新能源与高效节能

本发明公开了一种电力系统多目标粒子群优化调度方法，涉及电力系统优化问题领域。该方法通过将EED问题转化为MOPSO问题来求解，相当于煤耗和排放两目标优化问题。为了保证得到的最优解的多样性和均匀分布，即机组出力组合情况所对应的煤耗和排放量均匀地分散到Pareto前沿曲线上，改进了粒子的全局极值确定方法，具体的，在解决EED问题时，将稀疏距离和sigma方法结合起来，在一定概率下选取粒子全局极值，保持了种群多样性，从而防止种群陷入局部最优，进一步保证求得的Pareto最优解的均匀分布。提高了MOPSO的求解效率和精度，从而更好地解决了EED问题，可为发电企业的节能和减排提供新思路。

近年来，应用于EED问题的解决方案主要包括三类：一是将燃煤总量作为待优化问题的目标，而气体排放看作其中的约束条件，根据生产需要对其取值范围进行限制；二是将EED问题的两个待优化目标进行线性组合，即对煤耗和排放量使用一定的权重系数转化为单目标问题，利用传统优化技术求解；三是直接将EED作为多目标优化问题来求解，焦点集中在解决准最优解在目标空间的均匀分布和过早陷入局部最优等问题。

在确定EED问题最优机组出力的过程中，即寻找多目标优化问题的Pareto最优解时，主要的评价标准体现在两个方面：一是最终求得的机组出力即非劣解集尽量快速接近真实的Pareto前沿，二是在进化过程中保证机组出力组合即种群的多样性，以便保证最终所得机组出力组合对应更加多样化的煤耗值和排放值，即最优解集沿着Pareto前沿分布的均匀性。现有技术普遍存在种群多样性难以保持的问题，在迭代过程中难免出现陷入局部最优或者最优解分散不均的情况，原因在于目前MOPSO算法确定全局极值的常用方法为从精英档案中保存的已经找到的非劣解中随机选取。在此过程中，若出现多次重复选取相同的非劣解作为向导，将会引导粒子飞行方向单一，致使种群多样性难以保持，则机组出力组合将无法均匀分布，进而导致无法为调度决策人员提供更加丰富的解决方案。