基于E-TOPSIS-L模型的新型电力系统平衡数据驱动发展阶段划分方法

《Sustainable Energy Technologies and Assessments》：Data-driven development stage division method of new power system balancing based on E-TOPSIS-L model

为应对高比例新能源接入下电力系统平衡评估的复杂性，南京理工大学研究团队开展了“基于E-TOPSIS-L模型的新型电力系统平衡发展阶段划分方法”研究。该研究构建了涵盖技术-政策-经济-平衡四维度的指标体系，通过熵权TOPSIS与逻辑斯蒂模型融合，预测系统平衡成熟度将于2025年达成、2060年趋近饱和。该方法突破了传统单变量逻辑斯蒂模型的局限，为电力系统低碳转型提供了动态评估工具。

　　

随着全球能源转型加速，中国新能源发电装机比例逐年攀升，在“30·60”双碳目标背景下，高比例新能源发电成为必然选择。然而，风电、光伏的间歇性和不确定性给电力系统平衡带来严峻挑战：传统“源随荷动”平衡模式难以适应新能源波动，电网调峰能力下降，线路损耗和弃风弃光问题凸显。现有研究多从技术指标单一维度评估系统平衡，忽视了政策补贴、建设投资、运维成本等经济政策因素的协同作用，且缺乏对发展阶段转折点的预测能力。

发表于《Sustainable Energy Technologies and Assessments》的这项研究，创新性地提出E-TOPSIS-L模型，通过融合熵权TOPSIS多指标综合评价与逻辑斯蒂生长曲线，实现了对新型电力系统平衡发展的动态阶段划分。研究团队首先构建了包含13项三级指标的评价体系，覆盖发电侧（总装机容量T₁、新能源装机占比T₂）、电网侧（线损率T₃）、负荷侧（用电量T₄）、储能侧（储能容量T₅）等关键技术参数，并纳入传统能源价格（P₁）、新能源补贴（P₂）、建设投资（E₁）、发电成本（E₂）等政策经济指标，以及弃电率（B₁）、负荷损失率（B₂）、碳排放（B₃）等平衡指标。

关键技术方法包括：基于中国统计年鉴、BP能源报告等2000-2020年实际数据的指标标准化处理；熵权法确定指标权重以降低主观偏差；TOPSIS计算各年度综合发展系数；逻辑斯蒂模型拟合发展轨迹并识别拐点。通过随机森林算法进行指标敏感性分析，验证T₁、T₄、P₂为关键驱动因子。

分析驱动因素

研究揭示了技术-政策-经济因素的交互影响：2014年前系统平衡发展主要受装机容量、用电量和建设投资驱动；2014年后新能源占比、用电量与储能容量成为主导。政策补贴显著加速系统平衡进程，而技术扩张停滞会延迟成熟期。

E-TOPSIS-L模型构建

模型拟合优度R2达0.943，均方根误差仅0.0397。相较于传统E-TOPSIS的静态等分划分和单变量逻辑斯蒂拟合的年份偏差（如仅用电量T₄预测拐点为2021年，新能源占比T₂预测为2031年），新模型将饱和点预测收敛至2060年，准确识别2004年（萌芽期）、2025年（成熟期）等关键节点。

发展阶段划分

模拟显示：2000-2004年为萌芽阶段，系统平衡发展系数低于0.2；2004-2025年进入快速发展期，系数升至0.68；2025年后趋近饱和。与Gompertz、Richards模型对比，逻辑斯蒂模型的RMSE（0.0397）和标准误（0.0086）最优。敏感性实验表明，强化政策支持（Scenario A）可使系统提前5年达成熟期，而技术停滞（Scenario B）会延迟10年。

该研究突破了电力系统规划中“重技术轻协同”的传统思路，首次实现多维度动态阶段划分。所提方法为新能源占比逐步提高的电力系统提供了可量化的平衡发展评估工具，对优化储能配置、调整补贴政策具有实践指导意义。未来可结合强化学习等AI技术增强模型自适应能力，拓展至区域电网差异化分析。