基于物元分析法的数字化智能抽水蓄能电站建设水平评价

尚 栋，阎 峻，周建中，曹 旭，孙 勇，汪 沛

(1.国网新源控股有限公司，北京 100761；2.华中科技大学土木与水利工程学院，湖北 武汉 430072)

0 引 言

在国家能源技术领域整体实力和管理水平日益提升的形势下，传统抽水蓄能电站源网协调、设备安全性等能力不足的问题日益突出，故电力行业提出一种新型数字化智能抽水蓄能电站的构想。数字化智能抽水蓄能电站是以网络化、自动化、信息化为基础，以数字孪生和一体化管控平台为载体，广泛应用“大云物移智链”等新兴技术和现代工业技术，具备“全景监控、虚实融合、高度协同、智能管控、安全高效、绿色生态”特征，具有全寿命周期智能管控体系，满足能源互联网“源网荷储”协调互动要求的持续迭代、自主优化的创新型抽水蓄能电站。

国内研究者们针对抽水蓄能电站的经济性，电网需求等方面进行了广泛研究。张东[1]引入了“功能效益”的概念，建立了一种可用于抽水蓄能电站中经济水平的评价体系。李勇[2]通过对国内外抽水蓄能电站评价现状的分析，采用模糊综合评估法与层次分析法对抽蓄电站进行后评价分析。王昊婧[3]对抽水蓄能电站进行运营效益的分析，建立了一种新型效益评价体系。

数字化智能抽水蓄能电站是一种广泛运用现代新兴技术的创新性电站，对于电站建设评价体系中的网络化、自动化、信息化特征，尚未有研究者进行深入研究，故现阶段缺乏相对科学、客观地评价针对数字化智能抽水蓄能电站建设完成度的评价体系。本文首先按照先进性、可操作性以及科学性等原则确定了数字化智能抽水蓄能电站的评估指标。其次，针对文献[1，2]中指标权重确定主观性较强的问题，本文综合粒子群算法(Particle Swarm Optimization，PSO)与层次分析法(Analytic Hierarchy Process，AHP)，并改进PSO中的学习因子和惯性系数，在算法初期侧重全局寻优，在算法后期侧重局部寻优。运用所构建的改进粒子群-层次分析法(CPSO-AHP)评估优化模型确定评价指标权重，增加指标权重的客观性。最后，引入物元分析法，建立了数字化智能抽水蓄能电站建设水平综合评价体系，解决了评价中不相容问题。

1 数字化智能抽水蓄能电站评价指标体系建立

1.1 评估指标构建原则

数字化智能化抽水蓄能电站评估指标的设置上，需遵循“先进性、科学性、可操作性、开放性”的原则。先进性体现在所选择的指标应具备一定的前瞻性和引导性，需要具有一定的引领作用；科学性体现在评估指标能够客观公正地评价当前抽水蓄能电站的建设水平，能够较为完整的描述抽水蓄能电站的建设成绩；可操作性则是指数字化智能型抽水蓄能电站的达成目标应该可执行，能够落地，必须要具体化，尽量采用可量化的评估标准；开放性体现在评估指标不应该是封闭的，而应该是随着行业整体水平的提升和内外部发展趋势的变化，定期进行修订完善，对各指标的赋值和权重灵活进行调整[4-5]。

1.2 综合评估指标体系

在数字化智能抽水蓄能电站建设过程中，抽水蓄能电站机组智能设备由设备本体、传感器及智能组件组成，智能组件通过电缆或光纤与宿主设备中的传感器和执行器相连接。且随着新兴技术发展，云计算技术、大数据技术以及物联网技术都被运用至数字化智能抽水蓄能电站中。故根据数字化智能抽水蓄能电站独有的定义、内涵、特征以及建设目标，本文构建了由4个维度，17项具体考核指标组成的评估指标体系。指标体系设置的过程中，考虑了如下因素：

(1)充分考虑了抽水蓄能电站规划的智能化与数字化发展重点，将发展重点的建设成效纳入评估体系。

(2)不仅要考虑指标体系对设备和系统的提升价值，还需考虑电站人员的发展空间。

(3)不仅注重最终的运行效能提升，而且注重基础支撑的建设。具体指标内容如图1所示。

图1 数字化智能抽水蓄能电站评估指标体系示意

2 基于CPSO-AHP的物元分析法评价模型

2.1 CPSO算法

PSO模拟了鸟群聚集的自然行为，通过迭代获取最优解，PSO的计算公式为

(1)

PSO中的学习因子c1、c2可以调整粒子移动的步长，为了使迭代早期的更新速度加快，迭代后期的更新速度变慢，来实现从局部最优过渡到全局最优，c1的值应从大到小，c2的值从小到大。目前的PSO相关算法均设置c1=c2，不能满足实际应用需求。正余弦函数被经常用于优化算法中，可通过大量迭代获得一定范围内的动态值，避免产生极大或极小值的情况。故本文提出一种基于正弦函数的学习因子更新方法，公式为

(2)

式中，Tmax为最大迭代次数。随着一次次迭代，c1的值非线性减小，c2的值非线性增大，可以实现动态寻优，获得最优值。

惯性系数w表示粒子的惯性大小。w在前期迭代中应较大，满足全局最优；在后期迭代中较小，提高局部寻优能力，故将w表示为

(3)

2.2 CPSO-AHP算法

指标权重体现了各项指标对数字化智能抽水蓄能电站建设水平的重要性。AHP的一致性检验方法比较单一，易受决策者的主观影响，故本文提出改进的PSO算法(CPSO)，并嵌入到AHP中确定各指标权重ωj，通过优化算法优化人为确定的判断矩阵，增强权重计算的客观性。CPSO-AHP算法具体流程图如图2所示。

图2 CPS O-AHP流程

CPSO-AHP的步骤如下：

(1)根据上文所建立的数字化智能抽水蓄能电站评估指标体系，构建判断矩阵。将上一层的元素作为基准，下层指标进行两两比较，使用9级标度法确定重要程度，确定标准如表1所示。

表1 9级标度法

(2)计算各层次相对权重单排序。计算判断矩阵的最大特征值λmax对应的特征向量，归一化后得到权重。

(3)进行一致性检验。如果满足检验，则说明判断矩阵构建良好，权重计算合理，如果不满足，则返回步骤1。一致性检验指标CR为

(4)

式中，λmax为判断矩阵的最大特征根；n为指标个数；RI为随机一致性指标，可查表得到。

(4)采用粒子群算法对层次分析法进行优化，计算新的权重。比较AHP和CPSO-AHP的一致性指标CR，CR越小，表示判断矩阵最大特征值λmax对应的特征向量不一致程度越小，引起的判断误差越小，故取2种方法中较小的CR值对应的权重作为最终的主观权重值。CPSO-AHP将上述问题转化为约束优化问题，公式为

(5)

式中，F为一致性指标；ωk为权重值；作为优化变量；r为判断矩阵阶数；pjk为判断矩阵中第j个指标相对于第i个指标的重要性。

2.3 物元分析法

物元分析法是研究物元以及物元变化，解决不相容问题的方法。物元是事物基本元素的简称，由3个要素构建成有序三元组R=(N，C，X)。R为物元，即描述事物的基本元；N为事物名称；C为事物特征；X为事物关于特征的量值[6]。

数字化智能抽水蓄能电站评价概念具有模糊性，且指标间互不关联[7]。针对数字化智能抽水蓄能电站的建设水平评价问题，物元分析法比灰色系统评价、模糊综合评价等方法更能有效处理评价过程中不相容的问题。物元分析法可实现量与质的转化，系统全面评价研究对象，得到更加明确的电站建设完成度等级。图3为本文所提基于物元分析法的数字化智能抽水蓄能电站建设水平评价流程示意。

图3 数字化智能抽水蓄能电站建设水平评估流程

物元分析法分为如下几步：

(1)确定评判经典域。数字化智能抽水蓄能电站建设水平指标体系中有多个评价指标，记为Ci。构建经典域物元表达式为

(6)

式中，Nj为数字化抽水蓄能电站建设水平不同评价等级(j=1，2，…，m)；Xji为Nj关于指标Ci的量值范围，即各评价等级对应指标的经典域〈aji，bji〉，Xji=〈aji，bji〉。

(2)构建节域。将各指标Ci在不同评价等级Nj中的经典域取并集，即为节域Rp(p=1，2，…，m)

(7)

(3)构建待评价单元。构建物元矩阵，分析数字化抽水蓄能智能电站建设水平，用物元表示为

(8)

式中，p0为待评判的对象，即数字化抽水蓄能智能电站建设水平；Xi为p0关于Ci的量值，即专家对数字化智能抽水蓄能电站各个指标所给分值[8]。

(4)计算关联度。采用关联度表示对象与评估指标的符合程度，数值越大，关联度越强、符合程度越高，按最大隶属度原则确定对象的综合符合程度。φi为特征Ci的权重系统，以Kj(p0)表示p0关于第j个等级的关联度，则

(9)

式中，kj(xi)为p0的特征Ci关于第j个等级的关联度，kj(xi)定义为

(10)

式中，xi为指标实际值；|Xji|=bji-aji；ρ(xi，Xji)为xi到经典域物元的量值范围Xji=〈aji，bji〉的距离；ρ(xi，Xpi)为xi到节域物元的量值范围区间Xpi=〈api，bpi〉的距离。令某一点x到区间X=〈a，b〉的距离ρ(x，X)为

(11)

3 实例分析

3.1 底层指标赋分

通过本文所提的基于物元分析法的数字化智能抽水蓄能电站建设水平评价体系，实际评价湖北某抽水蓄能电站的数字化与智能化建设水平。该电站通过运用物联网、大数据、云计算等现代IT技术，加强对外部环境、行业发展及企业自身的状态感知，通过体系、流程、人、技术等企业要素的有效变革和优化，提高了对流域开发、电站建设、生产运行、电力交易和企业管理的洞察力。

按照1.2节中各指标的具体含义，针对17项考核指标组织专家打分来得出各定性指标的等级，指标各评价区间及对应等级见表2所示。为保证底层指标分数权威性，邀请8位行业专家根据2020年9月～2021年9月电站建设情况打分，以C10指标为例，电站的故障处理专家库已包含水利、电磁与机械等常见故障，故障发生后能给出故障类型及对应解决方式。在获取专家们的打分情况后，取平均值，得到最终C10的分值为0.9。行业内专家对数字化智能抽水蓄能电站建设水平进行打分后的分值如表3所示[9-10]。

表2 定性指标等级打分区间

表3 电站建设水平现状

3.2 数字化智能抽水蓄能电站建设水平评价

本文分别构建了4个一级指标和17个二级指标的判断矩阵，并分别对AHP和CPSO-AHP得到的CR值和权重值进行求解。CPSO算法的参数设置为：迭代次数为100，种群规模为40，速度区间为[-0.5，0.5]，位置区间为[1/9，9]。结果如表4、5所示，可以看出，CPSO-AHP法得到的判断矩阵CR值更小，表明判断矩阵最大特征值λmax对应的特征向量更一致。

表4 一级指标权值

指标权重的确定体现其对数字化智能抽水蓄能电站建设水平的重要性，利用一级指标和二级指标的权重，最终得到所有指标的权重，如图4所示。

将表3中各指标的打分值与图4所得各指标最终权重输入物元评价模型，算出数字化智能抽水蓄能电站建设水平中各个指标关于不同等级的关联度，将计算结果保留两位小数，具体见表6所示。

该数字化智能抽水蓄能电站的建设水平综合关联度如表7所示。

表5 二级指标权值

图4 指标最终权重

3.3 评价结果分析

由表7可知，该抽水蓄能电站建设水平最终与“优秀”评级的综合关联度最高，即电站的建设水平为优秀。由表6可知，电站各指标的评价中，11个指标为优秀，4个指标为良好，2个指标为一般，从指标评价结果来看，电站建设水平较高。对所有的指标，88%为优秀或良好，且评价结果为良好的指标也可转化优秀。C8和C13的评价结果为一般，C8

表6 指标关联度等级

表7 综合关联度

为图像处理能力，则需要完善电站内部图像处理算法并提高服务器质量，从而改进图像处理能力；C13为机械自动化水平，说明机械设备实现数字化通信、自适应、自诊断的能力需要被提高。本文所提的评价体系融合了多项定性指标，可以较为全面地反映抽水蓄能电站的数字化和智能化水平，具有较高实用性。

4 结 论

本文遵循“先进性、科学性、可操作性、开放性”的原则，构建包含信号通信水平、基础支撑水平、智能化水平、人工投入水平的数字化智能抽水蓄能电站建设水平评价指标体系。建立基于CPSO-AHP物元分析法的数字化智能抽水蓄能电站建设水平评价模型，并以某智能抽水蓄能电站为实例验证，为数字化智能抽水蓄能电站的转型和建设提供重要参考依据。