基于层次分析法的电力需求侧管理效益综合评价

○ 殷令姣 相明琼 郝朝磊

（1、华北电力大学经济管理学院 北京 102206；2、上海出入境检验检疫局信息中心 上海 200135；3、中广核工程有限公司 广东 深圳 518124）

基于层次分析法的电力需求侧管理效益综合评价

○ 殷令姣1相明琼2郝朝磊3

（1、华北电力大学经济管理学院 北京 102206；2、上海出入境检验检疫局信息中心 上海 200135；3、中广核工程有限公司 广东 深圳 518124）

本文在深入调查和研究大量文献的基础上，建立了需求侧管理效益的综合评价指标体系，运用层次分析法和模糊综合评判方法进行了评价，分析了其应用于电力需求侧管理综合评价的可行性。并对河北省某地区的电力需求侧管理效益进行综合评价，得到量化评价结果，验证了文章提出的“电力需求侧管理”的指标体系及评价方法的实用性、科学性。

层次分析法 模糊评判 电力需求侧管理 综合评价

电力需求侧管理（ Power Demand Side Management，简称DSM），是通过提高终端用电效率和优化用电方式，在完成同样用电功能的同时减少电量消耗和电力需求，达到节约能源和保护环境，实现低成本电力服务所进行的用电管理活动。其主要内容是对终端用户进行负荷管理、提高终端能源使用效率及实现综合资源规划等。

一、评价指标体系分析

在构建原则的基础上，参考现有评价指标，本研究的指标体系主要从以下几方面考虑：对社会而言，DSM项目的实施可以减少电力需求，减少了一次能源的消耗与污染物的排放，缓解了环境压力，具有巨大的社会效益。

对电力用户而言，不利方面是要增加购置设备的投入，可能还要增加一部分设备的运行维护费用，有利的方面是可以减少电力消费，降低企业的生产经营成本，减少用户的电费支出，最大程度的减少由于高峰期的拉闸限电造成的损失，提高企业能效和产品的竞争力。

对供电公司而言，DSM的实施一方面会导致供电企业售电量和经济效益下降，另一方面DSM可以削减高峰时段电网调峰的压力，提高供电的可靠性及服务水平。而且用户重视削峰填谷，促使电网负荷率提高，发配电设备利用率相应提高，电网运行状况得以改善。在缩小峰谷差的同时，降低了输配电网络的线损，从整体上提高了电网运行的经济性。利用高峰期腾出的供电容量满足不同需求的用户，大大降低了拉闸限电的概率，增加了售电收入。

对发电厂来说，可以提高发电设备利用率，降低发电成本及发电煤耗，推迟电站的建设并减少电力建设投资。

根据上面的分析，我们可以建立指标评价体系（如表1所示）。

第一层：目标层，在一个指标评价体系中只有一个目标。第二层：准则层，因为目标层比较抽象，通常借助若干个准则来将目标具体化。第三层：指标层，用以反映各个准则的一组指标。指标层比准则层更具体。总目标在此指标下更容易得到量化。在构造的指标评价体系中，既要避免出现重复指标，又要防止遗漏某些指标。

表1中，目标层（A层）为电力需求侧管理效益；准则层（B层）为评价电力需求侧管理效益的准则，包括发电侧（B1）、电网侧（B2）、大用户（B3）、居民生活（B4）和社会（B5）。

表1 电力需求侧管理效益评价指标体系

二、方法介绍

1、层次分析法

层次分析法（Analytic Hierarchy Process，AHP）是美国运筹学家萨提（T.L.Satty）于20世纪70年代提出的一种定性与定量相结合的决策分析方法。这种方法适用于结构较为复杂，决策准则较多且不易量化的决策问题，可以紧密地和决策者的主观判断及推理联系起来，对决策者的推理过程进行量化的描述，避免决策者在结构复杂和选择较多时的逻辑推理上产生失误。这种方法近年来在国内外得到了广泛的应用。层次分析法（AHP）方法是通过分析复杂问题包含的各种因素及相互关系，将问题分解为不同的要素，把这些要素分为不同的层次，建立一个多层次的分析结构模型。在每一层次中按一定的准则，对该层各要素进行逐一比较，建立判断矩阵。通过计算判断矩阵的最大特征根及相应的特征向量，得到该层要素对于上一层某一要素的权重，进而计算出各层要素对总体目标的组合权重。层次分析的一个基本步骤是要比较若干因素对同一目标的影响，从而确定它们在目标中所占的比重。层次分析法一般包括如下三个步骤。

（1）计算方法。构造各层判断矩阵。判断矩阵是表示针对上一层某要素而言，本层与它有关联的各要素之间的相对优越程度。用表2的标度来打分，得到判断矩阵A=（aij）n×n。

确定各因素的优先次序。求矩阵A的最大特征根和特征向量，确定各因素的优先次序。

表2 标度指标及含义

（2）各层单排序和一致性检验。层次单排序即把本层各要素对上一层次来说排出优劣顺序，即求出权重。

查找平均一致性指标RI值，见表3。

表3 RI值

计算随机一致性比率CR=CI/RI

当CR＜0.1时，认为判断矩阵具有一致性，否则就需调整判断矩阵的标度。

（3）求各指标相对总目标的排序，取得评估结果。利用层次单排序的计算结果，即每一层元素对其上一层各要素的相对权重，进一步计算出层次分析模型中每一层中所有要素相对于目标层的组合权重，这一步是由上而下逐层进行的。最终结果是得出各指标相对于目标层的组合权重。根据权重的大小就能得到各指标对总目标的影响程度，即各指标在电力需求侧管理效益综合评价中的重要程度。

2、模糊综合评价

模糊综合评价的数学模型由三个要素组成，可按以下步骤进行。

第一，确定评价对象集、因素集和评语集。

根据实际需要确定评价的对象集、评价的因素集和评语集。

对象集：O={o1，o2，o3，Λ，ol}，因素集：U={u1，u2，u3，Λ，um}，评语集：V={v1，v2，v3，Λ，vn}。

评价指标的等级是指对于最后一级的指标的等级界定，本文采用了五级评语制，具体评语及对应的隶属度如下：

V={v1（优秀），v2（良好），v3（一般），v4（较差），v5（差）}

P={0.85≤μ≤（优秀），0.70≤μ≤0.85（良好），0.60≤μ≤0.70（一般），0.40≤μ≤0.60（较差），0≤μ≤0.40（差）}

第二，建立m个评价因素的权重分配向量A。

评价因素中的每个因素在“评价目标”中有不同的地位和作用，即各评价因素在综合评价中占有不同的比重，这个比重我们称之为权值，确定权重值的方法很多，可以采用专家咨询法、层次分析法或“相对重要程度相关等级计算法”等，本文采用层次分析法确定各指标权重。

第三，通过各单因素模糊评价获得模糊综合评价矩阵。

称R为单因素评价矩阵。R中第i行Rij反映的是被评价对象的第i个因素对于评价集中各等级的隶属度；第j列反映的是被评价对象的各因素分别取评价集中第j个等级的程度。

第四，进行模糊变换得到综合评价结果。

B=AOR=（b1，b2，Λ,bn）

此处，符号“O”表示广义的合成运算。

B=（b1，b2，Λ,bn）就是对此事物的模糊综合评价。

根据实际问题的需要，可以选定某种具体的求bj（j=1，2，…，n）的方法。主要有M（∧，∨）模型，M（·，∨）模型和M（·，+）模型。一般情况下，模型M（·，+）比较精确，它适用于兼顾考虑整体因素的综合评价，针对DSM的具体情况，本文选用较为精确的模型M（·，+）进行综合评价。

第五，得出评价对象的综合分值。

对模糊综合评价结果向量进行分析，如是多目标综合评价，还应对评价对象进行排序，从中选出最优者。

三、实例分析

现以河北省某地区为例，运用前面所述的综合评价的原理，对该地区的电力需求侧管理效益作全面的评估。

1、各项指标权重的确定

（1）构造成对比较判断矩阵。在每一层次上，对该层指标进行逐对比较，定量化的写出数值判断矩阵时，就需要按照规定的标度方法进行，具体AHP标度法及其描述详见表2。

鉴于以上规定，研究采用专家问卷调查的形式，邀请10位资深专家根据表2中标度标准，对每个层次中各元素的重要性进行两两比较，最后对10位专家的评分结果做简单的统计整理，得到A-B（见表4）等6个判断矩阵（限于篇幅，其余判断矩阵略）。

表4 判断矩阵A-B

（2）计算层次单排序的权向量和一致性检验。运用软件MATLAB6.5计算，成对比较矩阵A-B的最大特征值为λ=5.0681，该特征值对应的特征向量ω=（0.4935 0.7868 0.3007 0.1161 0.1828）T，归一化后的特征向量为 ω觹=（0.2611 0.4162 0.1591 0.1614 0.0967）T，故其一致性指标 CI=（λmax-n）/（n-1）=(5.0681-5)(5-1)=0.0170。因 n=5，我们取 RI=1.12，那么一致性比率CR=CI/RI=0.0170/1.12=0.015179＜0.1。表明判断矩阵A-B通过了一致性检验。同上，其余成对比较矩阵的归一化特征向量详见表5。

表5 其他5对判断矩阵归一化特征向量

经过计算，5对判断矩阵都通过了一致性检验。

（3）模型指标对总体目标组合权重的确定。指标对总体目标组合权重的确定和一致性检验。以指标“可避免峰荷容量费用”为例，该指标对总目标的权重值为：ω1觹=ω觹T×ω1=0.2611×0.68+0.4162×0+0.1591×0+0.0614×0+0.0967×0=0.177548，同理可以得到其他各指标对总目标的权重值。所以指标层对总目标的权向量为：£={0.177548，0.083552，0，033296，0.058268，0.324636，0.042957，0.087505，0.028638，0.02901，0.008703，0.008 703，0.018373，0.015472，0.016439}。又 CR＜0.1，故层次总排序通过一致性检验。

2、指标隶属度的确定

因为各项指标的计算方法基本类似，在此以发电侧指标为例分析指标隶属度的确定。发电侧指标都是定量指标，而且都是正指标，即越大越好。所以我们选用升半梯形隶属度模型。根据前述方法中对定量指标隶属度算法的分析，及标准的确定方法，即选取经济发展水平，城市规模大小相当的9个地区DSM实施情况作为参考，计算每个指标得到一组数据的平均值，再计算大于平均值的一组数的平均值，并将它作为隶属函数的上限值，同样，计算小于平均值的另一组数的平均值作为隶属函数的下限值。事实证明，这种方法既简单实用，又科学合理。

表6 河北省某地区DSM模糊综合评价结果

从表6我们可以看出该地区电力需求侧管理的综合隶属度得分为0.5432，评语值相对较差，说明该地区电力需求侧管理效益不太理想。其中居民生活的隶属度相对最低，仅为0.459，评语相对较差。这说明对于居民生活而言，进行的电力需求侧管理所获效益不大，居民受益相对不明显，这是导致居民对此评语较差的原因。因此应当给予居民生活用电足够的重视，增加节能项目，让居民更深刻地感受电力需求侧管理带来的巨大效益。除居民生活外的其他方面来看，隶属度都在0.5以上，说明评语值相对不差。其中发电侧、大用户和社会三个方面的隶属度水平相当，在0.53与0.55之间；电网侧的评语值相对最高，隶属度达到0.6363。

四、结束语

本文通过分析电力需求侧管理所针对的不同主体，建立了针对发电侧、电网侧、大用户、居民生活和社会五个方面的电力需求侧管理效益综合评价指标体系，并通过层次分析法分析确定各个指标的权重，为后面的模糊综合评判奠定了基础。

本文将层次分析法与模糊综合评判方法结合起来，有效地解决了电力需求侧管理难以定量的问题。本文建立的综合评价指标体系对河北省某地区的电力需求侧管理效益做出了量化分析，并根据评判的结果找出电力需求侧管理中存在的问题，为后面的工作提出了相应的建议。

（注：相明琼职称是助理工程师。）

[1]曾鸣：电力需求侧管理[M].中国电力出版社，2001.

[2]曾鸣：电力需求侧管理（DSM）经济效益评价新准则探讨[J].中国能源，1994（7）.

[3]杨志荣、劳德容：需求方管理（DSM）及其应用[M].中国电力出版社，1999.

[4]Clint L.Makino、Jeffrey W.Karpen、Maekus Meister：Posdoc Tuitionat.Stanford.（in Letters） [J].Science.New Seires，2005（6）.

[5]张晓红：基于三角模糊数的电力需求侧管理效果评价[J].统计与决策，2008（15）.

[6]麦强盛：层次分析法在经济管理中的应用研究[J].江西金融职工大学学报，2009（2）.

[7]郭亚军：综合评价理论、方法及应用[M].科学出版社，2007.