基于M-Agent技術的新能源接入下多區域聯合調度研究

霍啟正（武漢大學 遙感信息工程學院，湖北 武漢 430072）

0 引 言

2008年，黃勤教授和Lefteri H. Tsoukalas教授提出了將可再生能源視為主要能量供應來源的能源互聯網（Energy Internet）概念[1-3]，并指出能源互聯網中能源的產生、傳輸、轉換和使用都應具備一定的智能性。因此，充分利用M-Agent的智能分散協調控制優勢，使電力系統調度問題智能化，成為能源互聯網技術的研究方向之一。多智能體系統理論（Multi-Agent System，MAS）是分布式人工智能技術（Distributed Artif i cial Intelligence，DAI）的重要分支，是把大而復雜的系統分塊化，形成可以實現相互通信、能夠彼此協調工作的自治小系統[4]，具有強大的靈活性和適應性，適合開放的動態環境。結合智能體技術求解各類調度問題，它相較于傳統的解決方式具有速度快、能力強等優勢[5-7]。

可再生能源的分散性決定了其多呈分布式發電的特點。為了減少線損，文獻[8]針對大規模風電并網問題，提出了一種采用多時間尺度的調度策略，逐級降低風電預測偏差對電網的影響，并提倡用戶側參與優化調度，進一步提高風電接納的能力。此外，可以通過聯絡線外送棄風電量緩解風電并網壓力[9]。優化聯絡線輸電計劃，可實現各區域分布式設備的協調優化，進一步提高能源利用率[10-12]。以上研究多局限于區域與區域之間的聯絡線優化調度，較區域與多區域不僅輸電容量受限，也未實現多區域之間的協作競爭關系。

本文針對輸電網提出一種基于多智能體技術的多區域聯合協調消納大規模新能源發電出力策略，緩解輸電容量限制的同時，將大而復雜的調度問題分塊化求解，形成相互協調工作的具有不同功能和信息儲備的子系統，提升調度靈活性，使各個區域具有區域間協同行為的同時，具有競爭行為和自學習行為，實現了可再生能源在廣域內大規模共享的智能化。

1 基于M-Agent技術的多區域聯合調度物理模型

1.1 智能體定義

定義智能體a是調度搜索空間Ω的一個有效區域搜索代理Ω={?1,?2,…?n}，將該區域智能體a的能量表示為energy(a)=-cost(a)，其中cost(a)表示區域發電成本。智能體的目的是盡可能增大自身能量，并可以采取一定的行為來實現。因為每個智能體內部都包含帶有一定自我信息判斷能力的多個子agent，可根據其包含的信息內容和判斷函數的不同，將智能體表示為：

考慮到在實際系統中風電消納應盡可能以區域內消納為主，設pole為子agent通過評價自身區域t時段風電消納能力來決定是否參與該時段廣域協調消納和扮演的角色。設ηt為自區域調整時段控制比例系數，0 ≤ ηt1＜ ηt2≤ 1，有：

address為智能體在廣域網格中的位置；body為調度序列I，本文采用文獻[13]提出的方法，按照一定的順序開停機組。開機臺數增加，即按照啟停順序增開機組，表示為：

其中，S分量由各個機組的開停順序組成，且S為一個緊前關系相容鏈表si=(kon,koff,u),u=0/1，分別表示機組啟/停；G分量是機組所對應的出力。也就是說，對每一個可行的調度序列，直接以各機組的序號表示1位，碼串S即為各機組的啟停順序和狀態，即可得各機組不同時間出力的惟一向量G，因此對應惟一一個調度序列I。

energy為智能體的能量；local為智能體與鄰域聯絡線信息子agent的集合，表示為local(a)={l1,l2,…,lm}，其中每一個元素均為一個子agent記錄，有li=(address, trust, pli)，address(i)和trust(a,i)分別表示智能體i所處的位置和可信度，pli為聯絡線上輸送功率。

1.2 智能體行為

由于是多區域協同消納，在agent代理下，各區域在不同時段的調度角色可成動態模式實現靈活轉換。為節約輸電成本，定義智能體只與其鄰域的智能體產生行為，既只在local中元素有交叉的智能體之間。判斷當pole=0時，該智能體自動退出調度，必要時可充當連接點即消除領域local中與其相關的元素，并向鄰域添加自身local中的元素，以協助領域與領域間的信息交換形成新的鄰域；pole≠0時，鄰域之間必然存在協同或者競爭行為以及自學習行為。

1.2.1 競爭行為

當該行為作用于pole=-1的智能體a、b上時，即二者同時具有協助區域i消納風功率資格。在下文的數學模型中，可得聯絡線上調度初值及相應的調度序列Ia、Ib。設trust=0，如果energy(a)＜energy(b)，則使trust(i, a)=trust(i, a), trust(i, b)=trust(i, b)+0.1，每個聯絡線調整時間尺度下執行1次。在下一個時間尺度聯合調度時，參考agent中儲存的trust值大小，決定a、b代理區域協助區域i消納風功率的主次優先級。

1.2.2 自學習行為

自學習行為是在不違反調度約束的前提下，在下一個調度周期實現序列中某些機組啟停序位的置換，從而完成一個局部搜索過程[14]。假設s=body(a)為一個有效的調度序列，K1[Gi]為機組Gi在序列中的位置，Gi的緊前啟停機組集記為KGon，KGoff該集合中的任意機組啟停都必須在Gi動作前完成；K2為Gi的緊后機組集，該集合中的任意動作必須在Gi完成后才可以開始。

令：

則Gi可以在α和β之間的任意位置移動而不會違反機組約束。

2 建立數學模型

本文所建數學模型中涉及參數經agent代理智能過濾后為確定的對象，目的是求得最佳的聯絡線功率調整值，使運行成本最小。因此，該模型為一類帶約束的min-max-min混合整數規劃問題。

2.1 目標函數

目標函數為：

式中：?為經過agent區域代理過濾后參與協同消納的區域編號，n為機組編號為本區域機組總數，t為調度時段取整，T=24，(p)為火電機組煤耗成本，p為機組出力。

于是，可得：

2.2 約束條件

2.2.1 火電機組約束

機組出力上下限約束為：

2.2.2 風電出力約束

將每個區域中的風電機組等效為1臺發電機組，構造風電機組出力不確定集合[14]：

式中：

Γ?表示調度周期T內?區域風電出力達到預測邊界值的最大次數。

2.2.3 系統約束功率平衡約束：

負荷需求約束：

式（15）和式（16）中，r?為?區域負荷備用率，為t時刻?區域的負荷需求預測。

2.2.4 聯絡線約束

聯絡線輸送容量約束：

聯絡線調整幅度約束：

式中：l表示經過agent區域代理過濾后參與協同消納的區域聯絡線編號，為不考慮風電出力時聯絡線計劃值，為考慮互聯區域風電出力多區域協調消納下聯絡線計劃的調整值。定義聯絡線功率調整時間尺度等于常規機組功率調節的時間尺度。

3 模型求解

本文建立的數學模型為序列極大極小問題，是一類典型不可微優化問題，難以進行全局尋優。因此，本文采用分層求解，內層機組出力優化為agent中energy的極大化問題，可交由energy代理計算，能夠很好地實現區域間解耦，本文采用文獻[13]提出的離散粒子群算法求解；外層聯絡線功率與魯棒調度考慮最惡劣風電出力博弈模型，另設上層agent代理計算，本文采用文獻[15]提出的“非線性割平面算法”進行求解。

式中：v為對偶變量，ξ為輔助變量。采用BPSO算法求解，可得第k次迭代的最優解(ptl,k,vk,ξk)，并將求解得到的機組組合狀態矩陣設為Uk,2=U。第三步：將第二步求解得到的(ptl,k,vk,ξk)帶入式（21）：

第四步：計算式（22）：

4 算例分析

本文以圖1組成的互聯系統為例進行分析。

圖1 多區域系統互聯示意圖

4.1 基于agent技術下的互聯系統調度對運行成本的影響

為了簡化計算，設定聯絡線調度計劃參數如下：ηt1=ηt2=0.6，即所有時段均允許各區域參與聯絡線調度；ηφ=1，即聯絡線調整值的最大值等于各時段風電出力最大值；取。運用本文提出的算法對互聯區域魯棒經濟調度模型進行求解，作為比較先將即系統孤立，經計算經濟調度總成本為2 309 438 $。

隨著互聯協調消納區域的增多，各個時段至少會出現一個甚至一個以上區域有足夠的風電消納裕度。以時段8—9為例，在時段8，區域1、區域2和區域3協助區域4和區域5消納風電；通過智能體代理過濾后，區域3為區域5的主協助區。經過智能體競爭算例分析，區域1和區域2分別為區域4的主、次協助區。過度到時段9時，通過智能體競爭算例分析，區域1和區域2協助區域4消納風電的主次優先級發生改變，聯絡線調整。

由于區域間的協調配合參與了聯絡線功率計劃制定，實現了互聯區域的新能源出力互補，區域內部對火電機組旋轉備用需求減小。因此，該調度模式在3—5、9、12、15、19—21時段減少了互聯系統的開機臺數，減少啟停成本和固定成本11 463 $。

4.2 聯絡線功率調節參數對運行成本的影響

采用控制變量法對參數ηφ、ηt進行研究，以?1、?2兩系統互聯為例簡化計算。

情形 1：ηt1=ηt2=0.6，ηφ在 0-1之間變化，風功率之間變化，調度總成本如表1所示。

表1 ηφ對互聯系統經濟調度的影響

表2 ηt對互聯系統經濟調度的影響

情形1表明，隨著ηφ的增大，聯絡線功率調整值的調節范圍變大，即廣域內可共享的風電出力增加，逐漸減小互聯系統運行。情形2表明，隨著變大，風電出力共享時段減少，互聯系統運行成本升高。當風電出力增加，最大最小運行成本差值由2 856 $逐步增加到5 754 $?？梢?，風電接入容量越大，廣域內可共享的風電功率越大，本文提出的新能源多區域協調消納策略經濟性越好。