摘要：伴随着我国社会经济的稳定发展以及现代经济建设理念的深入推广，电力行业较以往逐渐有了崭新进步。而在环境资源问题趋于严重的新背景下，以系统优化调度为核心的智能电网越来越受到电力行业的重视和关注。在此基础上，如何加快电力系统由“粗放型”管理模式向“调度式”管理机制转变，成为了当前电网建设事业面临的主要问题。对此，文章基于电力系统优化调度，详细分析了适用于我国的电力系统优化调动机制，同时也指出了相应的决策方法，旨在给予广大电力系统调度人员可行的帮助和指导，并最终促进我国电力行业的可持续进步。
关键词：电力系统；优化调度；决策方法；多属性决策
引言：
近年来，世界各国对于能源问题和环境问题的重视都较以往有了显著提高，而电力系统作为迄今为止人类发展史上最主要的耗能系统之一，如何依托于智能电网理念，于电力系统优化调度层面减少常规能源的损耗浪费，是当前电力建设事业面临的主要发展问题。但是，从目前国内针对电力系统优化调度进行的研究成果来看，包括群体搜索算法、投资组合算法、多属性决策算法在内的诸多调度机制均仍处于起步应用阶段，因此，就现有电力系统优化调度模式进行探讨，既符合国内电力系统建设工作的发展需求，也能够满足可持续发展理念下的现代电力发展要求，值得我们给予足够重视。
1 电力系统优化调度研究现状
所谓确定性优化调度，其更多强调借助调整电力系统发电机组参数来改善系统运行指标，其中，该调度机制大致可分为以下几种：
1.1.1最优潮流调度
最优潮流调度机制是近年来业内比较认可的一种确定性调度机制，其中，最优潮流同时兼具了对系统安全性和经济性的考虑，能够于保障电力系统安全稳定运行的同时尽可能缩减电力系统运行的成本。同时，最优潮流以数学规划为基本原理，通常可在系统负荷需求前提下实现对系统多维变量的控制。其中，常规最优潮流计算方法一般有线性规划法、非线性规划化和二次规划法，但需要注意的是，在实际计算最优潮流时，应避免局部最优解的出现，以免降低最优潮流调度机制的应用效果，造成潜在的系统损失。
1.1.2负荷经济调度
一般来说，负荷经济调度机制可分为静态经济调度和动态经济调动两种，其中，前者多强调针对某一时间断面进行发电成本管控，后者则需要综合考量多个系统运行时段，借助不同时段的有机联系和发电机爬坡限制理论来达到系统的动态经济调控。此外，负荷经济调度与最优潮流调度相对一致，均可采用线性规划法、非线性规划法等常规计算方法进行最优解计算，但需要注意的是，基于负荷经济调度涉及的动态经济调度，在应用负荷经济调度机制时，应更加注重保持系统的整体性，对此，可参照群智能优化算法进行优化。
1.1.3无功优化调度
与上述相似，无功优化调度同样旨在实现电力系统的最小化有功损耗，但与之不同的是，无功优化调度多强调借助调整无功补偿装置和变压器的参数来进行全网节点无功潮流分布的调度，这意味着无功优化调度能够涉及一定的多模态性复杂优化问题，并可以有效找寻各子系统间的内部联系，最终确保系统调度的最优化。但同样需要注意的是，由于无功优化调度更加强调系统调度的整体性和系统性，因此在运用常规计算方法时，想要得出最优调度解往往困难较大，很容易出现局部最优解问题，进而违背无功优化调度的整体调度原则。
1.1.4热电联产经济调度
针对含有热电联产机组的电力系统，热电联产经济调度机制是较为常见的系统调度模式，其中，该调度机制强调借助系统约束在保障电负荷及热负荷达标的前提下降低电力系统的热电损耗，是一种针对能源损耗和有害气体排放问题十分有效的调度模式。此外，热电联产经济调度与群智能优化算法有着十分密切的联系，尤其是自适应算法的提出，能够有机结合热电联产发电机组的运行特性，综合考量系统的最优调度解，最终不仅可以避免罚因子过多所致的计算难度，同时也可基于仿真分析使算法计算更加稳定。
期刊文章分类查询,尽在期刊图书馆
1.2不确定性优化调度
所谓不确定性优化调度，其更多针对以风能、太阳能、潮汐能等可再生能源为发电能源的电力系统，即依托于不确定电源及负荷对系统进行优化调度，其中，该调度机制可分为以下几种：
1.2.1模糊建模调度
对于风力发电系统来说，不确定的风速往往会导致不同的发电功率，因此，可采用模糊建模调度机制进行系统优化调度。其中，该机制采用模拟集理论对不确定性发电指标进行建模分析，一般以实现最小化发电成本和二氧化碳排放为主要调度目标，同时在实际调度过程中，往往会涉及储能装置的使用，因此需借助模糊优化算法来进行调度分析。
1.2.2概率建模调度
为解决模糊建模调度存在的不确定性计算问题，概率建模调度得以应运而生，其中，概率建模调度借助威布尔分布、高斯分布等概率分布理论对风速等不确定性随机变量进行概率化分析，借此，可依托于随机优化理论找寻系统于不确定调度环境下的调度期望值，最终便可有效实现系统调度的最大化和最优化。
2 电力系统优化调度的多属性决策及决策方法
2.1多属性决策的概念
通常来说，任何工程均会涉及多个构建目标，同样，在电力系统优化调度过程中，不同的电力系统构成往往会有不同的调度目标，而此时便需要依托于多目标决策，找寻多目标优化下的最优目标集，即帕累托解集。但是，从实际情况来看，多目标优化问题即使能得出完整的帕累托解集，调度人员也需要从集中找寻最适合电力系统调度需求的最优解，因此，需依托于多属性决策理论在衡量多个指标优先性的前提下探讨最优调度解。例如，对于大多数电力系统来说，发电成本、系统亏损、电压偏差是主要的调度内容，对此，我们需要结合多项调度内容构建完善的调度评价机制，并为后续计算调度最优解而提供判断依据。
2.2多属性决策的基本框架
由于多属性决策需要同时优化包括发电成本、系统亏损、电压指数、气体排放在内的多个目标函数，因此可借助帕累托解集计算最优调度集，并依托于不同调度员的不同权重指标选择最优的调度方案。对此，我们以实际实际电力调度情况提出了一种用于评估电力系统多属性决策调度的决策框架。
2.2.1多目标优化
在多目标优化阶段，需要于上述提到的多个电力系统调度目标中优先选择较为重要的核心目标，并分别进行排序处理，同时，借助帕累托解集计算分析不同的调度方案，形成候选解集。
2.2.2证据决策
在证据决策阶段，需根据上述确定的帕累托解集进行候选解评估，其中，评估依据需结合电力系统的实际调度情况进行确定。同时，根据分析得出的相对权重计算不同方案的调度可行度，最终借助综合评估和应用能效分析确定最终的调度解。
3.结束语
综上，本文基于电力系统优化调度的常见调度机制，对确定性优化调度和不确定性优化调度进行了详细分析，同时也简要指出了在多属性决策理论下，针对电力系统进行调度决策的方式方法。其中，对于多属性决策来说，其更加适用于多元化的电力系统调度目标，且需要考量多个调度因素，因此，在实际电力系统调度过程中，应秉承多属性决策原则，尽量借助完善的调度评估机制选择最适合电力系统的调度方案，只有这样，才能有效发挥电力调度能效，才能推动电力建设的可持续发展。
参考文献：
[1]万兴玉. 高渗透率风电并网系统的优化运行研究[D].南昌大学，2018.
[2]朱永胜. 电力系统环境经济优化调度研究[D].郑州大学，2016.
[3]陈佳佳. 电力系统优化调度算法及其模型的研究[D].华南理工大学，2015.
[4]李远征. 电力系统优化调度及其决策方法的研究[D].华南理工大学，2015.
论文作者:徐磊1,麻浩阳2
论文发表刊物:《电力设备》2019年第14期
论文发表时间:2019/11/22
标签：电力系统论文; 最优论文; 电力论文; 系统论文; 系统优化论文; 机制论文; 目标论文; 《电力设备》2019年第14期论文;