基于IMOSFLA算法的水库优化调度研究

针对传统混合蛙跳算法(SFLA)出现的种群多样性丧失、易陷入局部最优解等问题进行改进创新,提出了改进多目标混合蛙跳算法(IMOSFLA)。以故县水库为研究对象,以发电量最大、供水满足度最高和生态流量满足度最高作为目标函数,建立水库多目标优化调度模型,借助IMOSFLA算法进行求解。通过求得的非劣调度方案集,探究了各典型年不同来水情况下各调度目标的彼此关系与调度结果。通过分析不同决策偏好的典型方案调度过程可知,IMOSFLA算法求得的水库调度方案会根据水库来水情况和侧重目标实现各目标之间的平衡和优化,保障水库多目标协同调度效益,体现了算法的科学性和适用性。

基于双重距离的多目标粒子群优化算法

多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集较为费力.为此,提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越多,粒子的等级越大.当等级相同时,算法结合粒子的拥挤距离选择最优粒子,并更新外部归档集.此外,算法结合粒子的变异行为避免陷入局部最优.在对比实验中,该算法在收敛性和多样性上可取得较优结果.最后,将该算法应用到电力系统的环境/经济调度模型(environmental/economic dispatch,EED),也可获得性能较好的解集.