10.13705/j.issn.1671-6833.2019.04.023
基于多学习多目标鸽群优化的动态环境经济调度
针对电力系统动态环境经济调度(DEED)问题,提出了一种基于多学习策略的多目标鸽群优化(MLMPIO)算法.在多学习策略中,种群个体可以向外部存档集中的多个全局最优位置以及个体的历史最优位置进行学习,进而保持种群的多样性和全局搜索能力,避免陷入早熟收敛.引入了小概率变异扰动机制,进一步增强种群的多样性.为提升算法的运行效率,采用容量自适应变化的外部存档集来存储当前Pareto最优解集.为验证所提算法的性能,将MLMPIO应用于10机组电力系统的DEED问题求解.仿真结果证明了MLMPIO算法解决此类问题的可行性和有效性.
环境经济调度、多目标优化、鸽群优化、多学习、小概率变异
40
TM734(输配电工程、电力网及电力系统)
国家自然科学基金资助项目61673404,61873292;河南省高等学校重点科研项目19A120014;河南省高校创新人才项目16HASTIT033;中国纺织工业联合会科技指导性项目计划2018104;河南省科技攻关项目182102210128;河南省高等学校青年骨干教师培养计划项目2018GGJS104
2019-07-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
8-14