CN102708425A - 基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法 - Google Patents

Abstract

本发明公开了一种基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法，包括省级Agent层、地市Agent层、区域Agent层和终端Agent层4层，其中，省级Agent层与地市Agent层连接，地市Agent层与区域Agent层连接，区域Agent层与终端Agent层连接：本系统可实现对电动汽车、动力电池、充电桩、充放电站等关键运行参数的实时监视，有利于统一管理规范的建立；本发明具有实现广域范围内实现电动汽车服务网络的协调控制，实现车、站、网的有效互动，保障电网的安全经济运行，提高可再生能源的利用率的优点。

Description

基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法

技术领域

本发明涉及电动车能源管理领域，尤其涉及一种基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法。

背景技术

电动汽车“以电代油”，可实现低能耗、零排放和无污染，是智能电网和低碳交通的重要内容，引起了全社会的广泛关注。电动汽车服务网络是电动汽车大规模推广应用的前提和基础，截止目前电动汽车服务网络已处于建设和试运营阶段。但由于电动汽车市场条件还不成熟，电池和充电标准尚未统一，导致电动汽车服务网络不健全，缺乏统一的运行监测控制体系。电动汽车与电网之间、电动汽车与充换电站之间以及充换电站与充换电站之间缺乏交互机制，阻碍了电动汽车服务网络的健康持续发展。

另一方面，电动汽车不同于传统负荷，它不仅消耗电能，还可以向电网反馈电能，充当电网的移动储能装置，可参与电网调峰平衡或提供紧急备用，保障电网的安全经济运行和居民的供电质量。电动汽车充放电的灵活性可弥补风电、光伏发电等可再生能源发电的不连续、反调峰等特性，研究电动汽车充放电和可再生能源发电的协同配合，可提高电网对可再生能源的接纳能力，提高资源的利用率。

经对现有技术的文献检索发现，清华大学胡泽春等人提出了一种电动汽车充电站协调充电控制方法（专利申请号：201110023668.4），但该方法只是针对单个充电站提出优化充电策略，没有考虑整个电动汽车服务网络的控制，也没有涉及放电控制方法。

中国电力科学研究院提出了一种电动汽车有序充电系统（专利申请号：201010521514.3），但该系统只考虑了电动汽车的充电控制，而没有考虑放电控制，且其设计的系统是一种自上而下命令式集中管理结构，互动性不足，没有充分考虑服务网络的多样性，也没有考虑与可再生能源的协同调度。

山东大学于大洋等人提出了一种风电-电动汽车协同调度模型（《电力系统自动化》第35卷第14期：24-29），但只是提出了一种分析模型，没有提出具体的控制方法和通讯机制，也没有涉及电动汽车的放电控制。

辽宁省电力公司提出了一种结合风力发电的纯电动汽车有序充放电协调控制系统（专利申请号：201110163112.5），但该系统只考虑了大规模并网风电和电动汽车充电站的协调控制，没有考虑小容量的分布式能源，也没充分考虑服务网络的多样性，且其系统控制是基于部署在站内的充电站集中协调监控系统，协调方面比较欠缺，没有提出基于Multi-Agent的灵活协调控制结构。

江西电力科学研究院的辛建波等人提出了一种基于多代理系统的电动汽车有序充电方法（专利申请号：201110277269.0），但该方法只适用于家庭乘用电动汽车的充电控制，没有考虑放电控制，也没有考虑充电站、换电站等电动汽车服务设施的协调控制，更没有涉及与新能源的协同利用问题。

因此，建立一种基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法具有非常巨大的现实意义。

发明内容

为了解决上述问题，本发明提出了一种基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法，它具有实现广域范围内实现电动汽车服务网络的协调控制，实现车、站、网的有效互动，保障电网的安全经济运行，提高可再生能源的利用率的优点。

本发明采用的技术方案：

一种基于Multi-Agent系统的电动汽车服务网络协调控制系统，它主要由调度中心和协调控制系统两大部分组成；其中，

协调控制系统包括省级Agent层、地市Agent层、区域Agent层和终端Agent层4层，省级Agent层与地市Agent层连接，地市Agent层与区域Agent层连接，区域Agent层与终端Agent层连接；

调度中心包括省级电网调度中心、地市电网调度中心，省级电网调度中心控制地市调度中心，同时省级电网调度中心、地市电网调度中心设有负荷预测模块、风力发电预测模块、光伏发电预测模块以及自动发电控制模块；

省级Agent层与省级电网调度中心的通讯交互，实时检测电动汽车服务网络的运行状态并向省级电网调度中心上传电动汽车充电负荷需求预测和可调度放电容量预测；感知调度信息，接收调度指令并进行优化决策，制定有序充放电控制计划；感知地市级EV电网运行状态，控制EV电网的有序充放电；

地市Agent层与对应的地市调度中心通讯，接受地市调度中心的交互控制；

区域Agent层对终端Agent的监控和管理；

终端Agent之间按约定的协议进行信息交换和通信。

所述省级Agent层，包括至少一个省级EVAgent，它通过光纤与省级电网调度中心连接；通过光纤或者包括GPRS、EDGE、3G、4G的无线网络虚拟网与一个或多个地市EVAgent连接，实现对地市EVAgent的交互通信和控制；

所述省级EVAgent包括省级数据存储库、省级逻辑分析推理中心和省级通信三大模块。其中省级数据存储库存储全省电动汽车的充放电的历史数据、省级EVAgent已有知识经验以及行为准则，通过外部感知记录数据，通过学习增加或修改行为准则；省级逻辑分析推理中心实现充电/放负荷预测、调度计划制定、有序充/放电控制和滚动计划修正；省级通信模块用于和省级电网调度中心及地市EVAgent交换信息。

所述地市Agent层，包括至少一个地市EVAgent，各地市EVAgent通过光纤与对应的地市调度中心通讯；每个地市EVAgent与至少一个区域Agent连接，通过光纤或者包括GPRS、EDGE、3G、4G无线网络虚拟网中的任意一种与区域Agent的通信交互控制；地市EVAgent与地市EVAgent之间也通过光纤或者包括GPRS、EDGE、3G、4G的无线网络虚拟网中的任意一种通信；

所述地市EVAgent包括地市数据存储库、地市逻辑分析推理中心和地市通信三大模块。其中地市数据存储库存储本地市电动汽车的充放电的历史数据、本地市EVAgent已有知识经验以及行为准则；地市逻辑分析推理中心进行本地市电动汽车的充电/放负荷预测，分析省级EVAgent或地市电网调度中心的调度指令，并下发具体的充放电调度计划；地市通信模块用于和省级EVAgent、地市电网调度中心、区域Agent及其它地市EVAgent交换信息。

所述区域Agent层，包括多个区域Agent，各区域Agent之间通过EPON或APN与其它区域Agent进行协调协作以完成任务；每个区域Agent由一种或几种终端Agent组成，通过EPON或者包括GPRS、EDGE、3G、4G的无线网络虚拟网中的任意一种与终端Agent通信，实现对终端Agent的监控和管理；

所述区域Agent包括区域数据存储库、区域逻辑分析推理中心和区域通信三大模块。其中区域数据存储库存储在本区域登记的终端Agent的相关信息及本区域Agent已有知识经验和行为准则；区域逻辑分析推理中心检测分析本区域终端Agent的运行状况，制定终端Agent的调度计划，并为终端Agent提供目录服务（DF）；区域通信模块用于和其所在地市EVAgent、区域内终端Agent及其它区域Agent交换信息。

所述终端Agent层有多种结构相同的终端Agent，包括电动汽车Agent、充放电站Agent、换电站Agent、集中充电站Agent、智能家居Agent、电池储能站Agent、DG Agent；终端Agent之间通过物联网通信模块按约定的协议进行信息交换和通信。

所述终端Agent包括终端CPU用来作为信息处理与逻辑控制单元；GPRS模块进行通信，上传本Agent的功能，并接受上级Agent的调度信息；物联网通讯模块包括射频识别、红外感应器、激光扫描器、智能卡的设备信息传感设备，以无线GPRS、CDMA或WIFI方式中的任意一种与其他终端Agent互联，进行信息交互，以进行协作、协调控制。

所述电网调度中心类似于传统电网调度中心，包括负荷预测、大规模并网风电和光伏发电预测和自动发电控制等功能模块，并增加和电动汽车充换电服务网络的交互控制模块。

上述负荷预测、大规模并网风电和光伏发电预测和自动发电控制等模块的结构、连接关系、位置关系等均为本领域的常规设置，属于公知常识，在此不再赘述。所述和电动汽车充换电服务网络的交互控制模块既接受电动汽车充放电负荷的预测，又可根据电网运行情况制定充放电计划，实现对电动汽车充换服务网络的控制。

一种采用基于Multi-Agent系统的电动汽车服务网络协调控制系统的使用方法，包括以下步骤：

步骤一、省级EVAgent和地市EVAgent根据区域内电动汽车充放电的历史数据及当前需求数据做充放电负荷预测，并将预测值上传给电网的省级和地市调度中心；

步骤二、省级和地市电网调度中心接收电动汽车充放电预测结果，并综合负荷预测、风电预测、光伏发电预测、自动发电控制、电网运行状态确定对电动汽车充放电的控制计划，并发放电动汽车充放电调度计划曲线；

步骤三、省级EVAgent和地市EVAgent接收调度中心的充放电调度曲线，根据电动汽车服务网络的运行情况制定协调控制策略，并下发有序充放电计划；

步骤四、区域Agent根据有序充放电计划调度终端Agent，为完成充放电计划，各区域Agent之间、各终端Agent之间进行协调协作，并记录汇总协调控制结果；

步骤五、判断协调结果能否满足充放电计划目标，如果不满足则将协调偏差上报，省级EVAgent或地市EVAgent调整充放电控制策略，并重新发布有序充放电计划，然后执行步骤四；如果可满足计划目标，则执行步骤六；调整充放电控制策略主要是依据充放电负荷和充放电价的拟合曲线，根据调控需要调整充放电价，以此来完成充放电计划目标；

步骤六、执行有序充放电计划并记录充放电过程的参数数据，录入数据库；记录学习过程，录入规则知识库。

所述步骤一中的充放电负荷预测在省级EVAgent和地市EVAgent上实现，地市EVAgent根据自己的充放电历史数据和预测算法预测本地市的电动汽车充放电负荷；省级EVAgent的充放电负荷预测包括两部分：一是根据充放电历史数据和预测算法进行预测，二是接收地市EVAgent的预测结果得充放电预测值；预测值由三部分构成：日前预测，滚动预测和实时预测；日前预测值，每天0时预测未来24小时的充放电负荷，其中每n分钟一个预测值，共有1440/n个点；滚动预测每个整点预测下一整点到未来24小时充放电负荷，共1440/n个值；实时预测，每一点预测下一点的充放电负荷，只有一个点的数据；其中放电负荷预测值的内容主要包括放电容量和放电功率的上下限；充电负荷采用自回归滑动平均法或蒙特卡罗模拟法进行预测。

所述步骤二中的电动汽车充放电调度计划曲线包括日前调度计划、滚动调度计划和实时调度计划三条曲线；每天0时发布未来24小时的日前充放电调度计划，其中每n分钟一个调度值，共有1440/n个点；每个整点发布下一整点到当天24时的滚动充放电调度计划；每个点发布下一个点的实时充放电调度计划，只发布下一点的充放电负荷值；

调度计划滚动修正发布流程具体描述如下，调度计划共有三部分构成：日前调度计划、滚动调度计划和实时调度计划三部分；其调度计划是根据调度中心指令，结合自身知识规则库，进行滚动发布的；日前计划是每天的0时发布未来24小时的充点电调度计划，每n分钟一个点，共1440/n个点；滚动调度计划每个整点发布一次，根据系统的运行情况，在整点发布下一整点到当天24时的充放电调度计划；实时调度计划则是每n分钟发布一次，根据系统情况发布下一点的一个充放电计划控制值，根据系统需求控制充放电负荷。

所述步骤三中的制定充放电策略控制是根据充放电指令制定充放电计划，对随机充放电和可控充放电需要采取不同的控制策略；首先对比分析充放电预测曲线和充放电调度曲线，分析集中充电站、储能站可控充放电部分能否满足充放电调度要求，如果不满足则需控制电动汽车随机充放电部分；对随机充放电部分的控制可通过发布充放电价实现，首先要根据大量历史统计数据研究充放电价和充放电负荷的函数关系，通过最小二乘法进行曲线拟合；再根据调控需求调整发布相应的充放电价，达到控制目的。

所述步骤五中，放电指令发布时Agent域内的寻址和通信过程如下：由于每个终端Agent都有独立的符号名和直接通信的能力，一个区域中的终端Agent可通过区域Agent与其它区域中的终端Agent进行交互和合作；如果终端Agent需要其它Agent提供放电支持，则先向区域Agent上报自己的信息，区域Agent查询其它终端Agent的能力，即是否可提供放电支持，选择合适的候选人，并向其发送协助放电调峰的请求；如果没有合适的候选，则区域Agent向地市EVAgent提出查询，或采用广播的形式进行交互。

所述步骤一中提到的自回归滑动平均法（ARMA法）：该方法将充电负荷预测值的时间序列看作是一个随机序列，这组随机变量所具有的依存关系体现着充电负荷在时间上的延续性。ARMA模型认为序列中第n个时刻的观测值不仅与前(n-1)个观测值有依存关系，而且与前(n-1)个时刻进入系统的扰动有依存关系。充电负荷预测的ARMA模型可表述为

$P_t=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\φ}}_i{P}_{t-i}-\underset{j=1}{\overset{q}{\mathrm{\Σ}}}{\mathrm{\θ}}_j{\mathrm{\ϵ}}_{t-j}+{\mathrm{\ϵ}}_t$

  其中，p、q分别为AR模型和MA模型的阶数，取值为大于1的整数；φ_i(i=1,…,p)成为自回归系数；θ_j(j=1,…,q)为移动平均系数；{P_t}为零均值化后的充电负荷时间序列；{ε_t}为与{P_t}独立同分布的白噪声，且{ε_t}的期望值为0，方差大于0。t代表时间序列的某个时刻，取值为大于1的整数。P_t为t时刻的零均值化后的充电负荷，P_t-i为t-i(i=1,2,…,p)时刻的零均值化后的充电负荷。ε_t为t时刻充电负荷的噪声干扰，ε_t-i为t-j(i=1,2,…,q)时刻充电负荷的噪声干扰。

对ARMA模型的充电负荷预测首先要对获取历史充电负荷数据序列{X_t}做预处理，得到均值化后的序列：其中X_t为t时刻的充电负荷真实值，

为{X_t}的平均值。t代表时间序列的某个时刻，取值为大于1的整数。

然后对{P_t}进行自相关分析，对ARMA模型进行定阶（即确定p、q的值），和并进行模型参数估计，从而得到预测关系式

P_t＝φP_t-1+...+φ_pP_t-p+ε_t-θ₁ε_t- 1-...-θ_qε_t-q

代入相关数据就可以得到要预测时段的充电负荷。

所述步骤一中提到的蒙特卡罗模拟法（Monte Carlo法）：根据历史数据统计出各类电动汽车的充电规律，从而可得其服从某种概率分布（如正态分布、Weibull分布等），再通过MonteCarlo方法求取要预测时刻充电电动汽车数目、起始充电电池SOC、起始充电时间等，计算出每辆电动汽车的充电持续时间，从而可求得每辆电动汽车的充电负荷预测曲线，所有电动汽车充电预测曲线累加，就可以得到待预测时段的电动汽车充电负荷。其中不同的因素会有不同的概率分布，如假设用户在最后一次出行返回时刻开始充电，则开始充电时刻满足如下分布：

$f_t\left(x\right)=\left\{\begin{array}{c}\frac{1}{{\mathrm{\&sigma;}}_t\sqrt{2\mathrm{\&pi;}}}\exp (-\frac{{(x-{\mathrm{\&mu;}}_t)}^2}{2{\mathrm{\&sigma;}}_t^2}),{\mathrm{\&mu;}}_t-12<x\&le;24\\ \frac{1}{{\mathrm{\&sigma;}}_t\sqrt{2\mathrm{\&pi;}}}\exp (-\frac{{(x+24-{\mathrm{\&mu;}}_t)}^2}{{2\mathrm{\&sigma;}}_t^2}),0<x\&le;{\mathrm{\&mu;}}_t-12\end{array}\right.$

该分布函数为分段正态分布，其标准差为σ_t，数学期望分别为μ_t和μ_t-24。有此分布，然后再根据满足此分布的充电电动汽车数目，就可以得到这部分电动汽车的起始充电时间。

所述步骤二中的电动汽车充放电调度计划曲线包括日前调度计划、滚动调度计划和实时调度计划三条曲线。每天0时发布未来24小时的日前充放电调度计划，其中每n分钟一个调度值，共有1440/n个点；每个整点发布下一整点到当天24时的滚动充放电调度计划；每一点发布下一点的实时充放电调度计划，只发布下一刻钟充放电负荷值。

所述步骤三中的制定充放电策略控制是根据充放电指令制定充放电计划，可通过实时发布充放电电价实现。首先要根据大量历史统计数据研究充放电价和充放电负荷间函数关系，再根据调控需求调整发布相应的充放电价，达到控制目的。充放电价和充放电负荷间的函数关系可通过最小二乘法进行拟合，其最小二乘法曲线拟合方法如下：

假设由统计得大量数据，以数据点(x_i，y_i)形式表示，其中x_i代表充/放电电价，y_i表示该电价时对应的充/放电负荷。拟合函数为

P(x_i)＝a₀+a₁x_i+a₂x_i ²+...+a_mx_i ^m

其中m是拟合函数的最高次幂，取值为大于1的整数；n为数据点的个数，取值为大于1的整数；a_i(i=1,2,…,m)为拟合函数的系数。在数据点(x_i，y_i)处的拟合偏差为δ_i＝P(x_i)-y_i，(i=1,2,…,n)，P(x_i)为拟合函数在充/放电价为x_i时的拟合值，y_i为充/放电价为x_i时的充放电负荷。需要求得使

$F(a_0,a_1,...,a_m)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^2=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(a_0+a_{1}x+a_2{x}^2+...+a_m{x}^m-y_i)}^2$

最小的a_i(i=1,2,…,m)。其中F(a₀,a₁，..,a_m)为观测值y_i的偏差的平方和，分别对a_k(k＝1,2,…,m)求偏导，得到正规方程组：

$\left[\begin{array}{cccc}n& \mathrm{\&Sigma;}{x}_i& ...& \mathrm{\&Sigma;}{x}_i^m\\ \mathrm{\&Sigma;}{x}_i& \mathrm{\&Sigma;}{x}_i^2& ...& \mathrm{\&Sigma;}{x}_i^{m+1}\\ ...& ...& ...& ...\\ \mathrm{\&Sigma;}{x}_i^m& \mathrm{\&Sigma;}{x}_i^{m+1}& ...& \mathrm{\&Sigma;}{x}_i^{2m}\end{array}\right]\left[\begin{array}{c}{a}_0\\ a_1\\ ...\\ a_m\end{array}\right]=\left[\begin{array}{c}\mathrm{\&Sigma;}{y}_i\\ \mathrm{\&Sigma;}{x}_i{y}_i\\ ...\\ \mathrm{\&Sigma;}{x}_i^m{y}_i\end{array}\right]$

由此方程组求出a_i(i＝1,2,…,m)，带入拟合函数即可得到充放电负荷和充放电电价函数关系拟合曲线P(x)。由拟合曲线可得充放电负荷与充放电价的关系，从而根据控制目标制定控制计划。

此外，各区域Agent或终端Agent之间，也可以根据彼此需求主动进行协调协作，如电动汽车放电为智能家居的应急供电、电动汽车Agent和储能站Agent接收DGAgent发电来充电等。

本发明的有益效果是：

(1)、本系统可实现对电动汽车、动力电池、充电桩、充放电站等关键运行参数的实时监视，有利于统一管理规范的建立；

(2)、系统实现了广域范围内电动汽车服务网络的协调控制，可充分发挥电动汽车的规模效益，进行有序充放电削峰填谷，有利于电网的安全经济运行；

(3)、本系统可充分发挥EV电网的储能性和可控性，跟风电、光伏发电优势互补，有利于新能源的接纳，提高了能源利用率；

(4)、系统加强了服务网络各模块之间、电动汽车与用户、电网与用户之间的互动，利于V2G技术的发展和交互标准的建立，促进智能电网的发展；

(5)、本系统基于面向对象技术，根据电动汽车服务网络在结构上分层、在地理上分区的特点，采用Multi-Agent结构，可充分发挥各Agent的智能性和主动性，提高了系统的灵活性和控制效率。

附图说明

图1为基于Multi-Agent的电动汽车服务网络协调控制系统结构图；

图2为实现电动汽车服务网络有序充放电的协调控制步骤；

图3为省级EVAgent的内部结构框图；

图4为车载终端Agent的结构及通信方式图；

图5为放电调峰指令发布时Agent域内的寻址和通信过程；

图6为Monte Carlo法电动汽车充电负荷预测流程图；

图7为某区域充电负荷预测曲线；

图8为调度计划滚动修正发布流程图；

图9为某地区的充放电调度曲线；

图10某地区充放电负荷和充放电电价关系拟合曲线。

其中，101.协调控制系统,102.省级EVAgent,103.地市EVAgent,104.区域EVAgent,105.车载终端Agent,106.充放电站Agent,107.换电站Agent,108.集中充电站Agent,109.储能站Agent,110.DG Agent,111.智能家居Agent,201.调度中心,202.电网调度中心,203.地市调度中心,204.负荷预测,205.风力发电预测,206.光伏发电预测,207.自动发电控制。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1所示，电网调度中心201类似于传统电网调度中心，包括负荷预测204、大规模并网风电205和光伏发电预测206和自动发电控制207等功能，并增加和电动汽车服务网络的交互控制模块：既接受电动汽车充放电负荷的预测，又可根据电网运行情况制定电动汽车充放电调度曲线，实现对电动汽车服务网络的控制。

①为省级Agent层，包括一个省级EVAgent 102，对应省级调度中心202，通过光纤与省级电网调度中心202连接，实时检测服务网络的运行状态并向调度中心202上传电动汽车充电负荷需求预测和可调度放电容量预测；感知电网信息，接收调度指令并进行优化决策，制定充放电控制计划。省级EVAgent 102通过光纤或者包括GPRS、EDGE、3G、4G的无线网络虚拟网与一个或多个地市EVAgent 103连接，感知地市级EV电网运行状态，控制EV电网的有序充放电。其知识/数据库存储Agent已有的知识、经验或充放电历史数据；逻辑分析推理中心是“智能”核心，包括充电/放负荷预测模块、调度计划制定模块、有序充/放电控制模块、调度计划发布模块；通信模块用于和调度中心202及地市Agent 103交换信息。

②地市Agent层，包括一个和多个地市EVAgent 103，对应地市级调度中心203，每个地市EVAgent 103通过光纤与所在地市的调度中心通讯，可接受省级EVAgent 102和地调中心203的交互控制，省级EVAgent 102和地调中心203有不同的控制优先级。每个地市EVAgent 103与一个或多个区域Agent 104连接，通过光纤或者包括GPRS、EDGE、3G、4G的无线网络虚拟网实现与区域Agent 104的通信交互控制。由于区域Agent 104的是灵活组织变化的，所以地市EVAgent 103还要提供区域Agent 104的目录服务（DF），维护区域Agent 104目录的及时性和准确性。地市EVAgent 104与地市EVAgent 104之间也可能存在联系，通过光纤或者包括GPRS、EDGE、3G、4G的无线网络虚拟网通信，为了某个目标进行协调协作。

③为区域Agent层，每个地市EVAgent 103都包括多个区域Agent 104，区域Agent之间通过EPON或APN与其它区域Agent进行协调协作以完成任务。每个区域Agent由一种或几种终端Agent组成，通过EPON或者包括GPRS、EDGE、3G、4G的无线网络虚拟网与终端Agent通信，实时检测终端Agent的运行状态，并负责与该Agent域内终端Agent的交互控制，并完成登记、名字映射、地址解析等功能，并负责与其它域的联系，提供终端Agent目录服务（DF），登记记录终端Agent的特性、可控性等。区域Agent 104具有较高的自治性，可根据运行情况组建或解散。区域Agent可适应系统运行环境、求解目标和约束条件的变化，Agent的组织及求解机制能够根据环境变化进行相应的调整和改变，如Agent组织结构的调整，组织角色重新定义、负荷的重新分配、组织成员的登记、删除等。

④为终端Agent层，具有更高的自治性，可以动态加入或退出区域Agent 104。当某终端Agent故障或自愿退出时，在所属区域Agent中注销或登记。同时一定数目的终端Agent通过聚集形成一个新的区域Agent 104。终端Agent之间通过包括射频识别(RFID)、红外感应器、激光扫描器、智能卡的设备信息传感设备，按约定的协议进行信息交换和通信。为了完成一个功能目标或多个功能目标进行协调、协作。每个Agent都有唯一的符号名来标志自己便于通信和合作，可基于符号名来通信和交互。某一种或某几种Agent构成一组区域Agent，且终端Agent可在不同的区域Agent之间移动，实时更新其目录。终端Agent包括电动汽车Agent（车载终端Agent）105、充放电站Agent 106、换电站Agent 107、集中充电站Agent 108、电池储能站Agent109、DGAgent 110、智能家居Agent 111等。

电动汽车Agent 105主要由车载终端等构成，智能车载终端包括实时监控动力电池参数、智能搜索充电最佳路径、接收并响应区域Agent 104的充放电调度信息、上传自身的充放电计划等功能。

充放电站Agent 106由充放电站构成，一方面可由区域Agent 104实现对其关键参数的监视，另一方面又可以根据区域Agent 104在可控范围内进行有序充放电，并及时向区域Agent 104上报自身的流量信息，同时和区域Agent 104和车载终端Agent 105实现互动，保证电动汽车充电在站间的合理分布。

换电站Agent 107可分为充换电站Agent和配送站Agent，由区域Agent 104实现对其关键参数的监视，有序充电的管理及动力电池在站间的合理分配，同时和区域Agent 104和车载终端Agent 105实现互动。

集中充电站Agent 108专门为动力电池充电并配送到相应电池配送站，集中充电站可充电电池规模巨大，充电功率比较大。接收充电计划，在可调控范围内进行有序充电；接收区域Agent 104的协调控制，保证电池在配送站之间的合理分配。

为实现电动汽车电池的梯次利用，对不满足电动汽车性能要求的动力电池进行统一管理，建立储能站Agent 109，储能站Agent 109接受区域Agent 104的调度计划进行有序充放电，进行削峰填谷；或与DGAgent 110配合，保证新能源发电的接纳；或与智能家居Agent 111配合，实现应急供电等功能。并可根据电网需求，承担黑启动备用等功能。

DGAgent 110是指小型分散的风电、光伏发电等分布式能源，可以根据天气信息预测出力情况，跟电动汽车Agent 105或储能站Agent 109等互动，减少弃风、弃光，提高能源利用率，减少对电网造成的冲击。

智能家居Agent 111可实时发布电动汽车充电电价和电能计量（智能电表），可响应调度信息进行有序充放电，并在某些特殊情况下作为应急备用电源。

各终端Agent也有各自的知识/数据库、逻辑分析推理中心、通信等模块。终端Agent之间也存在通信交换，为了完成一个功能目标或多个功能目标进行协作、协调。

如所示，整个系统实现电动汽车服务网络有序充放电的协调控制步骤如下：

步骤一：省级EVAgent和地市EVAgent根据区域内电动汽车充放电的历史数据及当前需求数据做充放电负荷预测，并将预测值上传给电网的调度中心；

步骤二：电网调度中心接收电动汽车充放电预测结果，并综合电网的负荷预测、风电预测、光伏发电预测、自动发电控制、电网运行状态等确定对电动汽车充放电的控制计划，并发放电动汽车充放电调度计划曲线；

步骤三：省级EVAgent和地市EVAgent接收调度中心的充放电调度曲线，根据电动汽车服务网络的运行情况制定协调控制策略，并下发有序充放电计划；

步骤四：区域Agent根据有序充放电计划调度终端Agent，为完成充放电计划，各区域Agent之间、各终端Agent之间进行协调协作，并记录汇总协调控制结果；

步骤五：判断协调结果能否满足充放电计划目标，如果不满足则将协调偏差上报，省级EVAgent或地市EVAgent调整充放电控制策略，并重新发布充放电计划，然后执行步骤四；如果可满足计划目标，则执行步骤六；

步骤六：执行有序充放电计划并记录充放电过程的参数数据，录入数据库；记录学习过程，录入规则知识库。

如图2所示，本发明中Agent的基本结构，包括数据存储库、逻辑分析推理中心、通信三大模块。其中数据存储库包括知识/数据库和规则库，存储Agent已有的知识、经验、数据以及行为规则，通过外部感知记录数据，通过学习增加或修改行为规则；逻辑分析推理中心是“智能”核心，通过知识/数据库和规则库的知识规则消解存在冲突，按照Agent的功能目标，综合知识/数据库和规则库的知识、数据、规则，进行协调控制求解本Agent所负责的局部问题；通信模块用于和调度中心及其他Agent交换信息，其中通信1接收调度中心或上级Agent的指令，通信2则负责向下级Agent或者其它Agent传递互动信息。

如图3所示，省级EVAgent的内部结构，对应于省级电网调度中心，可实现和调度中心的双向交互。实时检测电动汽车服务网络的运行状态并向调度中心上传电动汽车充电负荷需求预测和可调度放电容量预测；感知调度信息，接收调度指令并进行优化决策，制定有序充放电控制计划。和地市EVAgent进行交互控制，感知地市级EV电网运行状态，控制EV电网的有序充放电。其计算分析推理中心包括充电/放负荷预测模块、调度计划制定模块、有序充/放电控制模块、调度计划发布模块等；通信模块用于和调度中心及其他Agent交换信息。

如图4所示，车载终端Agent的结构及通信方式，所示终端CPU可以是ARM、DSP、PLC、单片机等，用来作为信息处理与逻辑控制单元。所述GPRS通讯实现和区域Agent的信息交互，上传本Agent的功能，并接受区域Agent的调度信息。所述物联网通讯模块实现与其他终端Agent的通讯，以无线GPRS、CDMA、WIFI等方式与其他终端Agent互联，进行信息交互，以进行协作、协调控制。所述CAN通讯模块用于终端CPU与电动汽车BMS（电池管理系统）的信息传输，CPU和BMS之间按照双方约定的CAN协议进行数据传送与交换，所述BMS为电动汽车动力电池配套的管理系统。

如图4所示，放电指令发布时Agent域内的寻址和通信过程，寻址和通信过程如下：由于每个终端Agent都有独立的符号名和直接通信的能力，一个区域中的终端Agent可通过区域Agent与其它区域中的终端Agent进行交互和合作。如果终端Agent需要其它Agent提供放电支持，则先向区域Agent上报自己的信息，区域Agent查询其它终端Agent的能力(是否可提供放电支持)，选择合适的候选人，并向其发送协助放电调峰的请求。如果没有合适的候选，则区域Agent向地市EVAgent提出查询，或采用广播的形式进行交互。图中说明了终端Agent A通过区域Agent请求B协助调峰的过程。其中：①表示B区域Agent处登记了自身信息；②表示A向区域Agent上报自己的信息，寻求协助放电；③表示区域Agent根据查询到的B的通信地址向B发出请求信息；④表示B收到区域Agent的消息后做出应答；⑤表示如果B可以放电，可协助A进行放电调峰。

如图6所示，Monte Carlo法电动汽车充电负荷预测流程，根据历史数据统计出各类电动汽车的充电规律，从而可得其服从某种概率分布（如正态分布、Weibull分布等），再通过MonteCarlo方法求取要预测时刻充电电动汽车数目、起始充电电池SOC、起始充电时间等，计算出每辆电动汽车的充电持续时间，从而可求得每辆电动汽车的充电负荷预测曲线，所有电动汽车充电预测曲线累加，就可以得到待预测时段的电动汽车充电负荷。其中不同的因素会有不同的概率分布，如假设用户在最后一次出行返回时刻开始充电，则开始充电时刻满足如下分布：

$f_t\left(x\right)=\left\{\begin{array}{c}\frac{1}{{\mathrm{\&sigma;}}_t\sqrt{2\mathrm{\&pi;}}}\exp \left(\frac{{(x-{\mathrm{\&mu;}}_t)}^2}{2{\mathrm{\&sigma;}}_t^2}\right),{\mathrm{\&mu;}}_t-12<x\&le;24\\ \frac{1}{{\mathrm{\&sigma;}}_t\sqrt{2\mathrm{\&pi;}}}\exp (-\frac{{(x+24-{\mathrm{\&mu;}}_t)}^2}{{2\mathrm{\&sigma;}}_t^2}),0<x\&le;{\mathrm{\&mu;}}_t-12\end{array}\right.$

该分布函数为分段正态分布，其标准差为σ_t数学期望分别为μ_t和μ_t-24。这种方法是建立在足够是数据支撑基础上。可调度放电容量预测曲线类似，只是预测值内容为可调度放电容量和功率的上下限。

如图7所示，某地区日前充电预测负荷曲线，计算时假设某日共有10万辆电动汽车需要充电，将充电分为集中充电（对应换电池模式）、快速充电和常规充电几种模式，其所占比例为5:1:4，并分别假设采取常规充电的电动车的其起始SOC服从正态分布N(0.5,0.1²)；采取快速充电电动车的起始SOC和终止SOC分别服从正态分布N(0.3,0.1²)和N(0.8,0.1²)；集中充电站中待充电池的起始SOC服从正态分布N(0.2,0.1²)，上式中μ_t=17.6，σ_t=3.4。曲线中L₁为常规充电预测曲线、L₂为快速充电预测曲线、L₃为集中充电预测曲线、L为所有10万辆电动汽车的日前充电预测曲线。

如图8图7所示，调度计划滚动修正发布流程，调度计划共有三部分构成：日前调度计划、滚动调度计划和实时调度计划三部分。其调度计划是根据调度中心指令，结合自身知识规则库，进行滚动发布的。日前计划是每天的0时发布未来24小时的充点电调度计划，每15分钟一个点，共96个点；滚动调度计划每个整点发布一次，根据系统的运行情况，在整点发布下一整点到当天24时的充放电调度计划；实时调度计划则是每15分钟发布一次，根据系统情况发布下一刻钟的一个充放电计划控制值，根据系统需求控制充放电负荷。

如图9图8所示，某地区的充放电调度模拟曲线，可见调度曲线有日前调度、滚动调度、实时调度三条曲线。其中日前调度是根据日前充放电预测和电网负荷预测制定的充放电调度计划，滚动调度每个整点修正一次，而实时调度每次发布下一刻钟的调度值，图中实时调度值截止到下午16时，所以当前时刻在15:45-16:00之间。

如图10所示，根据现有数据统计出来的某地区充放电负荷和充放电电价关系拟合曲线，由此曲线就可以通过调节充放电电价来达到控制充放电负荷的目的。如当前放电电价为0.9元/kWh，但由于电网调峰需要，还需要增加20MW的放电容量，则此时该地区的EV Agent可以及时调整放电电价，按照拟合曲线中放电负荷和放电电价的关系，将放电电价调整为1.3元/kWh。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于Multi-Agent系统的电动汽车服务网络协调控制系统，其特征是，它主要由调度中心和协调控制系统两大部分组成；其中，

协调控制系统包括省级Agent层、地市Agent层、区域Agent层和终端Agent层4层，省级Agent层与地市Agent层连接，地市Agent层与区域Agent层连接，区域Agent层与终端Agent层连接；

省级Agent层与省级电网调度中心的通讯交互，实时检测电动汽车服务网络的运行状态并向省级电网调度中心上传电动汽车充电负荷需求预测和可调度放电容量预测；感知调度信息，接收调度指令并进行优化决策，制定有序充放电控制计划；感知地市级EV电网运行状态，控制EV电网的有序充放电；

地市Agent层与对应的地市调度中心通讯，接受地市调度中心的交互控制；

区域Agent层对终端Agent的监控和管理；

终端Agent之间按约定的协议进行信息交换和通信。

2.如权利要求1所述的基于Multi-Agent系统的电动汽车服务网络协调控制系统，其特征是，所述省级Agent层，包括至少一个省级EVAgent，它通过光纤与省级电网调度中心连接；通过光纤或者包括GPRS、EDGE、3G、4G无线网络虚拟网中的任意一种与一个或多个地市EVAgent连接，实现对地市EVAgent的交互通信和控制；

所述省级EVAgent包括省级数据存储库、省级逻辑分析推理中心和省级通信三大模块；其中省级数据存储库存储全省电动汽车的充放电的历史数据、省级EVAgent已有知识经验以及行为准则，通过外部感知记录数据，通过学习增加或修改行为准则；省级逻辑分析推理中心实现充电/放负荷预测、调度计划制定、有序充/放电控制和滚动计划修正；省级通信模块用于和省级电网调度中心及地市EVAgent交换信息。

3.如权利要求1所述的基于Multi-Agent系统的电动汽车服务网络协调控制系统，其特征是，所述地市Agent层，包括至少一个地市EVAgent，各地市EVAgent通过光纤与对应的地市调度中心通讯；每个地市EVAgent与至少一个区域Agent连接，通过光纤或者包括GPRS、EDGE、3G、4G无线网络虚拟网中的任意一种与区域Agent的通信交互控制；地市EVAgent与地市EVAgent之间也通过光纤或者包括GPRS、EDGE、3G、4G的无线网络虚拟网中的任意一种通信；

所述地市EVAgent包括地市数据存储库、地市逻辑分析推理中心和地市通信三大模块；其中地市数据存储库存储本地市电动汽车的充放电的历史数据、本地市EVAgent已有知识经验以及行为准则；地市逻辑分析推理中心进行本地市电动汽车的充电/放负荷预测，分析省级EVAgent或地市电网调度中心的调度指令，并下发具体的充放电调度计划；地市通信模块用于和省级EVAgent、地市电网调度中心、区域Agent及其它地市EVAgent交换信息。

4.如权利要求1所述的基于Multi-Agent系统的电动汽车服务网络协调控制系统，其特征是，所述区域Agent层，包括多个区域Agent，各区域Agent之间通过EPON或APN与其它区域Agent进行协调协作以完成任务；每个区域Agent由一种或几种终端Agent组成，通过EPON或者包括GPRS、EDGE、3G、4G的无线网络虚拟网中的任意一种与终端Agent通信，实现对终端Agent的监控和管理；

所述区域Agent包括区域数据存储库、区域逻辑分析推理中心和区域通信三大模块；其中区域数据存储库存储在本区域登记的终端Agent的相关信息及本区域Agent已有知识经验和行为准则；区域逻辑分析推理中心检测分析本区域终端Agent的运行状况，制定终端Agent的调度计划，并为终端Agent提供目录服务DF；区域通信模块用于和其所在地市EVAgent、区域内终端Agent及其它区域Agent交换信息。

5.如权利要求1所述的基于Multi-Agent系统的电动汽车服务网络协调控制系统，其特征是，所述终端Agent层有多种结构相同的终端Agent，包括电动汽车Agent、充放电站Agent、换电站Agent、集中充电站Agent、智能家居Agent、电池储能站Agent、DGAgent；终端Agent之间通过物联网通信模块按约定的协议进行信息交换和通信；

所述终端Agent包括终端CPU用来作为信息处理与逻辑控制单元；GPRS模块进行通信，上传本Agent的功能，并接受上级Agent的调度信息；物联网通讯模块包括射频识别、红外感应器、激光扫描器、智能卡的设备信息传感设备，以无线GPRS、CDMA或WIFI方式中的任意一种与其他终端Agent互联，进行信息交互，以进行协作、协调控制。

6.一种采用权利要求1所述的基于Multi-Agent系统的电动汽车服务网络协调控制系统的使用方法，其特征是，包括以下步骤：

步骤一、省级EVAgent和地市EVAgent根据区域内电动汽车充放电的历史数据及当前需求数据做充放电负荷预测，并将预测值上传给电网的省级和地市调度中心；

步骤二、省级和地市电网调度中心接收电动汽车充放电预测结果，并综合负荷预测、风电预测、光伏发电预测、自动发电控制、电网运行状态确定对电动汽车充放电的控制计划，并发放电动汽车充放电调度计划曲线；

步骤三、省级EVAgent和地市EVAgent接收调度中心的充放电调度曲线，根据电动汽车服务网络的运行情况制定协调控制策略，并下发有序充放电计划；

步骤四、区域Agent根据有序充放电计划调度终端Agent，为完成充放电计划，各区域Agent之间、各终端Agent之间进行协调协作，并记录汇总协调控制结果；

步骤五、判断协调结果能否满足充放电计划目标，如果不满足则将协调偏差上报，省级EVAgent或地市EVAgent调整充放电控制策略，并重新发布有序充放电计划，然后执行步骤四；如果可满足计划目标，则执行步骤六；调整充放电控制策略主要是依据充放电负荷和充放电价的拟合曲线，根据调控需要调整充放电价，以此来完成充放电计划目标；

步骤六、执行有序充放电计划并记录充放电过程的参数数据，录入数据库；记录学习过程，录入规则知识库。

7.如权利要求6所述的使用方法，其特征是，所述步骤一中的充放电负荷预测在省级EVAgent和地市EVAgent上实现，地市EVAgent根据自己的充放电历史数据和预测算法预测本地市的电动汽车充放电负荷；省级EVAgent的充放电负荷预测包括两部分：一是根据充放电历史数据和预测算法进行预测，二是接收地市EVAgent的预测结果得充放电预测值；预测值由三部分构成：日前预测，滚动预测和实时预测；日前预测值，每天0时预测未来24小时的充放电负荷，其中每n分钟一个预测值，共有1440/n个点；滚动预测每个整点预测下一整点到未来24小时充放电负荷，共1440/n个值；实时预测每n分钟做一次预测，每一点预测下一点的充放电负荷，只有一个点的数据；其中放电负荷预测值的内容主要包括放电容量和放电功率的上下限；充电负荷采用自回归滑动平均法或蒙特卡罗模拟法进行预测。

8.如权利要求6所述的使用方法，其特征是，所述步骤二中的电动汽车充放电调度计划曲线包括日前调度计划、滚动调度计划和实时调度计划三条曲线；每天0时发布未来24小时的日前充放电调度计划，其中每n分钟一个调度值，共有1440/n个点；每个整点发布下一整点到当天24时的滚动充放电调度计划；每个点发布下一个点的实时充放电调度计划，只发布下一点的充放电负荷值；

调度计划滚动修正发布流程具体描述如下，调度计划共有三部分构成：日前调度计划、滚动调度计划和实时调度计划三部分；其调度计划是根据调度中心指令，结合自身知识规则库，进行滚动发布的；日前计划是每天的0时发布未来24小时的充点电调度计划，每n分钟一个点，共1440/n个点；滚动调度计划每个整点发布一次，根据系统的运行情况，在整点发布下一整点到当天24时的充放电调度计划；实时调度计划则是每n分钟发布一次，根据系统情况发布下一点的一个充放电计划控制值，根据系统需求控制充放电负荷。

9.如权利要求6所述的使用方法，其特征是，所述步骤三中的制定充放电策略控制是根据充放电指令制定充放电计划，对随机充放电和可控充放电需要采取不同的控制策略；首先对比分析充放电预测曲线和充放电调度曲线，分析集中充电站、储能站可控充放电部分能否满足充放电调度要求，如果不满足则需控制电动汽车随机充放电部分；对随机充放电部分的控制可通过发布充放电价实现，首先要根据大量历史统计数据研究充放电价和充放电负荷的函数关系，通过最小二乘法进行曲线拟合；再根据调控需求调整发布相应的充放电价，达到控制目的。

10.如权利要求6所述的使用方法，其特征是，所述步骤五中，放电指令发布时不同Agent域内的寻址和通信过程如下：由于每个终端Agent都有独立的符号名和直接通信的能力，一个区域中的终端Agent通过区域Agent与其它区域中的终端Agent进行交互和合作；如果终端Agent需要其它区域的终端Agent提供放电支持，则先向区域Agent上报自己的信息，区域Agent查询其它终端Agent的能力，即是否可提供放电支持，选择合适的候选人，并向其发送协助放电调峰的请求；如果没有合适的候选，则区域Agent向地市EVAgent提出查询，或采用广播的形式进行交互。

Images