[发明专利]一种基于狼群等级分子动理论的多目标协同优化调度方法

权利要求书

1.一种基于狼群等级分子动理论的多目标协同优化调度方法，其特征在于，包括如下步骤：

步骤1：从经济效益和环境效益方面根据微能网设备系统确定多个优化目标，进行加权转化统一化处理；

步骤2：根据微能网设备系统确定运行等式和不等式约束条件；

步骤3：输入系统原始数据和算法参数；输入微能网设备系统参数，包括光伏板电压、储能系统容量、充电桩数量和额定功率；输入基于狼群等级分子动理论 的数据，包括空间维度D、数值个体数目N、吸引率X和排斥率P；

步骤4：对数值个体进行初始化，生成随机数据库，包括数值个体的初始位置及初始速度信息；

步骤5：进入体能分级阶段；调用微能网多目标协同优化调度计算程序，计算每个数值个体S_j的适应度Y_fit(S_j)，并保存各数值个体的适应度和位置；根据适应度取值的优劣，参考狼群等级制度，根据式(1)从数据库中选出类比狼群中头狼的最优数值个体、类比乙狼的优秀数值子群和类比亥狼的较差数值子群；

式(1)中适应度指标Y_fit(S_j)表示数值个体S_j的适应度，N表示数值总量大小；max表示取最大值，mean表示取平均值；S_leader表示类似头狼的最优数值个体，S_follower表示类似乙狼的优秀数值子群，S_last表示类似亥狼的较差数值子群；

步骤6：根据基本KMTOA理论中分子间相互作用的原理，对每个数值个体进行判定：

1)如果符合吸引力产生条件，即分子间距离大于平衡位置且randomX时，random表示取0至1的随机数，分子受吸引力作用，则按式(2)根据牛顿第二定律计算对S_j的吸引力加速度，其中k为引力常量，m_j表示S_j的质量；

A_j＝km_j(S_leader-S_j) (2)

2)如果不符合吸引力产生条件，则判断是否符合排斥力产生条件，即判断最优数值个体S_leader对数值个体S_j产生斥力是否符合randomP，如果符合则按式(3)根据牛顿第二定律计算对S_j的排斥力加速度，m_leader表示S_leader的质量；

A_j＝-km_leader(S_leader-S_j) (3)

3)如果吸引力和排斥力均不满足，则数值个体S_j不受力，将进行无规则随机分子热运动操作，按式(4)计算其热运动加速度，其中A_ij表示数值个体S_i在j维的加速度，S_max,j和S_min,j表示解空间该维度的上限和下限，Z表示震动幅度，N_zt(0,1)表示按照正态分布的随机数；

A_ij＝Z(S_max,j-S_min,j)N_zt(0,1) (4)

步骤7：根据所求出的数值个体S_j的加速度情况和原位置、速度参数，结合式(5)更新第r次迭代时的速度v_j，再结合式(6)更新第r次迭代时的数值个体的位置w_j，其中R表示总迭代次数；

v_j(r)＝(0.9-0.4r/R)v_j(r-1)+A_j (5)

w_j(r)＝w_j(r-1)+v_j(r) (6)

步骤8：进行数值个体引导协作阶段和学习训练阶段；根据数值个体的适应度的高低，将优秀数值子群S_follower的个体按照表达式(7)和(8)进行移动和更新，将较差数值子群S_last的个体按式(9)进行学习训练，模仿接近最优数值个体S_leader；

式(7)为第n次迭代的数值个体S_j,n的位置移动表达式，其中S_j,n-1表示其第n-1次迭代时的数值；random表示取0至1的随机数，gauss(μ,σ²)表示高斯分布，α表示设定的适应度 阈值；式(8)表示更新后第n次迭代后数值个体的取值表达式；

步骤9：调用微能网多目标协同优化调度计算程序，计算位置更新后的数值个体适应度，并更新数据库中的最优数值个体S_leader的位置；

步骤10：对数据库中的最优数值个体S_leader进行精英保留处理；

步骤11：判断算法是否满足终止条件；如满足，输出结果；否则，输出计算结果；否则，返回步骤5，继续循环计算。