基于變權可拓云模型的區域綜合能源系統綜合評價

馬麗葉 張 濤 盧志剛 楊林林

（燕山大學電氣工程學院 秦皇島 066004）

0 引言

區域綜合能源系統（Regional Integrated Energy System,RIES）作為能源互聯網的重要組成部分，利用先進的物理信息技術和創新管理模式對子系統進行協調優化，并在此基礎上通過耦合電力、天然氣、熱冷源等多種能源滿足系統內部的多元化用能需求，提升能源利用效率[1-4]。建設完善的RIES 是低碳經濟背景下實現能源變革的一種解決方案，而對系統進行評價是推進RIES 建設的重要環節。

在區域綜合能源系統評價方面，文獻[5]以配電系統為核心，從RIES 的能源環節、裝置環節、配電網環節和用戶環節提煉出具有普遍適應性的指標。文獻[6-7]綜合考慮經濟、可靠、能耗、環保四個方面的影響因素，分別建立多屬性加權決策模型和VIKOR 多準則評價體系。文獻[8-9]主要以經濟性作為系統的評價側重點，以總成本、凈現值、內部收益率和動態回報期作為經濟性評價指標。文獻[10-11]在?效率的基礎上提出了能質系數的概念，其計及能量“質”的特性，解決了效率評價中能量耦合造成的困境。文獻[12]將數據包絡分析方法用于RIES的綜合效率評價，但其評價指標體系的構建仍然局限于傳統的經濟、環保等方面?；谏鲜龇治隹芍?，目前國內外有關RIES 的評價研究主要集中于系統的技術經濟層面，受限于傳統供能系統的評價思路而忽略了系統的管理層面和外部反饋情況，以至于最后無法上升到綜合評價的高度。

同時，系統內部可再生能源和多元負荷的大量接入使得RIES 運行狀態的不確定性增加[13-15]，考慮到評價指標取值于某一時間段，其典型代表性隨著狀態不確定性程度的增加而減小，故而可將指標值看作是受系統狀態影響的不確定數值，RIES 綜合評價轉換為一個不確定性評價問題。云模型[16-17]作為一種描述不確定性的有效方法，文獻[18-19]在評價體系中引入正態云模型，將傳統的確定性指標替換為不確定形式的云指標；文獻[20-21]提出可拓云模型，保留指標數值形式而將物元等級界限以云模型形式表達，指標的不確定性體現為兩者的相對不確定性。顯然，相比于前者，可拓云模型增加了處理不相容問題的優勢，但考慮到云關聯度具有恒大于0 的特征，這將削弱系統短板的評價影響，需要對此問題進行改善以免造成評價結果失真。

針對上述現狀和問題，本文以RIES 作為研究對象，充分考慮管理決策和外部資源在其發展運行中的作用，分別從驅動力、壓力、狀態、影響和響應五個方面建立RIES 評價指標體系。接著，利用非線性最優規劃將網絡分析法（Analytic Network Process,ANP）、熵值法和變異系數法進行組合以求得各指標權重，再結合可拓云模型在處理不確定問題上的優勢得到各指標的評價云等級，并通過懲罰型變權將各指標云等級進行組合，得到RIES 綜合評價結果。最后，以國內某綜合能源系統工程項目作為算例進行仿真分析，同時在靈敏度仿真驗證中確定了各評價指標的改善順序，驗證了評價模型的可行性與有效性。

1 RIES 綜合評價指標體系

RIES 的主要目的在于擴大可再生能源的開發和提高常規能源的利用效率[22-23]，其結構與能量流動如圖1 所示，在物理結構上可將其看作是單一供能系統在接入可再生能源以及多元負荷后，集成為滿足系統運行需求而增加的一系列設備所形成的整體。

圖1 RIES 結構與能量流動 Fig.1 Structure and energy flow of RIES

由于保持源荷平衡是系統最基本的運行要求，故可將運行狀態看作是源荷不確定性和系統調節能力的博弈結果[24]，引入“驅動力-壓力-狀態-影響-響應”（Drivers-Pressures-States-Impacts-Responses,DPSIR）模型，其閉環特性能夠保證在其框架上所搭建指標體系的邏輯完整性，從而使得評價體系上升到綜合層面。將源荷不確定性和系統調節能力分別通過驅動力（D）模塊和響應（R）模塊來表示。當驅動力增大時，壓力（P）增加，影響系統的正常安全運行，從而改變系統的整體運行狀態（S），對系統效益造成影響（I），進而迫使系統在管理策略和獲取外部資源等方面給出響應，緩解驅動力增加帶來的各種不利影響。基于 DPSIR模型的RIES 綜合評價指標體系如圖2 所示，其中，指標C4、E1、E2、E3 和E4 為定性指標，其余指標均為定量指標。

圖2 基于DPSIR 模型的RIES 綜合評價指標體系 Fig.2 Comprehensive evaluation index system of RIES based on DPSIR model

1.1 驅動力

在驅動力方面，主要計及系統中的能源利用和負荷調節情況。在能源利用方面，擴大可再生能源的開發主要體現在能源供應環節，通過滲透率和消納率兩個指標進行表述；綜合能源利用效率從“質”和“量”兩個方面將“產-轉-輸-儲-用”五個環節的運行效率情況納入考慮范圍，并通過能質系數將不同能源統一到電能量綱進行計算，如式（1）所示。為了表述的簡潔，符號“P”代表對應功率經過能質系數換算后的數值。

式中，η為綜合能源效率；δe、δg、δh和δc分別為電能、天然氣、熱能和冷能的能質系數；E、G、H和C分別為需求側輸出的電能、天然氣、熱能和冷能，MW；Pbuy為外購電和CHP 設備產生的電能之和，MW；Pgas為區域外購天然氣和P2G 產生的天然氣之和，MW；Pres為系統可再生能源設備的理論出力，MW。

能質系數δ為不同能源對外所能夠做的功與其總能量的比值，即

式中，W為可以轉換為功的部分能量，kJ；Q為該能源的總能量，kJ。此外，在負荷調節方面，需求側管理（Demand Side Management,DSM）通過價格和激勵策略引導用戶在高峰時多用能，低谷時少用能，進而達到提高用能效率、優化用能方式的需求，其調整比例在一定程度上反映了負荷的波動情況。

1.2 壓力

在壓力方面，主要考慮系統運行的安全性和可靠性。相比于傳統供能系統，RIES 運行狀態的變化頻率和幅度均有所增加，各類設備更易出現不同程度的磨損，設備發生故障的概率增大。計及熱能和冷能的特殊性，重要負荷失能率重新定義為

式中，β為重要負荷失能率；Nb為系統中的重要負荷，包括電能、燃氣、熱能和冷能四種形式；Nk為重要負荷的失能次數，其中不計及未達到18min 的商業、民用熱/冷失能和未達到1min 的工業熱/冷失能；Pp,q為負荷q第p次的失能能量；Pplan,q為負荷q的計劃供能。同時，配電網是RIES 物理結構中的主要網絡，也是系統接入的可再生能源波動的直接承受方，當線路最大功率突變超過接入設備所能承受的上限時，可能造成嚴重事故。而當潮流分配不均時，系統更易到達重載或熱穩定極限，通過與額定功率的比值表示線路的潮流現狀，與標準差相比，利用信息熵來檢驗各線路潮流的均衡度更為直觀。

式中，χ為配電網潮流均衡度；n為線路條數；LN為線路的額定功率；Lmax為統計時間內線路的最大功率。

1.3 狀態

在狀態方面，主要是衡量系統整體的運行水平，從電氣化、智能化、開放化和舒適化四個方面進行評價。電氣化有利于集中控碳脫碳和精細化用能控制，可通過需求側所用電能占所用能源總和的比例來表示，其值越大，系統電氣化水平越高。智能表包括智能電能表、熱能表和燃氣表等，可以實現功率計量、實時檢測、信息傳輸以及用戶交互等一系列功能，是系統邁向綜合智能化的網絡基礎。比起設備的安裝數量，采用設備覆蓋能量范圍的占比能更加合理地表征系統的智能化程度。

式中，ε為智能設備覆蓋率；Ω為智能設備數；Pd為統計時間內設備d記錄的能量，MW；Pload為需求側的總負荷。開放化包括數據共享和能源服務共享兩方面，前者依賴智能電能表的信息雙向傳輸技術，已包含于智能化指標定義，而后者目前主要指在區域內設置充電樁為電動汽車提供充電接口，故而可通過區域內的充電樁數量來表示系統開放性，接口數量越多，對于外界的共享性則越好。舒適化是指用戶的直接用能體驗，與需求側能源質量息息相關，電能、熱能和天然氣的供能質量越好，用戶的滿意度和消費趨向性越高。

1.4 影響

在影響方面，主要評判系統的運行效益，計及經濟、碳減排和社會效益三個方面。其中經濟效益分別從成本和收益兩個角度入手，成本需要考慮投資費用、運維費用、購能費用以及需求側響應補償等，通過費用年值進行概括，收益則通過年利潤額來描述。其中激勵型需求響應在響應中占據可觀的比重，而現有指標大都忽略，響應補償成本補充表示為

式中，φ為需求側響應補償成本，萬元；T和T′分別為實施激勵型和價格型需求響應的次數；p ri(t)和pri′ (t′)為實施上述兩種需求響應對應的單價，萬元；Ploadloss(t)和Ploadtransfer(t′)為對應的功率，MW。除可再生能源外，RIES 中電動汽車的使用同樣能夠減少一次能源的燃燒，兩者共同減少的碳氮氧化物和顆粒物排放量可作為環保效益的主要來源。

式中，φ為減排效益；u為空氣污染物種類，包括CO2、SO2、NOx、CO 和煙塵；Cg為g類型污染物的環境價值，千元/kg；emicoal,g和emipetrol,g分別為煤炭和汽油的單位z類型污染物排放量，kg/MW；Qren和EVsQ分別為可再生能源生產和電動汽車消耗的電能，MW。另外，GDP 是某地區一定時期內生產活動的最終成果，可通過系統GDP 在整個經濟輻射區域內的GDP 占比來評價系統的社會效益，即該系統對于所在區域的經濟發展和人員就業的促進作用。

1.5 響應

響應方面主要是對RIES 的管理策略進行評價。首先，國家政策引導了行業發展的趨勢和潮流，與之貼合度越高，所獲得的市場便利和投資青睞越大，且在現階段政策補貼是系統獲得外部支持的最重要方式。其次，在系統的建設、運行和維護管理中，必須采用足夠成熟可靠的技術，而保證在當前環境下該技術的不可替代性是技術管理策略中的最優解。同時，穩定便利地獲取一次能源是系統運行發展的外部保障，而其所處區域能提供的可再生能源上限決定了系統的發展天花板，系統最終發展目標需和可再生能源稟賦程度相適應。最后，系統調度策略的確定、資源的配置安排以及出現運行故障時的應急處理等都需要人員的介入，因此員工的專業知識和業務能力對于RIES 的穩定運行至關重要。

顯然，對于定量指標，可直接通過能量信息采集系統所獲得的統計數據計算指標特征值，而對于定性指標，則需要專家根據系統運行數據、項目規劃方案、同類RIES 情況以及國家政策、現有技術等資料，結合自身經驗并參照評分依據給出該項指標的百分制得分。同時考慮到專家學術水平的局限性和對于不同問題的偏好差別，采用Delphi 法將其意見統一得到定性指標特征值。其中定性指標的評分參照依據見表1。

表1 定性指標的評分參照依據 Tab.1 The scoring reference of qualitative indicators

2 RIES 變權可拓云模型

2.1 建立可拓云模型

可拓學中的物元理論以物元R=(N,C,v)作為描述事物的基本元，其綜合考慮高維不相容問題，能夠客觀描述事物的發展進程和變化規律。在RIES評價中，系統運行狀態是不確定的，而利用采樣數據計算得到的確定性評價指標顯然不能將其完全反映。對應地，傳統物元模型中描述事物特征的確定性量值ν此時也不再適用，需要結合云模型在處理不確定性問題上的獨特優勢對其進行改進。

此外，在對RIES 進行綜合評價時，系統在規模大小、包含能源種類以及用戶構成等方面的差異性會對決策者的評價標準造成直接影響，因此需要“具體問題，具體分析”，邀請專家根據具體評價對象的實際情況來劃分指標等級界限，而非采用一個普適性指標等級。在確定等級界限后，首先將評價指標劃分的等級界限作為一個雙約束空間，利用轉換關系方程組（9）進行適度擴展得到等級界限云模型(Ex,En,He)。

式中，s為常數，可結合相應指標的模糊性、離散性、隨機性和實際情況進行調整。

其次，以正態云模型(Ex,En,He)替換傳統物元中的特征量值v，將期望Ex、熵En和超熵He轉換為m個云滴(x1,x2,…,xm)，通過單個云滴能夠代表整個可拓云模型的概率來實現定量數值到定性概念的轉換[18-19]?？赏卦颇Ｐ蜑?/p>

式中，Rj為 IES 綜合評價所劃分的等級；表示云量值，為評價指標Ci關于等級Rj的云描述；i=1,…,n。

2.2 計算云關聯度

根據正向正態云模型的特點，將待評價的各項指標值x視為一個云滴；然后，隨機生成服從對應期望值為En、標準差為He的正態分布的隨機數En′；最后，計算出各個指標相應的待評價值與RIES 綜合評價等級界限可拓云模型之間的云關聯度k，其計算公式為

在具體RIES 綜合評價中，由于系統運行狀態的不確定性，指標值x的采樣無法精確到某一數值，若采用區間數表示則意味著舍棄區間內狀態出現的概率偏好。本文引入式（11）將采樣隨機性問題轉換為指標值x不變，等級界限En′波動的相對隨機問題，其中En′～N(En,He2)符合狀態不確定性引起的波動情況[20]，而隨機波動大小由超熵He來決定，與實際情況一致。利用式（11）計算出待評物元各指標值和各評價指標綜合評價等級可拓云模型之間的云關聯度，得到IES 綜合評價等級的評判矩陣K為

式中，kij為待評價物元指標Ci和綜合評價等級j的界限可拓云模型之間的關聯度；n為評價指標數；m為綜合評價等級。

2.3 確定綜合權重

在主觀方面，網絡層次分析法（Analysis Network Process，ANP）利用超矩陣原理，專家根據決策者評價偏好給出各指標重要性標度，并結合各指標的相關性共同求出主觀權重，在賦權過程中能夠有效應對RIES 綜合評價中各指標之間存在交叉含義和相互反饋影響的狀況；在客觀方面，熵值法通過計算信息熵來判斷某項指標提供的信息量，變異系數法利用指標的變異程度來度量其對評價結果的重要程度。將三者結合起來，既能兼顧決策者的主觀需求和數據的客觀性質，又能消除單一評價法片面、穩定性差等問題?；诓┺恼撍枷?，通過非線性最優規劃進行求解，表達式為

式中，Nh為賦權方法；為主觀賦權方法；wh為采用第h種方法計算得到的指標權重；ηlow和ηhigh分別為主觀權重占比的下限和上限，需根據待評價樣本的實際情況來確定；ρh為第h種方法的權重。

2.4 得到變權綜合評價等級

根據RIES 綜合評價等級的評判矩陣K，結合指標體系的權重系數W得出評價向量=B WK，令，定義b j(j=1,2,… ,5)為云綜合關聯度，當bj=maxbj成立時，系統的綜合評價等級為j。

由于RIES 具有龐大的內部結構和復雜的運行策略，其在發展過程中各方面很難達到均衡，具體表現在指標評價結果分散于不同云等級且極少出現同時屬于兩個等級的情況，如圖3 所示。

圖3 可拓云模型示意圖 Fig.3 Schematic diagram of extension cloud model

假設出現2 個指標對于N1 的關聯度為1，剩下18 個指標對于N2 的關聯度均為0.1 的情形，當不考慮評價指標的均衡度時，顯然云綜合關聯度計算結果與實際情況相悖的概率很大。

這是因為可拓云模型將云關聯度k的范圍限制在了[0,1]。當指標不屬于某一等級時，其與該等級的云關聯度0k=。相較于傳統物元模型的負關聯度，該部分指標在綜合關聯度的加權計算過程中失去了“懲罰”作用，即綜合關聯度評價計算結果只計及了屬于該云等級界限內的相對“優越值”，而掩蓋了不屬于該界限內的“短板效應”，這可能導致評價結果失真。

基于上述分析可知，可拓云模型中綜合關聯度的計算對于指標均衡度的要求相較于常規系統要高得多，因此本文引入變權理論[26]對各評價指標的均衡度進行“懲罰”，通過對均衡度加以限制來避免少數指標值的優秀造成待評價整體呈現完全優秀狀態這一現象的發生。

以待評價樣本指標值xi到對應評價指標等級j的界限中心Eij的距離作為懲罰基準，考慮到待解決的問題是計算綜合關聯過程中掩蓋“短板”而造成評價結果失真，故而將懲罰準則設置為距離Eij越近，其相對權重越小。利用常見的懲罰型變權綜合函數 模型構建懲罰性變權為

式中，W′為經過變權計算后的權重向量；α為懲罰系數，當0.5α＜ 時，可認為決策者偏保守，對于指標值的均衡程度要求較高；當0.5α≥時，指標值的均衡程度對于評價結果的影響逐步降低。

最終評價向量為

2.5 檢驗RIES 綜合評價結果

由式（11）可知，計算定量指標x與正態云之間的云關聯度k的過程中存在隨機因素，故而需要進行F次計算以對綜合評價結果進行可信度檢驗。令為RIES 綜合評價結果分別屬于各等級的次數，引入置信度因子θ為

可知，θ值越大，表示評判結果的分散度越大，可信度越小；反之則評判結果的可信度越大。在本文中，當θ≤0.005時將評價結果視作可靠。

3 算例分析

3.1 算例背景

國內某綜合能源系統工程項目[27]于2014 年4 月開始規劃建設，提出建設以電能為中心，融合電能替代與節能技術，規模化應用多種清潔能源，技術先進、智能互動的綠色復合型能源網。該園區主要開展呼叫中心服務、展示交流體驗、商務合作拓展三項業務，實現國家電網能源技術與服務創新園區目標。項目在能源、服務和生態建設方面，建設以電為中心、靈活接納多種能源形式，包含全面集成智能樓宇、智慧能源和智慧環境等子系統，實現多能源協調控制和綜合能效管理的綠色復合型能源網。

3.2 評價結果

以系統2017 年的運行數據作為算例。首先參考同類項目運營情況，結合該供能體系的規劃方案和專家意見將RIES 的綜合評價等級劃分為N1～N5共五個級別，分別對應為{差、較差、一般、較好、好}。為便于操作，各級別以雙約束空間的形式給出，按照式（9）進行云模型轉換，得到的等級界限云模型見表2。由于篇幅原因，在每個因素層下選取一個指標進行仿真說明。

表2 RIES 綜合評價部分指標等級界限云模型 Tab.2 The hierarchical boundary cloud model of partial index for RIES comprehensive evaluation

接著，計算待評價樣本指標值與各等級界限云模型的關聯度k，如圖4 所示。從整體上來看，依據最大云關聯度準則得到屬于 RIES 評價結果N1～N5 等級中的指標個數分別為0、4、11、2 和3，顯然N3 等級包含了待評價樣本的大多信息，在不考慮權重的基礎上比起其他等級更能全面地體現待評價樣本的特質。從單個指標來看，配電網最大功率突變B3 具有很好表現，結合A1 和A3 可看出，其主要原因是系統中接入的可再生能源數量小，加之需求響應調整的負荷量較為可觀，這使得系統負荷整體運行較為平穩。同時，響應指標E1、E2、E3和E4 都有較好表現，這意味著現有管理經驗和外部資源能夠兼容于系統的現有運行，其有足夠的資源和后備保障來接入更多的可再生能源，實施更多的調節手段。

圖4 云關聯度計算結果 Fig.4 The calculation results of cloud relevance

然后，邀請專家對指標的相對重要性進行評判得到主觀權重，納入該供能體系前兩年的實測值一同作為客觀數據樣本，通過熵值法和變異系數法計算獲得客觀權重，通過式（13）計算得到基本權重數據曲線如圖5 所示。可見，由于ANP、熵值法和變異系數法分別側重于不同方面，其計算得到的權重也完全不一致，因此有必要將它們綜合考慮。而基于非線性規劃進行計算能夠有效改善單一方法片面、穩定性差的情況，如處于ANP 下的A1、A2和D3，處于變異系數法下的A4、B2 等。

圖5 指標權重計算結果 Fig.5 The calculation results of index weight

將RIES 綜合評價中樣本值的大小和均衡度視作同等重要，取懲罰系數α=0.5，以待評價樣本指標值xi到對應評價指標等級j的界限中心Eij的距離作為懲罰依據，根據式（15）計算得到RIES 綜合評價中各等級下對應指標變化權重見表3。

表3 RIES 綜合評價部分指標變化權重 Tab.3 The variable weights of partial index for RIES comprehensive evaluation

從橫向來看，每個指標的綜合權重最小值分別出現在N2、N3、N5、N3 和N3 范圍，結合圖4 可發現這些指標在其所屬等級內都可歸于優越值范疇，其與A1～E1 的指標等級保持一致證明了懲罰型變權能夠降低權重以改善可拓云模型只考慮優越值的缺陷。從縱向來看，由于綜合權重仍是基于各指標間的相對性進行懲罰計算，以N3 列為例，由于N3 范圍內存在眾多指標，降低了B1、D1 和E1 的相對優越性，使其權重下降不明顯；反之A1、C1 的上升較為突出，這與其預期作用相符合。

最后，在得到待評價樣本指標值與各云等級界限的關聯度k和變權W′后，利用式（16）計算得到RIES 評價樣本對于各云等級的綜合關聯度，并取F=10 000 分別對評價結果進行可信度檢驗。同時，以傳統的可拓物元模型和不實施變權的可拓云模型作為對比，結果見表4。

表4 RIES 綜合評價結果 Tab.4 The results of RIES comprehensive evaluation

在不計及可信度的情況下，maxbj=N3成立，即該綠色供能體系在RIES 綜合評價標準之下的發展運行情況已達到中等水平；同時b2＞b4表明比起N4 等級，評價結果更加趨近于N2 等級，和圖3 反映出來的指標情形保持一致，證明將可拓理論和云模型用于RIES 的綜合評價中是正確且有效的。對比可信度情況可發現，物元模型由于界限是確定的而無法進行可信度檢驗，而不采用懲罰型變權手段的時候有θ=0.022＞ 0.005，這表明當評價過程中出現采樣數據不佳的情況時，物元模型將無法給出有效示警而造成評價結果失真；可拓云模型則由于計算指標數值A1、C4、D3 和D4 對于N2 等級具有較大的云關聯度導致maxbj=N 2的出現概率超過了可接受范圍。故而，基于云模型和變權理論對傳統物元模型進行改進，并將其用于RIES 綜合評價是必要的。

最后，利用上述三種模型進行評價所需要的時間見表5。

表5 評價模型運行時間 Tab.5 Running time of evaluation model

可見，三種模型在單次計算上花費的時間基本一致；而進行10 000 次計算對評價結果進行可信度檢驗時，變權可拓云模型并不會帶來耗時上的額外負擔。

3.3 靈敏度分析

3.3.1 變權懲罰系數靈敏度

懲罰系數α通過改變指標權重的方式對評價結果造成影響，對其取值進行靈敏度分析，變化趨勢如圖6 所示。

圖6 不同懲罰系數下的評價結果 Fig.6 The evaluation results with different penalty coefficients

由α的定義可知，隨著α逐漸減小，評價結果對于均衡度的要求逐漸增大，各等級內具有較大云關聯度的指標權重對應減小。將各等級的綜合關聯度進行歸一化后，從圖6 可看出，在以α=0.9為起點的一定的界限內，N3 等級占比逐漸增加，而N2、N4 和N5 均在減小，變權計算擴大了最大綜合關聯度maxbj與其他綜合關聯度的差距；而當α低于0.3～0.5 中的某一個臨界值時，由于過分追求均衡度而導致指標基礎權重失去作用，評價結果靈敏度逐漸降低。

3.3.2 指標值靈敏度

檢驗評價結果對于各指標的靈敏度r，通過彌補短板的方式能夠更快地提升RIES 的綜合評價水平。由上述分析可知，該項目的綜合評價等級為N3，相鄰等級偏向于N2。設未達到N3 等級期望值的指標作為弱項指標，取步長為1%，正向指標和負向指標分別在0～30%和-30%～0范圍內變化，計算r在該變化范圍內的最大差異值maxΔr，根據其大小確定指標值的改善順序。其中r通過加權平均法得到

計算結果如圖7 所示。

圖7 靈敏度分析結果 Fig.7 The results of sensitivity analysis

可知，指標的改善順序為A1＞C4＞D2＞D1＞D3＞A2＞D4，其中拉低系統評價等級的指標主要集中在可再生能源和效益部分。由于系統可再生能源的接入和消納能力低于N3 等級的預期目標，系統需要購買更多的電能和天然氣維持運行，不利于經濟創收和環保效益。而舒適度指標亟須提升的原因可能是需求響應的能量調整影響到了用戶的用能體驗，后續需要進一步與用戶進行溝通協調，對方案進行調整修改。

4 結論

區域綜合能源系統利用先進的物理信息技術和創新管理模式將各子供能系統聯結成一個整體，且隨著RIES 中可再生能源的逐漸增加，系統運行狀態不確定性對評價指標典型代表性的影響已不可忽略?；诖?，本文提出一種基于變權可拓云模型的RIES 綜合評價模型。

1）在現有技術經濟指標的基礎上，將系統的管理層面和外部資源支持納入考察范圍，結合DPSIR模型的閉環優勢建立RIES 綜合評價指標體系。

2）將可拓云模型應用在RIES 綜合評價領域來處理系統狀態不確定性對評價結果的影響，同時基于變權理論對模型掩蓋“短板效應”的特質進行改進，通過算例仿真驗證了模型的可行性和有效性。

本文為求模型的通用性和評價的綜合性，所建指標體系犧牲了一定的深入性，而深度挖掘RIES 某一方面的特性并將其具體量化仍然是一個值得探究的課題。此外，利用ANP 計算主觀權重時，對指標進行重要性判別和相關性分析會給專家帶來可觀的工作量，未來對其進一步優化是所建評價模型得到重用的關鍵一步。