陳人杰，李華取，彭曉濤，楊軍，董旭柱，劉首文，李祥杰

(1.武漢大學電氣與自動化學院，武漢市 430072；2.國網湖北省電力有限公司，武漢市 430077；3.國網內蒙古東部電力有限公司，呼和浩特市 010010)

0 引 言

在當前全球能源安全問題突出、環(huán)境污染問題嚴峻的大背景下，大力發(fā)展風電、太陽能發(fā)電、水電等可再生能源，實現能源生產的清潔化轉型， 是中國乃至全球能源與經濟實現可持續(xù)發(fā)展的重大需求[1]。由于綜合能源系統(tǒng)通過耦合電力、交通、天然氣、熱冷系統(tǒng)等多元能源，在滿足用戶側多樣化用能需求時，利用各類能源間的相互轉換和輸出能源在時間尺度上的互補，通過協(xié)同優(yōu)化以提高可再生能源利用率，因此成為新能源利用的主要承載方式[2-3]。與此同時，國內有些企業(yè)將云計算、大數據應用與智能電網相結合，通過采集和存儲數據，利用大數據挖掘和分析可以為能源供應商和電力用戶提供新能源發(fā)電功率預測和調度管理、用戶用能行為分析和節(jié)能效果評估等咨詢決策的新能源大數據服務(new energy big data service，NEBDS)。隨著電力系統(tǒng)市場化運營改革深化，NEBDS將成為一種促進可再生能源高效利用和提高節(jié)能減排效果的新能源運營方式，并日益受到重視[4-5]。

綜合評價作為利用多指標對評價對象進行量化分析的方法，可為完善綜合能源系統(tǒng)建設規(guī)劃、提高其運營效益提供決策支持依據，因此圍繞綜合能源系統(tǒng)能源利用效率、經濟環(huán)境效益等多視角綜合評價的研究，成為綜合能源系統(tǒng)除裝置和運營優(yōu)化策略研究以外值得關注的問題?；诖耍墨I[6-7] 從經濟、能耗和環(huán)境3個角度出發(fā)，構建了評價分布式冷熱電綜合能源系統(tǒng)運營效益的指標體系，并且文獻[8]利用信息熵和專家評價相結合的指標賦權研究了面向綜合系統(tǒng)運營的綜合評價模型，文獻[6]則基于層次分析(analytic hierarchy process，AHP)和熵權相結合的指標主客觀賦權，研究了系統(tǒng)多屬性加權決策模型。文獻[7]圍繞區(qū)域綜合能源系統(tǒng)的能源、裝置、配電網和用戶等環(huán)節(jié)建立綜合評價指標體系，基于網絡分析-反熵權的主客觀組合賦權建立了綜合評價模型。文獻[9]考慮政府、電網、區(qū)域綜合能源系統(tǒng)投資運營商、用戶等多主體利益，建立評價區(qū)域綜合能源系統(tǒng)能源、環(huán)境、經濟和安全的指標體系，利用集值迭代-反熵權主客觀組合賦權和物元可拓模型研究了綜合效益評價模型。NEBDS是近幾年才開始投入運營的新興技術服務，圍繞其運營效益評價的指標和方法研究還較少，但是隨著投入運營的NEBDS項目的增加，加強對項目運營的綜合評價研究不僅能實現具有不同數據服務特點項目間的橫向比較，而且能夠利用量化分析尋找數據服務平臺的不足，從而完善項目的建設、提高其運營效益。

提升NEBDS項目產生的綜合效益是其重要運營目標之一，而增加服務項目綜合效益的方式、方法多種多樣，如配置先進設備、更新算法、提高服務質量和降低服務價格、擴大服務用戶和拓展服務內容等，因此如何為優(yōu)化新能源大數據服務項目運營改進方案提供決策支持成為值得研究的問題。為此，本文從NEBDS項目的特點出發(fā)，通過總結綜合能源系統(tǒng)的綜合評價指標，圍繞數據服務在經濟、技術、環(huán)境和社會等方面產生的效益和提供的服務，建立面向大數據服務綜合運營效益評價的指標體系。在研究基于最小鑒別信息原理進行主客觀組合賦權的基礎上，從克服決策者主觀風險傾向影響綜合評價決策結果的不足出發(fā)，利用前景理論將投資者對收益、損失和風險的評估等心理活動考慮進方案決策，通過將前景理論與逼近理想解排序(technique for order preference by similarity to an ideal solution，TOPSIS)法相結合，提出面向NEBDS最優(yōu)服務項目排序的綜合評價方法，為投資者確定符合其內心客觀選擇預期的最優(yōu)運行方案提供決策支持。

1 NEBDS運營效益的評價指標

NEBDS是大數據技術在能源領域的應用，是能源與信息高度融合、互聯(lián)互通、透明開放、互惠共享的新型能源體系[10]。NEBDS的運營模式是數據中心通過對電網數據、環(huán)境數據、用戶數據進行監(jiān)控、收集、分析，從而為企業(yè)與用戶提供負荷預測、用戶用電管理、能源互聯(lián)、節(jié)能服務、清潔能源發(fā)電管理等服務。作為一種基于信息服務促進新能源消納的場景，NEBDS在為投資者產生經濟效益的同時，也能夠為社會與環(huán)境產生各種效益，例如通過可再生新能源利用實現環(huán)境保護、為社會提供優(yōu)質的節(jié)能降耗服務、促進社會經濟的高質量發(fā)展等。所以，對于NEBDS的評價，不能僅限于經濟價值，而需要從多視角進行衡量?；诖耍瑖@NEBDS產生效益的不同類別，本文從經濟、技術、環(huán)境、社會這4個方面構建評估其綜合效益的一級指標。同時，結合NEBDS運營服務特點，構建涵蓋其基本屬性與服務目標的二級指標，其綜合效益評價指標體系如圖1所示。

圖1 NEBDS綜合效益評價指標體系Fig.1 Comprehensive benefit evaluation indices of NEBDS

圖1中，經濟效益指標用于評價NEBDS項目年度運營的收支情況，由運行年費用A1與年利潤率A2兩個子指標組成，分別反映評估項目投資成本和創(chuàng)造的經濟收益效果。其中，運行年費用包括項目一次性投資成本均分到每年的投資數額與服務項目的每年運營維護成本。年利潤率表示項目年收入與運行年費用的比值，其中年收入主要統(tǒng)計為用戶提供各種能源大數據服務所獲得的收益，例如設備監(jiān)測管理、新能源發(fā)電和負荷預測等服務收益等。指標A1和A2的計算方法如下：

(1)

A2=∑Rn/A1

(2)

式中：H表示NEBDS項目一次性投資額；T表示NEBDS項目計劃運行時長，單位為年；f表示NEBDS項目每年的運維成本；Rn表示NEBDS項目的不同類別收益。

技術效益指標用于評價NEBDS項目的技術先進性。隨著新能源并網規(guī)模增加，電網源荷端的不確定性增強，因此提高新能源發(fā)電功率預測與負荷預測準確性對于促進電網的新能源消納具有重要作用，也是能源大數據服務的一項重要服務內容，故用新能源發(fā)電預測準確率B1與負荷預測準確率B2體現大數據平臺的數據分析能力。同時利用數據利用率B3來評價其數據服務被用戶認可和使用的能力。指標B1、B2和B3的計算方法如下：

(3)

(4)

(5)

式中：Qp1、Qp2分別表示數據統(tǒng)計周期內的新能源發(fā)電量和負荷需求的預測值；Qa1、Qa2分別表示統(tǒng)計周期內新能源發(fā)電量和負荷需求的實際值；Da1表示一年中有效使用的數據總量；Da2表示一年中收集的數據總量。

環(huán)境效益用于量化NEBDS對環(huán)境保護所做貢獻。由于借助大數據平臺對可再生能源發(fā)電進行集中管理和監(jiān)控，可提升可再生能源利用率，從而通過提升新能源消納水平以減少化石類能源的使用。同時，對用戶的合理用能管控也能從用能角度來促進節(jié)能環(huán)保。本文中采用低碳效益C1、新能源消納比C2、節(jié)能效益C3這3項指標來評價項目對環(huán)境保護的作用。低碳效益C1直接表示為項目碳排放量減少量，指標C2、C3計算方法如下：

(6)

(7)

式中：Qa表示消納的可再生能源年發(fā)電量；Qr表示可再生能源年總發(fā)電量；Qs表示能源節(jié)約量；Qu表示用戶使用節(jié)能服務前能源消耗量。

社會效益主要反映NEBDS為電網建設以及服務需求用戶帶來的效益。能源大數據能提供新能源發(fā)電管理服務，從而實現電網友好型新能源發(fā)電，同時在用電側分析用戶的用能特點，可為用戶提供個性化用能服務提供支撐。本文使用電網友好度D1與用戶滿意度D2作為社會效益的評價指標，指標計算方法如下：

(8)

(9)

2 基于最小信息論的主客觀組合賦權

在建立指標體系之后，合理確定各評價指標權重是構建綜合評價模型的基礎。為確定各評價指標在評價體系中所占權重，本文采用改進AHP與熵權進行指標的主觀和客觀賦權。

2.1 改進AHP賦權

AHP是將與決策有關的因素分為目標、準則、方案等層次，在此基礎上進行定性與定量決策的方法[11]。常規(guī)AHP賦權法包含建立模型、形成判斷矩陣、檢驗一致性這3個步驟。針對可能存在判斷矩陣不滿足一致性要求的不足，文獻[12]提出了一種改進AHP法，通過使形成的判斷矩陣為一致性矩陣，避免進行一致性校驗的問題。本文則進行多位專家共同利用改進AHP法[12]確定主觀權重的改進，以使指標主觀賦權更具合理性，具體賦權方法步驟如下所述。

設有L位專家共同參與確定m項評價指標主觀權重。首先，L位專家共同確定評價指標之間的相對重要性，并按照重要程度不減的原則進行排序，如式(10)所示。

Z1≥Z2≥…≥Zm

(10)

式中：Zj(j=1,…,m)表示m項評價指標的重要程度。

然后各專家按照式(10)所示指標重要程度順序，獨立給出相鄰兩個指標之間的重要度，重要度標度具體數值參考表1確定。

表1 指標相對重要程度的標度Table 1 Scale of relative importance of indices

將第i位專家確定的指標Zj與Zj+1之間的重要度記為tij，則可按照式(11)通過計算來確定判斷矩陣R的各元素。

(11)

式中：Rab表示判斷矩陣R第a行第b列元素，其中a=1,…,L和b=1,…,m。由于各位專家對指標的相對重要程度排序一致，因此所形成的矩陣R為一致性矩陣，不需要進行一致性校驗。利用式(12)可計算出各指標的主觀權重。

(12)

2.2 熵權賦權

熵是用于度量系統(tǒng)狀態(tài)的不確定性的熱力學概念[13]。熵權法是根據指標值離散程度來確定權重的賦權方法，指標值離散程度越大，則熵越大，其有用信息就越多，指標賦權就應偏大，反之亦然[14]。由于熵權法是根據指標自身特性來決定權重，具有客觀性，因此常用于指標客觀權重的確定。熵權法具體賦權方法步驟如下所述。

假設評價指標體系的取值有n個分析樣本，對指標值進行標準化處理后，按照式(13)計算第j項指標的熵值Ij。

(13)

(14)

式中：k是常數，一般取k=1/lnn；pij為第i個分析樣本中第j項指標對應的特征比重;xij為第i個分析樣本的第j項指標值。

接著在計算第j項指標差異系數vj的基礎上，按照式(15)確定第j項指標的客觀權重εj。

(15)

2.3 主客觀組合賦權

為綜合主觀賦權與客觀賦權的優(yōu)點，需要把主觀權重與客觀權重進行組合，常用的組合方法有線性加權和乘法加權。線性加權法是把主客觀權重按照一定的比例進行疊加，比例系數需要根據經驗獲得，缺乏說服力。而乘法加權容易導致“倍增效應”[13]。為使綜合權重盡可能不偏向于主觀和客觀權重中的任意一項，本文參考文獻[12]，采用最小鑒別信息原理建立優(yōu)化模型以確定綜合權重，如式(16)所示。

(16)

式中：w表示各指標綜合權重構成的向量；wj表示第j項指標的綜合權重。通過求解上述優(yōu)化模型可得各指標綜合權重的計算表達式：

(17)

3 基于前景理論改進TOPSIS的評價方法

在現有評價方法研究中，TOPSIS法是一種常用于評價排序的多目標決策方法[15-18]。針對不同NEBDS運營項目，用TOPSIS法可以通過比較綜合評價得分來確定不同運營項目的排序。雖然這種排序方法簡單易行，但沒有考慮項目投資者具有有限理性，對待收益與風險的態(tài)度不同，因此直接使用TOPSIS法就存在因無法將投資者的這些心理納入考慮，而使其主觀傾向對評價結果的合理性產生影響。

前景理論認為人的決策選擇取決于結果與展望(即預期、設想)的差距，同時現實決策中決策者只具有有限理性，因此其決策偏好會隨外界因素改變而變化[18]。心理學角度分析表明：投資者在面臨獲利時通常是風險厭惡，偏好確定的小收益；在面臨損失時是風險喜好的，寄希望于好運氣解決問題。并且人們對概率反應有一些非線性特點，即對于小概率會反應過敏，對大概率則會估計不足。這些因素表明在投資分析中應用前景理論，基于投資者內心參考點確定收益與損失，將會使方案評價結果更加趨于客觀[19]。為了更好體現決策者心理因素對決策結果影響，本文引入前景理論對TOPSIS排序方法進行改進，通過構建前景價值矩陣，為利用TOPSIS法進行評價結果合理排序奠定基礎。改進后的排序方法的具體實施步驟如下。

首先決策者對m個指標給出每一個指標的期望值，形成期望矩陣Q。同時，根據n個方案的所有指標值xij，按照式(18)進行標準化處理，形成n×m大小的決策矩陣X。

(18)

式中：xij為第i個方案(對應上文分析樣本)第j個指標的值；Xij為決策矩陣X第i行第j列元素；Qj表示期望矩陣的第j個元素；qj表示標準化后期望矩陣的第j個元素。

接著將指標分為收益型指標與成本型指標，并將決策矩陣中的每個標準化指標值與相對的期望值進行比較，得到收益(損失)矩陣S，矩陣中的元素由式(19)計算得到。其中，收益值與指標類型相關，對于收益型指標而言，若指標值大于期望值，則該超出部分對應為收益；若指標值小于期望值，則不足的部分對應為損失。成本型指標則與上述相反。

(19)

式中：sij表示收益(損失)矩陣S中第i行第j列元素。

利用收益(損失)矩陣S，按照式(20)可計算前景價值矩陣V中元素。

(20)

式中：Vij表示前景價值矩陣V中第i行第j列元素；α、β分別表示投資人承擔收益與損失的風險系數，其值越大，表示投資人越傾向于冒險；λ為損失規(guī)避系數，其值越大，表示投資人對損失越敏感。文獻[20]研究表明，當風險系數取值為0.88，損失規(guī)避系數為2.25時，前景理論的分析結果與實際決策者對于收益與損失的心理造成的決策結果較為接近。

TOPSIS法的基本思想是：計算現實中的每個方案距離最佳方案和最差方案的距離，利用理想解的相對接近度作為綜合評估的標準[16]。本文將前景理論與TOPSIS法相結合，把得到的前景價值矩陣V運用到正負理想點的選取中，并結合2.3節(jié)中權重確定方法計算出各備選方案至正負理想點的加權歐氏距離，從而進行方案排序。結合前景理論的改進TOPSIS方法的具體步驟如下：

首先選取正負理想點，其中第j個指標的正理想點和負理想點的計算如式(21)所示。

(21)

對于第i種方案，計算正理想點與負理想點的距離如式(22)所示。

(22)

最終由式(23)計算出各方案的貼近度并排序，即可得出理想方案。

(23)

式中：di表示第i個方案的方案貼近度。

4 算例分析

4.1 方案描述與權重確定

利用本文所提評價方法對5種不同NEBDS運營方案的年運行綜合效益進行比較。各運營方案的服務特點如下：方案1擬通過對項目運營進行大量投入以向用戶提供優(yōu)質服務，為回收投資建設大量數據采集系統(tǒng)成本而提高服務收費，導致選擇接入服務平臺的新能源場站數量較少，用于項目供電與發(fā)電服務的評價指標較其他4種方案都有提升；方案2同樣擬通過對項目進行更大投入以提升服務效果，但因其未提升服務價格，導致項目利潤率降低；方案3的改進則注重發(fā)電服務提升，使新能源發(fā)電預測能力與發(fā)電并網友好度指標得到了提升；方案4的改進更側重于用電側服務，如用電側用能行為的數據收集與分析、電能節(jié)約服務咨詢等；方案5是NEBDS的實際運營方案，作為前面4種采取不同綜合效益改進方案的對照方案。各方案評價指標的統(tǒng)計結果如表2所示。表2中，方案5的數據由實際運營方案得到，方案1—4是擬評價運行改進方案，其數據可利用歷史經驗數據，通過仿真、預測回歸分析、市場調研等方法建立。

表2 不同運營方案的評價指標統(tǒng)計結果Table 2 Statistics of evaluation indices for different operational scenarios

指標重要度數據如表3所示。表3中第一列從上至下為3位專家對指標重要性進行排序的結果。在此基礎上，各位專家對各指標相對重要程度的評價結果也如表3所示。表3中數字表示專家按照表1所示重要度標度確定的指標Zj與下一指標Zj+1之間的相對重要性。

表3 指標重要度數據Table 3 Index importance data

利用基于最小信息論的主客觀組合賦權法求取的各指標權重如表4所示。由表4所示的指標主觀權重可見，專家們關心的是NEDBS帶來的環(huán)境效益，指標重點放在發(fā)電側與用電側對環(huán)境保護的效果；其次是項目的收益情況，項目的投資成本與各技術效益、社會效益占有差不多比重。表4中客觀權重是由5個方案中各指標值的離散程度確定。主客觀綜合權重表明項目收益率與低碳效益在該算例中影響最大，節(jié)能效益、用戶滿意度、電網友好度起到較重要的作用，其他效益指標起到的影響較小。

表4 指標權重Table 4 Weights of indices

4.2 考慮前景理論的改進TOPSIS運營方案評價

選取所有方案指標的平均值作為該指標的期望值Q，經式(20)計算出價值矩陣V具體數值，如表5所示。將前景價值矩陣應用到改進TOPSIS排序方法中，最終得到了各方案排序結果：方案1>方案4>方案3>方案2>方案5，各運營方案綜合效益的具體評價結果如圖2所示。

表5 前景價值矩陣Table 5 Matrix of prospect values

綜合表5和圖2得分情況分析可知，雖然方案1的大部分指標都超出參考值且數值占優(yōu)，但其在低碳效益與項目收益率兩項重要指標上卻有所欠缺，所以雖然最終排序第一，但與排序第二和第三的差距甚微。方案4的數據服務重點是對用電服務較為關注，雖然在用電服務和用電評價方面取得較優(yōu)評價效果，但由于其在降低碳排放量與促進新能源發(fā)電消納方面的服務效果欠佳，因此綜合評價結果排第二。方案3的數據服務重點放在發(fā)電服務上，雖然其低碳效益與項目服務年利潤率都取得最優(yōu)值，但在其他指標上相對于方案1都有所欠缺，并且對幫助用戶節(jié)能的服務效果較差，故排序第三，并且與方案4相差很小。方案2在方案1的基礎上減小項目投資，且相關服務效果也處于較優(yōu)值，但由于其項目收益率過低，并且在前景理論中該指標前景值是一個巨大損失，而項目收益率又是最重要指標之一，故該運行方案的最終評價結果與前3個方案相差較大，僅排第四。方案5作為對比方案，其得分較低，據此也可以看出，其他4種方案與對比方案5相比較都各有優(yōu)勢。

圖2 考慮前景理論的不同運營方案綜合效益評價結果Fig.2 Evaluation results of the comprehensive benefits of different operational scenario considering prospect theory

對比分析表明，在4種改進方案中，方案1是最適合的改進運營方案，方案3與方案4因得分相近可作為改進運營的備選方案，方案2相比較而言不適合作為新的運營方案。

4.3 基于TOPSIS法的運營方案評價

指標權重確定依舊采用4.1節(jié)中的結果，但在排序方法上不引入前景理論，即直接使用各運營方案評價指標值xij替代式(22)中的Vij，進行基于TOPSIS方法的最優(yōu)運營方案排序，最終的運營效益排序結果如圖3所示，即方案3>方案1>方案4>方案2>方案5。

圖3 基于TOPSIS法的不同運營方案綜合效益評價結果Fig.3 Evaluation results of the comprehensive benefits of different operational scenario according to TOPSIS method

將圖3與圖2的排序結果對比可知，與考慮前景理論的排序結果相比，除了方案3超過了前2種運營方案，成為第一外，其他運營方案排序沒有變化，并且前3種方案綜合評價結果的差距擴大，而方案2與前3種方案之間的差距縮小。由于前景理論考慮了決策者對于方案收益與損失風險的不同選擇，在本算例中，具體表現在對收益面臨風險的考慮更為保守，而對損失規(guī)避更具傾向性，這使得方案3中兩個權重占比最高指標帶來的收益減小，最終使服務評價指標較為綜合考慮的方案1成為最優(yōu)選擇。同時，前3種方案的收益經過縮小，而損失進行放大后，實際最終評價結果相差較小。而對于方案2，其對于項目收益率這個權重占比較大的指標的損失進一步放大，充分顯示了投資者的損失規(guī)避特點，也可以說由于該方案投資收益率過低，完全沒有達到投資者預期，所以該指標對此方案進行了一票否決。

從上述2種方案排序方法比較可以看出，引入前景理論改進TOPSIS排序法，能更好考慮決策者的主觀風險傾向，通過縮小部分指標的收益優(yōu)勢，同時對不及格指標帶來的損失進行放大，從而能引導投資者選出更為合適的綜合方案。

4.4 不同指標權重的靈敏度分析

在確定運營方案1為最優(yōu)改進方案的基礎上，進一步進行指標權重變化對貼近度影響的靈敏度分析。設定各指標初始權重為0.1，待分析指標權重逐步增加到0.2的同時，其余指標權重按相同變化量減小，并且減小權重的總和與待分析指標的增加權重在數值上相等，用改進TOPSIS法計算方案與正負理想指標所對應方案的距離，即方案貼近度d。方案1貼近度對各指標權重變化的響應結果如圖4所示。

圖4 方案1各指標權重靈敏度分析Fig.4 Sensitivity analysis of each index weight in scenario 1

由式(23)方案貼近度的表達式可知，方案貼近度正向變化越大說明指標由前景理論計算得到的前景值越大，該指標值越理想，更接近正理想點；方案貼近度負向變化越大說明指標的前景值越小，該指標值越不理想，更接近負理想點。由圖4可知，方案1中，年利潤率A2指標的方案貼近度正向變化幅值最大，低碳效益C1指標的方案貼近度負向變化幅值最大。兩者分別對應了方案1的最優(yōu)指標與最差指標，按照方案貼近度從高到低排列的變化可以看出方案1中其余各指標值的優(yōu)劣。其余4個方案貼近度對指標權重變化的響應分析結果同樣驗證了這一特點，即貼近度變化與指標權重變化近似為線性關系。因此指標的合理賦權對提高評價結果具有重要作用。

5 結 論

本文結合能源大數據服務的運營特點，構建了一套適合評價其綜合效益的評價指標體系，同時采用最小鑒別信息原理研究了指標利用改進層次分析和熵權的綜合賦權，基于前景理論與TOPSIS法結合提出了面向NEBDS運營綜合效益評價的排序方法。該方法能在多種運營改進方案存在的條件下，選擇出運營方案改進的最優(yōu)解，從而為優(yōu)化新能源大數據服務項目的未來運行方案提供決策支持。通過仿真分析研究，得出以下結論：

1)本文采用最小鑒別信息原理進行主觀加權與客觀加權結合的組合賦權具有合理性。

2)引進前景理論改進TOPSIS的排序方法，對于某種運營方案在特定指標上有較高收益情況，可以將其總收益效果進行減小，同時又能放大某種方案在某指標上的損失效果，從而更好模擬投資者對增加收益與減小損失風險的偏好，以及規(guī)避損失的心理，可提高評價結果的有效性與合理性。

值得指出的是，本文的重點是研究一種面向提升新能源大數據服務項目綜合效益運營改進方案優(yōu)選的評價方法。所設計的綜合效益評價指標體系相對簡單，在指標評價的覆蓋全面性方面還存在不足，如何拓展指標體系，對新能源大數據項目進行更深入全面的綜合效益評價，是值得在后續(xù)研究中進一步開展的工作之一。此外，本文所建立的綜合效益評價方法，也可用于對其他運行場景下的綜合能源服務項目進行綜合效益評估。