王鹏宇, 高淼洪, 李冠霖, 王燕涛

(1.国网长春供电公司， 长春 130011； 2.东北电力大学经济管理学院， 吉林 132012)

面对全球常规能源的逐渐枯竭和环境污染，为了响应可持续发展的口号，风能和太阳能等可再生能源已广泛用于微电网[1]。微电网作为负载大小可变的智能负载，由于其便捷性与智能化得到了广泛的应用[2-3]。在微电网优化中，考虑需求响应能够避免电路拥塞，提升能源利用率，因此，基于需求响应的微电网优化成为研究热点[4]。

针对需求响应，提出了一系列可行的算法。例如，为了保护环境，设计了需求响应模型，提供了可能的基础架构以同时提高效率和能耗[5-6]。在文献[7]中，目标是在最小每日能量消耗水平、每单位时间的负载限制的最小和最大水平以及此类负载水平的上升限制的情况下，最大限度地提高用户的利用率。但是上述模型都是需求响应的单目标模型，对于微电网优化问题，多目标模型会使得系统更加全面有效。

针对微电网的多目标优化问题，已经有大量研究。在文献[8]中，分布式梯度算法(distributed gradient algorithm，DGA)被应用于处理分布式和优化(distributed sum optimization，DSO)问题。此外，在处理微电网中的优化问题时，智能算法也很常见。粒子群优化(particle swarm optimization,PSO)用于解决微电网中的混合整数非线性规划(mixed integer nonlinear programming,MINLP)问题[9]。为了开发纠正策略并执行最少的成本分配，文献[10]提出了一种改进的蝙蝠优化算法对多目标进行优化。此外，神经网络已被广泛用于处理约束优化问题，如线性规划，非线性规划等[11-12]。但是上述算法均受限于数量较多的目标函数，即使通过各种方法对算法进行优化，依旧存在计算量较大的问题。……