾[20]，其計算步驟為：

(1) 構建物元矩陣Rnm。

(2) 將物元矩陣進行歸一處理。

(5)

式中：xmax、xmin分別表示相同指標下不同評價對象最理想者或最不理想者。

(3) 確定評價指標的熵。

i=1，2，…，n,j=1，2，…，m

(6)

(4) 計算評價指標的熵權βi。

(7)

1.5 主客觀權重系數融合方法

為使組合權重盡可能地同時兼顧主客觀權重,根據最小鑒別信息理論，組合權重求解公式為：

(8)

1.6 基于歐式近度的綜合評價

貼近度是指被評價對象與標準對象兩者接近程度，貼近度越大表明兩者差距越小，反之則表明兩者相差較大[21]。理想狀態下指標μij=1，標準對象貼近度為1，故對于燃煤機組貼近度越接近標準對象貼近度1，表明該機組的節能減排效果越好。根據差平方模糊物元和各評價指標熵權，可得出貼近度為：

(9)

2　節能減排綜合評價

評價指標的選取是否科學、全面、合理，將直接影響綜合評價的結果：指標太多，將會有重復性指標，會擴大對應指標的權重，同時會加大綜合評價計算的復雜性和數據采集的誤差；指標太少，則缺乏足夠的代表性，會產生片面性。應依照目的明確、比較全面、切實可行的原則選取評價指標[22]。

根據歐式貼近度的模糊綜合評價法、專家調查法和熵權法的步驟，確定評價流程(見圖1)。

圖1模糊綜合評價流程圖

3　應用分析

某地區6臺300 MW燃煤機組2015年節能減排指標數據見表1。

表1　6臺燃煤機組節能減排評價指標值

在主觀權重計算中，聘請了3位火電節能專家和3位環保專家對各節能減排指標權重打分，匯總見表2。

表2　專家調查匯總表

根據評價流程步驟分別對主客觀權重進行了計算，通過式(8)對主客觀權重進行融合，融合權重見表3。由表3可見：熵權法中新水耗量權重最大，發電標準煤耗權重最小。而專家調查法中發電標準煤耗權重最大，新水耗量權重最小。對數據進行分析，可知在客觀熵權法中評價指標數值離散程度越大，計算所得的權重就越大。對比主客觀和組合權重可以看出：組合權重介于主、客觀權重之間，在排序過程中既尊重了專家意愿，又體現了客觀數值。

表3　主客觀權重融合結果

根據式(9)對機組節能減排貼近度進行求解，并對各機組節能減排進行了優劣排序，結果見表4。由表4可以看出：5號機組的節能減排貼近度為0.672 4，距標準對象貼近度1最近，故5號機組的節能減排效果最好；后面依次為2號機組、3號機組、4號機組、1號機組和6號機組。對比表1節能減排評價指標值可見：雖然1號機組發電標準煤耗最低，但是與5號機組相比，其新水耗量和SO2排放量較高；6號機組發電標準煤耗、新水耗量、NOx排放量和粉塵排放量都最高，所以6號機組節能減排效果最差。該排序與這6臺機組實際運行情況相一致。

表4　6臺機組節能減排貼近度

4　結語

選取的發電標準煤耗、發電廠用電率、新水耗量、SO2排放量、NOx排放量、粉塵排放量6個運行指標，囊括了節煤、節電、節水及污染物排放等方面，能夠較全面地評價燃煤機組減排現狀。采用主客觀賦權的模糊綜合評價模型對燃煤機組節能減排效果的評價與實際運行情況相一致，此模型能夠科學、合理地反映機組實際情況。該評價方法能為進一步提高燃煤機組節能減排精細化管理水平和發電企業內部班組競賽提供依據，對電網基于節能減排調度具有一定借鑒意義。

參考文獻：

[1] 顧煜炯, 徐婧, 李倩倩, 等. 燃煤發電機組調峰能力模糊綜合評估方法[J]. 熱力發電, 2017, 46(2): 15-21.

[2] 曹麗華, 徐皎瑾, 李勇. 基于灰色關聯度的火電廠節能減排效果評價方法研究[J]. 環境工程, 2014, 32(6): 140-143.

[3] 羅毅, 周創立, 劉向杰. 多層次灰色關聯分析法在火電機組運行評價中的應用[J]. 中國電機工程學報, 2012, 32(17): 97-103.

[4] 王軍, 李永華, 閻維平. 一種燃煤發電節能減排綜合評價指數[J]. 中國電機工程學報, 2011, 31(增刊1): 144-148.

[5] 孫栓柱, 代家元, 周春蕾, 等. 燃煤機組節能減排績效綜合評價方法研究[J]. 電力科技與環保, 2015, 31(5): 53-56.

[6] 付忠廣, 齊敏芳. 基于最大熵投影尋蹤耦合的燃煤機組節能減排評價方法研究[J]. 中國電機工程學報, 2014, 34(26): 4476-4482.

[7] 楊勇平, 吳殿法, 王寧玲. 基于組合權重-優劣解距離法的火電機組性能綜合評價[J]. 熱力發電, 2016, 45(2): 10-15.

[8] 齊敏芳, 付忠廣, 景源, 等. 基于信息熵與主成分分析的火電機組綜合評價方法[J]. 中國電機工程學報, 2013, 33(2): 58-64.

[9] 魏利邦, 徐世明. 基于粗糙集的火電機組節能綜合評價指標體系研究[J]. 節能, 2015, 35(12): 9-13.

[10] 許乃中, 曾維華. 火電行業節能減排技術綜合評價方法研究[J]. 環境科學與技術, 2014, 37(5): 187-192, 198.

[11] 張雷, 李娜娜, 趙會茹, 等. 基于全排列多邊形圖示指標法的火電企業節能減排績效綜合評價[J]. 中國電力, 2014, 47(6): 145-150.

[12] 宋冬梅, 劉春曉, 沈晨, 等. 基于主客觀賦權法的多目標多屬性決策方法[J]. 山東大學學報(工學版), 2015, 45(4): 1-9.

[13] 姜光成, 胡乃聯, 印赫哲, 等. 基于主客觀組合賦權及灰色相關分析的采礦法優選[J]. 礦業研究與開發, 2016, 36(9): 7-13.

[14] 馬友, 王尚廣, 孫其博, 等. 一種綜合考慮主客觀權重的Web服務QoS度量算法[J]. 軟件學報, 2014, 25(11): 2473-2485.

[15] 趙建恒, 許蘊山, 鄧有為, 等. 針對預警機的主客觀權重相結合的TOPSIS法多目標排序[J]. 計算機測量與控制, 2014, 22(10): 3249-3252.

[16] 尤晨. 主客觀組合賦權的灰色決策模型及其在消費者決策中的運用[J]. 數學的實踐與認識, 2014, 44(20): 57-63.

[17] 韓二東, 郭鵬, 趙靜. 主客觀權重集成及擴展VIKOR的多屬性群決策方法[J]. 計算機工程與應用, 2015, 51(11) 1-5, 17.

[18] 王娟, 周好文. 基于Kullback散度的主客觀權重相結合的投資決策方法[J]. 濟南大學學報(自然科學版), 2011, 25(4): 414-417.

[19] 曾小明, 周俊武, 單肖軍, 等. 城市道路交通綜合管理機制研究[J]. 佛山科學技術學院學報(自然科學版), 2008, 26(4): 35-38.

[20] 曹麗華, 崔琬婷, 徐皎瑾, 等. 熵權模糊物元模型應用于火電廠節能減排綜合評價[J]. 熱力發電, 2015, 44(1): 54-57, 63.

[21] 孫建梅, 邢柳. 基于改進模糊物元的火電機組節能減排評價[J]. 科技管理研究, 2016, 36(11): 58-62, 96.

[22] 胡永宏, 賀思輝. 綜合評價方法[M]. 北京: 科學出版社, 2000: 10-11.