趙陽 王鳳武 張云鵬

摘要：為實現(xiàn)深遠(yuǎn)海域海上風(fēng)電場能源經(jīng)濟效益最大化，同時保障風(fēng)電場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)電場選址方法。建立深遠(yuǎn)海域海上風(fēng)電場選址評價指標(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，對場址進行定性定量評價，依據(jù)評分值確定最優(yōu)場址。實例計算分析表明，最優(yōu)場址在能源經(jīng)濟效益和船舶通航安全方面均處于優(yōu)勢水平，變權(quán)灰云模型在深遠(yuǎn)海域海上風(fēng)電場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; 變權(quán)理論; 灰云模型; 灰云聚類

中圖分類號： U698; P751; TM614 ? ?文獻標(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。從風(fēng)能資源角度分析，海上風(fēng)電能達到陸地風(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、運行穩(wěn)定等諸多優(yōu)點。近年來，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、運行維護成本正不斷降低，許多國家和地區(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)電開發(fā)具有較多優(yōu)勢，如風(fēng)能資源更為豐富、地域更為寬廣、裝機容量更大、對海洋環(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)電場選址作為海上風(fēng)電場建設(shè)的前期工程，涉及海洋資源開發(fā)、海洋自然生態(tài)保護、船舶航行安全、風(fēng)電場運行維護等諸多因素，如何協(xié)調(diào)各種因素，實現(xiàn)能源經(jīng)濟效益最大化以及保障風(fēng)電場水域船舶通航安全是選址工程的關(guān)鍵。目前，國內(nèi)外對海上風(fēng)電場選址的研究主要集中在以下幾個方面：一是探測海域風(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)電場建設(shè)水域交通特點，分析風(fēng)電項目對周邊船舶通航的影響，進行交通風(fēng)險評估或基于船舶避碰要求的安全航線規(guī)劃;三是對規(guī)劃風(fēng)電場海域的地理位置、地形地貌以及社會經(jīng)濟、技術(shù)能力、環(huán)境資源、運行維護成本等因素進行綜合分析，結(jié)合風(fēng)能資源優(yōu)選場址。研究方法多運用德爾菲法[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)險框架分析[4]、灰色關(guān)聯(lián)分析[5]、人工勢場法[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。通過梳理發(fā)現(xiàn)，大多數(shù)的研究主要圍繞近海風(fēng)電場的選址建設(shè)展開，兼顧能源經(jīng)濟效益和船舶通航安全的綜合研究較少。在行業(yè)發(fā)展的新形勢下，一方面要積極推進風(fēng)電場選址的研究向深遠(yuǎn)海域發(fā)展，另一方面應(yīng)該在選址時注重“效益”和“安全”問題。為此，本文在文獻研究和專家調(diào)查的基礎(chǔ)上，以“效益”和“安全”問題為側(cè)重點，提出一種基于變權(quán)灰云模型的深遠(yuǎn)海域海上風(fēng)電場選址方法：引入變權(quán)理論，修正評價指標(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)模型對備選場址方案進行定性和定量評價，確定最佳場址。

1 深遠(yuǎn)海域海上風(fēng)電場選址評價指標(biāo)體系的建立 ?結(jié)合深遠(yuǎn)海域特點，對風(fēng)電場選址主要影響因素進行識別。基于前人研究成果，以能源經(jīng)濟效益和船舶通航安全為側(cè)重點選取評價指標(biāo)，從風(fēng)能資源、自然條件、交通環(huán)境、風(fēng)機條件等4個方面入手建立評價指標(biāo)體系，共10個二級指標(biāo)，見圖1。

依據(jù)深遠(yuǎn)海域海上風(fēng)電場場址在能源經(jīng)濟效益和船舶通航安全方面體現(xiàn)的效果，將場址方案劃分為非常差、較差、一般、較好、非常好5個等級。依據(jù)相關(guān)文獻和研究，基于三角隸屬度函數(shù)給出評價指標(biāo)等級劃分標(biāo)準(zhǔn)[10]，見表1。以指標(biāo)漁區(qū)距離為例，該評價指標(biāo)各等級三角隸屬度函數(shù)見圖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)評價中，指標(biāo)常權(quán)權(quán)重能夠反映指標(biāo)對系統(tǒng)的相對重要程度，但沒有體現(xiàn)評價對象各指標(biāo)的數(shù)據(jù)規(guī)律。若采用常權(quán)賦權(quán)計算，則當(dāng)多數(shù)指標(biāo)為較好、單一指標(biāo)為較差或很差時，較好指標(biāo)的積極作用往往會掩蓋較差或很差指標(biāo)的消極作用，造成評價結(jié)果出現(xiàn)偏差，難以體現(xiàn)海上風(fēng)電場場址實際優(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法計算量少、操作性強、不需要構(gòu)造判斷矩陣，且無須進行一致性檢驗[11]。采用G1法確定常權(quán)權(quán)重的步驟如下：

3 算例分析

以中國某深遠(yuǎn)海域海上風(fēng)電場選址為例，進行模型計算分析。

3.1 某風(fēng)電場選址方案

中國沿海某市為減少海上風(fēng)電建設(shè)對沿岸功能區(qū)域的影響，擬在深遠(yuǎn)海域進行風(fēng)電場選址，選址方案為5個區(qū)域，見圖5。

各方案中的數(shù)據(jù)均由實際測量或觀測獲得。1、2、3、4、5號方案中計劃裝機容量分別為250、250、350、500、2 300 MW。通過查閱氣象歷史觀測統(tǒng)計數(shù)據(jù)，獲得平均風(fēng)速、風(fēng)功率密度和有效風(fēng)時;查閱海圖和航路指南等，獲取水深、浪高以及各方案場址到航道、錨地和漁區(qū)的距離，并以各方案場址中心點為基準(zhǔn)進行測量，獲得各方案離岸距離。各方案評價指標(biāo)具體數(shù)據(jù)見表3。

3.2 求取變權(quán)權(quán)重

依據(jù)評價指標(biāo)等級劃分標(biāo)準(zhǔn)，結(jié)合專家建議，確定5個方案的懲罰水平α（本文取α=1）和懲罰閾值βj。依據(jù)式（1）～（6）計算得到評價指標(biāo)常權(quán)權(quán)重和各方案的變權(quán)權(quán)重，見表4。

以方案1為例：首先，利用G1法依據(jù)式（1）～（4）求得10個評價指標(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），計算求得方案1各評價指標(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 灰云聚類及評價結(jié)果

用MATLAB軟件進行編程，輸入評價指標(biāo)具體數(shù)據(jù)，計算各評價指標(biāo)的灰云聚類系數(shù)，結(jié)合變權(quán)權(quán)重得到綜合聚類系數(shù)，最終計算各方案評分值，確定評價等級。各方案常權(quán)灰云聚類計算結(jié)果見表6，各方案變權(quán)灰云聚類計算結(jié)果見表7，各方案變權(quán)聚類一級指標(biāo)等級評定結(jié)果見表8。

以方案1中指標(biāo)U1為例說明變權(quán)灰云聚類計算過程。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次計算結(jié)果的平均值，得到指標(biāo)U1關(guān)于5個等級的灰云聚類系數(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個評價指標(biāo)關(guān)于各等級的灰云聚類系數(shù)，然后利用式（15）可求得方案1的綜合聚類系數(shù)。最后依據(jù)各等級賦值及式（17）計算方案1的評分值為3.473 0，確定方案1的等級為一般。

對比表6和表7中常權(quán)賦權(quán)和變權(quán)賦權(quán)的計算結(jié)果可知，變權(quán)后各方案評分值明顯低于常權(quán)賦權(quán)得到的評分值。這是由于變權(quán)賦權(quán)方法有效地調(diào)動了較差或很差指標(biāo)的參與度，并在一定程度上保持了較好指標(biāo)的優(yōu)勢，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評分值得到風(fēng)電場選址排序為：方案5方案4方案2方案1方案3。分析表8如下：橫向來看，方案5在風(fēng)能資源、自然條件、交通環(huán)境、風(fēng)機條件4個方面均處于較好或非常好的水平;縱向來看，方案5在單一方面均占有優(yōu)勢，使能源經(jīng)濟效益和船舶通航安全都處于較好的水平。與文獻[10]的評價結(jié)果一致，方案5為終選最優(yōu)方案，但文獻[10]中方案1與方案2的評分值一樣，而本文評價得到方案2稍優(yōu)于方案1，這符合方案2中有效風(fēng)時更長的優(yōu)勢情況，較為符合實際，這說明變權(quán)灰云聚類方法有著較好的分辨力。

通過模型實例分析，對變權(quán)灰云模型的優(yōu)勢[21]進行總結(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)對海上風(fēng)電場選址評價結(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估對象評價等級信息的隨機性、灰色性和模糊性，因而評估結(jié)果更能體現(xiàn)風(fēng)電場選址方案的實際情況;三是評估過程中考慮到白化權(quán)值的隨機性，進行多次計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)等級的灰云聚類系數(shù)，因而評估過程更加可靠;四是采用灰云模型進行計算，計算過程更為簡便，從定性和定量兩方面呈現(xiàn)評估結(jié)果，確定風(fēng)電場選址最優(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)電場選址過程中的不確定性和多擾動性等特點，從實現(xiàn)能源經(jīng)濟效益最大化和保障船舶通航安全角度出發(fā)，構(gòu)建風(fēng)電場選址評價指標(biāo)體系;引入變權(quán)理論，修正評價指標(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，從定量和定性兩個角度對備選場址方案數(shù)據(jù)進行分析計算，確定最優(yōu)場址。通過模型計算和評估結(jié)果分析，最優(yōu)場址無論是在“效益”還是“安全”方面都處于較好及以上水平，實現(xiàn)了“效益”和“安全”的雙贏，同時變權(quán)灰云模型能夠充分考慮系統(tǒng)信息的隨機性和模糊性，具有一定的普遍適用性和可靠性，為海上風(fēng)電場選址提供了新的方法，可在相關(guān)領(lǐng)域進行進一步深入研究。參考文獻：

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

[6] 薛雙飛， 謝磊， 王樹武， 等. 海上風(fēng)電場區(qū)船舶A*避碰尋路算法[J]. 中國航海， 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估中的應(yīng)用[J]. 上海海事大學(xué)學(xué)報， 2019， 40（4）： 66-71， 88. DOI： 10.13340/j.jsmu.2019.04.012.

[13] 李泓澤， 郭森， 唐輝， 等. 基于改進變權(quán)物元可拓模型的電能質(zhì)量綜合評價[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)電場并網(wǎng)技術(shù)性綜合評價[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)灰色聚類的公路平交口安全評價[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)險灰色評估[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， 李國帥， 等. 基于灰云和改進AHP的港口船舶應(yīng)急疏散模型[J]. 上海海事大學(xué)學(xué)報， 2017， 38（3）： 25-30， 60. DOI： 10.13340/j.jsmu.2017.03.005.

[18] 劉曉佳， 張荀， 汪強， 等. 基于灰云聚類的港口水域通航環(huán)境危險度評價[J]. 中國航海， 2019， 42（3）： 55-61.

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

[20] 強鳳嬌. 灰色聚類決策歸類原則探析[J]. 統(tǒng)計與決策， 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)效能評估[J]. 系統(tǒng)工程與電子技術(shù)， 2019， 41（7）： 1576-1582.

（編輯 賈裙平）