CN102930343A - 一种分布式发电供能系统能量优化方法 - Google Patents

Abstract

本发明提出了一种分布式发电供能系统能量优化方法，属于电力节能技术领域，主用应用于分布式发电供能系统接入电网的节能减排效益评估。本发明首先建立了最小化年总规划成本、最大化可再生能源发电量、最小化年停电量和最小化年容量短缺量的四个子目标分布式发电供能系统能量优化模型；继而定义了四个子目标的目标优化函数，通过总量处罚统一系统排污量、停电量和容量短缺量的量纲，并采用线性加权求和法建立系统的单目标优化函数，其中加权系数采用二元对比定权法确定；最后采用启发式全局优化算法对分布式发电供能系统进行模拟与求解，得到四个优化子目标的值。实现分布式发电供能系统的多目标能量优化，并达到节能减排的目的。

Description

一种分布式发电供能系统能量优化方法

技术领域

本发明属于电力节能技术领域，特别涉及一种分布式发电供能系统能量优化方法。

背景技术

中国电力在取得极大发展、为我国经济和其它产业的发展提供强有力支持的同时，也成为了中国环境污染的重要贡献者。因此，节能减排对于电力行业具有特别重要的意义。分散电源的兴起和发展给电力系统提供了一种非常有前途的节能减排技术。基于分散电源的分布式发电供能系统的接入是未来智能电网建设的重要组成部分，而实现节能减排是智能电网运行的关键目标之一，因此，研究分析分布式发电供能系统的节能减排效益对于智能电网的规划和运行意义重大。国内外的一些学者对配电侧中引入分散电源的节能减排效益开展了研究，但待选优化的分散电源类型较少，且只模拟了电负荷，而没有对热负荷或冷负荷进行相应的分析，不能全面真实地反映分散电源的节能减排效益。

发明内容

针对上述的问题，本发明的目的是提供一种分布式发电供能系统能量优化方法，综合考虑系统的经济性、环保性与可靠性等因素，实现分布式发电供能系统的多目标能量优化，并达到节能减排的目的。

为了实现上述的目的，本发明采取以下技术方案：

一种分布式发电供能系统能量优化方法，包括以下步骤：

1）建立了最小化年总规划成本、最大化可再生能源发电量、最小化年停电量和最小化年容量短缺量的4个子目标分布式发电供能系统能量优化模型；

2）定义了4个子目标的目标优化函数，通过总量处罚统一系统排污量、停电量和容量短缺量的量纲，并采用线性加权求和法建立系统的单目标优化函数，其中加权系数采用二元对比定权法确定；

3）采用启发式全局优化算法对分布式发电供能系统进行模拟与求解，得到4个优化子目标的值。

所述最小化年总规划成本、最大化可再生能源发电量、最小化年停电量和最小化年容量短缺量的4个目标函数分别为：

最小化年总规划成本函数F₁

$F_1=\min C=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_i}{\mathrm{\Σ}}}\left[e_{\mathrm{ij}}(a_{\mathrm{ij}}+b_{\mathrm{ij}}+c_{\mathrm{ij}}+d_{\mathrm{ij}}-f_{\mathrm{ij}})P_{\mathrm{DGij}}^{\mathrm{cap}}\right]+\underset{t=1}{\overset{8760}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\left(g_t{P}_{\mathrm{Grid}}^t\right)$

式中：C为年总规划费用，等式右边第一项为折算到每年的分布式电源（DG）投资及运营的相关费用；M和N_i分别为DG类型数目和i类型DG待选总数；a_ij、b_ij、c_ij、d_ij和f_ij分别为i类型的第j个待选DG的经过折算的单位投资成本、运营成本、替代成本、燃料费用和残值($/kW)；

为i类型的第j个待选DG容量；e_ij为0-1的变量；式中为从输电网直接购电成本；

为输电网t时段供电功率；h_t为t时段电网电价，分布式发电供能系统逆向售电时，

为负值，相应的h_t为逆向售电电价；

最大化可再生能源发电量函数F₂：F₂=max E_ren，其中E_ren为可再生能源年产量；

最小化年停电量函F₃与最小化年容量短缺量函数F₄：

$F_3=\min P_{\mathrm{ul}}=\min \underset{t=1}{\overset{8760}{\mathrm{\Σ}}}{P}_{\mathrm{ul}}^t$

$F_4=\min P_{\mathrm{cs}}=\min \underset{t=1}{\overset{8760}{\mathrm{\Σ}}}{P}_{\mathrm{cs}}^t$

式中，

$P_{\mathrm{cs}}^t=\left\{\begin{array}{cc}{P}_{\mathrm{req}}^t-P_{\mathrm{act}}^t,& \mathrm{if}{P}_{\mathrm{req}}^t>P_{\mathrm{act}}^t\\ 0,& \mathrm{else}\end{array}\right.$

$P_{\mathrm{ul}}^t=\left\{\begin{array}{cc}{P}_{\mathrm{cs}}^t-R_t,& \mathrm{if}{P}_{\mathrm{cs}}^t>R_t\\ 0,& \mathrm{else}\end{array}\right.$

$P_{\mathrm{req}}^t=L_t+R_t$

$P_{\mathrm{act}}^t=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_i}{\mathrm{\Σ}}}{P}_{\mathrm{DGij},\max }^t+P_{\mathrm{Grid},\max }$

$R_t=r_{\mathrm{load}}{L}_t+r_{\mathrm{wind}}{P}_{\mathrm{wind}}^t+r_{\mathrm{solar}}{P}_{\mathrm{PV}}^t$

其中，

L_t和R_t分别为t时段系统需要的运行容量、实际运行容量、负荷和运行备用；表示DG_ij在t时段的最大出力，基于燃料输入的发电机最大出力等于其容量，而风光驱动的可再生能源发电机的最大出力由其功率曲线和风速或光照强度决定；P_Grid,max为输电线路最大传输功率;r_loadL，r_wind和r_solar分别为小时负荷，风机出力

和光伏出力的备用因子(%)；

其中4个子目标的约束条件为：

$P_{\mathrm{DGij},\min }^t\≤P_{\mathrm{DGij}}^t\≤P_{\mathrm{DGij},\max }^t$

$\left|P_{\mathrm{Grid}}^t\right|\≤P_{\mathrm{Grid},\max }.$

所述通过总量处罚统一系统排污量、停电量和容量短缺量的量纲的方式为：

环境成本排污处罚EC： $F_2^{\′}=\min \mathrm{EC}=\underset{i=1}{\overset{8760}{\mathrm{\Σ}}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_i}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\left(e_{\mathrm{ij}}{g}_{\mathrm{ij}}^k{P}_{\mathrm{DGij}}^t\right)+\underset{t=1}{\overset{8760}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\left(g_{\mathrm{Grid}}^k{P}_{\mathrm{Grid}}^t\right)$

式中

为DG产生的环境成本，主要是污染物排放费用；K为需收排污费的污染物种类数目；

为DG_ij的单位功率的k类型污染物排放处罚标准($/kW)；

为t时段DG_ij的有功出力；为传统集中式电厂的环境成本；

为集中式供电的单位功率的k类型污染物排放处罚标准($/kW)。

停电量与容量短缺量处罚：

F′₃=min αP_ul

F′₄=min(α-β)P_cs

其中，α和β为处罚标准（$/kWh），α≥β。

所述线性加权求和法建立了系统的单目标优化函数，其中加权系数采用二元对比定权法确定，其实现方式为：

41）单目标优化函数，按线性加权求和法的定义构造如下单目标优化问题：

$\min F=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{\mathrm{\λ}}_i{F}_i$

其中，权系数λ_i≥0且

42）二元对比定权，建立重要性定性排序一致性标度矩阵E；

设m个指标为D={d₁，d₂，……，d_m}，d_i为第i个指标，各个指标的重要性定性排序标度采用二元对比并在0、0.5、1中取值；若d_k比d_l重要，记排序标度e_kl=1，e_lk=0；若d_k和d_l同样重要，记e_kl=e_lk=0；显然，e_kl+e_lk=1；e_kk=e_ll=0.5；

E=[e_kl]_m×m

在二元比较过程中要求判断思维不出现矛盾，即要求逻辑判断的一致性，其一致性检验条件为：若e_hk>e_hl，有e_lk>e_kl；若e_hk<e_hl，有e_lk<e_kl；若e_hk=_ehl=0.5，有e_hk=e_hl=0.5。

43）根据语气算子与模糊标度、隶属度关系确定指标权重向量；

在确定了指标重要性定性排序后，将定性排序的最重要指标与其他指标逐一进行二元对比，建立语气算子与对重要性的相对隶属度的对应关系，逐一判断最重要指标与其他指标语气算子间的比较关系，进而确定指标的非归一化权重值，将其归一化后，即可得到指标的归一化权重向量λ：λ={λ₁,λ₂,…,λ_m}。

本发明的有益效果：综合考虑系统的经济性、环保性与可靠性等多个目标因素，有利于更加全面地实现分布式发电供能系统能源的优化，更加准确地分析系统的节能减排效益；该发明还适用于多种、大量待选类型的分布式电源，包括风力发电、太阳能发电、柴油机发电与储能电池等。

附图说明

图1为分布式发电供能系统能量优化模型；

图2为语气算子与模糊标度、隶属度的对应关系；

图3为基于启发式算法的分布式发电供能系统优化流程图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述，但本发明的实施方式不限于此。

如图1所示的分布式发电供能系统能量优化模型，系统中的能量源包括传统集中式电厂（电网）和分散电源，后者包括风力发电WT、太阳能发电PV、柴油发电机DE、微型燃气轮机GT和电池储能BES等。D、T和S分别表示能量需求层、输送/转化层以及供应层，X表示能源的外部输入。基于经济性、环保性与可靠性的考虑，建立包含最小化年总规划成本、最大化可再生能源发电量、最小化年停电量和最小化年容量短缺量的4个子目标的分布式发电供能系统能量优化模型；采用启发式全局优化算法对分布式发电供能系统进行模拟与求解。

（1）最小化年总规划成本、最大化可再生能源发电量、最小化年停电量和最小化年容量短缺量等4个目标函数分别定义为：

最小化年总规划成本函数F₁

$F_1=\min C=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_i}{\mathrm{\&Sigma;}}}\left[e_{\mathrm{ij}}(a_{\mathrm{ij}}+b_{\mathrm{ij}}+c_{\mathrm{ij}}+d_{\mathrm{ij}}-f_{\mathrm{ij}})P_{\mathrm{DGij}}^{\mathrm{cap}}\right]+\underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(g_t{P}_{\mathrm{Grid}}^t\right)$

其中，C为年总规划费用，等式右边第一项为折算到每年的分布式电源（DG）投资及运营的相关费用；M和N_i分别为DG类型数目和i类型DG待选总数；a_ij、b_ij、c_ij、d_ij和f_ij分别为i类型的第j个待选DG的经过折算的单位投资成本、运营成本、替代成本、燃料费用和残值($/kW)；

为i类型的第j个待选DG容量；e_ij为0-1的变量；式中

为从输电网直接购电成本；

为输电网t时段供电功率；h_t为t时段电网电价，分布式发电供能系统逆向售电时，

为负值，相应的h_t为逆向售电电价。

最大化可再生能源发电量函数F₂

F₂=max E_ren

其中E_ren为可再生能源年产量。

最小化年停电量函F₃与最小化年容量短缺量函数F₄

$F_3=\min P_{\mathrm{ul}}=\min \underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}{P}_{\mathrm{ul}}^t$

$F_4=\min P_{\mathrm{cs}}=\min \underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}{P}_{\mathrm{cs}}^t$

式中，

$P_{\mathrm{cs}}^t=\left\{\begin{array}{cc}{P}_{\mathrm{req}}^t-P_{\mathrm{act}}^t,& \mathrm{if}{P}_{\mathrm{req}}^t>P_{\mathrm{act}}^t\\ 0,& \mathrm{else}\end{array}\right.$

$P_{\mathrm{ul}}^t=\left\{\begin{array}{cc}{P}_{\mathrm{cs}}^t-R_t,& \mathrm{if}{P}_{\mathrm{cs}}^t>R_t\\ 0,& \mathrm{else}\end{array}\right.$

$P_{\mathrm{req}}^t=L_t+R_t$

$P_{\mathrm{act}}^t=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_i}{\mathrm{\&Sigma;}}}{P}_{\mathrm{DGij},\max }^t+P_{\mathrm{Grid},\max }$

$R_t=r_{\mathrm{load}}{L}_t+r_{\mathrm{wind}}{P}_{\mathrm{wind}}^t+r_{\mathrm{solar}}{P}_{\mathrm{PV}}^t$

其中，

L_t和R_t分别为t时段系统需要的运行容量、实际运行容量、负荷和运行备用；

表示DG_ij在t时段的最大出力，基于燃料输入的发电机最大出力等于其容量，而风光驱动的可再生能源发电机的最大出力由其功率曲线和风速或光照强度决定；P_Grid,max为输电线路最大传输功率;r_loadL，r_wind和r_solar分别为小时负荷，风机出力

和光伏出力

的备用因子(%)。

其中4个子目标的约束条件为：

该能量优化模型的主要约束为电源出力约束，包括分散电源出力及输电线路容量约束，即：

$P_{\mathrm{DGij},\min }^t\&le;P_{\mathrm{DGij}}^t\&le;P_{\mathrm{DGij},\max }^t$

$\left|P_{\mathrm{Grid}}^t\right|\&le;P_{\mathrm{Grid},\max }$

（2）通过总量处罚统一系统排污量、停电量和容量短缺量的量纲，具体方法如下：

环境成本排污处罚EC： $F_2^{\&prime;}=\min \mathrm{EC}=\underset{i=1}{\overset{8760}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_i}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(e_{\mathrm{ij}}{g}_{\mathrm{ij}}^k{P}_{\mathrm{DGij}}^t\right)+\underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(g_{\mathrm{Grid}}^k{P}_{\mathrm{Grid}}^t\right)$

式中

为DG产生的环境成本，主要是污染物排放费用；K为需收排污费的污染物种类数目；

为DG_ij的单位功率的k类型污染物排放处罚标准($/kW)；

为t时段DG_ij的有功出力；

为传统集中式电厂的环境成本；

为集中式供电的单位功率的k类型污染物排放处罚标准($/kW)。

停电量与容量短缺量处罚：

F′₃=minαP_ul

F′₄=min(α-β)P_cs

其中，α和β为处罚标准（$/kWh），α≥β。

线性加权求和法建立了系统的单目标优化函数，其中加权系数采用二元对比定权法确定，其实现方式为：

21）单目标优化函数，按线性加权求和法的定义构造如下单目标优化问题：

$\min F=\underset{i=1}{\overset{4}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_i{F}_i$

其中，权系数λ_i≥0且

22）二元对比定权，建立重要性定性排序一致性标度矩阵E；

设m个指标为D={d₁,d₂……d_m}，d_i为第i个指标，各个指标的重要性定性排序标度采用二元对比并在0、0.5、1中取值；若d_k比d_l重要，记排序标度e_kl=1，e_lk=0；若d_k和d_l同样重要，记e_kl=e_lk＝0；显然，e_kl+e_lk=1；e_kk=e_ll=0.5；根据比较结果，建立指标集二元对比重要性定性排序标度矩阵E为：

E=[e_kl]_m×m

在二元比较过程中要求判断思维不出现矛盾，即要求逻辑判断的一致性，其一致性检验条件为：若e_hk>e_hl，有e_lk>e_kl；若e_hk<e_hl，有e_lk<e_kl；若e_hk=e_hl=0.5，有e_hk=e_hl=0.5。

23）根据语气算子与模糊标度、隶属度关系确定指标权重向量；

在确定了指标重要性定性排序后，将定性排序的最重要指标与其他指标逐一进行二元对比，建立语气算子与对重要性的相对隶属度的对应关系，如图2所示语气算子与模糊标度、隶属度的对应关系，逐一判断最重要指标与其他指标语气算子间的比较关系，进而确定指标的非归一化权重值，将其归一化后，即可得到指标的归一化权重向量λ。

λ={λ₁,λ₂,…,λ_m}

（3）采用启发式全局优化算法对分布式发电供能系统进行模拟与求解。具体过程是：如图3所示的基于启发式算法的分布式发电供能系统优化流程图，综合考虑输电网与待选分散式电源的经济和技术参数、热电负荷特性以及分散式电源运行特性等条件，采用启发式全局优化算法对系统进行模拟与求解，得到4个子目标的值。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (4)

1.一种分布式发电供能系统能量优化方法，其特征在于包括以下步骤：

1）建立了最小化年总规划成本、最大化可再生能源发电量、最小化年停电量和最小化年容量短缺量的4个子目标分布式发电供能系统能量优化模型；

2）定义了4个子目标的目标优化函数，通过总量处罚统一系统排污量、停电量和容量短缺量的量纲，并采用线性加权求和法建立系统的单目标优化函数，其中加权系数采用二元对比定权法确定；

3）采用启发式全局优化算法对分布式发电供能系统进行模拟与求解，得到4个优化子目标的值。

2.根据权利要求书1所述分布式发电供能系统能量优化方法，其特征在于所述最小化年总规划成本、最大化可再生能源发电量、最小化年停电量和最小化年容量短缺量的4个目标函数分别为：

最小化年总规划成本函数F₁

$F_1=\min C=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_i}{\mathrm{\&Sigma;}}}\left[e_{\mathrm{ij}}(a_{\mathrm{ij}}+b_{\mathrm{ij}}+c_{\mathrm{ij}}+d_{\mathrm{ij}}-f_{\mathrm{ij}})P_{\mathrm{DGij}}^{\mathrm{cap}}\right]+\underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(g_t{P}_{\mathrm{Grid}}^t\right)$

式中：C为年总规划费用，等式右边第一项为折算到每年的分布式电源DG投资及运营的相关费用；M和N_i分别为DG类型数目和i类型DG待选总数；a_ij、b_ij、c_ij、d_ij和f_ij分别为i类型的第j个待选DG的经过折算的单位投资成本、运营成本、替代成本、燃料费用和残值（$/kW）；

为i类型的第j个待选DG容量；e_ij为0-1的变量；式中

为从输电网直接购电成本；

为输电网t时段供电功率；h_t为t时段电网电价，分布式发电供能系统逆向售电时，

为负值，相应的h_t为逆向售电电价；

最大化可再生能源发电量函数F₂：F₂=max E_ren，其中E_ren为可再生能源年产量；

最小化年停电量函F₃与最小化年容量短缺量函数F₄：

$F_3=\min P_{\mathrm{ul}}=\min \underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}{P}_{\mathrm{ul}}^t$

$F_4=\min P_{\mathrm{cs}}=\min \underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}{P}_{\mathrm{cs}}^t$

式中，

$P_{\mathrm{cs}}^t=\left\{\begin{array}{cc}{P}_{\mathrm{req}}^t-P_{\mathrm{act}}^t,& \mathrm{if}{P}_{\mathrm{req}}^t>P_{\mathrm{act}}^t\\ 0,& \mathrm{else}\end{array}\right.$

$P_{\mathrm{ul}}^t=\left\{\begin{array}{cc}{P}_{\mathrm{cs}}^t-R_t,& \mathrm{if}{P}_{\mathrm{cs}}^t>R_t\\ 0,& \mathrm{else}\end{array}\right.$

$P_{\mathrm{req}}^t=L_t+R_t$

$P_{\mathrm{act}}^t=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_i}{\mathrm{\&Sigma;}}}{P}_{\mathrm{DGij},\max }^t+P_{\mathrm{Grid},\max }$

$R_t=r_{\mathrm{load}}{L}_t+r_{\mathrm{wind}}{P}_{\mathrm{wind}}^t+r_{\mathrm{solar}}{P}_{\mathrm{PV}}^t$

其中，L_t和R_t分别为t时段系统需要的运行容量、实际运行容量、负荷和运行备用；

表示DG_ij在t时段的最大出力，基于燃料输入的发电机最大出力等于其容量，而风光驱动的可再生能源发电机的最大出力由其功率曲线和风速或光照强度决定；P_Grid,max为输电线路最大传输功率;r_loadL，r_wind和r_solar分别为小时负荷，风机出力

和光伏出力

的备用因子(%)；

其中4个子目标约束条件为：

$P_{\mathrm{DGij},\min }^t\&le;P_{\mathrm{DGij}}^t\&le;P_{\mathrm{DGij},\max }^t$

$\left|P_{\mathrm{Grid}}^t\right|\&le;P_{\mathrm{Grid},\max }.$

3.根据权利要求书1所述分布式发电供能系统能量优化方法，其特征在于所述通过总量处罚统一系统排污量、停电量和容量短缺量的量纲的方式为：

环境成本排污处罚EC： $F_2^{\&prime;}=\min \mathrm{EC}=\underset{i=1}{\overset{8760}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_i}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(e_{\mathrm{ij}}{g}_{\mathrm{ij}}^k{P}_{\mathrm{DGij}}^t\right)+\underset{t=1}{\overset{8760}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(g_{\mathrm{Grid}}^k{P}_{\mathrm{Grid}}^t\right)$

式中

为DG产生的环境成本，主要是污染物排放费用；K为需收排污费的污染物种类数目；

为DG_ij的单位功率的k类型污染物排放处罚标准($/kW)；

为t时段DG_ij的有功出力；

为传统集中式电厂的环境成本；

为集中式供电的单位功率的k类型污染物排放处罚标准($/kW)。

停电量与容量短缺量处罚

F′₃=minαP_ul

F′₄=min(α-β)P_cs

其中，α和β为处罚标准（$/kWh），α≥β。

4.根据权利要求书1所述分布式发电供能系统能量优化方法，其特征在于所述线性加权求和法建立了系统的单目标优化函数，其中加权系数采用二元对比定权法确定，其实现方式为：

41）单目标优化函数，按线性加权求和法的定义构造如下单目标优化问题：

$\min F=\underset{i=1}{\overset{4}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_i{F}_i$

其中，权系数λ_i≥0且

42）二元对比定权，建立重要性定性排序一致性标度矩阵E；

设m个指标为D={d₁，d₂，……，d_m}，d_i为第i个指标，各个指标的重要性定性排序标度采用二元对比并在0、0.5、1中取值；

E=[e_kl]_m×m

43）根据语气算子与模糊标度、隶属度关系确定指标权重向量；

在确定了指标重要性定性排序后，将定性排序的最重要指标与其他指标逐一进行二元对比，建立语气算子与对重要性的相对隶属度的对应关系，逐一判断最重要指标与其他指标语气算子间的比较关系，进而确定指标的非归一化权重值，将其归一化后，即可得到指标的归一化权重向量λ：λ={λ₁,λ₂,…,λ_m}。

Images