李 陽，劉友波，黃 媛，劉俊勇，熊 軍，陳浩琿，寧世超

(1. 四川大學 電氣信息學院，四川 成都 610065；2. 國網(wǎng)福建省電力有限公司廈門供電公司，福建 廈門 361000)

0 引言

隨著規(guī)?；鍧嵞茉吹慕尤?、供需交互的加深、增量配電業(yè)務的放開以及電能替代戰(zhàn)略的實施，配電網(wǎng)作為保證用戶高質量和高可靠性用電的重要環(huán)節(jié)，已難以適應新形勢下供電可靠性、配電智能化等發(fā)展需求，我國每年配電網(wǎng)的投資規(guī)模巨大且呈逐年遞增趨勢，對配電系統(tǒng)薄弱環(huán)節(jié)進行升級改造和精準投資是目前電網(wǎng)建設的重要難題。因此，研究一套合理、科學、全面的配電系統(tǒng)中長期動態(tài)規(guī)劃投資評價模型，對指導配電網(wǎng)規(guī)劃、建設和改造具有重要的意義[1-3]。

配電網(wǎng)中長期動態(tài)規(guī)劃投資評價是一個涉及多個對象、多個指標和多個時段的典型動態(tài)綜合評價問題，評價對象的建設目標與地區(qū)配電網(wǎng)的結構特點、薄弱環(huán)節(jié)以及階段性運營目標不同而存在較大差異，需要由專家經(jīng)驗與客觀評價相結合構建模型以提高方法的靈活性和適用性，傳統(tǒng)的評價模型大多單一地采用主觀打分法對大量統(tǒng)計指標進行評價，難以客觀認識配電網(wǎng)建設發(fā)展的時空特點和地區(qū)差異。文獻[4]提出了配電網(wǎng)投資效果后評價模型，其主要是站在運營的角度對配電網(wǎng)投資建設后的運行效果和投資效率兩方面進行評價，缺乏在規(guī)劃角度對若干建設方案進行評價從而指導配電網(wǎng)的精準投資；文獻[5]研究了配電網(wǎng)建設改造對配電網(wǎng)運行能力、結構、可靠性等配電網(wǎng)性能指標的影響，卻忽略了投資建設對配電網(wǎng)帶來的經(jīng)濟效益問題，評價的全面性有待進一步加強；文獻[6]構建了同時考慮配電網(wǎng)特性、經(jīng)濟性以及社會效益的智能配電網(wǎng)三級綜合評價指標體系，但忽略了對指標計算和評價方法的研究，降低了實際可操作性；文獻[7]提出了一種兼顧主觀性和客觀性的評估配電網(wǎng)智能化發(fā)展水平和實際效益的評價模型，但模型缺乏對動態(tài)評價的考慮。

綜上所述，現(xiàn)有的配電網(wǎng)投資建設效率評價模型主要存在3個方面的不足，即評價方法主觀性較強、指標體系綜合性較低和評價的時間尺度單一。配電網(wǎng)投資規(guī)劃是一個中長期動態(tài)滾動規(guī)劃過程，建設規(guī)模龐大、建設目標的地區(qū)差異性較大，投資策略的精準性將直接影響配電網(wǎng)升級改造的效率。因此，針對現(xiàn)有研究的局限，本文提出了一種基于數(shù)據(jù)包絡分析DEA(Data Envelopment Analysis)法的配電網(wǎng)中長期動態(tài)投資策略標尺評價模型，選取相近的配電企業(yè)作為研究對象，利用區(qū)域間對比評價的思想從空間、時間維度對配電網(wǎng)投資策略精準性進行判定，選取投資效率較好的地區(qū)作為標桿地區(qū)，其他地區(qū)的評價值參照標桿地區(qū)評定，克服了評價標準難以統(tǒng)一、評價方法主觀性較強等不足，評價結果可以客觀反映配電網(wǎng)各方面的投資規(guī)劃效率，從而為配電網(wǎng)精準投資提供指導。該模型適用于不同區(qū)域相似企業(yè)之間的間接競爭，在建設成本最小化、資源配置效率最大化方面有著明顯的優(yōu)勢[8]。目前，該理論在供電價格和質量監(jiān)管等方面均有較為成熟的應用[9-10]。

首先，本文建立了比較完整而全面的涵蓋配電網(wǎng)特性和經(jīng)濟特性的“輸入-輸出”評價指標體系，以配電網(wǎng)建設的“投入量”和“有效回報量”以及兩者之間的相對關系刻畫配電網(wǎng)投資建設的效率；在多指標權重分配問題上，本文利用模糊層次分析法求解，引入了一種改進的權重決策模型求解權重系數(shù)以更適合實際工程應用，決策者可根據(jù)不同時間、空間維度下地區(qū)的配電網(wǎng)建設目標構建模糊矩陣并分配各指標權重，對專家決策結果進行聚類分析以提煉出統(tǒng)一決策權重，降低決策過程中的主觀不確定因素；然后，以若干相近地區(qū)配電網(wǎng)為研究對象，以區(qū)域間“對比評價”為思想，建立基于數(shù)據(jù)包絡分析法的配電網(wǎng)投資規(guī)劃的標尺評價模型，實現(xiàn)對投資規(guī)劃的客觀對比評價；引入“信息熵”和“時間度”理論計算動態(tài)加權向量，完成對配電網(wǎng)各個規(guī)劃周期靜態(tài)模型評價值的動態(tài)加權，實現(xiàn)配電網(wǎng)投資建設的動態(tài)滾動評價；管理者可根據(jù)評價結果建立成本和收益考核標尺，以期為配電網(wǎng)建設規(guī)劃提供指導和激勵；決策者可根據(jù)評價值合理調整每個規(guī)劃周期內的投資策略，實現(xiàn)建設成本最小化、資源配置效率最大化，從而逐步引導配電網(wǎng)精準投資；最后將上述模型應用于實際，以某省電網(wǎng)9個市級地區(qū)為研究對象，利用所提的動態(tài)標尺評價方法，對其2016年至2022年4個規(guī)劃周期的配電網(wǎng)建設規(guī)劃數(shù)據(jù)進行評價，分析該省各地區(qū)配電網(wǎng)發(fā)展的特性、差異，以期為各地區(qū)配電網(wǎng)精準投資建設提供參考決策。

1 配電網(wǎng)規(guī)劃投資評價指標體系

配電網(wǎng)中長期動態(tài)投資策略評價流程主要分為指標體系構建和評價模型構建2個階段。指標體系構建需要根據(jù)各規(guī)劃周期配電網(wǎng)建設的總體目標確定評價指標、評價判據(jù)和評價標準，并根據(jù)規(guī)劃建設的重點分配指標權重；評價階段主要完成對指標的量化評價和各規(guī)劃周期評價值的動態(tài)加權。

圖1 配電網(wǎng)投資策略標尺評價指標層次結構模型Fig.1 Layered structural model for assessing distribution network investment

從配電網(wǎng)規(guī)劃建設的實際出發(fā)，結合電力企業(yè)內部推行的同業(yè)標準以及當前配電網(wǎng)發(fā)展和建設規(guī)劃的重點，可將配電網(wǎng)建設投資的輸入指標主要分為以下指標體系：線路新建投資、變壓器新建和擴容投資、絕緣改造投資、新增電源投資等。相應的輸出指標與輸入指標存在一定的正相關性，可利用數(shù)據(jù)關聯(lián)性分析的方法對歷史的統(tǒng)計數(shù)據(jù)進行分析確定[16]。將以上的指標體系分為評價投資策略精準性的6類準則，即供電質量、電網(wǎng)結構、裝備水平、供電能力、信息化水平和投資能力。以配電網(wǎng)相對建設效率為總目標，6類準則為中間層，每個評價指標歸入相應的準則層，可建立評價配電網(wǎng)投資策略精準性的“目標-準則-指標”層次結構模型，如圖1所示。

本文對指標層的評價采用DEA法，其基本思想就是將評價指標分為“輸入指標”和“輸出指標”，通過分析兩者之間的比值關系確定DEA評價值，其中，“輸入指標”是指決策者從事配電網(wǎng)投資建設的投入量，“輸出指標”是指決策者通過對配電網(wǎng)投資建設而獲得的有效產(chǎn)出，具體見2.2節(jié)。各準則的DEA輸入輸出關系如附錄中表A1所示。

2 配電網(wǎng)規(guī)劃投資標尺評價模型

2.1 模糊層次聚類分析法

配電網(wǎng)投資規(guī)劃通常以提高配電網(wǎng)供電質量、優(yōu)化配電網(wǎng)網(wǎng)絡結構、改善配電網(wǎng)裝備水平、增強配電網(wǎng)供電能力和提升配電網(wǎng)信息化水平為主要目標，對配電網(wǎng)中長期動態(tài)投資策略評價是典型的多指標、跨專業(yè)多維非結構化指標體系的評價問題，指標權重的分配是評價的關鍵問題之一，需要由數(shù)學分析方法輔助處理。模糊層次分析法是模糊數(shù)學與層次分析法相結合的多指標權重分配方法，它克服了層次分析法的判斷矩陣一致性難以檢驗等問題，避免了諸如“甲比乙重要，乙比丙重要，而丙又比甲重要”的違反常識的情況[11]，應用模糊層次分析法可消除指標權重分配中的不確定性問題，決策者可根據(jù)不同規(guī)劃周期配電網(wǎng)的建設目標合理修正模糊矩陣，使得評價結果更能反映當前配電網(wǎng)發(fā)展的實際情況。

設模糊互補矩陣F=(fij)n×n(fij∈[0，1]，n為指標準則數(shù)，n取值不宜過大，本文取n=6)，如果fij=F(ai，aj)，則fij表示ai與aj“…比…重要得多”的模糊隸屬度關系，fij采用0.1～0.9數(shù)量標度，數(shù)量標度見附錄中表A2。

F具有以下性質。

a.fii=0.5(i=1，2，…，n)。

b.fij+fji=1(i，j=1，2，…，n)。

c. 存在歸一化向量UZ=(uZ1，uZ2，…，uZn)及α(α>1)，對任意的i、j，滿足fij=logαuZi-logαuZj+0.5。其中，UZ為第Z個專家對指標準則層的權重決策向量，uZi和uZj為UZ的2個元素，分別表示專家Z對準則i和j的權重決策結果；α為決策者的分辨能力，可以通過增大α的值來提高權重分配方案優(yōu)劣的分辨率，但α取值不宜過大，否則不利于計算機處理，易造成某些項權重系數(shù)趨近于0。

由文獻[11]可推理得出配電網(wǎng)各準則權重的確定公式為：

(1)

為得到更為科學的決策，模糊矩陣由多名專家共同構建，專家們的知識背景和經(jīng)驗的不同可能會導致對于同一個對象存在不同的決策，為將多個專家的決策結果提煉出統(tǒng)一決策權重向量，同時降低決策的主觀性，本文引入聚類分析法。現(xiàn)有較成熟的聚類方法包括劃分方法、層次方法、基于密度的方法和基于網(wǎng)格的方法，并已廣泛應用于商務智能、圖像模式識別、生物學和安全等領域。本文引入k均值算法對專家決策向量進行聚類分析。

假設專家對配電網(wǎng)各準則指標權重分配的決策結果構成向量集D，每個決策向量包括6個歐氏空間中的對象，即供電質量、電網(wǎng)結構、裝備水平、供電能力、信息化水平和投資能力，給定各準則權重向量集的聚類數(shù)目k，隨機創(chuàng)建一個初始劃分，采用迭代方法通過將聚類中心不斷移動，并以簇內高相似性和簇間低相似性為目標來嘗試改進劃分[10]。算法流程如下。

a. 假定配電網(wǎng)各準則權重分配由N個專家完成，輸入N個6維待分類的專家決策權重向量{U1，U2，…，UZ，…，UN}，其中UZ=(uZ1，uZ2，…，uZ6)表示專家Z對6類準則的權重分配結果，待分類的簇數(shù)為k。

b. 隨機選擇k個專家對配電網(wǎng)各準則權重分配的決策向量作為初始聚類中心{p1，p2，…，pi，…，pk}，其中pi=(pi1，pi2，…，pi6)表示第i個聚類中心的權重決策向量；選擇聚類最大迭代次數(shù)V；確定迭代結束的最大收斂系數(shù)M。

c. 計算每個決策向量到各簇的歐氏距離，將各決策向量分到具有最小距離的簇中，歐氏距離的計算公式為：

(2)

其中，dist(UZ，pi)為第Z個專家決策向量到第i個聚類的距離。

d. 重新計算k個聚類的中心值{p1，p2，…，pk}，其中pil為：

(3)

其中，UZ?pi表示UZ為歸入類pi的決策向量；L為歸入該類的決策向量數(shù)目。

e. 檢驗聚類操作是否結束：若迭代次數(shù)等于P，則結束聚類；否則計算該次迭代每個聚類的收斂距離，若收斂距離都小于給定的參數(shù)M則結束，否則繼續(xù)迭代。第m次迭代收斂距離計算公式為：

(4)

f. 假設類別pl包括nl個個體排序向量，利用該類專家決策向量與決策向量總數(shù)的比值計算該類專家決策向量的權重ηl：

(5)

由此得到配電網(wǎng)指標層的最終權重向量為：

(6)

由于輸入?yún)?shù)k會對聚類的結果造成一定的影響，因此在實際聚類中會選取幾個k值多次進行聚類并分析聚類結果，選取最優(yōu)的結果作為最終權重向量，本文引入輪廓系數(shù)法[11]評價聚類的優(yōu)劣。輪廓系數(shù)通過比較簇的緊湊度和不同簇之間的分離度來評價聚類質量，具有高輪廓值的元素表明是較好的聚類，低輪廓值的元素就有可能成為離群點。

假設專家決策向量集D被劃分為k個簇p1、p2、…、pk，對于每個決策向量Ui∈D，計算Ui與Ui所屬簇的其他向量的平均距離b(Ui)，類似地，c(Ui)表示Ui到不屬于Ui的所有簇的最小平均距離，b(Ui)越小表示Ui所屬簇的緊湊度越好，c(Ui)越大表示Ui與其他簇的分離度越大。

(7)

(8)

向量Ui的輪廓系數(shù)定義公式為：

(9)

s(Ui)即表示第i個簇聚類的輪廓系數(shù)，該方法結合了緊湊度b(Ui)和分離度c(Ui)來判斷聚類的優(yōu)勢，其計算分別參考式(7)和(8)，輪廓系數(shù)在-1～1之間取值，值越大表示聚類效果越好，為了度量全局的聚類質量，本文采用計算所有簇輪廓系數(shù)的平均值來度量全局聚類質量。

2.2 DEA法

配電網(wǎng)規(guī)劃建設目標與地區(qū)配電網(wǎng)的結構特點、薄弱環(huán)節(jié)以及階段性運營目標不同而存在較大差異，僅單一地對大量的統(tǒng)計數(shù)據(jù)進行分析難以公平、客觀地認識各地區(qū)配電網(wǎng)建設的實際情況。因此，引入DEA“相對有效”的思想到配電網(wǎng)投資規(guī)劃效率評價模型中，被評價地區(qū)投資效率同時由其他所有參與評價地區(qū)的投資效率共同決定，利用配電網(wǎng)建設投入與有效產(chǎn)出之間的關系分析配電網(wǎng)投資策略的規(guī)模有效性和技術有效性，該模型在避免主觀因素、簡化算法和減小誤差等方面有著不可低估的優(yōu)越性，已成熟運用到資源配置和生產(chǎn)力進步等多個領域[14]。

DEA的基本思路是將一個地區(qū)配電網(wǎng)看成是一個決策單元DMU(Decision Making Unit)，再由眾多的DMUs構成評價總體，以配電網(wǎng)“輸入指標”和“輸出指標”的權重為變量，“輸出指標”與“輸入指標”比率最大化為目標函數(shù)構建DEA評價模型，計算所有配電網(wǎng)投資建設的有效生產(chǎn)沿面，從而確定該地區(qū)配電網(wǎng)投資建設相對于其他所有參與評價的地區(qū)是否DEA有效。

(10)

(11)

(12)

(13)

其中，xij為第j個地區(qū)配電網(wǎng)對第i種類型輸入指標的投入量；yrj為第j個地區(qū)配電網(wǎng)獲得的第r種類型輸出指標有效產(chǎn)出量。

設vi為第i種輸入的權系數(shù)變量，fr為第r種輸出的權系數(shù)變量，定義所有z種輸出量與s種輸入量之比為配電網(wǎng)在第t個建設周期對第j個地區(qū)的投資效率指數(shù)：

(14)

以第j個地區(qū)配電網(wǎng)的效益指數(shù)為目標，所有配電網(wǎng)的效益指數(shù)為約束，構建最優(yōu)化CCR模型：

(15)

利用該模型評價某一地區(qū)配電網(wǎng)是否有效是相對于其他所有配電網(wǎng)而言，θt，j=1表明該地區(qū)配電網(wǎng)建設效率相對較高，θt，j<1表明該地區(qū)配電網(wǎng)建設效率相對較低。

2.3 動態(tài)標尺評價模型

配電網(wǎng)投資規(guī)劃為多周期動態(tài)滾動規(guī)劃，決策者需根據(jù)當前周期或當前幾個周期的建設情況規(guī)劃未來的建設目標和投資策略。本文引入“信息熵”和“時間度”[15]的概念并由此計算動態(tài)加權向量，對每個規(guī)劃周期內配電網(wǎng)投資策略的評價模型按照動態(tài)加權向量進行動態(tài)滾動加權，從而建立多周期動態(tài)評價模型。

動態(tài)加權向量和時間度的定義式如下所示：

(16)

(17)

(18)

其中，τ=[τ1，τ2，…，τT]為動態(tài)加權向量，反映不同規(guī)劃周期投資策略對動態(tài)評估的貢獻差異性，T為待評價的配電網(wǎng)規(guī)劃周期數(shù)，τt∈[0，1]；I為動態(tài)加權向量的熵，反映了對每個周期投資效率評價值動態(tài)加權過程中權重包含信息的程度，熵值越小，表示它獲取的信息量越大；β為時間度，其大小表示在每個周期樣本集結過程中對各周期的重視程度，其值越小，表示對近期的數(shù)據(jù)更加重視，具體含義見附錄中表A3。

時間度事先由決策者給定，盡可能挖掘各個建設周期靜態(tài)評價模型的信息，動態(tài)加權向量計算的數(shù)學模型可表示為：

(19)

上式為常規(guī)的非線性約束問題，本文采用內點法求解。

監(jiān)管機構對配電網(wǎng)投資效率較高的DMU給予相應的考核獎勵，相反，對于配電網(wǎng)投資效率較低的DMU給予考核懲罰，數(shù)學模型為：

rt，j=ρt，j+gt，j

(20)

其中，rt，j為地區(qū)j在建設周期t內對配電網(wǎng)建設獲得的回報；ρt，j為地區(qū)j在建設周期t內獲得的考核獎勵，正數(shù)表示獎勵，負數(shù)表示懲罰；gt，j為地區(qū)j在建設周期t內獲得的成本補貼。

考核獎勵和成本補貼計算如下。

a. 計算考核獎勵。

(21)

定義地區(qū)j在建設周期t內的獎懲系數(shù)ξt，j為：

(22)

進一步，可計算得到地區(qū)j在建設周期t內配電網(wǎng)的考核獎勵：

(23)

其中，Pt，j為地區(qū)j在建設周期t內相比周期t-1內對配電網(wǎng)投資的增加值。

b. 計算成本補貼。

每個地區(qū)配電網(wǎng)的建設成本補貼由自身的建設成本和其他地區(qū)的建設成本共同決定，其計算方法如下式所示：

(24)

其中，Lt，j為地區(qū)j在建設周期t內的配電網(wǎng)建設投入量；ct，j為地區(qū)j在建設周期t內配電網(wǎng)的單位建設成本；εj為地區(qū)j自身成本所占比例；lt，i為觀察中公司i在建設周期t內的配電網(wǎng)建設成本所占權重。標尺評價模型流程圖如附錄中圖A1所示。

3 實例分析

3.1 動態(tài)標尺評價模型

a. 計算各準則權重系數(shù)。

模糊互補矩陣由專家評估方式得出，參照式(1)可計算得到每位專家的權重向量，參照式(2)—(6)對專家排序向量進行聚類分析并計算得出統(tǒng)一決策向量，最后由式(7)—(9)檢驗聚類的質量。分辨率的取值對比和聚類質量檢驗結果分別見附錄中表A4和A5，從而驗證了本文對各參數(shù)取值的合理性，本文取α=e、k=3，得到準則層評價模型為：

θt=0.196 9θt，1+0.172 2θt，2+0.183 5θt，3+0.203 1θt，4+

0.133 5θt，5+0.110 8θt，6

其中，θt，1、θt，2、…、θt，6為各類準則(即供電質量、電網(wǎng)結構、裝備水平、供電能力、信息化水平和投資能力)在周期t內輸入輸出量的DEA評價值，由模型式(15)計算得出；θt為周期t內電網(wǎng)投資效率評價值。

b. 標尺評價模型。

各指標輸入輸出數(shù)據(jù)均為某配電系統(tǒng)未來4個周期的建設規(guī)劃數(shù)據(jù)，其中，輸入輸出數(shù)據(jù)可針對當前規(guī)劃周期配電網(wǎng)建設項目的統(tǒng)計工作量以及預期的有效產(chǎn)出得到，同時可利用數(shù)據(jù)挖掘的方法對歷史數(shù)據(jù)進行分析以驗證規(guī)劃的合理性，本文假設所有規(guī)劃的決策者均為理性決策。將規(guī)劃數(shù)據(jù)按照2.2節(jié)DEA方法CCR模型計算得到各準則的相對效率評價值，并通過權重線性加權得到配電網(wǎng)投資效率綜合評價值。

c. 構建動態(tài)標尺。

動態(tài)加權向量τ=[τ2016，τ2018，τ2020，τ2022]由模型式(19)計算得出，其中時間度β=0.40，計算結果見附錄中表A6。將各規(guī)劃周期的靜態(tài)模型按動態(tài)加權向量加權可得到動態(tài)標尺評價模型：

0.350θ2022，j

由該省9個地區(qū)6項準則和4個規(guī)劃周期的數(shù)據(jù)可建立配電網(wǎng)投資建設效率動態(tài)標尺沿面，位于該沿面以上的地區(qū)和準則投資建設的效益相對較高，相反，則該地區(qū)和準則的投資建設效益相對較低。針對效益評價值，引入考核激勵，效率較高的地區(qū)可獲得考核收入，相反則會得到考核懲罰，從而可以刺激各DMU提高對配電網(wǎng)的投資建設效率。限于篇幅，各指標的計算過程不一一列出。計算結果如表1所示。

表1 2016年各準則DEA評價值Table 1 DEA evaluation value of each criteria in 2016

3.2 評價結果與分析

從表1可以看出，該省9個地市2016年配電網(wǎng)建設投資的整體效率處于中等偏上水平，其中供電質量、電網(wǎng)結構和供電能力都相對處于較高水準，大部分地區(qū)都超過了0.9，但裝備水平和信息化水平依然處于相對較低水平，平均水平分別在0.547和0.764，各地區(qū)的投資能力也相對處于較高水平，平均值在0.871。

進一步，對該省配電網(wǎng)投資效率評價值進行橫向對比，該省各地區(qū)配電網(wǎng)投資效率DEA評價值如圖2所示。從圖中可以看到：該省配電網(wǎng)發(fā)展水平隨地區(qū)不同而存在較大差異，東部地區(qū)(地區(qū)2、3、8)配電網(wǎng)的投資效率相對較高，2016年評價值大多處于0.85及以上水平，西部地區(qū)(地區(qū)4、5、9)效率則相對較低，2016年評價值大多處于0.8以下水平，全省配電網(wǎng)發(fā)展水平與地區(qū)經(jīng)濟發(fā)展水平存在相似的規(guī)律，總體為東部地區(qū)相對超前，西部地區(qū)相對滯后。決策者可重點針對建設效率相對較低的地區(qū)或準則調整下一周期的建設目標，針對效率相對較低的地區(qū)采取考核懲罰，以刺激其提高建設效率，從而提高全省配電網(wǎng)的整體水平。

圖2 該省2016—2022年配電網(wǎng)投資效率DEA評價值Fig.2 DEA evaluation value of investment efficiency for a provincial distribution network from 2016 to 2022

圖3 該省2016—2022年各準則投資效率評價值Fig.3 Evaluation value of investment efficiency for each criteria distribution from 2016 to 2022

對該省配電網(wǎng)投資效率評價值進行縱向對比(時間維度)分析。圖3展示了該省9個市級地區(qū)在2016—2022年4個滾動規(guī)劃周期內的配電網(wǎng)投資規(guī)劃效率評價值，A、B、C、D、E、F分別表示供電質量、電網(wǎng)結構、裝備水平、供電能力、信息化水平和投資能力，圖中不同標識符代表了不同建設周期配電網(wǎng)投資效率評價值，可以從市級角度描述該省各地區(qū)配電網(wǎng)投資建設情況。由圖2可以明顯看到，各地區(qū)配電網(wǎng)投資效率從2016到2022年由較低水平逐漸上升到較高水平，反映了在該省的4個規(guī)劃周期內，配電網(wǎng)的投資效率正逐步提高，部分地區(qū)效率增幅甚至達到了30%；不同地區(qū)發(fā)展的短板也呈現(xiàn)不同的分布，如圖3所示，地區(qū)1和地區(qū)5呈相似的規(guī)律，均為裝備水平建設效率相對較差，處于0.6及以下水平，地區(qū)3供電質量相對其他地區(qū)則處于相對較低水平，處于0.9及以下水平，地區(qū)7發(fā)展相對較為均衡，各項指標均處于相對較高水平。

圖4展示了該省9個市級地區(qū)2016—2022年4個滾動規(guī)劃周期內的配電網(wǎng)投資規(guī)劃效率獎懲系數(shù)評價值。由圖4可以看到，該省配電網(wǎng)投資規(guī)劃的獎懲系數(shù)在4個規(guī)劃周期內兩極分化現(xiàn)象正逐步降低，到2022年，大部分地區(qū)的配電網(wǎng)建設效益收入都可以為非負值，各地區(qū)配電網(wǎng)規(guī)劃和發(fā)展情況正逐步向更高水平靠攏，從而有利于提高該省配電系統(tǒng)的整體水平，驗證了本文所提標尺評價模型對提高配電網(wǎng)投資效益的有效性。

圖4 該省2016—2022年獎懲系數(shù)示意圖Fig.4 Schematic diagram of reward coefficient for a province from 2016 to 2022

實際工程中，監(jiān)管者可利用該模型對不同地區(qū)、不同發(fā)展水平配電網(wǎng)在各類準則的投資策略進行多周期動態(tài)客觀滾動評價和考核激勵，根據(jù)前期的規(guī)劃和建設成效合理制定和調整后期對配電網(wǎng)的投資策略，從而引導配電網(wǎng)規(guī)劃向最優(yōu)方案進行，評價模型在刺激信息紕漏和結果客觀公正有著突出的優(yōu)勢，在最小化建設成本的同時使得建設效率最大化，有利于引導配電網(wǎng)精準投資，從而提高配電網(wǎng)整體水平。

4 結論

本文對配電網(wǎng)中長期動態(tài)投資策略評價問題展開了研究，構建了配電網(wǎng)中長期動態(tài)規(guī)劃的標尺激勵評價模型，并針對某地區(qū)配電網(wǎng)規(guī)劃建設進行了分析，得出以下結論：

a. 本文所提指標體系涵蓋了當前配電網(wǎng)發(fā)展的核心價值，綜合考慮了配電網(wǎng)性能指標、信息化水平以及所處地區(qū)經(jīng)濟水平、市場環(huán)境等因素，“輸入輸出指標”通過精確的指標關聯(lián)分析模型確定，各規(guī)劃周期的數(shù)據(jù)利用歷史統(tǒng)計數(shù)據(jù)和數(shù)據(jù)挖掘的方法獲取，避免了專家打分指標過多、指標范圍不全面等缺陷；

b. 本文所提評價方法采用多維分層的DEA方法，分別對每層準則進行評價然后加權綜合，在降低計算量的同時，可有效揭示更多的配電網(wǎng)規(guī)劃建設問題，從而引導后期對配電網(wǎng)的精準投資規(guī)劃；

c. 評價模型采用客觀性較強的DEA模型，可廣泛用于對不同地區(qū)、不同發(fā)展水平配電網(wǎng)的投資策略多周期動態(tài)客觀評價，激勵制度可有效刺激配電網(wǎng)建設動態(tài)的向最優(yōu)方案靠近，逐步引導配電網(wǎng)精準投資；

d. 本文的后續(xù)研究將在現(xiàn)有配電網(wǎng)評價指標體系基礎上進一步豐富對“懲罰”的考核指標，加強考慮配電網(wǎng)規(guī)劃對各類損失造成的影響，例如負荷損失、容量不足損失、分布式發(fā)電消納損失等，并根據(jù)各類指標屬性和關聯(lián)關系調整輸入輸出關系以及權重計算方法，以對配電網(wǎng)投資規(guī)劃進行更加科學全面的評估，更進一步提升配電網(wǎng)投資的精準性。

附錄見本刊網(wǎng)絡版(http:∥www.epae.cn)。

參考文獻：

[1] 方興，郭志忠. 配電網(wǎng)規(guī)劃研究述評[J]. 電力自動化設備，2003，23(5):71-74.

FANG Xing，GUO Zhizhong. Review of power distribution planning[J]. Electric Power Automation Equipment，2003，23(5):71-94.

[2] 趙強，敬東，李正. 蟻群算法在配電網(wǎng)規(guī)劃中的應用[J]. 電力自動化設備，2003，23(2):52-54.

ZHAO Qiang，JING Dong，LI Zheng. Application of ant colony algorithm for distribution system planning[J]. Electric Power Automa-tion Equipment，2003，23(2):52-54.

[3] 張寧. 配電網(wǎng)多目標經(jīng)濟性優(yōu)化模型和算法[J]. 電力自動化設備，2012，32(8):48-53.

ZHANG Ning. Optimal multi-objective economic model and algorithm for distribution network[J]. Electric Power Automation Equipment，2012，32(8):48-53.

[4] 吳爭，崔文婷，龍禹，等. 配電網(wǎng)投資效果后評價及投資合理性分析[J]. 電力系統(tǒng)及其自動化學報，2016，28(12):96-102.

WU Zheng，CUI Wenting，LONG Yu，et al. Post-evaluation and rationality analysis of distribution network investment[J]. Procee-dings of the CSU-EPSA，2016，28(12):96-102.

[5] 李娟，李曉輝，劉樹勇，等. 基于理想解法和灰色關聯(lián)度的配電網(wǎng)投資效益評價[J]. 華東電力，2012，40(1):13-17.

LI Juan，LI Xiaohui，LIU Shuyong，et al. Investment benefit evalua-tion for distribution network based on TOPSIS and grey correlation degree[J]. East China Electric Power，2012，40(1):13-17.

[6] 王敬敏，施婷. 智能配電網(wǎng)評估指標體系的構建[J]. 華北電力大學學報(自然科學版)，2012，39(6):65-70.

WANG Jingmin，SHI Ting. Assessment index system for smart distribution grids[J]. Journal of North China Electric Power University(Natural Science Edition)，2012，39(6):65-70.

[7] 張心潔，葛少云，劉洪，等. 智能配電網(wǎng)綜合評估體系與方法[J]. 電網(wǎng)技術，2014，38(1):40-46.

ZHANG Xinjie，GE Shaoyun，LIU Hong，et al. Comprehensive assessment system and method of smart distribution grid[J]. Power System Technology，2014，38(1):40-46.

[8] SHLEIFER A. A theory of yardstick competition[J]. Rand Journal of Economics，1985，16(3):319-327.

[9] LIMA J W M，NORONHA J C C，ARANGO H，et al. Distribution pricing based on yardstick regulation[J]. IEEE Transactions on Power Systems，2002，17(1):198-204.

[10] 周明，趙煒，李庚銀，等. 兼顧質量監(jiān)管的配電企業(yè)標尺競爭模型及方法[J]. 中國電機工程學報，2008，28(22):100-106.

ZHOU Ming，ZHAO Wei，LI Gengyin，et al. Distribution regulation based on yardstick competition incorporated with quality control[J]. Proceedings of the CSEE，2008，28(22):100-106.

[11] 蘭繼斌，徐揚，霍良安，等. 模糊層次分析法權重研究[J]. 系統(tǒng)工程理論與實踐，2006，26(9):107-113.

LAN Jibin，XU Yang，HUO Liangan，et al. Research on the priorities of fuzzy analytical hierarchy process[J]. Systems Engineering-Theory & Practice，2006，26(9)：107-113.

[12] 劉廣聰，黃婷婷，陳海南. 改進的二分K均值聚類算法[J]. 計算機應用與軟件，2015，32(2):261-263.

LIU Guangcong，HUANG Tingting，CHEN Hainan. Improved bisecting K means clustering algorithm[J]. Computer Applications and Software，2015，32(2):261-263.

[13] PETRP. Data mining[J]. BT Technol J，1994，29(Supplement 1):47.

[14] 郭亞軍，姚遠，易平濤. 一種動態(tài)綜合評價方法及應用[J]. 系統(tǒng)工程理論，2007，27(10):154-159.

GUO Yajun，YAO Yuan，YI Pingtao. A method and application of dynamic comprehensive evaluation[J]. Systems Engineering-Theory & Practice，2007，27(10):154-159.

[15] 李美娟，陳國宏. 數(shù)據(jù)包絡分析法(DEA)的研究與應用[J]. 中國工程科學，2003，5(6):88-93.

LI Meijuan，CHEN Guohong. A review on the research and application of DEA[J]. Engineering Science，2003，5(6):88-93.

[16] 蘇韻掣，劉俊勇，劉友波，等. 基于“性能-因素”關聯(lián)關系挖掘的中壓配電網(wǎng)可靠性評估[J]. 電力建設，2016，37(11):55-64.

SU Yunche，LIU Junyong，LIU Youbo，et al. Evaluation of medium-voltage distribution network reliability based on “performance-element” correlation mining[J]. Electric Power Construction，2016，37(11):55-64.