烟气脱硫技术的模糊综合评判法

陈亚非，高 翔，骆仲泱，倪明江，岑可法

（浙江大学能源清洁利用和环境工程教育部重点实验室，浙江 杭州 310027）

CHEN Ya-fei，GAO Xiang，LUO Zhong-yang，NI Ming-jiang，CEN Ke-fa

(Zhejiang University Clean Energy and Enviroment Engineering Key Lab of MOE,
Hangzhou 310027,China)

　　ABSTRACT: Fuzzy evaluation method(FEM) is introduced into flue gas desulfurization technology (FGDT) and some kinds of representative FGDT are evaluated by FEM in this paper. The evaluation process is carried out as follows: integrative fuzzy evaluation model is founded, representative fuzzy evaluation object set and evaluation object factor set are chosen, and the reason of choosing evaluation object factor and corresponding subfactor composing are analyzed in detail, membership function is confirmed by Professor Zadeh’s membership function, the key weight is given by markings of a vast number of experts. Evaluation process shows that operation cost and investment attract more attention, next is desulfurization efficiency and usability ratio. Evaluation results show FGDT 2 is the best and next is FGDT 6.
　　KEY WORDS: Flue gas desulfurization technology (FGDT); Fuzzy function; Fuzzy evaluation

　　摘　要：该文将模糊评判法引入烟气脱硫，系统地利用模糊评判法对几种有代表性的烟气脱硫技术进行评判。通过建立完整的模糊评判模型，选取有代表性的模糊评判对象集及评判对象因素集，并对评判对象因素集的选取原因及其子因素组成进行详尽分析，以Zadeh教授提出的确定单个目标特征值的隶属度公式作为隶属函数，通过大范围的专家打分法确定关键权系数，最终完成模糊评判。从评判过程可看出，运行费用和投资最受关心，脱硫效率和系统可用率分列3、4位。评判结果表明，脱硫技术2的综合评定值最高，其次为脱硫技术6。
　　关键词：烟气脱硫技术；模糊数学；模糊评判

1 引言
　　自从1965年美国加州大学控制论专家Zadeh, L.A.教授提出模糊集合的概念以来^[1]，模糊数学在近40年的时间里得到了非常迅速的发展，以模糊数学为基础的模糊综合评判法也因此获得了长足的进展和广泛的应用。本文即以模糊综合评判法评判烟气脱硫技术。
　　随着人们对环境问题越来越重视，烟气脱硫技术也获得了长足的进展，国内外先后开发了不下百种形式各样的烟气脱硫技术，一些已经在国内获得应用。随着国家的环保法规越来越严格，诸多的用户即将面临对不同的烟气脱硫技术进行选型的问题。然而由于影响对烟气脱硫技术进行评价的指标有很多项，如何进行综合评判以选出最佳技术便成了选型前的首要工作。本文利用模糊综合评判法对几种较有代表性的烟气脱硫技术通过选取其较重要的技术经济指标进行综合评判，提出一种供用户在选取脱硫技术时进行比较的方法。

2 模糊综合评判模型简介
　　模糊综合评判就是在综合考虑评判对象的各项经济技术指标，兼顾评判对象各种特性、各方面因素的基础上，将各项指标进行量化，并根据不同指标对评判对象的影响程度来分配权系数，从而对各评判对象给出一个定量的综合评判值。
　　利用模糊综合评判法进行综合评判的步骤如下：
　　（1）选取模糊评判对象集，确定对哪些方面进行评判：
　　
　　（2）确定评判对象因素集。所选因素集既要有广泛性，能涵盖各方面，又要有代表性，能抓住主要矛盾。
　　
　　（3）如果因素集中元素难以通过统计的方法给出其隶属度，则可根据一定的经验和规则选取和建立隶属函数^[2]。
　　对于y_j越大，评判对象性能越好的评判因素，其隶属函数应随y_j值的增大而增大，我们称之为偏大型隶属函数；
　　对于y_j越大，评判对象性能越差的评判因素，其隶属函数应随y_j值的增大而减小，我们称之为偏小型隶属函数；
　　（4）将因素集中元素y_j在不同评判对象x_i下的值代入隶属函数中，计算出其隶属度值r_ji，从而组成单因素评价矩阵为
　　
　　如果因素集中元素可通过民意测验、统计的方法来评定其隶属度，则
　　1）参照国家有关标准或企业规范假设评判集
　　
　　2） 建立从因素集Y到评判集Z的模糊映射f，再由f导出模糊关系单因素评价矩阵R，单因素评价矩阵中元素r_jk即为该因素y_j对评判z_k的隶属度
　　
　　（5）确定因素集中各因素的权系数。　

　　（6）综合评判
　　
　　C就是对模糊评判对象集的模糊综合评判， c_i (i = 1,…,m)即为模糊评判对象x_i(i = 1,…,m)的综合评判值，综合评判值最大者即为最佳方案。

3 多级模糊综合评判模型
　　在多因素综合评判中，有时因考虑的因素太多使权重难于细致分配，即便定出了权重，又由于要满足归一性，使各因素分得的权重很小，导致评判结果不易分辨。在这种情况下可将一些因素集合起来按某种属性进行分类，开展多层次综合评判，即构成多级模糊综合评判模型。下面以二级模糊综合评判模型为例介绍其构成过程。
　　先将因素集U按某种属性分成s个子集合，分别记作u₁, u₂,…, u_s，其中
　　
　　再确定评语集，对于每一U_j进行单因素评价得出单因素评价矩阵R_j；给出U_j中
　
　　最后，将U_j视为一个单独元素，用B_j作为U_j的单因素评价，由此得出因素集的单因素评价矩阵为
　　
根据每个U_j在U中所起作用的重要程度给出权重
　　
于是得出综合评语
　　按照同样程序还可以建立三级、四级和多级综合评价模型，这些统称为多层次评价模型。