System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于售电公司决策优化领域,特别涉及基于熵权自适应igdt的购电优化方法、装置和介质。
技术介绍
1、售电公司如何制定购电策略以降低购电成本、增强竞争优势,成为售电公司亟待解决的问题。而售电公司制定购电决策时需要对电力现货市场的价格进行预测,不同时间维度的电力现货市场价格影响因素不尽相同,因此市场空间和时间差异导致电价具有较强的波动性,为售电公司购电策略的制定带来了困难。此外,用户电力负荷受用电时间、用电偏好和电价等因素的影响,售电公司购电策略的风险与电力需求的不确定性紧密相连。电价和负荷不确定性导致售电公司购电时的实际成本与决策时的期望成本差别较大。考虑不确定性的策略优化技术中,目前较多专利技术选用随机规划法、模糊优化法和鲁棒优化法等处理参数不确定性。但随机规划无法解决参数概率分布不确定时的优化问题,模糊优化忽略了不确定参数自身的性质,鲁棒优化得到的方案可能过于保守,上述方法均难以合理量化不确定参数大小。因此,有必要提出一种新的购电方式,降低不确定因素对售电公司购电策略的影响,来改善现有模型带来的问题。
技术实现思路
1、针对现有模型构建不合理导致评价结果不准确的问题,本专利技术提供基于熵权自适应igdt的购电优化方法、装置和介质,能够降低不确定因素带来的风险,优化售电公司购电方式的经济性和抗风险能力。
2、本专利技术采用技术方案如下:一种基于熵权自适应igdt的购电优化方法,包括如下步骤:
3、s1,以售电公司购电成本最小化为目标函数并设定目标函
4、s2,求解售电公司购电策略确定型优化模型,获得最优解;
5、s3,构建熵权自适应igdt模型,将售电公司购电策略确定型优化模型获得的最优解作为初始参数;
6、s4,求解熵权自适应igdt模型,获得售电公司购电成本以及售电公司购电量。
7、本专利技术提出基于熵权自适应信息间隙决策方法(entropy weight adaptiveinformation gap decision theory method,eaigdt)的售电公司最优购电方法。eaigdt方法能在处理多不确定性因素的情况下消除主观性因素,保留非概率的特征,降低不确定因素对售电公司购电策略的影响,优化售电公司购电方式的经济性和抗风险能力。
8、进一步地,所述售电公司购电成本包括现货市场购电成本、偏差考核成本、内部机组运行成本;其中,内部机组包括燃油机组、燃气机组、风电机组和光伏机组,内部机组运行成本为燃油机组运行成本和燃气机组的运行成本,光伏机组和风电机组出力不计发电成本;
9、所述约束条件包括电量平衡约束、可再生能源电力约束、决策变量非负约束和售电公司内部机组出力约束,其中,电量平衡约束使得发电机所发出的电力与供给的用户负荷实时保持平衡,所述可再生能源电力约束以保证可再生能源机组出力,所述决策变量非负约束使得负荷和售电公司购电量满足实际意义,所述售电公司内部机组出力约束使得内部机组中的燃油机组、燃气机组、风电机组和光伏机组均达到合适的工作状态。
10、进一步地,采用pymoo求解器求解售电公司购电策略确定型优化模型,获得最优解。
11、进一步地,构建熵权自适应igdt模型具体过程为:
12、s3.1,在不确定参数电价和不确定参数负荷约束下,构建含有不确定性变量的igdt模型;
13、s3.2,采用熵权法设定igdt模型中不确定性变量的权重,将构建售电公司购电策略确定型优化模型的目标函数以及不确定性变量作为优化目标,获得熵权自适应igdt模型。
14、进一步地,含有不确定性变量的igdt模型表达式为:
15、(1);
16、式中, α1和 α2分别为电价和负荷的不确定集合半径; f是目标函数; x是决策变量; u1为第1个不确定参数的实际值,即电价的实际值; u2为第2个不确定参数,即负荷的实际值; fcr是目标函数的阈值; β是偏差因子,也称为风险厌恶系数,表示预期目标函数(总成本)高于基线值的程度; f0是目标函数的基线值;是不确定参数的集合,为电价的预测值;为负荷的预测值; h和 g分别是平衡和不平衡约束。
17、进一步地,熵权的自适应igdt模型表达式为:
18、(2)
19、式中: α为不确定集合的半径;为电价所占权重,即电价熵权;为负荷所占权重,即负荷熵权。
20、进一步地,采用pymoo求解器中的启发式算法进行求解,获得售电公司购电成本以及售电公司购电量。
21、一种基于熵权自适应igdt的购电优化装置,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现上述基于熵权自适应igdt的购电优化方法。
22、一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现用于实现上述基于熵权自适应igdt的购电优化方法。
23、本专利技术具有的有益效果:本专利技术为基于熵权自适应igdt的购电优化方法、装置及介质,能在处理多不确定性因素的情况下消除主观性因素,保留非概率的特征,可以合理量化价格和负荷波动对售电公司购电策略的影响,降低不确定因素带来的风险,优化售电公司购电方式的经济性和抗风险能力,为售电公司的优化运营提供保障支撑。
本文档来自技高网...【技术保护点】
1.一种基于熵权自适应IGDT的购电优化方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于熵权自适应IGDT的购电优化方法,其特征在于,所述售电公司购电成本包括现货市场购电成本、偏差考核成本、内部机组运行成本;其中,内部机组包括燃油机组、燃气机组、风电机组和光伏机组,内部机组运行成本为燃油机组运行成本和燃气机组的运行成本,光伏机组和风电机组出力不计发电成本。
3.根据权利要求1所述的基于熵权自适应IGDT的购电优化方法,其特征在于,所述约束条件包括电量平衡约束、可再生能源电力约束、决策变量非负约束和售电公司内部机组出力约束,其中,所述电量平衡约束使得发电机所发出的电力与供给的用户负荷实时保持平衡,所述可再生能源电力约束以保证可再生能源机组出力,所述决策变量非负约束使得负荷和售电公司购电量满足实际意义,所述售电公司内部机组出力约束使得内部机组达到合适的工作状态。
4.根据权利要求1所述的基于熵权自适应IGDT的购电优化方法,其特征在于,步骤S2采用Pymoo求解器求解售电公司购电策略确定型优化模型。
5.根据权利要求1所述
6.根据权利要求5所述的基于熵权自适应IGDT的购电优化方法,其特征在于,含有不确定性变量的IGDT模型表达式为:
7.根据权利要求6所述的基于熵权自适应IGDT的购电优化方法,其特征在于,熵权自适应IGDT模型的表达式为:
8.根据权利要求1所述的基于熵权自适应IGDT的购电优化方法,其特征在于,步骤S4中,采用Pymoo求解器中的启发式算法进行求解,获得售电公司购电成本以及售电公司购电量。
9.一种基于熵权自适应IGDT的购电优化装置,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,其特征在于,所述一个或多个处理器执行所述可执行代码时,用于实现权利要求1至8任一项所述的基于熵权自适应IGDT的购电优化方法。
10.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时,用于实现权利要求1至8任一项所述的基于熵权自适应IGDT的购电优化方法。
...【技术特征摘要】
1.一种基于熵权自适应igdt的购电优化方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于熵权自适应igdt的购电优化方法,其特征在于,所述售电公司购电成本包括现货市场购电成本、偏差考核成本、内部机组运行成本;其中,内部机组包括燃油机组、燃气机组、风电机组和光伏机组,内部机组运行成本为燃油机组运行成本和燃气机组的运行成本,光伏机组和风电机组出力不计发电成本。
3.根据权利要求1所述的基于熵权自适应igdt的购电优化方法,其特征在于,所述约束条件包括电量平衡约束、可再生能源电力约束、决策变量非负约束和售电公司内部机组出力约束,其中,所述电量平衡约束使得发电机所发出的电力与供给的用户负荷实时保持平衡,所述可再生能源电力约束以保证可再生能源机组出力,所述决策变量非负约束使得负荷和售电公司购电量满足实际意义,所述售电公司内部机组出力约束使得内部机组达到合适的工作状态。
4.根据权利要求1所述的基于熵权自适应igdt的购电优化方法,其特征在于,步骤s2采用pymoo求解器求解售电公司购电策略确定型优化模型。
...【专利技术属性】
技术研发人员:林少娃,陈奕汝,何妍妍,赵志扬,吴伟玲,林洋佳,金瓯涵,徐梦佳,王哲萍,程叙鹏,郭烨烨,庄志画,吴秀英,高函,季小雨,纪德良,楼杏丹,林萍,沈韬,陈晓玉,潘志冲,刘源,李坦,吴倩璐,周露,
申请(专利权)人:国网浙江省电力有限公司营销服务中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。