多目标决策在光伏计划产品中的应用

范鑫雅 刘宝

（海控三鑫（蚌埠）新能源材料有限公司 蚌埠 233000）

0 引言

光伏发电对于节能减排、保护环境以及节约土地资源都具有重要的意义。随着光伏产业发展大方向由大型地面电站向分布式光伏电站转变，建筑光伏已成为光伏发电的重要应用领域和主要市场，其发展前景广阔，具有巨大的市场潜力。光伏建筑一体化不仅要具备传统的光伏发电功能、实现建筑节能，还需要实现建筑装饰等功能属性。这要求组件外观均匀一致，以体现建筑一体性。由于光伏组件各环节的制备材料和工艺的影响，导致了组件表面颜色不均匀，影响产品外观，光伏组建的色差问题已成为制约光伏发展的关键因素之一，不仅直接影响玻璃幕墙的外观质量和美观效果，而且也会影响到建筑物的经济价值。因此，镀膜玻璃的色差问题越来越受到人们的重视［1］。

镀膜玻璃的色调和色差大小是其外观的关键质量指标，只有当镀膜玻璃的色差不超过一定值时，才能使玻璃幕墙起到豪华、均匀、美观的效果。在生产设备、镀膜材料及玻璃原片确定时，镀膜工艺决定了玻璃的色差指标，直接决定了玻璃幕墙的外观质量［2］。通过对产线的膜厚数据进行归纳整理和分析，判断各产线膜厚均匀性控制能力，不仅能对产线的排产起到指引作用，而且可以看出与之关联的镀膜设备、工艺水平以及镀膜工艺的稳定性，具有非常重要的意义。

多目标决策有各种各样的形式，但其基本特征有两点，一是目标之间通常没有统一的度量标准，二是目标之间的矛盾性，因此不存在一般意义上的最优解。经过多年的研究，多目标决策问题已初步形成理论体系，建立了一系列决策方法，但是至今也没有哪一种方法在诱导决策者偏好信息方面是令人满意的。因此，决策方法还需要继续完善。

1 多目标决策的方法

1.1 问题描述

对有m个目标a1，a2， ...，am的多目标决策问题，设 目 标 相 应 的 权 重 分 别 为w1，w2， ...，wm，假设对这一问题有n个策略b1，b2， ...，bn，决策的目的是寻求最优的策略bj。

用一个策略bj（j＝1，2 ...，n）对应一个目标ai（i＝1，2 ...，m），有一个效果指标值。由于实际问题的复杂性，很难得到理想的决策。若运用模糊数学的隶属度理论，问题将得到改善。根据最大隶属度原理，隶属度最大的决策就是最优决策。

1.2 确定隶属度

以Sij＝f（ai，bj） 表示用第j个策略bj去对应第i个目标ai的效果指标值，每个目标都可以用n个策略对应，于是得到m×n个效果指标特征值Sij，即有效果指标特征值矩阵：

越小越优型的隶属度公式定义为：

式 中rij为 第j个 策略 对第i个目 标ai的 效果 指标隶属度，Sip、Sif分别表示策略的第i个目标的效果指标值在问题中规定的上下限。如指标未作上下限规定，则可分别取全体策略该效果指标的最大值，最小值。

将效果指标矩阵转换为效果指标隶属度矩阵：

1.3 最优决策准则

把计算得到的带权贴近度由大到小排序，即得到对应策略的优排序，带权贴近度最大者对应的策略即为最优策略［3］。

2 多目标决策方法的应用

建筑幕墙玻璃要求太阳能光伏玻璃表面颜色均匀，分析产线膜厚均匀性控制能力要考虑膜厚极差值控制能力和膜厚平均值控制能力两个目标，对应的即是各产线的片内色差和片间色差水平。综合两种能力因素，对各产线的膜厚均匀性控制能力进行分析。

采取每块玻璃测量九个点取平均值的方法，收集各产线每片玻璃的膜厚数据。用质量管理统计软件对各产线的膜厚数据进行处理，得到表1。表1中G1～G4代表公司的四条钢化线， D1～D11代表对应的11条镀膜线。

表1 各产线产品镀膜工艺制程能力排名

（1）确定权重。根据光伏组件公司对光伏玻璃片内色差与片间色差的要求，规定片内色差、片间色差两个目标的权重分别为0.85、0.7。

（2）确定隶属度。因为平均镀膜色差越小越好，所以用越小越优型确定隶属度，其上、下限为：

故得：D11>D3>D9>D1>D10>D8>D2>D6>D4>D7>D5、G4>G1>G3>G2，

即优排序为D11>D3>D9>D1>D10>D8>D2>D6>D4>D7>D5、G4>G1>G3>G2。

最优的钢化产线为G4线，最优的镀膜产线为D11线。

即选择G4线、D11线生产出来的产品最优，更符合质量要求。

图1、图2分别为最优镀膜线与D5线的产品。

图1 D11线产品

由图1、图2可以看出，D11线生产出来的产品颜色更均匀。可以看出模糊决策结果对产线排产具有一定的指导作用。

3 结语

制造型企业在生产经营中，通常需要对生产经营中的问题进行决策，根据生产水平决定采用哪一种生产方案。在市场需求变动加剧和竞争日益激烈的情况下，企业面对的是更加不确定的市场，有些条件十分不明确，企业决策者在进行决策时，就需要用到模糊决策作出可行的决策。本文采用的模糊决策方法，对产线镀膜均匀性控制能力进行了较合理的评估，针对单个因素评价结果的不一致性，给出了某种程度的解决方法，使得综合平衡各种因素的决策更科学规范化，提高了决策的可信度，实现了模糊决策下的最优决策。