陈人杰，李华取，彭晓涛，杨军，董旭柱，刘首文，李祥杰

(1.武汉大学电气与自动化学院，武汉市 430072；2.国网湖北省电力有限公司，武汉市 430077；3.国网内蒙古东部电力有限公司，呼和浩特市 010010)

0 引 言

在当前全球能源安全问题突出、环境污染问题严峻的大背景下，大力发展风电、太阳能发电、水电等可再生能源，实现能源生产的清洁化转型， 是中国乃至全球能源与经济实现可持续发展的重大需求[1]。由于综合能源系统通过耦合电力、交通、天然气、热冷系统等多元能源，在满足用户侧多样化用能需求时，利用各类能源间的相互转换和输出能源在时间尺度上的互补，通过协同优化以提高可再生能源利用率，因此成为新能源利用的主要承载方式[2-3]。与此同时，国内有些企业将云计算、大数据应用与智能电网相结合，通过采集和存储数据，利用大数据挖掘和分析可以为能源供应商和电力用户提供新能源发电功率预测和调度管理、用户用能行为分析和节能效果评估等咨询决策的新能源大数据服务(new energy big data service，NEBDS)。随着电力系统市场化运营改革深化，NEBDS将成为一种促进可再生能源高效利用和提高节能减排效果的新能源运营方式，并日益受到重视[4-5]。

综合评价作为利用多指标对评价对象进行量化分析的方法，可为完善综合能源系统建设规划、提高其运营效益提供决策支持依据，因此围绕综合能源系统能源利用效率、经济环境效益等多视角综合评价的研究，成为综合能源系统除装置和运营优化策略研究以外值得关注的问题。基于此，文献[6-7] 从经济、能耗和环境3个角度出发，构建了评价分布式冷热电综合能源系统运营效益的指标体系，并且文献[8]利用信息熵和专家评价相结合的指标赋权研究了面向综合系统运营的综合评价模型，文献[6]则基于层次分析(analytic hierarchy process，AHP)和熵权相结合的指标主客观赋权，研究了系统多属性加权决策模型。文献[7]围绕区域综合能源系统的能源、装置、配电网和用户等环节建立综合评价指标体系，基于网络分析-反熵权的主客观组合赋权建立了综合评价模型。文献[9]考虑政府、电网、区域综合能源系统投资运营商、用户等多主体利益，建立评价区域综合能源系统能源、环境、经济和安全的指标体系，利用集值迭代-反熵权主客观组合赋权和物元可拓模型研究了综合效益评价模型。NEBDS是近几年才开始投入运营的新兴技术服务，围绕其运营效益评价的指标和方法研究还较少，但是随着投入运营的NEBDS项目的增加，加强对项目运营的综合评价研究不仅能实现具有不同数据服务特点项目间的横向比较，而且能够利用量化分析寻找数据服务平台的不足，从而完善项目的建设、提高其运营效益。

提升NEBDS项目产生的综合效益是其重要运营目标之一，而增加服务项目综合效益的方式、方法多种多样，如配置先进设备、更新算法、提高服务质量和降低服务价格、扩大服务用户和拓展服务内容等，因此如何为优化新能源大数据服务项目运营改进方案提供决策支持成为值得研究的问题。为此，本文从NEBDS项目的特点出发，通过总结综合能源系统的综合评价指标，围绕数据服务在经济、技术、环境和社会等方面产生的效益和提供的服务，建立面向大数据服务综合运营效益评价的指标体系。在研究基于最小鉴别信息原理进行主客观组合赋权的基础上，从克服决策者主观风险倾向影响综合评价决策结果的不足出发，利用前景理论将投资者对收益、损失和风险的评估等心理活动考虑进方案决策，通过将前景理论与逼近理想解排序(technique for order preference by similarity to an ideal solution，TOPSIS)法相结合，提出面向NEBDS最优服务项目排序的综合评价方法，为投资者确定符合其内心客观选择预期的最优运行方案提供决策支持。

1 NEBDS运营效益的评价指标

NEBDS是大数据技术在能源领域的应用，是能源与信息高度融合、互联互通、透明开放、互惠共享的新型能源体系[10]。NEBDS的运营模式是数据中心通过对电网数据、环境数据、用户数据进行监控、收集、分析，从而为企业与用户提供负荷预测、用户用电管理、能源互联、节能服务、清洁能源发电管理等服务。作为一种基于信息服务促进新能源消纳的场景，NEBDS在为投资者产生经济效益的同时，也能够为社会与环境产生各种效益，例如通过可再生新能源利用实现环境保护、为社会提供优质的节能降耗服务、促进社会经济的高质量发展等。所以，对于NEBDS的评价，不能仅限于经济价值，而需要从多视角进行衡量。基于此，围绕NEBDS产生效益的不同类别，本文从经济、技术、环境、社会这4个方面构建评估其综合效益的一级指标。同时，结合NEBDS运营服务特点，构建涵盖其基本属性与服务目标的二级指标，其综合效益评价指标体系如图1所示。

图1 NEBDS综合效益评价指标体系Fig.1 Comprehensive benefit evaluation indices of NEBDS

图1中，经济效益指标用于评价NEBDS项目年度运营的收支情况，由运行年费用A1与年利润率A2两个子指标组成，分别反映评估项目投资成本和创造的经济收益效果。其中，运行年费用包括项目一次性投资成本均分到每年的投资数额与服务项目的每年运营维护成本。年利润率表示项目年收入与运行年费用的比值，其中年收入主要统计为用户提供各种能源大数据服务所获得的收益，例如设备监测管理、新能源发电和负荷预测等服务收益等。指标A1和A2的计算方法如下：

(1)

A2=∑Rn/A1

(2)

式中：H表示NEBDS项目一次性投资额；T表示NEBDS项目计划运行时长，单位为年；f表示NEBDS项目每年的运维成本；Rn表示NEBDS项目的不同类别收益。

技术效益指标用于评价NEBDS项目的技术先进性。随着新能源并网规模增加，电网源荷端的不确定性增强，因此提高新能源发电功率预测与负荷预测准确性对于促进电网的新能源消纳具有重要作用，也是能源大数据服务的一项重要服务内容，故用新能源发电预测准确率B1与负荷预测准确率B2体现大数据平台的数据分析能力。同时利用数据利用率B3来评价其数据服务被用户认可和使用的能力。指标B1、B2和B3的计算方法如下：

(3)

(4)

(5)

式中：Qp1、Qp2分别表示数据统计周期内的新能源发电量和负荷需求的预测值；Qa1、Qa2分别表示统计周期内新能源发电量和负荷需求的实际值；Da1表示一年中有效使用的数据总量；Da2表示一年中收集的数据总量。

环境效益用于量化NEBDS对环境保护所做贡献。由于借助大数据平台对可再生能源发电进行集中管理和监控，可提升可再生能源利用率，从而通过提升新能源消纳水平以减少化石类能源的使用。同时，对用户的合理用能管控也能从用能角度来促进节能环保。本文中采用低碳效益C1、新能源消纳比C2、节能效益C3这3项指标来评价项目对环境保护的作用。低碳效益C1直接表示为项目碳排放量减少量，指标C2、C3计算方法如下：

(6)

(7)

式中：Qa表示消纳的可再生能源年发电量；Qr表示可再生能源年总发电量；Qs表示能源节约量；Qu表示用户使用节能服务前能源消耗量。

社会效益主要反映NEBDS为电网建设以及服务需求用户带来的效益。能源大数据能提供新能源发电管理服务，从而实现电网友好型新能源发电，同时在用电侧分析用户的用能特点，可为用户提供个性化用能服务提供支撑。本文使用电网友好度D1与用户满意度D2作为社会效益的评价指标，指标计算方法如下：

(8)

(9)

2 基于最小信息论的主客观组合赋权

在建立指标体系之后，合理确定各评价指标权重是构建综合评价模型的基础。为确定各评价指标在评价体系中所占权重，本文采用改进AHP与熵权进行指标的主观和客观赋权。

2.1 改进AHP赋权

AHP是将与决策有关的因素分为目标、准则、方案等层次，在此基础上进行定性与定量决策的方法[11]。常规AHP赋权法包含建立模型、形成判断矩阵、检验一致性这3个步骤。针对可能存在判断矩阵不满足一致性要求的不足，文献[12]提出了一种改进AHP法，通过使形成的判断矩阵为一致性矩阵，避免进行一致性校验的问题。本文则进行多位专家共同利用改进AHP法[12]确定主观权重的改进，以使指标主观赋权更具合理性，具体赋权方法步骤如下所述。

设有L位专家共同参与确定m项评价指标主观权重。首先，L位专家共同确定评价指标之间的相对重要性，并按照重要程度不减的原则进行排序，如式(10)所示。

Z1≥Z2≥…≥Zm

(10)

式中：Zj(j=1,…,m)表示m项评价指标的重要程度。

然后各专家按照式(10)所示指标重要程度顺序，独立给出相邻两个指标之间的重要度，重要度标度具体数值参考表1确定。

表1 指标相对重要程度的标度Table 1 Scale of relative importance of indices

将第i位专家确定的指标Zj与Zj+1之间的重要度记为tij，则可按照式(11)通过计算来确定判断矩阵R的各元素。

(11)

式中：Rab表示判断矩阵R第a行第b列元素，其中a=1,…,L和b=1,…,m。由于各位专家对指标的相对重要程度排序一致，因此所形成的矩阵R为一致性矩阵，不需要进行一致性校验。利用式(12)可计算出各指标的主观权重。

(12)

2.2 熵权赋权

熵是用于度量系统状态的不确定性的热力学概念[13]。熵权法是根据指标值离散程度来确定权重的赋权方法，指标值离散程度越大，则熵越大，其有用信息就越多，指标赋权就应偏大，反之亦然[14]。由于熵权法是根据指标自身特性来决定权重，具有客观性，因此常用于指标客观权重的确定。熵权法具体赋权方法步骤如下所述。

假设评价指标体系的取值有n个分析样本，对指标值进行标准化处理后，按照式(13)计算第j项指标的熵值Ij。

(13)

(14)

式中：k是常数，一般取k=1/lnn；pij为第i个分析样本中第j项指标对应的特征比重;xij为第i个分析样本的第j项指标值。

接着在计算第j项指标差异系数vj的基础上，按照式(15)确定第j项指标的客观权重εj。

(15)

2.3 主客观组合赋权

为综合主观赋权与客观赋权的优点，需要把主观权重与客观权重进行组合，常用的组合方法有线性加权和乘法加权。线性加权法是把主客观权重按照一定的比例进行叠加，比例系数需要根据经验获得，缺乏说服力。而乘法加权容易导致“倍增效应”[13]。为使综合权重尽可能不偏向于主观和客观权重中的任意一项，本文参考文献[12]，采用最小鉴别信息原理建立优化模型以确定综合权重，如式(16)所示。

(16)

式中：w表示各指标综合权重构成的向量；wj表示第j项指标的综合权重。通过求解上述优化模型可得各指标综合权重的计算表达式：

(17)

3 基于前景理论改进TOPSIS的评价方法

在现有评价方法研究中，TOPSIS法是一种常用于评价排序的多目标决策方法[15-18]。针对不同NEBDS运营项目，用TOPSIS法可以通过比较综合评价得分来确定不同运营项目的排序。虽然这种排序方法简单易行，但没有考虑项目投资者具有有限理性，对待收益与风险的态度不同，因此直接使用TOPSIS法就存在因无法将投资者的这些心理纳入考虑，而使其主观倾向对评价结果的合理性产生影响。

前景理论认为人的决策选择取决于结果与展望(即预期、设想)的差距，同时现实决策中决策者只具有有限理性，因此其决策偏好会随外界因素改变而变化[18]。心理学角度分析表明：投资者在面临获利时通常是风险厌恶，偏好确定的小收益；在面临损失时是风险喜好的，寄希望于好运气解决问题。并且人们对概率反应有一些非线性特点，即对于小概率会反应过敏，对大概率则会估计不足。这些因素表明在投资分析中应用前景理论，基于投资者内心参考点确定收益与损失，将会使方案评价结果更加趋于客观[19]。为了更好体现决策者心理因素对决策结果影响，本文引入前景理论对TOPSIS排序方法进行改进，通过构建前景价值矩阵，为利用TOPSIS法进行评价结果合理排序奠定基础。改进后的排序方法的具体实施步骤如下。

首先决策者对m个指标给出每一个指标的期望值，形成期望矩阵Q。同时，根据n个方案的所有指标值xij，按照式(18)进行标准化处理，形成n×m大小的决策矩阵X。

(18)

式中：xij为第i个方案(对应上文分析样本)第j个指标的值；Xij为决策矩阵X第i行第j列元素；Qj表示期望矩阵的第j个元素；qj表示标准化后期望矩阵的第j个元素。

接着将指标分为收益型指标与成本型指标，并将决策矩阵中的每个标准化指标值与相对的期望值进行比较，得到收益(损失)矩阵S，矩阵中的元素由式(19)计算得到。其中，收益值与指标类型相关，对于收益型指标而言，若指标值大于期望值，则该超出部分对应为收益；若指标值小于期望值，则不足的部分对应为损失。成本型指标则与上述相反。

(19)

式中：sij表示收益(损失)矩阵S中第i行第j列元素。

利用收益(损失)矩阵S，按照式(20)可计算前景价值矩阵V中元素。

(20)

式中：Vij表示前景价值矩阵V中第i行第j列元素；α、β分别表示投资人承担收益与损失的风险系数，其值越大，表示投资人越倾向于冒险；λ为损失规避系数，其值越大，表示投资人对损失越敏感。文献[20]研究表明，当风险系数取值为0.88，损失规避系数为2.25时，前景理论的分析结果与实际决策者对于收益与损失的心理造成的决策结果较为接近。

TOPSIS法的基本思想是：计算现实中的每个方案距离最佳方案和最差方案的距离，利用理想解的相对接近度作为综合评估的标准[16]。本文将前景理论与TOPSIS法相结合，把得到的前景价值矩阵V运用到正负理想点的选取中，并结合2.3节中权重确定方法计算出各备选方案至正负理想点的加权欧氏距离，从而进行方案排序。结合前景理论的改进TOPSIS方法的具体步骤如下：

首先选取正负理想点，其中第j个指标的正理想点和负理想点的计算如式(21)所示。

(21)

对于第i种方案，计算正理想点与负理想点的距离如式(22)所示。

(22)

最终由式(23)计算出各方案的贴近度并排序，即可得出理想方案。

(23)

式中：di表示第i个方案的方案贴近度。

4 算例分析

4.1 方案描述与权重确定

利用本文所提评价方法对5种不同NEBDS运营方案的年运行综合效益进行比较。各运营方案的服务特点如下：方案1拟通过对项目运营进行大量投入以向用户提供优质服务，为回收投资建设大量数据采集系统成本而提高服务收费，导致选择接入服务平台的新能源场站数量较少，用于项目供电与发电服务的评价指标较其他4种方案都有提升；方案2同样拟通过对项目进行更大投入以提升服务效果，但因其未提升服务价格，导致项目利润率降低；方案3的改进则注重发电服务提升，使新能源发电预测能力与发电并网友好度指标得到了提升；方案4的改进更侧重于用电侧服务，如用电侧用能行为的数据收集与分析、电能节约服务咨询等；方案5是NEBDS的实际运营方案，作为前面4种采取不同综合效益改进方案的对照方案。各方案评价指标的统计结果如表2所示。表2中，方案5的数据由实际运营方案得到，方案1—4是拟评价运行改进方案，其数据可利用历史经验数据，通过仿真、预测回归分析、市场调研等方法建立。

表2 不同运营方案的评价指标统计结果Table 2 Statistics of evaluation indices for different operational scenarios

指标重要度数据如表3所示。表3中第一列从上至下为3位专家对指标重要性进行排序的结果。在此基础上，各位专家对各指标相对重要程度的评价结果也如表3所示。表3中数字表示专家按照表1所示重要度标度确定的指标Zj与下一指标Zj+1之间的相对重要性。

表3 指标重要度数据Table 3 Index importance data

利用基于最小信息论的主客观组合赋权法求取的各指标权重如表4所示。由表4所示的指标主观权重可见，专家们关心的是NEDBS带来的环境效益，指标重点放在发电侧与用电侧对环境保护的效果；其次是项目的收益情况，项目的投资成本与各技术效益、社会效益占有差不多比重。表4中客观权重是由5个方案中各指标值的离散程度确定。主客观综合权重表明项目收益率与低碳效益在该算例中影响最大，节能效益、用户满意度、电网友好度起到较重要的作用，其他效益指标起到的影响较小。

表4 指标权重Table 4 Weights of indices

4.2 考虑前景理论的改进TOPSIS运营方案评价

选取所有方案指标的平均值作为该指标的期望值Q，经式(20)计算出价值矩阵V具体数值，如表5所示。将前景价值矩阵应用到改进TOPSIS排序方法中，最终得到了各方案排序结果：方案1>方案4>方案3>方案2>方案5，各运营方案综合效益的具体评价结果如图2所示。

表5 前景价值矩阵Table 5 Matrix of prospect values

综合表5和图2得分情况分析可知，虽然方案1的大部分指标都超出参考值且数值占优，但其在低碳效益与项目收益率两项重要指标上却有所欠缺，所以虽然最终排序第一，但与排序第二和第三的差距甚微。方案4的数据服务重点是对用电服务较为关注，虽然在用电服务和用电评价方面取得较优评价效果，但由于其在降低碳排放量与促进新能源发电消纳方面的服务效果欠佳，因此综合评价结果排第二。方案3的数据服务重点放在发电服务上，虽然其低碳效益与项目服务年利润率都取得最优值，但在其他指标上相对于方案1都有所欠缺，并且对帮助用户节能的服务效果较差，故排序第三，并且与方案4相差很小。方案2在方案1的基础上减小项目投资，且相关服务效果也处于较优值，但由于其项目收益率过低，并且在前景理论中该指标前景值是一个巨大损失，而项目收益率又是最重要指标之一，故该运行方案的最终评价结果与前3个方案相差较大，仅排第四。方案5作为对比方案，其得分较低，据此也可以看出，其他4种方案与对比方案5相比较都各有优势。

图2 考虑前景理论的不同运营方案综合效益评价结果Fig.2 Evaluation results of the comprehensive benefits of different operational scenario considering prospect theory

对比分析表明，在4种改进方案中，方案1是最适合的改进运营方案，方案3与方案4因得分相近可作为改进运营的备选方案，方案2相比较而言不适合作为新的运营方案。

4.3 基于TOPSIS法的运营方案评价

指标权重确定依旧采用4.1节中的结果，但在排序方法上不引入前景理论，即直接使用各运营方案评价指标值xij替代式(22)中的Vij，进行基于TOPSIS方法的最优运营方案排序，最终的运营效益排序结果如图3所示，即方案3>方案1>方案4>方案2>方案5。

图3 基于TOPSIS法的不同运营方案综合效益评价结果Fig.3 Evaluation results of the comprehensive benefits of different operational scenario according to TOPSIS method

将图3与图2的排序结果对比可知，与考虑前景理论的排序结果相比，除了方案3超过了前2种运营方案，成为第一外，其他运营方案排序没有变化，并且前3种方案综合评价结果的差距扩大，而方案2与前3种方案之间的差距缩小。由于前景理论考虑了决策者对于方案收益与损失风险的不同选择，在本算例中，具体表现在对收益面临风险的考虑更为保守，而对损失规避更具倾向性，这使得方案3中两个权重占比最高指标带来的收益减小，最终使服务评价指标较为综合考虑的方案1成为最优选择。同时，前3种方案的收益经过缩小，而损失进行放大后，实际最终评价结果相差较小。而对于方案2，其对于项目收益率这个权重占比较大的指标的损失进一步放大，充分显示了投资者的损失规避特点，也可以说由于该方案投资收益率过低，完全没有达到投资者预期，所以该指标对此方案进行了一票否决。

从上述2种方案排序方法比较可以看出，引入前景理论改进TOPSIS排序法，能更好考虑决策者的主观风险倾向，通过缩小部分指标的收益优势，同时对不及格指标带来的损失进行放大，从而能引导投资者选出更为合适的综合方案。

4.4 不同指标权重的灵敏度分析

在确定运营方案1为最优改进方案的基础上，进一步进行指标权重变化对贴近度影响的灵敏度分析。设定各指标初始权重为0.1，待分析指标权重逐步增加到0.2的同时，其余指标权重按相同变化量减小，并且减小权重的总和与待分析指标的增加权重在数值上相等，用改进TOPSIS法计算方案与正负理想指标所对应方案的距离，即方案贴近度d。方案1贴近度对各指标权重变化的响应结果如图4所示。

图4 方案1各指标权重灵敏度分析Fig.4 Sensitivity analysis of each index weight in scenario 1

由式(23)方案贴近度的表达式可知，方案贴近度正向变化越大说明指标由前景理论计算得到的前景值越大，该指标值越理想，更接近正理想点；方案贴近度负向变化越大说明指标的前景值越小，该指标值越不理想，更接近负理想点。由图4可知，方案1中，年利润率A2指标的方案贴近度正向变化幅值最大，低碳效益C1指标的方案贴近度负向变化幅值最大。两者分别对应了方案1的最优指标与最差指标，按照方案贴近度从高到低排列的变化可以看出方案1中其余各指标值的优劣。其余4个方案贴近度对指标权重变化的响应分析结果同样验证了这一特点，即贴近度变化与指标权重变化近似为线性关系。因此指标的合理赋权对提高评价结果具有重要作用。

5 结 论

本文结合能源大数据服务的运营特点，构建了一套适合评价其综合效益的评价指标体系，同时采用最小鉴别信息原理研究了指标利用改进层次分析和熵权的综合赋权，基于前景理论与TOPSIS法结合提出了面向NEBDS运营综合效益评价的排序方法。该方法能在多种运营改进方案存在的条件下，选择出运营方案改进的最优解，从而为优化新能源大数据服务项目的未来运行方案提供决策支持。通过仿真分析研究，得出以下结论：

1)本文采用最小鉴别信息原理进行主观加权与客观加权结合的组合赋权具有合理性。

2)引进前景理论改进TOPSIS的排序方法，对于某种运营方案在特定指标上有较高收益情况，可以将其总收益效果进行减小，同时又能放大某种方案在某指标上的损失效果，从而更好模拟投资者对增加收益与减小损失风险的偏好，以及规避损失的心理，可提高评价结果的有效性与合理性。

值得指出的是，本文的重点是研究一种面向提升新能源大数据服务项目综合效益运营改进方案优选的评价方法。所设计的综合效益评价指标体系相对简单，在指标评价的覆盖全面性方面还存在不足，如何拓展指标体系，对新能源大数据项目进行更深入全面的综合效益评价，是值得在后续研究中进一步开展的工作之一。此外，本文所建立的综合效益评价方法，也可用于对其他运行场景下的综合能源服务项目进行综合效益评估。