邵 萌，張淑蕾，孫金偉，韓志欣，趙遠續(xù)，張夢溪

(中國海洋大學(xué)工程學(xué)院，山東 青島 266100)

海洋能作為一種儲量豐富、開發(fā)前景廣闊的可再生能源，近年來正逐漸成為關(guān)注熱點[1-2]。海島是中國海洋能發(fā)電的主要應(yīng)用對象之一，海洋能發(fā)電可以解決海島的供電問題，推動海島經(jīng)濟發(fā)展，充分發(fā)揮海島的戰(zhàn)略地位，具有重要的經(jīng)濟與軍事意義[3]。針對海島海洋能開發(fā)存在的能流密度偏低、單一海洋能發(fā)電裝置發(fā)電效率低、可靠性差等問題，海島海洋能多能互補成為中國海洋能開發(fā)利用的重要發(fā)展方向[4]。橫觀國內(nèi)外海洋能發(fā)展現(xiàn)狀，目前國際上產(chǎn)業(yè)化程度最高的是海上風(fēng)力發(fā)電，而國內(nèi)波浪能發(fā)電處于示范化階段[5]，從資源、技術(shù)等角度考慮，風(fēng)能與波浪能互補在可靠性、安全性、經(jīng)濟性和環(huán)境效益等方面表現(xiàn)優(yōu)異，同時可以實現(xiàn)以風(fēng)帶浪，推動波浪能產(chǎn)業(yè)化進程[6]。

為推進海島風(fēng)浪互補電站開發(fā)，其前期決策尤其是選址決策至關(guān)重要，將直接影響未來的經(jīng)濟與社會效益。目前，國內(nèi)外對風(fēng)浪互補電站選址的研究較少。Margarita等[7]結(jié)合地理信息系統(tǒng)(Geographic information system，GIS)和多準(zhǔn)則決策(Multi-criteria decision making，MCDM)方法，應(yīng)用層次分析法(Analytic hierarchy process，AHP)求解評價指標(biāo)的權(quán)重并進行方案排序，確定了在希臘克里特島近海地區(qū)建造風(fēng)浪互補電站的適宜區(qū)域。Cradden等[8]應(yīng)用GIS中的決策支持工具進行風(fēng)能與波浪能的資源分析，將資源數(shù)據(jù)可視化，研究結(jié)果表明歐洲北部和西部的資源條件符合要求、適宜開發(fā)。

目前，國內(nèi)外學(xué)者對單一能源選址進行了大量研究，從風(fēng)、浪資源角度考慮，主要集中在風(fēng)電場的選址，對波浪能電站的選址研究較少。在風(fēng)電場選址方面，Mahdy等[9]將GIS和AHP結(jié)合，應(yīng)用簡單加權(quán)法進行方案排序，繪制埃及海上風(fēng)電場的適宜性地圖，分級顯示了紅海附近適宜建造風(fēng)電場的區(qū)域，為埃及海上風(fēng)電場建設(shè)提供了參考。Kim等[10]將選址評價指標(biāo)分類，利用GIS在大尺度上對韓國濟州島地區(qū)海上風(fēng)電場可行區(qū)域進行了評價。Cavazzi等[11]應(yīng)用一種基于GIS的工具來評估英國的海上風(fēng)能潛力，該工具考慮到經(jīng)濟因素，例如開發(fā)成本、維護成本和生產(chǎn)收益等。Aymen等[12]從電網(wǎng)運行安全性、經(jīng)濟投資可行性以及站點容量性能等角度考慮，應(yīng)用AHP結(jié)合GIS進行選址評估確定最佳海上風(fēng)力發(fā)電場。Moradi等[13]應(yīng)用GIS和AHP進行伊朗中部風(fēng)資源的評估，從最不適宜到最適宜將場址適宜性程度劃分為8個層次，結(jié)果表明研究區(qū)域的20%適合風(fēng)電場開發(fā)。Hofer等[14]考慮到經(jīng)濟、政治和環(huán)境等方面，依托AHP與簡單加權(quán)法得到風(fēng)電場的區(qū)域適宜性指數(shù)，結(jié)合GIS得到德國亞琛市風(fēng)電場開發(fā)適宜區(qū)域。Baseer等[15]應(yīng)用AHP確定指標(biāo)權(quán)重并在GIS中應(yīng)用簡單加權(quán)法確定方案適宜性指數(shù)，將其劃分成六個層次以確定阿拉伯地區(qū)風(fēng)電場的適宜開發(fā)區(qū)域。在波浪能電站選址方面，Ghosh等[16]首先依據(jù)AHP確定評價指標(biāo)的權(quán)重，隨后提出一種基于人工神經(jīng)網(wǎng)絡(luò)的MCDM方法確定英國和牙買加地區(qū)波浪能轉(zhuǎn)換裝置安放位置的適宜性指數(shù)。Abaei等[17]基于概率影響參數(shù)建立貝葉斯網(wǎng)絡(luò)模型并將其擴展到影響圖，提出一種新型選址決策方法來評估澳大利亞塔斯馬尼亞州波浪能發(fā)電裝置不同安放位置的預(yù)期效用。

由以上研究可知，目前風(fēng)浪互補電站選址或風(fēng)、浪單一能源電站選址主要集中在大尺度選址，即基于GIS或GIS與MCDM結(jié)合得到適宜性區(qū)劃[18]。適宜性區(qū)劃將可開發(fā)區(qū)域分為若干等級，并不能直接用于確定最優(yōu)站址。因此風(fēng)浪互補電站小尺度選址需進一步開展。

同時，目前電站選址的評價指標(biāo)權(quán)重計算大多采用特征向量法(AHP的核心算法)，即主觀賦權(quán)法。特征向量法主要依靠專家的主觀判斷確定判斷矩陣，因而難以避免主觀偏差，進而影響權(quán)重及最終計算結(jié)果的客觀性及魯棒性。方案排序算法多采用簡單加權(quán)法，因為其計算過程簡單，可直接應(yīng)用GIS工具進行求解，但其數(shù)學(xué)模型不夠清晰[19]。

針對風(fēng)浪互補電站選址決策領(lǐng)域存在的問題，本文提出海島風(fēng)浪互補電站小尺度選址決策方法，該方法包括決策模型構(gòu)建和模型求解算法兩部分。與大尺度選址決策方法相比，評價指標(biāo)體系更復(fù)雜、全面，可以得出備選方案優(yōu)先序列，直接服務(wù)于決策部門的最終站址選擇，因此可以大大推動中國海洋能的產(chǎn)業(yè)化進程，為科學(xué)選址提供理論支撐。該方法在指標(biāo)權(quán)重求解算法中采用組合權(quán)重法，將特征向量法和熵值法相結(jié)合，并引入集體決策理論，克服了單一主觀賦權(quán)方法的弊端，降低主觀偏差。在方案排序算法中選用TOPSIS方法，其數(shù)學(xué)意義明確，充分利用原始數(shù)據(jù)，減少信息損失。最后，將本方法應(yīng)用于青島市海島風(fēng)浪互補電站選址決策中，通過敏感性分析驗證方法的科學(xué)性與魯棒性。

1 海島風(fēng)浪互補電站選址決策模型構(gòu)建

海島風(fēng)浪互補電站選址決策所涉及的影響因素眾多，根據(jù)文獻綜述法、專家調(diào)查法，結(jié)合風(fēng)浪發(fā)電技術(shù)，構(gòu)建模型評價指標(biāo)集[20]，包括資源條件、自然條件、經(jīng)濟因素和社會因素4個一級指標(biāo)及其相應(yīng)的15個二級指標(biāo)。

1.1 資源條件指標(biāo)

資源條件指標(biāo)是反映資源豐富程度及可開發(fā)程度的重要指標(biāo)。本文根據(jù)風(fēng)能、波浪能資源評估方法[21]，建立資源條件二級指標(biāo)集，包括年平均波功率密度、年平均有效波高、年有效波浪小時數(shù)、年平均風(fēng)速、年平均風(fēng)功率密度和年有效風(fēng)小時數(shù)。其中，年平均波功率密度和年平均有效波高用于衡量波浪能潛在開發(fā)能力[22]。波功率密度和波高的原始數(shù)據(jù)擬通過SWAN計算模型得到，模型的輸入為實際水深、風(fēng)場等條件，波功率密度計算方法見公式(1)[23]。年平均風(fēng)功率密度和年平均風(fēng)速是衡量風(fēng)能資源的重要指標(biāo)，風(fēng)場數(shù)據(jù)來源于歐洲中期天氣預(yù)報中心(ECMWF)[23]，風(fēng)功率密度計算方法見公式(2)[24]。年有效波浪小時數(shù)和年有效風(fēng)小時數(shù)影響波浪能和風(fēng)能裝置的運行時間[24]。

(1)

式中：Pwave為波功率密度(kW/m)；ρ為海水密度，取1 025 kg/m3；Hs為有效波高(m)；g為重力加速度，取9.798 m/s2；TE為能量周期(s)。

(2)

式中：Pwind為風(fēng)功率密度(W/m2)；ρ為空氣密度(kg/m3)；n為設(shè)定時段內(nèi)的記錄數(shù)；vi為第i次記錄的風(fēng)速。

1.2 自然條件指標(biāo)

自然條件的優(yōu)劣會對海島風(fēng)浪互補電站的建造難度、投資效益、運營風(fēng)險等產(chǎn)生直接影響。自然條件指標(biāo)的二級指標(biāo)包括水深、潮差、海底地質(zhì)和海島地形。水深在一定程度上會限制風(fēng)能、波浪能發(fā)電裝置的類型和規(guī)模，同時會影響海底電纜布置的成本和安裝工藝。潮差是指在一個潮汐周期內(nèi)，相鄰高潮位與低潮位之間的差值,會影響風(fēng)能、波浪能發(fā)電裝置的設(shè)計、安裝與運維。海底地質(zhì)影響著安裝發(fā)電裝置和海底電纜的方式。海島地形會影響岸上中央控制室和陸上電纜路由的設(shè)計。

1.3 經(jīng)濟因素指標(biāo)

經(jīng)濟因素指標(biāo)影響海島風(fēng)浪互補電站的建造和運營成本，建立的二級指標(biāo)包括總成本和國民生產(chǎn)總值。總成本旨在衡量海島風(fēng)浪互補獨立電站建設(shè)的資金投入，包括電站的建設(shè)、運行和維護等費用[25]。國民生產(chǎn)總值反映了海島的經(jīng)濟狀況，國民生產(chǎn)總值越高，該海島建設(shè)電站的需求程度越大。

1.4 社會因素指標(biāo)

社會因素指標(biāo)的二級指標(biāo)包括交通條件、與規(guī)劃相符程度和電力需求匹配供給的程度。交通條件指航運條件及島上交通狀況，影響電站的安裝和運維。與規(guī)劃相符程度反映了當(dāng)?shù)叵嚓P(guān)政策對海島的支持程度。電力需求與供給匹配程度可以根據(jù)當(dāng)?shù)厝丝冢?dāng)前電力情況以及基礎(chǔ)設(shè)施建設(shè)情況確定，反映了建設(shè)電站的緊迫程度。

基于評價指標(biāo)集構(gòu)建的海島風(fēng)浪互補電站選址決策模型如圖1所示。

圖1 選址決策模型

海島風(fēng)浪互補電站選址決策模型的評價指標(biāo)具有定性與定量混雜、量綱不一致、指標(biāo)值導(dǎo)向不一致等問題。根據(jù)評價指標(biāo)的導(dǎo)向不同，可以將其分為效益型指標(biāo)和成本型指標(biāo)。在進行方案排序之前，需對指標(biāo)體系進行規(guī)范化處理。通過1～9打分法實現(xiàn)定性指標(biāo)的定量化和無量綱化。向量規(guī)范化法經(jīng)驗證是TOPSIS最適合的規(guī)范化方法[26]，因此采用向量規(guī)范化法實現(xiàn)指標(biāo)體系的規(guī)范化，如公式(3)～(4)所示[27]。

效益型指標(biāo)：

(3)

成本型指標(biāo)：

(4)

式中：i=1,2,…,m;j=1,2,…,n；xij為第i個方案中第j個指標(biāo)的屬性值；rij為第i個方案中第j個指標(biāo)規(guī)范后的屬性值。

2 海島風(fēng)浪互補電站選址決策模型求解

海島風(fēng)浪互補電站選址決策模型的求解算法主要包括權(quán)重求解算法和方案排序算法兩大部分。

2.1 權(quán)重求解算法

權(quán)重求解的方法通常包括主觀賦權(quán)法和客觀賦權(quán)法。由新能源選址決策文獻綜述[18]可知，目前應(yīng)用最多的賦權(quán)方法是特征向量法。特征向量法根據(jù)專家對評價指標(biāo)重要程度的主觀判斷形成判斷矩陣，通過求解判斷矩陣的特征值和特征向量得到評價指標(biāo)的權(quán)重，計算結(jié)果受專家的主觀判斷支配，往往具有主觀偏差。

為降低特征向量法的主觀偏差，本文基于特征向量法、熵值法、集體決策理論建立組合賦權(quán)算法。其計算規(guī)則是將集體決策理論引入特征向量法計算一級指標(biāo)權(quán)重，采用熵值法計算二級指標(biāo)權(quán)重。相比單一特征向量法，該方法能夠集合不同專家的偏好從而形成集體偏好，避免單個專家判斷的主觀偏差，使計算結(jié)果更趨于客觀。另外，在考慮專家主觀信息的同時能夠充分利用指標(biāo)屬性值客觀數(shù)據(jù)，根據(jù)數(shù)據(jù)的熵修正主觀判斷，從而進一步提高計算結(jié)果的準(zhǔn)確性和魯棒性。

2.1.1 特征向量法 特征向量法(Eigenvector method)[28]由Saaty提出，是在可再生能源選址領(lǐng)域求解評價指標(biāo)權(quán)重的最常用方法。通過特征向量法計算評價指標(biāo)權(quán)重的過程如下：

(1)構(gòu)造判斷矩陣。假設(shè)有n個評價指標(biāo)，專家通過Saaty的1～9標(biāo)度法[28]對每個評價指標(biāo)進行兩兩比較判斷其相對重要性，從而構(gòu)建判斷矩陣：

B=(bij)n×n。

(5)

式中，bij為評價指標(biāo)bi對評價指標(biāo)bj的相對重要性。

(2)計算判斷矩陣的最大特征值及其相應(yīng)的特征向量通過公式(6)求解判斷矩陣的最大特征值及其相應(yīng)的特征向量：

Bw=λmax。

(6)

式中：λmax為判斷矩陣B的最大特征值;w為對應(yīng)最大特征值的特征向量。

(3)判斷矩陣的一致性檢驗。為保證判斷矩陣的一致性，需進行一致性檢驗。一致性檢驗可用一致性比率和一致性指標(biāo)來衡量：

(7)

(8)

式中:CR為一致性比率；CI為一致性指標(biāo)；RI為隨機一致性指標(biāo)。RI根據(jù)n的數(shù)值由表1確定。判斷CR是否小于0.1，若小于則說明判斷矩陣滿足一致性要求，若不小于則說明不滿足一致性要求，需要重新構(gòu)建判斷矩陣。

(2) 針對庫水作用下的巖質(zhì)邊坡穩(wěn)定性研究，在靜力方面已經(jīng)取得很多研究成果，但是，目前針對庫水作用下復(fù)雜地質(zhì)構(gòu)造巖質(zhì)邊坡地震響應(yīng)特征的研究尚無文獻進行研究，尤其是庫時驟降對邊坡穩(wěn)定性較為不利已經(jīng)成為了共識，但是，庫水驟降及地震作用兩個不利因素聯(lián)合作用下，復(fù)雜地質(zhì)構(gòu)造巖質(zhì)邊坡的動力穩(wěn)定性及其破壞演化過程還需要深入探討。

表1 n階矩陣的隨機指標(biāo)RI

2.1.2 集體決策方法 為使評價結(jié)果趨于客觀，在評價指標(biāo)權(quán)重的計算中引入集體決策理論，降低主觀偏差[29]。設(shè)有l(wèi)個專家，組成專家集E={E1,E2,…,El}，其相應(yīng)的權(quán)重為{e1,e2,…,el}。對于專家El，求解的評價指標(biāo)權(quán)重為{w1,w2,…,wl}。則集體決策后的評價指標(biāo)權(quán)重可由公式(9)計算得到：

(9)

2.1.3 熵值法 熵值法是根據(jù)樣本數(shù)據(jù)觀測值的大小和相互之間的差異程度來計算指標(biāo)權(quán)重[30]。熵越大意味著該評價指標(biāo)對決策的影響越小，即該指標(biāo)的權(quán)重越小。反之，熵越小意味著該評價指標(biāo)對決策的影響越大，該指標(biāo)的權(quán)重越大。用熵值法計算評價指標(biāo)權(quán)重的過程如下：

(1)計算第i個方案中第j個指標(biāo)的比重：

(10)

式中：i=1,2,…,m;j=1,2,…,n；pij為第i個方案中第j個指標(biāo)的比重。

(2)計算第j個評價指標(biāo)的熵值:

(11)

(12)

式中：i=1,2,…,m;j=1,2,…,n;Ej為第j個評價指標(biāo)的熵值；K為系數(shù)。

(3)計算第j個評價指標(biāo)的權(quán)重:

(13)

式中，wj為第j個評價指標(biāo)的權(quán)重。

2.1.4 組合權(quán)重法 針對海島風(fēng)浪互補電站選址決策模型，提出組合權(quán)重法。其計算規(guī)則是分別求解一級指標(biāo)和二級指標(biāo)的權(quán)重，其中一級指標(biāo)權(quán)重通過特征向量法、集體決策方法計算，二級指標(biāo)權(quán)重通過熵值法計算，最后通過公式(14)求解組合權(quán)重:

(14)

2.2 方案排序算法

在幾何意義上，TOPSIS旨在選取與理想方案的歐幾里德距離最短的方案，更為直觀地展現(xiàn)排序結(jié)果[31]，數(shù)學(xué)模型清晰。TOPSIS的計算原理為分別求解各備選方案與正理想解和負理想解之間的歐式距離計算相對貼近度，進而對備選方案進行排序。具體計算步驟如下：

(1)求解加權(quán)規(guī)范化決策矩陣：

(15)

(2)確定正理想解和負理想解。正理想解由加權(quán)規(guī)范化決策矩陣V中每列的最大值組成，用A+表示；相反，負理想解由V中每列的最小值組成，用A-表示：

(16)

(17)

式中：i=1,2,…,m;j=1,2,…,n。

(3)計算歐式距離。利用公式(18)～(19)計算各備選方案與正理想解和負理想解的距離：

(18)

(19)

(4)計算相對貼近度并對備選方案進行排序。通過公式(20)計算各個備選方案的相對貼近度。相對貼近度越大，方案越優(yōu)；相對貼近度越小，方案越劣。相對貼近度最大的方案為最優(yōu)方案：

(20)

式中Ci為第i個備選方案的相對貼近度。

3 應(yīng)用實例

青島市所轄海島120個，有居民海島7個[32]，海島總面積約占15.04 km2，海島海岸線長度約達122.92 km。海島風(fēng)、浪資源豐富，目前海島電力資源緊缺，海島風(fēng)浪互補電站可以極大緩解海島用電問題[33]。將本文提出的海島風(fēng)浪互補電站選址決策方法應(yīng)用于青島市海島風(fēng)浪互補電站選址決策中。

3.1 建立選址決策模型

根據(jù)青島市風(fēng)浪互補大尺度選址[34]的結(jié)果及文獻調(diào)研、實地調(diào)查，確定出4個備選海島，分別為女島、小麥島、竹岔島和三平島，構(gòu)成備選方案集A={A1,A2,A3,A4}。通過數(shù)據(jù)調(diào)查、現(xiàn)場觀測及數(shù)值模擬等手段，得到各方案評價指標(biāo)的屬性值如表2所示。其中，資源條件指標(biāo)數(shù)據(jù)來源及計算方法見1.1，均為定量指標(biāo)。自然條件指標(biāo)中，水深數(shù)據(jù)來源于大洋地勢圖[35]，潮差數(shù)據(jù)來源于《中國近海海洋圖集(山東省海島海岸帶)》[36]，海底地質(zhì)數(shù)據(jù)來源于《中國近海海洋圖集(海底地形地貌)》[37]，海島地形數(shù)據(jù)來源于《中國海島志(山東卷)》[38]，均為定性指標(biāo)，采用專家打分法得到。經(jīng)濟因素指標(biāo)中，總成本根據(jù)離岸距離、離港距離、海底電纜鋪設(shè)費用和裝置費用等預(yù)估，國民生產(chǎn)總值數(shù)據(jù)來源于《中國海島志(山東卷)》[38]，均為定量指標(biāo)。社會因素指標(biāo)中，交通條件數(shù)據(jù)來源于《山東省海洋功能區(qū)劃》[39]，與規(guī)劃相符程度數(shù)據(jù)來源于《青島市海島保護規(guī)劃》[32]，電力需求與供給匹配程度數(shù)據(jù)來源于《中國海島志(山東卷)》[38]以及政府公開發(fā)布的統(tǒng)計年鑒，均為定性指標(biāo)，采用專家打分法得到。

表2 屬性值矩陣

對定性指標(biāo)進行定量化處理后，進一步經(jīng)過向量規(guī)范化法對指標(biāo)進行規(guī)范化處理，得到規(guī)范化決策矩陣(見表3)。

表3 規(guī)范化決策矩陣

3.2 求解指標(biāo)權(quán)重

基于特征向量法和集體決策方法求解一級指標(biāo)權(quán)重。將15位專家分為5組，記為E={E1,E2,E3,E4,E5}，權(quán)重為{0.3,0.3,0.2,0.1,0.1}。根據(jù)1～9標(biāo)度法，各專家組對評價指標(biāo)集的判斷矩陣依次為：

(21)

計算得到各判斷矩陣的最大特征值、一致性指標(biāo)、一致性比率等如表4所示。經(jīng)驗證CR<0.1，所有判斷矩陣均滿足一致性要求，故表5所示結(jié)果即為各專家組確定的一級指標(biāo)權(quán)重。經(jīng)公式(9)得到5個專家組的集體決策結(jié)果，故海島風(fēng)浪互補電站選址決策模型的一級指標(biāo)權(quán)重為(0.576 2,0.119 6,0.233 5,0.070 7)。由計算結(jié)果可知，資源條件指標(biāo)所占權(quán)重大于50%，是最重要的指標(biāo)，在選址過程中應(yīng)著重考慮。經(jīng)濟因素指標(biāo)權(quán)重為23.35%，僅次于資源條件指標(biāo)。自然條件指標(biāo)和社會因素指標(biāo)權(quán)重分別為11.96%和7.07%，重要性稍低。

表4 一致性檢驗

表5 各專家組的一級權(quán)重

二級指標(biāo)權(quán)重基于熵值法求解，通過公式(10)～(13)計算，計算結(jié)果見表6。由計算結(jié)果可知，資源條件指標(biāo)中波浪能相關(guān)的二級指標(biāo)權(quán)重C11、C12、C13遠大于風(fēng)能相關(guān)的二級指標(biāo)C14、C15、C16，表明波浪能資源的優(yōu)劣對選址的影響更大。自然條件指標(biāo)中水深C21的權(quán)重占比約68%，說明其在自然條件指標(biāo)中的絕對重要性。在經(jīng)濟因素指標(biāo)中，國民生產(chǎn)總值C32的熵遠小于總成本C31的熵，因此其權(quán)重遠大于總成本權(quán)重。社會因素指標(biāo)中，交通條件C41和電力需求與規(guī)劃相符程度C43指標(biāo)權(quán)重相對較大。

表6 熵值法計算結(jié)果

根據(jù)公式(14)求得組合權(quán)重見表7。通過分析計算結(jié)果發(fā)現(xiàn)，年有效波高權(quán)重最大，為20.92%，可見波浪能資源條件的優(yōu)劣對選址決策起著至關(guān)重要的作用。國民生產(chǎn)總值權(quán)重為23.16%，表明當(dāng)?shù)氐慕?jīng)濟發(fā)展?fàn)顩r對選址決策有較大影響。與此同時，自然條件指標(biāo)和社會因素指標(biāo)權(quán)重相對較小，該兩個一級指標(biāo)下的所有指標(biāo)權(quán)重均不超過10%，對整體選址決策的影響較小。

表7 組合權(quán)重

3.3 方案排序

由規(guī)范化后各指標(biāo)的屬性值以及各評價指標(biāo)的組合權(quán)重，求得加權(quán)規(guī)范化決策矩陣V=[V1,V2,V3,V4]。

(22)

通過公式(16)～(19)分別求得正理想解、負理想解及各方案相應(yīng)的歐式距離，如表8、9所示。通過公式(19)求得各備選海島的相對貼近度C=(0.179 7, 0.186 0, 0.854 6, 0.022 5)，故A3(竹岔島)>A2(小麥島)>A1(女島)>A4(三平島)。竹岔島由于其波浪能資源最優(yōu)，國民生產(chǎn)總值最高，其相對貼近度遠大于其他三個海島。因此，竹岔島為青島市建設(shè)海島風(fēng)浪互補電站的首選海島。

表8 正理想解與負理想解

表9 備選方案與正理想解、負理想解的歐式距離

3.4 敏感性分析

為檢驗計算結(jié)果的魯棒性并驗證決策方法的可行性和科學(xué)性，進一步對計算結(jié)果進行敏感性分析。敏感性分析通過改變評價指標(biāo)的權(quán)重進行，包括三個方面：一級指標(biāo)權(quán)重相等，二級指標(biāo)權(quán)重不變；一級指標(biāo)權(quán)重不變，二級指標(biāo)權(quán)重相等；忽略各指標(biāo)之間的差異性，使各指標(biāo)的權(quán)重相等。計算結(jié)果分別見表10～12。

表10 一級指標(biāo)等權(quán)下各指標(biāo)組合權(quán)重

根據(jù)變化后的各指標(biāo)權(quán)重，求得各方案的相對貼近度及排序結(jié)果如表13所示。從計算結(jié)果可以看出，隨著指標(biāo)權(quán)重的變化，方案相對貼近度發(fā)生變化，但方案排序結(jié)果沒有變化，故在一定程度上驗證了該方法的魯棒性。因此本文提出的海島風(fēng)浪互補電站選址決策方法具有較強的可行性與穩(wěn)定性。

表11 二級指標(biāo)等權(quán)下各指標(biāo)組合權(quán)重

表12 各指標(biāo)組合權(quán)重相等

表13 敏感性分析結(jié)果對比

4 結(jié)語

海島風(fēng)浪互補電站可以有效緩解海島的供電問題，推動海洋經(jīng)濟發(fā)展，強化海島的軍事與戰(zhàn)略地位。針對電站建設(shè)的先決條件及關(guān)鍵問題，本文基于MCDM提出了海島風(fēng)浪互補電站選址決策方法，并將其應(yīng)用于青島市海島風(fēng)浪互補電站選址決策中。

該方法建立的選址決策模型包括資源條件、自然條件、經(jīng)濟因素和社會因素4個一級指標(biāo)及相應(yīng)的12個二級指標(biāo)，求解算法計算方案優(yōu)先開發(fā)序列，能夠為最優(yōu)站址決策提供直接的理論參考，進而有效指導(dǎo)實際工程。在權(quán)重求解算法中，結(jié)合集體決策理論提出基于熵值法和特征向量法的組合權(quán)重法，改進了傳統(tǒng)主觀賦權(quán)法，有效降低主觀偏差并提高計算結(jié)果的魯棒性。方案排序算法采用TOPSIS，數(shù)學(xué)模型更加清晰。本文提出的海島風(fēng)浪互補電站選址決策方法可以為中國海洋能電站微觀選址提供理論支撐，推進海洋能的產(chǎn)業(yè)化進程。

計算結(jié)果表明，青島市海島風(fēng)浪互補電站優(yōu)先開發(fā)序列為竹岔島、小麥島、女島、三平島，最優(yōu)站址為竹岔島，經(jīng)敏感性分析驗證了方法的魯棒性和科學(xué)性。計算結(jié)果可以直接指導(dǎo)青島市海島風(fēng)浪互補電站建設(shè)，為科學(xué)決策提供依據(jù)。