基于TOWA算子的新能源供电企业应急能力评估研究

文、图／首都经济贸易大学 赵建宇

为解决新能源供电企业基于专家打分法的应急能力评估结果存在主观性、片面性的问题，本文使用时序加权平均算子方法进行综合评估，建立了新能源供电企业应急能力评估体系。通过有序加权平均算子方法赋值并计算各应急时段下的指标权重，计算静态评价值并和时间权向量进行耦合最终得到综合评估结果。以三个新能源供电企业为例进行应用，结果显示：本文采用的计算方法可大幅降低主观性，评估结果可以科学地论证三家企业各方面的应急能力水平。研究成果可以为新能源供电企业管理者认识企业应急能力水平、开展企业应急能力建设提供理论支撑。

新能源供电企业应急能力研究现状

随着化石能源枯竭、气候变化反复、环境污染严重等问题日益突出，光伏和风电成为新能源发电的典型代表。我国风电和光伏分别在2012年初和2015年底成为世界上最大装机国家。但是，国内外大面积停电事故频频发生造成了难以挽回的损失。由于我国电网系统的复杂性和技术方面的欠缺很难从根本上杜绝大面积停电事故的发生。因此，提高新能源发电企业的应急能力水平、全面开展应急能力评估工作已经成为新能源供电企业一项重要的工作内容。

目前，部分专家基于传统的发电模式对企业应急能力评估进行了研究，而对于新能源供电企业的应急能力研究并不是很深入。国内现有的评估方法是主要基于传统发电模式应急能力评估的专家打分法。应急能力评估方面，行业层面已有很多评估方法，情境构建法、AHP变熵权法等。但是，企业层面的评估方法较少。

现在新能源供电企业使用的评估方法是专家打分法。该方法有很多明显的缺点，主观性强、指标指向性不明确、权重分配不合理等。专家打分法是最简单的静态评估方法，所以，研究动态的评估模型就有很重要的意义。已有学者对电网层面的应急能力评估使用时序加权平均算子的综合评估方法，但是其指标体系的构建和指标权重的赋权上并不符合新能源供电企业的实际情况。本文通过对指标体系和在权重计算上进行改进，并将此方法应用于企业层面，用专家打分法对评估结果是否符合实际情况进行了验证。由于电网系统的客观条件以及电网运行状态的不断变化，新能源供电企业的各项应急评估指标会随着时间的推进而不断改变，且在时间上有持续性。其次风电、光伏电网系统的设备长期暴露于自然环境中，受不确定因素影响的概率较传统的发电模式更大。因此，在发生紧急事故时，需要管理者根据实时的状态作出应急决策。综合以上两点，本文建立新能源供电企业应急能力评估指标体系，通过有序加权平均算子计算指标权重，运用时序加权平均算子建立动态评估模型，将传统专家打分法评估结果作为验证本文模型的论据。

企业应急能力评估指标体系的建立

应急能力评估指标体系

对新能源供电企业应急能力进行评估，需要先建立应急能力评估指标体系，来保证评估结果的科学与准确。从应急管理生命周期的四个阶段出发，预防（prevention）、准备（preparedness）、响应（response）、恢复（recovery）作为一级指标，根据这四个环节以及现有的静态评估指标体系划分总结二级指标（详见下图）。

指标权重的确定

确定电力行业应急能力评估指标权重常用的有层次分析法、熵权法、变异系数法等。前两种方法的缺点是存在太大的主观性，使评估结果不准确，而变异系数法忽视了实际发电经济效益等指标，并不是最佳的权重确定方法。

新能源供电企业应急能力评估指标体系图

本文提出使用经过我国学者改进的组合数有序加权平均算子的方法进行处理。具体步骤如下。

首先，请4位应急管理专家，对指标的重要程度按照十分制进行打分，构成原始的指标数据集并将原始的指标数据集按照降序排列，得到指标数据集。

其次，指标数据集中的各数据通过加权向量进行加权得到绝对权重后再进行归一化处理，最终得到相对权重。

原始数据分析

原始数据由专家打分法获得。专家按照《发电企业应急能力建设评估规范》标准和部门要求，在打分表中按照各项的评估标准和被评估企业的实际情况打分。将不同量纲的数据无量纲化。按照min-max标准化（min-max normalization）方法进行了标准化处理。

应急能力评估动态模型

时序加权平均算子（TOWA）

时序加权平均算子（TOWA）是在有序加权平均算子（OWA）基础上提出的，它是时间诱导分量和数据分量的函数相关关系。

TOWA算子是将时间诱导分量按照特定的时间顺序排列，然后将对应的数据分量进行线性加权求和，即将各时段的静态评价值与相对应的时间权向量进行耦合。

时间权向量的确定

在动态评估模型中，时序立体数据可以看成是由指标、评价对象和时间构成的三维数据组成。在进行应急能力动态评估时，需要先对该企业在应急过程生命周期的每个阶段进行评价，然后将评价值按权重与时间权向量耦合。所以，时间权向量的确定是一个重要的问题。时间权向量表明了对各时间节点的重视程度。这里需要引入时间权向量熵和“时间度”λ。

N是专家个数，i是时间度。

“时间度”λ的大小体现了在算子集结过程中，专家对时序的重视程度。若λ越接近1，则表明评估的专家越重视后期数据；若λ越接近0，则表明越重视前期数据。当λ=0.5时，表明专家对各时期的数据同等重视。

实例分析

本文以A、B、C三个新能源供电企业为例，三个企业已通过专家打分法进行应急能力评估，并且三个企业不属同一区域，尽可能避免受地域和客观因素影响。根据构建的动态模型，用专家打分法验证所评估三家企业的应急能力是否准确。具体步骤如下。

原始数据处理。邀请4位电力行业的应急专家，按照实际情况和模糊评价集的评价标准对定性指标的各时段进行评价，得到原始数据。

指标标准化。按照min-max标准化（min-max normalization）方法，将原始数据标准化。

静态评价值结果的确定。将数据标准化后的原始数据计算出A、B、C三个企业的静态评价值。

时间权向量的确定。专家认为前期的数据较为重要即相对重视前期的预防和准备能力，所以将“时间度”取0.6较为合适。

动态模型的评估结果评价。将计算出的时间权向量和静态评价值进行了耦合，得到最终的评价结果（详见表1）。

表1 动态综合评价结果

专家打分法评估结果。三个企业均使用专家打分法已经完成应急能力评估，可用来验证本文模型评估的准确性，评估结果详见表2。

表2 原始专家打分评估结果

对比三个企业通过专家打分法评估的结果可知，本文的模型下评估结果是准确的，且能科学论证各级指标所代表的能力的评价程度，方便企业制订相关提升应急能力的措施，较现在使用的评估方法更为全面、科学。

结论

本文对现有的电力行业应急能力指标体系进行研究，总结出适用于新能源供电企业的应急能力评估体系，并使用有序加权平均算子计算出了各级指标的权重。

本模型虽然也使用专家打分法得到基础数据，但是，通过权重的计算和时间向量的耦合，已经将专家打分法主观性大幅度降低，最终得到的评估结果更为准确。

本文的模型证实了时序加权平均算子在新能源供电企业层面的应急能力评估上可以科学应用，评估结果可为管理者制订相应的应急管理措施提供依据。