对经典的多目标进化算法(multi—objective evolutionary algorithms, MOEAs)
在电力系统无功优化中的应用展开比较研究. 与传统设定偏好参数, 将多目标问题转化为单目标
问题的方法不同, 直接采用计及系统网损与电压偏移的多目标模型. 提出无功优化多目标进化
算法统一框架, 采用一致的编码策略, 约束处理方法. 以IEEE30 节点标准系统的多目标无功优化
为算例, 从帕累托前沿, 外部解及C 指标等方面, 比较各种算法的性能特点,
并按照其优劣将算法分为5 个性能等级. 参考算法的性能等级, 详细分析每种算法的优缺点 …

多目标进化算法在电力系统无功优化领域已有广泛应用, 目前研究主要集中于引入某种单一算法
求解该问题, 难以全面客观地分析算法的寻优性能. 因此选取当前典型的多目标进化算法,
从整体角度对它们在无功优化问题中的应用展开比较研究. 与传统设定偏好参数,
将多目标问题转化为单目标问题的方法不同, 直接采用计及系统网损与电压偏移的多目标模型.
以IEEE 30 节点标准系统的多目标无功优化为算例, 从非支配解集质量和多样性,
帕累托前沿分布广阔性和均匀性及收敛速度等角度, 比较算法的寻优性能, 分析其优势或不足 …