Вищезгадані методи оптимізації не завжди є ефективні, оскільки у більшості випадків вирівнювання графіка навантаження може призвести до збільшення витрат електричної енергії і до збільшення собівартості продукції, що випускається.

Будь-яка система енергетики, характеризується множиною особливостей і властивостей. Розкрити переваги врахування більшої кількості істотних властивостей системи енергетики можливо при використанні багатокритерійної (векторної) оптимізації. Це дозволить в основу оптимізації крім задачі вирівнювання графіка електричного навантаження закласти і зменшення витрат і втрат електричної енергії на підприємстві та багато інших критеріїв, що дозволить ліквідувати недоліки виявлені при використанні вищезгаданих критеріїв.

Точних методів розв’язку задач багатокритерійної оптимізації в даний час не існує, що пов’язано з тим, що в якості критерію виступає не скаляр, а вектор і задача полягає в одночасній екстремізації всіх критеріїв (цільових функцій).

Отже, постає задача багатокритерійної оптимізації, в якій нечітко описана множина альтернатив і чітко функції корисності (цільові функції). Це є типова задача нечіткого математичного програмування (НМП).

Задача НМП формулюється, як задача виконання нечітко визначеної цілі, причому розв’язками є перетини нечітких множин цілі і обмежень.

Задача досягнення нечітко визначеної цілі, що сформульована Беллманом-Заде, побудована на припущенні, що ціль прийняття рішень і множина альтернатив розглядаються як рівноправні нечіткі підмножини деякої універсальної множини альтернатив.

В нашому випадку, для поставленої нами задачі, таке припущення буде справедливим. І оскільки дане припущення значно спрощує процес реалізації алгоритму оптимізації то доцільно скористатись підходом Беллмана-Заде для розв’язку поставленої задачі.

При використанні підходу Беллмана-Заде кожній з цільових функцій , , , вихідної багатокритерійної задачі повинна бути поставлена у відповідність нечітка цільова функція (нечітка множина):

, , ,

де ­– функція приналежності нечіткої множини до множини оптимальних розв’язків.

Розв’язок вихідної багатокритерійної задачі приводиться до знаходження

.                             (1.1)

Для того щоб перейти до розв’язку задачі багатокритерійної оптимізації необхідно побудувати відповідні функції приналежності.

Існує дві групи методів побудови функцій приналежності: прямі і непрямі (посередні). Прямі методи визначаються тим, що експерт безпосередньо задає правила визначення значень функції приналежності . В непрямих (посередніх) методах значення функції приналежності вибирається таким чином, щоб задовольнити раніше сформульовані вимоги. Крім цього методи побудови функцій приналежності можна розбити ще на дві категорії: методи одного експерта і методи групи експертів.

Розв’язок задачі багатокритерійної оптимізації розглядається як нечітка підмножина значень цільових функцій наступним чином: нехай – цільові функції і необхідно розв’язати задачу  для всіх ; нехай – множина цільових функцій, тоді будь-яке значення  в області визначення  можна розглядати як нечітку множину на  з вектором значень приналежності  .

Для функцій, що максимізуються функції приналежності:

.                                    (1.2)

Легко бачити, що для функцій, які мінімізуються (1.2) можна привести до наступного вигляду:

.                                    (1.3)

При врахуванні різної важливості цільових функцій , , , можна “деформувати” функції приналежності (1.2) і (1.3). Ця деформація” досягається в результаті використання замість них відповідно функцій приналежності:

,                                      (1.4)

,                                      (1.5)

де коефіцієнт важливості відповідної цільової функції.

  За побудованими функціями приналежності  за допомогою (1.1) можна легко знайти максимальну степінь приналежності нечіткому розв’язку і найбільш доцільний час ввімкнення споживача-регулятора.