發(fā)布時(shí)間：2018-11-25 13:30

【摘要】：隨著人們環(huán)保意識(shí)的增強(qiáng),傳統(tǒng)的經(jīng)濟(jì)負(fù)荷調(diào)度已不能滿足環(huán)境保護(hù)的要求,因此面向電站的環(huán)境經(jīng)濟(jì)調(diào)度問題(Economic Emission Dispatch, EED)成為當(dāng)前的研究熱點(diǎn)之一。環(huán)境經(jīng)濟(jì)調(diào)度問題是一個(gè)復(fù)雜非線性、帶約束條件的多目標(biāo)優(yōu)化問題,目標(biāo)函數(shù)加權(quán)和等傳統(tǒng)優(yōu)化方法求解該問題時(shí)存在著局限性。近年來,基于Pareto最優(yōu)概念的環(huán)境經(jīng)濟(jì)調(diào)度多目標(biāo)優(yōu)化算法研究成為新的熱點(diǎn)。雖然研究表明基于Pareto的多目標(biāo)優(yōu)化算法能有效實(shí)現(xiàn)EED問題的優(yōu)化求解,但前期提出的優(yōu)化算法在一定程度上仍存在早熟收斂、易陷入局部最優(yōu)的不足。為此,本文結(jié)合EED問題特點(diǎn),深入研究了基于Pareto最優(yōu)概念的環(huán)境經(jīng)濟(jì)調(diào)度問題多目標(biāo)優(yōu)化方法。論文主要工作概括如下： 首先,基于邊際分析法研究了EED問題的邊際模型。邊際分析法是一種數(shù)量分析方法,在現(xiàn)代西方經(jīng)濟(jì)學(xué)中得到了廣泛的應(yīng)用,但此方法在多目標(biāo)優(yōu)化算法方面還未見相關(guān)研究報(bào)道。因而本文使用邊際分析法構(gòu)建了EED問題的邊際模型,并對(duì)邊際模型曲線進(jìn)行了深入分析,為后續(xù)章節(jié)中EED優(yōu)化算法的研究奠定理論基礎(chǔ)。 第二,基于機(jī)組邊際模型的分析,提出了面向EED的一種新型多目標(biāo)邊際分析優(yōu)化算法(Multi-objective Marginal Analysis Optimization Algorithm, MMAOA).在MMAOA研究中,提出一種改進(jìn)的種群初始化方法來提高算法的優(yōu)化性能。同時(shí),為提高M(jìn)MAOA的優(yōu)化效率,分析研究了負(fù)荷分配步長(zhǎng)的選擇對(duì)算法優(yōu)化性能的影響。EED實(shí)例的仿真優(yōu)化結(jié)果表明,MMAOA能有效找到一組Pareto最優(yōu)解,較之遺傳(GA)算法、粒子群優(yōu)化(PSO)算法、差分進(jìn)化(DE)算法、改進(jìn)非劣分層遺傳(NSGA-Ⅱ)算法、模糊邏輯控制遺傳(FCGA)算法、生物地理學(xué)(BBO)算法和引力搜索算法(GSA)等優(yōu)化算法,MMAOA具有較好的優(yōu)化性能。 第三,針對(duì)MMAOA易陷入局部最優(yōu)的問題,進(jìn)一步提出了一種多目標(biāo)混沌邊際分析優(yōu)化算法(Multi-objective Chaotic Marginal Analysis Optimization Algorithm, MCMAOA)。在MCMAOA中,采用Logistic、Tent和Sina混沌映射模型設(shè)計(jì)了多種混沌算子,以利用混沌的規(guī)律性、隨機(jī)性和遍歷性特點(diǎn)提高算法的全局搜索能力。EED仿真結(jié)果表明,MCMAOA能更有效找到一組Pareto最優(yōu)解,相比MMAOA,以及基本的混沌優(yōu)化算法(CAO)、GA、NSGA-II、 FCGA、PSO、DE和BBO等算法,MCMAOA具有更佳的優(yōu)化性能。 第四,針對(duì)EED問題,深入研究了DE算法,提出了一種Pareto多目標(biāo)二進(jìn)制差分進(jìn)化(Pareto Multi-objective Binary Differential Evolution Algorithm, PMBDE)算法,以提高EED問題的求解性能。在PMBDE算法研究中,提出了一種啟發(fā)式修正算子進(jìn)行約束條件處理,將優(yōu)化過程中產(chǎn)生的不可行解修正為可行解,有效提高了算法的求解效率。對(duì)EED實(shí)例的仿真研究結(jié)果表明,PMBDE算法能有效找到一組Pareto最優(yōu)解,與前面提出的MMAOA、MCMAOA,以及DE、Pareto DE、非劣排序差分進(jìn)化(Pareto NSDE)算法、NSGA-Ⅱ、改進(jìn)細(xì)菌覓食(Pareto IBFA)算法、PSO、FCGA和BBO等算法相比,PMBDE算法具有更好的優(yōu)化性能。最后,為了進(jìn)一步提高PMBDE算法求解EED問題的優(yōu)化性能,將邊際分析法引入PMBDE,提出了面向EED的一種多目標(biāo)邊際分析差分進(jìn)化(Multi-objective Marginal Analysis Differential Evolution, MMADE)算法。在MMADE算法中,基于邊際分析法設(shè)計(jì)了一種新型邊際分析修正算子,在對(duì)優(yōu)化過程中產(chǎn)生的不可行解進(jìn)行約束條件處理時(shí),能優(yōu)先分配負(fù)荷給特性更好的機(jī)組,從而進(jìn)一步提高了算法的優(yōu)化效率。EED問題的優(yōu)化結(jié)果表明,MMADE算法能有效地找到一組Pareto最優(yōu)解,較之PMBDE、MMAOA、MCMAOA,以及Pareto DE、Pareto NSDE、NSGA-Ⅱ、Pareto IBFA、PSO、FCGA和BBO等算法,MMADE算法具有更好的優(yōu)化性能,充分體現(xiàn)了MMADE算法的性能優(yōu)勢(shì)。
[Abstract]:......
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TM73

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王f[,李渝曾,張少華;一種求解環(huán)境經(jīng)濟(jì)負(fù)荷調(diào)度問題的人工神經(jīng)網(wǎng)絡(luò)新方法[J];電力系統(tǒng)自動(dòng)化;2002年21期

2 馬忠麗;王科俊;莫宏偉;劉宏達(dá);;基于免疫遺傳算法的環(huán)境經(jīng)濟(jì)負(fù)荷調(diào)度[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2006年01期

3 馮士剛;艾芊;;火電站多目標(biāo)負(fù)荷調(diào)度及其算法的研究[J];動(dòng)力工程;2008年03期

4 初壯;于繼來;;一種計(jì)及網(wǎng)絡(luò)約束和禁止運(yùn)轉(zhuǎn)區(qū)影響的經(jīng)濟(jì)負(fù)荷分配算法[J];電網(wǎng)技術(shù);2006年11期

5 蒙文川;邱家駒;卞曉猛;;電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配的人工免疫混沌優(yōu)化算法[J];電網(wǎng)技術(shù);2006年23期

6 代紅才;彭建春;楊幫宇;王娜;;基于邊際成本和潮流追蹤的無功定價(jià)[J];電網(wǎng)技術(shù);2007年07期

7 劉剛;彭春華;相龍陽;;采用改進(jìn)型多目標(biāo)粒子群算法的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度[J];電網(wǎng)技術(shù);2011年07期

8 張燕卿;李詠凱;;基于改進(jìn)非劣排序微分進(jìn)化算法的安全約束環(huán)境經(jīng)濟(jì)調(diào)度[J];電氣技術(shù);2012年12期

9 楊俊杰,周建中,劉芳;快速求解大規(guī)模機(jī)組組合問題的啟發(fā)式算法[J];華北電力大學(xué)學(xué)報(bào);2005年01期

10 李鐵蒼;周黎輝;張光煒;綦守榮;;基于粒子群算法的火電廠機(jī)組負(fù)荷優(yōu)化分配[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

相關(guān)博士學(xué)位論文 前1條

1 張敏;約束優(yōu)化和多目標(biāo)優(yōu)化的進(jìn)化算法研究[D];中國科學(xué)技術(shù)大學(xué);2008年

，

本文編號(hào)：2356275