CN110994694B - 计及差异化需求响应的微电网源荷储协调优化调度方法 - Google Patents

Abstract

本发明提供了一种计及差异化需求响应的微电网源荷储协调优化调度方法，根据负荷用电特性将负荷分为商业负荷、居民负荷和工业负荷，并根据不同类型负荷响应弹性差异性，构建计及分类负荷和用电时段差异的电量电价弹性系数矩阵，基于负荷变化量随电价的变化呈前期变化快后期趋于稳定的趋势，构建了负荷变化量与电价改变量呈指数关系的新型价格型需求响应机制；然后结合储能充放电模型，建立了以系统运行成本最低为目标的微电网源荷储协调优化调度模型；最后将双变异策略和多核并行运算结合到常规的微分进化算法中，提出并行双策略微分进化算法，实现对多维度、非线性、多约束的复杂微电网源荷储协调优化调度模型的高效求解。

Description

计及差异化需求响应的微电网源荷储协调优化调度方法

技术领域

本发明涉及电力系统优化调度技术领域，尤其涉及一种计及差异化需求响应的微电网源荷储协调优化调度方法。

背景技术

微电网是指由分布式电源、储能装置、负荷、能量转换装置和保护装置等组成的自治系统。随着风电、光伏等可再生能源在微网中比重不断增加，微网的优化调度变得相对复杂，如何充分挖掘需求侧响应的潜力，提高源荷两侧的互动，对解决微电网中源荷匹配性较差和弃风弃光的问题具有重要的意义。

需求响应是指负荷侧用户针对市场价格信号或激励机制主动改变原有用电消费模式的行为。随着需求侧管理技术的不管改进，合理利用需求侧负荷的主动性成为了解决间歇性能源出力变化及源荷不匹配等问题的有效方法。现有研究没有对用户进行分类，未考虑不同类型负荷在不同时段具有不同的电量电价需求平衡关系，存在响应弹性差异性；此外，目前研究在价格型需求响应模型中将负荷变化量与电价变化量的关系近似为线性模型，然而在正常情况下，用户一般都存在饱和用电量和基本用电量，因此电价对负荷需求的影响并不会是简单的线性关系，如当电价提高到一定水平后，通过电价提升以减少负荷需求将不再具有明显效果。

发明内容

为解决上述技术问题，本发明提供了一种计及差异化需求响应的微电网源荷储协调优化调度方法，包括以下步骤：

S1、建立基于差异化弹性系数矩阵和指数型价格需求响应模型的差异化需求响应机制；

S2、构建计及差异化需求响应的微电网源荷储协调优化调度模型；

S3、构建并行双策略微分进化算法对所述微电网源荷储协调优化调度模型进行高效求解。

其中，根据负荷用电特性将负荷分为商业负荷、居民负荷和工业负荷，并根据不同类型负荷响应弹性差异性，构建计及分类负荷和用电时段差异的电量电价弹性系数矩阵，基于负荷变化量随电价的变化呈前期变化快后期趋于稳定的趋势，构建了负荷变化量与电价改变量呈指数关系的新型价格型需求响应机制；然后结合储能充放电模型，建立了以系统运行成本最低为目标的微电网源荷储协调优化调度模型；最后将双变异策略和多核并行运算结合到常规的微分进化算法中，提出并行双策略微分进化算法，实现对多维度、非线性、多约束的复杂微电网源荷储协调优化调度模型的高效求解。

其中，所述差异化需求响应机制措施如下所示：

价格型需求响应主要通过制定分时电价引导用户用电时段的变化，优化调整用户的用电行为；分时电价的制定方法是在平均电价的基础上进行上下调整得到峰谷时刻的电价：

式中：m表示负荷类型，1、2、3分别表示商业负荷、工业负荷和居民负荷；分别表示m类负荷的峰时电价和谷时电价；H_m为m类负荷的平均电价；/>和/>分别为峰时电价上调系数和谷时电价下调系数；

负荷需求变化对电价变化的响应关系可用弹性系数表示，弹性系数τ表示负荷需求量变化率与电价变化率之比：

式(2)中P⁰和ΔP分别为初始负荷需求量及其变化量，H⁰和ΔH分别为初始电价及其变化量；

由(2)表达可认为负荷需求变化量与电价变化量之间呈线性关系，但实际上由于用户存在饱和用电量和基本用电量，当电价在一定的正常范围内变化对负荷需求调节的效果较为明显，而当电价改变量过大时，通过电价调节负荷的效果将越来越弱；为了真实反映这种情形，在此构造如下负荷需求对电价的指数关系弹性响应：

式(3)中λ为指数弹性系数；P_max和P_min分别为饱和负荷和基本负荷，其中饱和负荷是指用户的最大可能用电量，在实际应用中可取较长一段时期内的该类负荷历史数据的最大值；P⁺和P^-分别为负荷变化上下限；

由于不同用户类型在不同时段用电量对电价的响应特征不同，故相应的弹性系数也不同，差异化弹性系数矩阵可表达为：

式(4)中m表示负荷类型，1、2、3分别表示商业负荷、工业负荷和居民负荷；矩阵中对角元素为各对应时段的自弹性系数，其他元素为时段i和时段j之间的交叉弹性系数；一般可将各时段划分为峰、平、谷三类时段，则/>可根据i、j分别对应的时段类别，由峰、平、谷时段自弹性系数或者交叉弹性系数确定；

综合式(3)和式(4)，可推导出考虑价格型需求响应后的t时刻的总负荷为：

式(5)中P_PDR(t)为t时刻基于价格型需求响应后的总负荷；为t时刻m类负荷的初始需求量；/>为t时段的饱和负荷和基本负荷；/>为i时刻用户m的电价变化量。

其中，所述步骤S2中微电网源荷储协调优化调度模型如下所示：

式中：T为日前优化调度周期；G、S、m分别为可控分布式电源、储能装置的数量及负荷的类型；F_DG,k为可控分布式电源调度成本；F_ESS,i为蓄电池调度成本；为可中断负荷补偿成本；

各调度成本的具体数学模型如下：

(1)可控分布式电源调度成本

式中：α_k、β_k、γ_k为可控分布式电源调度成本系数；P_DG,k(t)为可控分布式电源有功出力；M_DG,k为影响第k台DG的运行管理成本系数；h_DG,k为第k台DG的单位容量安装成本；u_DG,k为第k台DG的资本回收系数；为第k台DG的最大输出功率；T_DG,k为第k台DG的年运行小时数；C_DG,k为影响第k台DG的容量因素；

(2)蓄电池储能的调度成本

ESS在t时刻的荷电状态(State ofCharge,soc)与本时刻的充放电量和t-1时刻的soc值有关，其充放电过程可描述如下：

式中：和/>分别是蓄电池充电和放电功率，ζ_c和1/ζ_d分别是储能充电和放电效率，C_ESS是储能容量；

蓄电池在t时刻的调度成本为：

式中：δ_ESS为蓄电池的调度成本系数；P_ESS(t)为蓄电池在t时刻的充放电功率；

模型约束条件包括：功率平衡约束、机组功率上下限约束、柴油发电机爬坡约束、蓄电池电量充放约束和削减负荷上下限约束。

其中，所述步骤S3中并行双策略微分进化算法是利用多核计算机按核数将种群分为多个子种群并行进行优化，步骤如下所示：

(1)将种群规模为p的种群按计算机核数均分为n个规模为q的子种群，并分配给每个计算单元lab寻优；

(2)各lab计算子种群中个体的适应度值，并按适应度值进行排序；

(3)将排序后的种群分割为优部群落Cg和劣部群落Cb，分别采用不同的变异策略进行微分进化操作更新优劣部落Cg和Cb；

(4)合并优劣部落为C并求取新种群中的适应度值，迭代次数g＝g+1；若g＜gen，返回步骤(2)，若g＝gen，则停止循环并合并优化后的各子种群进行排序得到最优解。

本发明的有益效果：

本发明计及不同类型负荷响应弹性差异性和负荷变化量与电价改变量呈非线性关系，构建了新型的差异性需求响应机制，并在此基础上建立了以系统运行成本最低为目标的计及差异化需求响应的微网源荷储协调优化调度模型；

本发明根据不同类型负荷响应弹性差异性，构造了新型计及分类负荷和用电时段差异的电量电价响应弹性系数矩阵，考虑到负荷变化量随电价的变化呈前期变化快后期趋于稳定的趋势，构建了负荷变化量与电价改变量呈指数关系的新型差异化需求响应机制；

本发明将双变异策略和多核并行运算结合到常规的微分进化算法中，提出并行双策略微分进化算法，调和了常规微分进化算法存在的寻优深度和速度间的矛盾。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对应本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的负荷需求变化与电价变化之间的线性响应关系和指数响应关系对比图；

图2为本发明实施例提供的计及差异化需求响应的微网调度框架图；

图3为本发明实施例提供的并行双策略微分进化算法流程图；

图4为本发明实施例提供的负荷分类情况图；

图5为本发明实施例提供的微网风光出力预测值图；

图6为本发明实施例提供的微网源荷储协调优化调度结果图；

具体实施方式

以下是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

本发明提供了一种计及差异化需求响应的微电网源荷储协调优化调度方法，包括以下步骤：

S1、建立基于差异化弹性系数矩阵和指数型价格需求响应模型的差异化需求响应机制；

S2、构建计及差异化需求响应的微电网源荷储协调优化调度模型；

S3、构建并行双策略微分进化算法对所述微电网源荷储协调优化调度模型进行高效求解。

步骤S1：基于差异化弹性系数矩阵和指数型价格需求响应模型的差异化需求响应机制

需求响应措施主要包括价格型需求响应(Price demand response,PDR)和激励性需求响应(Incentive demand response，IDR)两种。为了更为准确地描述需求响应，本发明根据负荷用电特性将负荷分为商业负荷、工业负荷和居民负荷，三类负荷的用电习惯、可调节能力、弹性系数等信息存在一定的差异性。

价格型需求响应主要通过制定分时电价引导用户用电时段的变化，优化调整用户的用电行为；分时电价的制定方法是在平均电价的基础上进行上下调整得到峰谷时刻的电价：

式中：m表示负荷类型，1、2、3分别表示商业负荷、工业负荷和居民负荷；分别表示m类负荷的峰时电价和谷时电价；H_m为m类负荷的平均电价；/>和/>分别为峰时电价上调系数和谷时电价下调系数。

负荷需求变化对电价变化的响应关系可用弹性系数表示，弹性系数τ表示负荷需求量变化率与电价变化率之比：

式(2)中P⁰和ΔP分别为初始负荷需求量及其变化量，H⁰和ΔH分别为初始电价及其变化量；

由(2)表达可认为负荷需求变化量与电价变化量之间呈线性关系，但实际上由于用户存在饱和用电量和基本用电量，当电价在一定的正常范围内变化对负荷需求调节的效果较为明显，而当电价改变量过大时，通过电价调节负荷的效果将越来越弱；为了真实反映这种情形，在此构造如下负荷需求对电价的指数关系弹性响应：

式(3)中λ为指数弹性系数；P_max和P_min分别为饱和负荷和基本负荷，其中饱和负荷是指用户的最大可能用电量，在实际应用中可取较长一段时期内的该类负荷历史数据的最大值；P⁺和P^-分别为负荷变化上下限；负荷需求变化与电价变化之间的线性响应关系和指数响应关系对比如附图1所示。

由于不同用户类型在不同时段用电量对电价的响应特征不同，故相应的弹性系数也不同，差异化弹性系数矩阵可表达为：

式(4)中m表示负荷类型，1、2、3分别表示商业负荷、工业负荷和居民负荷；矩阵中对角元素为各对应时段的自弹性系数，其他元素为时段i和时段j之间的交叉弹性系数；一般可将各时段划分为峰、平、谷三类时段，则/>可根据i、j分别对应的时段类别，由峰、平、谷时段自弹性系数或者交叉弹性系数确定。

综合式(3)和式(4)，可推导出考虑价格型需求响应后的t时刻的总负荷为：

式(5)中P_PDR(t)为t时刻基于价格型需求响应后的总负荷；为t时刻m类负荷的初始需求量；/>为t时段的饱和负荷和基本负荷；/>为i时刻用户m的电价变化量。

步骤S2：计及差异化需求响应的微电网源荷储协调优化调度模型

在构建微电网调度框架时负荷侧分为三种负荷类型参与需求响应，电源侧包括光伏、风电及常规机组出力，并加入了储能电池的充放电过程，其中需求响应细分为价格型需求响应和激励性需求响应两种。综上可构建计及差异化需求响应的微电网调度框架如附图2所示，即在微网中可控机组与蓄电池充放电满足各个约束条件的前提下，在电源侧和负荷侧分别考虑多类型电源的出力和负荷侧多类型负荷用电特点，以系统运行成本最低为目标进行协调优化调度建模，并采用改进的微分进化算法进行求解，实现计及差异化需求响应的微网调度方案最优。

根据日前对风电、光伏和负荷的预测功率值，考虑差异化需求响应的前提下，以微电网运行成本最小为目标建立微网源荷储优化调度模型，如下所示：

式中：T为日前优化调度周期；G、S、m分别为可控分布式电源、储能装置的数量及负荷的类型；F_DG,k为可控分布式电源调度成本；F_ESS,i为蓄电池调度成本；为可中断负荷补偿成本；

各调度成本的具体数学模型如下：

(1)可控分布式电源调度成本

式中：α_k、β_k、γ_k为可控分布式电源调度成本系数；P_DG,k(t)为可控分布式电源有功出力；M_DG,k为影响第k台DG的运行管理成本系数；h_DG,k为第k台DG的单位容量安装成本；u_DG,k为第k台DG的资本回收系数；为第k台DG的最大输出功率；T_DG,k为第k台DG的年运行小时数；C_DG,k为影响第k台DG的容量因素；

(2)蓄电池储能的调度成本

ESS在t时刻的荷电状态(State ofCharge,soc)与本时刻的充放电量和t-1时刻的soc值有关，其充放电过程可描述如下：

式中：和/>分别是蓄电池充电和放电功率，ζ_c和1/ζ_d分别是储能充电和放电效率，C_ESS是储能容量；

蓄电池在t时刻的调度成本为：

式中：δ_ESS为蓄电池的调度成本系数；P_ESS(t)为蓄电池在t时刻的充放电功率；

模型约束条件包括：功率平衡约束、机组功率上下限约束、柴油发电机爬坡约束、蓄电池电量充放约束和削减负荷上下限约束。

步骤S3：并行双策略微分进化算法

微分进化算法相比于其他常用智能算法，具有简单、高效、稳定性好等特点，主要包括选择、交叉和变异三种操作。然而，在解决多维度、非线性、多耦合的复杂优化问题时，传统的微分进化算法在进化后期变异阶段容易出现种群多样性下降等问题。微分双策略进化(Dual strategy differential evolution,DSDE)算法可以有效解决这一问题，微分双策略进化算法通过在种群个体排序后对种群进行优劣分割，然后对优部群落的变异基向量采用随机选择的方法，以增加个体多样性；对劣部群落采用当前最优个体作为变异基向量，以增强进化的方向性。这样，若个体进化过快则会自动升入优部群落并通过DE/rand/1策略随机变异加速分化；若个体进化缓慢则会自动跌入劣部群落并通过DE/best/1策略定向变异加速进化。即在每次循环迭代过程中，各个体会根据自身进化特点自动选择适宜的变异策略，由此可实现微分进化不同变异策略的优势互补，兼顾个体多样性和收敛速度。通过上述策略融合技术可巧妙地解决群智能进化算法普遍存在的寻优深度与速度之间的矛盾。

针对微电网优化调度中多种群、多约束和多类型源荷的特点，模型求解计算量大，为了提高计算的效率，并克服种群进化过程中最优解易陷入局部最优的问题，本发明将并行计算技术和双策略微分进化算法相结合形成并行双策略微分进化(Parallel dualstrategy differential evolution,PDSDE)算法，实现并行化的微网优化调度求解。其中并行计算通过利用多核计算机按核数将种群分为多个子种群并行进行优化，以实现显著提高问题求解速度的目的，调度流程如下：

(1)将种群规模为p的种群按计算机核数均分为n个规模为q的子种群，并分配给每个计算单元lab寻优；

(2)各lab计算子种群中个体的适应度值，并按适应度值进行排序；

(3)将排序后的种群分割为优部群落Cg和劣部群落Cb，分别采用不同的变异策略进行微分进化操作更新优劣部落Cg和Cb；

(4)合并优劣部落为C并求取新种群中的适应度值，迭代次数g＝g+1；若g＜gen，返回步骤(2)，若g＝gen，则停止循环并合并优化后的各子种群进行排序得到最优解；

上述调度流程图如图3所示。

为了验证本发明的实用效果，以下将以具体微网为例，该微网中包括2台柴油发电机组，8台50kW风电机组，6台25kW光伏机组，其中柴油机1和柴油机2的出力上下限分别为20kW、80kW和47kW、160kW；另外包括6组容量为100kW的蓄电池，充放电效率均为96％；微网由三种类型负荷组成如附图4所示，风光预测出力如附图5所示。

首先根据负荷用电特性将负荷分为商业负荷、居民负荷和工业负荷，并根据不同类型负荷响应弹性差异性，构造计及分类负荷和用电时段差异的电量电价弹性系数矩阵，考虑到负荷变化量随电价的变化呈前期变化快后期趋于稳定的趋势，构建负荷变化量与电价改变量呈指数关系的新型价格型需求响应机制。将负荷用电分为峰平谷三个时段，峰时段为16-21和10-12时刻，平时段为8-10和12-16时刻，谷时段为1-8和21-24时刻。商业、工业及居民负荷的弹性系数如表1所示。三类负荷平均电价分别为0.97、0.63和0.56。模型优化过程中种群规模取为100，迭代次数为600。

表1差异化弹性系数

	自弹性系数	峰-平	峰-谷	平-谷
					商业	-0.12	0.02	0.02	0.02
工业	-0.38	0.03	0.30	0.03
					居民	-0.05	0.02	0.04	0.02

然后如附图2所示构建计及差异化需求响应的微网调度框架，即在微网中可控机组与蓄电池充放电满足各个约束条件的前提下，在电源侧和负荷侧分别考虑多类型电源的出力和负荷侧多类型负荷用电特点，以系统运行成本最低为目标，基于式(6)～(9)进行微电网源荷储协调优化调度建模。最后采用提出并行双策略微分进化算法对模型进行求解，实现计及差异化需求响应的微网调度方案最优，最终可得到上述微电网计及差异化需求响应的源荷储协调优化调度结果如附图6所示。

所得结果的运行成本为509.12元、风光消纳率为0.961、负荷峰谷比为4.12，相比于不计及差异化需求响应的优化调度结果，运行成本降低了10.9％、风光消纳率提高了6.9％、负荷峰谷比降低了37.3％。说明本发明对于改善微电网中源荷匹配性和减少弃风弃光具有明显效果。

以上实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都是属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (4)

1.计及差异化需求响应的微电网源荷储协调优化调度方法，其特征在于，包括以下步骤：

S1、建立基于差异化弹性系数矩阵和指数型价格需求响应模型的差异化需求响应机制；

S2、构建计及差异化需求响应的微电网源荷储协调优化调度模型；

S3、构建并行双策略微分进化算法对所述微电网源荷储协调优化调度模型进行高效求解；

所述步骤S1中差异化需求响应机制措施如下所示：

价格型需求响应主要通过制定分时电价引导用户用电时段的变化，优化调整用户的用电行为；分时电价的制定方法是在平均电价的基础上进行上下调整得到峰谷时刻的电价：

式中：m表示负荷类型，1、2、3分别表示商业负荷、工业负荷和居民负荷； 分别表示m类负荷的峰时电价和谷时电价；H_m为m类负荷的平均电价；/>和/>分别为峰时电价上调系数和谷时电价下调系数；

负荷需求变化对电价变化的响应关系可用弹性系数表示，弹性系数τ表示负荷需求量变化率与电价变化率之比：

式(2)中P⁰和ΔP分别为初始负荷需求量及其变化量，H⁰和ΔH分别为初始电价及其变化量；

由(2)表达可认为负荷需求变化量与电价变化量之间呈线性关系，但实际上由于用户存在饱和用电量和基本用电量，当电价在一定的正常范围内变化对负荷需求调节的效果较为明显，而当电价改变量过大时，通过电价调节负荷的效果将越来越弱；为了真实反映这种情形，在此构造如下负荷需求对电价的指数关系弹性响应：

式(3)中λ为指数弹性系数；P_max和P_min分别为饱和负荷和基本负荷，其中饱和负荷是指用户的最大可能用电量，取较长一段时期内的该类负荷历史数据的最大值；P⁺和P^-分别为负荷变化上下限；

由于不同用户类型在不同时段用电量对电价的响应特征不同，故相应的弹性系数也不同，差异化弹性系数矩阵可表达为：

式(4)中m表示负荷类型，1、2、3分别表示商业负荷、工业负荷和居民负荷；矩阵中对角元素为各对应时段的自弹性系数，其他元素为时段i和时段j之间的交叉弹性系数；将各时段划分为峰、平、谷三类时段，则/>根据i、j分别对应的时段类别，由峰、平、谷时段自弹性系数或者交叉弹性系数确定；

综合式(3)和式(4)，可推导出考虑价格型需求响应后的t时刻的总负荷为：

式(5)中P_PDR(t)为t时刻基于价格型需求响应后的总负荷；为t时刻m类负荷的初始需求量；/>为t时段的m类负荷的负荷变化上下限；/>为i时刻用户m的电价变化量。

2.根据权利要求1所述的计及差异化需求响应的微电网源荷储协调优化调度方法，其特征在于：根据负荷用电特性将负荷分为商业负荷、居民负荷和工业负荷，并根据不同类型负荷响应弹性差异性，构建计及分类负荷和用电时段差异的电量电价弹性系数矩阵，基于负荷变化量随电价的变化呈前期变化快后期趋于稳定的趋势，构建了负荷变化量与电价改变量呈指数关系的新型价格型需求响应机制；然后结合储能充放电模型，建立了以系统运行成本最低为目标的微电网源荷储协调优化调度模型；最后将双变异策略和多核并行运算结合到常规的微分进化算法中，提出并行双策略微分进化算法，实现对多维度、非线性、多约束的复杂微电网源荷储协调优化调度模型的高效求解。

3.根据权利要求1所述的计及差异化需求响应的微电网源荷储协调优化调度方法，其特征在于，所述步骤S2中微电网源荷储协调优化调度模型如下所示：

式中：T为日前优化调度周期；G、S、m分别为可控分布式电源、储能装置的数量及负荷的类型；F_DG,k为可控分布式电源调度成本；F_ESS,i为蓄电池调度成本；为可中断负荷补偿成本；

各调度成本的具体数学模型如下：

(1)可控分布式电源调度成本

式中：α_k、β_k、γ_k为可控分布式电源调度成本系数；P_DG,k(t)为可控分布式电源有功出力；M_DG,k为影响第k台DG的运行管理成本系数；h_DG,k为第k台DG的单位容量安装成本；u_DG,k为第k台DG的资本回收系数；为第k台DG的最大输出功率；T_DG,k为第k台DG的年运行小时数；C_DG,k为影响第k台DG的容量因素；

(2)蓄电池储能的调度成本

ESS在t时刻的荷电状态(State of Charge,soc)与本时刻的充放电量和t-1时刻的soc值有关，其充放电过程可描述如下：

式中：和/>分别是蓄电池充电和放电功率，ζ_c和1/ζ_d分别是储能充电和放电效率，C_ESS是储能容量；

蓄电池在t时刻的调度成本为：

式中：δ_ESS为蓄电池的调度成本系数；P_ESS(t)为蓄电池在t时刻的充放电功率；

模型约束条件包括：功率平衡约束、机组功率上下限约束、柴油发电机爬坡约束、蓄电池电量充放约束和削减负荷上下限约束。

4.根据权利要求1所述的计及差异化需求响应的微电网源荷储协调优化调度方法，其特征在于，所述步骤S3中并行双策略微分进化算法是利用多核计算机按核数将种群分为多个子种群并行进行优化，步骤如下所示：

(1)将种群规模为p的种群按计算机核数均分为n个规模为q的子种群，并分配给每个计算单元lab寻优；

(2)各lab计算子种群中个体的适应度值，并按适应度值进行排序；

(3)将排序后的种群分割为优部群落Cg和劣部群落Cb，分别采用不同的变异策略进行微分进化操作更新优劣部落Cg和Cb；

(4)合并优劣部落为C并求取新种群中的适应度值，迭代次数g＝g+1；若g＜gen，返回步骤(2)，若g＝gen，则停止循环并合并优化后的各子种群进行排序得到最优解。