[發(fā)明專利]基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法在審
| 申請?zhí)枺?/td> | 202010397515.5 | 申請日: | 2020-05-12 |
| 公開(公告)號: | CN111581885A | 公開(公告)日: | 2020-08-25 |
| 發(fā)明(設(shè)計(jì))人: | 方超;鄒磊;唐一銘;吳正勇;張方云;姜宇軒;王燦;陳復(fù)興 | 申請(專利權(quán))人: | 江蘇方天電力技術(shù)有限公司;國網(wǎng)江蘇省電力有限公司;浙江大學(xué) |
| 主分類號: | G06F30/27 | 分類號: | G06F30/27;G06N7/02 |
| 代理公司: | 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204 | 代理人: | 吳海燕 |
| 地址: | 210000 江蘇省南*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 權(quán)重 分配 綜合 能源 系統(tǒng) 多目標(biāo) 優(yōu)化 運(yùn)行 建模 方法 | ||
1.一種基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法,其特征在于,包括步驟:
(1)分別構(gòu)建單目標(biāo)函數(shù),形成綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行模型;
(2)對單目標(biāo)函數(shù)進(jìn)行隸屬度映射,并進(jìn)行權(quán)重歸一化分配;
(3)將映射后的各項(xiàng)函數(shù)與對應(yīng)權(quán)重進(jìn)行線性加權(quán),重新構(gòu)建綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行模型。
2.根據(jù)權(quán)利要求1所述的基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法,其特征在于,所述步驟1中,綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行模型:
其中,x為決策變量;h(x)為等式約束;g(x)為不等式約束,
3.根據(jù)權(quán)利要求2所述的基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法,其特征在于,所述步驟2具體包括步驟:
(2.1)通過建立單目標(biāo)函數(shù)到隸屬度的映射,將不同量綱的目標(biāo)函數(shù)轉(zhuǎn)換為同一比例尺度下的無量綱函數(shù);
(2.2)引入重要性標(biāo)度和判斷矩陣,對多目標(biāo)函數(shù)各項(xiàng)之間的相對重要程度進(jìn)行定量表示;
(2.3)借助矩陣歸一化的方法實(shí)現(xiàn)多目標(biāo)權(quán)重的分配。
4.根據(jù)權(quán)利要求3所述的基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法,其特征在于,所述步驟2.1具體包括:
(2.1.1)以單目標(biāo)函數(shù)fn(x)為優(yōu)化目標(biāo),代入綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行模型中進(jìn)行計(jì)算,得到最優(yōu)決策變量值
(2.1.2)將最優(yōu)決策變量值代入各單目標(biāo)函數(shù)項(xiàng)fn(x)(n=1,2,…,N)中,形成向量Fn;
(2.1.3)重復(fù)上述步驟N次,得到矩陣F=[F1,…,Fn,…,FN]T;
(2.1.4)計(jì)算F中各列的最小和最大值,分別記為Fn,min和Fn,max;
(2.1.5)將單目標(biāo)函數(shù)代入下式進(jìn)行映射,得到同一比例尺度下不含量綱的模糊隸屬度函數(shù)μ(fn(x)):
5.根據(jù)權(quán)利要求4所述的基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法,其特征在于,所述步驟2.2具體為:按重要性標(biāo)度標(biāo)準(zhǔn),對多目標(biāo)函數(shù)項(xiàng)之間的相對重要程度進(jìn)行定量表示,形成判斷矩陣A。
6.根據(jù)權(quán)利要求5所述的基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法,其特征在于,所述步驟2.3具體包括:
(2.3.1)將矩陣A按列進(jìn)行歸一化處理,得到矩陣A′,其中元素Ai′j為:
(2.3.2)將矩陣A′按行相加,得到向量w′:
(2.3.3)將向量w′進(jìn)行歸一化,得到權(quán)重向量w=[w1,…,wn,…,wN]T;
7.根據(jù)權(quán)利要求6所述的基于權(quán)重分配的綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行建模方法,其特征在于,所述步驟3中,將隸屬度函數(shù)和權(quán)重進(jìn)行線性加權(quán),得到多目標(biāo)優(yōu)化函數(shù):
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于江蘇方天電力技術(shù)有限公司;國網(wǎng)江蘇省電力有限公司;浙江大學(xué),未經(jīng)江蘇方天電力技術(shù)有限公司;國網(wǎng)江蘇省電力有限公司;浙江大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010397515.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 權(quán)重調(diào)整模塊與權(quán)重調(diào)整方法
- 網(wǎng)頁主題的分類方法及裝置
- 接收裝置
- 基于權(quán)重濾波的視頻去噪裝置及方法
- 權(quán)重?cái)?shù)據(jù)存儲方法和基于該方法的神經(jīng)網(wǎng)絡(luò)處理器
- 危害因素的權(quán)重因子的確定方法、裝置及存儲介質(zhì)
- 用于優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法
- 處理器
- 用于對深度神經(jīng)網(wǎng)絡(luò)的權(quán)重進(jìn)行轉(zhuǎn)換的方法和系統(tǒng)
- 神經(jīng)網(wǎng)絡(luò)的量化方法、裝置、服務(wù)器和存儲介質(zhì)





