采用灰色关联度与TOPSIS法的光伏发电项目风险评价研究.pdf

发布时间：2022-06-26 发布人：admin 分类：说明书资料大小：0.45M 资料格式：pdf 举报版权申诉

2867aa3a-863d-4828-b257-db1189c40995.pdf-第1页.png

第1页 / 共6页

2867aa3a-863d-4828-b257-db1189c40995.pdf-第2页.png

第2页 / 共6页

2867aa3a-863d-4828-b257-db1189c40995.pdf-第3页.png

第3页 / 共6页

2867aa3a-863d-4828-b257-db1189c40995.pdf-第4页.png

第4页 / 共6页

2867aa3a-863d-4828-b257-db1189c40995.pdf-第5页.png

第5页 / 共6页

2867aa3a-863d-4828-b257-db1189c40995.pdf-第6页.png

第6页 / 共6页

文本预览

DOI:10.13335/j.1000-3673.pst.2013.06.003 第 37 卷第 6 期 2013 年 6 月电网技术 Power System Technology Vol. 37 No. 6 Jun. 2013 文章编号：1000-3673（2013）06-1514-06 中图分类号：TK 51 文献标志码：A 学科代码：470·4047 采用灰色关联度与 TOPSIS 法的光伏发电项目风险评价研究李彦斌，于心怡，王致杰（华北电力大学经济与管理学院，北京市昌平区 102206） Risk Assessment on Photovoltaic Power Generation Project by Grey Correlation Analysis and TOPSIS Method LI Yanbin, YU Xinyi, WANG Zhijie (School of Economy and Management, North China Electric Power University, Changping District, Beijing 102206, China) to ABSTRACT: Due long construction cycle, massive investment and many involved aspects of photovoltaic (PV) power generation, various uncertain factors and environmental factors, which both PV generation project and project manager have to be faced with, sharply increase and various risks going with the item appear, so it is of great significance to perform effective risk assessment on PV generation project. According to typical features of PV generation project, a more comprehensive risk assessment index system is proposed, in which the grey correlation analysis and technique for order preference by similarity to ideal solution (TOPSIS) method is utilized to construct a grey ideal value approximation model, to assess the risks in PV generation project. Using the proposed risk assessment index system, results of empirical research on eight PV generation projects that will be constructed in a certain province in Northwest China show that using the proposed method the overall evaluation on alternate schemes can be implemented and the differences between alternate schemes, in which the variation tendency of internal factors of alternate schemes and the ideal scheme can be reflected, therefore the proposed risk assessment method is effective. KEY WORDS: photovoltaic power generation project; risk assessment; grey correlation; technique for order preference by similarity to ideal solution method 摘要：光伏发电安全、可靠、无污染、资源丰富且无枯竭危险，因此逐渐成为当今世界备受关注的新兴产业。然而，光急剧加大，伴随项目而来的各种风险日益突出，因此对光伏发电项目进行有效的风险评价具有明确的现实意义。根据光伏发电项目的典型特征,建立起更为全面的光伏发电项目风险评价指标体系，使用灰色关联度和逼近理想解的排序方法 (technique for order preference by similarity to ideal solution， TOPSIS)，对光伏项目的风险进行评价。结果表明，该方法是一种有效的风险评价方法。它既能对备选方案进行整体评判，又能反映备选方案内部各因素变化趋势与理想方案之间的区别，对于光伏发电项目的投资具有一定的指导作用。关键词：光伏发电项目；风险评价；灰色关联度；TOPSIS 方法 0 引言近年来，光伏发电作为一种清洁可再生的新兴能源产业，受到当今世界的普遍关注。光伏发电是一个系统工程[1]，具备零污染、寿命长、资源永不枯竭且分布广泛等特点，可等领域[2]，发展前景广阔。我国属于世界上太阳能最丰富的地区之一,光伏发电产业潜力巨大，在我广泛应用于航天、通信、能源、农业、交通以及。民宅国开展太阳能资源利用具有得天独厚的条件[3]我国光伏发电产业于20世纪70年代起步，80年代以前尚处于雏形[4]，90年代中期进入稳步发展时期。近年来，为了满足经济发展和能源安全的双重需要，我国加大了对新能源产业的政策扶持力度，光伏发电逐渐受到我国诸多企业的青睐, 纷纷建设光伏发电项目。然而，光伏发电项目建设周期长、涉及面广、投入资金数量庞大，项目和项目管理者面临的各种不确定性因素和各种环境因素急剧加大，伴随项目而来的各种风伏发电项目建设周期长、涉及面广、投入资金数量庞大，项险日益突出，因此对光伏发电项目进行有效的风险目和项目管理者面临的各种不确定性因素和各种环境因素评价具有明确的现实意义。所谓项目风险评价，是基金项目：2010 年教育部人文社会科学研究规划基金项目 (10YJA630088)。 The Ministry of Education of Humanities and Social Sciences Planning Fund in 2010(10YJA630088). 在风险识别的基础上，确定风险发生的可能性及其后果的严重程度，并量化项目风险发生的概率及其影响范围，估计和评价该风险的社会、经济意义的

第 37 卷第 6 期电网技术 1515 过程[5]。解决好光伏产业的项目风险评价问题，对于该产业的良好发展、社会的稳定乃至整个国民经济的发展都有相当重要的推动作用。目前国内对于灰色关联度和逼近理想解的排序方法(technique for order preference by similarity to ideal solution，TOPSIS)的研究有一定的成果，但尚未完全成熟。文献[6-9]给出了灰色关联度的基本理论，并利用灰色关联度来对样本进行选择。文献[10] 基于灰色凸关联度的二维数据和离散序列的近似 Hessian 矩阵，提出了一种新的灰色凸关联度的三维数据(GRPD)，采用凸度相似的特征相关因素之间的关联度来衡量。文献[11]对 TOPSIS 法在供应链管理和物流、企业营销管理、人力资源管理等九大领域的应用进行了研究分析。文献[12-14] 使用 TOPSIS 法对样本进行排序，并针对传统的 TOPSIS 法进行了改进，解决了改变评估目标个数后可能出现的逆排序问题。文献[15]建立了模糊 TOPSIS 法，并从管理的角度对该方法的实施进行实证分析。文献[16]将灰色关联度和 TOPSIS 法相结合，构建了利用灰色关联度定权的加权 TOPSIS 模型。目前关于光伏发电项目风险评估的方法主要包括模糊综合评价法、层次分析法等。模糊综合评价法能对蕴藏信息呈现模糊性的资料作出比较科学合理、贴近实际的量化评价，但计算较为复杂且当指标集 U 较大时会出现超模糊现象，造成评判失败。层次分析法是系统的分析方法，所需信息较少，简洁实用，但定性成分较多，指标过多时数据统计量大且权重难以确定。TOPSIS 优选法能够通过函数曲线方式反映备选方案与理想方案之间的整体相似程度，但不能很好地反映方案内部各因素变化趋势与理想方案之间的区别，而且该分析是基于原始数据样本本身，在信息有限的情况下，如果直接利用样本数据进行分析，就难以保证决策结果的正确性；灰色关联度法能够很好说明备选方案内部因素的变化趋势与理想方案之间的区别，并且适用于部分信息已知、部分信息未知的贫信息评价环境，但在系统方案的整体评判上存在缺陷。本文结合光伏发电项目的典型特征, 构建起全面的光伏发电项目风险评价指标体系,然后采用基于灰色关联度的 TOPSIS 的模型对项目进行风险评价，最后进行实证分析，以期为该领域的研究提供一定的参考依据。 1 光伏发电项目风险评价指标的确定依据我国光伏发电的现状，结合光伏发电项目的典型特征，综合考虑项目的经济效益、社会效益和环境效益，遵循独立性、全面性、可量化的指标选取原则，本文选取了政策风险、经济风险、市场风险、技术风险、自然风险、运营风险 6 方面指标，建立起更为全面有效的光伏发电项目风险评价指标体系。具体指标如图 1 所示。光伏发电项目风险评价指标体系政策风险经济风险市场风险资源风险技术风险管理风险产业政策区域政策国家财税政策投融资体制项目建设成本内部收益率投资回收期市场竞争力市场需求度进入壁垒技术先进性技术成熟技术应用程度技术保护程度太阳能年辐射总量年平均日照时数地理条件自然灾害影响建设管理风险运营管理风险人力资源管理风险图 1 光伏发电项目风险评价指标体系 Fig. 1 Photovoltaic power generation project risk evaluation index system 1）政策风险。从产业政策、区域政策、国家财税政策和投融资体制等 4 方面进行评估。对于不同产业而言，其产业政策的倾斜性与扶持度是不同的，这就导致了各个产业的风险不同。近年来，虽然我国出台了不少光伏政策来扶持光伏产业发展，但是从 2012 年起，我国对光伏的态度变得积极而冷静，首度提出了“防止太阳能、风电设备制造能力的盲目扩张[17]”，对光伏项目的风险产生影响。同理，区域政策的不同也会导致产业在不同区域具有不同的风险。国家的财税政策和投融资体制从宏观上对项目的融资情况和建设运营过程产生一定的影响。 2）经济风险。从项目建设成本、内部收益率和投资回收期等 3 方面进行评估。从经济层面来看，光伏发电项目需要大量的资金投入，因此，是否具

1516 李彦斌等：采用灰色关联度与 TOPSIS 法的光伏发电项目风险评价研究 Vol. 37 No. 6 有足够的成本来建设项目、项目的内部收益率是否满足要求以及项目投资回收期的长短是光伏发电项目风险评价中非常重要的评价指标。 3）市场风险。包括市场竞争力、市场需求度和进入壁垒 3 方面。市场竞争力从直观上说明了项目在市场上的竞争能力，市场需求度则决定了项目方案距离最佳方案和最差方案的距离，利用理想解的相对接近度作为综合评估的标准[18]。利用灰色关联度进一步改进 TOPSIS 法，可以更确切地表述备选方案与理想方案的贴和度，并以此对比较方案的优劣程度，最终提供决策依据[19]。基于 TOPSIS 和灰色关联度的光伏发电项目风在市场内是否具有良好的发展前景。作为清洁无污险综合评价的步骤如下。染的大型发电项目，光伏项目对缓解我国供需压首先，规范化指标数值并应用熵权法确定各评力、提高节能减排水平作用显著，市场需求较大，价指标的权重，列出加权标准化矩阵。但由于在技术上、价格上以及生产能力上较常规能源发电还有一定差距，市场竞争力相对较差。进入壁垒反映了项目进入市场所遇到的障碍和困难，从另一个层面反映该项目的市场情况。 4）技术风险。从技术先进性、技术成熟度、技术应用程度、技术保护程度等 4 方面进行评估。技术先进性和技术应用程度决定了项目在市场的生存能力，国内的光伏项目核心技术研发不足，大多靠引进国外的先进技术，可能出现国外技术和我国实际条件不相符的情况，因此技术应用程度也成为项目的风险之一。技术成熟度和技术保护程度决定了项目能否长期处于稳定的市场竞争中，现在国内外的光伏发电技术都尚未成熟，供电可靠性等都有待提高，同时，技术保护程度的高低也会影响项目的风险水平。 5）自然风险。从地质灾害、天气灾害和环境灾害 3 方面进行评估。地质、天气及环境等灾害会影响光伏发电项目的生产能力，为项目带来一定风险。 6）运营风险。从生产风险、组织风险、人力资源管理风险和财务风险 4 方面进行评估。光伏发电项目投产运营之后，在生产层面，如果管理不善，会对电网运行造成一定影响，增加了项目的生产风险；在组织层面，如果组织的决策、协调等行为失当，会给项目的运营带来组织风险；在人力资源管理层面，光伏项目对管理人员、技术人员和技能人员的专业素质都有很高的要求，会对项目的风险产生影响；在财务层面，如果项目财务结构不合理、融资不当，可能会使投资者预期收益下降，为项目运营带来财务风险。 2 光伏发电项目风险评价模型的建立针对光伏发电项目风险综合评价指标体系的 1）构建指标矩阵。假设对 m 个样本进行评价，包含 n 个评价指 (i1,2,  ,m; 标，相对应的各指标值为 ijr j1,2,,n)，其指标矩阵 R(rij)m×n。 R (1)        r r n      r r m mn        2）指标矩阵规范化。评价指标之间由于性质、单位、量级存在较大的差别，需要按照式(2)对其进行规范化处理，得到无量纲化指标矩阵 X(xij)m×n。 m ( /( x ij ) ) / r    ij   r ij 3）指标权重的确定。采用熵权法确定各指标的权重。根据熵的定 (2)  i 义，计算第 j 项指标的熵值 bj 为 j b ln a ij a ij   (3) m   m  ln i m   (4) x ij 式中 aij 表示第 j 类风险程度下第 i 种方案的比重, 则第 j 项指标的熵权为 a ij x ij  / i v j   ( b ) / j n  ( j  b j ) (5) 指标权重列向量为 ( v v ,  式中 vi 表示指标权重。 V  ,  , T v )n  (6) 4）指标矩阵加权标准化。将规范化后的指标矩阵与相应的指标权重相乘，求得加权标准化矩阵 Y 为 v x j y ) ij m n  Y   ( ( ) ij m n  (7) 特点，以及评价的目的，本文采用灰色关联度改进的 TOPSIS 模型进行评价。其次，确定评价样本的正理想解和负理想解，计算样本与正理想样本和负理想样本的欧氏距离 TOPSIS 法的基本思想是：计算现实中的每个和灰色关联度。

第 37 卷第 6 期电网技术 1517  Y   1）确定正理想解与负理想解。分别确定每个指标集(即同一属性的指标)的最大值与最小值，并以正向指标 j+的最大值与负向指标 j的最小值构成正理想解，以正向指标 j+的最小值构与负向指标 j的最大值成负理想解。 |)  (max i m   y ( ,   (min i m   y ( ,   y lj y , )m ,     j j |   |, min i m   (8) |,max i m   (9) 2）计算样本到正理想解和负理想解的欧氏距离。设样本 i 到正理想解和负理想解之间的欧氏距 y y lj ,     Y   )m  y lj y lj     |) y y j j j j j j , | | |    离分别为 iD 和 iD ，则可得到： D  i  D  i  n  j  v ( y ij j  y ) ,   j i , ,     (10) m , n  j  v ( y ij j  y ) ,   j i , ,     (11) m , 3）计算样本到正理想解和负理想解的灰色关联度。 ①以加权标准化矩阵为基础，计算第 i 个样本与正理想样本关于第 j 个指标的灰色关联系数。 s  ij  i y min minΔ ij ρ j y Δ ij   ρ y max max Δ ij i j y max max Δ ij i j (12) i | y ij  ； min min Δ ij y y 式中： Δ |  ij j y 为两级最大差； [ , ] max max Δ ij 一般取 0.5。则各样本与正理想样本的灰色关联系数矩阵为 y 为两级最小差； j ρ   为分辨系数， i j  W        s   s    s  m    s s   n   s s   n      s s   mn m   (13)       第 i 个样本与正理想样本的灰色关联度为  W i   n n  j  s  ij , i , ,     (14) m , ②计算第 i 个样本与负理想样本关于第 j 个指标的灰色关联系数。 y min minΔ ij ρ j y Δ ij s  ij   i  ρ y max max Δ ij i j y max max Δ ij i j (15) y |  j y y 式中 Δ ij ij 关联系数矩阵为  ，则各样本与负理想样本的灰色 |  W        s   s    s  m    s s   n   s s   n      s s   mn m   (16)       第 i 个样本与负理想样本的灰色关联度为  W i   n n  j  s  ij , i , ,     (17) m , 最后，根据计算相对贴近度，实现样本的排序优选。 1）分别对欧氏距离和灰色关联度进行无量纲化处理。 φ i   i ) max(  i i m   , i ,     , , m (18)  代表 iD ， iD ， iW  ， iW  。 id  ， id  ， iw ，式中 i iw 分别为无量纲化后的值。 2）综合无量纲化后的欧氏距离与灰色关联度。 id  和 iw 数值越大，样本越接近理想解； id  和 iw 数值越大，样本越偏离理想解。综合考虑无量纲化后的欧氏距离和灰色关联度，得到：   , , , , , , , , i i  i  i     T i T i m m e d  e d  e w  i  e w  i      (19)     (20) 式中：e1，e2 反映了决策者对位置和形状的偏好程度，且 e1e21，决策者可根据自己的偏好 e1 和 e2 的值。 iT  和 iT  分别反映了样本与正理想解和负理想解的接近程度。 3）计算相对贴近度。相对贴近度反映了待评样本与正理想解或负理想解在态势变化上的接近程度。 δ i  T i    T i T i ,  i , ,     (21) m , 式中 iδ 表示相对贴近度。 4）样本优劣排序。根据式(21)的计算结果，依据 iδ 的大小对样本进行排序， iδ 越大，表示待评样本越贴近正理想样本，样本越优；反之， iδ 越小，表示待评样本越贴近负理想样本，样本越劣。 3 光伏发电项目风险评价模型的算例分析 3.1 构造加权标准化矩阵本文选取西北某省 8 个地区即将建设的光伏发电项目作为实证研究的对象，根据所取得数据，通过问卷调查，请相关领域的专家按照 0-1 打分法分别从政策风险、经济风险、市场风险、技术风险、

1518 李彦斌等：采用灰色关联度与 TOPSIS 法的光伏发电项目风险评价研究 Vol. 37 No. 6 自然风险、运营风险 6 方面对 8 个光伏项目的风险进行打分。以加权标准化矩阵为基础，按照式(12)—(17)可分别求出样本到正、负理想解的灰色关联度，结果见表 5。具体打分结果见表 1。表 5 灰色关联度表 1 项目风险打分结果 Tab. 1 Project risk scoring results 项目 Tab. 5 Grey correlation degree 正理想解灰色关联度负理想解灰色关联度项目正理想解灰色关联度 ② ① 0.588 9 0.532 5 0.738 1 0.710 3 0.531 7 0.643 7 0.433 3 0.516 7 3.3 计算相对贴近度 ③ ④ ⑤ ⑥ ⑦ ⑧ 0.504 0 0.488 1 0.616 7 0.599 2 负理想解灰色关联度 0.672 2 0.738 9 0.448 4 0.627 8 项目政策风险经济风险市场风险技术风险自然风险运营风险 ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ 0.8 0.6 1 0.6 0.6 0.6 0.8 0.4 0.4 0.2 0.4 0.6 0.2 0.2 0.4 0.4 0.6 0.6 0.4 0.8 0.4 0.2 0.6 0.4 0.4 0.6 0.4 0.6 0.2 0.4 0.4 0.6 0.4 0.2 0.4 0.2 0.4 0.4 0.4 0.2 0.6 0.8 1 0.8 0.8 0.6 0.8 1 接着根据式(2)—(6)使用熵权法计算各指标的权重，结果见表 2。表 2 指标权重 Tab. 2 Index weights 政策风险经济风险市场风险技术风险自然风险运营风险 0.176 4 权重 0.165 6 0.154 9 0.148 9 0.166 5 0.187 6 在得到指标权重以后，根据式(7)，可求加权标 Y 准化矩阵 Y 为 . . . . . . . . . .                   . .                   . .                   . .                   . .                   . .                   . .                   . .                   3.2 计算欧氏距离和灰色关联度             . . . . . . . . . . . . . . . . . . . . . . . .              根据式(8)—(9)分别确定同一属性指标的正理想解及负理想解，结果见表 3。表 3 计算结果 Tab. 3 Calculation results 正理想解 0.331 3 0.499 5 负理想解 0.165 6 0.166 5 政策风险经济风险市场风险技术风险自然风险运营风险 0.882 2 0.352 9 根据正、负理想解，分别采用式(10)—(11)计算 0.619 5 0.446 8 0.154 9 0.148 9 0.938 2 0.562 9 样本到正、负理想解的欧氏距离，结果见表 4。在得到样本到正、负理想解的欧式距离后，还需要分别计算样本到正、负理想解的灰色关联度，表 4 欧式距离 Tab. 4 Euclidean distance 项目 ① ② ③ ④ 正理想解欧氏距离 0.041 7 0.044 7 0.030 2 0.036 4 负理想解欧氏距离 0.444 4 0.042 6 0.060 7 0.055 6 项目 ⑤ ⑥ ⑦ ⑧ 正理想解欧氏距离 0.054 8 0.036 1 0.030 8 0.053 7 负理想解欧氏距离 0.028 5 0.024 2 0.047 3 0.045 6 在求解样本到正、负理想解的欧氏距离及灰色关联度的基础上，根据式(18)对欧氏距离和灰色关联度进行无量纲化处理(见表 6)，再根据式(19)—(20) 样本与正理想解和负理想解的接近程度，取 e   (结果见表 7)，最后根据式(21)计算相对  贴近度(见表 8)，最终实现样本的排序优选。表 6 无量纲化处理的欧氏距离和灰色关联度 e  . Tab. 6 Dimensionless results of Euclidean distance and grey correlation degree 项目 ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ 正理想解欧氏距离 0.661 1 0.708 6 0.478 0 0.576 5 0.868 2 1 0.488 1 0.850 8 负理想解欧氏距离 0.731 7 0.702 4 1 0.915 6 0.470 3 0.398 8 0.779 2 0.750 8 正理想解灰色关联度负理想解灰色关联度 0.797 9 0.721 4 1 0.962 3 0.682 8 0.661 3 0.835 5 0.811 8 0.719 6 0.871 2 0.586 4 0.699 3 0.909 7 1 0.606 8 0.910 5 表 7 样本与正理想解和负理想解的接近程度 Tab. 7 Closeness between samples and the positive or 项目 ① ② ③ ④ 正理想解接近度 0.764 8 0.711 9 1 0.939 negative ideal solutions 项目正理想解接近度 0.576 6 ⑤ 0.530 1 ⑥ 0.807 4 ⑦ ⑧ 0.781 3 负理想解接近度 0.690 4 0.789 9 0.532 2 0.637 5 表 8 评价结果 Tab. 8 Evaluation result 负理想解接近度 0.886 3 1 0.547 5 0.880 7 ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ 项目贴近度 0.525 6 0.474 0 0.652 7 0.595 6 0.394 1 0.346 4 0.595 9 0.470 1 从表 8 中可以看出，8 个被评价项目的分从高到底依次是：③>⑦>④>①>②>⑧>⑤>⑥。在普通的评价中，越贴近正理想解的样本是越好的，但是由于本文将灰色关联度改进的 TOPSIS 法应用到了光伏发电项目风险中，风险评价的结果是越小越好，样本越贴近正理想解说明其可能面临的风险也就越大，所以在表 8 中：项目⑥的得分最低，说明项目⑥风险最小，而项目③的得分最高，说明项目③面临的风险是最大的。

第 37 卷第 6 期 4 结论电网技术 1519 Liao Feng，Liu Qingliang，He Hui，et al．Based on the improved grey model and comprehensive meteorological factors of bus load forecasting[J]．Power System Technology，2011，35(10)：183-188(in Chinese)． [10] Wu L F，Liu S F，Yao L G，et al．Grey convex relational degree and its application to evaluate regional economic sustainability[J]．Scientia Iranica，2012，19(6)：1437-1444． [11] Behzadian M，Otaghsara S K，Yazdani M，et al．A state-of the-art survey of TOPSIS applications[J]．Expert Systems with Applications， 2012，39(17)：13051-13069． [12] 杨晓东，李庚银，周明，等．基于交互式逼近理想解排序法的电压暂降治理投资最优分配策略[J]．电网技术，2010，34(1)：27-30． Yang Xiaodong，Li Gengyin，Zhou Ming，et al．Based on the interactive approach ideal solution ranking method of voltage sag management investment optimal allocation strategies[J] ．Power System Technology，2010，34(1)：27-30(in Chinese) ． [13] 胡元潮，阮羚，阮江军，等．基于改进逼近理想点法的变电站智能化改造[J]．电网技术，2012，36(10)：42-48． Hu Yuanchao，Ruan Ling，Ruan Jiangjun，et al．Based on the improved approximation ideal point method of substation intelligent transformation[J]．Power System Technology，2012，36(10)：42-48(in Chinese)． [14] 兰华，郑广瑞，廖志民．基于模糊 TOPSIS 和 BP 网络的电力变压器故障诊断方法[J]．南方电网技术，2011，5(1)：70-73． Lan Hua，Zheng Guangrui，Liao Zhimin．Based on the fuzzy TOPSIS and the BP network power transformer fault diagnosis methods [J]．Southern Power Grid Technology，2011，5(1)：70-73(in Chinese)． [15] Gokhan Torlak，Mehmet Sevkli，Mehmet Sanal，et al．Analyzing business competition by using fuzzy TOPSIS method: An example of Turkish domestic airline industry[J] ． Expert Systems with Applications，2011，38(4)：3396-3406． [16] 钱吴永，党耀国，熊萍萍，等．基于灰色关联定权的 TOPSIS 法及其应用[J]．系统工程，2008，27(8)：124-126． Qian Wuyong，Dang Yaoguo，Xiong Pingping，et al．Based on the grey relation of fixed weight TOPSIS method and its application [J]．System Engineering，2008，27(8)：124-126(in Chinese)． [17] 中国国务院．2012 年中国政府工作报告[R]．北京：人民出版社发行部，2012． [18] 孙强，葛旭波，刘林，等．智能电网多属性网络层次组合评价法及其应用研究[J]．电网技术，2012，36(10)：49-54． Sun Qiang，Ge Xubo，Liu Lin，et al．Intelligent grid multiple attribute network layer combination evaluation method and its application research[J]．Power System Technology，2012，36(10)：49-54(in Chinese)． [19] 李峰，刘正超，贾晓希，等．基于全寿命周期理论的风电项目投资风险评价模型[J]．华东电力，2012，40(4)：0531-0535． Li Feng，Liu Zhengchao，Jia Xiaoxi，et al．Based on the whole life cycle theory of wind power project investment risk evaluation model [J]．East China Electric Power，2012，40(4)：0531-0535(in Chinese)．李彦斌收稿日期：2012-11-22。作者简介：李彦斌(1975)，男，博士，教授，研究方向为技术经济及管理，E-mail ：gslyb2008@sina. com；于心怡(1988)，女，硕士研究生，研究方向为技术经济及管理；王致杰(1988)，男，硕士研究生，研究方向为技术经济及管理。（责任编辑马晓华） 1）本文将灰色关联度和 TOPSIS 法相结合，构建灰色理想值逼近模型，对光伏项目的风险进行评价。与现有的评价方法相比，它既能对备选方案进行整体评判，又能反映备选方案内部各因素变化趋势与理想方案之间的区别，是一种更为有效的项目风险评价方法。 2）综合评价中指标的构建、预处理、赋权、建模都是很重要的环节，每个环节应用的方法不同，或顺序不同，最终得出的结论就可能不一样，因此，应在每个环节都需要慎重选择处理方法，这样的结论才较科学、客观。参考文献 [1] 杨贵恒，强生泽，张颖超，等．太阳能光伏发电系统及其应用[M]．北京：化学工业出版社，2011：10-12． [2] 庾晋．太阳能光伏发电存在的问题及促进措施[J]．新能源技术专题，2010，17(1)：42-44． Yu Jin．Solar photovoltaic power generation existing problems and promotion measures[J]．New Energy Technology Project，2010， 17(1)：42-44(in Chinese)． [3] 宋玉萍，孟忠．太阳能光伏电站项目的评价方法及实证研究[J]．华北电力技术，2011，40(1)：30-34． Song Yuping，Meng Zhong．Solar photovoltaic power station project evaluation method and empirical research[J]．North China Electric Power Technology，2011，40(1)：30-34(in Chinese)． [4] 黄讯．我国光伏发电的现状及市场展望[J]．中国环保产业，2007， 13(5)：20-21． Huang Xun．Our pv power generation present situation and the market outlook[J]． China's Environmental Protection Industry，2007，13(5)： 20-21(in Chinese)． [5] 骆珣，王晓庆．项目风险评估的应用与展望[J]．现代管理科学， 2006，9(9)：11-12． Luo Xun，Wang Xiaoqing． Project risk assessment application and prospect[J]．Modern Management Science，2006，9(9)：11-12(in Chinese)． [6] 周建国，王潇炜．基于博弈论和灰色关联度的区域电力市场运营效果评价指标体系[J]．电网技术，2007，31(10)：69-73，88． Zhou Jianguo，Wang Xiaowei．Based on the game theory and grey relational grade of regional power market operation performance evaluation index system[J]．Power System Technology，2007，31(10)： 69-73，88(in Chinese)． [7] 刘文颖，门德月，梁继峰，等．基于灰色关联度与 LSSVM 组合的月度负荷预测[J]．电网技术，2012，36(8)：228-232． Liu Wenying，Men Deyue，Liang Jifeng，et al．Based on grey correlation degree and LSSVM combination of monthly load forecasting [J]．Power System Technology，2012，36(8)：228-232(in Chinese)． [8] 卢志刚，马丽叶．配电网经济运行评价指标体系的建立[J]．电网技术，2011，35(3)：108-112． Lu Zhigang，Ma Liye．Economic operation of distribution network evaluation index system is established[J]．Power System Technology， 2011，35(3)：108-112(in Chinese)． [9] 廖峰，刘清良，贺辉，等．基于改进灰色模型与综合气象因素的母线负荷预测[J]．电网技术，2011，35(10)：183-188．

分享到：

赞收藏

资料库

采用灰色关联度与TOPSIS法的光伏发电项目风险评价研究.pdf

相关推荐

安全技术

热门标签

最新资料