【技术实现步骤摘要】
本专利技术涉及电网，特别是基于模糊进化算法的电网规划主题动态迭代方法及系统。
技术介绍
1、随着能源体系的深刻变革和电力市场化改革的推进，电网面临负荷增长及波动性加剧的严峻挑战。然而，传统的电网规划方法过于注重确定性模型，难以适应复杂多变的新环境。
2、具体而言，现有技术普遍存在以下问题：缺乏对负荷需求和发电成本等参数不确定性的建模手段，导致规划结果的可靠性和适应性较差；过分依赖单一目标模型，很难兼顾各类技术经济指标与约束条件，使规划方案缺乏均衡性与协调性；采用的标准遗传算法，搜索能力和全局收敛性较弱，优化效率不高，难以实现规划方案的动态迭代。
技术实现思路
1、鉴于现有的电网规划方法存在的参数不确定性建模能力较弱与动态迭代机制不完善的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何建立参数不确定的动态规划模型，设计改进的多目标优化算法以实现电网规划方案的主题动态迭代与协调优化。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了基于模糊进化算法的电网规划主题动态迭代方法，其包括应用区间参数法和模糊数学理论，建立考虑节点负荷和发电参数不确定性的电网规划混合整数规划模型；结合技术指标和经济指标，采用模糊理想解法确定电网规划的多目标函数；设计改进的非支配排序多目标遗传算法，并构建模糊满意度函数进行自适应控制以实现主题动态迭代机制；开发上下联合的电网规划和调度系统，并建立在线状态检
5、作为本专利技术所述基于模糊进化算法的电网规划主题动态迭代方法的一种优选方案，其中：建立考虑节点负荷和发电参数不确定性的电网规划混合整数规划模型包括以下步骤：采用区间分析理论中的区间数和模糊数学中的lr型模糊数，描述节点负荷的波动范围和发电成本的不确定性；基于区间分析理论，采用区间参数化法建立具有参数不确定性的最优化目标函数；采用n微分的区间算术，使用区间数对约束函数进行表示以反映参数的不确定性；应用模糊数学中的α切集法将混合整数规划模型转化为等效的确定性子问题组；运用整数规划解法和算法求解α参数对应的确定性子问题，以获得原问题的α最优解集；通过对α最优解集的分析和决策确定最优的决策方案，并在实际中采取行动。
6、作为本专利技术所述基于模糊进化算法的电网规划主题动态迭代方法的一种优选方案，其中：最优化目标函数的具体公式如下：
7、
8、其中，f(x)表示最小化的总成本，xi表示第i项决策变量，ai(j)表示决策变量xi的第j次项的系数，m表示在不同的时间或情境下进行的求和，n表示发电资源的数量，fim表示发电成本的区间数，表示第i项决策变量在时刻m的使用量，k表示决策变量xi的多项式项中的最高次数。
9、作为本专利技术所述基于模糊进化算法的电网规划主题动态迭代方法的一种优选方案，其中：使用区间数对约束函数进行表示以反映参数的不确定性包括以下步骤：定义与问题相关的所有不确定性参数，并将这些参数表示为区间向量x＝[x1,x2,x3,...,xn]；使用微分区间算术规则计算每个约束条件的取值范围，即最优化目标函数在各可能取值情况下的最小值和最大值；若任一参数的区间上限超过事先设定的安全阈值，则调整相关联的不确定性参数或直接的约束条件以确保整个系统的稳定性和安全性；根据计算结果对整个约束条件集进行评估，若目标函数的最小值不满足预期目标，则重新检查区间设置或调整算法的其他设置；重复应用这些规则，直至计算得出的约束条件的区间反映出所有相关的不确定性和系统要求；记录所有的决定和调整，以确保流程的透明性和方案的可追溯性；对经过优化的约束条件进行回顾和验证，确保所计算的区间合理且健全，即不存在过于保守或非实际的情况。
10、作为本专利技术所述基于模糊进化算法的电网规划主题动态迭代方法的一种优选方案，其中：设计改进的非支配排序多目标遗传算法包括以下步骤：采用锦标赛选择算子替代传统的轮盘赌选择，以实现个体间的直接比较；根据种群多样性和聚集度设计自适应函数，以动态调整交叉概率pc；在种群排序时，将部分精英个体直接复制进入下一代，同时设计精英个体的动态更新机制；采用多目标及约束条件满意度的模糊集合评价个体满意度，并设计满意度阈值进行自适应调节，以实现解集动态迭代更新；根据进化代数和种群远景度指标设计自适应变异概率与幅度，以动态适应算法状态；根据决策者的偏好变化，采用模糊满意度函数和可行性指标对解集进行更新筛选，以实现解集的动态更新。
11、作为本专利技术所述基于模糊进化算法的电网规划主题动态迭代方法的一种优选方案，其中：精英个体的动态更新机制包括以下内容：若当前进化代数达到预设的更新周期t，则清空原精英集合，并从当代种群中按照聚类密度和均匀度选取p％个体构建新精英集合，若精英集合规模小于要求，则从档次次高的非支配个体中继续选择；若连续多代精英个体集合没有变化，则随机移除预设比例的精英个体，并按照排序顺序从当前种群中补充精英个体；若精英个体集合的平均适应度低于预设阈值β，则清空原精英集合，并从当前种群按照聚类和适应度重新选择精英个体；若决策者的偏好发生明显变化，则清空原精英集合，按新偏好对当前种群重新排序，并重新排序种群中选取适应新偏好的个体构建精英集合；更新精英个体数据，并返回。
12、作为本专利技术所述基于模糊进化算法的电网规划主题动态迭代方法的一种优选方案，其中：实现解集动态迭代更新包括以下步骤：建立满意度评价函数f＝ω1f1(x)+ω2f2(x)+...+ωnfn(x)，其中fi表示第i个目标函数值或约束条件值的满意度，ωi表示相应权重；使用隶属函数将各目标及约束条件值映射到[0,1]区间，转换为满意度值；设定初始满意度阈值τ0，并根据τ0对当前种群个体进行筛选，以得到满意度大于τ0的可接受解集a；自适应调节满意度阈值，使得解集规模动态维持在合理水平；若解集a数量少于总个体数的1/3，则降低阈值τ＝τ-δτ，并重新进行筛选直到解集数量满足要求；若解集a数量高于总个体数的2/3，则提高阈值τ＝τ+δτ，并重新进行筛选。
13、第二方面，本专利技术实施例提供了基于模糊进化算法的电网规划主题动态迭代系统，其包括模型构建模块，用于应用区间参数法和模糊数学理论，建立考虑节点负荷和发电参数不确定性的电网规划混合整数规划模型；多目标函数模块，用于结合技术指标和经济指标，采用模糊理想解法确定电网规划的多目标函数；改进模块，用于设计改进的非支配排序多目标遗传算法，并构建模糊满意度函数进行自适应控制以实现主题动态迭代机制；动态闭环模块，用于开发上下联合的电网规划和调度系统，并建立在线状态检测与反馈模块，以实现算法方案与实际运行状态的动态闭环。
14、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本专利技术第一方面所述的基于模糊进化算法的电网规划主题动态迭代方法本文档来自技高网...
【技术保护点】
1.基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：包括，
2.如权利要求1所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述建立考虑节点负荷和发电参数不确定性的电网规划混合整数规划模型包括以下步骤：
3.如权利要求2所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述最优化目标函数的具体公式如下：
4.如权利要求2所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述使用区间数对约束函数进行表示以反映参数的不确定性包括以下步骤：
5.如权利要求1所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述设计改进的非支配排序多目标遗传算法包括以下步骤：
6.如权利要求5所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述精英个体的动态更新机制包括以下内容：
7.如权利要求5所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述实现解集动态迭代更新包括以下步骤：
8.基于模糊进化算法的电网规划主题动态迭代系统，基于权
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于模糊进化算法的电网规划主题动态迭代方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于模糊进化算法的电网规划主题动态迭代方法的步骤。
...【技术特征摘要】
1.基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：包括，
2.如权利要求1所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述建立考虑节点负荷和发电参数不确定性的电网规划混合整数规划模型包括以下步骤：
3.如权利要求2所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述最优化目标函数的具体公式如下：
4.如权利要求2所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述使用区间数对约束函数进行表示以反映参数的不确定性包括以下步骤：
5.如权利要求1所述的基于模糊进化算法的电网规划主题动态迭代方法，其特征在于：所述设计改进的非支配排序多目标遗传算法包括以下步骤：
6.如权利要求5所述的基于模糊进化算法的电网规划主题动态...
【专利技术属性】
技术研发人员：刘金森，张鹏城，罗宁，贺墨琳，郑飞，缪茂，欧阳财岗，徐松，
申请(专利权)人：贵州电网有限责任公司，
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。