林永君,白青飛
(華北電力大學(xué),河北 保定 071003)
隨著我國(guó)電力體制的改革,“廠網(wǎng)分開(kāi),競(jìng)價(jià)上網(wǎng)”的政策使得屬于不同發(fā)電企業(yè)的發(fā)電公司競(jìng)爭(zhēng)更加激烈,加上新冠肺炎疫情的影響,售電市場(chǎng)的競(jìng)爭(zhēng)也愈發(fā)激烈,眾多發(fā)電公司面臨著更多的挑戰(zhàn)和機(jī)遇[1]。發(fā)電公司如何進(jìn)行提前規(guī)劃,抓住可以充分利用的機(jī)遇,占據(jù)市場(chǎng)更大的份額,獲得更高的競(jìng)爭(zhēng)力,以更加科學(xué)的方法來(lái)運(yùn)營(yíng)電廠以獲取更多的利潤(rùn),是現(xiàn)實(shí)中亟待解決的問(wèn)題。因此,如果能采取一種科學(xué)的方法將多家發(fā)電廠的運(yùn)行指標(biāo)數(shù)據(jù)進(jìn)行比較準(zhǔn)確的對(duì)比,評(píng)價(jià)出發(fā)電廠指標(biāo)的優(yōu)劣性,不僅對(duì)發(fā)電廠找出自身存在的問(wèn)題、提高競(jìng)爭(zhēng)力有很大的幫助,也能縮小發(fā)電廠間的差距,推動(dòng)電力行業(yè)的發(fā)展,對(duì)火電廠節(jié)能優(yōu)化具有重要的意義[2]。
現(xiàn)在對(duì)電廠綜合評(píng)價(jià)的研究已有很多。文獻(xiàn)[3]將改進(jìn)的TOPSIS 法引入到電廠運(yùn)營(yíng)指標(biāo)的評(píng)價(jià)上,公正客觀地對(duì)電廠運(yùn)營(yíng)指標(biāo)進(jìn)行評(píng)價(jià)。文獻(xiàn)[4]利用改進(jìn)的TOPSIS 法,方便簡(jiǎn)便地實(shí)現(xiàn)了火電廠混煤摻燒方案的選擇。文獻(xiàn)[5]使用TOPSIS 法、熵值法與層次分析法構(gòu)建了火電機(jī)組綜合評(píng)價(jià)模型,結(jié)果與實(shí)際經(jīng)驗(yàn)相符,表明該方法適用于機(jī)組多指標(biāo)多方案的評(píng)價(jià)過(guò)程。文獻(xiàn)[6]先是通過(guò)層次分析法構(gòu)建多層次的指標(biāo)模型,然后計(jì)算確定其權(quán)重,采用模糊評(píng)價(jià)方法對(duì)火電廠進(jìn)行綜合評(píng)價(jià)。
為了綜合考慮主觀權(quán)重和客觀權(quán)重,對(duì)評(píng)價(jià)方案的指標(biāo)使用組合權(quán)重,本文將熵權(quán)法與層次分析法相結(jié)合,兼顧主觀和客觀的優(yōu)點(diǎn),使主觀權(quán)重和客觀權(quán)重相融合求出組合權(quán)重,再通過(guò)TOPSIS 法建立加權(quán)規(guī)范矩陣和正、負(fù)理想解,利用歐式距離和排隊(duì)指示值對(duì)各火電廠運(yùn)行指標(biāo)的優(yōu)劣進(jìn)行排名,對(duì)各電廠運(yùn)行指標(biāo)進(jìn)行綜合評(píng)價(jià),為電廠加強(qiáng)自身建設(shè)和提高競(jìng)爭(zhēng)力提供指導(dǎo)。
層次分析法(Analytic Hierarchy Process,AHP)是一種解決多目標(biāo)復(fù)雜問(wèn)題的層次權(quán)重決策分析方法,該方法將定量與定性分析結(jié)合起來(lái),利用決策人的經(jīng)驗(yàn)判斷各指標(biāo)的相對(duì)重要程度,并合理給出每個(gè)方案標(biāo)準(zhǔn)的權(quán)重,利用權(quán)重求出各方案的優(yōu)劣次序[7]。層次分析法求主觀權(quán)重,先是利用層次結(jié)構(gòu)模型由決策人構(gòu)造比較判斷矩陣A,再用本征向量法求最大特征值λmax和權(quán)重α,最后對(duì)矩陣A的一致性檢驗(yàn),若最大特征值λmax大于表1 中給的同階矩陣相應(yīng)的時(shí)不能通過(guò)一致性檢驗(yàn),應(yīng)重新估算。利用Saaty提出的近似算法求得λmax,過(guò)程如下:
表1 k階矩陣相應(yīng)的臨界本征值
對(duì)A中每行元素連乘并開(kāi)k次方,即為
求得權(quán)重為
A中每列的元素求和為
計(jì)算λmax的值為
熵權(quán)法是一種客觀的賦權(quán)方法,使用的過(guò)程中,根據(jù)各指標(biāo)的變異程度,利用信息熵計(jì)算出各指標(biāo)的熵權(quán),再通過(guò)各指標(biāo)的熵權(quán)對(duì)所有指標(biāo)進(jìn)行加權(quán),從而得到比較客觀的指標(biāo)權(quán)[8-9]。對(duì)于大多數(shù)情況來(lái)說(shuō),假如某個(gè)指標(biāo)的信息熵越小,則說(shuō)明該指標(biāo)的變異程度越大,提供的信息越多,在評(píng)價(jià)或則決策中起到更大的作用,其權(quán)重也就越大。若是信息熵越大,則說(shuō)明該指標(biāo)的變異程度越小,提供的信息越少,在評(píng)價(jià)或則決策中起到比較小的作用,其權(quán)重也就越小[10]。熵權(quán)法完全根據(jù)決策矩陣求出能夠代表權(quán)重的熵權(quán),能有效規(guī)避專家的主觀判斷對(duì)權(quán)重分析的影響?,F(xiàn)設(shè)有m個(gè)決策對(duì)象,n個(gè)決策指標(biāo),求各指標(biāo)值權(quán)重的計(jì)算過(guò)程如下:
計(jì)算第i個(gè)對(duì)象的第j個(gè)指標(biāo)下的指標(biāo)值Yij的比重為
計(jì)算第j項(xiàng)指標(biāo)的熵值為
計(jì)算第j項(xiàng)指標(biāo)的差異系數(shù)為
對(duì)于第j項(xiàng)指標(biāo)來(lái)說(shuō),指標(biāo)值xij的差異系數(shù)越大,則對(duì)方案評(píng)價(jià)xij的作用就越大,熵值就越小。
計(jì)算第j項(xiàng)指標(biāo)的權(quán)重
式中:0<βj<1=1。
最后就得到指標(biāo)權(quán)重向量β=(β1,β2,…,βn)T。
通過(guò)層析分析法求得的主觀權(quán)重{αj}和熵權(quán)法得到的客觀權(quán)重{βj},通過(guò)式(9)進(jìn)行融合,計(jì)算出組合權(quán)重。
TOPSIS 法[11]作為一種對(duì)多指標(biāo)、多方案分析的系統(tǒng)評(píng)價(jià)方法,通過(guò)計(jì)算各備選方案與正、負(fù)理想解的距離,來(lái)確定備選方案與理想解的貼近度,最后并根據(jù)貼近度的大小對(duì)方案的優(yōu)劣進(jìn)行分析評(píng)價(jià)和排序。正理想解是一個(gè)方案集X中并不存在的虛擬的最佳方案,它的每個(gè)屬性值都是決策矩陣中該屬性最好的值,而負(fù)理想解則是虛擬的最差方案,它的每個(gè)屬性值都是決策矩陣中該屬性最差的值[12]。
設(shè)有m個(gè)決策對(duì)象,n個(gè)決策指標(biāo),其初始指標(biāo)矩陣為
設(shè)規(guī)范化決策矩陣Y={yij},由初始指標(biāo)矩陣X可得
1)構(gòu)成加權(quán)規(guī)范陣Z={zij}。
由層次分析法和熵權(quán)法所得到的組合權(quán)重矩陣ω=(ω1,ω2,…,ωn)T乘規(guī)范化決策矩陣Y就可得到加權(quán)規(guī)范陣Z。
2)確定理想解x*和負(fù)理想解x0。
理想解x*是一個(gè)方案集X中并不存在的虛擬的最佳方案,它的每個(gè)屬性值都是決策矩陣中該屬性的最好的值;而負(fù)理想解x0的屬性值都是決策矩陣中最差的值,是虛擬的最差方案。設(shè)理想解x*的第j個(gè)屬性值為,負(fù)理想解x0第j個(gè)屬性值為,則
歐氏距離(Euclid Distance)是一種采用比較多的距離定義,其表示的意義就是二維或者多維空間中兩個(gè)確定點(diǎn)的真實(shí)距離。例如二維空間中存在兩個(gè)點(diǎn)(x1,y1)和(x2,y2),則歐式距離的表達(dá)式d=。TOPSIS 法中就是分別計(jì)算各方案到理想解和負(fù)理想解的歐氏距離,利用歐氏距離來(lái)評(píng)判各方案的優(yōu)劣。
備選方案xi到理想解的距離為
備選方案xi到負(fù)理想解的距離為
計(jì)算各方案的排隊(duì)指示值(即綜合評(píng)價(jià)指數(shù))
由式(17)可以知道綜合評(píng)價(jià)指數(shù)是用方案到負(fù)理想解的距離除以方案到正負(fù)理想解距離的和,因?yàn)閭溥x方案離負(fù)理想解的距離越大越好,所以說(shuō)綜合評(píng)價(jià)指數(shù)也是越大越好,最后按照的大小排列來(lái)評(píng)價(jià)方案的優(yōu)劣次序。
通過(guò)在北極星電力網(wǎng)站[13]上查詢的資料,得到了河南省2016年7月份一些電廠主要生產(chǎn)經(jīng)營(yíng)指標(biāo)報(bào)表,經(jīng)過(guò)整理選取了其中8 家發(fā)電企業(yè)的運(yùn)行指標(biāo)作為實(shí)例來(lái)進(jìn)行分析評(píng)價(jià),這8家企業(yè)都是2臺(tái)機(jī)組,裝機(jī)容量為1 200 MW,運(yùn)行指標(biāo)包括發(fā)電量、平均利用小時(shí)、發(fā)電標(biāo)準(zhǔn)煤耗率、供電標(biāo)準(zhǔn)煤耗率和廠用電率。原始資料如表2所示。
表2 原始數(shù)據(jù)
基于上述查詢到的資料,利用組合權(quán)重和TOPSIS法來(lái)計(jì)算和評(píng)價(jià)各電廠運(yùn)行指標(biāo)的優(yōu)劣。
由初始指標(biāo)矩陣可以得知一共有8 個(gè)決策對(duì)象,5個(gè)決策指標(biāo),8個(gè)對(duì)象分別用數(shù)字1—8來(lái)表示,5個(gè)決策指標(biāo)分別用A、B、C、D、E來(lái)表示。由初始指標(biāo)矩陣計(jì)算規(guī)范決策矩陣,數(shù)據(jù)如表3所示。
表3 規(guī)范決策矩陣Y數(shù)據(jù)
根據(jù)式(5)由規(guī)范決策矩陣計(jì)算第i個(gè)對(duì)象的第j個(gè)指標(biāo)下的指標(biāo)值的比重Pij,結(jié)果如表4所示。
表4 第i個(gè)企業(yè)第j個(gè)指標(biāo)占該指標(biāo)的比重
通過(guò)2.1 和2.2 中的方法,分別求出主觀權(quán)重和客觀權(quán)重,再由式(9)求得最后的組合權(quán)重,計(jì)算結(jié)果如表5 所示。通過(guò)式(12)計(jì)算得到系統(tǒng)的加權(quán)規(guī)范陣,結(jié)果如表6所示。
表5 各指標(biāo)的權(quán)重
表6 加權(quán)規(guī)范陣數(shù)據(jù)
由原始資料可知,運(yùn)行指標(biāo)中發(fā)電量和平均利用小時(shí)是效益型屬性,越多越好,發(fā)電標(biāo)準(zhǔn)煤耗率、供電標(biāo)準(zhǔn)煤耗率和廠用電率是成本型屬性,越小越好。因此得到的理想解為x*=(0.177 7,0.296 1,0.007 53,0.006 73,0.027 9),負(fù)理想解為x0=(0.080 6,0.106 4,0.007 99,0.007 13,0.039 2)。
由式(15)、(16)計(jì)算各個(gè)方案到正、負(fù)理想解的歐氏距離,結(jié)果如表7所示。
表7 各個(gè)方案到正、負(fù)理想解的歐氏距離
通過(guò)式(17)計(jì)算出各方案的綜合評(píng)價(jià)指數(shù),結(jié)果如表8所示。
表8 各方案的綜合評(píng)價(jià)指數(shù)
將層次分析法、熵權(quán)法與TOPSIS 法相結(jié)合,對(duì)八家電廠的機(jī)組運(yùn)行指標(biāo)進(jìn)行綜合評(píng)價(jià)。通過(guò)查詢到的數(shù)據(jù),將熵權(quán)法計(jì)算得到的客觀權(quán)重,與層次分析法計(jì)算得到的主觀權(quán)重相融合,得到組合權(quán)重,最后結(jié)合TOPSIS 法,使用正、負(fù)理想解和歐式距離求得各方案的排隊(duì)指示值,來(lái)綜合評(píng)價(jià)各電廠運(yùn)行指標(biāo)的優(yōu)劣。研究表明組合權(quán)重與TOPSIS 法對(duì)火力發(fā)電廠的運(yùn)行評(píng)價(jià)指標(biāo)是可行的,過(guò)程簡(jiǎn)單、快捷,給電廠的實(shí)際運(yùn)行提供指導(dǎo)。