基于改进MOJAYA算法的微电网优化调度方法

1.基于改进MOJAYA算法的微电网优化调度方法，其特征在于，具体按照以下步骤实施：步骤1、设置微电网目标函数和约束条件，初始化种群：生成初始种群和空archive集；步骤2、合并初始种群和空archive集并计算合并后集合中所有个体的总适应度，总适应度F(i)由原始适应度R(i)和拥挤密度D(i)共同组成；步骤3、更新archive集；步骤4、通过总适应度F(i)识别最优个体和最差个体，通过MH抽样方法进行种群个体更新；步骤5、迭代循环，最后输出archive集，archive集中个体代表微电网优化调度后的各个微电源发电出力方案。 2.根据权利要求1所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤1具体按照以下步骤实施：设定微电网的优化目标，包括经济目标和环境目标；设定相关的约束条件，包括微电源出力约束、微电网功率平衡约束和蓄电池运行约束，然后，在约束条件的上下限内随机产生初始种群集P 0 ，同时创建一个空集合archive集 设置迭代次数t＝0，初始种群集P 0 和archive集 内的所有个体都代表微电网各个微电源发电出力方案。 3.根据权利要求2所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1、合并种群P t 和archive集 并为合并后集合中的所有个体分配原始适应度，原始适应度计算程序如下：S(i)表示个体i在种群和archive集中被其他个体支配的数量，S(i)越大，说明个体i被更多的其他个体支配，因此它在适应度分配中被认为是较差的解，相反，如果S(i)较小，说明个体i是一个较好的解，因为它被较少的其他个体支配，S(i)由式(2-1)确定，基于S(i)，个体i的原始适应度R(i)由式(2-2)确定：|·|表示集合的基数，即集合中元素的数量，P t 是当前种群， 是当前archive集，用于保存非支配个体， 表示个体j支配个体i；步骤2.2、为合并后集合中的所有个体分配拥挤密度，拥挤密度计算如下：选拥挤密度计算每个个体到archive集和种群中所有个体的距离，拥挤密度D(i)表达式如式(2-3)所示：式中， 表示个体i到其在目标空间中第k个最近邻居的距离， N和 分别为初始种群集个数和archive集个数，在D(i)的表达式分母中加2，以确保该表达式包含在0和1之间；步骤2.3、合并后集合中的所有个体的总适应度F(i)由原始适应度R(i)和拥挤密度D(i)之和组成，公式如下：F(i)＝R(i)+D(i)                   (2-4)F(i)为个体i的总适应度，R(i)为步骤2.1的原始适应度，D(i)为步骤2.2的拥挤密度。 4.根据权利要求3所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤3具体按照以下步骤实施：将P t 和 中所有非支配个体复制到下一代archive集 中，总适应度F(i)＜1，如果 的大小超过 则通过比较个体间的密度信息 进行截断操作， 越小的个体越会被优先剔除，直到archive集合的大小为 如果 的大小小于 则从P t 和 中选择适应度F(i)≥1的个体补充到 中，直到archive集合的大小为 利用总适应度和密度信息更新一个有效的archive集，确保archive集合中的个体既具多样性又代表优质解。 5.根据权利要求4所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤4具体按照以下步骤实施：步骤4.1、基于式(2-4)计算种群P t 和archive集 中的每个个体的总适应度，并排序，总适应度值最小的为最优解，反之为最差解；选出最优解和最差解；步骤4.2、对种群P t 中的个体进行MH抽样；步骤4.3、根据式(4-2)以黄金正弦的方式对种群进行位置更新；步骤4.4、根据式(4-3)以MOJAYA的方式对种群进行位置更新：x new (i)＝x old (i)+r 1 ·(x best (i)-|x old (i)|)-r 2 ·(x worst (i)-|x old (i)|)     (4-3)应用非支配排序对更新前后的种群个体进行比较，判断他们的支配地位，如果更新后的新的个体能支配更新前的旧的个体，则保留新个体，否则，新个体将被舍弃，最后，基于以上步骤，更新初始种群P t 。 6.根据权利要求5所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤4.2具体按照以下步骤实施：即产生一个[0,1]之间的随机数r，如果r≤λ，则执行步骤4.3操作采用第一种更新方式，否则转到步骤4.4；λ＝D(i)                        (4-1)D(i)为步骤2.2中的拥挤密度。 7.根据权利要求6所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤4.3对种群进行位置更新具体如下：x new (i)＝x old (i)|sin(r 1 )|+r 2 sin(r 1 )|x 1 ·x best (i)-x 2 ·x old (i)|       (4-2)其中，r 1 ∈[0,2π]和r 2 为随机数，r 1 决定下一次迭代中个体的移动距离，r 2 ∈[0,π]，r 2 决定下一次迭代第i个个体的位置更新方向，r 2 ∈[0,π]；x 1 和x 2 是通过引入黄金分割数得到的系数，黄金分割数是一个定义为 的无理数，记为τ，x 1 ＝aτ+b(1-τ)，x 2 ＝a(1-τ)+bτ，a和b初始值设置为-π和π，随后a和b随着目标值的变化而变化，x 1 和x 2 也随之更新，x new 为根据步骤4.1得到的最优解和最差解生成的新的优化解，x best 、x worst 分别表示最优解和最差解，x old 表示优化前的解。 8.根据权利要求7所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤5具体按照以下步骤实施：重复步骤2至步骤4中的过程，直到达到迭代次数，最后输出archive集；archive集中个体代表微电网优化调度后的各个微电源发电出力方案；最后根据优化目标，采用对应的目标函数选取符合优化目标的最优个体，即为最终的微电源发电出力方案。