面向电站环境经济调度的多目标优化研究

发布时间：2018-11-25 13:30

【摘要】：随着人们环保意识的增强,传统的经济负荷调度已不能满足环境保护的要求,因此面向电站的环境经济调度问题(Economic Emission Dispatch, EED)成为当前的研究热点之一。环境经济调度问题是一个复杂非线性、带约束条件的多目标优化问题,目标函数加权和等传统优化方法求解该问题时存在着局限性。近年来,基于Pareto最优概念的环境经济调度多目标优化算法研究成为新的热点。虽然研究表明基于Pareto的多目标优化算法能有效实现EED问题的优化求解,但前期提出的优化算法在一定程度上仍存在早熟收敛、易陷入局部最优的不足。为此,本文结合EED问题特点,深入研究了基于Pareto最优概念的环境经济调度问题多目标优化方法。论文主要工作概括如下：首先,基于边际分析法研究了EED问题的边际模型。边际分析法是一种数量分析方法,在现代西方经济学中得到了广泛的应用,但此方法在多目标优化算法方面还未见相关研究报道。因而本文使用边际分析法构建了EED问题的边际模型,并对边际模型曲线进行了深入分析,为后续章节中EED优化算法的研究奠定理论基础。第二,基于机组边际模型的分析,提出了面向EED的一种新型多目标边际分析优化算法(Multi-objective Marginal Analysis Optimization Algorithm, MMAOA).在MMAOA研究中,提出一种改进的种群初始化方法来提高算法的优化性能。同时,为提高MMAOA的优化效率,分析研究了负荷分配步长的选择对算法优化性能的影响。EED实例的仿真优化结果表明,MMAOA能有效找到一组Pareto最优解,较之遗传(GA)算法、粒子群优化(PSO)算法、差分进化(DE)算法、改进非劣分层遗传(NSGA-Ⅱ)算法、模糊逻辑控制遗传(FCGA)算法、生物地理学(BBO)算法和引力搜索算法(GSA)等优化算法,MMAOA具有较好的优化性能。第三,针对MMAOA易陷入局部最优的问题,进一步提出了一种多目标混沌边际分析优化算法(Multi-objective Chaotic Marginal Analysis Optimization Algorithm, MCMAOA)。在MCMAOA中,采用Logistic、Tent和Sina混沌映射模型设计了多种混沌算子,以利用混沌的规律性、随机性和遍历性特点提高算法的全局搜索能力。EED仿真结果表明,MCMAOA能更有效找到一组Pareto最优解,相比MMAOA,以及基本的混沌优化算法(CAO)、GA、NSGA-II、 FCGA、PSO、DE和BBO等算法,MCMAOA具有更佳的优化性能。第四,针对EED问题,深入研究了DE算法,提出了一种Pareto多目标二进制差分进化(Pareto Multi-objective Binary Differential Evolution Algorithm, PMBDE)算法,以提高EED问题的求解性能。在PMBDE算法研究中,提出了一种启发式修正算子进行约束条件处理,将优化过程中产生的不可行解修正为可行解,有效提高了算法的求解效率。对EED实例的仿真研究结果表明,PMBDE算法能有效找到一组Pareto最优解,与前面提出的MMAOA、MCMAOA,以及DE、Pareto DE、非劣排序差分进化(Pareto NSDE)算法、NSGA-Ⅱ、改进细菌觅食(Pareto IBFA)算法、PSO、FCGA和BBO等算法相比,PMBDE算法具有更好的优化性能。最后,为了进一步提高PMBDE算法求解EED问题的优化性能,将边际分析法引入PMBDE,提出了面向EED的一种多目标边际分析差分进化(Multi-objective Marginal Analysis Differential Evolution, MMADE)算法。在MMADE算法中,基于边际分析法设计了一种新型边际分析修正算子,在对优化过程中产生的不可行解进行约束条件处理时,能优先分配负荷给特性更好的机组,从而进一步提高了算法的优化效率。EED问题的优化结果表明,MMADE算法能有效地找到一组Pareto最优解,较之PMBDE、MMAOA、MCMAOA,以及Pareto DE、Pareto NSDE、NSGA-Ⅱ、Pareto IBFA、PSO、FCGA和BBO等算法,MMADE算法具有更好的优化性能,充分体现了MMADE算法的性能优势。
[Abstract]:......
【学位授予单位】：上海大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TM73

【参考文献】