高質(zhì)量發(fā)展背景下電網(wǎng)科技項目立項評價與優(yōu)選方法研究

摘" 要：針對現(xiàn)有電網(wǎng)科技項目評價目標(biāo)分散、主觀性強等不足，該文構(gòu)建電網(wǎng)科技項目高質(zhì)量發(fā)展指標(biāo)體系，提出一種電網(wǎng)科技項目立項評價優(yōu)選排序方法（PT-TOPSIS）。通過實例測算，驗證所提方法在克服現(xiàn)有評價方法不足的基礎(chǔ)上，同時具有更好的區(qū)分度與決策精度，可以為相關(guān)部門決策提供更為科學(xué)、客觀的依據(jù)。

關(guān)鍵詞：電網(wǎng)科技項目；立項評價；優(yōu)選方法；熵權(quán)法；TOPSIS法

中圖分類號：TM727" " " 文獻標(biāo)志碼：A" " " " " 文章編號：2095-2945（2023）13-0006-08

Abstract： In view of the shortcomings of decentralization and subjectivity in the evaluation of power grid science and technology projects， this paper constructs a high-quality development index system of power grid science and technology projects， and presents a evaluation and optimization method for power grid science and technology projects， i.e.， the Power Technology - Technique for Order Preference by Similarity to Ideal Solution （PT-TOPSIS） method. Through example calculations， it is verified that the proposed method overcomes the shortcomings of the existing evaluation methods， and has better discrimination and decision-making precision， which can provide more scientific and objective basis for decision-making of relevant departments.

Keywords： power grid science and technology project; project evaluation; optimization method; entropy method; TOPSIS method

科技是科技強國發(fā)展戰(zhàn)略的重要措施，科技項目立項評價與優(yōu)選是科研管理工作的重要組成部分[1]，評審的科學(xué)性及公正性直接影響科研經(jīng)費的優(yōu)化配置。傳統(tǒng)的項目評價重點關(guān)注于材料的形式審查，存在著評價主觀性強、目標(biāo)過于分散等問題。高質(zhì)量發(fā)展提出了推動重點科技項目、人才和資金一體化、高效化配置的要求，如何在眾多儲備項目中遴選優(yōu)秀的項目予以立項，優(yōu)化科研經(jīng)費配置，提高科技項目資助的準(zhǔn)確性，是當(dāng)前科技管理部門急需解決的一個重要問題，其核心在于優(yōu)化評價方法。

近年來，國內(nèi)學(xué)者對科技項目立項評價與優(yōu)選進行了相關(guān)研究。潘杰義等[2]針對科研管理中項目的篩選和立項問題，設(shè)計了科研項目評價指標(biāo)體系，建立了科技項目模糊優(yōu)選決策模型。林海斌[3]通過集對分析，找出科研項目與評價指標(biāo)兩者間的聯(lián)系，排列出科研項目的優(yōu)劣次序，為科研項目立項資助提供依據(jù)。韓華等[4]運用模糊層次分析理論建立航天科技項目模糊優(yōu)選決策模型，為客觀科學(xué)地評價和優(yōu)選基金項目提供依據(jù)。林海斌[5]基于TOPSIS法，構(gòu)建了科技項目評價模型， 為科技項目立項評價與項目選優(yōu)提供了參考依據(jù)。馬麗娜等[6]提出采用層次灰色方法建立科技項目優(yōu)選決策模型，為客觀科學(xué)地評價和優(yōu)選科技項目提供重要依據(jù)。柴云等[7]將多屬性決策中模糊層次分析法和灰色-正負(fù)理想點逼近法優(yōu)勢集成，創(chuàng)建Fuzzy-AHP-TOPSIS法對方案進行最終優(yōu)劣排序。郭健等[8]基于多粒度二元語義和灰色關(guān)聯(lián)分析的方法對科技項目進行立項評價，根據(jù)灰色關(guān)聯(lián)度對科技項目進行了立項方案優(yōu)選。羅勇等[9]提出新型可信度計算方法，并構(gòu)造熵權(quán)決策模型，通過數(shù)值仿真對多個科技項目進行評估優(yōu)選。林曉華等[10]采用區(qū)間二型模糊集理論對TOPSIS方法進行擴展，并采用形心法設(shè)計了一種區(qū)間二型模糊集的排序方法，在保證信息的準(zhǔn)確性和有效性基礎(chǔ)上為項目的優(yōu)選提供了參考依據(jù)。以上學(xué)者提出的優(yōu)選模型、方法對項目優(yōu)選決策起到了積極作用，但處理因素指標(biāo)的權(quán)重問題時都存在一定的局限性。對于多目標(biāo)決策而言，主觀權(quán)重體現(xiàn)了決策者的意愿偏好，而客觀權(quán)重反映了具體數(shù)據(jù)對決策的貢獻度。目前指標(biāo)權(quán)重的確定大多采用AHP法，單純考慮主觀偏好而忽略評標(biāo)的競爭性擇優(yōu)屬性，且具有很大隨意性。

為了綜合評估科技項目的潛在價值，進一步提高科技項目資助的準(zhǔn)確性，優(yōu)化科技經(jīng)費配置，本文將組合賦權(quán)法、TOPSIS法及前景理論引入到項目評優(yōu)選決策中，構(gòu)建了電網(wǎng)科技項目立項評價指標(biāo)體系，提出了一種PT-TOPSIS法（Prospect Theory-TOPSIS）的科技項目優(yōu)選排序方法，以提高決策的科學(xué)性與目標(biāo)一致性。

1" 電網(wǎng)科技項目評價方法概述

目前電網(wǎng)公司的科技立項工作大多采用專家評分法，聘請的專家在嚴(yán)格按照評價標(biāo)準(zhǔn)進行評價以后，科技項目根據(jù)評價結(jié)果高低順序予以立項。評價過程（圖1）大概可以分為5步。

1）對申報的項目進行形式審查，通過審查進入專家評價環(huán)節(jié)。

2）項目負(fù)責(zé)人進行匯報，專家對項目評分表中相應(yīng)評價項目進行打分。

3）匯總項目評分表，結(jié)合指標(biāo)權(quán)重，統(tǒng)計各項目平均得分。

4）根據(jù)項目評分，給與立項意見，評分靠前的作為優(yōu)選立項的選擇。

5）對項目評分進行判斷，高于80分的項目準(zhǔn)許執(zhí)行。

在這個過程中，由各方面專家和行政部門領(lǐng)導(dǎo)一起參加評價，可以集中各方面專家的智慧，聽取多方面的意見，全面衡量項目的優(yōu)點與不足，其評估結(jié)果具備專業(yè)性、權(quán)威性，但也存在2點不足。

1）評價指標(biāo)都是定性指標(biāo)，指標(biāo)本身存在模糊性、不確定性，無法實現(xiàn)評價精細(xì)化、定量化，難以保證評價結(jié)果的客觀性和準(zhǔn)確性。

2）項目類型多樣，申請項目數(shù)量眾多，無法集中力量發(fā)展重點科技項目，整體資源配置較差。

2" 高質(zhì)量發(fā)展指標(biāo)體系構(gòu)建

2.1" 高質(zhì)量發(fā)展指標(biāo)篩選和指標(biāo)體系設(shè)計

基于電網(wǎng)科技評價重點內(nèi)容及現(xiàn)有指標(biāo)體系的不足，結(jié)合高質(zhì)量發(fā)展要求，本文構(gòu)建高質(zhì)量發(fā)展指標(biāo)體系。該體系遵循全面系統(tǒng)性、合理性、代表差異性、獨立性和操作可行性的原則，最終從必要性、可行性、經(jīng)濟性和研發(fā)風(fēng)險4個方面建立電網(wǎng)科技項目立項評價指標(biāo)體系，每類指標(biāo)又細(xì)分為各種子指標(biāo)，具體如圖2所示。

建立指標(biāo)體系時，將評價指標(biāo)分為3層，分別為目標(biāo)層、類別層和指標(biāo)層。

各類別層包含的指標(biāo)如下。

1）必要性指標(biāo)。主要包括需求緊迫程度、研究創(chuàng)新性。

2）可行性指標(biāo)。主要包括研究內(nèi)容可行性，預(yù)期目標(biāo)及可考核性，技術(shù)路線的合理性、可行性，預(yù)研和前期研究及研究團隊能力。研究團隊能力指標(biāo)主要考慮承擔(dān)項目成員的研究能力，這里可細(xì)化為年齡梯隊、學(xué)歷構(gòu)成、職稱構(gòu)成指標(biāo)。考慮到項目人員的歷史績效很大程度反映了該人員的研究能力，故特意加入該指標(biāo)來補充支撐項目可行性。鑒于科技項目的成果多為論文、專利和技術(shù)獎，所以歷史績效指標(biāo)主要考慮項目人員指標(biāo)完成率、專利授權(quán)率和獲獎情況。

3）經(jīng)濟性指標(biāo)。主要包括預(yù)算合理性（研發(fā)費用占比、人資費占比）、預(yù)期成效（成果數(shù)量、預(yù)期經(jīng)濟效益與投入比，即投資回報比）、推廣應(yīng)用前景。

4）研發(fā)風(fēng)險指標(biāo)。主要包括技術(shù)風(fēng)險、管理風(fēng)險。

2.2" 指標(biāo)權(quán)重確定

通過組合賦權(quán)法計算組合權(quán)重，其中主觀權(quán)重采用層次分析法進行計算，客觀權(quán)重采用熵權(quán)法進行計算。熵權(quán)法與層次分析法的結(jié)合，能盡量消除各因素權(quán)重的主觀性，保持主觀性與客觀性的平衡，使評價結(jié)果更符合實際。

組合權(quán)重計算步驟有7步，其中1）—3）為計算客觀權(quán)重，4）—6）為計算主觀權(quán)重，7）為計算組合權(quán)重。

1）評價的項目有N=（N1，N2，…，Nn），評價的指標(biāo)P=（P1，P2，…，Pp），構(gòu)成判斷矩陣如下

V=V11" V12" …" V1pV21" V22" …" V2p …" …" …" …Vn1" Vn2" …" Vnp，（1）

式中：Vnp為評價項目Nn與P的相對重要程度。

2）確定客觀權(quán)重的公式，pij=Vij/∑ ，Vij表示第i個評價對象的第j個指標(biāo)的特征比值，再計算Ej=-1/ln（n） ∑" pij lnpij，表示第j個指標(biāo)的熵值。

3）最后得到Wj= ，表示第j個指標(biāo)的客觀權(quán)重。

4）建立判斷矩陣。將各元素進行兩兩比較，得到它們的相對重要程度，并把比較結(jié)果通過合適的標(biāo)度用數(shù)值表示出來，寫成矩陣，即得判斷矩陣。表1為判斷矩陣指標(biāo)比率標(biāo)度法含義。

A=a11 a12 … a1ja21 a22 … a2j… … … …ai1 ai2 … aij" ，" "（2）

式中：aijgt;0，aii=1，aij= ，aij代表的是因素i對于因素j的相對重要程度。

表1" 判斷矩陣指標(biāo)比率標(biāo)度法含義

5）指標(biāo)權(quán)重確認(rèn)及一致性檢驗。依據(jù)的理論公式為AW=λmax，求解方程AW=λmax的特征根λmax及其對應(yīng)的特征向量W，再將特征向量W歸一化，作為評價指標(biāo)的權(quán)重向量。

為檢驗判斷矩陣的一致性，避免邏輯錯誤，通常用指標(biāo)CR進行檢驗。CR=CI/RI，其CI=（λmax-n）（n-1），n為判斷矩陣的階數(shù)，RI為平均隨機一致性指標(biāo)。一般當(dāng)CRlt;0.1時，認(rèn)為判斷矩陣具有令人滿意的一致性（表2）。

（3）

通過計算，各指標(biāo)的組合權(quán)重Wj為

Wj=（0.113，0.051 8，0.052 8，0.106，0.047 4，0.054，

0.034 6，0.029 8，0.027 6，0.026 6，0.023 8，0.022 8，0.073 4， 0.051，0.083，0.083 4，0.054 4，0.064 6）。

3" PT-TOPSIS法設(shè)計

3.1" TOPSIS原理及步驟

TOPSIS法[11]是系統(tǒng)工程中有限方案多目標(biāo)決策分析中常用的一種決策技術(shù)，因其具有計算簡便、結(jié)果合理和應(yīng)用靈活等特點，被廣泛應(yīng)用于科技項目優(yōu)選等領(lǐng)域[5，7，10]。因此通過TOPSIS法，計算待評價項目與最優(yōu)值的相對貼近度，可以對項目進行優(yōu)選排序，為項目優(yōu)選立項提供輔助決策。

TOPSIS法的基本思想：定義決策問題的理想解和負(fù)理想解，理想解一般是設(shè)想最好的方案，負(fù)理想解是假定最壞的方案，方案排隊的決策規(guī)則，是把實際可行解和正理想解與負(fù)理想解做比較，通過計算某一方案與最好方案和最劣方案間的加權(quán)歐氏距離，得出該方案與最好方案的接近程度，以此作為評價各方案優(yōu)劣的依據(jù)[12]。

TOPSIS法計算流程主要分為6步，其計算流程如圖3所示。

步驟1：導(dǎo)入數(shù)據(jù)形成決策矩陣X。

步驟2：對決策矩陣進行歸一化處理，消除量綱不同帶來的影響。

步驟3：計算指標(biāo)權(quán)重W。

步驟4：計算正、負(fù)理想解向量Z+，Z-。

步驟5：計算正、負(fù)理想解距離Di+，Di-，一般為歐式距離。

步驟6：計算相對貼近度Ci，Ci越大越接近100，表示第i個評價項目越接近最優(yōu)水平。

TOPSIS法作為一種輔助項目優(yōu)選排序的方法，具備簡單、易用的特點，但仍存在一些不足之處。

1）計算的權(quán)重是主觀值，且正、負(fù)理想解距離無法與權(quán)重建立聯(lián)系。

2）當(dāng)評價個數(shù)改變時，需要重新計算，可能出現(xiàn)前后結(jié)果相互矛盾的逆排序問題。

3）TOPSIS法評價是在完全理想狀態(tài)下的客觀評價，未考慮風(fēng)險偏好等人為因素影響，與實際業(yè)務(wù)需求存在偏差。

3.2" PT-TOPSIS法

前景理論[13]（Prospect Theory）是決策者主觀感受的一種方法，即決策者面對收益是風(fēng)險規(guī)避的、而面對損失是風(fēng)險偏好的，且面對損失比收益更加敏感。針對TOPSIS法存在的不足，本文提出了PT-TOPSIS法（Prospect Theory-TOPSIS），從風(fēng)險收益、損失方面對項目的潛在價值進行評價，將綜合前景值作為項目的優(yōu)先級別的依據(jù)，對決策者進行項目優(yōu)先立項具有重大參考價值，從而使評價結(jié)果更貼近實際業(yè)務(wù)需求。

PT-TOPSIS法的計算流程主要分為4步，具體計算過程如圖4所示。

3.2.1" 決策矩陣的形成與標(biāo)準(zhǔn)化

對形成的決策矩陣進行處理，得到絕對正理想、負(fù)理想解向量，該過程與TOPSIS法類似。但由于TOPSIS法指標(biāo)權(quán)重，計算正、負(fù)理想解時存在一些不足，計算過程有以下的改變。

1）在計算權(quán)重時，采取了熵權(quán)法與層次分析法結(jié)合的組合賦權(quán)法，具體可見2.2節(jié)。

2）對歸一化矩陣X*進行加權(quán)，得到加權(quán)決策矩陣，有zij=ωjx*ij，其中zij為加權(quán)后第i個評價對象對j個指標(biāo)的標(biāo)準(zhǔn)化得分，ωj為第j個指標(biāo)的組合權(quán)重，x*ij為第i個評價對象對j個指標(biāo)的標(biāo)準(zhǔn)化得分。

3）確定正、負(fù)理想解向量。采用求絕對理想解的方法對傳統(tǒng)理想點法進行改進，可以很好地解決逆排序問題。

Z+=（Z1+，Z2+，…，ZP+），（4）

Z-=（Z1-，Z2-，…，ZP-），（5）

式中：Zj+=max（Z1j，Z2j，…，Znj）（j=1，2，…，p）；Zj+=min（Z1j，Z2j，…，Znj）（j=1，2，…，p）。

3.2.2" 計算關(guān)聯(lián)系數(shù)矩陣

設(shè)第i個項目的指標(biāo)Si=（Zi1，Zi2，…，Zip），則項目指標(biāo)集與最優(yōu)理想點和最劣理想點的關(guān)聯(lián)系數(shù)

式中：i=1，2，…，n；j=1，2，…，p；ρ為分辨系數(shù)，且ρ∈（0，1），這里取ρ=0.5。

根據(jù)各指標(biāo)屬性值與最優(yōu)理想點和最劣理想點的關(guān)聯(lián)系數(shù)公式，即可得到正關(guān)聯(lián)系數(shù)矩陣ξ+=（ξij+）n×p和負(fù)關(guān)聯(lián)系數(shù)矩陣ξ-=（ξij-）n×p。

圖4" PT-TOPSIS法計算流程

3.2.3" 改進價值函數(shù)

根據(jù)關(guān)聯(lián)系數(shù)矩陣及解向量對價值函數(shù)進行改進，其中價值函數(shù)[14]是根據(jù)決策者的主觀感受形成的價值，常用的價值函數(shù)如下

v（x）=xα" " "，" x≥0-θ（-x）β，" " x≤0，（7）

式中：參數(shù)α和β分別表示收益和損失區(qū)域價值冪函數(shù)的凹凸程度[15]，反映了決策者對收益和損失的敏感程度，一般α，β≤1；θ反映了決策者對損失的厭惡程度，一般θgt;1。

根據(jù)前景理論和上述求取得到的正理想、負(fù)理想解向量及關(guān)聯(lián)系數(shù)矩陣，可獲得各指標(biāo)屬性值的改進前景值。第i個項目第j個指標(biāo)的屬性值為Zij，若參考點為Zj-，決策者是面臨收益的；若參考點為Zj+，決策者是面臨損失的。故Zij的收益和損失價值函數(shù)為

v+（Zij）=（1-ξij-）α， Zij≥Zj-v-（Zij）=-θ[-（ξ+ij-1）]β， Zij≤Zj+ ，（8）

式中：v+（Zij）、v-（Zij）分別為收益帶來的正前景值和損失帶來的負(fù)前景值。

由收益、損失價值函數(shù)可以得到項目指標(biāo)的正前景值矩陣和負(fù)前景矩陣，分別為v+=（v+ij）n×p，v-=（v-ij）n×p。

3.2.4" 計算綜合前景值

根據(jù)決策權(quán)重公式，計算綜合前景值。方案收益和損失的指標(biāo)決策權(quán)重分別為

（9）

式中：γ+和γ-分別表示決策者面對收益和損失的風(fēng)險態(tài)度，也反映了決策權(quán)重函數(shù)的彎曲程度。

項目Si的綜合前景值V為正前景值和負(fù)前景值與其對應(yīng)的決策權(quán)重之和，即

。（１０）

根據(jù)以上公式，可以求取各類項目的綜合最優(yōu)前景值，根據(jù)項目綜合最優(yōu)前景值由大到小對項目進行排序。

4" 實例分析

為了提高科技項目資助的準(zhǔn)確性，實現(xiàn)科技項目的優(yōu)選立項，驗證PT-TOPSIS項目優(yōu)選及排序方法的效果，本文以某電網(wǎng)公司2022年儲備項目中先進適用技術(shù)示范與應(yīng)用類科技項目為例，對申報的6項科技項目進行立項評價排序，并與實際立項情況進行對比驗證。并邀請8位電網(wǎng)技術(shù)專家根據(jù)科技項目立項評價指標(biāo)體系中的二級指標(biāo)，對被評價的6個科技項目進行評價。表3中年齡梯隊、學(xué)歷構(gòu)成、職稱構(gòu)成、指標(biāo)完成率、專利授權(quán)率、獲獎情況、研發(fā)費用占比和人資費占比為定量指標(biāo)，可以直接計算得到，其余指標(biāo)只能由專家對各項目的評價得到。

4.1" 計算流程

采用上文構(gòu)建的PT-TOPSIS項目優(yōu)選排序方法，對案例中投6個科技項目的優(yōu)劣進行排序，具體過程如下。

1）構(gòu)建加權(quán)決策矩陣。表4可直接構(gòu)成決策矩陣X，由于各指標(biāo)的性質(zhì)不同，為了使各個指標(biāo)具有可比性，在決策矩陣X的基礎(chǔ)上進行指標(biāo)的同向無量綱化處理，并結(jié)合2.2節(jié)的組合權(quán)重構(gòu)造加權(quán)決策矩陣Z。

2）計算絕對正、負(fù)理想解。根據(jù)式（4）—（5）將矩陣Z中指標(biāo)進行篩選，可得到正理想解和負(fù)理想解Z+，Z-。

3）計算關(guān)聯(lián)系數(shù)和綜合前景值。PT-TOPSIS法計算時采用的價值函數(shù)和決策權(quán)重參數(shù)[15]為：α=0.88，β=0.88，γ+=0.61，γ-=0.68。

根據(jù)公式（6），可計算項目指標(biāo)與正理想解、負(fù)理想解的關(guān)聯(lián)系數(shù)矩陣ξ+、ξ-，然后將關(guān)聯(lián)系數(shù)代入改進的前景理論的損失函數(shù)和價值函數(shù)中，分別得到項目的正前景值矩陣v+和負(fù)前景值矩陣v-，再根據(jù)式（8）—（10）可得綜合前景值，各項目的正、負(fù)及綜合前景值見表5。

根據(jù)前景理論，正前景值反映評價方案帶來的潛在收益，負(fù)前景值反映帶來的潛在損失。從正前景值來看，項目4的潛在收益最大，項目2的潛在收益最小。從負(fù)前景值來看，項目4的潛在損失最大，項目5的潛在損失最小。綜合來看，V4gt;V3gt;V5gt;V1gt;V6gt;V2，項目4不管是潛在收益還是潛在損失都是最大的，但其總潛在價值是最高的，在可接受一定潛在風(fēng)險損失時，項目4應(yīng)作為項目立項的第一順位。

4.2" 結(jié)果分析

表6列出了本文所提出的PT-TOPSIS項目優(yōu)選排序方法應(yīng)用于案例的有關(guān)計算結(jié)果，還將直接根據(jù)TOPSIS法及專家評分方法一并列出同案例的評標(biāo)結(jié)果，方便進行對比研究。

從表6可以看出，項目6在3種方法中都是第一。該項目之所以排名最高，結(jié)合表3可知主要因為其各指標(biāo)相對均衡，除了專利授權(quán)率、職稱構(gòu)成2個指標(biāo)在60分左右，其他都高于70分，指標(biāo)平均值高于其他5個項目，在指標(biāo)權(quán)重相同的情況，其項目評分、相對貼近度和綜合前景值均是第一，這也說明該項目非常符合電網(wǎng)公司發(fā)展方向。

從表6可以看出，本文方法與TOPSIS排序結(jié)果一致，與專家評分法大體一致，這也說明了本文所提方法的可行性。值得注意的是，專家評分法的項目排序（第5、第6）跟后2種方法排序不一致，分別是項目2排第5，項目6排第6。如果只使用專家評分法進行評價，項目2的指標(biāo)基本上高于項目6，在權(quán)重相同的情況下，項目2總分高于項目6是正常的。但后2種方法采用的新建立的指標(biāo)體系中考慮了項目人員的歷史績效情況，將專利授權(quán)率、獲獎情況等指標(biāo)作為參考指標(biāo)，在經(jīng)過組合賦權(quán)平衡了主客觀因素影響后，一定程度上修正了專家評分法結(jié)果較主觀所帶來的影響，就導(dǎo)致了2個項目在排序上的差異，這也說明了基于組合賦權(quán)的PT-TOPSIS法，在集成了專家或決策者的主觀偏好與評標(biāo)客觀信息以后，同時具備了最大程度的評價決策的適應(yīng)性和客觀、公正性。

從3種評價方法下分別作為項目排序依據(jù)的評分、相對貼近度和綜合前景值來看，PT-TOPSIS法在項目評價上的極差更大、值域更寬和兩兩差異更顯著，也即本文所提方法能夠更好地“拉開”各項目的檔次。因此，較之TOPSIS法、專家評分法，PT-TOPSIS項目優(yōu)選排序方法對于方案優(yōu)選具有更好的區(qū)分度與決策精度。

5" 結(jié)束語

本文結(jié)合高質(zhì)量發(fā)展的背景，綜合考慮項目主要人員的歷史績效，作為衡量項目研究團隊整體實力的指標(biāo)，構(gòu)建了電網(wǎng)科技項目高質(zhì)量指標(biāo)體系。

本文提出了PT-TOPSIS法，通過層次分析法、熵權(quán)法進行組合賦權(quán)，改善了TOPSIS法指標(biāo)權(quán)重的不足，并以改善后的正理想解和負(fù)理想解作為參考點，進一步改進了前景理論中的收益及損失函數(shù)。同時以某電網(wǎng)公司2022年6項科技項目為例進行了評價，將評價結(jié)果與專家評分法、TOPSIS法的結(jié)果進行了比較分析，驗證了本文方法的可行性和合理性，為具有不確定性因素的電網(wǎng)科技項目多屬性評估及決策者主觀感受的方案比較、優(yōu)選的實際問題提供了一種新的解決途徑。

參考文獻：

[1] 鮑海君，徐保根.科研項目立項的可拓綜合評價[J].軟科學(xué)，2009，23（10）：42-45.

[2] 潘杰義，劉西林.科研項目評價指標(biāo)體系及模糊優(yōu)選決策模型研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2004（1）：9-11.

[3] 林海斌.集對分析在科研項目評價中的運用[J].科學(xué)技術(shù)與工程，2005（19）：69-72.

[4] 韓華，鄒珊剛，周仙梅.基于FAHP的航天科技項目評價模型[J].科技進步與對策，2006（5）：122-124.

[5] 林海斌.基于TOPSIS法的科研項目評價與選優(yōu)[J].科技進步與對策，2006（7）：47-49.

[6] 馬麗娜，李建華.科技項目評估中的層次灰色評價模型應(yīng)用研究[J].科技管理研究，2008（5）：277-279.

[7] 柴云，陳權(quán)，孫紹權(quán).Fuzzy-AHP-TOPSIS法在多屬性方案優(yōu)選中的應(yīng)用——基于油氣田開發(fā)項目方案優(yōu)選的研究[J].數(shù)學(xué)的實踐與認(rèn)識，2010，40（6）：86-91.

[8] 郭健，尹潔林.基于多粒度二元語義和灰色關(guān)聯(lián)分析的科技項目立項評價[J].科技管理研究，2011，31（13）：48-51.

[9] 羅勇，朱波.基于熵權(quán)決策法的項目選擇比較模型研究[J].鄭州大學(xué)學(xué)報（工學(xué)版），2014，35（2）：60-64.

[10] 林曉華，賈文華.基于區(qū)間二型模糊TOPSIS法的方案決策優(yōu)選[J].科技通報，2018，34（3）：120-124.

[11] 郭衛(wèi)東，吳宜鸞.科技計劃項目立項評價體系的研究[J].淮海工學(xué)院學(xué)報（人文社會科學(xué)版），2012，10（20）：41-43.

[12] 方崇.基于信息熵的TOPSIS模型在科研項目立項評價中的應(yīng)用[J].科技管理研究，2010，30（20）：211-213，195.

[13] 王堅強，孫騰，陳曉紅.基于前景理論的信息不完全的模糊多準(zhǔn)則決策方法[J].控制與決策，2009，24（8）：1198-1202.

[14] 張曉，樊治平.基于前景理論的風(fēng)險型混合多屬性決策方法[J].系統(tǒng)工程學(xué)報，2012，27（6）：772-781.

[15] TVERSKY A，KAHNEMAN D．Advances in prospect theory： cumulative representation of uncertainty[J]．Journal of risk and Uncertainty，1992，5（4）：297-323．