一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法與流程

本發(fā)明涉及電力系統(tǒng)優(yōu)化調(diào)度領(lǐng)域，尤其涉及一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法。

背景技術(shù)：

電力系統(tǒng)優(yōu)化調(diào)度，通常需要考慮多個(gè)目標(biāo)，如發(fā)電成本、系統(tǒng)網(wǎng)損、電壓穩(wěn)定指數(shù)、電壓偏差等指標(biāo)，其實(shí)質(zhì)是多目標(biāo)優(yōu)化問題。而且這些多目標(biāo)通常相互沖突，如發(fā)電成本和電壓穩(wěn)定指數(shù)，因此不可能存在唯一的最優(yōu)解使得這些目標(biāo)同時(shí)達(dá)到最優(yōu)。通過優(yōu)化電力系統(tǒng)的多個(gè)目標(biāo)得到的是一個(gè)集合，稱為帕累托調(diào)度解集，且每個(gè)解之間不能相互支配。但是在實(shí)際的電力運(yùn)行調(diào)度中，只能實(shí)施唯一的調(diào)度解，這就要求運(yùn)行人員從帕累托調(diào)度解集中挑選唯一的而且合適的解作為最終調(diào)度方案。

目前為止，常規(guī)多目標(biāo)優(yōu)化方法是通過加權(quán)方法將多目標(biāo)轉(zhuǎn)化為單一目標(biāo)，電力系統(tǒng)科研人員多用這種方法，如何選擇權(quán)系數(shù)是長(zhǎng)期以來帶有疑惑和爭(zhēng)議的問題。然而，在可行解域中如何選擇一個(gè)面對(duì)用戶需求判斷的最優(yōu)解是一個(gè)復(fù)雜系統(tǒng)科學(xué)決策問題。

由多目標(biāo)隨機(jī)優(yōu)化產(chǎn)生的最優(yōu)可行解需要科學(xué)的決策系統(tǒng)以決定最終的優(yōu)化方案。傳統(tǒng)的電力系統(tǒng)科研工作者常采用專家系統(tǒng)和基于規(guī)則的決策方法，然而這種方法需要完整的先驗(yàn)知識(shí)，不具有數(shù)學(xué)計(jì)算的功能，僅依據(jù)先驗(yàn)知識(shí)作判斷，難以做出基于科學(xué)計(jì)算的決策。這種決策評(píng)估系統(tǒng)應(yīng)考慮對(duì)實(shí)際問題的概念、屬性和特征等數(shù)字和非數(shù)字量進(jìn)行綜合的科學(xué)計(jì)算，以做出科學(xué)的決策。在科學(xué)決策的應(yīng)用過程中，需要考慮機(jī)組群聯(lián)合優(yōu)化調(diào)度過程中的先驗(yàn)知識(shí)，如政策、規(guī)章制度、條例和運(yùn)行限制等信息，并對(duì)這些信息進(jìn)行科學(xué)分析計(jì)算，以最終得出科學(xué)的決策。

目前，在證據(jù)推理決策理論前沿科學(xué)家的參與下，將對(duì)多屬性的證據(jù)推理方法進(jìn)行研究，將不同類型決策信息的等價(jià)轉(zhuǎn)換、基于效用和規(guī)則等價(jià)的信息轉(zhuǎn)換等理論用于多目標(biāo)高維隨機(jī)優(yōu)化可行解域中最優(yōu)解確定的決策方法在小系統(tǒng)上得到了成功的應(yīng)用。在證據(jù)推理的應(yīng)用過程中，根據(jù)先驗(yàn)知識(shí)，并對(duì)這些信息進(jìn)行科學(xué)計(jì)算，以做出科學(xué)決策，最終得出科學(xué)的結(jié)論。這種決策具有透明性、反推性、可量化性和非數(shù)據(jù)量處理的便利性。然而，在機(jī)組群聯(lián)合優(yōu)化調(diào)度的應(yīng)用中，該類科學(xué)決策方法還沒有任何研究。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供的一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法，解決了目前在機(jī)組群聯(lián)合優(yōu)化調(diào)度的應(yīng)用中，該類科學(xué)決策方法還沒有任何研究的技術(shù)問題。

本發(fā)明實(shí)施例提供的一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法，包括：

對(duì)電力系統(tǒng)優(yōu)化調(diào)度決策相關(guān)聯(lián)的多個(gè)目標(biāo)函數(shù)，通過多目標(biāo)優(yōu)化算法求解多目標(biāo)優(yōu)化調(diào)度的帕累托解集，得到全部候選解；

對(duì)包括有所述候選解的候選解集合的屬性進(jìn)行置信度評(píng)價(jià)計(jì)算；

根據(jù)所述置信度評(píng)價(jià)通過多層次結(jié)構(gòu)及證據(jù)推理算法獲取到所述候選解的總置信度；

對(duì)所述總置信度進(jìn)行效用分析確定最終調(diào)度解。

可選地，對(duì)包括有所述候選解的候選解集合的屬性進(jìn)行置信度評(píng)價(jià)計(jì)算具體包括：

根據(jù)預(yù)置評(píng)價(jià)指標(biāo)集合和預(yù)置評(píng)價(jià)等級(jí)集合，及通過多目標(biāo)優(yōu)化求得的所述候選解集合獲取到置信度向量。

可選地，所述預(yù)置評(píng)價(jià)指標(biāo)集合為E＝{e₁,e₂,…,e_i,…,e_L}。

可選地，所述預(yù)置評(píng)價(jià)等級(jí)集合為H＝{H₁,H₂,…,H_n,…,H_N}。

可選地，所述候選解集合為A＝{a₁,a₂,…,a_j,…,a_M}。

可選地，所述置信度向量為S(e_i(a_j))＝{(H_n,β_n,i(a_j)),n＝1,…,N；i＝1,…,L；j＝1,…,M}。

可選地，根據(jù)所述置信度評(píng)價(jià)通過多層次結(jié)構(gòu)及證據(jù)推理算法獲取到所述候選解的總置信度具體包括：

根據(jù)所述置信度向量的所述置信度得到基本可信度m_n,i＝ω_iβ_n,i和不確定的基本可信度

通過所述證據(jù)推理算法得到的總的基本可信度為

根據(jù)所述總的基本可信度得到候選方案在評(píng)價(jià)等級(jí)集合上的所述置信度向量為

根據(jù)所述置信度向量計(jì)算出所述總置信度{H_n}:和{H}:其中，β_n(y)表示方案y在第n個(gè)評(píng)價(jià)等級(jí)上的總置信度，而β_H(y)為決策者無法評(píng)定方案y的總不確定性置信度。

可選地，對(duì)所述總置信度進(jìn)行效用分析確定最終調(diào)度解具體包括：

利用效用分析將所述總置信度的向量映射為效用值

根據(jù)所述效用值計(jì)算最大效用值最小效用值和平均效用值

根據(jù)所述平均效用值確定最終調(diào)度解。

從以上技術(shù)方案可以看出，本發(fā)明實(shí)施例具有以下優(yōu)點(diǎn)：

本發(fā)明實(shí)施例提供的一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法，包括：對(duì)電力系統(tǒng)優(yōu)化調(diào)度決策相關(guān)聯(lián)的多個(gè)目標(biāo)函數(shù)，通過多目標(biāo)優(yōu)化算法求解多目標(biāo)優(yōu)化調(diào)度的帕累托解集，得到全部候選解；對(duì)包括有候選解的候選解集合的屬性進(jìn)行置信度評(píng)價(jià)計(jì)算；根據(jù)置信度評(píng)價(jià)通過多層次結(jié)構(gòu)及證據(jù)推理算法獲取到候選解的總置信度；對(duì)總置信度進(jìn)行效用分析確定最終調(diào)度解。本實(shí)施例中，通過電力系統(tǒng)優(yōu)化調(diào)度決策相關(guān)聯(lián)的多個(gè)目標(biāo)函數(shù)，通過評(píng)估框架主要分為兩大部分即多目標(biāo)優(yōu)化和證據(jù)決策。多目標(biāo)優(yōu)化主要是根據(jù)多個(gè)調(diào)度目標(biāo)，首先進(jìn)行優(yōu)先度分析選出相對(duì)“重要”的指標(biāo)，進(jìn)而對(duì)其進(jìn)行多目標(biāo)優(yōu)化得到帕累托解集，以作為候選解供調(diào)度員決策。證據(jù)決策主要是采用證據(jù)推理來融合決策者(調(diào)度員)針對(duì)候選解在各個(gè)調(diào)度目標(biāo)(屬性)上的置信度(確定性證據(jù))。與此同時(shí)推理過程也考慮了調(diào)度員認(rèn)知的不確定性(不確定性證據(jù))，實(shí)現(xiàn)了確定和不確定的證據(jù)的有效融合，為決策提供科學(xué)依據(jù)從而選擇合理的調(diào)度方案。證據(jù)決策這一過程主要包括三個(gè)步驟，即多屬性分析，多證據(jù)推理和效用評(píng)估。多屬性分析是指針對(duì)每個(gè)候選解，在不同的目標(biāo)中進(jìn)行多評(píng)價(jià)等級(jí)的置信度分析，這些置信度即作為確定性證據(jù)，同時(shí)考慮調(diào)度員認(rèn)知的不確定性，即不完整的置信度作為不確定性證據(jù)；多證據(jù)推理是將這些不同的證據(jù)進(jìn)行融合推理，以進(jìn)行綜合評(píng)估，得到每個(gè)候選解在不同評(píng)價(jià)等級(jí)上的置信度分布；效用評(píng)估利用效用函數(shù)將置信度分布轉(zhuǎn)化為相應(yīng)的單個(gè)效用值以直觀選擇出最優(yōu)的調(diào)度方案，解決了目前在機(jī)組群聯(lián)合優(yōu)化調(diào)度的應(yīng)用中，該類科學(xué)決策方法還沒有任何研究的技術(shù)問題。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1為本發(fā)明實(shí)施例提供的一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法的一個(gè)實(shí)施例的流程示意圖；

圖2為多層次結(jié)構(gòu)的證據(jù)推理的示意圖；

圖3為優(yōu)化發(fā)電成本和電壓穩(wěn)定指數(shù)得到的帕累托解集示意圖；

圖4為融合多目標(biāo)信息后的候選集置信度分布示意圖；

圖5為候選解集對(duì)應(yīng)的平均、最小和最大的效用值示意圖。

具體實(shí)施方式

本發(fā)明實(shí)施例提供的一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法，解決了目前在機(jī)組群聯(lián)合優(yōu)化調(diào)度的應(yīng)用中，該類科學(xué)決策方法還沒有任何研究的技術(shù)問題。

為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點(diǎn)能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，下面所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而非全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

請(qǐng)參閱圖1，本發(fā)明實(shí)施例提供的一種適合于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估方法的一個(gè)實(shí)施例包括：

101、對(duì)電力系統(tǒng)優(yōu)化調(diào)度決策相關(guān)聯(lián)的多個(gè)目標(biāo)函數(shù)，通過多目標(biāo)優(yōu)化算法求解多目標(biāo)優(yōu)化調(diào)度的帕累托解集，得到全部候選解；

當(dāng)電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度決策的評(píng)估時(shí)，需要對(duì)電力系統(tǒng)優(yōu)化調(diào)度決策相關(guān)聯(lián)的多個(gè)目標(biāo)函數(shù)，通過多目標(biāo)優(yōu)化算法求解多目標(biāo)優(yōu)化調(diào)度的帕累托解集，得到全部候選解。

102、對(duì)包括有所述候選解的候選解集合的屬性進(jìn)行置信度評(píng)價(jià)計(jì)算；

當(dāng)對(duì)電力系統(tǒng)優(yōu)化調(diào)度決策相關(guān)聯(lián)的多個(gè)目標(biāo)函數(shù)，通過多目標(biāo)優(yōu)化算法求解多目標(biāo)優(yōu)化調(diào)度的帕累托解集，得到全部候選解之后，需要對(duì)包括有所述候選解的候選解集合的屬性進(jìn)行置信度評(píng)價(jià)計(jì)算。

103、根據(jù)所述置信度評(píng)價(jià)通過多層次結(jié)構(gòu)及證據(jù)推理算法獲取到所述候選解的總置信度；

當(dāng)對(duì)包括有所述候選解的候選解集合的屬性進(jìn)行置信度評(píng)價(jià)計(jì)算之后，需要根據(jù)所述置信度評(píng)價(jià)通過多層次結(jié)構(gòu)及證據(jù)推理算法獲取到所述候選解的總置信度。

104、對(duì)所述總置信度進(jìn)行效用分析確定最終調(diào)度解。

當(dāng)根據(jù)所述置信度評(píng)價(jià)通過多層次結(jié)構(gòu)及證據(jù)推理算法獲取到所述候選解的總置信度之后，需要對(duì)所述總置信度進(jìn)行效用分析確定最終調(diào)度解。

本實(shí)施例中，可選地，所述預(yù)置評(píng)價(jià)指標(biāo)集合為E＝{e₁,e₂,…,e_i,…,e_L}。

可選地，所述預(yù)置評(píng)價(jià)等級(jí)集合為H＝{H₁,H₂,…,H_n,…,H_N}。

可選地，所述候選解集合為A＝{a₁,a₂,…,a_j,…,a_M}。

可選地，所述置信度向量為S(e_i(a_j))＝{(H_n,β_n,i(a_j)),n＝1,…,N；i＝1,…,L；j＝1,…,M}。

可選地，根據(jù)所述置信度評(píng)價(jià)通過多層次結(jié)構(gòu)及證據(jù)推理算法獲取到所述候選解的總置信度具體包括：

根據(jù)所述置信度向量的所述置信度得到基本可信度m_n,i＝ω_iβ_n,i和不確定的基本可信度

通過所述證據(jù)推理算法得到的總的基本可信度為

根據(jù)所述總的基本可信度得到候選方案在評(píng)價(jià)等級(jí)集合上的所述置信度向量為

根據(jù)所述置信度向量計(jì)算出所述總置信度{H_n}:和{H}:其中，β_n(y)表示方案y在第n個(gè)評(píng)價(jià)等級(jí)上的總置信度，而β_H(y)為決策者無法評(píng)定方案y的總不確定性置信度。

可選地，對(duì)所述總置信度進(jìn)行效用分析確定最終調(diào)度解具體包括：

利用效用分析將所述總置信度的向量映射為效用值

根據(jù)所述效用值計(jì)算最大效用值最小效用值和平均效用值

根據(jù)所述平均效用值確定最終調(diào)度解。

下面以一具體應(yīng)用場(chǎng)景進(jìn)行詳細(xì)的描述，如圖2至5所示，應(yīng)用例包括：

S11：多目標(biāo)優(yōu)化

對(duì)于電力系統(tǒng)優(yōu)化調(diào)度決策涉及多個(gè)目標(biāo)函數(shù)，首先，進(jìn)行優(yōu)先度分析，采用層次分析法(Analytic hierarchy process,AHP)確定目標(biāo)的重要性；然后，利用多目標(biāo)優(yōu)化算法求解多目標(biāo)優(yōu)化調(diào)度的帕累托解集，得到全部候選解。

S12：多屬性分析

多屬性分析是進(jìn)行證據(jù)推理的首要工作，需要確定出評(píng)價(jià)指標(biāo)集合、候選解集合、評(píng)價(jià)等級(jí)集合。評(píng)價(jià)指標(biāo)也即是目標(biāo)，也可以稱為屬性，候選解是通過優(yōu)化重要指標(biāo)得到的帕累托解集，評(píng)價(jià)等級(jí)是指衡量候選解好壞的評(píng)定級(jí)別，如“好”、“一般”、“較差”等等。為敘述方便，用數(shù)學(xué)表達(dá)式描述這些集合。

評(píng)價(jià)指標(biāo)集合可以表示為：

E＝{e₁,e₂,…,e_i,…,e_L}

其中e_i是第i個(gè)評(píng)價(jià)指標(biāo)，可以依照上部分的層次分析法賦給它一個(gè)標(biāo)準(zhǔn)化的權(quán)重ω_i(0＜ω_i＜1)。ω_i表示指標(biāo)e_i的相對(duì)重要程度，且有L為評(píng)價(jià)指標(biāo)的總個(gè)數(shù)。

評(píng)價(jià)等級(jí)集合可以表示成：

H＝{H₁,H₂,…,H_n,…,H_N}

其中，N為評(píng)價(jià)等級(jí)的總個(gè)數(shù)。評(píng)價(jià)等級(jí)一般用自然語言進(jìn)行描述，如{差，勉強(qiáng)，一般，好，極好}，注意評(píng)價(jià)等級(jí)集合中的元素一般是不相關(guān)的。

候選解集合通過多目標(biāo)優(yōu)化求得：

A＝{a₁,a₂,…,a_j,…,a_M}

其中，M為候選解的總個(gè)數(shù)。利用多目標(biāo)優(yōu)化算法，就可以得到候選解集合，以供調(diào)度員決策。

針對(duì)每一候選解，對(duì)其在評(píng)價(jià)指標(biāo)集合中的每一元素上在不同評(píng)價(jià)等級(jí)上進(jìn)行置信度評(píng)估，以得到置信度向量,其數(shù)學(xué)描述如下：

S(e_i(a_j))＝{(H_n,β_n,i(a_j)),n＝1,…,N；i＝1,…,L；j＝1,…,M}

其中，a_j為第j個(gè)候選解，β_n,i(a_j)為a_j在第i個(gè)評(píng)價(jià)指標(biāo)以及第n個(gè)評(píng)價(jià)等級(jí)上的置信度。且有：

0≤β_n,i(a_j)≤1

如果則說明決策者對(duì)第i個(gè)評(píng)價(jià)指標(biāo)的判斷完全處于“無知”狀態(tài)，即決策者完全無法認(rèn)知這個(gè)指標(biāo)，因而給出的置信度判定全部為0。反之，若那么表明決策者對(duì)第i個(gè)評(píng)價(jià)指標(biāo)完全認(rèn)知，因?yàn)樗芎芎玫赜弥眯哦仍u(píng)價(jià)候選解a_j處于何種評(píng)價(jià)等級(jí)中。

S13：多證據(jù)推理

在得到候選解的置信度評(píng)價(jià)向量后，由于這個(gè)向量是針對(duì)某一個(gè)評(píng)價(jià)指標(biāo)而定的，而總的指標(biāo)數(shù)是L個(gè)，所以總共有L個(gè)置信度評(píng)估向量。為融合L個(gè)證據(jù)，本方案采用多層次結(jié)構(gòu)的證據(jù)推理方法，見圖2。

多屬性集合{e₁,e₂,…,e_i,…,e_L}位于底層，這些屬性相應(yīng)的權(quán)重為{ω₁,ω₂,…,ω_i,…,ω_L}，它們表明了屬性(等價(jià)于指標(biāo)或者目標(biāo))之間的相對(duì)重要性，可以利用層次分析方法得到。評(píng)價(jià)等級(jí)集合{H₁,H₂,…,H_n,…,H_N}位于中層，決策者根據(jù)候選解的情況(如目標(biāo)函數(shù)值)來利用置信度評(píng)估該候選解位于某一等級(jí)。(H_n,β_n,i(a_j))即為一個(gè)“證據(jù)”，顯然這些證據(jù)構(gòu)成了證據(jù)矩陣，決策者難以根據(jù)不同候選解對(duì)應(yīng)的證據(jù)矩陣來直接判定最優(yōu)的候選解。

需要融合這些證據(jù)，這就涉及到證據(jù)推理算法，算法如下：

首先，根據(jù)決策者評(píng)定的置信度β_n,i來得到基本可信度m_n,i＝ω_iβ_n,i。由于決策者認(rèn)知的不確定性，往往評(píng)估不是完整的，因此存在不確定的基本可信度

為了證據(jù)融合的方便，證據(jù)推理算法將這個(gè)不確定的基本可信度分解為兩個(gè)部分：

令假設(shè)將前i個(gè)屬性在評(píng)價(jià)等級(jí)H_n上的置信度進(jìn)行融合得到的總的基本可信度為m_n,I(i)，可以用下面的遞推公式算出m_n,I(i+1)：

{H_n}:m_n,I(i+1)＝K_I(i+1)[m_n,I(i)m_n,i+1

+m_H,I(i)m_n,i+1+m_n,I(i)m_H,i+1]

其中m_H,I(i)表示為分配給前i個(gè)指標(biāo)的總基本可信度，同樣它可以被分解為兩部分：

上式中的K_I(i+1)(i＝1,2,…,L-1)定義如下：

可以得到候選方案在評(píng)價(jià)等級(jí)集合上的置信度向量：

其中y表示候選方案，β_n(y)表示方案y在第n個(gè)評(píng)價(jià)等級(jí)上的總置信度，而β_H(y)為決策者無法評(píng)定方案y的總不確定性置信度。β_n(y)和β_H(y)的數(shù)學(xué)表達(dá)式如下：

這樣就得到了S(y)這一評(píng)價(jià)候選解y在評(píng)價(jià)等級(jí)集合上總的置信度分布的N+1維向量。

S14：效用分析

S(y)可以大體反映候選解y的優(yōu)劣程度。但無法直接準(zhǔn)確地判斷候選解孰優(yōu)孰劣。因此，需要利用效用分析將置信度分布映射為效用值，并比較不同候選解的平均效用值，選擇最終候選方案。

利用效用分析將置信度分布向量映射為效用值：

其中u(H_n)為評(píng)價(jià)等級(jí)H_n的效用值，并且評(píng)價(jià)等級(jí)級(jí)別越高，相應(yīng)的效用值也就越大，即u(H_n+1)＞u(H_n)需要注意的是由于需要考慮決策者認(rèn)知的不確定性，總不確定性置信度β_H(y)同樣應(yīng)該計(jì)入效用值中，使用最大、最小和平均效用值，計(jì)算公式如下所示：

其中平均效用值作為衡量候選解的標(biāo)準(zhǔn)，即對(duì)應(yīng)于最大平均效用值的候選解作為最終的方案：

另外，為了驗(yàn)證本發(fā)明實(shí)施例提供的上述技術(shù)方案的合理性，以IEEE-30節(jié)點(diǎn)電力系統(tǒng)作為仿真對(duì)象，優(yōu)化調(diào)度的目標(biāo)為發(fā)電成本，網(wǎng)絡(luò)損耗，電壓偏差和，電壓穩(wěn)定指數(shù)，二氧化碳排放，污染氣體排放。

調(diào)度員根據(jù)客觀情況進(jìn)行主觀判斷，得到評(píng)估矩陣：

求得這些目標(biāo)對(duì)應(yīng)的權(quán)重：

[ω₁ω₂ω₃ω₄ω₅ω₆]＝[0.3871 0.0968 0.1290 0.1935 0.0968 0.0968]

因此，可見發(fā)電成本和電壓穩(wěn)定指數(shù)的權(quán)重值較大，確定它們?yōu)橹匾繕?biāo)，并對(duì)其進(jìn)行多目標(biāo)優(yōu)化，得到的帕累托前沿見圖3。

這些帕累托解對(duì)應(yīng)的發(fā)電成本，網(wǎng)絡(luò)損耗，電壓偏差和，電壓穩(wěn)定指數(shù)，二氧化碳排放，污染氣體排放如表1所示。

表1帕累托解集對(duì)應(yīng)的多目標(biāo)函數(shù)值

調(diào)度員根據(jù)這些候選解的目標(biāo)函數(shù)值，對(duì)其在評(píng)價(jià)等級(jí)上進(jìn)行置信度判斷，如針對(duì)第一個(gè)候選解，如表2所示：

表2調(diào)度員對(duì)第一個(gè)候選度進(jìn)行置信度評(píng)估

利用證據(jù)推理方法融合多目標(biāo)信息，得到這些候選解在不同的評(píng)價(jià)等級(jí)中總的置信度分布，如圖4所示。

利用效用函數(shù)評(píng)估，得到這些候選解的最大、平均和最小效用值，如圖5所示。

因此，通過比較平均效用值，可見第三個(gè)候選解是最佳的調(diào)度方案。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。