[发明专利]一种基于NSGA-II和近似动态规划的多目标动态最优潮流求解方法

权利要求书

1.一种基于近似动态规划和快速非支配排序遗传算法的动态多目标最优潮流求解方法，其特征是，该方法包括如下步骤：

步骤1：获取电力系统在下一个完整调度周期的数据，并进行负荷预测；

步骤2：以发电耗费最小、污染物排放量最小、网损最小为目标，考虑电压稳定约束和无功出力约束，对电力系统多目标动态最优潮流问题建模；

步骤3：利用NSGA-II求解的多目标静态Pareto最优解集中的非支配解的模糊满意度表示值函数，将单时段变量的连续决策空间离散化，在此基础上计及时段耦合的动态约束，从而将多目标动态最优潮流问题数学模型表示为传统动态规划模型；

步骤4：将传统动态规划问题进一步转化成近似动态规划问题，采用策略迭代方法对近似动态规划问题求解，用近似值函数代替精确计算值函数，通过迭代过程更新各状态的近似值函数，最终获取累加满意度最大的路径，即为原多目标动态最优潮流问题的解。

2.根据权利要求l所述的基于近似动态规划和快速非支配排序遗传算法的动态多目标最优潮流求解方法，其特征是，步骤3中的多目标动态最优潮流问题数学模型转化为传统动态规划模型，是通过单时段NSGA-II寻优获取Pareto解集，将每时段决策空间离散化，从而将多目标动态最优潮流问题数学模型表示为传统动态规划模型，传统动态规划基于贝尔曼最优原理，贝尔曼方程表示为：V(S^t)＝max[μ(S^t,a^t)+V(S^t+1)]，式中t表示时段，S^t是第t时段非支配解的信息状态向量，a^t是第t时段采取的决策，即处于S^t时选择了当下可行的35个解中的哪一个，S^t+1是S^t执行了a^t后下一时段的决策解信息状态，V(S^t)为S^t的值函数，V(S^t+1)为下一阶段状态下的值函数。

3.根据权利要求1至2中任意一项权利要求所述的基于近似动态规划和快速非支配排序遗传算法的动态多目标最优潮流求解方法，其特征是，步骤3中的将多目标动态最优潮流问题数学模型表示为传统动态规划模型，是以非支配解的模糊满意度为动态规划问题的值函数，通过获取多时段累加满意度最大的路径来求取多目标动态最优潮流的最优解，在公式V(S^t)＝max[μ(S^t,a^t)+V(S^t+1)]中，当调度计划{S⁰,…,S^T}使第0到T时段的累加满意度最大时，其第t到T时段优化问题的负的累加满意度一定也是最大的，也就是将问题转化为简化的子问题集合，进一步用递归方式求解，式中t表示时段，S^t是第t时段非支配解的信息状态向量，a^t是第t时段采取的决策，即处于S^t时选择了当下可行的35个解中的哪一个，S^t+1是S^t执行了a^t后下一时段的决策解信息状态，V(S^t)为S^t的值函数，V(S^t+1)为下一阶段状态下的值函数。

4.根据权利要求1至2中任意一项权利要求所述的基于近似动态规划和快速非支配排序遗传算法的动态多目标最优潮流求解方法，其特征是，步骤4中通过策略迭代方法，将传统动态规划问题进一步转化成近似动态规划问题并求解，考虑到多目标动态最优潮流问题若以传统动态规划的逆序求解法求解，具体到实例提出的问题，需对所有可行的Pareto非支配解进行计算，穷举则存在35²⁴个解路径，即存在“维数灾”问题，因此步骤4中采用策略迭代近似动态规划的方法来避免“维数灾”问题，与传统动态规划逆序求解法不同，策略迭代近似动态规划方法采用正向求解法，用近似值函数来指导决策，也就是通过策略迭代动态规划嵌套NSGA-II寻优，最终选出累加满意度最大的路径，即构成多目标动态最优潮流问题的解。