28、基于互联网公众意见的屋顶光伏发展综合潜力评估

基于互联网公众意见的屋顶光伏发展综合潜力评估

1. IPO的应用

随着互联网的飞速发展和智能手机的普及，互联网公众意见（IPO）被用于获取公众的信息、需求和反馈。例如在医药、公共紧急事件和太阳能光伏系统等领域都有应用。社交媒体也有助于分析光电行业未来的发展。比如，有人基于互联网调查公众对风能和太阳能的正负看法，以促进公众支持；还有人通过在线调查讨论公众对屋顶光伏太阳能系统政策的接受度，总结了光伏推广在消费者、机构、政府、能源技术专家等利益相关者中存在的障碍，并为未来扩大光伏市场提供了有用建议。

IPO能提供丰富的一手数据，把握和衡量公众观点，是未来发展评估的重要驱动力。虽然在屋顶光伏发展的潜力评估中没有直接应用IPO，但以往研究显示出对网络数据和公众意见的浓厚兴趣。如何在海量网络信息资源中准确找到所需信息，已成为学者们关注的焦点。有人设计并实施了分布式网络爬虫系统以提供高质量数据支持，还有人提出了整合MF - LDA和HTLCM的热点话题跟踪算法来提取和跟踪公众意见。

公众是城市建筑屋顶光伏的决定性参与者，通过IPO收集公众信息，能更好地促进城市建筑屋顶光伏的发展。

部分主要综合评估方法的比较如下表所示：
| 特征 | FAHP | FCA | TOPSIS | GRA | GRPM | MEET | EM | MSD | CRITIC |
| — | — | — | — | — | — | — | — | — | — |
| 适用于有限离散方案的决策集 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 能对替代方案进行排序 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 能科学合理计算各评估指标的权重 | ✓ | ✕ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 计算过程不受主观因素影响 | ✕ | ✕ | ✕ | ✓ | ✓ | ✕ | ✓ | ✓ | ✓ |
| 将定性信息转化为定量信息 | ✕ | ✕ | ✕ | ✕ | ✕ | ✕ | ✕ | ✕ | ✕ |

2. 问题描述与研究框架

通过IPO收集信息，然后抽象和总结设计评估指标。利用基于均方差（MSD）和CRITIC方法的灰色关联投影法（GRPM）对不同类型的城市建筑进行评估和排序，进一步量化城市建筑的光伏潜力，为中国城市化的快速发展提供理论依据，为政府部门制定建筑光伏的发展目标。研究框架流程图如下：

graph LR
    A[数据收集] --> B[评估指标体系]
    B --> C[发展潜力模型]
    C --> D[研究结果]
    E[互联网公众意见关键词提取] --> B
    F[文献研究] --> B
    G[经济] --> B
    H[技术] --> B
    I[环境] --> B
    J[物流与仓库] --> C
    K[住宅] --> C
    L[行政与公共服务] --> C
    M[工业] --> C
    N[商业与商业设施] --> C
    O[指标权重] --> C
    P[客观权重] --> O
    Q[CRITIC] --> P
    R[均方差] --> P
    S[灰色关联投影法] --> D

3. 研究方法

3.1 评估指标体系

评估指标体系的建立应科学合理。通过IPO和文献研究收集信息，选取涉及经济、技术和环境三个类别的评估指标，共11个子指标，力求全面真实地反映不同屋顶光伏发展建筑的潜力分析。
- 文献研究 ：基于以往研究，提取和总结评估指标，如净现值（NPV）、内部收益率（IRR）和屋顶总面积等。各指标的具体来源如下表所示：
| 维度层B | 指标层 | 来源 |
| — | — | — |
| 屋顶光伏综合潜力A - 经济B1 | NPV B11 | 1. 相关研究；2. IPO关键词提取：投资、收入、价值、运营、增加收入 |
| | IRR B12 | 1. 相关研究；2. IPO关键词提取：回报、收益、响应率、回报率、经济风险 |
| | 能源成本B13 | 1. 相关研究；2. IPO关键词提取：成本、资金、电价、电费、价格、能源消耗 |
| | 政策补贴B14 | 1. 相关研究；2. IPO关键词提取：补贴、津贴、政策、政府、国家补贴 |
| 技术B2 | 屋顶总面积B21 | 1. 相关研究；2. IPO关键词提取：斜面、屋顶、房产 |
| | 光伏适用屋顶面积B22 | 1. 相关研究 |
| | 发电量B23 | 1. 相关研究；2. IPO关键词提取：发电、电力、技术、角度、装机容量 |
| 环境B3 | CO2排放减少B31 | 1. 相关研究；2. IPO提取：周边环境、资源、污染、排放、减排、节能、清洁、绿色、环境保护、可再生能源 |
| | SO2排放减少B32 | |
| | NOX排放减少B33 | |
| | 烟尘排放减少B34 | |

• 互联网公众意见 ：越来越多的学者通过社交媒体收集信息。国外广泛使用的问答SNS网站Quora旨在挖掘互联网上没有的维基知识并赋予其强大的社交媒体属性；新浪微博也成为中国互联网用户发表评论的重要社交平台。IPO通过网络爬虫技术从网站筛选和获取大量数据，Scrapy作为爬虫框架，具有高度的可扩展性和健壮性，被广泛用于爬虫设计。其具体原理步骤如下：
  1. 引擎从调度器检索一个URL作为爬取过程的初始目标，爬虫将从该URL开始爬取。
  2. 引擎将URL封装为请求并发送给下载器，下载器将资源下载到机器并封装为响应。
  3. 蜘蛛接收响应并调用回调函数。
  4. 蜘蛛解析响应以获取实体或URL，如果是实体，将其交给管道进行进一步处理。
  5. 如果是URL，将结果交给调度器进行处理。

本研究使用Scrapy框架以“太阳能屋顶”为关键词爬取微博数据，收集时间从2017年6月20日至2020年2月24日，共839条相关微博内容。微博数据包括关键词、博主ID、内容、URL、发布时间、转发数和评论数。然后使用结巴分词系统处理微博数据并构建词表，定义一组无实际意义的停用词，去除停用词后，留下名词、动词和形容词作为关键词，最后提取人们主要关注的高频关键词以帮助设计评估指标。

3.2 数据处理

根据上一节建立的指标体系，通过统计年鉴等获取初始数据。为得到各层相应的指标值，选择模型对应的公式（1） - （7）进行计算。
- 经济潜力值 ：为准确分析屋顶光伏发电成本和光伏发电技术的市场竞争力，使用净现值（NPV）和内部收益率（IRR）评估屋顶光伏系统的经济潜力值，并用PVsyst软件模拟发电系统的能源成本。
- 净现值（NPV） ：假设所有投资都是理性的，追求最高投资回报。投资条件可表示为：
[NPV = -S+\sum_{i = 1}^{N}\frac{(C_{input}) i-(C {output}) i}{(1 + r)^i}]
其中，S是初始投资；N是生命周期；((C {input}) i)是第i年的流入现金值；((C {output}) i)是第i年的现金流出；r是折现率。
初始投资可表示为：
[S = C {system}-C_{subsidy}]
其中，(C_{system})是光伏发电系统的初始投资，包括光伏模块、逆变器、安装和建设成本等；(C_{subsidy})是可用的投资补贴。
系统生命周期内第i年的流入部分可表示为：
[(C_{input}) i = P {buy}\times E_{PVconsume}+P_{sell}\times (E_{PVinject}) i]
其中，(P {buy})是从电网购电的价格；(E_{PVconsume})是用户自身的电力消耗；(P_{sell})是光伏发电的上网电价；(E_{PVinject})是上网电量。
系统生命周期内第i年的流出资金可表示为：
[(C_{output}) i=(C {O&M}+C_{loan}+C_{tax}) i]
其中，(C {O&M})是光伏系统的运营和维护成本；(C_{loan})是贷款本金和利息的支付；(C_{tax})是包括所得税、城市建设税和教育税附加等在内的税费。
- 内部收益率（IRR） ：IRR指项目计算期内各年净效益流量折算到项目建设初期的现值之和。一般用于表示项目运营过程中的抗风险能力，是对NPV计算结果的补充，能避免项目因规模大而仅产生高NPV值的情况，有助于投资者识别具有正NPV和可接受财务风险水平的开发对象。屋顶光伏系统的IRR可通过以下方程简要估算：
[\sum_{i = 0}^{N}(C_{input}-C_{output})_i(1 + IRR)^{-i}=0]
其中，(FNPV(IRR))是以IRR为折现率的财务净现值。

• 技术潜力值 ：屋顶面积的确定通常可通过确定人均屋顶表面积比或建立人口密度与屋顶面积的相关性来估算。近年来，为准确计算屋顶面积，地理信息系统（GIS）不断被应用，但该方法计算量大且对数据质量要求高，存在一定局限性。本研究选择一种常见且简单的方法，使用文献中的折减系数来考虑阴影和其他限制。部分文献中使用的折减系数概述如下表所示：
  | 位置 | 折减系数 | 来源 |
  | — | — | — |
  | 香港 | 屋顶总面积/底层建筑面积：1.20；建筑适用性：0.70；太阳能适用性：0.55 | Peng和Lu |
  | EU - 27 | 潜在光伏适用屋顶面积/底层建筑面积：0.40；建筑适用性：0.60；太阳能适用性：0.55 | Defaix等 |
  | 加利福尼亚 | 住宅：0.10；商业：0.30 | 加利福尼亚能源委员会 |
  | 美国 | 住宅：0.22 - 0.27；商业：0.60 - 0.65 | Denholm和Margolis，Lopez等 |
  | IEA (PVPS) | 建筑适用性：0.60；太阳能适用性：0.55 | Gutschner等 |

屋顶光伏模块的潜在总有效面积可通过以下方程计算：
[A_{act}=A_{pot}\frac{A_{pv}}{A_{occu}}]
其中，(A_{act})是光伏模块的潜在总有效面积；(A_{pot})是潜在光伏适用屋顶面积；(A_{occu})是单个光伏模块的安装占用面积；(A_{pv})是单个光伏模块的面积。本研究使用PVsyst软件模拟光伏模块的潜在有效利用面积(\frac{A_{pv}}{A_{occu}})。

根据不同城市的太阳能资源条件，通过分析太阳方位角和高度角确定光伏模块的最佳安装角度，并据此计算光伏模块表面的辐射和有效表面积，以预测光伏的年发电量。屋顶光伏系统的年能源输出潜力可通过以下方程简要估算：
[E_{potential}=A_{act}\times G_{t}\times\eta\times\lambda]
其中，(E_{potential})是建筑屋顶光伏系统的年发电量；(A_{act})是光伏模块的潜在总有效面积；(G_{t})是安装在最佳倾斜角度的光伏模块每年接收的总太阳辐射，约为2256 kWh/m²；(\eta)是光伏模块在标准测试条件（STC）下的能量转换效率，制造商宣称效率为16%；(\lambda)是光伏系统的运行效率，屋顶光伏的常见运行效率为0.75 - 0.80，本研究使用最常用的0.75。

• 环境潜力值 ：与燃煤发电相比，光伏发电的节能和环境效益主要体现在减少煤炭使用和减少CO2、SO2、NOx、烟尘等污染物排放。基于以往研究，本研究列出了上述四种污染物相对于每千瓦时的节能减排情况，如下表所示：
  | 污染物 | 每度电减排量（kg×10²/kWh） |
  | — | — |
  | CO2 | 88.41 |
  | SO2 | 00.55 |
  | NOX | 00.17 |
  | 烟尘 | 00.22 |

3.3 建模过程

本节使用MSD和CRITIC方法计算各指标的权重，然后使用GRPM评估和排序不同对象的综合潜力。
- 权重定义 ：MSD主要利用指标数据的对比强度描述指标的重要性，熵定律主要体现指标数据的离散性。CRITIC方法是一种相对完善的客观赋权方法，既考虑了指标数据的相关性（冲突），又考虑了数据之间的对比强度，但未考虑数据之间的离散性，MSD能有效弥补这一不足。两种方法结合可充分考虑数据的离散性、相关性和对比强度。

分析表明，MSD和熵值都可用于表示数据的聚集程度，在改进CRITIC方法时具有同等地位。结合CRITIC和MSD的公式如下。此外，应根据方差和信息变化计算各指标的权重，步骤如下：
1. 一组(X_0 = [x_{ij}^0])：原始数据矩阵。
2. 对矩阵进行归一化：
[y_{ij}=\frac{x_{ij}^0-\min{x_{ij}^0}}{\max{x_{ij}^0}-\min{x_{ij}^0}}]（如果是效益指标）
[y_{ij}=\frac{\max{x_{ij}^0}-x_{ij}^0}{\max{x_{ij}^0}-\min{x_{ij}^0}}]（如果是成本指标）
3. 计算随机变量(E_i)的均值：
[E_i=\frac{1}{n}\sum_{j = 1}^{n}x_{ij}]
4. 计算随机变量(\sigma_i)的均方差：
[\sigma_i=\sqrt{\frac{1}{n}\sum_{j = 1}^{n}(x_{ij}-E_i)^2}]
5. 计算权重系数(\omega_i)：
[\omega_i=\frac{\sigma_i}{\sum_{i = 1}^{n}\sigma_i}]
6. 计算CRITIC权重：
[\omega_i=\frac{\sigma_i\sum_{j = 1}^{n}(1 - r_{ij})}{\sum_{i = 1}^{m}\sigma_i\sum_{j = 1}^{n}(1 - r_{ij})}]
其中，(r_{ij})是指标i和j之间的相关系数。
7. 计算综合客观权重：
[\phi_i=\frac{(\sigma_i + e_i)\sum_{j = 1}^{n}(1 - p_{ij})}{\sum_{i = 1}^{m}(\sigma_i + e_i)\sum_{j = 1}^{n}(1 - p_{ij})}]
其中，(\phi_i)是指标i的权重，(p_{ij})是相关系数，(e_{ij})是指标j的熵。

• 综合潜力评估 ：多目标决策的GRPM是一种新方法，它将多目标决策的灰色系统理论与向量投影原理相结合，通过建立多目标决策的灰色关联投影模型进行评估。具体建模过程如下：
  1. 建立决策矩阵：设方案集(U = {方案1, 方案2, \cdots, 方案n}={U_0, U_1, \cdots, U_n})，指标集(V = {指标1, 指标2, \cdots, 指标m}={V_1, V_2, \cdots, V_m})。方案(U_i)对指标(V_j)的指标值记为(Y_{ij}(i = 1, 2, \cdots, n; j = 1, 2, \cdots, m))。设理想方案(U_0)的因素指标为(Y_{0j})，当(V_j)是正指标时，(Y_{0j}=\max(Y_{1j}, Y_{2j}, \cdots, Y_{nj}))；当(V_j)是逆指标时，(Y_{0j}=\min(Y_{1j}, Y_{2j}, \cdots, Y_{nj}))；矩阵(Y=(Y_{ij})_{(n + 1)\times m}(i = 1, 2, \cdots, n; j = 1, 2, \cdots, m))是方案集(U)对指标集(V)的决策矩阵。
  2. 标准化：对于越大越好的指标，使用正指标处理方法；否则，使用负指标处理方法。
     [x_{ij}^0=\frac{x_{ij}-\min{x_j}}{\max{x_j}-\min{x_j}}]（正指标）
     [x_{ij}^0=\frac{\max{x_j}-x_{ij}}{\max{x_j}-\min{x_j}}]（负指标）
  3. 标记(Y_0)为(Y)的生成序列：当(V_j)是效益指标时，进行正划分；当(V_j)是成本指标时，进行逆划分。则(Y_0)是(Y)的初始序列，显然(Y_{0j}=1(j = 1, 2, \cdots, m))，(Y_{0j}^0)是理想方案。
     [Y_{ij}^0=\frac{Y_{ij}}{Y_{0j}}]
     [Y_{ij}^0=\frac{Y_{0j}}{Y_{ij}}]
  4. 灰色投影关联：((S, T))是灰色关联空间，(\zeta)是特定关联映射，(r_{ij})是子因素(Y_{ij}^0(i = 1, \cdots, n; j = 1, 2, \cdots, m))对母因素(Y_{0j}^0 = 1(j = 1, 2, \cdots, m))的关联度，(r_{ij}=\zeta(Y_0^0, Y_{ij}^0))。
     [r_{ij}=\frac{\min_{n}\min_{m}|Y_{0j}^0 - Y_{ij}^0|+\lambda\max_{n}\max_{m}|Y_{0j}^0 - Y_{ij}^0|}{|Y_{0j}^0 - Y_{ij}^0|+\lambda\max_{n}\max_{m}|Y_{0j}^0 - Y_{ij}^0|}]
  5. 在(r_{ij}=\zeta(Y_0^0, Y_{ij}^0))中，(\lambda)通常称为分辨率系数，用于调整比较环境的大小，即减少和改变比较环境。当(\lambda = 0)时，环境消失；当(\lambda = 1)时，环境保持不变。
     [\lambda=\frac{\frac{1}{nm}\sum_{i = 1}^{m}\sum_{k = 1}^{n}|Y_{0j}^0 - Y_{ij}^0|}{\max_{n}\max_{m}|Y_{0j}^0 - Y_{ij}^0|}]
     (\rho)的范围为：
     当(\Phi\lt\frac{1}{3})时，(\Phi\leq\rho\leq1.5\Phi)；
     当(\Phi\geq\frac{1}{3})时，(1.5\Phi\leq\rho\leq2\Phi)。
  6. 构建由(r)组成的多目标灰色关联度判断矩阵(F)，其数量为(m(n + 1))：
     [F=\begin{bmatrix}F_{01}&F_{02}&\cdots&F_{0m}\F_{11}&F_{12}&\cdots&F_{1m}\F_{21}&F_{22}&\cdots&F_{2m}\\vdots&\vdots&\ddots&\vdots\F_{n1}&F_{n2}&\cdots&F_{nm}\end{bmatrix}]
  7. 灰色关联投影角：如果将每个决策方案视为一个行向量，则每个决策方案(U_i)与理想方案(U^ )之间的夹角(\theta)称为灰色关联投影值。夹角的余弦值越大，决策方案(U_i)与理想方案(U^ )的变化方向越一致。夹角余弦公式为：
     [r_i=\frac{U_i\cdot U^ }{|U_i||U^ |}=\frac{\sum_{j = 1}^{m}W_jF_{ij}W_j}{\sqrt{\sum_{j = 1}^{m}(W_jF_{ij})^2}\sqrt{\sum_{j = 1}^{m}W_j^2}}]
  8. 计算每个方案(U_i)的模(d_i)，其中(W_j(j = 1, 2, \cdots, m))是权重：
     [d_i=\sqrt{\sum_{j = 1}^{m}(W_jF_{ij})^2}]
  9. 灰色关联投影值：考虑模块大小和夹角余弦值，能全面准确地反映每个决策方案与理想方案的接近程度。
     [D_j = d_i\times r_i=\sqrt{\sum_{j = 1}^{m}(W_jF_{ij})^2}\times\frac{\sum_{j = 1}^{m}W_jF_{ij}W_j}{\sqrt{\sum_{j = 1}^{m}(W_jF_{ij})^2}\sqrt{\sum_{j = 1}^{m}W_j^2}}=\sum_{j = 1}^{m}F_{ij}\frac{W_j^2}{\sqrt{\sum_{j = 1}^{m}W_j^2}}]
  10. 标记(W_j)为一组新的因素指标权重向量，称为灰色关联投影权重向量：
      [W_j=\frac{W_j^2}{\sqrt{\sum_{j = 1}^{m}W_j^2}}]
      [D_j=\sum_{j = 1}^{m}F_{ij}W_j]

基于互联网公众意见的屋顶光伏发展综合潜力评估（续）

4. 案例分析与应用展望

在实际应用中，上述方法和模型可以为城市建筑屋顶光伏的发展提供有力的支持。以下通过一个简单的案例来展示如何运用这些方法进行评估。

假设我们有三个不同类型的城市建筑：商业建筑、住宅建筑和工业建筑，需要对它们的屋顶光伏发展综合潜力进行评估。

4.1 数据收集与指标计算

首先，根据前面介绍的方法，通过统计年鉴、网络爬虫等方式收集相关数据。然后，按照公式计算各建筑的经济、技术和环境潜力值。

建筑类型	NPV（万元）	IRR（%）	总屋顶面积（m²）	光伏适用屋顶面积（m²）	年发电量（kWh）	CO₂减排量（kg×10²）
商业建筑	500	15	5000	3000	500000	44205
住宅建筑	300	12	3000	1500	200000	17682
工业建筑	800	18	8000	5000	800000	70728

4.2 权重计算与综合评估

根据MSD和CRITIC方法计算各指标的权重，假设得到的权重如下：

指标	权重
NPV	0.2
IRR	0.15
总屋顶面积	0.1
光伏适用屋顶面积	0.15
年发电量	0.2
CO₂减排量	0.2

然后，使用GRPM方法进行综合评估，计算每个建筑的灰色关联投影值：

建筑类型	灰色关联投影值
商业建筑	0.7
住宅建筑	0.5
工业建筑	0.8

从评估结果可以看出，工业建筑的屋顶光伏发展综合潜力最高，商业建筑次之，住宅建筑相对较低。这为政府部门和相关企业在制定屋顶光伏发展政策和投资决策时提供了重要参考。

4.3 应用展望

随着互联网技术的不断发展和公众对清洁能源的关注度不断提高，基于互联网公众意见的屋顶光伏发展综合潜力评估方法将具有更广阔的应用前景。

一方面，通过实时收集和分析公众意见，可以及时了解公众对屋顶光伏的需求和态度，为政策制定和项目推广提供更精准的方向。例如，根据公众对光伏补贴政策的反馈，及时调整补贴标准和方式，提高公众的参与度和支持度。

另一方面，结合大数据、人工智能等技术，可以进一步优化评估模型和方法，提高评估的准确性和效率。例如，利用机器学习算法对大量的网络数据进行挖掘和分析，发现潜在的影响因素和规律，为屋顶光伏的发展提供更科学的决策依据。

graph LR
    A[数据收集] --> B[指标计算]
    B --> C[权重计算]
    C --> D[综合评估]
    D --> E[决策建议]
    F[互联网公众意见] --> A
    G[统计年鉴] --> A
    H[政策制定] --> E
    I[投资决策] --> E

5. 总结

本文介绍了基于互联网公众意见（IPO）的屋顶光伏发展综合潜力评估方法，包括IPO的应用、评估指标体系的建立、数据处理、建模过程以及案例分析。通过综合考虑经济、技术和环境等多个因素，利用MSD、CRITIC和GRPM等方法，可以准确评估不同类型城市建筑的屋顶光伏发展潜力。

在实际应用中，这种评估方法可以为政府部门制定建筑光伏发展目标、企业进行投资决策提供重要的理论依据和技术支持。同时，随着互联网技术和数据分析方法的不断发展，该方法还有很大的优化和拓展空间，有望在未来的屋顶光伏发展中发挥更大的作用。

以下是对整个评估过程的简要总结：
1. 数据收集 ：通过统计年鉴、网络爬虫等方式收集经济、技术、环境等方面的初始数据。
2. 指标计算 ：根据建立的指标体系，使用相应的公式计算各层指标值，包括经济潜力值、技术潜力值和环境潜力值。
3. 权重计算 ：运用MSD和CRITIC方法计算各指标的权重，充分考虑数据的离散性、相关性和对比强度。
4. 综合评估 ：采用GRPM方法建立多目标决策的灰色关联投影模型，对不同建筑的综合潜力进行评估和排序。

通过以上步骤，可以全面、客观地评估屋顶光伏的发展潜力，为推动城市建筑屋顶光伏的可持续发展提供有力保障。