比较多准则决策方法用于工业能源系统规划中的稳健决策支持

《Applied Energy》：Comparing MCDM methods for robust decision support in industrial energy system planning

　　

规划工业能源系统需要平衡经济、环境和技术目标。多准则决策（MCDM）可以支持这一过程，但尚不清楚所选决策方法在多大程度上影响推荐的系统设计。本研究通过对工业能源系统规划中的MCDM方法进行系统性稳健性比较，评估了在不确定的准则权重下所选系统配置和单个技术的规模。分析基于德国南部的一个真实工业案例。研究人员使用多目标进化算法和基于Python的能源系统模型生成了约10,000个帕累托最优的能源系统配置。这些备选方案使用七种代表性MCDM方法进行评估，涵盖加法型、乘法型、价值型、距离型、折中型和排名型方法。准则权重通过层次分析法（AHP）从专家判断中导出。通过狄利克雷分布（Dirichlet）的蒙特卡洛模拟扰动权重，并使用随机多准则可接受性分析（SMAA）评估结果。各方法偏好的能源系统仅在细微程度上存在差异。所有方法都识别出类似的技术核心，包括天然气锅炉、颗粒锅炉、光伏系统、电池储热和储热。差异主要出现在组件规模上，尤其是光伏和储热容量。研究结果表明，简单的补偿性决策方法可以提供稳健且透明的推荐。对于实践者来说，这意味着规划工作可以聚焦于验证偏好、技术假设和关键组件规模，而非选择高度复杂的决策方法。

**论文解读文章**

**研究背景、问题与意义**

工业部门是全球最大的能源消耗和碳排放源之一，2023年占欧盟最终能源消费的24.6%，直接排放约9 Gt CO₂。为了实现工业能源系统的脱碳，需要合理集成可再生和分布式能源技术，同时保持经济可行性和运营可靠性。然而，从众多技术中选择最合适的分布式能源系统（如现场可再生能源、热电联产或储能）是一个复杂问题，尤其是在工业企业中，需要平衡成本、可靠性和环境影响等多个目标，常常面临经济与环境目标之间的取舍。多准则决策（MCDM）为此提供了结构化框架，能够基于偏好给出透明的决策支持。尽管已有大量研究将MCDM应用于可持续能源规划，但对于分布式工业能源系统规划的比较研究仍然有限。现有研究很少考虑大规模帕累托最优（Pareto-optimal）备选方案集，也未充分探讨方法选择如何影响技术规模以及系统设计的稳健性。本研究针对这一空白，旨在量化不同MCDM方法对分布式工业能源系统选择和规模的影响，并评估在准则权重不确定性下推荐的稳健性。论文发表在《Applied Energy》。

**主要关键技术与方法**

该研究基于德国南部机械工程行业的一个真实工业案例，该案例具有约1.5 MW电力和约2.5 MW低温热力需求。为生成备选能源系统配置，研究人员将多目标进化算法NSGA-III与基于Python的能源系统模拟工具相结合，以人口规模128、300代进化，并每小时分辨率模拟一年。优化同时最大化净现值（NPV）和自给率（self-sufficiency），同时最小化投资成本和年CO₂排放，最终得到约10,000个非支配（Pareto最优）的能源系统配置。这些备选方案构成了后续所有多属性决策（MADM）评估的共同基础。MADM方法包括SAW（简单加性加权法）、WPM（加权乘积法）、MAVT（多属性价值理论）、TOPSIS（逼近理想解排序法）、VIKOR（多准则折中排序法）、PROMETHEE II（偏好排序组织法II）和ELECTRE III（消去与选择转换法III）。准则权重通过层次分析法（AHP）从专家研讨中导出，并使用狄利克雷分布（Dirichlet）进行蒙特卡洛模拟生成随机权重向量，再通过随机多准则可接受性分析（SMAA-2）评估稳健性。

**研究结果**

**4.1 帕累托最优能源系统配置的生成**

优化得到的帕累托前沿显示出投资成本、年CO₂排放和NPV之间的显著权衡：较低排放通常伴随较高投资和较低NPV；自给率较高的配置集中在高投资低排放区域。该帕累托前沿为后续MADM分析提供了广泛的决策空间。

**4.2 不同MADM方法下的偏好能源系统配置**

基于AHP导出的权重（NPV占51.2%，CO₂排放占33.5%，投资成本占11.3%，自给率占4.0%），各方法偏好的能源系统在帕累托前沿上位置接近。VIKOR和TOPSIS选取偏向经济性的配置（最高NPV但稍高排放）；PROMETHEE II和MAVT选取更环保的配置（较低排放但稍低NPV）；SAW和WPM选取中间折中配置且完全相同；ELECTRE III识别出一组19个非支配解，覆盖更宽的配置范围。所有方法的技术组成高度一致，包括天然气锅炉、颗粒锅炉、光伏系统、电池储热和储热，差异主要体现在光伏和储热的容量规模上。

**4.3 准则权重不确定性下的稳健性**

通过狄利克雷分布生成100个随机权重向量并重复评估，发现所有方法下系统的总体技术结构高度不变，核心技术（天然气锅炉、颗粒锅炉、电池储热）保持窄范围稳定；主要变动集中在光伏容量和储热容量。SAW、WPM、MAVT、TOPSIS、PROMETHEE II的集中估计和变异范围较小，稳健性较高；PROMETHEE II最稳定；VIKOR表现为最低的光伏和储热容量，具有明显不同的折中模式；ELECTRE III的不确定性范围最大。

**4.4 跨方法的偏好能源系统稳健性**

使用SMAA第一秩可接受性指标，识别出不同方法下最频繁选中的能源系统配置。SAW和PROMETHEE II表现出单一配置的高概率（>50%和>69%）；WPM和TOPSIS在少数竞争配置间切换；MAVT主要在两个几乎等可能的配置间交替；VIKOR使胜出概率最分散；ELECTRE III指向一组候选解集而非单一优胜者。跨方法汇总后，一个配置以超过35%的概率成为最常选方案，其后两个配置在技术上与之高度相似。整体表明存在一个稳健的技术骨架，而不确定性主要通过光伏和储热容量有限调整来吸收。

**总结与讨论**

研究讨论部分指出，方法的稳健性差异表明SAW、WPM和TOPSIS可在准则权重扰动下提供高度相似的推荐模式；PROMETHEE II虽最集中但依赖于偏好函数参数；VIKOR在点方法中最敏感；ELECTRE III适合保留候选解集。实际规划中，简单补偿性方法（如SAW、WPM、TOPSIS）在准则明确和权重可信时已能提供接近复杂方法的结果。研究结论如下：本研究表明，分布式工业能源系统的设计和选择在多大程度上依赖于所应用的多属性决策方法（MADM），以及在决策者偏好的合理变化下推荐结果保持稳健的程度。通过真实工业案例，生成了大规模帕累托前沿，并用七种广泛使用的MADM方法（SAW、WPM、MAVT、TOPSIS、VIKOR、PROMETHEE II和ELECTRE III）进行评估。偏好不确定性通过狄利克雷采样AHP权重向量表示，并使用SMAA秩可接受性指数评估。核心发现是，方法选择对整体系统架构的影响微乎其微。所有方法偏好的配置均源自相同的核心技术组合，包括天然气锅炉、颗粒锅炉、光伏系统、电池储热和储热，而电热转换仅偶尔小规模出现。方法差异主要出现在技术规模上，即所选备选方案在帕累托前沿上的精确定位。稳健性分析提供了更细致的视角：SAW、WPM和TOPSIS产生非常相似的胜出模式；PROMETHEE II的第一秩可接受性最集中；MAVT也表现稳健；VIKOR在点方法中最敏感；ELECTRE III概念上不同，识别出一组稳定的候选解。应用层面，对于具有大型备选集的工业能源系统规划，简单补偿性方法如SAW、WPM和TOPSIS已能提供接近复杂方法的结果，前提是准则定义明确且权重可信。更复杂的方法在需要表示更丰富的偏好结构或保留一组稳健候选解时仍具有价值。研究还表明，稳健性不应解释为所有技术容量的完全不变性，而是表现为一个稳健的技术骨架，偏好变化主要通过光伏和储热容量的有限调整来吸收。这支持了分阶段规划过程：先确定稳健的技术选择，再通过情景分析、现场可行性检查和利益相关者讨论细化敏感组件。然而，这些结论应在本研究建模框架、所选MCDM方法和所考虑的准则权重不确定性范围内解释。