基于自适应空间划分的电力系统多目标环境经济调度算法
提出一种基于自适应空间划分的多目标优化算法来求解电力系统环境经济调度问题,多目标搜索空间被分割成多个区域,区域内的粒子被一种新的局部和全局最优来引导,从而快速靠近Pareto最优前沿面,通过年龄观测器实时记录引导者为粒子靠近Pareto最优解集所做的贡献,根据贡献程度在一定周期内更换引领者,从而使种群多样性得到保持,设计了一种新型精英学习策略,将差分演化引入Pareto最优解集,通过变异操作来防止Pareto最优解集陷入局部最优,新算法能对解空间进行更加全面、充分的探索,从而快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.对国际测试函数以及电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较,结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。
电力系统 环境经济调度 多目标优化 自适应空间划分 Pareto最优解集
伍大清 郑建国 刘立 孙莉
东华大学 管理学院智能信息研究所,上海 200051;南华大学 计算机科学与技术学院,湖南 衡阳 421001;人工智能四川省重点实验室,四川 自贡 643000 东华大学 管理学院智能信息研究所,上海 200051 南华大学 计算机科学与技术学院,湖南 衡阳 421001
国内会议
西安
中文
1-15
2014-09-26（万方平台首次上网日期，不代表论文的发表时间）