一种考虑投资需求与规划目标的电网发展辅助决策方法技术

本发明专利技术提出一种考虑投资需求与规划目标的电网发展辅助决策方法，基于灰色关联分析方法筛选出的影响电网投资需求的前十项关键因素，建立基于差分进化‑灰狼优化‑支持向量机的投资需求预测模型；考虑电网规划目标，结合项目多种属性，构建项目优化排序指标体系，基于层次分析法和线性加权综合法对项目进行综合评价，使项目按照综合评价的顺序进入前期项目储备库；考虑投资需求限制和不同类别项目投资额分配比例约束，建立寻求项目总评分最大和总投资额最小的电网项目投资决策双目标函数，基于改进的遗传算法，从所述前期项目储备库中优选出综合效益评分最大的项目组合。

【技术实现步骤摘要】
一种考虑投资需求与规划目标的电网发展辅助决策方法
本专利技术属于电网企业投资辅助决策领域，具体涉及一种考虑投资需求与规划目标的电网发展辅助决策方法。
技术介绍
新一轮电改提出“管住中间，放开两头”的改革方向，允许新的售电主体进入售电侧，在已有发电企业、电网企业的基础上，建立多元的售电公司，激发售电侧的市场活力，使得电网企业面临更加开放的市场环境，给电网企业在规划与投资的工作上带来新的机遇和挑战。在深化电力体制改革的背景下，电网企业的核算方式由“差价定价”转变为“准许成本加合理收益”，加上近年来一般工商业电价的下调，使得电网企业的利润空间被较大幅度的压缩。因此，为了能在落实电网规划工作之前，切实了解电网的建设与运行状况，强化对电网存量资产、增量资产的精益化管理，寻求合理且最优的投资策略，电网企业需要综合考虑企业自身的投资能力制约和电网规划目标，建立一套行之有效的电网投资辅助决策方法。电网企业在履行供电职责的同时，也需要保证企业的经济效益。而准确且合理的投资决策是企业提高资金效益的重要前提，其中投资决策就是投资的方向、规模和方案不断寻优的过程。本专利技术的目的就是通过兼顾电网自身投资能力与电网规划目标与资金分配比例等多方面要素，使得投资需求与投资目标更加清晰对接，并提出最优投资决策，以获得最精准的项目群优化组合，实现投资资金的最大综合效益。
技术实现思路
针对上述问题，本专利技术提出了一种考虑投资需求与规划目标的电网发展辅助决策方法，包括如下步骤：基于灰色关联分析方法筛选出的影响电网投资需求的前十项关键因素，建立基于差分进化-灰狼优化-支持向量机的投资需求预测模型；考虑电网规划目标，结合项目多种属性，构建项目优化排序指标体系，基于层次分析法和线性加权综合法对项目进行综合评价，使项目按照综合评价的顺序进入前期项目储备库；考虑投资需求限制和不同类别项目投资额分配比例约束，建立寻求项目总评分最大和总投资额最小的电网项目投资决策双目标函数，基于改进的遗传算法，从所述前期项目储备库中优选出综合效益评分最大的项目组合。前十项关键因素包括固定资产投资、220kV及以上变电设备容量增量、GDP、110kV及以下变电设备容量增量、最高用电负荷、全社会用电量、220kV及以上输电线路长度增量、容载比、110kV及以下输电线路长度增量和配电线路联络率。述差分进化-灰狼优化-支持向量机模型预测步骤为：步骤1：设定相关参数，初始化种群；步骤2：计算灰狼个体的适应度值，并对其进行排序，以确定适应度值最优的前三位灰狼个体的位置，分别标记为Xα，Xβ以及Xδ；步骤3：计算种群中其他灰狼个体与Xα，Xβ以及Xδ的距离，更新狼群位置以及GWO算法相关参数；步骤4：进行变异、交叉操作，产生新的子代种群；步骤5：进行选择操作，更新狼群位置；步骤6：判断是否达到最大迭代次数，若达到，则输出当前最优解(c,g)，否则，跳转至步骤2继续进行参数优化；步骤7：将优化后的参数值赋给SVM，建立预测模型。项目优化排序指标体系包括一级指标和二级指标。一级指标包括电网安全可靠性、电网发展协调性、项目经济合理性、社会发展服务性。利用层次分析法将各个维度的指标进行两两对比，建立具有重要性程度的判断矩阵，采用几何平均法或者规范列平均法对所述判断矩阵计算权重，并进行一致性检验，最终得到项目优化排序指标权重。双目标函数为：其中，f1、f2分别表示项目评分函数、总投资额函数；Si表示第i个项目的评分；Ni表示第i个项目的投资额；xi表示项目选择状态值(1表示选择第i个项目，0表示未选择第i个项目)。双目标函数的约束条件包括资金约束和投资分配比例约束。资金约束为优化投资后的总的投资额不应超过电网企业的投资能力，即：其中，Ni表示第i个项目的投资额，N表示电网企业的投资能力。投资分配比例约束为投资分配比等于电网安全可靠性指标提升贡献度之比，计算方式如下：T1:T2:…:Tj＝D1:D2:…:DjTj表示第j类项目的投资分配；Dj表示第j类项目的电网安全可靠性指标提升贡献度。本专利技术的有益效果在于：本专利技术根据基于综合评价的项目优化排序模型对电网的投资项目进行排序筛选，得到项目优选排序表。通过建立基于差分化-灰狼优化-支持向量机(DE-GWO-SVM)的投资需求预测模型，进行电网投资需求预测。将投资需求与投资能力进行比较，并进行基于改进的遗传算法的项目投资决策优化模型计算，结合项目优选排序，最终得到最优投资项目组合，从而使得投资资金充分使用，实现项目的综合效益最大化。附图说明图1是本专利技术提出了一种考虑投资需求与规划目标的电网发展辅助决策方法流程图；图2是DE-GWO-SVM模型预测流程图；图3是改进的遗传算法优选流程图。具体实施方式下面结合附图，对实施例作详细说明。本专利技术提出了一种考虑投资需求与规划目标的电网发展辅助决策方法，其流程图如图1所示。首先，筛选投资需求关键影响因素，建立电网投资需求预测模型；其次，考虑电网规划目标，结合项目多种属性，构建项目优化排序指标体系，基于层次分析法和线性加权综合法对项目进行综合评价，使项目按照综合评价的顺序进入前期项目储备库；最后，考虑投资需求限制和不同类别项目投资额分配比例约束，构建项目投资决策优化模型，基于改进的遗传算法，从前期项目储备库中优选出综合效益评分最大的项目组合。筛选投资需求关键影响因素，建立电网投资需求预测模型。基于灰色关联分析，筛选出影响电网投资需求的前十项关键因素，分别是：固定资产投资、220kV及以上变电设备容量增量、GDP、110kV及以下变电设备容量增量、最高用电负荷、全社会用电量、220kV及以上输电线路长度增量、容载比、110kV及以下输电线路长度增量和配电线路联络率。将这十个因素的指标数据作为模型输入，进行电网投资需求的预测。采用基于智能算法的电网投资需求预测模型，即基于差分进化-灰狼优化-支持向量机(DE-GWO-SVM)的投资需求预测模型。此模型以支持向量机为基本预测算法，结合差分进化算法和灰狼优化算法，对支持向量机的参数进行混合优化，可以更好地处理影响因素和电网投资需求之间复杂的非线性关系，以实现预测模型精度的大幅提升。DE-GWO-SVM模型预测流程图如图2所示。步骤1：设定相关参数，初始化种群；步骤2：计算灰狼个体的适应度值，并对其进行排序，以确定适应度值最优的前三位灰狼个体的位置，分别标记为Xα，Xβ以及Xδ；步骤3：计算种群中其他灰狼个体与Xα，Xβ以及Xδ的距离，更新狼群位置以及GWO算法相关参数；步骤4：进行变异、交叉操作，产生新的子代种群；步骤5：进行选择操作，更新狼群位置；步骤6：判断是否达到最大迭代次数，若达到，则输出当前最优解(c,g)，否则，跳转至步骤2继续进行参数优化；步骤7：将本文档来自技高网...

【技术保护点】
1.一种考虑投资需求与规划目标的电网发展辅助决策方法，其特征在于包括如下步骤：/n基于灰色关联分析方法筛选出的影响电网投资需求的前十项关键因素，建立基于差分进化-灰狼优化-支持向量机的投资需求预测模型；/n考虑电网规划目标，结合项目多种属性，构建项目优化排序指标体系，基于层次分析法和线性加权综合法对项目进行综合评价，使项目按照综合评价的顺序进入前期项目储备库；/n考虑投资需求限制和不同类别项目投资额分配比例约束，建立寻求项目总评分最大和总投资额最小的电网项目投资决策双目标函数，基于改进的遗传算法，从所述前期项目储备库中优选出综合效益评分最大的项目组合。/n

【技术特征摘要】
1.一种考虑投资需求与规划目标的电网发展辅助决策方法，其特征在于包括如下步骤：
基于灰色关联分析方法筛选出的影响电网投资需求的前十项关键因素，建立基于差分进化-灰狼优化-支持向量机的投资需求预测模型；
考虑电网规划目标，结合项目多种属性，构建项目优化排序指标体系，基于层次分析法和线性加权综合法对项目进行综合评价，使项目按照综合评价的顺序进入前期项目储备库；
考虑投资需求限制和不同类别项目投资额分配比例约束，建立寻求项目总评分最大和总投资额最小的电网项目投资决策双目标函数，基于改进的遗传算法，从所述前期项目储备库中优选出综合效益评分最大的项目组合。


2.根据权利要求1所述的一种考虑投资需求与规划目标的电网发展辅助决策方法，其特征在于，所述前十项关键因素包括固定资产投资、220kV及以上变电设备容量增量、GDP、110kV及以下变电设备容量增量、最高用电负荷、全社会用电量、220kV及以上输电线路长度增量、容载比、110kV及以下输电线路长度增量和配电线路联络率。


3.根据权利要求1所述的一种考虑投资需求与规划目标的电网发展辅助决策方法，其特征在于，所述差分进化-灰狼优化-支持向量机模型预测步骤为：
步骤1：设定相关参数，初始化种群；
步骤2：计算灰狼个体的适应度值，并对其进行排序，以确定适应度值最优的前三位灰狼个体的位置，分别标记为Xα，Xβ以及Xδ；
步骤3：计算种群中其他灰狼个体与Xα，Xβ以及Xδ的距离，更新狼群位置以及GWO算法相关参数；
步骤4：进行变异、交叉操作，产生新的子代种群；
步骤5：进行选择操作，更新狼群位置；
步骤6：判断是否达到最大迭代次数，若达到，则输出当前最优解(c,g)，否则，跳转至步骤2继续进行参数优化；
步骤7：将优化后的参数值赋给SVM，建立预测模型。


4.根据权利要求1所述的一种考虑投资需求...

【专利技术属性】
技术研发人员：李琥，徐超，刘国静，葛毅，史静，马龙鹏，牛东晓，王思羽，耿世平，陈梦，程晨，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，华北电力大学，
类型：发明
国别省市：江苏;32