CN103714226A - 一种有序用电优化方案自动生成方法与装置 - Google Patents

Abstract

本发明公开了一种有序用电优化方案自动生成方法和装置，其中方案自动生成方法提出了建立评价指标体系，在此基础上有针对性地定义并配置计算模型，最后采用遗传算法生成一个优化的有序用电方案；方案自动生成装置包括指标生成模块、模型配置模块、计算模块、历史数据模块、展示模块和下发模块。本发明提供的有序用电优化方案自动生成方法和装置，可以高效地自动生成有序用电方案，辅助有序用电最终方案的制定，优化资源配置，实现社会效益的最大化。

Description

一种有序用电优化方案自动生成方法与装置

技术领域

本发明涉及计算机领域，特别涉及一种有序用电优化方案自动生成方法与装置。

背景技术

随着我国经济规模的快速增长，电力需求不断增加，虽然发电量不断增加，但是电力整体短缺的状况将在一个较长的时间存在，同时，随着经济结构调整、优化因素，结构性、时段性的缺电越来越成为电力供需平衡焦点问题，单纯通过扩大投资规模增加装机容量来满足尖峰用电，不仅要投入大量资金，而且会因发电设备利用率下降造成供电成本上升，从而造成整体资源的浪费。有序用电管理是解决这一问题的必然选择，尤其在结构性、时段性缺电的情况下，有序用电综合考虑社会、电网企业、用户三方的利益，终极目标是优化资源配置、社会效益的最大化。

有序用电管理核心是有序用电方案的制定，有序用电方案涉及社会、电网企业、用户多方的利益，最优化的用电方案制定是典型多目标优化问题，计算量巨大，仅仅通过领域专家手工制定很难制定好的有序用电方案，自动化方案生成可以有效辅助优化方案的制定，可以产生很大的经济和社会效益。自动化有序用电方案生成需要支持以下内容：首先，效益评价指标体系的建立，指标体系要考虑用户、电网企业、社会三方面的效益评价，并建立综合的指标体系；其次，优化计算模型的建立，计算模型要支持综合效益最大化的有效计算目标，并且要求能够适应指标体系的改进及参数的优化；最后，支持自动化方案的多种形式直观输出，以适应在实际应用中多角度对方案的评价，辅助最终方案的制定。因此需要建立一个支持指标定义和维护、计算模型管理以及有序用电自动方案制定的方法支持体系。

发明内容

本发明的目的就是为解决上述问题，提供一种有序用电优化方案自动生成方法与装置，它具有高效地自动生成有序用电方案，辅助有序用电最终方案的制定，优化资源配置，实现社会效益的最大化的优点。

为实现上述目的，本发明采用如下技术方案：

一种有序用电优化方案自动生成方法，主要包括以下工作步骤：

步骤A：利用上位机的指标生成模块定义有序用电方案评价指标体系：分别利用上位机的指标生成模块的指标定义模块对用户效益评价指标、电网企业效益评价指标、社会效益评价指标进行量化定义，利用上位机的指标生成模块中的指标计算模块定义指标计算模型，从历史数据模块中获取计算所需历史数据，形成评价指标体系；

步骤B：利用上位机的模型配置模块生成有序用电方案模型：利用上位机的模型配置模块的计算模型定义模块配置有序用电方案模型的参数，参数配置基于效益评价指标定义，利用上位机的模型配置模块中的评价函数定义模块实现基于评价指标的模型评价函数定义、评价函数中分量权重定义，从而使得方法适应指标的变化、支持计算的不断优化，在分量权重定义中支持“基于历史数据统计的极大似然”设定、专家经验设定多种方式，确保计算模型针对具体数据环境的适应性和不断改进，其中历史数据是从历史数据模块中获取的；

步骤C：利用上位机的计算模块自动生成有序用电方案：利用上位机的计算模块中的约束条件输入模块定义目标约束，利用上位机的计算模块的遗传算法模块依据选择的模型参数设置、评价函数进行自动优化计算，生成用电方案，所述有序用电方案的自动生成采用遗传算法；

步骤D：通过上位机的展示模块直观地展示生成的有序用电方案及其限电效果：支持操作人员根据实际需求进行修改，寻求最优方案；通过上位机的下发模块利用通信通道向各个负控终端下发生成的最优的有序用电方案。

所述步骤A的具体步骤为：

步骤A1：利用上位机的指标生成模块中的指标定义模块实现指标项定义，定义有序用电方案评价指标项，指标项定义后形成方案评价指标体系；单项指标表示为：指标编号，指标名称、指标权重、指标描述、上级指标编号；指标定义方式包括指标自定义和指标按需选择方式两种，指标自定义利用动态指标定义模块实现，指标按需选择利用预设指标选择模块实现；支持指标项的指标项编号、指标项名称、指标项权重基本表示属性的维护，并通过支持指标项的上级指标项编号形成树形表示的指标体系表示；

步骤A2：利用上位机的指标生成模块的指标计算模块实现指标计算模型配置，配置项目如下：指标编号，计算方式，计算资源；具体指标计值方式采用可配置的方式，计算方式支持组件、公式以及自数据源直接提取多种方式；计算所需的历史数据是从上位机的历史数据模块中获得的。

所述步骤B的具体步骤为：

B1.利用上位机的模型配置模块的计算模型定义模块实现计算模型定义，配置项目如下：计算模型编号，计算模型名称；利用预设模型选择模块完成对计算模型的描述定义，利用上位机的模型配置模块的计算模型定义模块的动态模型定义模块在整体结构上支持模型的可扩展，配置出如整体效益最大、用户效益最大、供电公司效益最大多种计算模型；

B2.利用上位机的模型配置模块的评价函数定义模块中实现评价函数定义，针对不同的参数配置完成评价函数的定义，定义评价函数的各分量及评价函数计算公式，并同时设置评价函数各分量的权重参数。

所述步骤B2的具体步骤为：

B21.利用上位机的模型配置模块的评价函数定义模块的分量变元计算模块实现评价函数分量变元定义，增加、删除或修改分量变元；若变元不直接对应评价指标，则变元配置项目为：变元编号、变元名称、变元计值方式；

B22.利用上位机的模型配置模块的评价函数计算模块实现评价函数计算公式定义，定义评价函数计算公式，函数定义支持变元的算数运算公式定义，并同时进行各分量的系数设置；评价函数形式表示为：

$E_r={\mathrm{\Σ}}_{i=1}^4{W}_i*\left({\mathrm{\Σ}}_{j=1}^{50}(V_{i}j*\mathrm{Uj})\right)$

其中，E_r即为评价函数，r为正整数，代表不同的参数配置方案；W_i为分量权重变元，1≤i≤m，i为正整数；V_ij为限电分量变元，1≤i≤m，1≤j≤n，i，j均为正整数；Uj是个值为0或者1的函数，1≤j≤n，j为正整数，表示客户在一轮选择中参与限电与否；m是指标个数；n是参与有序用电管理的客户数量。

所述步骤B22的工作步骤为：

B221.利用上位机的模型配置模块的评价函数定义模块的分量变元计算模块设置评价函数限电分量变元，量化地表现客户在一级指标上的效益分布情况，有倾向性地评定客户的单位效益；则在某一评价指标分量上的评价函数限电分量变元表示为：

$V_{i}j=\mathrm{cj}*\frac{I_i}{{\mathrm{\Σ}}_{k=1}^m{I}_k}*\mathrm{Bj}$

其中，V_ij即为限电变量分元，1≤i≤m，1≤j≤n，i，j均为正整数；cj为每个客户的限电量，1≤j≤n，j为正整数；Bj为每个客户的每度电的单位效益，1≤j≤n，j为正整数；I_i，I_k为评价指标的权重，1≤i≤m，i为正整数，1≤k≤m，k为正整数；m是一级指标的个数；n是参与有序用电管理的客户数量；

B222.利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块设置评价函数分量权重，维护评价函数各分量的系数设置，支持评价函数各分量权重针对不同的应用场景数据进行灵活适应性设置；分量权重的定义方式有两种：一种是根据经验直接设置，这种适用于计算模型简单明确的情况下，利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块的外部输入模块实现；另一种是根据历史效益数据自动设置，采取基于历史数据统计以支持“极大似然”分量权重设置，利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块的相关性计算模块实现；后一种定义方法基于历史效益数据的分量指标效益与全局效益相关性计算，这样有效辅助评价函数中各分量权重确定，历史效益数据来自历史数据模块，具体计算过程为：

基于历史数据分别计算某分量效益和全局效益，并形成两个序列，分量i效益序列：V_di1，V_di2，...，V_din，其中，V_dij是每个客户在不同分量上的效益，1≤i≤m，i为正整数，m是一级指标的个数，1≤j≤n，j为正整数，n是参与有序用电管理的客户数量；全局效益序列：V_g1，V_g2，...，V_gn，其中，V_gj是每个客户的全局效益，1≤j≤n，j为正整数，n是参与有序用电管理的客户数量；

利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块的相关性计算模块计算分量效益与全局效益相关性系数，计算采用Pearson相关系数公式，分量i与全局效益相关系数：

$R_i=\frac{n{\mathrm{\Σ}}_{j=1}^n(V_{\mathrm{di}}j*V_{g}j)-{\mathrm{\Σ}}_{j=1}^n{V}_{\mathrm{di}}j*{\mathrm{\Σ}}_{j=1}^n{V}_{g}j}{\sqrt[2]{n{\mathrm{\Σ}}_{j=1}^n{\left(V_{\mathrm{di}}j\right)}^2-{\left(V_{\mathrm{di}}j\right)}^2}\sqrt[2]{n{\mathrm{\Σ}}_{j=1}^n{\left(V_{g}j\right)}^2-{\left({\mathrm{\Σ}}_{j=1}^n{V}_{g}j\right)}^2}}$

其中，R_i即为分量效益与全局效益的相关系数，1≤i≤m，i为正整数，m是一级指标的个数；n是参与有序用电管理的客户数量；1≤j≤n，j为正整数；

计算所有分量效益与全局效益相关性后，根据相关程度按比例给出各分量权重系数，第i个分量的权重系数为：

$W_i=\frac{R_i}{{\mathrm{\Σ}}_{k=1}^m{R}_k}$

其中，W_i即为各分量的权重系数；R_i,R_k为分量效益与全局效益的相关系数；1≤i≤m，1≤k≤m，i，k为正整数，m是一级指标的个数。

所述步骤C的工作步骤为：

C1.利用上位机的计算模块的约束条件输入模块定义用电方案制订约束条件，具体包括：客户限电约束范围、总体限电额度输入参数，具体表示为：

其中，C为限电额度；cj为客户可限电额度，1≤j≤n，j为正整数；Uj=0或1，1≤j≤n，j为正整数；n是参与有序用电管理的客户数量；

C2.利用上位机的计算模块的遗传算法模块生成用电方案，基于目标和约束条件定义，根据选定的计算模型进行方案的自动生成。

所述步骤C2的工作步骤为：

C21.利用上位机的计算模块的遗传算法模块的参数设置模块设置遗传算法染色体长度N和初始种群大小M，根据N、M和方案约束条件随机生成初始种群，并产生遗传编码；

C22.利用上位机的计算模块的遗传算法模块的适应度计算模块按照评价函数定义计算每个方案的适应度函数取值，对每个方案计算适应度函数：

其中，F_r即为方案的适应度函数，E_r是方案r的评价函数，F_c是理论上的最优解对应的值；

C23.利用上位机的计算模块的遗传算法模块的终止判断模块设置终止条件，定义误差精度控制E或最大迭代次数T，若产生的方案满足适应度大于E，或者迭代次数达到了T，则以这一代中适应度最大的染色体作为最优解输出，终止计算；否则，继续运行；

C24.利用上位机的计算模块的遗传算法模块的选择操作模块根据选择概率选择染色体，将上述个体作为第一代，采用正比于适应度的轮盘赌随机选择方式，计算所有方案的适应度值之和sum，计算每个方案的选择概率P_r=F_r/sum，随机产生一个0~1之间的随机数S₁，如果满足(P₁+P₂+…+P_k-1)<S₁≤(P₁+P₂+…+P_k)，则选中第k个方案，k为正整数；

C25.利用上位机的计算模块的遗传算法模块的交叉操作模块采用随机方式选择两个适应度高的方案，采用一点交叉方式，随机产生1~n之间的随机数S₂，即为选中的染色体待交叉点位置；交叉概率设为P_c，随机产生0~1之间的随机数S₃，若S₃<P_c，则交叉生成新的方案；若交叉后生成的新方案不满足约束条件，则从客户中单位效益最小的开始添加，直到满足约束条件；若方案数满足种群规模要求则继续，否则重复执行本步；

C26.对新产生的方案，利用上位机的计算模块的遗传算法模块的变异操作模块采用变异概率P_m进行位点变异；随机产生1~n之间的随机数S₄，即为选中的染色体待变异点位置；随机产生0~1之间的随机数S₅，若S₅<P_m，则方案进行位点变异；若交叉后生成的新方案不满足约束条件，则从客户中单位效益最小的开始添加，直到满足约束条件；转C22计算方案的适应度函数。

一种有序用电优化方案自动生成装置，涉及上位机，所述上位机通过通信信道将数据传输给负控终端；所述上位机包含历史数据模块、指标生成模块、模型配置模块、展示模块、计算模块和下发模块；所述通信信道包括公网信道和串口信道；所述负控终端包括若干个终端和与每个终端相连接的若干负控客户；所述指标生成模块包括指标定义模块和指标计算模块；所述指标定义模块包括动态指标定义模块和预设指标选择模块；所述模型配置模块包括计算模型定义模块和评价函数定义模块；所述计算模型定义模块包括动态模型定义模块和预设模型选择模块；所述评价函数定义模块包括分量变元计算模块、分量权重计算模块和评价函数计算模块；所述分量权重计算模块包含外部输入模块和相关性计算模块；所述计算模块包括约束条件输入模块和遗传算法模块；所述遗传算法模块包括参数设置模块、适应度计算模块、选择操作模块、交叉操作模块、变异操作模块、终止判断模块；所述公网信道包括GPRS、CDMA、ADSL公网信道；所述串口信道包括230MHz、PSTN、RS232串口信道；所述上位机内部数据传输方向为指标计算模块和相关性计算模块从历史数据模块中获取数据，模型配置模块从指标生成模块获取数据，终止判断模块从模型配置模块获取数据，计算模块将数据传输给展示模块，展示模块将数据传输给下发模块。

指标生成模块，用于生成有序用电方案的评价指标；

模型配置模块，用于配置有序用电方案的计算模型；

计算模块，用于生成有序用电优化方案；

历史数据模块，用于存储历史数据，为指标的生成与模型的配置提供历史数据支撑。

展示模块，用于展示生成的有序用电方案，并支持操作人员根据实际需求通过调整指标项进行修改，直观地展示有序用电方案的限电效果，寻求最优方案；

下发模块，用于向负控终端下发生成的最优的有序用电方案。生成的有序用电方案通过通信信道下发到各负控终端，终端根据方案对负控客户进行有序用电管理。

指标定义模块，用于定义方案生成所需的评价指标；

指标计算模块，定义指标定义模块定义的评价指标的计算公式，根据公式从历史数据模块中直接提取或利用历史数据计算，得到评价指标的值。

动态指标定义模块，支持操作人员按单项指标表示格式（指标编号，指标名称、指标权重、指标描述、上级指标编号）定义方案生成所需的评价指标；

预设指标选择模块，从预设的评价指标中选取本轮方案生成所需的指标。

计算模型定义模块，用于定义或者选择本轮方案生成依据的计算模型，体现本次有序用电管理的着重点；

评价函数定义模块，利用指标生成模块中定义的评价指标及其值，评价在选定的计算模型下方案的性能，通过评价函数的差异实现计算模型的更改。

动态模型定义模块，支持操作人员按模型配置项目（计算模型编号，计算模型名称）定义方案生成所需的计算模型，支持模型的可扩展；

预设模型选择模块，从预设的计算模型中选取本轮方案生成所需的模型。

分量变元计算模块，根据评价指标及其值，量化地表现客户在指标上的性能分布情况，有倾向性地评定客户的某方面性能；

分量权重计算模块，用于定义该性能在每个评价指标上的权重；

评价函数计算模块，定义评价函数的计算公式，根据分量变元计算模块和分量权重计算模块的计算结果，得到评价函数的值。

外部输入模块，由操作人员依据经验直接设置分量权重；

相关性计算模块，从历史数据模块获取相关历史数据，基于历史数据根据分量指标与全局指标的相关性关系，分别计算分量权重。

约束条件输入模块，用于输入方案生成约束条件；

遗传算法模块，用于生成在选用的计算模型下，满足约束条件的优化的有序用电方案。

参数设置模块，用于设置遗传算法所需的参数，由操作人员输入与调整，并生成满足约束条件的初始有序用电方案；

适应度计算模块，用于根据评价函数计算生成方案的适应度；

终止判断模块，依据适应度制定遗传算法终止条件，用于判断遗传算法的终止与否；

选择操作模块，用于实现遗传算法的选择操作；

交叉操作模块，用于实现遗传算法的交叉操作；

变异操作模块，用于实现遗传算法的变异操作。

本发明的有益效果：

提供了一种有序用电优化方案自动生成方法与装置，提出了建立针对用户、电网企业、社会三方面的效益评价指标体系，在此基础上有针对性地定义并配置计算模型，最后采用遗传算法生成一个优化的有序用电方案。本发明可以高效地自动生成有序用电方案，辅助有序用电最终方案的制定，优化资源配置，实现社会效益的最大化。

附图说明

图1为一种有序用电优化方案自动生成方法流程图；

图2为评价指标生成步骤图；

图3为计算模型配置步骤图；

图4为自动生成计算应用步骤图；

图5为方案自动生成计算过程图；

图6为方案自动生成装置模块图。

601、指标生成模块，602、模型配置模块，603、计算模块，604、历史数据模块，605、展示模块，606、下发模块，607、负控终端，608、通信信道，6011、指标定义模块，6012、指标计算模块，60111、动态指标定义模块，60112、预设指标选择模块，6021、计算模型定义模块，6022、模型配置模块，60211、动态模型定义模块，60212、预设模型选择模块，60221、分量变元计算模块，60222、分量权重计算模块，60223、评价函数计算模块，602221、外部输入模块，602222、相关性计算模块，6031、约束条件输入模块，6032、遗传算法模块，60321、参数设置模块，60322、适应度计算模块，60324、选择操作模块，60325、交叉操作模块，60326、变异操作模块，60323、终止判断模块。

具体实施方式

本发明实施例提供一种有序用电优化方案自动生成方法与装置。有序用电方案自动生成，是根据总限电量在众多参与有序用电管理的用户中自动生成一组限电组合，使得多种效益指标最大化，这是典型的多目标求解问题，多目标求解问题不一定有最优解，因此即使遍历所有可能的组合，也不一定找到满足要求的解。本方案基于遗传算法，在有效的时间内，试图求尽量优化的解。

下面结合附图和实施例对本发明进行进一步详细说明。

参考图6，是本发明一种有序用电优化方案自动生成装置，该装置包括：

一种有序用电优化方案自动生成装置，涉及上位机，所述上位机通过通信信道608将数据传输给负控终端607；所述上位机包含历史数据模块604、指标生成模块601、模型配置模块602、展示模块605、计算模块603和下发模块606；所述通信信道608包括公网信道和串口信道；所述负控终端607包括若干个终端和与每个终端相连接的若干负控客户；所述指标生成模块601包括指标定义模块6011和指标计算模块6012；所述指标定义模块6011包括动态指标定义模块60111和预设指标选择模块60112；所述模型配置模块602包括计算模型定义模块6021和评价函数定义模块6022；所述计算模型定义模块6021包括动态模型定义模块60211和预设模型选择模块60212；所述评价函数定义模块602包括分量变元计算模块60221、分量权重计算模块60222和评价函数计算模块60223；所述分量权重计算模块60222包含外部输入模块602221和相关性计算模块602222；所述计算模块603包括约束条件输入模块6031和遗传算法模块6032；所述遗传算法模块6032包括参数设置模块60321、适应度计算模块60322、选择操作模块60324、交叉操作模块60325、变异操作模块60326、终止判断模块60323；所述公网信道包括GPRS、CDMA、ADSL公网信道；所述串口信道包括230MHz、PSTN、RS232串口信道；所述上位机内部数据传输方向为指标计算模块6012和相关性计算模块602222从历史数据模块604中获取数据，模型配置模块602从指标生成模块601获取数据，终止判断模块60323从模型配置模块602获取数据，计算模块603将数据传输给展示模块605，展示模块605将数据传输给下发模块606。

指标生成模块601，用于生成有序用电方案的评价指标；

模型配置模块602，用于配置有序用电方案的计算模型；

计算模块603，用于生成有序用电优化方案；

历史数据模块604，用于存储历史数据，为指标的生成与模型的配置提供历史数据支撑。

展示模块605，用于展示生成的有序用电方案，并支持操作人员根据实际需求通过调整指标项进行修改，直观地展示有序用电方案的限电效果，寻求最优方案；

下发模块606，用于向负控终端下发生成的最优的有序用电方案。生成的有序用电方案通过通信信道下发到各负控终端，终端根据方案对负控客户进行有序用电管理。

所述指标生成模块601还包括以下模块：

指标定义模块6011，用于定义方案生成所需的评价指标；

指标计算模块6012，定义指标定义模块定义的评价指标的计算公式，根据公式从历史数据模块中直接提取或利用历史数据计算，得到评价指标的值。

所述指标定义模块6011还包括以下模块：

动态指标定义模块60111，支持操作人员按单项指标表示格式（指标编号，指标名称、指标权重、指标描述、上级指标编号）定义方案生成所需的评价指标；

预设指标选择模块60112，从预设的评价指标中选取本轮方案生成所需的指标。

所述模型配置模块602还包括以下模块：

计算模型定义模块6021，用于定义或者选择本轮方案生成依据的计算模型，体现本次有序用电管理的着重点；

评价函数定义模块6022，利用指标生成模块中定义的评价指标及其值，评价在选定的计算模型下方案的性能，通过评价函数的差异实现计算模型的更改。

所述计算模型定义模块还包括以下模块：

动态模型定义模块60211，支持操作人员按模型配置项目（计算模型编号，计算模型名称）定义方案生成所需的计算模型，支持模型的可扩展；

预设模型选择模块60212，从预设的计算模型中选取本轮方案生成所需的模型。

所述评价函数定义模块6022还包括：

分量变元计算模块60221，根据评价指标及其值，量化地表现客户在指标上的性能分布情况，有倾向性地评定客户的某方面性能；

分量权重计算模块60222，用于定义该性能在每个评价指标上的权重；

评价函数计算模块60223，定义评价函数的计算公式，根据分量变元计算模块和分量权重计算模块的计算结果，得到评价函数的值。

所述分量权重计算模块60222还包括：

外部输入模块602221，由操作人员依据经验直接设置分量权重；

相关性计算模块602222，从历史数据模块获取相关历史数据，基于历史数据根据分量指标与全局指标的相关性关系，分别计算分量权重。

所述计算模块603还包括：

约束条件输入模块6031，用于输入方案生成约束条件；

遗传算法模块6032，用于生成在选用的计算模型下，满足约束条件的优化的有序用电方案。

所述遗传算法模块6032还包括：

参数设置模块60321，用于设置遗传算法所需的参数，由操作人员输入与调整，并生成满足约束条件的初始有序用电方案；

适应度计算模块60322，用于根据评价函数计算生成方案的适应度；

终止判断模块60323，依据适应度制定遗传算法终止条件，用于判断遗传算法的终止与否；

选择操作模块60324，用于实现遗传算法的选择操作；

交叉操作模块60325，用于实现遗传算法的交叉操作；

变异操作模块60326，用于实现遗传算法的变异操作。

参考图1，是本发明一种有序用电优化方案自动生成方法的流程图，具体生成过程如下：

在开始生成有序用电方案前应先明确参与有序用电管理的用户的基本信息和总限电量，它们是有序用电方案生成的前提。本实施例中存在50个具有代表性的有序用电参与用户，并且明确这些客户的限电量cj和每度电的单位效益Bj，总限电量要求为10000千瓦时。详细数据见下表：

表1参与客户的限电量和每度电单位效益

有序用电优化方案的自动生成首先要确定计算模型。计算模型定义实例如下表：

表2计算模型定义

模型编号	模型名称	备注
			01	限电时供电公司效益最大
02	限电时客户效益最大
			......	......

在本实施例中选用01号模型，以限电时供电公司效益最大模型作为计算模型，即要求限电损失效益最小。

在使用这一模型的情况下，指标体系定义实例可如下表：

表2评价指标体系定义

指标体系的生成在本发明提出的有序用电方案自动生成装置中是由指标生成模块601与历史数据模块604实现的。

有序用电方案生成模型管理，步骤如下：

限电客户效益最大时，配置评价函数为：

$E_r={\mathrm{\&Sigma;}}_{i=1}^4{W}_i*\left({\mathrm{\&Sigma;}}_{j=1}^{50}(V_{i}j*\mathrm{Uj})\right)$

其中，分量权重W_i有两种定义方式。一种为根据经验直接设置，实例如下表所示：

表3基于经验值的分量权重定义

另一种为根据历史效益数据自动设置，实例如下表所示：

表4基于历史效益数据的分量权重定义

限电分量效益V_ij定义实例如下表所示：

表5限电分量效益定义

有序用电方案生成模型管理在本发明提出的有序用电方案自动生成装置中是由模型配置模块602与历史数据模块604实现的。

基于遗传算法的有序用电方案自动生成，步骤如下：

遗传算法参数设置实例如下表：

表6遗传算法参数设置

（1）根据设置好的遗传算法染色体长度和初始种群大小，以及方案约束条件随机生成初始种群，并产生遗传编码；

（2）按照评价函数定义计算每个方案的适应度函数取值。在本实施例中，每个方案计算适应度函数具体定义为

（3）若产生的方案满足适应度大于E，或者迭代次数达到了T，则以这一代中适应度最大的染色体作为最优解输出，终止计算；否则，继续运行。

（4）计算所有方案的适应度值之和sum，计算每个方案的选择概率P_r=F_r/sum，随机产生一个0~1之间的随机数S₁，如果满足(P₁+P₂+…+P_k-1)<S₁≤(P₁+P₂+…+P_k)，则选中第k个方案；

（5）采用随机方式选择两个适应度高的方案，采用一点交叉方式，随机产生1~n之间的随机数S₂，即为选中的染色体待交叉点位置。交叉概率设为P_c，随机产生0~1之间的随机数S₃，若S₃<P_c，则交叉生成新的方案。若交叉后生成的新方案不满足约束条件，则从客户中单位效益最小的开始添加，直到满足约束条件。若方案数满足种群规模要求则继续，否则重复执行本步；

（6）对新产生的方案，采用变异概率P_m进行位点变异。随机产生1~n之间的随机数S₄，即为选中的染色体待变异点位置；随机产生0~1之间的随机数S₅，若S₅<P_m，则方案进行位点变异。若交叉后生成的新方案不满足约束条件，则从客户中单位效益最小的开始添加，直到满足约束条件。转（2）计算方案的适应度函数。

基于遗传算法的有序用电方案生成过程在本发明提出的有序用电方案自动生成装置中是由计算模块603完成的。

最终生成的有序用电优化方案如下表所示：

表7生成的有序用电优化方案

生成的有序用电优化方案通过展示模块605以表格、立体图等形式多维直观地向操作人员展示。操作人员在了解有序用电方案及其管理效果的同时，可以按照某一指标进行方案调整，实现可视化交互，最终确定下发至负控终端进行有序用电管理的方案。

经过确认或调整的方案，经由下发模块606传送至通信信道，并由负控终端接收，终端根据方案对负控客户进行有序用电管理。

Claims (10)

1.一种有序用电优化方案自动生成方法，其特征是，主要包括以下工作步骤：

步骤A：利用上位机的指标生成模块定义有序用电方案评价指标体系：分别利用上位机的指标生成模块的指标定义模块对用户效益评价指标、电网企业效益评价指标、社会效益评价指标进行量化定义，利用上位机的指标生成模块中的指标计算模块定义指标计算模型，从历史数据模块中获取计算所需历史数据，形成评价指标体系；

步骤B：利用上位机的模型配置模块生成有序用电方案模型：利用上位机的模型配置模块的计算模型定义模块配置有序用电方案模型的参数，参数配置基于效益评价指标定义，利用上位机的模型配置模块中的评价函数定义模块实现基于评价指标的模型评价函数定义、评价函数中分量权重定义，从而使得方法适应指标的变化、支持计算的不断优化，在分量权重定义中支持“基于历史数据统计的极大似然”设定、专家经验设定多种方式，确保计算模型针对具体数据环境的适应性和不断改进，其中历史数据是从历史数据模块中获取的；

步骤C：利用上位机的计算模块自动生成有序用电方案：利用上位机的计算模块中的约束条件输入模块定义目标约束，利用上位机的计算模块的遗传算法模块依据选择的模型参数设置、评价函数进行自动优化计算，生成用电方案，所述有序用电方案的自动生成采用遗传算法；

步骤D：通过上位机的展示模块直观地展示生成的有序用电方案及其限电效果：支持操作人员根据实际需求进行修改，寻求最优方案；通过上位机的下发模块利用通信通道向各个负控终端下发生成的最优的有序用电方案。

2.如权利要求1所述的一种有序用电优化方案自动生成方法，其特征是，所述步骤A的具体步骤为：

步骤A1：利用上位机的指标生成模块中的指标定义模块实现指标项定义，定义有序用电方案评价指标项，指标项定义后形成方案评价指标体系；单项指标表示为：指标编号，指标名称、指标权重、指标描述、上级指标编号；指标定义方式包括指标自定义和指标按需选择方式两种，指标自定义利用动态指标定义模块实现，指标按需选择利用预设指标选择模块实现；支持指标项的指标项编号、指标项名称、指标项权重基本表示属性的维护，并通过支持指标项的上级指标项编号形成树形表示的指标体系表示；

步骤A2：利用上位机的指标生成模块的指标计算模块实现指标计算模型配置，配置项目如下：指标编号，计算方式，计算资源；具体指标计值方式采用可配置的方式，计算方式支持组件、公式以及自数据源直接提取多种方式；计算所需的历史数据是从上位机的历史数据模块中获得的。

3.如权利要求1所述的一种有序用电优化方案自动生成方法，其特征是，所述步骤B的具体步骤为：

B1.利用上位机的模型配置模块的计算模型定义模块实现计算模型定义，配置项目如下：计算模型编号，计算模型名称；利用预设模型选择模块完成对计算模型的描述定义，利用上位机的模型配置模块的计算模型定义模块的动态模型定义模块在整体结构上支持模型的可扩展，配置出如整体效益最大、用户效益最大、供电公司效益最大多种计算模型；

B2.利用上位机的模型配置模块的评价函数定义模块中实现评价函数定义，针对不同的参数配置完成评价函数的定义，定义评价函数的各分量及评价函数计算公式，并同时设置评价函数各分量的权重参数。

4.如权利要求3所述的一种有序用电优化方案自动生成方法，其特征是，所述步骤B2的具体步骤为：

B21.利用上位机的模型配置模块的评价函数定义模块的分量变元计算模块实现评价函数分量变元定义，增加、删除或修改分量变元；若变元不直接对应评价指标，则变元配置项目为：变元编号、变元名称、变元计值方式；

B22.利用上位机的模型配置模块的评价函数计算模块实现评价函数计算公式定义，定义评价函数计算公式，函数定义支持变元的算数运算公式定义，并同时进行各分量的系数设置；评价函数形式表示为：

$E_r={\mathrm{\&Sigma;}}_{i=1}^m{W}_i*\left({\mathrm{\&Sigma;}}_{j=1}^n(V_{i}j*\mathrm{Uj})\right)$

其中，E_r即为评价函数，r为正整数，代表不同的参数配置方案；W_i为分量权重变元，1≤i≤m，i为正整数；V_ij为限电分量变元，1≤i≤m，1≤j≤n，i，j均为正整数；Uj是个值为0或者1的函数，1≤j≤n，j为正整数，表示客户在一轮选择中参与限电与否；m是指标个数；n是参与有序用电管理的客户数量。

5.如权利要求4所述的一种有序用电优化方案自动生成方法，其特征是，所述步骤B22的工作步骤为：

B221.利用上位机的模型配置模块的评价函数定义模块的分量变元计算模块设置评价函数限电分量变元，量化地表现客户在一级指标上的效益分布情况，有倾向性地评定客户的单位效益；则在某一评价指标分量上的评价函数限电分量变元表示为：

$V_{i}j=\mathrm{cj}*\frac{I_i}{{\mathrm{\&Sigma;}}_{k=1}^m{I}_k}*\mathrm{Bj}$

其中，V_ij即为限电变量分元，1≤i≤m，1≤j≤n，i，j均为正整数；cj为每个客户的限电量，1≤j≤n，j为正整数；Bj为每个客户的每度电的单位效益，1≤j≤n，j为正整数；I_i，I_k为评价指标的权重，1≤i≤m，i为正整数，1≤k≤m，k为正整数；m是一级指标的个数；n是参与有序用电管理的客户数量；

B222.利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块设置评价函数分量权重，维护评价函数各分量的系数设置，支持评价函数各分量权重针对不同的应用场景数据进行灵活适应性设置；分量权重的定义方式有两种：一种是根据经验直接设置，这种适用于计算模型简单明确的情况下，利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块的外部输入模块实现；另一种是根据历史效益数据自动设置，采取基于历史数据统计以支持“极大似然”分量权重设置，利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块的相关性计算模块实现；后一种定义方法基于历史效益数据的分量指标效益与全局效益相关性计算，这样有效辅助评价函数中各分量权重确定，历史效益数据来自历史数据模块，具体计算过程为：

基于历史数据分别计算某分量效益和全局效益，并形成两个序列，分量i效益序列：V_di1，V_di2，...，V_din，其中，V_dij是每个客户在不同分量上的效益，1≤i≤m，i为正整数，m是一级指标的个数，1≤j≤n，j为正整数，n是参与有序用电管理的客户数量；全局效益序列：V_g1，V_g2，...，V_gn，其中，V_gj是每个客户的全局效益，1≤j≤n，j为正整数，n是参与有序用电管理的客户数量；

利用上位机的模型配置模块的评价函数定义模块的分量权重计算模块的相关性计算模块计算分量效益与全局效益相关性系数，计算采用Pearson相关系数公式，分量i与全局效益相关系数：

$R_i=\frac{n{\mathrm{\&Sigma;}}_{j=1}^n(V_{\mathrm{di}}j*V_{g}j)-{\mathrm{\&Sigma;}}_{j=1}^n{V}_{\mathrm{di}}j*{\mathrm{\&Sigma;}}_{j=1}^n{V}_{g}j}{\sqrt[2]{n{\mathrm{\&Sigma;}}_{j=1}^n{\left(V_{\mathrm{di}}j\right)}^2-{\left(V_{\mathrm{di}}j\right)}^2}\sqrt[2]{n{\mathrm{\&Sigma;}}_{j=1}^n{\left(V_{g}j\right)}^2-{\left({\mathrm{\&Sigma;}}_{j=1}^n{V}_{g}j\right)}^2}}$

其中，R_i即为分量效益与全局效益的相关系数，1≤i≤m，i为正整数，m是一级指标的个数；n是参与有序用电管理的客户数量；1≤j≤n，j为正整数；

计算所有分量效益与全局效益相关性后，根据相关程度按比例给出各分量权重系数，第i个分量的权重系数为：

$W_i=\frac{R_i}{{\mathrm{\&Sigma;}}_{k=1}^m{R}_k}$

其中，W_i即为各分量的权重系数；R_i,R_k为分量效益与全局效益的相关系数；1≤i≤m，1≤k≤m，i，k为正整数，m是一级指标的个数。

6.如权利要求1所述的一种有序用电优化方案自动生成方法，其特征是，所述步骤C的工作步骤为：

C1.利用上位机的计算模块的约束条件输入模块定义用电方案制订约束条件，具体包括：客户限电约束范围、总体限电额度输入参数，具体表示为：

其中，C为限电额度；cj为客户可限电额度，1≤j≤n，j为正整数；Uj=0或1，1≤j≤n，j为正整数；n是参与有序用电管理的客户数量；

C2.利用上位机的计算模块的遗传算法模块生成用电方案，基于目标和约束条件定义，根据选定的计算模型进行方案的自动生成。

7.如权利要求6所述的一种有序用电优化方案自动生成方法，其特征是，所述步骤C2的工作步骤为：

C21.利用上位机的计算模块的遗传算法模块的参数设置模块设置遗传算法染色体长度N和初始种群大小M，根据N、M和方案约束条件随机生成初始种群，并产生遗传编码；

C22.利用上位机的计算模块的遗传算法模块的适应度计算模块按照评价函数定义计算每个方案的适应度函数取值，对每个方案计算适应度函数：

其中，F_r即为方案的适应度函数，E_r是方案r的评价函数，F_c是理论上的最优解对应的值；

C23.利用上位机的计算模块的遗传算法模块的终止判断模块设置终止条件，定义误差精度控制E或最大迭代次数T，若产生的方案满足适应度大于E，或者迭代次数达到了T，则以这一代中适应度最大的染色体作为最优解输出，终止计算；否则，继续运行；

C24.利用上位机的计算模块的遗传算法模块的选择操作模块根据选择概率选择染色体，将上述个体作为第一代，采用正比于适应度的轮盘赌随机选择方式，计算所有方案的适应度值之和sum，计算每个方案的选择概率P_r=F_r/sum，随机产生一个0~1之间的随机数S₁，如果满足(P₁+P₂+…+P_k-1)<S₁≤(P₁+P₂+…+P_k)，则选中第k个方案，k为正整数；

C25.利用上位机的计算模块的遗传算法模块的交叉操作模块采用随机方式选择两个适应度高的方案，采用一点交叉方式，随机产生1~n之间的随机数S₂，即为选中的染色体待交叉点位置；交叉概率设为P_c，随机产生0~1之间的随机数S₃，若S₃<P_c，则交叉生成新的方案；若交叉后生成的新方案不满足约束条件，则从客户中单位效益最小的开始添加，直到满足约束条件；若方案数满足种群规模要求则继续，否则重复执行本步；

C26.对新产生的方案，利用上位机的计算模块的遗传算法模块的变异操作模块采用变异概率P_m进行位点变异；随机产生1~n之间的随机数S₄，即为选中的染色体待变异点位置；随机产生0~1之间的随机数S₅，若S₅<P_m，则方案进行位点变异；若交叉后生成的新方案不满足约束条件，则从客户中单位效益最小的开始添加，直到满足约束条件；转C22计算方案的适应度函数。

8.如权利要求1所述的一种有序用电优化方案自动生成方法所涉及的装置，其特征在于，涉及上位机，所述上位机通过通信信道将数据传输给负控终端；所述上位机包含历史数据模块、指标生成模块、模型配置模块、展示模块、计算模块和下发模块；所述通信信道包括公网信道和串口信道；所述负控终端包括若干个终端和与每个终端相连接的若干负控客户；所述指标生成模块包括指标定义模块和指标计算模块；所述指标定义模块包括动态指标定义模块和预设指标选择模块；所述模型配置模块包括计算模型定义模块和评价函数定义模块；所述计算模型定义模块包括动态模型定义模块和预设模型选择模块；所述评价函数定义模块包括分量变元计算模块、分量权重计算模块和评价函数计算模块；所述分量权重计算模块包含外部输入模块和相关性计算模块；所述计算模块包括约束条件输入模块和遗传算法模块；所述遗传算法模块包括参数设置模块、适应度计算模块、选择操作模块、交叉操作模块、差异操作模块、终止判断模块；所述公网信道包括GPRS、CDMA、ADSL公网信道；所述串口信道包括230MHz、PSTN、RS232串口信道；所述上位机内部数据传输方向为指标计算模块和相关性计算模块从历史数据模块中获取数据，模型配置模块从指标生成模块获取数据，终止判断模块从模型配置模块获取数据，计算模块将数据传输给展示模块，展示模块将数据传输给下发模块。

9.如权利要求8所述的一种有序用电优化方案自动生成方法所涉及的装置，其特征在于，

指标生成模块，用于生成有序用电方案的评价指标；

模型配置模块，用于配置有序用电方案的计算模型；

计算模块，用于生成有序用电优化方案；

历史数据模块，用于存储历史数据，为指标的生成与模型的配置提供历史数据支撑；

展示模块，用于展示生成的有序用电方案，并支持操作人员根据实际需求通过调整指标项进行修改，直观地展示有序用电方案的限电效果，寻求最优方案；

下发模块，用于向负控终端下发生成的最优的有序用电方案；生成的有序用电方案通过通信信道下发到各负控终端，终端根据方案对负控客户进行有序用电管理；

指标定义模块，用于定义方案生成所需的评价指标；

指标计算模块，定义指标定义模块定义的评价指标的计算公式，根据公式从历史数据模块中直接提取或利用历史数据计算，得到评价指标的值；

动态指标定义模块，支持操作人员按单项指标表示格式定义方案生成所需的评价指标；

预设指标选择模块，从预设的评价指标中选取本轮方案生成所需的指标；

计算模型定义模块，用于定义或者选择本轮方案生成依据的计算模型，体现本次有序用电管理的着重点；

评价函数定义模块，利用指标生成模块中定义的评价指标及其值，评价在选定的计算模型下方案的性能，通过评价函数的差异实现计算模型的更改；

动态模型定义模块，支持操作人员按模型配置项目定义方案生成所需的计算模型，支持模型的可扩展；

预设模型选择模块，从预设的计算模型中选取本轮方案生成所需的模型；

分量变元计算模块，根据评价指标及其值，量化地表现客户在指标上的性能分布情况，有倾向性地评定客户的某方面性能；

分量权重计算模块，用于定义该性能在每个评价指标上的权重；

评价函数计算模块，定义评价函数的计算公式，根据分量变元计算模块和分量权重计算模块的计算结果，得到评价函数的值；

外部输入模块，由操作人员依据经验直接设置分量权重；

相关性计算模块，从历史数据模块获取相关历史数据，基于历史数据根据分量指标与全局指标的相关性关系，分别计算分量权重。

10.如权利要求8所述的一种有序用电优化方案自动生成方法所涉及的装置，其特征在于，

约束条件输入模块，用于输入方案生成约束条件；

遗传算法模块，用于生成在选用的计算模型下，满足约束条件的优化的有序用电方案；

参数设置模块，用于设置遗传算法所需的参数，由操作人员输入与调整，并生成满足约束条件的初始有序用电方案；

适应度计算模块，用于根据评价函数计算生成方案的适应度；

终止判断模块，依据适应度制定遗传算法终止条件，用于判断遗传算法的终止与否；

选择操作模块，用于实现遗传算法的选择操作；

交叉操作模块，用于实现遗传算法的交叉操作；

变异操作模块，用于实现遗传算法的变异操作。

Images