(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111357034.2 (22)申请日 2021.11.16 (71)申请人 淮阴工学院 地址 223400 江苏省淮安市 涟水县海安路 10号安东大厦八楼 (72)发明人 王业琴　张艺怀　杨艳　胡冰垚　 耿涛　李文涛　洪程　薛鹏程　 (74)专利代理 机构 淮安市科文知识产权事务所 32223 代理人 吴晶晶　李锋 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) H02J 3/06(2006.01) H02J 3/26(2006.01)G06F 111/04(2020.01) G06F 111/06(2020.01) G06F 113/04(2020.01) (54)发明名称 一种基于差分演化的环境经济发电调度的 求解方法 (57)摘要 本发明公开一种基于差分演化的环境经济 发电调度的求解方法， 首先建立起环 境经济调度 数学； 初始阶段， 引入动态变异算子增强算法的 精确度， 之后对于多目标粒子群算法进行改进， 再将改进过的多目标粒子群算法应用到电力系 统的环境经济调度中， 同时， 根据帕累托占优条 件求出个体最优解， 求出它的非劣解集， 并对这 些解利用循环拥挤距离进行修剪； 最终这些解所 组成的归档集可以找到燃料花费的最小值和气 体排放的最小值。 与现有技术相比， 本发明使用 差分演化来增加帕累托最优解的多样性， 采用循 环拥挤距离来控制外部归档集大小， 提高了帕累 托均衡面的均匀性， 运行速度快， 具有良好的稳 定性， 易于工程实现， 在功率平衡中计及了网络 损耗。 权利要求书3页 说明书9页 附图1页 CN 114282427 A 2022.04.05 CN 114282427 A 1.一种基于 差分演化的环境经济发电调度求 解方法， 其特 征在于， 包括如下步骤： 步骤1： 建立环境经济调度 数学模型， 所述环境经济调度数学模型包括目标函数和约束 条件； 燃料花费和污染气体的排放最少为两个目标函数， 将功率平衡约束作为等式约束条 件， 机组发电容 量约束为 不等式约束条件； 步骤2： 在算法迭代的初始阶段， 增大粒子的变异概率来扩大算法的搜索区域， 动态变 异概率公式如下： 其中， cur rentgen表示当前代数， totalgen表示总的代数； 步骤3： 改进多目标粒子群算法， 选择多目标粒子群的个体最优解和全局最优解， 并求 解帕累托 最优前沿， 具体操作如下： 个体最优解： 在每代产生的非支配解集中， 采用差分演化算法的变异策略产生pop个 解， 形成新种群Q， 对其差分演化后进行比较后产生非劣解集， 将该非劣解集与当代支配解 集合并产生更新的Pareto 最优解集， 并加入外 部归档集中； 全局最优解： 粒子群在每次迭代过程中根据占优条件产生全局帕累托最优解集， 历史 帕累托最优解集初值等于全局帕累托解集初值， 之后 将每次迭代产生的全局帕累托最解集 根据稀疏程度进行排序， 选择帕累托 最优解中稀疏度最大的粒子作为全局最优解； 改善帕累托 最优前沿解的分布： 采用拥挤距离算法筛选帕累托最优前沿上的解； 设有两个子目标f1， f2， 设P[i] distance为个 体i的聚集距离， 则个 体i的函数值 为： P[i]distance＝(P [i+1]·f1‑P[i‑1]·f2)+(P[i+1]·f2‑P[i‑1]·f2) 为了避免单次拥挤排序算法的缺陷， 可加入动态算子， 采取循环拥挤排序法来改善 Pareto最优前沿的均匀性。 步骤4： 根据步骤3 中基于差分演化的改进多目标粒子群优化算法的环境经济发电调度 求解方法， 得到环境经济调度的帕累托 最优前沿； 步骤5： 在步骤4得到的帕累托最优前沿基础上， 采用模糊隶属度函数来表示每个帕累 托最优解中各个目标函数对应的满意度， 定义模糊隶属度函数如下： 式中， 当 μi＝0时表示对某个目标函数值完全不同意， 而 当 μi＝1时则表示对某个目标函 数值完全同意； 对于帕累托 解集中的每 个解， 应用下式求 解其标准化满意度值： 权　利　要　求　书 1/3 页 2 CN 114282427 A 2式中， M为帕累托最优解集中的个数； Nobj为目标函数个数， 最优折衷解即为具有最大化 标准满意度值 μk的解， 来辅助决策者选择兼顾经济和环境的最优调度方案 。 2.根据权利要求1所述的基于差分演化的环境经济发电调度求解方法， 其特征在于， 所 述步骤1中的目标函数和约束条件的具体的形式如下： 其中， ai， bi， ci为发电机组的系统系数； PGi为第i台发电机的有功功率； Fi(PGi)为第i台 发电机的耗量特性； PLOSS为系统网损； αi， βi， λi， ξi和γi为发电机组的系统系数； Ei(PGi)为第 i台发电机的排放量函数； 分别为第i台发电机的最小和最大有功功率输出； PM 为系统总负荷需求； PLOSS为系统网络损耗， Boo为一个标量， B为 N*N维矩阵。 3.根据权利要求1所述的基于差分演化的环境经济发电调度求解方法， 其特征在于， 所 述步骤3中对个体最优解求解的具体操作为： 对任意粒子pi， 随机选择两个粒子pi,r1和pi,r2， 新个体Zi定义为： Zi＝pi+F·(pi,r1+pi,r2) 其中， pi为第i个粒子的全局最优位置， pi,r1和pi,r2是当代非劣解集中的两个不同的个 体， i＝1,2,...,pop， pop是新个体个数； F为位于[0,1]之间的比例系数， 变异粒子为种群规 模的50％。 4.根据权利要求1所述的基于差分演化的环境经济发电调度求解方法， 其特征在于， 所 述步骤4包括以下步骤： 步骤4.1： 初始化： 初始化种群的速度和位置， 设置最大迭代次数K， 给定学习因子c1、 c2,惯性权重初值， 初始化各粒子的个体最优解、 种群的全局 最优解、 全局帕累托最优解集及历史帕累托最优 解集； 步骤4.2： 计算本次迭代的惯性权 重ω： 式中， Tmax为最大迭代次数， t为当前迭代次数， ωmax＝0.9,ωmin＝0.4； 步骤4.3： 根据目标函数和约束条件计算每 个粒子的网络损耗； 步骤4.4： 根据目标函数和约束条件计算每 个粒子的适应值； 步骤4.5： 更新各 粒子速度和位置：权　利　要　求　书 2/3 页 3 CN 114282427 A 3