基于雙重熵值修正指標(biāo)賦權(quán)的電網(wǎng)接收用戶資產(chǎn)綜合價值評估方法

彭濤，魏偉，崔崔，謝東日

（1.國網(wǎng)湖北省電力有限公司營銷服務(wù)中心（計量中心），湖北省武漢市 430000；2.國網(wǎng)湖北綜合能源服務(wù)有限公司,湖北省武漢市 430000）

0 引言

近年來，國家電網(wǎng)公司積極履行社會責(zé)任，主動接收用戶資產(chǎn)，保障了用戶用電安全和質(zhì)量。截止2019年，公司累計接收用戶資產(chǎn)超過140億元，占資產(chǎn)原值6%，用戶資產(chǎn)移交變?yōu)殡娋W(wǎng)企業(yè)提供優(yōu)質(zhì)服務(wù)的趨勢。

隨著規(guī)模逐步擴(kuò)大，接收用戶資產(chǎn)呈現(xiàn)權(quán)益歸屬不明確、質(zhì)量良莠不齊、設(shè)備故障率高、后續(xù)管理難、財稅風(fēng)險加大等問題，并且在輸配電價改革環(huán)境下，電網(wǎng)公司不能通過輸配電價獲得足額回收成本與收益，導(dǎo)致電網(wǎng)公司的收益水平和長期發(fā)展受到了影響[1-2]。因此，加強(qiáng)對存量用戶的資產(chǎn)管理和未來用戶資產(chǎn)接收策略的研究意義重大，而準(zhǔn)確評估電網(wǎng)接收用戶資產(chǎn)的綜合價值是上述內(nèi)容的關(guān)鍵基礎(chǔ)。

現(xiàn)有研究大多針對的是電網(wǎng)接收用戶資產(chǎn)的風(fēng)險、策略和管理定性。如文獻(xiàn)[3]分析了電網(wǎng)企業(yè)接收用戶資產(chǎn)的利與弊，并強(qiáng)調(diào)了接收用戶資產(chǎn)時要注意的問題；文獻(xiàn)[4-5]分析了電網(wǎng)企業(yè)接收用戶資產(chǎn)中存在的風(fēng)險問題，同時提供了相應(yīng)的政策建議；文獻(xiàn)[6]引入CIM模型、互聯(lián)網(wǎng)+技術(shù)，構(gòu)建了用戶資產(chǎn)接收的有效性模型，以確保接收用戶資產(chǎn)工作的順利；文獻(xiàn)[7]從資產(chǎn)折舊政策調(diào)整、逾齡資產(chǎn)及用戶資產(chǎn)管理、新租賃準(zhǔn)則下的租賃策略、多維精益管理方面，對輸配電價改革形勢下的電網(wǎng)資產(chǎn)管理進(jìn)行了探索。

在電網(wǎng)接收用戶資產(chǎn)綜合價值評估的定量研究方面，文獻(xiàn)[8]采用最優(yōu)最劣法確定指標(biāo)的權(quán)重，對典型用戶資產(chǎn)的綜合價值進(jìn)行評估，提出差異化的接收策略；文獻(xiàn)[9]采用序關(guān)系法求取指標(biāo)權(quán)重，運(yùn)用模糊綜合評價法，評估不同類型用戶資產(chǎn)的綜合價值，制定了相關(guān)的接收策略。

值得關(guān)注的是，確定評價指標(biāo)的權(quán)重是電網(wǎng)接收用戶資產(chǎn)綜合價值評估的關(guān)鍵。而文獻(xiàn)[8-9]的指標(biāo)權(quán)重確定方法依賴于專家的主觀評分，當(dāng)發(fā)生人為誤判時，對指標(biāo)賦權(quán)結(jié)果產(chǎn)生負(fù)面影響，從而會降低綜合評估結(jié)果的可信度。

熵值法是一種基于信息熵原理確定指標(biāo)權(quán)重的方法，可以避免人為因素的干擾，但是忽略了指標(biāo)的經(jīng)驗重要性[10-11]。如何兼顧評價指標(biāo)的主觀經(jīng)驗性和客觀規(guī)律，建立科學(xué)合理的評價指標(biāo)賦權(quán)模型，對提高電網(wǎng)接收用戶資產(chǎn)綜合價值評估的準(zhǔn)確性非常重要。

鑒于此，本文提出一種基于雙重熵值修正指標(biāo)賦權(quán)的電網(wǎng)接收用戶資產(chǎn)綜合價值評估方法。雙重熵值修正法兩次使用熵值進(jìn)行修正，使評估結(jié)果更合理。首先基于相對熵修正接收用戶資產(chǎn)綜合價值評估指標(biāo)重要性的專家評分結(jié)果，提高專家評分的合理性；其次基于廣義熵值修正G1法，在兼顧指標(biāo)經(jīng)驗重要性的同時減少主觀隨意性。

1 熵值理論

1.1 信息熵

信息熵是一種系統(tǒng)的不確定性及其所攜帶信息量的度量，在眾多領(lǐng)域內(nèi)應(yīng)用廣泛[12-13]。當(dāng)系統(tǒng)的不確定性越高、內(nèi)部越混亂，即系統(tǒng)所攜帶的信息量越小，其熵值就越大；當(dāng)系統(tǒng)的不確定性越低，即系統(tǒng)所攜帶的信息量越多，其熵值就越小。

美國數(shù)學(xué)家C.E.Shannon在20世紀(jì)40年代定義信息熵的計算公式，假設(shè)隨機(jī)變量X的可能取值為X=(x1,x2,···,xn)，對應(yīng)的概率分布為P(X=x)=pi，其中 i=1,2,···,n，則隨機(jī)變量X的信息熵 h(X)如下：

1.2 相對熵

相對熵是判斷兩個隨機(jī)變量X 和Y之間符合程度的度量[14]。

數(shù)學(xué)家SKullback在20世紀(jì)60年代提出了相對熵的計算公式。針對兩個離散概率分布X=(x1,x2,···,xn)和Y=(y1,y2,···,yn)，當(dāng) xi,yi≥0，且則X 相對于Y 的相對熵h(X,Y)如下：

由式(2)可得，相對熵h(X,Y)≥0，只有xi=yi時， h(X,Y)=0。當(dāng)兩個離散概率分布完全一致時，相對熵h(X,Y)的值最小。因此，相對熵用于判斷兩個離散概率分布X 和Y之間的符合程度。

2 相對熵修正評價指標(biāo)重要性專家評分結(jié)果

用戶資產(chǎn)評價指標(biāo)賦權(quán)是通過邀請多位電力行業(yè)專家，根據(jù)專家的主觀經(jīng)驗性對評價指標(biāo)的重要性進(jìn)行評分，其依賴于專家的主觀評分。

由于個別專家的實(shí)際經(jīng)驗和理論知識存在差異，容易誤判某些指標(biāo)的重要性程度，導(dǎo)致評價指標(biāo)的權(quán)重合理性降低。因此，求解專家群組評分結(jié)果的偏好效用向量，分析每位專家評分結(jié)果的合理性并進(jìn)行修正，對提高電網(wǎng)接收用戶資產(chǎn)綜合價值評估的準(zhǔn)確性意義重大。

2.1 專家群組偏好效用向量的求解

假設(shè)n位專家參與指標(biāo)評分，即Ai=(A1,A2,···,An)；評價指標(biāo)共m個，即 Ij=(I1,I2,···,Im)。專家以1～9評分法對各個指標(biāo)的重要性進(jìn)行評分，分值越高代表指標(biāo)越重要。專家原始評分矩陣如下：

式中：pij表示專家Ai對于指標(biāo)Ij的重要性評分（又稱偏好效用值）。

將n位專家的評分結(jié)果進(jìn)行單位化，即：

單位化后某專家Ai的偏好效用向量為Pi=其中，

假設(shè)整個專家組的群組偏好效用向量為Pg=(pg1,pg2,···,pgm)，則根據(jù)式(2)，專家Ai相對于整個專家組的偏好效用的相對熵h如下：

根據(jù)相對熵理論，式（5）的值越小，表明專家Ai的偏好效用向量與專家群組的偏好效用向量的距離越近，即專家Ai的評分結(jié)果與專家群組的評分結(jié)果越一致，其評分合理性越高。

因此，最小化約束相對熵的非線性規(guī)劃如下：

式中：wi為各位專家的初始權(quán)重，取 wi=

為了獲得式(6)的最優(yōu)解向量，取Lagrange函數(shù)如下：

令?L(Pg,v)=0，有：

P*g=(p*g1,p*g2,···,p*gm)即為指標(biāo)重要性專家群組偏好效用向量的局部最優(yōu)解。單位化后即為各指標(biāo)重要性的專家群組評分結(jié)果：

2.2 專家評分的合理性分析和修正

求解專家群組偏好效用向量后，考慮通過專家個體與群組之間的差異對專家評分的合理性進(jìn)行分析。其包括指標(biāo)重要性評分值差異和排序位次差異，差異越小，專家個體的評分水平越高。

1）指標(biāo)重要性評分值差異。

專家Ai的偏好效用向量為專家群組Ag的偏好效用向量為)，則指標(biāo)Ij在重要性評分值上的差異Δdj為：

2）指標(biāo)重要性排序位次差異。

根據(jù)指標(biāo)的評分值越高，排序位次越靠前的規(guī)則，將專家Ai的指標(biāo)重要性排序位次為Ni=專家群組) 的指標(biāo)重要性排序位次為則指標(biāo)Ij在重要性排序位次上的差異Δlj為：

此時，專家個體Ai和專家群組Ag在指標(biāo)Ij上的評分差異eij表示如下：

通過描述專家評分結(jié)果不確定性的熵值Hi來表征專家Ai的評分水平。專家個體Ai在指標(biāo)Ij上的熵值hij計算如下：

則專家個體Ai對所有指標(biāo)的評分熵為：

專家Ai的評分熵值Hi越小，代表該專家評分的不確定性越小，合理性越高。評分合理性和Hi的最大允許值間的判斷關(guān)系如表1所示[15]。

表1 基于相對熵的評分合理性判斷Table 1 Judgment table of scoring rationality based on relative entropy

專家群組的評分合理性函數(shù)Hg如下：

當(dāng)專家個體的評分合理性較低，使專家群組的評分合理性明顯降低時，應(yīng)對專家群組的原始評分矩陣P進(jìn)行修正，將該專家的評分結(jié)果剔除，且重新分析剩余專家的評分合理性，直到滿足要求。

3 熵值修正G1法指標(biāo)賦權(quán)模型

3.1 評價指標(biāo)的規(guī)范化

不同的電網(wǎng)接收用戶資產(chǎn)的綜合價值評估指標(biāo)在量綱和類型方面存在差異，需要對指標(biāo)進(jìn)行規(guī)范化處理，以消除差異。通常，可將指標(biāo)分為成本型指標(biāo)和效益型指標(biāo)兩種。

1）成本型指標(biāo)。

成本型指標(biāo)對應(yīng)的是指標(biāo)結(jié)果越低，用戶資產(chǎn)在該指標(biāo)上的綜合價值越高。成本型指標(biāo)的規(guī)范化公式如下：

2）效益型指標(biāo)。

效益型指標(biāo)對應(yīng)的是指標(biāo)結(jié)果越高，用戶資產(chǎn)在該指標(biāo)上的綜合價值越高。效益型指標(biāo)的規(guī)范化公式如下：

式中：xkj代表第k個評價對象對指標(biāo)Ij的初始統(tǒng)計值，k=1,2,···,l ；xjmax代表指標(biāo)統(tǒng)計中的最大值；xjmin代表指標(biāo)統(tǒng)計中的最小值； ykj代表指標(biāo)規(guī)范化后的結(jié)果。

3.2 熵值修正G1法

G1法是對層次分析法進(jìn)行改進(jìn)的一種方法，其避開了層次分析法的缺點(diǎn)，且不用進(jìn)行一致性檢驗。而熵值可以度量系統(tǒng)包含的不確定性[16]。

基于熵值修正G1法的思路：當(dāng)某一指標(biāo)的數(shù)值變異度越大，代表其對綜合評估的作用越高，即該指標(biāo)的權(quán)重越大，指標(biāo)對應(yīng)的信息熵值就越小。反之，指標(biāo)的數(shù)值變異度越小時，代表其熵值就越大，指標(biāo)權(quán)重越小。計算指標(biāo)熵值的公式如下：

式中：ej代表指標(biāo)Ij的熵值。

根據(jù)2.2節(jié)的指標(biāo)重要性專家評分修正，將各指標(biāo)按評分大?。ㄖ匾裕┻M(jìn)行排位如下：

式中：“≥”代表前指標(biāo)的重要性評分大于或等于后指標(biāo)。

式中：pΔj和 eΔj分別代表指標(biāo) IΔj的專家群組評分值和熵值。

指標(biāo)ImΔ的權(quán)重ωΔm計算如下：

其他指標(biāo)的權(quán)重計算如下：

4 評估模型的構(gòu)建

本節(jié)基于模糊綜合評價方法，構(gòu)建電網(wǎng)接收用戶資產(chǎn)的綜合價值評估模型。該方法的具體步驟如下[17]：

1）確定評估指標(biāo)和等級。

確立電網(wǎng)接收用戶資產(chǎn)綜合價值評估的m個指標(biāo)集合為U={u1,u2,···,um}，最終接收用戶資產(chǎn)綜合價值的n個等級集合為V={v1,v2,···,vn}。

2）構(gòu)造評判矩陣。

設(shè)第i個指標(biāo)ui（i=1,2,…,m）在第j個評估等級vj（j=1,2,…,n）上的頻率分布（即隸屬度）為rij，則第i個評估指標(biāo)ui的單因素評判集合如下：

進(jìn)一步，所有指標(biāo)的評判矩陣M可表示為：

3）進(jìn)行模糊合成和做出決策。

結(jié)合熵值修正G1方法得到的評估指標(biāo)權(quán)重向量W={w*1,w*2,···,w*n}，計算被評價對象的決策集B如下：

式中：B={b1,b2,···,bn}；bj表示被評估對象在評估等級vj上的程度。

最終，最大的bj對應(yīng)的評估等級vj即為電網(wǎng)接收用戶資產(chǎn)綜合價值的評估結(jié)果。

5 電網(wǎng)接收用戶資產(chǎn)綜合價值評估應(yīng)用分析

本節(jié)以我國中部某省3類不同的典型用戶為例，對其資產(chǎn)的綜合價值進(jìn)行了評估。3類不同的用戶資產(chǎn)（評估對象）分別為：

類型一（R1）：企業(yè)自備電力資產(chǎn)；

類型二（R2）：政府園區(qū)電力資產(chǎn)；

類型三（R3）：居民小區(qū)用戶資產(chǎn)。

5.1 用戶資產(chǎn)綜合價值評估的指標(biāo)體系

通過對電網(wǎng)接收用戶資產(chǎn)綜合價值的特點(diǎn)進(jìn)行分析，參考現(xiàn)狀行業(yè)內(nèi)已有研究成果，遵循需求性、科學(xué)性和可操作性的評價指標(biāo)選取原則，從經(jīng)濟(jì)性、發(fā)展性、責(zé)任性和可靠性4個維度構(gòu)建開展電網(wǎng)接收用戶資產(chǎn)綜合價值評估指標(biāo)體系，具體如表2所示。

表2 接收用戶資產(chǎn)綜合價值評估指標(biāo)體系Table 2 Indicessystem to evaluate comprehensivevalueof received user’s assets

接收用戶資產(chǎn)經(jīng)濟(jì)性C1和正常狀態(tài)比例C4為定量指標(biāo)，可采用財務(wù)凈現(xiàn)值法[18]計算接收用戶資產(chǎn)的經(jīng)濟(jì)性評價值（具體過程與文獻(xiàn)[8]一致），根據(jù)接收用戶資產(chǎn)實(shí)際運(yùn)行情況統(tǒng)計獲得接收用戶資產(chǎn)正常狀態(tài)比例；接收用戶資產(chǎn)對電網(wǎng)企業(yè)市場占有率的支撐度C2和電網(wǎng)企業(yè)社會責(zé)任履行程度C3為定性指標(biāo)，可通過專家調(diào)研的方法獲得指標(biāo)的表現(xiàn)值。這4個指標(biāo)均為效益型指標(biāo)，即指標(biāo)結(jié)果越高，用戶資產(chǎn)在該指標(biāo)上的綜合價值越高。

5.2 專家群組評分矩陣的修正

邀請10位專家（A1～A10）對各指標(biāo)的重要性進(jìn)行評分，結(jié)果如表3所示。

表3 資產(chǎn)評估指標(biāo)專家評分Table 3 Expert scoring tableof asset evaluation indices

根據(jù)式(6)，將10位評分專家的初始權(quán)重向量設(shè)定為wi=(0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1)，迭代誤差為 ε=0.0001，根據(jù)式(4)—(10)進(jìn)行循環(huán)迭代計算，得到電網(wǎng)接收用戶資產(chǎn)綜合價值評估指標(biāo)重要性的專家群組評分原始結(jié)果，如表4所示。

表4 評估指標(biāo)專家群組評分原始結(jié)果Table 4 Original scoring results of evaluation index expert group

進(jìn)一步，根據(jù)式(11)—(16)計算每位專家對電網(wǎng)接收用戶資產(chǎn)綜合價值評估指標(biāo)重要性評分的合理性，結(jié)果如表5所示。

表5表明，專家A6和A8的評分熵遠(yuǎn)大于其他專家，其評分合理性均小于50%，從而使整個專家群組的評分合理性低于90%，故需要對專家群組的評分矩陣進(jìn)行修正。

表5 專家評分合理性分析原始結(jié)果Table 5 Original results of analysis on rationality of expert scoring

剔除專家A6和A8對各指標(biāo)的重要性評分結(jié)果，將剩余8位專家的初始權(quán)重都設(shè)定為0.125，同理可得修正后專家群組對各評估指標(biāo)的評分結(jié)果，如表6所示。

表6 評估指標(biāo)專家群組評分修正后結(jié)果Table 6 Corrected result of scoring from evaluation index

此時，計算修正后每位專家對電網(wǎng)接收用戶資產(chǎn)綜合價值評估指標(biāo)重要性評分的合理性，結(jié)果如表7所示。

表7 評分合理性修正后結(jié)果Table 7 Corrected result of scoring rationality

表5和表7的結(jié)果對比表明，剔除專家A6和A8的評分結(jié)果后，提高了專家群組的整體評分水平，修正后專家群組評分合理性為98%，達(dá)到了優(yōu)化專家群組評分結(jié)果的目的。

5.3 指標(biāo)權(quán)重的計算

對于評價對象R1～R3，采用財務(wù)凈現(xiàn)值法計算各自在未來10年的經(jīng)濟(jì)性評價值C1（單位：萬元，具體過程與文獻(xiàn)[8]一致）；根據(jù)接收用戶資產(chǎn)實(shí)際運(yùn)行情況的統(tǒng)計數(shù)據(jù)，獲得各自的正常狀態(tài)比例C4（單位：%）；通過專家調(diào)研的方法，獲得各評價對象對電網(wǎng)企業(yè)市場占有率的支撐度C2和電網(wǎng)企業(yè)社會責(zé)任履行程度C3的表現(xiàn)值（滿分100分）。結(jié)果如表8所示。

表8 評估指標(biāo)的統(tǒng)計數(shù)據(jù)Table 8 Statistical data of evaluation indices

進(jìn)一步，根據(jù)式(18)對上述數(shù)據(jù)進(jìn)行規(guī)范化處理，再根據(jù)式(19)計算電網(wǎng)接收用戶資產(chǎn)綜合價值評估指標(biāo)的熵值，結(jié)果如表9所示。

表9 評估指標(biāo)的熵值Table 9 Entropy of evaluation indices

根據(jù)5.2節(jié)修正后的專家群組評估指標(biāo)重要性的評分結(jié)果，各指標(biāo)的重要性排序關(guān)系如下：

最后，根據(jù)式(21)—(23)，可計算得各指標(biāo)的權(quán)重結(jié)果，如表10所示。

表10 評估指標(biāo)的權(quán)重Table10 Weightsof evaluation indices

5.4 用戶資產(chǎn)綜合價值的評估與定級

采用模糊綜合評價方法對電網(wǎng)接收用戶資產(chǎn)

綜合價值進(jìn)行評估和定級。

電網(wǎng)接收用戶資產(chǎn)綜合價值的評價集建立如下：

采用單因素模糊評判的方法，即通過專家調(diào)研，獲得各評價對象在每個指標(biāo)上的表現(xiàn)值，基于專家組對各評價對象在每個指標(biāo)上所屬評價集的選擇，求取隸屬度，進(jìn)一步確定各評價對象在每個指標(biāo)上的評判矩陣分別如下：

根據(jù)雙重熵值修正各指標(biāo)的權(quán)重W和評判矩陣M，得到各評價對象的評判結(jié)果如下：

根據(jù)每一評價對象最大的bj對應(yīng)的評估等級可得，用戶資產(chǎn)R1和R2屬于優(yōu)質(zhì)接收用戶資產(chǎn)，而用戶資產(chǎn)R3屬于一般接收用戶資產(chǎn)。

6 結(jié)論

本文提出了一種基于雙重熵值修正指標(biāo)賦權(quán)的電網(wǎng)接收用戶資產(chǎn)綜合價值評估方法，其兼顧了評價指標(biāo)的主觀經(jīng)驗性和客觀規(guī)律，具有很好的應(yīng)用價值。

本文所提方法的核心思想在于，基于相對熵修正專家的評分矩陣，提高了專家評分結(jié)果的合理性；并基于廣義熵值修正G1主觀賦權(quán)法，減少了指標(biāo)賦權(quán)的主觀隨意性。本文對科學(xué)準(zhǔn)確評估電網(wǎng)接收用戶資產(chǎn)的綜合價值具有意義，對資產(chǎn)分類運(yùn)營管理有指導(dǎo)性。