粒计算在电力系统优化调度中的应用探索

张 鹏，张旭涵，张铭洋

（1.国网铁岭供电公司，辽宁 铁岭 112000；2.国网抚顺供电公司，辽宁 抚顺 113000）

粒计算在电力系统优化调度中的应用探索

张 鹏1，张旭涵1，张铭洋2

（1.国网铁岭供电公司，辽宁 铁岭 112000；2.国网抚顺供电公司，辽宁 抚顺 113000）

基于粒计算的基本理论和思想，将电力系统各个机组进行粒化，以假想最优调度下的机组组合状态为目标序列，以系统优化潮流计算条件下的机组组合状态为无限接近目标序列的函数序列，应用粒的相似度概念进行此函数序列与目标序列之间粒的相似度计算，确定出在实际中最能接近给定假想最优调度下的目标序列所对应的最优发电机组组合，从而为优化调度决策提供重要依据。

粒计算；电力系统；优化调度

粒计算是一种看待客观世界的世界观和方法论，其目的是建立一种体现人类问题解决特征的一般模型，其基本思想是在不同的粒度层次上进行问题求解。信息粒是指人类在解决和处理大量复杂信息问题时，由于人类认知水平的限制，很难处理大量杂而无序的信息，因此，信息分类管理处理办法成为重中之重，粒计算就是将大量复杂信息按其特性归属为不同的种类和区域，每个如此划分出来的类别被称作1个粒［1－3］。

1 粒计算的基本理论

粒是元素的群、类或聚类。信息粒化的过程就是将一类对象划分为一系列粒，其中每1个粒是基于不可分辨关系、相似性或泛函性聚集得到的一个对象的集合。粒度指微粒大小的平均度量，表征信息时，粒度主要作为对数据信息和知识抽象度的度量，从不同层面分析和处理信息。从粒度的角度来看，求解的问题不同，则需要不同的粒度描述，或解决同一个问题时也需要若干不同粒度信息进行融合，才能得出比较理想的结果。显然，获取信息的粒度越细，搜索相对越复杂；信息粒度越粗，搜索相对越简单［4－8］。从较细的粒度世界跃升到较粗的粒度世界是对信息或知识的抽象，可以简化问题，大大减少数据处理量。

不同粒度下的聚类将得到不同的聚类结果，这会对在聚类基础上开展的研究分析产生显著影响。为消除分类结果和先验知识间的不协调性，考虑将粒度的概念引入聚类过程，从而针对不同的决策问题，自适应地采用不同的分析粒度。粒计算从实际出发，用可行的满意近似解替代精确解，改变了传统的计算观念，使信息处理更为科学、合理、经济和易于操作。粒计算的核心涉及粒化和粒的计算这2个问题［9－10］。

粒化是复杂事物求解的一个再造过程，它可以被定义为在给定粒化标准下得到如何分解构造粒化层的过程。粒的分类分层是粒计算的基石，粒的分类分层包括如何确定粒子、视图、网架和层次。在不同的粒化准则下就得到多种计算方式，进而得到粒层的网络结构。通常的粒化方法有从上到下和自底向上，通过筛选层层分类得到目标粒子。

复杂问题的粒计算求解，实际上就是如何将对象进行粒化。对象的粒化主要涉及粒化的理论依据、具体的粒化方法、如何表述各个粒子以及粒子内部如何构造等问题。粒化的理论依据解决对象能够粒化的合理性问题，被描述成为什么不同的对象能够放在一起作为1个完整的粒子。具体粒化方法的一个基本要求是抓住粒化事物的主要矛盾，忽略其次要矛盾，把握大的方向脉络，从而更加精确地对事物进行分析解读。具体的粒化方法解决了用什么数学方法模型将空间进行分类粒化，它属于具体操作方面的数学问题。说明各个粒子主要是如何用形式化的语言表述出来，以便归纳整理，给后面的计算带来方便。粒子内部构造的研究让我们更加明确地认识粒中的主要问题。当前，比较流行通用的粒化方法往往都是将目标空间进行划分，找到各个子空间问题主要的目标，然后将子空间上的解合成原问题空间的解。

以粒子为目标进行求解，是最初始的粒计算设想。粒计算可以对目标空间分化，通过分析粒结构来解决问题，包括在对象空间中，不同层次和同一层次粒的相互交织移动。

粒化是粒计算模型中的关键要素，它直接决定粒计算的成功与否。因此，粒化方法是粒计算研究中的的首要问题。粒计算方法理论发展到现在，产生了很多粒化方法［11］。总之，粒计算是一个涉及到多方面知识的学科，是基于不同层次粒度和细节问题求解的一般性理论。

2 基于粒计算的电力系统粒化的分析

在粒计算问题中，粒空间主要涉及粒化准则、粒化方法、粒子和粒结构的表示以及粒子和粒结构的定性等问题的描述和定义［12］，对电力系统中一些问题粒化，可以更方便地求解。

首先，设定一个假想的最优调度目标值。设该目标值所对应的电力系统为R系统，并以R系统假想的最优调度下发电机组组合状态为目标序列；设一般潮流计算条件下对应的电力系统为S系统，以S系统中一般潮流计算条件下的发电机组组合状态为无限接近目标值的函数序列。

其次，对R系统和S系统进行粒化。R系统中，将各个发电机组看作1个粒，设各个粒子为g1，g2，…，gn，则各个粒子（即各个发电机组）的出力为X1，X2，…，Xn，用集合表示为X（X1，X2，…，Xn）；同理，S系统中，将各个发电机组看作1个粒，设各个粒子为g′1，g′2，…，g′n，则各个粒子（即各个发电机组）的出力为X′1，X′2，…，X′n，用集合表示为X′（X′1，X′2，…，X′n）。

再次，对各个发电机组的出力进行粒化。由于每个发电机组的容量和出力都不尽相同，因此，将各个发电机组的出力在其对应的上下限所限定的空间中分别粒化成m个点。利用智能搜索算法，确定搜索方向，在每个粒化的空间中搜索出R系统中与各个发电机组出力相似度最大的粒。

然后，对发电机组运行状态的组合进行粒化。R系统和S系统各个发电机组的运行状态组合可看成该系统的子系统，即目标序列和函数序列中的子函数。将该子系统粒化：对于R系统，不同时刻发电机组运行状态的组合用粒表示为（G1，G2，…，Gn），其集合为G（G1，G2，…，Gn），若以“0”表示发电机组停机状态，“1”表示发电机组运行状态，则G1，G2，…，Gn对应的每个粒取值为0或1；对于S系统，不同时刻发电机组运行状态的组合用粒表示为（G′1，G′2，…，G′n），其集合为G′（G′1，G′2，…，G′m），其中，G′1，G′2，…，G′n对应的每个粒取值亦为0或1。则R系统和S系统中，每个系统的发电机组运行状态的组合有2n种。将每个系统的发电机组运行状态组合空间进行粒化，即将每1种包含所有发电机组运行状态的组合看作1个粒，则该粒有2n种（即该粒的维度为2n）。

最后，利用智能算法，在解空间中随机生成粒子，每个粒子表示各个发电机组组合和出力的状态。经过进化和选优，找出与设定的理想发电机组组合和出力状态相似度最佳的粒子，这个粒子即为最优解，即与假想优化调度目标值对应的系统相似度最大的粒所对应的实际系统的状态最为接近。

根据以上描述，R系统发电机组出力（即假想的最优调度目标值下的电力系统发电机组的总出力）可以表示为

式中：i＝2n。

S系统发电机组出力（即一般潮流计算条件下的电力系统发电机组的总出力）可表示为

计算发电机组出力及状态组合的粒的相似度。设PG，PG′分别表示R系统和S系统对应的发电机组组合总出力空间的粒，则R系统和S系统所对应的发电机组总出力的粒的相似度可用如下公式表示：

式中：PG（i）、PG′（i）分别表示R系统和S系统发电机组总出力的第i个维度。

该公式为粒计算理论中粒的相似度经典公式，用来作为在智能算法中的适应函数。该适应函数描述了R系统和S系统所对应的发电机组出力及状态组合的粒的相似度。其中，PG为目标序列，即R系统假想的最优调度目标值下的发电机组组合状态空间；PG′为函数序列，即S系统一般潮流计算条件下的发电机组组合状态。通过智能算法，在解空间中进行进化和选优，找出PG的粒的相似度最高解，即与R系统的发电机组组合状态最接近的S系统发电机组组合，此为选优之后的PG′，即得到最优潮流解的实际电力系统发电机组组合状态。

3 结束语

本文简要介绍了粒计算的基本理论，然后以假想的电力系统最优调度目标值下的发电机组组合状态为目标序列，将电力系统各个发电机组作为粒，以电力系统一般潮流计算条件下的发电机组组合状态为无限接近目标值的函数序列，运用了粒计算粒化的思想，将发电机组的出力上下限空间和机组组合状态进行粒化，应用粒的相似度公式对目标序列与接近目标值的函数序列进行粒的相似度计算，从而得出最优潮流解的实际电力系统发电机组组合状态。为实际电力系统运行中确定最能接近给定优化调度的目标值所对应的各发电机组运行状态提供了依据，也为优化调度决策提供借鉴。

［1］ 金义雄，段建民，徐 进，等.考虑气象因素的相似聚类短期负荷组合预测方法［J］.电网技术，2007，31（19）：60－64，82.

［2］ 张智晟，孙雅明，张世英，等.基于数据挖掘多层次细节分解的负荷序列聚类分析［J］.电网技术，2006，30（2）：51－56.

［3］ 刘 韬，李向军，邱桃荣，等.一种基于相容粒计算模型的文章相似度计算方法［J］.广西师范大学学报：自然科学版，2010，28（3）：135－139.

［4］ 邢振中，冷 杰，张永兴.火力发电机组深度调峰研究［J］.东北电力技术，2014，35（4）：18－23，43.

［5］ 宋明刚，潘鹏飞，徐福彬.调度自动化系统运行分析及对策［J］.东北电力技术，2013，34（1）：37－39.

［6］ 郭容赫，陈泽榕.基于混沌原理的火电机组负荷分配优化系统研究［J］.东北电力技术，2013，34（10）：12－14.

［7］ 向 山，向迪辉.基于量子粒子群混合算法的电网经济调度［J］.东北电力技术，2014，35（1）：5－7.

［8］ 张 铃，张 钹.问题求解理论及应用——商空间粒度计算理论及应用（第2版）［M］.北京：清华大学出版社，2007.

［9］ 张燕平，罗 斌，姚 豫，等.商空间与粒计算—结构化问题求解理论与方法［M］.北京：科学出版社，2010.

［10］ 徐久成，成万里，孙 林.一种新的粒表示方法及其距离计算［J］.计算机应用研究，2010，27（6）：2 034－2 046.

［11］ 谢克明，逯新红，陈泽华.粒计算的基本问题和研究［J］.计算机工程与应用，2007，43（16）：41－44.

［12］ 王国胤，张清华，胡 军.粒计算研究综述［J］.智能系统，2007，2（6）：9－19.

Application on Granular Computing in Optimal Dispatch of Power System

ZHANG Peng1，ZHANG Xu⁃han1，ZHANG Ming⁃yang2
（1.State Grid Tieling Power Electric Supply Company，Tieling，Liaoning 112000，China；2.State Grid Fushun Power Electric Supply Company，Fushun，Liaoning 113000，China）

Every units of electric power system granulation are carried out based on the basic theory and thought of granular computing. After pelletized，this paper uses the intelligent search algorithm to calculate the similarity of the granule in both of the system in the corresponding searching space by combined state of a giving optimized target of optimal dispatching as target sequence.The proposed method is capable of determining the combination state of running generator which is most close to the giving optimized target of optimal dispatching in the actual electric power system.The results are important for decision⁃making in power generation scheduling.

Granular computing；Power system；Optimal dispatching

TM73

A

1004－7913（2016）01－0027－03

张 鹏（1988—），男，学士，助理工程师，从事电网调控运行工作。

2015－09－17）