何大春　談健　蘇宜強　解翔　宋天立　蔡超　陳曦

摘要：為建立綠色港口，實現(xiàn)港口的節(jié)能環(huán)保，對港口綜合能源系統(tǒng)（port integrated energy system，PIES）的評價方法進行研究，提出一種主客觀信息融合的PIES評價指標體系，將主觀評價與數(shù)理統(tǒng)計模型進行結合，兼顧評價過程中的主客觀因素，并采用基于馬氏距離的統(tǒng)計檢驗方法對評分矩陣進行修正，實現(xiàn)對PIES的全面評價。通過青島港董家口港區(qū)的調研數(shù)據(jù)，驗證該方法的有效性。

關鍵詞：主客觀信息融合; 評價指標; 高斯混合模型; 統(tǒng)計檢驗; 港口能效評價

中圖分類號：? U691.5

文獻標志碼：A

Evaluation index system for port integrated energy system based on

subjective-objective information fusion

HE Dachun1， TAN Jian2， SU Yiqiang1， XIE Xiang3，

SONG Tianli4， CAI Chao2， CHEN Xi2

（1.State Grid Jiangsu Electric Power Co.， Ltd.， Nanjing 210000， China; 2.Research Institute of

Economics and Technology， State Grid Jiangsu Electric Co.， Ltd.， Nanjing 210008， China;

3. Logistics Engineering College， Shanghai Maritime University， Shanghai 201306， China;

4. School of Electrical Engineering， Southeast University， Nanjing 210096， China）

Abstract：

In order to establish green ports and realize the energy saving and environmental protection of ports， the evaluation method of the port integrated energy system （PIES） is studied. A PIES evaluation index system is proposed based on subjective-objective information fusion， which combines subjective evaluation with mathematical statistics models， and takes into account the subjective and objective factors in the evaluation process. The scoring matrix is modified by the statistical test method based on Mahalanobis distance to achieve a comprehensive evaluation of? PIES. The effectiveness of this method is verified by the survey data of Dongjiakou Port area of Qingdao Port.

Key words：

subjective-objective information fusion; evaluation index; Gaussian mixture model; statistical test; port efficiency evaluation

0 引 言

《節(jié)約能源法》自1998年1月1日施行以來，全國各個港口便努力將節(jié)約能源資源這項基本國策落到實處。歐盟實施了《歐洲可再生能源加熱及制冷法令》，計劃到2020年實現(xiàn)可再生能源占能源總量20%的目標。我國《可再生能源法》編制報告明確指出：到2020年，可再生能源的利用總量不應低于全國總能源消耗量的10%。

2018 年 3 月 27 日交通運輸部公布《深入推進綠色港口建設行動方案（2018—2022年）》（征求意見稿），擬在“十二五”時期的基礎上從更深層次、更廣范圍、更高要求建設綠色港口，旨在優(yōu)化能源消費結構，構建清潔低碳的港口能源體系。港作機械和運輸裝備優(yōu)先使用電能、天然氣等清潔能源，并配備足夠的供電、加氣等配套設施。通過新建改造，使用電能和液化天然氣等清潔能源的港作機械和車船數(shù)量占比不低于 60%。結合自然條件和港口能源需求，鼓勵應用光伏發(fā)電、風光互補供電系統(tǒng)、太陽能供熱供電和空氣源熱泵供熱系統(tǒng)等新能源技術，提升太陽能、風能、地熱能、生物能等可再生能源的應用比例，著力推動靠港船舶使用岸電[1]。

為經濟、科學地建設和利用港口綜合能源系統(tǒng)（port integrated energy system，PIES），需要建立一個有效的PIES評價方法[2-4]。文獻[5]用互相獨立的評價矩陣對冷熱電聯(lián)產系統(tǒng)進行了能效水平評價。文獻[6]對綜合能源系統(tǒng)的運行進行了建模和仿真，對系統(tǒng)的規(guī)劃方法和效益做了評價分析。文獻[7]根據(jù)系統(tǒng)負荷、經濟和環(huán)保等因素，構建了基于信息熵法的評價方法。文獻[8]提出了一種將層次分析法與公共權重數(shù)據(jù)包絡分析相結合的獲取綜合權重的距離測度方法。然而，上述方法在計算指標權重時，僅采用客觀信息或主觀信息，沒有同時兼顧兩者的有效性，權重值所包含的信息不夠全面。因此，有必要研究一種新的權重確定方法，同時體現(xiàn)專家的主觀偏好和客觀數(shù)據(jù)的統(tǒng)計特性，為指標賦予更全面合理的權重信息。

由貝葉斯公式可知，E步中β（s）（GiXjk）實際表示第jk個行向量Xjk在第s步迭代時對第i個高斯成分的概率。G（·）為高斯成分，

α（s+1）i、μ（s+1）i和Σ（s+1）i分別為第s+1步迭代中第i個高斯成分Gi的成分概率、均值向量和協(xié)方差矩陣。通過E步和M步的迭代，可使高斯混合模型收斂于指定精度。

以上步驟實現(xiàn)了從專家評分數(shù)據(jù)中對一階和二階統(tǒng)計量的學習。從矩陣X的構成方式可知，高斯成分的數(shù)目即為二級指標的數(shù)目，即i=1，2，…，I。通過模型訓練，在獲得每個高斯成分一階統(tǒng)計量（均值）和二階統(tǒng)計量（協(xié)方差）的同時，可以同時得到Gi的成分概率αi。由于αi∈[0，1]，可將αi作為由統(tǒng)計信息學習得到的二級指標的權重。

2.2.3 對評分矩陣有效性的統(tǒng)計檢驗

專家評分影響PIES的最終評價，一旦出現(xiàn)個別偏差較大的單項評分，就會體現(xiàn)在最終評分中。因此，有必要對專家評分進行統(tǒng)計檢驗，識別出具有顯著偏差的評分值?；趯W習到的I個高斯成分，對專家評分進行如下統(tǒng)計檢驗：

計算Xjk對第i個高斯成分的馬氏指標Di（Xjk）：

計算Xjk對全部I個高斯成分的距離指標D（Xjk）：

在置信水平為γ時，對專家評分Xjk進行統(tǒng)計檢驗。根據(jù)式（7）和（8）可知，D（Xjk）的置信閾值DL可以通過F分布來計算[14]：

式中，置信水平γ可以根據(jù)實際情況取95%～99%。若某個評分值的距離指標D（Xjk）超過DL，則認為該項評分有顯著偏差，應該剔除該值，并用合適的統(tǒng)計量（如其所屬高斯成分的均值）替代。

2.2.4 PIES評價指標體系的構造

基于以上思路，可以將PIES評價指標體系的建立步驟

總結如下：

步驟1 請專家對表1中指標進行評價，分為主觀和客觀兩部分：主觀部分，對二級指標Bi按照表2的原則給出重要性評價，得到判斷矩陣;客觀部分，對三級指標Cij按照行業(yè)標準和用戶反饋給出評分。

步驟2 對于主觀部分，按照第2.2.1節(jié)的內容計算判斷矩陣A并進行一致性檢驗，得到I個二級指標的主觀權重ωi。

步驟3 基于客觀評分，按照式（3）～（6）的EM算法訓練高斯混合模型，獲得I個高斯成分的參數(shù)，包括成分概率αi、均值向量μi和協(xié)方差矩陣Σi。

步驟4 對專家評分矩陣X按照式（7）～（9）進行統(tǒng)計檢驗，剔除偏差顯著的評分，獲得修正后的評分矩陣X。

步驟5 對X重復步驟3，得到修正后的均值向量μi及其對應成分概率

αi。

步驟6 將二級指標的主觀權重與統(tǒng)計權重進行融合，本文以均分為例，得到修正后Bi的權重，

即W=（w1，w2，…，wI），wi=（ωi+αi）/2。

步驟7 根據(jù)下式計算PIES的綜合評分，對評分進行分析和討論，給出結論及改進意見。

3 實例分析

青島港董家口港區(qū)首先展開分布式能源和智能電網技術應用，利用其光伏、天然氣冷熱電三聯(lián)供系統(tǒng)和儲能系統(tǒng)，依托智能配電網的綜合能源管理系統(tǒng)，建設聯(lián)網型智能微電網，優(yōu)化微電網內的供電使用，實現(xiàn)與大電網的互動調配，為港口運營提供環(huán)保的綠色電力，為中國新能源微電網項目的發(fā)展提供可供借鑒的先行經驗。另外，青島港在2015年底已完成碼頭的9個泊位“油改電”項目，每個標準集裝箱的能源消耗下降了39.7%。因此，本文以該港口為例，對本文涉及的評價指標進行實地調研，然后根據(jù)調研數(shù)據(jù)，讓10位專家對該港口的PIES進行綜合評價。

在主觀信息方面，由10名專家和決策者召開會議，采用眾數(shù)法，對4個二級指標的重要性進行兩兩對比，并根據(jù)表2給出? 計算A的特征值，可以得到最大特征值λmax=4.131 5，將其對應的特征向量進行標準化，即得到每個指標的權重為ω=（0.336 2，0.168 2，0.066 8，0.428 8）。接下來進行一致性檢驗，根據(jù)式（1）可得IC=0.043 8，查表3可知維度為4時IR=0.90， 從而由式（2）得到該矩陣的RC=0.048 7<0.1，故滿足一致性要求。

在客觀信息方面，基于調研的客觀數(shù)據(jù)和評分標準（詳見附表），同時請各位專家對各三級指標采用百分制形式評分，轉換為百分比后構成評分矩陣X。訓練高斯混合模型，可得到4個高斯成分及其成分概率αi，分別對應于4個二級指標及其權重，模型訓練結果見表4。

根據(jù)以上統(tǒng)計量對專家評分進行統(tǒng)計檢驗。根據(jù)式（7）～（8）計算馬氏距離指標D（Xjk）， 并按照（9）計算95%置信水平下的閾值DL=5.726 7。檢驗結果如圖2所示：Xjk向量的第5、21、23、33行數(shù)據(jù)超出95%置信區(qū)間;特別是第23行數(shù)據(jù)，對應于環(huán)保性指標B3，說明專家對該指標的評價存在顯著差異;而對于經濟性指標B2，專家評分的統(tǒng)計一致性較好，沒有顯著差異數(shù)據(jù)產生。為減少此類極端數(shù)據(jù)對模型參數(shù)的影響，將這4行數(shù)據(jù)

用其所對應高斯成分的均值μT1、μT2、

μT3和μT4替代，構成修正后的評分矩陣

X。

對修正后的X重新進行高斯混合模型訓練，得到的修正后的模型參數(shù)見表5。

接下來，將主觀權重ωi與修正后的統(tǒng)計權重αi采用均值法進行融合，即可得到綜合二級指標權重

W=（0.384 2， 0.166 3， 0.125 9， 0.323 6）。能效B1、經濟性B2、環(huán)保性B3和社會性B4的權重計算和綜合評分見圖3：最初的主觀評價權重較多地強調了社會性B4，而通過高斯混合模型訓練和修正后，最終得到的綜合二級指標權重更強調能效B1。

最后根據(jù)式（10）計算港口的綜合評分，可知該港口的綜合評分為78.48%，屬于行業(yè)中的良好水平，其中能效指標B1的評分為76.88%，經濟性指標B2的評分為75.04%，環(huán)保性指標B3的評分為73.35%，社會性指標B4的評分為88.65%。說明該港口具有較高的社會認知度和客戶滿意度，在經濟性和環(huán)保性上表現(xiàn)適中，有進一步完善和提升的空間。

4 結 論

本文提出一種主客觀信息融合的港口綜合能源系統(tǒng)（PIES）評價指標體系。以港口配電網為核心，提煉了反映PIES能效性的4類二級指標和16類三級指標。主觀信息反映了專家對于各項指標重要性的排序情況，基于調研數(shù)據(jù)的客觀信息給出各項指標的定量評價。從數(shù)據(jù)中訓練高斯混合模型獲取了各項指標的權重和均值，與主觀權重進行融合，從而能夠避免單獨使用主觀方法而造成的人為因素偏差，以及單獨使用數(shù)理統(tǒng)計方法而造成的無法反映決策者主觀偏好的問題。該方法能夠更好地兼顧權重獲取過程中的主客觀因素，增加了決策過程的公平性和決策結果的可接受性。此外，為減少具有顯著偏差的評分數(shù)據(jù)對統(tǒng)計模型的影響，本文還提出一種基于馬氏距離的評分矩陣統(tǒng)計檢驗方法。該方法可以有效剔除偏差數(shù)據(jù)，提高結果的客觀性。通過青島港董家口港區(qū)的調研數(shù)據(jù)，證明了方法的有效性和可行性。本文所提方法也為構造各類評價指標、檢驗數(shù)據(jù)一致性等問題提供了思路。

參考文獻：

[1]王騰， 呂靖. 上海港節(jié)能減排效率評價研究[J]. 中國水運， 2017（12）： 31-33. DOI： CNKI：SUN：ZSUX.0.2017-12-019.

[2]WANG Cong， CHEN Jixing， LI Zhiwu， et al. An indicator system for evaluating the development of land-sea coordination systems： a case study of Lianyungang Port[J]. Ecological Indicators， 2019， 98： 112-120. DOI： https：//doi.org/10.1016/j.ecolind.2018.10.057.

[3]DI VAIO A， VARRIALE L， ALVINO F. Key performance indicators for developing environmentally sustainable and energy efficient ports： evidence from Italy[J]. Energy Policy， 2018， 122： 229-240. DOI： https：//doi.org/10.1016/j.enpol.2018.07.046.

[4]WAN Chengpeng， ZHANG Di， YAN Xinping， et al. A novel model for the quantitative evaluation of green port development： a case study of major ports in China[J]. Transportation Research Part D： Transport and Environment， 2018， 61： 431-443. DOI： http：//dx.doi.org/10.1016/j.trd.2017.06.021.

[5]邱留良， 任洪波， 班銀銀， 等. 基于AHP的分布式冷熱電聯(lián)產系統(tǒng)綜合評價分析[J]. 上海電力學院學報， 2015， 31（5）： 419-423.

[6]余曉丹， 徐憲東， 陳碩翼， 等. 綜合能源系統(tǒng)與能源互聯(lián)網簡述[J]. 電工技術學報， 2016， 31（1）： 1-13.

[7]張濤， 朱彤， 高乃平， 等. 分布式冷熱電能源系統(tǒng)優(yōu)化設計及多指標綜合評價方法的研究[J]. 中國電機工程學報， 2015， 35（14）： 3706-3713. DOI： 10.13334/j.0258-8013.pcsee.2015.14.027.

[8]范建平， 朱兆鈺， 吳美琴. 一種新的基于群AHP和DEA的距離測度方法[J]. 統(tǒng)計與決策， 2018， 34（21）： 41-45. DOI： 10.13546/j.cnki.tjyjc.2018.21.009.

[9]蒲天添. 基于AHP模型的工程項目風險預警分析[J]. 統(tǒng)計與決策， 2018， 34（21）： 182-185. DOI： 10.13546/j.cnki.tjyjc.2018.21.044.

[10]王金祥. 基于層次分析法的質量綜合評價系統(tǒng)設計與實現(xiàn)[D]. 天津： 天津大學， 2014.

[11]洪志國， 李焱， 范植華， 等. 層次分析法中高階平均隨機一致性指標（RI）的計算[J]. 計算機工程與應用， 2002， 38（12）： 45-47.

[12]岳佳， 王士同. 雙重高斯混合模型的EM算法的聚類問題研究[J]. 計算機仿真， 2007， 24（11）： 110-113.

[13]FIGUEIREDO M A T， JAIN A K. Unsupervised learning of finite mixture models[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002， 24（3）： 381-396. DOI： 10.1109/34.990138.

[14]HAWKINS D M. The detection of errors in multivariate data using principal components[J]. Publications of the American Statistical Association， 1974， 69： 340-344. DOI： 10.1080/01621459.1974.10482950.

收稿日期： 2019-04-09

修回日期： 2019-05-14

作者簡介：

何大春（1966—），男，江蘇南京人，高級經濟師，研究方向為企業(yè)戰(zhàn)略與管理，（E-mail）dch@js.sgcc.com.cn