一种用于评估氢气生产潜力的混合q-rung正交对模糊AHP-TOPSIS方法：以土耳其为例

《International Journal of Hydrogen Energy》：A hybrid q-rung orthopair fuzzy AHP-TOPSIS method for assessing hydrogen production potential: The case study from Türkiye

　　菲利兹·阿尔斯兰图尔克|奥兹格·纳兰·比利希克
土耳其伊斯坦布尔贝西克塔斯，Yildiz技术大学工业工程系，邮编34349

**摘要**
随着对可持续低碳能源需求的不断增加，氢能已跻身全球能源战略的核心地位。本研究旨在通过一种混合多准则决策方法，评估土耳其用于氢气生产的可再生能源替代方案。该方法整合了层次分析法与理想解相似度排序法，并在q-ROFS模糊集环境下运行。研究共选取了五个维度的21项评价标准，对六种可再生能源进行了分析。结果表明，地热能是土耳其用于氢气生产的最合适的可再生能源。此外，研究还进行了敏感性分析以评估排序结果的稳定性。该研究为政策制定者和投资者提供了实用的决策支持工具，有助于将其氢能发展战略与土耳其的可再生能源潜力相衔接。未来可进一步结合地理空间数据分析与机器学习技术，利用实时数据开展更具区域针对性的评估。

**引言**
全球能源需求不断上升，同时气候变化带来的环境风险日益严重，这促使人们更加追求可持续的低碳能源替代方案。在此背景下，氢能因其高能量密度、清洁特性以及在不同领域（如交通运输、重工业和大规模储能）的广泛应用潜力，成为一种重要的战略能源载体。绿色氢能被视为实现难以电气化行业脱碳的关键手段。此外，氢能还具有季节性储存能力，有助于平衡供需关系，因此在构建未来能源体系中发挥着核心作用[1]。

随着氢能重要性的提升，确定最适合用于氢气生产的可再生能源已成为一项关键的决策挑战，尤其是在土耳其这类地理条件多样、各地区可再生能源潜力差异较大的国家。太阳能、风能、水力发电、地热能和生物质能等资源的可用性、成本效益及基础设施需求在不同地区存在显著差异。要做出最优选择，就需要全面考量多种往往相互矛盾的标准，包括环境可持续性、技术可行性、经济承受能力、社会接受度以及政治稳定性。鉴于这种复杂性，应用多准则决策方法变得十分必要，因为它们能够在不确定性和模糊性条件下提供系统且客观的评估框架。然而，传统的决策方法往往难以处理专家意见中的模糊性和主观性，尤其是在数据不确定或为定性数据时。

为克服这些局限，本研究提出了一种混合决策方法，该方法在q-ROFS模糊集环境下整合了层次分析法与理想解相似度排序法。与传统模糊集相比，q-ROFS模型通过引入隶属度、非隶属度以及犹豫度，并设置可调参数q，能够更灵活地表达不确定性。在该框架下，层次分析法用于确定各标准的相对重要性，而理想解相似度排序法则根据各可再生能源方案与理想解的接近程度对其进行排序。这种集成方法为评估土耳其各地的绿色氢气生产方案提供了可靠的工具，旨在为政策制定者和投资者在规划可持续能源基础设施时提供指导。

鉴于氢能在能源转型中的战略重要性，以及针对不同地区进行可再生能源评估的必要性，有必要探讨现有研究是如何应对类似决策挑战的。为给所提出的方法奠定坚实基础，本研究对氢气生产方法相关的多准则决策应用进行了全面文献综述，重点关注了常用于处理专家评估中固有不确定性的模糊集理论。表1总结了此次综述的关键发现，包括所采用的方法、模糊集类型以及以往研究的范围。

阿尔卡扎兹等人采用基于三角模糊数的逐步权重评估比率分析法来评估太阳能制氢方案[2]。兰西卡布姆等人则在三角模糊环境下，运用层次分析法与数据包络分析，对氢源和技术选择进行了深入研究[3]。林等人提出了一种决策框架，结合基于Z数的最佳-最差法与ELECTRE方法，利用三角模糊数处理专家判断中的不确定性，从而确定氢气生产的优先顺序[4]。类似地，塞克尔和艾丁[5]采用基于区间直觉模糊数的混合SWARA–WASPAS方法来评估氢气生产方案。李等人[6]则运用灰关联分析与决策试验评价矩阵法对氢气生产方案的可持续性进行排序，同时也采用了三角模糊数来分析各种因素之间的关联性。任等人[7]开发了一种评估模型，结合最佳-最差法与理想解相似度排序法，并将三角模糊逻辑纳入模型中，用以评估氢气生产过程的可持续性。阿卜杜勒-巴塞特等人[12]在三角中性模糊数环境下，结合层次分析法、复杂比例评估法和基于平均解距离的评估法，试图更准确地反映可持续氢气生产方案中更为复杂和模糊的信息结构。徐等人[8,9]则运用层次分析法与数据包络分析研究可再生能源，同样使用三角模糊数来模拟评估过程中的不确定性。

在另一项研究中，徐等人[8,9]提出了一种新的方法框架，整合了区间最佳-最差法、区间熵值法以及区间最佳-最差预测法，采用区间型模糊方法，从而更稳健地对氢气生产技术进行排序。阿卡尔等人则在犹豫模糊数环境下运用层次分析法，以确定不确定性条件下的最优氢气生产方法[10]。此外，任等人[13]提出了一种综合模型，结合DEMATEL法、EDAS法、区间加权法和理想解相似度排序法，所有方法均在三角模糊数框架下运行，用于评估氢气生产路径。在另一项研究中，任等人[14]则采用了更为传统的层次分析法与理想解相似度排序法组合，来评估氢气生产方案[14]。同样，张等人[11]通过德尔菲法对氢气生产技术进行了评估，并运用三角模糊数来更好地体现专家意见的差异性。

正如文献综述所示，尽管已有众多基于多准则决策方法的研究用于评估氢气生产技术，但将层次分析法与理想解相似度排序法整合到q-ROFS框架中的研究仍相对较少。进一步分析文献后可以发现三个相互关联的空白，正是这些空白促使了本研究的诞生。首先，从模糊集的角度来看，现有研究大多采用三角模糊数、直觉模糊集（q=1）或毕达哥拉斯模糊集（q=2）。这些框架对隶属度与非隶属度之和设置了固定限制，当决策者给出高度不确定或极端化的判断时，这种限制可能会过于严格。而q-ROFS框架通过允许q次幂之和保持在单位区间内，对IFS和PFS进行了扩展，同时还提供了一个可调参数，能够根据问题的实际不确定性特征进行调整。如表1所示，目前尚未有任何研究在氢气生产评估中应用q-ROFS，这一更为灵活的不确定性表示方法在该领域尚未得到探索。其次，从方法论的角度来看，层次分析法与理想解相似度排序法的组合已在传统模糊环境中得到应用[14]，但在q-ROFS环境下的扩展应用，尤其是针对基于可再生能源的氢气生产，至今尚未有相关研究。将q-ROF层次分析法用于权重计算，再结合q-ROF理想解相似度排序法对方案进行排序，能够形成一条完全一致的模糊决策链，使不确定性在两个阶段之间得以连贯传递。第三，从地理角度而言，现有研究大多着眼于全球范围或中国国内的情况。而土耳其拥有独特的能源优势——地热能资源丰富、太阳辐射强度高，同时还制定了雄心勃勃的国家级氢能发展计划——但这些优势尚未通过基于q-ROFS的多准则框架进行系统评估。本研究旨在同时填补这三大空白。

为解决上述问题，本研究提出了一种混合多准则决策方法，该方法结合了q-ROF层次分析法与q-ROF理想解相似度排序法，能够在不确定性条件下，基于多项标准评估氢气生产方案。通过将q-ROFS的灵活性与层次分析法及理想解相似度排序法的优势相结合，所提出的模型为决策者提供了可靠且全面的决策框架。除了理论贡献外，本研究还通过一个实际案例研究，展示了该模型在评估土耳其各地可用于氢气生产的可再生能源方案时的适用性。该案例研究为了解区域特征如何影响不同能源资源的适用性提供了有益见解，同时也为将绿色氢能发展战略与土耳其多样的能源潜力相协调提供了系统化的方法。

本文的结构如下：第二部分介绍了所提出混合模型的方法论基础，包括q-ROFS模糊集的基本原理以及层次分析法与理想解相似度排序法的整合方式。第三部分详细描述了针对土耳其开展的案例研究，包括数据来源、评价标准及评估流程。最后，第四部分总结了研究的主要发现、意义以及未来研究的方向。

**方法论**
在本研究中，我们采用了由雅格尔[15]最初提出的q-ROFS模糊集框架，用于模拟专家评估中存在的不确定性与犹豫态度。与传统模糊集相比，q-ROFS框架具有更强的灵活性和通用性，因为它允许隶属度与非隶属度的q次幂之和小于或等于1。这一特点为决策者提供了更宽范围的可行值，使他们能够更准确地表达不确定性。

**案例研究**
在本研究中，我们提出了一种混合的q-ROFS模糊层次分析法与理想解相似度排序法。其中，q-ROF层次分析法用于确定各评价标准的重要性权重，而q-ROF理想解相似度排序法则用于对不同的运输方式方案进行排序。具体的应用步骤如下：土耳其是进行此项分析的理想对象——该国地热发电装机容量位居全球前五，约有1700兆瓦的地热发电设施集中在爱琴海地区……

**结论**
在当今世界，向清洁能源转型的紧迫性日益凸显，因此识别各地区的可再生能源潜力对于可持续发展和能源规划而言至关重要。在各类可再生能源中，氢能因其高效性以及使用过程中零排放的特性，被视为一种极具前景的能源载体。考虑到土耳其复杂的地理、气候和基础设施条件，本研究旨在对其……

**CRediT作者贡献声明**
菲利兹·阿尔斯兰图尔克：概念设计、形式分析、研究实施、方法设计、验证、可视化、初稿撰写。奥兹格·纳兰·比利希克：概念设计、方法设计、研究指导、论文审阅与编辑。

**利益冲突声明**
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。