基于改进多目标引力搜索算法的电力系统环境经济调度.pdf

本文主要探讨的是电力系统的环境经济调度问题，这是电力行业中一个重要的议题，旨在平衡电力系统的经济效益和环境保护。作者提出了一种改进的多目标引力搜索算法（IGSA），以解决这个问题。 电力系统环境经济调度模型是论文的核心。这个模型考虑了两个关键因素：系统运行成本和污染物排放成本。在传统的经济调度中，主要关注如何降低运行成本，但随着环保意识的提高，减少污染物排放也成为调度的重要考量。模型的建立旨在同时最小化这两部分成本，实现电力系统的经济性和环保性的双重优化。 接着，文章介绍了改进的多目标引力搜索算法。这是一种受到自然选择和进化原理启发的优化算法，其基础是引力搜索算法（GSA）。在IGSA中，引入了非劣解排序和拥挤距离的概念，这是遗传算法（NSGA-II）中的策略，用于处理多目标优化问题中的个体偏序关系。这些策略有助于找到一组非劣解，即Pareto前沿，代表了各种可能的优化解决方案。 针对引力搜索算法的收敛速度慢的问题，论文提出了一种新方法。这种方法借鉴了粒子群优化算法（PSO）的思想，优化了个体位置更新公式，从而提高了算法的收敛速度。此外，为了使解集更均匀地分布在Pareto最优解集区域，并保持算法的多样性，采用了精英保留策略。精英保留策略能够确保优秀的解在进化过程中得以保留，进一步提升优化效果。 模糊集理论被应用到算法中，用于生成最佳折中解。在多目标优化中，可能存在多个可行解，而模糊集理论可以帮助决策者根据自身的偏好和实际需求，从这些解中选择出最合适的调度方案。 通过实例分析，该文证明了提出的IGSA算法的有效性和可行性，可以为电力系统环境经济调度提供新的解决途径，有助于在保证经济效益的同时，实现环保目标，促进电力行业的可持续发展。 这篇论文对电力系统环境经济调度的研究做出了重要贡献，提出的改进多目标引力搜索算法不仅提高了优化效率，而且为实际的决策制定提供了有力工具。这对于电力系统的规划、管理和控制具有重要的理论价值和实践意义。