文献综述（或调研报告）：
一、前言
经济-环境双目标负荷优化分配综合考虑了经济性和污染物的排放，使得火电企业能够在兼顾效益的同时减少排放，具有经济价值和社会意义。
经济-环境双目标负荷优化问题是最小化两个相互竞争的目标函数，燃料成本和排放，同时满足几个平等和不平等约束。其中优化的变量是每台机组负荷，优化的目标为最大限度地降低燃料成本和最小化排放，优化的限制主要有发电容量限制、功率平衡约束和安全限制。利用机组运行特性在线计算方法可以获得每台机组的数据，根据负荷优化分配算法来计算每台机组负荷的分配，最终得出优化后的机组负荷。
二、正文
最初的负荷优化问题聚焦在单一的经济目标上，即优化目标只有燃料成本，随着公众环境保护意识的提高，火电企业也开始重视该如何减少污染和大气排放。
火电企业减少大气排放的策略主要用安装污染物清洁设备，改用低排放燃料，更换老化设备，以及排放调度。前三个策略需要较大的成本，只能作为长期的选择。排放调度仅需对以经济为目标的负荷分配进行优化即可，是一种有吸引力的短期选择。优化后的问题就成了经济-环境双目标负荷优化分配问题。
通常一个多目标优化问题的解是一个解空间，称为Pareto优化解前沿。最近的方向是同时将两个目标作为竞争目标处理，运用进化算法，来得到Pareto最优解。
文献[1]提出了一种新的非支配排序遗传算法（NSGA）方法，开发了一种多样性保持机制并将其叠加在搜索算法上，以找到不同的Pareto最优解。另外，实施分层聚类技术以向电力系统操作员提供有代表性且可管理的Pareto最优集；采用基于模糊的机制来获得最佳折衷解。
文献[2]进行了MOEA技术的比较研究，以评估它们解决经济-环境双目标负荷优化问题的潜力。将非支配排序遗传算法（NSGA）、小生境Pareto遗传算法(NPGA)、强度Pareto进化算法（SPEA）等技术相互比较，并与经典的多目标优化技术进行比较。证明了MOEA解决经济-环境双目标负荷优化问题的有效性。
