保留受限动态环保/经济调度：一种新的多目标自适应学习蝙蝠算法

本文提出了一种新的多目标自适应学习蝙蝠启发算法，以解决考虑实际约束（如阀门点效应、传输损耗和斜率限制）的保留受限动态环保/经济调度问题，适用于短期时间段。此外，为确保电力系统的安全实时运行，系统运营商必须同时调度足够的资源以满足能源需求和操作备用要求。所提出的问题是一个复杂的非线性非光滑且非凸的多目标优化问题，考虑上述约束后其复杂性增加。为此，本文利用一种新开发的元启发式蝙蝠启发算法来实现一组非支配（Pareto最优）解。该算法配备了新颖的自适应学习机制，以增加种群多样性并修正收敛标准。所提框架的初始种群由基于混沌的策略生成。此外，实施了一种锦标赛拥挤选择方法，以选择种群，使得Pareto最优前沿均匀分布，同时极值点在权衡面同时达到。数值结果评估了该框架在实际规模测试系统中的性能。