文章主要讨论了基于自调节粒子群算法在电力系统经济负荷分配中的应用，即通过算法的改进来解决电力系统运行中的重要优化问题——经济负荷分配问题。
文章指出，带阀点效应的经济负荷分配问题，其目标函数具有不连续、不可导、非凸、非线性等特点，同时还受到电力平衡和运行约束的制约，使得应用经典数学算法求解非常困难。这是因为在电力系统运行中，需要在满足电网的功率平衡、设备运行限制等条件的前提下，合理分配各个发电机组的发电功率，以达到经济运行的目的，即最小化燃料消耗或者成本。阀点效应是指在火力发电机组中，由于锅炉阀门的开闭动作导致的燃烧效率变化，使得机组的燃料消耗特性呈现非线性。这是一个典型的带非线性约束的优化问题。
为了解决这一问题，文章提出了一种自调节粒子群算法（Self-Adjusted Particle Swarm Optimization, SPSO）。粒子群优化算法是一种基于群体智能的优化算法，其基本思想是模拟鸟群捕食的行为，通过粒子之间的协作和竞争来实现问题的求解。每个粒子代表问题空间中的一个潜在解，它们在问题空间中追随最优粒子进行搜索。自调节粒子群算法在此基础上进一步优化，通过可行化调整机制保证解的可行性，并引入自适应变异算子提高解的多样性，防止算法早熟收敛，提高算法的寻优速度。
自调节粒子群算法的具体策略包括：第一，通过引入自适应变异算子，算法能够在搜索过程中根据个体的适应度变化来动态调整变异概率，这可以有效避免算法过早地陷入局部最优解，增强全局搜索能力。第二，可行化调整机制的引入，保证了算法在迭代搜索过程中始终维持解的可行性，即始终满足电力系统运行的约束条件。
文章中对提出的自调节粒子群算法进行了实际测试，包括三个经济负荷分配案例，并将得到的结果与其他智能算法得到的结果进行了比较。比较结果显示，该算法能够有效找到可行解，避免局部最优，且能实现问题的快速求解。
此外，文章还提到了这项研究得到的支持，即国家重点基础研究发展计划（973计划）项目，这表明了该研究的国家层面的支持和认可。
关键词部分提到了经济负荷分配、粒子群优化算法、阀点效应、变异以及电力系统等，这些都是该研究的关键点。其中经济负荷分配是指优化电厂内的发电功率分配，以实现经济运行；粒子群优化算法是研究中用来解决优化问题的方法；阀点效应是实际问题中的一个具体特点；变异是算法中用来提高搜索多样性的机制；而电力系统则是研究的应用背景。
文章主要探讨了一种改进的粒子群优化算法在电力系统经济负荷分配问题上的应用，详细解释了算法设计的动机、策略和验证过程。通过对算法的测试和评估，证明了该算法在处理此类优化问题上的有效性和优越性。
