《表E2输电线路的设计风速》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《计及多阶段抗灾性能的骨干网架多目标优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在确定该输电网节点和线路的综合重要度以及该区域典型灾害分布场景后，按照附录C图C2流程求解抗灾型骨干网架的Pareto前沿解集。为测试ICLPSO算法在求解多目标优化问题时的有效性，本文将该方法与CLPSO算法[28]以及二进制粒子群优化（binary particle swarm optimization，BPSO）算法[34]比较，并设定最大迭代次数Nmax=100，粒子总数Nnum=20，NQ=5。在迭代求解该问题的过程中，产生的Pareto前沿解集对比结果如附录C图C6所示。从对比结果可以看出，在求解过程中，BPSO算法陷入了早熟，对于多目标求解，BPSO算法单一的学习策略无法获得足够的Pareto前沿解。ICLPSO算法和CLPSO算法在开始阶段两者的学习策略相同，求解效率相近，但是在Pareto前沿解达到一定数量后，CLPSO算法提前收敛。ICLPSO算法在外部档案数超过粒子数且停止更新NQ代后，过渡到阶段2的学习策略。基于阶段1学习中获得的Pareto前沿解集分布，阶段2进一步在前沿解空间进行局部搜索，不仅丰富了Pareto前沿解集的多样性，也扩大了多目标决策的决策空间，为最终选取骨干网架的最优方案提供了基础。通过ICLPSO算法求解所得的Pareto前沿解集在多目标空间的分布为一个凸包络面，如图3所示。