CN102855592A - 多目标调峰优化方法和系统 - Google Patents

Abstract

本发明提供一种多目标调峰优化方法和系统，其方法包括步骤：分别为预先建立的多目标调峰优化模型中的对应的目标权值赋初始值；根据赋所述初始值后的多目标调峰优化模型获得第一调峰方案，并通过所述第一调峰方案确定各多目标调峰优化模型中各优化目标的值作为对应优化目标的原始值；分别根据各所述原始值并采用熵权法确定各优化目标的熵权值，分别将各所述熵权值赋与多目标调峰优化模型中对应的目标权值；根据赋所述熵权值后的多目标调峰优化模型获得第二调峰方案。本发明的多目标调峰优化方法不依赖人工经验，有效的避免了多目标优化问题取值的随意性，进一步提高了调峰优化效果。

Description

多目标调峰优化方法和系统

技术领域

本发明涉及电力技术领域，特别是涉及一种多目标调峰优化方法和系统。

背景技术

对于含火电、水电、核电、抽水蓄能、风电、生物质电、气电等多种类型电源的大规模电力系统而言，其调峰优化难度较大。主要表现在：

（1）在调峰优化建模方面，传统的调峰优化通常建模为一单目标优化问题，即，仅以煤耗最小作为优化目标函数。而随着低碳经济、清洁能源国际形势的推动，多目标调峰优化逐渐成为研究热点，目前大多从煤耗、网损和平均购电费等经济性指标的角度进行调峰方案的优劣评估，也考虑运行可靠性指标的；随着节能减排政策的推行，电网调峰逐步开始考虑SO₂（二氧化硫）、排放等环保性指标。

（2）在多目标优化问题的目标权值确定方面，目前很大程度上仍依据运行调度人员的人工经验，主观性强，尚缺乏精细化或更为客观性的目标权值确定方法。对于多目标优化问题，目前多通过考虑目标函数中多指标的属性，即，对多指标进行权值赋值，将多目标问题转化为单目标问题进行求解。但目标函数中的多个优化目标的目标权值取值情况直接关系到最终的优化结果，现有常用的权值赋值法有模糊数学法、层次分析法、专家评分法等，这些方法虽然在一定程度上能开展多目标优化，但仍存在一些问题，突出表现为主观性强，优化结果严重依赖于人工经验等，如：层次分析法级别差异大，依赖评价者对各项指标的主观偏向性；模糊数学法过于强调极值作用，导致信息缺失；专家评分法难以实际操作。

发明内容

本发明的目的在于提供一种多目标调峰优化方法，有效避免多目标优化问题中目标权值取值的随意性，有利于进一步提升调峰优化效果。

本发明的目的通过如下技术方案实现：

一种多目标调峰优化方法，包括如下步骤：

分别为预先建立的多目标调峰优化模型中的对应的目标权值赋初始值；

根据赋所述初始值后的多目标调峰优化模型获得第一调峰方案，并通过所述第一调峰方案确定各多目标调峰优化模型中各优化目标的值作为对应优化目标的原始值；

分别根据各所述原始值并采用熵权法确定各优化目标的熵权值，分别将各所述熵权值赋与多目标调峰优化模型中对应的目标权值；

根据赋所述熵权值后的多目标调峰优化模型获得第二调峰方案。

一种多目标调峰优化系统，包括：

赋初始值模块，用于分别为预先建立的多目标调峰优化模型中的对应的目标权值赋初始值；

第一调峰方案确定模块，用于根据赋所述初始值后的多目标调峰优化模型获得第一调峰方案，并通过所述第一调峰方案确定各多目标调峰优化模型中各优化目标的值作为对应优化目标的原始值；

熵权值确定模块，用于分别根据各所述原始值并采用熵权法确定各优化目标的熵权值，分别将各所述熵权值赋与多目标调峰优化模型中对应的目标权值；

第二调峰方案确定模块，用于根据赋所述熵权值后的多目标调峰优化模型获得第二调峰方案。

依据上述本发明的方案，首先为调峰优化模型各目标权值赋初始值（原目标权值），并优化求解得到第一调峰优化方案，随后再根据由第一调峰优化方案得到的各优化目标的原始值，并根据各优化目标的原始值获得各优化指标的熵权值（新目标权值），将该熵权值再次代入多目标调峰优化模型中，优化求解后所得的第二调峰方案比第一调峰优化方案更优。因为原目标权值的选取无特殊要求，可以任意给定，使得本发明的多目标调峰优化方法不依赖人工经验，有效的避免了多目标优化问题取值的随意性，进一步提高了调峰优化效果。

附图说明

图1为本发明实施例的多目标调峰优化方法的流程示意图；

图2为本发明实施例的多目标调峰优化系统的结构示意图；

图3为图2中熵权值确定模块的一个具体结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步阐述，但本发明的实施方式不限于此。

实施例1

参见图1所示，为本发明实施例的多目标调峰优化方法的流程示意图。如图1所示，该实施例中的多目标调峰优化方法，包括如下步骤：

步骤S101：分别为预先建立的多目标调峰优化模型中的对应的目标权值赋初始值，进入步骤S102，其中，赋与的初始值作为为原目标权值，原目标权值无特殊要求，可以任意给定，但各原目标权值相加的和为“1”，多目标调峰优化模型中的目标函数包括多个优化目标，分别给各个优化目标对应的目标权值赋值后，将多目标优化问题转化为了单目标优化问题；

步骤S102：根据赋所述初始值后的多目标调峰优化模型获得第一调峰方案，并通过所述第一调峰方案确定各多目标调峰优化模型中各优化目标的值作为对应优化目标的原始值，进入步骤S103，其中，初始值后的多目标调峰优化模型为一个单目标优化问题，求解单目标优化问题可以采用现有技术中的方式，在此不予赘述，求解获得结果即为第一调峰方案，通过第一调峰方案可以获得各优化目标的值，为了区别于下述根据第二调峰方案获得的各优化目标的值，把根据第二调峰方案获得的各优化目标的值记为的对应优化目标的原始值；

步骤S103：分别根据各所述原始值并采用熵权法确定各优化目标的熵权值，分别将各所述熵权值赋与多目标调峰优化模型中对应的目标权值，进入步骤S104，其中，所述熵权值为新目标权值；

步骤S104：求解赋所述熵权值后的调峰优化模型获得第二调峰方案，由于是以熵权法确定的熵权值作为各优化目标新的目标权值，使得获得第二调峰方案更优。

据此，依据上述本发明的方案，首先为调峰优化模型各优化目标的目标权值赋初始值，并优化求解得到第一调峰优化方案，随后再根据由第一调峰优化方案得到的各优化目标的原始值并采用熵权法获得各优化指标函数的新目标权值，将该新目标权值再次代入多目标调峰优化模型中，优化求解后所得的第二调峰方案更优。由调峰优化与熵权值获取共同构成一个闭环反馈系统，使多目标优化问题的目标权值取值更为客观和实用。因为目标权值赋初始值的选取无特殊要求，可以任意给定，使得本发明的多目标调峰优化方法不依赖人工经验，有效的避免了多目标优化问题取值的随意性，进一步提高了调峰优化效果。

此外，大规模电力系统的调峰主要由发电机组排序、发电机组日开机组合、抽水蓄能机组日工作曲线计算并修正负荷曲线、备用容量优化安排、机组负载率上下限修正以及调峰动态优化等六个核心步骤构成，其中，最终调峰方案由调峰动态优化步骤生成，而前五个步骤为调峰动态优化做准备，本发明预先建立的多目标调峰优化模型是采用日前96点调峰动态优化模型，即基于节能调度下的机组起停机组合安排，寻求各机组在一天内各个时段的出力顺序和出力大小。由于该模型是一典型的动态优化问题，不可避免存在“组合爆炸”问题，且难以考虑时间耦合约束，如，相邻时刻机组爬坡率约束、水电机组水量约束等。为克服这些难点，在具体计算时，可以首先计算峰荷处的机组有功出力容量安排，然后再依次计算其他负荷水平下的机组有功出力容量安排，这样可有效避免“组合爆炸”，同时真正体现动态优化的思想。因此，在其中一个实施例中，本发明所建立的多目标调峰动态优化模型可以是包括峰荷时刻的多目标调峰优化模型、除峰荷时刻以外的其他时刻的多目标调峰优化模型。

具体的，在其中一个实施例中，上述多目标调峰优化模型可以以发电耗煤量、购电费用、SO₂（二氧化硫）排放量为优化目标，则峰荷时刻的多目标调峰优化模型为：

目标函数

min{w₁×A_tk+w₂×B_tk+w₃×C_tk}（1）

约束条件

发电机出力上下限约束： ${\underset{\‾}{P_{i,\mathrm{tk}}}}^{\′}\≤P_{i,\mathrm{tk}}\≤{\stackrel{\‾}{P_{i,\mathrm{tk}}}}^{\′},(i=\mathrm{1,2},...N_g)---\left(2\right)$

功率约束： $\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}{P}_{i,\mathrm{tk}}=L_{\mathrm{tk}}---\left(3\right)$

规避频率越限风险约束：P_i,tk≤60%P_i,N(i∈G₁)（4）

电网输电断面功率约束： $\underset{i\∈G_{2,k}}{\mathrm{\Σ}}{P}_{i,\mathrm{tk}}\≤P_{L,\max }{|}_k---\left(5\right)$

水电机组水量约束： $\underset{\underset{t=1}{j\∈G_H}}{\overset{96}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,H}---\left(6\right)$

气电机组两班制运行及气量约束： $\underset{\underset{t=\mathrm{tb}}{j\∈G_{\mathrm{LNG}}}}{\overset{\mathrm{te}}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,\mathrm{LNG}}---\left(7\right)$

其中，下标tk表示峰荷时刻，L_tk为峰荷的大小，G₁为低负荷时要求规避频率越限风险而约束的百万容量机组集合，P_L，max|_k为第k个输电断面最大输送功率，G_H和G_LNG分别表示水电和气电的机组组合，E_j,H和E_j,LNG分别为机组j的水量和气量约束，tb和te为两班制运行的气电机组启、停机时刻；目标函数中，A表示系统总耗煤量（不考虑机组启停煤耗），B为系统总购电费用；C为系统SO₂的总排放量；机组i对应的煤耗如式（8）所示，其中，ξ_i表示机组i的设计煤耗；机组i对应的购电费用如式（9）所示，其中，b_i为向机组i的购电电价(含税)(元/kWh)，不考虑峰谷电价；机组i对应的SO₂排放量如式（10）所示，式中，F_i为机组i所耗煤中的硫转化成SO₂的转化率(火力发电厂锅炉一般取0.90)；S_i为机组i所用煤的含硫量，与所用燃煤产地有关，一般不超过1%，本处可以取0.8%；N_i，SO2为机组i的脱硫效率，一般90-98%，此处可以取95%，若未采用脱硫装置，则N_i，SO2＝0；w₁，w₂，w₃为权值，且

可见，峰荷时刻的调峰优化模型为一典型的二次规划模型，可采用二次规划法予以求解。

$A_{\mathrm{tk}}=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}{\mathrm{\ξ}}_i{P}_{i,\mathrm{tk}}---\left(8\right)$

$B_{\mathrm{tk}}=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}(b_i\×P_{i,\mathrm{tk}})---\left(9\right)$

$C_{\mathrm{tk}}=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\left\{2F_i{S}_i(1-N_{i,\mathrm{SO}2})(c_{i,2}{P_{i,\mathrm{tk}}}^2+c_{i,1}{P}_{i,k})\right\}---\left(10\right)$

其他时刻的多目标调峰优化模型为：

目标函数

min{w₁×A_t+w₂×B_t+w₃×C_t}（11）

约束条件

发电机出力上下限约束： ${\underset{\‾}{P_{i,t}}}^{\′}-P_{i,t+1}\≤{\mathrm{\ΔP}}_{i,t}\≤{\stackrel{\‾}{P_{i,\mathrm{tk}}}}^{\′}-P_{i,t+1},(i=\mathrm{1,2},...N_g)---\left(12\right)$

功率平衡约束： $\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}{\mathrm{\ΔP}}_{i,t}=L_t-L_{t+1}---\left(13\right)$

机组爬坡速率约束： $-{\mathrm{\ΔP}}_i^{\mathrm{down}}\≤{\mathrm{\ΔP}}_{i,t}\≤{\mathrm{\ΔP}}_i^{\mathrm{up}},(i=\mathrm{1,2},...N_g)---\left(14\right)$

规避频率越限风险约束：P_i,t≤60%P_i,N(i∈G₁)（15）

电网输电断面功率约束： $\underset{i\∈G_{2,k}}{\mathrm{\Σ}}{P}_{i,t}\≤P_{L,\max }{|}_k---\left(16\right)$

水电机组水量约束： $\underset{\underset{t=1}{j\∈G_H}}{\overset{96}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,H}---\left(17\right)$

气电机组两班制运行及气量约束： $\underset{\underset{t=\mathrm{tb}}{j\∈G_{\mathrm{LNG}}}}{\overset{\mathrm{te}}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,\mathrm{LNG}}---\left(18\right)$

其中，ΔP_i,t表示机组i由时刻t+1到t的有功出力变化值(可正可负)，且ΔP_i,t＝P_i,t-P_i，t+1；

由于待求变量变为机组出力的调整量ΔP_i，t，因此，目标函数中的A_t,B_t,C_t的表达式也将发生相应变化。但总体形式不变，仍为二次函数。L_t和L_t+1分别为时刻t和时刻t+1的负荷值；

为机组i降负荷出力时的调节速率约束(正数，MW/h)；为机组i升负荷出力时时的爬坡速率值(正数，MW/h)。

采用二次规划法求解模型(11)~(18)后，时刻t发机组i的出力为：

P_i,t＝ΔP_i,t+P_i，t+1(19)

综上所述，要求解模型(1)~(7)和(11)~(18)，其目标函数中表征发电耗煤量、购电费用和SO₂排放量三大优化目标重要性的目标权值w₁、w₂和w₃的取值直接关系到最终的调峰优化结果。传统的目标权值的取值主要依靠人工经验，具有较大的主观性和随意性。为克服这一问题，本发明基于熵权属性识别模型的目标权值确定方法，即，首先为w₁、w₂和w₃赋初值，随后通过各优化目标的熵权值对赋与的初值进行校正，使w₁、w₂和w₃的取值客观且能真正体现相应电力系统的实际调峰特性。

另一方面，在其中一个实施例中，上述步骤S103中的根据各所述原始值并采用熵权法确定各优化目标的熵权值可以具体包括如下步骤：

通过对各优化目标进行同度量化，其中，i＝1、2、3……n,n表示优化目标的个数，x′_i表示第i个优化目标同度量化后的值，x_i表示第i个优化目标的原始值，x_i，av表示预设时期（如一年）内日调峰方案对应的优化目标值的数学平均值，

表示预设时期（如一年）内日调峰方案对应的优化目标值的均方根；

通过x″_i＝x′_i+l，i＝1、2、3……n将各个优化目标同度量化后的值进行坐标平移，确保同度量化后的优化目标值为非负，其中，l表示优化目标同度量化后的坐标平移幅度，以平移幅度最大的优化目标为准，各优化对应平移幅度相等；

通过确定各优化目标在预设时期内的比率，其中，T表示预设时期，

表示对应的优化目标在预设时期内的和；

通过

确定各优化目标的熵值，其中，有f_xi∈[0,1]，n表示优化目标的个数；

通过θ_xi＝1-f_xi确定各优化目标的差异性系数；

通过

确定各优化目标对应的熵权值。

实施例2

为了便于理解本发明，本实施例中给出了一个实际示例用于进一步介绍本发明。

以广东电网春节低负荷日(2010年2月14日)的多目标优化问题为例，可以建立当天的熵权值确定模型。由实施例1中的多目标调峰优化可得，2010年2月14日该天的三大评估指标值分别为：x₁=80589957.82，x₂＝39728038.16，x₃＝88.39，同度量化后得：x′₁＝0.31，x′₂＝0.36，x′₃＝0.07。

因此，可得三项评估指标的熵权值分别为：w₁＝0.34，w₂＝0.35，w₃＝0.31。

将该熵权值代入调峰优化目标函数中，得到新的优化结果与赋与各目标权值初始值(w₁＝0.60，w₂＝0.20，w₃＝0.20)的优化结果对比情况列于表1中。可见，采用新的熵权值后，各项指标性能相对之前都有所提高。

表1采用熵权值后调峰优化结果对比表(2010-2-14)

实施例3

根据上述本发明的多目标调峰优化方法，本发明还提供一种多目标调峰优化系统，以下就本发明的多目标调峰优化系统的具体示例进行详细说明。图3中示出了本发明的多目标调峰优化系统的实施例的结构示意图，该实施例中的多目标调峰优化系统包括赋初始值模块201、第一调峰方案确定模块202、熵权值确定模块203、第二调峰方案确定模块204，其中：

赋初始值模块201，用于分别为预先建立的多目标调峰优化模型中的对应的目标权值赋初始值，其中，赋与的初始值作为为原目标权值，原目标权值无特殊要求，可以任意给定，但各原目标权值相加的和为“1”，多目标调峰优化模型中的目标函数包括多个优化目标，分别给各个优化目标对应的目标权值赋值后，将多目标优化问题转化为了单目标优化问题；

第一调峰方案确定模块202，用于根据赋所述初始值后的多目标调峰优化模型获得第一调峰方案，并通过所述第一调峰方案确定各多目标调峰优化模型中各优化目标的值作为对应优化目标的原始值，其中，初始值后的多目标调峰优化模型为一个单目标优化问题，求解单目标优化问题可以采用现有技术中的方式，在此不予赘述，求解获得结果即为第一调峰方案，通过第一调峰方案可以获得各优化目标的值，为了区别于下述根据第二调峰方案获得的各优化目标的值，把根据第二调峰方案获得的各优化目标的值记为的对应优化目标的原始值；

熵权值确定模块203，用于分别根据各所述原始值并采用熵权法确定各优化目标的熵权值，分别将各所述熵权值赋与多目标调峰优化模型中对应的目标权值，其中，所述熵权值为新目标权值；

第二调峰方案确定模块204，用于根据赋所述熵权值后的多目标调峰优化模型获得第二调峰方案，由于是以熵权法确定的熵权值作为各优化目标新的目标权值，使得获得第二调峰方案更优。

据此，依据上述本发明的方案，首先为调峰优化模型各优化目标的目标权值赋初始值，并优化求解得到第一调峰优化方案，随后再根据由第一调峰优化方案得到的各优化目标的原始值并采用熵权法获得各优化指标函数的新目标权值，将该新目标权值再次代入多目标调峰优化模型中，优化求解后所得的第二调峰方案更优。由调峰优化与熵权值获取共同构成一个闭环反馈系统，使多目标优化问题的目标权值取值更为客观和实用。因为目标权值赋初始值的选取无特殊要求，可以任意给定，使得本发明的多目标调峰优化方法不依赖人工经验，有效的避免了多目标优化问题取值的随意性，进一步提高了调峰优化效果。

同实施例1中相类似，本实施例中的多目标调峰优化系统，其多目标调峰优化模型也可以包括峰荷时刻的多目标调峰优化模型、除峰荷时刻以外的其他时刻的多目标调峰优化模型。上述多目标调峰优化模型也可以以发电耗煤量、购电费用、二氧化硫排放量为优化目标，其中，峰荷时刻的多目标调峰优化模型和其他时刻的多目标调峰优化模型为和实施例1中对应优化模型相同，在此，对重复内容不加于赘述。

在其中一个实施例中，如图3所示，熵权值确定模块203可以包括同度量化单元301、坐标平移单元302、比率确定单元303、熵值确定单元304、差异性系数获取单元305、熵权值确定单元306，其中：

同度量化单元301，用于通过

对各优化目标进行同度量化，其中，i=1、2、3……n,n表示优化目标的个数，x′_i表示第i个优化目标同度量化后的值，x_i表示第i个优化目标的原始值，x_i，av表示预设时期（如一年）内日调峰方案对应的优化目标值的数学平均值，表示预设时期（如一年）内日调峰方案对应的优化目标值的均方根；

坐标平移单元302，用于通过x″_i＝x′_i+l，i＝1、2、3……n将各个优化目标同度量化后的值进行坐标平移，确保同度量化后的优化目标值为非负，其中，l表示优化目标同度量化后的坐标平移幅度，以平移幅度最大的优化目标为准，各优化对应平移幅度相等；

比率确定单元303，用于通过

确定各优化目标在预设时期内的比率，其中，T表示预设时期，

表示对应的优化目标在预设时期内的和；

熵值确定单元304，用于通过确定各优化目标的熵值，其中，有f_xi∈[0,1]，n表示优化目标的个数；

差异性系数获取单元305，用于通过θ_xi＝1-f_xi确定各优化目标的差异性系数；熵权值确定单元306，用于通过

确定各优化目标对应的熵权值。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种多目标调峰优化方法，其特征在于，包括如下步骤：

分别为预先建立的多目标调峰优化模型中的对应的目标权值赋初始值；

根据赋所述初始值后的多目标调峰优化模型获得第一调峰方案，并通过所述第一调峰方案确定各多目标调峰优化模型中各优化目标的值作为对应优化目标的原始值；

分别根据各所述原始值并采用熵权法确定各优化目标的熵权值，分别将各所述熵权值赋与多目标调峰优化模型中对应的目标权值；

根据赋所述熵权值后的多目标调峰优化模型获得第二调峰方案。

2.根据权利要求1所述的多目标调峰优化方法，其特征在于，所述多目标调峰优化模型包括峰荷时刻的多目标调峰优化模型、除峰荷时刻以外的其他时刻的多目标调峰优化模型。

3.根据权利要求2所述的多目标调峰优化方法，其特征在于，所述多目标调峰优化模型以发电耗煤量、购电费用、二氧化硫排放量为优化目标，其中，

峰荷时刻的多目标调峰优化模型为：

目标函数

min{w₁×A_tk+w₂×B_tk+w₃×C_tk}

约束条件

发电机出力上下限约束： ${\underset{\‾}{P_{i,\mathrm{tk}}}}^{\′}\≤P_{i,\mathrm{tk}}\≤{\stackrel{\‾}{P_{i,\mathrm{tk}}}}^{\′},(i=\mathrm{1,2},...N_g)$

功率约束： $\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}{P}_{i,\mathrm{tk}}=L_{\mathrm{tk}}$

规避频率越限风险约束：P_i,tk≤60%P_i,N(i∈G₁)

电网输电断面功率约束： $\underset{i\∈G_{2,k}}{\mathrm{\Σ}}{P}_{i,\mathrm{tk}}\≤P_{L,\max }{|}_k$

水电机组水量约束： $\underset{\underset{t=1}{j\∈G_H}}{\overset{96}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,H}$

气电机组两班制运行及气量约束： $\underset{\underset{t=\mathrm{tb}}{j\∈G_{\mathrm{LNG}}}}{\overset{\mathrm{te}}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,\mathrm{LNG}}$

其中，下标tk表示峰荷时刻，L_tk为峰荷的大小，G₁为低负荷时要求规避频率越限风险而约束的百万容量机组集合，P_L,max|_k为第k个输电断面最大输送功率，G_H和G_LNG分别表示水电和气电的机组组合，E_j,H和E_j,LNG分别为机组j的水量和气量约束，tb和te为两班制运行的气电机组启、停机时刻，A表示系统总耗煤量，B为系统总购电费用；C为系统SO2的总排放量；

其他时刻的多目标调峰优化模型为：

目标函数

min{w₁×A_t+w₂×B_t+w₃×C_t}

约束条件

发电机出力上下限约束： ${\underset{\‾}{P_{i,t}}}^{\′}-P_{i,t+1}\≤{\mathrm{\ΔP}}_{i,t}\≤{\stackrel{\‾}{P_{i,\mathrm{tk}}}}^{\′}-P_{i,t+1},(i=\mathrm{1,2},...N_g)$

功率平衡约束： $\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}{\mathrm{\ΔP}}_{i,t}=L_t-L_{t+1}$

机组爬坡速率约束： $-{\mathrm{\ΔP}}_i^{\mathrm{down}}\≤{\mathrm{\ΔP}}_{i,t}\≤{\mathrm{\ΔP}}_i^{\mathrm{up}},(i=\mathrm{1,2},...N_g)$

规避频率越限风险约束：P_i,t≤60%P_i,N(i∈G₁)

电网输电断面功率约束： $\underset{i\∈G_{2,k}}{\mathrm{\Σ}}{P}_{i,t}\≤P_{L,\max }{|}_k$

水电机组水量约束： $\underset{\underset{t=1}{j\∈G_H}}{\overset{96}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,H}$

气电机组两班制运行及气量约束： $\underset{\underset{t=\mathrm{tb}}{j\∈G_{\mathrm{LNG}}}}{\overset{\mathrm{te}}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,\mathrm{LNG}}$

其中，ΔP_i,t表示机组i由时刻t+1到时刻t的有功出力变化值，且ΔP_i,t＝P_i，tP_i，t+1，L_t和L_t+1分别为时刻t和时刻t+1的负荷值；

为机组i降负荷出力时的调节速率约束；

为机组i升负荷出力时的爬坡速率值。

4.根据权利要求1所述的多目标调峰优化方法，其特征在于，所述分别根据各所述原始值并采用熵权法确定各优化目标的熵权值包括如下步骤：

通过

对各优化目标进行同度量化，其中，i=1、2、3……n,n表示优化目标的个数，x′_i表示第i个优化目标同度量化后的值，x_i表示第i个优化目标的原始值，x_i，av表示预设时期内日调峰方案对应的优化目标值的数学平均值，

表示预设时期内日调峰方案对应的优化目标值的均方根；

通过x″_i＝x′_i+l，i＝1、2、3……n将各个优化目标同度量化后的值进行坐标平移，确保同度量化后的优化目标值为非负，其中，l表示优化目标同度量化后的坐标平移幅度；

通过

确定各优化目标在预设时期内的比率，其中，T表示预设时期；

通过

确定各优化目标的熵值；

通过θ_xi＝1-f_xi确定各优化目标的差异性系数；

通过

确定各优化目标对应的熵权值。

5.一种多目标调峰优化系统，其特征在于，包括：

赋初始值模块，用于分别为预先建立的多目标调峰优化模型中的对应的目标权值赋初始值；

第一调峰方案确定模块，用于根据赋所述初始值后的多目标调峰优化模型获得第一调峰方案，并通过所述第一调峰方案确定各多目标调峰优化模型中各优化目标的值作为对应优化目标的原始值；

熵权值确定模块，用于分别根据各所述原始值并采用熵权法确定各优化目标的熵权值，分别将各所述熵权值赋与多目标调峰优化模型中对应的目标权值；

第二调峰方案确定模块，用于根据赋所述熵权值后的多目标调峰优化模型获得第二调峰方案。

6.根据权利要求5所述的多目标调峰优化系统，其特征在于，所述多目标调峰优化模型包括峰荷时刻的多目标调峰优化模型、除峰荷时刻以外的其他时刻的多目标调峰优化模型。

7.根据权利要求6所述的多目标调峰优化系统，其特征在于，所述多目标调峰优化模型以发电耗煤量、购电费用、二氧化硫排放量为优化目标，其中，

峰荷时刻的多目标调峰优化模型为：

目标函数

min{w₁×A_tk+w₂×B_tk+w₃×C_tk}

约束条件

发电机出力上下限约束： ${\underset{\‾}{P_{i,\mathrm{tk}}}}^{\′}\≤P_{i,\mathrm{tk}}\≤{\stackrel{\‾}{P_{i,\mathrm{tk}}}}^{\′},(i=\mathrm{1,2},...N_g)$

功率约束： $\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}{P}_{i,\mathrm{tk}}=L_{\mathrm{tk}}$

规避频率越限风险约束：P_i,tk≤60%P_i,N(i∈G₁)

电网输电断面功率约束： $\underset{i\∈G_{2,k}}{\mathrm{\Σ}}{P}_{i,\mathrm{tk}}\≤P_{L,\max }{|}_k$

水电机组水量约束： $\underset{\underset{t=1}{j\∈G_H}}{\overset{96}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,H}$

气电机组两班制运行及气量约束： $\underset{\underset{t=\mathrm{tb}}{j\∈G_{\mathrm{LNG}}}}{\overset{\mathrm{te}}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,\mathrm{LNG}}$

其中，下标tk表示峰荷时刻，L_tk为峰荷的大小，G₁为低负荷时要求规避频率越限风险而约束的百万容量机组集合，P_L，max|_k为第k个输电断面最大输送功率，G_H和G_LNG分别表示水电和气电的机组组合，E_j,H和E_j,LNG分别为机组j的水量和气量约束，tb和te为两班制运行的气电机组启、停机时刻，A表示系统总耗煤量，B为系统总购电费用；C为系统SO₂的总排放量；

其他时刻的多目标调峰优化模型为：

目标函数

min{w₁×A_t+w₂×B_t+w₃×C_t}

约束条件

发电机出力上下限约束： ${\underset{\‾}{P_{i,t}}}^{\′}-P_{i,t+1}\≤{\mathrm{\ΔP}}_{i,t}\≤{\stackrel{\‾}{P_{i,\mathrm{tk}}}}^{\′}-P_{i,t+1},(i=\mathrm{1,2},...N_g)$

功率平衡约束： $\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}{\mathrm{\ΔP}}_{i,t}=L_t-L_{t+1}$

机组爬坡速率约束： $-{\mathrm{\ΔP}}_i^{\mathrm{down}}\≤{\mathrm{\ΔP}}_{i,t}\≤{\mathrm{\ΔP}}_i^{\mathrm{up}},(i=\mathrm{1,2},...N_g)$

规避频率越限风险约束：P_i,t≤60%P_i,N(i∈G₁)

电网输电断面功率约束： $\underset{i\∈G_{2,k}}{\mathrm{\Σ}}{P}_{i,t}\≤P_{L,\max }{|}_k$

水电机组水量约束： $\underset{\underset{t=1}{j\∈G_H}}{\overset{96}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,H}$

气电机组两班制运行及气量约束： $\underset{\underset{t=\mathrm{tb}}{j\∈G_{\mathrm{LNG}}}}{\overset{\mathrm{te}}{\mathrm{\Σ}}}{P}_{j,t}=E_{j,\mathrm{LNG}}$

其中，ΔP_i,t表示机组i由时刻t+1到时刻t的有功出力变化值，且ΔP_i,t＝P_i，t-P_i，t+1，L_t和L_t+1分别为时刻t和时刻t+1的负荷值；

为机组i降负荷出力时的调节速率约束；为机组i升负荷出力时的爬坡速率值。

8.根据权利要求5所述的多目标调峰优化系统，其特征在于，所述熵权值确定模块包括：

同度量化单元，用于通过

对各优化目标进行同度量化，其中，i=1、2、3……n,n表示优化目标的个数，x′_i表示第i个优化目标同度量化后的值，x_i表示第i个优化目标的原始值，x_i，av表示预设时期内日调峰方案对应的优化目标值的数学平均值，表示预设时期内日调峰方案对应的优化目标值的均方根；

坐标平移单元，用于通过x″_i＝x′_i+l，i＝1、2、3……n将各个优化目标同度量化后的值进行坐标平移，确保同度量化后的优化目标值为非负，其中，l表示优化目标同度量化后的坐标平移幅度；

比率确定单元，用于通过

确定各优化目标在预设时期内的比率，其中，T表示预设时期；

熵值确定单元，用于通过

计确定各优化目标的熵值；

差异性系数获取单元，用于通过θ_xi＝1-f_xi确定各优化目标的差异性系数；

熵权值确定单元，用于通过

确定各优化目标对应的熵权值。

Images