大规模梯级水火电机组多目标检修优化的改进向量序优化算法

采用向量序优化算法求解大规模梯级水火电机组多目标检修优化问题时,在表征集合构建、粗糙评估模型构建、序曲线形状辨识等方面均存在技术难点,为此提出一种改进的向量序优化算法。首先,基于随机森林分类器快速从庞大的解空间中抽取指定数目可行解形成表征集合;其次,为精确贴合多目标检修优化模型的特性,借助反向传播神经网络建立具有更高计算精度的粗糙模型;最后,引入动态时间规整方法评估标准序曲线与排序分层序曲线之间的相似度,精确判断多目标检修优化问题的类型并最终求解得到Pareto足够好解集。基于某省级电网的算例结果表明:相比于常规向量序优化算法、ε-约束法,所提算法计算速度分别提高了83.07%、64.50%。所提出的改进向量序优化算法能保证快速求取大规模多目标检修优化问题的足够好解,具有计算速度高、工程适用性强等优点。