摘要:综合能源系统(IES)作为能源转型中的重要环节,现已得到越来越多国家的广泛关注。构建一套匹配我国国情的综合能源系统评价体系和评价方法能够对综合能源系统不同规划方案进行科学有效的综合评价,能够提高综合能源系统项目的管理水平,还可在制定统一、完整的综合能源系统综合评价标准时提供参考。本文首先以园区IES的基本特征为基础,从规划方案的经济性、可靠性、环保性、智能友好性4个维度建立了含有17个指标的评价体系。随后为了解决IES在运行中的不确定性问题,对以云物元模型为基础建立的综合评价体系做出了相应的改进:考虑到不同评价者之间对模糊性的可接受程度不尽相同,在此基础上对云熵参数计算方法进行了改进;为了解决单一赋权方法可能导致的评价结果过于主观或者过于客观的问题,选择基于最小鉴别信息原理将DEMATEL法与Entropy-Weight法相结合的综合赋权法;并采用变权法进一步完善综合评价指标值。最后,通过算例来分析验证了所提的综合评价体系的科学正确性。
关键词: 综合能源系统;云物元模型;云熵优化;最小鉴别信息原理;综合评价;变权法;
[1]黄悦华,王朔浩,杨楠,等.基于改进综合赋权与云物元评估模型的园区综合能源系统规划方案评价[J/OL].电力科学与技术学报,1-18[2024-07-13].http://kns.cnki.net/kcms/detail/43.1475.TM.20230901.2221.002.html.
以下是基于最小鉴别信息原理将DEMATEL法与Entropy-Weight法相结合的综合赋权法,并采用变权法进一步完善综合评价指标值的MATLAB代码示例。由于具体的模糊云物元模型和综合评价体系的建立在文章中并未详细描述,以下示例将简化实现这些方法的基本步骤。
1. 最小鉴别信息原理下的DEMATEL法(Decision Making Trial and Evaluation Laboratory)
matlab
复制代码
% 假设实现DEMATEL法的MATLAB代码框架
function dematel_matrix = dematelMethod(data)
% data 是一个对比矩阵,代表因素之间的关系
% Step 1: 计算正向关系矩阵 R 和反向关系矩阵 Q
R = data ./ sum(data, 2); % 正向关系矩阵
Q = data ./ sum(data, 1); % 反向关系矩阵
% Step 2: 计算总关系矩阵 T
T = R * Q;
% Step 3: 计算因子的总体影响度
impact = sum(T, 2);
% 返回结果,dematel_matrix为因子的总体影响度
dematel_matrix = impact;
end
% 示例调用
comparison_matrix = [1, 0.5, 0.2; 2, 1, 0.3; 5, 3, 1]; % 假设对比矩阵
dematel_scores = dematelMethod(comparison_matrix);
disp('使用DEMATEL法计算的因子总体影响度:');
disp(dematel_scores);
2. Entropy-Weight法
matlab
复制代码
% 假设实现Entropy-Weight法的MATLAB代码框架
function entropy_weights = entropyWeightMethod(data)
% data 是一个矩阵,每行代表一个样本,每列代表一个评估指标
% Step 1: 计算熵值
entropy_values = -sum(data .* log(data), 1);
% Step 2: 计算权重
entropy_weights = (1 - entropy_values) / sum(1 - entropy_values);
% 返回结果,entropy_weights为每个评估指标的权重
end
% 示例调用
data = [0.3, 0.4, 0.2; 0.5, 0.1, 0.4; 0.7, 0.2, 0.1]; % 假设评估指标数据矩阵
entropy_weights = entropyWeightMethod(data);
disp('使用Entropy-Weight法计算的权重:');
disp(entropy_weights);
3. 结合DEMATEL和Entropy-Weight的综合赋权法
matlab
复制代码
% 假设实现基于最小鉴别信息原理将DEMATEL法与Entropy-Weight法相结合的综合赋权法
function comprehensive_weights = combinedWeightMethod(comparison_matrix, data)
% comparison_matrix 是DEMATEL法计算得到的因子影响度矩阵
% data 是Entropy-Weight法计算得到的评估指标权重
% Step 1: 基于最小鉴别信息原理调整因子影响度
adjusted_impact = minDiscriminateInfo(comparison_matrix);
% Step 2: 将调整后的因子影响度与Entropy-Weight法计算的权重结合
comprehensive_weights = adjusted_impact .* data';
% 返回结果,comprehensive_weights为综合赋权后的权重
end
% 辅助函数:最小鉴别信息原理调整因子影响度
function adjusted_impact = minDiscriminateInfo(matrix)
% 假设实现最小鉴别信息原理调整因子影响度的具体计算方法
% 此处省略具体实现,需要根据具体情况补充
% 返回结果 adjusted_impact
end
% 示例调用
dematel_matrix = [0.8; 0.5; 0.7]; % 假设DEMATEL法计算的因子影响度
entropy_weights = [0.3, 0.4, 0.3]; % 假设Entropy-Weight法计算的权重
comprehensive_weights = combinedWeightMethod(dematel_matrix, entropy_weights);
disp('使用综合赋权法得到的综合评估指标权重:');
disp(comprehensive_weights);
4. 变权法进一步完善综合评价指标值
由于变权法的具体实现方法在文献中未详细描述,因此以下仅提供一个简化的示例框架,实际应用中需要根据具体情况调整和完善。
matlab
复制代码
% 假设实现变权法的MATLAB代码框架
function adjusted_values = variableWeightMethod(data, weights)
% data 是待调整的评估指标值
% weights 是权重向量
% Step 1: 根据权重调整评估指标值
adjusted_values = data .* weights';
% 返回结果,adjusted_values为调整后的评估指标值
end
% 示例调用
evaluation_data = [80, 90, 85]; % 假设评估指标值
weights = [0.3, 0.4, 0.3]; % 假设权重向量
adjusted_values = variableWeightMethod(evaluation_data, weights);
disp('使用变权法调整后的评估指标值:');
disp(adjusted_values);
以上代码示例覆盖了根据最小鉴别信息原理结合DEMATEL法和Entropy-Weight法进行综合赋权,并采用变权法进一步完善综合评价指标值的基本框架。在实际应用中,您需要根据具体的综合能源系统数据和评估要求进行进一步调整和优化。