将微电网运行的经济性和环保性作为目标进行优化调度,可促进两者的协同优化。在算法上,传统多目标粒子群算法(MOPSO)采用拥挤距离法寻找集群最优解,局部性强而全局性较差。为此,首先构造了引入模糊相似矩阵的多目标粒子群算法(FMOPSO),以提高算法的全局性;然后综合两算法的优点,提出了混合策略下的多目标粒子群算法(HSMOPSO)。结果表明:将一欧洲典型微电网作为优化调度对象,采用HSMOPSO算法求得的非劣解集不仅更贴近真实的Pareto最优前端,且分布广而均匀,并且具备良好的多样性;在微电网中引入储能技术后,优化结果更靠近坐标原点,实现了Pareto改善。研究结果验证了所提优化算法兼具良好的局部搜索能力与全局搜索能力,同时也论证了引入储能技术可显著促进微电网经济与环保的协同优化。 法的性能均有优劣，若能结合它们各自的优点，就能兼顾算法的全局性与局部性。为综合上述2种算法的优点，本文提出HSMOPSO算法，通过评估当前种群的全局性与局部性，自适应地调整寻优策略。当种群全局性差时，采用模糊相似矩阵法来增强粒子间的交互信息，从而提高全局搜索能力；当种群局部性差时，环保协同优化方法-电动折弯机数控滚圆机滚弧机张家港数控滚圆滚弧机采用拥挤距离法来减少粒子间的交互信息，从而提高局部搜索能力。本文对无储能和引入储能系统的2种方案分别进行分析，各方案下3种算法的优化结果如图7、图42种方案优化结果s图52种算法局部性隶属度的对，算法具有较好的局部性但全局性较弱；FMOPSO的优化结果虽然分布更广，多样性更好，但离真实的Pareto前端较远，算法具有较好的全局性，但局部性较弱；而HSMOPSO的优化结果在贴近真实的Pareto前端的同时保证了种群的多样性，算法兼具良好的局部性与全局性。造成3种算法性能差异的主要原因是，各算法在更新集群最优位置、剔除外部档案中的多余解时采取了不同的策略。其中，传统MOPSO采用拥挤距离法，本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 粒子间交互信息少，以牺牲全局性来提高局部性。FMOPSO采用模糊相似矩阵法，粒子间交互信息多，以牺牲局部性来提高全局性。而HSMOPSO采用混合策略，在迭代过程中通过对当前种群全局性与局部性进行监测，动态自适应控制粒子间交互信息的多少；即当种群局部性较差时，减少粒子间的交流，而当全局性较差时，增加粒子间的交流，从而均衡了算法的全局搜索能力与局部搜索能力。4结论1）文中评估了不同运行方案下经济与环保的协同优化程度，从Pareto改善的角度来定性分析。通过仿真，验证了储能装置的引入可显著促进电网中经济与环保的协同优化。2）在算法上，文中以粒子间交互信息的多少为线索，将模糊相似矩阵引入传统的多目标粒子群算法，提出FMOPSO，提高了算法的全局搜索能力。3）传统MOPSO的局部搜索能力强而全局性差；FMOPSO全局性虽强但局部性较差。文中结合两者优势，提出HSMOPSO算法，均衡了算法的全局性与局部性。环保协同优化方法-电动折弯机数控滚圆机滚弧机张家港数控滚圆滚弧机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/