混合DE-PSO算法：解决电力系统动态经济调度的多目标优化

本文主要探讨的是"基于混合DE-PSO多目标算法的动态环境经济调度"这一主题，它针对电力系统中复杂的问题——动态环境经济调度（DEED），这是一个具有多变量、强约束和非凸性质的多目标优化问题。传统方法在解决这类问题时往往效果不佳，因为其难以找到全局最优解。 文章提出了一种创新的解决方案，即结合微分进化（DE）算法的快速收敛性和粒子群优化（PSO）算法的广泛搜索能力，形成了一种混合DE-PSO算法。这个算法的关键在于运用外部存档集和Pareto占优原则，通过自适应参数调整DE和PSO双种群的更新策略，以及一种改进的Pareto解集裁剪方法，以提高优化效率和搜索精度。 作者还引入了三种不同的指标来评估算法的性能，包括收敛速度、解的质量和计算效率。为了帮助决策者在众多潜在解决方案中做出选择，文章采用了模糊决策技术，从Pareto前沿（代表所有最优解的集合）中挑选出最佳折中解，平衡了成本和排放这两个通常存在冲突的目标。 通过经典算例的仿真结果，混合DE-PSO算法显示出其在优化成本和排放方面的能力，相较于其他算法，它能获得更宽广且分布更均匀的Pareto前沿，这证明了该方法的有效性和优越性。此外，该研究还得到了国家自然科学基金项目的资金支持，进一步强调了其在能源领域的重要应用价值。 总结来说，这篇文章的主要贡献在于提出了一种有效的混合DE-PSO多目标优化算法，为电力系统的动态环境经济调度提供了新的解决策略，对于环保和经济目标的平衡，以及在实际电力系统运营中的应用具有重要意义。