CN109886584A - 一种基于智能体的热网调度方法及装置 - Google Patents

Abstract

本发明公开了一种基于智能体的热网调度方法及装置，所述方法包括：将待调度的热网中的各个子网分别抽象成智能体，得到由所述智能体连接成的虚拟热网；根据各个智能体之间的热传输特征获取所述虚拟热网的邻接矩阵，根据所述虚拟热网的拓扑结构获取所述虚拟热网的度矩阵，并根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵；针对每一个智能体，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，直至各个子网中热源的产出不再变化。应用本发明实施例，可以提高热网调度效果。

Description

一种基于智能体的热网调度方法及装置

技术领域

本发明涉及一种热网调度方法及装置，更具体涉及一种基于智能体的热网调度方法及装置。

背景技术

城市供热系统是我国北方城市重要的能源基础设施之一，指的是利用集中的热源，通过供热管网等设施向热能用户供应生产或生活用热能的供热子网络，然后各个子网络之间通过热量交换通道连接成一张涵盖整个城市的大型热网。每一个子网一般由3部分组成，即热源、热网和热用户。热源又称热力的生产，主要是指生产和制备一定参数(温度、压力)热媒的锅炉房或热电厂。热网是输送热媒的室外供热管路系统，是热源与热用户连接的纽带，起着输送和分配热源的作用。热用户是指直接使用或消耗热能的室内采暖、通风空调、热水供应和生产工艺用热系统等。然而近年来，随着人口越来越多，城市规模不断扩大，供暖系统的规模也随之扩大。在不同城市中，供热系统的组成和规模各不相同，一般由几个到上百个区域供热系统，即子网组成。但是这些子网一般相互独立，拥有大型锅炉的热电厂即使产能过剩也无法创造价值，而使用小型锅炉的区域只能不断扩大自己供热系统的规模来满足需求，这导致了能源的极大浪费。

目前，为了实现能源的平衡调度，通常通过以下方式进行热量的调度：首先，计算各局部供热系统的负荷状态，并根据所述负荷状态将各局部供热系统区分为负荷过剩系统与负荷欠缺系统；建立所述负荷过剩系统与所述负荷欠缺系统之间的数据信息传输，确定所述负荷欠缺系统的优化顺序；对所述负荷过剩系统与所述负荷欠缺系统之间进行能源传输和调度。本发明中分布式供热系统控制方法中不需要集控中心，供热微网可独立运行，也可动态接入系统运行，系统规模发生变化时易于维护。

发明人发现，现有技术为热网调度设计了优化顺序，但是，进行热网调度时，各个子网之间的调度顺序是实时变化的，人为设置优化顺序不能很好的适应实际的热网调度工作，进而导致热网调度效果不佳的技术问题。

发明内容

本发明所要解决的技术问题在于提供了一种基于智能体的热网调度方法及装置，以提高热网调度的效果。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种基于智能体的热网调度方法，所述方法包括：

将待调度的热网中的各个子网分别抽象成智能体，得到由所述智能体连接成的虚拟热网，其中，所述子网为区域供热网络；

根据各个智能体之间的热传输特征获取所述虚拟热网的邻接矩阵，根据所述虚拟热网的拓扑结构获取所述虚拟热网的度矩阵，并根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，其中，所述热传输特征包括：热损耗、热传输经济性、热传输环境中的一种或组合；

针对每一个智能体，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，直至各个子网中热源的产出不再变化。

在需要进行热网调度时，利用基于各个智能体之间的热传输特征以及智能体之间的拓扑关系建立的虚拟热网的Laplacian矩阵，对智能体的热量的输入和/或输出进行调节时。

可选的，所述根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，包括：

根据各个智能体之间的热传输特征获取各个智能体之间的热量输送通道的权值，并根据所述权值构建邻接矩阵；根据所述虚拟热网中各个智能体之间的连接关系，获取所述虚拟热网的度矩阵，进而根据所述邻接矩阵与所述度矩阵的差计算所述虚拟热网的Laplacian矩阵。

可选的，所述根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体的热量的输入和/或输出进行调节，包括：

在当前时刻，判断所述采样结果是否达到所述智能体的事件触发阈值；

若是，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节；将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化；

若否，将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化。

可选的，所述判断所述采样结果是否达到所述智能体的事件触发阈值，包括：

利用公式，e_i(t)＝x_i(t_k)-x_i(t)，计算所述虚拟热网的采样误差，在满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果达到所述智能体的事件触发阈值；在不满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果未达到所述智能体的事件触发阈值，其中，

e_i(t)为第i个智能体在t时刻时的采样误差；x_i(t_k)为第i个智能体在时间为t_k时所对应的第k次触发时对应的采样值；x_i(t)第i个智能体在t时刻对应的采样值；|| ||为求模符号；σ_i(t)为第i个智能体在t时刻时的控制参数，且σ_i(t)∈(0,1)；δ为非负数。

可选的，所述根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，包括：

利用公式，u(t)＝-Lx(t)，计算各个智能体的控制输入，并根据所述控制输入对各个智能体热量输入和或/输出进行调节，其中，

u(t)为各个智能体的控制输入的集合，且 为第1个智能体的控制输入矩阵的转置矩阵，为第2个智能体的控制输入矩阵的转置矩阵，第n个智能体的控制输入矩阵的转置矩阵；t∈[t_k,t_k+1)，t_k为第k次事件触发的时刻，t_k+1为第k+1次事件触发的时刻；L为所述虚拟热网的Laplacian矩阵；x(t)为在t时刻时所述虚拟热网内的各个智能体的采样值集合，且 为第1个智能体在t时刻的采样值矩阵的转置矩阵，第2个智能体在t时刻的采样值矩阵的转置矩阵；为第n个智能体在t时刻的采样值矩阵的转置矩阵。

本发明实施例还提供了一种基于智能体的热网调度装置，所述装置包括：

抽象模块，用于将待调度的热网中的各个子网分别抽象成智能体，得到由所述智能体连接成的虚拟热网，其中，所述子网为区域供热网络；

获取模块，用于根据各个智能体之间的热传输特征获取所述虚拟热网的邻接矩阵，根据所述虚拟热网的拓扑结构获取所述虚拟热网的度矩阵，并根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，其中，所述热传输特征包括：热损耗、热传输经济性、热传输环境中的一种或组合；

调节模块，用于针对每一个智能体，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，直至各个子网中热源的产出不再变化。

可选的，所述获取模块，用于：

根据各个智能体之间的热传输特征获取各个智能体之间的热量输送通道的权值，并根据所述权值构建邻接矩阵；根据所述虚拟热网中各个智能体之间的连接关系，获取所述虚拟热网的度矩阵，进而根据所述邻接矩阵与所述度矩阵的差计算所述虚拟热网的Laplacian矩阵。

可选的，所述调节模块，用于：

在当前时刻，判断所述采样结果是否达到所述智能体的事件触发阈值；

若是，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节；将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化；

若否，将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化。

可选的，所述调节模块，用于：

利用公式，e_i(t)＝x_i(t_k)-x_i(t)，计算所述虚拟热网的采样误差，在满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果达到所述智能体的事件触发阈值；在不满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果未达到所述智能体的事件触发阈值，其中，

e_i(t)为第i个智能体在t时刻时的采样误差；x_i(t_k)为第i个智能体在时间为t_k时所对应的第k次触发时对应的采样值；x_i(t)第i个智能体在t时刻对应的采样值；|| ||为求模符号；σ_i(t)为第i个智能体在t时刻时的控制参数，且σ_i(t)∈(0,1)；δ为非负数。

可选的，所述调节模块，用于：

利用公式，u(t)＝-Lx(t)，计算各个智能体的控制输入，并根据所述控制输入对各个智能体热量输入和或/输出进行调节，其中，

u(t)为各个智能体的控制输入的集合，且 为第1个智能体的控制输入矩阵的转置矩阵，为第2个智能体的控制输入矩阵的转置矩阵，第n个智能体的控制输入矩阵的转置矩阵；t∈[t_k,t_k+1)，t_k为第k次事件触发的时刻，t_k+1为第k+1次事件触发的时刻；L为所述虚拟热网的Laplacian矩阵；x(t)为在t时刻时所述虚拟热网内的各个智能体的采样值集合，且 为第1个智能体在t时刻的采样值矩阵的转置矩阵，第2个智能体在t时刻的采样值矩阵的转置矩阵；为第n个智能体在t时刻的采样值矩阵的转置矩阵。

本发明相比现有技术具有以下优点：

应用本发明实施例，在需要进行热网调度时，利用基于各个智能体之间的热传输特征以及智能体之间的拓扑关系建立的虚拟热网的Laplacian矩阵，对智能体的热量的输入和/或输出进行调节时，可以实现相邻的智能体之间的热量的调度，相对于现有技术中人为设定调度顺序，本发明实施例可以在需要进行热量调度时及时的进行调度，提高了热网调度效果。

附图说明

图1为本发明实施例提供的一种基于智能体的热网调度方法的流程示意图；

图2为本发明实施例提供的一种基于智能体的热网调度方法的原理示意图；

图3为本发明实施例提供的一种基于智能体的热网调度方法中热网的实际结构示意图；

图4为本发明实施例提供的一种基于智能体的热网调度方法中虚拟热网的结构示意图；

图5为应用本发明实施例提供的一种基于智能体的热网调度方法时，智能体的采样结果优化轨迹示意图；

图6为应用本发明实施例提供的一种基于智能体的热网调度方法时，智能体的事件触发间隔的示意图；

图7为应用本发明实施例提供的一种基于智能体的热网调度方法时，智能体的控制参数变化的示意图；

图8为本发明实施例提供的一种基于智能体的热网调度装置的结构示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明实施例提供了一种基于智能体的热网调度方法及装置，下面首先就本发明实施例提供的一种基于智能体的热网调度方法进行介绍。

图1为本发明实施例提供的一种基于智能体的热网调度方法的流程示意图，图2为本发明实施例提供的一种基于智能体的热网调度方法的原理示意图，如图1和图2所示，所述方法包括：

S101：将待调度的热网中的各个子网分别抽象成智能体，得到由所述智能体连接成的虚拟热网，其中，所述子网为区域供热网络。

如图3所示，某城市的某待调度的热网包括多个子网，如：居民区Ⅰ、居民区Ⅱ、商业区Ⅰ、商业区Ⅱ、工业区Ⅰ以及工业区Ⅱ。一个居民区为一个子网，子网内通过复杂密布的终端管网从子网中的热源将热量输送到各个消费终端，居民区之、居民区与商业区之间、商业区与工业区之间、工业区与居民区之间通过热量交换的主干管道进行热量的调用。

以上各区之间的距离如图3所示：例如，工业区Ⅰ到居民区Ⅰ的距离为20km，工业区Ⅰ到商业区Ⅱ的距离为4km。可以将居民区Ⅰ、居民区Ⅱ、商业区Ⅰ、商业区Ⅱ、工业区Ⅰ以及工业区Ⅱ分别抽象成一个智能体。

针对每一个智能体来说，都满足以下函数：

x_i(t)＝u_i(t)，其中，

x_i(t)为第i个智能体的状态，代表的是为域内的负荷Q_i，且，

Q_i＝Q_i,储+Q_i,产-Q_i,供，Q_i,储为第i个智能体中存储的热量；Q_i,产为第i个智能体产出的热量；Q_i,供为第i个智能体内对应的热用户所消耗的热量；u_i(t)为第i个智能体的控制输入，即调度出去或者调度进来的热量；

当x_i(t)＞0表示第i个智能体内热能过剩，表示区域向外供给热能，可以给邻区域供给热能；当x_i(t)＜0表示第i个智能体内热能欠缺，表示区域向内调度热能，需要邻区域的热能供给。

S102：根据各个智能体之间的热传输特征获取所述虚拟热网的邻接矩阵，根据所述虚拟热网的拓扑结构获取所述虚拟热网的度矩阵，并根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，其中，所述热传输特征包括：热损耗、热传输经济性、热传输环境中的一种或组合。

具体的，可以根据各个智能体之间的热传输特征获取各个智能体之间的热量输送通道的权值，并根据所述权值构建邻接矩阵；根据所述虚拟热网中各个智能体之间的连接关系，获取所述虚拟热网的度矩阵，进而根据所述邻接矩阵与所述度矩阵的差计算所述虚拟热网的Laplacian矩阵。

示例性的，智能体之间尽量热量的调度时，会因为不同智能体之间的热损耗、热传输经济性、热传输环境的变化导致热量的传输效率不同，因此，智能体之间热能的调度存在不同的损耗问题，例如，管道越长热损耗越大，故我们需要给每条通道一个权值。

下面以管道长度为例进行说明：

图4为本发明实施例提供的一种基于智能体的热网调度方法中虚拟热网的结构示意图，如图4所示，可以将智能体之间的距离最短的路径长度的权值设置为1，其他的智能体之间的路径的权值则是该路径与最短的路径长度的反比，例如，居民区Ⅱ与工业区Ⅱ之间的距离最短为2km；则将居民区Ⅱ作为区域热点网5，将工业区Ⅱ作为区域热点网6，则区域热点网5与区域热点网6之间的路径的权值设为1；将商业区Ⅱ作为区域热点网4，将商业区Ⅰ作为区域热点网2，则区域热点网4与区域热点网2之间的路径的权值为2/6＝0.33；以此类推，获取各个区域热点网之间路径的权值，即为各个智能体之间路径的权值。另外由于商业区Ⅰ与居民区Ⅱ之间没有热力连接管道，因此二者之间不存在热力交换，所以在图4中区域热点网2与区域热点网3之间没有连接关系。

进而可以构建出图3所示热网的邻接矩阵：

根据各个智能体也就是各个子网之间的连通状况可以确定出待调度的热网的度矩阵：

进而可以根据图论知识计算出Laplacian矩阵：

在实际应用中，在建立邻接矩阵时，由于随着管道长度的增加，热量损耗是呈非线性增加的，可以按照指数形式降低该管道的权重，即管道越长，该管道对应的权重降低越快。

类似的，此种处理方法还适用于对热传输经济性、热传输环境的变化等热量传输特征的处理。

在实际应用中，可以分别为热传输特征中的热损耗、热传输经济性、热传输环境对应的权重值分别赋予对应的比重，然后将各个权重与比重的积的和作为连接矩阵中的元素的值，进而可以度量多个因素对热量传输的影响，提高热量调度的经济性，避免热量的无谓损耗。

另外，在计算邻接矩阵中各个元素的值时，还可以考虑到智能体所处的地域、热能价格、电价、热量调度难度等因素对智能体所处的地域、热能价格、电价、热量调度难度的权值与各自对应的比重之积，然后对所考虑到的因素对应的权值与比重之积的和计算邻接矩阵中元素的值，作为最终的权重，可以进一步提高热量调度的经济性。

可以理解的是，度矩阵的建立方法为现有技术，这里不再赘述。

S103：针对每一个智能体，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，直至各个子网中热源的产出不再变化。

具体的，在当前时刻，判断所述采样结果是否达到所述智能体的事件触发阈值；即，利用公式，e_i(t)＝x_i(t_k)-x_i(t)，计算所述虚拟热网的采样误差，在满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果达到所述智能体的事件触发阈值，其中，e_i(t)为第i个智能体在t时刻时的采样误差；x_i(t_k)为第i个智能体在时间为t_k时所对应的第k次触发时对应的采样值；x_i(t)第i个智能体在t时刻对应的采样值；

若是，即，在满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果达到所述智能体的事件触发阈值，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节；将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化，其中，|| ||为求模符号；σ_i(t)为第i个智能体在t时刻时的控制参数，且σ_i(t)∈(0,1)；δ为非负数。

利用公式，u(t)＝-Lx(t)，计算各个智能体的控制输入，并根据所述控制输入对各个智能体热量输入和或/输出进行调节，其中，

u(t)为各个智能体的控制输入的集合，且 为第1个智能体的控制输入矩阵的转置矩阵，为第2个智能体的控制输入矩阵的转置矩阵，第n个智能体的控制输入矩阵的转置矩阵；t∈[t_k,t_k+1)，t_k为第k次事件触发的时刻，t_k+1为第k+1次事件触发的时刻；L为所述虚拟热网的Laplacian矩阵；x(t)为在t时刻时所述虚拟热网内的各个智能体的采样值集合，且 为第1个智能体在t时刻的采样值矩阵的转置矩阵，第2个智能体在t时刻的采样值矩阵的转置矩阵；为第n个智能体在t时刻的采样值矩阵的转置矩阵。

若否，即，在不满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果未达到所述智能体的事件触发阈值，将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化。

当系统稳定时，多智能体系统达到一致，各个智能体的采样值均相同：

即x₁＝x₂＝…＝x_n。

任意的智能体i的采样值反映的是整个系统的信息，即x_i(t)＞0表示城市供热系统的热能过剩，应适当让第i个智能体内的热源减少热能的产出；当x_i(t)＜0表示城市供热系统的热能欠缺，应适当让第i个智能体内的热源增大热能的产出。

该方法使得热源调整产出时不需要所有区域供热系统都调整热源，而是考虑环境、传输损耗、经济等因素恰当的改变适合的区域热源产出。

在调接热源产出后重复各个智能体热量的输入和/或输出进行调节，直到热网不再需要调整热源产出。

图5为应用本发明实施例提供的一种基于智能体的热网调度方法时，智能体的采样结果优化轨迹示意图；如图5所示，代表智能体的圆圈后的线条为智能体的优化轨迹，x、y、z分别代表三个维度的智能体的采样数据。在开始t＝0秒时刻，各个智能体的状态时离散的，智能体之间具有较大的距离；在t＝17.55秒时刻，各个智能体开始相互趋近；在t＝35.15秒时刻，各个智能体具备较近的距离；在t＝105.5秒时刻，各个智能体基本重合。

图6为应用本发明实施例提供的一种基于智能体的热网调度方法时，智能体的事件触发间隔的示意图，如图6所示，横坐标代表时间，纵坐标代表触发间隔的值，例如，第三个智能体的触发间隔的值为τ₃，随着调度的进行触发间隔越来越小，然后触发间隔越来越大，说明本发明实施例可以进行热量的有效调度。

图7为应用本发明实施例提供的一种基于智能体的热网调度方法时，智能体的控制参数变化的示意图；如图7所示，横坐标代表时间，纵坐标代表控制参数的值，即σ(t)，在调度开始时，事件触发阈值越来越小，然后随着调度的进行事件触发阈值愈来愈大，说明热网中的采样数据越来越难以触发事件阈值，即本发明实施例可以进行热量的有效调度。

应用本发明图1所示实施例，在需要进行热网调度时，利用基于各个智能体之间的热传输特征以及智能体之间的拓扑关系建立的虚拟热网的Laplacian矩阵，对智能体的热量的输入和/或输出进行调节时，可以实现相邻的智能体之间的热量的调度，相对于现有技术中人为设定调度顺序，本发明实施例可以在需要进行热量调度时及时的进行调度，提高了热网调度效果。

而且，本发明实施例取消了热量调度的顺序，可以按需进行热量的调度，相对于现有技术可以减少调度中造成的热能浪费。

另外地，当现有技术中优化顺序改变时，该方法需要给所有智能体分配指标，即不能立即响应热网的变化。应用本发明实施例各个智能体可以进行自主的热量调度，提高了热量调度的及时性。

本发明的优点还在于提出分布式的基于带有自适应事件触发的多智能体系统的多区域热网调度方法，能在不增添额外设备的前提下，提高城市供热系统热网的热能调度速度，减少热能调度的损耗。

与本发明图图1所示实施例相对应，本发明还提供了一种基于智能体的热网调度装置。

图8为本发明实施例提供的一种基于智能体的热网调度装置的结构示意图，如图8所示，所述装置包括：

抽象模块801，用于将待调度的热网中的各个子网分别抽象成智能体，得到由所述智能体连接成的虚拟热网，其中，所述子网为区域供热网络；

获取模块802，用于根据各个智能体之间的热传输特征获取所述虚拟热网的邻接矩阵，根据所述虚拟热网的拓扑结构获取所述虚拟热网的度矩阵，并根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，其中，所述热传输特征包括：热损耗、热传输经济性、热传输环境中的一种或组合；

调节模块803，用于针对每一个智能体，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，直至各个子网中热源的产出不再变化。

应用本发明图8所示实施例，在需要进行热网调度时，利用基于各个智能体之间的热传输特征以及智能体之间的拓扑关系建立的虚拟热网的Laplacian矩阵，对智能体的热量的输入和/或输出进行调节时，可以实现相邻的智能体之间的热量的调度，相对于现有技术中人为设定调度顺序，本发明实施例可以在需要进行热量调度时及时的进行调度，提高了热网调度效果。

在本发明实施例的一种具体实施方式中，所述获取模块802，用于：

根据各个智能体之间的热传输特征获取各个智能体之间的热量输送通道的权值，并根据所述权值构建邻接矩阵；根据所述虚拟热网中各个智能体之间的连接关系，获取所述虚拟热网的度矩阵，进而根据所述邻接矩阵与所述度矩阵的差计算所述虚拟热网的Laplacian矩阵。

在本发明实施例的一种具体实施方式中，所述调节模块803，用于：

在当前时刻，判断所述采样结果是否达到所述智能体的事件触发阈值；

若是，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节；将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化；

若否，将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化。

在本发明实施例的一种具体实施方式中，所述调节模块803，用于：

利用公式，e_i(t)＝x_i(t_k)-x_i(t)，计算所述虚拟热网的采样误差，在满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果达到所述智能体的事件触发阈值；在不满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果未达到所述智能体的事件触发阈值，其中，

e_i(t)为第i个智能体在t时刻时的采样误差；x_i(t_k)为第i个智能体在时间为t_k时所对应的第k次触发时对应的采样值；x_i(t)第i个智能体在t时刻对应的采样值；|| ||为求模符号；σ_i(t)为第i个智能体在t时刻时的控制参数，且σ_i(t)∈(0,1)；δ为非负数。

在本发明实施例的一种具体实施方式中，所述调节模块803，用于：

利用公式，u(t)＝-Lx(t)，计算各个智能体的控制输入，并根据所述控制输入对各个智能体热量输入和或/输出进行调节，其中，

u(t)为各个智能体的控制输入的集合，且 为第1个智能体的控制输入矩阵的转置矩阵，为第2个智能体的控制输入矩阵的转置矩阵，第n个智能体的控制输入矩阵的转置矩阵；t∈[t_k,t_k+1)，t_k为第k次事件触发的时刻，t_k+1为第k+1次事件触发的时刻；L为所述虚拟热网的Laplacian矩阵；x(t)为在t时刻时所述虚拟热网内的各个智能体的采样值集合，且 为第1个智能体在t时刻的采样值矩阵的转置矩阵，第2个智能体在t时刻的采样值矩阵的转置矩阵；为第n个智能体在t时刻的采样值矩阵的转置矩阵。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于智能体的热网调度方法，其特征在于，所述方法包括：

将待调度的热网中的各个子网分别抽象成智能体，得到由所述智能体连接成的虚拟热网，其中，所述子网为区域供热网络；

根据各个智能体之间的热传输特征获取所述虚拟热网的邻接矩阵，根据所述虚拟热网的拓扑结构获取所述虚拟热网的度矩阵，并根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，其中，所述热传输特征包括：热损耗、热传输经济性、热传输环境中的一种或组合；

针对每一个智能体，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，直至各个子网中热源的产出不再变化。

2.根据权利要求1所述的一种基于智能体的热网调度方法，其特征在于，所述根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，包括：

根据各个智能体之间的热传输特征获取各个智能体之间的热量输送通道的权值，并根据所述权值构建邻接矩阵；根据所述虚拟热网中各个智能体之间的连接关系，获取所述虚拟热网的度矩阵，进而根据所述邻接矩阵与所述度矩阵的差计算所述虚拟热网的Laplacian矩阵。

3.根据权利要求1所述的一种基于智能体的热网调度方法，其特征在于，所述根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体的热量的输入和/或输出进行调节，包括：

在当前时刻，判断所述采样结果是否达到所述智能体的事件触发阈值；

若是，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节；将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化；

若否，将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化。

4.根据权利要求3所述的一种基于智能体的热网调度方法，其特征在于，所述判断所述采样结果是否达到所述智能体的事件触发阈值，包括：

利用公式，e_i(t)＝x_i(t_k)-x_i(t)，计算所述虚拟热网的采样误差，在满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果达到所述智能体的事件触发阈值；在不满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果未达到所述智能体的事件触发阈值，其中，

e_i(t)为第i个智能体在t时刻时的采样误差；x_i(t_k)为第i个智能体在时间为t_k时所对应的第k次触发时对应的采样值；x_i(t)第i个智能体在t时刻对应的采样值；|| ||为求模符号；σ_i(t)为第i个智能体在t时刻时的控制参数，且σ_i(t)∈(0,1)；δ为非负数。

5.根据权利要求3所述的一种基于智能体的热网调度方法，其特征在于，所述根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，包括：

利用公式，u(t)＝-Lx(t)，计算各个智能体的控制输入，并根据所述控制输入对各个智能体热量输入和或/输出进行调节，其中，

u(t)为各个智能体的控制输入的集合，且 为第1个智能体的控制输入矩阵的转置矩阵，为第2个智能体的控制输入矩阵的转置矩阵，第n个智能体的控制输入矩阵的转置矩阵；t∈[t_k,t_k+1)，t_k为第k次事件触发的时刻，t_k+1为第k+1次事件触发的时刻；L为所述虚拟热网的Laplacian矩阵；x(t)为在t时刻时所述虚拟热网内的各个智能体的采样值集合，且 为第1个智能体在t时刻的采样值矩阵的转置矩阵，第2个智能体在t时刻的采样值矩阵的转置矩阵；为第n个智能体在t时刻的采样值矩阵的转置矩阵。

6.一种基于智能体的热网调度装置，其特征在于，所述装置包括：

抽象模块，用于将待调度的热网中的各个子网分别抽象成智能体，得到由所述智能体连接成的虚拟热网，其中，所述子网为区域供热网络；

获取模块，用于根据各个智能体之间的热传输特征获取所述虚拟热网的邻接矩阵，根据所述虚拟热网的拓扑结构获取所述虚拟热网的度矩阵，并根据所述邻接矩阵以及所述度矩阵获取所述虚拟热网的Laplacian矩阵，其中，所述热传输特征包括：热损耗、热传输经济性、热传输环境中的一种或组合；

调节模块，用于针对每一个智能体，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节，直至各个子网中热源的产出不再变化。

7.根据权利要求6所述的一种基于智能体的热网调度装置，其特征在于，所述获取模块，用于：

根据各个智能体之间的热传输特征获取各个智能体之间的热量输送通道的权值，并根据所述权值构建邻接矩阵；根据所述虚拟热网中各个智能体之间的连接关系，获取所述虚拟热网的度矩阵，进而根据所述邻接矩阵与所述度矩阵的差计算所述虚拟热网的Laplacian矩阵。

8.根据权利要求6所述的一种基于智能体的热网调度装置，其特征在于，所述调节模块，用于：

在当前时刻，判断所述采样结果是否达到所述智能体的事件触发阈值；

若是，根据所述智能体的采样结果以及所述虚拟热网的Laplacian矩阵，对各个智能体热量的输入和/或输出进行调节；将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化；

若否，将当前时刻的下一时刻作为当前时刻，并返回执行所述判断所述采样结果是否达到所述智能体的事件触发阈值的步骤，直至各个子网中热源的产出不再变化。

9.根据权利要求8所述的一种基于智能体的热网调度装置，其特征在于，所述调节模块，用于：

利用公式，e_i(t)＝x_i(t_k)-x_i(t)，计算所述虚拟热网的采样误差，在满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果达到所述智能体的事件触发阈值；在不满足公式，||e_i(t)||≥σ_i(t)||x_i(t)||，时判断所述采样结果未达到所述智能体的事件触发阈值，其中，

e_i(t)为第i个智能体在t时刻时的采样误差；x_i(t_k)为第i个智能体在时间为t_k时所对应的第k次触发时对应的采样值；x_i(t)第i个智能体在t时刻对应的采样值；|| ||为求模符号；σ_i(t)为第i个智能体在t时刻时的控制参数，且σ_i(t)∈(0,1)；δ为非负数。

10.根据权利要求8所述的一种基于智能体的热网调度装置，其特征在于，所述调节模块，用于：

利用公式，u(t)＝-Lx(t)，计算各个智能体的控制输入，并根据所述控制输入对各个智能体热量输入和或/输出进行调节，其中，

u(t)为各个智能体的控制输入的集合，且 为第1个智能体的控制输入矩阵的转置矩阵，为第2个智能体的控制输入矩阵的转置矩阵，第n个智能体的控制输入矩阵的转置矩阵；t∈[t_k,t_k+1)，t_k为第k次事件触发的时刻，t_k+1为第k+1次事件触发的时刻；L为所述虚拟热网的Laplacian矩阵；x(t)为在t时刻时所述虚拟热网内的各个智能体的采样值集合，且 为第1个智能体在t时刻的采样值矩阵的转置矩阵，第2个智能体在t时刻的采样值矩阵的转置矩阵；为第n个智能体在t时刻的采样值矩阵的转置矩阵。