基于偏好知识的多目标优化算法求解计及电源侧的 配电网故障恢复

针对传统故障恢复在处理电源侧问题上的不足,基于变电站主变在实际运行时要尽量满足N-1准则的要求,提出了变压器越限个数和变压器平均负载率两个目标函数。在求解故障恢复的算法上,针对基于传统占优机制的经典多目标智能算法在迭代过程中没有考虑决策者的偏好知识,从而导致算法收敛缓慢和无法得到最优解的问题,将g占优机制和TOPSIS方法引入多目标智能算法。g占优机制中的参考点可以根据故障恢复问题的特殊要求进行灵活设计,TOPSIS方法可将决策者的偏好知识融入算法的迭代过程中。这些措施可以有效地提高解的质量和算法的收敛性能。最后,通过算例验证了该算法的可行性和有效性。     

基于偏好知识的多目标优化算法求解计及电源侧的配电网故障恢复

针对传统故障恢复在处理电源侧问题上的不足,基于变电站主变在实际运行时要尽量满足N-1准则的要求,提出了变压器越限个数和变压器平均负载率两个目标函数。在求解故障恢复的算法上,针对基于传统占优机制的经典多目标智能算法在迭代过程中没有考虑决策者的偏好知识,从而导致算法收敛缓慢和无法得到最优解的问题,将g占优机制和TOPSIS方法引入多目标智能算法。g占优机制中的参考点可以根据故障恢复问题的特殊要求进行灵活设计,TOPSIS方法可将决策者的偏好知识融入算法的迭代过程中。这些措施可以有效地提高解的质量和算法的收敛性能。最后,通过算例验证了该算法的可行性和有效性。     

采用改进型多目标粒子群算法的电力系统环境经济调度

电力系统多目标环境经济调度要求在满足发电成本最小的同时发电厂的污染气体排放也最小,为此提出了基于Pareto占优策略和拥挤距离排序方法的改进型粒子群算法求解该多目标问题。采用容量可动态调整的外部存档集合存储当前Pareto最优解,利用Pareto占优策略确定个体最优位置,进而根据粒子拥挤距离确定全局最优位置,并设置了动态惯性权重,引入了小概率变异机制,提高了算法搜索能力。算例结果验证了该算法的有效性。     

基于模糊熵权Vague集的配电网检修决策优化

为提高供电可靠性和经济性,科学合理地制定配电网检修计划具有重大意义。目前检修决策优化仅优化检修时间,尚不能合理地融合决策者的偏好因素和配电网的实际情况。针对配电网检修决策优化问题,以检修时间和检修方式为优化变量,以配电网检修风险和故障风险最小化为目标,综合考虑电网安全和检修关系等约束条件,建立配电网检修多目标优化模型。针对模型采用基于拥挤距离排序的多目标粒子群算法求解出Pareto最优解集。综合决策者的偏好因素和决策矩阵的客观信息,采用基于模糊熵权的Vague集多属性决策方法进行决策,选取出最满意的配电网检修方案。最后,分别以RBTS Bus2系统和RBTS Bus6系统为例,验证了所提模型和算法的可靠性和有效性。     

基于改进多目标粒子群算法的配电网储能选址定容

以系统节点电压波动、负荷波动以及储能系统总容量为目标建立了储能选址定容优化模型.求解过程中提出了一种改进多目标粒子群算法(improved multi-objective particle swarm optimizer,IMOPSO).该算法根据粒子与种群最优粒子的距离来指导惯性权重的取值,使得各粒子的惯性权重可以自适应调整,并在二者距离较小时引入交叉变异操作,避免陷入局部最优解,同时采用动态密集距离排序来更新非劣解集并指导种群全局最优解的选取,在保持解集规模的同时使解的分布更均匀.为避免决策者偏好对最终结果的影响,采用基于信息熵的序数偏好法从最优Pareto解集中选取储能的最优接入方案.以IEEE-33节点配电系统为例进行仿真验证,结果表明该方法在储能选址定容问题求解中具有很好的收敛性以及全局搜索能力.     

基于改进纵横交叉算法的电力系统多区域环境经济调度

随着节能环保受到日益重视,电网经济调度需同时考虑燃料成本和污染排放2个目标。电力系统多区域环境经济调度是一个复杂的非凸多目标问题,迄今未得到很好解决。基于NW小世界提出了一种新颖的改进纵横交叉算法(NWCSO)。采用容量可动态调整的外部存档集合存储当前Pareto最优解,利用Pareto占优策略确定个体最优位置,进而根据粒子拥挤距离确定全局最优位置。将NWCSO算法应用于16机组4个区域测试系统进行仿真计算,结果表明该算法在解决该多区域多目标问题方面具有优越性。     

改进纵横交叉算法在电力系统环境经济调度方面的研究

电力系统环境经济调度作为一个复杂的多目标问题,在考虑燃料成本的同时,还要考虑污染排放。针对这一情况,将差分算法融入到纵横交叉算法中,形成差分纵横交叉算法。同时采用容量可动态调整的外部存档集合存储当前Pareto最优解,利用Pareto占优策略确定个体最优位置,进而根据粒子拥挤距离确定全局最优位置。将差分纵横交叉算法分别应用于4个区域40机组的环境、经济以及多目标调度问题进行仿真计算,调度方案表明该算法在解决多目标多区域环境经济调度问题方面的可行性和有效性。最后,将该算法的调度结果和其他算法的调度结果进行比较,结果表明该算法在解决该多区域多目标问题具有优越性。     

考虑决策者偏好信息的配电网多目标无功优化研究

为充分利用有限的计算资源提高多目标无功优化的实用性和计算效率,提出一种考虑决策者偏好信息的配电网无功多目标优化方法。该方法将优化过程分为2个阶段,第1阶段完成Pareto前沿的粗略描绘,并利用等值线原理和决策者对目标权值及数值的偏好,形成搜索偏好区域。第2阶段利用偏好区域特性提出改进的支配关系,引导粒子群在偏好区域内进行集中广泛搜索,完成多目标无功优化。基于IEEE33节点系统的算例测试验证了所提方法能够将决策者偏好有效转化为对应的搜索区域,改进的支配关系则保证了计算资源逐步收缩集中在该搜索区域内。与传统多目标无功优化方法相比,对世代距离、分布性、错误率以及迭代次数等各项指标均有较大幅度提升。     

基于改进MOBPSO算法的含分布式电源的多目标配电网重构

提出一种含多类分布式电源的多目标配电网重构模型。在重构时采用Pareto准则的多目标二进制粒子群优化(Multi-Objective Binary Particle Swarm Optimization, MOBPSO)算法,对算法进行了3点改进：基于环的编码方式用以降低不可行解的产生概率;动态变化的惯性因子和异步变化的学习因子用以提高算法的调节适应能力;在最优粒子的更新方式上提出小生境共享机制和比例选择算子相结合的策略。最后还给出了一种根据决策者偏好信息,从优化解集中选择相应重构方案的评价机制。算例结果表明：改进的MOBPSO算法在寻优效率和稳定性上均有提升;所提模型、改进算法以及评价机制互相配合,能够为决策者提供一种有效的配电网重构方案。     

船舶综合电力系统多目标故障恢复模型及应用

建立了船舶综合电力系统故障恢复多目标模型,该模型在应用直线型隶属度函数对故障恢复评价分项指标进行归一化的基础上,采用加权积算子构建综合目标函数,并基于层次分析法求解各指标权重,相对传统的经验方法更加便于决策者理解和把握。将该模型应用于基于二维编码的改进遗传模拟退火故障恢复算法以验证其有效性。算例测试结果表明,该模型指导下的故障恢复算法能够兼顾多个指标,有效地避免偏激解的产生,并能够灵活调节推进负荷恢复功率,得出的最优故障恢复方案更加符合实际。     

基于混合DE-PSO多目标算法的动态环境经济调度

电力系统中的动态环境经济调度(DEED)是一个多变量、强约束、非凸的多目标优化问题,传统方法很难进行求解。基于微分进化(DE)算法的快速收敛性和粒子群优化(PSO)算法的搜索多样性,提出一种融合2种算法优点的混合DE-PSO多目标优化算法来求解DEED问题,该算法基于外部存档集和Pareto占优原则,采用自适应参数的DE和PSO双种群更新策略以及一种改进的Pareto解集裁剪方法。引入3种指标评价算法的性能,并采用模糊决策技术从Pareto前沿中提取折中解以供决策者进行选择。经典算例的仿真结果表明所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,体现了所提方法的可行性和优越性。     

决策空间自组织多模态多目标鲸鱼优化算法研究

针对当前多模态多目标优化算法在获得Pareto解集的完整性、收敛性方面的不足，提出了一种决策空间自组织多模态多目标鲸鱼优化算法(MMO＿SOM＿WOA)。首先将鲸鱼优化算法首次用于求解多模态多目标问题，通过鲸鱼优化算法本身的随机性提高寻找Pareto解集完整性的能力。其次将自组织映射网络与鲸鱼优化算法相结合，迭代开始时为鲸鱼优化算法建立良好的邻域。最后使用精英反向学习策略初始化种群和非支配排序机制获得均匀且完整的解。通过与当前5种经典算法在多模态多目标优化问题上进行仿真对比，结果表明MMO＿SOM＿WOA算法兼顾Pareto解集的多样性和Pareto解的完整性，收敛速度和收敛精度均得到提升具有较高的性能，有效解决多模态多目标优化问题。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于改进粒子群算法的Pareto多目标输电网规划

针对标准粒子群算法易收敛到局部最优的缺点,本文对粒子群算法做出了以下几点改进:首先,在编码策略上采用一种保证网络连通性的编码方式,有利于保持种群的分散性;其次,采用了一种改进的粒子速度更新公式,即在粒子群算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;另外,在算法迭代过程中加入变异操作,是使初始化失活粒子的位置和速度来保持种群多样性。在输电网扩展规划模型中引入了Pareto多目标模型,这种模型相对于单目标和加权多目标模型相比更具实际工程意义。算例结果表明,上述几个操作可以提高粒子群算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群算法的有效性.     

机组负荷分配的多目标优化和多属性决策

同时计及机组运行的经济性和污染排放,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂负荷优化分配问题进行了研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法(NSGAⅡ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pa-reto最优解给出排序。给出了3台机组负荷分配的优化算例,计算表明所提方法适应性好,结果合理可行。     

基于改进多目标海樽群算法的电力系统优化调度

文中提出了一种新的多目标海樽群优化算法,将其与等式约束修正技术和可行解占优约束处理技术相结合,用于求解高度约束的电力系统环境经济优化调度问题。该算法采用高斯采样策略和变异操作增强其寻优性能;通过一种改进的基于动态拥挤距离的非支配排序方法获得分布均匀的帕累托最优前沿;应用模糊集理论为决策者提供最佳折中解。在IEEE 30节点6机组标准测试系统上进行算例仿真,并与其它优化算法进行了对比。结果表明,所提算法在求解电力系统环境经济调度问题时具有更好的优化效果。     

考虑地理因素的改进量子粒子群算法在多目标电网规划中的应用

针对电网规划的多目标权衡优化问题,建立以可靠性和经济性为目标的电网规划模型,提出改进的量子粒子群算法,采用Pareto支配关系来更新粒子的个体和局部最优值,定义粒子紊流极大极小间距,并采用紊流间距方法裁剪非支配解,引入收敛因子K加快粒子跳出局部最优后的收敛速度。同时考虑电网规划存在的地理环境不确定因素的影响,在规划目标函数中引入地理障碍罚因子。通过18节点电网规划算例仿真结果表明,提出的改进算法与基于非支配遗传算法和基于多目标进化算法相比,所得的Pareto解数目,解的优劣情况以及分布效果都有明显提升。     

火电厂厂级负荷分配的多目标优化和决策研究

火电厂的负荷优化分配系统通常是以机组煤耗特性为基础的,其经济分配对应于满足稳态工况下全厂发电成本最低的要求。对于自动发电控制方式下的厂级负荷运行分配还要满足调整时间的要求,以尽可能快的速度满足目标负荷的调整。考虑机组运行的经济性和快速性,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂厂级负荷优化分配的问题进行研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法,求出Pareto最优解,由Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序。文中给出了10台机组负荷分配的优化设计算例。