3.2一级指标的评价模型
3.2.1赋权方法
线性客观赋权法可分为3类:1)基于指标间相关关系的赋权法,如复相关系数法;2)指标提高难度的赋权法;3)基于指标差异程度的赋权法,如熵权法、变异系数法、灰色关联法等[15]。线性客观赋权法是根据数据本身所提供的信息进行赋权的。而指标数据所能提供的信息包括2方面:1)指标数据自身的信息,如数据波动信息;2)指标数据信息的独立性,可通过计算以某指标为因变量、其他指标为自变量进行回归的拟合优度R2,得到能提供独立信息的程度1-R2。第1类赋权法仅能提供信息的独立程度,第3类赋权法仅能提供信息的波动程度。
独立信息熵权法(independentinformation-entropyweighingmethod,IIE)是一种将第1类和第3类方法相结合的客观赋权法。其权重既能体现指标的波动信息,又能反应指标的独立程度。基于独立信息熵权法的权值求解步骤如下:
3.2.2组合赋权方法
为兼顾评价者的主观判断和评价对象的内在联系,本文采用基于离差平方和的最优组合赋权法来将主、客观权重相结合[17],其基本思想是使组合权重值与原权重值之间的偏差最小,模型[18]如下。
3.3评分方法
3.3.1指标状态值
3.3.2综合得分
4算例分析
4.1基础数据
4.1.1系统构成
本文根据2种结构(如图3和图4所示)和2种电源容量分配方案(如表1所示),构建出3种交直流混合微电网:1)微网结构为结构1,电源容量分配为方案1;2)微网结构为结构1,电源容量分配为方案2;3)微网结构为结构2,电源容量分配为方案2。交、直流微网采用Benchmark低压微网系统[20]。
图3交直流混合微电网的结构1