郑宝敏, 余 涛, 瞿凯平, 张孝顺, 殷林飞

(1. 华南理工大学电力学院, 广东省广州市 510640; 2. 广东省绿色能源技术重点实验室(华南理工大学), 广东省广州市 510640)

0 引言

目前,求解帕累托多目标优化问题的方法主要包括智能化搜索方法和传统优化方法。智能化搜索方法本质上是一种随机搜索方法,如带精英策略的非支配解排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)[1-2]、多目标进化算法[3-4]、多目标粒子群算法[5-6]等,这些方法通过一定策略不断搜索并更新帕累托最优解集。然而,当问题规模较大时由于搜索的空间过大会导致求解时间大大增加。传统优化方法,如ε约束法[7]、法线边界交叉(normal boundary intersection,NBI)[8-9]法、规格化平面约束(normalized normal constraint,NNC)[10]法等,通过数学上的约束可将多目标优化问题转换为一系列单目标优化问题,并通过求解所有单目标优化问题得到帕累托最优解集。该类方法由于计算速度快,可适用于求解电网的大规模优化问题。然而,这类方法大部分属于集中式的求解方法,对于多区域互联大电网,容易出现以下问题。

1)集中优化器需采集整个系统信息进行优化决策,容易导致通信和信息处理瓶颈。

2)随着电网规模的增大,优化问题的求解规模和复杂度也随之增加,优化问题的求解精度下降,计算时间过长。

3)由于采用集中式调控的框架,因此运行设备信息的高私密性以及系统运行的高可靠性就无法得到满足。尤其是在开放电力市场的形势下,计算过程中的信息保密问题就显得愈发重要。

针对上述问题,寻求一种高私密性的分布式帕累托多目标优化方法显得尤为重要。……