代洲 王钢 严英杰 刘亚东 于中玉 杨瑞波

(1.华南理工大学 电力学院，广东 广州 510640；2.南方电网物资有限公司，广东 广州 510620；3.上海交通大学 电子信息与电气工程学院，上海 200240)

目前电网企业建立了相对完善的物资品控体系，包括设备监造、到货抽检、专项抽检及送样检测等，对提高电网所采购设备的质量起到了积极作用，有力保障了电网的安全稳定运行。

然而，电网企业对物资品控体系的运转效率尚缺乏综合评估，大多仅从技术指标进行考量，例如：“出厂试验一次性通过率”、“设备重大缺陷率”、“物资品类及供应商覆盖度”等，对其资金花费、专家工作情况及工作完成情况等缺乏统一评价。

众多学者以用户为研究对象进行了大量的能效评价研究工作[1]，同时能效评价也是电力需求侧管理不可或缺的一部分[2]。文献[1]基于“驱动力-压力-状态-响应”模型提出了有效的工业用户用电能效评价指标体系，并计算了每个指标的权重，在此基础上评价了用户的用电能效水平。文献[2]分析了抽水蓄能系统的投资成本、经济效益及其运行约束，建立了求取综合效益的数学模型，提出了综合效益的评价方法。文献[3]利用IEEE 14节点系统算例分析了节点煤耗率指标的时间空间特性以及用于电力系统能效评估的可行性。文献[4]将直觉模糊熵法分析和超效率数据包络分析方法相结合，提出具有直觉模糊熵法权重的超效率DEA 评价模型，结合“压力-状态-响应”模型的相关指标，对具有代表性的多个电力用户进行能效评估。文献[5]从能效评价、需求响应及安全监测入手构建用户设备评估体系，采用区间熵权法进行赋权。

从以上研究可知，能效评价的研究对象广泛，并且都取得了较好的实用效果。针对目前尚缺乏对电网企业物资品控体系运转效率综合评估的研究这一实际情况，本研究利用能效评价方式，构建了分层分级的综合能效评价指标体系，并提出了组合赋权方法，将模糊层次分析法和熵权法结合，得到动态化的组合权重，解决了主观经验与客观数据的均衡化问题，最后通过模糊综合评价方法对整体能效开展评价，并结合南网下属子公司的实际数据，对算法的有效性进行了验证。

1 综合能效评价指标

1.1 构建综合能效评价指标体系

电网企业物资品控体系包含组织管理部门、品控技术中心、第三方检测机构及人力资源等，具有相当程度的复杂性。从目标实现、内部过程、利用资源、利益相关者这4项有效性衡量目标出发，构建分层分级的综合能效评价指标体系[6- 11]，旨在对不同机构、过程环节及生产价值等进行全面地、系统地评估。

“目标实现”对应“生产任务”，描述的是能效评价的最终目的，对于电网企业物资品控工作而言，即为：设备质量提升及品控成本下降。

“内部过程”对应“管理成效”，描述的是电网企业当年各项物资品控工作是否得到有效执行，以及资金预算的使用效率等。

“利用资源”及“利益相关者”对应“能力体系建设”，描述的是电网企业在物资品控工作中，人力资源的使用情况及本单位技术性支撑情况(信息化能力、自主检测能力及标准覆盖是否完备等)。

该综合能效评价指标体系具有贯穿组织战略管理全过程、密切联系组织激励机制及强调对无形资本进行评估的优势，具体如表1所示。

1.2 指标规范化处理

为使各指标能够进行综合比较，需要进行标准化处理，将三级指标的实际值折算为[0，1]之间的数值。评价指标按影响效果可分为效益型和成本型。

表1 综合能效评价体系

(1)效益型指标规范化处理

一次性通过率、物资品类覆盖度等为效益型指标，数值越大代表效益越优，其变换公式为

(1)

其中：gb，ni(x)表示效益型指标的规范化函数，xni为第n个二级指标下的三级指标Cni的实际值，amaxni表示该指标的目标值，bmaxni表示该指标i的注意值，amaxni、bmaxni应根据物资品控工作开展的实际情况确定。

(2)成本型指标规范化处理

设备重大缺陷率及资金实际使用情况为成本型指标，数值越小代表效益越优，其变换公式为

(2)

其中：gc，ni(x)表示成本型指标的规范化函数，xni为第n个二级指标下的三级指标Cni的实际值，aminni表示该指标的目标值，bminni表示该指标i的注意值，aminni、bminni同理应根据物资品控工作开展的实际情况确定。

2 基于多层模糊综合评判的综合能效评价方法

2.1 模糊隶属度函数

常用的隶属度分布函数有三角形、菱形等，当某指标或评价对象未绝对处于某评价区间，并向另一区间转移时，三角形分布隶属度函数计算所得模糊隶属程度偏高，计算结果偏保守；而半梯形分布较符合主观预期。本研究将综合能效评价分为优秀、良好、一般、注意4个能效等级(分别对应p1、p2、p3、p4)，利用三角形隶属度函数与半梯形函数相结合，建立了不同能效等级相对应的隶属度函数，具体分布见图1。

图1 三角形和半梯形结合隶属度函数的分布

Fig.1 Distribution of combined membership function of triangle and semi-trapezoid

不同等级的隶属度函数如式(3)-(6)所示。

(3)

(4)

(5)

(6)

其中：φp1(ni)表示第n个二级指标下的第i个三级指标Cni对应于状态p1的隶属度函数值，以此类推；gni表示Cni的规范化值；f1、f2、f3和f4表示隶属度函数分布的分界值，由大量历史品控数据与专家经验得到，各个三级指标对应的分界值也不同。

通过求取各三级指标Cni对应能效等级的隶属度函数，可以得到第n个二级指标下的隶属度函数矩阵Mn，m表示该二级指标下共m个三级指标，如式(7)所示：

(7)

2.2 基于模糊层次分析法和熵权法的组合赋权

电网企业物资品控体系综合能效评价工作因指标多元化，故而具有高度复杂性特点。本研究利用模糊层次分析法(FAHP)和熵权法的组合赋权方法实现各层级指标的权重动态化评估，以满足评价结果准确性的要求。

2.2.1 模糊层次分析法确定主观权重

由于评价模型的指标间比对存在模糊性，所以文中采用模糊层次分析法确定各指标的主观权重。该方法将各评价指标做两两对比，利用其重要程度来定量表示[12- 14]。为使任意两指标的相对重要程度得到定量表达，文中采用0.1-0.9标度法(具体含义如表2所示)，将表1中的各级指标分别进行两两比较。

表2 0.1-0.9标度法

aij+aji=1

(8)

(9)

A1A2A3A10.50.60.6A20.40.50.6A30.40.40.5

由文献[13]及文献[14]，可以得到所构建的模糊互补判断矩阵指标权重计算公式，如式(10)所示，该公式具有计算量小且便于计算机编程实现的优点。

(10)

式中：i=1，2，3，…，n。

因此，通过表2可以得到一级指标的主观权重向量为Wz=(0.367，0.333，0.300)T。

2.2.2 熵权法确定客观权重

对于评价体系中的各指标而言，若其对能效状态影响越大，说明其包含的信息量也越大，此时对应的信息熵就越小，即系统的无序程度越低。因此，可利用评价指标的信息熵来计算各个指标的效用，即根据评判指标的实际监测数据来获取各个指标的客观权重[15]。

根据传统熵的定义及计算公式，可以定义各个评判因子的熵为

(11)

(12)

2.2.3 组合赋权

熵权法确定的客观权重随指标实际值而变化，将FAHP方法得到的主观权重与客观权重组合赋权，这样得到的权重，既结合实际测量样本，又考虑了规定和标准的要求，避免了权值的均衡化。

在信息熵权中加入通过规定和标准计算得到的变异系数权重，组合赋权公式如下：

(13)

以三级指标为例，根据式(13)得到第n个二级指标下三级指标的组合权重矩阵为

(14)

2.3 模糊综合评价

根据隶属度函数和组合权重，通过逐层逐级的评价，最终得到品控体系整体的能效评价值[18- 19]。

从三级指标出发，通过式(7)和式(14)，得到二级指标的评价矩阵SB，如式(15)所示。

(15)

(16)

一般取向量中元素的最大值作为最终能效等级，但当向量中2个元素值相近时难以准确判断能效等级。因此引入状态因子的概念，对4个能效等级赋值(t1，t2，t3，t4)=(1，2，3，4)，分别对应“优秀、良好、一般、注意”4个能效等级的分值，状态因子U的表达式为

(17)

式中：U为能效等级的线性加权，表示由一个能效等级向另一个能效等级的转变趋势；j表示趋势系数，文中取j=2。

U∈[1，1.5)表示当前能效等级为优秀，U∈[1.5，2.5)表示等级为良好，U∈[2.5，3.5)表示等级为一般，U∈[3.5，4]表示等级为注意。

3 算例分析

选取南方电网下属东部2家全资子公司以及西部3家全资子公司2019年品控体系运行指标作为算例进行分析，各公司的品控体系运行指标如表3所示。

表3 品控体系运行指标

由表中数据，可以得到各指标的隶属度值与组合权重，具体过程如下。

(1)隶属度函数矩阵计算

以东部某全资子公司A的二级指标“设备质量B1”数据为例，通过式(1)-(6)可以得到C11～C14的规范化值和对应于能级状态的隶属度函数矩阵MB1，C11～C14的规范化值分别为0.950、0.650、0.370、0.580，隶属度函数矩阵MB1为

优秀良好一般注意C111.000000C120.2700.6800.0500C1300.2630.6120.125C1400.4750.3400.185

(2)组合权重确定

以“设备质量B1”为例，首先由C11～C14的规范化值，根据式(11)-(12)得到客观权重，WB1=(0.114，0.232，0.426，0.242)T。

根据主观权重和客观权重，得到组合权重为

以此类推，最终得到整个综合能效评价指标体系的组合权重如表4所示。

表4 指标体系组合权重

(3)模糊综合评判

根据式(15)，以设备质量B1为例，其综合评价矩阵为

进而通过表4逐层得到东部子公司A整体的能效评价矩阵为

Seast-A=(0.474，0.341，0.130，0.048).

通过整体的能效评价和式(17)可以得出，该全资子公司的综合状态因子UE-A为1.436，在能效等级为优秀的区间内，因此A公司2019年品控体系运行情况为优秀状态。

同理，根据表3的数据可计算得到南网下属 5个 子公司的综合能效评价指标及其评价结果，文中算法的评价结果以及与模糊层次分析法的对比如表5所示。

表5 与模糊层次分析法对比

根据表5的评价结果可见，东部子公司的能效等级评价处于优秀和良好状态，整体比西部子公司更优，这也与东部公司技术能力、管理水平、人才储备以及信息化程度更高的特点相符。根据物资部门的报告显示，东部2个子公司2019年品控体系运行情况整体优于西部的3个子公司，且西部子公司D需要整改，表明了文中算法的评价结果与实际情况相符，具有一定的实用性。

由表5可以看出，与模糊层次分析法相比，本文算法具备评价结果区分度高的特点。以东部子公司B和西部子公司C、E为例，两种方法都评价为“良好”等级，但是模糊层次分析法的打分值都在86～89之间，3个公司分值的区分度仅在5%以内，难以直接断定东部子公司B一定优于西部子公司C和E；但文中方法得到的综合状态因子在1.7～2.5之间，3个公司分值区分度在20%左右，可以非常直观地得到综合能效评价排序为东部子公司B>西部子公司E>西部子公司C。以西部子公司D为例，可以从表3中看出公司D的C14、B6、B7指标远低于其他4个公司，而通过文中方法对客观权重的调整，使得一级指标“生产任务”和“能力体系建设”的综合评价矩阵中对“注意”的隶属度最高，从而导致了整体的综合状态因子大于2.5，能效评价为“注意”；而模糊层次分析法未结合实际数据实现权重变化，使其评价结果仍然为“良好”，与实际情况差异较大。

以上的算例分析表明，文中算法通过权重系数将主观权重与客观权重结合，并能够结合实际数据不断调整隶属度函数的参数，使得算法结果的区分度更高，能效评价更为准确，并且具备一定的实用性。后续将继续结合物资公司的实际运行情况对算法的参数进行改进与优化，提高物资品控体系的运行与管理效率。

4 结语

本研究结合电网企业物资品控体系复杂性高的特征，构建了组织能效评价分析模型，并利用组合赋权和模糊综合评判方法对南方电网下属东、西部5个全资子公司2019年品控体系运行指标进行了分析，算法结果相较于模糊层次分析法结果区分度更高，且结果符合客观事实，证明了该模型的科学性。后续工作中，可通过此模型科学横向比较各电网企业的物资品控体系综合能效情况，也可以对具体的指标进行纵向挖掘，找到物资品控工作存在的短板，提高工作效率，保障入网设备的品质优良，节约企业运营成本。