基于改進TOPSIS灰色關(guān)聯(lián)投影法的優(yōu)質(zhì)電力量化評價

唐 潤， 田京京， 馬永翔*

(1.陜西理工大學(xué) 電氣工程學(xué)院， 陜西 漢中 723000； 2.陜西理工大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院， 陜西 漢中 723000)

2015年3月《關(guān)于進一步深化電力體制改革的若干意見》頒布實施后，電力市場受到售電側(cè)改革的影響逐漸市場化、供需方選擇多樣化、市場機制豐富化[1]。供電市場改革意在構(gòu)建一個自由競爭的售電市場，有利于促進市場效率的提高和合理配置資源[2]。售電側(cè)改革賦予的售電主體自主選擇權(quán)給電力市場帶來了前所未有的競爭壓力，社會經(jīng)濟的高速發(fā)展促使電力用戶對供電側(cè)的服務(wù)質(zhì)量要求提高，售電服務(wù)應(yīng)當(dāng)積極增強用戶體驗，創(chuàng)新服務(wù)模式，將多元化理念融入到業(yè)務(wù)與服務(wù)中[3]。因此，建立系統(tǒng)全面、客觀準(zhǔn)確的優(yōu)質(zhì)電力評價體系，可為售電公司針對用戶的相關(guān)需求制定對應(yīng)的服務(wù)策略，以及提高相關(guān)服務(wù)質(zhì)量提供理論依據(jù)，從而促進售電側(cè)改革，優(yōu)化國內(nèi)電力資源配置，形成多元化電力市場體系。

優(yōu)質(zhì)電力是優(yōu)質(zhì)電能與優(yōu)質(zhì)電力服務(wù)的統(tǒng)稱[4]。根據(jù)國內(nèi)市場售電的經(jīng)驗，用戶在選擇售電公司時，不僅僅在意電能質(zhì)量和購電價格，同時還會考慮購電合同、服務(wù)便利性、維修成本等基本服務(wù)[5]。因此，電能質(zhì)量的高低不能完全衡量是否為優(yōu)質(zhì)電力，還要考慮用電成本、維修成本、相關(guān)服務(wù)和用戶感受等諸多因素。目前在優(yōu)質(zhì)電力的研究方面處于摸索階段，研究的內(nèi)容大多都停留在技術(shù)層面，注重電能質(zhì)量的優(yōu)質(zhì)判斷，例如電力園區(qū)劃分供電電力質(zhì)量等級[6]、電源市場化優(yōu)化配置[7]、電力園區(qū)優(yōu)質(zhì)供電方案等[8]。而關(guān)于優(yōu)質(zhì)電力量化方法僅停留在傳統(tǒng)的層次分析法[9]和熵權(quán)法[10]，鮮有文獻對售電主體服務(wù)體系作用進行研究，或者未建立全面的電力評價指標(biāo)體系。

1 優(yōu)質(zhì)電力評價體系的建立

科學(xué)的電力評價體系是電力營銷部門制定決策的重要依據(jù)。現(xiàn)有的優(yōu)質(zhì)電力評價體系主要從用電質(zhì)量、用電服務(wù)兩個維度進行評價，但是在售電側(cè)改革后，基本服務(wù)也將成為需求側(cè)購電用戶選擇售電公司的依據(jù)之一。為此，本文在現(xiàn)有的優(yōu)質(zhì)電力評價體系基礎(chǔ)上加入基本服務(wù)這一評價維度，由用電質(zhì)量、用電成本和基本服務(wù)3個維度，10個評價指標(biāo)構(gòu)成了售電側(cè)改革下的優(yōu)質(zhì)電力評價體系。

1.1 用電質(zhì)量

供電可靠性一般指電網(wǎng)持續(xù)供電的能力[11]，同時也指電力系統(tǒng)在設(shè)備故障發(fā)生時，減少故障設(shè)備供應(yīng)用戶用電障礙并讓電力系統(tǒng)繼續(xù)保持穩(wěn)定安全運行的能力。供電可靠性作為電力系統(tǒng)評判電能質(zhì)量優(yōu)劣的重要指標(biāo)，直接影響電力用戶的經(jīng)濟利益與用電感受[12]。增益價值是站在購電用戶利益的角度考慮的重要因素，越高的增益價值越能帶來購電用戶更高的滿意度與購買意愿。綠色電力需求是購電用戶對于清潔能源的需求。越來越多的企業(yè)積極響應(yīng)政府號召，在追求經(jīng)濟利益的同時更加注意環(huán)境效益與社會效益。因此，本文將供電可靠性、優(yōu)質(zhì)電力增益價值、綠色電力需求作為評價指標(biāo)。

1.2 用電成本

隨著售電側(cè)改革，購電用戶除考慮電能質(zhì)量外，價格也將是各售電公司競爭的核心。調(diào)度員采用中斷負荷的方法保證電力系統(tǒng)的安全穩(wěn)定運行，將對用電方帶來較大損失，因此需要通過簽訂可中斷負荷合同來補償用戶損失。盡管優(yōu)質(zhì)電力有著科學(xué)的管理系統(tǒng)和安全穩(wěn)定的運行系統(tǒng)，但是不能排除由于一些不可抗拒因素造成的電力事故[13]。此時將事故風(fēng)險率和經(jīng)濟損失預(yù)估值考慮到用電成本中變得尤為重要。因此，將優(yōu)質(zhì)電力平均用電價格、可中斷負荷補償價格、故障損失期望作為評價指標(biāo)。

1.3 基本服務(wù)

合同內(nèi)容的合理、簡潔、易懂，合同結(jié)構(gòu)的靈活多樣是保障購電用戶需求的前提。清晰合理的合同有利于供需雙方減少爭端。無論多么優(yōu)質(zhì)的管理系統(tǒng)和電能質(zhì)量也無法完全杜絕不可抗拒因素和個體差異。良好的投訴和反饋系統(tǒng)是購電用戶維護自身權(quán)利的關(guān)鍵[14]。除此之外合理的營業(yè)廳數(shù)量和人員配置將極大地方便購電用戶。因此，將合同結(jié)構(gòu)、電能計量、用戶管理服務(wù)、營業(yè)廳服務(wù)作為評價指標(biāo)。優(yōu)質(zhì)電力指標(biāo)體系的建立如表1所示。

表1 優(yōu)質(zhì)電力指標(biāo)體系

2 改進的TOPSIS灰色關(guān)聯(lián)投影法

TOPSIS灰色關(guān)聯(lián)投影法結(jié)合了逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)與灰色關(guān)聯(lián)投影法的優(yōu)點，具有高靈敏、高準(zhǔn)確的特點[15]。但在指標(biāo)權(quán)重確定方面仍存在缺陷，易在評價樣本數(shù)量發(fā)生變化時出現(xiàn)逆序及指標(biāo)間相關(guān)性造成誤判的現(xiàn)象。故在構(gòu)建優(yōu)質(zhì)電力評價體系后，本文采用改進的TOPSIS灰色關(guān)聯(lián)投影法對優(yōu)質(zhì)電力園區(qū)進行研究。

2.1 確定指標(biāo)權(quán)重

如何確定指標(biāo)的權(quán)重是評價模型的關(guān)鍵與核心，權(quán)重的大小直接影響評價結(jié)果與評價體系的準(zhǔn)確性。為減少單一使用主觀賦權(quán)(G1法)或客觀賦權(quán)(熵權(quán)法、變異系數(shù)法)造成的科學(xué)性和準(zhǔn)確性不足以及評價效果不夠客觀公正的缺點。本文采用最優(yōu)組合賦權(quán)法等多種主客觀方法[16-19]進行賦權(quán)。

2.2 改進的TOPSIS灰色關(guān)聯(lián)投影法步驟

2.2.1 數(shù)據(jù)預(yù)處理

為了避免數(shù)據(jù)中正負指標(biāo)和量綱影響評價結(jié)果，需要對指標(biāo)數(shù)據(jù)進行預(yù)處理。首先建立樣本指標(biāo)矩陣：

(1)

其中m為樣本數(shù)量，n為指標(biāo)數(shù)量。yij為第i個樣本的第j個指標(biāo)，Yi為第i個樣本指標(biāo)向量,Yi=(yi1,yi2,…,yin)(i=1,2,…,m)。評價指標(biāo)有兩類：一種是效益指標(biāo)(正向指標(biāo))，指標(biāo)越大越好；另一種是成本指標(biāo)(負向指標(biāo))，指標(biāo)越小越好。為了方便計算，下一步需要將指標(biāo)進行同向化與去量綱化。采用式(2)進行同向化處理：

(2)

其中y′為正向指標(biāo)矩陣Y′中的元素，max|Y′|表示第i個樣本在第j個指標(biāo)中的最大值，k一般取值為0.1。

要想全面提升我國生態(tài)林業(yè)建設(shè)效率，就要將全新的科學(xué)技術(shù)傳授給林業(yè)工作人員，不斷優(yōu)化林業(yè)生產(chǎn)手段，將林業(yè)的相關(guān)科技成果與林業(yè)實踐工作進行有機整合，只有這樣才能凸顯出林業(yè)技術(shù)的真正價值。要想達到上述要求目標(biāo)，就要求林業(yè)工作人員全面提升林業(yè)技術(shù)推廣工作，積極參與林業(yè)生產(chǎn)，將林業(yè)技術(shù)更好地應(yīng)用于生態(tài)林業(yè)建設(shè)，從而發(fā)揮林業(yè)技術(shù)的真正作用。

采用公式(3)對Y′進行無量綱化處理可以得到標(biāo)準(zhǔn)指標(biāo)矩陣Y″，y″為其中的元素：

(3)

2.2.2 改進TOPSIS

為了防止傳統(tǒng)的TOPSIS方法造成在增減評價樣本后，正負理想樣本可能發(fā)生變化，導(dǎo)致評價結(jié)果失去準(zhǔn)確性的現(xiàn)象出現(xiàn)。使用改進的TOPSIS方法，即通過設(shè)置絕對正負理想樣本使得正負理想樣本不隨樣本量的變化而改變。由于標(biāo)準(zhǔn)化處理后的指標(biāo)矩陣，其元素均為正向指標(biāo)且范圍在0～1之間。因此可以將絕對正負理想樣本設(shè)置為

(4)

其中B+為絕對正理想樣本，B-為絕對負理想樣本。

2.2.3 灰色關(guān)聯(lián)投影法的改進

傳統(tǒng)的灰色投影法是通過計算出樣本與理想樣本之間夾角余弦值來判斷兩者間的相似度，其余弦值越大表明樣本越靠近理想樣本。但是余弦值很難區(qū)分出樣本在各類指標(biāo)上的差異，還會存在余弦相似度在數(shù)值發(fā)生變化時反映不靈敏造成結(jié)果誤判的缺陷。針對該缺陷本文引入加權(quán)馬氏距離來反映樣本與理想樣本間接近度，詳細方法如下：

①正、負關(guān)聯(lián)矩陣的計算

(5)

②計算加權(quán)馬氏距離

(6)

③計算樣本的評價得分和靈敏度

樣本距離正理想樣本距離越近越好，反之樣本距離負理想樣本越近越差。利用公式(7)可以計算出樣本的相抵接近程度，從而獲得評價得分:

(7)

在評價得分中可以體現(xiàn)出評價體系的靈敏度。樣本最優(yōu)得分與最劣得分之間的差距越大，說明靈敏度η越大，評價體系對樣本的區(qū)分度也就越大。靈敏度η計算方式為

(8)

3 算例分析

為了驗證本文所建立的評價模型的可行性和正確性，選取了某地區(qū)5個電力園區(qū)進行調(diào)研和評價。具體步驟：數(shù)據(jù)預(yù)處理→計算G1法、熵權(quán)法、變異系數(shù)法權(quán)值→得出最優(yōu)組合賦權(quán)法的最終權(quán)值→計算正、負關(guān)聯(lián)矩陣→求加權(quán)馬氏距離→計算樣本的評價得分和靈敏度。

3.1 權(quán)重的計算結(jié)果

根據(jù)G1法、熵權(quán)法以及變異系數(shù)法等賦權(quán)方法，分別計算出其對應(yīng)的權(quán)重值，如表2所示。

表2 各方法指標(biāo)權(quán)重

將表2得到的3種權(quán)重結(jié)果代入公式(9)計算得出最優(yōu)組合賦權(quán)法的最終權(quán)值：

(9)

使用最優(yōu)組合賦權(quán)法確定最終的權(quán)值，如表3所示。

表3 指標(biāo)最終權(quán)重

3.2 改進的TOPSIS灰色關(guān)聯(lián)投影法評價過程

原始數(shù)據(jù)矩陣經(jīng)過正向化、去量綱化后得到的標(biāo)準(zhǔn)評價矩陣為

通過式(5)計算得出正、負關(guān)聯(lián)矩陣R+和R-分別為

標(biāo)準(zhǔn)矩陣中的行代表5個電力園區(qū)，列代表優(yōu)質(zhì)電力指標(biāo)體系因素層的10個因素。由式(6)可以計算出5個電力園區(qū)樣本到正、負理想樣本的加權(quán)馬氏距離。再通過式(7)進一步得出最后的評價得分，如表4所示。

表4 各樣本加權(quán)馬氏距離及評分

從最后的得分結(jié)果可以看出電力園區(qū)2的評價結(jié)果最優(yōu)，而電力園區(qū)5的評價結(jié)果最差。通過式(8)可以計算出改進的TOPSIS灰色關(guān)聯(lián)投影法的靈敏度為69.8%，原TOPSIS灰色關(guān)聯(lián)投影法的靈敏度為56.7%?？梢姼倪M的TOPSIS灰色關(guān)聯(lián)投影法在靈敏度上有較大的提升。

4 結(jié)論

在電力市場發(fā)展和優(yōu)質(zhì)電力需求不斷增加的背景下，針對如何準(zhǔn)確、全面地評價某區(qū)域的優(yōu)質(zhì)電力，建立了優(yōu)質(zhì)電力評價體系。從購電用戶和售電公司的訴求和利益出發(fā)，依托專家意見與用戶調(diào)研，兼顧了主觀權(quán)重與客觀權(quán)重，基于改進的TOPSIS灰色關(guān)聯(lián)投影法得到了優(yōu)質(zhì)電力的評價結(jié)果。根據(jù)實際算例驗證，得出以下結(jié)論：

本文采用的基于改進的TOPSIS灰色關(guān)聯(lián)投影法的評價體系能夠全面、系統(tǒng)、準(zhǔn)確地反映出購電用戶的需求和售電公司的服務(wù)方向，為售電公司找準(zhǔn)服務(wù)重點、制定個性化營銷策略、了解用戶購電接受范圍、預(yù)估用戶購電意愿提供了方便。通過最優(yōu)組合賦權(quán)法，綜合G1法、熵權(quán)法和變異系數(shù)法，兼顧了主觀和客觀因素。利用構(gòu)造絕對正、負理想樣本，避免了傳統(tǒng)TOPSIS法增減樣本時可能出現(xiàn)的逆序問題，也大大提高了靈敏度。計算樣本與正、負理想樣本間的相對距離時使用了馬氏加權(quán)距離，提高了評價結(jié)果的準(zhǔn)確性。