基于混合DE-PSO算法的动态环境下多目标经济调度

简介：
本研究提出了一种结合差分进化与粒子群优化的混合算法，旨在解决动态环境下的多目标经济调度问题，提高电力系统的运行效率和经济性。 电力系统中的动态环境经济调度（DEED）是一个复杂的多目标优化问题，具有多个变量、严格的约束条件以及非凸特性，传统方法难以有效求解。为此，本段落提出了一种结合微分进化算法(DE)的快速收敛特性和粒子群优化(PSO)算法搜索多样性的混合DE-PSO多目标优化策略来解决DEED问题。该策略利用外部存档集和Pareto占优原则，并采用自适应参数设置下的双群体更新机制以及改进的Pareto解集裁剪方法。 为了评估所提出的方法，我们引入了三种评价指标并借助模糊决策技术从生成的Pareto前沿中选择出折衷方案供决策者参考。通过经典算例的仿真测试表明，该算法能够同时优化成本和排放这两个相互矛盾的目标，并且相较于其他算法获得了更为宽广且均匀分布的Pareto前沿，充分体现了所提方法的有效性和优越性。