第三章 评估指标体系构建

大家好，我是老张。搞了十几年综合能源系统，我最大的体会就是——评估指标这东西，选对了事半功倍，选错了全白干。今天咱们就聊聊怎么搭一套靠谱的指标体系。

3.1 指标选取原则

先说说原则。我刚开始做项目时，恨不得把所有能想到的指标都塞进去。结果呢？数据收集累死人，最后分析报告没人看。后来我学乖了，就盯住几个核心原则。

举个例子。我在一个园区项目里，有人提议用「设备台数」当指标。我说这不行，你想想看，100台老旧设备和10台高效设备，哪个好？所以指标得反映本质，不能只看表面。

3.2 分类方法

指标分三类：技术、经济、环境。说白了就是——能不能用、划不划算、干不干净。

3.2.1 技术指标

技术指标我最看重。它直接告诉你系统运行得好不好。

指标名称	计算公式	说明
能源利用率	η = E_out / E_in × 100%	系统输出能量与输入能量之比
一次能源消耗率	PER = E_primary / E_demand	消耗一次能源与满足需求之比
可再生能源渗透率	R = E_renewable / E_total × 100%	可再生能源占比
系统可靠性	R_sys = (1 - MTTR/MTBF) × 100%	平均故障间隔时间与修复时间

我记得有个项目，甲方非要追求100%可再生能源渗透率。结果呢？储能成本高得离谱，系统三天两头出问题。所以技术指标得综合看，别单盯一个。

3.2.2 经济指标

经济指标是老板最关心的。我建议至少算这三个：

• 净现值（NPV）：项目整个生命周期赚不赚钱
• 内部收益率（IRR）：投资回报率多少
• 投资回收期：多久能回本

3.2.3 环境指标

现在环保要求越来越严，环境指标不能少。

指标	单位	说明
CO₂减排量	吨/年	相比传统系统的减排量
SO₂排放浓度	mg/m³	污染物排放水平
噪声水平	dB(A)	设备运行噪声

3.3 权重确定方法

指标选好了，接下来就是定权重。权重怎么定？我常用的就两种：AHP和熵权法。

3.3.1 AHP（层次分析法）

AHP说白了就是让专家打分。我习惯这么操作：

1. 建立层次结构：目标层→准则层→指标层
2. 构造判断矩阵：两两比较，1-9标度
3. 计算权重向量：特征向量法
4. 一致性检验：CR < 0.1才算合格

给你看段代码，这是我常用的AHP计算脚本：

import numpy as np

def ahp_weight(matrix):
    # 计算特征向量
    eig_vals, eig_vecs = np.linalg.eig(matrix)
    max_eig = max(eig_vals)
    # 一致性检验
    n = len(matrix)
    CI = (max_eig - n) / (n - 1)
    RI = {1:0, 2:0, 3:0.58, 4:0.9, 5:1.12}
    CR = CI / RI[n]
    if CR < 0.1:
        # 归一化权重
        weights = eig_vecs[:, eig_vals.argmax()]
        weights = weights / weights.sum()
        return weights.real
    else:
        return "一致性不通过，请调整判断矩阵"

3.3.2 熵权法

熵权法跟AHP不一样。它不看专家意见，只看数据本身。数据越离散，权重越大。

步骤很简单：

1. 数据标准化：消除量纲影响
2. 计算信息熵：E_j = -k × Σ(p_ij × ln(p_ij))
3. 计算差异系数：d_j = 1 - E_j
4. 归一化权重：w_j = d_j / Σ(d_j)

我举个例子。假设有三个方案，两个指标：

方案	能源利用率(%)	投资成本(万元)
A	85	500
B	78	450
C	92	600

用熵权法算下来，能源利用率权重0.6，投资成本权重0.4。为什么？因为能源利用率数据更分散，区分度更高。

3.4 知识体系总览

下面这张图，是我自己画的指标体系构建逻辑。你一看就明白：

这张图把整个逻辑串起来了。从上到下：先定原则，再分类，最后定权重。每一步都有讲究。

---

公众号:蓝海资料掘金营，微信deep3321