双局部粒子群算法解决环境经济调度问题

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (11): 1-6.

双局部粒子群算法解决环境经济调度问题

瞿博阳1，3，梁静2，Ponnuthurai Nagaratnam Suganthan3

1.中原工学院电子信息学院，郑州 450007
2.郑州大学电气工程学院，郑州 450001
3.南洋理工大学电气电子工程学院，新加坡 639798

出版日期:2014-06-01 发布日期:2015-04-08

Two local best based multi-objective particle swarm optimization algorithm to solve environmental/economic dispatch problem

QU Boyang1，3, LIANG Jing2, Ponnuthurai Nagaratnam Suganthan3

1.School of Electric and Information Engineer, Zhongyuan University of Technology, Zhengzhou 450007, China
2.School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China
3.School of Electrical and Electronic Engineering, Nanyang Technological University, 639798, Singapore

Online:2014-06-01 Published:2015-04-08

摘要/Abstract

摘要： 提出一种基于双局部最优的多目标粒子群优化算法，与可行解为优的约束处理方法相结合，来求解决非线性带约束的多目标电力系统环境经济调度问题。该算法针对传统多目标粒子群算法多样性低的局限性，通过对搜索空间的分割归类来增加帕累托最优解的多样性;并采用一种新的双局部最优来引导粒子的搜索，从而增强了算法的全局搜索能力。算法加入了可行解为优的约束处理方法对IEEE30节点六发电机电力系统环境经济负荷分配模型分别在几个不同复杂性问题的情况进行仿真测试，并与文献中的其他算法进行了比较。结果表明，改进的算法能够在保持帕累托最优解多样性的同时具有良好的收敛性能，更有效地解决电力系统环境经济调度问题。

关键词: 环境/经济调度, 多目标优化, 粒子群优化, 约束处理方法

Abstract: A two local best based Multi-Objective Particle Swarm Optimization algorithm（2lb-MOPSO） is integrated with superiority of feasible solution constraint handling method in this paper to solve the nonlinear constrained multi-objective Environmental Economic Dispatch（EED） problem. One of the main drawbacks of classical multi-objective particle swarm optimization algorithm is low diversity. To overcome this disadvantage, the searching space is partitioned into fixed number of bins in the proposed algorithm. The algorithm uses two local best to lead the search particles which can increase the diversity of the population. The algorithm is combined with superiority of feasible solution constraint handling method and applied to the standard IEEE 30-bus six-generator test system. The performance is compared against several method obtained from the literature. The results show that the proposed algorithm is able to generate good performance in terms of both diversity and convergence in solving EED problems.

Key words: environmental/economic dispatch, multi objective optimization, particle swarm optimization, constraint handling method

瞿博阳1，3，梁静2，Ponnuthurai Nagaratnam Suganthan3. 双局部粒子群算法解决环境经济调度问题[J]. 计算机工程与应用, 2014, 50(11): 1-6.

QU Boyang1，3, LIANG Jing2, Ponnuthurai Nagaratnam Suganthan3. Two local best based multi-objective particle swarm optimization algorithm to solve environmental/economic dispatch problem[J]. Computer Engineering and Applications, 2014, 50(11): 1-6.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[4]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[5]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[6]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[7]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[8]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[9]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[10]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[11]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[12]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[13]	吴天纬，安斯光，孙崎岖，李梅，孙丽宏，申屠南瑛. 改进聚合树的高维多目标降维优化算法[J]. 计算机工程与应用, 2020, 56(21): 47-53.
[14]	王利利，张琳娟，尚雪宁，高德云. 计算智能在电动车充电站规划的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 1-10.
[15]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.