Многокритериальный выбор структуры генерирующих мощностей локальных энергосистем на основе модифицированного метода анализа иерархий

Цель – представить модификацию метода анализа иерархий для повышения его эффективности при использовании в задачах многокритериального сравнения структур генерирующих мощностей локальных энергорайонов при их развитии. В работе рассматривается многокритериальная задача выбора наиболее перспективного соотношения установленных мощностей электростанций, входящих в состав единой структуры генерирующих мощностей при развитии локального энергорайона Хабаровского края. В роли энергоисточников выступают тепловая, солнечная, ветровая и дизельная электростанции. В качестве критериев оценки альтернативных вариантов были приняты следующие: нормированная стоимость электроэнергии, оценка экологической эффективности; оценка общественного мнения о последствиях, связанных со строительством электростанций. Для решения многокритериальной задачи предложено использовать метод анализа иерархий. При рассмотрении применения оригинального метода анализа иерархий для решения поставленной задачи установлено, что реализация этапа парных сравнений альтернатив при их большом количестве представляет ощутимую нагрузку на лицо, принимающее решение. Так, уже при оценке 10 альтернатив по 5 критериям лицу, принимающему решение, необходимо провести 225 парных сравнений, что в итоге может дать неприемлемый индекс согласованности результатов. Кроме этого, необходима процедура, направленная на учет неопределенности предпочтений лица, принимающего решения. В качестве решения предложена методика заполнения матриц парных сравнений альтернатив по критериям, которая заключается в построении интервальной или нечеткой модели предпочтений лица, принимающего решения, в отношении пар оценок по критерию. В качестве апробации предложенной методики приводится численный пример решения поставленной задачи. Получен наилучший вариант энергоструктуры, состоящей из электростанций: тепловой – 30 МВт, солнечной – 35 МВт, дизельной – 39 МВт. Предложенная методика обеспечивает высокую согласованность результатов парных сравнений альтернатив. Кроме этого, использование модифицированного метода анализа иерархий позволяет учитывать нелинейный характер предпочтений лица, принимающего решения, относительно оценок альтернатив по критериям.

1. Саати Т. Л., Керис К. П. Аналитическое планирование. Организация систем / пер. с англ. И. А. Ушакова. М.: Изд-во «Радио и связь», 1991. 244 с.

2. Саати Т. Принятие решений. Метод анализа иерархий / пер. с англ. Р. Г. Вачнадзе. М.: Изд-во «Радио и связь», 1993. 278 с.

3. Marinakis V., Doukas H., Xidonas P., Zopounidis C. Multicriteria decision support in local energy planning: an evaluation of alternative scenarios for the sustainable energy action plan // Omega. 2017. Vol. 69. Р. 1–16. https://doi.org/10.1016/j.omega.2016.07.005.

4. Oree V., Sayed Hassen S. Z., Fleming P. J. Generation expansion planning optimisation with renewable energy integration: a review // Renewable and Sustainable Energy Reviews. 2017. Vol. 69. Р. 790–803. https://doi.org/10.1016/j.rser.2016.11.120.

5. Malkawi S., Al-Nimr M., Azizi D. A multi-criteria optimization analysis for Jordan's energy mix // Energy. 2017. Vol. 127. Р. 680–696. https://doi.org/10.1016/j.energy.2017.04.015.

6. Lombardi P., Sokolnikova T., Suslov K., Voropai N., Styczynski Z. A. Isolated power system in Russia: a chance for renewable energies? // Renewable Energy. 2016. Vol. 90. Р. 532–541. https://doi.org/10.1016/j.renene.2016.01.016.

7. Ossadnik W., Kaspar R. Evaluation of AHP software from a management accounting perspective // Journal of Modelling in Management. 2013. Vol. 8. Iss. 3. P. 305–319. https://doi.org/10.1108/JM2-01-2011-0007.

8. Сологубова Л. А., Кулаков А. А., Байбекова Ф. Н., Трунькина О. В., Беспалова Н. М. Программная реализация принятия решений с помощью метода анализа иерархий // iPolytech Journal. 2018. Т. 22. № 11. С. 145–158. https://doi.org/10.21285/1814-3520-2018-11-145-158.

9. Ishizaka A., Labib A. Analytic hierarchy process and expert choice: benefits and limitations // OR Insight. 2009. Vol. 22. Iss. 4. P. 201–220. https://doi.org/10.1057/ori.2009.10.

10. Подиновский В. В., Подиновская О. В. Ещѐ раз о некорректности метода анализа иерархий // Проблемы управления. 2012. № 4. С. 75–78.

11. Dede G., Kamalakis T., Sphicopoulos T. Theoretical estimation of the probability of weight rank reversal in pairwise comparisons // European Journal of Operational Research. 2016. Vol. 252. Iss. 2. P. 587–600. https://doi.org/10.1016/j.ejor.2016.01.059.

12. Majumdar A., Tiwari M. K., Agarwal A., Prajapat K. A new case of rank reversal in analytic hierarchy process due to aggregation of cost and benefit criteria // Operations Research Perspectives. 2021. Vol. 8. P. 100185. https://doi.org/10.1016/j.orp.2021.100185.

13. Noghin V. D. A simplified variant of the analytic hierarchy process based on a nonlinear scalarizing function // Computational Mathematics and Mathematical Physics. 2004. Vol. 44. Iss. 7. Р. 1194–1202.

14. Alam K. A., Ahmed R., Butt F. S., Kim Soon-Gohn, Ko Kwang-Man. An uncertainty-aware integrated fuzzy AHPWASPAS model to evaluate public cloud computing services // Procedia Computer Science. 2018. Vol. 130. P. 504–509. https://doi.org/10.1016/j.procs.2018.04.068.

15. Zhu Guo-Niu, Hu Jie, Ren Hongliang. A fuzzy rough number-based AHP-TOPSIS for design concept evaluation under uncertain environments // Applied Soft Computing. 2020. Vol. 91. Р. 106228. https://doi.org/10.1016/j.asoc.2020.106228.

16. Dogan O. Process mining technology selection with spherical fuzzy AHP and sensitivity analysis // Expert Systems with Applications. 2021. Vol. 178. Р. 114999. https://doi.org/10.1016/j.eswa.2021.114999.

17. Нефедов А. С., Шакиров В. А. Автоматизация процедуры заполнения матриц парных сравнений альтернатив по критериям при использовании метода анализа иерархий // Информационные технологии. 2019. Т. 25. № 6. С. 331–339. https://doi.org/10.17587/it.25.331-339.

18. Khan I. Power generation expansion plan and sustainability in a developing country: a multi-criteria decision analysis // Journal of Cleaner Production. 2019. Vol. 220. P. 707–720. https://doi.org/10.1016/j.jclepro.2019.02.161.

19. Ullah Z., Elkadeem M. R., Kotb K. M., Taha I. B. M., Wang Shaorong. Multi-criteria decision-making model for optimal planning of on/off grid hybrid solar, wind, hydro, biomass clean electricity supply // Renewable Energy. 2021. Vol. 179. P. 885–910. https://doi.org/10.1016/j.renene.2021.07.063.

20. Нефедов А. С., Яковкина Т. Н. Многокритериальный выбор мощности электростанций на основе возобновляемых источников энергии и местных видов топлива в составе локальной энергосистемы // iPolytech Journal. 2020. Т. 24. № 6. С. 1255–1270. https://doi.org/10.21285/1814-3520-2020-6-1255-1270.