基于双重熵值修正指标赋权的电网接收用户资产综合价值评估方法

2023-01-08 14:41彭涛魏伟崔崔谢东日

现代电力 2022年6期

彭涛，魏伟，崔崔，谢东日

（1.国网湖北省电力有限公司营销服务中心（计量中心），湖北省武汉市 430000；2.国网湖北综合能源服务有限公司,湖北省武汉市 430000）

0 引言

近年来，国家电网公司积极履行社会责任，主动接收用户资产，保障了用户用电安全和质量。截止2019年，公司累计接收用户资产超过140亿元，占资产原值6%，用户资产移交变为电网企业提供优质服务的趋势。

随着规模逐步扩大，接收用户资产呈现权益归属不明确、质量良莠不齐、设备故障率高、后续管理难、财税风险加大等问题，并且在输配电价改革环境下，电网公司不能通过输配电价获得足额回收成本与收益，导致电网公司的收益水平和长期发展受到了影响[1-2]。因此，加强对存量用户的资产管理和未来用户资产接收策略的研究意义重大，而准确评估电网接收用户资产的综合价值是上述内容的关键基础。

现有研究大多针对的是电网接收用户资产的风险、策略和管理定性。如文献[3]分析了电网企业接收用户资产的利与弊，并强调了接收用户资产时要注意的问题；文献[4-5]分析了电网企业接收用户资产中存在的风险问题，同时提供了相应的政策建议；文献[6]引入CIM模型、互联网+技术，构建了用户资产接收的有效性模型，以确保接收用户资产工作的顺利；文献[7]从资产折旧政策调整、逾龄资产及用户资产管理、新租赁准则下的租赁策略、多维精益管理方面，对输配电价改革形势下的电网资产管理进行了探索。

在电网接收用户资产综合价值评估的定量研究方面，文献[8]采用最优最劣法确定指标的权重，对典型用户资产的综合价值进行评估，提出差异化的接收策略；文献[9]采用序关系法求取指标权重，运用模糊综合评价法，评估不同类型用户资产的综合价值，制定了相关的接收策略。

值得关注的是，确定评价指标的权重是电网接收用户资产综合价值评估的关键。而文献[8-9]的指标权重确定方法依赖于专家的主观评分，当发生人为误判时，对指标赋权结果产生负面影响，从而会降低综合评估结果的可信度。

熵值法是一种基于信息熵原理确定指标权重的方法，可以避免人为因素的干扰，但是忽略了指标的经验重要性[10-11]。如何兼顾评价指标的主观经验性和客观规律，建立科学合理的评价指标赋权模型，对提高电网接收用户资产综合价值评估的准确性非常重要。

鉴于此，本文提出一种基于双重熵值修正指标赋权的电网接收用户资产综合价值评估方法。双重熵值修正法两次使用熵值进行修正，使评估结果更合理。首先基于相对熵修正接收用户资产综合价值评估指标重要性的专家评分结果，提高专家评分的合理性；其次基于广义熵值修正G1法，在兼顾指标经验重要性的同时减少主观随意性。

1 熵值理论

1.1 信息熵

信息熵是一种系统的不确定性及其所携带信息量的度量，在众多领域内应用广泛[12-13]。当系统的不确定性越高、内部越混乱，即系统所携带的信息量越小，其熵值就越大；当系统的不确定性越低，即系统所携带的信息量越多，其熵值就越小。

美国数学家C.E.Shannon在20世纪40年代定义信息熵的计算公式，假设随机变量X的可能取值为X=(x1,x2,···,xn)，对应的概率分布为P(X=x)=pi，其中 i=1,2,···,n，则随机变量X的信息熵 h(X)如下：

1.2 相对熵

相对熵是判断两个随机变量X 和Y之间符合程度的度量[14]。

数学家SKullback在20世纪60年代提出了相对熵的计算公式。针对两个离散概率分布X=(x1,x2,···,xn)和Y=(y1,y2,···,yn)，当 xi,yi≥0，且则X 相对于Y 的相对熵h(X,Y)如下：

由式(2)可得，相对熵h(X,Y)≥0，只有xi=yi时， h(X,Y)=0。当两个离散概率分布完全一致时，相对熵h(X,Y)的值最小。因此，相对熵用于判断两个离散概率分布X 和Y之间的符合程度。

2 相对熵修正评价指标重要性专家评分结果

用户资产评价指标赋权是通过邀请多位电力行业专家，根据专家的主观经验性对评价指标的重要性进行评分，其依赖于专家的主观评分。

由于个别专家的实际经验和理论知识存在差异，容易误判某些指标的重要性程度，导致评价指标的权重合理性降低。因此，求解专家群组评分结果的偏好效用向量，分析每位专家评分结果的合理性并进行修正，对提高电网接收用户资产综合价值评估的准确性意义重大。

2.1 专家群组偏好效用向量的求解

假设n位专家参与指标评分，即Ai=(A1,A2,···,An)；评价指标共m个，即 Ij=(I1,I2,···,Im)。专家以1～9评分法对各个指标的重要性进行评分，分值越高代表指标越重要。专家原始评分矩阵如下：

式中：pij表示专家Ai对于指标Ij的重要性评分（又称偏好效用值）。

将n位专家的评分结果进行单位化，即：

单位化后某专家Ai的偏好效用向量为Pi=其中，

假设整个专家组的群组偏好效用向量为Pg=(pg1,pg2,···,pgm)，则根据式(2)，专家Ai相对于整个专家组的偏好效用的相对熵h如下：

根据相对熵理论，式（5）的值越小，表明专家Ai的偏好效用向量与专家群组的偏好效用向量的距离越近，即专家Ai的评分结果与专家群组的评分结果越一致，其评分合理性越高。

因此，最小化约束相对熵的非线性规划如下：

式中：wi为各位专家的初始权重，取 wi=

为了获得式(6)的最优解向量，取Lagrange函数如下：

令∇L(Pg,v)=0，有：

P*g=(p*g1,p*g2,···,p*gm)即为指标重要性专家群组偏好效用向量的局部最优解。单位化后即为各指标重要性的专家群组评分结果：

2.2 专家评分的合理性分析和修正

求解专家群组偏好效用向量后，考虑通过专家个体与群组之间的差异对专家评分的合理性进行分析。其包括指标重要性评分值差异和排序位次差异，差异越小，专家个体的评分水平越高。

1）指标重要性评分值差异。

专家Ai的偏好效用向量为专家群组Ag的偏好效用向量为)，则指标Ij在重要性评分值上的差异Δdj为：

2）指标重要性排序位次差异。

根据指标的评分值越高，排序位次越靠前的规则，将专家Ai的指标重要性排序位次为Ni=专家群组) 的指标重要性排序位次为则指标Ij在重要性排序位次上的差异Δlj为：

此时，专家个体Ai和专家群组Ag在指标Ij上的评分差异eij表示如下：

通过描述专家评分结果不确定性的熵值Hi来表征专家Ai的评分水平。专家个体Ai在指标Ij上的熵值hij计算如下：

则专家个体Ai对所有指标的评分熵为：

专家Ai的评分熵值Hi越小，代表该专家评分的不确定性越小，合理性越高。评分合理性和Hi的最大允许值间的判断关系如表1所示[15]。

表1 基于相对熵的评分合理性判断Table 1 Judgment table of scoring rationality based on relative entropy

专家群组的评分合理性函数Hg如下：

当专家个体的评分合理性较低，使专家群组的评分合理性明显降低时，应对专家群组的原始评分矩阵P进行修正，将该专家的评分结果剔除，且重新分析剩余专家的评分合理性，直到满足要求。

3 熵值修正G1法指标赋权模型

3.1 评价指标的规范化

不同的电网接收用户资产的综合价值评估指标在量纲和类型方面存在差异，需要对指标进行规范化处理，以消除差异。通常，可将指标分为成本型指标和效益型指标两种。

1）成本型指标。

成本型指标对应的是指标结果越低，用户资产在该指标上的综合价值越高。成本型指标的规范化公式如下：

2）效益型指标。

效益型指标对应的是指标结果越高，用户资产在该指标上的综合价值越高。效益型指标的规范化公式如下：

式中：xkj代表第k个评价对象对指标Ij的初始统计值，k=1,2,···,l ；xjmax代表指标统计中的最大值；xjmin代表指标统计中的最小值； ykj代表指标规范化后的结果。

3.2 熵值修正G1法

G1法是对层次分析法进行改进的一种方法，其避开了层次分析法的缺点，且不用进行一致性检验。而熵值可以度量系统包含的不确定性[16]。

基于熵值修正G1法的思路：当某一指标的数值变异度越大，代表其对综合评估的作用越高，即该指标的权重越大，指标对应的信息熵值就越小。反之，指标的数值变异度越小时，代表其熵值就越大，指标权重越小。计算指标熵值的公式如下：

式中：ej代表指标Ij的熵值。

根据2.2节的指标重要性专家评分修正，将各指标按评分大小（重要性）进行排位如下：

式中：“≥”代表前指标的重要性评分大于或等于后指标。

式中：pΔj和 eΔj分别代表指标 IΔj的专家群组评分值和熵值。

指标ImΔ的权重ωΔm计算如下：

其他指标的权重计算如下：

4 评估模型的构建

本节基于模糊综合评价方法，构建电网接收用户资产的综合价值评估模型。该方法的具体步骤如下[17]：

1）确定评估指标和等级。

确立电网接收用户资产综合价值评估的m个指标集合为U={u1,u2,···,um}，最终接收用户资产综合价值的n个等级集合为V={v1,v2,···,vn}。

2）构造评判矩阵。

设第i个指标ui（i=1,2,…,m）在第j个评估等级vj（j=1,2,…,n）上的频率分布（即隶属度）为rij，则第i个评估指标ui的单因素评判集合如下：

进一步，所有指标的评判矩阵M可表示为：

3）进行模糊合成和做出决策。

结合熵值修正G1方法得到的评估指标权重向量W={w*1,w*2,···,w*n}，计算被评价对象的决策集B如下：

式中：B={b1,b2,···,bn}；bj表示被评估对象在评估等级vj上的程度。

最终，最大的bj对应的评估等级vj即为电网接收用户资产综合价值的评估结果。

5 电网接收用户资产综合价值评估应用分析

本节以我国中部某省3类不同的典型用户为例，对其资产的综合价值进行了评估。3类不同的用户资产（评估对象）分别为：

类型一（R1）：企业自备电力资产；

类型二（R2）：政府园区电力资产；

类型三（R3）：居民小区用户资产。

5.1 用户资产综合价值评估的指标体系

通过对电网接收用户资产综合价值的特点进行分析，参考现状行业内已有研究成果，遵循需求性、科学性和可操作性的评价指标选取原则，从经济性、发展性、责任性和可靠性4个维度构建开展电网接收用户资产综合价值评估指标体系，具体如表2所示。

表2 接收用户资产综合价值评估指标体系Table 2 Indicessystem to evaluate comprehensivevalueof received user’s assets

接收用户资产经济性C1和正常状态比例C4为定量指标，可采用财务净现值法[18]计算接收用户资产的经济性评价值（具体过程与文献[8]一致），根据接收用户资产实际运行情况统计获得接收用户资产正常状态比例；接收用户资产对电网企业市场占有率的支撑度C2和电网企业社会责任履行程度C3为定性指标，可通过专家调研的方法获得指标的表现值。这4个指标均为效益型指标，即指标结果越高，用户资产在该指标上的综合价值越高。

5.2 专家群组评分矩阵的修正

邀请10位专家（A1～A10）对各指标的重要性进行评分，结果如表3所示。

表3 资产评估指标专家评分Table 3 Expert scoring tableof asset evaluation indices

根据式(6)，将10位评分专家的初始权重向量设定为wi=(0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1)，迭代误差为 ε=0.0001，根据式(4)—(10)进行循环迭代计算，得到电网接收用户资产综合价值评估指标重要性的专家群组评分原始结果，如表4所示。

表4 评估指标专家群组评分原始结果Table 4 Original scoring results of evaluation index expert group

进一步，根据式(11)—(16)计算每位专家对电网接收用户资产综合价值评估指标重要性评分的合理性，结果如表5所示。

表5表明，专家A6和A8的评分熵远大于其他专家，其评分合理性均小于50%，从而使整个专家群组的评分合理性低于90%，故需要对专家群组的评分矩阵进行修正。

表5 专家评分合理性分析原始结果Table 5 Original results of analysis on rationality of expert scoring

剔除专家A6和A8对各指标的重要性评分结果，将剩余8位专家的初始权重都设定为0.125，同理可得修正后专家群组对各评估指标的评分结果，如表6所示。

表6 评估指标专家群组评分修正后结果Table 6 Corrected result of scoring from evaluation index

此时，计算修正后每位专家对电网接收用户资产综合价值评估指标重要性评分的合理性，结果如表7所示。

表7 评分合理性修正后结果Table 7 Corrected result of scoring rationality

表5和表7的结果对比表明，剔除专家A6和A8的评分结果后，提高了专家群组的整体评分水平，修正后专家群组评分合理性为98%，达到了优化专家群组评分结果的目的。

5.3 指标权重的计算

对于评价对象R1～R3，采用财务净现值法计算各自在未来10年的经济性评价值C1（单位：万元，具体过程与文献[8]一致）；根据接收用户资产实际运行情况的统计数据，获得各自的正常状态比例C4（单位：%）；通过专家调研的方法，获得各评价对象对电网企业市场占有率的支撑度C2和电网企业社会责任履行程度C3的表现值（满分100分）。结果如表8所示。