基于因子分析法的風電項目綜合評價

蔣 霏

（上海理工大學，上海 200093）

0 引言

風電資源屬于可再生清潔能源，且風電技術在眾多可再生能源中最成熟，商業模式趨于完善，具有更高的成本效益和資源有效性?？v觀國家政策，節約資源作為我國基本國策，也印證了風電行業具有廣闊的發展前景。風電項目投資大，技術要求高，建設難度大，要保證評價模型的科學性、可行性，關鍵在于精準識別風電項目的眾多指標并對其進行綜合處理。指標識別過程中存在大量介于多個屬性之間的因素，難以分類界定，這些具有主觀模糊性和客觀模糊性的指標對于項目而言也是重要評價對象[1]，故運用因子分析法進行項目分析十分必要。

1 基于因子分析的綜合評價步驟

因子分析法（Factor Analysis，FA）基于降維思想，在盡可能不損失或少損失原始數據信息的情況下將錯綜復雜的眾多變量聚合成少數幾個獨立的公共因子，這幾個公共因子可以反映原來眾多變量的主要信息，在減少變量個數的同時又反映了變量之間的內在聯系。

因子分析法綜合評價步驟如下：

（1）根據體系中的指標進行原始數據收集。

設原始數據矩陣為：

式中：n為需要評價樣本的個數；m為指標體系中變量個數；Xij（i=1，2，…n；j=1，2，…m）為第i個樣本的第j個指標的變量值。

（2）采用KMO（Kaiser-Meyer-Olkin）檢驗法和Bartlett球形檢驗法兩種方法對原始變量進行相關性檢驗。KMO檢驗統計量是用于比較變量間簡單相關系數和偏相關系數的指標，Bartlett球度檢驗的統計量是根據相關系數矩陣的行列式得到的。通過檢測則說明該數據宜于做因子分析。

（3）將原始數據進行標準化處理。由于體系中每個指標所對應的量綱不同，不同量綱的數量級會得到不同的相關矩陣，所以需要對原始數據進行數據處理來保證評價結果的科學性和準確性。

（4）計算樣本標準化后的相關系數矩陣R=（rij）n×m，其中，rij為第i個指標與第j個指標的相關系數。

（5）計算相關系數矩陣的特征根λi和特征向量β。（6）計算各因子的方差貢獻率αi：

式中：λi為相關系數矩陣的特征根；m為指標體系中變量個數。

（7）根據要求的累計貢獻率確定主因子的個數，一般取累計貢獻率達80%～90%的特征值所對應的k個主成分。

（8）計算因子載荷矩陣并進行旋轉。

（9）確定因子模型并計算因子得分評價：

2 基于因子分析法的綜合評價

2.1 構建指標體系

基于綜合評價指標的獨立性、一致性、可操作原則，選取全國多個已建風電項目進行綜合評價。構建三級指標體系，共包含11個指標，分別為：A1投資回收期、A2內部收益率、A3總投資收益率、A4年上網發電量、A5年等效滿負荷小時數、A6節約化石能源總量、A7對行業綜合效益、A8滿足用電需求增長與消納、A9管理體制、A10抗風險能力、A11技術設備復雜性[2-3]。

2.2 綜合評價

（1）根據已建立的指標體系，獲取原始數據。

定性指標數據均來自于各項目評價報告，對于定性指標的評價通常采用模糊評價處理，模糊評價劃分5個評價等級，依次是很好、較好、一般、較差、很差。通過設置匿名問卷形式將定性指標分發給風電行業領域專家，由專家根據經驗及專業知識進行打分。定性指標按15分制，最后取平均分作為該項目指標的最終得分。部分項目得分如表1所示。

表1 部分項目指標評分

（2）將原始數據分別進行KMO檢驗和Bartlett球形檢驗，求出KMO值為0.62，近似卡方p值近似為0。驗證結果均符合要求（KMO＞0.5，p盡可能趨近0），原始數據適合進行因子分析。

（3）指標體系中技術設備復雜性和投資回收期屬于極小型指標（值越小更有利），其余9項均屬于極大型指標，為統一綜合評價結果，需要將兩類不同類型指標進行一致化處理。本文將所有類型指標都化為極大型指標x*（正向化）。

式中：x代表需要處理的指標，xMax代表指標數據中的最大值；xMin代表指標數據中的最小值。

（4）然后將數據進行標準化處理，一般會選用Z-score標準化來處理原始數據。

（5）相關系數矩陣的特征根及方差解釋率如表2所示。

表2 特征根及方差解釋率

據表2可知，旋轉后的方差解釋率達到了84.67%，保留了原指標中的大部分信息，11個指標降維至4個。

（6）選取4個主成分，得到成分得分系數矩陣如表3所示。

表3 成分得分系數矩陣

依次可求出F3、F4。

（7）綜合評價。

在確定了各個因子后，根據因子得分系數矩陣和各自貢獻率計算綜合評分：

最終評價結果如表4所示，得分最高的是風電項目16，然后依次是風電項目2、19。

表4 因子分析法部分項目評價結果

3 結束語

本文利用多個三級指標構建了風電項目綜合評價體系，并基于因子分析法對20個風電項目進行了綜合評價，在盡可能保持原有數據特征的情況下將主因子提取出來作為綜合評價的新指標。該方法簡化了綜合評價的難度，且對于數據維度降級有一定幫助。