基于效益分析的電力系統(tǒng)多指標聯(lián)合優(yōu)化調(diào)度思路探析

摘 要：從電力系統(tǒng)優(yōu)化調(diào)度的現(xiàn)狀入手，簡要介紹了DEA模型算法，并在此基礎(chǔ)上對基于效益分析的電力系統(tǒng)多指標聯(lián)合優(yōu)化調(diào)度思路進行探析，以期為提高整個電力系統(tǒng)的發(fā)電效益提供參考和幫助。

關(guān)鍵詞：電力系統(tǒng)；優(yōu)化調(diào)度；效益分析；多指標聯(lián)合優(yōu)化

中圖分類號：TM73 文獻標識碼：A 文章編號：2095-6835（2014）05-0043-02

1 電力系統(tǒng)優(yōu)化調(diào)度的研究現(xiàn)狀

在電力領(lǐng)域中，優(yōu)化調(diào)度一直都是研究人員的主要課題，尤其是電力系統(tǒng)的優(yōu)化調(diào)度更是重中之重。在目前的新形勢下，優(yōu)化調(diào)度發(fā)生了本質(zhì)的改變，其所追求的目標從原本單純的經(jīng)濟效益正逐步朝著多元化的方向擴展，這主要是由全球性能源緊缺和環(huán)保要求不斷提高所決定的。換言之，電力系統(tǒng)的優(yōu)化調(diào)度所追求的目標應(yīng)當包含經(jīng)濟效益、能源效益和環(huán)境效益，只有這樣才能充分體現(xiàn)出優(yōu)化的重要性。然而在實際當中，多個目標很難在某一個調(diào)度方案中達到各自的最優(yōu)值，究其根本原因是各個目標之間相互沖突、制約。舉個簡單的例子，在獲取電能并實現(xiàn)經(jīng)濟效益最大化的過程中，勢必會造成能源的過度消耗，如果資源的總量保持不變，想實現(xiàn)一個目標的最優(yōu)化，就必須犧牲另外的目標。在經(jīng)濟學(xué)當中，將這一規(guī)律稱為帕累托最優(yōu)原則。在實際生產(chǎn)中，由于整個生產(chǎn)過程中不可避免地會受到多方面因素的影響，所以一種調(diào)度方案很難考慮到全部的影響因素。為此，必須探尋一種基于多指標聯(lián)合優(yōu)化調(diào)度的思路，以此來解決各個目標之間的沖突，從而使調(diào)度方案達到最優(yōu)化。

2 DEA模型算法簡介

DEA即數(shù)據(jù)包絡(luò)分析，是一種實用性較高的分析評價方法，具體是指將某一種生產(chǎn)活動的投入使用元素和由此形成的產(chǎn)品置于DEA模型當中進行分析、評價。其中的元素也被稱為投入產(chǎn)出指標，它們的選取相對比較自由，凡是對產(chǎn)出有貢獻的因素均可以作為指標，例如，火電廠投入的指標為煤和水，產(chǎn)出指標為電能。此外，也可選用一些不可量化的指標，比如操作人員的工作能力、企業(yè)管理水平等，此類指標需要進行相應(yīng)的處理之后，再與可量化的指標一并作為整個系統(tǒng)的評價指標，這樣能夠使分析評價結(jié)果的準確性更高，更貼近實際。

通常情況下，對某一個事物是否有效進行分析評價，應(yīng)當選取與之關(guān)聯(lián)密切的比較目標，在DEA模型當中將其稱為決策單元，即比較對象必須是投入產(chǎn)出指標的同質(zhì)單元。在具體的分析評價過程中，可以將一個生產(chǎn)過程或系統(tǒng)視作一個決策單元，并通過投入生產(chǎn)中的一種或多種要素，經(jīng)決策后產(chǎn)生出一定數(shù)量的產(chǎn)品。在這個過程中，投入的越小，產(chǎn)出的越大，效率就越高，效益則就越好。該方法與其他算法最大的區(qū)別在于DEA無需給出投入、產(chǎn)出的顯示關(guān)系，但必須確保投入與產(chǎn)出的指標數(shù)據(jù)精確、可靠。該方法的求解過程實質(zhì)上就是將眾多的決策單元全作為被評價群體，再引入權(quán)重系數(shù)，對各個決策單元中的投入、產(chǎn)出指標進行線性處理，然后對兩者之間的比率，即投入產(chǎn)出比進行綜合分析，以此來確定有效生產(chǎn)的前沿面，最后計算投入產(chǎn)出與前沿面的距離，并以該結(jié)果判定決策單元是否有效，再以投影法指出決策單元無效的原因，并給出改進的方向和需要改進的具體程度。

目前，DEA模型算法在電力系統(tǒng)中的應(yīng)用非常廣泛，主要涉及到發(fā)電和輸配電兩個方面。下文采用DEA模型算法對電力系統(tǒng)多指標聯(lián)合優(yōu)化調(diào)度進行研究。

3 多指標聯(lián)合優(yōu)化調(diào)度思路分析

3.1 DEA模型構(gòu)建

鑒于本文研究的優(yōu)化調(diào)度思路是以效益為前提的，所以在構(gòu)建模型時，應(yīng)當充分考慮經(jīng)濟效益、能耗和環(huán)境效益等方面因素。DEA評價模型主要應(yīng)用于優(yōu)化調(diào)度結(jié)果的效益評價當中，能夠獲得多個調(diào)度方案，決策者可以從中選擇最合適的一種。對電力系統(tǒng)多指標聯(lián)合優(yōu)化調(diào)度而言，應(yīng)當從多個角度進行綜合考慮，并將以下幾個方面作為優(yōu)化目標，即電力系統(tǒng)總體煤耗量最小、梯級水電站群耗水量最小和污染物排放量最小，然后在此基礎(chǔ)上構(gòu)建多維約束的多目標優(yōu)化模型。

3.2 約束條件的選擇

3.2.1 電力平衡約束

電能屬于一種非常特殊的物質(zhì)，從產(chǎn)生到使用的整個過程中，基本上是在同一時間內(nèi)完成的，所以制訂的發(fā)電計劃量應(yīng)當與調(diào)度時刻的負荷消耗量相同。

3.2.2 水量平衡約束

由于梯級水電站群內(nèi)的各個水電站之間的水量具有雙重聯(lián)系，即時間性和空間性。因此，應(yīng)當使站群內(nèi)的龍頭水電站與其他水電站的水量盡可能保持平衡。

3.2.3 煤耗量與水耗量的約束

由于火電消耗的資源以煤為主，煤屬于不可再生型資源；而水電消耗的水，出于減少不可再生資源使用的前提，水電所應(yīng)承受的比重要大于火電。為了尋找兩者之間的平衡，可將其統(tǒng)一轉(zhuǎn)化至一個標準下，即水電廠的耗水量轉(zhuǎn)換成煤耗量，大于火電機組所消耗的耗煤量。

3.3 多目標優(yōu)化求解及結(jié)果分析

由于模型中的多個目標存在沖突，如果只是采用一般的權(quán)重系數(shù)法很難體現(xiàn)出各個目標的重要程度。經(jīng)過綜合考慮之后，決定采取滿意度函數(shù)和歐氏距離評價函數(shù)對多目標進行處理，并在此基礎(chǔ)上，通過粒子群算法進行求解。在對計算結(jié)果（限于篇幅，省略計算步驟）進行分析后發(fā)現(xiàn)，水電總出力大于火電總出力，這表明用水電代替火電進行發(fā)電能夠有效減少煤炭的消耗量，并且減少了污染物的排放量。

3.4 基于DEA效益評價的優(yōu)化調(diào)度方案

粒子群算法本身具有隨機性較強的特點，這使得求出的解并不是唯一的。因此，為了能夠給決策者提供多種調(diào)度方案，可采用DEA模型對優(yōu)化調(diào)度運行方式進行效益評價，以此來找出最優(yōu)的調(diào)度方案。當DEA目標函數(shù)值為1時，表明投入對于產(chǎn)出的利用效率最高；如果多個目標函數(shù)值均為1，決策者可根據(jù)實際情況對調(diào)度方案進行選擇。

4 結(jié)束語

綜上所述，從效益的角度分析，并借助DEA評價模型，對電力系統(tǒng)多指標聯(lián)合優(yōu)化調(diào)度的思路進行了研究，這對電力系統(tǒng)總體發(fā)電效益的提高有著重大的意義。結(jié)果表明，在基于多種效益的前提下，運用DEA評價模型并結(jié)合粒子群算法能夠得出多種優(yōu)化調(diào)度方案，決策者可按照實際需要進行選擇。

參考文獻

[1]魏加華，張遠東.基于多目標遺傳算法的巨型水庫群發(fā)電優(yōu)化調(diào)度[J].地學(xué)前緣，2010（11）.

————————

作者簡介：荊國權(quán)（1975—），男，江蘇常州人，配網(wǎng)調(diào)度員，主要研究方向為電網(wǎng)調(diào)度。 〔編輯：李玨〕

Based on Power System of Benefit Analysis Indicators Combined Optimization Scheduling Analysis

Jing Guoquan

Abstract： Optimizing the status quo dispatch from the power system to start， a brief introduction DEA model algorithm， and on this basis， the power system based on multiple indicators of effectiveness analysis of joint optimization of scheduling the thinking of Exploration， in order to provide reference for improving power generation efficiency of the entire power system and help.

Key words： power system； optimal scheduling； benefit analysis； multi-index joint optimization