基于q阶正交对模糊Schweizer–Sklar优先Z信息的改进电动汽车电池智能决策模型

为什么选择合适的电动汽车电池如此棘手

随着电动汽车从小众走向主流，藏在车底的电池承担了大量关键任务。它决定了汽车的续航、充电速度、使用寿命以及安全性和环保性。然而工程师和政策制定者在不同电池技术之间做出选择时，常常只能依赖不完整、不确定或基于专家意见而非精确数据的信息。本文提出了一种新的数学决策工具，旨在在信息模糊时使这些选择更可靠。

同时平衡多重需求

选择电动汽车电池是一个典型的权衡过程。镍镉、铅酸、钠硫、锂离子和液流电池等选项各有优缺点：有些充电快但寿命短；有些寿命长但体积大或需要高工作温度。决策者必须同时权衡技术性能、成本、安全性和环境影响。传统决策方法假设每个准则都能用精确数值描述，但在现实中，例如恶劣气候下的循环寿命或碰撞时的失效率，往往没有那么清晰的数字。

从模糊观点到结构化判断

为应对这种模糊性，研究人员长期使用“模糊”集合，允许某个命题部分成立而非非黑即白。后来的改进，如直觉型模糊集和毕达哥拉斯模糊集，加入了表达犹豫或冲突信息的方式。本文提出的方法基于更灵活的框架——q阶正交对模糊集，可以捕捉非常高程度的不确定性，并将其与Z数结合，后者分别记录一个值及专家对该值的置信度。通俗地说，该模型不仅记录某电池在安全性上被评为“高”，还记录对此判断的可信程度。

一种可调的冲突准则合并方式

工作的第二个支柱是一类称为Schweizer–Sklar聚合算子的数学规则，用于将多个不确定输入合并为总体得分。与简单平均不同，这些算子有一个内置的调节旋钮，使决策者在不重构整个模型的情况下倾向于更谨慎或更大胆的策略。设置为更保守时，该方法的行为类似于“所有关键准则都必须相对良好”；设置为更乐观时，则允许某一领域的突出优势弥补其他方面的弱点。作者扩展了这些规则，使其能平滑地与混合的模糊与Z数框架协同工作，并允许对不同准则赋予优先级和权重。

在真实电池选择上的方法测试

为检验模型效果，作者将其应用于一个实际案例研究，对用于电动汽车的五种电池技术进行比较。专家对每种方案在充电时间、循环寿命和安全性三个关键方面进行评分。这些口头评估（“低”、“中”、“高”等）被转换为新的模糊格式，同时记录评分本身和专家对该评分的置信度。随后，所提出的算子以几种略有不同的方式聚合这些信息，每种电池得出最终得分。在所有方法版本中，锂离子电池始终成为首选，紧随其后的是钠硫和液流电池，而镍镉和铅酸由于寿命较短、充电慢或环境问题位列末端。使用一种改编到相同模糊框架的著名技术WASPAS进行的独立分析也得出了相同的最佳选择，为新方法增加了可信度。

即使优先级变化，结果也稳健

研究还探讨了在Schweizer–Sklar算子中改变调节参数以模拟更风险规避或更容忍风险态度时会发生什么。尽管具体数值会发生变化，但电池的排名出人意料地保持稳定：锂离子仍稳居第一，中间组保持在中间，最弱选项仍在底部。这种稳定性在实践中很重要，因为它表明该方法对如何合并准则的主观选择不太敏感，其结论不会因小的建模变动而轻易被推翻。

这对电动汽车及更广领域的意义

通俗而言，本文提供了一个更细致的“计算器”，用于在证据不全且专家意见不一致时做出艰难选择。对于电动汽车，它支持行业当前对锂离子电池的关注，同时为公正透明地比较新兴技术提供了空间。更广泛地说，相同框架也可用于其他复杂的可持续性决策，例如充电站选址、电网储能选择或绿色技术评估。通过明确表示不确定性与置信度，并为决策者提供可调的方式来权衡相互竞争的目标，所提出的模型能将混乱的现实判断转化为更清晰的指引，而不假装世界比实际更简单。

引用: Ali, A., Shaikh, H.U., Ashraf, S. et al. Improved intelligent decision model for electric vehicle battery using q-Rung orthopair fuzzy Schweizer–Sklar prioritized Z-information. Sci Rep 16, 13890 (2026). https://doi.org/10.1038/s41598-025-27621-6

关键词: 电动汽车电池, 多准则决策, 模糊逻辑, 不确定性建模, 可持续技术