基于主元分析的综合能源系统众多目标优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109388854A(43)申请公布日2019.02.26(21)申请号201811055760.7(22)申请日2018.09.11(71)申请人华南理工大学地址510640广东省广州市天河区五山路381号(72)发明人吴青华秦颖婕郑杰辉(74)专利代理机构广州市华学知识产权代理有限公司44245代理人李斌(51)Int.Cl.G06F17/50(2006.01)权利要求书2页说明书6页附图3页(54)发明名称基于主元分析的综合能源系统众多目标优化方法(57)摘要本发明公开了一种基于主元分析的综合能源系统众多目标优化方法，步骤如下：确定综合能源系统中所有的决策变量，并建立相关的目标函数，对综合能源系统进行建模；将所有的决策变量在其各自的可行域内进行有限次采样，通过潮流计算得到各目标函数值，生成样本矩阵；对样本矩阵进行标准化处理，并计算其相关系数矩阵，分析目标之间的关系；求解相关系数矩阵的特征根，确定众多目标的主元排序；运用目标间的关系系数和主元分析对众多目标的目标集进行处理，对冗余目标进行削减，并对最终的目标集进行多目标优化。本发明有效减少了目标函数的个数，并充分保留了反映原始众多目标的大部分信息，具有显著工程实用价值和广泛应用前景。CN109388854ACN109388854A权利要求书1/2页1.一种基于主元分析的综合能源系统众多目标优化方法，其特征在于，所述的优化方法步骤如下：S1、确定综合能源系统中所有的决策变量，并建立相关的目标函数，对综合能源系统进行建模，确定各决策变量的可行域；S2、将所有的决策变量在其各自的可行域内进行有限次采样，通过潮流计算得到各目标函数值，生成样本矩阵；S3、对样本矩阵进行标准化处理，并计算其相关系数矩阵，分析目标之间的关系；S4、求解相关系数矩阵的特征根，确定众多目标的主元排序；S5、运用目标间的关系系数和主元分析对众多目标的目标集进行处理，只保留部分目标，对冗余目标进行削减，并对最终的目标集进行多目标优化。2.根据权利要求1所述的基于主元分析的综合能源系统众多目标优化方法，其特征在于，所述的步骤S2中生成样本矩阵的过程如下：S201、采用拉丁超立方采样方法生成初始采样矩阵其中，k为决策变量的个数，表示第i个决策变量的拉丁超立方采样结果向量；由于拉丁超立方采样结果分布在(0,1]，对该结果进行处理，假设第i个决策变量的可行域为区间[ai,bi]，则在采样矩阵S＝(S1,S2,...,Sk)中，S202、将采样矩阵通过潮流计算得到各目标函数值，生成样本矩阵Xn×m，其中，n为目标函数解的个数，m为目标函数的个数。3.根据权利要求2所述的基于主元分析的综合能源系统众多目标优化方法，其特征在于，所述的步骤S3中得到目标间相关系数矩阵的过程如下：S301、对生成的样本矩阵Xn×m进行标准化处理，其数学描述如下：其中，得标准化矩阵Zn×m；S302、根据标准化矩阵Zn×m求相关系数矩阵Rm×m：在相关系数矩阵R中，元素rij表示目标i与目标j之间的相关系数，且有rij＝rji,rij∈[-1,1],i＝1,2,...,m；j＝1,2,...,m，若相关系数rij＝1，表明目标i与j完全正相关，若相关系数rij＝-1，表明目标i与j完全负相关，若相关系数rij＝0，表明目标i与j互不相关。4.根据权利要求3所述的基于主元分析的综合能源系统众多目标优化方法，其特征在于，所述的步骤S4中求解相关系数矩阵的特征根，确定众多目标的主元排序的过程如下：S401、解相关系数矩阵R的特征方程|R-λIm|＝0得到m个特征根{λ1,λ2,...,λm}，即各主元所占比例；2CN109388854A权利要求书2/2页S402、计算各个主元所占百分比：所占百分比最大的特征根对应的目标即为第一个主元，以此类推，至此通过每个目标对应的特征根所占百分比对众多目标进行主元排序，排序越前的目标越重要。5.根据权利要求4所述的基于主元分析的综合能源系统众多目标优化方法，其特征在于，所述的步骤S5中对冗余目标进行削减的过程如下：首先，在目标集中选择对应最大正相关系数和最大负相关系数的两个目标，然后检查剩余目标的主成分占比的和是否大于0.1；若是，则选择剩余目标中相关系数绝对值最大的目标，结束目标处理并输出最终的目标集；若不是，则检查剩余目标是否都是正相关；若是，则选择剩余目标中正相关系数最大的目标，结束目标处理并输出最终的目标集；若不是，则检查剩余目标是否都是负相关；若是，则选择全部的剩余目标，结束目标处理并输出最终的目标集；若不是，则检查剩余目标中是否有p＜0.9|n|，其中p表示剩余目标中最大的正相关系数，n表示剩余目标中最大的负相关系数；若是，则选