Phototropic Growth Algorithm for Single-Objective Economic and Environmental Dispatch of a Non-Convex 40-Unit Thermal Power System with Valve-Point Effects
本文证明了趋光生长算法（PGA）能够有效解决包含阀点效应的40机组热力发电系统非凸单目标经济与环境调度问题，在收敛稳定性、解的质量以及执行时间方面均优于近期的元启发式算法。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
把电网想象成一个巨大的、嗡嗡作响的管弦乐团。每当你拨动开关时，某个地方的指挥家都必须确保音乐不会中断。这个指挥家的工作被称为“调度”，其核心在于决定哪些乐器（发电厂）应该演奏多大声，以匹配观众的需求，同时又不浪费任何一个音符。几十年来，这位指挥家只关心一件事：尽可能降低音乐的成本。但近年来，观众开始要求其他东西：音乐需要更洁净，产生更少的烟雾和污染。
问题在于，这些发电厂并非简单的机器。它们就像是古老且反复无常的引擎，具有“阀点效应”。想象一下试图推开一扇沉重的门；有时推起来很顺滑，但接着你会撞到一个坎，然后必须突然使更大的劲才能跨过那个坎。在发电厂中，这些“坎”使得寻找最佳设置的数学计算变得极其复杂且充满陷阱。如果你试图用一把标准的尺子来测量最佳路径，你可能会卡在一个小凹陷里，误以为那是谷底，而其实更深的谷底就在转角处。这就是为什么科学家需要特殊的、聪明的工具——被称为“元启发式算法”的工具——它们就像探险家一样，四处游走以寻找真正的最深谷底，而不至于被这些坎所困。
这篇论文介绍了一种新的探险者，叫做向光生长算法（Phototropic Growth Algorithm, PGA）。这个名字听起来很高级，但其原理就像一株家养植物一样简单。你知道吗，窗台上的植物会慢慢向着阳光弯曲并伸展叶片？这就是向光性。植物在背阴的一侧生长得比向阳的一侧更快，从而导致它向光处弯曲。研究人员将这种生物特性转化为了一个计算机程序。程序不再使用“叶子”，而是使用“细胞”（代表不同的发电厂设置）。“光”则是最佳解决方案（最低成本或最低污染）。该算法让“背阴”的细胞向着“光”伸展和移动，不断进行调整，直到找到完美的位置。
作者在一个巨大的、极具挑战性的任务上测试了这个新的“植物算法”：一个拥有 40 个不同热力发电单元的系统，这些单元需要精确产生 10,500 MW 的功率。他们运行了两项独立的实验。在第一项实验中，他们告诉算法忽略污染，只寻找生成这些电力的最便宜方式。在第二项实验中，他们告诉算法忽略成本，只寻找最清洁的方式。两次实验都必须应对那些让数学计算变得异常困难的棘手“阀点”坎。
结果令人印象深刻。当算法在寻找最便宜的燃料时，它找到了每小时成本为 $121,623.61 的解决方案。它完成工作的速度比其他几种流行的计算机方法（如 CCO 和 COGWO）都要快，仅用了 57.12 秒，而其他方法则耗时超过一分钟。更重要的是，该算法具有极高的可靠性。研究人员利用不同的随机起始点进行了 50 次 测试，结果几乎每次都完全相同，这证明它不仅仅是偶然运气好，而是能够始终如一地找到最佳路径。
当目标转向最小化污染时，这个植物算法的表现甚至更好。由于污染相关的数学计算没有那些棘手的“坎”，该算法非常迅速地找到了最佳解决方案，在仅仅 200 次迭代后就趋于稳定（相比之下，其他一些方法则需要超过 1,000 次）。它找到了一种以每小时约 142,332.8 吨的总排放量来提供电力的方案。
这项研究还揭示了关于金钱与环境之间权衡关系的有趣现象。运行发电厂的“最便宜”方式与“最清洁”的方式并不相同。为了节省成本而全功率运转的一些大型发电机必须降低功率以减少烟雾，而另一些则需要加大力度。算法成功地绘制出了这些不同的“最佳”设置，清晰地展示了取决于优先考虑省钱还是保护空气，电网的“曲调”将如何发生变化。
简而言之，这篇论文表明，模仿植物向着阳光生长是一种解决现代电网复杂且多变数学问题的强大新方法。它证明了这种“基于植物”的方法不仅快速、准确，而且足以应对一个 40 单元电力系统中复杂的现实世界特性，为我们电网管弦乐团的指挥家们提供了一个全新的工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。