李笑竹，王维庆

(新疆大学 可再生能源发电与并网技术教育部工程研究中心，新疆 乌鲁木齐 830047)

0 引言

电力系统优化调度是常见的高纬度、非线性和强耦合的多目标优化问题.价格惩罚因子[1−2]、加权半正定规划[3]、加权求和[4]、大M线性化[5]等，将多目标问题转化为单目标的传统求解方法虽然效率高、速度快，但对目标函数要求过高，若是不可微的非凸形式则无法得到有效解，且解对初值的选取较为灵敏易陷入局部最优.因此越来越多的学者将电力系统优化调度问题作为一个真正的多目标优化问题进行求解，基于非支配序列的遗传算法[6](non-dominated sorting genetic algorithm，NSGA-Ⅱ)、模拟退火算法[7]、多目标粒子群算法(multiobjective particle swarm optimization，MOPSO)[8]、基于分解多目标进化算法(decomposition based multi-objective evolutionary algorithms，MOEA/D)[9]，这些方法在处理复杂问题时具有很好效果，且已成功应用于电力系统优化调度问题.随着大规模可再生能源并网，能源互联网[10]和各种多能源系统相继提出.发电功率的随机性和波动性给传统调度带来挑战，调度模型变得越来越复杂.一些求解多目标非线性、非凸、强耦合和复杂约束模型的算法得到了广泛的应用，如：多目标检测算法[11]、交互式多目标文化算法[12]、改进蜻蜓算法[13]、多目标克隆算法[14].数以百计的优化算法已经被证明能够有效地解决电力系统实际应用中的许多多目标优化问题，但对求解新一代能源系统发电优化调度的一些较为复杂的多目标优化问题时仍有所不足.例如在多能转换技术的支撑下对多能源网络进行集成优化调度，是具有高纬度决策空间的大规模多目标优化问题；……