基于熵权理想点法的风力发电机组选型

基于熵权理想点法的风力发电机组选型
马冰莹;袁汝华
【摘要】全面考虑影响风力发电机组选型和设计的影响指标,设计机组选型指标体系,采用熵权理想点法建立风力发电机组选型模型.通过定量计算得到不同指标下的标准化矩阵R,根据被评价对象的评价指标构成的特征值矩阵来确定指标权重W j,进而得到各指标的属性矩阵A,最终计算得到各方案在相对接近度下的优属度C,从而在8个方案中选择出最优的风力发电机组选型方案.创新性地将熵权理想点法运用于风力发电机组选型中,以期促使机组的选型方法更加客观,提高选型结果的准确性和可靠性.%Considering the influence indexes in selecting and designing wind turbine, the paper designs the selection index system and uses entropy weighting ideal point to establish optimal selection model of wind turbine. By calculating the standard matrix R and determining index weight W j under different indicators, the attribute matrix A of each index will be obtained and the optimal membership degree C of each alternative under the relative approach degree will be finally calculated to select the optimal one from the available 8 alternatives. The paper innovatively uses entropy ideal point method in selecting the optimal wind turbine to improve the objectiveness, accuracy and reliability of the results.
【期刊名称】《可再生能源》
【年(卷),期】2017(035)010
【总页数】7页(P1530-1536)
【关键词】风力发电机组选型;评价指标体系;熵权理想点;相对接近度;优属度
【作者】马冰莹;袁汝华
【作者单位】河海大学商学院, 江苏南京 211100;河海大学商学院, 江苏南京211100
【正文语种】中文
【中图分类】TK8
我国可再生能源处于快速发展阶段，风力发电以其技术最为成熟、综合成本低、环境效益好、资源丰富可再生、取之不尽用之不竭、建设周期短、最具有规模开发条件、运行简单等优点，受到了广泛关注[1]。

风力发电机组的投资较大，占整个风电场总投资的70%～80%，随着风力发电机组装机容量的不断增大，其重要性日益凸显。

为使整个风电场发电效益最优，在建设前期必须做好机组选型。

选型方法有很多：Vygantas Bagocˇius[2]采用多目标决策法，根据风电场位置等地理信息选择风电机组类型，考虑在该区域内产生的最大功率、年投资量和二氧化碳排放量进行机组选型；吴义纯[3]对各种待选机型进行机组的年发电量、容量系数等指标进行技术经济分析，用蒙特卡洛法建立了风电机组发电量的数学模型；池钊伟[4]提出了技术经济评价指标，分析了风轮扫风面积与发电量、风能利用效率、功率曲线之间的关系，认为风力机选型应尽量优先选用单位千瓦扫风面积大的风机。

这些方法缺点在于指标单一，考虑不够系统、全面，选型结果不够科学准确，且已无法满足风力机组选型及优化的相关要求。

周慧勤[5]构建了风电机组选型的综合指标体系，采用基于层次分析法（AHP）的模糊综合评判法对风电机组进行选型。

其缺点是主要依赖于专家打分，评价偏主观性。

而熵权理想点法是一种没有专家权重的情况下，综合经济、环境、技术等多方面考虑，根据被评价对象的评价指标构成
的特征值矩阵来确定指标权重的方法，将其运用于风力发电机组的选型可以较好的解决如前所述问题。

1948年，香农（Shannon）将熵的概念引入信息论，用熵表示信息源中信息的不确定性。

熵权理想点法所映射的每个评价指标一般具有不同的量纲。

在风力机组选型中，单机容量单位一般是MW，轮毂高度单位是m，计算年发电量单位是kW·h等，不同的量纲使得实际的数值不能直接比较，基于熵权法的原始数据的规范化处理和指标权重的计算都是鉴于信息熵的本质特征和信息传递特征对指标所含信息量进行比较的，它利用数据本身的激烈和不均匀程度来体现指标的重要程度[6]。

理想点法主要借助多目标决策问题中的“正理想解”和“负理想解”去排序。

其中，正理想解就是最优解，它的各个属性值都达到待选方案中的最优值；相反，负理想解就是最劣解，它的各属性值都达到各待选方案中最坏的值。

这两个极端值，称之为正负理想点。

通过计算出各待选方案与正、负理想点之间的“距离”大小，分析判断各待选方案的优劣，选取距离正理想点最近且距离负理想点最远的方案为最佳方案。

熵权理想点法评价模型是将各评价指标的熵权Wj作为一个影响因素，即权重，加入到标准化评价矩阵R中，形成指标属性矩阵A。

因此矩阵A包含了样本数据所
包含的信息量，通过计算各待评价方案与正负理想点的距离大小，可得到各待评价方案的优劣顺序。

影响风力机组选型的因素种类繁多，要使风力机组选型最优，需要从多个方面考虑，多个指标的目标间会产生冲突、矛盾和竞争，因此设计出一套全面、合理的选型指标体系是风力机组选型及优化工作的前提和基础。

在遵循科学性、可比性、全面性、可操作性、简洁性原则下[7]，先从机组技术性能、与风电场的适应性、机组经济
性能[8]、机组运行业绩、产品技术服务五个方面建立一级指标，再结合各方面评
价指标进行细化分析，建立二级指标，在二级指标的基础上继续细化分析，确定具有实际意义和指标参数的三级指标。

在进行指标初选时，应该尽可能全面的选出各方面指标，然后再进一步地筛选，将风力发电机组选型指标体系总结归纳[9]，如
表1所示。

在有m个评价方案，每个方案有n个评价指标的评价决策问题中，指标特征值矩阵为X=（xij）m×n（i=1，2，…m；j=1，2，…，n），假设原始评价矩阵X为成本型指标规范化公式如下：
式中：sup（Xij）为不同方案中同一指标的最大值；inf（Xij）为不同方案中同一
指标的最小值。

假设第j个评价指标的熵为Hj：
为消除指标间不同量纲带来的影响，使
当rij=0时，lnfij没有意义，为保证lnfij有意义，不有悖于熵的含义，对fij进行
修正为
因此，在熵基础上，第j个评价指标的熵权为
根据熵权wj与标准化矩阵R得到指标属性矩阵A。

当第j个指标是效益型指标时，正、负理想点计算公式分别为
当第j个指标是成本型指标时，正、负理想点计算公式分别为
设各个被评价方案到正、负理想点的距离分别是 di+和 di-，则：
当同时满足距离正理想点最近且距离负理想点最远，评价方案为最优。

由于在实际的方案评价及选择中往往不能同时满足此两个条件，故此处定义一个相对接近度 C，C=[c1，c2，…，ci]（i=1，2，…，m），表示到负理想点的距离与到正理想点和负理想点的距离之和的比值，且ci值越大代表方案越优。

基于熵权理想点法的风力发电机组选型评价分析的步骤如下：
①建立风力发电机组选型指标体系，并对各选型指标进行规范化处理得到相对优属
度矩阵，已消除各指标因为量纲不同而不能计算以及数据类型不同的影响；
②计算出各指标的熵权，根据相对优属度矩阵与熵权计算得到指标属性矩阵；
③构建机组优化选型模型，计算出各个指标的正负理想点，各评价方案到正负理想点的距离；
④根据步骤③中得到的距离，计算出在相对接近度下的优属度，根据比较便得出最优方案。

拟建装机容量为49.5 MW的CSP风电场，地质条件、交通建设条件较好，利于
风电场交通建设和风电设施设备安装。

根据国内外风力机组技术的发展趋势和应用前景，结合该地区海拔、地形、施工运输条件等因素的影响，拟选择单机容量较大的机组，以充分利用风资源较好的区域。

这里选择某风机制造厂家的4种有代表
性的1 500 kW型号机组进行技术经济比较，机组型号采用WTG1～WTG4表示。

每种机型有两种轮毂高度，故有8种评价方案。

根据表1所示选型指标体系选定
所需指标；将运行环境温度、发电机功率因数等指标的数值范围转化为可进行直接计算的数据（如将发电机功率因数 -0.95 ～0.9，-0.95～0.9，±0.95，
±0.95，±0.95，±0.95，-0.95～0.9，-0.95～0.9转化为0.9，0.9，0.95，0.95，0.95，0.95，0.9，0.9）；将发电机绝缘等级转化为绝缘等级所对应的最高工作温度。

由于在MATLAB的熵权理想点法计算程序中不允许出现同种指标值完全相同的情况，且指标值完全相同也不具有比较分析的意义，待评价机组的功率调节方式均为双馈变桨变速、风电机组控制系统均为变桨变速、风电机组安全等级均为ⅡA 或ⅢA/ⅢA+，所对应的指标值相等，故在实例计算中删去具有相同值的指标，进行简化处理。

简化后各评价方案计算指标如表2所示。

将简化后各评价方案计算指标带入式（1）～（4）可得到标准化矩阵R。

基于熵权理想点法的风力机组选型模型，选型后对指标进行规范化处理，由式（1）～（7）得到各指标熵权。

将熵权wj带入标准化矩阵得到指标属性矩阵A。

根据指标属性矩阵A，从各指标值中选取效益性指标的最大值和成本型指标的最小值，利用MATLAB程序计算得到正理想点矩阵：
从指标属性矩阵A的各指标值中选取效益性指标的最小值和成本型指标的最大值，利用MATLAB程序计算得到负理想点矩阵：
由指标属性矩阵A和正、负理想点矩阵P+，P-，可计算得到各待评价方案到正理想点的距离：
到负理想点的距离：
根据各个待评价方案到正负理想点的距离计算得出各方案在相对接近度下的优属度（图1）。

从图1可知各个指标综合影响下的不同方案优属度的变化。

按照优属度大小，可
将各方案按照优劣程度排序：
方案2>方案4>方案7>方案1>方案6>方案3>方案8>方案5。

也即：
WTG1（80 m）>WTG3（80 m）>WTG4（80 m）>WTG1（70 m）>WTG2（80 m）>WTG3（70 m）>WTG2（65 m）>WTG4（65 m）。

最优方案为WTG1的80 m轮毂高度机型。

跟以往的风力发电机组选型方法相比，如采用基于层次分析法（AHP）的模糊综
合评判法，则需对所有的三级选型指标进行专家打分，易出现专家打分不一致等问题，选型结果的客观性难以保证；熵权法规避了专家打分环节，而将指标规范化，保证了选型结果的客观性。

另外采用WAsP软件或者采用年发电量、容量系数、
风轮扫风面积与发电量、风能利用效率等技术经济指标进行选型，这些方法选取指标单一，都不能综合多个因素对选型的影响，前者只考虑风场的风能利用效率，并未考虑机组投资费用及运行情况等因素；后者不能充分考虑影响风电场经济效益的各方面因素。

而熵权法解决了指标单一的问题，它可以综合地考虑机组技术性能、
与风电场的适应性、机组经济性能、机组运行业绩、产品技术服务等多种指标，且不会因为某个因素的主观性较大而影响评价结果。

本文通过建立风力发电机组选型的指标体系，运用MATLAB计算程序对指标数据进行规范化处理，且通过定量地计算不同选型方案中各指标的权重，较好地解决了以往选型方法中指标单一或专家打分意见不统一等问题。

在实例分析中，经过指标数据的规范化处理、权重的计算、优属度的计算，选择出最优的选型方案，证实了基于熵权理想点法的风力发电机组选型方法的可行性。

在具有多个评价指标的风力发电机组方案评价中，权重的合理性直接影响多目标决策排序的准确性，本文创新性地将熵权理想点法应用于风力发电机组选型的评价分析，在没有专家权重的情况下，综合考虑各方面指标，根据被评价对象的评价指标构成的特征值矩阵来确定指标权重，旨在提高机组选型的客观性与准确性。

【相关文献】
[1]韩芳.我国可再生能源发展现状和前景展望[J].可再生能源，2010，28（4）：137-140.
[1]Han Fang.Developmentstatus p t tle="pag nu renewable eneegy in China[J].Renewable Energy Resources，2010，28（4）：137-140.
[2]VygantasBagocˇius.Multi-person selection of the best wind turbine based on the multi-criteria integrated additive-multiplicative utility function[J].Journal of Civil Engineering\s&\Smanagement，2014，20 （20）：590-599.
[3]吴义纯，丁明.风电场风力发电机组优化选型[J].太阳能学报，2007，28（10）：1163-1167.
[3]Wu Yichun，Ding Ming.Optimal choice of wind power generation unit in wind
farms[J].Acta Energiae Solaris Sinica，2007，28（10）：1163-1167.
[4]池钊伟，王小明，黄静.风电场机型选择中的技术经济评价指标[J].上海电力，2007（1）：36-38.
[4]Chi Zhaowei，Wang Xiaoming，Huang Jing.Technological-ecomicevaluation indicatorofwind turbine type selection in wind farm[J].ShanghaiElectrical Power，2007（1）：36-38.
[5]周慧勤.基于AHP模糊综合评判法的风电机组优化选型研究[D].北京：华北电力大学，2013. [5]Zhou Huiqin.Research on wind turbine optimal selection based on analytic hierarchy
process and fuzzy comprehensive evaluation [D].Beijing：North China Electric Power University，2013.
[6]张继国，VIJAYP SINGH.信息熵：理论与应用[M].北京：中国水利水电出版社，2012.
[6]Zhang Jiguo，VIJAYP rmation and Entropy：Theory and Application [M].Beijing：China Water Conservancy and Hydropower Press，2012.
[7]Forgionne G A.An AHP model of DSS effectiveness[J].European Journal of Information Systems，1999，8（2）：95-106.
[8]王正明，路正南.风电项目投资及其运行的经济性分析[J].可再生能源，2008，28（6）：21-24.
[8]Wang Zhengming，Lu Zhengnan.The economic analysis on the investment and operation of the wind power project[J].Renewable Energy Resources，2008，28 （6）：
21-24.
[9]赵振宙.风力机原理与应用[M].北京：中国水利水电出版社，2011.
[9]Zhao Zhenzhou. Wind Turbine Principle and Application [M].Beijing：China Water Resources and Hydropower Press，2011.
[10]毛太田，蒋知义.基于熵权和正负理想点的图书馆读者满意度评价模型[J].图书情报工作，2009，53（3）：46-48.
[10]Mao Taitian，Jiang Zhiyi.A modelaboutreaders satisfaction degree in library based on entropy and plus-minus TOPSIS[J].Library and Information Service，2009，53（3）：46-48.。