GNSGA-II 多目标调度算法

解集更均匀

通过负指数交叉与自适应拥挤距离，同时兼顾解集的收敛性与均匀性，优于六种主流多目标算法。

邹德旋 · 巩敦卫 · Ouyang, Haibin

Applied Energy 2023

参数信息

发电成本增加

0.51 %

发电成本增加

0.34 %

发电成本增加

4.1 %

污染物排放降低

54.78 %

污染物排放降低

19.05 %

污染物排放降低

71.45 %

技术优势

解集更均匀

自适应拥挤距离同时考虑每个个体的拥挤程度和均匀性，使帕累托解集分布更均匀。

全局搜索能力强

采用负指数分布交叉算子产生子代，能够在决策空间进行全局搜索，避免陷入局部最优。

有效处理复杂约束

提出的约束处理方法能够满足发电与供热限制、功率平衡、爬坡速率和旋转备用等多种运行约束。

应用场景

• 热电联产调度：直接用于热电联产系统多目标调度，获得兼顾成本与排放的帕累托前沿。
• 可再生能源并网优化：优化含风电、光伏的热电联产系统能源配置，降低弃风弃光并减少排放。
• 多目标优化：作为通用多目标优化算法，处理复杂约束并生成均匀分布的帕累托解集。