趙陽(yáng) 王鳳武 張?jiān)迄i

摘要：為實(shí)現(xiàn)深遠(yuǎn)海域海上風(fēng)電場(chǎng)能源經(jīng)濟(jì)效益最大化，同時(shí)保障風(fēng)電場(chǎng)周邊海域的船舶通航安全，提出一種基于變權(quán)灰云模型的深遠(yuǎn)海域海上風(fēng)電場(chǎng)選址方法。建立深遠(yuǎn)海域海上風(fēng)電場(chǎng)選址評(píng)價(jià)指標(biāo)體系，采用G1法求取指標(biāo)常權(quán)權(quán)重，引入變權(quán)理論修正常權(quán)權(quán)重從而確定變權(quán)權(quán)重。利用正態(tài)云模型替代傳統(tǒng)的白化權(quán)函數(shù)，構(gòu)建變權(quán)灰云模型，對(duì)場(chǎng)址進(jìn)行定性定量評(píng)價(jià)，依據(jù)評(píng)分值確定最優(yōu)場(chǎng)址。實(shí)例計(jì)算分析表明，最優(yōu)場(chǎng)址在能源經(jīng)濟(jì)效益和船舶通航安全方面均處于優(yōu)勢(shì)水平，變權(quán)灰云模型在深遠(yuǎn)海域海上風(fēng)電場(chǎng)選址中具有良好的適用性和有效性。

關(guān)鍵詞： 海上風(fēng)電場(chǎng); 變權(quán)理論; 灰云模型; 灰云聚類(lèi)

中圖分類(lèi)號(hào)： U698; P751; TM614 ? ?文獻(xiàn)標(biāo)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(fēng)力發(fā)電已成為清潔能源發(fā)展的新趨勢(shì)。從風(fēng)能資源角度分析，海上風(fēng)電能達(dá)到陸地風(fēng)電能量效益的120%～140%，而且海上風(fēng)電還具有零排放、占地少、運(yùn)行穩(wěn)定等諸多優(yōu)點(diǎn)。近年來(lái)，隨著新技術(shù)的發(fā)展以及岸基配套電網(wǎng)設(shè)備的完善，海上電力輸送、運(yùn)行維護(hù)成本正不斷降低，許多國(guó)家和地區(qū)都將發(fā)展海上風(fēng)電的目光逐漸由近海投向了深遠(yuǎn)海域。與近海風(fēng)電相比，深遠(yuǎn)海域風(fēng)電開(kāi)發(fā)具有較多優(yōu)勢(shì)，如風(fēng)能資源更為豐富、地域更為寬廣、裝機(jī)容量更大、對(duì)海洋環(huán)境和船舶通航的影響更小等，深遠(yuǎn)海域風(fēng)電發(fā)展前景更為廣闊。

海上風(fēng)電場(chǎng)選址作為海上風(fēng)電場(chǎng)建設(shè)的前期工程，涉及海洋資源開(kāi)發(fā)、海洋自然生態(tài)保護(hù)、船舶航行安全、風(fēng)電場(chǎng)運(yùn)行維護(hù)等諸多因素，如何協(xié)調(diào)各種因素，實(shí)現(xiàn)能源經(jīng)濟(jì)效益最大化以及保障風(fēng)電場(chǎng)水域船舶通航安全是選址工程的關(guān)鍵。目前，國(guó)內(nèi)外對(duì)海上風(fēng)電場(chǎng)選址的研究主要集中在以下幾個(gè)方面：一是探測(cè)海域風(fēng)能資源，發(fā)掘風(fēng)能分布規(guī)律，確定最佳風(fēng)電潛力海域;二是結(jié)合海上風(fēng)電場(chǎng)建設(shè)水域交通特點(diǎn)，分析風(fēng)電項(xiàng)目對(duì)周邊船舶通航的影響，進(jìn)行交通風(fēng)險(xiǎn)評(píng)估或基于船舶避碰要求的安全航線規(guī)劃;三是對(duì)規(guī)劃風(fēng)電場(chǎng)海域的地理位置、地形地貌以及社會(huì)經(jīng)濟(jì)、技術(shù)能力、環(huán)境資源、運(yùn)行維護(hù)成本等因素進(jìn)行綜合分析，結(jié)合風(fēng)能資源優(yōu)選場(chǎng)址。研究方法多運(yùn)用德?tīng)柗品╗1]、衛(wèi)星遙感及地理信息系統(tǒng)（geographic information system，GIS）技術(shù)[2-3]、風(fēng)險(xiǎn)框架分析[4]、灰色關(guān)聯(lián)分析[5]、人工勢(shì)場(chǎng)法[6]、多目標(biāo)規(guī)劃[7]、貝葉斯網(wǎng)絡(luò)[8]、模糊多準(zhǔn)則決策[9]等。通過(guò)梳理發(fā)現(xiàn)，大多數(shù)的研究主要圍繞近海風(fēng)電場(chǎng)的選址建設(shè)展開(kāi)，兼顧能源經(jīng)濟(jì)效益和船舶通航安全的綜合研究較少。在行業(yè)發(fā)展的新形勢(shì)下，一方面要積極推進(jìn)風(fēng)電場(chǎng)選址的研究向深遠(yuǎn)海域發(fā)展，另一方面應(yīng)該在選址時(shí)注重“效益”和“安全”問(wèn)題。為此，本文在文獻(xiàn)研究和專(zhuān)家調(diào)查的基礎(chǔ)上，以“效益”和“安全”問(wèn)題為側(cè)重點(diǎn)，提出一種基于變權(quán)灰云模型的深遠(yuǎn)海域海上風(fēng)電場(chǎng)選址方法：引入變權(quán)理論，修正評(píng)價(jià)指標(biāo)常權(quán)權(quán)重，使指標(biāo)權(quán)重更能符合指標(biāo)特征客觀變化規(guī)律，以免較好指標(biāo)的積極作用掩蓋較差或很差指標(biāo)的消極作用;利用正態(tài)云模型替代灰色白化權(quán)函數(shù)，構(gòu)建灰云白化權(quán)模型對(duì)備選場(chǎng)址方案進(jìn)行定性和定量評(píng)價(jià)，確定最佳場(chǎng)址。

1 深遠(yuǎn)海域海上風(fēng)電場(chǎng)選址評(píng)價(jià)指標(biāo)體系的建立 ?結(jié)合深遠(yuǎn)海域特點(diǎn)，對(duì)風(fēng)電場(chǎng)選址主要影響因素進(jìn)行識(shí)別?；谇叭搜芯砍晒阅茉唇?jīng)濟(jì)效益和船舶通航安全為側(cè)重點(diǎn)選取評(píng)價(jià)指標(biāo)，從風(fēng)能資源、自然條件、交通環(huán)境、風(fēng)機(jī)條件等4個(gè)方面入手建立評(píng)價(jià)指標(biāo)體系，共10個(gè)二級(jí)指標(biāo)，見(jiàn)圖1。

依據(jù)深遠(yuǎn)海域海上風(fēng)電場(chǎng)場(chǎng)址在能源經(jīng)濟(jì)效益和船舶通航安全方面體現(xiàn)的效果，將場(chǎng)址方案劃分為非常差、較差、一般、較好、非常好5個(gè)等級(jí)。依據(jù)相關(guān)文獻(xiàn)和研究，基于三角隸屬度函數(shù)給出評(píng)價(jià)指標(biāo)等級(jí)劃分標(biāo)準(zhǔn)[10]，見(jiàn)表1。以指標(biāo)漁區(qū)距離為例，該評(píng)價(jià)指標(biāo)各等級(jí)三角隸屬度函數(shù)見(jiàn)圖2。

2 變權(quán)灰云模型

2.1 變權(quán)理論求取權(quán)重

在系統(tǒng)評(píng)價(jià)中，指標(biāo)常權(quán)權(quán)重能夠反映指標(biāo)對(duì)系統(tǒng)的相對(duì)重要程度，但沒(méi)有體現(xiàn)評(píng)價(jià)對(duì)象各指標(biāo)的數(shù)據(jù)規(guī)律。若采用常權(quán)賦權(quán)計(jì)算，則當(dāng)多數(shù)指標(biāo)為較好、單一指標(biāo)為較差或很差時(shí)，較好指標(biāo)的積極作用往往會(huì)掩蓋較差或很差指標(biāo)的消極作用，造成評(píng)價(jià)結(jié)果出現(xiàn)偏差，難以體現(xiàn)海上風(fēng)電場(chǎng)場(chǎng)址實(shí)際優(yōu)劣水平。為更好地體現(xiàn)指標(biāo)變化在系統(tǒng)決策中的影響，本文用G1法確定常權(quán)權(quán)重，同時(shí)引入變權(quán)理論，依據(jù)指標(biāo)數(shù)據(jù)特征，利用狀態(tài)變權(quán)向量修正常權(quán)權(quán)重，從而確定變權(quán)權(quán)重。

2.1.1 G1法確定常權(quán)權(quán)重

與層次分析法相比，G1法計(jì)算量少、操作性強(qiáng)、不需要構(gòu)造判斷矩陣，且無(wú)須進(jìn)行一致性檢驗(yàn)[11]。采用G1法確定常權(quán)權(quán)重的步驟如下：

3 算例分析

以中國(guó)某深遠(yuǎn)海域海上風(fēng)電場(chǎng)選址為例，進(jìn)行模型計(jì)算分析。

3.1 某風(fēng)電場(chǎng)選址方案

中國(guó)沿海某市為減少海上風(fēng)電建設(shè)對(duì)沿岸功能區(qū)域的影響，擬在深遠(yuǎn)海域進(jìn)行風(fēng)電場(chǎng)選址，選址方案為5個(gè)區(qū)域，見(jiàn)圖5。

各方案中的數(shù)據(jù)均由實(shí)際測(cè)量或觀測(cè)獲得。1、2、3、4、5號(hào)方案中計(jì)劃裝機(jī)容量分別為250、250、350、500、2 300 MW。通過(guò)查閱氣象歷史觀測(cè)統(tǒng)計(jì)數(shù)據(jù)，獲得平均風(fēng)速、風(fēng)功率密度和有效風(fēng)時(shí);查閱海圖和航路指南等，獲取水深、浪高以及各方案場(chǎng)址到航道、錨地和漁區(qū)的距離，并以各方案場(chǎng)址中心點(diǎn)為基準(zhǔn)進(jìn)行測(cè)量，獲得各方案離岸距離。各方案評(píng)價(jià)指標(biāo)具體數(shù)據(jù)見(jiàn)表3。

3.2 求取變權(quán)權(quán)重

依據(jù)評(píng)價(jià)指標(biāo)等級(jí)劃分標(biāo)準(zhǔn)，結(jié)合專(zhuān)家建議，確定5個(gè)方案的懲罰水平α（本文取α=1）和懲罰閾值βj。依據(jù)式（1）～（6）計(jì)算得到評(píng)價(jià)指標(biāo)常權(quán)權(quán)重和各方案的變權(quán)權(quán)重，見(jiàn)表4。

以方案1為例：首先，利用G1法依據(jù)式（1）～（4）求得10個(gè)評(píng)價(jià)指標(biāo)的常權(quán)權(quán)重;然后，將方案1中各指標(biāo)數(shù)據(jù)代入式（5），求得方案1狀態(tài)變權(quán)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(quán)權(quán)重和狀態(tài)變權(quán)向量代入式（6），計(jì)算求得方案1各評(píng)價(jià)指標(biāo)的變權(quán)權(quán)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(quán)灰云模型

3.3.1 指標(biāo)數(shù)據(jù)預(yù)處理

3.4 灰云聚類(lèi)及評(píng)價(jià)結(jié)果

用MATLAB軟件進(jìn)行編程，輸入評(píng)價(jià)指標(biāo)具體數(shù)據(jù)，計(jì)算各評(píng)價(jià)指標(biāo)的灰云聚類(lèi)系數(shù)，結(jié)合變權(quán)權(quán)重得到綜合聚類(lèi)系數(shù)，最終計(jì)算各方案評(píng)分值，確定評(píng)價(jià)等級(jí)。各方案常權(quán)灰云聚類(lèi)計(jì)算結(jié)果見(jiàn)表6，各方案變權(quán)灰云聚類(lèi)計(jì)算結(jié)果見(jiàn)表7，各方案變權(quán)聚類(lèi)一級(jí)指標(biāo)等級(jí)評(píng)定結(jié)果見(jiàn)表8。

以方案1中指標(biāo)U1為例說(shuō)明變權(quán)灰云聚類(lèi)計(jì)算過(guò)程。將指標(biāo)數(shù)據(jù)輸入灰云白化權(quán)模型中，并依據(jù)式（13）得到100次計(jì)算結(jié)果的平均值，得到指標(biāo)U1關(guān)于5個(gè)等級(jí)的灰云聚類(lèi)系數(shù)（0，0，0，0.446 2，0.206 5），利用式（14）得到歸一化后的灰云聚類(lèi)系數(shù)（0，0，0，0.683 6，0.316 4）。按照上述步驟可依次求得另外9個(gè)評(píng)價(jià)指標(biāo)關(guān)于各等級(jí)的灰云聚類(lèi)系數(shù)，然后利用式（15）可求得方案1的綜合聚類(lèi)系數(shù)。最后依據(jù)各等級(jí)賦值及式（17）計(jì)算方案1的評(píng)分值為3.473 0，確定方案1的等級(jí)為一般。

對(duì)比表6和表7中常權(quán)賦權(quán)和變權(quán)賦權(quán)的計(jì)算結(jié)果可知，變權(quán)后各方案評(píng)分值明顯低于常權(quán)賦權(quán)得到的評(píng)分值。這是由于變權(quán)賦權(quán)方法有效地調(diào)動(dòng)了較差或很差指標(biāo)的參與度，并在一定程度上保持了較好指標(biāo)的優(yōu)勢(shì)，從而避免了較差指標(biāo)的消極作用被較好指標(biāo)掩蓋，能更充分體現(xiàn)指標(biāo)的特征，結(jié)果更為客觀可信。

由表7評(píng)分值得到風(fēng)電場(chǎng)選址排序?yàn)椋悍桨?方案4方案2方案1方案3。分析表8如下：橫向來(lái)看，方案5在風(fēng)能資源、自然條件、交通環(huán)境、風(fēng)機(jī)條件4個(gè)方面均處于較好或非常好的水平;縱向來(lái)看，方案5在單一方面均占有優(yōu)勢(shì)，使能源經(jīng)濟(jì)效益和船舶通航安全都處于較好的水平。與文獻(xiàn)[10]的評(píng)價(jià)結(jié)果一致，方案5為終選最優(yōu)方案，但文獻(xiàn)[10]中方案1與方案2的評(píng)分值一樣，而本文評(píng)價(jià)得到方案2稍?xún)?yōu)于方案1，這符合方案2中有效風(fēng)時(shí)更長(zhǎng)的優(yōu)勢(shì)情況，較為符合實(shí)際，這說(shuō)明變權(quán)灰云聚類(lèi)方法有著較好的分辨力。

通過(guò)模型實(shí)例分析，對(duì)變權(quán)灰云模型的優(yōu)勢(shì)[21]進(jìn)行總結(jié)：一是引入變權(quán)理論修正主觀權(quán)重，凸顯了較差或很差指標(biāo)對(duì)海上風(fēng)電場(chǎng)選址評(píng)價(jià)結(jié)果的影響，能較全面地體現(xiàn)客觀數(shù)據(jù)在決策中的影響;二是正態(tài)灰云模型能夠描述評(píng)估對(duì)象評(píng)價(jià)等級(jí)信息的隨機(jī)性、灰色性和模糊性，因而評(píng)估結(jié)果更能體現(xiàn)風(fēng)電場(chǎng)選址方案的實(shí)際情況;三是評(píng)估過(guò)程中考慮到白化權(quán)值的隨機(jī)性，進(jìn)行多次計(jì)算仿真求取灰云白化權(quán)平均值，并把平均值作為各指標(biāo)等級(jí)的灰云聚類(lèi)系數(shù)，因而評(píng)估過(guò)程更加可靠;四是采用灰云模型進(jìn)行計(jì)算，計(jì)算過(guò)程更為簡(jiǎn)便，從定性和定量?jī)煞矫娉尸F(xiàn)評(píng)估結(jié)果，確定風(fēng)電場(chǎng)選址最優(yōu)方案，考慮更為全面。

4 結(jié) 論

本文充分考慮深遠(yuǎn)海域海上風(fēng)電場(chǎng)選址過(guò)程中的不確定性和多擾動(dòng)性等特點(diǎn)，從實(shí)現(xiàn)能源經(jīng)濟(jì)效益最大化和保障船舶通航安全角度出發(fā)，構(gòu)建風(fēng)電場(chǎng)選址評(píng)價(jià)指標(biāo)體系;引入變權(quán)理論，修正評(píng)價(jià)指標(biāo)常權(quán)權(quán)重，消除了主觀影響，避免單一較差或很差指標(biāo)的消極影響被多數(shù)較好指標(biāo)所掩蓋，引起決策者的關(guān)注;同時(shí)采用正態(tài)云模型代替灰色白化權(quán)函數(shù)，構(gòu)建灰云白化權(quán)模型，提升模型的適應(yīng)空間，從定量和定性?xún)蓚€(gè)角度對(duì)備選場(chǎng)址方案數(shù)據(jù)進(jìn)行分析計(jì)算，確定最優(yōu)場(chǎng)址。通過(guò)模型計(jì)算和評(píng)估結(jié)果分析，最優(yōu)場(chǎng)址無(wú)論是在“效益”還是“安全”方面都處于較好及以上水平，實(shí)現(xiàn)了“效益”和“安全”的雙贏，同時(shí)變權(quán)灰云模型能夠充分考慮系統(tǒng)信息的隨機(jī)性和模糊性，具有一定的普遍適用性和可靠性，為海上風(fēng)電場(chǎng)選址提供了新的方法，可在相關(guān)領(lǐng)域進(jìn)行進(jìn)一步深入研究。參考文獻(xiàn)：

[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(fēng)電場(chǎng)場(chǎng)址優(yōu)選研究[D]. 大連： 大連海事大學(xué)， 2017.

[6] 薛雙飛， 謝磊， 王樹(shù)武， 等. 海上風(fēng)電場(chǎng)區(qū)船舶A*避碰尋路算法[J]. 中國(guó)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(yuǎn)海域海上風(fēng)電場(chǎng)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(mén)影響權(quán)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(quán)云物元模型在船舶定線制后評(píng)估中的應(yīng)用[J]. 上海海事大學(xué)學(xué)報(bào)， 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(jìn)變權(quán)物元可拓模型的電能質(zhì)量綜合評(píng)價(jià)[J]. 電網(wǎng)技術(shù)， 2013， 37（3）： 653-659.

[14] 王雁凌， 張雪佼， 閻敬民. 基于變權(quán)灰云模型的風(fēng)電場(chǎng)并網(wǎng)技術(shù)性綜合評(píng)價(jià)[J]. 電網(wǎng)技術(shù)， 2013， 37（12）： 3546-3551.

[15] 葛興， 姜波. 基于指標(biāo)定權(quán)灰色聚類(lèi)的公路平交口安全評(píng)價(jià)[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(quán)法的航空公司飛行安全風(fēng)險(xiǎn)灰色評(píng)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(guó)帥， 等. 基于灰云和改進(jìn)AHP的港口船舶應(yīng)急疏散模型[J]. 上海海事大學(xué)學(xué)報(bào)， 2017， 38（3）： 25-30， 60. DOI： 10.13340/j.jsmu.2017.03.005.

[18] 劉曉佳， 張荀， 汪強(qiáng)， 等. 基于灰云聚類(lèi)的港口水域通航環(huán)境危險(xiǎn)度評(píng)價(jià)[J]. 中國(guó)航海， 2019， 42（3）： 55-61.

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

[20] 強(qiáng)鳳嬌. 灰色聚類(lèi)決策歸類(lèi)原則探析[J]. 統(tǒng)計(jì)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(tài)灰云模型的裝備維修保障系統(tǒng)效能評(píng)估[J]. 系統(tǒng)工程與電子技術(shù)， 2019， 41（7）： 1576-1582.

（編輯 賈裙平）