鄉村振興戰略下農網綜合效益評價模型研究

趙會茹，白振奇

（華北電力大學 經濟與管理學院, 北京 102206）

隨著鄉村振興戰略的深入推進，農村地區用電需求持續增加，農網運行壓力加重。此外，當前電力行業已從粗放式增長轉入高質量發展階段[1]，而農村地區保民生投資較大，農網投資的政策性任務多、剛性強，投資涉及因素多，盲目的建設改造不僅會造成資金浪費，也無法滿足實際要求。因此，亟需對農村電網開展投資效益分析，支撐農網精準投資需求，推動農網高質量發展。

目前關于電網投資效益的研究主要集中于輸電網和城市配電網兩方面。在城市配電網方面，He 等[2]提出涵蓋經濟、技術和社會方面整體效益的指標體系用于開展電網投資項目效益評價；羅寧等[3]引入三角模糊數改進傳統可拓評估模型用于配電網綜合評價；徐斌等[4]考慮配電網的經濟性與安全性，提出基于改進AHP-TOPSIS 法用于配電網綜合評價。具體到農網投資效益方面，楊紅磊等[5]從電網性能、社會性和經濟性出發建立農網改造升級綜合效益評價指標體系，并采用模糊評價方法開展評價；賈夢雨等[6]建立綜合考慮分布式電源、供電質量、供電能力和可調控負荷的農網評價體系，并基于博弈論組合賦權進行農網投資評價；王利利等[7]構建農網投資效益與風險評價指標體系開展投資效益與風險評價研究；肖白等[8]針對農網改造問題提出基于梯級組合評分的評價方法，并采用CRITIC 法確定指標權重。

對于農網的研究主要關注農網的供電能力、供電質量等電網基礎運行層面，盡管對于經濟、社會、環境效益有所考慮，卻難以適應新形勢下對農網綜合效益評價的要求。此外，由于不同農村地區的社會經濟發展水平存在著較大的地域差異，農網投資解決的關鍵問題呈現不同的區域特征，各地區農網在綜合效益方面的表現也不盡相同。

基于以上分析，本文首先綜合考慮農網的投資經濟效益、供電能力和基礎設施情況，并結合其在地區發展帶動、生產生活質量、清潔低碳發展方面的效益表現，建立適應鄉村振興戰略的農網綜合效益評價指標體系；其次，基于圖論原理提出一種圖模型指標賦權方法并結合熵權法進行組合賦權，確定指標組合權重；再次，根據所提出的評價指標體系建立基于MABAC 的農村電網綜合效益評價模型；最后，考慮地域差異，分別選取東中西部地區典型農網開展綜合效益評價，評價結果為差異化農網投資提供參考。

一、適應鄉村振興戰略的農網綜合效益評價指標體系

隨著鄉村振興戰略的深入推進，農網綜合效益的內涵變得更加豐富，同時也對農網綜合效益評價提出了新的要求。傳統的農網投資重點在于推動網架結構和電力裝備升級，提升農網基礎性能，解決農網的低電壓、重過載、安全隱患等問題。在新形勢下，除了上述問題，農網還需要承擔起促進鄉村全面振興與鞏固脫貧攻堅成果銜接的責任，有力帶動當地經濟社會發展，提升農村居民的生產生活水平。2022 年5 月，中共中央辦公廳、國務院辦公廳印發了《鄉村建設行動實施方案》，明確指出要實施鄉村清潔能源建設工程，在條件適宜地區探索建設多能互補的分布式低碳綜合能源網絡。隨著新型電力系統的逐步推進，分布式能源在農村地區發展迅速，新型農網的高質量建設應當充分考慮當地發展狀況與分布式能源發展特點，提升農網支撐高比例分布式能源并網發展的能力。

基于此，本文建立了考慮農網投資經濟效益、供電能力、基礎設施情況以及其在地區發展帶動、生產生活質量、清潔低碳發展方面表現的農網綜合效益評價指標體系，如表1 所示。

表1 農網綜合效益評價指標

二、基于組合賦權和MABAC 的農網綜合效益評價模型

為體現決策者對指標重要性的主觀意愿，同時兼顧其自身數據信息特點，減小主觀隨意性，本文基于圖論原理提出一種圖模型主觀賦權方法并結合熵權法進行組合賦權，進而以最小化主客觀權重結果的異質性為目標求解組合權重。

（一） 圖模型指標賦權法

圖模型指標賦權法確定主觀權重的核心思路是運用圖論原理，將評價對象視為圖中的點（具有不同分數屬性），用于描述其自身重要性程度；將評價者的評價行為信息視為圖中的邊，用于反映評價者通過評價行為將指標聯系起來的關聯關系[9]。基于上述思路，建立起一個以點（評價對象）-邊（評價行為間的關聯關系）連接形成的能夠充分反映評價信息的圖模型。假設評價對象有3 個指標，對于各指標重要性的評分標準為兩分制，其評價圖如圖1 所示。

圖1 評價者的評價圖示

圖1 中框中數值為專家對各個指標的評分值，連接各框的連線則描述了評價者通過評價行為將指標聯系起來的關系，體現了專家對各指標評分時的評判比選過程。具體而言，這里的每個評價指標對應圖中的點，而評價的行為將它們聯系起來構成了圖的邊。例如，評價者對于指標1 和指標2 的評價行為構成了指標1 的1 分屬性和指標2 的2 分屬性間的關聯關系，該關聯關系即表現為圖的邊。由于個體差異的存在，不同專家的評價思維與評分標準是不同的，評價思維與評分標準的差異性對評價結果有著一定的聯系和影響，而這個關系對于反映評價者的評價習慣和得到完整精準的指標評價信息則是重要的[10]。因此，應當將該評價行為關系（圖1 連線）考慮進來并加以量化，從而提升評價結果的精準性。

設有 M個專家和N個指標，各位專家采用 α分制（ α為正整數）對各個指標依次進行評價。我們用VNM（1 ≤VNm≤α）記錄為第 M個專家對第 N個指標的評分結果。

基于圖模型指標賦權法確定指標權重的步驟如下：

2.確定單個評價者評分信息矩陣。為反映評價者通過評價行為將指標聯系起來的關系，體現專家對各指標評分時的評判比選過程（圖1 連線），定義為第 m名專家評分信息矩陣，該矩陣包含了專家 m的評分信息和評價行為信息。

3.確定包含所有評價者評分信息的矩陣。將各位專家的評分信息矩陣加總，得到 M 名專家評分信息加總矩陣AαN×αN。

4.評分信息矩陣降維。將式（3）得到的反映全體評價信息的矩陣AαN×αN（簡記為 A）降到一維，并盡可能減少矩陣 A的信息損失。

式中， W為矩陣 A投影后的一維向量； wi為向量 W的第i個元素。

式（4）相當于求解矩陣 A 在一維向量 W 上的投影，根據Perron-Frobinus 定理，式（4）有唯一非負解。在求出該解的基礎上，對求得的 W按照指標進行分塊，并針對各個分塊單元依次進行歸一化運算，將運算結果與對應指標的得分值先求積再求和，最后得到各指標評價得分V1,V2,...,VN。

5.確定指標權重。第 k個指標的權重 ωk為：

（二） 熵權法

熵權法的基本原理為：若某項屬性的數據序列的變異程度越大，則其權系數越大，指標權重越高。熵權法動態確定指標權重，可以消除指標權重固定的評價缺陷。有關熵權法及其應用步驟的研究已較為成熟，本文不再贅述。

（三） 基于最小化主客觀權重異質性的組合賦權

在獲得主客觀權重的基礎上，需要對權重進行組合，如果對其進行簡單的算術平均，將難以體現指標的重要性偏好，也難以體現指標的數據性偏好。因此，本文以主客觀權重之間的異質性最小化為基本原則進行權重組合，通過求解以下優化模型來獲得最終的組合權重：

式中，ωi0為第i個指標的組合權重；ωi1和ωi2分別為第i個指標的主觀、客觀權重。

經過式（6）的優化求解，使得最終得到的組合權重與主客觀權重之間的偏差距離最小，從而對主客觀權重結果進行了平衡，即組合權重既能反映指標的自身屬性，又能充分利用指標數據信息。

（四） 基于MABAC 的農網綜合效益評價方法

考慮到本文的評價對象為多個地區農村電網的綜合效益，且所選指標均為定量指標，因此針對多個備選方案的排序方法具有較好的適用性。TOPSIS 法通過計算各方案與理想解的相對接近度作為評估標準，是一種常用的多方案綜合排序法。但是傳統的TOPSIS 法在理想解的選取與距離計算上存在著不足，可能出現方案逆排序等問題，使得評價結果不夠客觀準確。為此，本文引入MABAC 用于開展農網綜合效益評價。MABAC 是Pamucar 和Cirovic 提出的一種多屬性決策問題解決方法，其基本思路是通過計算各備選方案與邊界近似區域之間的距離來對方案進行排序[11]。MABAC 具有計算過程簡單，評價結果魯棒性強、準確度高的優點，近年來在多屬性決策問題中得到了廣泛的應用[12,13]。利用MABAC 進行決策的步驟如下。

1.建立初始決策矩陣。設有 m個備選方案， n個指標， xij為第i個備選方案的第j個指標值，得初始決策矩陣 X：

2.對初始決策矩陣 X 進行標準化處理，得標準化決策矩陣 Y：

對于正向指標，有：

對于逆向指標，有：

對于適度指標，有：

其中，xi+=max(x1,x2,···,xm)為對應指標的最大值；xi-=min(x1,x2,···,xm)為對應指標的最小值；[a,b]為適度指標的適度區間。

3.計算加權標準化決策矩陣。設 ωj為第j個指標的權重，則加權標準化決策矩陣 Z：

4.確定邊界逼近區域矩陣G ：

式中， gj為第j個指標的邊界逼近區域值。

5.確定備選方案與邊界逼近區域的距離矩陣 H 。該矩陣由加權決策矩陣 Z 中的指標加權值與邊界逼近區域矩陣 G中相應指標邊界逼近區域值的差值構成。

備選方案可能屬于邊界逼近區域矩陣 G （hij=0）、上逼近區域G+（hij>0）或下逼近區域G-（hij<0）。其中，屬于上逼近區域 G+的備選方案為理想方案，屬于下逼近區域 G-的備選方案為非理想方案。邊界區域如圖2 所示。

圖2 邊界區域示意圖

6.確定備選方案的優劣次序。借助距離矩陣 H對各備選方案進行距離求和，得到備選方案i的評價函數值 Si：

三、算例分析

為突顯地域差異對農網綜合效益評價的影響，本文從東中西部各選取8 個典型區域農網的數據進行算例分析，并以此驗證所提出的模型的有效性。其中， A1~ A8為東部某省所轄區域縣域農網， A9~A16為中部某省所轄區域縣域農網，A17~A24為西部某省所轄區域縣域農網。下面以東部地區某省份8 個典型區域農網（ A1~ A8）為例進行詳細說明。

（一） 指標賦權結果

1. 圖模型指標權重

邀請4 位專家采用5 分制對農網的各指標進行打分，計算得到各指標的權重，如表2 所示。

表2 基于圖模型的指標賦權結果

2. 熵權法指標權重

計算熵權法下的各指標權重，權重結果如表3 所示。

表3 基于熵權法的指標賦權結果

3. 組合權重

基于以上求解得出的主觀權重與客觀權重結果，求解式（6），得東部地區基于最小化主客觀權重異質性的組合權重結果，如表4 所示。

表4 東部地區基于最小化主客觀權重異質性的組合權重

同理，可以得到中部地區和西部地區典型區域農網的各指標組合權重，如表5 所示。

表5 中部和西部地區的指標組合權重

由表4 及表5 可知，對于東部地區農網而言，權重排名前3 位的指標分別為CO2減排量（C18）、農村電氣化率（C16）、分布式電源滲透率（C19），這說明隨著鄉村振興戰略以及新型電力系統建設的深入推進，東部地區農網的綜合效益將在清潔低碳發展以及提升農村居民生產生活質量方面得到更多地體現。對于中部地區農網而言，權重排名前3 位的指標分別為變電容載比（ C6）、農村電氣化率（C16）、配電自動化覆蓋率（C12），可見中部地區農網的綜合效益主要體現在提升供電能力、改善居民生產生活質量方面。對于西部地區農網而言，權重排名前3 位的指標分別為單位投資增供電量（ C2）、投資拉動GDP 貢獻度（C13）、變電容載比（ C6），說明經濟基礎較差、電網建設薄弱的西部地區更看重農網投資在地區發展帶動及供電能力提升方面的表現。

綜上所述，地區差異在農網綜合效益評價指標的權重上得到了充分體現。隨著鄉村振興戰略的深入推進，西部地區農網解決基礎薄弱問題較為迫切，帶動地區經濟發展、鞏固脫貧攻堅成果任務依然艱巨。中東部地區農網基礎相對較好，其投資重點在于提升農網品質，實現從“用上電”到“用好電”、從污染低效到清潔高效方向的轉變，不斷提升農村居民的用電體驗。此外，相較于城市配電網而言，農網各方面的基礎仍較為薄弱，因此無論是中東部還是西部地區，完善基礎設施建設，解決低電壓、“卡脖子”等問題仍是農網綜合效益的重要基礎保障。

（二） 綜合效益評價結果

仍以東部地區為例，對所選的8 個典型區域農網的數據進行標準化處理，并結合表4 中所求的組合權重確定加權標準化決策矩陣，如表6 所示。

基于加權標準化決策矩陣確定邊界逼近區域矩陣為

計算得到東部8 個地區農網與邊界逼近區域的距離矩陣，具體如表7 所示。

表7 東部8 個地區農網與邊界逼近區域的距離矩陣

計算東部8 個地區農網的評價函數值，并對所選的農網進行排序。同理，計算得到中部地區和西部地區典型區域農網基于MABAC 的評價結果，具體如表8 所示。

表8 東中西部各地區農網評價結果

由表7、表8 可知，在東部地區所選的8 個典型區域農網中， A4的綜合效益表現最好， A6表現最差。具體而言，在權重排名前五的指標中， A4在用戶平均停電時間（ C4）、農村電氣化率（C16）以及CO2減排量（C18）的表現最優，在投資拉動GDP 貢獻度（C13）和分布式電源滲透率（C19）的表現次優； A6在指標 C4、C16以及C19的表現最差，在C13和C18的表現次差。在中部地區所選的典型農網中，A10的綜合效益表現最好，A13表現最差。具體而言，在權重排名前五的指標中，A10在變電容載比（ C6）、配電自動化覆蓋率（C12）以及農村電氣化率（C16）的表現最優，在單位投資增供電量（ C2）和投資拉動GDP 貢獻度（C13）的表現次優；A13在指標 C2和C16的表現最差，在 C6和C13的表現次差。在西部地區所選的典型農網中，A17的綜合效益表現最好，A19表現最差。具體而言，在權重排名前五的指標中，A17在單位投資增供電量（ C2）、用戶平均停電時間（ C4）以及投資拉動GDP 貢獻度（C13）的表現最優，在變電容載比（ C6）和農村電氣化率（C16）的表現次優；A19在指標C2 和C13的表現最差，在 C4和 C6的表現次差。

上述評價結果表明，新形勢下農網綜合效益主要體現在以下幾個方面：其一，面向鄉村全面振興以及鞏固脫貧攻堅成果的要求，西部地區農網應當大力加強電力基礎設施建設，鞏固網架結構，提升供電能力，改善供電質量。其二，面向農村電網的大體量投資可以產生顯著的投資效應，中西部地區農網應當主動承擔起帶動當地社會投資、促進農村新興產業的發展的責任，從而拉動當地經濟增長，幫助解決就業問題。其三，相較于西部而言，中東部地區農網基礎較好，在滿足基本需求的前提下，應當側重于提升農網品質，從而改善供電服務水平，提高生產生活質量。其四，隨著越來越多的分布式電源接入農村電網，農網所面臨的壓力與日俱增，提升農網對于分布式能源的承載力，推動分布式能源可調可控變成了亟需解決的問題，而這一問題在分布式電源滲透率較高的東部地區尤為突出。因此，未來東部地區農網的建設改造升級應當更加重視其在支撐高比例分布式能源并網發展方面的表現，助力電網清潔低碳發展。

（三） 模型有效性檢驗

為驗證所提出的模型的有效性，選取模型2-4 與本文提出的模型1 進行對比，并開展排序一致性檢驗與樣本分離度檢驗，對比模型設置情況如表9 所示。

表9 對比模型設置情況

1. 排序一致性檢驗

在多屬性決策問題中，驗證決策方法魯棒性的重要依據之一是排序一致性指標。本文參考相關文獻構建排序一致性檢驗指標[14,15]，具體如下：

式中， rs、 rw和WS分別是斯皮爾曼等級相關系數、加權斯皮爾曼等級相關系數和WS排序相關系數。 xi和 yi是待檢驗的兩種排序結果， N是備選方案數量。上述檢驗指標的值越大，表示兩種排序結果一致性越高。

基于上述東部地區8 個典型區域農網的數據，按照模型2、3、4 分別進行運算，得到對于應模型下的排序結果，并借助式（17）-（19）計算得出排序一致性檢驗指標值，具體如表10 所示。

表10 模型排序一致性檢驗結果

由表10 可知，除模型2 的 rw指標之外，其余各對比模型的排序一致性檢驗指標值均大于0.9，且半數以上的指標值大于0.95。從各對比模型的排序結果來看，排名前兩名以及排名最后兩名是方案完全一致的。以上結果表明，對比模型與本文所提出的模型的排序情況具有高度的一致性，因此本文所提出的模型在備選方案排序方面具有較好的魯棒性，排序結果可靠性較高。

2. 樣本分離度檢驗

樣本分離度是判別多屬性決策模型有效性的重要依據，因此本文選取標準差（ σ）、相對極差（ θ）、變異系數（ ?）和靈敏度（ η）進行樣本分離度檢驗[16]，具體如下：

式中， δj是備選方案i 與理想解的相對接近程度； δ 為 δj的平均值；δj,max與δj,min分別為 δj的最大值、最小值；δj,sec取 δj中排名第二的數值； N為備選方案數量。上述檢驗指標的值越大，表示排序結果的樣本分離度越大，即該模型對備選方案的區分能力越強。

借助式（20）-（23）計算得出樣本分離度檢驗指標值，具體如表11 所示。

表11 模型樣本分離度檢驗結果

由表11 可知，對比其他模型，本文所提出的模型1 的各樣本分離度指標值是最大的，即模型1 的樣本分離度表現是最好的。因此，在排序結果沒有巨大差異的情況下，本文所提出的模型對各備選方案的區分能力更加優秀，結合排序一致性檢驗結果，可以認為本文所提出的模型能夠在保證魯棒性的前提下更為有效地區分各方案的優劣。

四、結論

本文綜合考慮農網投資經濟效益、供電能力、基礎設施情況以及其在地區發展帶動、生產生活質量、清潔低碳發展方面的表現，建立了適應鄉村振興戰略的農網綜合效益評價指標體系，并據此構建了基于圖模型—熵權法組合賦權以及MABAC 的差異化農網綜合效益評價模型。算例結果表明，地域差異對農網綜合效益的表現有著顯著影響。隨著鄉村振興戰略的深入推進，西部地區農網投資效益主要體現在解決基礎薄弱問題、帶動地區經濟發展、鞏固脫貧攻堅成果方面。中東部地區農網基礎相對較好，當前投資效益重在提升農網品質。在滿足基礎需求的前提下，不斷改善居民的用電體驗，并使得農網向著清潔低碳發展。本文所提出的模型在農網綜合效益評價方面具有較好的適用性，能夠為鄉村振興戰略下農網綜合效益評價研究提供借鑒與參考。