基于改進粒子群算法的電力系統(tǒng)環(huán)境經濟調度問題研究.pdf

1、多目標粒子群算法是一種用于解決多目標問題的新型優(yōu)化方法，電力系統(tǒng)中的很多問題都具有多個目標。論文針對環(huán)境經濟調度問題的特點，研究基于粒子群算法的各種改進算法對環(huán)境經濟調度問題的求解策略，將多目標粒子群算法應用于電力系統(tǒng)中，可以為電力系統(tǒng)的運行與控制提供多種可行方案，決策者可根據(jù)不同的偏好從中確定最終的方案。論文研究內容的主要包括：
　　 首先，主要介紹了電力系統(tǒng)環(huán)境經濟調度問題的數(shù)學模型以及多目標最優(yōu)化問題的基本概念，根據(jù)粒子群

2、優(yōu)化算法的特點，通過對粒子群算法的全局極值和個體極值選取方式的改進，采用一種改進多目標粒子群優(yōu)化算法求解電力系統(tǒng)多目標優(yōu)化問題。
　　 其次，在改進的多目標粒子群算法的基礎上，采用一種基于差分演化的改進多目標粒子群算法求解電力系統(tǒng)環(huán)境經濟調度問題。算法通過對Pareto最優(yōu)解集的差分演化來增加Pareto最優(yōu)解的多樣性；通過循環(huán)擁擠距離來控制歸檔集中非劣解的分布，以提高對種群空間的均勻采樣，使其更逼近Pareto最優(yōu)前沿。仿真結

3、果表明能夠得到測試函數(shù)較為準確的Pareto曲線，驗證了該算法求解多目標優(yōu)化問題的有效性。
　　 再次，提出一種基于文化算法的改進多目標粒子群算法求解電力系統(tǒng)環(huán)境經濟調度問題。算法中群體空間采用多目標粒子群優(yōu)化算法進行演化；信念空間通過對形勢知識、規(guī)范化知識和歷史知識三種知識的重新定義使之符合多目標優(yōu)化問題的知識描述和更新；信念空間和群體空間的交互通過自適應的接受操作和影響操作來實現(xiàn)。算法采用循環(huán)擁擠排序算法來增加Pareto前

4、沿的均勻性和多樣性；通過自適應調整策略控制群體空間中多目標粒子群算法的演化進程。多個多目標標準測試函數(shù)的仿真結果表明：與其他基于種群的多目標優(yōu)化算法相比，改進的多目標文化算法能夠在保持Pareto最優(yōu)解多樣性的同時具有很好的均勻性和收斂性。
　　 最后，分析了三種改進粒子群算法在多個多目標測試函數(shù)的收斂性和多樣性，并與其它文獻的多目標優(yōu)化算法相比較。同時，采用改進的粒子群算法對電力系統(tǒng)的多目標問題進行求解，并以IEEE30BUS