风机机组选型多目标熵决策研究

曹光昭

摘要：随着全球环境问题的日益突出，风能作为清洁能量的来源越来越显示着其不可替代的地位。根据风电场的现场条件对风机类型进行合理的选择，使得机组运行性能最优、风电场获得最高的投资回报率、使风电场得到及时的维护并长期良好运行，己成为该领域研究的重点课题。本文以选择风电场要求下的合适的风力发电机型号为目标，考虑风电机组选型的经济性能，构建风电场风机选型的多目标熵决策模型。建立风电机组选型的指标体系，进行指标的标准化及归一化处理以消除不同量纲对结果的影响。通过计算指标熵值及熵权来确定指标的重要性程度，确定方案综合得分，进行方案优选。

Abstract： With the increasingly prominent global environmental issues， wind energy， as a source of clean energy， has increasingly shown its irreplaceable status. According to the on-site condition of the wind farm， reasonable selection of the wind turbine type makes the operation performance of the wind turbine optimal and the highest return on investment of the wind farm， which enables the wind farms to be timely maintained and operated well for a long time， which has become a key issue in this field. In this paper， aiming at the selection of the suitable wind turbine model under the requirement of wind farm， the multi-objective entropy decision-making model of wind turbine selection is constructed considering the economic performance of wind turbine selection. To eliminate different dimensions of the wind turbine selection index system， the standardization and normalization of indicators will be conducted. By calculating the index entropy and entropy to determine the degree of importance of indicators， the overall program score for program optimization can be determined.

关键词：风电场；机组选型；多目标熵决策

Key words： wind farm；power generation income；multi-objective entropy decision

中图分类号：TM315 文献标识码：A 文章编号：1006-4311（2018）11-0167-03

0 引言

近幾年来，我国在兆瓦级发电机组的研发上不断取得了好成绩。其中，已经成功投入运营的是金风科技开发的2.5MW和3MW机组，已经能并网发电的则是华锐风电开发的3MW海上风力发电机组，而华锐风电、湘电风能、东方电气和重庆海装则开始了对单机容量为SMW的风力发电机组研发[1，2]。

然而，在风电场的建设过程中，风力发电机组选型工作是非常重要的，但是现存的风电机组选型方法又存在很大的问题。因此，本课题就以机组选型方法探讨作为目的，着手于找出一种既具有扎实的理论基础、较强的操作性又能运用于工程实践的完整性方法，并将这种方法运用到实际的案例中，验证其正确性与可操作性，以期为风电场投资建设前的风机选型工作做出一定的参考。

1 风电机组选型指标体系构建

依据风电机组选型的实际情况及考虑因素，通过分析风电机组的各个指标，建立一个相对完善的风电机组选型指标，包括风电机组的技术性能指标及经济性能指标。

1.1 技术性能指标

风机选型相关技术性能指标主要包括风电机组的风况特性分析指标、风机主要部件参数以及风机整体特性[3，4，5]。其中，风况特性分析指标包括年平均风速、额定风速、风功率密度、平均风功率密度、风速频率、50年一遇最大风速和极大风速以及机组安全等级；风机主要部件参数指标包括叶轮、齿轮箱、发电系统以及塔架；整体特性参数包括风电机组可利用率、功率调节方式以及功率曲线保证率。

1.2 经济性能指标

风电机组的经济性能指标主要包括风电场发电收入以及风电场建设工程投资。风电项目的工程总投资包括施工辅助工程费用、设备及安装工程、建筑工程费用、基本预备费、价差预备费以及建设期利息。在电力行业中，衡量工程投资效果的重要指标除了上文所述的静态总投资和工程总投资，还包括单位千瓦静态投资及单位电度静态投资。

1.3 风电机组选性指标体系

基于上文已经分析的风力发电机组选型的技术性能指标、风电收入指标以及工程投资，可以建立风电机组选型决策的指标体系，所建立的具体指标体系如表1所示。

2 风电机组选型的灰色熵权决策过程

对于不同的指标而言，衡量其重要性程度的因素可能是不同的。本文建立风电机组选型过程中的区间灰数序列的灰色熵权模型，能综合衡量决策者进行决策时对不同指标所掌握的信息的多少从而进一步判断决策方案的优劣[6，7]。

利用熵权法进行决策指标的赋权，实际并不是评估决策指标的重要性程度，更多意义上是确定决策指标在帮助决策者进行决策时所具有的竞争激烈程度[8]。从信息论的角度说，就应该是决策者在进行决策时，对该决策指标所掌握的决策信息的多少。

2.1 区间灰数标准化

建立方案集A对决策指标的区间灰色决策矩阵如下：

根据标准区间灰数的定义进行区间标准化：

式（2）即为区间灰数的标准化形式，其中，gij表示区间灰数？茚ij的白部，cij代表区间灰数？茚ij的灰部。

2.2 计算指标灰熵值及熵权

信息熵H（x）的计算公式为：

指标熵权的计算公式为：

式（4）中，Wj表示第j个指标的熵权，m表示评价指标的个数。

根据熵值的计算公式以及上文提及的灰色区间的定义，将两者结合，可以计算指标的灰色熵值[9，10]。记i为第i个指标灰熵，根据信息熵Hi的计算公式可知，i的计算公式如下所示：

计算i的最大值和最小值，可知：

指标灰色区间权重计算公式如下：

根据区间数的运算法则进一步计算指标的灰色区间权重为：

至此，已经可以确定指标的重要性程度的所属区间。然而，由于文中确定的是一个区间，因此，需要对熵权进行规范化处理。因此，给出熵权规范化的计算公式：

2.3 确定方案综合得分

2.4 方案排序

要利用上文已经求出的方案综合得分的灰色区间对方案进行优选，就需要计算指标的可能度，利用可能度矩阵进行方案之间的两两比较，并对所有的方案进行优劣排序，才能最终确定所选方案是否正确。

其中，可能度矩阵中的元素计算公式为：

可能度矩阵能包括所有方案相互比较的全部可能度信息，因此可以通过求解能度矩阵的排序向量来对方案的优劣进行排序。排序向量V=（v1，v2，…，vn）的计算公式为：

基于上文提出的可能度矩阵的排序向量，就能对方案进行合理的优选。

3 某风电场机组选型的案例分析

采用专家打分法，对四种机型GW115-2000、UP115-2000、XE116-2000及WT110-2000的风况特性参数指标、风电场发电收入指标以及风电场建设投资指标进行综合评价，进行机组选型的灰色熵权决策，计算出来的四种比选机型最终得分为：

Zi=17.42 150.1213.57 128.5714.51 152.3513.84 136.64

建立综合属性值的可能度矩阵：

P=0.5013 0.5513 0.5000 0.53340.4511 0.5000 0.4487 0.48250.5000 0.5489 0.4987 0.53140.4686 0.5175 0.4666 0.5000

鉴于计算结果，可以对方案进行优劣的排序，排序结果为v1>v3>v4>v2。因此方案一最优，方案三次之。因此，本工程确定方案一为推荐方案。

4 结论

本文将多目标熵决策方法运用到风电机组选型过程中，综合分析风电场建设及运营过程中的技术及经济指标，从而构建能够完整准确进行风电机组选型评估的指标体系，在已有指标体系的基础上，建立风电机组选型的多目标灰熵评价模型，采用可能度矩阵计算排序向量进行方案优劣排序，就可以根据排序进行风电机组的选型决策。

然而随着科技的发展，风电机组也会越来越适应于环境的变化，某些现行拟定的指标可能会随着风电机组的变化而变化，因此，风电机组选型评价指标体系还需要在实践中不断发展与完善。

参考文献：

[1]祁和生.我国风力发电机组总装企业现状[J].中国科技投资，2008（01）：61-64.

[2]李俊峰，施鹏飞，高虎.中国风电发展报告.2010[M].海南出版社，2010.

[3]吕鵬远，邓志勇.风电场建设中的风力发电机组选型[J].水利水电技术，2009，40（09）：57-59.

[4]田迅，任腊春.风电机组选型分析[J].电网与清洁能源，2008，24（10）：36-39.

[5]胡立伟.风电设备选型的技术经济分析[J].农业工程技术（新能源产业），2007（05）：61-64.

[6]周慧勤，马进，符金伟.基于AHP模糊综合评判法的风力发电机选型研究[J].华东电力，2012（09）：1494-1498.

[7]张承平.灰色逼近理想解排序法在多目标决策中的应用[D].成都理工大学，2005.

[8]郭金维，蒲绪强，高祥，等.一种改进的多目标决策指标权重计算方法[J].西安电子科技大学学报，2014（06）：118-125.

[9]屈莉莉，陈燕，侯振龙.基于模糊层次熵多目标评价决策模型的物流服务商优选[J].大连海事大学学报，2005，31（03）：31-35.

[10]张华，何波，刘耕.基于模糊熵和多目标规划的公路货运交通枢纽布局模型[J].物流技术，2007，26（07）：46-47.