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(xué)電氣與自動化學(xué)院,武漢市 430072;2.國網(wǎng)湖北省電力有限公司,武漢市 430077;3.國網(wǎng)內(nèi)蒙古東部電力有限公司,呼和浩特市 010010)
在當(dāng)前全球能源安全問題突出、環(huán)境污染問題嚴(yán)峻的大背景下,大力發(fā)展風(fēng)電、太陽能發(fā)電、水電等可再生能源,實現(xiàn)能源生產(chǎn)的清潔化轉(zhuǎn)型, 是中國乃至全球能源與經(jīng)濟實現(xiàn)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(cè)多樣化用能需求時,利用各類能源間的相互轉(zhuǎn)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(nèi)有些企業(yè)將云計算、大數(shù)據(jù)應(yīng)用與智能電網(wǎng)相結(jié)合,通過采集和存儲數(shù)據(jù),利用大數(shù)據(jù)挖掘和分析可以為能源供應(yīng)商和電力用戶提供新能源發(fā)電功率預(yù)測和調(diào)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(shù)據(jù)服務(wù)(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(biāo)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(shè)規(guī)劃、提高其運營效益提供決策支持依據(jù),因此圍繞綜合能源系統(tǒng)能源利用效率、經(jīng)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(guān)注的問題?;诖耍墨I[6-7] 從經(jīng)濟、能耗和環(huán)境3個角度出發(fā),構(gòu)建了評價分布式冷熱電綜合能源系統(tǒng)運營效益的指標(biāo)體系,并且文獻[8]利用信息熵和專家評價相結(jié)合的指標(biāo)賦權(quán)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(quán)相結(jié)合的指標(biāo)主客觀賦權(quán),研究了系統(tǒng)多屬性加權(quán)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(wǎng)和用戶等環(huán)節(jié)建立綜合評價指標(biāo)體系,基于網(wǎng)絡(luò)分析-反熵權(quán)的主客觀組合賦權(quán)建立了綜合評價模型。文獻[9]考慮政府、電網(wǎng)、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(jīng)濟和安全的指標(biāo)體系,利用集值迭代-反熵權(quán)主客觀組合賦權(quán)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(shù)服務(wù),圍繞其運營效益評價的指標(biāo)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(xiàn)具有不同數(shù)據(jù)服務(wù)特點項目間的橫向比較,而且能夠利用量化分析尋找數(shù)據(jù)服務(wù)平臺的不足,從而完善項目的建設(shè)、提高其運營效益。
提升NEBDS項目產(chǎn)生的綜合效益是其重要運營目標(biāo)之一,而增加服務(wù)項目綜合效益的方式、方法多種多樣,如配置先進設(shè)備、更新算法、提高服務(wù)質(zhì)量和降低服務(wù)價格、擴大服務(wù)用戶和拓展服務(wù)內(nèi)容等,因此如何為優(yōu)化新能源大數(shù)據(jù)服務(wù)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(jié)綜合能源系統(tǒng)的綜合評價指標(biāo),圍繞數(shù)據(jù)服務(wù)在經(jīng)濟、技術(shù)、環(huán)境和社會等方面產(chǎn)生的效益和提供的服務(wù),建立面向大數(shù)據(jù)服務(wù)綜合運營效益評價的指標(biāo)體系。在研究基于最小鑒別信息原理進行主客觀組合賦權(quán)的基礎(chǔ)上,從克服決策者主觀風(fēng)險傾向影響綜合評價決策結(jié)果的不足出發(fā),利用前景理論將投資者對收益、損失和風(fēng)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(jié)合,提出面向NEBDS最優(yōu)服務(wù)項目排序的綜合評價方法,為投資者確定符合其內(nèi)心客觀選擇預(yù)期的最優(yōu)運行方案提供決策支持。
NEBDS是大數(shù)據(jù)技術(shù)在能源領(lǐng)域的應(yīng)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(shù)據(jù)中心通過對電網(wǎng)數(shù)據(jù)、環(huán)境數(shù)據(jù)、用戶數(shù)據(jù)進行監(jiān)控、收集、分析,從而為企業(yè)與用戶提供負荷預(yù)測、用戶用電管理、能源互聯(lián)、節(jié)能服務(wù)、清潔能源發(fā)電管理等服務(wù)。作為一種基于信息服務(wù)促進新能源消納的場景,NEBDS在為投資者產(chǎn)生經(jīng)濟效益的同時,也能夠為社會與環(huán)境產(chǎn)生各種效益,例如通過可再生新能源利用實現(xiàn)環(huán)境保護、為社會提供優(yōu)質(zhì)的節(jié)能降耗服務(wù)、促進社會經(jīng)濟的高質(zhì)量發(fā)展等。所以,對于NEBDS的評價,不能僅限于經(jīng)濟價值,而需要從多視角進行衡量?;诖耍瑖@NEBDS產(chǎn)生效益的不同類別,本文從經(jīng)濟、技術(shù)、環(huán)境、社會這4個方面構(gòu)建評估其綜合效益的一級指標(biāo)。同時,結(jié)合NEBDS運營服務(wù)特點,構(gòu)建涵蓋其基本屬性與服務(wù)目標(biāo)的二級指標(biāo),其綜合效益評價指標(biāo)體系如圖1所示。
圖1 NEBDS綜合效益評價指標(biāo)體系Fig.1 Comprehensive benefit evaluation indices of NEBDS
圖1中,經(jīng)濟效益指標(biāo)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(biāo)組成,分別反映評估項目投資成本和創(chuàng)造的經(jīng)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(shù)額與服務(wù)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(shù)據(jù)服務(wù)所獲得的收益,例如設(shè)備監(jiān)測管理、新能源發(fā)電和負荷預(yù)測等服務(wù)收益等。指標(biāo)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(shù)效益指標(biāo)用于評價NEBDS項目的技術(shù)先進性。隨著新能源并網(wǎng)規(guī)模增加,電網(wǎng)源荷端的不確定性增強,因此提高新能源發(fā)電功率預(yù)測與負荷預(yù)測準(zhǔn)確性對于促進電網(wǎng)的新能源消納具有重要作用,也是能源大數(shù)據(jù)服務(wù)的一項重要服務(wù)內(nèi)容,故用新能源發(fā)電預(yù)測準(zhǔn)確率B1與負荷預(yù)測準(zhǔn)確率B2體現(xiàn)大數(shù)據(jù)平臺的數(shù)據(jù)分析能力。同時利用數(shù)據(jù)利用率B3來評價其數(shù)據(jù)服務(wù)被用戶認可和使用的能力。指標(biāo)B1、B2和B3的計算方法如下:
(3)
(4)
(5)
式中:Qp1、Qp2分別表示數(shù)據(jù)統(tǒng)計周期內(nèi)的新能源發(fā)電量和負荷需求的預(yù)測值;Qa1、Qa2分別表示統(tǒng)計周期內(nèi)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(shù)據(jù)總量;Da2表示一年中收集的數(shù)據(jù)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(shù)據(jù)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(biāo)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(biāo)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(wù)前能源消耗量。
社會效益主要反映NEBDS為電網(wǎng)建設(shè)以及服務(wù)需求用戶帶來的效益。能源大數(shù)據(jù)能提供新能源發(fā)電管理服務(wù),從而實現(xiàn)電網(wǎng)友好型新能源發(fā)電,同時在用電側(cè)分析用戶的用能特點,可為用戶提供個性化用能服務(wù)提供支撐。本文使用電網(wǎng)友好度D1與用戶滿意度D2作為社會效益的評價指標(biāo),指標(biāo)計算方法如下:
(8)
(9)
在建立指標(biāo)體系之后,合理確定各評價指標(biāo)權(quán)重是構(gòu)建綜合評價模型的基礎(chǔ)。為確定各評價指標(biāo)在評價體系中所占權(quán)重,本文采用改進AHP與熵權(quán)進行指標(biāo)的主觀和客觀賦權(quán)。
AHP是將與決策有關(guān)的因素分為目標(biāo)、準(zhǔn)則、方案等層次,在此基礎(chǔ)上進行定性與定量決策的方法[11]。常規(guī)AHP賦權(quán)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(quán)重的改進,以使指標(biāo)主觀賦權(quán)更具合理性,具體賦權(quán)方法步驟如下所述。
設(shè)有L位專家共同參與確定m項評價指標(biāo)主觀權(quán)重。首先,L位專家共同確定評價指標(biāo)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(biāo)的重要程度。
然后各專家按照式(10)所示指標(biāo)重要程度順序,獨立給出相鄰兩個指標(biāo)之間的重要度,重要度標(biāo)度具體數(shù)值參考表1確定。
表1 指標(biāo)相對重要程度的標(biāo)度Table 1 Scale of relative importance of indices
將第i位專家確定的指標(biāo)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(biāo)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(biāo)的主觀權(quán)重。
(12)
熵是用于度量系統(tǒng)狀態(tài)的不確定性的熱力學(xué)概念[13]。熵權(quán)法是根據(jù)指標(biāo)值離散程度來確定權(quán)重的賦權(quán)方法,指標(biāo)值離散程度越大,則熵越大,其有用信息就越多,指標(biāo)賦權(quán)就應(yīng)偏大,反之亦然[14]。由于熵權(quán)法是根據(jù)指標(biāo)自身特性來決定權(quán)重,具有客觀性,因此常用于指標(biāo)客觀權(quán)重的確定。熵權(quán)法具體賦權(quán)方法步驟如下所述。
假設(shè)評價指標(biāo)體系的取值有n個分析樣本,對指標(biāo)值進行標(biāo)準(zhǔn)化處理后,按照式(13)計算第j項指標(biāo)的熵值Ij。
(13)
(14)
式中:k是常數(shù),一般取k=1/lnn;pij為第i個分析樣本中第j項指標(biāo)對應(yīng)的特征比重;xij為第i個分析樣本的第j項指標(biāo)值。
接著在計算第j項指標(biāo)差異系數(shù)vj的基礎(chǔ)上,按照式(15)確定第j項指標(biāo)的客觀權(quán)重εj。
(15)
為綜合主觀賦權(quán)與客觀賦權(quán)的優(yōu)點,需要把主觀權(quán)重與客觀權(quán)重進行組合,常用的組合方法有線性加權(quán)和乘法加權(quán)。線性加權(quán)法是把主客觀權(quán)重按照一定的比例進行疊加,比例系數(shù)需要根據(jù)經(jīng)驗獲得,缺乏說服力。而乘法加權(quán)容易導(dǎo)致“倍增效應(yīng)”[13]。為使綜合權(quán)重盡可能不偏向于主觀和客觀權(quán)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(quán)重,如式(16)所示。
(16)
式中:w表示各指標(biāo)綜合權(quán)重構(gòu)成的向量;wj表示第j項指標(biāo)的綜合權(quán)重。通過求解上述優(yōu)化模型可得各指標(biāo)綜合權(quán)重的計算表達式:
(17)
在現(xiàn)有評價方法研究中,TOPSIS法是一種常用于評價排序的多目標(biāo)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(fēng)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?qū)υu價結(jié)果的合理性產(chǎn)生影響。
前景理論認為人的決策選擇取決于結(jié)果與展望(即預(yù)期、設(shè)想)的差距,同時現(xiàn)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(xué)角度分析表明:投資者在面臨獲利時通常是風(fēng)險厭惡,偏好確定的小收益;在面臨損失時是風(fēng)險喜好的,寄希望于好運氣解決問題。并且人們對概率反應(yīng)有一些非線性特點,即對于小概率會反應(yīng)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(yīng)用前景理論,基于投資者內(nèi)心參考點確定收益與損失,將會使方案評價結(jié)果更加趨于客觀[19]。為了更好體現(xiàn)決策者心理因素對決策結(jié)果影響,本文引入前景理論對TOPSIS排序方法進行改進,通過構(gòu)建前景價值矩陣,為利用TOPSIS法進行評價結(jié)果合理排序奠定基礎(chǔ)。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(biāo)給出每一個指標(biāo)的期望值,形成期望矩陣Q。同時,根據(jù)n個方案的所有指標(biāo)值xij,按照式(18)進行標(biāo)準(zhǔn)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(yīng)上文分析樣本)第j個指標(biāo)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(biāo)準(zhǔn)化后期望矩陣的第j個元素。
接著將指標(biāo)分為收益型指標(biāo)與成本型指標(biāo),并將決策矩陣中的每個標(biāo)準(zhǔn)化指標(biāo)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(biāo)類型相關(guān),對于收益型指標(biāo)而言,若指標(biāo)值大于期望值,則該超出部分對應(yīng)為收益;若指標(biāo)值小于期望值,則不足的部分對應(yīng)為損失。成本型指標(biāo)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(dān)收益與損失的風(fēng)險系數(shù),其值越大,表示投資人越傾向于冒險;λ為損失規(guī)避系數(shù),其值越大,表示投資人對損失越敏感。文獻[20]研究表明,當(dāng)風(fēng)險系數(shù)取值為0.88,損失規(guī)避系數(shù)為2.25時,前景理論的分析結(jié)果與實際決策者對于收益與損失的心理造成的決策結(jié)果較為接近。
TOPSIS法的基本思想是:計算現(xiàn)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(biāo)準(zhǔn)[16]。本文將前景理論與TOPSIS法相結(jié)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(jié)合2.3節(jié)中權(quán)重確定方法計算出各備選方案至正負理想點的加權(quán)歐氏距離,從而進行方案排序。結(jié)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(biāo)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。
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(wù)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(zhì)服務(wù),為回收投資建設(shè)大量數(shù)據(jù)采集系統(tǒng)成本而提高服務(wù)收費,導(dǎo)致選擇接入服務(wù)平臺的新能源場站數(shù)量較少,用于項目供電與發(fā)電服務(wù)的評價指標(biāo)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(wù)效果,但因其未提升服務(wù)價格,導(dǎo)致項目利潤率降低;方案3的改進則注重發(fā)電服務(wù)提升,使新能源發(fā)電預(yù)測能力與發(fā)電并網(wǎng)友好度指標(biāo)得到了提升;方案4的改進更側(cè)重于用電側(cè)服務(wù),如用電側(cè)用能行為的數(shù)據(jù)收集與分析、電能節(jié)約服務(wù)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(biāo)的統(tǒng)計結(jié)果如表2所示。表2中,方案5的數(shù)據(jù)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(shù)據(jù)可利用歷史經(jīng)驗數(shù)據(jù),通過仿真、預(yù)測回歸分析、市場調(diào)研等方法建立。
表2 不同運營方案的評價指標(biāo)統(tǒng)計結(jié)果Table 2 Statistics of evaluation indices for different operational scenarios
指標(biāo)重要度數(shù)據(jù)如表3所示。表3中第一列從上至下為3位專家對指標(biāo)重要性進行排序的結(jié)果。在此基礎(chǔ)上,各位專家對各指標(biāo)相對重要程度的評價結(jié)果也如表3所示。表3中數(shù)字表示專家按照表1所示重要度標(biāo)度確定的指標(biāo)Zj與下一指標(biāo)Zj+1之間的相對重要性。
表3 指標(biāo)重要度數(shù)據(jù)Table 3 Index importance data
利用基于最小信息論的主客觀組合賦權(quán)法求取的各指標(biāo)權(quán)重如表4所示。由表4所示的指標(biāo)主觀權(quán)重可見,專家們關(guān)心的是NEDBS帶來的環(huán)境效益,指標(biāo)重點放在發(fā)電側(cè)與用電側(cè)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(shù)效益、社會效益占有差不多比重。表4中客觀權(quán)重是由5個方案中各指標(biāo)值的離散程度確定。主客觀綜合權(quán)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(wǎng)友好度起到較重要的作用,其他效益指標(biāo)起到的影響較小。
表4 指標(biāo)權(quán)重Table 4 Weights of indices
選取所有方案指標(biāo)的平均值作為該指標(biāo)的期望值Q,經(jīng)式(20)計算出價值矩陣V具體數(shù)值,如表5所示。將前景價值矩陣應(yīng)用到改進TOPSIS排序方法中,最終得到了各方案排序結(jié)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(jié)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(biāo)都超出參考值且數(shù)值占優(yōu),但其在低碳效益與項目收益率兩項重要指標(biāo)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(shù)據(jù)服務(wù)重點是對用電服務(wù)較為關(guān)注,雖然在用電服務(wù)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(wù)效果欠佳,因此綜合評價結(jié)果排第二。方案3的數(shù)據(jù)服務(wù)重點放在發(fā)電服務(wù)上,雖然其低碳效益與項目服務(wù)年利潤率都取得最優(yōu)值,但在其他指標(biāo)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(wù)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(chǔ)上減小項目投資,且相關(guān)服務(wù)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(biāo)前景值是一個巨大損失,而項目收益率又是最重要指標(biāo)之一,故該運行方案的最終評價結(jié)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(jù)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(jié)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。
指標(biāo)權(quán)重確定依舊采用4.1節(jié)中的結(jié)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(biāo)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(jié)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(jié)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(jié)果對比可知,與考慮前景理論的排序結(jié)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(jié)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(fēng)險的不同選擇,在本算例中,具體表現(xiàn)在對收益面臨風(fēng)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(quán)重占比最高指標(biāo)帶來的收益減小,最終使服務(wù)評價指標(biāo)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(jīng)過縮小,而損失進行放大后,實際最終評價結(jié)果相差較小。而對于方案2,其對于項目收益率這個權(quán)重占比較大的指標(biāo)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(yù)期,所以該指標(biāo)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(fēng)險傾向,通過縮小部分指標(biāo)的收益優(yōu)勢,同時對不及格指標(biāo)帶來的損失進行放大,從而能引導(dǎo)投資者選出更為合適的綜合方案。
在確定運營方案1為最優(yōu)改進方案的基礎(chǔ)上,進一步進行指標(biāo)權(quán)重變化對貼近度影響的靈敏度分析。設(shè)定各指標(biāo)初始權(quán)重為0.1,待分析指標(biāo)權(quán)重逐步增加到0.2的同時,其余指標(biāo)權(quán)重按相同變化量減小,并且減小權(quán)重的總和與待分析指標(biāo)的增加權(quán)重在數(shù)值上相等,用改進TOPSIS法計算方案與正負理想指標(biāo)所對應(yīng)方案的距離,即方案貼近度d。方案1貼近度對各指標(biāo)權(quán)重變化的響應(yīng)結(jié)果如圖4所示。
圖4 方案1各指標(biāo)權(quán)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(biāo)由前景理論計算得到的前景值越大,該指標(biāo)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(biāo)的前景值越小,該指標(biāo)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(biāo)的方案貼近度正向變化幅值最大,低碳效益C1指標(biāo)的方案貼近度負向變化幅值最大。兩者分別對應(yīng)了方案1的最優(yōu)指標(biāo)與最差指標(biāo),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(biāo)值的優(yōu)劣。其余4個方案貼近度對指標(biāo)權(quán)重變化的響應(yīng)分析結(jié)果同樣驗證了這一特點,即貼近度變化與指標(biāo)權(quán)重變化近似為線性關(guān)系。因此指標(biāo)的合理賦權(quán)對提高評價結(jié)果具有重要作用。
本文結(jié)合能源大數(shù)據(jù)服務(wù)的運營特點,構(gòu)建了一套適合評價其綜合效益的評價指標(biāo)體系,同時采用最小鑒別信息原理研究了指標(biāo)利用改進層次分析和熵權(quán)的綜合賦權(quán),基于前景理論與TOPSIS法結(jié)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(shù)據(jù)服務(wù)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(jié)論:
1)本文采用最小鑒別信息原理進行主觀加權(quán)與客觀加權(quán)結(jié)合的組合賦權(quán)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(biāo)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(biāo)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(fēng)險的偏好,以及規(guī)避損失的心理,可提高評價結(jié)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(shù)據(jù)服務(wù)項目綜合效益運營改進方案優(yōu)選的評價方法。所設(shè)計的綜合效益評價指標(biāo)體系相對簡單,在指標(biāo)評價的覆蓋全面性方面還存在不足,如何拓展指標(biāo)體系,對新能源大數(shù)據(jù)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(wù)項目進行綜合效益評估。