可持续能源决策模型：基于Shannon熵和EDAS的多标准决策方法

可持续运营和计算机1（2020）35集成Shannon熵-EDAS模型Morteza Yazdania， Ali Ebadi Torkayeshb，Ernesto DR Barbarez-Gonzalezc，希纳·汗穆罕默德·奥塔萨拉da西班牙马德里ESIC商业和营销学院营销研究和定量方法系bICRON Technologies，Sariyer，Istanbul，Turkeyc智利库里科塔尔卡大学工业工程系dShomal University，Amol，Mazandaran，伊朗aRT i cL e i nf o关键词：可再生能源MCDMEDAS香农熵可持续性a b sTR a cT为提高能源部门的效率，实施可再生能源系统及寻找最合适的可再生能源对政府而言具有重要意义。能源行业的基本决策问题之一是设计决策工具以寻找最佳能源资源。通常，能源决策部门的专家有一个平台，其中包含多个标准指标，这些指标被表达为相互冲突的目标。在本文中，我们提出了一个多标准决策（MCDM）模型，以处理冲突的目标，同时评估五种可再生资源：太阳能光伏，太阳能热，风能，地热和生物质在经济，技术，社会和环境方面。采用Shannon熵方法确定准则的重要性。采用基于离平均解距离的评价方法（EDAS）对可再生能源技术进行优先排序。为了证明所提出的决策模型的可行性，沙特阿拉伯的现实生活中的案例研究进行了调查。在确定的社会经济和环境标准下，结果表明，风能可以被选为最适合决策者目标和政策的最合适的能源。为了验证结果并显示参数变化对最终解决方案的影响，进行了不同的敏感性分析测试1. 介绍能源开发是当今国家繁荣的主要驱动力之一。随着人口和经济增长对能源需求的增加，能源的多样化至关重要， 以实现更安全的选择，创造更多的就业机会，并为可持续能源的发展做出贡献[6]。化石燃料包括石油、天然气、煤炭及核能等为有限资源，为温室气体排放的主要原因。可再生能源（RES）是指不断补充的自然资源或过程，如太阳能，风能，地热，生物质和潮汐。在这种情况下，可再生能源被认为是与传统化石燃料发电厂整合的可行选择，并且有望在能源领域占据重要份额[22]。目前，全球超过26%的电力由RES产生（REN 21，2019）。在过去的十年中，可再生能源已经增长到占世界总发电装机容量的33%以上。因此，合理利用可再生能源至关重要。能源混合多样化和可再生能源与化石燃料相结合是许多国家和机构的战略计划，以应对能源-经济-环境关系的挑战和实现可持续发展目标。可再生能源战略、支持政策和目标现在几乎在全球所有国家都得到了推动（REN 21，2019）。为了实现可再生能源发电的可持续发展，必须对可再生能源的各个方面进行仔细评估，以获得可行的能源选择。合理选择最合适的可再生能源对能源投资至关重要，可以最大限度地提高经济效益、当地就业和能源安全，同时最大限度地减少环境影响和资源浪费。尽管如此，RES选择的决策不当可能导致低财务回报，环境退化和利益相关者的反应等[11，21，51]。可再生能源技术的评估是一个非常复杂和关键的决策过程，需要彻底解决。MCDM模型是文献中经常提出的解决包含多个决策因素的复杂问题的模型. MCDM模型可用于两个主要方向，∗ 通讯作者。电子邮件地址：morteza_yazdani21@yahoo.com（M. Yazdani）。https://doi.org/10.1016/j.susoc.2020.12.002接收日期：2020年9月27日;接收日期：2020年12月20日;接受日期：2020年12月21日2020年12月25日在线发布2666-4127/© 2020作者。由Elsevier B.V.代表KeAi Communications Co.出版，这是一篇CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表可持续运营和计算机期刊主页：www.elsevier.com/locate/susocM. Yazdani，A.E. Torkayesh，E.D.巴内斯-冈萨雷斯等人可持续运营和计算机1（2020）3536解决多标准问题。首先，MCDM模型用于确定问题中涉及的标准的重要性。使用AHP、BWM、SWARA、CRITIC、Shannon熵、DE-MATEL等方法来确定标准的权重[1，14，16，39，55，58]。MCDM模型的另 一 个 重 要 应 用 是 在 多 个 标 准 下 对 几 个 备 选 方 案 进 行 比 较 。TOPSIS，VIKOR，EDAS，CoCoSo，MARCOS.被广泛用于根据之前确定的标准权重对备选方案进行排名[2，9，25，26，29，40，52]。世界各国政府和社会已经认识到，有效利用自然资源可能是减缓全球变暖、走向可持续发展的主要战略之一。能源作为促进一个国家经济和社会发展的基本动力之一，也需要制定战略和做法，使决策者能够充分利用和开发这些资源。在可再生能源环境中，有几种能源可用，然后挑战是如何选择和找到最清洁，经济和可持续的能源。因此，为了制定和提出可再生能源应用的可持续和长期能源战略，提出了一个集成的决策模型，利用香农熵和EDAS模型。建议的决策模型评估了五种著名的可再生能源，即太阳能光伏、太阳能热、风能、地热和生物质能。为此，我们首先确定重要和经常使用的能源相关指标，对决策过程和能源规划有很大影响的因素。为了在确定指标权重时避免专家判断的偏差和主观性由于权重确定过程是MCDM最关键的部分，因此利用香农熵可以大大提高结果的可靠性。然后，EDAS方法被用来评估RES与相关的环境，技术和社会经济方面的不同标准。所提出的决策模型将使能源行业的决策者和政策制定者能够评估发达国家和发展中国家的可再生能源，这些国家正在将其能源资源转化为清洁和可持续的资源。为了说明所提出的集成决策模型的适用性和可行性，我们进行了一个现实生活中的案例研究，沙特阿拉伯。第二部分介绍了可再生能源替代研究的现状以及MCDM模型在可再生能源规划中的应用。第三节提出了综合决策模型。第4节介绍了真实案例研究的结果。最后，我们在第5中总结。2. 文献综述在本节中，我们回顾了与可再生能源替代品评估相关的研究文献，以及MCDM模型在能源问题中的应用。本节的主要目的是提供一个全面的背景，以制定一个可靠的决策框架，评估可再生能源技术。首先，我们介绍了MCDM模型在能源相关问题中的应用。随后，我们强调并描述了MCDM模型的应用在建议的模型，如香农熵和EDAS。MCDM模型是可靠且经常使用的决策工具，可以使能源行业（如RES）的决策者和政策制定者能够评估能源资源并确定其优先级，以便提出并生成建立和发展RES的建议和策略。Streimikiene等人[44]使用综合决策-采用TOPSIS和MULTIMOORA方法，在考虑经济、技术、社会和政治四个主要方面的几个标准下，选择最可持续的发电和供热技术。Ertay等人[17]在模糊集下使用AHP和MACBETH方法开发了一种混合决策模型理论，以评估土耳其的可再生能源技术。在一项类似的研究中，Troldborg等人[50]开发了一种基于Monte Carlo模拟的PROMETHEE决策方法，用于苏格兰案例研究中几种可再生能源技术的概率评估。Georgiou等人。[18]提出了AHP和PROMETHEE方法来评估能源发电拓扑结构。采用层次分析法确定了本研究中所采用的能源指标的权重。然后，PROMETHEE被用来评价能源技术方面的定义标准。Eschengül等人。[47]在模糊集理论下开发了TOPSIS决策模型，以评估土耳其的可再生能源供应系统。Atolak和Kaya[12]使用区间2型模糊集理论和犹豫模糊集理论下的AHP和TOPSIS方法作为土耳其真实案例研究的决策框架。Yazdani等人[53]提出了一种新的决策模型，使用DEMATEL和ANP来确定能源标准的重要性，并使用WASPAS-COPRAS方法对欧盟案例研究中的可再生能源技术进行排名。Lee和Chang[35]利用WSM、VIKOR、TOP-SIS和ELECTRE方法，用于开发台湾可再生能源技术的评估框架。西多鲁斯和布里托-帕拉达[42]为了考虑现实世界中参数的不确定性，在集成约束模糊集理论下利用Shanon熵建立了一种新的MCDM模型。将该决策模型应用于矿业企业的案例研究。Alizadeh等人[8]提出了一种利用Bene fit、Opportunity、Cost、Risk（BOCR）模型和ANP模型评估伊朗可再生能源技术的混合决策模型。在多个决策因素下，太阳能被选为最适合的可再生能源技术.对于进一步的研究，我们建议感兴趣的读者参考Kumar等人关于MCDM模型在可再生能源技术上的应用的文献综述。[32]第32段。MCDM模型是复杂的决策工具，为了解决问题和系统，他们的最终输出是由几个决定因素。MCDM模型主要应用于两个重点，以厘定准则的权重及就已界定准则对替代方案进行排名。Shannon熵方法是一种可靠的、基于数据的权重确定模型，在不同的多目标决策问题中得到了广泛的应用。Hung和Chen[23]在模糊集理论下使用了基于熵和TOPSIS的投资公司综合决策模型。采用熵值法确定评价指标的权重。Shemshadi等人。[46]提出了一种基于模糊熵的VIKOR模型来解决供应商选择问题。Shakouri 等 人 [43] 已 将 此 方 法 应 用 于 能 源 技 术 评 估 。 Hussain 和Mandal[24]将熵方法与COPRAS和MOORA相结合，作为材料选择的决策方法问题。在本研究中，熵值法被应用于权重分解，终止过程。在类似的研究中，熵被用作人力资源任务选择中MCDM问题的权重确定工具[34]。Ebadi Torkayesh等人[16]开发了一个基于模糊的决策模型，使用熵、VIKOR和ELECTREE方法来解决伊朗案例研究中的废物处理技术选择问题。采用模糊熵法确定垃圾处理决策因素的权重。结果表明，等离子体技术是废物管理的最佳选择。Shannon熵方法在综合决策模型中的一个主要和重要的应用是Shannon熵模型消除了专家判断的偏颇性。通过这种方式，决策者和政策制定者在MCDM问题，如能源相关的问题，可以确定权重的标准没有任何错误的或主观的判断的干扰。EDAS方法作为一种排序方法，首先由Ke-Shavarz Ghorabaee等人[29]。EDAS是集成决策模型中最常用的排序方法之一。研究人员经常使用EDAS方法的主要原因之一是，与其他MCDM排名方法不同，EDAS对每个标准的平均解使用不同类型的归一化。例如，Stanujkic et al.[41]提出了EDAS的扩展版本M. Yazdani，A.E. Torkayesh，E.D.巴内斯-冈萨雷斯等人可持续运营和计算机1（2020）3537（（））∑∑∑原木∑���=（=1���������步骤2.每个标准的熵值计算为最大0，��������� - ���������（12）������������（在区间灰数下，考虑了评价过程中各步的不确定性。Ghorabaee等人[19]在区间2型模糊集理论下开发了EDAS方法的另一种扩展。Kahra-man等人。[28]开发了一种基于模糊EDAS的废物管理问题决策工具。在这项研究中，他们着重于利用EDAS方法来评估废物处理技术。昆达克哲[33]提出了一种基于MACBETH和EDAS方法的蒸汽锅炉技术方案评价决策工具。Zindani等人[57]提出了一种基于模糊集理论的基于EDAS的MCDM模型。提出的决策模型研究的材料选择问题，以比较和优先级相应的材料。Torkayesh等人[49]采用综合决策模型，这些测量可以显示每个解决方案（替代方案）与平均解决方案之间的差异。因此，较高的PDA值和较低的NDA值将指示最优解。事实上，较高的PDA值和/或较低的NDA值表示解决方案（替代方案）优于平均解决方案。EDAS的经典算法可以使用以下步骤进行。步骤1-步骤2.每个标准的平均解基于方程计算。(5)（6）.������=[���������]1 ×���(5)EDAS和熵的方法来选择最合适的邻域，∑������������土耳其伊斯坦布尔的一个新来者，涉及多种技术、环境和社会因素。���������==��� 1个���（六）、3. 方法在这一部分中，我们提出了逐步发展的集成决策模型。首先给出了确定RES优先级决策准则权重的步骤3.距平均值的正距离（PDA）和距平均值的负距离（NDA）被计算为等式(7) 和（8）中所示。如果一个标准是效益标准集，我们使用方程。(9) 和（10），如果一个标准是成本标准集，我们使用方程。（11）和（12）。���������=[���������������]���×���(7)橄榄石化接下来，我们介绍了EDAS方法的步骤，该方法用于对RES替代方案进行优先排序。���������=[������������̇���]���×���（八）3.1. 香农熵��������� ������ =最大0， ���������−������������������（九）Shannon熵法是一种确定权重的MCDM模型max（0，（0���������–）的情况）其使用初始决策矩阵X来确定deci的权重选择标准基于以下步骤。步骤1.构造初始矩阵X，并执行归一化作为������������=���������max（ 0，（−））������������������（十）������������������=������中国（11）���������=������������= 1，2，���（（））���������������=���������=���−=1������ 原木������，n= 1，2，���步骤4. 我们使用方程计算所有替代品的PDA和NDA的加权和。(13)（14）.���这个公式是： 是一个常数，确保0≤0��� ≤1，in该图显示了准则m的熵值，而m是备选方案的数量。������A=（13）������ ������������������=1���步骤3.每个标准的客观权重确定为1−������������==1���������������中国（14）���∑���=1���1−������ ），n= 1，2，���.，n（3）步骤5. 我们正常化 的 获得 值 在 步骤 4 使用 等式(15) 和（16）.其中，“权重”表示每项标准目标的权重.���������=���(������）（十五）3.2. EDAS��������� = 1 −1000���������������������������）（16）研究人员发明新的MCDM模型的兴趣越来越激烈。MCDM模型的发展趋势，他们的精确分类集中在实现决策系统的要求，然后实现变量和参数，并以逻辑的方式将这些变量连接起来，以建立特定的工具。许多MCDM模型已经被创建并扩展。例如，TOPSIS和VIKOR是最受欢迎的MCDM方法之一[9，54]。这些方法的逻辑功能是在考虑最优解的基础上，同时考虑离负解的最大距离和离最佳或正理想解的最小距离。然而，EDAS方法中的最佳替代方案对应于与平均解的距离（AV）[29]。在这种方法中，两个第一个度量被传递为与平均值的正距离（PDA）和与平均值的负距离（NDA）。������������������ ���������M. Yazdani，A.E. Torkayesh，E.D.巴内斯-冈萨雷斯等人可持续运营和计算机1（2020）35382步骤6.最后，评估得分（AS）为每个备选方案计算的基础上方程。（十七）、���������= 1（+）（17）������������������������4. 为例本文采用文献[6]中的能源资源评价案例研究。为了评估可再生技术的替代方案，我们定义了几个标准，以将技术、经济、环境和社会因素纳入可再生模型的评估中。为此，从文献中选择了八个标准来评估可再生能源资源的多方面框架的基础上资本成本（C1）代表建立发电厂的所有成本和支出，如土地，设备，M. Yazdani，A.E. Torkayesh，E.D.巴内斯-冈萨雷斯等人表1可持续运营和计算机1（2020）3538初始决策矩阵。替代品C1C2C3C4C5C6C7C8太阳五号387339,550,270,871500,07122130太阳能热506767,260,230,23400,02212200风221324,690,080,172000,0435570地热62431320,070,251000,0416100生物质8312460,470,050,21250,125200表2利用熵权法对得到的能量准则进行加权C1C2C3C4C5C6C7C8EJ-0.9476-0.6791-0.8698-0.8559-0,8638-0.9174-0.9595-0.72891-EJ1,947621,679061,869751,855851,863771,917361,959551,72893WJ0,1310,1130,1260,1250,1260,1290,1320,117表3根据所有标准的平均解C1 C2C3 C4C5C6C7C8AVJ5141.6 144 7940.14 0.3461030.05421.81040工资、安装和基础设施。能源信息管理局在一份报告中提供了可再生能源 技 术替 代 方 案的 资 本 成本 以 及 运 营和 维 护 成本 （ San Cristóbal2020;[4，20]）。运营成本（C2）定义与工资、能源生产支出、服务成本、维护成本相关的所有成本[5，20，56]。能源成本（C3）包括工厂在其寿命期间从可再生能源技术替代品中获得的能源（电力）的预期成本[10，32]。总工作/年（C4）表示与能源供应系统相关的潜在工作机会数量，这些工作机会可以通过使用可再生能源技术工厂在一年内提供[30，35]。土地/使用平均值（C5）显示了建立可再生能源技术工厂所需的土地数量[32，36，50]。排放量（C6）表示从可再生能源技术工厂排放的有害气体的数量[27，32]。能效（C7）代表可再生能源技术将其主要能源转化为电力的转化率[16，32]。换句话说，该比率表示植物的输出能量与输入能量的百分比。资源可用性（C8）表示可用于使用可再生能源技术发电的现有资源量[3，15，31，38]。4.1. 结果如前所述，我们使用熵方法确定标准的权重。在熵方法中，我们使用表1中给出的决策矩阵X，然后使用等式2对其进行归一化。 (1).然后我们计算- 使用Eq. (2)其由Ej表示（表2）。如表2所示，我们使用等式2获得每个标准的权重。（三）、根据表2中标准的权重，效率（C7）是最优先的加权标准，权重为13.2%。表4与平均值的加权正距离。与效率大致相同，资本成本（C1）被列为第二重要标准，权重为13.1%。排放（C6）是第三重要的标准，占12.9%的权重。能源成本（C3）和土地使用都被选为第四优先标准，得分为12.6%。总工作/年（C4）和资源可用性（C8）分别被列为第五和第六个标准。运营成本（C2）是最低的重要标准，权重为11.3%。接下来，我们根据定义的标准使用EDAS方法评估能源替代方案。使用这种方法，我们首先根据所有标准使用Eq. (5).成果 报告了步骤，并表示在表3中的每一个标准。在第二步中，我们计算每个备选方案相对于标准的平均值的正距离，然后计算平均值的负距离。(6)（7）成本和效益标准。表4和表5显示了与平均值的正距离和与平均值的负距离的结果。如表4和表5所示，我们使用方程：(8)- （9）计算表示为SP i和SN i的所有备选方案的加权PDA和NDA。在这一步之后，我们将SPi归一化， SN i值，并使用等式6将它们显示为表6中的NSN i和NSP i。(10)- （11）.在最后一步中，我们使用公式计算每个备选方案的评估得分？表明他们的等级从拟议的综合决策ap-研究表明，风能技术是最有前途和最好的选择，具有最高的评价分数。太阳能V和太阳能热技术分别位居第二和第三如表6所示，生物质技术通过获得最低的评价分数而被列为能源技术中最差的替代品。4.2. 比较分析在这一部分中，为了测试所提出的方法的性能和EDAS计算的有效性，我们使用了四种不同的MCDM模型，MABAC-多属性边界评估区域 比 较 （ Pamučar 和 Eschirović 等 人 ， 2004 年 ） 。 2015 年 ） ，WASPAS-加权聚合和产品评估[49]，COPRAS-复杂比例评估[37]，MOORA- 基 于 Ra- tio 分 析 的 多 目 标 优 化 [45] ， 以 及 VIKOR-Viekriterijumsko Kompromisno Rangi-替代品C1C2C3C4C5C6C7C8太阳能光伏0.2470.7270.0001.5140.4560.0000.0001.048太阳能热0.0150.5350.0000.0000.0000.6300.0001.115风0.5700.8290.4290.0000.9420.2590.6060.000地热0.0000.0880.5000.0000.0000.2590.0000.000生物质0.0000.0000.6430.0000.0000.0000.1470.000M. Yazdani，A.E. Torkayesh，E.D.巴内斯-冈萨雷斯等人可持续运营和计算机1（2020）3539（）下一页表5与平均值的加权负距离。替代品C1C2C3C4C5C6C7C8太阳能光伏0.0000.0000.9290.0000.0000.2960.4500.000太阳能热0.0000.0000.6430.3350.6120.0000.0370.000风0.0000.0000.0000.5090.0000.0000.0000.452地热0.2140.0000.0000.2770.0290.0000.2660.904生物质0.6172.1800.0000.3930.7570.8520.0000.808表6EDAS计算结果。替代品排名太阳能光伏0.4840190.21489910.6825020.8412512太阳能热0.2741220.2048360.602620.6973680.6318573风0.4548830.11640610.8280180.8839111地热0.1066210.2071560.4961480.6939410.4571124生物质0.1005020.676850.4676700.103825Fig. 1. MCDM方法对可再生能源替代品最终排名的影响。ranje[16]根据本研究中定义的标准对替代品进行评价和排名。如图1所示，我们用于验证从EDAS方法获得的最终排名有效性的所有MCDM方法都证实了我们的发现。当我们观察到提出的EDAS方法。EDAS法与MABAC、WASPAS、COPRAS和MOORA法的结果完全相关，而与其他两种方法的结果相关性较差。在与EDAS高度相关的方法中，风力技术和生物质技术分别被列为最佳和最差的替代方案。其他技术的排名与EDAS方法的排名相同。另一方面，只有与EDAS相关性较小的VIKOR，在不同的排名中，太阳能热被选为最佳替代方案，风能分别被选为第二选择。值得一提的是，风力技术在几乎所有方法中都被选为最佳替代品，甚至在VIKOR中排名第二。根据这些结果验证了本研究中所提出的方法。为了分析使用不同权重对最重要的标准Eq. (18)使用以下算法（Behzad et al. 2020年）：ω βωnβ=1−ωna（1−ωn）（ 18）效率值，ωn表示效率的原始值。在每种情况下，标准效率值的降低幅度为4%。使用Eq. (18)在图中表示。 二、模拟权重情景对可再生能源替代品最终排名的影响见图3。根据图3，除了 对于两种最佳选择的可再生能源替代品，太阳能和风能，其他可再生能源的排序在所有权重方案中没有发生任何变化。然而，风能和太阳能的排名顺序在情景9（S9）之后。正如我们在图3中观察到的，这两种能源的排名顺序发生了变化。也就是说，太阳能已被选为仅次于风能和第九种权重方案的最合适的能源 被移到了第二位。这些变化背后的主要原因之一与重量模拟过程中重量系数的变化有关，其中，效率（C7）值显著下降。为了理解不同模拟体重情景所引起的变化，我们举例说明了模拟体重情景对com-bed的影响每个可再生能源的承诺得分如图4所示。基于从图4中的结果，我们观察到风能和太阳能资源的折衷得分在权重情景9中非常接近，并且后来风能资源的折衷得分最终会下降，而其中ωnβ表示标准的调整值太阳能资源开始有较高的妥协得分后，设想9.ωβ表示准则的原始值，ωna 表示 减少M. Yazdani，A.E. Torkayesh，E.D.巴内斯-冈萨雷斯等人可持续运营和计算机1（2020）3540图二. 体重情况。图3. 权重方案对可再生能源替代品排序的影响。4.3. 讨论所涉管理Al Garni等人[6]使用基于AHP的MCDM模型来评估RES在沙特阿拉伯，考虑到社会经济和环境因素。结果表明，太阳能光伏是沙特阿拉伯最好的可再生能源选择，而太阳能热发电和风力发电被选为第二和第三个选择，其折衷得分略有不同。然而，我们的研究结果表明，风力发电是沙特阿拉伯所有可再生能源中最合适的选择。与Al Garni等人[6]相似，我们的结果也表明，太阳能光伏和热能是第二和第三种选择，折衷评分差异非常小。这两项研究的结果表明，可以考虑太阳能光伏发电、风力发电和太阳能热发电作为潜在的RES，以便在沙特阿拉伯实施即使再-图3结果说明了这三个RES变化的排序顺序 由于在社会、经济和环境情景下标准的不同重要性。沙特阿拉伯在支持太阳能和风力发电方面具有非常特殊的特点，因为其地理位置允许能源政策制定者考虑RES的综合系统[7，13，48]。5. 结论本文提出了一个MCDM模型来衡量不同的可再生能源的可用性和容量。为了评估不同的天然可再生资源产生的能量，在环境，技术，社会和经济方面的框架中选择了几个标准。采用香农熵方法确定评价指标的权重，并以沙特阿拉伯为例，采用EDAS方法对可再生能源进行排序。根据计算结果，利用该方法选择风电作为最合适的能源方案。为了进一步验证该方法的有效性，与其它MCDM方法如VIKOR、MABAC等进行了比较，以表明我们的结果与其它MCDM方法的结果是一致的。 EX cept 对于VIKOR的结果，其他MCDM方法一致认为风力发电是最合适和最优的选择。该决策模型可用于不同的方向，在未来的研究中。该集成决策工具可应用于能源行业和其他行业的复杂多目标决策问题。为了提高权重确定过程的可靠性和一致性，Shannon熵方法可以与其他方法如BWM、SWARA和AHP相结合，以聚合形式确定准则的权重。此外，所提出的方法可以应用于可再生能源选择问题在其他现实生活中的案例研究。最后，还可以考虑使用模糊逻辑、粗糙理论或灰色理论在不确定环境下实施所提出的决策模型，以便在决策过程中纳入任何不确定性的可能性。M. Yazdani，A.E. Torkayesh，E.D.巴内斯-冈萨雷斯等人可持续运营和计算机1（2020）3541见图4。权重情景对可再生能源替代品综合评分的影响。竞争利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作致谢本研究无潜在利益冲突。这项研究没有得到任何资助.引用[1] M.R. Asadabadi，E.张，M。Saberi，MCDM方法有用吗对层次分析法（AHP）和 网 络 分 析 法 （ ANP ） 的 批 判 性 评 论 ， Cogent Eng. 6 （ 1 ） （ 2019 ）1623153。[2] M. Amini，S.昌湾，澳-地Malmir，使用排序分布的不确定属性的模糊MADM方法，在：工业与系统工程研究会议论文集，2016年5月。[3] S. Ali，S.M.李，C. M. Jang，使用GIS-MCDM方法确定最佳陆上风电场选址：评估韩国案例，能源10（12）（2017）2072。[4] S.艾哈迈德，R.M.塔哈尔，选择可再生能源的可持续发展发电系统的层次分析法：马来西亚的案例，更新。能源63（2014）458-466。[5] M. Amer，T.U. Daim，《发展中国家可再生能源技术的选择：巴基斯坦案例》，《能源可持续》。Dev. 15（4）（2011）420[6] H. Al Garni，A. Kassem，A. Awasthi，D.科姆列诺维奇Al-Haddad，评估沙特阿拉伯可再生能源发电资源的多标准决策方法，Sustain。能源技术评估。16（2016）137[7] A. Al-Shara fi，A.Z. Sahin，T. Ayar，B.S. Yilbas，沙特阿拉伯太阳能和风能发电和制氢系统的技术经济分析和优化，Renew。坚持住。能源收入69（2017）33[8] R.阿利扎德湖Soltanisehat，P.D.隆德，H。Zamanisabzi，通过混合MCDM方法改善可再生能源政策规划和决策，能源政策137（2020）111174。[9] M. Behzadian ， S.K. Otaghsara ， M. Yazdani ， J. Ignatius ， A state-of-the-artsurvey of TOPSIS applications，E X pert Syst. Appl. 39（17）（2012）13051-13069.[10] F.E. Boran，E.迪兹达尔岛托克塔斯湾博兰角Eldem，P. Asal，土耳其不同情景下发电方案的多维分析，能源，B部分：经济，计划政策8（1）（2013）44[11] Brahim Haddad，Abdelkrim Liazid，Paula Ferreira，阿尔及利亚电力系统可再生能源排名的多标准方法，Renew。能源107（2017）462-472 ISSN 0960-1481。[12] M.拉科沃拉克Kaya，使用集成模糊MCDM模型对可再生能源替代方案进行优先排序：土耳其的实际案例应用，Renew。坚持住。Energy Rev. 80（2017）840-853.[13] W. Chen，S. Castruccio，M.G. Genton，P. Crippa，沙特阿拉伯风能潜力的当前和未来估计，J。地球物理学家。决议：大气123（12）（2018）6443[14] D.迪亚库拉基湾马夫罗塔斯湖Papayannakis，确定多准则问题中的目标权重：批评方法，Comput。操作员Res. 22（7）（1995）763[15] M. 德 韦 奇 E. 厄 兹 詹 河 约 翰 ， C.F. Covrig ， D. Pamucar ， A study on o-shorewindfarm siting criteria using a novel interval-valued fuzzy-rough based Delphimethod，J. Environ.经理。270（2020）110916.[16] A. Ebadi Torkayesh，F. Fathipoir，M. Saidi-Mehrabd，使用模糊VIKOR和ELECTREIII从城市固体废物中回收能量的热化学转化的基于熵的多标准分析：伊朗阿塞拜疆地区的案例。J.能源管理Technol.3（1）（2019）17[17] T.埃尔泰角Kaharan，Mr. Kaya，使用MACBETH和模糊AHP多标准方法评估可再生能源替代品：土耳其案例，技术经济发展。19（1）（2013）38-62.[18] D. Georgiou，E.S.穆罕默德，S。Rozakis，自主海水淡化装置能源供应配置的多标准决策，更新。能源75（2015）459-467。[19] Ghorabaee，M. K.，阿米里，M.，Zavadskas，E. K.，&Turskis，Z.（2017年）。基于区间2型模糊集的扩展EDAS方法的多准则群决策。[20] E. Georgopoulou，D.拉拉斯湖Papagiannakis，能源规划问题的多标准决策辅助方法：可再生能源选择的案例，Eur。J.操作员第103（1）（1997）号决议[21] S. Hashemkhani Zolfani，M. Yazdani，A. Ebadi Torkayesh，A. Derakhti，应用基于 灰 色的 决 策 支 持 框架 ， 用 于 COVID-19大 流 行期 间 临 时 医 院的 位 置 选 择，Symmetry 12（6）（2020）886。[22] 哈桑·Z Al Garni，Anjali Awasthi，Makbul A.M. Ramli，使用HOMER的不同跟踪系统下并网光伏的优化设计和分析，能量转换。经理。155（2018）42-[23] C.C. 洪 礼 雄 Chen ， A fuzzy TOPSIS decision making model with entropy weightunder intuitionistic fuzzy environment，in：Proceedings of the International Mul-ticonference of Engineers and Computer Scientists ， 1 ， Hong Kong ， IMECS ，2009，March，pp. 十三比十六[24] S.A.I. Hussain，U.K Mandal，基于熵的MCDM方法用于材料选择，在：国家级工程问题和数学应用会议，2016年，pp. 1比6[25] A. Jahan，F. Mustapha，M.Y. Ismail，S.M.萨普安湾Bahraminasab，一种用于材料选择的简化VIKOR方法，Mater。Des. 32（3）（2011）1215[26] F.F. Jahantigh湾Malmir，文学士Avilaq，使用模糊TOPSIS方法进行EPC项目的经济风险评估，Int.J. Ind. Syst. Eng. 27（2）（2017）161-179。[27] - 是的卡亚河，加-地拉科沃拉克湾Terzi，使用MCDM技术解决能源政策和决策问题：综述，Int.J.EnergyRes.42（7）（2018）2344-2372。[28] C. Kaharan，M. Keshavarz Ghorabaee，E.K. Zavadskas，S. Cevik Onar，M. 亚兹达尼，B.王文，王文，王文，等.固体废弃物处置场选址的研究进展. Environ. Eng. 土地c.经理。25（1）（2017）1[29] M. Keshavarz Ghorabaee ， E.K. 扎 瓦 兹 卡 斯 湖 Olfat ， Z. Turskis ， Multi-criteriainventory classification using a new method of evaluation based on distance fromaveragesolution（EDAS），Informatica 26（3）（2015）435 -451 REN 21. 2019年可再生能源：2019年全球状况报告法国巴黎，2019年。[30] C. Kaharan，Mr.卡亚河，巴西-地Cebi，A comparative analysis for multiattributeselection among renewable energy alternatives using fuzzy axiomatic design andfuzzy analytichierarchy process，Energy 34（10）（2009）1