基于變權灰云模型的深遠海域海上風電場選址

趙陽 王鳳武 張云鵬

摘要：為實現深遠海域海上風電場能源經濟效益最大化，同時保障風電場周邊海域的船舶通航安全，提出一種基于變權灰云模型的深遠海域海上風電場選址方法。建立深遠海域海上風電場選址評價指標體系，采用G1法求取指標常權權重，引入變權理論修正常權權重從而確定變權權重。利用正態云模型替代傳統的白化權函數，構建變權灰云模型，對場址進行定性定量評價，依據評分值確定最優場址。實例計算分析表明，最優場址在能源經濟效益和船舶通航安全方面均處于優勢水平，變權灰云模型在深遠海域海上風電場選址中具有良好的適用性和有效性。

關鍵詞： 海上風電場; 變權理論; 灰云模型; 灰云聚類

中圖分類號： U698; P751; TM614 ? ?文獻標志碼： A

Abstract： In order to maximize the economic benefit of offshore wind farms in far-reaching sea areas and ensure the navigation safety of ships in wind farms’ sea areas， a method based on the variable-weight gray cloud model is proposed for the offshore wind farm site selection in far-reaching sea areas. The evaluation index system of the offshore wind farm site selection in far-reaching sea areas is established， the constant weights of indices are calculated by G1 method， and the variable weight theory is introduced to modify the constant weights to determine the variable weights. The normal cloud model is adopted to substitute the traditional whitening weight function， the variable-weight gray cloud model is constructed to evaluate the sites qualitatively and quantitatively， and the optimal site is determined according to the score value. The example calculation analysis shows that the optimal site is advantageous in terms of energy economic benefit and ship navigation safety， and the variable-weight gray cloud model has good applicability and effectiveness in the offshore wind farm site selection in far-reaching sea areas.

Key words： offshore wind farm; variable weight theory; gray cloud model; gray cloud clustering

0 引 言

海上風力發電已成為清潔能源發展的新趨勢。從風能資源角度分析，海上風電能達到陸地風電能量效益的120%～140%，而且海上風電還具有零排放、占地少、運行穩定等諸多優點。近年來，隨著新技術的發展以及岸基配套電網設備的完善，海上電力輸送、運行維護成本正不斷降低，許多國家和地區都將發展海上風電的目光逐漸由近海投向了深遠海域。與近海風電相比，深遠海域風電開發具有較多優勢，如風能資源更為豐富、地域更為寬廣、裝機容量更大、對海洋環境和船舶通航的影響更小等，深遠海域風電發展前景更為廣闊。

海上風電場選址作為海上風電場建設的前期工程，涉及海洋資源開發、海洋自然生態保護、船舶航行安全、風電場運行維護等諸多因素，如何協調各種因素，實現能源經濟效益最大化以及保障風電場水域船舶通航安全是選址工程的關鍵。目前，國內外對海上風電場選址的研究主要集中在以下幾個方面：一是探測海域風能資源，發掘風能分布規律，確定最佳風電潛力海域;二是結合海上風電場建設水域交通特點，分析風電項目對周邊船舶通航的影響，進行交通風險評估或基于船舶避碰要求的安全航線規劃;三是對規劃風電場海域的地理位置、地形地貌以及社會經濟、技術能力、環境資源、運行維護成本等因素進行綜合分析，結合風能資源優選場址。研究方法多運用德爾菲法[1]、衛星遙感及地理信息系統（geographic information system，GIS）技術[2-3]、風險框架分析[4]、灰色關聯分析[5]、人工勢場法[6]、多目標規劃[7]、貝葉斯網絡[8]、模糊多準則決策[9]等。通過梳理發現，大多數的研究主要圍繞近海風電場的選址建設展開，兼顧能源經濟效益和船舶通航安全的綜合研究較少。在行業發展的新形勢下，一方面要積極推進風電場選址的研究向深遠海域發展，另一方面應該在選址時注重“效益”和“安全”問題。為此，本文在文獻研究和專家調查的基礎上，以“效益”和“安全”問題為側重點，提出一種基于變權灰云模型的深遠海域海上風電場選址方法：引入變權理論，修正評價指標常權權重，使指標權重更能符合指標特征客觀變化規律，以免較好指標的積極作用掩蓋較差或很差指標的消極作用;利用正態云模型替代灰色白化權函數，構建灰云白化權模型對備選場址方案進行定性和定量評價，確定最佳場址。

1 深遠海域海上風電場選址評價指標體系的建立 ?結合深遠海域特點，對風電場選址主要影響因素進行識別。基于前人研究成果，以能源經濟效益和船舶通航安全為側重點選取評價指標，從風能資源、自然條件、交通環境、風機條件等4個方面入手建立評價指標體系，共10個二級指標，見圖1。

依據深遠海域海上風電場場址在能源經濟效益和船舶通航安全方面體現的效果，將場址方案劃分為非常差、較差、一般、較好、非常好5個等級。依據相關文獻和研究，基于三角隸屬度函數給出評價指標等級劃分標準[10]，見表1。以指標漁區距離為例，該評價指標各等級三角隸屬度函數見圖2。

2 變權灰云模型

2.1 變權理論求取權重

在系統評價中，指標常權權重能夠反映指標對系統的相對重要程度，但沒有體現評價對象各指標的數據規律。若采用常權賦權計算，則當多數指標為較好、單一指標為較差或很差時，較好指標的積極作用往往會掩蓋較差或很差指標的消極作用，造成評價結果出現偏差，難以體現海上風電場場址實際優劣水平。為更好地體現指標變化在系統決策中的影響，本文用G1法確定常權權重，同時引入變權理論，依據指標數據特征，利用狀態變權向量修正常權權重，從而確定變權權重。

2.1.1 G1法確定常權權重

與層次分析法相比，G1法計算量少、操作性強、不需要構造判斷矩陣，且無須進行一致性檢驗[11]。采用G1法確定常權權重的步驟如下：

3 算例分析

以中國某深遠海域海上風電場選址為例，進行模型計算分析。

3.1 某風電場選址方案

中國沿海某市為減少海上風電建設對沿岸功能區域的影響，擬在深遠海域進行風電場選址，選址方案為5個區域，見圖5。

各方案中的數據均由實際測量或觀測獲得。1、2、3、4、5號方案中計劃裝機容量分別為250、250、350、500、2 300 MW。通過查閱氣象歷史觀測統計數據，獲得平均風速、風功率密度和有效風時;查閱海圖和航路指南等，獲取水深、浪高以及各方案場址到航道、錨地和漁區的距離，并以各方案場址中心點為基準進行測量，獲得各方案離岸距離。各方案評價指標具體數據見表3。

3.2 求取變權權重

依據評價指標等級劃分標準，結合專家建議，確定5個方案的懲罰水平α（本文取α=1）和懲罰閾值βj。依據式（1）～（6）計算得到評價指標常權權重和各方案的變權權重，見表4。

以方案1為例：首先，利用G1法依據式（1）～（4）求得10個評價指標的常權權重;然后，將方案1中各指標數據代入式（5），求得方案1狀態變權向量為（1.330 7，1.414 3，1.221 4，1.648 7，1.323 1， 1.491 8，1.040 8，1.320 2，1.083 3，1.349 9）;最后，將方案1常權權重和狀態變權向量代入式（6），計算求得方案1各評價指標的變權權重為（0.132 9，0.129 5，0.117 6，0.142 2，0.091 5，0.087 5，0.065 2，0.060 7，0.082 4，0.090 6）。

3.3 建立變權灰云模型

3.3.1 指標數據預處理

3.4 灰云聚類及評價結果

用MATLAB軟件進行編程，輸入評價指標具體數據，計算各評價指標的灰云聚類系數，結合變權權重得到綜合聚類系數，最終計算各方案評分值，確定評價等級。各方案常權灰云聚類計算結果見表6，各方案變權灰云聚類計算結果見表7，各方案變權聚類一級指標等級評定結果見表8。

以方案1中指標U1為例說明變權灰云聚類計算過程。將指標數據輸入灰云白化權模型中，并依據式（13）得到100次計算結果的平均值，得到指標U1關于5個等級的灰云聚類系數（0，0，0，0.446 2，0.206 5），利用式（14）得到歸一化后的灰云聚類系數（0，0，0，0.683 6，0.316 4）。按照上述步驟可依次求得另外9個評價指標關于各等級的灰云聚類系數，然后利用式（15）可求得方案1的綜合聚類系數。最后依據各等級賦值及式（17）計算方案1的評分值為3.473 0，確定方案1的等級為一般。

對比表6和表7中常權賦權和變權賦權的計算結果可知，變權后各方案評分值明顯低于常權賦權得到的評分值。這是由于變權賦權方法有效地調動了較差或很差指標的參與度，并在一定程度上保持了較好指標的優勢，從而避免了較差指標的消極作用被較好指標掩蓋，能更充分體現指標的特征，結果更為客觀可信。

由表7評分值得到風電場選址排序為：方案5方案4方案2方案1方案3。分析表8如下：橫向來看，方案5在風能資源、自然條件、交通環境、風機條件4個方面均處于較好或非常好的水平;縱向來看，方案5在單一方面均占有優勢，使能源經濟效益和船舶通航安全都處于較好的水平。與文獻[10]的評價結果一致，方案5為終選最優方案，但文獻[10]中方案1與方案2的評分值一樣，而本文評價得到方案2稍優于方案1，這符合方案2中有效風時更長的優勢情況，較為符合實際，這說明變權灰云聚類方法有著較好的分辨力。

通過模型實例分析，對變權灰云模型的優勢[21]進行總結：一是引入變權理論修正主觀權重，凸顯了較差或很差指標對海上風電場選址評價結果的影響，能較全面地體現客觀數據在決策中的影響;二是正態灰云模型能夠描述評估對象評價等級信息的隨機性、灰色性和模糊性，因而評估結果更能體現風電場選址方案的實際情況;三是評估過程中考慮到白化權值的隨機性，進行多次計算仿真求取灰云白化權平均值，并把平均值作為各指標等級的灰云聚類系數，因而評估過程更加可靠;四是采用灰云模型進行計算，計算過程更為簡便，從定性和定量兩方面呈現評估結果，確定風電場選址最優方案，考慮更為全面。

4 結 論

本文充分考慮深遠海域海上風電場選址過程中的不確定性和多擾動性等特點，從實現能源經濟效益最大化和保障船舶通航安全角度出發，構建風電場選址評價指標體系;引入變權理論，修正評價指標常權權重，消除了主觀影響，避免單一較差或很差指標的消極影響被多數較好指標所掩蓋，引起決策者的關注;同時采用正態云模型代替灰色白化權函數，構建灰云白化權模型，提升模型的適應空間，從定量和定性兩個角度對備選場址方案數據進行分析計算，確定最優場址。通過模型計算和評估結果分析，最優場址無論是在“效益”還是“安全”方面都處于較好及以上水平，實現了“效益”和“安全”的雙贏，同時變權灰云模型能夠充分考慮系統信息的隨機性和模糊性，具有一定的普遍適用性和可靠性，為海上風電場選址提供了新的方法，可在相關領域進行進一步深入研究。參考文獻：

[1] HO L W， LIE T T， LEONG P T， et al. Developing offshore wind farm siting criteria by using an international Delphi method[J]. Energy Policy， 2018， 113： 53-67. DOI： 10.1016/j.enpol.2017.10.049.

[2] KUMAR S V V A， PARDE A N， JAGDISH， et al. Offshore wind farm site suitability and assessment along Tamil Nadu coast using RISAT-1 SAR and synergetic scatterometer data[J]. Indian Society of Geomatics， 2019， 13（1）： 138-148.

[3] SALEOUS N， ISSA S， AL MAZROUEI J. GIS-based wind farm site selection model offshore Abu Dhabi Emirate， UAE[C]//The International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences. Prague， Czech Republic， 2016， XLI-B8： 437-441. DOI： 10.5194/isprs-archives-XLI-B8-437-2016.

[4] DAI Lijuan， EHLERS S， RAUSAND M， et al. Risk of collision between service vessels and offshore wind turbines[J]. Reliability Engineering & System Safety， 2013， 109： 18-31.DOI： 10.1016/j.ress.2012.07.008.

[5] 陳肖龍. 考慮通航安全因素的海上風電場場址優選研究[D]. 大連： 大連海事大學， 2017.

[6] 薛雙飛， 謝磊， 王樹武， 等. 海上風電場區船舶A*避碰尋路算法[J]. 中國航海， 2018， 41（2）： 21-25.

[7] JONES D F， WALL G. An extended goal programming model for site selection in the offshore wind farm sector[J]. Annals of Operations Research， 2016， 245： 121-135. DOI： 10.1007/s10 479-015-1828-2.

[8] PINARBA瘙 塁 I K， GALPARSORO I， DEPELLEGRIN D， et al. A modelling approach for offshore wind farm feasibility with respect to ecosystem-based marine spatial planning[J]. Science of the Total Environment， 2019， 667： 306-317. DOI： 10.1016/j.scitotenv.2019.02.268.

[9] FETANAT A， KHORASANINEJAD E. A novel hybrid MCDM approach for offshore wind farm site selection： a case study of Iran[J]. Ocean & Coastal Management， 2015， 109： 17-28. DOI： 10.1016/j.ocecoaman.2015.02.005.

[10] 唐征歧， 江建平， 李子林， 等. 深遠海域海上風電場定量選址方法研究[J]. 交通信息與安全， 2018， 36（2）： 106-111. DOI： 10.3963/j.issn.1674-4861.2018.02.015.

[11] 何錠， 倪富健， 楊順新. 高速公路事件管理中主要部門影響權重研究[J]. 交通信息與安全， 2011， 29（3）： 89-93， 98. DOI： 10.3963/j.ISSN1674-4861.2011.03.021.

[12] 劉高磊， 戴冉， 王滔， 等. 變權云物元模型在船舶定線制后評估中的應用[J]. 上海海事大學學報， 2019， 40（4）： 66-71， 88. DOI： 10.13340/j.jsmu.2019.04.012.

[13] 李泓澤， 郭森， 唐輝， 等. 基于改進變權物元可拓模型的電能質量綜合評價[J]. 電網技術， 2013， 37（3）： 653-659.

[14] 王雁凌， 張雪佼， 閻敬民. 基于變權灰云模型的風電場并網技術性綜合評價[J]. 電網技術， 2013， 37（12）： 3546-3551.

[15] 葛興， 姜波. 基于指標定權灰色聚類的公路平交口安全評價[J]. 交通信息與安全， 2014， 32（6）： 159-165. DOI： 10.3963/j.issn1674-4861.2014.06.000.

[16] 谷倩倩， 丁松濱. 基于綜合集成賦權法的航空公司飛行安全風險灰色評估[J]. 交通信息與安全， 2017， 35（6）： 38-45. DOI： 10.3963/j.issn.1674-4861.2017.06.006.

[17] 李晗， 章文俊， 李國帥， 等. 基于灰云和改進AHP的港口船舶應急疏散模型[J]. 上海海事大學學報， 2017， 38（3）： 25-30， 60. DOI： 10.13340/j.jsmu.2017.03.005.

[18] 劉曉佳， 張荀， 汪強， 等. 基于灰云聚類的港口水域通航環境危險度評價[J]. 中國航海， 2019， 42（3）： 55-61.

[19] 朱小飛， 王永君， 李大軍. 模糊評價中最大隸屬度原則有效性檢驗[J]. 測繪與空間地理信息， 2016， 39（5）： 135-137， 143.

[20] 強鳳嬌. 灰色聚類決策歸類原則探析[J]. 統計與決策， 2017（18）： 5-9. DOI： 10.13546/j.cnki.tjyjc.2017.18.001.

[21] 王雙川， 賈希勝， 胡起偉， 等. 基于正態灰云模型的裝備維修保障系統效能評估[J]. 系統工程與電子技術， 2019， 41（7）： 1576-1582.

（編輯 賈裙平）