[发明专利]求解环境经济调度问题的多目标灰色预测演化方法及系统

说明书

本发明涉及一种求解发电机组的环境经济调度问题的多目标灰色预测演化方法及系统。在利用本发明求解环境经济调度问题时具体包括以下主要步骤：种群初始化、种群繁殖、边界处理、选择操作、种群链更新、外部档案集维护、终止迭代判断。本发明引入了基于最大距离的领导者更新策略和基于稀疏方向的领导者指导策略来提高所获得的非支配前沿的均匀性和广泛性。

技术领域

本发明涉及及一种电力系统环境经济调度方法，具体涉及一种求解发电机组的环境经济调度问题的多目标灰色预测演化方法及系统。

背景技术

环境经济调度问题是在各发电机组间合理的利用现有的燃料能源和电力设备进行负荷分配，使总发电成本、总污染气体排放量最小。从而最大限度的减少资源消耗和污染气体排放，提高发电机组运行的经济性和环保性。

环境经济调度问题可以定义为一个高约束非线性多目标优化问题。目前，针对环境经济调度问题的研究已经取得了巨大进展，解决该问题的方法大致可以分为三类：早期经典优化法，加权求和法和多目标进化算法。首先，早期经典优化法通常通过将排放作为约束或作为整体调度问题目标的加权函数来处理环境经济调度问题。例如，采用了分段约简法和三次单纯形法相结合的线性规划技术来解决该问题，等等。然而，这种方法未考虑两个目标之间的平衡关系。其次，不同目标的线性组合作为加权和是解决环境经济调度问题的另一种常用方法。该方法通过适当的尺度化，将目标转化为单目标问题。这种方法一般采用固定形式的目标函数。尽管这种方法很容易实现，但是它需要多次运行，通过改变权重来获得非支配解。近十年来，随着多目标进化算法的发展，研究人员经常使用多目标进化算法同时处理含有两个相互竞争目标的环境经济调度问题。使用多目标进化算法求解环境经济调度问题最早可以追溯到20世纪90年代。此外，进化算法已经表明，它们能够克服传统方法的大部分缺点是由于进化算法是基于种群的优化技术，可以在一次运行中找到多个最优解。这一特性对于解决环境经济调度问题很有吸引力，因为需要找到多个解决方案来形成非支配前沿。迄今为止，基于进化算法求解环境经济调度问题的技术主要包括：基于遗传算法的方法，基于粒子群的方法，基于差分演化的方法，混合方法和其他进化方法。尽管有很多关于环境经济调度问题的出版物，然而，对于多目标进化算法求解该问题的研究尚处于起步阶段，依然存在很多不足，这些不足主要体现在所获得的非支配前沿的均匀性，广泛性和收敛性还不够好。

发明内容

本发明针对现有技术中存在的技术问题，提供一种求解环境经济调度问题的多目标灰色预测演化方法及系统。环境经济调度问题是在各发电机组间合理的利用现有的燃料能源和电力设备进行负荷分配，使总发电成本、总污染气体排放量最小。从而最大限度的减少资源消耗和污染气体排放，提高发电机组运行的经济性和环保性。本发明在多目标灰色预测演化算法中引入了两个学习策略来提高所获得的非支配前沿的均匀性和广泛性。一个是基于最大距离的领导者更新策略，另一个是基于稀疏方向的领导者指导策略。此外，本发明利用特殊的约束处理技术来处理环境经济调度问题的约束。

本发明解决上述技术问题的技术方案如下：

第一方面，本发明提供一种求解环境经济调度问题的多目标灰色预测演化方法，包括以下步骤：

步骤1，根据实际发电机组情况，设置多目标灰色预测演化算法所需的参数，所述参数包括：种群大小、问题维度、上下边界、外部档案集容量、最大迭代次数和差分阈值；

步骤2，种群初始化：基于灰色预测演化算法以及发电机组的环境经济调度数学模型，初始化前三代种群，构建初始种群链Pc＝{P1,P2,P3}以及外部档案集；所述发电机组的环境经济调度数学模型包括目标函数和约束函数；

步骤3，种群繁殖：基于外部档案集中每个解的最大距离的领导者更新策略来更新个体领导者；从构成种群链的三个种群中分别随机选择一个个体，计算任意两个个体对应维度的差的绝对值，若最大的绝对值大于差分阈值th，则使用均值灰色模型来产生新的个体；否则，使用基于稀疏标记的领导者指导策略来产生新的个体；