本申請實施例涉及智能電網(wǎng)
技術(shù)領(lǐng)域：
，更具體的涉及一種多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法和裝置。
背景技術(shù)：
：電力系統(tǒng)經(jīng)濟環(huán)境調(diào)度是能量管理系統(tǒng)的主要內(nèi)容，在一些具體環(huán)境下電力系統(tǒng)經(jīng)濟環(huán)境調(diào)度在概念范疇上等同于發(fā)電計劃，發(fā)電計劃包括發(fā)電機組合、水火電計劃、交換計劃、檢修計劃和燃料計劃等；按周期其有：超短期計劃，即自動發(fā)電控制，短期發(fā)電計劃，即日或周的計劃；中期發(fā)電計劃，即月至年的計劃與修正；長期計劃，即數(shù)年至數(shù)十年的計劃，包括電源發(fā)展規(guī)劃和網(wǎng)絡(luò)發(fā)展規(guī)劃等。近年來，隨著環(huán)境污染問題的日益凸顯，各火電廠在追求發(fā)電效益的同時更多地考慮了廢氣的減排，并紛紛制定了污染氣體排放限制法規(guī)。電力系統(tǒng)經(jīng)濟環(huán)境調(diào)度也由傳統(tǒng)的單目標(biāo)經(jīng)濟調(diào)度更多地轉(zhuǎn)向了環(huán)境經(jīng)濟調(diào)度(EnvironmentalEconomicloadDispatch，EED)。EED問題是一個多目標(biāo)優(yōu)化問題，須在滿足各種約束的前提下對費用和排放這兩個相互約束、沖突的目標(biāo)進行優(yōu)化。對于實際的電力系統(tǒng)往往不是簡單的單一區(qū)域而是多區(qū)域，各個區(qū)域通過聯(lián)絡(luò)線互聯(lián)起來，所以多區(qū)域經(jīng)濟環(huán)境調(diào)度的目標(biāo)是在滿足電力需求、發(fā)電機的運行特征、聯(lián)絡(luò)線傳輸功率等約束下，尋求電力系統(tǒng)的發(fā)電能力和各區(qū)域之間的電力交換，從而給電力系統(tǒng)調(diào)度人員提供一系列的決策進行經(jīng)濟環(huán)境調(diào)度。目前量子粒子群(Quantum-behavedParticleSwarmOptimizationAlgorithm,QPSO)算法被用于解決多區(qū)域經(jīng)濟環(huán)境調(diào)度問題，但是由于量子粒子群本身具有在尋優(yōu)過程容易陷入局部最優(yōu)的缺點，量子粒子群算法找出的帕累托前沿分布較窄且分布不均，得到的解決方案缺乏多樣性，無法讓決策者做出更為合理的決策判斷。技術(shù)實現(xiàn)要素：有鑒于此，本發(fā)明提供了一種多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法和裝置，以克服現(xiàn)有技術(shù)中量子粒子群算法本身具有在尋優(yōu)過程容易陷入局部最優(yōu)的缺點，量子粒子群算法找出的帕累托前沿分布較窄且分布不均，得到的解決方案缺乏多樣性，無法讓決策者做出更為合理的決策判斷的問題。為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法，包括：S1、建立多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型，所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型包括兩個目標(biāo)函數(shù)、兩個不等式約束條件以及等式約束條件，其中：兩個目標(biāo)函數(shù)式分別為：F=Σi=1NΣj=1MiFij(Pij)=Σi=1NΣj=1Miaij+bijPij+cijPij2+Σi=1NΣr=1,r≠iN1/2·tir|Tir|]]>E=Σi=1NΣj=1MiEij(Pij)=Σi=1NΣj=1Miαij+βijPij+γijPij2+ξijexp(λijPij)]]>其中Fij(Pij)是第i個區(qū)域的第j臺發(fā)電機的費用函數(shù)，aij、bij、cij分別是第i個區(qū)域的第j臺發(fā)電機的費用系數(shù)，tir為第i區(qū)域到第r區(qū)域之間聯(lián)絡(luò)線的傳輸費用系數(shù)，Eij(Pij)是第i個區(qū)域的第j臺發(fā)電機的排放函數(shù)，αij、βij、γij、ξij、λij分別是第i個區(qū)域的第j臺發(fā)電機的排放系數(shù)，N是所述多區(qū)域的區(qū)域的數(shù)量，Mi是第i個區(qū)域的發(fā)電機數(shù)量，Pij是第i個區(qū)域的第j臺發(fā)電機所發(fā)出的實際功率；i、r和j為大于等于1的正整數(shù)；所述不等式約束條件分別為：其中，分別為第i個區(qū)域的第j臺發(fā)電機所能發(fā)出的最大功率和最小功率；Tir,min≤Tir≤Tir,max,i＝1,2,....,N,r＝1,2,.....N,i≠r，N為大于等于1的正整數(shù)；其中，Tir,minTir,max分別是從第i個區(qū)域傳輸功率到第r個區(qū)域的最小功率和最大功率；所述等式約束條件包括：Σj=1MiPij=PDi+Σr=1,r≠iNTir,r=1,2,....,N;]]>其中，PDi是第i個區(qū)域的負(fù)荷要求，Tir是從第i個區(qū)域通過聯(lián)絡(luò)線傳輸?shù)降趓個區(qū)域的功率；S2、基于所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型初始化所述兩個目標(biāo)函數(shù)中Pij的值和Tir的值，獲得包含Z個粒子的初始種群，每一所述粒子包括滿足所述兩個目標(biāo)函數(shù)的一組Pij和Tir的值，以及預(yù)先設(shè)置最大迭代次數(shù)，第一運算算子、第二運算算子和第三運算算子，將所述初始種群作為首次迭代的第一父代種群，Z為大于等于2的正整數(shù)；S3、將所述第一父代種群中每一粒子執(zhí)行第一運算算子，獲得由Z個粒子組成的第一子代種群，合并所述第一子代種群和所述第一父代種群，獲得第一合并種群，對所述第一合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行所述第二運算算子的第二父代種群；S4、將所述下第二父代種群中每一粒子執(zhí)行第二運算算子，獲得由Z個粒子組成的第二子代種群，合并所述第二子代種群和所述第二父代種群，獲得第二合并種群，對所述第二合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行所述第三運算算子的第三父代種群；S5、將所述第三父代種群中每一粒子執(zhí)行第三運算算子，獲得由Z個粒子組成的第三子代種群，合并所述第三子代種群和所述第三父代種群，獲得第三合并種群，對所述第三合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為非首次迭代時執(zhí)行所述第一運算算子的第一父代種群；S6、若當(dāng)前迭代次數(shù)大于所述最大迭代次數(shù)，則輸出最大迭代次數(shù)對應(yīng)的第一父代種群，若所述當(dāng)前迭代次數(shù)小于等于所述最大迭代次數(shù)時，返回步驟S3。一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化裝置，包括：構(gòu)建模塊，用于建立多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型，所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型包括兩個目標(biāo)函數(shù)、兩個不等式約束條件以及等式約束條件，其中：兩個目標(biāo)函數(shù)式分別為：F=Σi=1NΣj=1MiFij(Pij)=Σi=1NΣj=1Miaij+bijPij+cijPij2+Σi=1NΣr=1,r≠iN1/2·tir|Tir|]]>E=Σi=1NΣj=1MiEij(Pij)=Σi=1NΣj=1Miαij+βijPij+γijPij2+ξijexp(λijPij)]]>其中Fij(Pij)是第i個區(qū)域的第j臺發(fā)電機的費用函數(shù)，aij、bij、cij分別是第i個區(qū)域的第j臺發(fā)電機的費用系數(shù)，tir為第i區(qū)域到第r區(qū)域之間聯(lián)絡(luò)線的傳輸費用系數(shù)，Eij(Pij)是第i個區(qū)域的第j臺發(fā)電機的排放函數(shù)，αij、βij、γij、ξij、λij分別是第i個區(qū)域的第j臺發(fā)電機的排放系數(shù)，N是所述多區(qū)域的區(qū)域的數(shù)量，Mi是第i個區(qū)域的發(fā)電機數(shù)量，Pij是第i個區(qū)域的第j臺發(fā)電機所發(fā)出的實際功率；i、r和j為大于等于1的正整數(shù)；所述不等式約束條件分別為：其中，分別為第i個區(qū)域的第j臺發(fā)電機所能發(fā)出的最大功率和最小功率；Tir,min≤Tir≤Tir,max,i＝1,2,....,N,r＝1,2,.....N,i≠r，N為大于等于1的正整數(shù)；其中，Tir,minTir,max分別是從第i個區(qū)域傳輸功率到第r個區(qū)域的最小功率和最大功率；所述等式約束條件包括：Σj=1MiPij=PDi+Σr=1,r≠iNTir,r=1,2,....,N;]]>其中，PDi是第i個區(qū)域的負(fù)荷要求，Tir是從第i個區(qū)域通過聯(lián)絡(luò)線傳輸?shù)降趓個區(qū)域的功率；第一獲取模塊，用于基于所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型初始化所述兩個目標(biāo)函數(shù)中Pij的值和Tir的值，獲得包含Z個粒子的初始種群，每一所述粒子包括滿足所述兩個目標(biāo)函數(shù)的一組Pij和Tir的值，以及預(yù)先設(shè)置最大迭代次數(shù)，第一運算算子、第二運算算子和第三運算算子，將所述初始種群作為首次迭代的第一父代種群，Z為大于等于2的正整數(shù)；第二獲取模塊，用于將所述第一父代種群中每一粒子執(zhí)行第一運算算子，獲得由Z個粒子組成的第一子代種群，合并所述第一子代種群和所述第一父代種群，獲得第一合并種群，對所述第一合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行所述第二運算算子的第二父代種群；第三獲取模塊，用于將所述下第二父代種群中每一粒子執(zhí)行第二運算算子，獲得由Z個粒子組成的第二子代種群，合并所述第二子代種群和所述第二父代種群，獲得第二合并種群，對所述第二合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行所述第三運算算子的第三父代種群；第四獲取模塊，用于將所述第三父代種群中每一粒子執(zhí)行第三運算算子，獲得由Z個粒子組成的第三子代種群，合并所述第三子代種群和所述第三父代種群，獲得第三合并種群，對所述第三合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為非首次迭代時執(zhí)行所述第一運算算子的第一父代種群；返回模塊，用于若當(dāng)前迭代次數(shù)大于所述最大迭代次數(shù)，則輸出所述最大迭代次數(shù)對應(yīng)的第一父代種群，若所述當(dāng)前迭代次數(shù)小于等于所述最大迭代次數(shù)時，返回所述第二獲取模塊。經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明實施例提供了一種多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法，通過第一運算算子、第二運算算子和第三運算算子不斷的第一父代種群、第二父代種群和第三父代種群進行迭代，從而能夠獲得具有多種不同類型的粒子，即解決方案的種群，從而改善了現(xiàn)有技術(shù)中量子粒子群算法容易陷入局部最優(yōu)的缺點，提高了多區(qū)域經(jīng)濟環(huán)境調(diào)度的效果。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。圖1為本申請實施例提供的一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法的流程示意圖；圖2為本申請實施例提供的基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法實施例中執(zhí)行選擇操作的一種實現(xiàn)方式的方法流程圖；圖3為本申請實施例提供的一種各區(qū)域聯(lián)絡(luò)及負(fù)荷分布示意圖；圖4為本申請實施例提供的利用NSVAQPSO算法與利用其它算法的帕累托前沿對比圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。請參閱圖1，為本申請實施例提供的一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法的流程示意圖，該方法包括：步驟S1：建立多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型，所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型包括兩個目標(biāo)函數(shù)、兩個不等式約束條件以及等式約束條件，其中：兩個目標(biāo)函數(shù)式分別為：經(jīng)濟目標(biāo)函數(shù)F和排放目標(biāo)行數(shù)E：F=Σi=1NΣj=1MiFij(Pij)=Σi=1NΣj=1Miaij+bijPij+cijPij2+Σi=1NΣr=1,r≠iN1/2·tir|Tir|]]>E=Σi=1NΣj=1MiEij(Pij)=Σi=1NΣj=1Miαij+βijPij+γijPij2+ξijexp(λijPij)]]>其中Fij(Pij)是第i個區(qū)域的第j臺發(fā)電機的費用函數(shù)，aij、bij、cij分別是第i個區(qū)域的第j臺發(fā)電機的費用系數(shù)，tir為第i區(qū)域到第r區(qū)域之間聯(lián)絡(luò)線的傳輸費用系數(shù)，Eij(Pij)是第i個區(qū)域的第j臺發(fā)電機的排放函數(shù)，αij、βij、γij、ξij、λij分別是第i個區(qū)域的第j臺發(fā)電機的排放系數(shù)，N是所述多區(qū)域的區(qū)域的數(shù)量，Mi是第i個區(qū)域的發(fā)電機數(shù)量，Pij是第i個區(qū)域的第j臺發(fā)電機所發(fā)出的實際功率；i、r和j為大于等于1的正整數(shù)?？紤]發(fā)電機閥點效應(yīng)的經(jīng)濟目標(biāo)函數(shù)F還可以為：其中，eij、fij分別是第i個區(qū)域的第j臺發(fā)電機的費用系數(shù)，出于對比其他算法需要，本案例與其它現(xiàn)有研究一致不考慮發(fā)電機的閥點效應(yīng)，故eij、fij為零，所以未將寫在經(jīng)濟目標(biāo)函數(shù)中。在建立目標(biāo)函數(shù)時，需要考慮發(fā)電機功率限制、區(qū)域功率平衡的電力系統(tǒng)多區(qū)域經(jīng)濟環(huán)境調(diào)度問題，同時考慮區(qū)域之間聯(lián)絡(luò)線傳輸功率的限制，從而可以得到不等式約束條件和等式約束條件。所述不等式約束條件分別為：其中，分別為第i個區(qū)域的第j臺發(fā)電機所能發(fā)出的最大功率和最小功率。Tir,min≤Tir≤Tir,max,i＝1,2,....,N,r＝1,2,.....N,i≠r，N為大于等于1的正整數(shù)。其中，Tir,minTir,max分別是從第i個區(qū)域傳輸功率到第r個區(qū)域的最小功率和最大功率。在本申請實施例中設(shè)定，若功率是從第i個區(qū)域傳輸?shù)降趓個區(qū)域，則Tir是正數(shù)，反之則Tir為負(fù)數(shù)。將Tir稱為聯(lián)絡(luò)線功率。所述等式約束條件包括：Σj=1MiPij=PDi+Σr=1,r≠iNTir,r=1,2,....,N;]]>其中，PDi是第i個區(qū)域的負(fù)荷要求，Tir是從第i個區(qū)域通過聯(lián)絡(luò)線傳輸?shù)降趓個區(qū)域的功率。步驟S2：基于所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型初始化所述兩個目標(biāo)函數(shù)中Pij的值和Tir的值，獲得包含Z個粒子的初始種群，每一所述粒子包括滿足所述兩個目標(biāo)函數(shù)的一組Pij和Tir的值，以及預(yù)先設(shè)置最大迭代次數(shù)，第一運算算子、第二運算算子和第三運算算子，將所述初始種群作為首次迭代時第一運算算子的第一父代種群，Z為大于等于2的正整數(shù)。在進行種群初始化時，需要選取種群大小Z，然后根據(jù)各個發(fā)電機的功率上限、各個發(fā)電機所的功率下限、聯(lián)絡(luò)線功率上限、聯(lián)絡(luò)線功率下限來隨機生成滿足兩個目標(biāo)函數(shù)的發(fā)電機的功率值和聯(lián)絡(luò)線功率值，從而組成一定數(shù)量的初始種群。每一粒子即為一種解決方案，種群就是包括多種解決方案的集合。步驟S3：將所述第一父代種群中每一粒子執(zhí)行第一運算算子，獲得由Z個粒子組成的第一子代種群，合并所述第一子代種群和所述第一父代種群，獲得第一合并種群，對所述第一合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第二運算算子的第二父代種群?？蛇x的，在步驟S3之前還可以包括：判斷當(dāng)前迭代次數(shù)是否為首次迭代次數(shù)(例如1)，若是，則將所述第一父代種群作為所述第一合并種群；若否，則執(zhí)行步驟S3的操作。當(dāng)將初始種群作為第一合并種群時，獲得的第二父代種群中包含的粒子與初始種群中粒子是一樣的，只是排列順序不同。步驟S4：將所述下第二父代種群中每一粒子執(zhí)行第二運算算子，獲得由Z個粒子組成的第二子代種群，合并所述第二子代種群和所述第二父代種群，獲得第二合并種群，對所述第二合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第三運算算子的第三父代種群。步驟S5：將所述第三父代種群中每一粒子執(zhí)行第三運算算子，獲得由Z個粒子組成的第三子代種群，合并所述第三子代種群和所述第三父代種群，獲得第三合并種群，對所述第三合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第一運算算子的第一父代種群。步驟S6：若當(dāng)前迭代次數(shù)大于所述最大迭代次數(shù)，則輸出最大迭代次數(shù)對應(yīng)的第一父代種群，若所述當(dāng)前迭代次數(shù)小于等于所述最大迭代次數(shù)時，返回步驟S3。本發(fā)明實施例提供的基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法中，通過第一運算算子、第二運算算子和第三運算算子不斷的第一父代種群、第二父代種群和第三父代種群進行迭代，從而能夠獲得具有多種不同類型的粒子，即解決方案的種群，從而改善了現(xiàn)有技術(shù)中量子粒子群算法容易陷入局部最優(yōu)的缺點，提高了多區(qū)域經(jīng)濟環(huán)境調(diào)度的效果。本申請實施例中通過第一運算算子、第二運算算子和第三運算算子不斷的第一父代種群、第二父代種群和第三父代種群進行迭代，使得將原有的粒子最優(yōu)解和全局粒子最優(yōu)解的競爭策略改為帕累托最優(yōu)前沿競爭策略，使得量子粒子群容易陷入帕累托局部最優(yōu)解的缺點得到改善，使得所求得的粒子更接近帕累托全局最優(yōu)解，在帕累托解集分布更為均勻的同時有效的防止了帕累托最優(yōu)解的丟失，提高了多區(qū)域經(jīng)濟環(huán)境調(diào)度的效果。本申請實施例還提供了一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法中步驟S2的一種實現(xiàn)方方法，該方法包括：確定每一粒子包括的滿足所述兩個目標(biāo)函數(shù)的一組Pij和Tij的個數(shù)之和為D，即所述個數(shù)D稱為空間維數(shù)。確定所述初始種群包含粒子的個數(shù)為Z。確定第一運算算子、第二運算算子和第三運算算子。在D維空間內(nèi)隨機初始化所述兩個目標(biāo)函數(shù)中Pij的值和Tir的值，獲得包括Z個粒子的初始種群A，其中，第i個粒子為Ai＝[Pi1,Pi2,...PiD]，i∈(1,Z)。根據(jù)以下公式隨機生成所述初始種群A。Pij=Pijmin+(Pijmax-Pijmin).rand(0,1),i=1,2,3,...,M,j=1,2,3,...,MiTir=Tirmin+(Tirmax-Tirmin).rand(0,1),i=1,2,3,...,N,r=1,2,3,...,N,i≠r]]>rand(0,1)為一個0～1的隨機數(shù)。本申請實施例還提供了一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法中步驟S3的一種實現(xiàn)方方法，該方法包括：獲取所述第一父代種群。對所述第一父代種群中的每個粒子執(zhí)行第一運算算子的操作：son1(i,:)＝r1*parent1(i,:)+(1-r1)*parentbest1，其中r1為0～1的隨機數(shù)，parent1(i,:)表示所述第一父代種群中第i個粒子，son1(i,:)表示所述第一子代種群中第i個粒子，son1(i,:)為對所述第一父代種群中的第i個粒子執(zhí)行一次所述第一運算算子后所得到的所述第一子代種群中的第i個粒子，parent1為所述第一父代種群，parentbest1為所述第一父代種群中位于非劣解等級最高的非劣層且擁擠距離最大的非劣解集中任一粒子，擁擠距離表明了粒子在空間分布的擁擠狀態(tài)。合并所述第一子代種群和所述第一父代種群，獲得第一合并種群，對所述第一合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第二運算算子的第二父代種群。本申請實施例還提供了一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法中步驟S4的一種實現(xiàn)方方法，該方法包括：獲取所述第二父代種群。生成一個0～1的隨機數(shù)R2，比較所述隨機數(shù)R2與預(yù)先設(shè)定的交叉概率probability2；若R2>probability2，對于所述第二父代種群中每一粒子執(zhí)行所述第二運算算子：Son2(i,：)＝parent2(i,：)+(0.5+log10((1+2*abs(maxgen-m)/maxgen)))*abs(mparentbest2-parent2(i,：))*log(1/u)；若R2<probability2，對于所述第二父代種群中每一粒子執(zhí)行所述第二運算算子：son(i,：)＝parent2(i,：)-(0.5+log10((1+2*abs(maxgen-m)/maxgen)))*abs(mparentbest2-parent2(i,：))*log(1/u)；其中，parent2(i,：)表示所述第二父代種群中第i個粒子，son2(i,:)表示所述第二子代種群中第i個粒子，maxgen為所述最大迭代次數(shù)，m為當(dāng)前的迭代次數(shù)，son2(i,:)為對所述第二父代種群中的第i個粒子parent(i,:)執(zhí)行一次所述第二運算算子后所得到的所述第二子代種群中的第i個粒子，mparentbest為所述第二父代種群中位于非劣解等級最高的非劣層且擁擠距離最大的非劣解集中的最優(yōu)平均粒子。合并所述第二子代種群和所述第二代父代種群，獲得第二合并種群，對所述第二合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第三運算算子的第三父代種群。本申請實施例還提供了一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法中步驟S5的一種實現(xiàn)方方法，該方法包括：獲取所述第三父代種群。生成一個0～1的隨機數(shù)R3，比較所述隨機數(shù)R3與預(yù)先確定的交叉概率probability3。若R3>probability3，則對于所述第三父代種群中每一粒子執(zhí)行所述第三運算算子：s(m)＝1-rand()^((1-m/maxgen)^3)；low＝parent3(i,：)-s(m)*(parent3(i,:)-field(2,:))；high＝parent3(i,：)+s(m)*(field(1,:)-parent3(i,:))；son3(i,:)＝rand()*(high-low)+low；若R3<＝probability3,則將所述第三父代種群直接作為非首次迭代時執(zhí)行第一運算算子的第一父代種群。其中，parent3(i,：)表示所述第三父代種群的第i個粒子，son3(i,:)表示所述第三子代種群的第i個粒子，rand()為0～1的隨機數(shù)，son(i,:)為對所述第三父代種群中的第i個粒子parent3(i,:)執(zhí)行一次所述第三運算算子后所得到的所述第三子代種群中的第i個粒子，maxgen為所述最大迭代次數(shù)，m為當(dāng)前的迭代次數(shù)，field(2,:)為粒子各空間維數(shù)的下限，field(1,:)為粒子各空間維數(shù)的上限。合并所述第三子代種群和所述第三代父代種群，獲得第三合并種群，對所述第三合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為所述非首次迭代時執(zhí)行第一運算算子的第一父代種群。請參閱圖2，為本申請實施例提供的基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法實施例中執(zhí)行選擇操作的一種實現(xiàn)方式的方法流程圖，該方法包括：步驟S201：確定懲罰系數(shù)f以及懲罰系數(shù)g。步驟S202：將合并種群中各粒子分別代入以下公式，計算所述合并種群中各粒子分別對應(yīng)的適應(yīng)度值(F’，E’)，所述合并種群為第一合并種群、第二合并種群或第三合并種群。F,=Σi=1N(Σj=1MiFij+Σr=1,r≠iNtirTir+|Σj=1MiPij+Σr=1,r≠iNTir-PDi|×f);]]>E,=Σi=1N(Σj=1MiEij+|Σj=1MiPij+Σr=1,r≠iNTir-PDi|×g).]]>步驟S203：依據(jù)各粒子分別對應(yīng)的適應(yīng)度值(F’，E’)對各粒子進行快速非劣解排序，以便所述合并種群中各粒子分為多個非劣層，每一非劣層包含一個或多個具有相同非劣解等級的粒子。非劣解排序是指依據(jù)非劣解水平對合并種群中的各粒子依據(jù)非劣解等級進行分層，獲得多個非劣層，位于同一非劣解的粒子具有相同的非劣解等級，非劣解排序起到了指引搜索向Pratuo最優(yōu)解集方向前進。非劣解排序是一個循環(huán)的非劣解分級過程：首先，將合并種群中各粒子分別對應(yīng)的適應(yīng)度值(F’，E’)相比較，按照適應(yīng)度值非支配順序進行排序。由于適應(yīng)度值包括兩個值，在排序時，可以比較任一值，假設(shè)合并種群包括3個粒子，粒子1對應(yīng)的適應(yīng)度值為(1,2)，粒子2對應(yīng)的適應(yīng)度值為(2,1)，粒子3對應(yīng)的適應(yīng)度值為(4,3)，那么粒子1和粒子2位于同一非劣層，因為粒子1不被剩余粒子2、3所支配，即在種群中找不到一個粒子滿足兩個適應(yīng)度值同時都比粒子1本身要小的粒子，則稱粒子1為非支配解，也可稱為非劣解，同理，對于該種群中粒子2也找不到滿足兩個適應(yīng)度同時比粒子2本身要小的粒子，故粒子2也為非劣解，明顯地，粒子3兩個適應(yīng)度值均比粒子2和粒子1要大，即在該種群中能找比粒子3本身兩個適應(yīng)度值同時要小的粒子，故粒子3為支配解(劣解)，當(dāng)前種群中所有非劣解集合構(gòu)成的解集稱為非劣層，故在這舉例中，粒子1粒子2構(gòu)成非劣層1，粒子3位于非劣層2。再次，在獲得第一非劣層后，從合并種群中剝離第一非劣層對應(yīng)的粒子，可獲得剩余種群，對于剩余種群用同樣的方法找出剩余種群對應(yīng)的非劣解集構(gòu)成非劣層2，以此類推直到合并種群分層完畢?？梢詫⒌谝环橇訉覨1(第一非劣層F1為合并種群中非劣解等級最高的非劣層)中所有粒子賦予非劣解序irank1(其中irank1為粒子i的非劣解序，第一非劣層的irank1值為1，該非劣層所有粒子均被賦予非劣解序irank1，第二非劣層的irank2值為2，該非劣層所有粒子均被賦予非劣解序irank2，以此類推)，并從合并種群中剝離，然后繼續(xù)找出合并種群中剩余粒子的第一非劣層記為合并種群的第二非劣層F2，即獲得剩余粒子的非劣解集，第二非劣層F2種所有粒子被賦予非劣解序irank2,按著這規(guī)律，將合并種群中所有的粒子都分層完畢，同一非劣層內(nèi)的粒子有相同的非劣解序irank。步驟S204：對于每一非劣層，計算各粒子的擁擠距離，將各粒子依據(jù)其對應(yīng)的擁擠距離從大到小進行排序，得到排序種群，所述擁擠距離表明了粒子在空間分布的擁擠狀態(tài)。為了能夠在具有相同irank的粒子內(nèi)進行選擇性排序，引入了擁擠距離概念。第i個粒子的擁擠距離是空間(每個粒子代入兩個目標(biāo)函數(shù)后，會得到適應(yīng)度值，空間是由2Z個粒子對應(yīng)的適應(yīng)度值組成的)上與第i個粒子相鄰的第i+1個粒子和第i-1個粒子之間的距離，對于每一空間其計算步驟為：對同一非劣層的粒子初始化距離。令L[i]d＝0(其中L[i]d表示任意第i個粒子的擁擠距離)。對同一非劣層粒子，按第m個適應(yīng)度值升序排序(本申請實施例中適應(yīng)度值包括F值和E值，這里將F值稱為第1個適應(yīng)度值，將E值稱為第2個適應(yīng)度值，若還增加其他類型的目標(biāo)函數(shù)時，例如增加目標(biāo)函數(shù)G，則還包括第3個適應(yīng)度值G)，m∈(1，Q)，其中Q為目標(biāo)函數(shù)的個數(shù)(本申請實施例中包括兩個目標(biāo)函數(shù)，經(jīng)濟目標(biāo)函數(shù)F和排放目標(biāo)函數(shù)E，即Q＝2，若增加了其他類型的目標(biāo)函數(shù)，Q的值會隨之變化)。使得合并種群(包括2Z個粒子)中排序后位于最邊緣上的粒子(即排序為1和排序為2Z的粒子)具有選擇優(yōu)勢，將位于最邊緣上的粒子的擁擠距離賦值為Inf(Inf為MATLAB中的無窮大數(shù))。對合并種群中排序后位于中間的粒子，求擁擠距離L[i]dm＝(L[i+1]m—L[i-1]m)/(fmmax—fmmin)，(m∈(1，Q))，其中fmmax是指第m個適應(yīng)度值的最大值，fmmin是指第m個適應(yīng)度值的最小值，L[i]dm是指按照第m個適應(yīng)度值升序排序后，得到的第i個粒子的擁擠距離。對其他適應(yīng)度值也重復(fù)上述步驟，從而將得到相應(yīng)的第i個粒子的擁擠距離(例如，按第二個適應(yīng)度值E進行升序排序，經(jīng)過上述步驟，獲得第i個粒子對應(yīng)的擁擠距離L[i]d2)。第i個粒子的最終的擁擠距離為L[i]d＝L[i]d1+，…，+L[i]dQ，在本申請實施例中，Q＝2，當(dāng)然，在增加目標(biāo)函數(shù)的個數(shù)后，Q值也會相應(yīng)增加。通過優(yōu)先選擇擁擠距離較大的粒子，可使計算結(jié)果在空間分布比較均勻，以維持合并種群中粒子的多樣性。步驟S205：從所述排序種群中獲得前Z個粒子，將所述排序種群中前Z個粒子組成的種群，下一次迭代時執(zhí)行運算算子的父代種群，所述父代種群為所述第一父代種群、所述第二父代種群或所述第三父代種群，所述運算算子為與所述第一父代種群對應(yīng)的所述第一運算算子、與所述第二父代種群對應(yīng)的所述第二運算算子、與所述第三父代種群對應(yīng)的所述第三運算算子。本申請實施例中按精英策略，即優(yōu)先選取合并種群(合并種群為第一合并種群、第二合并種群或第三合并種群)中，所屬非劣層靠前的粒子。例如合并種群包括第一非劣層、第二非劣層和第三非劣層，假設(shè)Z為3，若第一非劣層有兩個粒子，顯然這兩個粒子都會被選擇，若第二非劣層有兩個粒子，則需要選擇第二非劣層中的一個粒子，此時可以選取第二非劣層中擁擠距離較大的粒子。精英策略即保留合并種群中的優(yōu)良粒子，并將Z個優(yōu)良粒子組成一個種群，將該種群作為子代種群(子代種群為第一子代種群、第二子代種群或第三子代種群)，以防止帕累托最優(yōu)解的丟失。本申請實施例還提供了一種基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化裝置，該裝置包括：構(gòu)建模塊、第一獲取模塊、第二獲取模塊、第三獲取模塊、第四獲取模塊、返回模塊，其中：構(gòu)建模塊，用于建立多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型，所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型包括兩個目標(biāo)函數(shù)、兩個不等式約束條件以及等式約束條件，其中：兩個目標(biāo)函數(shù)式分別為：F=Σi=1NΣj=1MiFij(Pij)=Σi=1NΣj=1Miaij+bijPij+cijPij2+Σi=1NΣr=1,r≠iN1/2·tir|Tir|]]>E=Σi=1NΣj=1MiEij(Pij)=Σi=1NΣj=1Miαij+βijPij+γijPij2+ξijexp(λijPij)]]>其中Fij(Pij)是第i個區(qū)域的第j臺發(fā)電機的費用函數(shù)，aij、bij、cij分別是第i個區(qū)域的第j臺發(fā)電機的費用系數(shù)，tir為第i區(qū)域到第r區(qū)域之間聯(lián)絡(luò)線的傳輸費用系數(shù)，Eij(Pij)是第i個區(qū)域的第j臺發(fā)電機的排放函數(shù)，αij、βij、γij、ξij、λij分別是第i個區(qū)域的第j臺發(fā)電機的排放系數(shù)，N是所述多區(qū)域的區(qū)域的數(shù)量，Mi是第i個區(qū)域的發(fā)電機數(shù)量，Pij是第i個區(qū)域的第j臺發(fā)電機所發(fā)出的實際功率；i、r和j為大于等于1的正整數(shù)；所述不等式約束條件分別為：其中，分別為第i個區(qū)域的第j臺發(fā)電機所能發(fā)出的最大功率和最小功率；Tir,min≤Tir≤Tir,max,i＝1,2,....,N,r＝1,2,.....N,i≠r，N為大于等于1的正整數(shù)，r為大于等于1的正整數(shù)；其中，Tir,minTir,max分別是從第i個區(qū)域傳輸功率到第r個區(qū)域的最小功率和最大功率；所述等式約束條件包括：Σj=1MiPij=PDi+Σr=1,r≠iNTir,r=1,2,....,N;]]>其中，PDi是第i個區(qū)域的負(fù)荷要求，Tir是從第i個區(qū)域通過聯(lián)絡(luò)線傳輸?shù)降趓個區(qū)域的功率。第一獲取模塊，用于基于所述多區(qū)域的經(jīng)濟環(huán)境調(diào)度優(yōu)化模型初始化所述兩個目標(biāo)函數(shù)中Pij的值和Tir的值，獲得包含Z個粒子的初始種群，每一所述粒子包括滿足所述兩個目標(biāo)函數(shù)的一組Pij和Tir的值，以及預(yù)先設(shè)置最大迭代次數(shù)，第一運算算子、第二運算算子和第三運算算子，將所述初始種群作為首次迭代的第一父代種群，Z為大于等于2的正整數(shù)。第二獲取模塊，用于將所述第一父代種群中每一粒子執(zhí)行第一運算算子，獲得由Z個粒子組成的第一子代種群，合并所述第一子代種群和所述第一父代種群，獲得第一合并種群，對所述第一合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第二運算算子的第二父代種群；第三獲取模塊，用于將所述下第二父代種群中每一粒子執(zhí)行第二運算算子，獲得由Z個粒子組成的第二子代種群，合并所述第二子代種群和所述第二父代種群，獲得第二合并種群，對所述第二合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第三運算算子的第三父代種群；第四獲取模塊，用于將所述第三父代種群中每一粒子執(zhí)行第三運算算子，獲得由Z個粒子組成的第三子代種群，合并所述第三子代種群和所述第三父代種群，獲得第三合并種群，對所述第三合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為非首次迭代時執(zhí)行第一運算算子的第一父代種群；返回模塊，用于若當(dāng)前迭代次數(shù)大于所述最大迭代次數(shù)，則輸出所述最大迭代次數(shù)對應(yīng)的的第一父代種群，若所述當(dāng)前迭代次數(shù)小于等于所述最大迭代次數(shù)時，返回第二獲取模塊。上述基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化裝置中的第一獲取模塊可以包括：第一確定單元，用于確定每一粒子包括的滿足所述兩個目標(biāo)函數(shù)的一組Pij和Tij的個數(shù)之和為D，即所述個數(shù)D稱為空間維數(shù)。第二確定單元，用于確定所述初始種群包含粒子的個數(shù)為Z。第三確定單元，用于確定第一運算算子、第二運算算子和第三運算算子；第一獲取單元，用于在D維空間內(nèi)隨機初始化所述兩個目標(biāo)函數(shù)中Pij的值和Tir的值，獲得包括Z個粒子的初始種群A，其中，第i個粒子為Ai＝[Pi1,Pi2,...PiD]，i∈(1,Z)。第一生成單元，用于根據(jù)以下公式隨機生成所述初始種群A。Pij=Pijmin+(Pijmax-Pijmin).rand(0,1),i=1,2,3,...,M,j=1,2,3,...,MiTir=Tirmin+(Tirmax-Tirmin).rand(0,1),i=1,2,3,...,M,r=1,2,3,...,M,i≠r]]>rand(0,1)為一個0～1的隨機數(shù)。上述基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化裝置中的第二獲取模塊可以包括：第二獲取單元，用于獲取所述第一父代種群。執(zhí)行單元，用于對所述第一父代種群中的每個粒子執(zhí)行第一運算算子的操作：son1(i,:)＝r1*parent1(i,:)+(1-r1)*parentbest1，其中r1為0～1的隨機數(shù)，parent1(i,:)表示所述第一父代種群中第i個粒子，son1(i,:)表示所述第一子代種群中第i個粒子，son1(i,:)為對所述第一父代種群中的第i個粒子執(zhí)行一次所述第一運算算子后所得到的所述第一子代種群中的第i個粒子，parent1為所述第一父代種群，parentbest1為所述第一父代種群中位于非劣解等級最高的非劣層且擁擠距離最大的非劣解集中任一粒子，擁擠距離表明了粒子在空間分布的擁擠狀態(tài)。第三獲取單元，用于合并所述第一子代種群和所述第一父代種群，獲得第一合并種群，對所述第一合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第二運算算子的第二父代種群。上述基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化裝置中的第三獲取模塊可以包括：第四獲取單元，用于獲取所述第二父代種群。第二生成單元，用于生成一個0～1的隨機數(shù)R2，比較所述隨機數(shù)R2與預(yù)先設(shè)定的交叉概率probability2；若R2>probability2，對于所述第二父代種群中每一粒子執(zhí)行所述第二運算算子：Son2(i,：)＝parent2(i,：)+(0.5+log10((1+2*abs(maxgen-m)/maxgen)))*abs(mparentbest2-parent2(i,：))*log(1/u)；若R2<probability2，對于所述第二父代種群中每一粒子執(zhí)行所述第二運算算子：son(i,：)＝parent2(i,：)-(0.5+log10((1+2*abs(maxgen-m)/maxgen)))*abs(mparentbest2-parent2(i,：))*log(1/u)；其中，parent2(i,：)表示所述第二父代種群中第i個粒子，son2(i,:)表示所述第二子代種群中第i個粒子，maxgen為所述最大迭代次數(shù)，m為當(dāng)前的迭代次數(shù)，son2(i,:)為對所述第二父代種群中的第i個粒子parent(i,:)執(zhí)行一次所述第二運算算子后所得到的所述第二子代種群中的第i個粒子，mparentbest為所述第二父代種群中位于非劣解等級最高的非劣層且擁擠距離最大的非劣解集中的最優(yōu)平均粒子。第五獲取單元，用于合并所述第二子代種群和所述第二代父代種群，獲得第二合并種群，對所述第二合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為執(zhí)行第三運算算子的第三父代種群。上述基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化裝置中的第四獲取模塊可以包括：第六獲取單元，用于獲取所述第三父代種群；第三生成單元，用于生成一個0～1的隨機數(shù)R3，比較所述隨機數(shù)R3與預(yù)先確定的交叉概率probability3；若R3>probability3，則對于所述第三父代種群中每一粒子執(zhí)行所述第三運算算子：s(m)＝1-rand()^((1-m/maxgen)^3)；low＝parent3(i,：)-s(m)*(parent3(i,:)-field(2,:))；high＝parent3(i,：)+s(m)*(field(1,:)-parent3(i,:))；son3(i,:)＝rand()*(high-low)+low；若R3<＝probability3,則將所述第三父代種群直接作為非首次迭代時執(zhí)行所述第一運算算子的第一父代種群。其中，parent3(i,：)表示所述第三父代種群的第i個粒子，son3(i,:)表示所述第三子代種群的第i個粒子，rand()為0～1的隨機數(shù)，son(i,:)為對所述第三父代種群中的第i個粒子parent3(i,:)執(zhí)行一次所述第三運算算子后所得到的所述第三子代種群中的第i個粒子，maxgen為所述最大迭代次數(shù)，m為當(dāng)前的迭代次數(shù)，field(2,:)為粒子各空間維數(shù)的下限，field(1,:)為粒子各空間維數(shù)的上限；第七獲取單元，用于合并所述第三子代種群和所述第三代父代種群，獲得第三合并種群，對所述第三合并種群中各個粒子進行選擇操作，將選擇出的Z個粒子組成的種群，作為非首次迭代時執(zhí)行所述第一運算算子的第一父代種群。為驗證本發(fā)明所提出的基于快速非劣解排序的多目標(biāo)變異量子粒子群算法的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法或裝置的有效性和優(yōu)越性，下面通過參數(shù)和曲線的方式進行說明：預(yù)先設(shè)定如下：發(fā)電機的數(shù)量為16，按照如圖3方式進行分區(qū)。如圖3所示包括四個區(qū)域，四個區(qū)域分別為區(qū)域1、區(qū)域2、區(qū)域3和區(qū)域4，區(qū)域1中包括4臺機組，即4臺發(fā)電機(發(fā)電機1、發(fā)電機2、發(fā)電機3和發(fā)電機4)，4臺發(fā)電機的負(fù)荷要求為400MW；區(qū)域2包括4臺機組，即4臺發(fā)電機(發(fā)電機5、發(fā)電機6、發(fā)電機7以及發(fā)電機8)，4臺發(fā)電機的負(fù)荷要求為200MW；區(qū)域3包括4臺機組，即4臺發(fā)電機(發(fā)電機9、發(fā)電機10、發(fā)電機11和發(fā)電機12)，4臺發(fā)電機的負(fù)荷要求為350MW；區(qū)域4包括4臺機組，即4臺發(fā)電機(發(fā)電機13、發(fā)電機14、發(fā)電機15以及發(fā)電機16)，4臺發(fā)電機的負(fù)荷要求為300MW；四個區(qū)域的聯(lián)絡(luò)線的編號T12、T21、T13、T31、T14、T41、T23、T32、T24、T42、T43、T34。各聯(lián)絡(luò)線的功率如表2所示。假設(shè)種群大小Z＝100，最大迭代次數(shù)為maxgen＝5000，四個區(qū)域的懲罰系數(shù)f分別為2.5、3.5、2.5和1.5，四個區(qū)域的懲罰系數(shù)g分別為12、17、17和12，交叉概率probability2＝0.8,probability3＝0.816，發(fā)電機的參數(shù)如表1，聯(lián)絡(luò)線參數(shù)如表2。表116個發(fā)電機參數(shù)其中，aij、bij、cij分別是第i個區(qū)域的第j臺發(fā)電機的費用系數(shù)，αij、βij、γij、ξij、λij分別是第i個區(qū)域的第j臺發(fā)電機的排放系數(shù)。例如，對于發(fā)電機1而言，aij、bij、cij分別為a11、b11、c11；αij、βij、γij、ξij、λij分別為α11、β11、γ11、ξ11、λ11，其他類似，不再贅述。表2聯(lián)絡(luò)線功率參數(shù)聯(lián)絡(luò)線編號Tir,minTir,maxtirT12/T21-1001001T13/T31-1001001T14/T41-1001001T23/T32-1001001T24/T42-1001001其中，Tir,minTir,max分別是從第i個區(qū)域傳輸功率到第r個區(qū)域的最小功率和最大功率，例如T12是指從區(qū)域1傳輸功率到區(qū)域2的最小功率為-100，最大功率為100；T21是指從區(qū)域2傳輸功率到區(qū)域1的最小功率為-100，最大功率為100，T12對應(yīng)的tir，是指從區(qū)域1至區(qū)域2之間聯(lián)絡(luò)線的傳輸費用系數(shù)，其中T12＝T21，其他類似，這里不再贅述。在本例子中，采用基于快速非劣解排序的多目標(biāo)變異量子粒子群算法(NSVAQPSO，Non-dominatedSortingAviationQuantum-behavedParticleSwarmOptimization)的多區(qū)域經(jīng)濟環(huán)境調(diào)度優(yōu)化方法或裝置，獲得的最優(yōu)折中解調(diào)度結(jié)果如表3所示，為了證明NSVAQPSO算法的優(yōu)越性，將NSVAQPSO算法的優(yōu)化結(jié)果和其他智能優(yōu)化算法進行了比較圖4所示。表3NSVAQPSO算法與其它算法最優(yōu)折中解的對比PSO：ParticleSwarmOptimization，粒子群算法；QPSO：Quantum-behavedParticleSwarmOptimization，量子粒子群算法；DEQPSO：DifferenceQuantum-behavedParticleSwarmOptimization，差分量子粒子群算法；VAQPSO：AviationQuantum-behavedParticleSwarmOptimization變異量子粒子群算法。最優(yōu)折中解是指在迭代結(jié)束后返回的最終種群(即步驟S6中最后輸出的所述最大迭代次數(shù)對應(yīng)的第一父代種群)中，根據(jù)現(xiàn)有技術(shù)中模糊隸屬度原理，從最終種群中篩選出來的一個粒子就是最優(yōu)折中解。表4最優(yōu)折中解的功率不平衡度由于多區(qū)域經(jīng)濟調(diào)度問題中，每個區(qū)域的負(fù)荷需求是一個定值(如圖3所示4個區(qū)域的負(fù)荷需求)，當(dāng)某一個區(qū)域的最終種群(即步驟S6中最后輸出的最大迭代次數(shù)對應(yīng)的第一父代種群)中，位于該區(qū)域的所有發(fā)電機功率與聯(lián)絡(luò)線功率之和與該區(qū)域的負(fù)荷需求不嚴(yán)格相等時，兩者相減就會有一個偏差值，該偏差值即為功率不平衡度。表5不同算法極端值的對比極端值即在迭代結(jié)束后返回的最終種群(即步驟S6中最后輸出的最大迭代次數(shù)對應(yīng)的第一父代種群)中所有粒子的經(jīng)濟目標(biāo)函數(shù)F的值中的最小值及排放目標(biāo)函數(shù)E的值中的最小值。由上面表3、表4和圖3、圖4可以看出，采用NSVAQPSO算法，對16個發(fā)電機，4區(qū)域電力系統(tǒng)進行仿真，通過仿真得到的帕累托最優(yōu)折中解發(fā)電機調(diào)度結(jié)果和功率不平衡程度如表3和表4所示。從表3可以看出NSVAQPSO算法及所提及的其它算法通過剔除功率不平衡度超過各分區(qū)負(fù)荷及總負(fù)荷0.04％的帕累托前沿中，利用模糊隸屬度原理得到的帕累托最優(yōu)折中解的優(yōu)化結(jié)果為費用7582.228336$/h、排放9142.364138t/h，顯然優(yōu)于表中的其他算法的優(yōu)化結(jié)果。另外一方面，NSVAQPSO算法調(diào)度結(jié)果的總功率不平衡度以及各個區(qū)域功率不平衡度如表4所示，可以看出NSVAQPSO在功率平衡方面的表現(xiàn)同樣讓人滿意。因此，可以說NSVAQPSO算法在解決多區(qū)域電力系統(tǒng)經(jīng)濟環(huán)境調(diào)度問題表現(xiàn)更好。此外通過表5和圖4可以看出NSVAQPSO算法所得到的適應(yīng)度值極端值更小，這也意味著所獲得的帕累托最優(yōu)前沿所提供的決策范圍更廣。從圖4各算法的帕累托前沿可看出，在相同條件下，NSVAQPSO算法的帕累托最優(yōu)前沿收斂效果更好，這是由于NSVAQPSO算法在傳統(tǒng)的NSQPSO算法中加入了第一運算算子、第二運算算子和第三運算算子，使得陷入局部最優(yōu)的合并種群中部分粒子有機會擺脫局部最優(yōu)，從而使合并種群更好的獲取全局最優(yōu)的帕累托前沿。最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本申請。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本申請的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本申請將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。當(dāng)前第1頁1 2 3