一種智能電網(wǎng)多智能體多目標(biāo)一致性優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能電網(wǎng)優(yōu)化協(xié)調(diào)調(diào)度技術(shù)領(lǐng)域，設(shè)及一種多智能體多目標(biāo)協(xié)調(diào)控制 的智能電網(wǎng)優(yōu)化運(yùn)行策略，具體設(shè)及一種智能電網(wǎng)多智能體多目標(biāo)一致性優(yōu)化方法。
【背景技術(shù)】
[0002] 智能電網(wǎng)是人工智能的一個(gè)重要分支，是20世紀(jì)末至21世紀(jì)初國(guó)際上人工智能 的前沿學(xué)科。隨著計(jì)算機(jī)技術(shù)、人工智能理論、控制理論的快速發(fā)展W及對(duì)現(xiàn)代科學(xué)的不斷 探索，智能電網(wǎng)已成為不同學(xué)科領(lǐng)域研究的熱點(diǎn)問(wèn)題之一。智能電網(wǎng)的分布式協(xié)同控制對(duì) 提高配電網(wǎng)可靠性、改善電能質(zhì)量、提高配電網(wǎng)運(yùn)行經(jīng)濟(jì)性、優(yōu)化配電網(wǎng)運(yùn)行安排等都具有 十分重要的意義。
[0003] 功率平衡控制，即實(shí)時(shí)經(jīng)濟(jì)調(diào)度，是電力系統(tǒng)運(yùn)行中的一個(gè)基本問(wèn)題，它是指發(fā)電 機(jī)和柔性負(fù)荷在滿足一系列運(yùn)行約束的條件下，使整個(gè)電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)效益最大化的 優(yōu)化問(wèn)題。傳統(tǒng)上采用集中優(yōu)化技術(shù)來(lái)解決經(jīng)濟(jì)調(diào)度問(wèn)題，其中包括經(jīng)典優(yōu)化方法和現(xiàn)代 人工智能方法。
[0004] 然而，當(dāng)采用集中優(yōu)化方法時(shí)，系統(tǒng)需要調(diào)度中屯、發(fā)布指令調(diào)度整個(gè)系統(tǒng)中所有 的發(fā)電機(jī)和柔性負(fù)荷，調(diào)度中屯、需要與每一個(gè)調(diào)度對(duì)象進(jìn)行信息交互。并且，柔性負(fù)荷的廣 泛滲透化及電力元件需要的"即插即用"技術(shù)將會(huì)使電力網(wǎng)和通信網(wǎng)拓?fù)浣Y(jié)構(gòu)多變，導(dǎo)致集 中優(yōu)化方法需要較高的通信拓?fù)浣ㄔO(shè)成本。因此，需要適應(yīng)性更強(qiáng)的優(yōu)化算法，在通信受限 和不可靠甚至調(diào)度中屯、失效的情況下仍能有效地運(yùn)行。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足之處，提供一種智能電網(wǎng)多智能體多目標(biāo) 一致性優(yōu)化方法，根據(jù)網(wǎng)荷互動(dòng)要求，結(jié)合不同類型智能電網(wǎng)多智能體特性，從智能電網(wǎng)多 智能體多目標(biāo)系統(tǒng)一致性的角度建立協(xié)調(diào)控制模型。本發(fā)明不僅能根據(jù)電力網(wǎng)和負(fù)荷特 性，建立多智能體的優(yōu)化模型，利用多智能體理論研究考慮部分信息共享的分布式出力優(yōu) 化算法，還能根據(jù)不同的通信拓?fù)浞治鏊惴ǖ氖諗啃?，?duì)算例進(jìn)行仿真分析并研究提高分 布式算法收斂性的相關(guān)技術(shù)。
[0006] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用W下技術(shù)方案：
[0007] -種智能電網(wǎng)多智能體多目標(biāo)一致性優(yōu)化方法，其特征在于，根據(jù)智能電網(wǎng)多智 能體協(xié)同控制因素的系統(tǒng)的特點(diǎn)，分析不同電力元件的不同典型特征，W及各自所提出的 目標(biāo)要求，當(dāng)目標(biāo)多樣時(shí)選取恰當(dāng)?shù)哪繕?biāo)函數(shù)獲取優(yōu)化運(yùn)行控制方式與參數(shù)，確保系統(tǒng)運(yùn) 行時(shí)的可靠性和經(jīng)濟(jì)性，并驗(yàn)證優(yōu)化運(yùn)行策略的有效性；其實(shí)施步驟包括：
[0008] 步驟1，根據(jù)電力系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)，建立基于MTLAB與肥化OGO的聯(lián)合仿真平臺(tái)，其 中，在MTLAB中建立電力系統(tǒng)元件模型，在肥化OGO中定義代表電力系統(tǒng)元件的智能體通 用模塊，同時(shí)，搭建MTLAB和肥化OGO之間的數(shù)據(jù)交換接口模塊實(shí)現(xiàn)信息交互；
[0009] 步驟2,針對(duì)各種負(fù)荷類型，分別根據(jù)負(fù)荷基準(zhǔn)量、電價(jià)，W及對(duì)應(yīng)負(fù)荷的各目標(biāo)的 目標(biāo)傾向度，建立分別對(duì)應(yīng)于各種負(fù)荷和電源類型的負(fù)荷-電價(jià)響應(yīng)特性模型；所述的負(fù) 荷包括剛性負(fù)荷和柔性負(fù)荷，所述的電源包括分布式電源和儲(chǔ)能元件；其中，剛性負(fù)荷是指 不參與電網(wǎng)互動(dòng)的負(fù)荷，柔性負(fù)荷是指參與電網(wǎng)互動(dòng)的負(fù)荷；
[0010] 步驟3,根據(jù)所述步驟2中建立的分別對(duì)應(yīng)各種負(fù)荷類型的負(fù)荷-電價(jià)響應(yīng)特性模 型，分別獲得各個(gè)負(fù)荷的各個(gè)目標(biāo)的目標(biāo)函數(shù)；并且分別針對(duì)各個(gè)負(fù)荷，將負(fù)荷的各個(gè)目標(biāo) 的目標(biāo)函數(shù)進(jìn)行加權(quán)處理，分別獲得對(duì)應(yīng)各個(gè)負(fù)荷的總目標(biāo)函數(shù)；
[0011] 步驟4,將所述的各個(gè)負(fù)荷隨機(jī)分布在肥化OGO S維層面上，獲得各個(gè)負(fù)荷的初始 策略；針對(duì)肥化OGO S維層面中的網(wǎng)絡(luò)節(jié)點(diǎn)，隨機(jī)設(shè)定電價(jià)，并且建立負(fù)荷代理；
[0012] 步驟5, W所述各個(gè)負(fù)荷的初始策略作為負(fù)荷基準(zhǔn)量，分別針對(duì)各個(gè)負(fù)荷的各個(gè)目 標(biāo)的目標(biāo)傾向度，采用+i或-i的方式分別獲得各個(gè)負(fù)荷對(duì)應(yīng)的策略，并結(jié)合各個(gè)負(fù)荷的初 始策略構(gòu)成各個(gè)負(fù)荷的策略集；所述的i為每一步迭代步長(zhǎng)，所述的步是指電價(jià)每變動(dòng)一 次，負(fù)荷的策略相應(yīng)變化一次；
[0013] 步驟6,采用多智能體多目標(biāo)協(xié)調(diào)控制的智能電網(wǎng)一致性優(yōu)化算法，分別對(duì)各個(gè) 負(fù)荷的總目標(biāo)函數(shù)進(jìn)行優(yōu)化協(xié)調(diào)運(yùn)算，并分別選擇獲得各個(gè)負(fù)荷對(duì)應(yīng)其最大總目標(biāo)函數(shù)值 的策略，作為各個(gè)負(fù)荷的優(yōu)選策略；
[0014] 令Xi表示電力元件的狀態(tài)，根據(jù)一致性協(xié)議，當(dāng)且僅當(dāng)網(wǎng)絡(luò)拓補(bǔ)中所有的結(jié)點(diǎn)的 狀態(tài)值都相等時(shí)，該網(wǎng)絡(luò)的結(jié)點(diǎn)都達(dá)到了一致，即：
[0015] Xi= X 2=L =Xn
[0016] 步驟7,分別根據(jù)所述的各個(gè)負(fù)荷的優(yōu)選策略中的各個(gè)目標(biāo)的目標(biāo)傾向度，將各個(gè) 負(fù)荷分別運(yùn)動(dòng)到肥化OGO S維層面中相應(yīng)的位置上，并更新各個(gè)負(fù)荷的各個(gè)目標(biāo)的目標(biāo)傾 向度；然后根據(jù)對(duì)應(yīng)的負(fù)荷-電價(jià)響應(yīng)特性模型，獲得此時(shí)各個(gè)負(fù)荷的功率，并且結(jié)合負(fù)荷 代理針對(duì)對(duì)應(yīng)負(fù)荷的管轄，分別獲得各個(gè)負(fù)荷代理的總功率；
[0017] 步驟8,將所述的各個(gè)負(fù)荷代理的總功率由肥化OGO發(fā)送至MTLAB中，在MTLAB 中獲得發(fā)電機(jī)出力和對(duì)應(yīng)各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的電價(jià)，并返回至肥化OGO中，更新肥化OGO=維層 面中對(duì)應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價(jià)；
[0018] 步驟9,將所述的肥化OGO S維層面中各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價(jià)作為牽引信號(hào)，并分 別由所述的各個(gè)負(fù)荷代理將對(duì)應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價(jià)發(fā)布給其管轄的各個(gè)負(fù)荷；
[0019] 步驟10,根據(jù)所述步驟9完成時(shí)肥化OGO=維層面中的各個(gè)負(fù)荷的位置，W及各個(gè) 負(fù)荷的各個(gè)目標(biāo)的目標(biāo)傾向度，更新各個(gè)負(fù)荷的初始策略，并按照所述步驟5中的方法，更 新所述各個(gè)負(fù)荷對(duì)應(yīng)的策略集，然后根據(jù)對(duì)應(yīng)各個(gè)負(fù)荷的總目標(biāo)函數(shù)，結(jié)合各個(gè)負(fù)荷對(duì)應(yīng) 的電價(jià)，分別獲得各個(gè)負(fù)荷對(duì)應(yīng)其策略集中各個(gè)策略的總目標(biāo)函數(shù)值；
[0020] 步驟11，分別針對(duì)各個(gè)負(fù)荷，判斷負(fù)荷的初始策略對(duì)應(yīng)的總目標(biāo)函數(shù)值是否大于 其策略集中其它策略所對(duì)應(yīng)的總目標(biāo)函數(shù)值，是則該負(fù)荷停止運(yùn)動(dòng)；否則返回步驟4。
[0021] 在所述步驟1中，所述的建立基于MTLAB與肥化OGO的聯(lián)合仿真平臺(tái)，是指：
[0022] -種由MTLAB與肥化OGO構(gòu)成的智能電網(wǎng)多智能體仿真平臺(tái)，其中利用MTLAB 的計(jì)算功能和編程技術(shù)，來(lái)建立電力系統(tǒng)元件的模型和建立復(fù)雜的電力網(wǎng)絡(luò)仿真模型；而 肥化OGO是一個(gè)對(duì)自然和社會(huì)現(xiàn)象進(jìn)行仿真的可編程建模環(huán)境，適于對(duì)隨時(shí)間演化的復(fù)雜 系統(tǒng)進(jìn)行建模；所述的NETLOGO完成電力系統(tǒng)元件通用模塊的搭建，MTLAB進(jìn)行電力系統(tǒng) 的各項(xiàng)計(jì)算，求解得到的網(wǎng)絡(luò)參數(shù)通過(guò)MTLAB和肥化OGO之間的接口程序?qū)崿F(xiàn)信息交互。
[0023] 在所述步驟3中，所述分別獲得對(duì)應(yīng)各個(gè)柔性負(fù)荷的總目標(biāo)函數(shù)，其過(guò)程為：
[0024] 設(shè)經(jīng)濟(jì)效益Bk作為電力元件的收益，定義如下：
[00 巧]
[002引其中Ek為凈輸入輸出的總和，Pk為負(fù)荷買電的價(jià)格，Dk為負(fù)荷參考功率，Bk為經(jīng) 濟(jì)效益，
[0027] 為經(jīng)濟(jì)性的傾向度，終為舒適度的傾向度，Uk為分布式電源賣電的價(jià)格，Gk為 分布式電源參考功率；
[002引定義電力元件舒適度如下：
[0029] Q = %?(! -從）
[0030] 其中Ck為電力元件舒適度；
[0031] 電力元件的整體效用由兩個(gè)目標(biāo)函數(shù)加權(quán)得到總目標(biāo)函數(shù)表示，總目標(biāo)函數(shù)定義 如下：
[0032] 八,'' =A .公/' + 巧;.G
[0033] 其中Rk為電力元件的整體效用。
[0034] 在所述步驟4中，所述的將各個(gè)負(fù)荷隨機(jī)分布在肥化OGOS維層面上，構(gòu)成多個(gè)負(fù) 荷節(jié)點(diǎn)，并獲得各個(gè)負(fù)荷的各個(gè)目標(biāo)的初始目標(biāo)傾向度，即為各個(gè)負(fù)荷的初始策略，其過(guò)程 為：
[0035] 針對(duì)所述的肥化OGO=維層面中的網(wǎng)絡(luò)節(jié)點(diǎn)，隨機(jī)設(shè)定電價(jià)，并且根據(jù)肥化OGO= 維層面中的負(fù)荷節(jié)點(diǎn)，建立負(fù)荷代理，所述的負(fù)荷代理的數(shù)量與負(fù)荷節(jié)點(diǎn)的數(shù)量一致，所述 的負(fù)荷代理與負(fù)荷節(jié)點(diǎn)一一對(duì)應(yīng)，所述的各個(gè)負(fù)荷代理管轄對(duì)應(yīng)各個(gè)負(fù)荷，并且所述的各 個(gè)負(fù)荷代理分別用于其管轄的各個(gè)負(fù)荷和MATLAB之間的信息傳輸。
[0036] 在所述步驟5中，所述的W各個(gè)負(fù)荷的初始策略作為負(fù)荷基準(zhǔn)量，分別針對(duì)各個(gè) 負(fù)荷的各個(gè)目標(biāo)的目標(biāo)傾向度，采用+i或-i的方式分別獲得各個(gè)負(fù)荷對(duì)應(yīng)的策略，并結(jié)合 各個(gè)負(fù)荷的初始策略構(gòu)成各個(gè)負(fù)荷的策略集：
[0037] 其中，i= 1，在肥化OGO立維層面上，每一個(gè)負(fù)荷周圍包括八個(gè)點(diǎn)，該八個(gè)點(diǎn)分別 是
/Z,;-hi.&- 每一個(gè)負(fù)荷對(duì)應(yīng)八個(gè)不同的策略，分別構(gòu)成各個(gè)負(fù)荷的策略集。
[0038] 所述步驟8的實(shí)現(xiàn)過(guò)程是：
[0039] 將所述的各個(gè)負(fù)荷代理的總功率通過(guò)MTLAB與肥化OGO之間的數(shù)據(jù)交換接口模 塊，由肥化OGO發(fā)送至MTLAB中，在MTLAB中分別針對(duì)各個(gè)負(fù)荷代理的總功率進(jìn)行最優(yōu) 潮流計(jì)算，獲得發(fā)電機(jī)出力和對(duì)應(yīng)各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的電價(jià)，并將該各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的電價(jià)，通過(guò) MTLAB與肥化OGO之間的數(shù)據(jù)交換接口模塊返回至肥化OGO中，更新肥化OGOS維層面中 對(duì)應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價(jià)。
[0040] 在所述步驟9中，所述的將肥化OGOS維層面中各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價(jià)作為牽引 信號(hào)，并分別由各個(gè)負(fù)荷代理將對(duì)應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價(jià)發(fā)布給其管轄的各個(gè)負(fù)荷，是指：
[0041] 電力系統(tǒng)調(diào)度平臺(tái)每W-個(gè)固定時(shí)間段運(yùn)行一次，在每個(gè)時(shí)間段末尾時(shí)計(jì)算實(shí)時(shí) 電價(jià)、預(yù)測(cè)短時(shí)電價(jià)、計(jì)算電網(wǎng)頻率和節(jié)點(diǎn)電壓，并向各負(fù)荷代理、大負(fù)荷下發(fā)該時(shí)段電價(jià)、 頻率、電壓，需要時(shí)同時(shí)下發(fā)該時(shí)段前后的歷史和預(yù)測(cè)電價(jià)、頻率、電壓；所述電價(jià)、頻率、電 壓統(tǒng)稱為牽引信號(hào)，指導(dǎo)牽引各個(gè)負(fù)荷調(diào)整自身用電需求，在最大化自身利益的同時(shí)服務(wù)