基于目標權重導向多目標粒子群的節(jié)能減排電力系統(tǒng)優(yōu)化調度

冉碧珍

摘 要：在節(jié)能減排優(yōu)化調度中，設計一種基于目標權重導向，多目標粒子群優(yōu)化的新算法受到各界廣泛關注。目前，新形勢下，節(jié)能與減排是兩個不同的目標側重。因此對于決策者來說，在優(yōu)化過程中選取種群中各粒子全局極值應該符合對目標本身的側重，這需要在整個調度過程中得到不同的目標權重導向的可行解，這樣可以保證解的多樣性。新時期，我對于決策者來講，充分考慮節(jié)能與減排兩個不同目標的側重，并且就相應的需求給予不同的解決方案，滿足人們對不同解的需求。本文就目前節(jié)能減排狀況，借助IEEE-30測試系統(tǒng)分別就考慮網(wǎng)損、不考慮網(wǎng)損兩方面驗證新算法，并就其對節(jié)能減排的電力系統(tǒng)優(yōu)化調度影響進行簡單闡述。

關鍵詞：節(jié)能減排 目標權重導向 電力系統(tǒng)優(yōu)化調度 多目標粒子群

中圖分類號：TM46 文獻標識碼：A 文章編號：1672-3791（2018）03（a）-0000-00

新時代背景下，我國通過分析能源使用、廢氣等排放問題，制定了相關的節(jié)能減排目標，旨在利用相關政策在環(huán)境友好前提下，推動經(jīng)濟又好又快發(fā)展。目標規(guī)劃對于一項政策而言，具有非常重要的意義。節(jié)能減排作為一個整體規(guī)劃目標，不同于線性規(guī)劃，目標規(guī)劃以線性規(guī)劃為基礎[3]，因此需要對解進行優(yōu)化。傳統(tǒng)的算法由于是單行解，其求解速度與求解個數(shù)有限，不能滿足全局最優(yōu)值的選取與更新，這對于節(jié)能減排電力系統(tǒng)的優(yōu)化調度是非常不利的，因此選擇一個多行解的新算法迫在眉睫，也是整個行業(yè)較為關注的話題。

1 目前節(jié)能減排現(xiàn)狀

隨著工業(yè)化、城市化進程的不斷加快，新形勢下高耗能產(chǎn)業(yè)的投資與增長仍然較快。因此對環(huán)境造成一定壓力，嚴重威脅人們的身體健康。國家為控制能源消耗，必須要轉變經(jīng)濟發(fā)展方式，加大對節(jié)能減排調控力度。節(jié)能減排是關系經(jīng)濟社會可持續(xù)發(fā)展的重大戰(zhàn)略問題，也是連續(xù)幾年國家重點確定的經(jīng)濟社會發(fā)展重大戰(zhàn)略任務。雖然各行各業(yè)都需要節(jié)能減排，但是由于各行之間有差異，因此社會的關注度不同。由于電力行業(yè)既是優(yōu)質清潔能源的創(chuàng)造者，又是一次能源消耗大戶和污染排放大戶，因此新時期的電力行業(yè)的節(jié)能減排任務，是國家重點關注的領域。權威數(shù)據(jù)顯示，其截止到2007年底，我國的發(fā)電總裝機容量已經(jīng)超過7億千瓦，火電占整個發(fā)電總裝機容量的77.7%[4]，火電超過了5.5億千瓦，火電運行發(fā)電量比重大，高達82.86%[5]。這在一定程度上對企業(yè)發(fā)展造成壓力，同時為響應新時期的政策要求，卻也為其以后的發(fā)展創(chuàng)造了機遇，提供了前所未有的動力。

2 驗證新算法

一般情況下，如果節(jié)能減排目標與預計成果一致，那么Y-與Y+均為零，即目標與預計成果沒有差距。要想保證我們設立的目標與預計結果沒有差距，需要把握目標規(guī)劃的核心問題，確定目標然后根據(jù)目標建立模型，求解目標與預計成果的最小差距。有學者指出[6]，目標規(guī)劃可用一般線性規(guī)劃求解，也可用備解法、單體法求解。一般學者均會采用線性規(guī)劃或備解法求解后，再用單體法驗證有無錯誤。

新算法與傳統(tǒng)算法不同，其不同的目標權重要更加接近各粒子的全局極值，從而保證解的多樣性，增加可行性。為了證明基于目標權重導向的多目標粒子群在節(jié)能減排電力系統(tǒng)的優(yōu)化調度方面的效果，需要對新算法進行驗證。為保證驗證結果的可信性，需要從兩個方面考慮，第一考慮網(wǎng)損，第二不考慮網(wǎng)損。

經(jīng)考慮網(wǎng)損，非線性、多目標粒子群算法應該充分考慮網(wǎng)損情況，將全局最優(yōu)值選取算法優(yōu)化。利用Pareto支配關系將粒子最優(yōu)值更新。通常以檔案中的非劣解作為全局的最優(yōu)值。為提高非劣解前端解的均勻性，可借助線密度刪除策略。

另一方面，如果沒有網(wǎng)損，可以直接將最優(yōu)值更新，新算法環(huán)境具有一定的理想型。其中的決策變量可以不考慮編碼，不考慮N-1安全校驗，直接利用Matlab7編程對IEEE節(jié)點系統(tǒng)進行仿真測試[7]。測試完畢后，可以將新算法的求解過程、結果與傳統(tǒng)算法進行比較分析，理論上，新算法的執(zhí)行將起到較好的優(yōu)化作用。

3 新算法對節(jié)能減排的電力系統(tǒng)優(yōu)化調度影響

節(jié)能減排作為一種目標規(guī)劃有超出目標和未達目標兩種差距。一般超出目標的差距以Y+表示，未達目標的差距用表示。這兩種差距中一種一個必然為零[8]，或者兩個均為零。如果保證差距為零，即設立的目標達到預期，我們需要將電力系統(tǒng)優(yōu)化調度工作做好，努力完成節(jié)能減排任務。其作為一項國家重點關注的經(jīng)濟社會發(fā)展方針政策，在社會具有很大的關注度。節(jié)能減排是新時期政府與人民較關注的話題，其重要性在于保證國民經(jīng)濟持續(xù)健康發(fā)展。眾所周知，節(jié)能減排是多目標、非線性、離散型的整體規(guī)劃問題。傳統(tǒng)方法都是將節(jié)能減排問題轉化為單目標問題解決。然而，隨著電力系統(tǒng)優(yōu)化調度，單目標解決很容易出現(xiàn)權重因子不易選擇問題。單目標算法的應用，使得每次只能得到一個解，減慢整個過程的工作效率。因此，選擇一種高效的、多目標的求解算法應用于節(jié)能減排優(yōu)化調度具有非常重要的意義。

基于目標權重導向的多目標粒子群是一種新算法，可以同時求出多組解，這在求解過程中增加解的個數(shù)，提高解的精度等方面有重要意義。該算法是一種具有主從結構的粒子群算法，可以實現(xiàn)慣性權重、最大速度等慣性權重，在多組解中尋找最優(yōu)解。將Powell算法嵌入粒子群算法，可以充分發(fā)揮其全局搜索能力，也能夠在應用過程中將Powell算法的全局開挖能力展現(xiàn)出來[9]。不僅提高了解的個數(shù)，也提高了解的精度和速度。這對于節(jié)能減排的電力系統(tǒng)優(yōu)化調度具有非常重要的價值，具有引領作用。

4 結語

隨著環(huán)境保護意識的逐漸增強，人們不僅注重節(jié)能，減排方面也提出了更好要求。這就使得保護環(huán)境由單目標像多目標優(yōu)化轉換，需要節(jié)能與減排并重，在對目標權重進行分配的基礎上，提出多目標權重導向的多粒子群算法。粒子進化的導向選取有一個重要指標，即目標權重的接近程度。這樣的算法可以在很大程度上保留種群的多樣性。通過新算法，可以求出Pareto最優(yōu)解，為決策者提供了更為廣闊的選擇空間。本文中，借助IEEE-30系統(tǒng)對節(jié)能與減排兩個目標進行仿真測試，無論是考慮網(wǎng)損，還是不考慮網(wǎng)損，均在經(jīng)濟性與環(huán)保性方面取得了較好效果。

基于目標權重導向多目標粒子群的節(jié)能減排問題，可以在新算法應用過程中保證節(jié)能與減排兩個目標的并重，經(jīng)綜合考慮各方面關系可以得出最優(yōu)解，也可以根據(jù)實際情況不斷的對系統(tǒng)進行優(yōu)化調度，直至達到令人滿意效果，在保證算法有效性的前提下，滿足新時代下國家對于節(jié)能減排的目標，從而為國民經(jīng)濟發(fā)展創(chuàng)造更為良好的條件。

參考文獻

[1] 邱飛岳，胡烜，王麗萍，等.分組分解的多目標粒子群進化算法研究[J].小型微型計算機系統(tǒng)，2017，（8）：1823-1827.

[2] 龍軍，鄭斌，郭小璇，等.一種求解環(huán)境經(jīng)濟發(fā)電調度的交互式多目標優(yōu)化方法[J].電力自動化設備，2013，（5）：83-88.

[3] 李整，秦金磊，譚文，等.基于目標權重導向多目標粒子群的節(jié)能減排電力系統(tǒng)優(yōu)化調度[J].中國電機工程學報，2015，（1）：67-74.

[4] 季力.改進粒子群算法在空壓機聯(lián)動控制中的應用[J].輕工機械，2014，（4）：57-60，64.

[5] 朱永，李春華.基于多目標粒子群算法的微電網(wǎng)優(yōu)化運行研究[J].江蘇科技大學學報（自然科學版），2017，（4）：501-507.

[6] 戴永彬.多目標粒子群優(yōu)化的非線性預測解耦策略[J].控制工程，2016，（9）：1356-1360.

[7] 耿煥同，高軍，賈婷婷，等.均衡分布性和收斂性的多目標粒子群優(yōu)化方法[J].計算機應用，2013，（7）：1926-1929，1959.

[8] 翁理國，王驥，夏旻，等.自適應種群更新策略的多目標粒子群算法[J].計算機工程與應用，2016，（8）：1823-1827.

[9] 梅海濤，華繼學，王毅，等.基于直覺模糊支配的混合多目標粒子群算法[J].計算機科學，2017，（1）：253-258.