基于多目標協(xié)調(diào)優(yōu)化的電力物資保障及調(diào)配研究

王城

[摘 要] 為使儲備物資能夠最大化使用，避免儲備不足、儲備過多或重復(fù)儲備，提出利用多目標PSO優(yōu)化算法來對歷史物資的儲備情況進行分析，充分考慮業(yè)擴新裝、應(yīng)急搶修、日常搶修工作的物資儲備需求，生成電力物資保障及調(diào)配多目標優(yōu)化方案，以提高供電企業(yè)電力物資供電保障能力，確保電力生產(chǎn)的安全可靠。并在確保電力物資儲備滿足業(yè)擴新裝、應(yīng)急搶修、日常搶修工作需要的同時，減少物資資金占用率，使電力物資儲備庫存分配更加合理。

[關(guān)鍵詞] 多目標協(xié)調(diào) 電力物資儲備 PSO算法

中圖分類號：TM73 文獻標志碼：A

隨著國民經(jīng)濟的高速發(fā)展，電力建設(shè)得到了長足的發(fā)展。目前供電企業(yè)建立一套完善的電力物資儲備體系，物資儲備達到了一定規(guī)模，儲備物資年周轉(zhuǎn)率達到460%，物資儲備庫儲備了業(yè)擴新裝、應(yīng)急搶修、日常搶修工作需要的工器具、材料、設(shè)備等多種物資。但在電力物資保供電工作中，以往的儲備物資已不能滿足目前電網(wǎng)實際的物資保供電要求，特別是對于應(yīng)急和業(yè)擴報裝項目的時限要求，需進一步優(yōu)化電力物資儲備種類和數(shù)量，健全快速、靈活、有效的電力物資調(diào)配機制。如提高儲備管理信息化水平，建立電力物資協(xié)調(diào)聯(lián)動調(diào)撥機制，夯實電力物資儲備基礎(chǔ)，提升物資保障能力。因此，有必要進行基于多目標協(xié)調(diào)優(yōu)化的電力物資保障及調(diào)配研究，而通過多目標粒子群優(yōu)化算法來實現(xiàn)電力物資保障及調(diào)配中的多目標優(yōu)化，就可以更合理地分配儲備庫存，減少資金占用，提高電力物資供應(yīng)保障能力，確保電力生產(chǎn)的安全可靠。

一、電力物資儲備特點

一個電力企業(yè)物資的儲存量是相當(dāng)龐大的，而且電力企業(yè)的生產(chǎn)又具有很強的社會供應(yīng)性，容易受到外部因素影響，所以其存儲周期相對漫長，幾個月到幾十個月都有。存儲量大，采購周期長，因為電力行業(yè)的特殊性，所以在生產(chǎn)方面技術(shù)更新較為頻繁，電力物資的倉儲管理工作尤為繁重，對管理人員也有著很大的考驗。對于一個電力企業(yè)來說，電力物資倉儲管理的改進和提升有著長遠的意義?；谝陨咸攸c考慮，電力物資在倉儲上必須向著更合理，更高效，更科學(xué)的方向邁進，提高利庫效率，進行合理有效的資源配置，從而降低企業(yè)運轉(zhuǎn)成本。

應(yīng)急搶修是為了保證企事業(yè)單位或者個人減少因停電帶來的損失而實行的供電行為。當(dāng)發(fā)生應(yīng)急搶修事件或業(yè)擴新裝等業(yè)務(wù)需求時，物資需求非常的緊迫，而且需求的種類和數(shù)量龐大，不可能隨購隨用。為確保電力物資儲備能夠滿足業(yè)擴新裝、應(yīng)急搶修、日常搶修等多項工作同時開展的需要，有必要運用多目標優(yōu)化算法，來對電力物資儲備進行進一步的優(yōu)化。

二、多目標優(yōu)化問題

在實際工作中，對一個方案的好與壞的界定很難通過一個事例或指標既能就對其定類，唯有對對多個指標采取科學(xué)的比較方法后，在一般情況下，這些指標是不甚協(xié)調(diào)甚至可以說是矛盾的，因此在現(xiàn)有給定條件下同時要求多個目標皆盡可能的好，多目標優(yōu)化問題即為之訂立一個可行的方案。通常在對新產(chǎn)品進行設(shè)計的過程中，設(shè)計者不僅要將產(chǎn)品設(shè)計具備有優(yōu)質(zhì)的性能，且需要考慮將成本控制至最低，將利益最大化，通常上述設(shè)計目標的改善會相互抵觸，例如好的維修性會降低可靠性。各種實際問題中大量存在著多目標優(yōu)化問題在，因此多目標優(yōu)化比單目標優(yōu)化相比更為重要.對多目標優(yōu)化問題尋求單一最優(yōu)解是一種不實際的辦法，通常多目標優(yōu)化是產(chǎn)生一組可選的折衷解，首先進行決策，從而在可選解集中做出最佳選擇。多目標優(yōu)化問題具有多個目標函數(shù)，各個目標涉及相同的一組決策變量，并相互制約，對其中一個目標進行優(yōu)化時，必須同時以其它目標作為代價，因此很難客觀地評價多目標問題解的優(yōu)劣。一般情況下，多目標優(yōu)化問題不存在唯一的全局最優(yōu)解，所以實際上的多目標優(yōu)化是如何尋求 Pareto解集的過程，而Pareto解集中的元素就所有目標而言是彼此不可比較的，因此不能簡單地把多個目標歸并為單目標求解。一個理想的多目標優(yōu)化問題的解決過程可以描述成如圖1所示，該過程以最小化為例，其中stepl是尋找折衷解的過程，step2是決策過程，higher-level information 通常是由待解決問題的要求或者決策者的偏好提供的，這些信息將幫助決策者從折衷解集中最后確定一個解。

因為過去使用的算法皆是先對多目標問題采取分析處理的方法，通過處理將多目標問題分解成單目標問題，然后再通過單目標優(yōu)化算法進行求解。以往所使用的傳統(tǒng)的多目標算法的缺點是一次優(yōu)化求解只能求出一個解，隨著科學(xué)技術(shù)的不斷提高及優(yōu)化研究的深入，現(xiàn)如今在進行研究的過程中在優(yōu)化問題時呈現(xiàn)出許多復(fù)雜度非常高，這些問題又攜帶著各種各樣的因素，因此很難對優(yōu)化問題的模型進行描述，所以導(dǎo)致了自變量維數(shù)的過多，從而促使科研人員計算量的大幅度增加。隨著計算機技術(shù)的成熟，生命科學(xué)與工程科學(xué)相互交叉滲透和影響，為人工智能的發(fā)展提供了理論基礎(chǔ)。進化計算主要是通過對生物進化過程與機制進行模擬從而解答問題，進化計算不僅為解決復(fù)雜的多目標優(yōu)化問題提供了高效的計算方法，且提供了新的思路，在現(xiàn)如今社會受到了十分高關(guān)注度。這些年來所出現(xiàn)的人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯以及進化計算即為模擬生物個體的某些特征而發(fā)展而來的智能算法。因為進化計算技術(shù)采用基于種群的方式組織搜索，這些算法具有高度并行性。由于上述方法通過模擬生物的進化過程或社會行為使待處理問題能夠得到十分妥當(dāng)?shù)慕鉀Q，所以進化計算適合于求解多目標優(yōu)化問題。

群體智能是進化計算的一個研究方向，其主要是通過將社會性動物的群體行為和人工生命理論作為基礎(chǔ)，研究不同種類群體行為的內(nèi)在原理，并以這些原理為基礎(chǔ)設(shè)計出新的問題求解方法。粒子群算法（particle swarm optimization， PS0） 已在很多優(yōu)化問題上得到成功應(yīng)用。在進行PSO算法時，其收斂速度快，算法簡單控制參數(shù)少，并且不需要被優(yōu)化函數(shù)具有可微、可導(dǎo)、連續(xù)等性質(zhì)，綜上所述，由于其具有上述優(yōu)點，因此PSO算法將更普及地被使用于多目標優(yōu)化問題求解上。根據(jù)方法論對PSO算法進行分析，PSO源于人工生命理論以及鳥類和魚類的群體行為。同其它進化算法一樣，PSO算法也以隨機初始化種群為初始迭代點，選取已定義好的適應(yīng)度準則來對系統(tǒng)進行評價，且依據(jù)適應(yīng)度開展隨機搜索。

三、PSO算法及改進

（一）PSO算法原理

作為一種基于種群操作的優(yōu)化技術(shù)，PSO算法將群體中的每個個體看作D維搜索空中一個沒有體積和重量的粒子，即代表一個可能的候選解，粒子在搜索空間中以一定的速度飛行，其飛行所經(jīng)歷過的最好位置就是該粒子本身所找到的最好解，粒子的飛行速度由該粒子的飛行經(jīng)驗和群體的飛行經(jīng)驗進行動態(tài)調(diào)整，逐代搜索最后得到最優(yōu)解。

改進方法包含以下兩種：慣性權(quán)值PSO算法和具有壓縮因子的PSO算法。慣性權(quán)值PSO算法的w值能夠隨迭代數(shù)進行動態(tài)調(diào)整，其可以獲得比固定值更好的搜索效果。因此慣性權(quán)值PSO算法能夠以相對較少的迭代次數(shù)找到最優(yōu)解，提高算法效率。具有壓縮因子的PSO算法對一些函數(shù)可以達到比較好的收斂速度。

四、物資保障及調(diào)配多目標PSO優(yōu)化

（一）多目標PSO優(yōu)化算法

在單目標優(yōu)化問題中，最優(yōu)解通常是唯一確定的。但是在多目標優(yōu)化問題中，由于目標函數(shù)之間的特性，因此函數(shù)沒有有唯一確定的解，通常多目標優(yōu)化問題的最優(yōu)解是一個折衷解的集合，即具有多個Pareto最優(yōu)解的集合。PSO算法在單目標優(yōu)化問題中的成功應(yīng)用說明PSO算法的有效性，但不能直接將PSO算法用于多目標優(yōu)化問題。多目標粒子群優(yōu)化（multiobjective particle swarm optimization， MOPSO） 算法與求解單目標PSO算法相比，其區(qū)別就是如何確定全局最優(yōu)解，即為上述公式中的 Pgd。通過對PSO算法的介紹中可以得知，粒子主要依靠個體信息和社會信息的共享對搜索空間中位置和速度進行動態(tài)調(diào)整，但是由于目標個數(shù)會不斷地增加，從而導(dǎo)致了非劣解的數(shù)量也大量增加，因此需要在眾多非劣解中確定Pgd 成為多目標粒子群優(yōu)化算法實現(xiàn)的關(guān)鍵，通常采用基于密度測量的方法來確定全局最優(yōu)解。基于Pareto 方法的多目標粒子群算法是目前研究多目標粒子群的主流算法，該方法的核心是利用Pareto支配的概念選擇最優(yōu)個體。電力物資保障及調(diào)配采用的算法流程如下：

電力物資保障及調(diào)配多目標優(yōu)化方案，主要基于電力物資儲配多目標PSO優(yōu)化算法產(chǎn)生，其輸入數(shù)據(jù)來源于電力物資儲備歷史數(shù)據(jù)、需求類別、災(zāi)害類別、應(yīng)急程度和業(yè)擴新裝、應(yīng)急搶修、日常搶修工作需要的物資需求清單。其輸出方案可提高電力物資供應(yīng)保障能力，確保電力生產(chǎn)的安全可靠。

五、結(jié)語

本文基于電力物資儲備現(xiàn)狀，在保證物資保障有效度水平下，針對供電企業(yè)開展業(yè)擴新裝、應(yīng)急搶修、日常搶修工作的物資需求，結(jié)合供電企業(yè)電力物資儲備歷史數(shù)據(jù)、需求類別、災(zāi)害類別和應(yīng)急程度等信息，通過多目標PSO優(yōu)化算法，生成電力物資保障及調(diào)配多目標優(yōu)化方案，以確保供電企業(yè)日常生產(chǎn)活動的物資保障，并確保發(fā)生突發(fā)事件時，應(yīng)急搶修的物資保障。該方案將減少物資儲備的資金占用，合理分配儲備庫存，提高電力物資供應(yīng)保障能力，確保電力生產(chǎn)的安全可靠。

參考文獻：

[1]吳萍，陳文斌，張延奇.電網(wǎng)物資管理標準化建設(shè)項目評價研究.低碳世界，2016（28）

[2]王之發(fā).電力企業(yè)應(yīng)急物資管理的研究.物流工程與管理，2012（8）.

[3]王宇嘉.多目標粒子群優(yōu)化算法的全局搜索策略研究.上海交通大學(xué)，2008.

[4]劉利民，王敏杰.我國應(yīng)急物資儲備優(yōu)化問題初探.物流科技， 2009（2）