CN106650988A - 一种高压配电网规划项目模糊组合优化方法 - Google Patents

一种高压配电网规划项目模糊组合优化方法 Download PDF

Info

Publication number
CN106650988A
CN106650988A CN201610847480.4A CN201610847480A CN106650988A CN 106650988 A CN106650988 A CN 106650988A CN 201610847480 A CN201610847480 A CN 201610847480A CN 106650988 A CN106650988 A CN 106650988A
Authority
CN
China
Prior art keywords
fuzzy
project
distribution network
voltage distribution
high voltage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610847480.4A
Other languages
English (en)
Other versions
CN106650988B (zh
Inventor
吴奎华
孙伟
冯亮
杨波
梁荣
李昭
杨慎全
张晓磊
王轶群
杜鹏
李凯
武勇
张雯
刘淑莉
邓少治
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610847480.4A priority Critical patent/CN106650988B/zh
Publication of CN106650988A publication Critical patent/CN106650988A/zh
Application granted granted Critical
Publication of CN106650988B publication Critical patent/CN106650988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了高压配电网规划项目模糊组合优化方法，包括将高压配电网规划项目评分和项目资金投入分别作为单个项目的模糊目标和模糊约束，计及规划项目间关联关系，建立高压配电网规划项目模糊组合优化模型，以得到满足资金、项目关联关系及经济约束条件下的最优项目组合；以高压配电网规划项目总评分和项目单位容量投资总评分作为规划项目组合的模糊目标，以规划项目总投资和规划项目间关联关系作为模糊约束，对模糊目标和模糊约束分别建立模糊隶属度函数；将模糊目标和模糊约束通过模糊隶属度函数转换为多目标规划问题，将多目标规划决策问题转化为单目标求解最大值的问题，求解得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。

Description

一种高压配电网规划项目模糊组合优化方法
技术领域
本发明属于配电网规划领域，尤其涉及一种高压配电网规划项目模糊组合优化方法。
背景技术
在实际进行项目组合优化时，项目的不确定性将影响项目的总投资以及其他项目的计划安排情况，同时也将影响项目的建设进度和实际的运营效果。
项目的不确定性主要源于初始投资的不确定性及项目投运效果的不确定性。按照相关工程标准和技术经济规范仅仅能够估算项目的投资成本，由于项目投资的不精确性将导致后续的资金安排存在较大的困扰，也将影响项目的建设进度和投运效果，因此有必要在多项目组合优化中考虑项目投资的不精确性。
发明内容
为了解决现有技术的缺点，本发明提供一种高压配电网规划项目模糊组合优化方法。该方法在满足总资金约束的条件下，考虑了单个项目的效益和投资，并计及各规划项目间的关联关系，以规划项目组合的整体效益最优和单位容量投资最少为目标，通过模糊组合优化方法实现了多目标优化的规划决策，既提高了规划项目组合对整个区域电网功能的提升作用，又节约了投资，避免了由于资金安排不当造成的浪费。
为实现上述目的，本发明采用以下技术方案：
一种高压配电网规划项目模糊组合优化方法，包括：
步骤(1)：将高压配电网规划项目评分和项目资金投入分别作为单个项目的模糊目标和模糊约束，计及规划项目间关联关系，建立高压配电网规划项目模糊组合优化模型，以得到满足资金、项目关联关系及经济约束条件下的最优项目组合；
步骤(2)：以高压配电网规划项目总评分和项目单位容量投资总评分作为项目组合的总模糊目标，以规划项目总投资和规划项目间关联关系作为模糊约束，对模糊目标和模糊约束分别建立模糊隶属度函数；
步骤(3)：将模糊目标和模糊约束通过模糊隶属度函数转换为多目标规划问题，根据极大化原理，将多目标规划决策问题转化为单目标求解最大值的问题，并求解得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。
所述步骤(1)中的规划项目间关联关系包括独立关系、依赖关系和互斥关系。
所述步骤(2)中的高压配电网规划项目总评分等于每个模糊决策变量与相应高压配电网规划项目的评分的乘积之和。
所述模糊决策变量是一个模糊区间，模糊决策变量在模糊区间中任一取值的组合均满足规划项目间关联关系。
所述模糊决策变量的模糊区间为[0，1]。
所述步骤(3)中，通过多目标规划的线性加权和法，将多目标最优问题转换为单目标最优问题。
线性加权和法的权重变量采用熵权法确定。
所述步骤(3)中，采用遗传算法进行求解单目标求解最大值的问题，得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。
所述步骤(2)中，利用秩和比法来确定模糊隶属度函数的参数。
采用遗传算法进行求解单目标求解最大值的问题，得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值的过程为：
首先对染色体进行编码；
将染色体进行编码之后，模糊决策变量转化为二进制数，不断进行交叉、选择和变异遗传操作，经过迭代之后最终得到优选的结果，即得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。
本发明的有益效果：
本发明在满足总资金约束的条件下，考虑了单个项目的效益和投资，并计及各规划项目间的关联关系，以规划项目组合的整体效益最优和单位容量投资最少为目标，通过模糊组合优化方法实现了多目标优化的规划决策，既提高了规划项目组合对整个区域电网功能的提升作用，又节约了投资，避免了由于资金安排不当造成的浪费。
附图说明
图1是本发明的高压配电网规划项目模糊组合优化方法流程图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明：
模糊组合优化决策是将模糊数学基本理论与方法与决策理论结合，通过将模糊目标和模糊约束综合，建立模糊组合决策模型。
模糊组合优化理论中的基本概念有：
(1)模糊目标
模糊目标G为X上的一个模糊目标集合，其中X为全部策略集合。同理，多模糊目标为G1∩G2∩G3∩…Gn，其中Gi为X上的多模糊目标集合。
(2)模糊约束
模糊约束C为X上的一个模糊约束集合，其中X为全部策略集合。同理，多模糊约束为C1∩C2∩C3∩…Cm，其中Ci为X上的多模糊约束集合。
(3)模糊集对
模糊集对D为模糊目标G和模糊约束C的交集，即D＝G∩C。模糊集对D为多模糊目标G1∩G2∩G3∩…Gn和多模糊约束C1∩C2∩C3∩…Cm的交集，即D＝(G1∩G2∩G3∩…Gn)∩(C1∩C2∩C3∩…Cm)。
(4)模糊隶属度函数
模糊目标的隶属度函数UG(x)为策略x相对于目标G所能达到的满意程度，其中x∈X。模糊约束隶属度函数UC(x)为策略x相对于目标C所能达到的满意程度，其中x∈X。模糊集对模糊隶属度函数UD(x)为策略x相对于C和G所能达到的满意程度，即
多模糊目标多模糊约束模糊集对模糊隶属度函数UD(x)为策略x相对于多目标G1∩G2∩G3∩…Gn和C1∩C2∩C3∩…Cm所能达到的满意程度，即
(5)模糊极大化原则
极大化决策是使得UD(x)在可能的全部策略集合X中有唯一最大值时的唯一决策(即极大化决策)为x*。极大化决策隶属度函数UD(x*)是策略x*相对于目标C和G所能达到的满意程度，即UD(x*)＝maxx∈Xmin{UG1(x)…UGn(x)，UC1(x)…UCm(x)}。
如图1所示，本发明的高压配电网规划项目模糊组合优化方法，包括：
步骤(1)：将高压配电网规划项目评分和项目资金投入分别作为单个项目的模糊目标和模糊约束，计及规划项目间关联关系，建立高压配电网规划项目模糊组合优化模型，以得到满足资金、项目关联关系及经济约束条件下的最优项目组合；
步骤(2)：以高压配电网规划项目总评分和项目单位容量投资总评分作为项目组合的总模糊目标，以规划项目总投资和规划项目间关联关系作为模糊约束，对模糊目标和模糊约束分别建立模糊隶属度函数；
步骤(3)：将模糊目标和模糊约束通过模糊隶属度函数转换为多目标规划问题，根据极大化原理，将多目标规划决策问题转化为单目标求解最大值的问题，并求解得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。
以x1，x2，…，xi(取值范围是[0，1])为模糊决策变量，多项目模糊组合优化决策模型的目标函数F为：
式中ω为电力公司在多项目组合优化中对评分和资金约束的偏好权重，根据电力公司对于高压配电网规划项目评分和规划项目的资金投入的承受能力选取不同的值；和为高压配电网规划项目总评分和单位容量投资总评分的隶属度函数；和为高压配电网规划项目总投资和规划项目单位容量投资函数的隶属度函数。
而实际上，配电网规划项目间存在着各种关系，根据高压配电网规划项目的特点，将规划项目间关系定义为三类：独立、依赖和互斥。
独立：若不同的项目之间不存在任何相互间的联系，则称这种关系为独立关系。
依赖：若不同的项目之间有所依存，如项目B的投运一定要以项目A的投运为前提，则可以认为项目B依赖于项目A，于是称这种关系为依赖关系。
互斥：若不同的项目之间互不相容，如项目A和项目B不能同时投运，则可以认为项目A与项目B相排斥，于是称这种关系为互斥关系。
高压配电网规划项目总评分和单位容量投资总评分作为模糊组合优化的模糊目标，计算公式如下：
(1)高压配电网规划项目总评分
式中系数为模糊决策变量，其中为高压配电网规划项目的评分，考虑进行模糊组合决策高压配电网规划项目的投资为一个模糊区间，项目的评分中经济性指标与项目的投资相关联，综合评分与子指标呈线性关系，故综合评分与项目投资呈线性关系，即Pimin和Pimax可以通过线性关系来计算，项目的评分按照评价指标体系计算得到。
(2)高压配电网规划项目单位容量投资总评分
式中系数为模糊决策变量，其中为高压配电网规划项目单位容量投资成本的评分，S1，S2，…，Si为规划项目的建设容量(变压器容量、线路容量)，为规划项目的总投资成本，在模糊组合优化决策中项目的投资是一个模糊区间，即
根据模糊决策理论，高压配电网规划项目总评分函数的隶属度函数如下：
规划项目单位容量投资总评分函数的隶属度函数与此类似：
隶属度函数为和参数a表示PZ0和PDW0，参数b表示PZ1和PDW1，指标值代表PZ和PDW。
模糊约束包括规划项目总投资和单位容量投资。计算公式如下：
(1)高压配电网规划项目总投资
式中系数为模糊决策变量，其中为规划项目的总投资成本，在模糊组合优化决策中项目的投资是一个模糊区间，即
(2)高压配电网总规划项目单位容量投资
式中系数为模糊决策变量，其中为规划项目单位容量投资，S1，S2，…，Si为规划项目的建设容量(变压器容量、线路容量)。类似地，也为模糊区间，即
根据模糊决策理论，高压配电网规划项目总投资函数的隶属度函数如下：
项目单位容量投资函数的隶属度函数如下：
隶属度函数为和参数a表示ADW0和AZ0，参数b表示AZ1和ADW1，参数c表示AZ2和ADW2，参数d表示AZ3和ADW3，指标值代表AZ和ADW。涉及到的具体参数如表1所示。
表6模糊组合优化模型参数
将模糊组合优化理论应用于高压配电网规划项目组合优化中，综合考虑了规划项目的综合评分、资金约束及项目关联关系，模糊组合优化的目的是使得项目组合的总评分最大，同时使得项目的投资约束在一定的范围内，具体的表述如下：
max(P)&min(A)
其中
利用模糊隶属度，将模糊组合优化问题转换为如下多目标规划问题：
max U
其中
通过多目标规划的线性加权和法，将式(11)所示的多目标最优问题转换为单目标最优，即将和线性加权得到目标函数，权重变量采用熵权法确定，考虑采用遗传算法进行多变量非线性问题求解。
模型的建立及求解过程大致如下：
1)根据规划项目的实际数据，得到模糊目标和模糊约束表达；
2)利用秩和比法确定评分和投资的模糊隶属度函数参数；
3)使用熵权法确定对评分的偏好权重，形成仅含有模糊决策变量的目标函数；
4)考虑模糊决策变量以及项目之间关联的约束条件，采用遗传算法求解。
采用遗传算法求解多项目模糊组合优化决策问题，首先要对染色体进行编码，编码方式如下所示：
NN＝{x1，x2，…，xi，…xn}
其中编号1，2…，n表示项目的编号，与项目库中项目的编号对应；xi表示第i个项目的模糊决策变量，即项目入选的隶属度，其取值范围是[0，1]。
将染色体进行编码之后，模糊决策变量转化为二进制数，不断进行交叉、选择和变异等遗传操作，经过迭代之后最终得到优选的结果。
以高压配电网规划项目总评分和规划项目单位容量投资总评分作为模糊目标，以规划项目总投资和单位容量投资、项目关联关系作为模糊约束，对模糊目标和模糊约束分别建立模糊隶属度函数。
在模糊组合优化决策中，决策变量为一个模糊区间，对于项目之间的线性约束，决策变量在模糊区间中的任何一取值的组合均满足该线性约束。
将模糊目标和模糊约束通过模糊隶属度转换为多目标规划问题，提出了该优化问题的遗传算法求解方案。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种高压配电网规划项目模糊组合优化方法，其特征在于，包括：
步骤(1)：将高压配电网规划项目评分和项目资金投入分别作为单个项目的模糊目标和模糊约束，计及规划项目间关联关系，建立高压配电网规划项目模糊组合优化模型，以得到满足资金、项目关联关系及经济约束条件下的最优项目组合；
步骤(2)：以高压配电网规划项目总评分和项目单位容量投资总评分作为项目组合的总模糊目标，以规划项目总投资和规划项目间关联关系作为模糊约束，对模糊目标和模糊约束分别建立模糊隶属度函数；
步骤(3)：将模糊目标和模糊约束通过模糊隶属度函数转换为多目标规划问题，根据极大化原理，将多目标规划决策问题转化为单目标求解最大值的问题，并求解得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。
2.如权利要求1所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，所述步骤(1)中的规划项目间关联关系包括独立关系、依赖关系和互斥关系。
3.如权利要求1所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，所述步骤(2)中的高压配电网规划项目总评分等于每个模糊决策变量与相应高压配电网规划项目的评分的乘积之和。
4.如权利要求3所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，所述模糊决策变量是一个模糊区间，模糊决策变量在模糊区间中任一取值的组合均满足规划项目间关联关系。
5.如权利要求4所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，所述模糊决策变量的模糊区间为[0，1]。
6.如权利要求1所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，所述步骤(3)中，通过多目标规划的线性加权和法，将多目标最优问题转换为单目标最优问题。
7.如权利要求6所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，线性加权和法的权重变量采用熵权法确定。
8.如权利要求1所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，所述步骤(3)中，采用遗传算法进行求解单目标求解最大值的问题，得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。
9.如权利要求1所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，所述步骤(2)中，利用秩和比法来确定模糊隶属度函数的参数。
10.如权利要求8所述的一种高压配电网规划项目模糊组合优化方法，其特征在于，采用遗传算法进行求解单目标求解最大值的问题，得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值的过程为：
首先对染色体进行编码；
将染色体进行编码之后，模糊决策变量转化为二进制数，不断进行交叉、选择和变异遗传操作，经过迭代之后最终得到优选的结果，即得出高压配电网规划项目总评分以及项目单位容量投资总评分最大值。
CN201610847480.4A 2016-09-23 2016-09-23 一种高压配电网规划项目模糊组合优化方法 Active CN106650988B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610847480.4A CN106650988B (zh) 2016-09-23 2016-09-23 一种高压配电网规划项目模糊组合优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610847480.4A CN106650988B (zh) 2016-09-23 2016-09-23 一种高压配电网规划项目模糊组合优化方法

Publications (2)

Publication Number Publication Date
CN106650988A true CN106650988A (zh) 2017-05-10
CN106650988B CN106650988B (zh) 2020-10-27

Family

ID=58853352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610847480.4A Active CN106650988B (zh) 2016-09-23 2016-09-23 一种高压配电网规划项目模糊组合优化方法

Country Status (1)

Country Link
CN (1) CN106650988B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108173282A (zh) * 2017-12-29 2018-06-15 国网山东省电力公司电力科学研究院 一种考虑电转气运行成本综合能源系统优化调度方法
CN112132453A (zh) * 2020-09-22 2020-12-25 国网能源研究院有限公司 区域电网可再生能源最优接纳规模评估方法、系统及装置
CN112396290A (zh) * 2020-09-29 2021-02-23 长安大学 一种支持双边模糊约束的mps/mrp集成规划方法
CN112651540A (zh) * 2020-07-31 2021-04-13 国网陕西省电力公司经济技术研究院 一种配电网规划项目投资优化方法
CN113344429A (zh) * 2021-06-28 2021-09-03 国网上海市电力公司 含高温超导电缆的电网系统的综合评价方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1601411A (zh) * 2004-09-16 2005-03-30 上海交通大学 基于模糊目标与模糊约束的工业过程预测控制方法
CN101764407A (zh) * 2010-01-08 2010-06-30 杨毅 一种基于模糊期望值模型的配电网的规划方法
US20110270646A1 (en) * 2008-07-11 2011-11-03 Gorur Narayana Srinivasa Prasanna Computer implemented decision support method & system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1601411A (zh) * 2004-09-16 2005-03-30 上海交通大学 基于模糊目标与模糊约束的工业过程预测控制方法
US20110270646A1 (en) * 2008-07-11 2011-11-03 Gorur Narayana Srinivasa Prasanna Computer implemented decision support method & system
CN101764407A (zh) * 2010-01-08 2010-06-30 杨毅 一种基于模糊期望值模型的配电网的规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘志勇等: "基于模糊多目标协调优化的配电网络重构研究", 《电力系统保护与控制》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108173282A (zh) * 2017-12-29 2018-06-15 国网山东省电力公司电力科学研究院 一种考虑电转气运行成本综合能源系统优化调度方法
CN112651540A (zh) * 2020-07-31 2021-04-13 国网陕西省电力公司经济技术研究院 一种配电网规划项目投资优化方法
CN112132453A (zh) * 2020-09-22 2020-12-25 国网能源研究院有限公司 区域电网可再生能源最优接纳规模评估方法、系统及装置
CN112396290A (zh) * 2020-09-29 2021-02-23 长安大学 一种支持双边模糊约束的mps/mrp集成规划方法
CN113344429A (zh) * 2021-06-28 2021-09-03 国网上海市电力公司 含高温超导电缆的电网系统的综合评价方法

Also Published As

Publication number Publication date
CN106650988B (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN106650988A (zh) 一种高压配电网规划项目模糊组合优化方法
Sood Evolutionary programming based optimal power flow and its validation for deregulated power system analysis
Yang et al. A modified differential evolution algorithm with fitness sharing for power system planning
Chen et al. A novel hybrid ICA-FA algorithm for multiperiod uncertain portfolio optimization model based on multiple criteria
CN105449713B (zh) 考虑分布式电源特性的有源配电网智能软开关规划方法
Wong et al. Differential evolution, an alternative approach to evolutionary algorithm
Murugan et al. Application of NSGA-II algorithm to single-objective transmission constrained generation expansion planning
Delson et al. Linear programming applications to power system economics, planning and operations
Deb et al. Bi-objective portfolio optimization using a customized hybrid NSGA-II procedure
Sahu et al. Economic load dispatch in power system using genetic algorithm
Song et al. Advanced engineered-conditioning genetic approach to power economic dispatch
CN103942375A (zh) 基于区间的高速压力机滑块尺寸稳健设计方法
Dhamanda et al. A traditional approach to solve economic load dispatch problem of thermal generating unit using MATLAB programming
CN107527212A (zh) 企业信用动态评分系统及方法
Kedia et al. Portfolio generation for Indian stock markets using unsupervised machine learning
El-Kholy et al. A comparative study for fuzzy ranking methods in determining economic life of equipment
CN112053037A (zh) 一种柔性pcb车间调度优化方法和系统
Hakimi-Asiabar et al. Multi-objective genetic local search algorithm using Kohonen’s neural map
CN105956332A (zh) 基于专家系统的变压器电磁优化设计方法
Gu et al. A hybrid Univariate Marginal Distribution Algorithm for dynamic economic dispatch of units considering valve‐point effects and ramp rates
Zhang et al. Finding Robust Pareto-Optimal Solutions Over Time for Dynamic Disassembly Sequence Planning
Hamza et al. Differential evolution with a mix of Constraint Consenus methods for solving a real-world Optimization Problem
Hübner Distributed algorithms for nonlinear tree-sparse problems
CN109993357A (zh) 一种考虑中标概率的售电商多目标投标报价策略计算方法
Pavão et al. A meta-heuristic approach for financial risks management in heat exchanger networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant