一種智能電網(wǎng)多智能體多目標一致性優(yōu)化方法
【技術領域】
[0001] 本發(fā)明屬于智能電網(wǎng)優(yōu)化協(xié)調(diào)調(diào)度技術領域，設及一種多智能體多目標協(xié)調(diào)控制 的智能電網(wǎng)優(yōu)化運行策略，具體設及一種智能電網(wǎng)多智能體多目標一致性優(yōu)化方法。
【背景技術】
[0002] 智能電網(wǎng)是人工智能的一個重要分支，是20世紀末至21世紀初國際上人工智能 的前沿學科。隨著計算機技術、人工智能理論、控制理論的快速發(fā)展W及對現(xiàn)代科學的不斷 探索，智能電網(wǎng)已成為不同學科領域研究的熱點問題之一。智能電網(wǎng)的分布式協(xié)同控制對 提高配電網(wǎng)可靠性、改善電能質(zhì)量、提高配電網(wǎng)運行經(jīng)濟性、優(yōu)化配電網(wǎng)運行安排等都具有 十分重要的意義。
[0003] 功率平衡控制，即實時經(jīng)濟調(diào)度，是電力系統(tǒng)運行中的一個基本問題，它是指發(fā)電 機和柔性負荷在滿足一系列運行約束的條件下，使整個電力系統(tǒng)運行的經(jīng)濟效益最大化的 優(yōu)化問題。傳統(tǒng)上采用集中優(yōu)化技術來解決經(jīng)濟調(diào)度問題，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，當采用集中優(yōu)化方法時，系統(tǒng)需要調(diào)度中屯、發(fā)布指令調(diào)度整個系統(tǒng)中所有 的發(fā)電機和柔性負荷，調(diào)度中屯、需要與每一個調(diào)度對象進行信息交互。并且，柔性負荷的廣 泛滲透化及電力元件需要的"即插即用"技術將會使電力網(wǎng)和通信網(wǎng)拓撲結構多變，導致集 中優(yōu)化方法需要較高的通信拓撲建設成本。因此，需要適應性更強的優(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行。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術的不足之處，提供一種智能電網(wǎng)多智能體多目標 一致性優(yōu)化方法，根據(jù)網(wǎng)荷互動要求，結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)不同的通信拓撲分析算法的收斂性，對算例進行仿真分析并研究提高分 布式算法收斂性的相關技術。
[0006] 為解決上述技術問題，本發(fā)明采用W下技術方案：
[0007] -種智能電網(wǎng)多智能體多目標一致性優(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，分析不同電力元件的不同典型特征，W及各自所提出的 目標要求，當目標多樣時選取恰當?shù)哪繕撕瘮?shù)獲取優(yōu)化運行控制方式與參數(shù)，確保系統(tǒng)運 行時的可靠性和經(jīng)濟性，并驗證優(yōu)化運行策略的有效性；其實施步驟包括：
[0008] 步驟1，根據(jù)電力系統(tǒng)網(wǎng)絡結構，建立基于MTLAB與肥化OGO的聯(lián)合仿真平臺，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，搭建MTLAB和肥化OGO之間的數(shù)據(jù)交換接口模塊實現(xiàn)信息交互；
[0009] 步驟2,針對各種負荷類型，分別根據(jù)負荷基準量、電價，W及對應負荷的各目標的 目標傾向度，建立分別對應于各種負荷和電源類型的負荷-電價響應特性模型；所述的負 荷包括剛性負荷和柔性負荷，所述的電源包括分布式電源和儲能元件；其中，剛性負荷是指 不參與電網(wǎng)互動的負荷，柔性負荷是指參與電網(wǎng)互動的負荷；
[0010] 步驟3,根據(jù)所述步驟2中建立的分別對應各種負荷類型的負荷-電價響應特性模 型，分別獲得各個負荷的各個目標的目標函數(shù)；并且分別針對各個負荷，將負荷的各個目標 的目標函數(shù)進行加權處理，分別獲得對應各個負荷的總目標函數(shù)；
[0011] 步驟4,將所述的各個負荷隨機分布在肥化OGO S維層面上，獲得各個負荷的初始 策略；針對肥化OGO S維層面中的網(wǎng)絡節(jié)點，隨機設定電價，并且建立負荷代理；
[0012] 步驟5, W所述各個負荷的初始策略作為負荷基準量，分別針對各個負荷的各個目 標的目標傾向度，采用+i或-i的方式分別獲得各個負荷對應的策略，并結合各個負荷的初 始策略構成各個負荷的策略集；所述的i為每一步迭代步長，所述的步是指電價每變動一 次，負荷的策略相應變化一次；
[0013] 步驟6,采用多智能體多目標協(xié)調(diào)控制的智能電網(wǎng)一致性優(yōu)化算法，分別對各個 負荷的總目標函數(shù)進行優(yōu)化協(xié)調(diào)運算，并分別選擇獲得各個負荷對應其最大總目標函數(shù)值 的策略，作為各個負荷的優(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，當且僅當網(wǎng)絡拓補中所有的結點的 狀態(tài)值都相等時，該網(wǎng)絡的結點都達到了一致，即：
[0015] Xi= X 2=L =Xn
[0016] 步驟7,分別根據(jù)所述的各個負荷的優(yōu)選策略中的各個目標的目標傾向度，將各個 負荷分別運動到肥化OGO S維層面中相應的位置上，并更新各個負荷的各個目標的目標傾 向度；然后根據(jù)對應的負荷-電價響應特性模型，獲得此時各個負荷的功率，并且結合負荷 代理針對對應負荷的管轄，分別獲得各個負荷代理的總功率；
[0017] 步驟8,將所述的各個負荷代理的總功率由肥化OGO發(fā)送至MTLAB中，在MTLAB 中獲得發(fā)電機出力和對應各個網(wǎng)絡節(jié)點的電價，并返回至肥化OGO中，更新肥化OGO=維層 面中對應網(wǎng)絡節(jié)點上的電價；
[0018] 步驟9,將所述的肥化OGO S維層面中各個網(wǎng)絡節(jié)點上的電價作為牽引信號，并分 別由所述的各個負荷代理將對應網(wǎng)絡節(jié)點上的電價發(fā)布給其管轄的各個負荷；
[0019] 步驟10,根據(jù)所述步驟9完成時肥化OGO=維層面中的各個負荷的位置，W及各個 負荷的各個目標的目標傾向度，更新各個負荷的初始策略，并按照所述步驟5中的方法，更 新所述各個負荷對應的策略集，然后根據(jù)對應各個負荷的總目標函數(shù)，結合各個負荷對應 的電價，分別獲得各個負荷對應其策略集中各個策略的總目標函數(shù)值；
[0020] 步驟11，分別針對各個負荷，判斷負荷的初始策略對應的總目標函數(shù)值是否大于 其策略集中其它策略所對應的總目標函數(shù)值，是則該負荷停止運動；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，是指：
[0022] -種由MTLAB與肥化OGO構成的智能電網(wǎng)多智能體仿真平臺，其中利用MTLAB 的計算功能和編程技術，來建立電力系統(tǒng)元件的模型和建立復雜的電力網(wǎng)絡仿真模型；而 肥化OGO是一個對自然和社會現(xiàn)象進行仿真的可編程建模環(huán)境，適于對隨時間演化的復雜 系統(tǒng)進行建模；所述的NETLOGO完成電力系統(tǒng)元件通用模塊的搭建，MTLAB進行電力系統(tǒng) 的各項計算，求解得到的網(wǎng)絡參數(shù)通過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，所述分別獲得對應各個柔性負荷的總目標函數(shù)，其過程為：
[0024] 設經(jīng)濟效益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為負荷買電的價格，Dk為負荷參考功率，Bk為經(jīng) 濟效益，
[0027] 為經(jīng)濟性的傾向度，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目標函數(shù)加權得到總目標函數(shù)表示，總目標函數(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，所述的將各個負荷隨機分布在肥化OGOS維層面上，構成多個負 荷節(jié)點，并獲得各個負荷的各個目標的初始目標傾向度，即為各個負荷的初始策略，其過程 為：
[0035] 針對所述的肥化OGO=維層面中的網(wǎng)絡節(jié)點，隨機設定電價，并且根據(jù)肥化OGO= 維層面中的負荷節(jié)點，建立負荷代理，所述的負荷代理的數(shù)量與負荷節(jié)點的數(shù)量一致，所述 的負荷代理與負荷節(jié)點一一對應，所述的各個負荷代理管轄對應各個負荷，并且所述的各 個負荷代理分別用于其管轄的各個負荷和MATLAB之間的信息傳輸。
[0036] 在所述步驟5中，所述的W各個負荷的初始策略作為負荷基準量，分別針對各個 負荷的各個目標的目標傾向度，采用+i或-i的方式分別獲得各個負荷對應的策略，并結合 各個負荷的初始策略構成各個負荷的策略集：
[0037] 其中，i= 1，在肥化OGO立維層面上，每一個負荷周圍包括八個點，該八個點分別 是
/Z,;-hi.&- 每一個負荷對應八個不同的策略，分別構成各個負荷的策略集。
[0038] 所述步驟8的實現(xiàn)過程是：
[0039] 將所述的各個負荷代理的總功率通過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中分別針對各個負荷代理的總功率進行最優(yōu) 潮流計算，獲得發(fā)電機出力和對應各個網(wǎng)絡節(jié)點的電價，并將該各個網(wǎng)絡節(jié)點的電價，通過 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 對應網(wǎng)絡節(jié)點上的電價。
[0040] 在所述步驟9中，所述的將肥化OGOS維層面中各個網(wǎng)絡節(jié)點上的電價作為牽引 信號，并分別由各個負荷代理將對應網(wǎng)絡節(jié)點上的電價發(fā)布給其管轄的各個負荷，是指：
[0041] 電力系統(tǒng)調(diào)度平臺每W-個固定時間段運行一次，在每個時間段末尾時計算實時 電價、預測短時電價、計算電網(wǎng)頻率和節(jié)點電壓，并向各負荷代理、大負荷下發(fā)該時段電價、 頻率、電壓，需要時同時下發(fā)該時段前后的歷史和預測電價、頻率、電壓；所述電價、頻率、電 壓統(tǒng)稱為牽引信號，指導牽引各個負荷調(diào)整自身用電需求，在最大化自身利益的同時服務