基于層次分析和風險熵權的多站融合綜合能源系統多指標綜合評估

朱曄，劉欣，慕小斌，戴鳳嬌，徐偉明，錢偉杰

(1. 嘉興恒創電力設計研究院有限公司，浙江 嘉興 314000；2. 全球能源互聯網研究院有限公司，北京 昌平102209； 3. 國網嘉興供電公司，浙江 嘉興 314000)

0 引 言

“碳達峰、碳中和”工作已成為當前與未來中國綠色低碳發展工作的核心內容，包含多種能源形式的綜合能源系統(Integrated Energy System，IES)已經成為節能減排工作的重要方式和手段[1]。多站融合綜合能源系統(Multi Station Integration Energy System，MSIES)是電網企業為了節能增效探索的一種新型綜合能源建設和運營模式。MSIES與傳統的綜合能源系統在規劃原則、運營模式和運營目標方面存在較大的差異性[2-3]，為了全面客觀地評價MSIES的建設和運營效果，需要采用能夠全面反映MSIES自身特點的評估方法進行量化評估。

目前，針對MSIES的綜合評估相關的研究較少，但針對綜合能源系統的綜合評估相關的研究成果較多。文獻[4]提出了一種基于能質系數的綜合能效評估方法，考慮了能源品位的差異、多能間的互補以及可再生能源的利用，能夠比較全面客觀的評估綜合能源系統的能效，但沒有考慮其他關聯指標。文獻[5]以電轉氣設備、蓄電池和燃氣輪機的建設及運維成本最小為目標函數，論述了包含電轉氣設備的綜合能源系統運行評價方法，文中的模型對綜合能源系統的經濟性評估具有參考性，但未對多種能源共存的系統展開詳細論述。文獻[6]提出了包含經濟、政策等因素的工業園區綜合能源系統評價指標體系，建立了運營模式評估的層次結構模型，但文中對能源本身特性討論較少。文獻[7]以社會效益、能源利用效率、可靠性、經濟性和環保性為準則構建綜合評價指標體系和指標量化計算模型，能夠比較全面的評價綜合能源系統的建設規劃情況，但指標構成決定其對各子系統的運營情況分析較少。文獻[8]考慮了區域綜合能源系統內部能源之間的耦合關系，分別從能源環節、裝置環節、配電網環節和用戶環節等角度對區域綜合能源系統展開綜合評估，并采用網絡分析法(ANP)—反熵權法求解，評估結果較為客觀。文獻[9-15]從源荷儲協同優化、經濟效益、社會效益、能源供給的靈活性等角度構建指標模型，采用了AHP法、TOPSIS法、熵權法、支持向量機法等實用性較強的算法，具有參考意義。

綜上，針對MSIES和綜合能源系統綜合評估領域，已有的研究成果能源各有側重，但難以滿足MSIES運營效果評價的全部需求。文中以“碳達峰、碳中和”為出發點和主線，立足多站融合實施主體的企業社會責任和風險控制，構建了以能源利用率、成本效益、能源耦合效率、風險控制、社會責任等作為子系統指標集的綜合評估指標架構，將基線網絡、層次分析和風險熵權等方法組合應用，充分考慮專家分析結論，充分挖掘運營數據包含的相關信息，結合電網企業的實際特點和運營規則，科學全面的對MSIES進行評價。

1 MSIES

MSIES利用變電站空間、能源的便利，受變電站運行規則的約束，將數據中心與傳統綜合能源系統有機結合，通過深入融通能源、信息、數據幾方面內容，可以極大地提升綜合能源服務系統的節能效益。

圖1為MSIES的典型配置，其中，數據中心一方面為電網企業提供數據服務，另一方面可以對外提供數據服務；燃氣三聯供系統為數據中心等系統提供冷/熱，所發電量在MSIES系統內消耗；電動汽車綜合體包含充電站和分布式光伏發電；儲能系統用于削峰填谷、需求側響應、應急電源，并可以部分或全部替代數據中心UPS系統的儲能電池；輔助系統主要包括如照明、消防等。

圖1 MSIES典型配置

文中就圖1所示數據中心站、燃氣三聯供站、儲能站、電動汽車充電站、光伏站和輔助系統六部分構成的MSIES展開評價，原變電站部分不在文中評估范圍。

2 MSIES多指標評估架構

2.1 MSIES多指標評估架構

文中構建的MSIES多指標評估架構如圖2所示。

圖2中，以MSIES的整體評估得分為頂層指標，次頂層指標為各子系統的綜合評估得分，第三層指標采用以能源利用率、能源耦合效率、成本效益、風險控制、和社會責任五個指標構建子系統指標集，子系統指標集由各個子系統內的建設運營數據計算得到。

圖2 MSIES多指標評估架構

為了保證指標的科學性、可行性、和實用性，采用上層加權耦合，底層解耦的思路。首先，通過對底層基礎數據進行歸集、分類、整理后，抽取相關數據計算得到各個子系統的指標；然后，采用基于層次分析和風險熵權的多指標綜合評估方法求解子系統綜合得分，指標權重確定充分考慮子系統內相關信息的耦合關系；最后，采用同樣的方法，對各個子系統綜合得分加權計算，求解得到MSIES綜合評估得分。

本評估架構的指標設定能夠全面反映MSIES的運營效果，各子系統綜合評分作為中間結果可直接作為子系統運營效果的評價結論，可根據實際評估需求直接對評估架構進行擴展。

2.2 子系統指標集的計算

MSIES各個子系統指標集是進行MSIES多指標評估的基礎，為了保證評估方法的客觀性和易操作性，文中在對能源利用率、能源耦合效率、成本效益以及社會責任中碳指標和污染物排放指標的計算過程中，直接利用底層數據信息求解得到，在對風險控制指標和社會責任指標中的企業其他社會責任指標的計算過程中，根據相關標準和規范，采用專家評議法得到。

2.2.1 能源利用率

能源利用率能夠直觀表征能源的利用效率，MSIES的各個子系統可能包含一種或多種能源供給形式和負荷形式，其能源利用率需要計及所有能源供給和所有的負荷，具體為：

(1)

式中ηSubs為子系統的能源利用率；Eli、ηli為第i類負荷消耗的總能量與其運行效率的乘積，kW·h；Ei、Ej分別為輸入子系統的第i類能源和生產的第j類能源的總量，kW·h；n、m分別為輸入和生產的能源種類。

對于正常運行的可再生能源子系統，能源產出大于能源消耗，為了便于計算，能源利用率取100%。

2.2.2 能源耦合效率

能源耦合效率(Energy Coupling Efficiency，ECE)是為了便于分析能源流向提出的概念，計算過程引入能質系數的概念。能質系數是為了衡量各種能源品位高低提出的指標，為能源的能夠轉化成有用功的部分與該能源總量的比值，其數值在0～1之間，能源的品位越高，對應的能質系數越大，各種能源形式的能質系數如表1所示[8]。

表1 能源能質系數

能源耦合效率可采用如下公式計算：

ηECE=γECEηSubs

(2)

(3)

式中ηECE為子系統能源耦合效率；γECE為子系統能源耦合系數；EHi、ECi、Ei分別為第i類設備的凈耗熱量、凈耗冷量和凈耗電量，kW·h；n為設備種類；λH、λC分別代表熱、冷對應的能質系數；Ejλj、Ekλk分別為消耗的第j種能源總量和生產的第k種能源總量與其能質系數的乘積，kW·h；m、u分別為消耗和生產的能源種類。

ηECE的值越小，供冷供熱系統耗能越多，正常運行的可再生能源子系統能源耦合效率取100%。

2.2.3 成本效益

MSIES的各個子系統的成本效益可以用綜合評價法計算[16]，即：

(4)

(5)

(6)

(7)

式中ECI為MSIES子系統的成本效益指標；AIi為第i類設備的年收益；ICEAC,i、SCEAC,i、MCi分別為第i類設備的初始投資成本、報廢成本的等年值和年運維成本；M為設備種類；ICi、SCi為第i類設備的初始投資成本、報廢成本；IR為折現率；li為第i類設備的生命周期；FCi,j、σj分別為第i類設備第j類能源年消耗量和購入成本；RCi為第i類設備的檢修維護成本；N為能源種類。

ECI越高，系統的經濟性越好，對于文中所提輔助系統，不需產生直接經濟效益，ECI取1。

2.2.4 風險控制

對于MSIES的風險控制，采用風險矩陣法體現。風險矩陣法(Risk Matrix)是一種定性的風險評估分析方法，主要體現風險概率和風險嚴重程度。

Rsub=max(R)=LC

(8)

L=(lij)nm

(9)

C=(cji)mn

(10)

式中Rsub為風險控制指標評估值；R為風險矩陣；L為風險概率矩陣；C為風險嚴重度矩陣；lij為第i個對象、第j種風險發生的概率；cji為第j個對象、第i種風險的嚴重程度；C、L由專家評議得出。1≤Rsub≤100，值越小，系統風險控制越成功。

2.2.5 社會責任

MSIES子系統的社會責任包括碳指標、污染物排放指標和其他社會責任指標[17]，子系統的社會責任指標評估值根據三個指標值，由專家評議確定。

其中碳指標為：

(11)

(12)

式中INDc為子系統總的碳指標；PC為碳交易的平均價格；Ci為第i類設備等效碳排放；M為設備種類；CGHGi，j為第i類設備第j類溫室氣體的等效碳排放；N為溫室氣體種類。

污染物排放指標為：

(13)

式中INDp為子系統的污染物排放指標；SFij為第i種設備產生的第j種污染物的環境破壞系數；PECi，j為綜合能源系統中第i種設備產生的第j種污染物的總量；N為污染物的種類；M為設備種類。

其他社會責任指標為：

(14)

式中CSRo為其他社會責任指標；CSRITEM，i為第i種企業社會責任得分；M為其他社會責任數量。

其他社會責任指標，需根據相關的政策、文件、企業內部工作準則等，結合項目實際，利用專家評議法等進行客觀打分。

3 基于層次分析和風險熵權的MSIES多指標綜合評估計算

如上文所述，子系統指標由底層數據或信息解耦計算得到。為了保證綜合評估結果的客觀性和可用性，文中將底層數據和信息的耦合關系上移至次頂層指標集和頂層指標的計算過程中，將基線網絡法、層次分析法、風險熵權法組合應用以確定指標計算模型，充分考慮底層數據和信息的關聯特征。

其中，基線網絡法通過比較評估對象與預設基線值之間的偏離程度的方式跟蹤評估對象的性能和發展趨勢[18]。層次分析法將與決策總是有關的元素分解成目標、準則、方案等層次展開分析，將復雜系統通過層次分解確定其主觀權重[19]。風險熵權法加入風險校正系數的概念，將評估對象底層數據和信息的關聯特征以風險域的形式體現，與經典熵權法結合得出客觀權重。

3.1 基線網絡法

綜合評估過程中，各個指標的度量單位不同，且同時存在正向指標和逆向指標，文中提出MSIES子系統指標中，風險控制指標為逆向指標。依據基線評估的原理，基線指標應依據相關數據和信息獲得[18]，對于客觀數據，基線值的選取通常取所有指標正向化后的理論或歷史極值，對于主觀數據，基線值采用專家分析法取得。首先構建基線向量：

B=(b1,b2,…,bn)

(15)

式中B為某個指標集基線向量；bi為第i個指標的基線值；n為該指標集中的指標數量。

將實際值與基線值進行比較，則每個指標集的基線評估向量為：

(16)

式中Z、zi分別為指標集的基線評估向量和基值；si為第i個指標正向化后的實際值；n為該指標集中指標個數。zi≤1，則指標收斂，否則需重新設校核設定基線值。

3.2 層次分析矩陣

文中采用層次分析法對頂層和次頂層指標進行主觀權重計算。首先，采用專家評議法設定每一層的所有指標之間的相對重要性數值，構建判斷矩陣，確定本層各元素的相對重要性[20]。

J=(uij)nn

(17)

式中J為判斷矩陣；uij為第i個指標對第j個指標的相對重要性數值；n為指標個數。

計算主觀權重向量為：

JW=(ji)n=λmaxW

(18)

式中Jw為主觀權重向量；ji為第i個指標對應的主觀權重向量；λmax為矩陣的最大特征根；W為λmax所對應的特征向量；n為指標個數。

計算得到權重值向量后，需要通過一致性檢驗校驗權重值的合理性。

(19)

(20)

式中CR為一致性比例；CI為一致性指標；RI為隨機一致性指標；RI的值與判斷矩陣的階數有關，通常對應關系見表2[20]。

表2 平均隨機一致性指標

當CR越小，一致性越好，當CR值大于既定數值時，認為判斷矩陣應作適當修正。

3.3 風險熵權法

文中采用加入風險校正系數的風險熵權法求解頂層和次頂層指標評估過程中的客觀權重，某個指標的信息熵越小，其權重也就越大；信息熵越大，其權重也就越小[21]。

首先，構建指標矩陣，對于指標集中的逆向指標，需要將其進行正向化后納入矩陣。

V=(vij)mn

(21)

式中V為指標矩陣；vij為第i個指標集的第j個指標的值；m為指標集的個數；n為單個指標集的指標個數。對MSIES進行年度評估時，可按月構建12個指標集。

由于不同指標采用不同的維度的數據計算所得，需要進行標準處理，文中采用均值標準化得到指標的標準化矩陣，即：

X=(xij)mn

(22)

(23)

式中X為指標的標準化矩陣；xij為第i個指標集的第j個指標的標準化值；m為指標集的個數；n為單個指標集的指標個數。

則指標的客觀權重向量為：

S=(s1,s2,…,sn)T

(24)

(25)

(26)

式中S為熵權法求得的客觀權重向量；sj為第j類指標的熵權；hij為第i個指標集的第j個指標出現的概率；ki為第i個指標集的信息熵；m為指標集的個數；n為單個指標集的指標個數。

其次，構建基于海量數據的廣義風險域矩陣，即：

RL=(rLij)nk

(27)

式中RL為風險域矩陣；n為單個指標集內指標個數；k為離散化點數，一般可用均分法設定離散步長為xijmax/k；rLij為第i個指標值第j個離散點對應的風險校正系數。風險校正系數是由對海量運營數據挖掘所得的相關概率值。

將指標的標準值與風險域矩陣對應后，則對于單個指標集的風險校正系數向量為：

Rc=(rc1,rc2,…,rcn)

(28)

式中Rc為風校正正系數向量；rcn為第n個指標的風險校正系數；n為單個指標集內指標個數。

校正后的客觀權重為：

Scorr=(scorr1,scorr2,…,scorrn)T

(29)

scorri=si*rci

(30)

式中Scorr為校正后的客觀權重向量；scorri為第i個指標校正后的客觀權重值；n為指標個數。

3.4 綜合評估組合權重的計算

對MSIES綜合評估值和子系統綜合評估值的計算需要將下層指標集的主觀權重和客觀權重進行組合，形成綜合評估組合權重向量。

由于主客觀權重的重要程度不同，設主客觀指標權重的相對重要程度為ε和δ，根據矩陣論的基本理論，由公式(31)計算得到第i個指標的主客觀權重關系系數εi、δi，主客觀權重相對系數可以理解為是該指標主觀權重和客觀權重的相對比例，然后再由公式(32)計算得到最終權重值[8]，即：

(31)

(32)

式中k為權重向量的維數；ji、scorri為已經確定第i個指標的主、客觀權重值；εi、δi為第i個指標的主、客觀權重關系系數；ωi第i個指標為綜合評估組合權重值。

3.5 評分計算

求得綜合評估權重值后，加權計算求得對應的MSIES綜合評估值和子系統綜合評估得分。

(33)

式中RES為綜合評估得分；zi、ωi分別為第i個指標的基線評估值和綜合評估組合權重；n為指標個數。

4 算例分析

為了驗證文中所提出方法的有效性，以圖1所示MSIES為例進行綜合評估，并將文獻[8]中提出的方法進行適應性調整后進行對比計算。

4.1 算例背景

該MSIES以某220 kV變電站為依托，包括數據中心負荷3.7 MV·A，作為其最關鍵運營參數之一，數據負荷率很低，僅為34.6%，但由于燃氣三聯供系統的貢獻，數據中心電源使用效率(Power Usage Effectiveness，PUE)月度統計值表現優秀，最大為1.241，最小為1.197；儲能站安裝4 MW/8 MW·h的磷酸鐵鋰電池，平均日充放循環為0.32 次/日；汽車充電站微綜合體包括充電站負荷0.96 MV·A和光伏一體化車棚0.051 MW，充電站綜合利用率為68.7%，曾因設備故障，非正常停運7天；光伏發電年利用小時數為1 055.36 h；燃氣三聯供系統裝機0.6 MW的燃氣發電機組和配套650 kW溴化鋰冷水機組，全年滿負荷有效運行小時數8 640 h，制冷時間共4 216 h，冬季供熱期共1 920 h，過渡期共2 504 h；輔助系統的平均負荷為0.086 MW。

4.2 年度多指標綜合評估

首先，采用文中第2節所述函數求解子系統的各個指標實際值，采用專家評議法確定各個子系統的基值向量，計算后可得各個子系統指標的基線評估向量，具體見表3所示。

表3中數據顯示，數據中心能源利用率較高，能源耦合效率偏低，由于數據負荷率較輕且未對外開展服務，成本效益和社會責任得分略低；燃氣三聯供系統由于存在過渡期的部分余熱損失，能源利用率和能源耦合效率略低，但成本效益較好；儲能系統由于存在需求側響應等工況，所以在較低利用率的情況下，成本效益情況良好；電動汽車充電系統由于利用時間偏低，且對外提供服務較少，所以成本效益和社會責任指標還有待提高，由于存在故障停運情況，風險控制得分略低；可再生能源和輔助系統整體運行情況優秀。

表3 子系統指標的基線評估向量

然后，采用層次分析-風險熵權法確定子系統指標集的主觀、客觀和綜合評估權重，以數據中心為例說明子系統權重情況，如表4所示。

表4 子系統計算權重

權重情況表明，考核期內，能源利用率和成本效益是考核數據中心運營效果的主要指標，由于考核期內無重大風險且未承擔重要保障任務，所以風險控制和社會責任的權重很低，能源耦合效率不作為其重點指標。

計算求得頂層指標集的主觀權重、客觀權重和綜合權重，見表5所示。

表5 頂層計算權重

權重情況表明，數據中心子系統是考核MSIES最關鍵的指標，儲能、電動汽車充電和燃氣三聯供子系統所占權重與配置容量相關性較大。可再生能源和輔助系統權重由于規模等原因，不作為主要的評價指標。

將指標基線評估向量進行加權計算，依次得到子系統和綜合評估得分，見表6。

表6 MSIES系統效能評估分數

由子系統得分可以看出，由于數據中心的數據負荷率偏低，所以其綜合評估得分偏低；可再生能源系統和輔助系統評分很高，但由于其權重較低，對MSIES綜合評估得分的貢獻率較低；其他子系統的評分證明其運營效果尚可，但還有提升的空間。

如表6所示，MSIES整體評分為81.92，結合各子系統得分情況和子系統內各個指標，可以認為其運營效果良好，但不夠理想。主要原因是在MSIES中，數據中心是最主要的系統，正常運營工況下綜合權重最高，對MSIES整體綜合得分影響最大。如表5所示，數據中心綜合權重在本算例中達到0.553 6，所以在其他子系統的綜合評估得分都較理想的情況下，MSIES整體綜合得分不理想。

4.3 對比計算

為了更好驗證文中提出的評估方法，假設了算例系統的不同運營情況進行對比計算，并選擇與文獻[8]中提出的方法進行對比計算。

4.3.1 不同運營情況對比

其他運營情況不變的情況下，分別假設數據中心的數據負荷率、風險控制指標和社會責任指標發生變化，假設條件見表7。

表7 不同運營情況假設

計算對應情況下MSIES系統綜合得分情況如圖3所示。

圖3 不同假設條件下MSIES綜合評估得分

圖3中可以看出，提升數據負荷率能夠明顯提升MSIES的綜合評估得分，符合數據中心在MSIES的定位；提升數據中心的社會責任指標能夠提升MSIES的綜合評估得分，當社會責任指標達到0.95時，可能意味著數據中心承擔了重要的數據保障任務，如政治、災害保障等，數據中心子系統和其社會責任指標的權重都有所提升；降低數據中心的風險控制指標，MSIES的綜合評估得分隨之下降，隨著風險控制指標的降低，數據中心和其風險控制指標的權重都有所提升，當風險控制指標低至0.8時，意味著存在重大不可接受風險，如人身傷亡、火災等風險，此時認為不可存在此運營狀態，MSIES綜合評估得分為0。對于其他子系統，風險控制指標對MSIES綜合評估得分趨勢的影響與數據中心類似。

4.3.2 與其他算法計算對比

文獻[8]針對區域綜合能源系統進行多指標綜合評估，采用網絡分析法(ANP)-反熵權等方法確定了指標的權重和評分函數，其算例計算表明，其方法科學有效。為了將其指標體系和評估方法應用于MSIES，計算過程中將電能、燃氣、冷/熱和光伏發電歸類為能源環節，將數據中心、電動汽車充電部分和輔助系統歸類為用戶環節，將多站融合系統的配電、燃氣和供冷/熱網絡歸類為供能網絡，裝置環節包括MSIES系統的所有裝置，評估得分如表8所示。

表8 文獻中方法的計算結果

表8中評估得分能夠基本反映算例系統的規劃和運營情況。其中，供能網絡環節相對得分表明MSIES的規劃建設水平很高；能源環節得分最低的原因是算例中可再生能源比例過低；裝置環節和用戶環節的得分表明算例中設備利用率偏低，可參與需求側響應的容量占比偏低。

為了進一步與文中提出的方法進行對比，其他因素不變的情況下，在表7所示的數據中心的數據負荷率的假設條件下，采用文獻[8]中方法計算求得MSIES的得分情況如圖4所示，當數據中心的數據負荷率升高時，可以使MSIES綜合評估得分逐步線性升高。

圖4 假設條件下文獻中方法算得的MSIES綜合評估得分Fig.4 MSIES comprehensive evaluation score calculated by the method in the literature under hypothetical conditions

綜上，計算表明，規劃建設相關的因素在文獻[8]提出的方法中權重較大，運營情況相關因素的權重相對較小，且未系統考慮風險控制和社會責任。當用于MSIES的綜合評估時，文中提出的基于層次分析和風險熵權的多站融合綜合能源系統多指標綜合評估方法更能反映MSIES的運營情況。

4.4 分析結論應用和總結

算例系統綜合評估情況表明，可以采取如下措施提升其整體運營水平。

在規劃建設方面，建議算例系統在后續的改擴建過程中，合理規劃數據中心的規模，保證數據中心資源的充分利用；建議盡可能擴大可再生能源、儲能和燃氣三聯供的建設規模，發揮其在節能減排方面的積極作用；建議將電動汽車充電站升級為可充、放雙向調度的系統，發揮電動汽車的儲能潛力。

在運營維護方面，建議探索對外提供數據服務的業務模式，提升數據中心數據負荷率；建議利用電網企業的保障優勢，承接重要的數據保障任務，發揮數據中心的社會效益；建議積極參加需求側響應，提升儲能系統的利用率；建議在運營過程中，進一步提升運維水平，避免非正常運行情況的發生；建議探索通過參與共享儲能、碳交易等，提升系統整體的經濟效益和社會效益。

由文獻[8]對比計算的過程可知，文中提出的方法針對獨立的MSIES是適用的，但在需要對區域內MSIES群的運營情況進行整體評估時，文中提出的方法不夠宏觀，還需要從更為全局的角度去調整指標構成及其綜合權重。

此外，文中方法的前提是當前MSIES以運營數據中心為其主要運營模式，隨著MSIES建設運營模式的進化，評估方法也需進行適應性的調整。

5 結束語

文中提出了基于層次分析和風險熵權的多站融合綜合能源系統多指標綜合評估方法，采用所提出的方法對某MSIES的運營效果進行了評估計算，并針對假設條件進行了對比計算，最后與文獻中所提類似的評估方法進行了對比分析，研究結果表明：

(1)MSIES與傳統的綜合能源系統在建設運營方面存在較大差別，建設運營的目標與電網企業本身的特性強相關，評估指標設定和權重的計算都需要充分考慮電網企業的定位和規則，社會責任和風險控制兩個因素應重點考慮；

(2)文中所提出的多指標評估方法是指標架構層次清晰，指標內容能夠完整反映MSIES的運營效果，計算過程計算簡便，可操作性強，可以有效地對MSIES的整體運營情況進行量化評估。

(3)通過對算例系統的評估計算和對比計算，驗證了文中提出的多指標評估方法求得的評估結果，能夠體現MSIES的整體特點、運營特征和運營水平，可以輔助企業對MSIES的運營策略進行優化和決策；

(4)需要注意，隨著MSIES的建設規模的擴大，其運營模式也將逐步進化，文中提出的綜合評估方法作為一種開放的評估方法，需要隨之進行適應性的調整，當應用于MSIES群的整體評價時，需要從更為全局的角度去完善其指標體系。