1、“.....这里没有考虑到阀点效应最小化污染排放量考虑到环境污染对生态平衡的影响如酸雨及臭氧层的破坏，些法律规定各电厂必须控制氮氧化物和硫氧化物的排放量，以减小空气污染。另外，有些法规对热辐射也有限制，为了不失般性，下面仅给出考虑氮氧化物排放限制的情况。氮氧化物的排放量以由各发电机出力的二阶多项式与指数方程的和来表示其中，和分别表示发电机组排放特性方程的系数。约束条件功率平衡约束这是个等式约束条件，系统发电机总出力必须满足系统总负荷与传输线路网损之和其实，为发电机的出力为系统总负荷为系统网损。网络损耗采用系数法求得，机组发电容量约束这是个不等式约束条件，发电机输出功率必须维持在系统稳定运行要求的范围之内按照这个目标函数和约束的选取来建立数学模型......”。

2、“.....可描述为个带有等式与不等式约束的非线性多目标优化问题，其数学表述如下，上式中，与分别为上节提及的不等式与等式约束。电力系统环境经济调度问题的多目标实现经济环境调度问题是电力系统中类典型的优化问题，从其数学模型来看，其目的是在满足负荷和运行约束的条件下，既要求减小污染排放量又希望得到较小的发电成本。从上文给出的燃料花费函数和气体排放量函数来看，这是两个量纲不同的目标函数，并且还要满足等式和不等式的约束。仿真电力系统环境经济调度问题的实际模型我采用了与文献相同的电力系统仿真模型，该模型总共有六台发电机，总共要产生的电量。其六台发电机要满足的最高最低发电量和燃料花费系数如表表污染气体排放函数的系数如下表电力系统环境经济调度问题的仿真对于这种复杂的非线性多目标问题的仿真，先从简单的问题入手......”。

3、“.....也就是气体排放问题。我们可以把气体排放量转化成花费问题，这样再解决多目标问题时就可以将两个花费加权相加。这种方法由于在计算权值时不能得到燃料花费和污染气体排放量的准确转化权值比所以我采用利用多目标粒子群算法对其进行优化。作为个多目标优化问题，结合之前所仿真的多目标粒子群算法的程序进行仿真。这里有两个目标函数，个是燃料花费，个是污染气体的排放。而等式约束和不等式约束也应该加入到程序当中去对所更新的粒子进行约束。在全局最优和自身最优的选取上采用同样的方法，由于多目标问题不存在绝对唯的最优解，所以先求出它的非劣解集。并对这些解利用拥挤距离进行删除，这些解所组成的归档集可以找到燃料花费的最小值或者气体排放量的最小值。通过实际问题与测试函数的对比，简述下利用粒子群算法解决环境经济调度问题的原理。这是个六维的问题......”。

4、“.....这个粒子有两个目标函数即燃料花费目标函数和污染气体排放目标函数，分别采用公式和进行计算，也就是说有两个适应值。由于存在有等式约束和不等式约束条件，所以在初始化的时候要对每个粒子进行限制。每次随机产生的粒子需要做这个工作六台发电机随机产生的功率要满足条件，也就是不等式约束，而其总共要产生的电量也就是等式约束，而等式约束也要考虑网络损耗的情况。可以采用以下方法对其初始化，步骤随机产生其中的五台发电机的电量，使其五台均在他所能产生的最大功率和最小功率之间。步骤二利用总共要产生的电量这个条件，计算出得到的第六台发电机要产生多少电量。步骤三利用第六台发电机所产生在最大发电量和最小发电量之间的条件，判断下第六台发电机是否满足条件如果不满足返回步骤。具体编程步骤如下输入系统参数，并制定每个变量的上下界随机赋予种群中每个粒子的初始位置和速度对于种群中每个粒子......”。

5、“.....并加上网络损耗将产生的新的适应值与自身比较得到新的非劣解放进将产生的新的非劣解与上代的比较，得到的比较后的非劣解放在中，在将中的解放进中以便以后的比较，即把每次迭代都比较好的解放进了中用拥挤距离对所得到的非劣解集进行删除看是否达到最大的迭代次数，若达到，则输出档案库中的所有非劣解否则，转到步骤。利用多目标粒子群算法解决电力系统环境经济问题的算法的优化利用惯性权重和加速度因子动态变化对多目标粒子群算法解决电力系统经济问题进行优化为了提高的收敛速度，和于年了许多很好的意见。在此谨向她表示衷心的感谢,感谢徐丽青等学长在我论文过程为我答疑解惑，他们丝不苟的工作作风......”。

6、“.....对我今后的工作和学习产生了深厚的影响。同时，在毕业设计过程中，还得到教研室的学长们大力支持与帮助。在此并表示感谢,参考文献李彩华郭志忠樊爱军著电力系统优化调度概述经济调度与最新潮流电力系统以及自动化学报李文沅电力系统安全经济运行模型与方法重庆重庆大学出版社，，，，，郑向伟，刘弘多目标进化算法研究进展计算机科学，苏鹏，刘天琪，赵国波，基于改进粒子群算法的节能调度下多目标负荷最优分配电网技术学报汪文彬，钟声，基于改进拥挤距离的多目标进化算法计算机工程李彩华，郭志忠，电力系统优化调度概述经济调度与最优潮流电力系统及其自动化学报第卷第期年月马金玲，唐普英，种新的多目标粒子群优化算法计算机工程与应用，。叶彬，张鹏翔，赵波，曹家，多目标混合进化算法及其在经济调度中的应用，电力系统及其自动化学报......”。

7、“.....进化多目标优化算法研究，−金欣磊，马龙华，刘波，钱积新，基于动态交换策略的快速多目标粒子群优化算法研究，电路与系统学报年月第卷第期出惯性权重法。是与前次速度有关的个比例因子，较大时，粒子群趋向于全局搜索，随着迭代次数的增加，逐渐减小，促进粒子群能快速的局部搜索。使寻优速度能自适应调整，提高了算法的收敛速度，使其不容易陷入局部最优，避免早熟现象。在多目标进化中得到了广泛的应用，称为时变多目标粒子群算法，计算公式定义如下式中和分别为惯性权重的最小值和最大值为当前迭代次数，为最大迭代次数。而利用加速因子线性变化的方法进行改进在多目标粒子群算法的测试函数仿真中已经应用过。其合适的参数设置经过反复的测试得到当，在之间线性变化，的值在之间线性变化比较好......”。

8、“.....所采用的参数都相同，均是采用选取粒子个，归档集也为，粒子的迭代次数为，循环次数为次，加速因子，均为，惯性权重在之间线性变化，所得到非劣解集就是互不支配的目标函数所产生的适应值的集合。这里有考虑了网络损耗的因素和不考虑网络损耗的因素两种。比对结果如下首先是没有考虑网络损耗的结果分析表燃料花费最小文献本文表气体排放量最小文献本文图没有考虑网络损耗的算法仿真图表示的是所有次迭代产生的燃料花费和气体排放量互补支配的非劣解集。横坐标是燃料花费，纵坐标是污染气体的排放量。图形没有经过优化还需改进。表格和表格是文献与仿真出的结果的比对，仿真的燃料花费的最小值不如文献的好，但是气体排放量的最小值比文献的要好点......”。

9、“.....存在的问题和改进从图形中可以看出这个最优前沿的均匀性不够好，也不够均匀，就这个问题分析，还有很多的不足，不管是从实际问题还是从粒子群算法的仿真来说，可以从以下方面进行改进考虑到实际问题时在燃料花费的目标函数中应该考虑发电机发电时的阀点效应在全局最优的选取时应该选取拥挤距离最大的点，这样有利于最优前沿的均匀性。对于这样的实际问题，可以看到粒子群算法容易陷入局部收敛，也就是常说的早熟现象，所以可以采用些混合算法对粒子群算法进行优化。对电力系统优化调度问题的展望这里我只是做了电力系统优化调度问题的小部分，只是考虑了成本和环境问题，实际上还有很多问题需要进步优化。就电力系统优化问题来说其优化目标也是多样的。对正常的运行状态而言......”。