[发明专利]基于改进的MOEA/D的主动配电网日前高维目标优化调度方法

权利要求书

1.基于改进的MOEA/D的主动配电网日前高维目标优化调度方法，其特征在于，包括以下步骤：

S1、建立主动配电网日前高维目标优化调度模型的目标函数及相应约束条件，具体地以主动配电网运行总成本最小、系统有功网络损耗最小、电压偏移程度最小以及可再生能源的总出力削减率最小为目标函数，约束条件包括潮流有功与无功约束、节点电压约束、上级电网有功与无功约束、分布式电源有功出力约束、燃气轮机爬坡约束、储能系统约束、可控负荷中断量约束和电容器档位约束；

S2、采用改进的MOEA/D求解主动配电网日前高维目标优化调度模型，具体地包括以下过程：

S21、设置种群参数和电力系统参数，并选择m个目标函数f₁(x),...,f_m(x)进行优化，其中种群参数包括输入种群大小N，最大替换邻域大小T_max，交配邻域大小T₀＝T_max，最大迭代次数k和间隔代数Δgen，交叉概率CR、交叉率F、变异率prob；电力系统参数包括总调度时间T，调度时间间隔Δt，系统网络结构参数，决策变量上下限，分时电价信息，风机、光伏和负荷日前预测数据；

S22、初始化，包括以下过程：

S221、生成子问题的权重向量λ＝[λ¹,...,λ^N]，计算权重向量之间的欧氏距离，并对其进行排序，查找到距离每个权重向量最近的T₀个权重向量对应的子问题并作为其交配邻域，为每个子问题分配计算效用值pⁱ＝1,i＝1,...,N；

S222、在个调度时间段中，产生各个时段所有子问题的决策变量，此时第j个调度时间段所有子问题的决策变量为第i个子问题的决策变量为种群决策变量为x＝[x¹,...,x^N]，并进行约束处理，根据约束处理结果得到各个时间段下的每个子问题的每个目标函数的函数值，此时第j个调度时间段第i个子问题的目标函数值为其中，

S223、对于每个子问题，将每个目标函数的所有调度时间段的函数值分别累加，此时将FV＝[FV¹,...,FV^N]作为初始种群的目标函数值，并将所有子问题的所有调度时间段的决策变量记录下来作为当前种群的决策变量；

S224、产生初始理想点z^*＝(z₁,z₂,...,z_m)和参考点ref_max＝[max(f₁),...,max(f_m)]，ref_min＝[min(f₁),...,min(f_m)]，并初始化每个子问题的目标函数点距离理想点的目标函数点的水平距离和垂直距离gen为代数，此时gen＝0；

S23、进化与更新，包括以下过程：

S231、对于每子问题，随机产生一个0到1之间的数b，对于子问题i，如果bpⁱ,将该子问题的各个时刻的决策变量分别与其邻居子问题的对应时刻的决策变量进行交配，产生各个时刻的子代决策变量解并进行约束处理，根据约束处理结果得到各个时段下每个目标的函数值

S232、对于每个子问题，将该子问题的子代解y'_i的所有调度时段的各目标函数值分别相加，并将其作为该子代解y'_i的目标函数值；

S233、根据公式计算子问题的替换邻域大小T_r，T_max为迭代最终的替换邻居大小，γ为控制T_r增长的参数，k是最大迭代次数；计算权重向量之间的欧式距离，查找到距离每个权重向量最近的T_r个权重向量，对每个子问题i＝1,…,N，令是λⁱ最近的T_r个权重向量，B(i)是子问题i的替换邻域；

S234、将y'＝[y'₁,...,y'_N]代入到电网进行潮流计算，如果潮流收敛，那么种群的目标函数值为FV＝[FV¹,...,FV^N]，判断母线上所有节点的电压、包括平衡节点在内的发电机节点的有功功率和无功功率是否越限，若越限则采用外点罚函数法，将惩罚值计入目标函数值中；若潮流不收敛，令f₁(y'_i)＝10¹²,f₂(y'_i)＝10⁹,...,f_m(y'_i)＝10⁹；更新理想点z^*和参考点ref_max、ref_min，找到min(ge^tch(xⁱ|λ^l,z^*))，其中ge^tch(xⁱ|λ^l,z^*)为切比雪夫值，并将B(l)作为更新范围；对于s∈B(l),如果ge^tch(y'|λ^s,z^*)≤ge^tch(x^s|λ^s,z^*),令x^s＝y'，FV^s＝F(y')；如果bpⁱ,子问题i不进化；

S235、如果gen能被Δgen整除,则计算当前第gen代所有子问题的目标函数点与理想点的目标函数点之间的水平距离和垂直距离并根据公式计算每个子问题迭代Δgen次前后的聚合函数的变化量，其中，α为水平距离的权重，1-α为垂直距离的权重，以及根据公式计算每个子问题的效用值，即进化概率pⁱ，其中ε为一常数；

S24、判断是否满足终止条件，如果不满足，继续迭代；如果满足，则输出最终种群的决策变量PS{x¹,...,x^N}和目标函数值PF{F(x¹),...,F(x^N)}。