CN113298416A - 一种梯级水电站群联合发电调度方案的决策方法及装置 - Google Patents

一种梯级水电站群联合发电调度方案的决策方法及装置 Download PDF

Info

Publication number
CN113298416A
CN113298416A CN202110658627.6A CN202110658627A CN113298416A CN 113298416 A CN113298416 A CN 113298416A CN 202110658627 A CN202110658627 A CN 202110658627A CN 113298416 A CN113298416 A CN 113298416A
Authority
CN
China
Prior art keywords
scheme
relative
decision
matrix
value
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.)
Withdrawn
Application number
CN202110658627.6A
Other languages
English (en)
Inventor
司大军
吴耀武
李玲芳
娄素华
周俊东
王远
孙鹏
梁书豪
游广增
陈义宣
陈姝敏
何烨
高杉雪
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.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid 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 Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN202110658627.6A priority Critical patent/CN113298416A/zh
Publication of CN113298416A publication Critical patent/CN113298416A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开一种梯级水电站群联合发电调度方案的决策方法及装置，在该方法中首先获取决策候选方案集并生成原始决策矩阵。然后对所述原始决策矩阵进行归一化处理，使用相对优属度矩阵代替原始决策矩阵。根据相对优属度矩阵，确定各属性指标的权重、相对优属度相对于所述正理想方案的对应属性指标的Vague值、相对优属度相对于所述负理想方案的对应属性指标的Vague值，进一步确定决策候选方案相对于理想方案的综合Vague值，最终确定流域梯级水电站群联合发电调度的最终方案。本申请综合考虑Vague值和属性客观权重信息，定量刻画流域梯级水电站群联合发电调度方案相对于理想方案的贴近程度，从而提升最终方案的鲁棒性和可信度。

Description

一种梯级水电站群联合发电调度方案的决策方法及装置
技术领域
本申请涉及电力系统技术领域，尤其涉及一种梯级水电站群联合发电调度方案的决策方法及装置。
背景技术
流域梯级水电站群的运行在受到雨情、水情影响的同时，还受到电力系统电力电量平衡以及调峰、调频的影响，需要综合考虑整个调度期的总发电量、时段最小出力、总弃水量和最大下泄流量等属性指标才能充分发挥流域梯级水电站群的综合效益。
为了在不增加额外防洪风险的同时最大化流域梯级水电站群的发电效益，需要均衡协调各属性指标之间的竞争与冲突，合理安排梯级水电站群的时段水位和蓄泄过程。因此，流域梯级水电站群联合调度方案的制定过程从本质上来讲是一个多目标、多属性的决策问题。
然而，由于各属性指标和价值函数之间相互制约并且不可公度，决策过程具有较强的主观性和不确定性，使得采用传统决策方法处理此类问题时难以挖掘方案集自身所传递的信息，导致决策结果鲁棒性差、可信度不高。
发明内容
本申请公开了一种梯级水电站群联合发电调度方案的决策方法及装置，用于解决现有技术中，各属性指标和价值函数之间相互制约并且不可公度，决策过程具有较强的主观性和不确定性，使得采用传统决策方法处理此类问题时难以挖掘方案集自身所传递的信息，导致决策结果鲁棒性差、可信度不高的技术问题。
本申请第一方面公开了一种梯级水电站群联合发电调度方案的决策方法，包括：
获取决策候选方案集，并根据所述决策候选方案集，生成原始决策矩阵；所述决策候选方案集包括多个决策候选方案，所述决策候选方案是指流域梯级水电站群联合发电调度的非劣方案，任一所述决策候选方案包括各属性指标的具体数值；
对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵；
根据所述相对优属度矩阵，确定各属性指标的权重；
根据所述相对优属度矩阵，确定正理想方案和负理想方案；
根据所述相对优属度矩阵、正理想方案和负理想方案，确定相对优属度相对于所述正理想方案的对应属性指标的Vague值，以及确定相对优属度相对于所述负理想方案的对应属性指标的Vague值；
根据所述相对优属度相对于所述正理想方案的对应属性指标的Vague值、所述相对优属度相对于所述负理想方案的对应属性指标的Vague值、所述各属性指标的权重，确定所述决策候选方案相对于理想方案的综合Vague值；
根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案。
可选的，所述根据所述相对优属度矩阵，确定各属性指标的权重，包括：
根据所述相对优属度矩阵，确定所述各属性指标的熵值；
根据所述各属性指标的熵值，确定各属性指标的权重。
可选的，所述根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案，包括：
根据所述决策候选方案相对于理想方案的综合Vague值，确定所述多个决策候选方案的优劣排序；
根据所述所述多个决策候选方案的优劣排序，确定所述流域梯级水电站群联合发电调度的最终方案。
可选的，所述属性指标包括总发电量、时段最小出力、总弃水量和最大下泄流量。
可选的，所述对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵，包括：
根据所述原始决策矩阵，分别对所述总发电量的具体数值和所述时段最小出力的具体数值进行归一化处理，确定效益相对优属度；
根据所述原始决策矩阵，分别对所述总弃水量的具体数值和所述最大下泄洪量的具体数值进行归一化处理，确定成本相对优属度；
根据所述效益相对优属度和所述成本相对优属度，确定所述相对优属度矩阵。
本申请第二方面公开了一种梯级水电站群联合发电调度方案的决策装置，所述梯级水电站群联合发电调度方案的决策装置应用于本申请第一方面公开的梯级水电站群联合发电调度方案的决策方法，所述梯级水电站群联合发电调度方案的决策装置包括：
原始决策矩阵生成模块，用于获取决策候选方案集，并根据所述决策候选方案集，生成原始决策矩阵；所述决策候选方案集包括多个决策候选方案，所述决策候选方案是指流域梯级水电站群联合发电调度的非劣方案，任一所述决策候选方案包括各属性指标的具体数值；
归一化处理模块，用于对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵；
指标权重确定模块，用于根据所述相对优属度矩阵，确定各属性指标的权重；
理想方案获取模块，用于根据所述相对优属度矩阵，确定正理想方案和负理想方案；
Vague值获取模块，用于根据所述相对优属度矩阵、正理想方案和负理想方案，确定相对优属度相对于所述正理想方案的对应属性指标的Vague值，以及确定相对优属度相对于所述负理想方案的对应属性指标的Vague值；
综合Vague值确定模块，用于根据所述相对优属度相对于所述正理想方案的对应属性指标的Vague值、所述相对优属度相对于所述负理想方案的对应属性指标的Vague值、所述各属性指标的权重，确定所述决策候选方案相对于理想方案的综合Vague值；
最终方案生成模块，用于根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案。
可选的，所述指标权重确定模块包括：
熵值获取单元，用于根据所述相对优属度矩阵，确定所述各属性指标的熵值；
指标权重获取单元，用于根据所述各属性指标的熵值，确定各属性指标的权重。
可选的，所述最终方案生成模块包括：
排序处理单元，用于根据所述决策候选方案相对于理想方案的综合Vague值，确定所述多个决策候选方案的优劣排序；
最终方案获取单元，用于根据所述所述多个决策候选方案的优劣排序，确定所述流域梯级水电站群联合发电调度的最终方案。
可选的，所述属性指标包括总发电量、时段最小出力、总弃水量和最大下泄流量。
可选的，所述归一化处理模块包括：
效益相对优属度获取单元，用于根据所述原始决策矩阵，分别对所述总发电量的具体数值和所述时段最小出力的具体数值进行归一化处理，确定效益相对优属度；
成本相对优属度获取单元，用于根据所述原始决策矩阵，分别对所述总弃水量的具体数值和所述最大下泄洪量的具体数值进行归一化处理，确定成本相对优属度；
相对优属度矩阵生成单元，用于根据所述效益相对优属度和所述成本相对优属度，确定所述相对优属度矩阵。
本申请涉及电力系统技术领域，公开了一种梯级水电站群联合发电调度方案的决策方法及装置，在该方法中，首先获取决策候选方案集并生成原始决策矩阵。然后对所述原始决策矩阵进行归一化处理，使用相对优属度矩阵代替原始决策矩阵。根据相对优属度矩阵，确定各属性指标的权重、相对优属度相对于所述正理想方案的对应属性指标的Vague值、相对优属度相对于所述负理想方案的对应属性指标的Vague值，进一步确定决策候选方案相对于理想方案的综合Vague值，最终确定流域梯级水电站群联合发电调度的最终方案。本申请综合考虑Vague值和属性客观权重信息，定量刻画流域梯级水电站群联合发电调度方案相对于理想方案的贴近程度，从而提升流域梯级水电站群联合发电调度的最终方案的鲁棒性和可信度。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种梯级水电站群联合发电调度方案的决策方法的工作流程示意图；
图2为本申请实施例公开的一种梯级水电站群联合发电调度方案的决策装置的结构示意图。
具体实施方式
为了解决现有技术中，各属性指标和价值函数之间相互制约并且不可公度，决策过程具有较强的主观性和不确定性，使得采用传统决策方法处理此类问题时难以挖掘方案集自身所传递的信息，导致决策结果鲁棒性差、可信度不高的技术问题，本申请通过以下两个实施例公开了一种梯级水电站群联合发电调度方案的决策方法及装置。
本申请第一实施例公开了一种梯级水电站群联合发电调度方案的决策方法，参见图1所示的工作流程示意图，所述梯级水电站群联合发电调度方案的决策方法包括：
步骤S101，获取决策候选方案集，并根据所述决策候选方案集，生成原始决策矩阵。所述决策候选方案集包括多个决策候选方案，所述决策候选方案是指流域梯级水电站群联合发电调度的非劣方案，任一所述决策候选方案包括各属性指标的具体数值。
进一步的，所述属性指标包括总发电量、时段最小出力、总弃水量和最大下泄流量。
具体来说，收集流域梯级水电站群联合调度的非劣方案作为决策候选方案集，统计总发电量、时段最小出力、总弃水量和最大下泄流量四个属性指标的具体数据，生成原始决策矩阵X＝[xij]m×n，其中，xij表示第i种决策候选方案的第j个属性指标的具体数值，i＝1,2,…,m，m表示决策候选方案集所包含的决策候选方案的个数，j＝1代表总发电量指标，j＝2代表时段最小出力指标，j＝3代表总弃水量指标，j＝4代表最大下泄流量指标，n＝4为属性指标的个数。
本步骤充分考虑调度方案的总发电量、时段最小出力、总弃水量、最大下泄流量等四个属性，从而均衡考虑防洪与发电效益，实现了不增加额外防洪风险的同时最大化流域梯级水电站群的发电效益的目标。
步骤S102，对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵。
进一步的，所述对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵，包括：
根据所述原始决策矩阵，分别对所述总发电量的具体数值和所述时段最小出力的具体数值进行归一化处理，确定效益相对优属度。
根据所述原始决策矩阵，分别对所述总弃水量的具体数值和所述最大下泄洪量的具体数值进行归一化处理，确定成本相对优属度。
根据所述效益相对优属度和所述成本相对优属度，确定所述相对优属度矩阵。
具体来说，对原始决策矩阵进行归一化处理，得到相对优属度矩阵R＝[rij]m×n，其归一化处理方法如下：
总发电量和时段最小出力为效益型属性，其属性值越大越好，归一化如下：
Figure BDA0003114344740000041
总弃水量和最大下泄流量为成本型属性，其属性值越小越好，归一化如下：
Figure BDA0003114344740000042
以上两式中，
Figure BDA0003114344740000051
分别表示决策候选方案集中第j个属性指标具体数据的最小值和最大值。经过归一化处理后，第i种决策候选方案的第j个属性指标的特征可以用相对优属度rij表示，rij∈[0,1]。
本步骤充分考虑各属性的特征，采用合理的方法对属性指标进行归一化处理，使用相对优属度矩阵代替原始决策矩阵，避免了属性指标量纲不一致对决策过程产生的影响。
步骤S103，根据所述相对优属度矩阵，确定各属性指标的权重。
进一步的，所述根据所述相对优属度矩阵，确定各属性指标的权重，包括：
根据所述相对优属度矩阵，确定所述各属性指标的熵值。
根据所述各属性指标的熵值，确定各属性指标的权重。
具体来说，根据相对优属度矩阵计算各属性指标的熵值H＝(h1…hj…hn)，利用熵值计算各属性的权重W＝(w1…wj…wn)，包括：
根据相对优属度矩阵计算各属性指标的熵值H＝(h1…hj…hn)，具体通过如下公式计算：
Figure BDA0003114344740000052
Figure BDA0003114344740000053
然后根据各属性的熵值计算各属性指标的权重W＝(w1…wj…wn)，具体通过如下公式计算：
Figure BDA0003114344740000054
式中，wj为第j个属性指标的权重，wj∈[0,1]，
Figure BDA0003114344740000055
本步骤使用熵权法确定属性指标的权重，准确、有效地提取了客观决策信息，避免了决策人水平参差不齐对决策过程造成的主观影响。
步骤S104，根据所述相对优属度矩阵，确定正理想方案和负理想方案。
具体来说，根据相对优属度矩阵计算正理想方案
Figure BDA0003114344740000056
和负理想方案
Figure BDA0003114344740000057
其中，：
Figure BDA0003114344740000058
表示决策候选方案集中第j个属性指标相对优属度的最大值；
Figure BDA0003114344740000059
表示决策候选方案集中第j个属性指标相对优属度的最小。
步骤S105，根据所述相对优属度矩阵、正理想方案和负理想方案，确定相对优属度相对于所述正理想方案的对应属性指标的Vague值，以及确定相对优属度相对于所述负理想方案的对应属性指标的Vague值。
具体来说，计算相对优属度rij相对于正理想方案对应属性
Figure BDA00031143447400000510
的Vague值
Figure BDA00031143447400000511
计算公式如下：
Figure BDA0003114344740000061
Figure BDA0003114344740000062
式中，
Figure BDA0003114344740000063
为rij相对于
Figure BDA0003114344740000064
的真隶属度，
Figure BDA0003114344740000065
为rij相对于
Figure BDA0003114344740000066
的假隶属度。
计算相对优属度rij相对于负理想对应属性
Figure BDA0003114344740000067
的Vague值
Figure BDA0003114344740000068
计算公式如下：
Figure BDA0003114344740000069
Figure BDA00031143447400000610
式中，
Figure BDA00031143447400000611
为rij相对于
Figure BDA00031143447400000612
的真隶属度，
Figure BDA00031143447400000613
为rij相对于
Figure BDA00031143447400000614
的假隶属度。
步骤S106，根据所述相对优属度相对于所述正理想方案的对应属性指标的Vague值、所述相对优属度相对于所述负理想方案的对应属性指标的Vague值、所述各属性指标的权重，确定所述决策候选方案相对于理想方案的综合Vague值。
具体来说，根据相对优属度rij分别相对于正、负理想方案对应属性的Vague值，结合各属性指标的权重，计算决策候选方案相对于理想方案的综合Vague值[ti,1-fi]，计算方法如下：
Figure BDA00031143447400000615
Figure BDA00031143447400000616
式中，ti为方案i相对于理想方案的真隶属度，fi为方案i相对于理想方案的假隶属度。
步骤S107，根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案。
进一步的，所述根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案，包括：
根据所述决策候选方案相对于理想方案的综合Vague值，确定所述多个决策候选方案的优劣排序。
根据所述所述多个决策候选方案的优劣排序，确定所述流域梯级水电站群联合发电调度的最终方案。
具体来说，根据决策候选方案相对于理想方案的综合Vague值，采用评分函数
Figure BDA0003114344740000071
对各决策候选方案进行打分，得到候选方案的优劣排序，其打分方法如下：
Figure BDA0003114344740000072
Figure BDA0003114344740000073
计算得到每种决策候选方案的Score值，首先比较S1，S1分数较高的决策候选方案较优；当S1分数相同时，比较S2，S2分数较高的决策候选方案较优。对决策候选方案集中的决策候选方案进行两两比较，得到决策候选方案的优劣排序，此时，可以选择最优方案作为流域梯级水电站群联合发电调度的最终方案。
以上步骤运用Vague集理论，结合属性指标的客观权重信息，描述各候选方案相对于理想方案的贴近程度，更为准确地刻画了各候选方案的综合优劣程度。
本申请上述实施例公开的一种梯级水电站群联合发电调度方案的决策方法，首先获取决策候选方案集并生成原始决策矩阵。然后对所述原始决策矩阵进行归一化处理，使用相对优属度矩阵代替原始决策矩阵。根据相对优属度矩阵，确定各属性指标的权重、相对优属度相对于所述正理想方案的对应属性指标的Vague值、相对优属度相对于所述负理想方案的对应属性指标的Vague值，进一步确定决策候选方案相对于理想方案的综合Vague值，最终确定流域梯级水电站群联合发电调度的最终方案。本申请综合考虑Vague值和属性客观权重信息，定量刻画流域梯级水电站群联合发电调度方案相对于理想方案的贴近程度，从而提升流域梯级水电站群联合发电调度的最终方案的鲁棒性和可信度。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
本申请第二实施例公开了一种梯级水电站群联合发电调度方案的决策装置，所述梯级水电站群联合发电调度方案的决策装置应用于本申请第一实施例公开的梯级水电站群联合发电调度方案的决策方法，参见图2所示的结构示意图，所述梯级水电站群联合发电调度方案的决策装置包括：
原始决策矩阵生成模块10，用于获取决策候选方案集，并根据所述决策候选方案集，生成原始决策矩阵。所述决策候选方案集包括多个决策候选方案，所述决策候选方案是指流域梯级水电站群联合发电调度的非劣方案，任一所述决策候选方案包括各属性指标的具体数值。
进一步的，所述属性指标包括总发电量、时段最小出力、总弃水量和最大下泄流量。
归一化处理模块20，用于对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵。
进一步的，所述归一化处理模块20包括：
效益相对优属度获取单元，用于根据所述原始决策矩阵，分别对所述总发电量的具体数值和所述时段最小出力的具体数值进行归一化处理，确定效益相对优属度。
成本相对优属度获取单元，用于根据所述原始决策矩阵，分别对所述总弃水量的具体数值和所述最大下泄洪量的具体数值进行归一化处理，确定成本相对优属度。
相对优属度矩阵生成单元，用于根据所述效益相对优属度和所述成本相对优属度，确定所述相对优属度矩阵。
指标权重确定模块30，用于根据所述相对优属度矩阵，确定各属性指标的权重。
进一步的，所述指标权重确定模块30包括：
熵值获取单元，用于根据所述相对优属度矩阵，确定所述各属性指标的熵值。
指标权重获取单元，用于根据所述各属性指标的熵值，确定各属性指标的权重。
理想方案获取模块40，用于根据所述相对优属度矩阵，确定正理想方案和负理想方案。
Vague值获取模块50，用于根据所述相对优属度矩阵、正理想方案和负理想方案，确定相对优属度相对于所述正理想方案的对应属性指标的Vague值，以及确定相对优属度相对于所述负理想方案的对应属性指标的Vague值。
综合Vague值确定模块60，用于根据所述相对优属度相对于所述正理想方案的对应属性指标的Vague值、所述相对优属度相对于所述负理想方案的对应属性指标的Vague值、所述各属性指标的权重，确定所述决策候选方案相对于理想方案的综合Vague值。
最终方案生成模块70，用于根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案。
进一步的，所述最终方案生成模块70包括：
排序处理单元，用于根据所述决策候选方案相对于理想方案的综合Vague值，确定所述多个决策候选方案的优劣排序。
最终方案获取单元，用于根据所述所述多个决策候选方案的优劣排序，确定所述流域梯级水电站群联合发电调度的最终方案。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种梯级水电站群联合发电调度方案的决策方法，其特征在于，包括：
获取决策候选方案集，并根据所述决策候选方案集，生成原始决策矩阵；所述决策候选方案集包括多个决策候选方案，所述决策候选方案是指流域梯级水电站群联合发电调度的非劣方案，任一所述决策候选方案包括各属性指标的具体数值；
对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵；
根据所述相对优属度矩阵，确定各属性指标的权重；
根据所述相对优属度矩阵，确定正理想方案和负理想方案；
根据所述相对优属度矩阵、正理想方案和负理想方案，确定相对优属度相对于所述正理想方案的对应属性指标的Vague值，以及确定相对优属度相对于所述负理想方案的对应属性指标的Vague值；
根据所述相对优属度相对于所述正理想方案的对应属性指标的Vague值、所述相对优属度相对于所述负理想方案的对应属性指标的Vague值、所述各属性指标的权重，确定所述决策候选方案相对于理想方案的综合Vague值；
根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案。
2.根据权利要求1所述的梯级水电站群联合发电调度方案的决策方法，其特征在于，所述根据所述相对优属度矩阵，确定各属性指标的权重，包括：
根据所述相对优属度矩阵，确定所述各属性指标的熵值；
根据所述各属性指标的熵值，确定各属性指标的权重。
3.根据权利要求1所述的梯级水电站群联合发电调度方案的决策方法，其特征在于，所述根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案，包括：
根据所述决策候选方案相对于理想方案的综合Vague值，确定所述多个决策候选方案的优劣排序；
根据所述所述多个决策候选方案的优劣排序，确定所述流域梯级水电站群联合发电调度的最终方案。
4.根据权利要求1所述的梯级水电站群联合发电调度方案的决策方法，其特征在于，所述属性指标包括总发电量、时段最小出力、总弃水量和最大下泄流量。
5.根据权利要求4所述的梯级水电站群联合发电调度方案的决策方法，其特征在于，所述对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵，包括：
根据所述原始决策矩阵，分别对所述总发电量的具体数值和所述时段最小出力的具体数值进行归一化处理，确定效益相对优属度；
根据所述原始决策矩阵，分别对所述总弃水量的具体数值和所述最大下泄洪量的具体数值进行归一化处理，确定成本相对优属度；
根据所述效益相对优属度和所述成本相对优属度，确定所述相对优属度矩阵。
6.一种梯级水电站群联合发电调度方案的决策装置，其特征在于，所述梯级水电站群联合发电调度方案的决策装置应用于权利要求1-5任一项所述的梯级水电站群联合发电调度方案的决策方法，所述梯级水电站群联合发电调度方案的决策装置包括：
原始决策矩阵生成模块，用于获取决策候选方案集，并根据所述决策候选方案集，生成原始决策矩阵；所述决策候选方案集包括多个决策候选方案，所述决策候选方案是指流域梯级水电站群联合发电调度的非劣方案，任一所述决策候选方案包括各属性指标的具体数值；
归一化处理模块，用于对所述原始决策矩阵进行归一化处理，确定相对优属度矩阵；
指标权重确定模块，用于根据所述相对优属度矩阵，确定各属性指标的权重；
理想方案获取模块，用于根据所述相对优属度矩阵，确定正理想方案和负理想方案；
Vague值获取模块，用于根据所述相对优属度矩阵、正理想方案和负理想方案，确定相对优属度相对于所述正理想方案的对应属性指标的Vague值，以及确定相对优属度相对于所述负理想方案的对应属性指标的Vague值；
综合Vague值确定模块，用于根据所述相对优属度相对于所述正理想方案的对应属性指标的Vague值、所述相对优属度相对于所述负理想方案的对应属性指标的Vague值、所述各属性指标的权重，确定所述决策候选方案相对于理想方案的综合Vague值；
最终方案生成模块，用于根据所述决策候选方案相对于理想方案的综合Vague值，确定流域梯级水电站群联合发电调度的最终方案。
7.根据权利要求6所述的梯级水电站群联合发电调度方案的决策装置，其特征在于，所述指标权重确定模块包括：
熵值获取单元，用于根据所述相对优属度矩阵，确定所述各属性指标的熵值；
指标权重获取单元，用于根据所述各属性指标的熵值，确定各属性指标的权重。
8.根据权利要求6所述的梯级水电站群联合发电调度方案的决策装置，其特征在于，所述最终方案生成模块包括：
排序处理单元，用于根据所述决策候选方案相对于理想方案的综合Vague值，确定所述多个决策候选方案的优劣排序；
最终方案获取单元，用于根据所述所述多个决策候选方案的优劣排序，确定所述流域梯级水电站群联合发电调度的最终方案。
9.根据权利要求6所述的梯级水电站群联合发电调度方案的决策装置，其特征在于，所述属性指标包括总发电量、时段最小出力、总弃水量和最大下泄流量。
10.根据权利要求9所述的梯级水电站群联合发电调度方案的决策装置，其特征在于，所述归一化处理模块包括：
效益相对优属度获取单元，用于根据所述原始决策矩阵，分别对所述总发电量的具体数值和所述时段最小出力的具体数值进行归一化处理，确定效益相对优属度；
成本相对优属度获取单元，用于根据所述原始决策矩阵，分别对所述总弃水量的具体数值和所述最大下泄洪量的具体数值进行归一化处理，确定成本相对优属度；
相对优属度矩阵生成单元，用于根据所述效益相对优属度和所述成本相对优属度，确定所述相对优属度矩阵。
CN202110658627.6A 2021-06-15 2021-06-15 一种梯级水电站群联合发电调度方案的决策方法及装置 Withdrawn CN113298416A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110658627.6A CN113298416A (zh) 2021-06-15 2021-06-15 一种梯级水电站群联合发电调度方案的决策方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110658627.6A CN113298416A (zh) 2021-06-15 2021-06-15 一种梯级水电站群联合发电调度方案的决策方法及装置

Publications (1)

Publication Number Publication Date
CN113298416A true CN113298416A (zh) 2021-08-24

Family

ID=77328186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110658627.6A Withdrawn CN113298416A (zh) 2021-06-15 2021-06-15 一种梯级水电站群联合发电调度方案的决策方法及装置

Country Status (1)

Country Link
CN (1) CN113298416A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116701A (zh) * 2013-01-30 2013-05-22 南京理工大学连云港研究院 一种用于水利信息系统的水利信息调度方法
CN103440525A (zh) * 2013-06-14 2013-12-11 北京工商大学 基于Vague值相似度量改进算法的城市湖库水华应急治理多目标多层次决策方法
CN105574617A (zh) * 2015-12-18 2016-05-11 上海交通大学 分布式电源和微电网接入配电系统方案的综合优化系统
CN105869070A (zh) * 2016-04-06 2016-08-17 大连理工大学 一种跨流域梯级水电站群效益均衡的合作优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116701A (zh) * 2013-01-30 2013-05-22 南京理工大学连云港研究院 一种用于水利信息系统的水利信息调度方法
CN103440525A (zh) * 2013-06-14 2013-12-11 北京工商大学 基于Vague值相似度量改进算法的城市湖库水华应急治理多目标多层次决策方法
CN105574617A (zh) * 2015-12-18 2016-05-11 上海交通大学 分布式电源和微电网接入配电系统方案的综合优化系统
CN105869070A (zh) * 2016-04-06 2016-08-17 大连理工大学 一种跨流域梯级水电站群效益均衡的合作优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李英海: "梯级水电站群联合优化调度及其决策方法", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 *

Similar Documents

Publication Publication Date Title
CN109559035B (zh) 一种考虑灵活性的城市配电网双层规划方法
CN111222755A (zh) 一种智能配电网的效能状态评价方法
CN107292489A (zh) 一种电网调度运行精益化评价系统
CN112508292A (zh) 一种基于模糊topsis法的智慧充电站选址优化方法
CN113240263A (zh) 一种基于熵权模糊的综合能源系统规划组合评价方法
CN115660170A (zh) 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统
CN114094599A (zh) 一种多站融合参与调峰调频调压潜力评估方法及装置
CN113298416A (zh) 一种梯级水电站群联合发电调度方案的决策方法及装置
CN113033886B (zh) 一种配电网规划建设评估方法
CN116993205A (zh) 一种面向城市综合能源系统日内运行的调节能力评估方法
CN110852370A (zh) 基于聚类算法的大工业用户细分方法
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
Rouwhorst et al. Improving Clustering-Based Forecasting of Aggregated Distribution Transformer Loadings With Gradient Boosting and Feature Selection
CN115630311A (zh) 一种考虑不确定因素相关性的风光电氢场景缩减方法
CN111241664B (zh) 一种配变台区电压问题治理方案评估方法
CN114781703A (zh) 一种分层多目标优化方法、终端设备及存储介质
CN111563665A (zh) 一种电压质量管理方法
CN113159540A (zh) 一种考虑负荷价值的需求侧资源梯级调用方法及装置
CN112818544A (zh) 计及终端差异化可靠性需求的配电网可靠性评估方法
CN116505581B (zh) 考虑多类型异质资源参与的孤岛微电网黑启动方法及装置
CN114021844B (zh) 基于气象灾害预测的输电线路运维投入优化方法及其系统
CN117235373B (zh) 基于信息熵的科研热点推荐方法
Ottoman et al. Budgeting for facility maintenance and repair. II: Multicriteria process for model selection
CN115713272A (zh) 模糊粗糙环境下电力用户负荷响应潜力评估方法及系统
CN113036815A (zh) 适用于多类型用户的电网调峰方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210824