G1-CRITIC组合赋权云模型下的储能电站火灾风险评价

刘纪坤 袁雪颖 梁栋 王翠霞

摘 要：锂离子电池储能电站火灾事故频繁发生且损失严重，对锂离子电池储能电站火灾风险开展研究可有效预防火灾的发生。首先根据物理-事理-人理（WSR）理论，构建锂电池特性、消防设施、安全管理和人员因素4个一级指标、12个二级指标和32个三级指标的锂离子电池储能电站火灾风险评价指标体系；然后运用序关系分析（G1）法确定各评价指标的主观权重，采用CRITIC法（Criteria Importance Though Intercriteria Correlation，CRITIC）确定客观权重，基于拉格朗日乘法优化后的最小信息熵原理确定组合权重，并结合云模型理论建立锂离子电池储能电站火灾风险评价模型。以某磷酸铁锂储能电站为例开展火灾风险等级评价，结果表明：储能电站火灾风险综合云特征值为（71.310 4，1.214 2，0.256 8），火灾风险等级处于“中风险”，在运行环境和防火设计等方面存在较严重的问题并亟需改进。评价结果与实际火灾风险等级相符，实例证明锂离子电池储能电站火灾风险评价模型能够较准确地反映储能电站火灾风险情况，为锂离子电池储能电站火灾预防与风险管控提供参考。

关键词：储能电站；火灾风险评价；序关系分析法；CRITIC法；云模型

中图分类号：X 928.7

文献标志码：A

文章编号：1672-9315（2024）03-0447-09

DOI：10.13800/j.cnki.xakjdxxb.2024.0305开放科学（资源服务）标识码（OSID）：

Fire risk evaluation of energy storage power station based

on G1-CRITIC combination weighting cloud model

LIU Jikun1，YUAN Xueying1，LIANG Dong2，WANG Cuixia1

（1.College of Safety Science and Engineering，Xian University of Science and Technology，Xian 710054，China；

2.

China Certification & Inspction Group West Testing Co.，Ltd.，

Xian 710032，China）

Abstract：Fire accidents in lithium-ion battery energy storage power stations occur frequently with the losses  serious，and the evaluation research on the fire risk of lithium-ion battery energy storage power stations can effectively prevent the occurrence of fire.Firstly，according to the theory of WSR，a fire risk assessment index system of lithium-ion battery

energy

storage power station was constructed，including such 4 primary indicators as lithium-ion battery characteristics，fire protection facilities，safety management and personnel factors，12 secondary indicators and 32 tertiary indicators.Then the subjective weights of the evaluation indicators were determined using the G1 method，and objective weights were determined using the CRITIC method.Finally，the combination weights were determined based on the principle of minimum information entropy after Lagrange multiplier optimization.The fire risk evaluation model of lithium-ion

energy

battery storage power station was established by using the theory of cloud model.The fire risk level evaluation was carried out with an energy storage power station as an example.The results of the evaluation show that the combined cloud eigenvalue of the fire risk of the energy storage plant is（71.310 4，1.214 2，0.256 8）.The fire risk level is “medium risk”.There exist more serious problems with an urgent need for improvement in areas such as the operating environment and fire protection design.The evaluation results are consistent with the actual fire risk level，which

prove that the fire risk evaluation system of lithium-ion battery energy storage power station can reflect the fire risk situation of the storage power station in a more comprehensive way.The research provides  reference for the fire prevention and risk management of lithium-ion battery storage power stations.

Key words：energy storage power station；fire risk

assessment；sequential relationship analysis method；CRITIC method；cloud model

第3期刘纪坤，等：

G1-CRITIC组合赋权云模型下的储能电站火灾风险评价

0 引 言

锂离子电池（下简述为“锂电池”）储能作为一项新兴的储能技术，对于构建新型电力系统和实现碳达峰碳中和目标有重要意义[1]。截止2022年底，中国锂电池储能电站累计装机量12.54 GW，新增装机量6.8 GW。近年来锂电池储能项目火灾爆炸事故频繁发生，仅在韩国发生的事故就高达30余起，造成了巨大的经济损失[2]。该类火灾扑灭难度大，复燃风险高，持续燃烧会产生大量有毒有害烟气[3-4]。因此，加强锂电池储能电站火灾风险评价研究，对于减少储能电站火灾事故发生的次数及降低火灾损失具有重要意义。

众多学者在储能电站风险识别方面开展了研究。王青松通过事故树模型分析锂离子电池火灾事故原因，初步得出引发锂电池火灾的基本事件[5]；贾超等分析了锂电池储能电站火灾管理现状，认为消防标准、消防设计、消防理念在电站管理中占据重要地位[6]；高维娜等提出应当从电池本征安全、模组管控、安全预警和高效消防四个方面入手，提升储能电站的可靠性和安全性[7]；杨夯等对储能电站存在的多种风险源进行分析，认为导致事故与故障的风险源有电池本体、运行环境、外部激源及管理系统4种[8]；ZHU等列举了国内外现行储能系统的安全标准，揭示了标准的不足，提出了改进建议及实施措施[9]；曹文炅等对韩国锂电储能系统安全事故进行统计分析，将事故原因总结为电池本体、外部激源、运行环境及管理系统四个方面[10]。以上研究，主要集中在储能电站风险分析和相应对策研究等方面，针对储能电站火灾风险评价的研究较少。常用的火灾风险评价方法有模糊综合评价法[11]、神经网络法[12]和贝叶斯网络法[13]等。部分学者对电力行业开展了风险评价。肖勇等通过层级分析法和熵权法确定权重，以4所储能电站为例，用TOPSIS法对储能电站电池的安全运行风险进行评价[14]；武菲运用层次分析法确定权重，采用模糊物元法对变电站的安全运行进行了评价[15]。通过梳理文献发现，现有的研究方法在电力行业风险评价方面仍存在局限，在评价过程中无法体现随机性和模糊性的特点，且主观权重确定的过程相对繁琐。

鉴于此，以锂电池储能电站为研究对象，基于WSR理论构建风险评价指标体系，运用G1-CRITIC组合赋权法确定指标权重来简化计算过程，引入云模型分析火灾风险等级，体现评价过程中的模糊性和随机性，并以某磷酸铁锂电池储能电站为例进行评价分析，以期为储能电站的火灾风险分析提供参考和指导，提升消防安全管理水平。

1 评价指标体系的建立

WSR理论是顾基发教授于1994年提出的一种系统方法论，以“知物理、明事理、通人理”为准则，将复杂问题层次化、条理化和系统化[16]。WSR理论中W（物理）代表客观存在；S（事理）代表科学办法；R（人理）代表主观意识[17]。

在锂电池储能电站火灾风险评价WSR模型中，“物理”因素为储能电站内锂电池特性和具体的消防设施；“事理”因素为安全管理；“人理”因素为人员因素。因此，将锂电池特性、消防设施、安全管理和人员因素确立为一级指标。基于对储能电站火灾的相关分析[6，10，18-21]，依据《电化学储能电站安全规程》（GB/T 42288—2022）等相关法律法规及行业规范，确定了12个二级指标和32个三级指标。由此构建锂电池储能电站火灾风险评价指标体系，见表1。

2 基于组合赋权法的指标权重确定

2.1 基于G1法的主观权重确定

G1法是层次分析法的一种改进方法，

通过确定指标间的序关系和重要度来计算权重，无需进行一致性检验[22-23]。具体步骤如下。

1）确定各评价指标间的序关系。对于同一层

次的指标{A1，A2，…，Ap}，由专家依据经验进行排序。

2）确定相邻指标间相对重要度。根据专家的建议，得出指标

Ak-1和指标Ak

（k=p，p-1，p-2，…，3，2）的重要度之比rk。

rk=

wk-1

wk

（1）

式中 wk-1和wk分别是指标

Ak-1和Ak的权重，rk的赋值见参考文献[22]。

3）计算指标权重系数。指标Ap的权重

wp为

wp=

1+∑nk=2

∏ni=k

ri

-1

（2）

其余指标权重为

wk-1

=rk

wk

（3）

最终，可得到主观权重w′j。

2.2 基于CRITIC法的客观权重确定

CRITIC法是张玉等对熵权法进行改进后得到的一种赋权方法，该方法根据指标的对比强度和冲突性来确定权重[24]。CRITIC法确定权重的具体步骤如下。

1）数据标准化。将评价矩阵X

=（xij）m×n标准

化，得到标准矩阵B=（bij）m×n如下式

bij

=xij-min

j{xij}

max

j{xij}-

min

j{xij}

（4）

2）计算各指标标准差Sj

j=

1m

∑mi=1bij

Sj=

1m-1

∑mi=1（bij-j）2

（5）

3）计算相关系数rij

rij

=

∑（xi-i）

（xj-j）

∑（xi-i）2

（xj-j）2

（6）

4）计算指标所包含的信息量Cj

Cj=Sj×∑

mi=1（1-rij）

（7）

5）计算各指标的客观权重w″j

w″j=

Cj∑nj=1Cj

（8）

2.3 组合权重确定

主观赋权法能够考虑决策者的偏好，从而灵活调节指标主观权重，客观赋权法充分挖掘指标数据的信息量，具备较强的数学理论依据。为了兼顾两者的优势，同时避免单一求权重方法易存在偏差的情况，采用基于拉格朗日乘法优化后的最小信息熵原理对主客观权重进行优化，使评价结果更加准确。第j个指标W

j的组合权重为

Wj

=

w′j

w″j

∑nj=1

w′j

w″j

（9）

3

基于云模型的锂电池储能电站火灾风险评价

3.1 云模型基本概念

云模型是中国工程院院士李德毅在1995年提出的一种能够处理定性概念和定量描述之间关系的模型，具有同时反映事物模糊性和随机性的优势，使得评价结果更科学[25]。云模型具有期望值（Ex）、熵（En）和超熵（He）3个数字特征[26]。

期望值代表定性概念的坐标，反映了云滴群的云重心；熵代表云滴分布的不确定性和模糊性；超熵度量熵的不确定性，超熵越大，云的厚度越大[27]。云发生器是云模型的生成算法，包括正向云发生器和逆向云发生器两种，正向云发生器用来生成云滴，逆向发生器用来计算云数字特征[28]，如图1所示。将Ex、En、He以及云滴数N输入正向云发生器，即可生成云滴，实现定性向定量的转换；将云滴输入逆向云发生器即可得到云特征值Ex、En、He，从而实现定量向定性的转换[29]。

3.2 云模型评价过程

3.2.1 确定标准云

划分风险等级区间，利用式（10）～（12）计算各等级的标准云特征参数，并通过Matlab运用正向云发生器生成各项评价指标的标准云，绘制标准云图。

Ex=

xmax+xmin

2

（10）

En=

xmax-xmin

6

（11）

He=f

（12）

式中 xmax为评语集中最大值；xmin为评语集中最小值；f为常数，取值为0.5。

3.2.2 确定评价云

在逆向云发生器输入云滴v，即可得到云滴的特征参数。逆向云发生器计算见式（13）～（15）。

Ex=1n∑

ni=1vi

（13）

En=

π2

1n∑

ni=1|vi-Ex|

（14）

He

=S2-E2n

=

1n-1

∑ni=1（vi-）2-E2n

（15）

式中 S2为方差。

3.2.3 综合评价云

将评价云和组合权重代入式（16）～（18）中，计算出锂电池储能电站火灾风险等级的综合评价云。利用Matlab软件，将标准云与综合评价云绘制在同一坐标系中，通过对比二者在位置和形状上的差异来确定评价对象的风险等级。

Ex=

W1Ex1+

W2Ex2+…+

WiExi

（16）

En=

W21E2n1+

W22E2n2+…+

W2iE2ni

（17）

He=

W21H2e1+

W22H2e2+…+

W2iH2ei

（18）

4 案例分析

以某中型锂电池储能电站为例进行火灾风险评价。采用磷酸铁锂电池储能，有2个电池储能预制舱，规模为500 kW/2 MWh，主要用于应急供电和削峰填谷，现已投入使用3 a。预制舱内布置有感温探测器和感烟探测器，采用全氟己酮和细水雾灭火系统。储能电站所处地区在春季和冬季易发生沙尘天气。

4.1 评价指标权重的确定

邀请储能电站工作人员、电力及消防行业的专家共6名，对锂电池储能电站火灾风险各评价指标重要度进行打分。基于G1法和CRITIC法，根据式（1）～（3）和（4）～（8），分别确定评价指标的主观权重和客观权重。基于主客观权重，根据式（9）计算组合权重，权重计算结果见表2。

4.2 锂电池储能电站火灾风险评价

结合储能电站的实际情况，参考相关的火灾

风

险研究[30]，将锂电池储能电站的火灾风险评价等级分为五个等级：低风险[90，100]、较低风险[75，90）、中风险[55，75）、较高风险[30，55）和高风险[0，30）。其中，[90，100]表示安全，风险处于可接受水平；[75，90）表示较安全，风险在可接受范围内，但需加强防范；[55，75）表示一般安全，风险处于较高水平，需采取适当措施；[30，55）表示较危险，风险处于高水平，需采取措施加以管控；[0，30）表示危险，风险不可接受，需立刻采取措施消除。

根据式（10）～（12）计算各对应等级的云模型

参数，各等级云模型参数依次为（95.000 0，1.666 7，

0.500 0）、（82.500 0，2.500 0，0.500 0）

、（65.000 0，3.333 3，

0.500 0）、（42.500 0，4.166 7，0.500 0）和（15.000 0，5.000 0，0.500 0）。运用正向云发生器生成风险等级标准云，绘制标准云图，如图2所示。

对于可量化指标Y1、Y2、Y3、Y8、Y17和Y20，根据其实际值所在风险等级进行打分，可量化评价指标标准见表3，其余指标根据专家意见确定，评分取值均设定为[0，100]。

三级指标

等级

低风险较低风险中风险较高风险高风险

池体异常Y1（数量/处）Y1=0Y1=1Y1=2Y1=3Y1>3

电池不一致性Y2/mVY2≤100100400

电池健康状态Y3/%Y3=10095

潮湿Y8/%Y8≤707090

防火间距Y17/mY17≥65≤Y17<64≤Y17<53≤Y17<4Y17<3

耐火极限Y20/hY20≥54≤Y20<53≤Y20<42≤Y20<3Y20<2

邀请专家们根据上述标准对评价指标进行打分，将所打分值输入逆向云发生器，得到三级指标的云模型特征参数，见表4。根据式（16）～（18）和三级指标云模型特征参数，计算一级、二级指标的特征参数，见表5。

将三级指标的云模型特征参数代入式（16）～（18）中，得到该锂电池储能电站火灾风险评价云模型特征参数为（71.310 4，1.214 2，0.256 8）。利用Matlab软件，将综合评价云与标准云绘制在同一坐标系中，获得综合评价云图，如图3所示。

从图3可以看出，综合评价云分布在中风险评语云滴上，因此，该锂电池储能电站火灾风险评价的结果为中风险，应采取措施降低火灾风险。此外，根据正态云模型的雾化性质，综合评价云的超熵为0.256 8（小于1.214 2/3），说明评价结果具有一定可靠性。评价结果与该储能电站实际状况符合，表明构建的评价模型合理可行。

为了更加深入地分析该锂电池储能电站火灾风险的具体情况，找出相对薄弱环节，并有针对性地提出改进措施和建议，分别对各三级指标进行分析。由表4可知，指标Y1、Y9和Y18的期望值均在[30，55）内，评价结果为“较高风险”；指标Y2、Y6、Y5、Y21、Y23、Y27、Y28、Y29和Y30的期望值均在[75，90）内，评价结果为“较低风险”；剩余指标期望在均在[55，75）内，评价结果为“中风险”。部分三级指标评价云图如图4所示。

从图4可以看出，池体异常评价云处于“较高风险”上；粉尘评价云处于“较高风险”和“中风险”之间，且稍偏向于“较高风险”；防火分隔评价云处于“较高风险”和“中风险”之间，且更偏向于“较高风险”。通过调研时的情况回溯可知：储能电站员工对电池设备维护不到位，电池架下部模组上附有灰尘，部分电池存在发热现象，电池工作时最高温度超过45 ℃；该电站所处地区易发沙尘天气，预制舱未设置防尘装置，且电站人员未对预制舱内环境进行清理；部分预制舱舱壁的隔热阻燃衬层破损，无法达到阻燃效果。

4.3 火灾风险防控建议

2016年中国正式提出风险分级管控、隐患排查治理双重预防性工作机制，要求按照风险级别、管控能力及管控难易程度等因素确定不同风险管控方式[31]。因此，针对不同风险等级的指标，提出相应的防控建议。

1）对于较高风险指标，必须采取措施加以管控。限制电池充放电SOC区间，避免电池过热；根据电池工作状态和环境条件，合理调整通风系统的运行参数；在预制舱和设备的进、出风口处安装滤网，在舱门处设置隔断缓存防尘区，避免灰尘进入；完善电池包、电池簇间的防火分隔，防止火灾蔓延；定期巡查维护电池与设备，进行有效的火灾隐患排查，并及时进行整改。

2）对于中风险指标，需采取一定措施降低风险发生概率及其事故后果。提升消防设施维护管理水平，定期对消防设施进行检查；提升过电流电压保护装置可靠性，降低外部激源冲击风险。

3）对于较低风险指标，需采取措施加强防范。开展包括职业技能、安全知识和应急处置等方面的培训，提升员工自身素质；构建科学可操作的安全管理制度；优化应急预案，定期组织应急演练。

5 结 论

1）根据WSR理论，结合储能电站火灾风险因素以及相关标准规范，建立包括锂电池特性、消防设施、安全管理、人员因素4个一级指标、12个二级指标和32个三级指标的锂电池储能电站火灾风险评价指标体系。

2）基于G1-CRITIC组合赋权及云模型理论，构建锂电池储能电站火灾风险评价模型。该模型定性和定量相结合地综合评价了锂电池储能电站火灾风险，体现了评价过程的模糊性和随机性。以某磷酸铁锂电池储能电站为例进行实证分析，评价结果与事实相符。同时进一步分析了三级指标，针对不同风险等级的指标提出了防控建议。

3）着重从锂电池对储能电站火灾风险进行探索，由于储能电站是一个十分复杂的系统，若要获取更精确的结论，指标的选取还需要细化，权重的确定及指标量化也需要进一步研究。

参考文献（References）：

[1] 赵昕劼.能源安全视角下电化学储能的发展思考[J].能源，2022（1）：40-45.

ZHAO Xinjie.Reflections on the development of electrochemical energy storage in the context of energy security[J].Energy，2022（1）：40-45.

[2]金阳，薛志业，姜欣，等.储能锂离子电站安全防护研究进展[J].郑州大学学报（理学版），2023，55（3）：1-13.

JIN Yang，XUE Zhiye，JIANG Xin，et al.Research progress of safety protection of lithium-ion energy storage power station[J].Journal of Zhengzhou University（Natural Science Edition），2023，55（3）：1-13.

[3]LYU P，LIU X，QU J，et al.Recent advances of thermal safety of lithium ion battery for energy storage[J].Energy Storage Materials，2020，31：195-220.

[4]喻航，张英，徐超航，等.锂电储能系统热失控防控技术研究进展[J].储能科学与技术，2022，11（8）：2653-2663.

YU Hang，ZHANG Ying，XU Chaohang，et al.Research progress of thermal runaway prevention and control technology for lithium battery energy storage systems[J].Energy Storage Science and Technology，2022，11（8）：2653-2663.

[5]王青松.锂离子电池材料的热稳定性及电解液阻燃贴加剂研究[D].合肥：中国科学技术大学，2005.

WANG Qingsong.Research on thermal stability of lithium ion battery materials and flame retardant electrolyte additives[D].Hefei：University of Science and Technology of China，2005.

[6]贾超，赵霞，张妍.锂电池储能电站火灾风险分析与对策探讨[J].电力安全技术，2022，24（6）：23-26.

JIA Chao，ZHAO Xia，ZHANG Yan.On the fire risk analysis and strategies for lithium battery energy sto-rage power stations[J].Electric Safety Technology，2022，24（6）：23-26.

[7]高维娜，于海青，苏文威，等.储能电站可靠性与安全性技术研究进展[J].电池，2022，52（1）：110-113.

GAO Weina，YU Haiqing，SU Wenwei，et al.Research progress in reliability and safety technology of energy storage power station[J].Battery Bimonthly，2022，52（1）：110-113.

[8]杨夯，黄小庆，于慎仟，等.电化学储能电站主动安全研究[J].电力自动化设备，2023，43（8）：78-87.

YANG Hang，HUANG Xiaoqing，YU Shenqian，et al.Research on active safety of electrochemical energy storage station[J].Electric Power Automation Equipment，2023，43（8）：78-87.

[9]ZHU W J，DONG T，ZHANG S H.Comparative analysis of domestic and foreign safety standards for lithium-ion batteries for energy storage system[J].Energy Storage Science and Technology，2020，9（1）：279.

[10]曹文炅，雷博，史尤杰，等.韩国锂离子电池储能电站安全事故的分析及思考[J].储能科学与技术，2020，9（5）：1539-1547.

CAO Wenjiong，LEl Bo，SHI Youjie，et al.Ponderation over the recent safety accidents of lithium-ion battery energy storage stations in South Korea[J].Energy Storage Science and Technology，2020，9（5）：1539-1547.

[11]马砺，刘晗，白磊.基于AHP和熵权法的古建筑火灾风险评估[J].西安科技大学学报，2017，37（4）：537-543.

MA Li，LIU Han，BAI Lei.Fire risk assessment of the historic buildings based on AHP and entropy weight method[J].Journal of Xian University of Science and Technology，2017，37（4）：537-543.

[12]张立宁，范良琼，安晶，等.基于PCA-RBF的高校学生宿舍火灾安全评价及应用[J].安全与环境学报，2021，21（3）：921-926.

ZHANG Lining，FAN Liangqiong，AN Jing，et al.Fire safety assessment of college dormitory based on PCA-RBF[J].Journal of Safety and Environment，2021，21（3）：921-926.

[13]吴书强，邵必林，边根庆，等.基于多态模糊贝叶斯网络的高校宿舍火灾风险评价研究[J].灾害学，2023，38（2）：31-36.

WU Shuqiang，SHAO Bilin，BIAN Genqing，et al.Fire risk assessment of university dormitory based on polymorphic Fuzzy Bayesian network[J].Journal of Catastrophology，2023，38（2）：31-36.

[14]肖勇，徐俊.基于组合赋权与TOPSIS的储能电站电池安全运行风险评价[J].储能科学与技术，2022，11（8）：2574-2584.

XIAO Yong，XU Jun.Risk assessment of battery safe operation in energy storage power station based on combination weighting and TOPSIS[J].Energy Storage Science and Technology，2022，11（8）：2574-2584.

[15]武菲.基于模糊物元法的变电站安全运行风险评价体系探讨[D].济南：山东大学，2019.

WU Fei.Research of substation operation safety risk assessment based on fuzzy matter element method[D].Jinan：Shandong University，2019.

[16]石广斌，赵浩杨，杨振宏，等.基于WSR-TOPSIS的学生公寓火灾风险评价[J].安全与环境学报，2021，21（3）：927-934.

SHI Guangbin，ZHAO Haoyang，YANG Zhenhong，et al.Fire risk assessment of student apartments based on WSR-TOPSIS[J].Journal of Safety and Environment，2021，21（3）：927-934.

[17]李啸然，陈昕，谢中朋.WSR-博弈赋权-后悔理论的气膜馆火灾风险评价[J].中国安全科学学报，2023，33（6）：174-180.

LI Xiaoran，CHEN Xin，XIE Zhongpeng.Fire risk assessment of air film stadium based on WSR-game weighting-regret theory[J].China Safety Science Journal，2023，33（6）：174-180.

[18]黄沛丰，刘家亮，金翼，等.基于火三角模型的锂离子电池火灾事故树分析[J].安全与环境学报，2018，18（1）：66-69.

HUANG Peifeng，LIU Jialiang，JIN Yi，et al.Fault tree analysis method for lithium-ion battery failure mode based on the fire triangle model[J].Journal of Safety and Environment，2018，18（1）：66-69.

[19]LV Y，GENG X，LUO W，et al.Review on influence factors and prevention control technologies of lithium-ion battery energy storage safety[J].Journal of Energy Sto-rage，2023，72：108389.

[20]LAI X，YAO J，JIN C，et al.A Review of lithium-ion battery failure hazards：Test standards，accident analysis，and safety suggestions[J].Batteries，2022，8（11）：248.

[21]吴静云，郭鹏宇，黄峥.磷酸铁锂储能电站电池预制舱消防系统研究[J].消防科学与技术，2020，39（4）：500-502.

WU Jingyun，GUO Pengyu，HUANG Zheng.Study on fire prevention and control strategy of battery prefabrication cabin in lithium iron phosphate storage power station[J].Fire Science and Technology，2020，39（4）：500-502.

[22]王学军，郭亚军.基于G1法的判断矩阵的一致性分析[J].中国管理科学，2006，14（3）：65-70.

WANG Xuejun，GUO Yajun.Analyzing the consistency of comparison matrix based on G1 method[J].Chinese Journal of Management Science，2006，14（3）：65-70．

[23]杨晓强，张智华，姜浩然，等.CPE和G1法的机场安全绩效评价指标体系研究[J].中国安全科学学报，2020，30（3）：1-7.

YANG Xiaoqiang，ZHANG Zhihua，JIANG Haoran，et al.Research on airport safety performance evaluation index system based on criteria for performance excellence and G1 method[J].China Safety Science Journal，2020，30（3）：1-7.

[24]张玉，魏华波.基于CRITIC的多属性决策组合赋权方法[J].统计与决策，2012（16）：75-77.

ZHANG Yu，WEI Huabo.Multiple attribute decision combination weighting method based on CRITIC[J].Statistics & Decision，2012（16）：75-77.

[25]刘丹，孙晓云，王喆，等.基于熵权-云模型的精细化工园区脆弱性评价[J].安全与环境学报，2023，23（1）：1-7.

LIU Dan，SUN Xiaoyun，WANG Zhe，et al.Vulnerability evaluation of fine chemical industry park based on entropy weight-cloud model[J].Journal of Safety and Environment，2023，23（1）：1-7.

[26]唐皓，段钊，唐胜利，等.岩体质量分级的组合赋权云模型[J].西安科技大学学报，2019，39（1）：79-87.

TANG Hao，DUAN Zhao，TANG Shengli，et al.Combined weight cloud model of rock mass quality classification[J].Xian University of Science and Technology，2019，39（1）：79-87.

[27]张渺.G1-EW组合赋权云模型下地铁运营安全风险评价[J].中国安全科学学报，2022，32（6）：163-170.

ZHANG Miao.Risk assessment of metro operation based on G1-EW combination weighting cloud model[J].China Safety Science Journal，2022，32（6）：163-170.

[28]程方明，牛巧霞，刘文辉.变电站火灾风险评价指标体系及云模型分析[J].西安科技大学学报，2022，42（4）：664-673.

CHENG Fangming，NIU Qiaoxia，LIU Wenhui.Fire risk evaluation index system in substation and cloud model analysis[J].Journal of Xian University of Science and Technology，2022，42（4）：664-673.

[29]赵晨程，高玉琴，刘钺，等.基于云模型的生态河道建设评价[J].水资源保护，2022，38（2）：183-189.

ZHAO Chencheng，GAO Yuqin，LIU Yue，et al.Evaluation of ecological river construction based on cloud model[J].Water Resources Protection，2022，38（2）：183-189.

[30]宋英华，王雅琪，霍非舟，等.基于灰关联-证据理论的高校宿舍火灾风险评价方法[J].安全与环境学报，2021，21（6）：2357-2364.

SONG Yinghua，WANG Yaqi，HUO Feizhou，et al.A fire risk assessment method of the university dormitories based on the grey relational analysis and D-S evidence theory[J].Journal of Safety and Environment，2021，21（6）：2357-2364.

[31]雷长群.安全生产领域基本概念辨析及双重预防机制研究[J].中国安全生产科学技术，2017，13（2）：17-21.

LEI Changqun.Study on basic concepts discrimination and double prevention mechanism in the field of work safety[J].Journal of Safety Science and Technology，2017，13（2）：17-21.