基于改进TOPSIS的乡镇综合能源系统效益综合评价方法

2023-03-02金璐何伟闫华光何桂雄

电测与仪表 2023年2期

金璐，何伟，闫华光，何桂雄

(1.中国电力科学研究院有限公司，北京 100192; 2.国网江西省电力有限公司，南昌 330096)

0 引言

随着我国“乡村振兴”战略的不断推进，人们日益提升的用能需求与乡镇落后的能源供给面貌之间已然存在着巨大矛盾[1]。一方面，乡镇丰沛的自然资源未被充分利用，传统粗放的能源消费模式造成了生态环境的严重破坏；此外，乡镇能耗总量逐年攀升，能源需求多样化、高品质特征愈发显著。作为能源互联网的重要实现载体，综合能源系统基于梯级利用方式实现了多元能源的协同转换、耦合互补，具有清洁高效、灵活可靠等优势[2-3]。因此，统筹整合多类可再生资源，因地制宜构建乡镇综合能源系统，对改善乡镇能源结构、实现绿色可持续发展意义重大。

不同于社区、医院和园区等常见综合能源系统(Integrated Energy System，IES)应用场景，乡镇在资源禀赋、用能特性等方面均差异明显。目前，针对可融合多种可再生能源的乡镇IES的研究已有许多。文献[4]对沼-光-风混合可再生能源系统进行了精细建模，揭示了温度对沼气生产速率带来的影响；文献[5]在上述模型基础上，提出一种计及风光不确定性的日前-实时两阶段优化运行策略；文献[6]构建了农村多能流微能网模型，并采用改进杂交粒子群算法实现其经济优化调度；文献[7]兼顾环境、能效和经济因素，对养殖场内生物质气冷热电联供系统进行多目标优化设计。然而，现有研究多侧重于乡镇IES的建模仿真、运行优化及规划设计，关于其效益评估方法的研究则鲜有报道。

综合考虑各方因素，合理设计指标体系和评价模型，是有效衡量技术水平与工程效益的重要前提，这对于IES的建设推广至关重要[8]。文献[9]考虑区域IES从规划设计到建设运营的全过程，构建集能源、装置、用户及配电网等环节于一体的评价指标体系；文献[10]利用多准则优化决策方法实现了园区IES方案的决策排序与评价分析；文献[11]从经济性、环保性及可靠性指标角度出发，基于模糊综合评价理论给出了含分布式设备的IES合理配置建议。受限于IES的发展历程，现有指标体系多以城市为背景，无法与乡镇能源系统特征相匹配，且指标属性较为片面。此外，传统评价模型难以在主观经验与客观数据间取得平衡，评价结果不够科学合理。

针对上述问题，本文提出一种适用于乡镇综合能源系统效益的综合评价方法。首先，充分考虑乡镇自然资源条件，构建了典型的可再生乡镇IES架构；接着，立足于经济收益、技术性能、运营管理、生态环境以及乡镇发展影响因素，提出乡镇IES综合评价指标体系；最后，基于由层次分析-决策实验室分析法和反熵权法求得主客观赋权结果，通过改进后的逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)实现了乡镇IES效益的综合评价。仿真算例将本文方法应用于实际工程案例，并取得了良好的效果，可为今后乡镇IES的推广发展提供参考。

1 乡镇综合能源系统

为有效缓解农网供需矛盾，助力乡镇清洁能源就地消纳，本文考虑一种以外部电网和本地可再生能源为输入、电/热/冷能为输出的“源-网-荷-储”一体化乡镇综合能源系统，其拓扑架构及能量流动如图1所示。

图1 乡镇IES系统架构Fig.1 System structure of IES for township

由图1可知，除既有农网外，乡镇IES内的能量全部汲取自风能、太阳能、地热能以及生物质能等本土自然资源。其中，光伏单元与风电机组分别以太阳能和风能为原动力，为系统提供电能，并经由联络线与外部电网互联互通；针对乡镇内分布分散且闲置情况严重的生物质资源，对其进行适度集中气化处理，并通过沼气热电联产和沼气锅炉向用户输送电能及热能，实现其充分消纳与高效利用；以地表浅层能源为输入、电能为驱动的地源热泵，是系统内另一实现电-热/冷耦合的关键设备；电制冷机与吸收式制冷剂作为系统内的主要冷源，在能源高效梯级利用方面起到关键作用；此外，为提高系统的调度运行灵活性，乡镇IES内还配置有包括储电/储热/储冷装置在内的多元储能设备。

2 综合评价指标体系

乡镇IES旨在打造绿色生态下的新型可再生能源系统，其评价依据较之现有城市背景下的IES指标体系差异显著。为合理评价乡镇IES的工程效益，本文兼顾综合能源服务商、电网企业、乡镇政府以及用户等多元乡镇IES参与主体，计及系统从规划到运营的不同时间跨度，在科学客观、系统合理、独立实用的原则基础上，从经济收益、技术性能、运营管理、生态环境以及乡镇发展5个角度出发，构建包含2个层级共计17项指标的乡镇IES效益综合评价指标体系，具体如图2所示。

图2 乡镇IES综合评价指标体系Fig.2 Comprehensive evaluation index system of township IES

2.1 评价指标体系分析

2.1.1 经济收益指标

作为乡镇IES的重要物质基础，经济收益是应当被纳入考核的重要因素。投资收益率和动态投资回收期都描述了乡镇IES项目的盈利水平，其中投资收益率为规划期内系统总收益现值与总支出现值之比，动态投资回收期表示初始投资与累计净收入持平所需要的时间。上述指标计算方法详见文献[12]。

除项目投资方外，乡镇IES对于电网企业及用户也会存在经济影响。延缓农网改造收益Id可反映由于乡镇IES建设而减免的农网改造成本，其公式为:

(1)

式中 ΔPr为农网可避免峰荷容量；c、k、t分别为单位改造成本、折现率和延缓改造周期。此外，由于闲置的清洁能源得到了充分利用，乡镇用户的人均用总能成本Cp也将明显降低，其计算式为:

(2)

式中Cbuy、Ibio分别为用户全年购能成本和全年生物质原料出售收入；N为乡镇IES用户总人数。

2.1.2 技术性能指标

技术性能指标是IES工程建设水平的重要体现。乡镇IES的建设初衷即为实现多元能源的高效利用，本文考虑异质能源在能源品味方面存在的差异，定义乡镇IES的能源转换效率指标ηIES为:

(3)

式中Le、Lh、Lc分别为系统全年输出的电、热、冷负荷总量；Pe、Qg、Gb分别为全年输入的电能、沼气和地热能总量；λe、λh、λc、λg、λb分别为电能、热能、冷能、沼气和地热能的能质系数[13]。

此外，为衡量乡镇IES清洁能源消纳水平，定义指标C22为除农网输入电能外的系统输入能量与系统输入总能量经能质系数折算后的比值。在可靠性方面，定义指标C23为规划周期内系统供能缺额与供能总量经能质系数折算后的比值，可采用蒙特卡洛方法进行计算[11]，实现乡镇IES的供能可靠性评价。

乡镇地区储备丰富的生物质能主要通过厌氧发酵的方式转化为沼气，厌氧发酵的反应效果取决于原料特性、环境因子、中间产物等工艺参数，其不仅影响沼气产量及转化效率，还关乎沼液、沼渣的可再利用性[4]。因此，设置指标C24对沼气生产过程中厌氧发酵环节的工艺水平进行定性评价。

2.1.3 运营管理指标

乡镇IES的运营管理体系也是影响其效益的因素之一。从用户侧角度出发，用户满意程度指标能反映乡镇用户对综合能源供给的认可度，可通过问卷调查形式获取。除多能供应基础业务外，需求侧管理是优化用户用能方式另一途径，综合考虑系统需求响应能力、智能表计普及度等影响因素，设置指标C32定性衡量乡镇IES的需求侧建设水平。

就乡镇IES服务商自身而言，优越的服务质量与良好的组织管理水平密不可分。指标C33即从第三方角度出发，通过定期考核IES服务商的管理模式与绩效水平，客观反映综合能源服务商的组织管理状况。

2.1.4 生态环境指标

原始生态保有率指标最先在城区规划领域中被引入[14]，此处借鉴该定性指标思想，用以刻画乡镇IES的工程建设对地区原始生态环境的破坏程度。

虽然生物质能在低碳减排方面优于传统化石能源，但其仍会污染外部大气环境，因此，定义C32指标为IES年排放CO2、SO2、NOx和粉尘的环境价值[15]。

噪音污染指数表示工程系统在日常运行时的噪音污染程度，倘若其超越安全界限，将严重影响周遭居民的健康。本文引入等效A声级概念来衡量乡镇IES的噪音污染状况，具体计算方式参考文献[16]。

2.1.5 乡镇发展指标

除上述指标外，IES对于乡镇社会发展的影响也不容忽视。通过对比乡镇IES建设前后的能源基尼系数Ge，在专家经验基础上判断IES对乡镇社会能源公平性产生的影响，Ge的计算式为:

(4)

式中n为乡镇居民分组数目；wi为第i组居民的用能成本与全部人口用能成本之比。

由于居民生产生活废料在乡镇IES中被妥善处理与利用，使得乡镇水土污染问题得到缓解，居民卫生健康状况不断好转，生活质量显著改善，指标C52旨在衡量乡镇IES在这一方面的作用。

此外，乡镇IES还能推动当地产业结构调整，创造就业机会，最终促进乡镇经济社会发展。因此，设置指标C53对能源系统的社会效益进行定性评价。

2.2 指标计算处理方法

由于上述评价指标体系由定量指标和定性指标组合构成，因此，在计算处理异类指标时不可一概而论。其中，定量指标可在现有规划运行数据基础上依照上述指标计算方法求取。对于定性指标，借鉴模糊评价思想将其转化为定量数值[12]，采用5等级划分方法定义评语集以及各等级对应分值如表1所示，由此可得评分矩阵V1×5=[1.0，0.8，0.6，0.4，0.2]。邀请10位专家打分或依照问卷调研结果构造评语隶属度矩阵M1×5，即可求得量化后的指标值为c=V·MT。

表1 评语划分表Tab.1 Comments division table

3 基于改进TOPSIS的综合评价模型

针对传统TOPSIS存在的权重计算不合理、评价结果逆排序和排序重叠等缺陷，本文分别引入组合赋权法、绝对理想解和投影法对上述问题进行改进，使乡镇IES运行效益评价结果更加科学合理。

3.1 组合赋权方法

在对指标进行赋权时，若仅采用主观赋权方法，评价结果易受专家经验左右，仅采用客观赋权方法，模型的准确性则会依赖于指标数据规模，增加了运算负担。因此，本文考虑一种结合层次分析-决策实验室分析法与反熵权法的主客观赋权方法，并基于矩估计原理给出组合权重计算规则，使之既能反映专家主观意见，又能体现指标数据的客观规律。

3.1.1 主观权重计算

层次分析法(Analytic Hierarchy Process，AHP)是一种经典的主观权重计算方法，其可依据专家经验权衡各指标的相对重要性程度，但无法消除不同指标之间的交叉关联影响。为此，本文引入决策实验室分析方法(Decision-Making Trial and Evaluation Laboratory，DEMATEL)对AHP权重进行修正，以期获取更为准确合理的主观权重。

针对指标总数为n的多层级指标体系，首先由m位专家根据1～9标度法在各层级内对指标进行两两比较，得到m组判断矩阵，若一致性校验通过，则该判断矩阵最大特征值所对应的特征向量即为主观权重，将m组权重中评价相似度最大的一组剔除[10]，剩余m-1组权重的均值即为AHP权重ω′。接着，在0～4标度法下获取指标间的直接影响矩阵[17]，并对其进行标准化处理，分别依照式(5)、式(6)计算求取综合影响矩阵T以及中心度矩阵ω″，经DEMATEL修正后的主观权重系数ω如式(7)所示。

T=X(E-X)-1=(tij)n×n

(5)

(6)

(7)

3.1.2 客观权重计算

熵权法通过客观数据的变异程度衡量指标所包含的有效信息量，但其存在对指标差异性过于敏感的缺陷。反熵权法作为对熵权法的改进，有效避免了由权重波动过大而导致的部分指标失效的问题。

对于方案数为m、指标数为n的评价问题，反熵权法的具体实现方法如式(8)～式(10)所示:

(8)

(9)

(10)

式中aij、bij分别为方案i中指标j的标准化指标值、归一化标准指标值；sj、μj表示指标j的反熵值、客观权重系数。

3.1.3 组合权重计算

在求得各指标的主、客观权重后，基于矩估计基本原理计算指标的组合权重[10]。由于不同指标主、客观权重的相对重要程度不同，可依照式(11)求取各项指标的主、客观权重耦合系数为:

(11)

式中εj、δj分别为指标j的主、客观权重耦合系数。依照式(11)可求得指标j最终的组合权重θj为:

(12)

3.2 改进TOPSIS综合评价模型

传统TOPSIS方法通过构造一组正、负理想解，依据各待评价样本到正、负理想解的欧氏距离，对评价样本进行评分，适用于指标数据较多的评价问题。文献[18]指出，传统TOPSIS在理想解设置和贴近度计算方面存在不足，致使评价结果可信度降低。因此，本文对上述缺陷进行完善，改进后的TOPSIS评价模型主要包含以下几个步骤：

(1)标准化处理。对于存在m个方案和n个指标的评价问题，依照式(13)对原始指标矩阵Cm×n进行标准化处理，求得标准指标矩阵Am×n。

(13)

式中cij、aij分别表示方案i中指标j的原始指标值以及标准化指标值。

(2)加权运算。由3.1.1节所述方法求得主观权重矩阵ω，将标准指标矩阵A带入3.1.2节求得客观权重矩阵μ，依据所求得的ω和μ，同时参照3.1.3节组合权重计算方法可得组合权重矩阵θ，进一步将A和θ带入式(14)即可获取加权标准矩阵Qm×n

Qm×n=Am×n·θ1×n=(qij)m×n

(14)

式中qij为方案i中指标j的加权标准值。

(15)

(4)投影法求贴近度。设Q-为空间坐标系原点，则Q+到Q-之间的连线即为Q+，本文称其为参考向量，各方案的加权标准矩阵q即为坐标系内的任一向量。q的模表征其与Q-的距离，q与参考向量的夹角表征其与Q+的距离。由此方案的优劣转化为其在参考向量上投影的大小，避免了传统方法由于贴近度相同而无法评判的缺陷，其计算公式为:

(16)

综上，基于改进TOPSIS的乡镇IES效益综合评价流程如图3所示。此外，参照文献[19]定义灵敏度η以衡量综合评价方法的区分度，其值越大则区分度越高，反之越低，具体计算方法为

图3 改进TOPSIS综合评价模型流程图Fig.3 Flow chart of comprehensive evaluation model based on improved TOPSIS

η=[(αmax-αsec)/αmax]×100%

(17)

式中αmax、αsec分别为方案最高评分和次高评分。

4 算例分析

选取江西省某绿色生态乡镇综合能源系统示范工程为例对本文所提方法进行验证，其基本系统架构如图1所示。该乡镇年平均风速5.1 m/s，水平面年太阳辐射量1 219.4 kW·h/m2，由于大力发展农业生态养殖，生物质能潜力充沛，同时还具备丰富的浅层地热资源。当地四季分明，常年存在电/热/冷负荷需求，设计电、热、冷负荷依次为1 382.7 kW、976.4 kW、1 159.3 kW，规划周期20年。采用本文方法对不同投资方拟定的3种乡镇IES规划方案进行综合评价分析，各方案指标初值及其具体配置信息分别如表2和表3所示。

表2 各方案评价指标初值Tab.2 Evaluation index data of each scheme

表3 各方案能源系统配置参数Tab.3 Configuration parameters of energy system of each scheme

4.1 指标权重计算

首先依照3.1节中所述指标权重计算方法，求得DEMATEL分析结果如图4所示，二级指标AHP权重、修正后的主观权重、客观权重及组合权重如表4所示，一级指标主客观权重及其组合权重如图5所示。

图4 DEMATEL分析结果Fig.4 Results of DEMATEL analysis

表4 二级指标权重计算结果Tab.4 Calculation results of second level index weight

图5 一级指标权重分布Fig.5 Weight distribution of first level index

在DEMATEL中，中心度被定义为影响度与被影响度之和，用于描述各指标之于评价体系的重要程度。对比分析图4及表4中AHP权重与主观权重可知，指标C11、C12、C21、C22、C24、C32属于原因型指标，其影响度远大于被影响度，故具有较高的中心度，而指标C14和C31为结果型指标，其影响度虽低，但受其他因素影响程度较高，同样表现出较强的关联性，因此，这些指标的主观权重较AHP权重有所提高。反之，同样属于结果型指标的C41～C43、C51和C53，其被影响度虽适中但影响度偏低，导致中心度较低，而对于指标C13和C33，由于其仅与少数指标存在关联，较之其他因素相对独立，因而这些指标的主观权重降低。结合各指标具体含义可以发现，上述权值调整贴合指标体系的内在逻辑关系，与乡镇IES评价的客观工程原理相符。因此，经DEMATEL修正后主观权重较之原始AHP权重更加科学合理。

观察图5可知，由于AHP-DEMATEL法不仅受到专家意见影响，同时还考虑了指标间的交叉关联，导致指标权值波动较大。而由反熵权法求得的客观权重则较为平稳，充分体现了其对指标差异不敏感的优势。相比之下，组合权重兼顾了决策者意志以及指标数据自身信息，其大小介于主观权重与客观权重之间，较之传统单一赋权方法更加具有说服力。就具体权重分布而言，结合表4和图5可知，主客观赋权方法均赋予了技术性能最大的权重分配，可见在高比例分布式能源接入下的乡镇IES中，技术手段是关乎其综合效益重要因素，这还体现在二级指标中清洁能源比例C22具有最高的权值。同样对评价结果有较大影响的指标还有大气污染排放C42、噪音污染指数C43、能源转换效率C21和供能缺额概率C23等，这与乡镇IES清洁高效、绿色可持续的建设运营理念相吻合，同时也验证了赋权结果的合理性。

4.2 评价结果分析

基于上述指标权重计算结果和具体指标数值，采用所提改进TOPSIS模型分别对3组方案进行分析，求得综合评价结果以及一级指标评价结果雷达图分别如表5以及图6所示。

表5 综合评价结果及排序Tab.5 Results and ranking of comprehensive evaluation

图6 一级指标评价结果雷达图Fig.6 Radar chart of first level index evaluation results

由表5可知，依照文中方法得出的综合评价结论为方案2>方案3>方案1。进一步分析3组方案的具体配置信息和指标初值，同时参考图6可知，方案1放弃了昂贵的储能装置，削减了风光渗透比例，转而大量采用工艺水平较差的生物质能以追求最优的经济效益，在节约自身投资维护支出的同时，降低了居民用能成本，但这也导致乡镇IES在运行方式及生态环保方面劣势明显。方案3则以经济收益为代价换取环境效益，其更多选用单价高但噪声小的光伏，同时充分发挥地源热泵和多元储能装置在热电解耦方面的作用，使系统运行于更加环保、灵活、可靠的状态，然而，沼气机组容量的减少也使方案3在生物质能消纳方面不尽理想，严重影响了指标C22和指标C52的水平。对比方案1与方案2，后者仅在指标C1和指标C5方面均逊于前者，且两项指标所占权重仅为0.191 5和0.155 8，故方案2优于方案1。

与上述方案相比，方案1更多选用较为廉价的风电，并合理分配沼气及地源热泵机组容量，在转换效率和消纳数量上均实现了清洁能源的最优利用，同时适当购置储能设备以维持系统的灵活可靠运行，其在乡镇IES的经济与和环境效益间进行了权衡，能够较好地推动乡镇社会发展。在5项一级评价指标中，方案1有2项最优仅1项最劣，因此排序最高，可见上述分析结果本文方法所得结论一致。

4.3 评价结论比较

为验证文中方法的有效性，将其分别与模糊层次分析法(Fuzzy-AHP)、主成分分析法(PCA)和加权集对分析法(SPA)等传统方法所得评价排序进行比较。其中，Fuzzy-AHP在求得AHP权重的基础上，采用模糊综合评价方法进行评价[20]；PCA采用线性加权模型计算综合评价值[21]；加权SPA通过AHP-熵权法求得指标权重，再由SPA模型输出评价结果[22]。Fuzzy-AHP和加权SPA所需的AHP权重及评语集设置均与本文方法一致，同一方法中评价结果数值越大的方案越优且排序越高，不同方法求得的评价结果及排序如表6所示。

表6 对比方法结果及排序Tab.6 Results and ranking of comparison method

由表6可知，除PCA所得结论为方案1>方案2>方案3外，本文方法、Fuzzy-AHP和加权SPA三种方法所得结论均为方案2>方案3>方案1，这是由于PCA过分依赖指标数据所蕴含的内在客观规律，虽消除了指标间的相关性，但忽视了决策者在乡镇IES建设过程中的导向作用，导致评价结果与工程实际需求不符。考虑到剩余三种方法所得评价结果之间难以直接进行比较，引入灵敏度指标对其进行分析[22]，参照式(17)求得本文方法的灵敏度为9.3%，明显优于灵敏度分别为4.3%和4.4%的Fuzzy-AHP和加权SPA方法，可见本文所提综合评价模型更加合理有效。此外，从三种方法的实施原理角度出发可以发现，较之本文方法，尽管Fuzzy-AHP得出了相同结论，但由AHP所得指标权重易受主观经验影响，且Fuzzy理论中隶属函数的选取相对固化，这些都给乡镇IES效益综合评价增添了不确定因素；加权SPA的结论虽然也与本文方法一致，但其所采用的AHP-熵权法未考虑指标间的关联性影响，所得乡镇IES综合评价结果并不具有普适性；相比之下，本文模型弥补了上述方法存在的缺陷，且运算简单，原理清晰，可为乡镇IES的推广建设提供参考。