趙爾敏， 張斌， 李惠珍， 吳卓聰， 雷霞

(1. 國網甘肅省電力公司武威供電公司，甘肅 武威 733000；2. 西華大學電氣與電子信息學院，四川 成都 610039)

0 引言

隨著電力需求的增大，傳統(tǒng)化石能源的大量使用造成嚴重的環(huán)境污染問題，基于智能電網和先進物聯網技術的能源互聯網能為解決能源危機提供有效手段[1—3]，區(qū)域綜合能源系統(tǒng)(regional integrated energy system，RIES)是能源互聯網的一種重要實現形式[4—7]。目前針對RIES的運行、規(guī)劃及優(yōu)化配置等的研究成果充分說明了RIES建設的必要性和技術實現的可行性，但對其經濟性評估的研究相對較少，而經濟性對評判RIES的構架方案是否合理非常重要。當前，針對RIES效益評估的研究主要集中在評價指標搭建和權重求解方法兩方面。

在評價指標體系搭建方面，文獻[8—10]從不同維度構建了RIES的評估指標體系；文獻[11]構建了擁有風光水儲的微網經濟運行評價指標體系；文獻[12—13]面向多能互補，分別提出了不同能源形態(tài)的效率和可再生能源產能過剩率指標；文獻[14]從投資者角度考慮銀行貸款、內部收益率等經濟參數，對微能源系統(tǒng)的投資效益進行分析。

在權重求解方法方面，RIES規(guī)劃方案評估屬于多屬性群決策問題，其主要任務是確定相應的評價指標權重。主觀權重賦權法反映決策專家的先驗知識和自身經驗，避免了指標主觀權重和其實際重要程度相悖的現象，但評價結果具有較強的主觀隨意性，實際應用中有較大的局限性，具有代表性的方法有層次分析法[15]、最小平方和法[16]等。客觀權重賦權法根據規(guī)劃方案客觀數據確定，但所得到的權重值可能違背決策者的主觀意愿或無法真實準確反映規(guī)劃的目的，具有代表性的方法有主成分分析法[17]、熵權法[18]等。為有效避免主、客觀權重確定方法的缺點，需要將兩者優(yōu)點結合以構成綜合賦權法來確定評估指標權重。

基于以上分析，文中從系統(tǒng)成本、系統(tǒng)收益及能源利用率3個維度建立RIES的經濟效益評估指標體系，并搭建各指標模型。采用改進的最小叉熵法確定各指標的綜合權重，實現主、客觀權重之間內在聯系的描述：一方面，該方法計及主觀權重時，利用熵權法客觀體現決策專家在各指標評價中的重要程度，避免了傳統(tǒng)最小叉熵法中決策專家對評價結果影響度的模糊性；另一方面，在主、客觀綜合權重確定中，以指標的主、客觀權重向量為基礎構建二維平面坐標系確定每個指標的主、客觀權重分配系數，降低了傳統(tǒng)最小叉熵法中權重集成的主觀性影響。最后結合優(yōu)劣解距離法(technique for order preference by similarity to ideal solution,TOPSIS)和秩和比法(rank-sum ratio,RSR)建立RIES投資方案的決策評價模型，進行方案排序并選出最佳方案。

1 RIES的經濟效益評估指標體系

1.1 RIES架構

RIES的核心是集成物聯網和能量管理技術，通過對某一指定區(qū)域內的化石能源、可再生能源等多類型能源進行充分調整和優(yōu)化配置，實現多種能源的互補互濟、交互響應、協調優(yōu)化以及綜合管理，在充分滿足多層面、多元化用能的同時，可以有效提升綜合能源利用率，緩解能源危機問題。RIES是典型的產供銷一體化系統(tǒng)，計及的多種能源主要包括電能、熱能、冷能和氣能，電能生產設備主要包括風電和光伏機組，能源轉換設備包括電轉氣(power to gas，P2G)裝置、冷熱電聯產(combined cooling heating and power，CCHP)機組、電制冷/制熱裝置，電/燃氣鍋爐、熱泵等，能源儲存設備包括儲熱罐、儲氣罐和蓄電池等，各種能源形式的負荷中具有一定需求響應能力的負荷也可作為儲能設備。

1.2 指標體系構建

RIES的經濟性評估指標體系可用于衡量評估區(qū)域系統(tǒng)內各種能源生產及相關轉換設備的經濟效益和利用率。文中根據RIES的系統(tǒng)架構，圍繞投資運行的關注點，構建了兩級評價指標體系，第一級指標分為系統(tǒng)成本、系統(tǒng)收益和能源利用率3個層面，在每一層面下分別建立了對應的3個二級指標，具體結構如圖1所示。

圖1 RIES評估指標體系

1.3 評價指標模型

1.3.1 投資購置費用

設備的購買費用和安置費用包括風電機組、光伏機組、CCHP機組、儲能裝置、充電樁、加氣站和P2G裝置等設備分攤到生命周期年的購置費用，則投資購置費用C1為：

(1)

式中：Qnew為新能源機組容量；n1為新能源種類數；αi為第i種新能源裝機比例；βi為第i種新能源發(fā)電機組單位容量成本系數；γi為第i種新能源機組安裝成本系數；n2為CCHP中設備種類數；CCCHP,j為CCHP中第j種設備單位容量購置系數；ωj為CCHP中第j種設備附加設備成本系數；QCCHP,j為CCHP中第j種設備的容量；RP為儲能系統(tǒng)總容量；n3為儲能裝置種類數；λk為第k種儲能裝置配比；πk為第k種儲能裝置單位容量購置價格；n4為加氣站數；QG,l為第l個加氣站容量；φl為第l個加氣站設備單位容量購置系數；n5為系統(tǒng)內充電樁數量；QC,q為第q個充電樁安裝容量；δq為第q個充電樁單位容量購置系數；n6為P2G設備數；QP2G,y為第y個P2G設備安裝容量；σP2G,y為第y個P2G設備單位容量購置系數。RIES內組成部件的單位成本見表1[10]。

表1 RIES組件單位成本數據

1.3.2 運行維護費用

RIES年運維費用可以分為不變費用和可變費用，不變費用是指人員工資和系統(tǒng)運行管理費，可變費用是指系統(tǒng)內設備的不定期檢修維修等費用，則年運維費用C2為：

(2)

式中：Cnewc,i，Cnewv,i分別為第i種可再生能源發(fā)電設備年單位容量不變成本和可變成本；CCCHPc,j，CCCHPv,j分別為CCHP中第j種能源轉換設備年單位容量不變成本和可變成本；CPc,k，CPv,k分別為第k種儲能設備年單位容量不變成本和可變成本；CGc,l，CGv,l分別為第l個加氣站年單位容量不變成本和可變成本；CCc,q，CCv,q分別為第q個充電樁年單位容量不變成本和可變成本；CP2Gc,y，CP2Gv,y分別為第y個P2G設備單位容量不變成本和可變成本；T為各設備的平均年運行小時數。

1.3.3 能源外購量

能源外購量主要包括CCHP機組的年耗氣量，和新能源機組在供電不足情況下向大電網的購電量，沒有考慮在實際運行情況下電制冷和電制熱能效比不同對能源外購量的影響。能源外購量C3可描述為：

(3)

式中：υ為CCHP機組發(fā)電量占實際用電量比重；θ為新能源發(fā)電量占實際用電量比重；WE為年用電量，不包含因缺冷、缺熱而由電制冷機、電制熱機產生冷能、熱能消耗的電能；ΔWE為CCHP機組在冷、熱供應不足的情況下采用電制冷、電制熱消耗的電能；τ為電轉氣量占實際用氣負荷比重；WG為園區(qū)用氣量；Qe為單位電量熱值；Qg為單位立方的燃氣熱值；ΔWC，ΔWH分別為供應給用戶的冷、熱負荷不足量；ζH，ζC分別為電制熱和電制冷的能效比。

1.3.4 供能收益

供能收益是指RIES為終端用戶提供電、氣、冷、熱等各種形式能源所獲得的收益，其表示為：

(4)

式中：m為供能種類；Wz為第z種能源形式用能量；uz為第z種能源單價。

1.3.5 污染氣體減排量

文中主要考慮將RIES區(qū)域內消納風電、光伏電量按照熱當量的方法折算成等值標準煤燃燒發(fā)電所產生的溫室氣體(CO2)和污染物氣體(SO2，NOx)的排放量，并計及CCHP機組的CO2，SO2，NOx氣體的排放量，則污染氣體減排量C5為：

(5)

式中：n7為污染物排放種類；Pi為第i種新能源年平均發(fā)電量；PCCHP,j為CCHP中第j種發(fā)電設備年平均發(fā)電量；mcoal,p為燃煤機組單位發(fā)電量對應的第p種排放污染物重量；mCCHP,p為CCHP單位發(fā)電量對應的第p種排放污染物重量。發(fā)電機組各污染排放系數見文獻[19]。

1.3.6 新能源上網電量

新能源上網電量是指在可再生能源產生的電量滿足園區(qū)用電量且還有剩余情況下，并網后可賣給大電網的剩余電量，即：

(6)

式中：ΔWnew,i為第i種新能源剩余電量。

根據熱力學第一定律，RIES的能量分析方法是借助能量轉化之間的數學聯系來評估能量利用熱效率。對系統(tǒng)效率的分析是對能源的量和質的綜合反映。系統(tǒng)效率C7為：

(7)

式中：電能的能質系數為1，因此外購電量Wgrid、新能源發(fā)電量Wnew以及用電量WE的電量為其本身電量；WH為供熱量；WC為供冷量；Wgas為總購氣量；ε0，ε1，ε2分別為天然氣能質系數、供熱量能質系數、供冷量能質系數，且ε0=0.95；T0H，T0C分別為供熱和供冷時的環(huán)境溫度；TH，TC分別為供熱、供冷溫度。

1.3.8 新能源產能過剩率

新能源產能過剩率可反映光伏、風電等可再生能源發(fā)電充裕情況，其值為正表明可再生能源發(fā)電量較為豐裕，可能有多余電量賣給大電網；其值為負代表可再生能源發(fā)電量匱乏，其計算為：

(8)

式中：WCCHP為CCHP機組發(fā)電量。

1.3.9 綜合能源利用率

RIES的能源利用率能夠體現多能流在不同時間尺度上耦合互補、能量梯級應用的程度，根據文獻[4]中提出的綜合能源系統(tǒng)的總體能量效率指標，在考慮網損率影響的情況下，綜合能源利用率C9為：

(9)

式中：η′為區(qū)域內的線損率。

2 RIES組成方案的評價指標權重確定

RIES組成方案評估結果對權重確定方法和集成方法的依賴程度較高，采用主、客觀權重綜合賦權方法能有效兼顧主、客觀信息，從而得到普遍認可?，F有指標權重確定方法均添加了額外信息而導致最終決策結果不精確，采用具有信息熵原理的熵權法能夠有效避免這一缺點，但信息熵因單純依據距離來確定權重而存在一定的局限性，文中借助最小叉熵來尋求權重差異性最小的概率分布。

傳統(tǒng)最小叉熵方法在確定評估指標的權重時存在2個明顯的問題。一是在評估指標的主觀權重確定過程中，通常會事先確定決策專家權重，無法體現其具體確定過程；二是在評估指標的綜合權重確定過程中，主觀權重分配系數是直接由專家的知識和經驗來給定，無法體現指標主、客觀權重的內在聯系。針對以上2點不足，文中對最小叉熵法進行改進：在確定主、觀權重時，利用熵權法體現專家評價的重要程度；在確定主、客觀綜合權重時，先構建主客觀權重向量的二維平面，再計算主客觀權重分配系數。

2.1 決策矩陣的標準化

針對RIES方案決策問題，假設包含m個決策方案和n個評價指標(文中n=9)，用A={a1,a2,…,am}(m≥2)表示構成方案集，C={c1,c2,…,cn}描述指標集，則形成原始數據矩陣X，其中xij為第i個方案中的第j個指標，X=(xij)(i=1,2,…,m;j=1,2,…,n)。

由于在實踐工程中經濟性指標通常會出現負值、零值或趨零值，因此線性比例變換法、偏差變換法、向量歸一化法一般不適用，文中采用極差變換法，得到指標標準化后決策矩陣Z=(zij)。

其中，效益型指標為：

(10)

成本型指標為：

(11)

2.2 改進最小叉熵法的權重確定方法

2.2.1 指標客觀權重確定

指標原始數據直接決定其客觀權重的大小，因此根據標準化決策矩陣Z，用熵權法計算出客觀權重向量ωo=(ωo,1,ωo,2,…,ωo,n)，其中第j個指標的客觀權重為：

(12)

其中：

(13)

2.2.2 指標主觀權重確定

指標主觀權重確定與決策者的主觀認識和判斷密切相關，對于不同的決策者，其認知程度不一樣，判斷結果也會有明顯差異。文中采用相應的效用函數來描述不同決策者的判斷。具體步驟為：

(1) 首先產生一個反映專家k對指標主觀認識不同而產生差異的效用函數矩陣Uk，指標由標準化決策矩陣Z表示。假設效用函數大于等于0，且為簡化采用了單變量形式，則對于第k個專家有Uk=(uk(zij))(k=1,2,…,l)，l為專家總人數。

(2) 根據效用函數矩陣Uk，利用熵權法得到不同專家對評估指標主觀權重的判斷矩陣β=(βkj)。其中：

(14)

(15)

(3) 最小叉熵法在確定指標主觀權重的過程中，決策專家權重依據專家先驗知識、工程經驗，人為確定其重要程度，最終評價結果具有一定的模糊性且主觀隨意性較強。因此，在步驟(2)中求得的不同專家對評估指標主觀權重判斷矩陣β的基礎上，運用熵權法確定決策專家權重向量α，以消除傳統(tǒng)最小叉熵法中決策專家權重的模糊性對決策結果產生的不良影響。第k個決策專家的權重如式(16)所示。

(16)

其中：

(17)

(4) 構建以綜合主觀權重向量與每個專家的主觀權重矩陣βk距離最小的最小叉熵模型，得到指標的綜合主觀權重向量βo=(βo,1,βo,2,…,βo,n)。目標函數為：

(18)

(19)

計算得到第j個指標主觀權重為：

(20)

2.2.3 指標綜合權重確定

考慮到最小叉熵法的優(yōu)勢，文中仍然建立主客觀權重差異最小的最小叉熵模型求得指標綜合權重。而傳統(tǒng)最小叉熵法在確定指標綜合權重時，指標主、客觀權重分配系數依據專家個人偏好給定，具有隨意性，且不能反映主客觀權重的內在聯系。因此，以指標的主、客觀權重向量為基礎構建一個二維平面，并求取每個指標的主客觀權重分配系數，以此降低傳統(tǒng)最小叉熵法中指標綜合權重集成的主觀性影響。即：

(21)

式中：ω=(ω1,ω2,…,ωn)為綜合權重向量；γ=(γ1,γ2,…,γn)(0≤γj≤1)，1-γ分別為主觀權重和客觀權重分配系數向量；ωj為指標j的綜合權重。

(22)

(23)

(24)

3 基于TOPSIS-RSR的RIES經濟效益評估

TOPSIS[20—22]評估方法是常用的組內綜合評價法，其優(yōu)點是能充分利用原始數據，使得結果能精確反映評價對象之間的差距，但容易受指標異常值(零值或趨零值)影響。而RSR[23]是一種非參數統(tǒng)計評價方法，其特點是不受指標異常值影響，但計算值為秩次，不能對原始數據進行充分利用。因此，文中結合兩者優(yōu)點對決策方案進行綜合評價。TOPSIS-RSR綜合評價具體流程如下。

(1) 構建加權規(guī)范化矩陣。

(25)

式中：bij=ωjzij;i=1,2,…,m;j=1,2,…,n。

(2) 確定正、負理想方案。

(26)

(27)

(3) 計算各評價方案與正負理想方案的貼近度，決策方案到正理想方案的距離為。

(28)

決策方案到負理想方案的距離為：

(29)

(4) 計算決策方案到負理想方案的相對貼近度。

(30)

(6) 將Pi作為自變量，Ei作為因變量，設置直線回歸方程Ei=a+bPi，利用最小二乘法估計出a,b參數。

(7) 按照回歸方程推算WRSR,i并排序，選擇出最優(yōu)方案T*。

(31)

4 算例分析

以某工業(yè)園區(qū)RIES為研究對象，該園區(qū)采光面積、光照輻射強度分別為20 000 m2和1 500 (kW·h)/m2，平均風速約為5 m/s，系統(tǒng)的用電負荷為4.1 MW，冷熱負荷分別為2.4 MW和3.1 MW，氣負荷為4.2 MW，由光伏發(fā)電、風電、儲能系統(tǒng)、CCHP機組以及天然氣組成的RIES結構方案如表2所示。其中，混合儲能系統(tǒng)包括蓄電池、儲熱罐和儲氣罐。

表2 RIES結構方案

假設園區(qū)的氣價為1.96元/m3，電網電價為0.64 元/(kW·h)，網損率為5%，并且要求可再生能源供電自給率要達到40%及以上，外購電均來自燃煤火電廠，ξC和ξH均為3。參考文獻[24]工業(yè)類負荷曲線，該工業(yè)園區(qū)夏季(6～8月)、冬季(12～1月)、春秋季(3～5月、9～11月)典型日負荷曲線如圖2所示。由式(1)—式(9)可計算出各能源系統(tǒng)組成方案的指標值如表3所示。

表3 不同RIES配置方案的指標值

圖2 某工業(yè)園區(qū)四季典型日負荷

4.1 指標權重求取

0.114 3,0.057 4,0.059 5)。比較指標客觀權重、主觀權重、最小叉熵(主觀權重分配系數γ=0.3，γ=0.5，γ=0.6)和文中方法得到的評價指標權重，如圖3所示。

圖3 評估指標權重賦值比較

由圖3可知，最小叉熵法在確定指標綜合權重的過程中因專家主觀經驗、先驗知識影響，指標綜合權重較為偏向指標主觀權重或客觀權重，影響了最終決策結果；而利用文中所提改進最小叉熵法得到的評價指標權重依則根據指標主、客觀權重向量得出，不易受主觀隨意性影響，不刻意偏向主觀或客觀權重，得出的是一個較為折中的權重結果，且能夠計及主觀、客觀權重之間蘊含的聯系，保證了改進的合理性。

4.2 系統(tǒng)方案優(yōu)選

表4 各評價對象的計算變量值及結果

由表4可知，各系統(tǒng)組成方案的綜合評價結果為WRSR,i，則方案A5的值最大，因此RIES系統(tǒng)組成方案的優(yōu)劣排序為A1

5 結論

文中提出一種RIES組成方案經濟性評價方法。建立適用于RIES組成方案經濟性評價指標模型體系，利用基于改進最小叉熵法的TOPSIS-RSR方法對指標進行集成和方案評價?？梢缘贸鲆韵陆Y論：

(1) 基于改進最小叉熵法可以量化多位專家的綜合效用，客觀、合理地進行不同系統(tǒng)組成方案的優(yōu)劣排序，并確定最佳決策方案。

(2) 經濟效益是綜合能源網絡投資運營主體的首要關注點，而綜合的經濟效益評估可以快速提供給投資商有價值的參考。

(3) 文中運用TOPSIS-RSR法進行綜合評價，結合了TOPSIS、RSR兩者的優(yōu)點，評價結果既不受異常值影響，又能充分利用原始數據，對系統(tǒng)組成方案的綜合評價更具有準確性、科學性。

本文得到國網甘肅省電力公司科技項目(52270819000A)資助，謹此致謝！