基于AHP-EWM-CM的发电企业应急能力评价模型

符祥德

摘要：为了科学评判企业应急管理现状，实现应急资源的科学配置和有效利用，提升企业预防和响应突发事件的水平，对企业开展应急能力评价是最為有效的途径之一。文章提出了基于AHP-EWM-CM的应急能力评价模型，构建了发电企业应急能力评价指标体系，以某发电企业为例，首先结合层次分析法（AHP）与熵权法（EWM）求取评价指标的综合权重，然后通过云模型（CM）的云发生器计算各评价指标的云数字特征并生成对应的指标云图，将其与评价标准云图进行对比，以最大相似度准则为依据，得出该企业综合评价结果为“优秀”。文章研究结果表明：基于AHP-EWM-CM的应急能力评价模型解决了权重确定与评价结果描述的局限问题，计算得到的指标权重更加客观，且评价结果以云图展示更加直观，可在企业应急能力评价中推广运用。

Abstract： In order to scientifically judge the status quo of enterprise emergency management， realize the scientific allocation and effective utilization of emergency resources， and improve the level of prevention and response of emergencies， it is one of the most effective ways to evaluate emergency response capability. This paper proposes an emergency capability evaluation model based on AHP-EWM-CM， and builds an emergency power evaluation index system for power generation companies. Taking a power generation company as an example， firstly， the AHP and the entropy weight method （EWM） are used to obtain the comprehensive weight of the evaluation index， and then the cloud digital characteristics of each evaluation index are calculated by the cloud generator of the cloud model （CM） Generate the corresponding indicator cloud map and compare it with the evaluation standard cloud map. Based on the maximum similarity criterion， it is concluded that the comprehensive evaluation result of the enterprise is "excellent". The research results in this paper show that the emergency capability evaluation model based on AHP-EWM-CM solves the limitation of weight determination and description of the evaluation results. The calculated index weights are more objective， and the evaluation results are more intuitively displayed in the cloud diagram， which can be used in the enterprise emergency capability Promotion and use in evaluation.

关键词：熵权法;云模型;发电企业;应急能力;综合评价

0  引言

电力行业作为我国生产发展的支柱行业，与千家万户的日常生活以及各行各业的稳定生产紧密相连，为推动我国的社会进步和生产安全保驾护航[1]。发电企业是电力系统生产运行的供给端，发挥着至关重要的作用，虽然我国发电企业不断对自身应急管理工作进行规范与完善，但近些年由突发事件造成的人身伤亡事故、大面积停电事故仍然时有发生，不仅造成了人员的伤亡，也对当地的供电用电产生了影响，使人民的生命财产遭受沉痛打击[2-3]。为了科学评判发电企业应急能力现状，及时发现企业应急工作中的薄弱项，从而有针对性地提高企业的应急能力水平，对发电企业进行应急能力评价是最有效的手段之一。

目前，国内外学者对发电企业应急能力评价的研究已取得了一些进展，Satty[4]于1980年首次提出了层次分析法（Analytic Hierarchy Process，AHP），并将其用于在决策问题中判断各影响因素的相对重要程度;Qi[5]等采用模糊综合评价法对应急预案进行评价，并构建了应急预案评价指标体系的基本框架;鲁鹏[6]等构建了适用于电网突发事故应急响应能力的评价指标体系，并首次使用改进的熵权法对应急响应能力进行了评价;王群[7]等结合层次分析法和模糊综合评价法对电力系统应急通信预案进行了评价，减少了主观因素对评价结果的影响。现有的发电企业应急能力评价多是针对应急工作中的某一项职能进行评价，对企业应急能力的综合评价较少，评价中常见的指标确权方法都存在一定的局限性，单一的指标确权方法难以兼顾主观意见和客观数据，导致权重的确定难免不够准确可靠[8]，且传统的模糊综合评价方法在确定指标隶属度时，对随机性和模糊性的考虑也存在不足[9]。

基于此，本文构建了发电企业应急能力综合评价指标体系，结合层次分析法和熵权法（the Entropy Weight Method，EWM）確定综合权重，提升了指标权重的客观性，最后根据传统云模型（Cloud Model，CM）提出了基于AHP-EWM-CM的应急能力评价模型，综合考虑了指标的随机性和模糊性，并将该模型应用于发电企业综合评价实例中，检验了该模型的实用性和有效性，评价结果可为企业决策提供参考。

1  发电企业应急能力评价指标体系

本文通过参考相关研究文献[10-12]及国内相关法律法规，依据《发电企业应急能力建设评估规范（试行）》并结合专家咨询以及现场实际调研，基于全面性、可行性、简捷性、目的性、客观性以及结合性原则，构建了发电企业应急能力评价指标体系，分为5个一级指标和26个二级指标，具体指标如图1所示。

2  基于AHP-EWM-CM的应急能力评价模型

2.1 评价指标权重的确定

2.1.1 层次分析法确定初始权重

层次分析法将决策问题划分为多个相互关联的因素，并分层次归类，使得分析过程更加严谨且条理清晰。通过对因素进行重要性比较构建判断矩阵，然后根据方根法计算得到指标权重，最后对判断矩阵进行一致性检验，当一致性比率CR<1时，一致性检验通过。

2.1.2 结合熵权法确定综合权重

AHP法确定的权重更多反映的是专家的经验及偏好，主观性较强。为了使评价结果既可以反映专家的主观判断，又可以兼顾数据信息的客观性，使得评价指标的权重更加合理可靠，本文结合熵权法确定综合权重。熵权法是客观确权方法的一种，它基于指标数据，经过推导计算信息熵求出指标熵权重[13]。设有n个指标，EWM的具体实施步骤如下：

①将判断矩阵进行规范化处理，求得标准矩阵P=（pij）n×n：

②第j项评价指标的信息熵ej的计算公式为：式中：k=1/ln，为信息熵系数;0？燮ej？燮1。

③第j项评价指标的熵权重可以表示为：式中：ej为评价指标的信息熵;n为评价指标数。

确定了各个指标的初始权重及熵权重之后，将AHP与EWM计算的权重结果相结合，得到各个指标的综合权重，计算方法如下：式中：Qi为综合权重值;Ei和Wi分别为EWM法和AHP法得到的权重值。

2.2 综合评价云模型

2.2.1 云模型理论

在处理定性指标的随机性和模糊性时，传统评价方法难以将二者同时考虑在内，而云模型将这些可变性巧妙地集成在一起，既能表示由定性概念到定量数值的转化过程，也能表示由定量数值到定性概念的转化过程[14]，并能将评价结果以图像的形式进行展示，直观易懂。云模型的基本原理如图2所示。

使用云的数字特征对定性概念进行描述，如图3所示。期望Ex表示样本云中心云滴的横坐标，是反映定性概念最重要的值。熵En表示样本云的跨越度，其值越大，表示的概念越宏观，模糊性越大。超熵He描述熵的离散程度，也就是云滴的凝聚程度，其值越小，样本的随机性越小。

使用云发生器实现定量数据与定性概念的转化，云发生器主要包括正向以及逆向发生器。正向云发生器可以实现定性概念到定量数据的转化，而逆向云发生器可以将定量数据转化为以云的数字特征描述的定性概念。

2.2.2 云模型综合评价步骤

①云数字特征的计算。

将第i项评价指标的m个评价值xj输入逆向云发生器中，经过式（5）计算得出对应的云数字特征Exi，Eni，Hei：式中：xj∈[0，1]为第j个专家对第i个评价指标的评价值。

②综合云数字特征的计算。

综合云是由下层指标的云经过算法合成得到的云，表达更广义、更一般的概念，其数字特征可以由下层指标云的数字特征通过一定的算法进行计算求得[15]，计算公式如下：式中：Qi为下层指标的综合权重值，Exi、Eni和Hei分别为下层指标的期望、熵和超熵值。

③构建评价指标的评语集。

构建评语集对各个指标进行评价，根据相关领域专家经验，可用黄金分割率将评语集划分为五个层次[16]，即V={优秀，良好，尚可，差，极差}，其对应的评分区间如下：V1[0.8，1]代表“优秀”;V2[0.6，0.8）代表“良好”;V3[0.4，0.6）代表“尚可”;V4[0.2，0.4）代表“差”;V5[0，0.2）代表“极差”。将评价层次转化为对应的评价标准云，其数字特征如表1所示。根据各个评价层次对应的云的数字特征可以生成评价标准云图，如图4所示。

④生成指标云图。

邀请专家对应急能力评价体系中的二级指标进行打分，使用逆向云发生器计算获得各指标的云的数字特征并生成对应的指标云图。

⑤得出评价结果。

由下层指标云的数字特征计算得到综合评价云的数字特征并生成综合评价云图，然后与评价标准云图进行比对，依据云相似度对评价结果进行判定。综合评价云与评价标准云的云相似度可由式（7）计算得出[17]：式中：xi为综合评价云的期望值，Exj和Enj分别为评价标准云的期望值和超熵值。

依据最大相似度准则，最大云相似度所对应的评价层次为被评企业应急能力的评价结果。

3  实例分析

以湖北省某发电企业为例，该企业是以发电为主，集投融资、科研、设计、勘测、服务与机具制造为一体的综合大型中央企业。企业按照国家能源局《关于深入开展电力企业应急能力建设评估工作的通知》（国能综安全〔2016〕第542号）的要求，全面开展了应急能力建设工作，为了帮助企业认清自身应急能力建设现状，进一步提升其应对突发事件的响应能力，有必要对其开展应急能力综合评价。

3.1 评价指标权重的确定

根据专家评价结果构造判断矩阵，使用AHP计算得出各评价指标的初始权重，并检验构造的判断矩阵是否满足一致性比率要求。然后对判断矩阵進行规范化处理，使用EWM计算得出各评价指标的熵权重。最后结合AHP确定的初始权重和EWM确定的熵权重，根据式（4）计算最终得出各评价指标的综合权重。各层次评价指标的权重分布如表2所示。

由计算结果可知，在一级指标中，组织管理能力T1所占的综合权重系数最大，为0.3930，而善后总结能力T5所占的综合权重系数最少，仅为0.0550;在二级指标中，日常巡护T32和二次系统安全防护所占的综合权重系数最大，均为0.0849，而电力应急宣传教育T16所占的综合权重系数最小，仅占0.0060。综上所述，在发电企业应急能力建设中，组织管理能力作为日常应急预防与准备的重要部分占据显著位置，制定完善的应急预案并将其落实以及定期进行应急培训与演练是提升企业应急能力的重要措施。

3.2 计算评价指标云的数字特征

专家通过评分表的方式，以行业评估规范为标准，对二级指标进行评分，并将分数折算为[0，1]的小数。通过逆向云发生器将各评价指标所得分数转化为对应的二级指标云的数字特征，计算结果如表3所示。

通过式（6）计算可得到各一级指标云以及综合评价云的云数字特征为：T1=（0.8927，0.0587，0.0087），T2=（0.8673，0.0828，0.0189），T3=（0.8931，0.0751，0.0157），T4=（0.9480，0.0524，0.0133），T5=（0.9312，0.0655，0.0157），T=（0.9048，0.0698，0.0150）。以综合评价云T及其子云T1、T2、T3、T4、T5的云数字特征为例进行分析，期望Ex表示的是对被评项目水平的预期，由计算结果可知，T的期望值为0.9048，在表1中处于“优秀”与“良好”之间，且其数值更接近“优秀”。同时T1、T2、T3的期望值略小于T的期望值，T4、T5的期望值略大于T的期望值，说明该企业应急处置能力、善后总结能力相对较好，需要继续保持，并在现有水平上不断完善;而组织管理能力、资源保障能力和监测预警能力还有待进一步加强建设。

分析熵En与超熵He可知，综合评价云T及其子云的熵与超熵均较小，表明评价结果具有较高的可靠性，专家组意见一致。同理，可以得出一级指标云及其对应的二级指标云的云数字特征的关系，分析并找出应急工作中的薄弱项，从而有针对性地提升企业的应急能力，更好地保障从业人员的生命财产安全。

3.3 综合评价

根据综合评价云的数字特征，在评价标准云图上生成云滴并与之进行对比，生成的对比云图如图6所示。由云模型的雾化特性可知，指标云的数字特征应满足En>3He，否则其评价云图将呈云雾型，表明专家组对该指标的评价存在较大分歧，专家组应重新打分，直到评价云图合乎要求。由表3可知，一级指标云以及评价目标云的数字特征均满足En>3He的条件，说明其生成的云图合乎要求。由对比云图可知，综合评价云的云滴大多位于评价标准云图的“优秀”与“良好”两个区域之间，且更接近于“优秀”，可据此直观判定该企业应急能力评价层次为“优秀”。

为了确保评价结果的准确性与科学性，根据式（7）计算综合评价云与各个评价层次的云相似度δj，计算结果如表4所示。

由计算结果可知，综合评价云与代表“优秀”评价层次的云的相似度为0.6523，远大于其他评价层次对应的云的相似度，依据最大相似度准则，并结合对比云图的直观判定以及云数字特征的分析比较，得出该企业的应急能力评价结果为“优秀”，表示该企业应急能力建设情况较好，现阶段能满足应对处置各类突发事件，与该企业的安全管理现状基本一致。

4  结论

①基于AHP-EWM-CM的应急能力评价模型在确定指标权重时，既考虑了行业专家的主观经验，又兼顾了企业的客观数据，得出了更加客观合理的综合权重，并完成了概念与数据之间的转换，为企业应急能力评价指标权重的确定提出了一种新方法。

②该模型在提供被评价项目的预期值的同时还提供了评价结果的可靠性和一致性，找出了企业应急能力建设中的薄弱环节，呈现了更加多元的信息，且使用对比云图展现评价结果更能使人对评价结果有直观清晰的理解。

③实例分析结果与企业现状相符合，表明该评价模型是有效可行的，可应用于实际企业应急能力综合评价中，企业可根据自身条件调整评价体系，以得到符合自身情况的应急能力评价结果。

参考文献：

[1]傅小华，季建华，何冰.基于情景分析的电力突发事件应急管理研究[J].工业工程与管理，2013，18（05）：118-123.

[2]朱朝阳，于振，刘超.电力应急管理理论与技术体系研究[J].电网技术，2011，35（02）：178-182.

[3]梁天瑞，徐克，顾倩倩，等.基于改进二元语义的配电网工程应急能力评估[J].安全与环境工程，2019，26（04）：135-139.

[4]Saaty T L. The Analytic Hierarchy Process[M]. New York： McGraw-Hill， 1980.

[5]QI G J， HUA X S，RUI Y， et al. Two-dimensional active learning for image classification[C]//2008 IEEE Conference on Computer Vision and Pattern Recognition， June 23-28， 2008， Anchorage， USA： 1-8.

[6]鲁鹏，陈大军，时珉，等.基于熵权法的电网应急能力水平评价研究[J].电力科学与工程，2013，29（11）：44-48.

[7]王群，李巍，于海，等.基于模糊层次分析法的评估方法在电力系统应急通信预案中的应用研究[J].电力系统保护与控制，2018，46（22）：171-177.

[8]谢晓帆，刘秋林，李斌，等.基于主成分分析法与对应分析法的县域配电网状况评估[J].智慧电力，2018，46（06）：68-73.

[9]徐镇凯，徐兴忠，魏博文，等.基于单位约束组合赋权的混凝土坝性态安全评价云模型[J].长江科学院院报，2019，36（07）：55-60，69.

[10]李丹阳，赵云胜，史小棒，等.基于改进未确知测度法的光伏发电项目应急能力成熟度评估模型研究[J].工程管理学报，2017，31（05）：117-122.

[11]门永生，朱朝阳，于振，等.电网基础设施突发事件应急能力指标体系构建及评价[J].安全与环境学报，2014，14（03）：84-87.

[12]程正刚，房鑫炎，俞国勤，等.电力应急体系的脆弱性评价研究[J].电力系统保护与控制，2010，38（19）：51-54，86.

[13]杨力，刘程程，宋利，等.基于熵权法的煤矿应急救援能力评价[J].中国软科学，2013（11）：185-192.

[14]何金平，高全，施玉群.基于云模型的大坝安全多层次综合评价方法[J].系统工程理论与实践，2016，36（11）：2977-2983.

[15]李万庆，路燕娜，孟文清，等.基于AHP-云模型的施工企业项目经理绩效评价[J].数学的实践与认识，2015，45（07）：86-91.

[16]贾彦强，许开立，张津嘉，等.中小企业生产车间综合安全评价云模型[J].中国安全科学学报，2016，26（07）：113-118.

[17]陈轶俊，刘敦文，朱鼎耀，等.基于云模型的舰艇弹药库房综合安全评价[J].中国安全生产科学技术，2015，11（02）：138-144.