基于多种群改进差分进化算法的环境经济电力调度优化.pdf

《基于多种群改进差分进化算法的环境经济电力调度优化.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第二十卷增刊安徽电气工程职业技术学院学报2015年5月Vo1．20．SupplementJOURNALOFANHUIELECTRICALENGINEERINGPR0FESs10NALTECHNIQUECOLLEGEMay2015基于多种群改进差分进化算法的环经济电力调度优化钱寒晗，何川，麦立(国网安徽省电力公司调控中心，安徽合肥230022)摘要：应用多种群改进差分进化算法求解环境／经济电力调度(Environmental／EconomicDis-patch，EED)这一多目标优化问题。将多种群策略引入差分进化算法，有助于保持群体多样性

2、，有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子，使算法在搜索初期保持全局搜索能力，在搜索后期增强局部搜索能力，加快收敛速度。将该算法应用到IEEE30节点一6机组系统的环境／经济调度优化，仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。关键词：多种群改进差分进化算法；环境／经济调度；多目标优化；帕累托最优中图分类号：TM731文献标识码：A文章编号：1672-9706(2015)增刊．0013-05ental／EconomicPowerDispatchOptimizationUsingTribeModi

3、fiedDifferentialEvolutionAlgorithmQIANHan—hart，HEChuan，MAILi(Dispatch&ControfCenter，StateGridAnhuiElectricPowerCorporation，Hefei230022，China)Abstract：Amulti—tribemodifieddifierentialevolutionalgorithmiSpresentedforsolvingenvironmental／economicdispatch(EED)multi—objective

4、optimizationproblem．Themulti—tribestrategyisintroducedintodifferentialevolutionalgorithm，tomaintainthediversityofthegroup，andeffectivelyavoidtheprematureconvergenceprobleminclassicaldifferentialevolutionalgorithm．Theadaptivemutationandcrossoverfactorsareusedtokeeptheglob

5、alsearchingabilityintheearlystage，andtoenhancethelocalsearchingabilityinthelatestagetoaccelerateconvergence．Thealgorithmisappliedtoobtainenvironmental／ec。n。micp。werdispatch。ptimizati。ns。luti。nsf0rtheIEEE30-bussystemand6ounitsystem．TheIresultsobtainedarecomparedwithothera

6、lgorithmstoverifytheeffectivenessoftheproposedalgorithm．fKeywords：multi-tribemodifieddifferentialevolutionalgorithm；envir0nmental／economicdispatch；Imulti_0bjectiveoptimization；Paretooptimality———0引言电力系统环境／经济调度优化是一个复杂的多目标优化问题，旨在降低电力系统发电成本的同时减少污染气体的排放量，具有高维数、多约束、非线性、非凸等特点¨

7、’。已有国内外学者应用多种算法研究该问题，包括遗传算法、进化算法、粒子群优化算法等，取得了丰富的研究成果。差分进化算法作为进化算法的一个分支，具有原理简单、控制参数少、鲁棒性强等特点，但在优化过程中要求整个种群渐近收敛，以获得满足要求的最优解，在优化过程中群体的多样性将逐渐消失，有可能陷入局部最优。本文将多种群策略引入差分进化算法，可有效避免其早熟收敛问题。收稿日期：2014—11—10作者简介：钱寒晗(1981一)，男，安徽桐城人，研究方向为电力系统调度自动化。何川(1985一)，男，安徽宿州人。麦立(1980一)，男，四川成都人。·

8、13·安徽电气工程职业技术学院学报第二十卷增刊1数学模型1．1目标函数目标函数包括总燃料费用最小和总排放量最小¨。总燃料费用最小的目标函数为：NGrainF()=∑Fj(P)(1)FP=ajP+biPi+c