粒計算在電力系統優化調度中的應用探索

張 鵬，張旭涵，張銘洋

（1.國網鐵嶺供電公司，遼寧 鐵嶺 112000；2.國網撫順供電公司，遼寧 撫順 113000）

粒計算在電力系統優化調度中的應用探索

張 鵬1，張旭涵1，張銘洋2

（1.國網鐵嶺供電公司，遼寧 鐵嶺 112000；2.國網撫順供電公司，遼寧 撫順 113000）

基于粒計算的基本理論和思想，將電力系統各個機組進行粒化，以假想最優調度下的機組組合狀態為目標序列，以系統優化潮流計算條件下的機組組合狀態為無限接近目標序列的函數序列，應用粒的相似度概念進行此函數序列與目標序列之間粒的相似度計算，確定出在實際中最能接近給定假想最優調度下的目標序列所對應的最優發電機組組合，從而為優化調度決策提供重要依據。

粒計算；電力系統；優化調度

粒計算是一種看待客觀世界的世界觀和方法論，其目的是建立一種體現人類問題解決特征的一般模型，其基本思想是在不同的粒度層次上進行問題求解。信息粒是指人類在解決和處理大量復雜信息問題時，由于人類認知水平的限制，很難處理大量雜而無序的信息，因此，信息分類管理處理辦法成為重中之重，粒計算就是將大量復雜信息按其特性歸屬為不同的種類和區域，每個如此劃分出來的類別被稱作1個粒［1－3］。

1 粒計算的基本理論

粒是元素的群、類或聚類。信息粒化的過程就是將一類對象劃分為一系列粒，其中每1個粒是基于不可分辨關系、相似性或泛函性聚集得到的一個對象的集合。粒度指微粒大小的平均度量，表征信息時，粒度主要作為對數據信息和知識抽象度的度量，從不同層面分析和處理信息。從粒度的角度來看，求解的問題不同，則需要不同的粒度描述，或解決同一個問題時也需要若干不同粒度信息進行融合，才能得出比較理想的結果。顯然，獲取信息的粒度越細，搜索相對越復雜；信息粒度越粗，搜索相對越簡單［4－8］。從較細的粒度世界躍升到較粗的粒度世界是對信息或知識的抽象，可以簡化問題，大大減少數據處理量。

不同粒度下的聚類將得到不同的聚類結果，這會對在聚類基礎上開展的研究分析產生顯著影響。為消除分類結果和先驗知識間的不協調性，考慮將粒度的概念引入聚類過程，從而針對不同的決策問題，自適應地采用不同的分析粒度。粒計算從實際出發，用可行的滿意近似解替代精確解，改變了傳統的計算觀念，使信息處理更為科學、合理、經濟和易于操作。粒計算的核心涉及粒化和粒的計算這2個問題［9－10］。

粒化是復雜事物求解的一個再造過程，它可以被定義為在給定粒化標準下得到如何分解構造粒化層的過程。粒的分類分層是粒計算的基石，粒的分類分層包括如何確定粒子、視圖、網架和層次。在不同的粒化準則下就得到多種計算方式，進而得到粒層的網絡結構。通常的粒化方法有從上到下和自底向上，通過篩選層層分類得到目標粒子。

復雜問題的粒計算求解，實際上就是如何將對象進行粒化。對象的粒化主要涉及粒化的理論依據、具體的粒化方法、如何表述各個粒子以及粒子內部如何構造等問題。粒化的理論依據解決對象能夠粒化的合理性問題，被描述成為什么不同的對象能夠放在一起作為1個完整的粒子。具體粒化方法的一個基本要求是抓住粒化事物的主要矛盾，忽略其次要矛盾，把握大的方向脈絡，從而更加精確地對事物進行分析解讀。具體的粒化方法解決了用什么數學方法模型將空間進行分類粒化，它屬于具體操作方面的數學問題。說明各個粒子主要是如何用形式化的語言表述出來，以便歸納整理，給后面的計算帶來方便。粒子內部構造的研究讓我們更加明確地認識粒中的主要問題。當前，比較流行通用的粒化方法往往都是將目標空間進行劃分，找到各個子空間問題主要的目標，然后將子空間上的解合成原問題空間的解。

以粒子為目標進行求解，是最初始的粒計算設想。粒計算可以對目標空間分化，通過分析粒結構來解決問題，包括在對象空間中，不同層次和同一層次粒的相互交織移動。

粒化是粒計算模型中的關鍵要素，它直接決定粒計算的成功與否。因此，粒化方法是粒計算研究中的的首要問題。粒計算方法理論發展到現在，產生了很多粒化方法［11］。總之，粒計算是一個涉及到多方面知識的學科，是基于不同層次粒度和細節問題求解的一般性理論。

2 基于粒計算的電力系統粒化的分析

在粒計算問題中，粒空間主要涉及粒化準則、粒化方法、粒子和粒結構的表示以及粒子和粒結構的定性等問題的描述和定義［12］，對電力系統中一些問題粒化，可以更方便地求解。

首先，設定一個假想的最優調度目標值。設該目標值所對應的電力系統為R系統，并以R系統假想的最優調度下發電機組組合狀態為目標序列；設一般潮流計算條件下對應的電力系統為S系統，以S系統中一般潮流計算條件下的發電機組組合狀態為無限接近目標值的函數序列。

其次，對R系統和S系統進行粒化。R系統中，將各個發電機組看作1個粒，設各個粒子為g1，g2，…，gn，則各個粒子（即各個發電機組）的出力為X1，X2，…，Xn，用集合表示為X（X1，X2，…，Xn）；同理，S系統中，將各個發電機組看作1個粒，設各個粒子為g′1，g′2，…，g′n，則各個粒子（即各個發電機組）的出力為X′1，X′2，…，X′n，用集合表示為X′（X′1，X′2，…，X′n）。

再次，對各個發電機組的出力進行粒化。由于每個發電機組的容量和出力都不盡相同，因此，將各個發電機組的出力在其對應的上下限所限定的空間中分別粒化成m個點。利用智能搜索算法，確定搜索方向，在每個粒化的空間中搜索出R系統中與各個發電機組出力相似度最大的粒。

然后，對發電機組運行狀態的組合進行粒化。R系統和S系統各個發電機組的運行狀態組合可看成該系統的子系統，即目標序列和函數序列中的子函數。將該子系統粒化：對于R系統，不同時刻發電機組運行狀態的組合用粒表示為（G1，G2，…，Gn），其集合為G（G1，G2，…，Gn），若以“0”表示發電機組停機狀態，“1”表示發電機組運行狀態，則G1，G2，…，Gn對應的每個粒取值為0或1；對于S系統，不同時刻發電機組運行狀態的組合用粒表示為（G′1，G′2，…，G′n），其集合為G′（G′1，G′2，…，G′m），其中，G′1，G′2，…，G′n對應的每個粒取值亦為0或1。則R系統和S系統中，每個系統的發電機組運行狀態的組合有2n種。將每個系統的發電機組運行狀態組合空間進行粒化，即將每1種包含所有發電機組運行狀態的組合看作1個粒，則該粒有2n種（即該粒的維度為2n）。

最后，利用智能算法，在解空間中隨機生成粒子，每個粒子表示各個發電機組組合和出力的狀態。經過進化和選優，找出與設定的理想發電機組組合和出力狀態相似度最佳的粒子，這個粒子即為最優解，即與假想優化調度目標值對應的系統相似度最大的粒所對應的實際系統的狀態最為接近。

根據以上描述，R系統發電機組出力（即假想的最優調度目標值下的電力系統發電機組的總出力）可以表示為

式中：i＝2n。

S系統發電機組出力（即一般潮流計算條件下的電力系統發電機組的總出力）可表示為

計算發電機組出力及狀態組合的粒的相似度。設PG，PG′分別表示R系統和S系統對應的發電機組組合總出力空間的粒，則R系統和S系統所對應的發電機組總出力的粒的相似度可用如下公式表示：

式中：PG（i）、PG′（i）分別表示R系統和S系統發電機組總出力的第i個維度。

該公式為粒計算理論中粒的相似度經典公式，用來作為在智能算法中的適應函數。該適應函數描述了R系統和S系統所對應的發電機組出力及狀態組合的粒的相似度。其中，PG為目標序列，即R系統假想的最優調度目標值下的發電機組組合狀態空間；PG′為函數序列，即S系統一般潮流計算條件下的發電機組組合狀態。通過智能算法，在解空間中進行進化和選優，找出PG的粒的相似度最高解，即與R系統的發電機組組合狀態最接近的S系統發電機組組合，此為選優之后的PG′，即得到最優潮流解的實際電力系統發電機組組合狀態。

3 結束語

本文簡要介紹了粒計算的基本理論，然后以假想的電力系統最優調度目標值下的發電機組組合狀態為目標序列，將電力系統各個發電機組作為粒，以電力系統一般潮流計算條件下的發電機組組合狀態為無限接近目標值的函數序列，運用了粒計算粒化的思想，將發電機組的出力上下限空間和機組組合狀態進行粒化，應用粒的相似度公式對目標序列與接近目標值的函數序列進行粒的相似度計算，從而得出最優潮流解的實際電力系統發電機組組合狀態。為實際電力系統運行中確定最能接近給定優化調度的目標值所對應的各發電機組運行狀態提供了依據，也為優化調度決策提供借鑒。

［1］ 金義雄，段建民，徐 進，等.考慮氣象因素的相似聚類短期負荷組合預測方法［J］.電網技術，2007，31（19）：60－64，82.

［2］ 張智晟，孫雅明，張世英，等.基于數據挖掘多層次細節分解的負荷序列聚類分析［J］.電網技術，2006，30（2）：51－56.

［3］ 劉 韜，李向軍，邱桃榮，等.一種基于相容粒計算模型的文章相似度計算方法［J］.廣西師范大學學報：自然科學版，2010，28（3）：135－139.

［4］ 邢振中，冷 杰，張永興.火力發電機組深度調峰研究［J］.東北電力技術，2014，35（4）：18－23，43.

［5］ 宋明剛，潘鵬飛，徐福彬.調度自動化系統運行分析及對策［J］.東北電力技術，2013，34（1）：37－39.

［6］ 郭容赫，陳澤榕.基于混沌原理的火電機組負荷分配優化系統研究［J］.東北電力技術，2013，34（10）：12－14.

［7］ 向 山，向迪輝.基于量子粒子群混合算法的電網經濟調度［J］.東北電力技術，2014，35（1）：5－7.

［8］ 張 鈴，張 鈸.問題求解理論及應用——商空間粒度計算理論及應用（第2版）［M］.北京：清華大學出版社，2007.

［9］ 張燕平，羅 斌，姚 豫，等.商空間與粒計算—結構化問題求解理論與方法［M］.北京：科學出版社，2010.

［10］ 徐久成，成萬里，孫 林.一種新的粒表示方法及其距離計算［J］.計算機應用研究，2010，27（6）：2 034－2 046.

［11］ 謝克明，逯新紅，陳澤華.粒計算的基本問題和研究［J］.計算機工程與應用，2007，43（16）：41－44.

［12］ 王國胤，張清華，胡 軍.粒計算研究綜述［J］.智能系統，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

張 鵬（1988—），男，學士，助理工程師，從事電網調控運行工作。

2015－09－17）