基于物元分析法的數字化智能抽水蓄能電站建設水平評價

尚 棟，閻 峻，周建中，曹 旭，孫 勇，汪 沛

(1.國網新源控股有限公司，北京 100761；2.華中科技大學土木與水利工程學院，湖北 武漢 430072)

0 引 言

在國家能源技術領域整體實力和管理水平日益提升的形勢下，傳統抽水蓄能電站源網協調、設備安全性等能力不足的問題日益突出，故電力行業提出一種新型數字化智能抽水蓄能電站的構想。數字化智能抽水蓄能電站是以網絡化、自動化、信息化為基礎，以數字孿生和一體化管控平臺為載體，廣泛應用“大云物移智鏈”等新興技術和現代工業技術，具備“全景監控、虛實融合、高度協同、智能管控、安全高效、綠色生態”特征，具有全壽命周期智能管控體系，滿足能源互聯網“源網荷儲”協調互動要求的持續迭代、自主優化的創新型抽水蓄能電站。

國內研究者們針對抽水蓄能電站的經濟性，電網需求等方面進行了廣泛研究。張東[1]引入了“功能效益”的概念，建立了一種可用于抽水蓄能電站中經濟水平的評價體系。李勇[2]通過對國內外抽水蓄能電站評價現狀的分析，采用模糊綜合評估法與層次分析法對抽蓄電站進行后評價分析。王昊婧[3]對抽水蓄能電站進行運營效益的分析，建立了一種新型效益評價體系。

數字化智能抽水蓄能電站是一種廣泛運用現代新興技術的創新性電站，對于電站建設評價體系中的網絡化、自動化、信息化特征，尚未有研究者進行深入研究，故現階段缺乏相對科學、客觀地評價針對數字化智能抽水蓄能電站建設完成度的評價體系。本文首先按照先進性、可操作性以及科學性等原則確定了數字化智能抽水蓄能電站的評估指標。其次，針對文獻[1，2]中指標權重確定主觀性較強的問題，本文綜合粒子群算法(Particle Swarm Optimization，PSO)與層次分析法(Analytic Hierarchy Process，AHP)，并改進PSO中的學習因子和慣性系數，在算法初期側重全局尋優，在算法后期側重局部尋優。運用所構建的改進粒子群-層次分析法(CPSO-AHP)評估優化模型確定評價指標權重，增加指標權重的客觀性。最后，引入物元分析法，建立了數字化智能抽水蓄能電站建設水平綜合評價體系，解決了評價中不相容問題。

1 數字化智能抽水蓄能電站評價指標體系建立

1.1 評估指標構建原則

數字化智能化抽水蓄能電站評估指標的設置上，需遵循“先進性、科學性、可操作性、開放性”的原則。先進性體現在所選擇的指標應具備一定的前瞻性和引導性，需要具有一定的引領作用；科學性體現在評估指標能夠客觀公正地評價當前抽水蓄能電站的建設水平，能夠較為完整的描述抽水蓄能電站的建設成績；可操作性則是指數字化智能型抽水蓄能電站的達成目標應該可執行，能夠落地，必須要具體化，盡量采用可量化的評估標準；開放性體現在評估指標不應該是封閉的，而應該是隨著行業整體水平的提升和內外部發展趨勢的變化，定期進行修訂完善，對各指標的賦值和權重靈活進行調整[4-5]。

1.2 綜合評估指標體系

在數字化智能抽水蓄能電站建設過程中，抽水蓄能電站機組智能設備由設備本體、傳感器及智能組件組成，智能組件通過電纜或光纖與宿主設備中的傳感器和執行器相連接。且隨著新興技術發展，云計算技術、大數據技術以及物聯網技術都被運用至數字化智能抽水蓄能電站中。故根據數字化智能抽水蓄能電站獨有的定義、內涵、特征以及建設目標，本文構建了由4個維度，17項具體考核指標組成的評估指標體系。指標體系設置的過程中，考慮了如下因素：

(1)充分考慮了抽水蓄能電站規劃的智能化與數字化發展重點，將發展重點的建設成效納入評估體系。

(2)不僅要考慮指標體系對設備和系統的提升價值，還需考慮電站人員的發展空間。

(3)不僅注重最終的運行效能提升，而且注重基礎支撐的建設。具體指標內容如圖1所示。

圖1 數字化智能抽水蓄能電站評估指標體系示意

2 基于CPSO-AHP的物元分析法評價模型

2.1 CPSO算法

PSO模擬了鳥群聚集的自然行為，通過迭代獲取最優解，PSO的計算公式為

(1)

PSO中的學習因子c1、c2可以調整粒子移動的步長，為了使迭代早期的更新速度加快，迭代后期的更新速度變慢，來實現從局部最優過渡到全局最優，c1的值應從大到小，c2的值從小到大。目前的PSO相關算法均設置c1=c2，不能滿足實際應用需求。正余弦函數被經常用于優化算法中，可通過大量迭代獲得一定范圍內的動態值，避免產生極大或極小值的情況。故本文提出一種基于正弦函數的學習因子更新方法，公式為

(2)

式中，Tmax為最大迭代次數。隨著一次次迭代，c1的值非線性減小，c2的值非線性增大，可以實現動態尋優，獲得最優值。

慣性系數w表示粒子的慣性大小。w在前期迭代中應較大，滿足全局最優；在后期迭代中較小，提高局部尋優能力，故將w表示為

(3)

2.2 CPSO-AHP算法

指標權重體現了各項指標對數字化智能抽水蓄能電站建設水平的重要性。AHP的一致性檢驗方法比較單一，易受決策者的主觀影響，故本文提出改進的PSO算法(CPSO)，并嵌入到AHP中確定各指標權重ωj，通過優化算法優化人為確定的判斷矩陣，增強權重計算的客觀性。CPSO-AHP算法具體流程圖如圖2所示。

圖2 CPS O-AHP流程

CPSO-AHP的步驟如下：

(1)根據上文所建立的數字化智能抽水蓄能電站評估指標體系，構建判斷矩陣。將上一層的元素作為基準，下層指標進行兩兩比較，使用9級標度法確定重要程度，確定標準如表1所示。

表1 9級標度法

(2)計算各層次相對權重單排序。計算判斷矩陣的最大特征值λmax對應的特征向量，歸一化后得到權重。

(3)進行一致性檢驗。如果滿足檢驗，則說明判斷矩陣構建良好，權重計算合理，如果不滿足，則返回步驟1。一致性檢驗指標CR為

(4)

式中，λmax為判斷矩陣的最大特征根；n為指標個數；RI為隨機一致性指標，可查表得到。

(4)采用粒子群算法對層次分析法進行優化，計算新的權重。比較AHP和CPSO-AHP的一致性指標CR，CR越小，表示判斷矩陣最大特征值λmax對應的特征向量不一致程度越小，引起的判斷誤差越小，故取2種方法中較小的CR值對應的權重作為最終的主觀權重值。CPSO-AHP將上述問題轉化為約束優化問題，公式為

(5)

式中，F為一致性指標；ωk為權重值；作為優化變量；r為判斷矩陣階數；pjk為判斷矩陣中第j個指標相對于第i個指標的重要性。

2.3 物元分析法

物元分析法是研究物元以及物元變化，解決不相容問題的方法。物元是事物基本元素的簡稱，由3個要素構建成有序三元組R=(N，C，X)。R為物元，即描述事物的基本元；N為事物名稱；C為事物特征；X為事物關于特征的量值[6]。

數字化智能抽水蓄能電站評價概念具有模糊性，且指標間互不關聯[7]。針對數字化智能抽水蓄能電站的建設水平評價問題，物元分析法比灰色系統評價、模糊綜合評價等方法更能有效處理評價過程中不相容的問題。物元分析法可實現量與質的轉化，系統全面評價研究對象，得到更加明確的電站建設完成度等級。圖3為本文所提基于物元分析法的數字化智能抽水蓄能電站建設水平評價流程示意。

圖3 數字化智能抽水蓄能電站建設水平評估流程

物元分析法分為如下幾步：

(1)確定評判經典域。數字化智能抽水蓄能電站建設水平指標體系中有多個評價指標，記為Ci。構建經典域物元表達式為

(6)

式中，Nj為數字化抽水蓄能電站建設水平不同評價等級(j=1，2，…，m)；Xji為Nj關于指標Ci的量值范圍，即各評價等級對應指標的經典域〈aji，bji〉，Xji=〈aji，bji〉。

(2)構建節域。將各指標Ci在不同評價等級Nj中的經典域取并集，即為節域Rp(p=1，2，…，m)

(7)

(3)構建待評價單元。構建物元矩陣，分析數字化抽水蓄能智能電站建設水平，用物元表示為

(8)

式中，p0為待評判的對象，即數字化抽水蓄能智能電站建設水平；Xi為p0關于Ci的量值，即專家對數字化智能抽水蓄能電站各個指標所給分值[8]。

(4)計算關聯度。采用關聯度表示對象與評估指標的符合程度，數值越大，關聯度越強、符合程度越高，按最大隸屬度原則確定對象的綜合符合程度。φi為特征Ci的權重系統，以Kj(p0)表示p0關于第j個等級的關聯度，則

(9)

式中，kj(xi)為p0的特征Ci關于第j個等級的關聯度，kj(xi)定義為

(10)

式中，xi為指標實際值；|Xji|=bji-aji；ρ(xi，Xji)為xi到經典域物元的量值范圍Xji=〈aji，bji〉的距離；ρ(xi，Xpi)為xi到節域物元的量值范圍區間Xpi=〈api，bpi〉的距離。令某一點x到區間X=〈a，b〉的距離ρ(x，X)為

(11)

3 實例分析

3.1 底層指標賦分

通過本文所提的基于物元分析法的數字化智能抽水蓄能電站建設水平評價體系，實際評價湖北某抽水蓄能電站的數字化與智能化建設水平。該電站通過運用物聯網、大數據、云計算等現代IT技術，加強對外部環境、行業發展及企業自身的狀態感知，通過體系、流程、人、技術等企業要素的有效變革和優化，提高了對流域開發、電站建設、生產運行、電力交易和企業管理的洞察力。

按照1.2節中各指標的具體含義，針對17項考核指標組織專家打分來得出各定性指標的等級，指標各評價區間及對應等級見表2所示。為保證底層指標分數權威性，邀請8位行業專家根據2020年9月～2021年9月電站建設情況打分，以C10指標為例，電站的故障處理專家庫已包含水利、電磁與機械等常見故障，故障發生后能給出故障類型及對應解決方式。在獲取專家們的打分情況后，取平均值，得到最終C10的分值為0.9。行業內專家對數字化智能抽水蓄能電站建設水平進行打分后的分值如表3所示[9-10]。

表2 定性指標等級打分區間

表3 電站建設水平現狀

3.2 數字化智能抽水蓄能電站建設水平評價

本文分別構建了4個一級指標和17個二級指標的判斷矩陣，并分別對AHP和CPSO-AHP得到的CR值和權重值進行求解。CPSO算法的參數設置為：迭代次數為100，種群規模為40，速度區間為[-0.5，0.5]，位置區間為[1/9，9]。結果如表4、5所示，可以看出，CPSO-AHP法得到的判斷矩陣CR值更小，表明判斷矩陣最大特征值λmax對應的特征向量更一致。

表4 一級指標權值

指標權重的確定體現其對數字化智能抽水蓄能電站建設水平的重要性，利用一級指標和二級指標的權重，最終得到所有指標的權重，如圖4所示。

將表3中各指標的打分值與圖4所得各指標最終權重輸入物元評價模型，算出數字化智能抽水蓄能電站建設水平中各個指標關于不同等級的關聯度，將計算結果保留兩位小數，具體見表6所示。

該數字化智能抽水蓄能電站的建設水平綜合關聯度如表7所示。

表5 二級指標權值

圖4 指標最終權重

3.3 評價結果分析

由表7可知，該抽水蓄能電站建設水平最終與“優秀”評級的綜合關聯度最高，即電站的建設水平為優秀。由表6可知，電站各指標的評價中，11個指標為優秀，4個指標為良好，2個指標為一般，從指標評價結果來看，電站建設水平較高。對所有的指標，88%為優秀或良好，且評價結果為良好的指標也可轉化優秀。C8和C13的評價結果為一般，C8

表6 指標關聯度等級

表7 綜合關聯度

為圖像處理能力，則需要完善電站內部圖像處理算法并提高服務器質量，從而改進圖像處理能力；C13為機械自動化水平，說明機械設備實現數字化通信、自適應、自診斷的能力需要被提高。本文所提的評價體系融合了多項定性指標，可以較為全面地反映抽水蓄能電站的數字化和智能化水平，具有較高實用性。

4 結 論

本文遵循“先進性、科學性、可操作性、開放性”的原則，構建包含信號通信水平、基礎支撐水平、智能化水平、人工投入水平的數字化智能抽水蓄能電站建設水平評價指標體系。建立基于CPSO-AHP物元分析法的數字化智能抽水蓄能電站建設水平評價模型，并以某智能抽水蓄能電站為實例驗證，為數字化智能抽水蓄能電站的轉型和建設提供重要參考依據。