基于多目标降维和多步重构的两阶段配电网优化运行策略

分布式可再生能源的高度渗透加剧了配电网功率波动性与不确定性。对此,提出了一种基于多目标降维和多步重构的两阶段配电网优化运行策略。日前阶段,在构建电压偏差、功率损耗、运行总成本、净负荷峰谷差和净负荷系数多重运行灵活性指标模型的基础上,提出了基于目标相关性的多重灵活性指标降维方法,旨在权衡各项指标之间的关系并减少目标数量,提高计算效率。日内阶段,通过协同控制分段开关和联络开关,提出了基于多步开关顺序交换的配电网重构方法,充分挖掘系统可用灵活性资源。最后,基于IEEE-33、IEEE-84、IEEE-119、IEEE-136节点系统进行算例仿真,结果验证了所提两阶段配电网优化运行策略的有效性。

高维多目标优化中基于稀疏特征选择的目标降维方法

目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小.

利用冲突信息降维的进化高维目标优化算法

进化多目标优化算法求解高维目标优化问题面临收敛能力、计算复杂度、决策以及Pareto前沿的可视化等困难,其根本原因是目标空间维数高。目标降维通过丢弃冗余目标,为缓解高维目标优化求解困难提供一种新思路。本文提出利用冲突信息降维的分解进化高维目标优化算法(CIOR-MOEA/D)。该方法通过衡量目标在近似解集上体现的冲突性,构造问题的冲突信息矩阵,对该矩阵进行特征分析,确定目标的重要性程度,实现维数约简,并利用分解进化多目标优化算法(MOEA/D)对重要子目标集合进行分解进化,从而得到问题的近似解集。实验结果表明,本文提出的目标降维算法在降维的准确性与鲁棒性上均表现突出,能够有效地处理冗余高维目标优化问题。

基于分解和超平面拟合的进化超多目标优化降维算法

目标降维是研究超多目标优化问题的一个重要方向,它通过恰当的算法设计,能够剔除一些对求解优化问题冗余的目标,达到极大简化优化问题的效果。在超多目标优化降维问题中,前沿界面呈现非线性的情形是最普遍也是最难处理的降维问题。该文提出一种基于分解和超平面拟合的算法(DHA)来处理这类目标降维问题,通过对进化过程中种群的有效分解,使得在几何上非线性分布的非劣解集近似分解为多个近似线性分布的子集,再用系数是稀疏的超平面结合一些扰动项去拟合这些非劣解子集,最后根据该超平面提取出原问题的本质目标集,达到去除冗余目标的效果。为了检验提出算法的有效性,采用DTLZ5(I,m),WFG3(I,m)和MAOP(I,m)作为测试问题集,与代表当今水平的著名算法进行比较。计算机仿真结果表明该文提出的算法无论前沿界面是线性或非线性的情形都具有优异的性能。

因素空间理论下多目标因果分析的降维算法

为降低利用多目标因果分析法进行因果规则提取的计算繁杂性,给出多目标因素条件下降维映射和钻入决定度降维的定义,对目标因素进行合取,根据选定目标因素的钻入决定度判断结果,进行目标因素的约简,得到了目标因素的降维算法;在目标因素的降维算法的基础上,研究了目标因素之间的关联性,并给出了关联指标定义,结合多目标因果分析法,提出多目标因果分析降维算法.研究结果表明:多目标因果分析降维算法具有实用性和有效性.研究结论为多目标优化带来一些新空间.

多任务机制驱动的高维多目标进化算法

针对传统进化算法在解决高维多目标优化问题时,因选择压力减少而产生的搜索能力急剧下降的现象,提出了一种多任务机制驱动的高维多目标优化算法。该算法首先采用一种自适应降维算子来构造与原始高维优化任务相关的低维任务,以此来增加优化过程中的选择压力。在低维任务的构造过程中,根据对当前目标子集的评估结果来自适应地选择合适的降维技术对原始高维任务进行降维。然后采用多任务机制同时对低维任务及原始高维任务进行优化。算法采用一种任务间交流算子来完成个体任务分配以及种群的更新操作,进而使得算法在利用低维任务提高搜索能力的同时能够避免降维所引起的有用信息丢失。此外,为了避免算法在搜索过程中出现早熟现象,通过对外部种群中出现代数较多的个体进行差分变异来增加外部种群的多样性。实验部分将该算法与几种常用的高维多目标进化算法在5组标准测试函数上进行对比分析。仿真结果验证了该算法在求解高维多目标优化问题时的有效性。