基于动态社会网络的能源转型路径评估多属性群决策建模研究

doi:10.16381/j.cnki.issn1003-207x.2022.1025

摘要/Abstract

摘要：

“双碳”目标是我国在当前发展阶段的新目标和新要求，同时，促进全社会的能源转型是实现“双碳”目标的必然选择。针对能源转型路径评估及选择问题，本文构建了一种复杂认知语言环境下基于动态社会网络和公众大数据属性挖掘的多属性群体共识决策模型。首先，构建了基于双层语言术语的社会网络信任关系，并提出了依托动态社会网络信任关系确定专家权重的方法，专家动态信任关系受共识迭代过程中其共识度的影响。其次，利用自然语言处理技术挖掘和处理社交平台中的公众行为偏好大数据，并以此建立能源转型路径评估决策问题的评价属性体系，随后提出了一种融合社会网络信任关系的群体共识模型，以此促进专家间的共识达成。最后，本文将所提出的方法和模型应用于“双碳”目标下能源转型路径评估的实际决策问题中，并评估出“绿色电气化高增长转型路径”为我国能源转型的最优路径。随后，通过多方面的对比分析和模拟仿真分析，突出本研究在解决实际决策问题中的有效性和实用性，并给出了该领域的启示和建议。

关键词: 动态社会网络, 信任传播方程, TF-IDF算法, 群体共识, 能源转型路径评估

Abstract:

The goal of “carbon peaking and carbon neutral” is a new goal and requirement for China in the new development stage， and promoting the green energy transition of the whole society is an inevitable choice to achieve the goal. The evaluation and selection of energy transition paths involves a comprehensive quantitative evaluation of different energy transition paths， but this evaluation method faces the challenges of multi-dimensional variables， multi-structure coupling and multi-level structure. Aiming at the evaluation and selection of energy transition path， a multi-attribute group consensus decision-making model is constructed based on dynamic social network and public big data attribute mining in a complex cognitive language environment. First， a social network trust relationship based on double hierarchy linguistic terms is constructed， and a method for determining experts’ weights based on dynamic social network trust relationships is proposed， the dynamic trust relationships of experts are affected by their degree of consensus during a consensus iteration. Secondly， natural language processing technology is used to mine and process big data of public behavior preferences in social platforms to establish an evaluation attribute system， then a group consensus model based on the trust reward and punishment mechanism and integrating the trust relationship of social networks is proposed to promote consensus among experts. Finally， the proposed method and model are applied to the actual decision-making problem of energy transition path assessment. Among them， the green electrification high-growth transformation path scored the highest， with 0.7301， is chosen as the optimal energy transition path. Subsequently， a comparative analysis is conducted in many aspects， and simulation analysis is also carried out. The effectiveness and practicability of this research in solving the energy transition path assessment are highlighted and enlightenment and suggestions in this field are given.

Key words: dynamic social network, trust propagation equation, TF-IDF algorithm, group consensus, energy transition path assessment

中图分类号:

C934

缑迅杰, 徐鑫茹, 徐泽水. 基于动态社会网络的能源转型路径评估多属性群决策建模研究[J]. 中国管理科学, 2025, 33(6): 346-359.

Xunjie Gou, Xinru Xu, Zeshui Xu. Research on Multi-attribute Group Decision-making Modeling of Energy Transition Path Evaluation Based on Dynamic Social Network[J]. Chinese Journal of Management Science, 2025, 33(6): 346-359.

图/表 7

图1

表1

备选方案具体内容"

能源转型路径方案

方案内容

绿色电气化高增长转型路径

( $A 1$ )

我国以“十四五”规划期间的实施力度来推行“十四五”规划文件中的碳减排措施，并可借鉴发达国家的经验。重点对家庭、商业建筑和大型公共建筑进行节电，降低单位能源强度;加大新能源和清洁能源车船装备应用力度，发展城市绿色货运配送等措施并引导居民绿色出行;强制控制机动车总量和保有量增长并大力发展公共交通系统

绿色能源基础复苏转型路径(

A 2

)

我国以“十四五”规划期间的实施力度来推行“十四五”规划文件中的碳减排措施,重点大力开发新能源和可再生能源，如太阳能、水能、生物质能和风能;提高能源使用效率和减少燃油量;所有的烹饪燃料完全被天然气取代，部分工业用煤、柴油和燃料油被天然气取代

绿色产业高速发展转型路径(

A 3

)

我国以发达国家碳减排措施为标杆,强力贯彻推进各项碳减排措施。重点调整工业结构，用低能耗代替高耗能业、能源梯级利用和余热回收，降低单位产品生产能耗，实现经济效益高、污染程度低的绿色经济

表1

表2

属性及候选关键词"

属性	候选关键词及TF-IDF值
产业发展 $B 1$	(“产业”, 0.0244), (“企业”, 0.0227),(“高质量”, 0.0159), (“经济”, 0.0153),(“产能”, 0.0064),(“数字化”, 0.0064),(“基建”, 0.00624),(“制造”, 0.0057),(“智能化”, 0.0045), (“5G”, 0.0043),(“制造业”,0.0038),(“经济社会”, 0.0034),(“增速”, 0.0032),(“效率”, 0.0026),(“钢铁”, 0.0028),(“生产”, 0.0081),(“化工”, 0.0023),(“军工”, 0.0027),(“投产”, 0.0023),(工业”, 0.0064),(“供应链”, 0.0037),(“产业链”, 0.0114),(“成本”, 0.0054)
电力推广 $B 2$	(“绿色”, 0.0467), (“技术”, 0.0167),(“电力”, 0.0130),(“发电”, 0.0104),(“电网”, 0.0072),(“国网”, 0.0056),(“充电”, 0.0052), (“用电”, 0.0049),(“电力系统”, 0.0046), (“分布式”, 0.0041),(“电站”, 0.0038),(“供电”, 0.0037), (“火电”, 0.0035),(“电动”, 0.0029), (“核电”, 0.0027), (“电气”, 0.0028), (“锂电”, 0.0025),( “煤电”, 0.0026),( “电源”, 0.0024),(“电价”, 0.0024) (“风电”, 0.014),(“特高压”, 0.0035),(“电源”, 0.0024)
绿色环保 $B 3$	(“低碳”, 0.0320),(“转型”, 0.0178), (“氢能”, 0.0149),(“排放”, 0.0142),(“清洁”, 0.0117),(“节能”, 0.0105), (“环保”, 0.0099),(“减排”, 0.0082),(“减碳”, 0.0065),(“绿电”, 0.005), (“零碳”, 0.0046), (“降碳”, 0.0029),(“生态环境”, 0.0043),(“示范区”, 0.0023),(“节约用电”, 0.0023), (“回收”, 0.0028),(“循环”, 0.0029),(“健康”, 0.0024),(“高耗能”, 0.0023), (“生态”, 0.0102),(限电”, 0.0036)
国家政策 $B 4$	(“碳中和”, 0.04453),(“碳达峰”, 0.0280),( “中国”, 0.0170),(“科技”, 0.0156),(“政策”, 0.0148),(“创新”, 0.0138),(“战略”, 0.0125),(“十四五”, 0.0118),(“两会”, 0.0089),(“规划”, 0.0076), (“政府”, 0.0034),(“解决方案”, 0.0035),(“共同富裕”, 0.0032), (“稳中求进”, 0.0023),(“技术创新”, 0.0023),(“改革”, 0.0045),(“双减”, 0.0041),(“机制”, 0.0039),(“双控”, 0.0102),(“会议”, 0.0064)
能源结构 $B 5$	(“能源”, 0.0431),(“新能源”, 0.0352),(“光伏”, 0.0295),(“储能”, 0.01930),(“新型”, 0.0069),(“再生能源”, 0.0053),(“制氢”, 0.0033),(“风光”, 0.0033),(“天然气”, 0.003),(“太阳能”, 0.0030),(“用能”, 0.0029),(“新型”, 0.0069),(“资源”, 0.0075),(“能耗”, 0.0082), (“石油”, 0.0023),(“赋能”, 0.0044),(“供需”, 0.0030),(“燃料电池”, 0.0087), (“结构”, 0.0046),(“高耗能”, 0.0024)

表2

图2

表3

表4

群决策方法结果对比"

方法	迭代次数	方案得分	方案排序
1	3	{0.7941，0.592，0.6812}	$A 1 > A 3 > A 2$
2	-	{0.6580，0.6144，0.4710}	$A 1 > A 2 > A 3$
3	2	{0.8011，.0.574，0.6489}	$A 1 > A 3 > A 2$
4	3	{0.6950，0.5823，0.6481}	$A 1 > A 3 > A 2$

表4

图3

参考文献 35

1	杜娟，潘盟，汪云峰. 基于成本优化的中国省际碳减排目标分配［J］. 中国管理科学， 2022， 30（7）： 252-263.
	Du J， Pan M， Wang Y F.Disaggregating China’s national carbon-reduction target based on optimizing the total cost of emission reduction［J］. Chinese Journal of Management Science， 2022， 30（7）： 252-263.
2	Xi Z R， Xiang Y， Huang Y， et al. Hosting capability assessment and enhancement of electric vehicles in electricity distribution networks［J］. Journal of Cleaner Production， 2023， 398： 136638.
3	Li Z， Cai Y P， Lin G. Pathways for sustainable municipal energy systems transition： A case study of Tangshan， a resource-based city in China［J］. Journal of Cleaner Production， 2022， 330： 129835.
4	冷亚军，岳鑫，卢毅勤，等. 基于最小叉熵与前景理论的综合能源系统评价方法［J］. 智慧电力， 2021， 49（6）： 40-45+90.
	Leng Y J， Yue X， Lu Y Q， et al. Integrated energy system evaluation method based on minimum cross entropy and prospect theory［J］. Smart Power， 2021， 49（6）： 40-45+90.
5	Kilic H S， Yalcin A S. Comparison of municipalities considering environmental sustainability via neutrosophic DEMATEL based TOPSIS［J］. Socio-Economic Planning Sciences， 2021， 75： 100827.
6	Erra U， Senatore F， Minnella F， et al. Approximate TF-IDF based on topic extraction from massive message stream using the GPU［J］. Information Sciences， 2015， 292： 143-161.
7	徐宗本，冯芷艳，郭迅华，等. 大数据驱动的管理与决策前沿课题［J］. 管理世界， 2014， 30（11）： 158-163.
	Xu Z B， Feng Z Y， Guo X H， et al. Frontier topics of management and decision-making driven by big data［J］.Journal of Management World，2014，30（11）： 158-163.
8	Xu X H， Yin X P， Chen X H. A large-group emergency risk decision method based on data mining of public attribute preferences［J］. Knowledge-Based Systems， 2019， 163： 495-509.
9	You Y C， Yi L X. Energy industry carbon neutrality transition path： Corpus-based AHP-DEMATEL system modelling［J］. Energy Reports， 2022， 8： 25-39.
10	Tang M， Liao H C. Multi-attribute large-scale group decision making with data mining and subgroup leaders： An application to the development of the circular economy［J］. Technological Forecasting and Social Change， 2021， 167： 120719.
11	徐选华，黄丽. 基于复杂网络的大群体应急决策专家意见与信任信息融合方法及应用［J］. 数据分析与知识发现， 2022， 6（Z1）： 348-363.
	Xu X H， Huang L. Trust information fusion and expert opinion for large group emergency decision-making based on complex network［J］.Data Analysis and Knowledge Discovery， 2022， 6（Z1）： 348-363.
12	姚升保，古淼. 移情关系影响下的群体共识决策模型研究［J］. 中国管理科学， 2021， 29（11）： 203-214.
	Yao S B， Gu M. A consensus model for group decision making［J］. Chinese Journal of Management Science， 2021， 29（11）： 203-214.
13	陈晓红，张威威，徐选华. 社会网络环境下基于犹豫度和一致性的大群体决策方法［J］. 系统工程理论与实践， 2020， 40（5）： 1178-1192.
	Chen X H， Zhang W W， Xu X H. Large group decision-making method based on hesitation and consistency under social network context［J］. Systems Engineering-Theory & Practice， 2020，40（5）： 1178-1192.
14	Cheng D， Cheng F X， Zhou Z L， et al. Reaching a minimum adjustment consensus in social network group decision-making［J］. Information Fusion， 2020， 59： 30-43.
15	缑迅杰，邓富民，徐泽水. 基于自信双层语言偏好关系的大规模群体共识决策方法及其应用研究［J］. 中国管理科学，2023，31（9）： 222-232.
	Gou X J， Deng F M， Xu Z S. The application of the large-scale group consensus decision-making method based on self-confident double hierarchy linguistic preference relations［J］. Chinese Journal of Management Science， 2023，31（9）： 222-232.
16	Gou X J， Liao H C， Xu Z S， et al. Group decision making with double hierarchy hesitant fuzzy linguistic preference relations： Consistency based measures， index and repairing algorithms and decision model［J］. Information Sciences， 2019， 489： 93-112.
17	赵萌，李子超，高美，等. 基于Louvain方法的社会网络大群体决策交互共识模型［J］. 管理工程学报， 2021， 35（4）： 152-161.
	Zhao M， Li Z C， Gao M， et al. An Interactive consensus model for large scale group decision making with social network based on Louvain method［J］. Journal of Industrial Engineering and Engineering Management， 2021， 35（4）： 152-161.
18	Xu Y J， Dou R， Wang H M. A dynamically weight adjustment in the consensus reaching process for group decision-making with hesitant fuzzy preference relations［J］. International Journal of Systems Science， 2017， 48（6）： 1311-1321.
19	Liu N N， He Y， Xu Z S. A new approach to deal with consistency and consensus issues for hesitant fuzzy linguistic preference relations［J］. Applied Soft Computing， 2019， 76： 400-415.
20	Zhang Y J J， Chen X， Gao L， et al. Consensus reaching with trust evolution in social network group decision making［J］. Expert Systems with Applications， 2022， 188： 116022.
21	Gou X J， Liao H C， Xu Z S， et al. Double hierarchy hesitant fuzzy linguistic term set and MULTIMOORA method： A case of study to evaluate the implementation status of haze controlling measures［J］. Information Fusion， 2017， 38： 22-34.
22	Zhang W， Yoshida T， Tang X J. A comparative study of TF-IDF， LSI and multi-words for text classification［J］. Expert Systems with Applications， 2011， 38（3）： 2758-2765.
23	李言武，郑勇. 基于语义扩展的汉语全覆盖关键词提取算法［J］. 控制工程， 2018， 25（7）： 1326-1334.
	Li Y W， Zheng Y. An algorithm for Chinese full coverage keyword extraction algorithm based on semantic extension［J］. Control Engineering of China， 2018， 25（7）： 1326-1334.
24	陈晓红，张威威，徐选华. 社会网络环境下基于犹豫度和一致性的大群体决策方法［J］. 系统工程理论与实践， 2020， 40（5）： 1178-1192.
	Chen X H， Zhang W W， Xu X H. Large group decision-making method based on hesitation and consistency under social network context［J］. Systems Engineering-Theory & Practice，2020，40（5）： 1178-1192.
25	Gou X J， Xu Z S， Herrera F. Consensus reaching process for large-scale group decision making with double hierarchy hesitant fuzzy linguistic preference relations［J］. Knowledge-Based Systems， 2018， 157： 20-33.
26	王伟明，徐海燕，朱建军. 复杂网络视角下的大规模群体DEMATEL决策方法［J］. 系统工程理论与实践， 2021， 41（1）： 200-212.
	Wang W M， Xu H Y， Zhu J J. Large-scale group DEMATEL decision making method from the perspective of complex network［J］. Systems Engineering-Theory & Practice， 2021， 41（1）： 200-212.
27	Xu X H， Du Z J， Chen X H. Consensus model for multi-criteria large-group emergency decision making considering non-cooperative behaviors and minority opinions［J］. Decision Support Systems， 2015， 79： 150-160.
28	谢黎，唐川，黄茹. 世界经济论坛关于利用人工智能加速能源转型的建议与启示［J］.科学观察， 2022，17（3）： 80-83.
	Xie L， Tang C， Huang R. World economic forum’s recommendations and inspirations on using artificial intelligence to accelerate the energy transition［J］. Science Focus， 2022， 17（3）： 80-83.
29	王永真，林伟，李成宇，等. 工业型城市能源转型的综合评价——以苏州市为例［J］. 全球能源互联网， 2021， 4（2）： 188-196.
	Wang Y Z， Lin W， Li C Y， et al. Comprehensive evaluation of energy transition in industrial cities： A case study of Suzhou［J］. Journal of Global Energy Interconnection， 2021， 4（2）： 188-196.
30	Wu Z B， Xu J P. A consensus model for large-scale group decision making with hesitant fuzzy information and changeable clusters［J］. Information Fusion， 2018， 41： 217-231.
31	曹清玮，戴丽芳，孙琪，等. 社会网络环境下基于分布式信任的在线评价方法［J］. 控制与决策， 2020， 35（7）： 1697-1702.
	Cao Q W， Dai L F， Sun Q， et al.A distributed trust based online evaluation under social network［J］. Control and Decision， 2020， 35（7）： 1697-1702.
32	陈宏晨，伊长生. 考虑社会网络信任关系的多属性群决策方法［J］. 重庆工商大学学报（自然科学版）， 2023，40（3）： 71-77.
	Chen H C， Yi C S. A multi-attribute group decision-making method considering trust relationship in social network［J］. Journal of Chongqing Technology and Business University （Natural Science Edition）， 2023， 40（3）： 71-77.
33	瞿国华. 我国能源转型与过渡能源的合理选择［J］. 科学发展， 2022（12）： 88-96.
	Qu G H. China’s rational choice of energy transition and transition energy［J］. Scientific Development， 2022（12）： 88-96.
34	国务院.“十四五”节能减排综合工作方案［EB/OL］.（2022-01-24）［2023-06-19］..
	The State Council of the People's Republic of China. Comprehensive work plan for energy conservation and emission reduction in the 14th Five-Year Plan［EB/OL］.（2022-01-24）［2023-06-19］..
35	国务院. 2030年前碳达峰行动方案［EB/OL］.（2021-10-26）［2023-06-19］..
	The State Council of the People's Republic of China. Action plan for peak carbon emissions by 2030［EB/OL］.（2021-10-26）［2023-06-19］..

方法对比	方法1^[30]	方法2^[31]	方法3^[11]	方法4^[32]	本文方法
专家权重	未考虑专家之间的社会网络	直接社会网络确定专家权重	专家动态权重	社会网络确定专家及社区权重	信任奖惩机制下动态社会网络确定专家权重
语言信息	犹豫模糊语言	分布式语言	概率语言术语集	直觉模糊数	双层语言术语集
属性权重	初始给定属性权重信息	基于扩展TOPSIS的属性权重确定方法	初始给定属性权重信息	初始给定属性权重信息	基于公共数据挖掘的属性权重确定方法
共识反馈	群决策信息反馈	不执行意见调整反馈	意见、权重双重共识反馈机制	群决策信息反馈	信任度、个性化意见反馈机制

[1]	王伟明, 邓潇, 徐海燕. 基于三维密度算子的群体DEMATEL指标权重确定方法[J]. 中国管理科学, 2021, 29(12): 179-190.
[2]	刘金培, 杨宏伟, 陈华友, 周礼刚. 基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策[J]. 中国管理科学, 2020, 28(2): 190-198.