CN113689118A - 项目多目标组合优选方法及系统 - Google Patents
项目多目标组合优选方法及系统 Download PDFInfo
- Publication number
- CN113689118A CN113689118A CN202110976480.5A CN202110976480A CN113689118A CN 113689118 A CN113689118 A CN 113689118A CN 202110976480 A CN202110976480 A CN 202110976480A CN 113689118 A CN113689118 A CN 113689118A
- Authority
- CN
- China
- Prior art keywords
- weight
- project
- index
- objective
- combination
- 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 63
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 115
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 66
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 17
- 210000000349 chromosome Anatomy 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 230000035772 mutation Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 238000010845 search algorithm Methods 0.000 claims description 6
- 238000010187 selection method Methods 0.000 claims description 4
- 206010064571 Gene mutation Diseases 0.000 claims description 3
- 230000006798 recombination Effects 0.000 claims description 3
- 238000005215 recombination Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000002068 genetic effect Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 241000201421 Xiphinema index Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- MQTOSJVFKKJCRP-BICOPXKESA-N azithromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)N(C)C[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 MQTOSJVFKKJCRP-BICOPXKESA-N 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/06—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种的项目多目标组合优选方法及系统:通过建立电网项目综合评价指标体系,包括安全性、可靠性、经济性、协调性四个方面的综合评价指标;利用集值迭代法的主观权重计算模型,计算各综合评价指标的主观权重;利用熵权法的客观权重计算模型,计算各综合评价指标的客观权重;利用矩估计理论的最优组合权重计算模型,综合主观权重及客观权重形成评价指标的最优组合权重;结合综合评价指标体系及最优组合权重,利用动态种群进化算法进行组合优选。本发明运用动态种群进化算法对最优项目组合进行求解。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种项目多目标组合优选方法及系统。
背景技术
目前在电力项目申报时,缺乏客观有效的优选方法,对项目进行优选组合,尤其是在项目组合优选方面,目前缺乏项目多目标优选方法,不能在投资额度确定情况下最大效益化优选项目组合,使得新增资产效能无法发挥应有的积极作用,而且可能存在项目多头申报、重复立项的问题,极有可能造成资源浪费、现有隐患无法得到针对性的解决等问题。因此,需要通过项目多目标组合优选的研究,实现项目投资侧重点实时调整,为项目投资提供科学、客观的参考依据,提升公司的项目精准投资水平。
发明内容
为了解决以上问题,本发明提供一种项目多目标组合优选方法及系统,能够综合客观和专家主观评价结果,运用动态种群进化算法对最优项目组合进行求解,辅助进行科学精准的项目投资。
本发明提供一种项目多目标组合优选方法,包括以下步骤:
获取待评价项目的相关参数;
利用电网项目综合评价指标体系,根据待评价项目的相关参数对待评价项目进行多项综合评价;包括:利用主观权重计算模型,计算各项综合评价指标的主观权重向量;利用客观权重计算模型;计算各项综合评价指标的客观权重向量;
利用最优组合权重计算模型,综合主观权重向量及客观权重向量形成评价指标的最优组合权重向量;
根据所述综合评价指标体系及所述最优组合权重向量,利用动态种群进化算法得出项目多目标最优组合。
在本发明提供的项目多目标组合优选方法中,能够综合客观和专家主观评价结果,运用动态种群进化算法对最优项目组合进行求解,使项目组合优选投资更合理,为项目投资提供科学、客观的参考依据,提升公司的项目精准投资水平。
优选的,所述电网项目综合评价指标体系包括至少以下几方面的一级评价指标:安全性、可靠性、经济性、协调性。所述可靠性评价指标至少包括以下二级评价指标:供电能力、负荷性质、短路电流裕度水平、稳定裕度比及项目建设后容载比;所述协调性评价指标至少包括以下二级评价指标:变电容量协调度、变电站协调因子、变电站扩容裕度。
在本发明提供的项目多目标组合优选方法中,构建的电网项目综合评价指标体系对项目进行了多维度详细评价,能更客观的准确的掌握项目情况,对后续数据处理打下了坚实的数据基础。
在上述任意一项实施例中优选的,根据集值迭代方法计算各指标权重向量,包括以下步骤:
S201、建立标准指标集,X={x1,x2,…,xm},其中,m为指标个数;对获取的待评价项目的相关参数,进行标准化处理;
S202、选取指标集中专家选定的多个重要的指标,任意一位专家选取的指标集合采用如下专家指标集合表示X(k)={x1(k),x2(k),…,xs(k)},k=1,2,…,L;
S203、根据专家指标隶属函数,判断任意指标xu是否属于专家指标集合;
S204、计算任意指标属于专家指标集合X(k)的个数g(xu);
S205、采用如下公式计算各指标的权重系数tu
在上述任意一项实施例中优选的,所述客观权重计算模型,利用熵权法计算各指标权重向量,包括如下步骤:
S301、构建指标矩阵,并对指标矩阵进行规范化处理;
S302、采用熵权法确定S301中所述指标矩阵的指标权重;
S303、对所得指标权重进行加权标准化,最终得出各指标权重。
在上述任意一项实施例中优选的,所述最优组合权重计算模型,利用矩估计理论构建而成,所述利用最优组合权重计算模型,形成评价指标的最优组合权重向量时,包括以下步骤;
S401、在主观权重向量和客观权重向量中,获取任意一项评价指标的主观权重和客观权重;
S402、计算所述评价指标的组合权重与主观权重和客观权重的偏差值;
S403、对偏差值取最小值作为最优解,形成该项评价指标的最优组合权重;
S404、依次计算各项评价指标的最优组合权重,形成最优组合权重向量。
在上述任意一项实施例中优选的,在S403中,采用如下公式,计算所述评价指标的组合权重与主观权重和客观权重的偏差值;
H(wj)=α×(wj-tj)2+β×(wj-sj)2
式中,∑wj=1,1≤j≤m,wj表示第j个指标的组合权重,H(wj)表示第j个指标的组合权重wj与主客观权重tj、sj的偏差;α为主观权重向量对组合权重的相对系数,β为客观权重向量对组合权重的相对系数。
在上述任意一项实施例中优选的,所述利用动态种群进化算法进行组合优选,包括以下步骤:
S501、按照电网项目综合评价指标体系中安全性、经济性、可靠性、协调性四方面的评价系数之和最高,设定目标函数;
S502、根据项目的投资情况设定约束条件;
S503、采用动态种群进化法对目标函数在约束条件下,进行求解得到Pareto解集作为项目多目标最优组合。
在本发明是实施例提供的项目多目标组合优选方法中,通过对Pareto解集的展示,投资者可以直观的感受到不同目标函数之间的关系,有助于投资者在各个目标之间进行权衡,优化结果更加符合投资者的期望,更加令人信服。
在上述任意一项实施例中优选的,采用动态种群进化法进行求解时,包括:
S531、对每个项目的建设情况进行二进制编码,根据编码结果筛选待求解项目;
S532、对待求解项目,按照项目投资约束条件,通过多次循环生成满足约束的初始种群;
S533、以目标函数的函数值为非负数及求解目标函数的最大值为优化目标,设定染色体适应度;
S534、采用轮盘赌选择方法选择初始种群中需要进化的父代个体,形成父代种群;
S535、采用网格搜索算法,将父代种群按照设定的染色体适应度,进行交叉概率和变异概率的选择,实现染色体重组与基因突变,并形成子代个体,更新种群。
S536、重复步骤S532到S535直至得到最满意的解。
在本发明是实施例提供的项目多目标组合优选方法中,网格搜索算法进行交叉概率和变异概率的选择,该改进策略能使群体中优秀个体的交叉概率和变异概率得到实时调整,从而保护遗传模式。
本发明还提供一种项目多目标组合优选系统,包括:
数据获取模块,获取待评价项目的相关参数;
电网项目综合评价指标体系,用于根据待评价项目的相关参数;对待评价项目进行多项综合评价;
所述电网项目综合评价指标体系包括:主观权重计算模型和客观权重计算模型;所述主观权重计算模型,根据待评价项目的相关参数;计算各项综合评价指标的主观权重向量;所述客观权重计算模型,根据待评价项目的相关参数;计算各项综合评价指标的客观权重向量;
最优组合权重计算模型,用于综合主观权重向量及客观权重向量形成评价指标的最优组合权重向量;
动态种群进化优选模型,根据所述综合评价指标体系及所述最优组合权重向量,利用动态种群进化算法得出项目多目标最优组合。
进一步,所述电网项目综合评价指标体系包括至少以下几方面的一级评价指标:安全性、可靠性、经济性、协调性;
所述可靠性一级评价指标至少包括以下二级评价指标:供电能力、负荷性质、短路电流裕度水平、稳定裕度比及项目建设后容载比;所述协调性评价指标至少包括以下二级评价指标:变电容量协调度、变电站协调因子、变电站扩容裕度。
在本发明提供的项目多目标组合优选系统中,能够综合客观和专家主观评价结果,运用动态种群进化算法对最优项目组合进行求解,使项目组合优选投资更合理,为项目投资提供科学、客观的参考依据,提升公司的项目精准投资水平。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明提供的项目多目标组合优选方法的流程图;
图2为本发明实施例的动态种群进化算法流程图;
图3为本发明实施例的网格搜索得到动态参数的仿真结果图;
图4为本发明实施例的包含10个项目组合的优选结果图;
图5为本发明实施例包含10个项目组合的Pareto解集图;
图6为本发明实施例包含100个项目组合的优选结果图;
图7为本发明实施例包含100个项目组合Pareto解集图;
图8为本发明提供的项目多目标组合优选系统的结构框图;
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
如图1所示,本发明提供一种的项目多目标组合优选方法,包括以下步骤:
S1、获取待评价项目的相关参数;利用电网项目综合评价指标体系对待评价项目进行多项综合评价;所述电网项目综合评价指标体系包括至少以下几方面的一级评价指标:安全性、可靠性、经济性、协调性。电网企业在资金、建设资源等条件的约束下,需对规划期规划涉及的多个电网规划项目进行建设排序,提出安全性、可靠性、经济性、协调性四个方面的综合评价指标,如表1所示。
表1电网项目综合评价指标体系
(1)安全性:
安全性主要从满足接入系统需求、满足供电能力、加强电网结构、提升设备水平四个层面考虑,选取的指标如下:满足常规电源接入、解决设备重载和过载、户均配变容量、站间负荷转移能力、标准网架结构、N-1通过率、标准网架结构、加强线路联络、加强线路分段、缩短供电半径、消除老旧设备、消除缺陷设备、设备标准化水平。
(2)经济性
经济性主要从满足接入系统需求、满足供电能力、提升设备水平三个层面考虑,选取的指标如下:满足用户接入、满足新增负荷供电要求、解决设备轻载、消除高损配变。
(3)可靠性
1)供电能力
供电能力指标定义:随着负荷的增长,在规划水平年,待评估规划项目相关地区的输电缺额与现有输电能力的比值,计算公式为:输电容量不足率=(应有输电容量-现有输电容量)/现有输电容量。
针对变电项目的供电能力US,采用项目建设前容载比Rb和项目建设前变电站负载率Fb综合衡量,计算公式为:
式中,γ1,γ2分别表示容载比倒数及负载率的权重参数;Rb为项目建设前变电站容载比;计算公式为:
Fb为项目建设前变电站负载率;计算公式为:
2)负荷性质
此指标反映输变电项目所供电区域的重要程度,综合考虑项目相关地区负荷重要程度、地区经济发展差异、负荷增长差异等因素,分为5个不同等级,重要程度依次为A+、A、B、C、D。
3)短路电流裕度水平
短路电流裕度水平指标λSCM,项目建设后相关地区所有节点短路电流裕度比的平均值,计算公式为:
λSCM=Ave{SCMi},i=1,2,L,n (1-4)
式中,Ave表示求平均值;n为项目相关供电区域节点数量;SCMi为项目投产后节点i的短路电流裕度百分比,由下式计算计算:SCMi=(节点i开关开断容量-节点i短路电流)/节点i开关开断容量。
4)稳定裕度比
稳定裕度比指标:项目建设后其相关地区的所有线路稳定裕度比平均值。
5)项目建设后容载比
容载比是指项目建设后相关地区各电压等级变电容量与最高负荷的比值。
(4)协调性:
1)变电容量协调度
变电容量协调度,计算公式为:
式中,R为变电容量协调度,k为比例系数,为此将联络率分为四挡(强联络、中联络、弱联络、无联络),分别对应四个不同的k值(1.6、1.4、1.2、1)。
2)变电站协调因子
变电站协调因子指标,利用下式计算出变电站协调因子。
3)变电站扩容裕度
变电站扩容裕度=可扩建变电容量总和/变电站总容量 (1-7)
S2、根据主观权重计算模型,计算各项综合评价指标的主观权重向量;
所述主观权重计算模型,根据集值迭代方法构建而成:
S201、建立标准指标集,X={x1,x2,…,xm},其中,m为指标个数;
S202、选取多个专家在指标集中选取出的其认为最重要的多个指标,任意一位专家选取的指标集合采用如下专家指标集合表示X(k)={x1(k),x2(k),…,xs(k)},k=1,2,…,L;
S203、根据专家指标隶属函数,判断任意指标xu是否属于专家指标集合;
S204、计算任意指标属于专家指标集合X(k)的个数g(xu);
S205、采用如下公式计算权重系数tu
由专家依据指标的主观重要程度,通过集值迭代法进行计算得到综合评价指标的主观权重。
在本实施例中,标准指标集为X={x1,x2,…,xm},m为指标个数,并选取L位专家在指标集X中选取出其认为最重要的s(1≤s≤m)个指标。第K位专家选取的指标集合X(k)={x1(k),x2(k),…,xs(k)},k=1,2,…,L。
专家指标xu指标隶属函数,具体如公式(2-1)所示。
式中,uk(xu)表示判断xu指标是否属于X(k),u=1,2,…,m。
式中,g(xu)表示xu指标属于X(k)的个数;tu表示指标xu的权重系数。
S3、根据客观权重计算模型,计算各项综合评价指标的客观权重向量;包括
S301、构建指标矩阵,并对指标矩阵进行规范化处理;
评价样本数为z个,评价指标数为m个,各指标值为vab(a=1,2,…,z;b=1,2,…m),则指标矩阵如公式(3-1)所示。
式中,V表示指标矩阵,vab表示指标矩阵中第a个样本第b个指标值。
对指标矩阵进行规范化处理,得出规范化指标矩阵X=(xab)zm,如公式(3-2)所示。
式中,xab为指标矩阵中第a个样本第b个指标的规范化值;vab表示指标矩阵中第a个样本第b个指标值。
S302、采用熵权法确定所述指标矩阵的指标权重;
熵权法确定指标权重
式中,sb表示第b项指标的熵权,指标权重列向量如公式(3-6)所示。
S=(s1,s2,…,sm)T (3-6)
式中,Sm为第m项指标权重。
S303、对所得指标权重进行加权标准化。
利用公式(3-5)所得权重乘以规范化指标矩阵,得到加权标准化矩阵,如公式(3-7)所示。
Y=(yab)zm=(sbxab)zm (3-7)
式中,Y表示加权标准化矩阵,yab为加权标准化矩阵第a个样本的第b个指标值。
S4、利用最优组合权重计算模型,综合主观权重向量及客观权重向量形成评价指标的最优组合权重向量;
S401、在主观权重向量和客观权重向量中,获取任意一项评价指标的主观权重和客观权重;
S402、计算所述评价指标的组合权重与主观权重和客观权重的偏差值;
S403、对偏差值取最小值作为最优解,形成该项评价指标的最优组合权重;
S404、依次计算各项评价指标的最优组合权重,形成最优组合权重向量。
在本发明的一个实施例中,假设集值迭代方法计算的权重向量为T={t1,t2,…,tm},熵权方法计算的权重向量为S={s1,s2,…,sm}。
假设主观权重向量对组合权重的相对重要程度为α,客观权重向量对组合权重的相对重要程度为β,且满足组合权重向量w与主客观权重向量的偏差最小,通过公式(4-1)对其进行描述。计算所述评价指标的组合权重与主观权重和客观权重的偏差值;
H(wj)=α×(wj-tj)2+β×(wj-sj)2 (4-1)
式中,∑wj=1,1≤j≤m,wj表示第j个指标的组合权重,H(wj)表示第j个指标的组合权重wj与主客观权重tj、sj的偏差。
单一指标主客观权重向量的相对重要系数,如公式(4-2)所示。
针对评价指标,可计算整体主客观权重向量的相对重要系数,如公式(4-3)所示。
针对每一个指标xj,以H(wj)最小为优,故公式(4-1)可转换为公式(4-4),计算出最优组合权重向量w。
w=(w1,w2,L L,wm) (4-5)
式中,minH表示综合指标组合权重与主客观权重的偏差最小,H(wj)表示第j个综合指标组合权重与主客观权重的偏差,w表示最优组合权重向量,wj表示第j个指标的组合权重。
S5、利用所述综合评价指标体系及所述最优组合权重向量,利用动态种群进化算法进行组合优选。
S501、按照电网项目综合评价指标体系中安全性、经济性、可靠性、协调性四方面的评价之和最高,设定目标函数;
式中,wj表示第j个指标的最优权重,目标函数MaxM、MaxN、Max O、MaxQ分别为优选结果中的安全性、经济性、可靠性、协调性得分之和最高,Mj、Nj、Oj、Qj分别表示为安全性、经济性、可靠性、协调性第j项指标的评价数据,无对应指标则评分为0。
S502、根据项目的投资情况设定约束条件;
式中:I表示选中项目的投资总和;Ic表示第c个项目的投资额;fc=0或1,表示项目是否被选中;G为投资总规模;z表示评价样本的个数。
S503、采用动态种群进化法对目标函数在约束条件下,进行求解得到Pareto解集。
在本发明是实施例提供的项目多目标组合优选方法中,通过对Pareto解集的展示,投资者可以直观的感受到不同目标函数之间的关系,有助于投资者在各个目标之间进行权衡,优化结果更加符合投资者的期望,更加令人信服。
进一步,采用动态种群进化法进行求解时,包括:
S531、对每个项目的建设情况进行二进制编码;本发明采用二进制编码,电网每一个项目的建设与否用一位二进制码表示;若项目建设,则该位二进制码为1;若项目不建设,则该位二进制码为0。
S532、按照项目投资约束条件,通过多次循环生成满足约束的初始种群;
S533、以目标函数的函数值为非负数及求解目标函数的最大值为优化目标,设定染色体适应度;染色体适应度的大小决定了个体的优劣程度,目标函数值为非负数,并且是以求解最大值为优化目标,可以用作适应度F。
S534、采用轮盘赌选择方法选择需要进化的父代个体,组成父代种群;计算种群中所有染色体适应度值的总和,求解单个染色体适应度占总和的概率,每个概率组成一个区域,全部概率之和为1。应用轮盘赌选择方法,对每个染色体生成随机数,再判断该随机出落在哪个区域,将该区域对应染色体替代原染色体,概率高的染色体其区域面积大,落入的机会更高,通过以上过程获得新种群。
S535、采用网格搜索算法,对父代种群,按照设定的染色体适应度,进行交叉概率和变异概率的选择,实现染色体重组与基因突变,并形成子代个体,更新种群。
S536、重复步骤S532到S535直至得到最满意的解。
交叉概率和变异概率是遗传算法的主要搜索参数,为提高算法的自适应性,本文在交叉概率和变异概率的选择中引入网格搜索算法。
网格搜索是一种寻找参数的方法,其核心原理是先设置好要搜索的参数区域,然后将该区域划分成网格,而网格中所有的交叉点就是要搜索的所有参数组合。网格搜索的具体流程如下:首先尽可能设置大参数搜索空间和较小搜索步长;根据设置的搜索空间和步长,顺着参数的不同方向生成网格,网格节点即参数组;针对每个节点(参数组),利用K-CV方法评价其在该节点下的平均分类准确度,并选取最高准确度的节点。在对三个参数每次优化结果求均值再除以标准差归一后求均值,然后加最小值得到分数,去分数最大,且不超过最大投资额的参数作为NSGA2算法的参数的优化原则前提下,输出最优节点的参数组为遗传算法最优参数。所以,该改进策略能使群体中优秀个体的交叉概率和变异概率得到实时调整,从而保护遗传模式。
重复上述步骤直至得到最满意的解,即通过对Pareto解集的展示,投资者可以直观的感受到不同目标函数之间的关系,有助于投资者在各个目标之间进行权衡,优化结果更加符合投资者的期望,更加令人信服。
在本发明是实施例提供的项目多目标组合优选方法中,网格搜索算法进行交叉概率和变异概率的选择,该改进策略能使群体中优秀个体的交叉概率和变异概率得到实时调整,从而保护遗传模式。
如图8所示,本发明还提供一种的项目多目标组合优选系统,包括:
数据获取模块,获取待评价项目的相关参数;
电网项目综合评价指标体系,用于根据待评价项目的相关参数;对待评价项目进行多项综合评价;
所述电网项目综合评价指标体系包括:主观权重计算模型和客观权重计算模型;所述主观权重计算模型,根据待评价项目的相关参数;计算各项综合评价指标的主观权重向量;所述客观权重计算模型,根据待评价项目的相关参数;计算各项综合评价指标的客观权重向量;
最优组合权重计算模型,用于综合主观权重向量及客观权重向量形成评价指标的最优组合权重向量;
动态种群进化优选模型,根据所述综合评价指标体系及所述最优组合权重向量,利用动态种群进化算法得出项目多目标最优组合。
进一步,所述电网项目综合评价指标体系包括至少以下几方面的一级评价指标:安全性、可靠性、经济性、协调性;
所述可靠性一级评价指标至少包括以下二级评价指标:供电能力、负荷性质、短路电流裕度水平、稳定裕度比及项目建设后容载比;所述协调性评价指标至少包括以下二级评价指标:变电容量协调度、变电站协调因子、变电站扩容裕度
本发明的项目多目标组合优选的方法,以华中某市为算例。
通过对项目的分析评估以及相关数据的收集,采用Python语言编程搭建项目组合优选模型,进行项目组合优选的仿真,得到网格搜索得到动态参数的仿真结果如下图3所示,其中,个体参数是30,交叉概率为0.05,变异概率为3.0。
从项目库中选择10个项目的最终结果,如图4所示,即选中库中第69、62、37、46、1、54、33、70、107以及67号项目,按此项目组合进行投资建设,可以使得总投资额最少,并且三项属性评分最高。Pareto解如下图5所示。
从项目库中选择100个项目的最终结果,如图6所示,即选中库中第375、379、229、66以及53号项目,按此项目组合进行投资建设,可以使得总投资额最少,并且三项属性评分最高。包含100个项目组合Pareto解如下图7所示。
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。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (10)
1.一种项目多目标组合优选方法,其特征在于,包括以下步骤:
获取待评价项目的相关参数;
利用电网项目综合评价指标体系,根据待评价项目的相关参数对待评价项目进行多项指标综合评价;
利用主观权重计算模型,计算各项综合评价指标的主观权重向量;利用客观权重计算模型;计算各项综合评价指标的客观权重向量;
利用最优组合权重计算模型,综合主观权重向量及客观权重向量形成评价指标的最优组合权重向量;
根据所述综合评价指标体系及所述最优组合权重向量,利用动态种群进化算法得出项目多目标最优组合。
2.根据权利要求1所述的项目多目标组合优选方法,其特征在于,所述电网项目综合评价指标体系包括至少以下几方面的一级评价指标:安全性、可靠性、经济性、协调性;所述可靠性一级评价指标至少包括以下二级评价指标:供电能力、负荷性质、短路电流裕度水平、稳定裕度比及项目建设后容载比;所述协调性评价指标至少包括以下二级评价指标:变电容量协调度、变电站协调因子、变电站扩容裕度。
3.根据权利要求1所述的项目多目标组合优选方法,其特征在于,所述主观权重计算模型,根据集值迭代方法计算各指标权重向量,包括以下步骤:
S201、建立标准指标集,X={x1,x2,…,xm},其中,m为指标个数;对获取的待评价项目的相关参数,进行标准化处理;
S202、选取指标集中专家选定的多个重要的指标,任意一位专家选取的指标集合采用如下专家指标集合表示X(k)={x1(k),x2(k),…,xs(k)},k=1,2,…,L;
S203、根据专家指标隶属函数,判断任意指标xu是否属于专家指标集合;
S204、计算任意指标属于专家指标集合X(k)的个数g(xu);
S205、采用如下公式计算各指标的权重系数tu
4.根据权利要求1所述的项目多目标组合优选方法,其特征在于,所述客观权重计算模型,利用熵权法计算各指标权重向量,包括如下步骤:
S301、构建指标矩阵,并对指标矩阵进行规范化处理;
S302、采用熵权法确定S301中所述指标矩阵的指标权重;
S303、对所得指标权重进行加权标准化,最终得出各指标权重。
5.根据权利要求1所述的项目多目标组合优选方法,其特征在于,所述最优组合权重计算模型,利用矩估计理论构建而成,所述利用最优组合权重计算模型,形成评价指标的最优组合权重向量时,包括以下步骤;
S401、在主观权重向量和客观权重向量中,获取任意一项评价指标的主观权重和客观权重;
S402、计算所述评价指标的组合权重与主观权重和客观权重的偏差值;
S403、对偏差值取最小值作为最优解,形成该项评价指标的最优组合权重;
S404、依次计算各项评价指标的最优组合权重,形成最优组合权重向量。
6.根据权利要求5所述的项目多目标组合优选方法,其特征在于,在S403中,采用如下公式,计算所述评价指标的组合权重与主观权重和客观权重的偏差值;
H(wj)=α×(wj-tj)2+β×(wj-sj)2
式中,∑wj=1,1≤j≤m,wj表示第j个指标的组合权重,H(wj)表示第j个指标的组合权重wj与主客观权重tj、sj的偏差;α为主观权重向量对组合权重的相对系数,β为客观权重向量对组合权重的相对系数。
7.根据权利要求1所述的项目多目标组合优选方法,其特征在于,所述利用动态种群进化算法得出项目多目标最优组合,包括以下步骤:
S501、按照电网项目综合评价指标体系中安全性、经济性、可靠性、协调性四方面的评价系数之和最高,设定目标函数;
S502、根据项目的投资情况设定约束条件;
S503、采用动态种群进化法对目标函数在约束条件下,进行求解得到Pareto解集作为项目多目标最优组合。
8.根据权利要求8所述的项目多目标组合优选方法,其特征在于,采用动态种群进化法进行求解时,包括:
S531、对每个项目的建设情况进行二进制编码,根据编码结果筛选待求解项目;
S532、对待求解项目,按照项目投资约束条件,通过多次循环生成满足约束的初始种群;
S533、以目标函数的函数值为非负数及求解目标函数的最大值为优化目标,设定染色体适应度;
S534、采用轮盘赌选择方法选择初始种群中需要进化的父代个体,形成父代种群;
S535、采用网格搜索算法,将父代种群按照设定的染色体适应度,进行交叉概率和变异概率的选择,实现染色体重组与基因突变,并形成子代个体,更新种群;
S536、重复步骤S532到S535直至得到最满意的解。
9.一种项目多目标组合优选系统,其特征在于,包括:
数据获取模块,获取待评价项目的相关参数;
电网项目综合评价指标体系,用于根据待评价项目的相关参数;对待评价项目进行多项综合评价;
所述电网项目综合评价指标体系包括:主观权重计算模型和客观权重计算模型;所述主观权重计算模型,根据待评价项目的相关参数;计算各项综合评价指标的主观权重向量;所述客观权重计算模型,根据待评价项目的相关参数;计算各项综合评价指标的客观权重向量;
最优组合权重计算模型,用于综合主观权重向量及客观权重向量形成评价指标的最优组合权重向量;
动态种群进化优选模型,根据所述综合评价指标体系及所述最优组合权重向量,利用动态种群进化算法得出项目多目标最优组合。
10.根据权利要求9所述的一种的项目多目标组合优选系统,其特征在于,
所述电网项目综合评价指标体系包括至少以下几方面的一级评价指标:安全性、可靠性、经济性、协调性;
所述可靠性一级评价指标至少包括以下二级评价指标:供电能力、负荷性质、短路电流裕度水平、稳定裕度比及项目建设后容载比;所述协调性评价指标至少包括以下二级评价指标:变电容量协调度、变电站协调因子、变电站扩容裕度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110976480.5A CN113689118B (zh) | 2021-08-24 | 2021-08-24 | 项目多目标组合优选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110976480.5A CN113689118B (zh) | 2021-08-24 | 2021-08-24 | 项目多目标组合优选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689118A true CN113689118A (zh) | 2021-11-23 |
CN113689118B CN113689118B (zh) | 2024-03-26 |
Family
ID=78582029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110976480.5A Active CN113689118B (zh) | 2021-08-24 | 2021-08-24 | 项目多目标组合优选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689118B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012064031A (ja) * | 2010-09-16 | 2012-03-29 | Ritsumeikan | スケジューリング装置、コンピュータプログラム、及びデータ |
CN105430707A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于遗传算法的无线传感网多目标优化路由方法 |
CN107844835A (zh) * | 2017-11-03 | 2018-03-27 | 南京理工大学 | 基于动态权重m‑topsis多属性决策的多目标优化改进遗传算法 |
CN108876131A (zh) * | 2018-06-06 | 2018-11-23 | 国家电网有限公司 | 基于电网成效贡献度的储备项目优选方法 |
CN109190857A (zh) * | 2018-10-30 | 2019-01-11 | 武汉大学 | 一种基于多目标资源受限项目调度模型的优化算法 |
CN111062119A (zh) * | 2019-11-26 | 2020-04-24 | 深圳大学 | 一种建设项目多目标优化方法 |
CN111091229A (zh) * | 2019-11-19 | 2020-05-01 | 国网安徽省电力有限公司经济技术研究院 | 一种电网基建项目精准投资决策方法 |
CN112215512A (zh) * | 2020-10-22 | 2021-01-12 | 上海交通大学 | 计及微电网功能特性的综合评价指标权重量化方法及系统 |
-
2021
- 2021-08-24 CN CN202110976480.5A patent/CN113689118B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012064031A (ja) * | 2010-09-16 | 2012-03-29 | Ritsumeikan | スケジューリング装置、コンピュータプログラム、及びデータ |
CN105430707A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于遗传算法的无线传感网多目标优化路由方法 |
CN107844835A (zh) * | 2017-11-03 | 2018-03-27 | 南京理工大学 | 基于动态权重m‑topsis多属性决策的多目标优化改进遗传算法 |
CN108876131A (zh) * | 2018-06-06 | 2018-11-23 | 国家电网有限公司 | 基于电网成效贡献度的储备项目优选方法 |
CN109190857A (zh) * | 2018-10-30 | 2019-01-11 | 武汉大学 | 一种基于多目标资源受限项目调度模型的优化算法 |
CN111091229A (zh) * | 2019-11-19 | 2020-05-01 | 国网安徽省电力有限公司经济技术研究院 | 一种电网基建项目精准投资决策方法 |
CN111062119A (zh) * | 2019-11-26 | 2020-04-24 | 深圳大学 | 一种建设项目多目标优化方法 |
CN112215512A (zh) * | 2020-10-22 | 2021-01-12 | 上海交通大学 | 计及微电网功能特性的综合评价指标权重量化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113689118B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Olabanji et al. | Appraisal of conceptual designs: Coalescing fuzzy analytic hierarchy process (F-AHP) and fuzzy grey relational analysis (F-GRA) | |
CN110738435A (zh) | 一种配电网项目投资决策评价方法 | |
CN109214449A (zh) | 一种电网投资需求预测方法 | |
CN108694470B (zh) | 一种基于人工智能的数据预测方法及装置 | |
CN105894125A (zh) | 一种输变电工程造价预测方法 | |
CN111695718A (zh) | 一种考虑投资需求与规划目标的电网发展辅助决策方法 | |
CN108898259A (zh) | 基于多因素综合的自适应进化规划电力负荷预测方法及系统 | |
CN110837939A (zh) | 一种电网多目标项目筛选方法和系统 | |
CN113255900A (zh) | 一种考虑改进谱聚类与Bi-LSTM神经网络的冲击性负荷预测方法 | |
CN113139596A (zh) | 低压台区线损神经网络的优化算法 | |
CN113837311A (zh) | 一种基于需求响应数据的居民客户聚类方法及装置 | |
CN112818525A (zh) | 一种水电机组状态评价方法及其系统 | |
Król et al. | Investigation of evolutionary optimization methods of TSK fuzzy model for real estate appraisal | |
CN114298538A (zh) | 电网零购项目的投资方案评估方法、系统及存储介质 | |
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 | |
CN112149976B (zh) | 一种基于人工智能的电网精准投资项目决策方法 | |
CN111737924B (zh) | 一种基于多源数据选取典型负荷特性变电站的方法 | |
CN102708298B (zh) | 一种车载通信系统电磁兼容指标分配方法 | |
CN113689118B (zh) | 项目多目标组合优选方法及系统 | |
CN111091301A (zh) | 一种省级电网可持续发展策略的优选方法 | |
CN111428938A (zh) | 一种基于功能差异与全寿命周期的输电网方案优选方法 | |
CN114971092B (zh) | 一种变电站主控楼混凝土用量预测方法和装置 | |
CN112039111A (zh) | 一种新能源微电网参与电网调峰能力的方法及系统 | |
CN115526393A (zh) | 一种基于变电工程关键影响因素筛选的造价预测方法 | |
CN115081856A (zh) | 一种企业知识管理绩效评价装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |