3 改進的粒子群優(yōu)化算法.....16

3.1 粒子群算法的起源..........16

3.2 標準粒子群算法.......16

3.3 改進的粒子群算法..........22

3.4 改進后的粒子群優(yōu)化算法的仿真與比較.........24

3.5 本章小結.....28

4 多目標粒子群優(yōu)化算法.....29

4.1 多目標優(yōu)化的定義..........29

4.2 常規(guī)多目標優(yōu)化算法......30

4.3 多目標粒子群算法..........32

4.4 多目標粒子群算法的仿真.....35

4.5 本章小結.....37

5.基于偏好的多目標粒子群算法的電力系統(tǒng)負荷分配......38

5.1 引言.......38

5.2 基于混合引導的偏好多目標的粒子群優(yōu)化算法....39

5.3 算法流程.....44

5.4 標準測試函數(shù)和仿真分析.....44

5.5 基于改進的 MOPSO 的電力系統(tǒng)負荷分配.....48

5.6 仿真分析.....50

5.7 本章小結.....53

5 基于偏好的多目標粒子群算法的電力系統(tǒng)負荷分配

對于傳統(tǒng)的電力系統(tǒng)來說，經濟負荷分配方式已經很難適合當前電力系統(tǒng)發(fā)展的要求。在當今環(huán)保問題日益受到重視的形式下，如何迅速而有效的減少電力系統(tǒng)的環(huán)境污染問題已經成為一個特別重要而且急需去解決的問題。在本章中，將改進多目標粒子群算法并應用到基于環(huán)境經濟模型的電力系統(tǒng)負荷分配中，使環(huán)境經濟能夠得到良好的平衡。

在多目標粒子群優(yōu)化算法中，為了獲取偏好區(qū)域的最優(yōu)解集，本節(jié)提出了一種新的引導方式，將參考點和參考區(qū)域引導方式緊密的結合在一起，提出了一種叫做基于混合引導的偏好多目標粒子群算法(HG-MOPSO)。該算法的核心是將參考點作為參考區(qū)域的圓心，在使參考點隨著迭代向 Pareto 前沿靠近的同時，動態(tài)調整參考區(qū)域的大小，使參考區(qū)域越來越小，這樣的目的是增加了選擇壓力，控制了偏好的范圍。除此之前，本文也提出了一種基于 g 支配的球扇占優(yōu)的概念，改進了傳統(tǒng)的 Pareto 最優(yōu)選取方式，實現(xiàn)對多目標優(yōu)化的非劣解有效搜索。另外，將第三章提出的改進 I-PSO 算法結合在一起，提出新的算法 HI-MOPSO，使優(yōu)化算法更加完美，同時可以充分滿足 EELD 系統(tǒng)的控制要求。