一种综合内外运行因素的能源供应链风险评价方法及装置与流程

1.本发明涉及能源供应链评估的技术领域，尤其涉及一种综合内外运行因素的能源供应链风险评价方法及装置。


背景技术：

2.近年来，多种能源系统的耦合已成为能源领域里主要的发展趋势，例如：电-气-热能源系统耦合。多种能源系统的耦合组成综合能源供应链，能有效促进多种能源互补，稳定能源供应，提升能源转换效率，以减少碳排放和能源消耗。由于多种能源系统的耦合，使得能源供应链的结构变得更为复杂，因而将要面临供应、运行、市场与消费等方面的更多内部风险，为了确定能源供应稳定，需要对其供应链的风险进行评估，以避免单个环节出错而导致供应链中断。
3.现有的风险评估方法是：先对供应链内的每一种能源系统进行风险评估计算，以确定单一能源系统的风险评价指标体系及其对应的风险评价值，然后将多个需要耦合的能源系统所对应的风险评价值以及风险评价指标体系进行综合评估计算，以确定整条供应链的风险评分。
4.但目前常用的评价方式有如下技术问题：各个能源系统相互间可能存有各种关联因素，且各种关联因素会相互影响，尤其在耦合后供应链会形成，而单一的能源系统评估仅能反应自身发展因素的造成风险，难以反映关联因素的影响，因而不符合实际的应用需求，评估的准确率较低。


技术实现要素：

5.本发明提出一种综合内外运行因素的能源供应链风险评价方法及装置，所述方法可以先确定每个能源系统自身的内部因素以及各个能源系统相互间关联的外部因素所分别对应的多个不同指标，并计算每个指标对应的权重系数，最后综合多个权重系数进行综合评估，以提高评估的准确率。
6.本发明实施例的第一方面提供了一种综合内外运行因素的能源供应链风险评价方法，所述方法包括：
7.确定能源供应链的评估指标参数集，所述评估指标参数集包括多个影响能源系统自身正常运行的内部指标，以及，多个关于能源供应链内各个能源系统共同拥有的外部环境因素所对应的外部指标；
8.利用预设算法计算所述评估指标参数集内每个指标分别对应的权重系数，得到多个权重系数，其中，每个权重系数对应一个外部指标或一个内部指标；
9.基于所述多个权重系数对能源供应链进行综合风险评估。
10.在第一方面的一种可能的实现方式中，所述利用预设算法计算所述评估指标参数集内每个指标分别对应的权重系数，包括：
11.分别采用变异系数法、critic权重法和熵权法，计算所述评估指标参数集内每个
指标对应的算法权重，得到多个算法权重，其中，每个指标对应若干个算法权重；
12.基于相对熵的组合赋权法，对所述每个指标对应若干个算法权重进行相对熵总和，得到每个指标对应的权重系数。
13.在第一方面的一种可能的实现方式中，所述采用变异系数法，计算所述评估指标参数集内每个指标对应的算法权重，包括：
14.基于所述评估指标参数集内多个指标分别计算指标标准差；
15.利用所述指标标准差计算风险变异系数；
16.对所述风险变异系数进行归一化处理，得到所述变异系数法对应的算法权重。
17.在第一方面的一种可能的实现方式中，所述采用critic权重法，计算所述评估指标参数集内每个指标对应的算法权重，包括：
18.采用所述评估指标参数集内多个指标构建指标数据矩阵，并对所述指标数据矩阵内的每个指标进行无量纲化处理，得到多个无量纲化指标，其中无量纲化处理包括正向处理或反向处理；
19.采用多个无量纲化指标分别计算钢化标准差和指标冲突系数，并利用所述钢化标准差和所述指标冲突系数计算指标信息量；
20.基于所述指标信息量计算得到所述critic权重法对应的算法权重。
21.在第一方面的一种可能的实现方式中，所述采用熵权法，计算所述评估指标参数集内每个指标对应的算法系数，包括：
22.对所述评估指标参数集内每个指标对应的数值进行标准化处理，得到多个标准化数值，每个所述标准化数值对应一个指标；
23.计算每个所述标准化数值对应的熵值；
24.采用所述熵值计算每个指标的熵权值，得到所述熵权法对应的算法权重。
25.在第一方面的一种可能的实现方式中，所述基于所述多个权重系数对能源供应链进行综合风险评估，包括：
26.采用所述多个权重系数与预设的标准化矩阵构建加权决策矩阵，其中，预设的标准化矩阵是将每个指标对应的数据进行归一化转换后得到；
27.采用所述加权决策矩阵分别计算理想解和负理想解，并采用所述理想解和所述负理想解计算相对接近度；
28.根据所述相对接近度的数值大小确定能源供应链的风险。
29.在第一方面的一种可能的实现方式中，所述将每个指标对应的数据进行归一化转换，包括：
30.对每个指标对应的数据进行正向化处理，得到多个正向化数据；
31.按照极大型指标的方式对所述多个正向化数据进行转换，得到多个转换数据；
32.对所述多个转换数据进行标准化处理，得到标准化矩阵。
33.在第一方面的一种可能的实现方式中，所述内部指标，包括：能源供应多样性指数、能源加工转换效率、电力平均年产需差、天然气平均年产需差、电量利用率、天然气利用率、电力系统缺电概率、天然气管网缺气概率。
34.在第一方面的一种可能的实现方式中，所述外部指标，包括：电价方差贡献度、气价方差贡献度、能源需求预测准确度、能源消费弹性系数、平均雷击跳闸年发生次数、台风
路径密度、极端低温日数、能源政策年变化次数。
35.本发明实施例的第二方面提供了一种综合内外运行因素的能源供应链风险评价装置，所述装置包括：
36.确定模块，用于确定能源供应链的评估指标参数集，所述评估指标参数集包括多个影响能源系统自身正常运行的内部指标，以及，多个关于能源供应链内各个能源系统共同拥有的外部环境因素所对应的外部指标；
37.计算模块，用于利用预设算法计算所述评估指标参数集内每个指标分别对应的权重系数，得到多个权重系数，其中，每个权重系数对应一个外部指标或一个内部指标；
38.评估模块，用于基于所述多个权重系数对能源供应链进行综合风险评估。
39.相比于现有技术，本发明实施例提供的一种综合内外运行因素的能源供应链风险评价方法及装置，其有益效果在于：本发明可以先确定每个能源系统自身的内部因素以及各个能源系统相互间关联的外部因素所分别对应的多个不同指标，并计算每个指标对应的权重系数，综合多个权重系数进行综合评估，实现结合不同指标对风险进行全面和客观的评价的效果，以提高评估的准确率。
附图说明
40.图1是本发明一实施例提供的一种综合内外运行因素的能源供应链风险评价方法的流程示意图；
41.图2是本发明一实施例提供的一种综合内外运行因素的能源供应链风险评价方法的操作流程图；
42.图3是本发明一实施例提供的一种综合内外运行因素的能源供应链风险评价装置的结构示意图。
具体实施方式
43.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
44.现有的风险评估方法是：先对供应链内的每一种能源系统进行风险评估计算，以确定单一能源系统的风险评价指标体系及其对应的风险评价值，然后将多个需要耦合的能源系统所对应的风险评价值以及风险评价指标体系进行综合评估计算，以确定整条供应链的风险评分。
45.但目前常用的评价方式有如下技术问题：
46.第一、部分不同类型的风险之间存在一定的相关性以及联动关系，例如能源市场中，电价与天然气价格之间会互相影响。风险间的相关性与联动关系会进一步加深能源供应链的风险不确定性和复杂程度，但现有的风险评价指标体系与评价方法都缺乏对这些要素的考虑。
47.第二、缺乏有效且全面的能源供应链风险综合评价方法来评估供应链的风险程度，即现有风险指标体系与评价方法都仅仅针对单种能源系统、单个供应链关键环节或单
种燃料供应而建立的。由于缺乏面向整个能源供应链的风险指标体系以及综合评价方法，能源供应链营运机构将无法从宏观角度全面清楚了解或预测供应链所面临的风险以及负面因素，缺乏对多种、多方面风险的预警和规避方案，导致能源供应链出现各种危机与事故的概率大增。
48.第三、部分风险指标体系与评价方法仅以一种赋权方法为风险指标确定权重值，甚至直接假设各指标权重相同，认为每个风险指标同样重要。这样将无法客观且精确地评价每项风险指标的重要程度，导致能源供应链营运机构缺乏对供应链风险程度的真实评估，也无法认识能源供应链在现实中面临的最大风险与威胁。
49.为了解决上述问题，下面将通过以下具体的实施例对本技术实施例提供的一种综合内外运行因素的能源供应链风险评价方法进行详细介绍和说明。
50.参照图1，示出了本发明一实施例提供的一种综合内外运行因素的能源供应链风险评价方法的流程示意图。
51.其中，作为示例的，所述综合内外运行因素的能源供应链风险评价方法，可以包括：
52.s11、确定能源供应链的评估指标参数集，所述评估指标参数集包括多个影响能源系统自身正常运行的内部指标，以及，多个关于能源供应链内各个能源系统共同拥有的外部环境因素所对应的外部指标。
53.在一实施例中，用户可以考虑能源供应链的风险联动机制和评价目的，基于能源供应链内部关键环节以及外部影响因素的两个方面，确定评估指标参数集。
54.评估指标参数集可以包括两种指标，一种是内部指标，一种是外部指标，其中，内部指标则对应为影响能源供应链所包含的能源系统正常运行的指标，主要包括：可以判断能源供应链在内部的能源供应环节、系统运行与输送环节、能源交易与消费环节是否存在影响供应链安全性、稳定性与可靠性的风险的指标。外部指标则可以是影响能源系统运行的外部因素，主要包括：判断外部环境的自然灾害以及政策转变是否会为能源供应链各关键环节带来额外风险。
55.根据上述描述，内部指标可以分为两类，分别是能源供应风险类指标和系统运行风险类指标。
56.可选地，能源供应风险类指标可以包括以下几种指标：能源供应多样性指数z1、能源加工转换效率z2、电力平均年产需差z3、天然气平均年产需差z4。系统运行风险类指标可以包括以下几种指标：电量利用率z5、天然气利用率z6、电力系统缺电概率z7、天然气管网缺气概率z8。
57.同理，外部指标也可以分为两类，分别是市场经济风险类指标和环境政策风险类指标。其中，在一可选的实施例中，市场经济风险类指标可以包括以下几种指标：电价方差贡献度z9、气价方差贡献度z
10
、能源需求预测准确度z
11
、能源消费弹性系数z
12
。环境政策风险类指标可以包括以下几种指标：平均雷击跳闸年发生次数z
13
、台风路径密度z
14
、极端低温日数z
15
、能源政策年变化次数z
16
。
58.通过上述指标，可以构建成指标体系，具体如下表所示：
[0059][0060]
在一实施例中，基于能源供应链内部关键环节以及外部影响因素两个方面，构建多层次风险指标体系，建立适用于整个能源供应链的完善风险指标体系。而且在能源供应链风险指标体系中，对部分风险之间的相关性和联动关系作出了充分的考虑，例如电价方差贡献度、气价方差贡献度，部分赋权方法如critic权重法也考虑了风险指标之间的相关性，将有助对能源供应链进行更全面、更准确的风险程度的评估与评价。
[0061]
在一实施例中，各个指标的计算方式如下：
[0062]
对于源供应风险类指标：
[0063]
能源供应多样性指数z1(fuel diversity index，fdi)的计算如下：
[0064]
能源供应多样性指数可反映用来发电的燃料品种多样性。可由下式所示：
[0065][0066]
上式中：si为燃料i的份额百分比，而z1则是能源供应多样性指数；n代表燃料品种的总数。当z1＝0，表示该地区仅使用单一品种燃料来发电。在使用多种燃料的情况下，且每种燃料在总发电量中所占的比例相等时，z1＝1，即达到最大值。
[0067]
能源加工转换效率z2的计算如下：
[0068]
能源加工转换效率是指在一定时期内，各种一次能源所蕴含的能量总量，与它们
经过投入加工、转换后同期所产出的电能的比率。其表达式如下所示：
[0069][0070]
上式中：z2为能源加工转换效率；e为某地区在一定时期内所产出的电能，单位亿千瓦时；ri则是第i种一次能源所投入的总量，单位标准煤吨。z2越低，表示同样的电量将需要消耗更多的一次能源，反之亦然。
[0071]
电力平均年产需差z3的计算如下：
[0072]
此指标是指某地区在一年间电力生产与需求量的平均相差值。表达式如下所示：
[0073][0074]
上式中：z3、e
p,t
和e
d,t
分别为电力平均年产需差、去年发电量以及去年的需求量；为过去五年的电力年产需差总和。z3的单位为亿千瓦时。
[0075]
天然气平均年产需差z4的计算如下：
[0076]
天然气平均年产需差z4是指某地区在一年间天然气生产与需求量的平均相差值。对于入口天然气的地区，可以以该地区的进口气量加上本地的天然气产量来作为天然气总产量去计算指标。
[0077][0078]
上式中：z4、g
p,t
和g
d,t
分别为天然气平均年产需差、去年的天然气产量和进口气量的总和，以及去年的天然气需求量；为过去五年的天然气年产需差总和。z4的单位为亿立方米。
[0079]
对于系统运行风险类指标：
[0080]
电量利用率z5(electricity utilization,eu)的计算如下：
[0081]
根据能量利用率(energy utilization)的概念，可构建电量利用率指标，以表示某地区的输配电系统在给定时间内实际输送电力的能力。电量利用率可由下式所示：
[0082][0083]
上式中：z5是为电量利用率；e
trantotal
表示某地区的总输送电量；e
tranrated,t
则是单位时间内电网的额定输送容量；t是为给定的时间区间。
[0084]
天然气利用率z6(natural gas utilization,ngu)的计算如下：
[0085]
根据能量利用率的概念，可构建天然气利用率指标，以表示某地区的天然气管网系统在给定时间内实际输送燃气的能力。天然气利用率可由下式所示：
[0086][0087]
上式中：z6是为天然气利用率；g
trantotal
表示某地区的总输送天然气量；g
tranrated,t
则是单位时间内天然气管网的额定输送容量；t是为给定的时间区间。
[0088]
电力系统缺电概率z7(loss of load probability,lolp)的计算如下：
[0089]
电力系统缺电概率是指在给定时间内，电力系统因某个环节出现事故，或因设备出现故障而不能满足负荷需求的概率，可被表示为：
[0090][0091]
上式中：i(s
e,i
)是为电力系统在状态s
e,t
下供电量削减的标志，其中1表示发生缺电情况，0表示没有出现缺电事件；t是为给定的时间区间。
[0092]
天然气管网缺气概率z8(lolp)的计算如下：
[0093]
天然气系统缺气概率是指在给定时间内，天然气系统因某个环节出现事故，或因设备出现故障而不能满足燃气负荷需求的概率，可被表示为：
[0094][0095]
式中：i(s
g,t
)是为天然气系统在状态s
g,t
下供气量削减的标志，其中1表示发生缺气情况，0表示没有出现缺气事件；t是为给定的时间区间。
[0096]
对于市场经济风险类指标：
[0097]
电价方差贡献度z9和气价方差贡献度z
10
(rate of variance contribution，rvc)的计算如下：
[0098]
为研究电价和气价的波动及其影响以衡量能源供应链的市场风险，先构建天然气-电力价格的var模型来分析电价和气价之间的联动关系。气-电价格的var模型可表达为以下公式：
[0099][0100]
x
t
＝[x1,x2,
…
,x
t
]
t
[0101]yt
＝[y1,y2,
…
,y
t
]
t
[0102][0103]
上式中：ε
t
＝[ε
1t
,ε
2t
]
t
，φ0＝[φ
10
,φ
20
]
t
；y
t
为电力价格时间序列，x
t
为天然气价格时间序列；p为气电价格var模型中的滞后阶数；t为所收集价格数据的总天数；φ0是电价气价各自回归方程中常数项构成的列向量，φi为气价电价当期数据与滞后项数据间的系数矩阵；ε
t
为模型扰动项列向量，各自独立互不相关且均值为0。
[0104]
基于气-电价格的var模型进行方差分解分析，可量化气价电价受到冲击后的影响程度，并通过气价和电价的随机误差项，描述气价波动对电价波动的贡献度以及电价自身波动对未来电价的影响程度，有助评估能源供应链在电价气价波动的影响下所面临的市场
风险。首先，考虑到气价电价关于随机干扰项后，可将上述公式改写成2变量1阶序列形式：
[0105][0106]
式中：a
11
、a
12
、a
21
和a
22
为随机干扰项的对应系数。
[0107]
其次，为测定电价与气价波动对系统方差的贡献度，定义了方差贡献度rvc。若干扰项之间两两互不相关则有：
[0108][0109][0110][0111]
式中：σ代表序列的方差；z9为电价方差贡献度和z
10
为气价方差贡献度，这两个指标可以衡量能源市场风险。
[0112]
能源需求预测准确度z
11
的计算如下：
[0113]
能源需求预测从研究一个地区的能源消费历史数据开始,分析影响能源消费的各种因素,以及能源需求量与这些因素的关系,并根据分析对未来能源需求发展趋势作出评估。此指标根据均方根误差(root mean square error,rmse)来建立，并被表示为以下公式：
[0114][0115]
上式中：和分别为第i种能源的预测需求量以及实际需求量，而n则是能源种类的总数。
[0116]
能源消费弹性系数z
12
的计算如下：
[0117]
能源消费弹性系数是指在一定时间内，能源消费的平均增长速度与同期地区国民生产总值平均增长速度的比值，是一种反映能源供应链与国民经济发展关系的技术经济指标。
[0118][0119]
上式中：z
12
为能源消费弹性系数，而v
rmean
和v
gnpmean
则分别为能源消费年平均增速以及国民生产总值年平均增速。
[0120]
对于环境政策风险类指标：
[0121]
平均雷击跳闸年发生次数z
13
的计算如下：
[0122]
雷击能够破坏变电站设备以及输电线路。近年来，220kv以上线路的跳闸原因主要为雷击。因此，有必要针对雷击灾害构建风险指标，以衡量能源供应系统所面临的环境风险。可利用平均雷击跳闸年发生次数z
13
作为代表雷击灾害的环境风险指标。
[0123]
台风路径密度z
14
的计算如下：
[0124]
在沿海以及东南地区，台风灾害频发，容易对电力网络以及天然气管网造成损毁。因此应为台风灾害构建风险指标。台风路径密度由下列公式所表示：
[0125][0126]
上式中：f(x)代表台风年发生次数概率分布；x为某地区平均台风年发生次数，而该地区每年发生xo次台风的概率最大，即f(xo)＝max[f(x)]；z
14
为台风路径密度；a为区域面积。
[0127]
极端低温日数z
15
的计算如下：
[0128]
一般在零度左右的极端低温下，能源供应链的设备都有可能面临失效的危机，具体情景如发电机、变电站设备被冰冻以及天然气管道凝冻堵塞等。因此，可利用极端低温日数z
15
作为环境风险指标之一，以衡量极端低温为能源供应链所带来的环境风险程度。
[0129]
能源政策年变化次数z
16
的计算如下：
[0130]
若某地区的能源政策制定或修改过于频繁，将不利于能源供应链的能源供应稳定性，更有可能因为频繁的能源输送量和供应量的变化而对供应链的各种设备造成损耗，进一步损害能源供应链的可靠性，增加能源供应链的运行和供应风险，反之亦然。因此，本指标体系以能源政策年变化次数z
16
作为政策方面的指标，协助评价某地区能源供应链所面临的政策风险。
[0131]
结合上述各个关于外部因素与内部因素的指标，计算不同指标所对应的权重，从而能利用其权重进行综合风险评估，以提高评估的准确率。
[0132]
s12、利用预设算法计算所述评估指标参数集内每个指标分别对应的权重系数，得到多个权重系数，其中，每个权重系数对应一个外部指标或一个内部指标。
[0133]
在一实施例中，可以计算每一个指标(内部指标或外部指标)对应的权重，可以得到多个权重。
[0134]
其中，预设的算法可以是一种或多种，可以根据实际需要进行调整。
[0135]
为了能更加客观准确地进行综合评估，在一可选的实施例中，预设算法有多种，利用多种算法进行不同的计算，再进行整合，可以得到权重系数。
[0136]
其中，作为示例的，步骤s12可以包括以下子步骤：
[0137]
s121、分别采用变异系数法、critic权重法和熵权法，计算所述评估指标参数集内每个指标对应的算法权重，得到多个算法权重，其中，每个指标对应若干个算法权重。
[0138]
在一可选的方式中，可以先采用变异系数法计算评估指标参数集内每个指标对应的算法权重，然后采用critic权重法计算评估指标参数集内每个指标对应的算法权重，最后再采用熵权法计算评估指标参数集内每个指标对应的算法权重。使得每个指标均可以对应三个算法权重。
[0139]
在一实施例中，所述采用变异系数法，计算所述评估指标参数集内每个指标对应的算法权重，包括：
[0140]
s21、基于所述评估指标参数集内多个指标分别计算指标标准差。
[0141]
在一实施例中，假设有n个被评价地区，且被评价地区由m个指标来描述。先求出各指标的指标均值，在利用指标均值计算指标标准差。具体计算如下式所示：
[0142][0143]
上式中：z
ij
为第j个地区能源供应链的第i项次级指标(对应为上表的次级指标)；为指标均值，具体是指第j个地区能源供应链的第i项次级指标在n个地区能源供应链中的平均值；si为指标标准差。
[0144]
s22、利用所述指标标准差计算风险变异系数。
[0145]
风险变异系数的计算如下式所示：
[0146][0147]
上式中：μi为风险变异系数。
[0148]
s23、对所述风险变异系数进行归一化处理，得到所述变异系数法对应的算法权重。
[0149]
对风险变异系数μi作归一化处理，便可得各风险指标的算法权重，其计算如下式所示：
[0150][0151]
上式中：为算法权重，a代表使用了变异系数法，计算完毕后得到各个指标的算法权重
[0152]
在一实施例中，所述采用critic权重法，计算所述评估指标参数集内每个指标对应的算法权重，包括：
[0153]
s31、采用所述评估指标参数集内多个指标构建指标数据矩阵，并对所述指标数据矩阵内的每个指标进行无量纲化处理，得到多个无量纲化指标，其中无量纲化处理包括正向处理或反向处理。
[0154]
假设有n个被评价地区的能源供应链，m项次级指标(例如，上表中的16项次级指标)，形成指标数据矩阵：
[0155][0156]
上式中：z
ij
为第j个地区能源供应链的第i项次级指标的数值。
[0157]
由于critic权重法利用指标的对比强度和指标之间的冲突性来综合衡量指标的客观权重：对比强度是指某风险指标在各地区能源供应链之间的取值差距，表现形式为标准差，标准差越大权重越高；风险指标之间的冲突性由相关系数来表示，若两个指标之间的正相关性越大，相关系数越接近1，权重越低。
[0158]
为消除因量纲不同对评价结果的影响，对各项指标进行无量纲化处理。critic权重法一般采用正向化或逆向化处理；若所用指标的值越大越好，就需要对次级指标进行正向化处理：
[0159][0160]
若所用指标的值越小越好，就需要对次级指标进行逆向化处理：
[0161][0162]
上式中：z
′
ij
为处理后的第j个地区供应链第i项次级指标；z
max
为次级指标zi的最大值(对应上表，i＝1-16)，z
min
为次级指标zi的最小值。
[0163]
s32、采用多个无量纲化指标分别计算钢化标准差和指标冲突系数，并利用所述钢化标准差和所述指标冲突系数计算指标信息量。
[0164]
在本实施例中，可以对已经进行了无量钢化处理的各项指标计算钢化标准差和指标冲突系数。
[0165]
其中，钢化标准差的计算如下式所示：
[0166][0167]
上式中：si代表第i个风险指标的钢化标准差；z
ij
为第j个地区能源供应链的第i项已经进行了无量钢化处理的次级指标；为钢化均值。
[0168]
指标冲突系数的计算下式所示：
[0169][0170]
上式中:ri为指标冲突系数，r
ik
表示次级指标zi和次级指标zk之间的相关系数。
[0171]
以z9电价方差贡献度和z
10
气价方差贡献度为例，这两个指标之间存在冲突性，因电价方差贡献度的增加会导致气价方差贡献度的下降，反之亦然。
[0172]
指标信息量的计算如下式所示：
[0173][0174]
上式中：ci为次级指标zi对应的指标信息量。次级指标的信息量越大，其权重就越高。
[0175]
s33、基于所述指标信息量计算得到所述critic权重法对应的算法权重。
[0176]
所述critic权重法对应的算法权重的计算如下式所示：
[0177]
[0178]
式中：为第i项次级指标的权重，c代表使用了critic权重法。计算完毕后得到风险指标权重向量
[0179]
在一实施例中，所述采用熵权法，计算所述评估指标参数集内每个指标对应的算法系数，包括：
[0180]
s41、对所述评估指标参数集内每个指标对应的数值进行标准化处理，得到多个标准化数值，每个所述标准化数值对应一个指标；
[0181]
对评价风险指标数值进行标准化处理的计算如下式所示：
[0182][0183]
上式中：u
ij
为第i个次级指标在第j个地区能源供应链中的数据标准化后的数值。
[0184]
s42、计算每个所述标准化数值对应的熵值；
[0185]
熵值的计算如下式所示：
[0186][0187]hi
为第i个次级指标在第j个地区能源供应链中标准化数值的熵值。
[0188]
s43、采用所述熵值计算每个指标的熵权值，得到所述熵权法对应的算法权重。
[0189]
熵权值的计算如下式所示：
[0190][0191]
上式中：为次级指标zi的权重值，u代表使用了熵权法。计算完毕后得到风险指标权重向量
[0192]
s122、基于相对熵的组合赋权法，对所述每个指标对应若干个算法权重进行相对熵总和，得到每个指标对应的权重系数。
[0193]
在一实施例中，利用基于相对熵的组合赋权法确定各项次级指标的综合权重。由于相对熵用来描述两个随机分布之间的差异和距离。基于相对熵原理的组合赋权法就是通过优化使最终的组合权重结果与各单一赋权法之间的相对熵总和最小。
[0194]
设变异系数法、critic权重法和熵权法求得的次级指标的权重向量为vk，权重分配系数为αk(k＝1,2,3)，根据相对熵原理建立数学模型：
[0195][0196]
上式中：q表示相对熵总和；vk为透过第k个赋权方法所得的次级指标的权重向量；构造拉格朗日函数求解优化结果αk；wi为第i项次级指标的综合权重，作为权重系数。在计算完毕后得到权重向量w＝[w1,w2,
…
,wm]。
[0197]
s13、基于所述多个权重系数对能源供应链进行综合风险评估。
[0198]
在一实施例中，可以应用topsis法对能源供应链的风险程度进行综合评价。topsis法可以根据有限个评价地区能源供应链与理想化目标(完全无风险)的接近程度进行排序，进而可以对现有的各个地区能源供应链进行风险程度的评价。
[0199]
在其中一种的实施例中，步骤s13可以包括以下子步骤：
[0200]
s131、采用所述多个权重系数与预设的标准化矩阵构建加权决策矩阵，其中，预设的标准化矩阵是将每个指标对应的数据进行归一化转换后得到。
[0201]
其中，作为示例的，所述将每个指标对应的数据进行归一化转换，包括：
[0202]
s51、对每个指标对应的数据进行正向化处理，得到多个正向化数据。
[0203]
s52、按照极大型指标的方式对所述多个正向化数据进行转换，得到多个转换数据。
[0204]
s53、对所述多个转换数据进行标准化处理，得到标准化矩阵。
[0205]
具体地，对次级指标对应的数据的矩阵进行正向化处理，使得每个次级指标的数值越接近最优值，则正向化之后该数据越大，反之正向化之后的数据越小。在进行正向化处理后，可以根据数值的大小分别将各个次级指标划分成极大型、极小型、中间型和区间型这四类指标，然后将极小型、中间型和区间型全部转化为极大型指标数据。
[0206]
其中，极小型指标转化成极大型指标：
[0207][0208]
中间型指标转化成极大型指标：设中间型指标集合的最优数值为x
best
，则正向化公式为：
[0209][0210]
m＝max{|x-x
best
|}
[0211]
区间型指标转化成极大型指标：设区间型指标集合的最佳取值区间为[a,b]，则正向化公式为：
[0212][0213]
m＝max{a-min{xi},max{xi}-b}
[0214]
为了消除不同的风险指标数据量纲的影响，对已经正向化的矩阵进行标准化处理。
[0215]
假设决策矩阵为a，元素为x
ij
，由矩阵a构建标准化的决策矩阵z
*
，其矩阵元素为设有m个风险指标，n个待评价的地区能源供应链。其中标准化矩阵如下式所示：
[0216][0217]
加权决策矩阵z的计算如下式所示：
[0218][0219]
上式中：wi为第i个次级指标的权重系数，z
ij
为加权决策矩阵z的元素。
[0220]
s132、采用所述加权决策矩阵分别计算理想解和负理想解，并采用所述理想解和所述负理想解计算相对接近度。
[0221]
理想解和负理想解的计算如下式所示：
[0222][0223][0224]
上式中，z
+
为理想解，z-为负理想解。
[0225]
需要说明的是，在取出每个次级指标，即每一列中最大的数，构成理想最优解向量，同时取每一列中最小的数计算理想最劣解向量。
[0226]
可以计算每个地区能源供应链的风险程度到理想解的距离。
[0227]
具体地，可以采用欧几里得范数来测度距离，则第i个地区能源供应链的风险程度可行解zi到z
+
的距离为：
[0228][0229]
然后计算，第i个地区能源供应链的风险程度可行解zi到负理想解z-之间的距离为：
[0230][0231]
所述相对接近度的计算如下式所示：
[0232][0233]ci
为相对接近度
[0234]
s133、根据所述相对接近度的数值大小确定能源供应链的风险。
[0235]
若zi是最理想解，则求得ci＝1；若zi是负理想解，则求得ci＝0。
[0236]
在判断时，若相对接近度越靠近理想解，也就是该地区的能源供应链风险程度与最优解(完全无风险)的距离越小时，ci越趋近于1，代表该地区的能源供应链风险程度越低，供应链内部具有较高的可靠性、安全性与稳定性，以及对外部环境的抗风险能力；反之，该地区的能源供应链风险程度距离负理想解(处于最高风险程度)越近，ci越趋近于0，代表该地区的能源供应链风险程度越高，供应链内部具有较多潜在或明显的风险，整体上比较脆弱，对外部环境的抗风险能力也越低，容易受到负面影响。
[0237]
具体地，若相对接近度越趋近于1，则确定能源供应链的风险越小，反之，若相对接近度越趋近于0，则确定能源供应链的风险越大。
[0238]
基于变异系数法、critic权重法以及熵权法为风险指标赋权，然后基于相对熵的组合赋权法确定各指标的综合权重，最后基于综合权重系数的topsis法为能源供应链进行全面的综合风险程度评价，能够全面、客观和科学地分析能源供应链的内部运行情况和外部影响因素，及时发现供应链各关键环节的潜在风险以及供应链面临的外部风险，并相应地协助能源供应链规避风险和危机发生的场景，保障供应链内部运行的高度可靠性、稳定
性与安全性，加强供应链对外部环境的抗风险能力，并为综合能源供应链下一步的建设工作提供更好的指导性意见。
[0239]
参照图2，示出了本发明一实施例提供的一种综合内外运行因素的能源供应链风险评价方法的操作流程图。
[0240]
具体地，可以先构建多层次的能源供应链的风险评价体系(如上表所示)，接着利用变异系数法、critic权重法和熵权法分别计算源供应链的风险评价体系内每个指标对应的权重系数，然后利用基于相对熵的组合赋权法确定每个指标的综合权重(对应为每个指标的权重系数)，最后结合多个权重系数用于topsis法对能源供应链进行综合评价。
[0241]
为了方便理解，将结合实际例子进行说明。
[0242]
下面结合具体实施例对本发明作进一步说明。
[0243]
以国外四个地区的能源供应链的实际数据进行算例仿真。具体指标与数据如表1所示，标准化数据如表2所示：
[0244]
表1国外四个地区的能源供应链风险指标原始数据
[0245]
[0246][0247]
表2国外四个地区的能源供应链风险指标标准化数据
[0248]
[0249][0250]
利用变异系数法得到各个指标权重系数向量为：
[0251]
p1＝[0.0106,0.0271,0.1186,0.0767,0.0528,0.0508,0.0806,0.0681,0.0236,0.0714,0.0152,0.1039,0.0832,0.1103,0.0646,0.0424]；
[0252]
利用critic权重法得到各个指标权重系数向量为：
[0253]
p2＝[0.0502,0.0529,0.0565,0.0643,0.0551,0.0605,0.0528,0.0682,0.0617,0.0748,0.0590,0.0752,0.0582,0.0582,0.0648,0.0877]；
[0254]
利用熵权法得到各个指标权重系数向量为：
[0255]
p3＝[0.0640,0.0501,0.0817,0.0550,0.0525,0.1284,0.0574,0.0559,0.0775,0.0564,0.0622,0.0490,0.0503,0.0517,0.0608,0.0471]；
[0256]
利用基于相对熵的组合赋权法确定各指标的综合权重为：
[0257]
p＝[0.038109,0.041876,0.087962,0.066757,0.05349,0.074758,0.065102,0.064877,0.05074,0.068535,0.042407,0.07964,0.06605,0.077219,0.063653,0.05882]；
[0258]
将不同权重赋值方法得到的权重系数进行比较如附图2所示，从图中可以看到各个客观赋权法在权重数值和排序上都有一定的差异。其中由于部分指标如z1、z
11
等在四个地区之间的数值基本差距不大，变异系数法通过分析数值差异性得到权重数值时会产生不期望的极端数值；同时，变异系数法和熵权法在分析指标数值差异性时，却对z
16
等数值差距极小的指标给与偏高的权重结果数值，或这对z6这种数值差异性一般的指标分配极高的权重结果数值，未能在一定程度上真实反映能源供应链各风险的影响，存在一定的局限性，导致之后的评分结果受到影响。采用基于相对熵的组合赋权方法可以有效弥补这些方面的不足，相对熵表示组合权重与单一赋权法得到的权重之间的距离，从图中结果可以看出，相对熵的处理能够缓和极端权重，避免极端值在规划问题中产生较大影响。其次，组合赋权法结果的排序和数值大小对各个客观赋权法的结果进行了中和。因此，优化后的组合赋权结果更具有代表性。
[0259]
利用topsis法对国外四个地区的能源供应链风险程度与理论最理想程度的距离计算得到综合评分结果如表3所示：
[0260]
表3国外四个地区能源供应链风险程度分析得分表
[0261][0262]
通过计算四个地区能源供应链风险程度得分结果可以发现：能源供应链风险程度最优的地区得分越靠近1，越偏离最优值的地区供应链得分越靠近0。所有地区得分都落在[0,1]区间内，其中地区b能源供应链风险程度评分明显优于其他地区，说明该地区能源供应链对于内部与外部风险的预知、控制和舒缓取得了一定成效，符合能源供应链的实际运行情况。从评分数值上来说，各个地区能源供应链的风险程度仍有很大的改善空间。
[0263]
显然，上述实施例仅是为清楚地说明本发明而所作的举例，并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
[0264]
在本实施例中，本发明实施例提供了一种综合内外运行因素的能源供应链风险评价方法，其有益效果在于：本发明可以先确定每个能源系统自身的内部因素以及各个能源系统相互间关联的外部因素所分别对应的多个不同指标，并计算每个指标对应的权重系数，综合多个权重系数进行综合评估，实现结合不同指标对风险进行全面和客观的评价的效果，以提高评估的准确率。
[0265]
本发明实施例还提供了一种综合内外运行因素的能源供应链风险评价装置，参见图3，示出了本发明一实施例提供的一种综合内外运行因素的能源供应链风险评价装置的结构示意图。
[0266]
其中，作为示例的，所述综合内外运行因素的能源供应链风险评价装置可以包括：
[0267]
确定模块301，用于确定能源供应链的评估指标参数集，所述评估指标参数集包括多个影响能源系统自身正常运行的内部指标，以及，多个关于能源供应链内各个能源系统共同拥有的外部环境因素所对应的外部指标；
[0268]
计算模块302，用于利用预设算法计算所述评估指标参数集内每个指标分别对应的权重系数，得到多个权重系数，其中，每个权重系数对应一个外部指标或一个内部指标；
[0269]
评估模块303，用于基于所述多个权重系数对能源供应链进行综合风险评估。
[0270]
可选地，所述计算模块，还用于：
[0271]
分别采用变异系数法、critic权重法和熵权法，计算所述评估指标参数集内每个指标对应的算法权重，得到多个算法权重，其中，每个指标对应若干个算法权重；
[0272]
基于相对熵的组合赋权法，对所述每个指标对应若干个算法权重进行相对熵总和，得到每个指标对应的权重系数。
[0273]
可选地，所述计算模块，还用于：
[0274]
基于所述评估指标参数集内多个指标分别计算指标标准差；
[0275]
利用所述指标标准差计算风险变异系数；
[0276]
对所述风险变异系数进行归一化处理，得到所述变异系数法对应的算法权重。
[0277]
可选地，所述计算模块，还用于：
[0278]
采用所述评估指标参数集内多个指标构建指标数据矩阵，并对所述指标数据矩阵内的每个指标进行无量纲化处理，得到多个无量纲化指标，其中无量纲化处理包括正向处理或反向处理；
[0279]
采用多个无量纲化指标分别计算钢化标准差和指标冲突系数，并利用所述钢化标准差和所述指标冲突系数计算指标信息量；
[0280]
基于所述指标信息量计算得到所述critic权重法对应的算法权重。
[0281]
可选地，所述计算模块，还用于：
[0282]
对所述评估指标参数集内每个指标对应的数值进行标准化处理，得到多个标准化数值，每个所述标准化数值对应一个指标；
[0283]
计算每个所述标准化数值对应的熵值；
[0284]
采用所述熵值计算每个指标的熵权值，得到所述熵权法对应的算法权重。
[0285]
可选地，所述评估模块，还用于：
[0286]
采用所述多个权重系数与预设的标准化矩阵构建加权决策矩阵，其中，预设的标准化矩阵是将每个指标对应的数据进行归一化转换后得到；
[0287]
采用所述加权决策矩阵分别计算理想解和负理想解，并采用所述理想解和所述负理想解计算相对接近度；
[0288]
根据所述相对接近度的数值大小确定能源供应链的风险。
[0289]
可选地，所述评估模块，还用于：
[0290]
对每个指标对应的数据进行正向化处理，得到多个正向化数据；
[0291]
按照极大型指标的方式对所述多个正向化数据进行转换，得到多个转换数据；
[0292]
对所述多个转换数据进行标准化处理，得到标准化矩阵。
[0293]
可选地，所述内部指标，包括：能源供应多样性指数、能源加工转换效率、电力平均年产需差、天然气平均年产需差、电量利用率、天然气利用率、电力系统缺电概率、天然气管网缺气概率。
[0294]
可选地，所述外部指标，包括：电价方差贡献度、气价方差贡献度、能源需求预测准确度、能源消费弹性系数、平均雷击跳闸年发生次数、台风路径密度、极端低温日数、能源政
策年变化次数。
[0295]
所属技术领域的技术人员可以清楚地了解到，为方便的描述和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0296]
进一步的，本技术实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例所述的综合内外运行因素的能源供应链风险评价方法。
[0297]
进一步的，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述实施例所述的综合内外运行因素的能源供应链风险评价方法。
[0298]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。