多目標調峰優化方法和系統技術方案

本發明專利技術提供一種多目標調峰優化方法和系統，其方法包括步驟：分別為預先建立的多目標調峰優化模型中的對應的目標權值賦初始值；根據賦所述初始值后的多目標調峰優化模型獲得第一調峰方案，并通過所述第一調峰方案確定各多目標調峰優化模型中各優化目標的值作為對應優化目標的原始值；分別根據各所述原始值并采用熵權法確定各優化目標的熵權值，分別將各所述熵權值賦與多目標調峰優化模型中對應的目標權值；根據賦所述熵權值后的多目標調峰優化模型獲得第二調峰方案。本發明專利技術的多目標調峰優化方法不依賴人工經驗，有效的避免了多目標優化問題取值的隨意性，進一步提高了調峰優化效果。

【技術實現步驟摘要】

本專利技術涉及電力
，特別是涉及一種多目標調峰優化方法和系統。
技術介紹
對于含火電、水電、核電、抽水蓄能、風電、生物質電、氣電等多種類型電源的大規模電力系統而言，其調峰優化難度較大。主要表現在(I)在調峰優化建模方面，傳統的調峰優化通常建模為一單目標優化問題，S卩，僅以煤耗最小作為優化目標函數。而隨著低碳經濟、清潔能源國際形勢的推動，多目標調峰優化逐漸成為研究熱點，目前大多從煤耗、網損和平均購電費等經濟性指標的角度進行調峰方案的優劣評估，也考慮運行可靠性指標的；隨著節能減排政策的推行，電網調峰逐步開始考慮SO2 (二氧化硫)、排放等環保性指標。 (2)在多目標優化問題的目標權值確定方面，目前很大程度上仍依據運行調度人員的人工經驗，主觀性強，尚缺乏精細化或更為客觀性的目標權值確定方法。對于多目標優化問題，目前多通過考慮目標函數中多指標的屬性，即，對多指標進行權值賦值，將多目標問題轉化為單目標問題進行求解。但目標函數中的多個優化目標的目標權值取值情況直接關系到最終的優化結果，現有常用的權值賦值法有模糊數學法、層次分析法、專家評分法等，這些方法雖然在一定程度上能開展多目標優化，但仍存在一些問題，突出表現為主觀性強，優化結果嚴重依賴于人工經驗等，如層次分析法級別差異大，依賴評價者對各項指標的主觀偏向性；模糊數學法過于強調極值作用，導致信息缺失；專家評分法難以實際操作。
技術實現思路
本專利技術的目的在于提供一種多目標調峰優化方法，有效避免多目標優化問題中目標權值取值的隨意性，有利于進一步提升調峰優化效果。本專利技術的目的通過如下技術方案實現一種多目標調峰優化方法，包括如下步驟分別為預先建立的多目標調峰優化模型中的對應的目標權值賦初始值；根據賦所述初始值后的多目標調峰優化模型獲得第一調峰方案，并通過所述第一調峰方案確定各多目標調峰優化模型中各優化目標的值作為對應優化目標的原始值；分別根據各所述原始值并采用熵權法確定各優化目標的熵權值，分別將各所述熵權值賦與多目標調峰優化模型中對應的目標權值；根據賦所述熵權值后的多目標調峰優化模型獲得第二調峰方案。一種多目標調峰優化系統，包括賦初始值模塊，用于分別為預先建立的多目標調峰優化模型中的對應的目標權值賦初始值；第一調峰方案確定模塊，用于根據賦所述初始值后的多目標調峰優化模型獲得第一調峰方案，并通過所述第一調峰方案確定各多目標調峰優化模型中各優化目標的值作為對應優化目標的原始值；熵權值確定模塊，用于分別根據各所述原始值并采用熵權法確定各優化目標的熵權值，分別將各所述熵權值賦與多目標調峰優化模型中對應的目標權值；第二調峰方案確定模塊，用于根據賦所述熵權值后的多目標調峰優化模型獲得第二調峰方案。依據上述本專利技術的方案，首先為調峰優化模型各目標權值賦初始值(原目標權值)，并優化求解得到第一調峰優化方案，隨后再根據由第 一調峰優化方案得到的各優化目標的原始值，并根據各優化目標的原始值獲得各優化指標的熵權值(新目標權值)，將該熵權值再次代入多目標調峰優化模型中，優化求解后所得的第二調峰方案比第一調峰優化方案更優。因為原目標權值的選取無特殊要求，可以任意給定，使得本專利技術的多目標調峰優化方法不依賴人工經驗，有效的避免了多目標優化問題取值的隨意性，進一步提高了調峰優化效果。附圖說明圖I為本專利技術實施例的多目標調峰優化方法的流程示意圖；圖2為本專利技術實施例的多目標調峰優化系統的結構示意圖；圖3為圖2中熵權值確定模塊的一個具體結構示意圖。具體實施例方式下面結合實施例及附圖對本專利技術作進一步闡述，但本專利技術的實施方式不限于此。實施例I參見圖I所示，為本專利技術實施例的多目標調峰優化方法的流程示意圖。如圖I所示，該實施例中的多目標調峰優化方法，包括如下步驟步驟SlOl :分別為預先建立的多目標調峰優化模型中的對應的目標權值賦初始值，進入步驟S102，其中，賦與的初始值作為為原目標權值，原目標權值無特殊要求，可以任意給定，但各原目標權值相加的和為“ 1”，多目標調峰優化模型中的目標函數包括多個優化目標，分別給各個優化目標對應的目標權值賦值后，將多目標優化問題轉化為了單目標優化問題；步驟S102 :根據賦所述初始值后的多目標調峰優化模型獲得第一調峰方案，并通過所述第一調峰方案確定各多目標調峰優化模型中各優化目標的值作為對應優化目標的原始值，進入步驟S103，其中，初始值后的多目標調峰優化模型為一個單目標優化問題，求解單目標優化問題可以采用現有技術中的方式，在此不予贅述，求解獲得結果即為第一調峰方案，通過第一調峰方案可以獲得各優化目標的值，為了區別于下述根據第二調峰方案獲得的各優化目標的值，把根據第二調峰方案獲得的各優化目標的值記為的對應優化目標的原始值；步驟S103 :分別根據各所述原始值并采用熵權法確定各優化目標的熵權值，分別將各所述熵權值賦與多目標調峰優化模型中對應的目標權值，進入步驟S104，其中，所述熵權值為新目標權值；步驟S104 :求解賦所述熵權值后的調峰優化模型獲得第二調峰方案，由于是以熵權法確定的熵權值作為各優化目標新的目標權值，使得獲得第二調峰方案更優。據此，依據上述本專利技術的方案，首先為調峰優化模型各優化目標的目標權值賦初始值，并優化求解得到第一調峰優化方案，隨后再根據由第一調峰優化方案得到的各優化目標的原始值并采用熵權法獲得各優化指標函數的新目標權值，將該新目標權值再次代入多目標調峰優化模型中，優化求解后所得的第二調峰方案更優。由調峰優化與熵權值獲取共同構成一個閉環反饋系統，使多目標優化問題的目標權值取值更為客觀和實用。因為目標權值賦初始值的選取無特殊要求，可以任意給定，使得本專利技術的多目標調峰優化方法不依賴人工經驗，有效的避免了多目標優化問題取值的隨意性，進一步提高了調峰優化效果。此外，大規模電力系統的調峰主要由發電機組排序、發電機組日開機組合、抽水蓄能機組日工作曲線計算并修正負荷曲線、備用容量優化安排、機組負載率上下限修正以及 調峰動態優化等六個核心步驟構成，其中，最終調峰方案由調峰動態優化步驟生成，而前五個步驟為調峰動態優化做準備，本專利技術預先建立的多目標調峰優化模型是采用日前96點調峰動態優化模型，即基于節能調度下的機組起停機組合安排，尋求各機組在一天內各個時段的出力順序和出力大小。由于該模型是一典型的動態優化問題，不可避免存在“組合爆炸”問題，且難以考慮時間耦合約束，如，相鄰時刻機組爬坡率約束、水電機組水量約束等。為克服這些難點，在具體計算時，可以首先計算峰荷處的機組有功出力容量安排，然后再依次計算其他負荷水平下的機組有功出力容量安排，這樣可有效避免“組合爆炸”，同時真正體現動態優化的思想。因此，在其中一個實施例中，本專利技術所建立的多目標調峰動態優化模型可以是包括峰荷時刻的多目標調峰優化模型、除峰荷時刻以外的其他時刻的多目標調峰優化模型。具體的，在其中一個實施例中，上述多目標調峰優化模型可以以發電耗煤量、購電費用、SO2 (二氧化硫)排放量為優化目標，則峰荷時刻的多目標調峰優化模型為目標函數min{wxXAtk+w2XBtk+w3XCtJ (I)約束條件發電機出力上下限約束尤/< d (i = l，2”..Ng)(2)功率約束/L=4—(3) /::α規避頻率越限風險約束本文檔來自技高網...

【技術保護點】
一種多目標調峰優化方法，其特征在于，包括如下步驟：分別為預先建立的多目標調峰優化模型中的對應的目標權值賦初始值；根據賦所述初始值后的多目標調峰優化模型獲得第一調峰方案，并通過所述第一調峰方案確定各多目標調峰優化模型中各優化目標的值作為對應優化目標的原始值；分別根據各所述原始值并采用熵權法確定各優化目標的熵權值，分別將各所述熵權值賦與多目標調峰優化模型中對應的目標權值；根據賦所述熵權值后的多目標調峰優化模型獲得第二調峰方案。

【技術特征摘要】

【專利技術屬性】
技術研發人員：盧恩，馬煜華，陳亮，謝敏，李嘉龍，王一，陳雨果，陳卉燦，劉明波，
申請(專利權)人：廣東電網公司電力調度控制中心，華南理工大學，
類型：發明
國別省市：