改进差分进化算法在动态经济调度中的应用  

Application of Improved Differential Evolution Algorithm to Dynamic Economic Dispatch

作　　者：肖鹏 邹德旋 夏正龙 沈鑫 吴兆香 XIAO Peng;ZOU De-xuan;XIA Zheng-long;SHEN Xin;WU Zhao-xiang(College of Electrical Engineering and Automation,Jiangsu Normal University,Xuzhou 221116,China)

机构地区：[1]江苏师范大学电气工程及自动化学院,江苏徐州221116

出　　处：《控制工程》2021年第2期275-283,共9页Control Engineering of China

基　　金：国家自然科学基金项目(61403174);江苏省青年科学基金项目(BK20160220);江苏省自然科学基金青年基金项目(BK20160219);大学生创新创业训练计划项目(201710320063,201710320060Z)。

摘　　要：针对动态经济调度(DED)存在的不可微、非凸性、非线性以及不连续性等特点,提出多策略异维变异差分进化(MDMDE)算法。一方面,从变异维数入手,提出了一种异维变异策略;另一方面,在算法的整个迭代周期内采用了多策略变异。此外,还提出了一种修改的交叉率以及动态变异因子来跳出局部最优。最后,将MDMDE应用于6种动态经济调度案例,并且与其他的两种算法进行了实验对比。实验结果表明,MDMDE具有更好的性能,是一种求解DED问题的有效方法。Aiming at the characteristics of dynamic economic dispatch(DED),such as non-differentiation,non-convexity,nonlinearity and discontinuity,we propose a multi-strategy different dimensional mutation differential evolution(MDMDE)algorithm.On one hand,the algorithm starts from the mutation dimension,and then proposes a different dimensional strategy.On the other hand,multi-strategy mutation is used in the whole iteration cycle of the algorithm.In addition,a modified crossover rate and a dynamic mutation factor are proposed to jump out of the local maximum.Finally,MDMDE is applied to 6 kinds of DED cases and compared with other two algorithms.The results show that MDMDE has better performance and is an effective method to solve DED problems.

关 键 词：动态经济调度 差分进化算法 异维 多策略 动态变异 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]