综合能源系统综合效益评价模型建立方法

摘要

本发明公开了综合能源系统综合效益评价模型建立方法，包括：构建指标体系：根据综合能源系统基本架构及运营模式基本特征，构建综合评价指标体系；指标计算方法：将指标数值为单一固定值的指标确定为静态指标，指标数值随时间变动、在不同时间段内取值不同的指标确定为动态指标；将传统静态DEA模型改进为动态DEA模型。

说明书

技术领域

本发明涉及综合能源系统规划建设技术领域，特别涉及综合能源系统综合效益评价模型建立方法。

背景技术

在综合能源系统运营模式的优选阶段，通过“效率”来刻画不同运营模式的综合效益，通过求解得到不同运营方案的运营效率并进行比选，得出该区域开展综合能源系统建设的效益最好、最适宜的运营模式，为综合能源系统运营模式、方案决策优选提供参考。

目前在综合能源系统综合评价领域，已经有文献构建了综合评价指标体系，并且给出了部分关键指标的计算模型。在综合能源系统综合效益评价方面还未有成体系的综合评价模型，更是没有通过运营效率来刻画和评价综合能源系统综合效益的评价模型和方法。“效率”一词一般用于衡量系统产出与投入的比例，通过求解运营效率来计算系统项目的综合效益是科学合理的。

发明内容

为克服现有技术中存在的问题，本发明提供了一种综合能源系统综合效益评价模型建立方法。

本发明解决其技术问题所采取的技术方案是：该种综合能源系统综合效益评价模型建立方法，包括：

构建指标体系：根据综合能源系统基本架构及运营模式基本特征，构建综合评价指标体系；

指标计算方法：将指标数值为单一固定值的指标确定为静态指标，指标数值随时间变动、在不同时间段内取值不同的指标确定为动态指标；

动态DEA模型构建：以三阶段DEA模型为基础，针对每一个决策单元DMU，正向指标设为G，负向指标设为B；指标的向量为H_j＝(h_1j,h_2j,...,h_oj)_T，正向指标的向量可以表示为G_j＝(g_1j,g_2j,...,g_lj)_T，负向指标的向量为B_j＝(b_1j,b_2j,...,b_wj)_T，取H_j，G_j和B_j都大于零，设j的数量为J，o、l、w的数量为O、L、W。

进一步地，构建综合评价指标体系见表1：

表1评价指标体系

进一步地，可调用负荷比例：代表可供调用的负荷占全部负荷的比重，可调用负荷是指根据系统调度要求，在规定的时间段内降低负荷以平滑尖峰负荷，或者提高负荷水平以消纳清洁能源的负荷；

区块负荷预测准确率：对系统进行深入的区块细分，在进行负荷预测时，对每一个区块在每一个时间段的负荷进行预测；该指标取值为全部区块在所有时间段内负荷预测准确率的平均值；

耦合转换效率：指综合能源系统中水、电、热、气等能源之间的转换效率；

独立设备传输及存储效率：代表能源供用设备在传输过程中扣除传输损耗的传输效率以及能量存储、释放过程中的存储效率；

能源供应可靠率：代表系统持续供能能力的指标，是供电可靠率指标的扩大化，其计算方法：

其中，SR为能源供应可靠率，T_S为用户平均能源停供时间，T_T为统计期间时间。

进一步地，指标计算方法中的动态指标每一个小时取值一次，按照一个调度日24小时来计算。

进一步地，第k个DMU的效率值可通过下列模型求解得到：

第一阶段模型：

minε (2)

λ_j≥0(j＝1，...，J)>

λ为未细分的效率值乘数。

进一步地，在第一阶段模型的基础上建立第二阶段模型：

第二阶段模型：

minε (7)

λ_j≥0(j＝1,...,J)>

进一步地，对第二阶段模型进行优化整合，得第三阶段模型；

第三阶段模型：

α_o≥0(o＝1,...,O)>

β_l≥0(l＝1,...,L)>

其中，公式(14)与(15)中添加的参数α_o与β_l以及δ_w为不同指标的效率值乘数；通过求解第三阶段模型，得到所要求解的DMU效率值。

进一步地，设X_ik,t表示针对第k个DMU在时间段t的第i个输入指标，X_ik,t,g为正向指标、X_ik,t,b为负向指标，Y_rk,t为第r个输出指标，Y_rk,t,g为正向指标，Y_rk,t,b为负向指标。Z_fk,t表示第k个DMU在时间段t的指标取值参数，反映指标在时间段t时的指标值与上一个时间段相比的变化量。设总共有T个时间段，输入指标共m个，输出指标共n个，指标变化量共F个，此处取：

则对于第k个DMU，有动态DEA模型的目标函数为：

约束条件为：

其中，ξ_i、ψ_r和ζ_f分别为输入变量、输出变量以及变化量的效率值乘数，此处要求ξ_i≥ε_k、ψ_r≥εk，ζ_f≥εk，公式(20)至(23)为输入指标导向的模型，以输出指标为导向的模型为：

上述模型可求解得到动态条件下的效率值乘数，此处设为ξ_i,op、ψ_r,op和ζ_f,op，则针对第j个DMU，在时间段t的效率为：

总效率为：

综上，本发明的上述技术方案的有益效果如下：

本发明致力于构建以求解综合能源系统运营效率为核心的综合评价模型，分析总结综合能源系统运营的基本概况，对传统数据包络分析(Data EnvelopmentAnalysis,DEA)模型进行改进优化，在运营方案决策优选阶段，利用模拟仿真方法对不同项目方案的实际运行效果进行模拟仿真，从而得到具体指标值，再代入效率评价模型求解计算得到不同项目方案的运营效率，运营效率越高者综合效益越好，以此为依据进行比选。

在常规项目方案的评价与比选中，指标取值大部分为定值，然而本发明所要进行综合评价的对象为综合能源系统运营方案，部分评价指标的具体数据是动态的、变化的，取某一特定时间点的指标值来测算无法准确反映运营方案的实施效果。传统的DEA模型也是基于静态指标进行测算，因此本发明针对评价对象的特性，将DEA模型改进为动态DEA模型，使模型具备将一段时间内指标的多个数据流代入并且计算的能力。

与综合能源系统运营的基本概况更加贴近。综合能源系统运营过程中，很多指标在多个时间段内取值不同，属于动态指标且数据量较大，与动态指标混杂在一起，可能会影响计算结果的精确性。本发明通过“效率”作为主要考核综合能源系统综合效益的核心，将动态指标与静态指标分割开来，建立了适应综合能源系统运营动态特征的动态DEA模型，进一步提高了计算精确度，更加有力地提高了计算结果的决策支撑作用。

无需进行指标赋权及标准化，简化了计算步骤。DEA模型通过求解最优效率前沿面来得出系统运营效率，无需进行指标赋权和数据标准化处理，降低了计算难度，同时也降低了赋权结果对计算结果的影响。

模型可拓展性强，能够进一步开展敏感性分析等深入研究。在第四部分所述模型的基础上，还可以进一步加入敏感性分析等其他模型及方法，从而进一步求解得到对运营效率、综合效益影响最为显著的指标，为未来开展综合能源系统运营方案设计提供决策参考。

具体实施方式

以下对本发明的特征和原理进行详细说明，所举实施例仅用于解释本发明，并非以此限定本发明的保护范围。

综合能源系统综合效益评价模型建立方法，包括：

构建指标体系：根据综合能源系统基本架构及运营模式基本特征，构建综合评价指标体系见表1：

表1评价指标体系

考虑到指标体系的适用性，本发明的全部经济效率指标和大部分能源效率指标可通过预估或模拟仿真求解得到，但是部分指标的具体计算方法需要做进一步解释：

可调用负荷比例：代表可供调用的负荷占全部负荷的比重，可调用负荷是指根据系统调度要求，在规定的时间段内降低负荷以平滑尖峰负荷，或者提高负荷水平以消纳清洁能源的负荷；

区块负荷预测准确率：对系统进行深入的区块细分，在进行负荷预测时，对每一个区块在每一个时间段的负荷进行预测；该指标取值为全部区块在所有时间段内负荷预测准确率的平均值；

耦合转换效率：指综合能源系统中水、电、热、气等能源之间的转换效率；

独立设备传输及存储效率：代表能源供用设备在传输过程中扣除传输损耗的传输效率以及能量存储、释放过程中的存储效率；

能源供应可靠率：代表系统持续供能能力的指标，是供电可靠率指标的扩大化，其计算方法：

其中，SR为能源供应可靠率，T_S为用户平均能源停供时间，T_T为统计期间时间。

能源供应稳定性：刻画系统能源供应质量的指标，考虑到目前还不具有普适性的指标来刻画供能稳定性，故采用电压稳定性指标来计算。

指标计算方法：将指标数值为单一固定值的指标确定为静态指标，指标数值随时间变动、在不同时间段内取值不同的指标确定为动态指标；指标计算方法中的动态指标每一个小时取值一次，按照一个调度日24小时来计算。

动态DEA模型构建：以三阶段DEA模型为基础，针对每一个决策单元DMU，正向指标设为G，负向指标设为B；指标的向量为H_j＝(h_1j,h_2j,...,h_oj)_T，正向指标的向量可以表示为G_j＝(g_1j,g_2j,...,g_lj)_T，负向指标的向量为B_j＝(b_1j,b_2j,...,b_wj)_T，取H_j，G_j和B_j都大于零，设j的数量为J，o、l、w的数量为O、L、W。第k个DMU的效率值可通过下列模型求解得到：

第一阶段模型：

minε (2)

λ_j≥0(j＝1,...,J)>

λ为未细分的效率值乘数。

考虑到公式(5)为等式且包含最终求解的变量ε(即系统运营方案的实际效率)，因此该模型的可计算性较低。另外，第一阶段模型为输入负向输出指标导向型模型，求解得到的运营效率受负向指标的影响较大，因此下面在上述模型的基础上建立第二阶段模型，以弱化负向指标的影响。

第二阶段模型：

minε (7)

λ_j≥0(j＝1,...,J)>

在第二阶段模型的计算过程中，指标通过公式(10)与(11)进一步区分为影响较大的指标与影响较小的指标，从而弱化负向指标的影响。此处影响较小的指标是指不同DMU之间指标数据差距较小的指标，对DMU的区分度不大，而影响大的指标指不同DMU之间指标数据差距较大的指标，对DMU的区分度较大。对第二阶段模型进行优化整合，可得第三阶段模型。

第三阶段模型：

α_o≥0(o＝1,...,O)>

β_l≥0(l＝1,...,L)>

其中，公式(14)与(15)中添加的参数α_o与β_l以及δ_w为不同指标的效率值乘数；此时，约束条件中仍有等式，但已经没有需要求解的未知数。通过求解第三阶段模型，得到所要求解的DMU效率值。

在常规项目方案的评价与比选中，指标取值大部分为定值，然而本发明所要进行综合评价的对象为综合能源系统运营方案，部分评价指标的具体数据是动态的、变化的，取某一特定时间点的指标值来测算无法准确反映运营方案的实施效果。传统的DEA模型也是基于静态指标进行测算，因此本发明针对评价对象的特性，将DEA模型改进为动态DEA模型，使模型具备将一段时间内指标的多个数据流代入并且计算的能力。

设X_ik,t表示针对第k个DMU在时间段t的第i个输入指标，X_ik,t,g为正向指标、X_ik,t,b为负向指标，Y_rk,t为第r个输出指标，Y_rk,t,g为正向指标，Y_rk,t,b为负向指标。Z_fk,t表示第k个DMU在时间段t的指标取值参数，反映指标在时间段t时的指标值与上一个时间段相比的变化量。设总共有T个时间段，输入指标共m个，输出指标共n个，指标变化量共F个，此处取：

则对于第k个DMU，有动态DEA模型的目标函数为：

约束条件为：

其中，ξ_i、ψ_r和ζ_f分别为输入变量、输出变量以及变化量的效率值乘数，此处要求ξ_i≥ε_k、ψ_r≥ε_k，ζ_f≥ε_k，公式(20)至(23)为输入指标导向的模型，以输出指标为导向的模型为：

上述模型可求解得到动态条件下的效率值乘数，此处设为ξ_i,op、ψ_r,op和ζ_f,op，则针对第j个DMU，在时间段t的效率为：

总效率为：

指标体系可被其他指标体系替换，可根据不同项目的具体要求来做更改，比如该综合能源系统是为支撑新旧动能转换而开展，则该指标体系中可添加“新旧动能转换产值增速”“新动能产业用能量占比”等指标。

与综合能源系统运营的基本概况更加贴近。综合能源系统运营过程中，很多指标在多个时间段内取值不同，属于动态指标且数据量较大，与动态指标混杂在一起，可能会影响计算结果的精确性。本发明通过“效率”作为主要考核综合能源系统综合效益的核心，将动态指标与静态指标分割开来，建立了适应综合能源系统运营动态特征的动态DEA模型，进一步提高了计算精确度，更加有力地提高了计算结果的决策支撑作用。

无需进行指标赋权及标准化，简化了计算步骤。DEA模型通过求解最优效率前沿面来得出系统运营效率，无需进行指标赋权和数据标准化处理，降低了计算难度，同时也降低了赋权结果对计算结果的影响。

模型可拓展性强，能够进一步开展敏感性分析等深入研究。在第四部分所述模型的基础上，还可以进一步加入敏感性分析等其他模型及方法，从而进一步求解得到对运营效率、综合效益影响最为显著的指标，为未来开展综合能源系统运营方案设计提供决策参考。

上述实施例仅仅是对本发明的优选实施方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域相关技术人员对本发明的各种变形和改进，均应扩入本发明权利要求书所确定的保护范围内。