电力用户综合能效评估模型

罗耀明， 毛李帆， 姚建刚， 袁 斌， 郭知非， 杨胜杰

(1.江西省电力公司， 南昌 330077； 2.湖南大学电气与信息工程学院， 长沙 410082；3.湖南湖大华龙电气与信息技术有限公司， 长沙 410082)

电力用户综合能效评估模型

罗耀明1， 毛李帆2， 姚建刚2， 袁 斌3， 郭知非3， 杨胜杰3

(1.江西省电力公司， 南昌 330077； 2.湖南大学电气与信息工程学院， 长沙 410082；3.湖南湖大华龙电气与信息技术有限公司， 长沙 410082)

针对电力用户能效评估，建立了基于递阶综合评价方法的能效评估模型。该模型将能效评估过程分解为三个层次，分别为基于G1群组判断的一级指标评估、基于熵权法的二级指标评估以及最终的综合评估，并利用主成分分析PCA(principal component analysis)和相关分析对能效指标体系进行筛选优化，以保证评估模型的科学性和可靠性。模型结合主客观评价信息，有效克服传统单一赋权法局限性。算例表明，基于G1群组判断和熵权法的综合能效递阶评估模型，计算快捷，可靠性高，具有较强的实用价值。

能效评估； G1群组判断； 熵权法； 递阶综合评估

我国“十一五”规划《纲要》提出了“十一五”期间单位国内生产总值GDP(gross domestic product)能耗降低20%左右、主要污染物排放总量减少10%的具有法律效力的约束性指标。与国际先进水平相比，我国现在的电能利用效率还比较低。据专家预测，通过加强电力需求侧管理，“十一五”期间，我国可累计节约1 500亿kW·h的电量，相当于节约7 500万t原煤。由此可见，电力需求侧节能具有显著的社会效益，节能潜力巨大[1～5]。

能效评估是电力需求侧节能的重要内容。对电力用户进行科学有效的综合能效评估，可以全面了解企业生产的整体用能状况,反映主要能耗问题及节能潜力，并且根据企业各能效环节的评估结果，可以有针对性地制订出最佳节能方案，为全社会实施节电改造及节能考核提供科学准确的依据。

文献[6]和文献[7]运用层次分析法对考核指标进行综合评估，权重和评估结果完全依赖于评估专家，具有强烈的主观色彩，计算量大。文献[8]根据具体电厂的煤耗评估实践,制定了煤耗评估流程和年度煤耗评价方法，虽然利用比较完善的数学理论，但忽视了评估专家的专家经验对评估过程的重要作用。

为减小单一赋权对能效评估结果的影响，体现主、客观评价信息，本文通过前期大量数据调研，并结合专家经验，建立了基于递阶综合评价方法的能效评估模型，对电力用户综合能效进行评估。

1 主要思路

科学、合理的指标体系是建立综合能效评估模型的重要前提。其评价指标的选取主要取决于该指标在整个评估模型中的重要程度，以尽量少的主要评价指标用于能效评估中。然而由于时间短、实际数据缺乏等客观原因的限制，在初步建立的能效评价指标集合中不可避免地存在一些次要评价指标，所以初选的能效指标应尽可能全面，在指标体系优化时再进一步对其进行筛选。电力用户综合能效评估模型流程如图1所示。

初步建立能效指标体系后，应对其进行数据预处理，以保证能效评估的可靠性。能效评价指标的预处理主要包括类型一致化和无量纲化两方面。

对预处理后的指标体系进行筛选，分清主次。尽量保留主要评价指标，去除次要评价因素，在不影响评估模型可靠性的同时，对其进行优化。

图1 能效评估模型流程

经筛选优化的能效指标体系即可建立基于递阶综合评价方法的能效评估模型。该模型将电力用户的综合能效评估过程分解为三个层次：通过主观赋权确定能效指标体系中一级指标的权重，根据客观赋权法确定能效指标体系中二级指标的权重，并最终确定其综合权重。

2 建立电力用户综合能效评估模型

2.1 初选能效指标评价体系

通过与某省电力公司的前期交流，初步认定综合能效评估模型的指标评价体系如下：一级子系统评价指标分别为经济能效指标、电能信息指标、生产信息指标和电能污染指标；二级子系统中，经济能效又可细分为5项评价指标，电能信息分为8项评价指标，生产信息包括4项评价指标，电能污染则分为3项评价指标，共计20项二级评价指标，分别从经济、电能、生产、环境四方面对电力用户能效进行评估，较为全面地反映了用电企业的能效水平。江西省企业能效评估初选指标体系详见图2(图中各指标后的符号即为其代号)。

图2 初选能效指标

2.2 数据预处理

由图2可知，初步建立的能效评估指标体系中含有极大型、极小型和区间型三种类型的评价指标，如节电量属极大型指标，电压不合格累计时间属于极小型指标，负载率属于区间型指标。设定极大型指标集为标准类型，将极小型和区间型指标转换为极大型。

对于极小型指标

(1)

对于区间型指标

(2)

式中：x代表原评价指标；x*代表转换后的评价指标；[q1，q2]为指标的最佳稳定区间；M、m分别为x允许的上、下界。

对于评价指标的无量纲化，采用中心化处理方式，即

(3)

2.3基于主成分分析和相关分析的能效指标筛选

能效指标体系中的指标应具有一定的代表性，否则对整个指标体系的贡献太小，不仅增加评估计算量，而且影响评估的准确性。

主成分分析(PCA)是统计学中常用的数据处理方法，其基本思想是将原有变量重新组合，形成新的、互相无关的几个综合变量，在降维同时尽可能反映原有系统的数据信息。而相关分析则通过系统变量间相关系数的大小判断是否存在线性相关的冗余变量。

初选能效指标评价体系的一级指标均由专家经验反复斟酌推荐形成，无需筛选。筛选工作主要针对20项二级评价指标。视每个一级指标所对应的二级指标为一独立系统(如经济能效子系统包括工业总产量、能源弹性系统、经济增加值、节电量及节电率)，利用PCA提取各系统主成分，通常第一主成份即可包含绝大部分数据信息，所以只需计算各项二级指标对第一主成分的构成系数，将系数大的指标予以保留，其余次要指标即可删除。对于相关分析，如果发现某一指标与其余多个指标显著相关，则可认定为冗余指标。但如果相关分析结果与主成分分析相反，应以PCA评价结果为主，例如某一指标在第一主成分的构成中占有很大的比重，那么即使它与多个指标线性相关，也不可删除。

通过前期调研，收集得到20家大型电力用户的能效数据，依次进行主成分分析和相关分析。由于篇幅所限，这里仅给出经济能效子系统S1的筛选过程。

对S1预处理后的能效指标数据进行主成分分析，其第一主成分的构成系数如表1所示。

表1 经济能效子系统的第一主成分构成系数

经相关分析，其分析结果如表2所示。

表2 经济能效子系统的相关系数

一般当构成系数小于0.1时，即可认为删除该能效指标对于整个指标体系的影响可以忽略。由表1可知，能源弹性系数S12构成系数仅为-0.006 9，可以删除。同时，从表2可以看出工业总产值S11对于经济增加量S13和节电量S14显著相关(相关系数均大于0.75)，但由于工业总产值指标在第一主成分中比重较大，所以仍然保留。因此，经过主成分分析和相关分析后，经济能效子系统S1中仅含4项二级能效指标，分别为工业总产值S11、经济增加量S13、节电量S14和节电量S15。

同理，依次对电能信息子系统S2、生产信息子系统S3和电磁污染子系统S4进行筛选。经筛选后，共剩余16项二级能效指标，其评价体系如图3所示。

图3 经筛选后的能效指标

2.4基于递阶综合评价方法的电力用户综合能效评估

采用递阶综合评价方法对用户能效水平进行综合评估包括三个层次：一级指标的主观评估、二级指标的客观评估以及最后综合赋权。其评价模型框图如图4所示。

2.4.1 基于G1群组判断的一级指标主观评估

目前，主观评估中的层次分析法(AHP)在国内得到了广泛的应用，但其评估过程依赖于判断矩阵的一致性，换言之，当判断矩阵不满足一致性时，将严重影响能效评价模型中各指标权重的计算结果，同时，随着评估指标的增加，判断矩阵的计算量成倍增长。为此，这里采用无需检验判断矩阵一致性的G1群组判断[9]。

图4 递阶综合评估模型

采用G1法评估中，如果某一评价指标xi相对评价准则(或目标)的重要程度大于(或不小于)xj，则记为xixj。若评价指标x1，x2，…，xm相对于评价准则(或目标) 具有关系式x1x2…xm时，则称评价指标之间按“”确定了序关系。对于评价指标集X={x1，x2，…，xm}，可按下述步骤建立序关系：指标集中选出m个指标中最重要或最不重要的一个指标，标记为xi；余下的m-1个指标中选出最重要或最不重要的一个指标，标记为xj；……；在余下的m-(k-1)个指标中选出最重要或最不重要的一个指标，标记为xn；……；将余下的一个指标标记为xk。这样，即可确定一个唯一的序关系。需要注意的是，序关系x1x2…xm中的下标此时已不再代表指标序号，而是代表评价指标集中各项指标的相对重要程度，如X中，专家认为第3项指标x3最为重要，应为x3，但为表述方便，此时仍记作x1。

设专家关于评价指标xk-1与xk的重要性程度之比pk-1/pk可以用rk来表示，rk=pk-1/pk，其中pk代表指标集X中第k项评价指标对应的权重。rk值的含义详见表3。

表3 分级比例标度参考表

同时

(4)

pk-1=rkpk(k=m，m-1，…，3，2)

(5)

以上即为G1法的基本步骤。

当同时聘请L位专家对同一目标进行评估时，由于每位专家均可确定一组序关系，则存在两种可能：L个序关系不一致和L序关系一致。

设L位专家中有L1(1≤L1≤L)位专家给出的序关系一致，且关于ri的赋值记为rih，h=1，2，…，L1，则

(6)

(7)

式中：ci=Li/L，表示确定某一权重的专家人数占专家总人数的比重。

综合能效评估中，专家对经济能效、电能信息、生产信息和电磁污染4项一级评价指标进行分析，确定其序关系，利用式(4)～式(7)确定该4项一级指标在整个能效评估模型中的权重。

2.4.2 基于熵权法的二级指标客观评估

熵权法是一种根据各项指标观测值所提供的信息量的大小来确定指标权重的方法。其基本思想是：若某项指标熵值较小，则说明该指标数据序列的变异程序较大，应重视该评价指标对于整个评估模型的作用，其权重也应较大[10]。熵权法确定指标权重的步骤如下。

(1)计算第j项指标下，第i个系统的特征比重为

(8)

(2)计算指标j项的熵值为

(9)

式中，k=1/1nn。

(3)计算指标xj的差异性系数为

gj=1-ej

(10)

(4)确定权重为

(11)

对于每个能效评价子系统，以指标数据序列为基础，利用熵权法确定每个二级评价指标在各个子系统中的权重。

2.4.3 综合权重的确定

设一级指标的权向量为P=(p1，p2，…，pm)，并已知其第i项一级指标中二指标的权向量Q=(qi1，qi2，…，qin)，则用户综合能效评估模型为

(12)

基于递阶综合评估方法对用户能效进行综合评估，本质上是对各级指标值均分别进行了两次加权综合，同时将专家经验和客观数据有机结合，以保证评价模型的科学性和可靠性。其评价结果不仅可以反映电力用户的综合能效，而且可就某一侧面的能效水平(即4项一级能效指标)进行分析，从而发现能效薄弱环节，有针性地制定出节能方案。

2.4.4 实例计算

为减弱评估专家人为因素的影响，保证评估效果，实际评估过程中共选取4位专家，对 4项一级指标进行G1群组判断分析。该4位专家所确定的序关系及重要性程度指标rk如表4所示。

表4 序关系及重要性程序指标

由表4可知，专家1和专家3所确定的的序关系相同，而专家2和专家4的序关系均不相同。按第2.4.1节中所述的G1群组判断对其进行分析，分析结果如表5所示。

表5 G1群组判断分析结果

由表5可知，4项一级指标(经济能效、电能信息、生产信息、电磁污染)的权重分别为0.266 7、0.306 9、0.221 0、0.192 7。

以调研所得各电力用户能效数据为基础，利用熵权法求解经济能效子系统中各二级评价指标的权重如表6所示。

表6 经济能效子系统中二级指标权重

同理，依次可求得电能信息子系统、生产信息子系统以及电磁污染子系统中各项二级指标的权重，如表7所示。

表7 各子系统中二级指标的权重

以表7数据为基础，按式(12)即可求得电力用户综合能效评估模型为

y=0.072 4x11+0.068 3x13+

0.065 6x14+0.070 5x15+

0.095 3x21+0.034 9x22+

0.042 9x23+0.046 7x24+

0.058 3x26+0.031 4x27+

0.065 9x31+0.047 9x33+

0.107 2x34+0.064 8x41+

0.083 2x42+0.044 7x43

(13)

为检验评估效果，从20组能效数据中任选3组，利用已建立的评估模型式(13)，对其综合能效进行评估。评价结果如表8所示。

表8 综合能效评估结果

由表8可知，就整体能效水平而言，用户1的综合能效最高，用户3次之。但从局部评价而言，这3个用户各有优势和缺陷，如综合能效最高的用户1的生产信息评估结果最低，反之，整体能效水平不高的用户2却在生产信息环节具有较高的能效水平。因此，以此评估结果为依据可以有效针对企业能效薄弱环节，制定科学节能方案，充分挖掘节能潜力。

3 结语

为综合反映电力用户能效水平，促进全社会节能工作的进一步实施，文中建立了电力用户综合能效评估模型。通过主成分分析和相关分析对能效指标进行筛选和优化，基于G1群组判断和熵权法建立能效递阶综合评价模型。该模型将主观评价经验和客观评价信息有机结合，其评价结果不仅可体现出用户的整体能效，而且可就某一局部能效进行评估。应用实例表明，该方法操作简捷、适用性强，具有良好的实用价值。

[1] 国家电网公司电力需求侧管理指导中心.电力需求侧管理实用技术[M].北京：中国电力出版社，2005.

[2] 王蓓蓓，李扬，高赐威(Wang Beibei, Li Yang, Gao Ciwei).智能电网框架下的需求侧管理展望与思考(Demand side management outlook under smart grid infrastructure) [J].电力系统自动化(Automation of Electric Power Systems)，2009，33(20)：17-22.

[3] 陈志强，杨永标，朱金大，等(Chen Zhiqiang, Yang Yong biao, Zhu Jinda,etal).新型电力需求侧管理终端的研制(Development of a new power demand side management terminal) [J].电力系统自动化(Automation of Electric Power Systems)，2009，33(13)：104-107.

[4] 魏炎立，王蓓蓓，李扬，等(Wei Yanli, Wang Beibei, Li Yang,etal).能效评估计算器的设计与实现(Design and implementation of energy efficiency calculator) [J].电力需求侧管理(Power Demand Side Management)，2008，10(2)：9-12.

[5] 胡小梅，朱文华，王宇颖，等(Hu Xiaomei, Zhu Wenhua, Wang Yuying,etal).高能耗企业能效综合评估系统设计研究(Research on design of overalls energy efficiency assessment system for high energy consumption enterprises)[J].计算机工程与设计(Computer Engineering and Design)，2009，30(17)：4081-4084.

[6] 任慧，王坚(Ren Hui, Wang Jian).能效评估系统的应用研究(The application research of energy efficiency evaluating system)[J].电脑知识与技术(Computer Knowledge and Technology)，2008，4(2)：260-262,274.

[7] 徐勇，王坚(Xu Yong, Wang Jian).基于AHP和PCA的企业能耗水平评价(To evaluate on the level of enterprise energy consumption based on AHP and PCA)[J].价值工程(Value Engineering)，2008(8)：9-12.

[8] 荆百林，李明，李敏(Jin Bailin, Li Ming, Li Min).火电厂能耗评估方法的应用(Application of energy consumption estimation method of fossil-fired power plants)[J].电力设备(Electrical Equipment)，2008，9(3)：31-33.

[9] 李连结，姚建刚，龙立波，等(Li Lianjie, Yao Jiangang, Long Libo,etal).组合赋权法在电能质量模糊综合评价中的应用(Application of combination weighing method in fuzzy synthetic evaluation of power quality)[J].电力系统自动化(Automation of Electric Power Systems)，2007，31(4)：56-60.

[10]李春生，王耀南(Li Chunsheng, Wang Yaonan).基于条件熵的电力负荷组合预测模型(Combination model of load forecasting based on conditional entropy)[J].电力系统及其自动化学报(Proceedings of the CSU-EPSA)，2007，19(4)：55-58.

EvaluationModelofIntegratedEnergyEfficiencyforPowerUsers

LUO Yao-ming1， MAO Li-fan2， YAO Jian-gang2， YUAN Bin3， GUO Zhi-fei3， YANG Sheng-jie3

(1.Jiangxi Electrical Power Corporation, Nanchang 330077, China; 2.College of Electrical and Information Engineering, Hunan University, Changsha 410082, China; 3.Hunan HDHL Electrical & Information Tech Co.Ltd, Changsha 410082, China)

As for the assessment of energy efficiency for power users,an energy efficiency evaluation model based on integrated hierarchical evaluation methods.The model breaks the assessment process down into three levels as G1 group judgments based primary indices assessment;entropy weight based secondary indices assessment,ultimately,a comprehensive assessment.To ensure the scientificity and reliability of the evaluation model,principal component analysis(PCA)and correlation analysis are employed to the indices to optimize the model.The model effectively overcomes the limitations of traditional index-weighted methods by combining objective and subjective information to the evaluation process.The example given in this paper shows that the integrated hierarchical energy efficiency evaluation model is of fast computing speed,high reliability,and is proven to be with a appreciable practical value.

energy efficiency evaluation； G1 group judgments； entropy method； integrated hierarchical evaluation

2010-02-23；

2010-05-05

TM73

A

1003-8930(2011)05-0104-06

罗耀明(1979-)，男，博士，主要从事电力需求侧管理方面的研究工作。Email:54031660@qq.com 毛李帆(1982-)，男，博士研究生，主要从事电力需求侧管理、电力系统自动化方面的研究。Email:sail_1234@163.com 姚建刚(1952-)，男，教授，博士生导师，主要从事电力系统自动化和电力市场方面的教学与科研工作。Email:yaojiangang@126.com