多目标进化算法的研究及其在负荷分配中的应用

论文摘要

在电力产业蓬勃发展的今天,随着一系列电力改革措施的实行,火电企业需要多角度深层次的考虑降低电厂运行成本。因此,在各发电机组间实行负荷优化分配,提高运行效率,降低生产成本具有重要意义。同时,随着电力市场的发展,现在的厂级负荷分配不仅要满足调度中的负荷要求,还要满足负荷调整时间的要求。除此之外,在火力发电过程中产生很多污染,如二氧化硫,氮氧化物,二氧化碳等。这些问题也越来越引起人们的关注。因此仅仅最小化发电成本已经不再是负荷调度唯一考虑的问题。采用多目标优化的方法对火电厂负荷分配问题进行研究具有重要意义。本文首先将混沌优化方法与遗传算法相结合,提出了一种新的实数编码的混沌遗传算法。该方法通过对简单遗传算法固有环节的改进以及对最优个体的再次优化,在一定程度上克服了遗传算法易于早熟、局部收敛的问题,提高了遗传算法的搜索能力,将其用于经济负荷分配问题,表明了其有效性。在求解多目标负荷分配问题时,相对于传统的权重法等,基于Pareto最优解概念的多目标进化算法具有明显优势,本文设计了两种多智能体多目标进化算法,并将其应用于多目标负荷分配问题。首先提出了用于求解多目标负荷分配问题的实数编码的多智能体多目标进化算法。在基于Pareto最优解概念的基础上,将多智能体技术与进化算法相结合,设计了针对多目标优化问题的邻域择优算子、邻域竞争算子等。同时,为了维持解集分布性,对具有最大聚集距离的个体进行了再次优化。其次将量子计算与多智能体技术相结合,提出了量子编码的多智能体多目标进化算法,并将其应用于多目标负荷分配问题。该算法在求解多目标负荷分配问题过程中可产生大量非支配解,通过自适应网格的方法,保留了最具代表性的个体。通过与经典算法的比较对两种算法的有效性进行了验证。论文的主要创新点有：1.设计一种实数编码的变尺度混沌遗传算法,并将其应用于经济负荷分配问题；2.将经典多目标进化算法应用于多目标经济负荷分配问题,并和权重法进行了比较；3.设计了用于求解多目标负荷分配问题的多智能体多目标进化算法；4.设计了多智能体量子多目标进化算法,并将其应用于多目标负荷分配问题。

论文目录

• 中文摘要
• Abstract
• 第一章 概论
• 1.1 选题背景及意义
• 1.2 进化算法概述
• 1.3 进化算法在火电厂负荷分配中的应用现状
• 1.4 本文的主要内容
• 第二章 火电机组负荷分配的数学模型
• 2.1 负荷分配经济指标
• 2.2 阀点效应
• 2.3 网损的计算
• 2.4 污染排放问题
• 2.5 快速性的考虑
• 2.6 经济负荷分配问题
• 2.7 环境经济负荷分配问题
• 2.8 考虑快速性与经济性的负荷分配问题
• 2.9 考虑经济、快速和污染排放的负荷分配问题
• 2.10 本章小结
• 第三章 混沌遗传算法及其在负荷分配问题中的应用
• 3.1 标准遗传算法
• 3.1.1 遗传算法基本概念
• 3.1.2 遗传算法基本流程
• 3.1.3 遗传算法的编码方式
• 3.1.4 遗传算法的适应度函数
• 3.1.5 遗传算子
• 3.2 混沌优化方法
• 3.3 混沌遗传算法
• 3.3.1 基于混沌序列的选择方式
• 3.3.2 基于混沌序列的变异方式
• 3.3.3 变尺度混沌优化方法
• 3.3.4 算法流程
• 3.4 混沌遗传算法在负荷分配中的应用
• 3.5 本章小结
• 第四章 多目标进化算法的研究及其在多目标负荷分配中的应用
• 4.1 多目标优化问题的描述
• 4.2 多目标进化算法发展概述
• 4.2.1 第一阶段
• 4.2.2 第二阶段
• 4.2.3 第三阶段
• 4.3 性能评价标准
• 4.4 几种经典多目标进化算法的性能比较
• 4.5 NSGA-Ⅱ在多目标负荷分配中的应用
• 4.5.1 NSGA-Ⅱ算法的约束处理
• 4.5.2 NSGA-Ⅱ算法在考虑经济和快速性的负荷分配问题中的应用
• 4.5.3 NSGA-Ⅱ算法在经济/环境负荷分配中的应用
• 4.5.4 NSGA-Ⅱ算法在考虑经济、快速和NOx排放负荷分配中的应用
• 4.6 本章小结
• 第五章 多智能体多目标进化算法及其在负荷分配中的应用
• 5.1 多智能体系统
• 5.1.1 智能体的概念
• 5.1.2 多智能体系统
• 5.2 多智能体多目标进化算法
• 5.2.1 用于多目标优化问题的多智能体系统
• 5.2.2 多智能体多目标进化算子
• 5.2.3 外部集中部分个体的优化
• 5.2.4 算法流程
• 5.3 最优折中解
• 5.4 MAMOEA在经济快速负荷分配问题中的应用
• 5.5 MAMOEA在环境经济负荷分配中的应用
• 5.6 本章小结
• 第六章 多智能体量子多目标进化算法及其在负荷分配中的应用
• 6.1 量子力学的基本概念
• 6.2 量子编码与量子计算
• 6.2.1 单量子比特
• 6.2.1 单量子比特
• 6.2.2 双量子比特和多量子比特
• 6.2.3 量子逻辑门
• 6.3 量子编码的多智能体
• 6.3.1 多智能体量子的局部环境与表示方法
• 6.3.2 多智能体量子的更新
• 6.4 多智能体量子多目标进化算法（MAQMOEA）
• 6.4.1 多智能体量子进化算子
• 6.4.2 对外部集代表性个体的保持策略
• 6.4.3 算法流程
• 6.5 MAQMOEA在环境/经济负荷分配中的应用
• 6.6 MAQMOEA在经济、环境、快速负荷分配中的应用
• 6.6 本章小结
• 第七章 结论与展望
• 7.1 主要工作和创新点
• 7.2 今后的研究内容
• 参考文献
• 致谢
• 攻读博士期间发表的学术论文
• 攻读博士期间参加的科研工作