基于二项系数和变异系数混合的电网投资决策评价计算方法

徐其春 张乃夫 葛磊蛟 袁天梦 李元良

摘要：伴隨“碳达峰、碳中和”行动方案的出台，投资推动供给侧结构调整和需求侧响应以实现双侧发力成为必然趋势，因此未来电网重点领域的投资策略和发展路径是电力企业所关注的重点。该文综合考虑电网投资的衍生价值，提出一种基于二项系数与变异系数的智能电网投资决策评价模型。首先，梳理电网投资衍生价值的概念、准则和方法;其次，从电网投资效益、电网运维成效、可持续发展价值3个方面构建智能电网投资衍生价值指标体系;并基于二项系数法和变异系数法构建主客观融合的组合赋权方法，根据不同场景需求来调整动态组合因子以实现多目标的动态平衡，体现主客观方法的优势互补;最后，北方某电网案例分析证明该文提出模型的合理性和有效性，并对北方某电网典型区域提出投资决策建议和精益化运维意见。

关键词：碳达峰;电网投资;二项系数;变异系数;主客观融合;评价方法

中图分类号： TM933文献标志码： A文章编号：1674–5124（2021）12–0006–08

Calculation model of power grid investment decision evaluation based on the mixture of binomial coefficient and variant coefficient

XU Qichun1，ZHANG Naifu1，GE Leijiao2，YUAN Tianmeng1，LI Yuanliang2

（1. Tangshan Power Supply Company of State Grid Jibei Electric Power Company Limited， Tangshan 063000， China;

2. School of Electrical and Information Engineering， Tianjin University， Tianjin 300072， China）

Abstract： With the introduction of the “Hit peak emissions and Carbon Neutrality” action plan， it has become an inevitable trend for investment to promote supply-side structural adjustment and demand-side response to achieve bilateral force. Therefore， the investment strategy and development path in key areas of the power grid inthefuturearedeterminedbypowercompanies. Thefocusof attention. Thispapercomprehensively considers thederivative valueof gridinvestment，and proposesasmartgridinvestmentdecision-making evaluation model based on binomial coefficient and variant coefficient. First， sort out the concept， criteria and methods of grid investment derivative value; secondly， construct a smart grid investment derivative value indicator system from three aspects： grid investment benefit， grid operation and maintenance effectiveness， andsustainabledevelopment value; and basedon the binomialcoefficient methodThecombination weighting method of subjective and objective fusion is constructed with the coefficient of variation method， and the dynamic combination factor is adjusted according to the requirements of different demand scenarios to achieve the dynamic balance of multiple goals， reflecting the complementary advantages of subjective and objective methods; finally，acaseanalysisof a northern power grid proves This paper proposes the rationalityand effectivenessof themodel，and proposesinvestmentdecision-makingsuggestionsandleanoperationand maintenance suggestions for a typical area of a northern power grid.

Keywords： hit peak emissions; power grid investment; binomial coefficient; variant coefficient; subjective and objective integration; evaluation method

0引言

实现“碳达峰、碳中和”，是构建人类命运共同体的伟大实践，亟需推动供给侧结构性改革，投资转型绿色低碳电力系统。但当前国内外形势复杂多变，电网投资决策面临诸多挑战。一方面，电网投资所需考虑的外部因素多样，如支撑经济高质量发展、推动能源转型、保障电力供应安全、增强国有经济竞争力等;同时，我国央企投资监管持续加强和输配电定价成本监审趋严，电网经营考核和投资能力压力倍增[1-2]。另一方面，电网投资的不确定因素增多，需要动态平衡投资需求和投资能力、长期发展与短期需求等关系[3-4]。为此，运用电网投资衍生价值评估技术，定量分析多维价值期望下电网带动经济社会发展的衍生价值[5-6]，促进能源相关产业联动，赋能电网建设相关产业，培育投资价值高的新业务、新业态，推进形成能源互联网新生态，非常必要。

智能电网投资衍生价值评估模型分为指标体系和赋权方法两部分。文献[7]建立单位级有效资金投入产出评价体系，并从资产、成本、效益、效率4个角度构建了指标体系;文献[8]以技术、效益和项目成熟度等3个层次为基础构建了当前环境下电网规划项目投资价值评估的指标体系。而智能电网投资衍生价值指标体系的构建应结合投入产出理论、价值评估方法，联动电网规划-投资-衍生价值等[9]。此外，赋权方法可分为主观赋权方法、客观赋权方法以及组合赋权方法。主流的主观赋权方法主要包含层次分析法[10]、德尔菲法[11]、二项系数法[12]等，二项系数法以其流程简单，计算快捷，适于处理大规模指标数据脱颖而出;主流的客观赋权方法主要包含熵权法[13]、TOPSIS 法[14]、变异系数法[14]等，其中变异系数法计算速度块，编程灵活性、便捷性强;主流的组合赋权方法一般采用乘法合成和线性加权进行方法组合，线性加权可以根据实际场景需求通过调整组合因子以实现多评估目标的动态平衡。

本文聚焦于电网投资衍生价值定量分析方法，基于“碳达峰、碳中和”需求，探索投资驱动下电网对经济社会的价值衍生机理与综合价值评估方法，构建电网投资衍生价值评估模型，建立了电网投资衍生价值指标体系，提出了电网投资衍生价值评估方法，以实现协同服务大局、保障电力安全、稳健经营、带动产业发展等多重目标，通过多重目标的动态平衡评估电网带动经济社会发展的衍生价值，案例分析证明了本文提出的方法合理性。

1智能电网投资衍生价值概念

1.1智能电网投资衍生价值

智能电网投资衍生价值是与电网投资相关的派生系，具体是指从原生资产派生出来的当前和潜在价值，实际表现在电网的安全性、环保性、经济性、技术先进性等方面。

通过分析复杂环境中的能源电力系统演进，研究电网投资对拉动产业发展、推动技术进步、促进环境保护等价值衍生链条与机理，可得出智能电网投资所带来的具体衍生价值。

1.2智能电网投资衍生价值准则

智能电网投资衍生价值准则应以公司总部发展部、财务部、产业部等部门、各省公司、产业单位、能源局为应用对象，针对各应用场景遵循如下智能电网投资衍生价值准则：

1）支撑公司战略布局和电网建设。指导公司总部和省级公司生产力布局与规划建设，优化投资结构和模式，开展投资项目价值评估并在电网投资中应用，为公司持续稳定经营和可持续发展提供科技支撑。

2）引导能源行业生产力布局和结构优化。带动能源行业及电网相关企业技术进步、优化投资、有序发展，为能源行业企业提供投资规划与评估的技术方法示范。

3）服务国家战略落实和政策实施。服务国家能源安全新战略、区域协调发展等重大战略落实，可为参与国家能源规划建设、能源结构优化、产业协同发展等方面提供技术和方案支撑。

1.3基于衍生价值的智能电网投资方法

以推广途径和产业化方式为出发点，基于衍生价值的智能电网投资方法可归纳如下：

1）支撑公司发展部、财务部、产业部等部门，提出满足多重目标平衡优化的电网投资重点领域，以及动态平衡电网投资需求与投资能力的管理策略。

2）选择部分省市公司或重点投资项目，开展调研与实证分析，评估电网投资带动经济社会发展的衍生价值，编制相关内容手册以期指导实际工作。

3）依托研究成果支撑政府能源规划、电力规划等相关政策制定和落实。

2智能电网投资衍生价值指标体系

指标的构建是评估领域的重中之重，其合适与否不仅决定着评估的适用范围，还影响着评估的可行价值。实际上智能电网投资衍生价值的影响因素较繁杂，“碳达峰、碳中和”对能源转型提出新要求，除此之外还要保证评估指标的可计算性、主观性和客观性，所以指标的构建需要根据一定原则：

1）系统性原则。将指标体系划分为目标层、准则层和指标层3个层次，将评估目标进行调理梳理。

2）客观性准则。指标的构建应当适应实际运行需求，要求不重复不遗漏，保证评估结果的全面客观性。

3）实用性准则。指标都应是方便计算、可以计算的，指标所需数据都可以从实际运行场景中监测获取。

本文从电网投资效益、电网运维成效、可持续发展价值3个方面衡量智能电网投资衍生价值，指标框架如图1所示。

2.1电網投资效益 A

电网投资效益指标是电网投资衍生价值的直观体现，其框架如图2所示。

1）投资产出比 A1

本文基于全寿命周期计算各建设项目的效益[8]，其中项目的总投资 T0为：

式中：nt——单位为年的全寿命周期;

nt=n1+n2n1——建成周期;

n2——运营周期;

Tz——每年的投资金额;

i0——项目折现率。

当前电改环境下，电网部门的盈利模式与输配电价格密切相关[13]，项目收益 R 可定义为：

式中：P1z、P2z、P3z——每年的平均购电费用、售电价格和输配电价格;

Qz——每年的电网增售电量;

λ——电网市场化率;

ηz——每年的网络线损率;

Δηz——每年的网络线损率的变化值;

u——电网线损率核定系数，通常取0.5。

基于全寿命周期，系统的投资产出比A1定义为：

2）投资电压合格率 A2

投资电压合格率 A2定义为单位投资下一定电网区域内电压满足合格标准的节点增加数量：

式中：Nnode——电压满足合格标准的节点增加数量;

Cinv——投资金额。

3）投资备用率 A3

投资备用率 A3定义为单位投资下一定电网区域内满足“N–1”原则的线路提升数量：

其中 NN–1为满足“N–1”原则的线路提升数量。

4）投资增供量 A4

投资增供量 A4定义为单位投资下一定电网区域内增供的负荷功率：

其中Pinv为增供的负荷有功功率。

5）投资减载量 A5

投资减载量 A5代表单位投资下一定电网区域内重载线路下降条数和重载变压器下降台数：

其中Nload为重载线路下降条数和重载变压器下降台数的总和。

2.2电网运维成效 B

电网运维成效指标是电网投资价值的可靠性保障，其框架如图3所示。

1）故障自愈率 B1

故障自愈率 B1反映了配电网在统计时段内（如一个季度）实现故障自愈的用户数量与发生故障的用户总量的比值，实现配电网故障自愈是未来智能化发展的一个重要目标，其计算公式如下所示：

式中：Nh——统计时空范围内实现故障自愈的用户数量;

Ng——统计时空范围内发生故障的用户总量。2）设备状态 B2

设备状态 B2反映了配网设备因故障导致的停机时间与原计划工作时间的比值，该指标不仅是设备工作效率的直接体现，也是工作人员对设备状态、质量等方面进行考量的重要参考，其计算公式如下所示：

式中：∑Tf——配网设备因故障导致的停机时间;

∑ Tr——配网设备实际工作时间。

3）传输时延 B3

传输时延 B3反映了电力系统运行过程中产生的实时数据传输时滞，由于不同信息的时标不同，此处仅以易从网络系统中获取的文本数据更新为例，其计算公式如下所示：

式中：Tk——文本数据在系统更新的时刻;Tz——文本数据被系统感知采集的时刻。

2.3可持续发展价值 C

可持续发展价值指标代表着电网投资的发展潜力，其框架如图4所示。

1）新能源投资比 C1

新能源投资比 C1定义为单位投资下一定电网区域内增加的新能源容量：

其中 Cre 为新增新能源容量。

2）电动汽车投资比 C2

电动汽车投资比 C2定义为单位投资下一定电网区域内的新增充电桩与电动汽车的比例：

式中：Cch——新增充电桩数量;

Ccar——区域内的电动汽车总数。

3）一次能源效率 C3

一次能源效率 C3是能源利用效率的直观体现，其可以定义为：

式中：Wsum——通过在Tz时间内一次侧燃烧燃料产生的能量;

Wheat、Wcold和Wel ?在Tz时间内一定电网区域中获得的有效热能、有效冷能和有效电能。

3智能电网投资衍生价值评估方法

评估指标构建完毕后，指标赋权方法是智能电网投资衍生价值定量分析的关键。为满足未来电网多重发展目标，落实“碳达峰、碳中和”行动方案，本文提出了基于二项系数法和变异系数法的主客观动态组合赋权方法，通过主观和客观思想的融合实现投资目标间的动态均衡。

3.1主观赋权方法：二项系数法

二项系数法首次提出于20世纪80年代，后逐渐应用于评估领域中。二项系数法是依照决策者排列出来的指标重要性次序，对二项系数进行加权求和从而确定指标权重。若决策者为 L 个专家，分别对智能电网投资衍生价值指标体系中的 N 个量化指标进行分析并按照关键性排序，具体实施流程如图5所示，详细操作步骤如下：

1）要求 L 個专家、工程师或现场工作人员对全部指标进行理解认知。

2）专家对评估指标两两比较，对于第 n 个指标， L 个专家各自独立地判定其重要程度顺序为Vm，取全部专家的平均排序为 an，其数值越小，代表指标的重要程度越高。其计算公式如下：

3）根据各指标排序平均值的数值大小，对 an 进行再次排序，当出现 ai=aj （i≠j， i≥1， j≤N）时，请 L 个专家针对具有相同排序平均值的指标重新对比排序直至无重复情况，接着按照式（15）对再次排序的指标进行排列，确定最终排序。第 N 位为平均值最大的指标排列，依照重要程度递减的原则自左向右排列，重要性最小的指标放在最右边。an 重新排列后对应的 N 个指标依次使用xN表示，排列顺序如下所示：

4）遵循轴对称方式，将中间放置最为重要的指标，次重要的指标按重要性顺序排列在其两侧，排序如下：

5）利用二项系数加权和法求解各指标权重，计算公式如下：

式中：i——指标按对称方式排列后的位置编号;ωi——位置编号为i的指标对应的主观权重数值。

二项系数法通过二项展开式对指标权重进行求解，相比与常用的主观层次分析法[12]，其同时处理大规模指标的流程要简单得多;同时它将定性分析与定量计算有机结合，评价过程条理清晰;其次它无需量化指标，仅需要判断指标之间的相对大小情况，判断过程相对容易不易混乱;此外该方法不受样本数据限制，能够有效解决最优化技术无法处理的实际问题。但单一使用二项系数法得出的权重结果仅依赖于专家知识经验的主观判断，而各人的指标价值判断标准互有差异，从而造成权值的不稳定。

3.2客观赋权方法：变异系数法

变异系数法是一种易于操作、计算便捷的依据于指标信息量化的客观赋权方法[15]。为了消除不同评估指标量纲的影响，变异系数被用来衡量评估系统中每个指标值间的差异性，其反映了数据离散程度。在比较多个指标的变异程度时，首先要判断涉及的量纲，如果测量单位与平均值一致，则使用标准偏差比较指标，否则使用标准偏差与平均值的比值考虑指标。在评价指标体系中，指标取值差异性越大，该指标涵盖的信息量越多，则所占的权重越大。其工作流程如图6所示，详细步骤如下：

1）针对若干个参与对象，每个对象涵盖 n 个指标，分别求解这些对象每个指标的平均数和标准差。

2）根据指标平均值和标准差计算全部指标的变异系数，可通过下式计算：

式中：Vi——第i个指标的变异系数;

σi——第i个指标的标准差;

xav-i——第i个指标的平均值。

3）第i个指标权重 Wi 可通过下式求解得到：

变异系数法通过对不同量纲的指标体系进行评估，实现了对样本数据的充分利用，客观体现了各指标分辨能力的大小，保证了求取权值的绝对客观性;此外，该方法具备良好的兼容性，对参与评估的指标数量没有特殊规定。但其评价结果与数据样本的选择密切相关，采用不同的数据样本可能会导致不同的权值计算结果，如果样本容量过小或样本数据不足，则会造成计算结果精度过低;一旦采集的样本数据中存在指标异常值，则指标权重会受到较大影响，容易产生较大的误差且该方法本身无法修正，此时求得的结果将不能正确反映指标间的差异与联系;由于该方法属于客观赋权方法，所以它具备客观赋权固有的片面性，单一使用无法体现评估者对指标重要性的主观理解。

3.3组合赋权方法：动态组合评价方法

二项系数法将专家的主观思想与意见整合到评估权重中，但缺少对客观数据的考量，难免会导致评估结果偏颇;变异系数法对数据的精准度和规模要求较高，缺少主观经验，可能使评估结果难以贴合现状，符合管理部门的需求。

综上，本文采用线性加权的方法将主观权重和客观权重进行整合，实现了两种方法的优势互补，多目标通过权重的动态调整进行平衡，增强评估结果的说服力，动态组合评价方法如下：

式中：αva——动态组合因子，通过动态调节其值大小实现主观和客观的动态平衡;

Si——第i个指标的主观权重;

Oi——第i个指标的客观权重。

具体应用场景可以根据客观数据的可信程度进行调整，一般应用场合默认αva为0.5，在高精度指标数据的环境下降低αva的值，可实现客观信息修正;低精度指标数据环境下则提升αva的值，可实现主观信息修正。

4案例分析

为验证本文提出方法的合理性，本文对提出的指标体系和赋权方法进行了实际场景应用。

4.1输入数据集

输出数据选取自北方某电网2019-2020年运行数据，针对4类典型区域数据进行多目标动态平衡的智能电网投资衍生价值评估，首先计算指标数据，并进行最大最小标准化，最终将指标数据处理成与评估目标正相关的形式，得到如表1所示的数据情况。

为验证本文提出方法的合理性，本文对提出的指标体系和赋权方法进行重要性分析，评估指标的重要性排序如表2所示。

根据二次排序结果可获取相应的对称排序结果：

根据表1所提供的指标数据可通过变异系数法求解客观权重，根据表2所提供的评价数据可通过二项系数法求解组合权重，具体结果如图7所示。

4.2参数设置

通过动态改变动态组合因子的大小，主观权重和客观权重的重视程度发成变化，即可实现智能电网投资衍生价值评估的多目标动态平衡，不同动态组合因子的结果如图8所示，整体随着动态组合因子的变化呈线性关系。其中，当动态组合因子αva为0.5时，主观和客观因素达到最均衡的状态，实现两种方法的优势均匀互补，降低评估偏颇的风险程度，评估结果最为可信。

4.3方法对比

取αva为0.5时的结果对主观、客观和综合结果进行对比，对比结果如图9所示。主观权重分布极不均衡，对于可持续发展指标 C 的重视程度极低，导致评估结果缺少对新能源的考量;客观权重过于依赖采集数据的规模和精度，其通用性和可参与性较为欠缺，不適应于信息不完善的场景;综合权重有效均衡了主观和客观结果，体现了领域专家经验与决策者的主观意向，又能建立各指标与评价对象间的内在联系，通过合理的数学运算将主客观赋权方法结合起来，实现了信息补全的效果，适用于智能电网投资衍生价值评估。

4.4评估结果

使用动态组合因子αva为0.5时的动态组合赋权方法对中国北方地区电网进行投资衍生价值评估，结果如表3所示，得出以下结论：

1）区域2的总体投资衍生价值最高，90.9%的指标均高于平均水平，其在投资产出比、投资电压合格率、设备状态、传输时延和新能源投资比等方面具有突出优势，最适于长期持续投资，构建当地的电力供应示范区域;但其在投资减载量方面表现不佳，未来可以用优化配置和网络重构技术对投资规划进行改良。

2）区域1的总体投资衍生价值最低，不适于按照当前规划持续增加投资，应当改变投资策略，结合能源安全新战略、经济高质量发展、新型基础设施建设、生态环境保护等政策，研判能源电力发展中长期面临的动态环境;但其在投资增供量、新能源投资比、电动汽车投资比等方面具有显著优势，未来可以增加投资构建电力供应中心，分配更多的重度电力需求用户，并大力拓展新能源技术。

3）对于区域3和区域4，其投资衍生价值介于区域1和2之间，各指标在平均水平上下浮动且波动明显，说明区域3和区域4的客观环境存在较大差异。未来应参照表1的指标数据弥补自身的弱势，具体而言可梳理电网投资的类型、结构、规模等，结合电网投资重点领域，根据当地的需求、地理位置、用户类型来合理均衡电网投资需求与投资能力，进一步提出电网投资优化策略。

5结束语

为实现保障电力安全，稳健经营，带动产业发展，落实“碳达峰，碳中和”行动方案等多重目标，本文构建了智能电网投资决策评价计算方法模型，从经济学角度阐述了投资衍生价值概念，构建了面向多场景的衍生价值投资准则，以推广途径和产业化方式为出发点整理出智能电网投资方法;提出了智能电网投资衍生价值评估指标体系及其筛选准则;混合二项系数法和变异系数法构建了多目标动态平衡的主客观融合评估方法，其在处理大规模指标数据上具备一定优势，可动态适应不同评估场景和需求;通过中国北方地区电网的实际案例证明了本文提出的评估方法的合理性，并对该地区典型区域提出了投资建议和规划意见。

参考文献

[1]姜海洋， 杜尔顺， 金晨， 等.高比例清洁能源并网的跨国互联电力系统多时间尺度储能容量优化规划[J].中国电机工程学报， 2021， 41（6）：2101-2114.

[2]黄伟， 刘琦， 杨舒文， 等.基于主动配电系统供电能力的安全态势感知方法[J].电力自动化设备， 2017， 37（8）：74-80.

[3]肖欣， 王哲， 张慧帅.“中巴经济走廊”电力投资项目运营风险评估[J].国际经济合作， 2020（6）：138-147.

[4]王守相， 梁栋， 葛磊蛟.智能配电网态势感知和态势利导关键技术[J].电力系统自动化， 2016， 40（12）：2-8.

[5] GE L，LI Y， XIAN Y， et al. A FA-GWO-GRNN method forshort-termphotovoltaicoutputprediction[C]//2020 IEEE Power & Energy Society General Meeting （PESGM）， 2020.

[6]赵洪山， 马利波.基于张量 Tucker分解的智能配电网大数据压缩[J].中国电机工程学报 ， 2019， 39（16）：4744-4752，4976.

[7]洪球， 李宏旭.以效益为导向的电网投资决策研究与应用[J].企业管理， 2018（S1）：88-89.

[8]马倩， 王昭聪， 潘学萍， 等.新电改环境下基于效用函数的电网投资决策评价方法[J].电力自动化设备， 2019， 39（12）：198-204.

[9] MA L， ZHANG X. Economic operation evaluation of activedistribution network based on fuzzy borda method[J]. IEEEAccess， 2020， 8：29508-29517.

[10] GE L， LI Y， LI S， et al. Evaluation of the situational awareness effects for smart distribution networks under the novel design ofindicatorframeworkandhybridweightingmethod[J]. Frontiers in Energy， 2021， 15（1）：143-158.

[11] KONG X Y， YONG C S， WANG C S， et al. Multi-objective powersupplycapacityevaluationmethodforactive distributionnetworkinpowermarketenvironment[J]. International Journal of Electrical Power & Energy Systems，2020：115：105467.

[12]程明熙.處理多目标决策问题的二项系数加权和法[J].系统工程理论与实践， 1983（4）：23-26.

[13] HU C， LIU F， HU C. A hybrid fuzzy DEA/AHP methodology for ranking units in a fuzzy environment[J]. Symmetry-Basel， 2017， 9（11）：273.

[14]李志军， 向建军， 盛涛， 等.基于 G1-变异系数-KL 改进 TOPSIS 雷达干扰有效性评估[J/OL].北京航空航天大学学报：1-11[2021-12-06]. https：//doi. org/10.13700/j. bh.1001-5965.2020.0493.

[15]孔明， 韩晓彤.基于标准装置的颗粒扩散规律研究[J].中国测试， 2019， 45（4）：35-42.

（编辑：商丹丹）