CN107609675B - 一种基于多智能体系统趋同控制的经济调度运行方法 - Google Patents

Abstract

本发明提出一种基于多智能体系统趋同控制的经济调度运行方法。针对以能源路由器作为中间智能连接单元的能源互联网结构，通过在微电网系统中各个节点设置智能体直接控制节点下的分布式能源以及负载，能源路由器化为能源路由器智能体，构建多智能体运行系统；首先使得设置在所有节点的智能体的边际成本趋向于能源路由器获得的与微电网相连的配电系统的电价，在此过程中通过各个节点的功率失配估计值进行迭代计算，每一次迭代完成后，通过能源路由器叠加配电系统的供电量，使得与能源路由器直接相连节点的功率失配估计值为0，最终使得整个微电网系统的功率失配值为0，微电网系统达到平衡，得到各个分布式能源的输出功率以及配电系统的供电量。

Description

一种基于多智能体系统趋同控制的经济调度运行方法

技术领域

本发明涉及电力系统的优化运行技术领域，特别是一种基于多智能体系统趋同控制的经济调度运行方法。

背景技术

随着能源的日益紧缺以及环境问题的不断加剧，分布式可再生能源发电越来越受到重视和关注。风能发电、太阳能发电等分布式可再生能源发电不断接入电网，这些发电形式环保、经济并且可持续，但同时也有不稳定、间歇性等缺点，使得电力系统的复杂性、不确定性不断增加。传统大电网采用的是集中式的控制模式，而这需要非常强大的通信设施作为基础，并且如果中央控制器受到攻击，整个系统都将面临瘫痪。

进入21世纪，受到“互联网+”思维的影响，需要我们将基础设施与信息技术深度融合，其中关键的一项技术就是信息物理融合系统，也就是物联网技术。能源互联网同样是互联网技术、可再生能源技术与现代电力系统的结合，能源互联网是一种以大电网为“主干网”，以微网、分布式能源等能量自治单元为“局域网”，以能源路由器为中间智能控制单元，从而最终实现自下而上分散自治协同管理的模式。本发明的提出就是在能源互联网这种分散自治协同控制的模式下，采用多智能体系统趋同控制进行优化调度，它是一种全分布式的系统，只需要智能体自身状态信息以及相邻智能体状态信息就可以完成计算，具有“即插即用”的特点，不易受网络拓扑结构改变的影响，非常适合有大量分布式能源组成的系统，不需要复杂的通信设施，使得整个系统具有很好的稳定性、安全性以及拓展性。

发明内容

针对现有技术存在的缺陷，本发明的目的是提出一种基于多智能体系统趋同控制的经济调度运行方法，通过在分布式能源组成的微电网系统的每个节点设置不同的智能体(Agent)，将与其他微电网或主电网(配电系统)相连的能源路由器化为能源路由器智能体(Energy Router Agent，ERA)，通过各个智能体之间的交互，节点下的分布式能源以及负载将自身状态传递给各个节点的智能体，节点智能体控制该节点下分布式能源的发电量，能源路由器智能体控制配电系统对为微电网的供电量，从而能够使得整个系统的运行成本达到最小，并且操作简单节省了通信资源。

为达到上述目的，本发明采用如下的技术方案：

一种基于多智能体系统趋同控制的经济调度运行方法，其特征在于，包括以下步骤：

步骤1：根据实际电力系统结构，建立基于能源路由器作为微电网与配电系统相连的中间智能控制单元，在各分布节点上设置自治单元，直接控制节点下分布式能源发电量的强连通通信拓扑图；如果该节点下没有分布式能源，则假设其最大最小发电量均为0；

步骤2：构建经济调度模型，设置节点i下所控制的分布式能源的初始功率以及节点i下的负载量，计算出节点i功率失配值的初始值，并将其赋值给功率失配估计值的初始值，i＝1,2,3...n，n为节点总数；

步骤3：对节点i所控制的分布式能源边际成本进行迭代更新，使得其边际成本趋向于从能源路由器上获得的配电系统的电价，通过边际成本计算得到分布式能源的输出功率；

步骤4：判断节点i下所控制的分布式能源的输出功率是否超过该分布式能源的极限约束，即判断其输出功率属否超过该发电机组的功率输出的上限或者下限；如果其输出功率超过上限，则取其上限值作为输出功率；如果其输出功率小于其下限，则取其下限值作为输出功率；

步骤5：计算出通过能源路由器获得的配电系统的供电量；各个节点的功率失配估计值按照迭代公式进行计算，能源路由器根据迭代计算结果，叠加配电系统的供电量，使得直接与能源路由器通信拓扑相连的节点功率失配估计值为0；

步骤6：返回步骤3；进行循环，不断的进行动态调整。

考虑到实际电力系统是一个动态的过程，并且未来电网中存在众多分布式能源，而分布式能源具有很强的不确定性，所以本方法是一个动态的全分布式的算法。每一个节点智能控制单元控制其分布式能源的发电量，完全基于自身的状态信息以及从其相邻节点获得的状态信息，极大的节省了通信资源；并且在每一次分布式能源或者配电系统状态发生变化后，该方法运行结果都会使得系统收敛到一个新的最优结果，所以本发明中的方法不设终止条件以应对系统在运行过程中的各种变化。上述方法计算出来的各分布式能源的输出功率以及配电系统的供电量都是通信层面上的期望值，然后各智能体单元控制分布式能源以及配电系统的实际发电量跟随得到的期望值。

所述步骤2的经济调度模型中，节点i所连分布式能源的成本函数为：

F(P_i)＝a_iP_i ²+b_iP_i+c_i,i＝1,2,3...,n.

式中n表示分布式节点的数量，P_i表示节点i所连分布式能源的输出功率，F(P_i)表示节点i在发电量为P_i的所产生的成本；a_i,b_i,c_i为成本系数。

本发明方法通过使所有节点的边际成本趋向于能源路由器获得的配电系统的电价，来得到每个分布式能源的发电量，所述步骤2的经济调度模型中，节点i所连的分布式能源的边际成本为：

λ_i＝2a_iP_i+b_i,i＝1,2,3,...,n.

其中λ_i表示节点i所连分布式能源的边际成本。

所述步骤3中分布式能源的输出功率需要满足的功率约束为：

P_i ^min≤P_i≤P_i ^max,i＝1,2,3,...,n.

其中P_i ^min,P_i ^max分别是节点i所连分布式能源的最小、最大发电功率。

本发明首先使得所有的分布式能源的边际成本趋向于能源路由器获得配电系统的电价，所述步骤3中其边际成本的迭代公式为：

式中λ_i(k)表示节点i所连分布式能源在第k次迭代时的边际成本，λ^*(k)为能源路由器获得的配电系统电价，N_i表示节点i的所有相邻节点的集合，ω_ij表示节点i与节点j之间的通信权值，d_i表示能源路由器与节点i之间的通信权值，为了使得所有分布式能源的边际成本都趋向于能源路由器获得的配电系统的电价，需要满足

所述步骤4中节点i所连的分布式能源的输出功率为：

式中P_i(k+1)表示节点i所连分布式能源在第k+1次迭代时的输出功率。

所述步骤5中节点i在第k+1次迭代的功率失配估计值：

ΔP_i(k+1)＝P_Di(k+1)-P_i(k+1)

式中P_Di(k+1)表示节点i在第k+1次迭代时的负载。

接下来进一步说明，如何通过功率失配的估计值计算出配电系统的供电量，所述步骤5中采用的迭代算法为：

式中P_M表示配电系统的供电量，P_M(0)＝0；ΔP_i(k+1)表示节点i第k+1次迭代的功率失配的估计值，并且将初始状态的功率失配值赋值给初始的功率失配的估计值，即ΔP_i(0)＝ΔP_i(0)，a_ij表示节点i与节点j之间的通信权值并且需要满足由a_ij组成的矩阵[a_ij]是一个双随机矩阵，N₀表示与能源路由器直接相连的节点集合；y_i为一个中间过渡变量；各个节点的功率失配的估计值先进行平均趋同迭代，然后通过能源路由器叠加配电系统发电量，使得与能源路由器直接相连的节点的功率失配的估计值为0，最终使得整个系统的功率失配值为0，达到供电平衡。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明是一个全分布式方法，更符合实际，所有的计算都是基于节点自身状态信息以及与其通信拓扑相连节点的状态信息所得，极大的节约了通信资源。

本发明所提出的方法是一个动态的不间断的，在运行过程中，如果系统达到最优，则算法计算结果不改变现有运行状态，若有分布式能源状态发生改变，则算法运行使得系统到达一个新的最优状态。

本发明所采用的方法计算量小、操作简单，能够适应未来复杂多变的电力系统场景。

本发明以节点作为考虑对象，从而不需要将分布式能源与负载分开来进行考虑，降低了系统研究的复杂性。

本发明改变配电系统一次供电所带来的弊端，通过能源路由器进行叠加供电，使得配电系统的供电变化更加的平缓。

附图说明

图1是本发明方法运行的流程图。

图2是基于多智能体系统的能源互联网架构图。

图3是本发明在仿真场景下的系统图与通信拓扑图。

图4是本发明在仿真场景下各个节点以及配电系统调度的结果。

图5是本发明在仿真场景下的功率供需变化情况。

图6是本发明在仿真场景下各节点边际成本的变化情况。

图7是本发明在仿真场景下各节点功率失配估计值的变化情况。

具体实施方式

为更加清楚明白地介绍本发明的技术方案，以下结合附图及优选仿真场景，对本发明作进一步的说明，其中仿真场景仅用于解释本发明，而不是解释为对本发明的限制。

本发明针对以能源路由器作为微电网与配电系统相连的能源互联网结构，如图2所示。构建基于多智能体系统趋同控制的经济调度运行方法，其具体步骤如图1所示，首先在微电网中各个节点设置智能控制单元智能体，能源路由器也作为智能体，然后多个微电网以及主电网通过能源路由器进行连接，在一个微电网中设置在各个节点的智能体以及能源路由器智能体就组成了一个带leader的图，两个智能体之间有箭头相连表示两者之间有通信关系，如果两个智能体之间没有箭头相连，表示两者之间没有通信关系。这样整个以能源路由器作为中间智能连接单元的能源互联网就被转化为由多个智能体单元组成的通信拓扑图，然后物理发电单元跟随通信拓扑图计算的结果进行运行。根据通信拓扑图各智能体之间交流的信息，包括边际成本以及功率失配的估计值，写出其邻接矩阵[a_ij]、[ω_ij]以及d_i。

然后使得所有的设置在分布式节点的智能体的边际成本趋向于能源路由器智能体获得的配电系统电价，先构建经济调度模型，设置节点i下所控制的分布式能源的初始功率以及节点i下的负载量，计算出节点i功率失配值的初始值，并将其赋值给功率失配估计值的初始值，i＝1,2,3...n，n为节点总数。

节点i所连分布式能源的成本函数为：

F(P_i)＝a_iP_i ²+b_iP_i+c_i,i＝1,2,3...,n.

式中n表示分布式节点的数量，P_i表示节点i所连分布式能源的输出功率，F(P_i)表示节点i在发电量为P_i的所产生的成本；a_i,b_i,c_i为成本系数。

节点i所连的分布式能源的边际成本为：

λ_i＝2a_iP_i+b_i,i＝1,2,3,...,n.

其中λ_i表示节点i所连分布式能源的边际成本。

节点i连接的分布式能源的输出功率需要满足的功率约束为：

P_i ^min≤P_i≤P_i ^max,i＝1,2,3,...,n.

其中P_i ^min,P_i ^max分别是节点i所连分布式能源的最小、最大发电功率。

然后依照步骤3中其边际成本的迭代公式进行迭代：

式中λ_i(k)表示节点i所连分布式能源在第k次迭代时的边际成本，λ^*(k)为能源路由器获得的配电系统电价，N_i表示节点i的所有相邻节点的集合，ω_ij表示节点i与节点j之间的通信权值，d_i表示能源路由器与节点i之间的通信权值，为了使得所有分布式能源的边际成本都趋向于能源路由器获得的配电系统的电价，需要满足

进一步可以计算出节点i所连的分布式能源的输出功率为：

式中P_i(k+1)表示节点i所连分布式能源在第k+1次迭代时的输出功率。

然后计算出节点i在第k+1次迭代的功率失配估计值：

ΔP_i(k+1)＝P_Di(k+1)-P_i(k+1)

式中P_Di(k+1)表示节点i在第k+1次迭代时的负载。

接下来进一步说明，如何通过功率失配的估计值计算出配电系统的供电量，步骤5中采用的迭代算法为：

式中P_M表示配电系统的供电量，P_M(0)＝0；ΔP_i(k+1)表示节点i第k+1次迭代的功率失配的估计值，并且将初始状态的功率失配值赋值给初始的功率失配的估计值，即ΔP_i(0)＝ΔP_i(0)，a_ij表示节点i与节点j之间的通信权值并且需要满足由a_ij组成的矩阵[a_ij]是一个双随机矩阵，N₀表示与能源路由器直接相连的节点集合；y_i为一个中间过渡变量；各个节点的功率失配的估计值先进行平均趋同迭代，然后通过能源路由器叠加配电系统发电量，使得与能源路由器直接相连的节点的功率失配的估计值为0，最终使得整个系统的功率失配值为0，达到供电平衡。

为了验证本发明的可行性，以及可以应用于能源互联网经济调度当中，本实施例以以下仿真做分析。仿真所采用的电路图以及通信拓扑图如图3所示，是一个含有6个节点的系统；由1个能源路由器、5个发电机组、以及4个负载组成，通过能源路由器与配电系统相连，节点1、2、4、6的负荷量分别为50MW、150MW、150MW以及200MW，能源路由器获得的配电系统电价设为12.5$/MW，分布式能源的参数如表1所示。

表1各分布式能源参数

图4反映了各节点分布式能源的供电情况，以及配电系统通过能源路由器对微电网的供电情况；图5反映可整个微电网系统的供需变化情况，最终系统达到供需平衡；图6反映的是各个节点边际成本的变化情况，各节点分布式能源的边际成本最终趋向于能源路由器获得的成本电价；图7反映各个节点功率失配估计值的变化情况，各个节点的功率失配估计值最终都趋向于0；各分布式能源及配电系统到达最优状态时的输出功率如表2所示；由图4-7可见，本发明提出的基于多智能体分布式趋同控制的经济调度算法的可行性。当微电网总的发电功率低于总的负荷时，由配电系统通过能源路由器进行供电；当微电网总的发电功率高于总的负荷时，由微电网通过能源路由器向配电系统进行供电；从而在广域上形成多个微电网互为备用。

表2各分布式能源及配电系统到达最优状态时的输出功率

发电端	G1	G2	G3	G4	G5	PM
							输出功率(MW)	77.9549	70.0000	81.7419	77.4335	64.1024	178.7682

需要指出的是，随着科技的进步以及化石能源的日益枯竭，新能源发电会逐渐走进我们的生活，走进千家万户；随着大量不稳定分布式能源的涌入，传统集中式控制的系统和方法存在着极大的隐患以及通信资源的极大浪费，本发明所提出的基于多智能体系统分布式趋同控制的运行系统和经济调度方法，完全基于节点智能体自身状态信息以及与其通信拓扑相连节点的状态信息，具有快速收敛、易操作、以及低成本等特点。

Claims (5)

1.一种基于多智能体系统趋同控制的经济调度运行方法，其特征在于，包括以下步骤：

步骤1：根据实际电力系统结构，建立基于能源路由器作为微电网与配电系统相连的中间智能控制单元，在各分布节点上设置自治单元，直接控制节点下分布式能源发电量的强连通通信拓扑图；如果该节点下没有分布式能源，则假设其最大最小发电量均为0；

步骤2：构建经济调度模型，设置节点i下所控制的分布式能源的初始功率以及节点i下的负载量，计算出节点i功率失配值的初始值，并将其赋值给功率失配估计值的初始值，i＝1,2,3...n，n为节点总数；

步骤3：对节点i所控制的分布式能源边际成本进行迭代更新，使得其边际成本趋向于从能源路由器上获得的配电系统的电价，通过边际成本得到分布式能源的输出功率；

步骤4：判断节点i下所控制的分布式能源的输出功率是否超过该分布式能源的极限约束，即判断其输出功率属否超过该发电机组的功率输出的上限或者下限；如果其输出功率超过上限，则取其上限值作为输出功率；如果其输出功率小于其下限，则取其下限值作为输出功率；

步骤5：计算出通过能源路由器获得的配电系统的供电量；各个节点的功率失配估计值按照迭代公式进行计算，能源路由器根据迭代计算结果，叠加配电系统的供电量，使得直接与能源路由器通信拓扑相连的节点功率失配估计值为0；

步骤6：返回步骤3；进行循环，不断的进行动态调整；

所述步骤4中节点i所连的分布式能源的输出功率为：

式中P_i(k+1)表示节点i所连分布式能源在第k+1次迭代时的输出功率；

所述步骤5中节点i在第k+1次迭代的功率失配估计值：

ΔP_i(k+1)＝P_Di(k+1)-P_i(k+1)

式中P_Di(k+1)表示节点i在第k+1次迭代时的负载；

所述步骤5中采用的迭代算法为：

式中P_M表示配电系统的供电量，P_M(0)＝0；

表示节点i第k+1次迭代的功率失配的估计值，并且将初始状态的功率失配值赋值给初始的功率失配的估计值，即

a_ij表示节点i与节点j之间的通信权值并且需要满足由a_ij组成的矩阵[a_ij]是一个双随机矩阵，N₀表示与能源路由器直接相连的节点集合；y_i为一个中间过渡变量；各个节点的功率失配的估计值先进行平均趋同迭代，然后通过能源路由器叠加配电系统发电量，使得与能源路由器直接相连的节点的功率失配的估计值为0，最终使得整个系统的功率失配值为0，达到供电平衡。

2.根据权利要求1所述的基于多智能体系统趋同控制的经济调度运行方法，其特征在于，所述步骤2的经济调度模型中，节点i所连分布式能源的成本函数为：

F(P_i)＝a_iP_i ²+b_iP_i+c_i,i＝1,2,3...,n.

式中n表示分布式节点的数量，P_i表示节点i所连分布式能源的输出功率，F(P_i)表示节点i在发电量为P_i的所产生的成本；a_i,b_i,c_i为成本系数。

3.根据权利要求1所述的基于多智能体系统趋同控制的经济调度运行方法，其特征在于，所述步骤2的经济调度模型中，节点i所连的分布式能源的边际成本为：

λ_i＝2a_iP_i+b_i,i＝1,2,3,...,n.

其中λ_i表示节点i所连分布式能源的边际成本。

4.根据权利要求1所述的基于多智能体系统趋同控制的经济调度运行方法，其特征在于，所述步骤3中分布式能源的输出功率需要满足的功率约束为：

P_i ^min≤P_i≤P_i ^max,i＝1,2,3,...,n.

其中P_i ^min,P_i ^max分别是节点i所连分布式能源的最小、最大发电功率。

5.根据权利要求1所述的基于多智能体系统趋同控制的经济调度运行方法，其特征在于，所述步骤3中其边际成本的迭代公式为：

式中λ_i(k)表示节点i所连分布式能源在第k次迭代时的边际成本，λ^*(k)为能源路由器获得的配电系统电价，N_i表示节点i的所有相邻节点的集合，ω_ij表示节点i与节点j之间的通信权值，d_i表示能源路由器与节点i之间的通信权值，为了使得所有分布式能源的边际成本都趋向于能源路由器获得的配电系统的电价，需要满足

Images