基于证据推理的风电产业评价

白杨森，常 瑞，吕玲玲

(1.郑州新力电力有限公司，河南 郑州 450003;2.华北水利水电大学，河南 郑州 450045)

随着我国促进新能源发展和节能环保等战略性政策的出台，国家对低碳经济和新能源产业的重视，我国风力发电产业得到了迅速发展.对风力发电项目进行严密的可行性研究论证，对于避免不合理的盲目投资、防止各种资源的浪费有着重要的意义［1］.王瑞莲采用基于改进模糊一致矩阵优选法［2］，曾鸣、王文铭等采用层次分析法对风力发电项目的可行性进行了研究［3－4］，但是这些研究存在评价体系不完整、评价指标筛选的主观性等缺陷，还没有形成一套完整而科学的指标体系和评价方法来综合评价风力发电项目整体上的情况，无法给出总体性的可行性结论.由于风力发电产业评价涉及的因素较多，并且存在信息缺失的现象，属于包含定性和定量信息的不确定多属性决策问题.文中针对定量和定性指标的评估问题，引入证据推理方法来处理不确定情况下的信息［5］.该方法是基于D－S 证据理论发展起来的一种算法.首先构造基本概率分配函数，接着进行证据集成计算出综合评价指标的分布式结果，而后采用效用区间来表达不完整或不精确的评估并以此决策.该方法在不确定性度量方面对未知信息的考虑更为接近人类专家的思维习惯，已被用于工程设计选择，组织的自我评估和供应商评估等［6－8］.笔者通过分析风力发电产业的特点，构建风电产业的评价指标体系，利用证据推理方法进行综合评价，评价结果较好.

1 风力发电可行性指标体系的确立

风力发电项目可行性相关的影响因素非常多而且复杂，从区域环境、技术实力、经济效果以及其他因素4 方面进行研究，这4 个指标也称为一级评价指标，并进一步细分为11 个二级指标，5 个三级指标，形成如图1 所示的模式结构.下面对此模型做简要的说明.

1)模型分为4 个层次.第1 层为目标层，是研究问题的出发点和最终落脚点;第2 层是与目标层直接相关的总要素，为评价体系的一级指标;第3 层和第4 层是决定目标层策略的具体的因素层，为评价体系的二级和三级指标.

2)影响风力发电的因素有很多，其中包括区域环境、技术实力、经济效果及其他因素，其中区域环境是主要影响因素.该模型结构打破了原有的关于风电建厂的传统认识，认为只要有丰富的风能资源，项目就可以实施，其实风能资源的丰富状况是风电建厂的一个先决条件，这一条件满足后还要考察是否具备其他条件，避免盲目立项，以期合理地发展风电.

图1 风电产业评价指标体系模型

3)从图1 可以看出风电项目可行性评价指标体系是一个多指标、多层次的综合评价体系.风电项目可行性评价指标体系中有2 种指标，一种是定量化指标，如风能资源、经济效益指标下的所有子指标;另一种是定性化指标，如地理因素指标下的所有子指标.由于各评价指标的性质不同，必须对原始指标值进行相应的处理，转化为统一的、可比的数值.证据推理方法可以采用统一的框架来处理定量化和定性化指标.

2 基于证据推理的风电可行性评价方法及过程

在必须从多个方案中选一个方案的情况下，需要对多个建设方案进行对比选择和评价.要评价风电项目方案al的优劣，采用证据推理方法的一般步骤如下:假设上层指标y 可以分解为下层的L 个指标ei(i=1，2，…，L).

步骤1 建立风电评价体系模型.

①定义下层指标集合E={e1，e2，…，eL}.

②通过计算或专家参与给出的方式评估下层指标的相应权系数集合

③假设第i 个下层标指标有Ni个评价等级即

y 有N 个评价等级即

则方案al相对于每个下层指标的评价值表示为

步骤2 定性和定量指标的转换.

②定性指标的转换.当Hi={Hn，i，n=1，2，…，Ni}等价于H={H1，H2，…，HN}时，则Hn，i等价于Hn.那么方案al相对于每个基本指标的评价值表示为

步骤3 构造基本概率分配函数.

步骤4 证据合成得到综合概率分配函数.

步骤5 计算上层指标的综合置信度.

当L 个下层指标全部集结完毕之后得到上层指标的置信度如下:

式中:βn为方案al中上层指标y 被评估到Hn的程度;βH为评估中的无知程度.

方案al中上层指标y 的评估等式:s(y(al))={(Hn，βn(al))，n=1，2，…，N}.

步骤6 计算各方案的综合效用值.

引入效用理论，将分布式结果转化为一精确的数值为决策者提供精确的指导.

若评价等级Hn+1优于Hn，则u(Hn+1)＞u(Hn)，u(Hn)可以通过多种方法获得.多项目方案需要进行相互比较时，证据推理方法对指标数据进行了标准化，则所得结果为方案可行性的相对效果.

3 算例分析

3.1 指标数据处理

假设需要对3 个地区的风电项目进行评价.现将风电项目指标体系中定性指标的评价等级设定为5 个，即分别为{excellent，good，average，poor，worst}.由专业人士对被评价的风电项目进行数据的收集、分析，实现对二级和三级指标的评价，给出了权重、定量指标数据和定性指标的分布式形式，见表1.

表1 风电产业评价指标体系表

表1 中区域3 的三级指标“风电机组性能”这一定性指标的分布式形式为:{(p，0.1)，(w，0.3)}，在评价过程中含有不确定性或未知信息，使得0.1 +0.3＜1 导致该评估为不完全评估.表1 中定性指标已转化为分布式形式，但是定量指标没转化，根据定量指标转化方法，设定与{excellent，good，average，poor，worst}中各个评价等级等价的数值，经济发展水平以人均GDP 来衡量.具体见表2.

表2 评价等级值

表3 3 个区域转换后的分布式评估数据

3.2 计算分布式评价结果并进行项目排序

假设评价等级{excellent，good，average，poor，worst}对应的效用值为:u(excellent)=1，u(good)=0.75，u(average)=0.5，u(poor)=0.25，u(worst)=0，利用证据推理方法得到每一个区域的分布式评估数据和平均效用，见表4.

表4 3 个区域的分布式评估结果

根据结果可以看出u(区域1)＞u(区域3)＞u(区域2)，所以区域1 的这一风电项目最好，区域2 的最差.至此对3 个项目方案进行对比评选，给出了每个项目的具体效用数值，更加有效地突显各方案之间的相对效果.

4 结语

建立了风电产业评价体系，将定性信息和定量信息转化为分布式形式，在统一的框架内用证据推理方法集结低层指标得到每一个项目的确定性评价结果，即使评估过程中出现不确定及未知信息，同样可以给出确定的评价结果.应用实例表明，该方法严谨，评价结果符合实际情况，为风电产业评价提供了一种科学、合理的新方法，该方法同样适用于信息不够完整且定性指标多的评价中.

［1］李德孚.我国中小型风力发电产业发展概况［J］.可再生能源，2010，28(5):1－4.

［2］王瑞莲.基于改进模糊一致矩阵优选法的风电产业评价［J］.水电能源科学，2012，30(6):212－214.

［3］王文铭，彭丽娟.节能减排下的华北风电布局评价［J］.可再生能源，2012，30(4):106－109.

［4］曾鸣，刘万福.风力发电可行性评价指标体系及方法研究［J］.华东电力，2008，36(8):85－88.

［5］YANG Jianbo，Singh M G.An evidential reasoning approach for multiple-attribute decision making with uncertainty［J］.IEEE Transactions on Systems，Man and Cybernetics，1994，24(1):1－18.

［6］常瑞.基于RIMER 理论的专家系统自学习算法的研究与实现［D］.武汉:华中科技大学，2007.

［7］YANG Jianbo.On the evidential reasoning algorithm for multiple attribute decision analysis under uncertainty［J］.IEEE Transaction on System，Man and Cybernetics，2002，32(3):289－304.

［8］YANG Jianbo.Rule and utility based evidential reasoning approach for multiple attribute decision analysis under uncertainty［J］.European Journal of Operational Research，2001，131(1):31－61.