《Sustainable Computing: Informatics and Systems》：Economic and Environmental Optimization-Dispatch in Large-Scale Power Systems using Weighted Mean of Vectors Algorithm
编辑推荐：
联合经济与环境调度中，INFOT算法通过向量结合、规则更新和局部搜索协同优化，在40和160机组系统中实现燃料成本降低5.6%，碳排放减少48.3%，并保持系统稳定性。算法采用改进的二次成本函数和价格惩罚因子，成功平衡经济与环境目标，IEEE 30-bus验证显示其收敛速度和排放水平优于现有方法。
阿卜杜拉·M·沙欣（Abdullah M. Shaheen）|阿里·M·埃尔-里法伊（Ali M. El-Rifaie）|巴德尔·阿尔-法伊亚（Badr Al Faiya）|加里布·穆斯塔法（Ghareeb Moustafa）|哈希姆·阿尔纳米（Hashim Alnami）
苏伊士大学工程学院电气工程系，邮政信箱：43221，苏伊士，埃及
摘要
在综合经济与环境调度（CEED）中，大规模优化对于改进电力系统管理至关重要。本研究介绍了一种专为CEED问题开发的加权向量均值技术（INFOT）算法，该算法包含三个主要操作步骤：向量组合、规则更新和局部搜索，这些步骤共同优化发电成本并减少环境排放。所开发的INFOT算法被用于解决两个大规模电力系统问题，其中一个系统包含40个发电单元，另一个系统包含160个发电单元。将INFOT算法与几种最新的优化技术进行了比较。对于一个负荷需求为10,500 MW的40个单元发电系统，在成本最小化（情景1）中，所提出的INFOT算法将总燃料成本降低了5.6%，同时在减排方面也显示出显著改善。具体而言，在情景1中，INFOT将排放量从386,946 kg/h降低到200,138.8 kg/h，减少了48.3%。此外，发电机输出分析表明，INFOT能够平衡发电需求，防止任何特定单元承受过大的压力，并提高整个系统的稳定性。研究证实，INFOT是一种具有竞争力且可靠的优化方法，可以有效管理24小时内的负荷变化和发电机输出。为了验证其实际应用性，将所提出的INFOT算法应用于IEEE 30节点系统进行减排优化。比较结果表明，INFOT在收敛速度和最低排放水平方面优于多种先进算法。
部分内容摘录
动机与背景
在现代社会中，电力行业对工业和日常生活都至关重要。多年来，这一领域在高度竞争的环境中不断发展，人们越来越重视降低发电成本[1][2]。这种对效率的重视促使人们提出了经济负荷调度（ELD）问题，该问题旨在在满足能源需求的同时最小化发电成本[3]。随着对环境问题意识的提高，保护地球的需求也随之增强
问题表述
在大多数ELD研究中，热电厂的燃料成本函数使用简单的二次方程进行建模[61][62]，这可以近似表示成本随发电量的平滑增长。然而，该模型未能完全捕捉实际机组中由于阀门点负载效应引起的非线性波动。为了解决这个问题，我们采用了正弦二次模型[63]，通过添加正弦项来扩展二次形式，从而使成本曲线更加真实，更适合实际情况
为CEED问题开发的INFOT算法
加权向量均值技术（INFOT）是一种先进的基于群体的优化算法，它结合了三种协同机制来处理CEED问题：规则更新、向量组合和局部搜索。这些操作步骤共同引导算法在全局探索和局部利用之间取得平衡，最终找到能够最小化燃料成本和环境排放的最优发电计划。仿真结果
为了应对大规模测试系统，对包含40个发电单元、电力需求为10,500 MW的系统进行了INFOT算法的评估[66][67]。燃料成本和排放系数的完整数据见附录。此外，还对一个规模更大的系统进行了测试，该系统包含160个发电单元，电力需求为43,200 MW。这个系统的规模是[67]中描述的40个单元系统的四倍
结论
本研究提出了一种新颖的INFOT方法，显著提升了大规模电力系统中CEED问题的优化效果。主要贡献包括：INFOT算法能够同时降低发电成本和温室气体排放，在统一框架内实现经济和环境目标；该方法使用二次标准函数来计算燃料成本和排放量，并引入价格惩罚因子来整合和平衡这两个目标
作者贡献声明
加里布·穆斯塔法（Ghareeb Moustafa）：撰写初稿、可视化、数据分析、形式化分析。哈希姆·阿尔纳米（Hashim Alnami）：监督、数据分析、概念化。巴德尔·阿尔-法伊亚（Badr Al Faiya）：数据分析、形式化分析、数据整理。阿里·M·埃尔-里法伊（Ali M. El-Rifaie）：撰写与编辑、可视化、验证、概念化。沙欣·阿卜杜拉（Shaheen Abdullah）：撰写与编辑、撰写初稿、软件开发、方法论设计。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：巴德尔·阿尔-法伊亚表示获得了贾赞大学工程与计算机科学学院的财务支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文所述的工作
致谢
作者衷心感谢沙特阿拉伯贾赞大学研究生研究与科学研究院的资助，项目编号为（RG24-S0159）。
