CN111798044A - 基于改进最小叉熵的ries运行规划仿真方法 - Google Patents
基于改进最小叉熵的ries运行规划仿真方法 Download PDFInfo
- Publication number
- CN111798044A CN111798044A CN202010610980.2A CN202010610980A CN111798044A CN 111798044 A CN111798044 A CN 111798044A CN 202010610980 A CN202010610980 A CN 202010610980A CN 111798044 A CN111798044 A CN 111798044A
- Authority
- CN
- China
- Prior art keywords
- weight
- decision
- ries
- matrix
- index
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000013439 planning Methods 0.000 title claims abstract description 24
- 238000004088 simulation Methods 0.000 title claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 230000008901 benefit Effects 0.000 claims abstract description 24
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000013210 evaluation model Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 58
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 239000007789 gas Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004146 energy storage Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005338 heat storage Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于改进最小叉熵的RIES运行规划仿真方法，本发明的方法包括以下步骤：步骤一、从成本、收益以及能源利用情况三个维度构建RIES经济效益评估指标系统和模型；步骤二、采用改进的最小叉熵法求解RIES的经济效益评估模型，确定评价指标综合权重；步骤三、采用逼近理想点评估法对各决策方案进行优选排序，选取出最优决策方案。本发明采用改进最小叉熵和TOPSIS评价通过效用函数量化专家的群体效用，可以客观、合理地选择不同系统组成方案来决定最佳决策方向。
Description
技术领域
本发明涉及RIES运行规划技术领域，具体涉及基于改进最小叉熵的RIES运行规划仿真方法。
背景技术
随着社会经济发展和进步，对能源的需求飞速增长，同时传统化石能源的大量使用造成能源枯竭和环境污染问题，融合坚强智能电网和先进物联网技术[1-2]的能源互联网成为解决能源危机的有效形式[3]。区域级能源互联网(regional integrated energysystem，RIES)可完整体现源-网-荷等多个维度的多能互补效果，达到促进新能源消纳、协调能源利用与环境保护的目的，成为研究的热点。近年来国内外对RIES的运行、规划与优化配置已有了大量研究，使得区域综合能源系统的建设在技术上具有了一定的可行性。
RIES的运行、规划与优化配置本质上是多属性群决策问题，在决策过程中核心要点是各维度权重的确定。传统的RIES运行、规划与优化配置是利用现有经验实现，而随着计算机技术的高速发展，借助于计算机仿真辅助决策实现已经成为RIES运行、规划与优化配置的主要方式，然而现有的利用计算机仿真辅助决策的技术存在诸多缺陷，包括：
(1)评价指标系统构建过程中仅仅从部分角度(维度)构建评价指标体系，没有全要素综合考虑RIES系统的各指标，导致评价指标系统的可靠性差；
(2)决策过程中，权重确定方法存在较大的局限性，一种方法能够使得指标权重与指标实际重要程度相一致，但结果的主观随意性强，客观性较差；另一种技术主要是根据规划方案的原始数据确定，具有较强的数学理论依据，但所得到的权重值不能切实反映评估对象的实际情况，例如主成分分析法、熵权法等。
发明内容
为了克服现有技术的缺陷，本发明提供了基于改进最小熵的RIES运行规划仿真方法。本发明从多维度搭建RIES的经济效益评估指标体系和模型，应用改进的最小叉熵的综合权重求解模型的指标权重值，既能反映决策专家的知识经验，又能反映评估对象的真实情况，体现了主客观权重之间的内在联系，为RIES运行规划提供了技术支撑。
本发明通过下述技术方案实现：
基于改进最小熵的RIES运行规划仿真方法，该方法包括以下步骤：
步骤一、从成本、收益以及能源利用情况三个维度构建RIES经济效益评估指标系统和模型；
步骤二、采用改进的最小叉熵法求解RIES的经济效益评估模型，确定评价指标综合权重；
步骤三、采用逼近理想点评估法对各决策方案进行优选排序，选取出最优决策方案。
优选的，本发明的步骤一中构建的RIES经济效益评估指标系统以系统成本、系统收益、能源利用情况为一级指标，以投资购置费用、运行维护费用、能源外购费用、供能收益、环境收益、新能源上网收益、系统
效率、新能源产能过剩率、综合能源利用率为二级指标。
优选的，本发明的步骤二具体包括以下步骤：
步骤S21，确定原始数据矩阵X；
步骤S22，对原始数据矩阵X进行标准化和归一化处理，得到决策矩阵Z；
步骤S23，采用熵权法确定决策矩阵Z的客观权重；
步骤S24，采用改进的最小叉熵法确定决策矩阵Z的主观权重；
步骤S25，基于客观权重和主观权重，采用改进最小叉熵法得到评价指标的综合权重。
优选的，本发明的步骤S21确定的原始数据矩阵X为：
式中，xij(i＝1,2,…,m；j＝1,2,…,n)表示第i个决策方案中第j个评估指标的值，m表示决策方案数，且m≥2；n表示评价指标数，且n≥2。
优选的，本发明的步骤S22采用向量规范化方法对原始数据集X进行标注化处理，得到指标标准化后的决策矩阵Z为：
式中，
(i＝1,2,...,m；j＝1,2,...n)。
优选的，本发明的步骤S23根据标准化决策矩阵Z，利用熵权法求得评估指标的客观权重向量ωo＝(ωo 1、ωo 2、…、ωo n)，第j个指标的客观权重为：
式中，i＝1,2,…,m；j＝1,2,…,n。
优选的，本发明的步骤S24具体包括：
步骤S241，将标准化决策矩阵Z转换为效用函数值矩阵Uk：
式中，uk(z)表示第k个专家的效用函数，k＝1,2,……,l；l为评估专家人数；
步骤S242，在第k个专家的效用函数矩阵Uk基础上，得到第k个专家对指标主观权重的判断矩阵βk＝(βk1,βk2,…,βkn)；则不同专家对评估指标主观权重判断矩阵为：
其中，
式中，k＝1,2,……,l；j＝1,2,……,n；
根据步骤S242中确定的决策专家主观权重判断矩阵β，运用熵权法求取得到决策专家权重，则第k个决策专家的权重为：
步骤S243，构建最小叉熵模型综合所有决策者对指标主观权重的判断，得到指标的主观权重向量
第j个指标主观权重为
式中，k＝1,2,…,l；
步骤S244，利用最小叉熵准则建立优化模型求得综合权重使其与主、客观权重的距离最小，即：
minγD(ω,β0)+(1-γ)D(ω,ω°)
其中，γj和1-γj分别为第j个指标的主客观权重分配系数；
优选的，本发明的步骤S25具体包括：
步骤S251，基于决策矩阵，构建加权规范化矩阵：
步骤S252，确定正、负理想方案：
式中，B+表示正理想方案；B-表示负理想方案；
步骤S253，计算各决策方案与正、负理想方案的距离：
决策方案到正理想方案的距离为：
决策方案到负理性方案的距离为：
步骤S254，计算各决策方案到正理想方案的相对距离：
步骤S255，选取相对距离最小的决策方案作为最优方案。
本发明具有如下的优点和有益效果：
本发明采用改进最小叉熵的权重集成方法反映评价指标主客观权重的内在联系，并应用逼近理想点(Technique for order preference by similarity to idealsolution，TOPSIS)的多准则评价排序法评估出最优系统组成方案，能够客观、合理地选择不同系统组成方案来决定最佳决策方向，提高了计算机辅助决策仿真的可靠性和精度，能够为装机配置、储能配置的区域综合能源系统的设计和规划提供可靠性更高的技术支撑。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明构建的RIES系统结构示意图。
图2为本发明构建的RIES系统经济评估指标体系。
图3为本发明的确定指标综合权重流程示意图。
图4为某工业园区夏季典型日冷热电气负荷。
图5为客观权重、主观权重、3种最小叉熵(γ＝0.3、γ＝0.5、γ＝0.6)和本发明改进的最小叉熵法得到的评价指标权重对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本实施例提出了基于改进最小熵的RIES运行规划仿真方法。
RIES是指在一定区域范围内应用先进的物联网技术和能量管理技术，调整和分配区域内煤炭、石油、天然气、电能、热能、冷能、可再生能源等多种能源，实现不同能源系统间的协同管理、相互响应、互补互济、能量梯次利用，在满足用户多元化用能需求的同时，能有效提升能源综合利用效率的能源网络系统。其主要由能源供应网络(如配电网络、供气管网、热力管网、供冷管网等)、能源转换装置(如冷热电联产(combined cooling heatingand power，CCHP)机组、空调、锅炉、热泵、电转气(power to gas，P2G)装置、燃气内燃机等)、能源存储装置(如蓄电池、储气罐、储冷储热装置)、终端综合能源供用网络(如小型微网)和终端多元化用户(如冷、热、电、气及综合用户)共同构成。以实现多种能源节约、高效、经济、安全、可靠地服务终端用户。本实施例搭建的RIES基本架构如图1所示。
在图1中，RIES的组成部分包括供能系统、能量转换设备、能源存储设备以及终端用户；其中PV、WT为光伏、风电机组。
本实施例从系统成本、系统效益和能源利用情况三个维度来搭建RIES运行规划模型，应用改进最小叉熵的综合权重求解模型求解指标权重值，本实施例的方法既能反映决策专家的知识经验，又能反映评估对象的真实情况，体现了主客观权重之间的内在联系。然后通过TOPSIS决策方法建立RIES组成方案决策模型，根据决策结果选择最优的系统组成方案。
本实施例的RIES系统是对RIES内各种能源及其耦合设备的成本、效益和能源利用进行合理、有效的评价。
本实施例搭建的RIES基本架构，从RIES的成本、收益、能源利用情况3个方面建立指标体系，如图2所示。以系统成本、系统效益、能源利用情况作为一级指标；以投资购置成本、运行维护成本、能源外购成本作为系统成本的二级指标，以供能效益、环境效益、新能源上网效益作为系统效益的二级指标；以系统
效率、新能源产能过剩率、综合能源利用率作为能源利用情况的二级指标。
最小叉熵准则为：若给定某件事集上的先验概率分布q，在其他相关信息的基础上，利用式(1)和(2)确定概率分布p，使得p最为接近先验概率分布q。
式中，fi为定义在事集i上的一些函数；N是事集数量；ar为定义在事件集上的某些信息特征。
在应用最小叉熵确定指标权重过程中的缺陷主要表现为：①最小叉熵对指标主观权重集成过程中，采用事先确定的决策专家权重α＝(α1、α2、…、αl)，无法反映出决策专家如何确定主观权重；②最小叉熵对指标综合权重进行集成的过程中，采用决策专家先验知识和工程经验对指标主观权重分配系数γ和客观权重分配系数1-γ进行赋值，不能体现指标主客观权重的内在联系。
为避免指标权重求取不当对决策结果的影响，本实施例利用交叉熵来度量概率分布间的差异性，并用最小叉熵来估计差异性最小的权重概率分布，既能体现专家对主客观权重的判断，又能反映指标主客观权重的内在联系，本实施例的权重集成流程示意图如图3所示，具体包括：
一、构建原始决策矩阵
本实施例中设待决策问题由m个决策方案构成方案集A＝{a1,a2,,am},m≥2；n个评价指标构成指标集C＝{c1,c2,...,cn},n≥2组成，第i个决策方案中第j个评估指标的值为xij(i＝1,2,…,m；j＝1,2,…,n)。原始数据矩阵X为
二、对初始决策矩阵X进行标准化和归一化处理
由于评估指标具有不同的量纲和数量级，所以需要对指标进行无量纲化处理，本实施例采用向量规范化方法对指标进行标准化处理，得到指标标准化后决策矩阵Z为
其中
三、指标权重的确定
本实施例分别对指标客观权重和指标主观权重进行确定，得到指标综合权重。
(1)指标客观权重的确定
指标客观权重的确定依赖于指标数据本身的差异，与专家或决策者的先验经验和偏好无关，根据式(4)中所给出的标准化决策矩阵，利用熵权法求得评估指标的客观权重向量ω°＝(ω°1、ω°2、…、ω°n)，第j个指标的客观权重如式(6)所示。
其中，i＝1,2,…,m；j＝1,2,…,n。
(2)指标主观权重的确定
在指标主观权重确定方面，由于不同决策者对不同指标的重要性判断具有一定的差异，因此用决策者效用函数来反映决策者之间的差异。具体步骤为：
①首先根据标准化处理后的决策矩阵Z，引入不同专家的效用函数uk(z)，将决策矩阵Z转换为因专家主观意识不同而存在差异的效用函数值矩阵Uk(为不失一般性，假设效用函数uk(z)≥0；且为简单起见，本文效用函数均采用单变量形式)。则第k个专家的效用函数矩阵为
式中，k＝1,2,……,l；l为评估专家人数。
②利用熵权法在第k个专家的效用函数矩阵Uk基础上，得到第k个专家对指标主观权重的判断矩阵βk＝(βk1,βk2,…,βkn)；则不同专家对评估指标主观权重的判断矩阵为
其中：
式中k＝1,2,……,l；j＝1,2,……,n。
为了能够反映决策专家在评估过程中的权重，因此本实施例中将主观权重判断矩阵通过熵权法求解得第k个决策专家的权重为：
③基于距离最小的思路构建最小叉熵模型综合所有决策者对指标主观权重的判断，得到指标的主观权重向量
式中，αk为第k个决策专家权重；解得第j个指标主观权重为
其中k＝1,2,…,l。
(3)指标综合权重确定
通过熵权法求得指标客观权重和用最小叉熵集成的主观权重后，需要进一步集成指标的综合权重，因此再次利用最小叉熵准则建立优化模型求得综合权重使其与主、客观权重的距离最小，即
minγD(ω,β0)+(1-γ)D(ω,ω°) (15)
式中，ω为指标综合权重向量，ω＝(ω1,ω2,…,ωn)；γ为指标主观权重分配系数，1-γ为指标客观权重分配系数；0≤γ≤1，wj为指标j的综合权重；j＝1,2,…,n。
主客观权重分配系数γ和1-γ分别表示为主客观权重的函数如下
式中γj和1-γj分别为第j个指标的主客观权重分配系数，从而可得评估指标的综合权重求取结果如式(26)所示。
四、对加权规范化决策矩阵进行优化
本实施例采用TOPSIS法(TOPSIS法是一种基于距离的综合评价法，其优点是能对各决策方案进行优选排序)对基于标准化后的指标数据和集成得到的指标综合权重形成的加权规范化矩阵进行优化：将加权规范化矩阵中每一列的最大值作为正理想方案，最小值作为负理想方案，求取各个决策方案与正、负理想方案的距离，根据距离得出各个决策方案与正理想方案的相对贴进度，依据相对贴近度的大小对评价结果进行排序，选取出最优决策方案。具体流程为：
(1)构建加权规范化矩阵
式中：bij＝ωjzij。
(2)确定正、负理想方案
(3)计算各决策方案与正负理想方案的贴近度
决策方案到正理想方案的距离为
决策方案到负理想方案的距离为
(4)计算决策方案到正理想方案的相对贴近度
(5)确定相对贴近度最小的方案作为最优方案
实施例2
本实施例采用上述实施例1提出的仿真模型对某地区新型工业园区的综合能源系统进行规划仿真，具体过程如下：
某地区新型工业园区的综合能源系统所处地区平均风速为5m/s，采光面积约为2万m2，年平均辐射强度为1500kW·h/m2，系统的用电负荷约为4.1MW，热负荷约为3.1MW，冷负荷约为3.8MW，气负荷约为10.2MW，且系统的年用电量约为4871.9MWh，对由CCHP、光伏、天然气、风电以及储能组成不同的区域综合能源系统的方案进行评价比较，RIES组成方案如表1所示。
表1区域综合能源系统具体方案
表1中的混合储能系统是指储气罐、储热罐、蓄电池。
取园区可再生能源供电自给率不低于40％。设外购电均来自燃煤火电厂，电网电价为0.64元/kWh，气价为1.96元/m3，网损率为5％，电制冷能效比ξC为3，电制热能效比ξH为2.8。其中，CCHP系统主要由800kW燃气内燃机机组、400kW燃气轮机机组和400kW吸收式制冷机组构成，系统方案A1在此基础再安装400kW燃气内燃机机组。选用该园区夏季某典型日负荷曲线如图4所示。假设系统在12:00用能高峰期出现故障，导致系统与大电网断开，至14:00时故障排除并再次与大电网连接。
在故障期间系统平均用电负荷3873.8kW，热负荷为2990.9kW，冷负荷为3690.3kW，气负荷为9528.1kW。
各能源系统组成方案的指标结果如表2所示。
表2园区综合能源系统具体方案指标
采用上述实施例1提出的仿真模型进行仿真得到理想方案，根据理想方案可以确定备选方案中的最优系统方案，具体为：
首先根据改进的最小叉熵准则，假设5位评估专家的单变量效用函数为u1(x)＝x，u2(x)＝x2，
u4(x)＝lnx，u5(x)＝ex，则根据效用函数转换后的数据得到的评估指标的权重矩阵为
进而，利用最小叉熵模型可以得到决策者属性主观权重合成结果为β0＝[0.16580.1438 0.1265 0.0927 0.1361 0.1536 0.0824 0.0445 0.0546]。然后根据式(6)计算出评价指标的客观权重矩阵ω0＝[0.1369 0.1203 0.1233 0.1252 0.1281 0.1233 0.11040.0631 0.0694]。将以上计算出的各个评估指标的主观和客观权重作为基础，对指标权重进行线性组合，由改进的最小叉熵模型式(15)～(20)可以得到指标权重矩阵为ω＝[0.1443 0.1322 0.1252 0.1140 0.1309 0.1409 0.0955 0.0574 0.05959]。比较客观权重、主观权重、3种最小叉熵(γ＝0.3、γ＝0.5、γ＝0.6)、改进最小叉熵方法得到的评价指标权重，如图5所示，利用改进最小叉熵方法处理后的评价指标权重较为接近最小叉熵确定的专家主观权重，且能够反映主客权重之间的内在联系，可以保证改进的合理性。
根据TOPSIS进行决策时，先由式(4)～(5)标准化决策矩阵的评价指标；再根据求出的指标权重和式(21)加权规范化矩阵计算方法，可得加权标准化评价矩阵为
根据标准评价矩阵B中每项评价指标的最大值和最小值，再由式(22)～(23)确定决策方案的正理想方案矩阵B+和负理想矩阵B-分别为
B+＝[0.0432 0.0352 0.0424 0.0369 0.0381 0.0374 0.0323 0.0437 0.0346]；
B-＝[0.0153 0.0260 0.0260 0.0215 0.0011 0 0.0285 0 0.0221]
根据求得的正理想方案与负理想方案，由式(24)～(26)计算区域综合能源系统组成方案与正理想方案的贴近度，则贴近度矩阵为：
Ti＝[0.8244 0.3783 0.3196 0.2518 0.1972]，
则系统组成方案与正理想方案的贴近度排序为T5<T4<T3<T2<T1；贴近度越小表示所评估的系统组成方案与正理想方案越接近。故系统组成方案排序为A5>A4>A3>A2>A1，最优系统组成方案为方案A5。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.基于改进最小叉熵的RIES运行规划仿真方法，其特征在于，该方法包括以下步骤：
步骤一、从成本、收益以及能源利用情况三个维度构建RIES经济效益评估指标系统和模型；
步骤二、采用改进的最小叉熵法求解RIES经济效益评估模型，确定评价指标综合权重；
步骤三、采用逼近理想点评估法对各决策方案进行优选排序，选取出最优决策方案。
2.根据权利要求1所述的基于改进最小叉熵的RIES运行规划仿真方法，其特征在于，所述步骤一中构建的RIES经济效益评估指标系统以系统成本、系统收益、能源利用情况为一级指标，以投资购置费用、运行维护费用、能源外购费用、供能收益、环境收益、新能源上网收益、系统
效率、新能源产能过剩率、综合能源利用率为二级指标。
3.根据权利要求1或2所述的基于改进最小叉熵的RIES运行规划仿真方法，其特征在于，所述步骤二具体包括以下步骤：
步骤S21，确定原始数据矩阵X；
步骤S22，对原始数据矩阵X进行标准化和归一化处理，得到决策矩阵Z；
步骤S23，采用熵权法确定决策矩阵Z的客观权重；
步骤S24，采用改进的最小叉熵法确定决策矩阵Z的主观权重；
步骤S25，基于客观权重和主观权重，采用改进最小叉熵法得到评价指标的综合权重。
4.根据权利要求3所述的基于改进最小叉熵的RIES运行规划仿真方法，其特征在于，所述步骤S21确定的原始数据矩阵X为：
式中，xij(i＝1,2,…,m；j＝1,2,…,n)表示第i个决策方案中第j个评估指标的值，m表示决策方案数，且m≥2；n表示评价指标数，且n≥2。
5.根据权利要求4所述的基于改进最小叉熵的RIES运行规划仿真方法，其特征在于，所述步骤S22采用向量规范化方法对原始数据集X进行标准化处理，得到指标标准化后的决策矩阵Z为：
式中，
6.根据权利要求5所述的基于改进最小叉熵的RIES运行规划仿真方法，其特征在于，所述步骤S23根据标准化决策矩阵Z，利用熵权法求得评估指标的客观权重向量ωo＝(ωo 1、ωo 2、…、ωo n)，第j个指标的客观权重为：
式中，i＝1,2,…,m；j＝1,2,…,n。
7.根据权利要求5所述的基于改进最小叉熵的RIES运行规划仿真方法，其特征在于，所述步骤S24具体包括：
步骤S241，将标准化决策矩阵Z转换为效用函数值矩阵Uk：
式中，uk(z)表示第k个专家的效用函数，k＝1,2,……,l；l为评估专家人数；
步骤S242，在第k个专家的效用函数矩阵Uk基础上，得到第k个专家对指标主观权重的判断矩阵βk＝(βk1,βk2,…,βkn)；则不同专家对评估指标主观权重判断矩阵为：
其中，
式中，k＝1,2,……,l；j＝1,2,……,n；
根据步骤S242中确定的决策专家主观权重判断矩阵β，运用熵权法求取得到决策专家权重，则第k个决策专家的权重为：
步骤S243，构建最小叉熵模型综合所有决策者对指标主观权重的判断，得到指标的主观权重向量
第j个指标主观权重为
式中，k＝1,2,…,l；
步骤S244，利用最小叉熵准则建立优化模型求得综合权重使其与主、客观权重的距离最小，即：
min γD(ω,β0)+(1-γ)D(ω,ωo)
其中，γj和1-γj分别为第j个指标的主客观权重分配系数；
8.根据权利要求3所述的基于改进最小叉熵的RIES运行规划仿真方法，，其特征在于，所述步骤S25具体包括：
步骤S251，基于决策矩阵，构建加权规范化矩阵：
步骤S252，确定正、负理想方案：
式中，B+表示正理想方案；B-表示负理想方案；
步骤S253，计算各决策方案与正、负理想方案的距离：
决策方案到正理想方案的距离为：
决策方案到负理性方案的距离为：
步骤S254，计算各决策方案到正理想方案的相对距离：
步骤S255，选取相对距离最小的决策方案作为最优方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010610980.2A CN111798044B (zh) | 2020-06-30 | 2020-06-30 | 基于改进最小叉熵的ries运行规划仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010610980.2A CN111798044B (zh) | 2020-06-30 | 2020-06-30 | 基于改进最小叉熵的ries运行规划仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111798044A true CN111798044A (zh) | 2020-10-20 |
| CN111798044B CN111798044B (zh) | 2023-07-25 |
Family
ID=72809865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010610980.2A Active CN111798044B (zh) | 2020-06-30 | 2020-06-30 | 基于改进最小叉熵的ries运行规划仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111798044B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014010631A (ja) * | 2012-06-29 | 2014-01-20 | Hitachi Ltd | エネルギーネットワークの最適運転制御装置および方法 |
| CN105046594A (zh) * | 2015-09-16 | 2015-11-11 | 国网天津市电力公司 | 一种用户能源综合效益评价的平衡计分卡方法 |
| JP2016224512A (ja) * | 2015-05-27 | 2016-12-28 | 株式会社日立製作所 | 意思決定支援システム及び意思決定支援方法 |
| CN107480856A (zh) * | 2017-07-06 | 2017-12-15 | 浙江大学 | 基于改进逼近理想解排序法的售电公司电力客户评估方法 |
| CN108197768A (zh) * | 2018-04-02 | 2018-06-22 | 厦门大学 | 一种能源系统与管网布局联合优化方法 |
| CN109191025A (zh) * | 2018-11-08 | 2019-01-11 | 国网新疆电力有限公司 | 一种电源结构优化配置方案综合能效的评价方法 |
| WO2019100504A1 (zh) * | 2017-11-22 | 2019-05-31 | 北京科东电力控制系统有限责任公司 | 构建基于大数据技术的电力交易指标体系的方法 |
| CN109886469A (zh) * | 2019-01-23 | 2019-06-14 | 华北电力大学 | 一种区域综合能源系统需求侧管理方法 |
| CN110147568A (zh) * | 2019-04-04 | 2019-08-20 | 清华大学 | 综合能源系统能效评估方法及装置 |
| CN110334958A (zh) * | 2019-07-10 | 2019-10-15 | 国网能源研究院有限公司 | 一种区域综合能源供应系统效益评估方法 |
| CN110826868A (zh) * | 2019-10-21 | 2020-02-21 | 广东电网有限责任公司 | 一种多能源协调优化运行评价方法 |
-
2020
- 2020-06-30 CN CN202010610980.2A patent/CN111798044B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014010631A (ja) * | 2012-06-29 | 2014-01-20 | Hitachi Ltd | エネルギーネットワークの最適運転制御装置および方法 |
| JP2016224512A (ja) * | 2015-05-27 | 2016-12-28 | 株式会社日立製作所 | 意思決定支援システム及び意思決定支援方法 |
| CN105046594A (zh) * | 2015-09-16 | 2015-11-11 | 国网天津市电力公司 | 一种用户能源综合效益评价的平衡计分卡方法 |
| CN107480856A (zh) * | 2017-07-06 | 2017-12-15 | 浙江大学 | 基于改进逼近理想解排序法的售电公司电力客户评估方法 |
| WO2019100504A1 (zh) * | 2017-11-22 | 2019-05-31 | 北京科东电力控制系统有限责任公司 | 构建基于大数据技术的电力交易指标体系的方法 |
| CN108197768A (zh) * | 2018-04-02 | 2018-06-22 | 厦门大学 | 一种能源系统与管网布局联合优化方法 |
| CN109191025A (zh) * | 2018-11-08 | 2019-01-11 | 国网新疆电力有限公司 | 一种电源结构优化配置方案综合能效的评价方法 |
| CN109886469A (zh) * | 2019-01-23 | 2019-06-14 | 华北电力大学 | 一种区域综合能源系统需求侧管理方法 |
| CN110147568A (zh) * | 2019-04-04 | 2019-08-20 | 清华大学 | 综合能源系统能效评估方法及装置 |
| CN110334958A (zh) * | 2019-07-10 | 2019-10-15 | 国网能源研究院有限公司 | 一种区域综合能源供应系统效益评估方法 |
| CN110826868A (zh) * | 2019-10-21 | 2020-02-21 | 广东电网有限责任公司 | 一种多能源协调优化运行评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 雷霞: "考虑区域综合能源系统优化运行的配电网扩展规划", 电网技术, vol. 42, no. 11, pages 3459 - 3468 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111798044B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103903073B (zh) | 一种含分布式电源及储能的微电网优化规划方法及系统 | |
| CN111355230B (zh) | 一种综合能源系统优化调度方法与系统 | |
| CN107910863B (zh) | 综合考虑光伏出力和负荷需求预测区间的配电网调度方法 | |
| CN112701687B (zh) | 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法 | |
| CN112149980A (zh) | 区域级综合能源系统能效分析方法及系统 | |
| CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
| CN110232490A (zh) | 一种配电网工程投资成效的评估方法及系统 | |
| CN102930343A (zh) | 一种分布式发电供能系统能量优化方法 | |
| CN112952807B (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
| CN112348276A (zh) | 基于多要素三层次的综合能源系统规划优化方法 | |
| CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
| Li et al. | Intraday multi-objective hierarchical coordinated operation of a multi-energy system | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| Liu et al. | Two-stage scheduling strategy for integrated energy systems considering renewable energy consumption | |
| CN114358601A (zh) | 多元能量系统多维评价指标体系构建的方法及装置 | |
| Yang et al. | Flexibility index for a distributed energy system design optimization | |
| CN114037209A (zh) | 分布式光伏接入直流配电系统综合效益分析方法及装置 | |
| CN111798044B (zh) | 基于改进最小叉熵的ries运行规划仿真方法 | |
| CN112232984B (zh) | 一种分布式数据中心算力与能流融合的综合能源系统优化调度方法 | |
| Hong et al. | A study of evaluation system based on large scale photovoltaic power generation | |
| Yongqi et al. | Comprehensive benefit analysis for integrated energy systems projects based on ahp-fuzzy | |
| CN112488573A (zh) | 一种ppp模式下的综合能源服务模式评价方法 | |
| Zhao et al. | Two-stage Robust Stochastic Optimal Dispatch of Regional Integrated Energy System Considering Renewable Energy and Load Uncertainty | |
| Lu et al. | Regional Phase Change Storage Station Optimal Operation Considering Dynamic Temperature Estimation Based on BP Neural Network | |
| Xing et al. | Optimal configuration of multi energy flow system of electric heating and cooling air considering source load uncertainty |
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 |