基于效益分析的电力系统多指标联合优化调度思路探析

摘 要：从电力系统优化调度的现状入手，简要介绍了DEA模型算法，并在此基础上对基于效益分析的电力系统多指标联合优化调度思路进行探析，以期为提高整个电力系统的发电效益提供参考和帮助。

关键词：电力系统；优化调度；效益分析；多指标联合优化

中图分类号：TM73 文献标识码：A 文章编号：2095-6835（2014）05-0043-02

1 电力系统优化调度的研究现状

在电力领域中，优化调度一直都是研究人员的主要课题，尤其是电力系统的优化调度更是重中之重。在目前的新形势下，优化调度发生了本质的改变，其所追求的目标从原本单纯的经济效益正逐步朝着多元化的方向扩展，这主要是由全球性能源紧缺和环保要求不断提高所决定的。换言之，电力系统的优化调度所追求的目标应当包含经济效益、能源效益和环境效益，只有这样才能充分体现出优化的重要性。然而在实际当中，多个目标很难在某一个调度方案中达到各自的最优值，究其根本原因是各个目标之间相互冲突、制约。举个简单的例子，在获取电能并实现经济效益最大化的过程中，势必会造成能源的过度消耗，如果资源的总量保持不变，想实现一个目标的最优化，就必须牺牲另外的目标。在经济学当中，将这一规律称为帕累托最优原则。在实际生产中，由于整个生产过程中不可避免地会受到多方面因素的影响，所以一种调度方案很难考虑到全部的影响因素。为此，必须探寻一种基于多指标联合优化调度的思路，以此来解决各个目标之间的冲突，从而使调度方案达到最优化。

2 DEA模型算法简介

DEA即数据包络分析，是一种实用性较高的分析评价方法，具体是指将某一种生产活动的投入使用元素和由此形成的产品置于DEA模型当中进行分析、评价。其中的元素也被称为投入产出指标，它们的选取相对比较自由，凡是对产出有贡献的因素均可以作为指标，例如，火电厂投入的指标为煤和水，产出指标为电能。此外，也可选用一些不可量化的指标，比如操作人员的工作能力、企业管理水平等，此类指标需要进行相应的处理之后，再与可量化的指标一并作为整个系统的评价指标，这样能够使分析评价结果的准确性更高，更贴近实际。

通常情况下，对某一个事物是否有效进行分析评价，应当选取与之关联密切的比较目标，在DEA模型当中将其称为决策单元，即比较对象必须是投入产出指标的同质单元。在具体的分析评价过程中，可以将一个生产过程或系统视作一个决策单元，并通过投入生产中的一种或多种要素，经决策后产生出一定数量的产品。在这个过程中，投入的越小，产出的越大，效率就越高，效益则就越好。该方法与其他算法最大的区别在于DEA无需给出投入、产出的显示关系，但必须确保投入与产出的指标数据精确、可靠。该方法的求解过程实质上就是将众多的决策单元全作为被评价群体，再引入权重系数，对各个决策单元中的投入、产出指标进行线性处理，然后对两者之间的比率，即投入产出比进行综合分析，以此来确定有效生产的前沿面，最后计算投入产出与前沿面的距离，并以该结果判定决策单元是否有效，再以投影法指出决策单元无效的原因，并给出改进的方向和需要改进的具体程度。

目前，DEA模型算法在电力系统中的应用非常广泛，主要涉及到发电和输配电两个方面。下文采用DEA模型算法对电力系统多指标联合优化调度进行研究。

3 多指标联合优化调度思路分析

3.1 DEA模型构建

鉴于本文研究的优化调度思路是以效益为前提的，所以在构建模型时，应当充分考虑经济效益、能耗和环境效益等方面因素。DEA评价模型主要应用于优化调度结果的效益评价当中，能够获得多个调度方案，决策者可以从中选择最合适的一种。对电力系统多指标联合优化调度而言，应当从多个角度进行综合考虑，并将以下几个方面作为优化目标，即电力系统总体煤耗量最小、梯级水电站群耗水量最小和污染物排放量最小，然后在此基础上构建多维约束的多目标优化模型。

3.2 约束条件的选择

3.2.1 电力平衡约束

电能属于一种非常特殊的物质，从产生到使用的整个过程中，基本上是在同一时间内完成的，所以制订的发电计划量应当与调度时刻的负荷消耗量相同。

3.2.2 水量平衡约束

由于梯级水电站群内的各个水电站之间的水量具有双重联系，即时间性和空间性。因此，应当使站群内的龙头水电站与其他水电站的水量尽可能保持平衡。

3.2.3 煤耗量与水耗量的约束

由于火电消耗的资源以煤为主，煤属于不可再生型资源；而水电消耗的水，出于减少不可再生资源使用的前提，水电所应承受的比重要大于火电。为了寻找两者之间的平衡，可将其统一转化至一个标准下，即水电厂的耗水量转换成煤耗量，大于火电机组所消耗的耗煤量。

3.3 多目标优化求解及结果分析

由于模型中的多个目标存在冲突，如果只是采用一般的权重系数法很难体现出各个目标的重要程度。经过综合考虑之后，决定采取满意度函数和欧氏距离评价函数对多目标进行处理，并在此基础上，通过粒子群算法进行求解。在对计算结果（限于篇幅，省略计算步骤）进行分析后发现，水电总出力大于火电总出力，这表明用水电代替火电进行发电能够有效减少煤炭的消耗量，并且减少了污染物的排放量。

3.4 基于DEA效益评价的优化调度方案

粒子群算法本身具有随机性较强的特点，这使得求出的解并不是唯一的。因此，为了能够给决策者提供多种调度方案，可采用DEA模型对优化调度运行方式进行效益评价，以此来找出最优的调度方案。当DEA目标函数值为1时，表明投入对于产出的利用效率最高；如果多个目标函数值均为1，决策者可根据实际情况对调度方案进行选择。

4 结束语

综上所述，从效益的角度分析，并借助DEA评价模型，对电力系统多指标联合优化调度的思路进行了研究，这对电力系统总体发电效益的提高有着重大的意义。结果表明，在基于多种效益的前提下，运用DEA评价模型并结合粒子群算法能够得出多种优化调度方案，决策者可按照实际需要进行选择。

参考文献

[1]魏加华，张远东.基于多目标遗传算法的巨型水库群发电优化调度[J].地学前缘，2010（11）.

————————

作者简介：荆国权（1975—），男，江苏常州人，配网调度员，主要研究方向为电网调度。 〔编辑：李珏〕

Based on Power System of Benefit Analysis Indicators Combined Optimization Scheduling Analysis

Jing Guoquan

Abstract： Optimizing the status quo dispatch from the power system to start， a brief introduction DEA model algorithm， and on this basis， the power system based on multiple indicators of effectiveness analysis of joint optimization of scheduling the thinking of Exploration， in order to provide reference for improving power generation efficiency of the entire power system and help.

Key words： power system； optimal scheduling； benefit analysis； multi-index joint optimization