科研之友
微信
新浪微博
Facebook
分享链接
摘要
热电联产动态经济排放调度同时考虑了燃料成本花费和污染气体排放两个目标值，且下一时间段的热电产量受当前时间段热电产量的影响，这是近年来电力系统运行中的一个重要问题。文中提出了一种新颖的基于Q学习强化多目标差分进化(Q Learning Multi-Objective Differential Evolution，QLMODE)算法，以此求解热电联产动态经济排放调度问题。在QLMODE中，采用Q学习技术调整算法的比例因子参数，即在迭代过程中利用子代解和父代解之间的支配关系确定动作奖励和惩罚，并通过Q学习调整参数值，以获得最适合环境模型的算法参数。文中将所提出的QLMODE用于求解11机组和33机组的热电联产动态经济排放调度问题。仿真结果表明，与4种成熟的多目标优化算法相比，QLMODE算法燃料成本最小、污染气体排放最少，在收敛性和多样性指标优于其他四种算法，且QLMODE在两组问题上都获得了更好的Pareto最优前沿。
- 单位
