CN104536304A

CN104536304A - 一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法

Info

Publication number: CN104536304A
Application number: CN201410850131.9A
Authority: CN
Inventors: 金珍; 吴英俊; 谢俊; 岳东; 李亚平
Original assignee: Nanjing Post and Telecommunication University
Current assignee: Nanjing Yuda Electronic Technology Co.,Ltd.
Priority date: 2014-12-31
Filing date: 2014-12-31
Publication date: 2015-04-22
Anticipated expiration: 2034-12-31
Also published as: CN104536304B

Abstract

本发明涉及一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法，采用全新设计思路，基于Matlab与Netlogo联合仿真平台，通过负荷-电价响应特性模型的建立，结合负荷所对应目标的目标倾向度构成负荷的策略集，获得负荷对应其最大总目标函数值的策略，并结合Matlab中的最优潮流计算，实现对电力系统中负荷多智能体进行实时优化控制，能够有效解决现有电力系统中负荷控制问题，具有计算速度快，收敛性强等优点，能够针对智能体的多变性进行控制，应对外界的扰动，做出积极的反应；并且本发明相较以往的电力系统仿真系统具有仿真过程直观可见的特点，整个过程中可以在Netlogo中很清楚地看到每个智能元件模块的状态变化情况。

Description

一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法

技术领域

本发明涉及一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法。

背景技术

随着电力技术的进步，能源种类越来越多，供电的质量也不断提高，电力系统的复杂程度越来越高，使得电力系统的运行及调度产生诸多挑战。系统运行中，由于电力负荷的随机变化以及外界的各种干扰(如雷击等)会影响电力系统的稳定，导致系统电压与频率的波动，从而影响系统电能的质量，严重时会造成电压崩溃或频率崩溃。电力系统因其大规模、时变的特性，在国内外受到广泛研究。电力系统仿真更是成为电力系统研究、规划和设计的重要手段。因此将复杂的电力系统看作一个多智能体系统来进行仿真研究是如今的大趋势。将电力系统的参与者发电方、输电方、配电方和用户都表示为多智能体系统中的Agent。由于多智能体系统中各种Agent都能自主地竞争资源，因此在资源受限的优化问题中，如何基于系统的整体目标对各个Agent进行协调，便成为进行电力系统仿真所要解决的一个重要问题。

多智能体控制算法是一个具有挑战性的研究课题。较快的计算速度、较好的收敛性以及在线计算功能是多智能体控制方法的基本要求。通常采用的智能算法有：遗传算法、模拟退火法、粒子群优化算法等。采用遗传算法进行控制的收敛速度较慢、计算时间较长、计算量大。而模拟退火法采用Metropolis准则，用冷却进度表示算法进程。该算法计算准确、收敛性较强，但是用该算法仿真时其参数如退火速度、温度的初始值等设置较为困难，其初始值的设置影响算法的计算时间以及收敛性等。粒子群算法具有待定参数少、收敛较快、计算时间短、易于实现等优点，但是，粒子群算法仿真多智能体控制容易出现局部最优解的现象。

因为，电力系统中用户功率量会随着市场电价、自身经济性倾向度、自身舒适度倾向度等相关方面改变，另外，电网中分布式电源的发电出力也时刻发生着变动，这对电力系统中多智能体的控制方法提出了新的要求与挑战。

发明内容

针对上述技术问题，本发明所要解决的技术问题是提供一种采用全新设计思路，对电力系统中负荷多智能体进行实时优化控制，能够有效解决现有电力系统中负荷控制问题的基于Matlab和Netlogo的电力系统负荷多智能体控制方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法，包括如下步骤：

步骤001.根据电力系统网络结构，建立基于Matlab与Netlogo的联合仿真平台，其中，在Matlab中建立电力系统元件模型，在Netlogo中定义代表电力系统元件的智能体通用模块，同时，搭建Matlab和Netlogo之间的数据交换接口模块实现信息交互；

步骤002.针对各种负荷类型，分别根据负荷基准量、电价，以及对应负荷的各目标的目标倾向度，建立分别对应各种负荷类型的负荷-电价响应特性模型；

步骤003.根据对应的负荷-电价响应特性模型，分别获得各个负荷的各个目标的目标函数，并且分别针对各个负荷，将负荷的各个目标的目标函数进行加权处理，分别获得对应各个负荷的总目标函数；

步骤004.将各个负荷随机分布在Netlogo三维层面上，构成多个负荷节点，并获得各个负荷的各个目标的初始目标倾向度，即为各个负荷的初始策略；针对Netlogo三维层面中的网络节点，随机设定电价，并且根据Netlogo三维层面中的负荷节点，建立负荷代理，负荷代理的数量与负荷节点的数量一致，负荷代理与负荷节点一一对应，各个负荷代理管辖对应各个负荷，并且各个负荷代理分别用于其管辖的各个负荷和Matlab之间的信息传输；

步骤005.以各个负荷的初始策略作为负荷基准量，分别针对各个负荷的各个目标的目标倾向度进行预设变化方式，分别获得各个负荷对应的策略，并结合各个负荷的初始策略构成各个负荷的策略集；

步骤006.根据对应各个负荷的总目标函数，分别获得各个负荷对应其策略集中各个策略的总目标函数值，并分别选择获得各个负荷对应其最大总目标函数值的策略，作为各个负荷的优选策略；

步骤007.分别根据各个负荷的优选策略中的各个目标的目标倾向度，将各个负荷分别运动到Netlogo三维层面中相应的位置上，并更新各个负荷的各个目标的目标倾向度；然后根据对应的负荷-电价响应特性模型，获得此时各个负荷的功率，并且结合负荷代理针对对应负荷的管辖，分别获得各个负荷代理的总功率；

步骤008.将各个负荷代理的总功率通过Matlab与Netlogo之间的数据交换接口模块，由Netlogo发送至Matlab中，在Matlab中分别针对各个负荷代理的总功率进行最优潮流计算，获得发电机出力和对应各个网络节点的电价，并将该各个网络节点的电价，通过Matlab与Netlogo之间的数据交换接口模块返回至Netlogo中，更新Netlogo三维层面中对应网络节点上的电价；

步骤009.将Netlogo三维层面中各个网络节点上的电价作为牵引信号，并分别由各个负荷代理将对应网络节点上的电价发布给其管辖的各个负荷；

步骤010.根据此时Netlogo三维层面中，各个负荷的位置，以及各个负荷的各个目标的目标倾向度，更新各个负荷的初始策略，并按步骤005的方法，更新各个负荷对应的策略集，然后根据对应各个负荷的总目标函数，结合各个负荷对应的电价，分别获得各个负荷对应其策略集中各个策略的总目标函数值，并分别针对各个负荷，判断负荷的初始策略对应的总目标函数值是否大于其策略集中其它策略所对应的总目标函数值，是则该负荷停止运动；否则返回步骤004。

作为本发明的一种优选技术方案：所述步骤001中的智能体通用模块包括通信属性子模块、智能属性子模块和物理属性子模块，其中，通信属性子模块用于模拟电力系统元件之间的信息交换过程；智能属性子模块用于描述电力系统元件制定决策的过程；物理属性子模块用于定义电力系统元件的运行状态。

作为本发明的一种优选技术方案：所述步骤002中，所述对应负荷的各目标包括经济效益、生活用电满足程度和输电质量。

作为本发明的一种优选技术方案：所述步骤005中，以各个负荷的初始策略作为负荷基准量，分别针对各个负荷的各个目标的目标倾向度，采用+i或-i的方式分别获得各个负荷对应的策略，其中i为每一步迭代步长。

作为本发明的一种优选技术方案：所述电价包括买入电价和卖出电价。

本发明所述一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明设计的基于Matlab和Netlogo的电力系统负荷多智能体控制方法，采用全新设计思路，对电力系统中负荷多智能体进行实时优化控制，能够有效解决现有电力系统中负荷控制问题，具有计算速度快，收敛性强等优点，能够针对智能体的多变性进行控制，应对外界的扰动，做出积极的反应；并且本发明相较以往的电力系统仿真系统具有仿真过程直观可见的特点，整个过程中可以在Netlogo中很清楚地看到每个智能元件模块的状态变化情况。

附图说明

图1为本发明设计基于Matlab和Netlogo的电力系统负荷多智能体控制方法的流程图；

图2为本发明中实施例的三机九节点网络仿真系统框图；

图3为采用本发明控制方法进行的三机九节点网络仿真界面。

具体实施方式

下面结合说明书附图针对本发明的具体实施方式作进一步详细的说明。

如图1所示，本发明设计的一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法在实际应用过程当中，具体包括如下步骤：

步骤001.根据电力系统网络结构，建立基于Matlab与Netlogo的联合仿真平台，其中，在Matlab中建立电力系统元件模型，在Netlogo中定义代表电力系统元件的智能体通用模块，同时，搭建Matlab和Netlogo之间的数据交换接口模块实现信息交互。

其中，智能体通用模块包括通信属性子模块、智能属性子模块和物理属性子模块，其中，通信属性子模块用于模拟电力系统元件之间的信息交换过程；智能属性子模块用于描述电力系统元件制定决策的过程；物理属性子模块用于定义电力系统元件的运行状态。

步骤002.针对各种负荷类型，分别根据负荷基准量、电价，以及对应负荷的各目标的目标倾向度，建立分别对应各种负荷类型的负荷-电价响应特性模型。

其中，针对各种负荷类型：刚性负荷、柔性负荷、分布式电源和储能元件，以电网电价为牵引量，设定对应负荷有两个目标包括：经济效益和生活用电满足程度，从而确定分别对应四种负荷类型的负荷-电价响应特性模型，其中模型的输入量包括ρ_k为买入电价，υ_k为卖出电价，μ_k为经济效益倾向度，为生活用电满足程度倾向度；模型的输出量为功率值，四种负荷类型的负荷-电价响应特性模型如下：

刚性负荷：负荷量q_k不随电价改变。

柔性负荷：其中d_k为负荷量，D_k为负荷基准值。

分布式电源：其中g_k为分布式电源的发电量，G_k为分布式电源的发电量基准值。

储能元件：充电时为：

放电时为：

其中，对应负荷的目标：经济效益Bk的目标函数如下：

负荷舒适度C_k的目标函数如下：

其中，μ_k∈[0,1]，E_k为总负荷量，将两个目标函数加权得到总目标函数：

步骤004.将各个负荷随机分布在Netlogo三维层面上，构成多个负荷节点，并获得各个负荷的各个目标的初始目标倾向度，即为各个负荷的初始策略；针对Netlogo三维层面中的网络节点，随机设定电价，并且根据Netlogo三维层面中的负荷节点，建立负荷代理，负荷代理的数量与负荷节点的数量一致，负荷代理与负荷节点一一对应，各个负荷代理管辖对应各个负荷，并且各个负荷代理分别用于其管辖的各个负荷和Matlab之间的信息传输。

步骤005.以各个负荷的初始策略作为负荷基准量，分别针对各个负荷的各个目标的目标倾向度，采用+i或-i的方式分别获得各个负荷对应的策略，并结合各个负荷的初始策略构成各个负荷的策略集，其中，i为每一步迭代步长。

其中，i＝1，在Netlogo三维层面上，每一个负荷周围包括八个点，该八个点分别是即每一个负荷对应八个不同的策略，分别构成各个负荷的策略集。

步骤006.根据对应各个负荷的总目标函数，分别获得各个负荷对应其策略集中各个策略的总目标函数值，并分别选择获得各个负荷对应其最大总目标函数值的策略，作为各个负荷的优选策略。

步骤007.分别根据各个负荷的优选策略中的各个目标的目标倾向度，将各个负荷分别运动到Netlogo三维层面中相应的位置上，并更新各个负荷的各个目标的目标倾向度；然后根据对应的负荷-电价响应特性模型，获得此时各个负荷的功率，并且结合负荷代理针对对应负荷的管辖，分别获得各个负荷代理的总功率。

步骤008.将各个负荷代理的总功率通过Matlab与Netlogo之间的数据交换接口模块，由Netlogo发送至Matlab中，在Matlab中分别针对各个负荷代理的总功率进行最优潮流计算，获得发电机出力和对应各个网络节点的电价，并将该各个网络节点的电价，通过Matlab与Netlogo之间的数据交换接口模块返回至Netlogo中，更新Netlogo三维层面中对应网络节点上的电价。

步骤009.将Netlogo三维层面中各个网络节点上的电价作为牵引信号，并分别由各个负荷代理将对应网络节点上的电价发布给其管辖的各个负荷。

将本发明设计的基于Matlab和Netlogo的电力系统负荷多智能体控制方法应用实际工作中如下：

以简单的三机九节点网络为例，采用本发明提出的控制方法解决电力市场仿真中负荷多智能体协调控制的问题，该系统的母线参数如表1所示。

Bus	Type	P_d	Q_d	G_s	B_s	V_m	V_a	BasekV	V_max	V_min
											1	3	0	0	0	0	1	0	345	1.1	0.9
2	2	0	0	0	0	1	0	345	1.1	0.9
											3	2	0	0	0	0	1	0	345	1.1	0.9
4	1	0	0	0	0	1	0	345	1.1	0.9
											5	1	80	30	0	0	1	0	345	1.1	0.9
6	1	0	0	0	0	1	0	345	1.1	0.9
											7	1	40	35	0	0	1	0	345	1.1	0.9
8	1	0	0	0	0	1	0	345	1.1	0.9
											9	1	120	50	0	0	1	0	345	1.1	0.9

表1

如表1和图2所示，本发明所提出的控制方法是一种基于Matlab和Netlogo联合的电力市场仿真框架，由三层构成：拓扑结构层、代理(负荷、运营商)层、负荷层，Netlogo作为该软件系统的前台，也是交互界面，在Netlogo中搭建该系统框架；底层搭建三机九节点拓扑结构，中层搭建三个负荷代理、三个运营商代理，上层搭建120个负荷，其中30个为刚性负荷，30个为柔性负荷，30个为分布式电源，30个为储能元件，Matlab作为该软件的后台，负责电力系统的最优潮流运算，并将得到电价交给Netlogo，代理接收到此时电价，再将电价分别发布给各个负荷，负荷根据负荷-电价响应特性模型作出反应，同时为负荷达到自身目标进行优化控制，仿真的结果可以很直观的反映在Netlogo中。然后参照本发明设计的控制方法，从步骤004开始，具体步骤如下：

步骤004.让120个负荷随机分布在Netlogo三维层面上，构成多个负荷节点，每个负荷相应的随机产生一个坐标(x_k,y_k)，设定每个负荷的x_k值对应为经济效益倾向度μ_k，y_k值对应为生活用电满足程度倾向度即为各个负荷的初始策略；针对Netlogo三维层面中的网络节点，随机设定电价，并且根据Netlogo三维层面中的负荷节点，建立负荷代理，负荷代理的数量与负荷节点的数量一致，负荷代理与负荷节点一一对应，各个负荷代理管辖对应各个负荷，并且各个负荷代理分别用于其管辖的各个负荷和Matlab之间的信息传输。

其中，根据表1获得各个负荷代理所对应各个负荷类型的负荷-电价响应特性模型如下：

(1)负荷代理1：

刚性负荷：q_k＝2MW；

柔性负荷：d_k＝4·[1-ρ_k·x_k·(1-y_k)]；

分布式电源：g_k＝2·[1-υ_k·x_k·(1-y_k)]；

储能元件：充电时为d_k＝4·[1-ρ_k·x_k·(1-y_k)]；

放电时为g_k＝2·[1-υ_k·x_k·(1-y_k)]。

(2)负荷代理2：

刚性负荷：q_k＝1MW；

柔性负荷：d_k＝2·[1-ρ_k·x_k·(1-y_k)]；

分布式电源：g_k＝1·[1-υ_k·x_k·(1-y_k)]；

储能元件：充电时为d_k＝2·[1-ρ_k·x_k·(1-y_k)]；

放电时为g_k＝1·[1-υ_k·x_k·(1-y_k)]。

(3)负荷代理3：

刚性负荷：q_k＝3MW；

柔性负荷：d_k＝6·[1-ρ_k·x_k·(1-y_k)]；

分布式电源：g_k＝3·[1-υ_k·x_k·(1-y_k)]；

储能元件：充电时为d_k＝6·[1-ρ_k·x_k·(1-y_k)]；

放电时为g_k＝3·[1-υ_k·x_k·(1-y_k)]。

其中，以各个负荷的初始策略为例，获得各个负荷代理所对应各个负荷类型中负荷对应其策略集中策略的总目标函数值，具体步骤如下：

初始化三个节点电价标准值为ρ₁＝0.2，ρ₂＝0.3，ρ₃＝0.4，为防止用户套利，我们假定υ_k＝-ρ_k，即υ₁＝-0.2，υ₂＝-0.3，υ₃＝-0.4。在此初始电价下，计算负荷总目标函数值。

(1)负荷代理1：

刚性负荷：

R_{k} = - 0.4 \cdot x_{k} + y_{k}^{2} \cdot (1 - x_{k});

柔性负荷：

R_{k} = - 0.8 \cdot x_{k} \cdot [1 - 0.2 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

分布式电源：

R_{k} = - 0.4 \cdot x_{k} \cdot [1 + 0.2 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

储能元件：充电时为

R_{k} = - 0.8 \cdot x_{k} \cdot [1 - 0.2 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

放电时为

R_{k} = - 0.4 \cdot x_{k} \cdot [1 + 0.2 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k}) .

(2)负荷代理2：

刚性负荷：

R_{k} = - 0.3 \cdot x_{k} + y_{k}^{2} \cdot (1 - x_{k});

柔性负荷：

R_{k} = - 0.6 \cdot x_{k} \cdot [1 - 0.3 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

分布式电源：

R_{k} = - 0.3 \cdot x_{k} \cdot [1 + 0.3 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

储能元件：充电时为

R_{k} = - 0.6 \cdot x_{k} \cdot [1 - 0.3 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

放电时为

R_{k} = - 0.3 \cdot x_{k} \cdot [1 + 0.3 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k}) .

(3)负荷代理3：

刚性负荷：

R_{k} = - 1.2 \cdot x_{k} + y_{k}^{2} \cdot (1 - x_{k});

柔性负荷：

R_{k} = - 2.4 \cdot x_{k} \cdot [1 - 0.4 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

分布式电源：

R_{k} = - 1.2 \cdot x_{k} \cdot [1 + . 04 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

储能元件：充电时为

R_{k} = - 2.4 \cdot x_{k} \cdot [1 - 0.4 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k});

放电时为

R_{k} = - 1.2 \cdot x_{k} \cdot [1 + 0.4 \cdot x_{k} \cdot (1 - y_{k})] + y_{k}^{2} \cdot (1 - x_{k}) .

步骤007.分别根据各个负荷的优选策略中的各个目标的目标倾向度，将各个负荷分别运动到Netlogo三维层面中相应的位置上，并更新各个负荷的各个目标的目标倾向度；然后根据对应的负荷-电价响应特性模型，获得此时各个负荷的功率，并且结合负荷代理针对对应负荷的管辖，分别获得各个负荷代理的总功率，即这里的三个负荷代理的总功率P_L1、P_L2、P_L3。

步骤008.将三个负荷代理的总功率P_L1、P_L2、P_L3通过Matlab与Netlogo之间的数据交换接口模块，由Netlogo发送至Matlab中，在Matlab中分别针对各个负荷代理的总功率进行最优潮流计算，获得三个发电机的出力分别为P_G1、P_G2、P_G3和网络节点电价C₁、C₂、C₃，然后将三个发电机的出力分别为P_G1、P_G2、P_G3和网络节点电价C₁、C₂、C₃通过Matlab与Netlogo之间的数据交换接口模块返回至Netlogo中，更新Netlogo三维层面中对应网络节点上的电价。

步骤009.将Netlogo三维层面中各个网络节点上的电价作为牵引信号，并分别由各个负荷代理将对应网络节点上的电价C₁、C₂、C₃换算成对应的ρ_k、υ_k发布给其管辖的各个负荷。

如图3所示，Netlogo三维的仿真结果中，原点位于西南角，水平方向代表经济性倾向度，垂直方向代表舒适度倾向度，数值范围都是0-1，用户层中的每个用户在该层面的左右、上下移动分别表示对经济性倾向度和舒适度倾向度的改变，移动的同时，负载也在不断地变化，直到最后到达一个总目标最大的点停止。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims

1. 一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法，其特征在于，包括如下步骤：

步骤001. 根据电力系统网络结构，建立基于Matlab与Netlogo的联合仿真平台，其中，在Matlab中建立电力系统元件模型，在Netlogo中定义代表电力系统元件的智能体通用模块，同时，搭建Matlab 和Netlogo之间的数据交换接口模块实现信息交互；

步骤002. 针对各种负荷类型，分别根据负荷基准量、电价，以及对应负荷的各目标的目标倾向度，建立分别对应各种负荷类型的负荷-电价响应特性模型；

步骤003. 根据对应的负荷-电价响应特性模型，分别获得各个负荷的各个目标的目标函数，并且分别针对各个负荷，将负荷的各个目标的目标函数进行加权处理，分别获得对应各个负荷的总目标函数；

步骤004. 将各个负荷随机分布在Netlogo三维层面上，构成多个负荷节点，并获得各个负荷的各个目标的初始目标倾向度，即为各个负荷的初始策略；针对Netlogo三维层面中的网络节点，随机设定电价，并且根据Netlogo三维层面中的负荷节点，建立负荷代理，负荷代理的数量与负荷节点的数量一致，负荷代理与负荷节点一一对应，各个负荷代理管辖对应各个负荷，并且各个负荷代理分别用于其管辖的各个负荷和Matlab之间的信息传输；

步骤005. 以各个负荷的初始策略作为负荷基准量，分别针对各个负荷的各个目标的目标倾向度进行预设变化方式，分别获得各个负荷对应的策略，并结合各个负荷的初始策略构成各个负荷的策略集；

步骤006. 根据对应各个负荷的总目标函数，分别获得各个负荷对应其策略集中各个策略的总目标函数值，并分别选择获得各个负荷对应其最大总目标函数值的策略，作为各个负荷的优选策略；

步骤007. 分别根据各个负荷的优选策略中的各个目标的目标倾向度，将各个负荷分别运动到Netlogo三维层面中相应的位置上，并更新各个负荷的各个目标的目标倾向度；然后根据对应的负荷-电价响应特性模型，获得此时各个负荷的功率，并且结合负荷代理针对对应负荷的管辖，分别获得各个负荷代理的总功率；

步骤008. 将各个负荷代理的总功率通过Matlab与Netlogo之间的数据交换接口模块，由Netlogo发送至Matlab中，在Matlab中分别针对各个负荷代理的总功率进行最优潮流计算，获得发电机出力和对应各个网络节点的电价，并将该各个网络节点的电价，通过Matlab与Netlogo之间的数据交换接口模块返回至Netlogo中，更新Netlogo三维层面中对应网络节点上的电价；

步骤009. 将Netlogo三维层面中各个网络节点上的电价作为牵引信号，并分别由各个负荷代理将对应网络节点上的电价发布给其管辖的各个负荷；

步骤010. 根据此时Netlogo三维层面中，各个负荷的位置，以及各个负荷的各个目标的目标倾向度，更新各个负荷的初始策略，并按步骤005的方法，更新各个负荷对应的策略集，然后根据对应各个负荷的总目标函数，结合各个负荷对应的电价，分别获得各个负荷对应其策略集中各个策略的总目标函数值，并分别针对各个负荷，判断负荷的初始策略对应的总目标函数值是否大于其策略集中其它策略所对应的总目标函数值，是则该负荷停止运动；否则返回步骤004。

2. 根据权利要求1所述一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法，其特征在于：所述步骤001中的智能体通用模块包括通信属性子模块、智能属性子模块和物理属性子模块，其中，通信属性子模块用于模拟电力系统元件之间的信息交换过程；智能属性子模块用于描述电力系统元件制定决策的过程；物理属性子模块用于定义电力系统元件的运行状态。

3. 根据权利要求1所述一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法，其特征在于：所述步骤002中，所述对应负荷的各目标包括经济效益、生活用电满足程度和输电质量。

4. 根据权利要求1所述一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法，其特征在于：所述步骤005中，以各个负荷的初始策略作为负荷基准量，分别针对各个负荷的各个目标的目标倾向度，采用+i或-i的方式分别获得各个负荷对应的策略，其中i为每一步迭代步长。

5. 根据权利要求1所述一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法，其特征在于：所述电价包括买入电价和卖出电价。