【正文】 P值最大者即應(yīng)為推薦的最優(yōu)方案。F 最大最小法1. 最大最小法的模型和基本原理對于決策算法，有一些是基本的算法，這些算法得出的決策結(jié)果往往不一致。因此我們設(shè)計(jì)了最大最小決策方法。這類方法有“好中求好”（最大中的最大），“壞中求壞”（最小中的最?。畲笞钚。ㄗ畲笾械淖钚。┑龋惴康氖窃谝延械亩嘟M數(shù)據(jù)中，選出一組數(shù)據(jù)。2. 最大最小法在日前交易市場電價決策中的應(yīng)用在此處，算法輸入幾組基本決策算法產(chǎn)生的數(shù)據(jù)，最大最小算法從這些數(shù)據(jù)中找出用戶所需要的數(shù)據(jù)。這里按照實(shí)際情況，對算法進(jìn)行了簡化。我們?nèi)捉M數(shù)據(jù)中利潤最小的一個數(shù)據(jù)，作為最后輸出的數(shù)據(jù)。這是一種保守的報價方案。F 直觀報價法通過給出的預(yù)測報價，我們可以得出保持損益平衡的最低報價，在這之間按市場規(guī)則的報價曲線段的要求劃成平均的n等份。F Alpha方法系數(shù)決策算法的模型和基本原理系數(shù)決策法本質(zhì)上是一種加權(quán)平均方法。是一個決策者認(rèn)定各基本決策算法所占的比例權(quán)重系數(shù)。對于各種決策算法的數(shù)，應(yīng)有。F 博弈報價法策略空間，其中為己方策略，為對手策略。根據(jù)交易中心發(fā)布的各種歷史信息和當(dāng)天數(shù)據(jù)，估算出對手策略的概率分布，得到對手的概率密度函數(shù)針對對手的每個投標(biāo)策略（具有一定的概率），均求解聯(lián)立方程，得到市場MCP和己方所占的市場份額的表達(dá)式將代入收益函數(shù)，解得己方收益函數(shù)對收益函數(shù)求導(dǎo)，得出己方的最佳反映函數(shù)由估算出競爭對手的策略分布得到己方最佳策略期望為：得己方最佳報價曲線。以下給出一種對對手參數(shù)的估計(jì)方法：由交易中心公布的數(shù)據(jù)即市場出清價R、總成交量和自己獲得的市場份額可以確定：對手報價曲線必然通過（）點(diǎn)。假定對手的報價曲線為一直線，即：此時需要估計(jì)兩個參數(shù)，截距和斜率。已知條件只知過一個點(diǎn)，現(xiàn)假設(shè)斜率符合某種概率分布，那么可以根據(jù)兩個參數(shù)之間的關(guān)系計(jì)算出分布，從而得到對手的策略分布。例如假定在區(qū)間之間均勻分布，那么可以計(jì)算在之間處于均勻分布。對于將要進(jìn)行報價得交易時段，以負(fù)荷水平、氣溫等為影響因素，從歷史數(shù)據(jù)中提取出相關(guān)系數(shù)較大的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，就可以估算出對手的報價策略的概率分布。根據(jù)交易中心發(fā)布的各種歷史信息和當(dāng)天數(shù)據(jù)，估算出對手策略的概率分布，得到對手的概率密度函數(shù)針對對手的每個投標(biāo)策略（具有一定的概率），均求解聯(lián)立方程，得到市場MCP和己方所占的市場份額的表達(dá)式將代入收益函數(shù)，解得己方收益函數(shù)對收益函數(shù)求導(dǎo)，得出己方的最佳反映函數(shù)由估算出競爭對手的策略分布得到己方最佳策略期望為：得己方最佳報價曲線。4. 實(shí)時市場報價輔助決策與風(fēng)險評估F 成本+利潤法方法原理同年月度電量競價市場。首先擬定參考報價的確定策略，可以根據(jù)歷史電價數(shù)據(jù)的預(yù)測生成，也可以直接根據(jù)實(shí)際成本和計(jì)劃利潤率生成。參考電價＝單位供電成本＊[1＋（計(jì)劃利潤率＊全年總小時數(shù)/年計(jì)劃可用小時數(shù)）]其次進(jìn)行報價方案的分析評估，采用最大期望值預(yù)測。設(shè)機(jī)組當(dāng)前變動成本為C，預(yù)計(jì)次日上網(wǎng)電量為M，停機(jī)及重開機(jī)費(fèi)用為L。報價人員通過對歷史數(shù)據(jù)和市場狀況分析，得到N種報價及競價上網(wǎng)的成功率為報價S1，對應(yīng)上網(wǎng)成功率R1，下網(wǎng)可能性（不成功率）1R1報價S2，對應(yīng)上網(wǎng)成功率R2，下網(wǎng)可能性（不成功率）1R2報價S3，對應(yīng)上網(wǎng)成功率R3，下網(wǎng)可能性（不成功率）1R3…報價Sn，對應(yīng)上網(wǎng)成功率Rn，下網(wǎng)可能性（不成功率）1Rn各方案對應(yīng)的可能收益與可能損失差值分別為： P1＝（S1C）＊M＊R1L＊（1R1）； P2＝（S2C）＊M＊R2L＊（1R2）； … Pn＝（SnC）＊M＊RnL＊（1Rn）；P值最大者即應(yīng)為推薦的最優(yōu)方案。F 隨機(jī)擾動法是競標(biāo)曲線上的K個端點(diǎn)，是從基本競標(biāo)曲線在相同發(fā)電量得到的擾動競標(biāo)曲線端點(diǎn)上的電價。另現(xiàn)在的競標(biāo)曲線為 是影響因子，服從正態(tài)分布。這個簡單的改變假定了在其它競標(biāo)者競標(biāo)策略已定的情況下，競標(biāo)者的競標(biāo)策略選擇如何影響MCP。一般說來，越鄰近MCP的點(diǎn)對其影響越大。意即，相應(yīng)的取值也大一些。如果所有的均為零，E成為“pricetaker”，即，無論E 的競標(biāo)策略如何選擇都不會影響MCP。F Alpha方法系數(shù)決策算法的模型和基本原理系數(shù)決策法本質(zhì)上是一種加權(quán)平均方法。是一個決策者認(rèn)定各基本決策算法所占的比例權(quán)重系數(shù)。對于各種決策算法的數(shù)，應(yīng)有。F 專家實(shí)時報價法由于實(shí)時市場的波動較大，僅靠計(jì)算機(jī)很難給出合理的報價，但由于報價形式比較簡單，可通過有經(jīng)驗(yàn)的報價員實(shí)時的給出報價策略。F 風(fēng)險分析 對于m個方案，n種自然狀態(tài) 狀態(tài)為，采取方案為，損益值為 各方案的期望損益值： 狀態(tài)概率向量： 損益矩陣： 狀態(tài)概率矩陣： 各方案對應(yīng)的期望損益矩陣： （1）相同時，用標(biāo)準(zhǔn)離差（2）不同時，采用其標(biāo)準(zhǔn)離差與預(yù)期收益的比值標(biāo)準(zhǔn)離差率其中P為生產(chǎn)成本，為無風(fēng)險收益率情況（1）中，當(dāng)時，且最低為最佳方案情況（2）中，當(dāng)時，且V最低為最佳方案。 發(fā)電廠機(jī)組經(jīng)濟(jì)運(yùn)行分析F 機(jī)組組合功能描述發(fā)電廠機(jī)組經(jīng)濟(jì)運(yùn)行分析中最重要的模塊是機(jī)組組合也稱開停機(jī)計(jì)劃，其目的是針對在指定的周期內(nèi)，滿足全廠負(fù)荷、機(jī)組最小運(yùn)行時間和停機(jī)時間等限制，考慮機(jī)組啟停費(fèi)用和發(fā)電費(fèi)用特性，確定機(jī)組的開停機(jī)計(jì)劃，使周期內(nèi)利潤最大。發(fā)電廠承擔(dān)負(fù)荷在機(jī)組間的分配問題也是重要模塊之一。F 機(jī)組組合模型算法目標(biāo)函數(shù)設(shè)調(diào)度周期為一晝夜，并將之分為T個時段，全廠機(jī)組數(shù)為N，各時段上全廠負(fù)荷為PLDt，則機(jī)組優(yōu)化組合問題的目標(biāo)函數(shù)為 約束條件負(fù)荷平衡機(jī)組發(fā)電功率限制 爬坡限制 最小開（停）機(jī)時間限制 Vi(t)＝1時，不得停機(jī)的條件 Vi(t)＝0時，不得開機(jī)的條件 式中： ——t小時的市場價格； C（V）——費(fèi)用函數(shù)； VCi（Pit）——第i臺機(jī)組的燃料費(fèi)用函數(shù)； Pit——第i臺機(jī)組在t小時的發(fā)電量； Pimax、Pimin——第i臺機(jī)組的最大、最小發(fā)電量； STi、SDi——第i臺機(jī)組的啟動、停機(jī)費(fèi)用； Vi(t)——第i臺機(jī)組在t小時的開停狀態(tài)，Vi(t)∈{0，1}（0，停機(jī)；1，開機(jī)）； V——對所有機(jī)組在全部時段的Vi(t)變量矩陣； ts、td——第i臺機(jī)組開機(jī)、停機(jī)時段； Tminon，i、Tminoff，i——第i臺機(jī)組的最小開機(jī)、最小停機(jī)時間； ΔPup，i、ΔPdown，i——第i臺機(jī)組開機(jī)爬坡、停機(jī)爬坡限制； a、b、d——常數(shù)。拉格朗日松弛法拉格朗日松弛法自從80年代初由Fisher首次應(yīng)用于電力系統(tǒng)的優(yōu)化調(diào)度以來，現(xiàn)在已經(jīng)成為該領(lǐng)域中應(yīng)用最為廣泛和成功的方法。管曉宏教授等提出了基于拉格朗日松弛技術(shù)的電力系統(tǒng)優(yōu)化調(diào)度方法，可以有效求解包含各類機(jī)組的大型電力系統(tǒng)優(yōu)化調(diào)度問題。其基本思想是通過將耦合所有機(jī)組決策變量的全局約束（系統(tǒng)功率平衡和系統(tǒng)備用需求約束）用一組拉格朗日乘子松弛，從而構(gòu)造出一個兩層優(yōu)化問題：上層求解對偶問題，更新拉格朗日乘子，減小被松弛約束的不可行程度；下層在給定拉格朗日乘子的前提下，求解松弛問題。由于電力系統(tǒng)調(diào)度問題的結(jié)構(gòu)化特性，除去被松弛的兩個系統(tǒng)約束以外，其它大量的離散和連續(xù)約束都只與單機(jī)組有關(guān)，因此松弛問題可以進(jìn)一步分解為一系列單機(jī)組子問題。這些問題的求解相比原問題來說容易的多。拉格朗日松弛法在具有結(jié)構(gòu)化特點(diǎn)的大規(guī)模約束問題優(yōu)化方面得到了廣泛的應(yīng)用。其早期應(yīng)用可以追溯到線性規(guī)劃中的DantzigWolfe分解方法，雖然那時還不稱為拉格朗日對偶技術(shù)。DW分解對約束定義的凸集作了內(nèi)部近似，這個近似可以看作是拉格朗日對偶函數(shù)對于約束的目標(biāo)函數(shù)的梯度近似的對偶。在包括制造和電力等系統(tǒng)在內(nèi)的機(jī)組組合問題中，拉格朗日松弛方法得到了許多成功的應(yīng)用。在Fisher研究JobShop問題的分枝定界方法中，拉格朗日松弛方法被用來計(jì)算原問題的下界。陸寶森等在研究制造系統(tǒng)優(yōu)化調(diào)度問題時，放棄了尋求最優(yōu)調(diào)度方案的企圖，轉(zhuǎn)而研究求解可以定量評估精度的次優(yōu)調(diào)度方案的方法，以換取算法實(shí)際應(yīng)用的實(shí)時性。在應(yīng)用拉格朗日松弛法求解問題時，原問題的系統(tǒng)約束被移入目標(biāo)函數(shù)之中，使得子問題之間的耦合被分離，因此可以分別求解，而且求解也比原問題容易得多。通常，松弛問題不滿足松弛的約束，但是其違背可以在某種程度上通過對對偶問題的求解來減小。且不論原問題凸與否，對偶問題總是凸規(guī)劃問題。另外，對偶問題的可行解是原問題最優(yōu)解的下限，因此計(jì)算對偶問題最優(yōu)解與原問題可行解之間的相對誤差（對偶間隙）就可以定量地估計(jì)可行解的好壞，評估算法的精度。同時隨著機(jī)組數(shù)的增加，計(jì)算量近似線性增長，克服了維數(shù)障礙，且機(jī)組數(shù)目越多效果越好，方法本身也十分靈活，不但可以解決機(jī)組組合問題，還可以推廣到水火電聯(lián)合機(jī)組組合問題和電力交易的問題，算法中拉氏乘子具有一定的經(jīng)濟(jì)意義。拉格朗日松弛法的關(guān)鍵環(huán)節(jié)是根據(jù)對偶問題的解來構(gòu)造原問題的優(yōu)化可行解，拉格朗日乘子的初始值選取和優(yōu)化方法對算法的效率又很大的影響；需要采取措施增加目標(biāo)函數(shù)的凸性；需要考慮機(jī)組爬坡斜率、總?cè)剂狭康燃s束條件；也需要考慮系統(tǒng)安全約束、機(jī)組可靠性、負(fù)荷的隨機(jī)性等因素。所以，在實(shí)際應(yīng)用中，基于拉格朗日松馳調(diào)度方法的質(zhì)量和效率取決于各個解步驟中使用的具體算法，包括解各種子問題的算法，更新拉格朗日乘子的算法以及構(gòu)造可行解的算法。動態(tài)規(guī)劃法動態(tài)規(guī)劃法是解決多階段決策過程的一種組合優(yōu)化算法，在枚舉各種可能的狀態(tài)組合的過程中，這種方法巧妙地摒棄了那些不需要考慮的解。動態(tài)規(guī)劃法所要求的問題具有明顯的階段性。它對目標(biāo)函數(shù)的性態(tài)沒有特殊的要求，可以求得全局最優(yōu)解。如果能夠結(jié)合啟發(fā)式方法，限制了狀態(tài)數(shù)目后，能得到比較好的調(diào)度結(jié)果。但動態(tài)規(guī)劃法也有其固有的缺陷，如當(dāng)機(jī)組數(shù)較多的時候，計(jì)算量太大，必須采用近似的方法，不可避免的有可能丟失最優(yōu)解。另外，動態(tài)規(guī)劃法要求所求解的問題具有明顯的階段性，難于考慮與時間有關(guān)的約束條件和機(jī)組爬坡斜率等限制，使用起來也不夠靈活。所以對于動態(tài)規(guī)劃法，應(yīng)根據(jù)實(shí)際系統(tǒng)的特點(diǎn)而采用不同的方法限制狀態(tài)數(shù)目、既保證計(jì)算的速度，又盡可能地不丟失最優(yōu)解。與時間相關(guān)的約束條件也需要很好的處理。另外應(yīng)該考慮系統(tǒng)安全約束、機(jī)組可靠性、負(fù)荷的隨機(jī)性等因素。啟發(fā)式方法啟發(fā)式方法首先利用動態(tài)規(guī)劃法求出計(jì)算負(fù)荷下各個待開機(jī)組的最優(yōu)啟停狀態(tài)及相應(yīng)的啟停費(fèi)用，將其中效率最高的機(jī)組投入運(yùn)行，然后用拉格朗日松弛法對開啟機(jī)組進(jìn)行最優(yōu)經(jīng)濟(jì)分配。新啟發(fā)式方法算法步驟如下：1）形成計(jì)算負(fù)荷曲線2）基于新的計(jì)算負(fù)荷曲線利用動態(tài)規(guī)劃法求解各個待運(yùn)機(jī)組的最優(yōu)啟停時間，及相應(yīng)的最優(yōu)發(fā)電量和啟停費(fèi)用。3）在待運(yùn)機(jī)組中，選取最小的機(jī)組i，投入運(yùn)行。4）用拉格朗日松弛法可以求得當(dāng)前啟停狀態(tài)下的最優(yōu)經(jīng)濟(jì)分配。216。 經(jīng)濟(jì)分配功能描述該模塊是根據(jù)電網(wǎng)公司下發(fā)的電廠發(fā)電計(jì)劃，在各機(jī)組啟停已定的情況下，如何合理地安排發(fā)電廠的機(jī)組的功率分配，使得發(fā)電的成本最低。216。 經(jīng)濟(jì)分配模型與算法目標(biāo)函數(shù)其中為機(jī)組的單位費(fèi)用。表示機(jī)組的出力的調(diào)整量；約束條件，負(fù)荷平衡約束；，機(jī)組出力限制。線性規(guī)劃法設(shè)給定m階n維不等式約束條件且求一組值，使目標(biāo)函數(shù)達(dá)到最小值。如果要求達(dá)到極大值，則只要令 的極小值。引進(jìn)m個非負(fù)松弛變量，則上述問題化為：尋找X值，使?jié)M足 且使目標(biāo)函數(shù) (3)達(dá)到最小值。其中 稱滿足（1）和（2）的解為容許解，其中正分量的個數(shù)不多于m個的容許解稱為基本解，而使（3）取極小值的解稱為最優(yōu)解。最優(yōu)解必在基本解中。尋找最優(yōu)解的過程如下。假定已得到一個基本解，其正分量個數(shù)為m，設(shè)分別為且與之對應(yīng)的矩陣A中的列向量為線形無關(guān)，這組向量稱為基底向量。對于矩陣A中的每一列向量均可用基底向量的線形最合表示，即A=PD其中 而組合系數(shù)矩陣D可用下式計(jì)算 令如果對于所有的滿足則取X為而X的其余n個分量均為0。此時，X即為最優(yōu)解。否則，選擇對應(yīng)于 的向量進(jìn)入基底向量組，而將對應(yīng)于 的向量從基底向量組中消去。這樣，對應(yīng)新的基底，其目標(biāo)函數(shù)比原來的下降了。如果所有的，則說明目標(biāo)函數(shù)值無界。重復(fù)以上過程，直至求出最優(yōu)解，或者確定目標(biāo)函數(shù)值無界為止。在上述的每一步中，新的解可用下式計(jì)算：基底向量組的初值取單位矩陣，即也就是說，取初始值為216。 機(jī)組動態(tài)檢修功能描述隨著電力體制改革的推進(jìn)，2002年底國電系統(tǒng)實(shí)現(xiàn)了廠網(wǎng)分開，電網(wǎng)調(diào)度面臨新的格局和挑戰(zhàn)。由于電網(wǎng)基礎(chǔ)建設(shè)極其薄弱，新的安全生產(chǎn)管理制度和體系尚待進(jìn)一步完善，網(wǎng)廠間的安全管理問題日益顯現(xiàn)，部分電廠機(jī)組運(yùn)行不穩(wěn)定，機(jī)組非計(jì)劃停運(yùn)和事故較多，造成電網(wǎng)頻率越限甚至拉閘限電。據(jù)統(tǒng)計(jì)，2003年上半年全國20萬千瓦及以上火電機(jī)組非計(jì)劃停運(yùn)達(dá)530臺次，同比增加27%，嚴(yán)重威脅著電網(wǎng)的安全穩(wěn)定運(yùn)行。除了保證電網(wǎng)的安全穩(wěn)定運(yùn)行，電力市場中發(fā)電廠應(yīng)更加注重如何加強(qiáng)機(jī)組檢修計(jì)劃的制定和管理，發(fā)電廠對發(fā)電機(jī)組的運(yùn)行維護(hù)，如何減少臨檢次數(shù)，保證在風(fēng)險最小的情況獲得最經(jīng)濟(jì)的檢修計(jì)劃。機(jī)組動態(tài)檢修就是在傳統(tǒng)的機(jī)組檢修的基礎(chǔ)上更多考慮實(shí)時性和經(jīng)濟(jì)性，以適應(yīng)電力市場的發(fā)展。具體地說，其目的是周期地動態(tài)地安排機(jī)組的預(yù)防性檢修，是設(shè)備能經(jīng)常保持良好的技術(shù)狀態(tài)，減少故障、延長壽命，從而提高電力系統(tǒng)的可靠性與經(jīng)濟(jì)性。良好的動態(tài)機(jī)組檢修計(jì)劃有助于減低系統(tǒng)電量不足的風(fēng)險和提高機(jī)組的可利用率。216。 機(jī)組動態(tài)檢修模型算法目標(biāo)