基于区间二型模糊TOPSIS的风储联合 发电系统协同决策研究
刘吉成1，韦秋霜1，黄骏杰2，李颖欢1，于 晶1
(1.华北电力大学 经济与管理学院，北京 102206；2.兴安县人民法院，广西 桂林 541300)
摘 要： 基于风电―储能协同角度，从复杂系统维、运营节点维、主体能效维和外部环境维对风储联合发电系统的协同影响因素进行梳理和分析，形成风储联合发电系统协同评价指标体系。鉴于指标属性和协同决策的复杂性和不确定性，在TOPSIS基础上引入区间二型模糊数对指标权重和指标值的语义值进行处理，构建基于区间二型模糊TOPSIS的风储联合发电系统协同决策模型。结合案例分析，证明所建模型方法的有效性和可行性。
关键词： 风储联合发电系统；区间二型模糊数；TOPSIS；协同决策
1 研究背景
随着可持续发展要求的提高，储能成为减少弃风、能源浪费和提高“风电-储能”价值链价值效应的重要环节。通过吸收和存储能量并在负荷需求较大时释放能量，储能系统联合风电场构建的风储联合发电系统能够在提高风电消纳能力方面发挥关键作用[1]，包括提高能源效率、提高风电并网能力和风储联合系统的稳定性、灵活性和可靠性。针对国家大力发展清洁能源的战略方针，风储联合发电系统协同运作旨在提升风储协同效应、提高风电利用率。风储联合发电系统项目运行周期长、资金投入大以及影响因素复杂，探讨“发电-储能”价值链中的风电商和储能商主体在耦合协同中的关键影响因素并对其协同运行表现进行综合评价研究，是风储联合发电系统协同决策的重要组成部分。
目前，国内外关于风储联合发电系统的研究包括系统调度研究[2-5]，联合控制策略[6-8]、储能容量配置研究[9-10]等。以上研究表明，风储联合发电系统能够有效提升风电并网能力和消纳能力、提高风储联合系统的经济性，为本文研究奠定了一定基础。同时，相关文献也对风储联合发电系统评估方面进行了研究，童煜栋[11]评估了风储联合发电对电力系统的风险和影响，Zhang、Han和Xu等[12]从风险角度对风电的可接受性进行了评估，应飞祥、姜燕波和何民等[13]和谢桦、滕晓斐和张艳杰等[14]对风储联合发电系统的可靠性和经济性进行了相关探讨。此外，部分文献对风储联合发电系统协同运行控制进行了相关研究[5，15]，然而，目前将风电商和储能商作为价值链不同主体进行研究的文献较少，缺乏对风储联合发电系统协同影响因素分析和综合评价的相关研究。
由于风储联合发电系统具有复杂性特征，因此本文使用多准则决策法来处理风电商和储能商在协同运作中涉及到的多方面影响因素。在多准则决策法中，TOPSIS(order preference by similarity to ideal solution)法被广泛应用于各类领域的评估研究之中。文献[16]和文献[17]将TOPSIS模型与灰色关联度评价进行组合，对中国经济绿色转型态势系统和非常规天然气产业投资进行评价。TOPSIS法通过计算备选方案与正、负理想解的距离以及与各备选方案的贴近度，根据贴近度排序确定最佳备选方案，能够应用于风储联合发电协同运行效果的整体评价研究，使协同决策研究更具合理性。由于TOPSIS法无法有效处理模糊性和不确定性较强的语义变量，因此本文引入区间二型模糊数对指标和权重进行处理，构建基于区间二型模糊TOPSIS的风储联合发电系统协同决策综合评价模型。
2 风储联合发电系统协同评价指标体系
评价指标体系的构建是对风储联合发电系统协同影响因素进行客观分析和综合评价的基础，本文在充分梳理国内外相关文献和调查资料的基础上，使用访谈、资料分析等方法确定了风储联合发电系统协同运行表现评估的评价指标体系，该评价指标体系包括复杂系统维、运营节点维、主体能效维、外部环境维等4个一级指标和11个二级指标，具体内容如表1所示。
表1 风储联合发电系统协同影响因素和指标体系
1)复杂系统维影响因素(F 1)。
“风电-储能”价值链中，风储联合发电系统的耦合协同过程是一个复杂系统工程，受到多方因素的共同影响。在技术方面，风力发电的弱致稳性和弱抗扰性使得风电并网难度较大，而储能技术和产业的发展为提高风电消纳提供了较好的解决方案，风力发电及其产业发展和储能技术及其产业发展影响了风储联合发电系统的耦合协同效果；在经济方面，储能技术平均成本则会对风储联合发电系统协同优化的经济性产生一定影响。基于此，复杂系统维评价指标如表1所示。
第三，加强水利财务工作，是适应大规模水利建设、确保水利资金规范安全高效使用的迫切需要。新一轮大规模水利建设具有点多、面广、线长和实施主体基层化的新特点，能否管好用好这些来之不易的资金，不仅事关水利改革发展大局，也是各级水利部门面临的重大课题和严峻考验。必须充分认识加强水利财务监管的重要性和紧迫性，进一步落实和完善资金资产管理责任制，认真履行监督检查职责，实现对资金资产使用的全过程、全覆盖监管，确保资金使用规范安全高效。
2)运营节点维影响因素(F 2)。
为了实现“风电-储能”价值链的可持续发展和有针对性地提升风储协同能力，某公司欲对风储发电系统项目的协同影响因素进行分析并对协同表现情况进行整体评估。为此，邀请3位专家根据构建的评价指标对3个备选方案进行评价，采用区间二型模糊TOPSIS法对方案进行评估和排序。其中，1位专家为风电领域专家，1位专家为储能领域专家，另外1位专家在风电和储能项目方面具备丰富的经验。同时，在评价指标体系中，除“储能技术平均成本”为成本型指标外，其他指标均为效益型指标。
3)主体能效维影响因素(F 3)。
在能力方面，风电商是否具有出色的并网能力(C 7)，储能系统是否具有良好的辅助服务能力(C 8)，是影响协同表现的基本因素；在效率和效益方面，风储主体之间能否实现协同运作，从而提高协同效率并实现最佳的协同效益(C 9)，是影响协同表现的重要指标。
步骤2：基于本文3.2节，构建评价指标权重矩阵，计算加权平均决策矩阵。
风储联合发电系统所处的外部环境主要指相关政府政策导向情况，包括风电相关政策及规划(C 10)和储能相关政策及规划(C 11)等方面。
3 模型构建
3.1 区间二型模糊集
定义1[18]：若
为论域X 上的区间二型模糊集，则可以由区间二型隶属度函数
表示为
定义4：本文使用式(3)对区间二型模糊数
进行排序[21]。式(3)中：
是元素
和
的平均数，
是元素和
的标准差，
是元素
和
的标准差，
是梯形隶属函数
中元素的隶属度值，1≤p ≤2，j ∈{U ,L }，1≤i ≤n。
定义2[19]：区间二型模糊集的不确定性和模糊性可以通过一系列有界区域进行界定，即区间二型模糊集的不确定覆盖域可使用上界隶属度函数
和下界隶属度函数进行表示。区间梯形二型模糊数如式(1)所示，其中
且
步骤3：基于式(8)～式(10)，计算加权平均决策矩阵中各指标的正理想解和负理想解，并计算各备选方案与正理想解和负理想解之间的距离。
(1)
定义3：给定两个区间二型模糊数
和常数k ，它们之间的加法、乘法、除法和幂次运算法则如式(2)所示[19-20]：
。
云计算需寄托于网络才能够正常发挥各项功能，它对网络质量也有着独特的要求。高品质的网络服务才能够满足其大范围的数据传输需要，进而保证数据的传输量。但当前国内网络的速率以及稳定性仍未达到这方面的标准，资费更是居高不下。部分地区网络的稳定性仍存在较大问题，个别地区尚未接通网络，所以云计算根本无法实现大范围推广应用。网络服务存在的地区差异化也给用户带来了诸多不便，未来想要进一步推动云计算的发展，应着重改善这方面的问题[2]。
(2)
矿(化)体围岩主要为新县二长花岗岩，围岩蚀变主要为钾长石化、硅化、绿泥石化、绢云母化等，颜色呈肉红色-浅肉红色。局部破碎蚀变强烈，蚀变强度与距矿(化)体的距离有关，一般矿(化)体和近矿围岩蚀变较强，向两边逐渐减弱。同时，与矿(化)体的厚度亦有关，矿(化)体厚度越大，其围岩蚀变越强。
(3)
3.2 区间二型模糊数确定指标权重
本文采用基于区间二型模糊数的专家意见确定指标权重。首先，邀请p 位专家，判断每个影响因素在整体影响因素中的重要程度IL (importance level)。其次，判断该因素对风储联合发电系统协同效果的影响程度ID (influence degree)。再次，综合指标的IL 和ID ，计算其综合协同影响程度SE (synergistic effect)。最后，确定每个影响因素的权重，如式(4)和式(5)所示。本文使用表2中的权重语义值确定指标权重，权重语义值和区间二型模糊数之间的对应关系如表2所示。
通过科室主任和带教老师双管齐下，以及岗前培训的四个阶段，加之激励机制和文化建设的双重激励，新进人员在一年的岗前培训过渡期，基本具备开展检验工作的经验和能力，平稳度过过渡期。
(4)
W ={w 1,w 2,…,w m }。
(5)
其中：w i (i =1，2，…，n)为指标权重；SE i (i =1，2，…，m)为综合协同影响程度。
表2 权重确定语义值及对应的区间二型模糊数 [22]
3.3 区间二型模糊TOPSIS综合评价模型
本文首先使用区间二型模糊TOPSIS将语义值的不确定性和模糊性转换为区间二型模糊数，其次采用TOPSIS法进行综合评价并求解最佳方案。本文采用区间二型模糊TOPSIS对风储联合发电系统协同决策进行研究。
设共有n 个备选方案集合X ={x 1,x 2,…,x n }和m 个评价指标集合C ={c 1,c 2,…,c m }，同时邀请p 位专家D ={D 1,D 2,…,D p }分别对风储联合发电系统的协同影响因素和备选方案进行评价，区间二型模糊TOPSIS的计算步骤如下。
第一步，构建决策矩阵Y p 和平均决策矩阵
第四，决心维度。这一维度主要是指中国实现承诺的意志。2012年黄岩岛事件由菲律宾挑起而最终以中方实控这一岛屿及附近海域而告终。自2014年以来，尽管以美国为首的部分国家在各类场合不断要求中国停止对实控的7个岛屿进行的大规模吹填和建设项目，并且美国还以航行自由和地区稳定受到影响为由在上述岛屿附近进行了海上和空中巡航，并藉此加深与越菲等国的双边关系，但中国不为所动，坚定不移地完成了南海岛礁建设项目。对此，其他国家包括美国在内均无能为力。基于上述事件，国际社会已经充分意识到中国维护南海主权和海洋权益这一自身核心利益的决心。
(6)
(7)
其中：
为第p 位专家对于备选方案i 的第j 个指标的评估值；
为备选方案i 的第j 个指标的平均评估值，0≤i ≤m ，0≤j ≤n 。
第二步，构建权重矩阵。基于本文3.2节使用基于区间二型模糊数的专家意见确定指标权重的方法，确定评价指标权重矩阵W ={w 1,w 2,…,w m }。
本平台通过展示读者参与活动的效果及程度，对阅读推广活动进行深层次、广泛而持久地宣传和推广，同时也对未参与的读者起到一定的刺激作用，以扩大阅读活动的受益面和效果。前期阅读推广活动的成果，将对后续开展活动起到借鉴和改进的作用。
第三步，构建加权平均决策矩阵
治疗后，两组患者TC、TG、APOB、LDL-C显著降低（P＜0.05）。两组患者APOA、HDL-C显著增加（P＜0.05）。观察组患者TC、TG、APOB、LDL-C低于对照组（P＜0.05）。观察组患者APOA、HDL-C高于对照组（P＜0.05）。见表1。
第四步，使用式(3)对加权平均决策矩阵的每个值进行排序处理，得到排序加权平均决策矩阵
第五步，计算正理想解x +和负理想解x -：
(8)
(9)
第六步，计算各备选方案与正理想解和负理想解的距离，计算各方案的贴近度并进行排序：
该组的主要职责包括：负责人员紧急转移、安置、生活保障、医疗救助、卫生防疫、安置点选址、治安维稳等具体工作。
(10)
那边李峤汝的话兜头泼了苏楠一头冷水。怎么找？李碧汝是不是律师都难确定，人家要是顺口敷衍我们呢？我母亲老是惦念着人家，我大学毕业她唠叨说，也不知道碧汝考没考上大学；我结婚她也唠叨，也不知道碧汝现在成家没；我生乐乐，她在产房里还不忘念叨，不知道碧汝有没有孩子；就连我离婚，她心里也没忘了那个碧汝，也不知道她过得怎么样了……搁农村，我母亲这叫漫天雪地里烤火，一面儿热。
(11)
其中，0≤i ≤m ，0≤j ≤n 。
众所周知，我国是煤炭资源大国但是也是消耗煤炭资源的大国。煤炭资源是不可再生的社会发展中必不可少的资源。正因为如此，煤炭资源的开发、利用以及环境问题一直以来都是我国政府以及相关领域重点关注的问题。我国相关领域虽然在煤炭资源的开发与利用方面进行了一定的研究，其管理方法、开发技术虽然在以往的基础上有了很大的进步，但是相比于发达国家而言，我国的开发、利用以及环境治理策略仍处于初级阶段。因此，对于我国煤炭资源的开发、利用以及环境治理方面的研究是十分有必要的。
4 风储联合发电系统协同决策流程
现有n 个风储联合发电系统项目，鉴于不同储能技术特性和成本之间的差异性，本文要对其协同运行表现进行评估并排序，旨在进一步分析影响其协同表现的影响因素，对项目协同运作表现进行整体评估并选择表现最优异的方案。首先，对协同影响因素进行评估，使用基于区间二型模糊数确定指标权重。其次，对各备选方案X (X 1,X 2,…,X n )，专家采用风储联合发电系统协同评价指标体系C (C 1,C 2,…,C m )对各备选方案的协同运行表现进行评价，评价语义值如表3所示。再次，将专家意见语义值转换为区间二型模糊数，得到决策矩阵并计算平均决策矩阵。最后，使用区间二型模糊TOPSIS处理决策矩阵，得到最优方案。具体流程如图1所示。
图1 基于区间二型模糊TOPSIS的风储联合 发电系统协同决策流程图
步骤1：基于式(6)和式(7)，各位专家使用语义值对各方案的各项影响因素进行评价，构建决策矩阵，并将包含语义值的决策矩阵转换为区间二型模糊决策矩阵，得到平均决策矩阵。在该步骤中，专家评价使用的语义值和相应的区间二型模糊数如表3所示。
克莱默博士的浮木研究主要集中在奴河上，这条河流向北流入加拿大北部的大奴湖，然后流入麦肯齐河，最终汇入北冰洋。麦肯齐河相对未受大规模工业发展的影响，是研究漂流木的长期影响以及与海洋和河流生态系统关系的很好天然实验室。
表3 协同影响因素评价语义值和相应区间二型模糊数 [23]
4)外部环境维影响因素(F 4)。
步骤4：基于式(11)，计算各方案的协同贴近度，对方案进行排序，选择最优方案。
5 案例分析
“发电-储能”价值链中，风储联合发电系统协同涉及到风电商和储能商两个关键节点。风电装机容量(C 4)、储能装机容量(C 5)和风电商与储能商风险承担情况(C 6)等因素相互联系、相互作用，协同影响着风储联合发电系统的协同运行效率和稳定程度。
第一，3位专家{D 1,D 2,D 3}对3个备选方案{x 1,x 2,x 3}的项目相关资料进行分析并进行实地调研，在充分了解风储联合发电系统项目的基础上，对各方案的评价指标{c 1,c 2,…,c 11}进行打分，打分使用表2中的语义值，即{协同影响很小(VP)，协同影响小(P)，协同影响较小(MP)，协同影响一般(M)，协同影响较大(MG)，协同影响大(G)，协同影响很大(VG)}，得到的打分情况如表3所示，据此构建平均决策矩阵
第二，3位专家{D 1,D 2,D 3}判断每个评价指标在风储联合发电系统整体影响因素中的重要程度IL ，并评价了风储联合发电系统协同效果的影响程度ID ，对指标权重评价采用表1所示语义值，得到指标评价结果。在此基础上，计算指标的综合协同影响程度
转为区间二型模糊数，得到指标权重：
根据医学临床经验，一旦肺癌的临床症状表现出来，治愈率就非常低了，因此在尽早期检测出相关指标并进行预测具有重要意义。然而在已检测到的肺结节中仅有少数属于恶性结节，良性结节占绝大多数，因而如何对检测出的结节进行分类又对研究人员提出了新的挑战。尤其是如何准确、快速和方便地检测与识别早期肺癌结节是目前的研究重点与难点。
表3 风储联合发电系统备选方案评价表
第三，基于平均决策矩阵和权重矩阵，构建加权平均决策矩阵
以下仅列出部分结果：
第四，使用式(3)对加权平均决策矩阵进行排序处理，求解指标值的排序，得到排序加权平均决策矩阵
排序值计算如下：
第五，计算正理想解x +和负理想解x -。
x +=(6.15,8.52,3.85,5.68,7.4,9.39,7.49,9.6,9.33,5.83,7.78)
x -=(5.01,8.03,7,5.29,6.57,5.54,5.64,6.85,7,5.83,6.44)。
采用SPSS 20.0软件对数据进行分析处理，计量资料以（均数±标准差）表示，采用t检验；计数资料以（n，%）表示，采用χ2检验，以P＜0.05表示差异具有统计学意义。
第六，计算各备选方案与正理想解和负理想解的距离，计算各方案的贴近度。
第七，由于CC (x 3)>CC (x 2)>CC (x 1)，因此方案3相较于方案1和方案2更贴近理想解。在3个备选方案中，方案3具有最优的风储联合发电系统协同运作表现。
为进一步验证指标体系的适用性和区间二型模糊TOPSIS法的稳定性，该部分将对一级指标权重进行敏感性分析。将指标权重设置为6组：G1组作为参照组，采用案例分析第二步中根据专家意见确定的权重；G2组中，指标权重均分；G3组中，复杂系统维指标权重减少10%；G4组中，运营节点维指标权重减少10%；G5组中，主体能效维指标权重减少10%；G6组中，外部环境维指标权重减少10%。在此基础上，获得了各组中不同备选方案的协同水平，如表4所示。在各组中，无论指标权重如何变化，三种方案贴近度的排名都一致，方案3都呈现了较高的协同运作表现。这证明了评价指标体系在风储联合发电系统协同运作表现综合评价中的适用性，也证明了区间二型模糊TOPSIS在风储联合发电系统协同决策研究中的有效性。
表4 不同指标权重下备选方案的协同表现
6 结论
绿色能源可持续发展背景下，风储联合发电系统是提升风电消纳能力的有效应对方案，对风储联合发电系统协同决策进行研究有利于提升“风电-储能”价值链的协同运作。本文研究了基于区间二型模糊TOPSIS多准则决策的风储联合发电系统协同决策问题，从复杂系统维、运营节点维、主体能效维和外部环境维等4个维度构建指标体系，在TOPSIS法基础上引入区间二型模糊数对指标权重和指标值进行处理，构建风储联合发电系统协同决策模型，通过案例分析验证模型的有效性。与其他评价方法比较，该方法能有效提升语义信息表达的有效性并增加协同决策的准确性。考虑到“风电-储能”价值链的复杂性，笔者下一步将对风电商和储能商之间的协同优化问题进行讨论。
参考文献
[1] 刘吉成，于晶．基于委托代理理论的风力发电商与储能商协同风险承担模型[J]．技术经济，2018，37(11)：124-130．
[2] 孙辉，刘鑫，贲驰，等．含风储一体化电站的电力系统多目标风险调度模型[J]．电力系统自动化，2018，42(5)：94-101．
[3] 易林，张玉荣，李杨，等．低碳经济下含风储联合电力系统优化调度[J]．水电能源科学，2018，36(4)：213-216．
[4] 张刘冬，袁宇波，孙大雁，等．基于两阶段鲁棒区间优化的风储联合运行调度模型[J]．电力自动化设备，2018，38(12)：59-66．
[5] 代兵琪，王哲，李春生．基于改进粒子群算法的风储联合系统多目标协同调度[J]．电气技术，2015(12)：22-25．
[6] 李滨粟，祎敏，莫新梅，等．跟踪风电计划偏差的风储系统联合控制策略[J/OL]．电网技术[2019-05-15]．https：//doi．org/10．13335/j．1000-3673．pst．2018．1848．
[7] 章竹耀，郭晓丽，张新松，等．基于滑动平均和模型预测控制的风储平抑策略[J]．控制工程，2019，26(1)：114-119．
[8] 赵巧娥，郭敏，贾新春，等．基于预测控制储能系统平抑风电场并网波动功率[J]．电测与仪表，2019，56(5)：94-100．
[9] 蒋平，袁铁江，车勇，等．分散式风储一体化系统容量规划研究[J]．电力电容器与无功补偿，2018，39(1)：138-146．
[10] 张金艳．一种基于可靠出力的储能容量的配置方法[J]．节能，2018，37(1)：9-12．
[11] 童煜栋．风储联合运行对电力系统风险影响的研究[D]．北京：华北电力大学，2018．
[12] ZHANG Y，HAN X，XU B，et al．Risk-based admissibility analysis of wind power integration into power system with energy storage system[J]．Ieee Access，2018(6)：57400-57413．
[13] 应飞祥，姜燕波，何民，等．含风储系统的电力系统可靠性评估进展与展望[J]．智慧电力，2019，47(2)：1-8．
[14] 谢桦，滕晓斐，张艳杰，等．风/光/储微网规划经济性影响因素分析[J]．电力系统自动化，2019，43(6)：70-82．
[15] 彭勃，张峰，梁军．考虑风速分区的风——储系统短期频率响应协同控制策略[J]．电力系统自动化，2018，42(8)：57-65．
[16] 赵奥，武春友．中国经济绿色转型态势系统评价——基于熵-OWA算子与灰关联改进TOPSIS[J]．技术经济，2018，37(7)：99-106．
[17] 谢明华，孔庆宝．非常规天然气产业投资的综合评价与路径选择[J]．技术经济，2019，38(1)：89-96．
[18] 林晓华，安相华，贾文华．产品方案优选的区间二型模糊VIKOR法[J]．机械设计与制造，2017(3)：11-15．
[19] 乌云娜，孙肖坤，芦智明，等．基于区间二型模糊AHP-VIKOR的风电建设项目投资风险决策模型研究[J]．科技管理研究，2019，39(4)：236-245．
[20] WU T，LIU X，LIU F．An interval type-2 fuzzy topsis model for large scale group decision making problems with social network information[J]．Information Sciences，2018(432)：392-410．
[21] MERVE C T．Interval type-2 fuzzy topsis method for calibration supplier selection problem：a case study in an automotive company[J]．Arabian Journal of Geosciences，2018，11(13)：341-347．
[22] LEE L，CHEN S．A new method for fuzzy multiple attributes group decision-making based on the arithmetic operations of interval type-2 fuzzy sets[C]．International Conference on Machine Learning and Cybernetics，2008(6)：3084-3089．
[23] CHEN S，LEE L．Fuzzy multiple attributes group decision-making based on the interval type-2 TOPSIS method[J]．Expert Systems with Applications，2010，37(4)：2790-2798．
Study on Collaborative Decision of Wind -energy Storage Combined Power Generation System Based on Interval Type -2 Fuzzy TOPSIS
Liu Jicheng1，Wei Qiushuang1，Huang Junjie2,Li Yinghuan1，Yu Jing1
(1.School of Economics and Management，North China Electric Power University，Beijing 102206，China;2.Court of Xing'an,Guilin Guangxi 541300, China)
Abstract ： Based on collaboration of wind and energy storage，this paper analyzes the collaborative factors influencing wind and energy storage combined power generation system from aspects of complex system，operation node，subject efficiency and external environment dimensions，and constructs the evaluation index system．In view of complexities and uncertainties of index attributes and collaborative decision，it introduces the interval type-2 fuzzy numbers to deal with the linguistic values of index weights and index values on the basis of TOPSIS，and constructs the collaborative decision model based on interval type-2 fuzzy TOPSIS．Combining with case analysis，it proves the validity and feasibility of the proposed model method．
Keywords ： wind and energy storage combined power generation system；interval type-2 fuzzy numbers；topsis；collaborative decision
中图分类号： F407. 2； F425
文献标志码： A
文章编号： 1002- 980X( 2019) 05- 0110- 07
收稿日期： 2019-04-25
基金项目： 国家自然科学基金项目“非并网清洁能源‘发电-储能-用能’价值链耦合协同机制与优化模拟模型研究”(71771085)；中央高校基本科研业务费项目“考虑储能的风电价值链协同决策研究”(2019QN072)；中央高校基本科研业务费项目“光伏储能价值链效益分析及协同优化模型研究”(2019QN073)
作者简介： 刘吉成(1963-)，男，宁夏中卫人，华北电力大学经济与管理学院教授，博士生导师，博士，研究方向：电力运营与信息管理；韦秋霜(1990-)，女，广西宜州人，华北电力大学经济与管理学院博士研究生，研究方向：信息管理与决策分析；黄骏杰(1990-)，男，广西忻城人，兴安县人民法院民事审判法庭法官助理，硕士，研究方向：法律；李颖欢(1995-)，男，贵州贵阳人，华北电力大学经济与管理学院硕士研究生，研究方向：电力运营与信息管理；于晶(1993-)，女，吉林桦甸人，华北电力大学经济与管理学院博士研究生，研究方向：信息管理与决策分析。
标签：风储联合发电系统论文; 区间二型模糊数论文; TOPSIS论文; 协同决策论文; 华北电力大学经济与管理学院论文; 兴安县人民法院论文;