摘要
在全球面临的资源问题和环境问题日益突出的背景下，微电网技术作为当今智能电网的核心技术之一，是推进能源革命、实现能源可持续发展的重要手段。一个合理的微电网运行方案，不仅能够提高微电网系统的经济效益，而且可以保证微电网的安全运行、节能环保。随着人工智能与智能计算技术的发展，智能优化算法成为解决该类高维、非线性复杂问题的高效方法。哈里斯鹰优化算法是受哈里斯鹰狩猎策略启发而提出的一种新颖的群智能算法，因其原理简单、易实现等特点，受到了广大学者的青睐。针对哈里斯鹰优化算法的不足，本文进行了分析并提出了改进方案，从而提高了算法的寻优精度以及收敛速度，并将其应用于微电网的优化调度。本文主要工作如下: (1)本文为了弥补原始哈里斯鹰优化算法(HHO)存在的收敛精度低、收敛速度慢以及容易陷入局部最优等不足，通过采取四种策略来改进基本的HHO算法，提出了一种多策略改进的哈里斯鹰优化算法(MSHHO)。实验通过与其他新颖群智能算法的测试对比，研究了所提出的算法在解决不同特征的33个基准函数的表现，结果表明，MSHHO具有良好的性能。同时对实验结果进行Wilcoxon秩和检验，验证了该算法的有效性。然后将MSHHO与其他HHO改进算法的进行对比，证明了该算法的优势。此外，选取MSHHO算法与原始的HHO算法在13个基准函数上进行100维与500维的比较测试，以检验该算法在高维问题上的优化效果。随后将MSHHO算法应用于2个工程应用问题，以检验其实用性。 (2)本文将哈里斯鹰算法的应用场景进一步拓展，将其应用于多目标问题中，提出一种混合精英反向学习的多策略改进多目标哈里斯鹰优化算法(MO-EMHHO)。实验对比多目标粒子群算法(MOPSO)、多目标灰狼算法(MOGWO)和多目标哈里斯鹰算法(MOHHO)在ZDT基准函数上进行测试验证，结果表明，提出的MO-EMHHO在寻优精度、收敛速度以及稳定性上优于其他对比算法，为解决多目标优化问题提供了新的方案。 (3)本文以光伏、风力、柴油发电、微燃机、燃料电池与储能系统等分布式电源为研究对象，建立了各单元的发电模型，构建了包含可与大电网交互的并网条件下的微电网系统，并分别以经济性为单目标与经济性和环保性为多目标建立目标函数，采用改进的单目标与多目标哈里斯鹰算法对目标模型进行求解，验证所提改进算法在解决微电网调度优化问题上的能力及有效性。
NETL