论文部分内容阅读
摘 要：在节能减排优化调度中，设计一种基于目标权重导向，多目标粒子群优化的新算法受到各界广泛关注。目前，新形势下，节能与减排是两个不同的目标侧重。因此对于决策者来说，在优化过程中选取种群中各粒子全局极值应该符合对目标本身的侧重，这需要在整个调度过程中得到不同的目标权重导向的可行解，这样可以保证解的多样性。新时期，我对于决策者来讲，充分考虑节能与减排两个不同目标的侧重，并且就相应的需求给予不同的解决方案，满足人们对不同解的需求。本文就目前节能减排状况，借助IEEE-30测试系统分别就考虑网损、不考虑网损两方面验证新算法，并就其对节能减排的电力系统优化调度影响进行简单阐述。
关键词：节能减排 目标权重导向 电力系统优化调度 多目标粒子群
中图分类号：TM46 文献标识码：A 文章编号：1672-3791（2018）03（a）-0000-00
新时代背景下，我国通过分析能源使用、废气等排放问题，制定了相关的节能减排目标，旨在利用相关政策在环境友好前提下，推动经济又好又快发展。目标规划对于一项政策而言，具有非常重要的意义。节能减排作为一个整体规划目标，不同于线性规划，目标规划以线性规划为基础[3]，因此需要对解进行优化。传统的算法由于是单行解，其求解速度与求解个数有限，不能满足全局最优值的选取与更新，这对于节能减排电力系统的优化调度是非常不利的，因此选择一个多行解的新算法迫在眉睫，也是整个行业较为关注的话题。
1 目前节能减排现状
随着工业化、城市化进程的不断加快，新形势下高耗能产业的投资与增长仍然较快。因此对环境造成一定压力，严重威胁人们的身体健康。国家为控制能源消耗，必须要转变经济发展方式，加大对节能减排调控力度。节能减排是关系经济社会可持续发展的重大战略问题，也是连续几年国家重点确定的经济社会发展重大战略任务。虽然各行各业都需要节能减排，但是由于各行之间有差异，因此社会的关注度不同。由于电力行业既是优质清洁能源的创造者，又是一次能源消耗大户和污染排放大户，因此新时期的电力行业的节能减排任务，是国家重点关注的领域。权威数据显示，其截止到2007年底，我国的发电总装机容量已经超过7亿千瓦，火电占整个发电总装机容量的77.7%[4]，火电超过了5.5亿千瓦，火电运行发电量比重大，高达82.86%[5]。这在一定程度上对企业发展造成压力，同时为响应新时期的政策要求，却也为其以后的发展创造了机遇，提供了前所未有的动力。
2 验证新算法
一般情况下，如果节能减排目标与预计成果一致，那么Y-与Y+均为零，即目标与预计成果没有差距。要想保证我们设立的目标与预计结果没有差距，需要把握目标规划的核心问题，确定目标然后根据目标建立模型，求解目标与预计成果的最小差距。有学者指出[6]，目标规划可用一般线性规划求解，也可用备解法、单体法求解。一般学者均会采用线性规划或备解法求解后，再用单体法验证有无错误。
新算法与传统算法不同，其不同的目标权重要更加接近各粒子的全局极值，从而保证解的多样性，增加可行性。为了证明基于目标权重导向的多目标粒子群在节能减排电力系统的优化调度方面的效果，需要对新算法进行验证。為保证验证结果的可信性，需要从两个方面考虑，第一考虑网损，第二不考虑网损。
经考虑网损，非线性、多目标粒子群算法应该充分考虑网损情况，将全局最优值选取算法优化。利用Pareto支配关系将粒子最优值更新。通常以档案中的非劣解作为全局的最优值。为提高非劣解前端解的均匀性，可借助线密度删除策略。
另一方面，如果没有网损，可以直接将最优值更新，新算法环境具有一定的理想型。其中的决策变量可以不考虑编码，不考虑N-1安全校验，直接利用Matlab7编程对IEEE节点系统进行仿真测试[7]。测试完毕后，可以将新算法的求解过程、结果与传统算法进行比较分析，理论上，新算法的执行将起到较好的优化作用。
3 新算法对节能减排的电力系统优化调度影响
节能减排作为一种目标规划有超出目标和未达目标两种差距。一般超出目标的差距以Y+表示，未达目标的差距用表示。这两种差距中一种一个必然为零[8]，或者两个均为零。如果保证差距为零，即设立的目标达到预期，我们需要将电力系统优化调度工作做好，努力完成节能减排任务。其作为一项国家重点关注的经济社会发展方针政策，在社会具有很大的关注度。节能减排是新时期政府与人民较关注的话题，其重要性在于保证国民经济持续健康发展。众所周知，节能减排是多目标、非线性、离散型的整体规划问题。传统方法都是将节能减排问题转化为单目标问题解决。然而，随着电力系统优化调度，单目标解决很容易出现权重因子不易选择问题。单目标算法的应用，使得每次只能得到一个解，减慢整个过程的工作效率。因此，选择一种高效的、多目标的求解算法应用于节能减排优化调度具有非常重要的意义。
基于目标权重导向的多目标粒子群是一种新算法，可以同时求出多组解，这在求解过程中增加解的个数，提高解的精度等方面有重要意义。该算法是一种具有主从结构的粒子群算法，可以实现惯性权重、最大速度等惯性权重，在多组解中寻找最优解。将Powell算法嵌入粒子群算法，可以充分发挥其全局搜索能力，也能够在应用过程中将Powell算法的全局开挖能力展现出来[9]。不仅提高了解的个数，也提高了解的精度和速度。这对于节能减排的电力系统优化调度具有非常重要的价值，具有引领作用。
4 结语
随着环境保护意识的逐渐增强，人们不仅注重节能，减排方面也提出了更好要求。这就使得保护环境由单目标像多目标优化转换，需要节能与减排并重，在对目标权重进行分配的基础上，提出多目标权重导向的多粒子群算法。粒子进化的导向选取有一个重要指标，即目标权重的接近程度。这样的算法可以在很大程度上保留种群的多样性。通过新算法，可以求出Pareto最优解，为决策者提供了更为广阔的选择空间。本文中，借助IEEE-30系统对节能与减排两个目标进行仿真测试，无论是考虑网损，还是不考虑网损，均在经济性与环保性方面取得了较好效果。
基于目标权重导向多目标粒子群的节能减排问题，可以在新算法应用过程中保证节能与减排两个目标的并重，经综合考虑各方面关系可以得出最优解，也可以根据实际情况不断的对系统进行优化调度，直至达到令人满意效果，在保证算法有效性的前提下，满足新时代下国家对于节能减排的目标，从而为国民经济发展创造更为良好的条件。
参考文献
[1] 邱飞岳，胡烜，王丽萍，等.分组分解的多目标粒子群进化算法研究[J].小型微型计算机系统，2017，（8）：1823-1827.
[2] 龙军，郑斌，郭小璇，等.一种求解环境经济发电调度的交互式多目标优化方法[J].电力自动化设备，2013，（5）：83-88.
[3] 李整，秦金磊，谭文，等.基于目标权重导向多目标粒子群的节能减排电力系统优化调度[J].中国电机工程学报，2015，（1）：67-74.
[4] 季力.改进粒子群算法在空压机联动控制中的应用[J].轻工机械，2014，（4）：57-60，64.
[5] 朱永，李春华.基于多目标粒子群算法的微电网优化运行研究[J].江苏科技大学学报（自然科学版），2017，（4）：501-507.
[6] 戴永彬.多目标粒子群优化的非线性预测解耦策略[J].控制工程，2016，（9）：1356-1360.
[7] 耿焕同，高军，贾婷婷，等.均衡分布性和收敛性的多目标粒子群优化方法[J].计算机应用，2013，（7）：1926-1929，1959.
[8] 翁理国，王骥，夏旻，等.自适应种群更新策略的多目标粒子群算法[J].计算机工程与应用，2016，（8）：1823-1827.
[9] 梅海涛，华继学，王毅，等.基于直觉模糊支配的混合多目标粒子群算法[J].计算机科学，2017，（1）：253-258.
关键词：节能减排 目标权重导向 电力系统优化调度 多目标粒子群
中图分类号：TM46 文献标识码：A 文章编号：1672-3791（2018）03（a）-0000-00
新时代背景下，我国通过分析能源使用、废气等排放问题，制定了相关的节能减排目标，旨在利用相关政策在环境友好前提下，推动经济又好又快发展。目标规划对于一项政策而言，具有非常重要的意义。节能减排作为一个整体规划目标，不同于线性规划，目标规划以线性规划为基础[3]，因此需要对解进行优化。传统的算法由于是单行解，其求解速度与求解个数有限，不能满足全局最优值的选取与更新，这对于节能减排电力系统的优化调度是非常不利的，因此选择一个多行解的新算法迫在眉睫，也是整个行业较为关注的话题。
1 目前节能减排现状
随着工业化、城市化进程的不断加快，新形势下高耗能产业的投资与增长仍然较快。因此对环境造成一定压力，严重威胁人们的身体健康。国家为控制能源消耗，必须要转变经济发展方式，加大对节能减排调控力度。节能减排是关系经济社会可持续发展的重大战略问题，也是连续几年国家重点确定的经济社会发展重大战略任务。虽然各行各业都需要节能减排，但是由于各行之间有差异，因此社会的关注度不同。由于电力行业既是优质清洁能源的创造者，又是一次能源消耗大户和污染排放大户，因此新时期的电力行业的节能减排任务，是国家重点关注的领域。权威数据显示，其截止到2007年底，我国的发电总装机容量已经超过7亿千瓦，火电占整个发电总装机容量的77.7%[4]，火电超过了5.5亿千瓦，火电运行发电量比重大，高达82.86%[5]。这在一定程度上对企业发展造成压力，同时为响应新时期的政策要求，却也为其以后的发展创造了机遇，提供了前所未有的动力。
2 验证新算法
一般情况下，如果节能减排目标与预计成果一致，那么Y-与Y+均为零，即目标与预计成果没有差距。要想保证我们设立的目标与预计结果没有差距，需要把握目标规划的核心问题，确定目标然后根据目标建立模型，求解目标与预计成果的最小差距。有学者指出[6]，目标规划可用一般线性规划求解，也可用备解法、单体法求解。一般学者均会采用线性规划或备解法求解后，再用单体法验证有无错误。
新算法与传统算法不同，其不同的目标权重要更加接近各粒子的全局极值，从而保证解的多样性，增加可行性。为了证明基于目标权重导向的多目标粒子群在节能减排电力系统的优化调度方面的效果，需要对新算法进行验证。為保证验证结果的可信性，需要从两个方面考虑，第一考虑网损，第二不考虑网损。
经考虑网损，非线性、多目标粒子群算法应该充分考虑网损情况，将全局最优值选取算法优化。利用Pareto支配关系将粒子最优值更新。通常以档案中的非劣解作为全局的最优值。为提高非劣解前端解的均匀性，可借助线密度删除策略。
另一方面，如果没有网损，可以直接将最优值更新，新算法环境具有一定的理想型。其中的决策变量可以不考虑编码，不考虑N-1安全校验，直接利用Matlab7编程对IEEE节点系统进行仿真测试[7]。测试完毕后，可以将新算法的求解过程、结果与传统算法进行比较分析，理论上，新算法的执行将起到较好的优化作用。
3 新算法对节能减排的电力系统优化调度影响
节能减排作为一种目标规划有超出目标和未达目标两种差距。一般超出目标的差距以Y+表示，未达目标的差距用表示。这两种差距中一种一个必然为零[8]，或者两个均为零。如果保证差距为零，即设立的目标达到预期，我们需要将电力系统优化调度工作做好，努力完成节能减排任务。其作为一项国家重点关注的经济社会发展方针政策，在社会具有很大的关注度。节能减排是新时期政府与人民较关注的话题，其重要性在于保证国民经济持续健康发展。众所周知，节能减排是多目标、非线性、离散型的整体规划问题。传统方法都是将节能减排问题转化为单目标问题解决。然而，随着电力系统优化调度，单目标解决很容易出现权重因子不易选择问题。单目标算法的应用，使得每次只能得到一个解，减慢整个过程的工作效率。因此，选择一种高效的、多目标的求解算法应用于节能减排优化调度具有非常重要的意义。
基于目标权重导向的多目标粒子群是一种新算法，可以同时求出多组解，这在求解过程中增加解的个数，提高解的精度等方面有重要意义。该算法是一种具有主从结构的粒子群算法，可以实现惯性权重、最大速度等惯性权重，在多组解中寻找最优解。将Powell算法嵌入粒子群算法，可以充分发挥其全局搜索能力，也能够在应用过程中将Powell算法的全局开挖能力展现出来[9]。不仅提高了解的个数，也提高了解的精度和速度。这对于节能减排的电力系统优化调度具有非常重要的价值，具有引领作用。
4 结语
随着环境保护意识的逐渐增强，人们不仅注重节能，减排方面也提出了更好要求。这就使得保护环境由单目标像多目标优化转换，需要节能与减排并重，在对目标权重进行分配的基础上，提出多目标权重导向的多粒子群算法。粒子进化的导向选取有一个重要指标，即目标权重的接近程度。这样的算法可以在很大程度上保留种群的多样性。通过新算法，可以求出Pareto最优解，为决策者提供了更为广阔的选择空间。本文中，借助IEEE-30系统对节能与减排两个目标进行仿真测试，无论是考虑网损，还是不考虑网损，均在经济性与环保性方面取得了较好效果。
基于目标权重导向多目标粒子群的节能减排问题，可以在新算法应用过程中保证节能与减排两个目标的并重，经综合考虑各方面关系可以得出最优解，也可以根据实际情况不断的对系统进行优化调度，直至达到令人满意效果，在保证算法有效性的前提下，满足新时代下国家对于节能减排的目标，从而为国民经济发展创造更为良好的条件。
参考文献
[1] 邱飞岳，胡烜，王丽萍，等.分组分解的多目标粒子群进化算法研究[J].小型微型计算机系统，2017，（8）：1823-1827.
[2] 龙军，郑斌，郭小璇，等.一种求解环境经济发电调度的交互式多目标优化方法[J].电力自动化设备，2013，（5）：83-88.
[3] 李整，秦金磊，谭文，等.基于目标权重导向多目标粒子群的节能减排电力系统优化调度[J].中国电机工程学报，2015，（1）：67-74.
[4] 季力.改进粒子群算法在空压机联动控制中的应用[J].轻工机械，2014，（4）：57-60，64.
[5] 朱永，李春华.基于多目标粒子群算法的微电网优化运行研究[J].江苏科技大学学报（自然科学版），2017，（4）：501-507.
[6] 戴永彬.多目标粒子群优化的非线性预测解耦策略[J].控制工程，2016，（9）：1356-1360.
[7] 耿焕同，高军，贾婷婷，等.均衡分布性和收敛性的多目标粒子群优化方法[J].计算机应用，2013，（7）：1926-1929，1959.
[8] 翁理国，王骥，夏旻，等.自适应种群更新策略的多目标粒子群算法[J].计算机工程与应用，2016，（8）：1823-1827.
[9] 梅海涛，华继学，王毅，等.基于直觉模糊支配的混合多目标粒子群算法[J].计算机科学，2017，（1）：253-258.