基于Shapley值與全局和聲搜索算法的電網(wǎng)投資組合策略

康 朋，孫安黎，唐立波，劉子毅，張金良

（1.國網(wǎng)重慶市電力公司經(jīng)濟(jì)技術(shù)研究院，重慶 400015；2.華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 102206）

0 引言

隨著國內(nèi)經(jīng)濟(jì)的穩(wěn)步增長，國家工業(yè)化、城鎮(zhèn)化水平的不斷提升，電力行業(yè)實現(xiàn)了高速發(fā)展。與此同時，電能替代深入廣泛推進(jìn)，終端用電容量持續(xù)攀升，社會對于電力的需求不斷加大。據(jù)預(yù)測，全社會用電總量在“十四五”和“十五五”期間，分別以4.5%和3.5%的年均增速穩(wěn)定上升，2030年將達(dá)到1.11×1013kWh。基于此，電網(wǎng)投資的力度也隨之上升，而電網(wǎng)企業(yè)如何把有限的資金應(yīng)用到提升電網(wǎng)經(jīng)濟(jì)性、可靠性的項目中，以落實好電網(wǎng)項目投資決策的工作是亟須思考的問題。投資決策是指投資主體在調(diào)查、分析、尋優(yōu)的基礎(chǔ)上，對投資活動所做出的最后決斷。科學(xué)合理的投資決策可為電網(wǎng)企業(yè)提高資金利用效率提供有力保障。對于電網(wǎng)項目投資而言，投資決策方案的制定需要考慮企業(yè)的投資能力、電網(wǎng)的經(jīng)濟(jì)性等因素。因此，研究電網(wǎng)企業(yè)投資決策問題具有非常重要的現(xiàn)實意義。

對于電網(wǎng)投資組合優(yōu)化研究，現(xiàn)有研究主要側(cè)重于兩個方面：一是針對投資組合優(yōu)化模型設(shè)計的研究；二是針對模型求解計算方法的研究。在模型設(shè)計方面，文獻(xiàn)［1］以智能電網(wǎng)業(yè)務(wù)投資為研究對象，基于最優(yōu)綜合效益，構(gòu)建了多目標(biāo)決策優(yōu)化模型。文獻(xiàn)［2］從經(jīng)濟(jì)、社會及電網(wǎng)安全的維度入手，根據(jù)最優(yōu)投資效用設(shè)計目標(biāo)函數(shù)，從而構(gòu)建優(yōu)化模型。文獻(xiàn)［3］根據(jù)電網(wǎng)投資項目所帶來的經(jīng)濟(jì)效益、社會影響與可靠程度，給出最優(yōu)投資組合模型。為考慮不同地區(qū)實際的電力需求，文獻(xiàn)［4］以經(jīng)濟(jì)效益最優(yōu)為目標(biāo)進(jìn)行投資優(yōu)化分析，在分析中加入了地區(qū)因素，從而實現(xiàn)投資效益最大化。文獻(xiàn)［5］構(gòu)建基于年預(yù)期最大收益的投資優(yōu)化模型，算例結(jié)果驗證了該模型可為企業(yè)合理安排項目投資提供有效支撐。文獻(xiàn)［6］計及資金、項目等約束條件，同時考慮電網(wǎng)投資的經(jīng)濟(jì)性、可行性與發(fā)展性，構(gòu)建多目標(biāo)優(yōu)化模型。

在對優(yōu)化模型的求解研究方面，傳統(tǒng)的方法包括動態(tài)規(guī)劃法和整數(shù)規(guī)劃法等，隨著影響因素的增多和實際工程復(fù)雜程度的增強(qiáng)，傳統(tǒng)方法求解的局限性逐步顯現(xiàn)，為此，學(xué)者們逐漸將群智能體優(yōu)化算法應(yīng)用到優(yōu)化模型的求解中。其中應(yīng)用較為廣泛的有蟻群算法［7］、粒子群算法［8-9］、布谷鳥算法［1-2］和遺傳算法［10］等。文獻(xiàn)［11］采用改進(jìn)的蟻群算法對具有多目標(biāo)的電網(wǎng)規(guī)劃問題進(jìn)行研究。文獻(xiàn)［12］用改進(jìn)的粒子群算法求解電網(wǎng)投資管控中包含的多目標(biāo)優(yōu)化問題。文獻(xiàn)［13］在約束條件中考慮了投資能力，并采用隨機(jī)權(quán)重布谷鳥算法求解所構(gòu)建的投資組合優(yōu)化模型。文獻(xiàn)［14］應(yīng)用非支配排序算法與遺傳算法，并將兩種算法的優(yōu)勢進(jìn)行互補(bǔ)，對多目標(biāo)電網(wǎng)規(guī)劃進(jìn)行研究。除上述群智能體優(yōu)化算法外，合作博弈［15］和技術(shù)成熟度理論［16］等方法也被用于解決電網(wǎng)投資決策的問題中。然而，目前對于優(yōu)化模型的求解方法仍存在求解速度慢、精度差等局限，和聲搜索算法相較于其他早期的啟發(fā)式優(yōu)化算法能夠更好地被各種類型的最優(yōu)化問題所采用，且該算法具有較強(qiáng)的魯棒性和通用性，涉及的參數(shù)較少。為此，本文提出采用改進(jìn)的和聲搜索算法對新型電力系統(tǒng)下電網(wǎng)項目投資組合策略進(jìn)行優(yōu)化。首先，基于Shapley值法構(gòu)建目標(biāo)函數(shù)。原因在于，各效益在總體效益中所占的比重是不同的，Shapley值法能夠按照成員對聯(lián)盟最終獲益的貢獻(xiàn)大小來決定每個成員的所得，體現(xiàn)了分配的合理性與公平性。故采用Shapley值法計算各效益函數(shù)的權(quán)重，并為不同效益函數(shù)賦權(quán)，最后建立總目標(biāo)函數(shù)。該方法相比傳統(tǒng)等權(quán)重直接加和構(gòu)建目標(biāo)函數(shù)的方式更貼近實際，為建立科學(xué)合理的目標(biāo)函數(shù)奠定了基礎(chǔ)。其次，為解決電網(wǎng)項目投資組合問題，構(gòu)建以綜合效益最優(yōu)為目標(biāo)的電網(wǎng)投資策略優(yōu)化模型，并將改進(jìn)的和聲搜索算法應(yīng)用于電網(wǎng)投資決策的模型求解中。最后，通過實例分析獲取最優(yōu)投資組合策略，并對所提模型與求解算法的價值進(jìn)行驗證，為企業(yè)投資電網(wǎng)項目提供決策支撐。

1 Shapley值法及思路

Shapley值法是Shapley 提出的一種處理各聯(lián)盟成員參與總目標(biāo)分配利益的方法，能夠高效地解決各個參與者在合作中的貢獻(xiàn)分?jǐn)倖栴}，并達(dá)到了分?jǐn)偨Y(jié)果更為公正的目的［17-18］。本文從電網(wǎng)企業(yè)以項目投資所獲得的綜合效益最優(yōu)為目標(biāo)，對項目投資策略進(jìn)行制定。因此，明確構(gòu)成總效益的各部分效益并對不同的效益組成部分進(jìn)行分析是后續(xù)模型構(gòu)建的基礎(chǔ)。由于經(jīng)濟(jì)、社會、環(huán)境、安全4個維度產(chǎn)生的效益對電網(wǎng)投資綜合效益產(chǎn)生了巨大影響，故將上述不同效益作為電網(wǎng)投資綜合效益的關(guān)鍵組成部分。根據(jù)Shapley值在收益分配中的應(yīng)用，可將各效益函數(shù)共同作用所產(chǎn)生的綜合效益視為收益，根據(jù)各效益之間的關(guān)系，將綜合效益分配在不同的效益函數(shù)中，即確定每種效益函數(shù)在總效益函數(shù)中所占的權(quán)重。不同效益函數(shù)對組合的貢獻(xiàn)越大，最終分配的權(quán)重也就越大［19］。

Shapley值法計算權(quán)重的基本思路如下。

1）在Shapley值法中，各個效益函數(shù)的權(quán)重分配計算公式如下：

式中：p為效益函數(shù)集合中的任意子集；|p|為子集中效益函數(shù)的個數(shù)；ω(|p|)為加權(quán)系數(shù)，表示某個效益函數(shù)在綜合效益中的權(quán)重；k為Shapley 組合中的某個效益函數(shù)；A（p）為子集p的效益；A(pk)表示在子集p中除去第k個效益指標(biāo)后可取得的效益；Ak為效益函數(shù)k分配的誤差量，即Shapley值；N為效益函數(shù)的總數(shù)。

2）根據(jù)上述公式，得到Shapley總效益函數(shù)中各個效益函數(shù)所占的權(quán)重ωj，計算公式如下：

式中：A為Shapley值的分?jǐn)偪偤汀?/p>

2 基于綜合效益最大化的電網(wǎng)投資組合決策模型

電網(wǎng)投資決策優(yōu)化的目的是找到科學(xué)合理的電網(wǎng)投資策略使得企業(yè)的經(jīng)濟(jì)效益達(dá)到最優(yōu)。同時，電網(wǎng)公司要承擔(dān)社會責(zé)任，在保證自身經(jīng)濟(jì)利益的同時仍要兼顧環(huán)境效益。由于電網(wǎng)公司的重要職責(zé)是為用戶輸送電能，因此，電量、用戶滿意度等有關(guān)社會效益的因素是投資時需要考慮的。另外，高比例可再生能源廣泛接入是新型電力系統(tǒng)的特征之一，風(fēng)能與太陽能都伴隨著不確定性和非連續(xù)性等特點(diǎn)，這會考驗決策者如何進(jìn)行電網(wǎng)投資以保證供電的可靠性。綜上可知，經(jīng)濟(jì)效益、社會效益、環(huán)保效益以及安全效益在電網(wǎng)投資中需要著重考量［20］。其中，目標(biāo)函數(shù)構(gòu)建流程如圖1所示。

圖1 目標(biāo)函數(shù)構(gòu)建流程Fig.1 Flow chart of objective function construction

2.1 目標(biāo)函數(shù)

基于綜合效益最優(yōu)的準(zhǔn)則，建立電網(wǎng)投資決策的目標(biāo)函數(shù)，其中考慮了經(jīng)濟(jì)效益函數(shù)、社會效益函數(shù)、環(huán)保效益函數(shù)、安全效益函數(shù)及投資能力懲罰函數(shù)，見式（4）。

式中：ηi為電網(wǎng)項目i的投資決策變量，當(dāng)ηi=1時，則投資項目i，當(dāng)ηi=0 時，則不投資項目i；Btot(ηi)為總效益函數(shù)，通過計算可得到電網(wǎng)投資的綜合效益；Beco(ηi)為經(jīng)濟(jì)效益函數(shù)；Bsoc(ηi)為社會效益函數(shù)；Benv(ηi)為環(huán)保效益函數(shù)；Bsec(ηi)為安全效益函數(shù)；Cpenalty(ηi)為投資能力懲罰函數(shù)；ω1、ω2、ω3、ω4分別對應(yīng)經(jīng)濟(jì)效益函數(shù)、社會效益函數(shù)、環(huán)境效益函數(shù)和安全效益函數(shù)所占的權(quán)重。

2.1.1 經(jīng)濟(jì)效益函數(shù)

經(jīng)濟(jì)效益函數(shù)可考察電網(wǎng)企業(yè)投資某項目對電網(wǎng)盈利的影響，其為各項目的收益與成本之間的差值，具體如式（5）所示。

式中：Bi，t為第i個項目在第t年的收入；Ci，t為第i個項目在第t年所需要的運(yùn)行成本；T為建設(shè)項目的壽命周期；n為電網(wǎng)項目總數(shù)；r為投資回報率，表示在投資活動中獲得的經(jīng)濟(jì)回報；Ei為第i個項目的投資成本。

2.1.2 社會效益函數(shù)

除經(jīng)濟(jì)效益外，社會效益仍是電網(wǎng)企業(yè)投資決策時需要重點(diǎn)考慮的一部分。電網(wǎng)企業(yè)承擔(dān)著為用戶提供安全可靠用電服務(wù)的責(zé)任，因此，將停電成本作為評判投資項目產(chǎn)生社會效益的關(guān)鍵指標(biāo)。社會效益函數(shù)見式（6）。

式中：vi，t為第i個項目在第t年的新增裝機(jī)容量；v為原有電網(wǎng)能夠承載的最大負(fù)荷量；pimax為第i個項目因停電而耗費(fèi)的最高成本。

2.1.3 環(huán)保效益函數(shù)

傳統(tǒng)的火電導(dǎo)致大量的空氣污染物排放。利用風(fēng)、光等綠色能源發(fā)電可有效減少大氣中的污染物，在實現(xiàn)清潔發(fā)電的同時也促進(jìn)了新能源的消納。對于環(huán)保所帶來的效益，采用清潔能源替代所減少的處理污染物的成本來表示，環(huán)境效益函數(shù)的數(shù)學(xué)表達(dá)如式（7）所示。

式中：Ei，t，CO2、Ei，t，NOx、Ei，t，SO2分別為項目i在第t年由于清潔能源替代所減少的CO2、NOX、SO2排放量；PCO2、PNOX、PSO2分別為單位CO2、NOX、SO2的處理成本。

2.1.4 安全效益函數(shù)

容載比是考核電網(wǎng)投資項目是否能夠安全可靠運(yùn)行的重要指標(biāo)，其反映了變電設(shè)備容量與最大負(fù)荷的關(guān)系，過高或過低的容載比均會導(dǎo)致投資的經(jīng)濟(jì)性變差。安全效益函數(shù)用Bsec(ηi)來表示，如式（8）所示。

式中：θ和γ分別為容載比上、下限；α為電網(wǎng)剩余容量的影響系數(shù)；β為電網(wǎng)不足容量的影響系數(shù)；L為整個電網(wǎng)系統(tǒng)主線平均負(fù)荷。

2.1.5 投資能力懲罰函數(shù)

由于電網(wǎng)企業(yè)在投資中所投入的金額不能超過自身投資能力，因此設(shè)置投資能力懲罰函數(shù)。當(dāng)對電網(wǎng)項目的投資總額超過其自身的投資能力時，再大的綜合效益也將失去意義，且懲罰函數(shù)的結(jié)果會變成一個非常大的數(shù)值，最終的目標(biāo)函數(shù)值會快速減少，該投資組合將被淘汰。投資能力懲罰函數(shù)如式（9）所示。

式中：Bi為第i個項目的投資額；B為電網(wǎng)企業(yè)的投資能力。當(dāng)投資額未超出投資能力時，懲罰函數(shù)無效；當(dāng)投資額超過投資能力時，巨大的懲罰函數(shù)值將導(dǎo)致電網(wǎng)公司無法進(jìn)行投資。

2.2 約束條件

對于電網(wǎng)項目投資決策的研究，通常涉及多方面的約束，其中，投資能力約束、負(fù)荷需求約束、電網(wǎng)資源約束及投資項目約束是考慮的重點(diǎn)，以下對各約束條件進(jìn)行逐一分析。

1）投資能力約束

根據(jù)電網(wǎng)項目投資的實際情況，對各項目的總投資額須小于電網(wǎng)公司現(xiàn)有的投資能力，其約束如式（10）所示。

2）負(fù)荷需求約束

對各項目的投資還應(yīng)保證在一定的規(guī)劃期內(nèi)某地區(qū)電網(wǎng)的新增容量滿足負(fù)荷需求，其約束如式（11）所示。在投資前，通常需要調(diào)研當(dāng)?shù)氐木唧w情況，根據(jù)實際的負(fù)荷需求情況來對項目進(jìn)行投資。

式中：D為當(dāng)?shù)氐呢?fù)荷需求。

3）電網(wǎng)資源約束

電網(wǎng)項目投資過程中，也需要考慮人力資源、物力資源及財力資源的限制，為此，設(shè)計電網(wǎng)資源約束條件如下：

式中：si，t為項目i第t年對該資源的需求量；st為第t年可供給資源的最大量。

4）投資項目約束

電網(wǎng)不同項目之間的關(guān)系紛繁復(fù)雜，包含獨(dú)立關(guān)系、互斥關(guān)系和從屬關(guān)系等。由于不同關(guān)系之間的約束條件無法同時考慮，此處將項目獨(dú)立作為基準(zhǔn)情形進(jìn)行研究。項目獨(dú)立約束是指是否投資某個項目而不對投資另一個項目產(chǎn)生影響。當(dāng)電網(wǎng)共有n個項目時，項目獨(dú)立約束情況的表達(dá)式如下：

3 求解算法

3.1 經(jīng)典和聲搜索算法

電網(wǎng)投資組合問題具有非線性、多維度且涉及電力系統(tǒng)中不同要素等特點(diǎn)。混合整數(shù)規(guī)劃法和動態(tài)規(guī)劃法等算法對解決帶有上述特點(diǎn)的電網(wǎng)投資組合問題的適用性較差且計算速度偏慢。這使得上述優(yōu)化算法無法高效地對本模型進(jìn)行求解。

近年來，為解決多目標(biāo)、非線性優(yōu)化等有關(guān)問題，學(xué)者們已提出并豐富了多種不同的優(yōu)化算法。和聲搜索算法是一種新穎的智能優(yōu)化算法［21］，它是受音樂家創(chuàng)作時不斷調(diào)整各樂器音調(diào)最終匯成完美和聲的過程所啟發(fā)而產(chǎn)生的智能優(yōu)化算法［22-23］。和聲搜索算法對于帶有非線性、多維度特點(diǎn)的電網(wǎng)投資組合優(yōu)化問題，通過反復(fù)調(diào)整記憶庫中的解變量，使函數(shù)值隨著迭代次數(shù)的增加而不斷收斂，從而來完成優(yōu)化，因其計算邏輯簡單，在求解組合優(yōu)化問題時易跳出局部最優(yōu)解，在解決電網(wǎng)投資組合優(yōu)化問題方面頗具優(yōu)勢。經(jīng)典和聲算法的具體步驟如下。

1）定義問題和參數(shù)值

首先，假設(shè)最小化問題如式（14）所示：

式中：f(X)為目標(biāo)函數(shù)；X為由決策變量xl組成的解向量，即和聲向量；[xl，L，xl，U]為決策變量xl的可行解取值范圍，xl，L表示取值范圍下界，xl，U表示取值范圍上界；m為決策變量總數(shù)。

其次，確定參數(shù)值。確定和聲庫大小NHMS，即種群規(guī)模；和聲采納率RHMCR，即從現(xiàn)有和聲庫LHM中取出一個和聲的概率；和聲微調(diào)率RPAR，即通過微調(diào)的方式取出和聲的概率；和聲微調(diào)帶寬WBW，即進(jìn)行微調(diào)的幅值；最大創(chuàng)作次數(shù)，即最大迭代次數(shù)Tmax。

2）初始化和聲庫

初始化和聲庫LHM。從X的解空間里隨機(jī)生成數(shù)量為NHMS的和聲向量X1，X2，…，XNHMS，并放入和聲庫LHM中，記錄相應(yīng)的f(X)，和聲庫的形式為：

式中：xf，g為第g個解向量的第f個分量。

3）創(chuàng)作新和聲

在區(qū)間［0，1］內(nèi)產(chǎn)生一個隨機(jī)數(shù)r1，與RHMCR比較，若r1

另外，若和聲變量從和聲庫中取得，則需要對其進(jìn)行微調(diào)，再次在區(qū)間［0，1］內(nèi)產(chǎn)生一個隨機(jī)數(shù)r2，若r2

4）更新和聲庫

對xl，new進(jìn)行評價，若xl，new優(yōu)于LHM中最差的目標(biāo)函數(shù)值，則用xl，new取代最差的和聲；否則，不做修改。

5）檢查算法是否終止

若迭代次數(shù)達(dá)到最大創(chuàng)作次數(shù)則終止算法，否則重復(fù)步驟3）和步驟4）。

3.2 全局和聲搜索算法

為克服算法存在的停滯現(xiàn)象，利用位置更新和小概率變異的方法取代傳統(tǒng)和聲搜索算法的音調(diào)微調(diào)操作，形成全局和聲搜索算法。為更好地理解改進(jìn)算法，3.1節(jié)已對經(jīng)典的和聲搜索算法步驟進(jìn)行了詳細(xì)闡述，對于改進(jìn)的算法，重點(diǎn)闡述其與經(jīng)典算法的區(qū)別及其優(yōu)勢。改進(jìn)算法的詳細(xì)步驟如圖2所示［24-26］。其中，Xbest和Xworst分別為和聲記憶庫中最好和聲與最差和聲。

圖2 全局和聲搜索算法流程Fig.2 Flow chart of global harmony search algorithm

圖3 全局和聲搜索算法綜合效益尋優(yōu)結(jié)果Fig.3 Optimization results for the comprehensive benefits of global harmony search algorithm

全局和聲搜索算法與傳統(tǒng)算法的區(qū)別在于：首先，全局和聲搜索算法不考慮參數(shù)RHMCR、RPAR、WBW，且增添了變異概率Pm；其次，種群更新方式不同，經(jīng)典算法采用精英更新策略，即只有新的和聲優(yōu)于最差和聲時才進(jìn)行更新，而在全局和聲搜索算法中，均須用新和聲來替換最差和聲。因此，全局和聲搜索算法在整個計算周期內(nèi)具有一定優(yōu)勢。在計算初期，種群較為分散，有利于算法進(jìn)行全局搜索；在計算后期，各種群向最優(yōu)解靠攏，有利于算法進(jìn)行局部搜索。

4 算例分析

4.1 數(shù)據(jù)及參數(shù)設(shè)置

算例擬對6 個備選的電網(wǎng)項目進(jìn)行投資組合，擬定投資規(guī)劃期為12年，期望投資回報率為7%，企業(yè)對該6 個電網(wǎng)項目的投資額總計10 000 萬元。6個待選項目的投資成本、運(yùn)營成本、收益及容量情況如表1所示。應(yīng)用上文所提出的和聲搜索算法，在MATLAB R2018a 平臺中進(jìn)行求解計算。待選項目參數(shù)及取值見表2。

表1 待選項目基本信息Table 1 Basic information of candidate items

表2 待選項目參數(shù)及取值Table 2 Parameters and values of candidate items

4.2 項目投資組合策略

首先，采用Shapley值法確定不同效益函數(shù)在總目標(biāo)函數(shù)中所占比重。效益函數(shù)集合為I=｛1，2，3，4｝，其中1代表經(jīng)濟(jì)效益函數(shù)，2代表社會效益函數(shù)，3 代表環(huán)保效益函數(shù)，4 代表安全效益函數(shù)。由于各子集對應(yīng)的數(shù)值較大，為方便計算，進(jìn)行歸一化處理，集合I所有子集與對應(yīng)的數(shù)值見表3。

表3 效益函數(shù)構(gòu)成的子集及數(shù)值Table 3 Subsets and values of the benefit function

基于Shapley值的分?jǐn)偡椒ǎ鶕?jù)式（1）、式（2）和表3，計算得到Shapley值分別為0.007 5、0.057 5、0.030 8、0.154 2。進(jìn)一步根據(jù)式（3）計算出不同效益函數(shù)的權(quán)重系數(shù)，ω1為0.32，ω2為0.26，ω3為0.29，ω4為0.13，從而獲得最終的目標(biāo)函數(shù)，并考慮當(dāng)項目均各自獨(dú)立時，構(gòu)建投資組合決策模型。應(yīng)用和聲搜索算法對上述問題進(jìn)行計算并獲得結(jié)果，此處對算法進(jìn)行參數(shù)設(shè)置：最大迭代次數(shù)Tmax=20，和聲庫大小NHMS=20，變異概率Pm=0.05。

進(jìn)一步，為驗證全局和聲搜索算法的優(yōu)越性，將粒子群算法、經(jīng)典和聲搜索算法作為對比方法。由于迭代次數(shù)會影響尋優(yōu)效果，為了更好地進(jìn)行對比，此處將最大迭代次數(shù)設(shè)為100。3 種算法的迭代過程如圖4所示。

圖4 3種算法迭代過程Fig.4 The iterative processes of three algorithms

由圖4可知，全局和聲搜索算法的收斂速度最快，優(yōu)于經(jīng)典和聲搜索算法和粒子群算法，能夠有效提升計算效率。

為驗證獲取不同效益函數(shù)在總目標(biāo)函數(shù)中所占比重的意義，將通過差異化權(quán)重與等權(quán)重方式構(gòu)建目標(biāo)函數(shù)的結(jié)果進(jìn)行對比。此處令和聲搜索算法的參數(shù)不變，將不同效益函數(shù)的權(quán)重系數(shù)均取0.25，對模型進(jìn)行再次求解。總目標(biāo)函數(shù)值及各效益函數(shù)值的對比如表4所示。

表4 不同目標(biāo)函數(shù)構(gòu)建方法求解結(jié)果對比Table 4 Comparison of solution results obtained through different objective function construction methods萬元

由表4可知，通過等權(quán)重目標(biāo)函數(shù)方式求解得到的總目標(biāo)函數(shù)值比差異化目標(biāo)函數(shù)方式得到的總目標(biāo)函數(shù)值低了37.05萬元。這說明在各效益函數(shù)等權(quán)重的情況下，獲取的總體效益值偏小，且各效益函數(shù)值呈現(xiàn)相等的情況，并未體現(xiàn)出效益指標(biāo)之間的區(qū)別，在實際生產(chǎn)生活當(dāng)中出現(xiàn)該情況的概率較低，為企業(yè)提供決策支撐的價值不大。而Shapley值法構(gòu)建差異化權(quán)重目標(biāo)函數(shù)的求解結(jié)果既能夠獲取優(yōu)良的綜合效益值，又能呈現(xiàn)各效益指標(biāo)的特點(diǎn)，體現(xiàn)出效益分?jǐn)偟暮侠硇浴Ｍ瑫r，權(quán)重分配結(jié)果也能夠反映出項目投資效益的側(cè)重點(diǎn)和目前企業(yè)的投資傾向。根據(jù)計算結(jié)果，項目投資效益?zhèn)戎卦诮?jīng)濟(jì)性與環(huán)保性方面，而安全效益與社會效益有待進(jìn)一步加強(qiáng)。這為企業(yè)在未來權(quán)衡多維度效益的投資并調(diào)整投資策略提供了有力的決策支持。

綜上所述，本文所建模型以綜合效益最優(yōu)為目標(biāo)，統(tǒng)籌考慮投資需求、投資能力，進(jìn)行電網(wǎng)項目投資組合優(yōu)化，并運(yùn)用和聲搜索算法求解。最終得到優(yōu)化結(jié)果為［1，1，0，1，1，1］，其中1 表示項目入選，0表示項目落選。結(jié)果顯示共有5個項目入選，由圖3可知，綜合效益值為281.53萬元。

5 結(jié)論

考慮到電網(wǎng)投資中所涉及的項目投資組合情況，在進(jìn)行投資決策時須綜合考慮相關(guān)約束條件及目標(biāo)要求，既要滿足投資需求，又要在投資能力允許的范圍內(nèi)安排各項目投資，最終實現(xiàn)綜合效益的最優(yōu)化。本文基于Shapley值法分?jǐn)偢餍б婧瘮?shù)貢獻(xiàn)度，進(jìn)一步完善總目標(biāo)函數(shù)的構(gòu)建，并將全局和聲搜索算法應(yīng)用于電網(wǎng)投資組合問題求解當(dāng)中，根據(jù)實例計算結(jié)果，得到以下結(jié)論：

1）將Shapley值法應(yīng)用到效益函數(shù)的構(gòu)建當(dāng)中，能夠使不同效益函數(shù)的貢獻(xiàn)度得到有效分配，從而使目標(biāo)函數(shù)的形成更貼合實際。同時，計算結(jié)果可為企業(yè)未來調(diào)整投資策略提供支撐。

2）根據(jù)全局和聲搜索算法的計算結(jié)果，在權(quán)衡經(jīng)濟(jì)性、安全性、環(huán)保性及社會性的基礎(chǔ)上，選擇項目1—6 進(jìn)行組合，能夠獲得最大的綜合效益且該算法的運(yùn)算效果更具優(yōu)越性。

3）在進(jìn)行決策時，以效益為核心，有益于統(tǒng)籌投資能力及效益水平。以投資能力為基礎(chǔ)，合理確定電網(wǎng)投資規(guī)模，可確保合理的投資回報。

本文關(guān)于電網(wǎng)項目的投資決策主要計及電網(wǎng)投資的整體效益，從經(jīng)濟(jì)性、安全性、環(huán)保性及社會性的維度展開分析，提升了公司投資管控能力，有效支撐電網(wǎng)企業(yè)經(jīng)營決策，實現(xiàn)電網(wǎng)企業(yè)可持續(xù)發(fā)展。為緊跟實際項目需求，不斷提高投資精細(xì)化水平，未來研究的重點(diǎn)可延展到對電網(wǎng)投資進(jìn)行歸類，例如基礎(chǔ)業(yè)務(wù)、智能業(yè)務(wù)、輸變電業(yè)務(wù)等，并根據(jù)不同類型業(yè)務(wù)提出針對性、精細(xì)化的投資策略。