基于多目標(biāo)智能算法的節(jié)能減排發(fā)電調(diào)度研究.pdf

1、本文在節(jié)能減排背景下,綜合考慮最小化機(jī)組煤耗量和污染物排放量。提出了基于改進(jìn)MOPSO算法的多目標(biāo)負(fù)荷調(diào)度模型和基于多目標(biāo)混合進(jìn)化粒子群算法的機(jī)組組合問題優(yōu)化模型。
　　 基于改進(jìn)MOPSO算法的多目標(biāo)負(fù)荷調(diào)度模型的設(shè)計(jì)思路為:引入半可行域的概念處理約束條件,避免了懲罰因子復(fù)雜的選取過程；采用精英歸檔技術(shù)構(gòu)建外部檔案集和個(gè)體非支配解集,提高算法的收斂速度和解的質(zhì)量；采用自適應(yīng)網(wǎng)格法維護(hù)外部檔案集,獲得了分布均勻的Pareto前沿

2、；提出了基于半可行域概念的個(gè)體極值和全局極值選取規(guī)則。利用該方法對(duì)某電廠六臺(tái)機(jī)組系統(tǒng)進(jìn)行節(jié)能減排最優(yōu)負(fù)荷調(diào)度,獲得了分布良好的Pareto最優(yōu)解,有效降低了系統(tǒng)煤耗和污染物排放量,分析結(jié)果驗(yàn)證了該方法的有效性和可行性。
　　 基于多目標(biāo)混合進(jìn)化粒子群算法的機(jī)組組合問題優(yōu)化模型將多目標(biāo)機(jī)組組合優(yōu)化問題,轉(zhuǎn)化為機(jī)組運(yùn)行狀態(tài)0-1整數(shù)規(guī)劃和多目標(biāo)負(fù)荷調(diào)度連續(xù)變量規(guī)劃二層子問題,分別采用MOEA和改進(jìn)MOPSO算法加以求解。設(shè)計(jì)思路包括

3、:啟發(fā)式方法生成初始種群,有效提高算法收斂速度；對(duì)外部檔案集個(gè)體進(jìn)行非劣排序,采用基于非劣排序的輪盤賭法選擇父代個(gè)體繁殖后代,保留了種群中的較好個(gè)體；采用行交叉和列交叉的方法對(duì)種群進(jìn)行交叉操作,提高進(jìn)化算法的探索能力；在變異操作中,考慮了開機(jī)過多情況下關(guān)停小機(jī)組,提高了算法的收斂速度；采用改進(jìn)自適應(yīng)網(wǎng)格法維護(hù)外部檔案集；應(yīng)用改進(jìn)MOPSO算法求解多目標(biāo)負(fù)荷調(diào)度問題,同時(shí)引入并行計(jì)算概念,將求解多個(gè)個(gè)體的多目標(biāo)負(fù)荷調(diào)度問題并行化,大幅提升