利用电参数的工业用户能效模糊综合评估

孟金岭，胡嘉骅，文福拴，林国营，党三磊

(1.广东电网有限责任公司电力科学研究院，广州市 510600;2.浙江大学电气工程学院，杭州市 310027)

利用电参数的工业用户能效模糊综合评估

孟金岭1，胡嘉骅2，文福拴2，林国营1，党三磊1

(1.广东电网有限责任公司电力科学研究院，广州市 510600;2.浙江大学电气工程学院，杭州市 310027)

在对工业用户进行节能改造之前，有必要对其能效水平进行比较准确的评估。现有的一些能效评估方法存在指标选取受限、数据获取困难、主观因素较强等问题。在此背景下，针对工业用户提出基于电参数的能效模糊综合评估方法。具体地，以计量电表能够准确测量并记录的电参数为候选评估指标。 首先，利用主成分分析法(principal component analysis，PCA)识别并删除次要指标，在此基础上确定工业用户综合能效评估指标体系。之后，利用熵权法计算所选各个指标的权重，并考虑到能效评估结果所呈现的模糊性，采用模糊综合评估方法对工业用户的能效进行评估。最后，用广东省的实际数据说明该方法的可行性与基本特性。

工业用户；能效评估；电参数；模糊评估；主成分分析法(PCA)；熵权法

0 引 言

近年来，电力系统负荷的峰谷差呈现逐步扩大的趋势。据统计，2015年我国全社会用电量为55 500亿 kW·h，同比增长0.5%。在负荷增长的同时，发电设备累计平均利用小时数却呈下降趋势；2015年全国6 000 kW及以上电厂发电设备累计平均利用小时数为3 969 h，同比减少349 h。单纯靠增加发电装机容量来满足短暂的高峰负荷用电会导致发电设备年利用小时数降低，单位供电成本增加，不利于社会资源的优化配置和合理利用。解决向短暂高峰负荷供电的更经济的途径是采用需求侧管理[1-4]，通过经济和技术手段适当调整高峰和低谷负荷时段的用电功率来平滑负荷曲线，改善电力系统运行的安全性和经济性。能效改造作为需求侧管理的重要措施之一，在最近10多年间逐步得到越来越广泛的应用[5-7]。能效改造通过鼓励用户采用先进工艺、先进设备和先进技术，对高耗能低能效的用电设备进行改造，从而提高用电效率，减少电力电量消耗[2]。

能效改造多针对工业用户，因为其用电负荷和用电量大且高耗能用电设备数量多，具备巨大的能效提升空间。在对工业用户进行能效改造之前，有必要对其能效水平进行比较准确的评估，以明确对其实施能效改造的必要性。就工业用户能效评估问题，已有不少研究报道[8-13]。文献[8]针对配电系统实际运行数据，基于潮流计算和关联度计算建立了2层节能指标模型，对配电系统节能潜力进行了评估。文献[9]建立了基于递阶综合评估框架的能效评估模型，将能效评估过程分解为一级指标评估、二级指标评估和综合评估3个层次，利用群组判断法和熵权法对用户能效进行评估。文献[10]建立了3层的能效评估指标体系，基于模糊综合评判原理，对状态因素集、评语集、权重系数进行分析，在此基础上建立了能效评估模型。文献[11]基于层次分析法(analytic hierarchy process，AHP)和逼近理想解排序法(the technique for order of preference by similarity to ideal solution，TOPSIS)，从提升电力系统可靠性与改善负荷轮廓、环境效益、经济效益、资源利用效率4个方面构建了电力能效项目综合评估模型。文献[12]针对高能耗工业用户，建立了涵盖经济、能源、技术、环境的能耗指标评估体系，对能耗水平进行了综合评估。文献[13]采用数据包络分析法，从微观经济层面出发，对我国不同地区的工业用户的能效水平进行了评估。

尽管在能效评估方面已经有不少研究报道，从总体上讲，现有的一些能效评估方法存在指标选取受限、数据获取困难、主观性程度较高等问题。有鉴于此，本文提出一种基于电参数的工业用户能效模糊综合评估方法。这种方法以计量电表能够准确测量并记录的电参数为评估指标，采用主成分分析法识别并删除次要指标，从数据和指标层面保障评估结果的准确性。之后，考虑到能效评估结果一般呈现的模糊性，采用模糊综合评估方法对用户能效进行评估。最后，用广东省的实际数据对所提出的方法做了说明。

1 工业用户综合能效评估体系

1.1 基于电参数的初始能效评估体系

电参数指能够通过计量表计准确测量并记录的与用电相关的数据(如电压、电流、电量、功率等)，或根据这些数据进行简单数学分析或运算后即可得到的衍生数据(如电流不平衡率、年平均电压、功率因数、单位产值能耗等)。选用电参数作为评价指标能够保证评价数据充足且比较准确。

在充分考虑指标与工业用户能效的关联性以及指标数据的易获取性的前提下，通过前期调研和数据特征分析确定初始能效评估体系。假设初选能效评估体系包含m个指标，待评估的对象(工业用户)数量为n，并假定nm，可以构建维数为nm的初始用户能效矩阵A(1)：

(1)

1.2 预处理工业用户原始数据

在利用工业用户的原始数据进行能效综合评估之前，需要对其进行包括数据类型统一和去量纲化的预处理。A(1)一般包含效益型、成本型和区间型3种类型的评估指标。效益型指标的数值越大，用户的能效水平越高；成本型指标的数值越小，用户的能效水平越高；区间型指标的数值处于某一区间时，用户的能效水平较高，一般称这个区间为最佳稳定区间。为便于后续数据处理，首先将效益型指标和区间型指标转换为成本型指标。

对于成本型指标：

(2)

对于效益型指标：

(3)

对于区间型指标：

(4)

(5)

(6)

对工业用户原始数据进行预处理后，即可把A(1)转化为标准初始用户能效矩阵A(2)：

(7)

1.3 最终能效评估体系

主成分分析(principal component analysis，PCA)[14]也称主分量分析，利用降维思想把多指标转化为少数几个综合指标(即主成分)，其中每个主成分都能反映原始变量的大部分信息，且所含信息互不重复。

每个主成分可表示为原指标的线性组合，其中每个原指标所对应的系数被称为该指标对此主成分的构成系数。利用PCA对初始评估指标进行筛选，剔除构成系数较小的指标。首先对A(2)求取相关系数矩阵：

(8)

式中：rij=cov(A(2)(:,i),A(2)(:,j))为第i个指标和第j个指标对应的标准化数据集之间的协方差，易知rij=rji；R为对称矩阵，且对角元素为各个指标数据集的方差；(:，i)和(:，j)分别表示第i列和第j列。

对于前k个特征根λj(j=1,2,…,k)，求取对应的单位特征向量bj=(b1j,b2j...,bmj)T。这k个特征根对应的特征向量构成主成分分析矩阵B：

(9)

按行对矩阵B进行检查，如果bij(j=1,2,...,k)与同一列的其他元素相比其绝对值较小，则表示指标l在最能反映能效的前k个主成分的构成系数都很小，则指标l对整个指标体系的影响很小，从而该指标可以被删除。将A(2)中构成系数小的指标删除后，可得到用矩阵A表示的工业用户最终能效评估体系：

(10)

式中：A为维数为np的矩阵；p为经过筛选后剩余的指标数量，p≤m；aij表示第i个用户的第j个指标经标准化处理后的数值。

2 最优权重向量

在利用多个指标进行综合评估时，如何合理确定各个指标的权重是一个非常重要的问题，因为其可以明显影响最终评估结果。在确定指标权重时，需要充分考虑各个指标数据间的客观差异，尽量避免主观确定权重所导致的偏差。

在确定了评估对象集和评估指标体系之后，可引入信息论中熵的概念来评估各指标在竞争意义上的相对激烈程度(由于所有指标的权重之和为1，从这个意义上讲不同指标之间构成了竞争关系)，进而确定各指标的权重。具体地讲，当评估对象在某个指标上的值相差较大时，熵值较小，说明该指标提供的有效信息量较大，该指标的权重应给定得较大，反之亦然。在极端情况下，当所有评估对象在某项指标上的值完全相同时，熵值达到最大，意味着该指标对于决策不能提供任何有用信息，可以从评估指标体系中删除。

引入熵权法[15]确定指标权重，对各个指标的重要程度进行客观的量化评估。熵权法可将多个评估对象的同一个评估指标进行综合考虑来确定权重，计及了多个评估对象间的联系，可削弱异常值的负面影响，得到的评估结果比较合理。

前文确定的工业用户最终能效评估矩阵A包含p个指标，n个被评估对象。定义第j个评估指标的熵为

(11)

可以证明0≤Hj≤1。第j个指标的熵权定义为

(12)

3 工业用户能效模糊综合评估

所提出的工业用户能效模糊综合评估方法主要包括选取指标体系、构造评语集、确定隶属度函数和进行能效模糊综合评估4个步骤。所提方法既能得到单项指标的得分，又可综合所有指标的影响得到每个用户对不同能效评语等级的模糊隶属度。通过比较不同用户的能效评估结果，可为用户实施节能改造的必要性和迫切性提供参考。

3.1 指标体系的选取

根据现有计量电表的测量水平，同时考虑所选电参数与工业用户能效的相关性，构造了包含“用电量”、“电压不合格累计时间”、“电流不平衡率”、“万元产值能耗”、“主要耗能设备能效等级”、“平均负载率”、“功率因数”、“平均电压”这8个指标的评价体系。

用电量指工业用户在考察期内的累计用电量；电压不合格累计时间指专用变压器一次侧电压在考察期内超出核定偏差范围的累计小时数；电流不平衡率反映专用变压器三相电流的不对称程度；万元产值能耗指在考察期内工业用户生产出来的价值1万元的产品所消耗的电能；主要耗能设备能效等级采用中国能效标识，按照5个等级划分，1表示产品能效最好，5表示严重能耗产品；平均负载率指在考察期内专用变压器输出的平均视在功率与变压器额定容量的比值；功率因数在一定程度上反映专用变压器的运行效率，为其有功功率与视在功率的比值；平均电压指专用线路在考察期内的平均电压，核定偏差范围假设为-3%～3%。

3.2 评语集的构造

模糊综合评估方法能否准确评估工业用户的能效水平在相当程度上取决于能否构造合理的评语集，进而对能效水平进行分类评估。参考国家发改委、国家质检总局联合制定的中国能效标识[16]，将工业用户的能效状态由高到低分为5个评语集，依次为：绿、蓝、黄、橙、红。各评语集表示的能效状态情况大致如下：绿色(G)表示工业用户能效指标非常好，用电设备运行合理，电能质量高，产品具有很强的竞争力；蓝色(B)表示工业用户能效指标良好，用电合理，产品的市场竞争力强；黄色(Y)表示工业用户能效一般，用电比较合理，产品具备一定市场竞争力；橙色(O)表示工业用户能效较低，用电不合理，产品的市场竞争力差；红色(R)表示工业用户能效较低，用电很不合理，产品市场竞争力很差。

3.3 隶属度函数的确定

与1.2节将所有指标转换为成本型指标的处理方法相对应，本节构造典型的成本型指标的隶属度函数并采用图形进行直观阐述。

针对3.1节构造的评语集，采用常见的半梯形分布函数和线性三角函数构造模糊评估的隶属度函数：

(13)

(14)

(15)

式中：0

式(13)—(15)所描述的3种隶属度函数如图1所示。前已述及，它们都是典型的成本型指标的隶属度函数，指标值越小，则评估对象属于高能效水平评语集的隶属程度就越大，反之亦然。假设归一化之后的指标值取值x∈[0,1]，对应于这5个隶属度函数的隶属度分别为fi(x) (i=1,2,..,5)。分析式(13)—(15)并结合图1，可知成本型指标的隶属度函数具有下述特征：

(1)对于任意x∈[0,1]，0≤fi(x)≤1 (i=1,2,...,5)；

图1 成本型指标的隶属度函数

(2)对于任意x∈[0,1]，在这5个隶属度函数中满足fi(x)>0 (i=1,2,..,5)的隶属度函数最多只有2个。

3.4 能效模糊综合评估

根据前文确定的工业用户最终能效评估体系A以及最优权重向量w，对所有待评估的工业用户依次进行能效模糊综合评估，步骤如下所述。

(1)建立每个工业用户的模糊综合评估矩阵Spq。p为最终采用的能效评估体系所包含的指标数量；q为所构造的评语集中包含的评语数量(q=5)；Spq的第i行Si=(si1，si2,…，si5)表示针对第i个指标的单指标评估向量；sij为第i个指标对评语j的隶属度。

(2)将最优权重向量与用户的模糊综合评估矩阵相乘，求取用户对不同能效评语集的综合隶属度，得到用户能效评估结果。

(3)在对所有用户进行综合评估后，根据最大隶属原则对不同用户的能效水平进行比较分析。

在Matlab环境下对上述方法进行了实现。

4 算例

针对广东省2015年10 kV工业专线用户的相关统计数据，采用所提出的方法对其中10个用户进行综合能效评估。首先对应3.1节选取的8个电参数指标，建立工业用户初始能效评估体系。在所给出的评估指标体系下，这10个用户在考察期内(2015年整年)的相关数据如表1所示。按照1.2节的方法对初始数据进行预处理，得到标准化后的用户能效指标数据，如表2所示。

表1中列出的前5个指标为成本型指标，平均负载率和功率因数为效益型指标，年平均电压为区间型指标，假定其最佳稳定区间为[374.2，383.8]。

表1 10个待评估工业用户的指标数据

Table 1 Index data of 10 industrial customers to be evaluated

表2 标准化后的用户能效指标数据

对标准化后的用户能效指标数据进行主成分分析，这里选用第一主成分和第二主成分进行指标筛选。求得的2个最大特征根所对应的单位特征向量(即第一主成分和第二主成分的构成系数)分别为b1=(-0.022 7，0.489 0，0.076 5，0.145 4，0.519 2，-0.156 0，-0.191 9，0.634 6)T和b2=(-0.225 2，0.139 6，0.482 2，0.420 4，-0.036 5，0.578 9，0.428 0，0.031 4)T。第一主成分的主要代表指标为电压不合格累计时间、主要耗能设备能效等级和年平均电压；第二主成分的主要代表指标为电流不平衡率、万元产值能耗、平均负载率和功率因素。年用电量在第一主成分和第二主成分的构成系数均较小，作为次要指标予以剔除。这样，电压不合格累计时间等余下的7项指标构成了最终的能效评估指标体系。

利用熵权法求得的最终能效评估体系中各指标的最优权重向量为w=(0.274 4，0.070 7，0.099 8，0.135 7，0.092 6，0.199 4，0.127 4)。

假定归一化之后的指标值对5个评语集的分布是均匀的，即式(13)—(15)中的参数K1～K5依次分别为0.1，0.3，0.5，0.7和0.9，据此求得的用户1的模糊综合评估矩阵为

将最优权重向量与模糊综合评估矩阵相乘，得到用户1的模糊评估结果为E1=(0.448 3，0.289 4，0.042 2，0.098 2，0.121 8)。

采用同样方法对用户2—9进行能效模糊评估，最终得到所有用户的能效模糊综合评估结果，如图2所示。

基于上述评估结果，可得到：

(1)根据最大隶属度原则，用户1—6和用户9的能效评估等级为“绿”，用户7、8和10的分别为“红”、“橙”和“蓝”；

(2)用户2、3、5、6对评语“绿”的模糊隶属度都在0.69以上，对评语“橙”和评语“红”则均小于0.08(其中用户2、5、6对这2个评语的模糊隶属度均为0)，这表明这4个用户的能效水平较高，不需要进行能效改造；

图2 10个工业用户能效模糊综合评估结果

(3)用户1、4、9的能效评估等级虽然为“绿”，但对其他4个评语的隶属度也相对较高，尤其是用户9，其对评语“红”的隶属度大于0.35，这表明这3个用户的总体能效水平较高，但在个别指标上得分较低，相应地就需要对这些指标进行完善；

(4)用户8对评语“黄”和评语“橙”的模糊隶属度较高，表明其能效处于中下水平，有必要对其用电设备和用电习惯进行更深入研究，提高用电效率；

(5)用户10对评语“绿”和评语“蓝”的模糊隶属度较大，表明其能效处于中上水平，只需要进行适当程度的能效改造；

(6)用户7对评语“红”的模糊隶属度在0.5以上，且对其他4个评语的隶属度较低，表明其能效水平较低，用电很不合理，需要进行大幅度的能效改造。

5 结 语

针对工业用户能效评估问题，提出了一种基于电参数的模糊综合评估方法，具有候选指标充分、所需数据易于获取且比较准确等优点。首先建立了以电参数为基础的评估指标体系并利用主成分分析法剔除次要指标，之后求取各指标最优权重向量，进而采用模糊综合评估方法确定各个用户的能效水平。最后，采用广东省工业专线用户2015年的实际数据对所提出的方法做了说明。通过对工业用户的能效进行综合评估，可以让用户清楚了解其总体能效水平和各项指标的评估结果，从而对主要设备和用电习惯进行适当调整，达到提高能效水平进而改善运营效益的目的。

[1]BOSHELL F, VELOZA O P. Review of developed demand side management programs including different concepts and their results[C]// Proceedings of IEEE Transmission and Distribution Conference and Exposition. Bogota, Colombia, Latin America：IEEE，2008：1-7.

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

[3]刘道新, 郭万祝, 王世成, 等. 面向能源互联网的新型需求侧管理模式研究[J]. 电力建设, 2016, 37(6):10-16. LIU Daoxin, GUO Wanzhu, WANG Shicheng, et al. New demand-side management pattern for energy internet[J]. Electric Power Construction, 2016, 37(6):10-16.

[4]于长广, 刘颖. 提高技术水平实现电力需求侧有效管理[J]. 电力建设, 2007, 28(5):80-83. YU Changguang, LIU ying. Improving technology to achieve effective electric power demand side management[J]. Electric Power Construction, 2007, 28(5):80-83.

[5]WORRELL E, BERNSTEIN L, ROY J, et al. Industrial energy efficiency and climate change mitigation[J]. Energy Efficiency, 2009, 2(2): 109-123.

[6]王丹, 范孟华, 贾宏杰. 考虑用户舒适约束的家居温控负荷需求响应和能效电厂建模[J]. 中国电机工程学报, 2014, 34(13): 2071-2077. WANG Dan, FAN Menghua, JIA Hongjie. User comfort constrain demand response for residential thermostatically-controlled loads and efficient power plant modeling[J]. Proceedings of the CSEE, 2014, 34(13): 2071-2077.

[7]于建成, 王旭东, 张东,等. 面向多元能源互联的天津生态城智能电网创新示范区建设[J]. 电力建设, 2015, 36(11):58-63. YU Jiancheng, WANG Xudong, ZHANG Dong, et al. Innovation demonstration area construction of Tianjin eco-city smart grid facing multi energy interconnection[J]. Electric Power Construction, 2015, 36(11): 58-63.

[8]王煜晗, 范瑞祥, 董泰青, 等. 基于两层指标模型的配电网节能潜力分析[J]. 电力建设, 2014, 35(12): 94-99. WANG Yuhan, FANG Ruixiang, DONG Taiqing, et al. Energy-saving potential analysis of distribution network based on two layered index models[J]. Electric Power Construction, 2014, 35(12): 94-99.

[9]罗耀明, 毛李帆, 姚建刚, 等. 电力用户综合能效评估模型[J]. 电力系统及其自动化学报, 2011, 23(5): 104-109. LUO Yaoming, MAO Lifan, YAO Jiangang, et al. Evaluationmodel of integrated energy efficiency for power users[J]. Proceedings of the CSU-EPSA, 2011, 23(5): 104-109.

[10]吴剑飞, 姚建刚, 陈华林, 等. 电力客户能效状态模糊综合评估[J]. 电力系统保护与控制, 2010, 38(13): 94-98. WU Jianfei, YAO Jiangang, CHEN Hualin, et al. Fussy comprehensive evaluation of power customer energy efficiency assessment[J]. Power System Protection and Control, 2010, 38(13): 94-98.

[11]李慧玲, 芦新波, 刘大川, 等. 基于AHP-TOPSIS的电力能效项目综合评价[J]. 现代电力, 2014, 31(4): 88-94. LI Huiling, LU Xinbo, LIU Dachuan, et al. A comprehensive evaluation method for power energy efficiency project based on AHP-TOPSIS[J]. Modern Electric Power, 2014, 31(4): 88-94.

[12]徐勇, 王坚. 基于AHP和PCA的企业能耗水平评价[J]. 价值工程, 2008, 27(8): 9-12. XU Yong, WANG Jian. To evaluate on the level of enterprise energy consumption based on AHP and PCA[J]. Value Engineering, 2008, 27(8): 9-12.

[13]SHI G M, BI J, WANG J N. Chinese regional industrial energy efficiency evaluation based on a DEA model of fixing non-energy inputs[J]. Energy Policy, 2010, 38(10): 6172-6179.

[14]BRO R, SMILDE A K. Principal component analysis[J]. Analytical Methods, 2014, 6(9): 2812-2831.

[15]聂宏展, 吕盼, 乔怡, 等. 基于熵权法的输电网规划方案模糊综合评价[J]. 电网技术, 2009, 33(11): 60-64. NIE Hongzhan, LYU Pan, QIAO Yi, et al. Comprehensive fuzzy evaluation for transmission network planning scheme based on entropy weight method[J]. Power System Technology, 2009, 33(11): 60-64.

[16]国家发展改革委, 国家质检总局. 能源效率标识管理办法[EB/OL]. (2016-2-29) [2016-11-01]. http://www.sdpc.gov.cn/gzdt/201603/ W020160309388699982349.pdf.

(编辑 张媛媛)

Fuzzy Comprehensive Evaluation for Energy Efficiency of Industrial Consumers Employing Electric Parameters

MENG Jinling1, HU Jiahua2, WEN Fushuan2, LIN Guoying1, DANG Sanlei1

(1.Electric Power Research Institute of Guangdong Power Grid Co., Ltd., Guangzhou 510600, China; 2.School of Electrical Engineering, Zhejiang University, Hangzhou 310027, China)

It is necessary to accurately evaluate the energy efficiency of an industrial consumer before implementing an energy-saving scheme. Several existing evaluation methods for energy efficiency have some problems such as limited selection of indices, limited access to data and strong subjectivity. Given this background, this paper presents a fuzzy comprehensive evaluation method for the energy efficiency of industrial consumers based on electric parameters. Specifically, the electric parameters are candidate evaluation index, which can be accurately measured and recorded by smart meters. Firstly, we adopt principal component analysis (PCA) to identify and remove secondary indicators, on this basis determine the comprehensive energy efficiency evaluation index system for industrial consumers. Then, we calculate the weights of all selected indices with using entropy weight method and evaluate the energy efficiency of industrial consumer with using fuzzy evaluation method, considering the exhibited fuzziness of evaluation results. Finally, the actual data from Guangdong province are served for demonstrating the feasibility and features of the proposed method.

industrial consumer; energy efficiency evaluation; electric parameters; fuzzy evaluation; principal component analysis (PCA), entropy weight method

国家自然科学基金项目(51477151)；南方电网公司科研项目(K-GD2014-192)

TM 72

A

1000-7229(2016)11-0016-07

10.3969/j.issn.1000-7229.2016.11.003

2016-09-05

孟金岭(1986)，男，硕士，工程师，研究方向为电力系统谐波治理、电力需求侧综合节能技术；

胡嘉骅(1992)，男，博士研究生，主要从事电能交易、需求侧与能效管理、可再生能源等方面的研究工作；

文福拴(1965)，男，教授，博士生导师，本文通信作者，主要从事电力系统故障诊断与系统恢复、电力经济与电力市场、智能电网与电动汽车等方面的研究工作；

林国营(1983)，男，硕士，高级工程师，研究方向为智能用电、数字化电能计量技术；

党三磊(1982)，男，硕士，高级工程师，研究方向为电力市场与智能用电技术。

Project supported by National Natural Science Foundation of China (51477151)