基于模糊排序的谐波污染配电网络多目标优化研究

推荐：针对谐波污染配电网络(PDN)重构中多目标冲突难题，研究团队提出基于模糊Pareto支配的优化方法。通过引入可调优越性阈值和嵌套支配条件，显著提升MOEAIGDNS和ToP算法在高维目标空间的选择压力。实验表明，改进算法在84%-100%案例中优于基准方法，为复杂电网优化提供新思路。

　　

随着可再生能源和电力电子设备在配电网络(PDN)中的大规模应用，谐波污染导致的电能质量问题日益突出。传统单目标优化方法在解决THD（总谐波失真）、LBI（负载平衡指数）等多重冲突目标时往往顾此失彼，而经典Pareto支配在高维目标空间面临选择压力不足的瓶颈。这一问题在含非线性负载的铁路供电等场景中尤为显著，亟需开发新型优化策略。

针对这一挑战，研究人员开展了基于模糊Pareto支配的配电网络多目标优化研究。通过将模糊逻辑引入支配关系定义，创新性地构建了含可调参数θ的模糊支配框架：当个体u在所有目标上优于v的程度超过θ时即判定支配关系。这种柔性比较机制既保持与传统Pareto支配的兼容性，又能通过θ动态调节选择压力。研究团队将该方法嵌入MOEAIGDNS和ToP算法，在DTLZ/MaF标准测试问题和实际配电网络场景中进行验证。

关键技术方法包括：1）构建含谐波约束的6目标优化模型（THD、LBI、网损等）；2）设计基于DFS（深度优先搜索）的拓扑连通性检测；3）采用HV（超体积）和Spacing指标量化性能；4）通过Mann-Whitney U检验进行统计验证。

研究结果显示：在标准测试中，改进算法FPMOEAIGDNS的HV指标100%优于基准，FPToP在87%案例中表现更优。实际电网测试表明，模糊支配使算法失败率降至2%。特别值得注意的是：
1）参数敏感性分析揭示θ=0.1时算法达到最优权衡；
2）嵌套支配条件有效防止优质解被误淘汰；
3）DFS验证确保所有可行解包含发电单元。

该研究通过理论创新和工程实践的结合，成功解决了高维目标空间的选择压力调节难题。所提出的模糊支配框架具有通用性，可扩展至其他多目标优化领域。对于电力系统而言，该方法为同时改善谐波抑制、网损降低等多重目标提供了有效工具，其成果已发表在《Expert Systems with Applications》。研究不仅推进了优化算法理论发展，更为智能电网建设提供了重要技术支撑，特别是在高铁供电等谐波敏感场景中具有显著应用价值。