CN110599031A - 一种基于分布式事件触发控制的微电网经济调度一致性算法 - Google Patents
一种基于分布式事件触发控制的微电网经济调度一致性算法 Download PDFInfo
- Publication number
- CN110599031A CN110599031A CN201910857825.8A CN201910857825A CN110599031A CN 110599031 A CN110599031 A CN 110599031A CN 201910857825 A CN201910857825 A CN 201910857825A CN 110599031 A CN110599031 A CN 110599031A
- Authority
- CN
- China
- Prior art keywords
- agent
- state
- generator
- intelligent
- measurement error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000012887 quadratic function Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 2
- 241001235534 Graphis <ascomycete fungus> Species 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于分布式事件触发控制的微电网经济调度一致性算法,包括如下步骤:1、获取智能体网络的通信拓扑结构和各智能体运行成本参数;2、确定经济调度优化计算中的目标函数以及各智能体的约束条件;3、确定每个智能体所执行的通信与控制协议;4、获取每个智能体的初始状态值λ(0);5、计算每个智能体的状态测量误差ei(t);6、计算每个智能体的状态误差阈值;7、定义每个智能体的触发函数为fi(t),判断状态测量误差是否达到阈值,若达到则更新该智能体的状态值;8、迭代运行至各个智能体状态趋于一致。本发明可以显著降低发电机更新输出功率的频率,从而节省通信带宽和能量,具有信息需求少、鲁棒性和可扩展性强等优点。
Description
技术领域
本发明涉及电力系统经济调度,尤其涉及一种基于分布式事件触发控制的微电网经济调度一致性算法。
背景技术
经济调度问题(EDP)是电力系统运行管理中的研究热点之一。EDP的目标是找到一个发电机的输出组合,使发电成本最小化,同时满足各发电机的功率平衡约束和发电机限制。传统的经济调度算法,如遗传算法、对偶二次规划和粒子群优化都是集中实现的,这可能会导致通信阻塞,增加电力系统的复杂性,且无法实现微电网的即插即用功能。传统上,多智能体系统的一致性可以通过时间驱动控制方案来实现,即每次代理接收到的信息都将传输给控制器。考虑到微电网中IT基础设施的规模庞大,巨大的数据交换会使网络迅速失衡,通信瓶颈可能导致优化能源调度的操作不可靠。同样,在通信拥堵的情况下,基于时间驱动控制方案的经济调度优化也会出现收敛性不足的问题。
发明内容
发明目的:为了解决现有技术存在的问题,本发明的目的在于提供一种基于分布式事件触发控制的微电网经济调度一致性算法,以实现最优经济调度。
技术方案:一种基于分布式事件触发控制的微电网经济调度一致性算法,包括如下步骤:
(1)获取智能体网络的通信拓扑结构和各智能体运行成本参数;
(2)确定经济调度优化计算中的目标函数以及各智能体的约束条件;
(3)确定每个智能体所执行的通信与控制协议;
(4)获取每个智能体的初始状态值λ(0);
(5)计算每个智能体的状态测量误差ei(t);
(6)计算每个智能体的状态误差阈值;
(7)定义每个智能体的触发函数为fi(t),判断状态测量误差是否达到阈值,若达到则更新该智能体的状态值;
(8)迭代运行至各个智能体状态趋于一致。
进一步的,所述步骤(1)包括如下内容:
(11)由智能体通信拓扑图得到Laplace矩阵L;
(12)将发电机Gi在输出功率为时的发电成本建模为二次函数:其中,ai,bi,ci为智能体i的成本参数。
进一步的,所述步骤(2)中:
目标函数为:受约束条件及限制;其中,是负荷Li消耗功率,D是要提供的总功率,是发电机Gi的最大发电功率,n为智能体的数目;
当考虑发电机功率限制时,在每个采样时间内,检查发电机的预估发电功率;如果每个发电机的输出功率超出发电机功率限制区间限制则发电功率将分别被更新为区间上界或者下界,以此确定发电功率未达到发电功率限制的发电机集合Θ和发电功率达到或者超出发电功率限制的发电机集合
定义两个辅助变量μi和φi,采用以下分布式算法解决发电机约束下的最优问题:其中,aij为智能体i与智能体j的连接权重,有连接为1,无连接为0;其初始值为:
当t→∞时,则发电机约束下的最优增量成本为:其中,λ*为不考虑发电功率限制下的最优成本,
进一步的,所述步骤(3)中:
定义辅助变量ξ,在经济分配分布式方案中,每个智能体执行如下基于事件触发协议:
则有:其中M为成本参数ai的对角阵,表示增量成本的导数,e(t)是智能体的状态测量误差。
进一步的,所述步骤(5)中:
定义智能体i的状态测量误差为:其中,表示智能体i在第k次触发状态更新所对应的时刻;
定义表示智能体j在第kj′(t)次状态更新触发所对应的时刻与智能体i此次最新的状态更新触发时刻最为接近,ni表示智能体i总共的触发次数;因此,对于智能体i所处的时间段,表示智能体j的最近一次触发状态更新的时刻;于是有关增量成本导数的计算公式改写为:
进一步的,所述步骤(6)中:
定义δ=λ-λ*,则有定义Lδ=(ε1(t),...,εn(t))T,Lδ包含了每个智能体从其邻居处可获得的相对状态信息,即
定义每个智能体的状态更新触发阈值为:其中,σi是智能体i阈值中的一个常数且满足0<σi<1,Ni是智能体i的邻居数目,a满足对于每一i∈n,||εi||是εi的范数。
进一步的,所述步骤(7)中:
定义每个智能体的触发函数为:
每个智能体在每次迭代时判断其fi(t)≥0是否成立,即判断状态测量误差是否达到阈值,若达到则更新该智能体的状态值
与现有技术相比,本发明具有如下显著优点:考虑微电网的功率平衡约束和发电限制,设计分布式事件触发控制方案,分布式事件触发控制下,每个智能体只需感知其本地成本参数、本地负载和邻域通信,从而实现最优经济调度。该控制方法可以大大降低发电机更新输出功率的频率,从而节省通信带宽和能量,具有信息需求少、鲁棒性和可扩展性强等优点。
附图说明
图1是基于分布式事件触发控制的微电网经济调度一致性算法的流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做详细的说明。
步骤一:获取智能体网络的通信拓扑结构和各智能体运行成本参数。
无向图记作其中是智能体的集合,是边的集合,是邻接矩阵权重。如果边智能体j就被称作是智能体i的邻居,且aij>0,智能体i可以从智能体j接受信息;否则aij=0。对于一个确定的无向图,aij=aji保持不变。
度矩阵为加权无向图的拉普拉斯矩阵L定义为一条无向路径由一系列边(i1,i2),(i2,i3),...组成,其中ij∈N,如果在任意一对不同的节点之间存在路径,则称有向图是连通的。
假设发电机Gi在输出功率为时的发电成本建模为二次函数:ai,bi,ci为成本参数。
步骤二:确定经济调度优化计算中的目标函数以及各智能体的约束条件。
目标函数受供需平衡与发电功率限制两个条件的限制,其中是负荷Li消耗功率,D是要提供的总功率,是发电机Gi的最大发电功率。当考虑发电机功率限制时,在每个采样时间内,需要检查发电机的预估发电功率。如果每个发电机的输出功率超出发电机功率限制区间限制那么发电功率将分别被更新为区间上界或者下界。这样,就可以确定发电功率未达到发电功率限制的发电机集合Θ和发电功率达到或者超出发电功率限制的发电机集合
定义两个辅助变量μi和φi。应用以下分布式算法来解决发电机约束下的最优问题:其中,aij为智能体i与智能体j的连接权重,有连接为1,无连接为0。其初始值为
以上算法可以解决均值一致性问题,即当t→∞时, 那么发电机约束下的最优增量成本为其中λ*为不考虑发电功率限制下的最优成本。
步骤三:确定每个智能体所执行的通信与控制协议。
定义辅助变量ξ,在经济分配分布式方案中,每个智能体执行如下基于事件触发协议:
于是有:M为成本参数ai的对角阵。
步骤四:计算每个智能体的状态测量误差ei(t)。
定义每个智能体的状态测量误差为其中, 是智能体j的最新状态更新触发时间。
步骤五:计算每个智能体的状态误差阈值。
定义δ=λ-λ*,于是假定Lδ=(ε1(t),...,εn(t))T,Lδ包含了每个智能体从起邻居处可获得的相对状态信息,即
在此基础上,定义每个智能体的状态误差阈值为其中σi是智能体i阈值中的一个常数且满足0<σi<1,Ni是智能体i的邻居数目,a满足对于每一i∈n,||εi||是εi的范数。
步骤六:获取每个智能体的初始状态值λ(0)。
步骤七:定义每个智能体的触发函数为fi(t),判断状态测量误差是否达到阈值,若达到则更新该智能体的状态值。
每个智能体的触发函数定义为:每个智能体在每次迭代时判断其fi(t)≥0是否成立,即判断状态测量误差是否达到阈值,若达到则更新该智能体的状态值
步骤八:迭代运行至各个智能体状态趋于一致。
Claims (7)
1.一种基于分布式事件触发控制的微电网经济调度一致性算法,其特征在于,包括如下步骤:
(1)获取智能体网络的通信拓扑结构和各智能体运行成本参数;
(2)确定经济调度优化计算中的目标函数以及各智能体的约束条件;
(3)确定每个智能体所执行的通信与控制协议;
(4)获取每个智能体的初始状态值λ(0);
(5)计算每个智能体的状态测量误差ei(t);
(6)计算每个智能体的状态误差阈值;
(7)定义每个智能体的触发函数为fi(t),判断状态测量误差是否达到阈值,若达到则更新该智能体的状态值;
(8)迭代运行至各个智能体状态趋于一致。
2.根据权利要求1所述基于分布式事件触发控制的微电网经济调度一致性算法,其特征在于,所述步骤(1)包括如下内容:
(11)由智能体通信拓扑图得到Laplace矩阵L;
(12)将发电机Gi在输出功率为时的发电成本建模为二次函数:其中,ai,bi,ci为智能体i的成本参数。
3.根据权利要求2所述基于分布式事件触发控制的微电网经济调度一致性算法,其特征在于,所述步骤(2)中:
目标函数为:受约束条件及限制;其中,是负荷Li消耗功率,D是要提供的总功率,是发电机Gi的最大发电功率,n为智能体的数目;
当考虑发电机功率限制时,在每个采样时间内,检查发电机的预估发电功率;如果每个发电机的输出功率超出发电机功率限制区间限制则发电功率将分别被更新为区间上界或者下界,以此确定发电功率未达到发电功率限制的发电机集合Θ和发电功率达到或者超出发电功率限制的发电机集合
定义两个辅助变量μi和φi,采用以下分布式算法解决发电机约束下的最优问题:其中,aij为智能体i与智能体j的连接权重,有连接为1,无连接为0;其初始值为:
当t→∞时,则发电机约束下的最优增量成本为:其中,λ*为不考虑发电功率限制下的最优成本,
4.根据权利要求3所述基于分布式事件触发控制的微电网经济调度一致性算法,其特征在于,所述步骤(3)中:
定义辅助变量ξ,在经济分配分布式方案中,每个智能体执行如下基于事件触发协议:
则有:其中M为成本参数ai的对角阵,表示增量成本的导数,e(t)是智能体的状态测量误差。
5.根据权利要求4所述基于分布式事件触发控制的微电网经济调度一致性算法,其特征在于,所述步骤(5)中:
定义智能体i的状态测量误差为:其中,表示智能体i在第k次触发状态更新所对应的时刻;
定义表示智能体j在第kj′(t)次状态更新触发所对应的时刻与智能体i此次最新的状态更新触发时刻最为接近,ni表示智能体i总共的触发次数;因此,对于智能体i所处的时间段,表示智能体j的最近一次触发状态更新的时刻;于是有关增量成本导数的计算公式改写为:
6.根据权利要求5所述基于分布式事件触发控制的微电网经济调度一致性算法,其特征在于,所述步骤(6)中:
定义δ=λ-λ*,则有定义Lδ=(ε1(t),...,εn(t))T,Lδ包含了每个智能体从其邻居处可获得的相对状态信息,即
定义每个智能体的状态更新触发阈值为:其中,σi是智能体i阈值中的一个常数且满足0<σi<1,Ni是智能体i的邻居数目,a满足对于每一i∈n,||εi||是εi的范数。
7.根据权利要求6所述基于分布式事件触发控制的微电网经济调度一致性算法,其特征在于,所述步骤(7)中:
定义每个智能体的触发函数为:
每个智能体在每次迭代时判断其fi(t)≥0是否成立,即判断状态测量误差是否达到阈值,若达到则更新该智能体的状态值
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910857825.8A CN110599031A (zh) | 2019-09-09 | 2019-09-09 | 一种基于分布式事件触发控制的微电网经济调度一致性算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910857825.8A CN110599031A (zh) | 2019-09-09 | 2019-09-09 | 一种基于分布式事件触发控制的微电网经济调度一致性算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110599031A true CN110599031A (zh) | 2019-12-20 |
Family
ID=68858785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910857825.8A Withdrawn CN110599031A (zh) | 2019-09-09 | 2019-09-09 | 一种基于分布式事件触发控制的微电网经济调度一致性算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110599031A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416338A (zh) * | 2020-01-10 | 2020-07-14 | 南京邮电大学 | 一种量化通信下事件触发电力系统经济调度方法 |
CN111682535A (zh) * | 2020-06-23 | 2020-09-18 | 浙江大学华南工业技术研究院 | 一种基于动态事件触发的电力系统分布式经济调度方法 |
CN113285474A (zh) * | 2021-06-09 | 2021-08-20 | 中国电力科学研究院有限公司 | 一种参数优化的交流微电网储能soc均衡分布式控制方法 |
CN114862621A (zh) * | 2022-05-06 | 2022-08-05 | 重庆邮电大学 | 一种基于时变有向拓扑下智能电网频率调节分布式经济调度控制方法 |
-
2019
- 2019-09-09 CN CN201910857825.8A patent/CN110599031A/zh not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416338A (zh) * | 2020-01-10 | 2020-07-14 | 南京邮电大学 | 一种量化通信下事件触发电力系统经济调度方法 |
CN111416338B (zh) * | 2020-01-10 | 2022-09-06 | 南京邮电大学 | 一种量化通信下事件触发电力系统经济调度方法 |
CN111682535A (zh) * | 2020-06-23 | 2020-09-18 | 浙江大学华南工业技术研究院 | 一种基于动态事件触发的电力系统分布式经济调度方法 |
CN111682535B (zh) * | 2020-06-23 | 2022-04-15 | 浙江大学华南工业技术研究院 | 一种基于动态事件触发的电力系统分布式经济调度方法 |
CN113285474A (zh) * | 2021-06-09 | 2021-08-20 | 中国电力科学研究院有限公司 | 一种参数优化的交流微电网储能soc均衡分布式控制方法 |
CN113285474B (zh) * | 2021-06-09 | 2022-07-01 | 中国电力科学研究院有限公司 | 一种参数优化的交流微电网储能soc均衡分布式控制方法 |
CN114862621A (zh) * | 2022-05-06 | 2022-08-05 | 重庆邮电大学 | 一种基于时变有向拓扑下智能电网频率调节分布式经济调度控制方法 |
CN114862621B (zh) * | 2022-05-06 | 2024-05-28 | 重庆邮电大学 | 一种基于时变有向拓扑下智能电网频率调节分布式经济调度控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599031A (zh) | 一种基于分布式事件触发控制的微电网经济调度一致性算法 | |
Lai et al. | Distributed multi-DER cooperative control for master-slave-organized microgrid networks with limited communication bandwidth | |
Zhang et al. | Incremental cost consensus algorithm in a smart grid environment | |
Gheisarnejad et al. | IoT-based DC/DC deep learning power converter control: Real-time implementation | |
CN111817286B (zh) | 一种用于直流微电网集群的虚假数据注入攻击的检测方法 | |
CN105429185B (zh) | 一种具有鲁棒协同一致性的经济调度方法 | |
CN110858718B (zh) | 考虑经济性的交流微电网分布式事件驱动的频率控制方法 | |
Chen et al. | Distributed finite-step iterative algorithm for economic dispatch of generation | |
Xu et al. | Decentralized event-triggered adaptive control for interconnected nonlinear systems with actuator failures | |
CN111191955B (zh) | 基于相依马尔可夫链的电力cps风险区域预测方法 | |
CN113225994B (zh) | 一种面向数据中心的智能空调控制方法 | |
CN111969662B (zh) | 数据驱动的多智能软开关分区协同自适应电压控制方法 | |
CN107910881B (zh) | 一种基于电网负载应急管理的admm控制方法 | |
Ji et al. | Distributed economic dispatch algorithm in smart grid based on event-triggered and fixed-time consensus methods | |
CN108521345B (zh) | 一种考虑通信中断的孤岛微电网的信息物理协同应对方法 | |
CN114862621B (zh) | 一种基于时变有向拓扑下智能电网频率调节分布式经济调度控制方法 | |
Huo et al. | Networked control system: state of the art | |
CN110829425A (zh) | 一种分布式电力系统经济运行调度方法 | |
CN113632132A (zh) | 计算机辅助的能量管理方法和能量管理系统 | |
CN113824161B (zh) | 一种DoS攻击下的交直流微电网集群系统控制方法 | |
Liu et al. | Hybrid consensus-based algorithm for distributed economic dispatch problem | |
CN114845308A (zh) | 一种计及电力多业务动态需求的跨mec资源管理方法 | |
CN114841830A (zh) | 一种智能电网中基于非协调步长的一致性经济调度方法 | |
Amelina | Scheduling networks with variable topology in the presence of noise and delays in measurements | |
CN113725922A (zh) | 基于自触发机制的混合微电网有功功率分配方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191220 |