基于數(shù)據(jù)包絡分析的水火電力系統(tǒng)多目標決策方法.pdf

1、電力工業(yè)是支撐國民經(jīng)濟發(fā)展的先行產(chǎn)業(yè)，其高能耗、大排放等特點也使之成為節(jié)能減排的關鍵領域。作為目前我國主要的電能生產(chǎn)方式，水、火電在電源結構中占據(jù)重要地位。因此，通過協(xié)調(diào)水火電力系統(tǒng)間運行方式，提高能源資源利用效率，對實現(xiàn)電力系統(tǒng)的經(jīng)濟運行進而緩解我國能源供需矛盾及促進環(huán)境保護具有重要意義。
　　 為協(xié)調(diào)多個優(yōu)化指標合理運行，本文構建了兼顧節(jié)能、用水及減排等多個指標相協(xié)調(diào)的水火電力系統(tǒng)多目標優(yōu)化調(diào)度模型。針對多目標問題各子目標相

2、互矛盾且不可公度等特性，詳細闡述多目標問題和數(shù)據(jù)包絡分析(DEA)的基本理論，以DEA有效性與多目標優(yōu)化問題Pareto解等價理論為基礎，提出粒子群算法與數(shù)據(jù)包絡分析C2R模型相結合的多目標決策問題求解方法。在求解過程中，將約束條件違反程度作為算法的適應度函數(shù)以指導算法向可行解域收斂。針對基本粒子群算法過早收斂、易陷于局部最優(yōu)且求解精度較低等缺陷，為了提高算法求解效率，本文提出基于動態(tài)調(diào)整學習因子及社會因子的改進策略，改進算法的收斂性能

3、及求解精度都有明顯提高。
　　 本文用兩個水火電力系統(tǒng)算例進行仿真分析，計算結果表明把約束條件作為算法適應度函數(shù)能夠使算法向約束條件違反程度減小的方向移動，能避免運用罰函數(shù)法處理約束條件時難以選擇合適懲罰因子的問題。在迭代過程中，將數(shù)據(jù)包絡分析評價每次優(yōu)化結果的DEA效率值及約束條件違背量作為優(yōu)化準則，能有效指導算法朝著多目標優(yōu)化問題的Pareto最優(yōu)前沿移動。采用該方法對求解電力系統(tǒng)多目標優(yōu)化問題時不用考慮多個目標之間性質及量