基于改进斑马优化算法的电力系统经济环保调度研究：成本与排放协同优化新策略

为解决电力系统经济环保调度(CEED)中非线性、非凸性优化难题，Ahmed Arkwaee等人提出改进斑马优化算法(IMZOA)，通过高斯分布增强随机性、自适应策略选择等创新机制，在6机组、31机组(伊拉克系统)和110机组系统中分别实现0.80%成本降低、69,563.04/h和197,974.2047/h的优化性能，显著优于ZOA、PSO等算法，为电力系统可持续发展提供高效解决方案。

　　

现代电力系统面临着经济性与环保性双重挑战。随着全球对清洁能源需求的增长，如何在满足电力需求的同时降低发电成本和污染物排放，成为困扰业界的核心难题。传统经济负荷调度(ELD)仅考虑成本优化，而热电厂燃烧化石燃料产生的SO₂、NO_x和CO₂等污染物，使得电力行业必须同时应对经济成本和环境约束。现有解决方案如拉格朗日法和二次规划难以处理非凸性问题，而遗传算法(GA)、粒子群优化(PSO)等元启发式算法又存在早熟收敛和参数敏感等问题。针对这一现状，巴格达大学(University of Baghdad)电气工程系的Ahmed Arkwaee和Rana Ali Abttan开展创新研究，提出改进斑马优化算法(IMZOA)，相关成果发表在《Array》期刊。

研究人员采用三项关键技术：1)基于高斯分布的随机性增强机制改进斑马觅食行为；2)动态调整的S1/S2防御策略选择概率；3)攻击/防御强度的迭代自适应缩放。测试采用6机组IEEE系统、31机组伊拉克系统和110机组大型系统作为基准，通过20次独立运行评估稳定性。

在"实验仿真与结果"部分，研究取得系列重要发现：对于6机组系统，IMZOA在150MW负荷下实现10,136.0982/h的总成本，较标准ZOA降低0.03/h的优化结果。针对伊拉克31机组系统，IMZOA以69,563.04/h的燃料成本显著优于PSO(69,568.93/h)和NBA(70,335/h)。在最具挑战性的110机组系统中，"动态强度缩放"技术帮助IMZOA实现197,974.2047/h的稳定输出，标准差仅27.673，显著优于EBWO(199,417.2/h)和ESNS(200,266.5/h)。

研究结论表明，IMZOA通过三项创新改进有效平衡了探索与开发：1)高斯分布增强局部搜索能力；2)线性衰减的Ps概率函数实现策略自适应；3)动态R系数提升逃逸效率。这些改进使算法在各类规模系统中均展现优势：小型系统(6机组)成本降低0.80%，中型系统(伊拉克31机组)实现69,563.04/h的行业领先水平，大型系统(110机组)保持197,974.2047/h的稳定输出。特别值得注意的是，IMZOA在解决CEED问题的同时，通过价格惩罚因子(PPF)将多目标转化为单目标，兼顾了经济性与环保性，其立方函数模型比传统二次多项式更准确反映热力系统非线性特性。

这项研究为电力系统优化提供了新思路，其创新性主要体现在：1)首次将斑马社会行为机制系统应用于CEED问题；2)提出的自适应改进策略可推广至其他元启发式算法；3)验证了立方函数模型在大规模系统中的实用性。未来研究可进一步探索IMZOA在含可再生能源的混合系统中的应用，以及与其他智能算法的混合策略开发。该成果不仅对伊拉克等发展中国家电力系统优化具有直接参考价值，也为全球能源转型背景下的电力调度算法设计提供了重要范式。