电网企业六氟化硫回收处理中心选址评价研究

程雅欐　刘春辉　郭珊珊　张洪青

摘 要：建立六氟化硫（SF6）回收处理中心，对SF6废气实行回收再利用能够有效控制温室气体的排放，具有重要的社会效益和环保效益。为了确定出合理的位置，通过综合考虑影响SF6回收处理中心的相关因素，建立电网企业SF6处理中心综合评价指标体系。之后，利用云模型把专家的定性评价值以定量值的形式表示，使得各指标值均用云表示。再结合各指标权重求得评价目标的云值，并与评价标尺进行比较，从而确定出候选地的评价等级。最后通过算例验证了该模型的可行性及有效性，为选址的最终决策提供一定的客观依据。

关键词：SF6；回收处理中心；云模型；选址评价

中图分类号：F252.19 文献标识码：A

Abstract： Establishing the sulfur hexafluoride（SF6）treatment center for SF6 waste recovery can substantially limit greenhouse gas emissions and bring about great social and environmental benefits. In order to determine the reasonable location of the SF6 treatment center， comprehensively considering the related factors of the SF6 treatment center， the paper constructed the index system for site selection of the SF6 treatment centers in electric power corporation. After the experts' qualitative evaluation values were transformed to quantitative data with the cloud model， all the index values were described by the clouds and combined with index weights to acquire the final cloud model of every evaluation object. According to the remark set， the assessment results could be obtained. Finally， it proved the feasibility and effectiveness of the cloud model through an example， which provided some objective bases for site selection decision-making.

Key words： SF6； the treatment center； the cloud model； location evaluation

0 引 言

目前，电网企业运行了20多年的SF6设备逐渐进入检修期，大量SF6废气需要更换。SF6作为六大温室气体之一，在同等体积下其增温潜力约为CO2的23 900倍。且SF6废气中还含有对生物有害的酸性分解产物。因此，电网企业对SF6废气实行回收再利用可以有效控制排放量，在一定程度上缓减温室效应的不良影响。该措施不仅积极响应国家“可持续发展”政策，更是为改善人民生存环境做出巨大贡献。

目前，广西、广东、江西、青海、辽宁等供电公司积极贯彻落实国家电网公司关于“减少污染物和废弃物排放，回收再利用SF6气体”节能和环保工作要求，建立了SF6回收处理中心。对于SF6回收处理中心的建设，前期选址工作非常重要，直接影响到后期物流成本、对周围环境的影响等方面，因此必须采用科学的方法进行评估和决策。

对于回收处理中心选址评价问题，一些学者对此进行了研究。赵旭升（2006）通过AHP（层级分析法）计算出每个候选处理中心的综合权重数，从而找出最优候选地[1]。常香云（2008）和李平丽（2010）运用模糊综合评价方法，有效集成定性和定量影响因素并对处理中心进行选址规划[2-3]。李双辰、王艳春（2013）利用TOPSIS法进行综合评价，确定了回收处理中心的位置[4]。郭滕达等（2014）建立了军事处理中心选址评价指标体系，并利用ANP（网络分析法）构建网络层次分析图，计算出评价指标体系中各子项指标权重，从而得到各方案的优劣关系[5]。

综上可知，现有研究成果综合考虑了定性指标和定量指标来建立评价指标体系。但使用的评价方法较为单一，大多是模糊综合评价、AHP等。本文采用的云模型作为一种新的评价方法，能够把模糊性与随机性集合在一起，实现定性概念与其定量表示之间的转换，因此可利用云模型建立SF6处理中心综合评价模型。

1 云模型相关理论

1.1 云的概念。云反映了人类知识对概念或客观事物认知的两种不确定性，即随机性和模糊性，并把二者科学的结合。在数域空间中，云不是清晰的隶属度曲线，也不是确定的概率密度函数，是由许多个点组成的无边沿的一对多映射图像，与自然界中的云有着相似的性质，因此采用“云”来描述定性定量相互转换的数学理论。

云的基本概念如下[6]：设U为一个用精确数值代表的定量论域，C是U上的一个定性概念，若元素x∈U，且x是定性概念C的一次随机实现，x对C的隶属度μx∈0，1是一个有稳定倾向的随机数。则x在论域U上的分布称为云。若U为一维论域，每一个x在论域空间坐标及其对概念的确定度的数值对即为一个云滴。

云模型用Ex（Expected Value）、En（Entropy）和He（Hyper Entropy）这3个数值来整体表征一个概念。它们能够定量化反映定性知识的特性。

（1）Ex（期望值）：期望值是所有云滴在论域中分布的期望值，是最能代表定性概念的值，期望值所对应的云滴是云图的重心，其隶属度为1。

（2）En（熵）：熵用来度量定型概念的不确定性，熵的大小即该定性概念能够接受的数值范围的大小，熵越大，定性概念语言值越具有模糊性。

（3）He（超熵）：超熵是熵的熵，反应了云滴的离散程度，He的大小由Ex和En共同确定，He越大代表云滴的确定度具有更大的随机性，云滴更离散，云层厚度也越大。

1.2 云发生器。云模型通过云发生器来实现定性概念与定量数据的相互转换。用硬件固化或软件模块化的云模型生成算法为云发生器（Cloud Generator，CG）。由于SF6处理中心综合评价用到了正向云发生器和逆向云发生器，现对这两种算法进行介绍。

综上看出，将专家的定性评价进行云模型表述，能大大降低专家评价的主观性。评价语言可以进行模糊处理，转化为定量数据，从而提高定性评价的准确性，为选址的最终决策提供客观的参考标准。

2 电网企业SF6处理中心综合评价指标体系建立

指标的选取不仅关系到整个评价体系构建的合理性，更关系到最终评价结果的准确性。通过参考若干关于电网企业SF6回收管理以及设施选址的文献资料，选择和确定有代表性的、能全面反映评价对象本质的指标，从而建立如表1所示的电网企业SF6处理中心综合评价指标体系。体系分为四层，主要从自然环境、基础设施、物流成本和环境保护要求4个方面综合考虑，每个方面又包括若干个分级指标。

3 基于云模型的电网企业SF6处理中心选址评价

为验证所提出的数学模型是否有效，将以J省为例为J省电网公司建立SF6处理中心。根据选址约束如运输条件、用地条件、地区建设规划等对所收集到的原始资料进行定性分析，初步分析有3个候选地点。决策组邀请10位专家组成委员会进行最优选址，处理中心的评价指标体系如表1所示。

3.1 指标权重的确定。由于指标体系中包含定性指标，所以需要专家根据专业知识主观上对每个评价指标的重视程度来确定权重系数。一般使用的方法是AHP。但是AHP有时对要素之间进行两两比较比较困难，且需要进行一致性检验，计算复杂。而G1法是每次在余下的指标中选出最重要的一个，且无需一致性检验，相比于AHP法计算量成倍减少。因此根据G1法先对评价指标进行定性排序，再对相邻指标进行重要性比值的理性判断，从而得出SF6处理中心综合评价指标相应的权重，如表2所示。G1法的具体步骤见文献[8]。

3.2 确定评价集。评价集是对SF6处理中心评价的一个标尺，根据这个标尺确定每个候选地处于什么等级，从而根据等级对其利用或者抛弃。

在此基于这样的心理学假设：专家评判时对于1、3、5、7、9这样确定的5个等级判断相对容易，对于介于它们中两者之间的语言值判断相对难一些。所以，评价集采用五级标度法，对应的定性语言值范围设定为0，1。

评价集的确定有两种方法。一个是基于云变换的数据驱动法，一个是基于黄金分割的驱动法。前者适用于给定数据量较大的情况。对于论域0，1的划分采用后者。因此，本文采用基于黄金分割的模型驱动法设定标准云模型。其基本思想是[9]：该模型将给定的属性（即论域）看成语言变量，每个语言变量有若干语言值，语言值用云模型来表达，越接近论域的中心，云的熵和超熵越小，越远离论域的中心，云的熵和超熵越大，相邻两个云的熵和超熵各自进行比较，且较小的熵（超熵）是较大的熵（超熵）的0.618倍。一般取奇数个云，如3个或5个。

根据基于黄金分割的模型驱动法，本文将论域分为5个评估等级：“好”、“较好”、“一般”、“差”、“较差”，分别对应云模型Cloud11，0.1031，0.013， Cloud20.691，0.064，0.008， Cloud30.5，0.039，0.005， Cloud40.309，0.064，0.008， Cloud50，0.1031，0.013。通过正向云发生器求出5个评价等级的云模型图，如图1所示。

3.3 定性数据的获取及云化。专家对每个定性指标都进行双边约束打分，给出每个指标评分的最大值和最小值。评分由若干选项组成，分别为60，65， 65，70， 70，75， 75，80， 80，85， 85，90， 90，95， 95，100。

以评价候选地P为例。10名专家对各二级指标进行双边约束打分，并进行归一化，统一到0，1。再通过逆向云发生器将各指标的分数转化为最小云和最大云，如表3所示。

3.4 定量数据的获取及云化。对定量指标数据进行极大化、归一化，使得数据统一到0，1的论域中，再进行标准云处理：即最终得分为Ex，定量数据转化为Ex，0.05，0.05的一维标准正态云。各定量指标的分数如表4所示。

3.5 加权综合。根据公式（1）将每个二级定性指标的最大最小云转为父云，其运算结果及权重如表5所示。

通过最终产生的评价云图可看出3个候选地的评价云都处于评价集Cloud11，0.1031，0.013和Cloud20.691，0.064，0.008之间，也就是处于评价集“好”与“较好”之间。候选地P最接近Cloud11，0.1031，0.013评价集，所以P的综合评价值最高，其次是候选地P，候选地P的评价值低于其他两个候选地。

4 结 论

对SF6处理中心进行科学的选址规划评估是推动SF6处理中心建设、落实SF6废气回收再处理工作的前提。本文建立了电网企业SF6处理中心综合评价指标体系，并采用易于理解，操作简单的G1法对各指标赋权。由于指标体系中包含定性指标和定量指标，而云模型可以将评价语言进行模糊处理转化为定量数据。由此提出了基于云模型的电网企业六氟化硫回收处理中心选址评价方法。通过利用云模型对J省3个候选地的评价表明，该方法能够全面考虑SF6处理中心的各个相关因素，综合处理定性指标和定量指标，进而确定了SF6处理中心的最佳地址P，为SF6处理中心选址规划提供了一种新的较为科学的选址方法。

参考文献：

[1] 赵旭升. 基于逆向物流管理的回收处理中心选址问题研究[D]. 天津：天津大学（硕士学位论文），2006.

[2] 常香云，范体军. 基于模糊层次分析法的逆向物流处理中心选址优化[J]. 科技管理研究，2008（1）：137-140.

[3] 李平丽，郭少儒. 逆向物流选址的影响因素与模糊综合评价[J]. 当代经济，2010（13）：153-155.

[4] 李双辰，王艳春. 基于TOPSIS法的逆向物流选址评价[J]. 价值工程，2013（7）：19-20.

[5] 郭滕达，杨清清，蔡瑞辉. 基于网络层次分析的军事逆向物流中心选址方法[J]. 兵工自动化，2014（2）：30-34.

[6] 刘常昱，李德毅，杜鹢，等. 正态云模型的统计分析[J]. 信息与控制，2005（2）：236-239，248.

[7] 王雪晶. 基于云模型的A公司供应商评价研究[D]. 北京：北京交通大学（硕士学位论文），2013.

[8] 王学军，郭亚军. 基于G1法的判断矩阵的一致性分析[J]. 中国管理科学，2006（3）：65-70.

[9] 陈贵林. 一种定性定量信息转换的不确定性模型——云模型[J]. 计算机应用研究，2010（6）：2006-2010.

[10] 陈世东，贺禹. 模糊层次分析法在物流园区选址中的应用[J]. 物流科技，2010（7）：36-38.

[11] 周晓晔，王艳茹，刘作峰. 物流中心选址的综合分析法研究[J]. 物流科技，2005（11）：10-13.