3 改進的粒子群優(yōu)化算法.....16

3.1 粒子群算法的起源..........16

3.2 標(biāo)準(zhǔn)粒子群算法.......16

3.3 改進的粒子群算法..........22

3.4 改進后的粒子群優(yōu)化算法的仿真與比較.........24

3.5 本章小結(jié).....28

4 多目標(biāo)粒子群優(yōu)化算法.....29

4.1 多目標(biāo)優(yōu)化的定義..........29

4.2 常規(guī)多目標(biāo)優(yōu)化算法......30

4.3 多目標(biāo)粒子群算法..........32

4.4 多目標(biāo)粒子群算法的仿真.....35

4.5 本章小結(jié).....37

5.基于偏好的多目標(biāo)粒子群算法的電力系統(tǒng)負(fù)荷分配......38

5.1 引言.......38

5.2 基于混合引導(dǎo)的偏好多目標(biāo)的粒子群優(yōu)化算法....39

5.3 算法流程.....44

5.4 標(biāo)準(zhǔn)測試函數(shù)和仿真分析.....44

5.5 基于改進的 MOPSO 的電力系統(tǒng)負(fù)荷分配.....48

5.6 仿真分析.....50

5.7 本章小結(jié).....53

5 基于偏好的多目標(biāo)粒子群算法的電力系統(tǒng)負(fù)荷分配

對于傳統(tǒng)的電力系統(tǒng)來說，經(jīng)濟負(fù)荷分配方式已經(jīng)很難適合當(dāng)前電力系統(tǒng)發(fā)展的要求。在當(dāng)今環(huán)保問題日益受到重視的形式下，如何迅速而有效的減少電力系統(tǒng)的環(huán)境污染問題已經(jīng)成為一個特別重要而且急需去解決的問題。在本章中，將改進多目標(biāo)粒子群算法并應(yīng)用到基于環(huán)境經(jīng)濟模型的電力系統(tǒng)負(fù)荷分配中，使環(huán)境經(jīng)濟能夠得到良好的平衡。

在多目標(biāo)粒子群優(yōu)化算法中，為了獲取偏好區(qū)域的最優(yōu)解集，本節(jié)提出了一種新的引導(dǎo)方式，將參考點和參考區(qū)域引導(dǎo)方式緊密的結(jié)合在一起，提出了一種叫做基于混合引導(dǎo)的偏好多目標(biāo)粒子群算法(HG-MOPSO)。該算法的核心是將參考點作為參考區(qū)域的圓心，在使參考點隨著迭代向 Pareto 前沿靠近的同時，動態(tài)調(diào)整參考區(qū)域的大小，使參考區(qū)域越來越小，這樣的目的是增加了選擇壓力，控制了偏好的范圍。除此之前，本文也提出了一種基于 g 支配的球扇占優(yōu)的概念，改進了傳統(tǒng)的 Pareto 最優(yōu)選取方式，實現(xiàn)對多目標(biāo)優(yōu)化的非劣解有效搜索。另外，將第三章提出的改進 I-PSO 算法結(jié)合在一起，提出新的算法 HI-MOPSO，使優(yōu)化算法更加完美，同時可以充分滿足 EELD 系統(tǒng)的控制要求。