一種基于Matlab和Netlogo的電力系統(tǒng)負(fù)荷多智能體控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于Matlab和Netlogo的電力系統(tǒng)負(fù)荷多智能體控制方法。
【背景技術(shù)】
[0002] 隨著電力技術(shù)的進(jìn)步，能源種類越來越多，供電的質(zhì)量也不斷提高，電力系統(tǒng)的復(fù) 雜程度越來越高，使得電力系統(tǒng)的運(yùn)行及調(diào)度產(chǎn)生諸多挑戰(zhàn)。系統(tǒng)運(yùn)行中，由于電力負(fù)荷 的隨機(jī)變化以及外界的各種干擾（如雷擊等）會影響電力系統(tǒng)的穩(wěn)定，導(dǎo)致系統(tǒng)電壓與頻 率的波動，從而影響系統(tǒng)電能的質(zhì)量，嚴(yán)重時會造成電壓崩潰或頻率崩潰。電力系統(tǒng)因其大 規(guī)模、時變的特性，在國內(nèi)外受到廣泛研宄。電力系統(tǒng)仿真更是成為電力系統(tǒng)研宄、規(guī)劃和 設(shè)計的重要手段。因此將復(fù)雜的電力系統(tǒng)看作一個多智能體系統(tǒng)來進(jìn)行仿真研宄是如今的 大趨勢。將電力系統(tǒng)的參與者發(fā)電方、輸電方、配電方和用戶都表示為多智能體系統(tǒng)中的 Agent。由于多智能體系統(tǒng)中各種Agent都能自主地競爭資源，因此在資源受限的優(yōu)化問題 中，如何基于系統(tǒng)的整體目標(biāo)對各個Agent進(jìn)行協(xié)調(diào)，便成為進(jìn)行電力系統(tǒng)仿真所要解決 的一個重要問題。
[0003] 多智能體控制算法是一個具有挑戰(zhàn)性的研宄課題。較快的計算速度、較好的收斂 性以及在線計算功能是多智能體控制方法的基本要求。通常采用的智能算法有：遺傳算法、 模擬退火法、粒子群優(yōu)化算法等。采用遺傳算法進(jìn)行控制的收斂速度較慢、計算時間較長、 計算量大。而模擬退火法采用Metropolis準(zhǔn)則，用冷卻進(jìn)度表示算法進(jìn)程。該算法計算準(zhǔn) 確、收斂性較強(qiáng)，但是用該算法仿真時其參數(shù)如退火速度、溫度的初始值等設(shè)置較為困難， 其初始值的設(shè)置影響算法的計算時間以及收斂性等。粒子群算法具有待定參數(shù)少、收斂較 快、計算時間短、易于實現(xiàn)等優(yōu)點(diǎn)，但是，粒子群算法仿真多智能體控制容易出現(xiàn)局部最優(yōu) 解的現(xiàn)象。
[0004] 因為，電力系統(tǒng)中用戶功率量會隨著市場電價、自身經(jīng)濟(jì)性傾向度、自身舒適度傾 向度等相關(guān)方面改變，另外，電網(wǎng)中分布式電源的發(fā)電出力也時刻發(fā)生著變動，這對電力系 統(tǒng)中多智能體的控制方法提出了新的要求與挑戰(zhàn)。

【發(fā)明內(nèi)容】

[0005] 針對上述技術(shù)問題，本發(fā)明所要解決的技術(shù)問題是提供一種采用全新設(shè)計思路， 對電力系統(tǒng)中負(fù)荷多智能體進(jìn)行實時優(yōu)化控制，能夠有效解決現(xiàn)有電力系統(tǒng)中負(fù)荷控制問 題的基于Matlab和Netlogo的電力系統(tǒng)負(fù)荷多智能體控制方法。
[0006] 本發(fā)明為了解決上述技術(shù)問題采用以下技術(shù)方案：本發(fā)明設(shè)計了一種基于 Matlab和Netlogo的電力系統(tǒng)負(fù)荷多智能體控制方法，包括如下步驟：
[0007] 步驟001.根據(jù)電力系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)，建立基于Matlab與Netlogo的聯(lián)合仿真平臺， 其中，在Matlab中建立電力系統(tǒng)元件模型，在Netlogo中定義代表電力系統(tǒng)元件的智能體 通用模塊，同時，搭建Matlab和Netlogo之間的數(shù)據(jù)交換接口模塊實現(xiàn)信息交互；
[0008] 步驟002.針對各種負(fù)荷類型，分別根據(jù)負(fù)荷基準(zhǔn)量、電價，以及對應(yīng)負(fù)荷的各目 標(biāo)的目標(biāo)傾向度，建立分別對應(yīng)各種負(fù)荷類型的負(fù)荷-電價響應(yīng)特性模型；
[0009] 步驟003.根據(jù)對應(yīng)的負(fù)荷-電價響應(yīng)特性模型，分別獲得各個負(fù)荷的各個目標(biāo)的 目標(biāo)函數(shù)，并且分別針對各個負(fù)荷，將負(fù)荷的各個目標(biāo)的目標(biāo)函數(shù)進(jìn)行加權(quán)處理，分別獲得 對應(yīng)各個負(fù)荷的總目標(biāo)函數(shù)；
[0010] 步驟004.將各個負(fù)荷隨機(jī)分布在Netlogo三維層面上，構(gòu)成多個負(fù)荷節(jié)點(diǎn)，并獲 得各個負(fù)荷的各個目標(biāo)的初始目標(biāo)傾向度，即為各個負(fù)荷的初始策略；針對Netlogo三維 層面中的網(wǎng)絡(luò)節(jié)點(diǎn)，隨機(jī)設(shè)定電價，并且根據(jù)Netlogo三維層面中的負(fù)荷節(jié)點(diǎn)，建立負(fù)荷代 理，負(fù)荷代理的數(shù)量與負(fù)荷節(jié)點(diǎn)的數(shù)量一致，負(fù)荷代理與負(fù)荷節(jié)點(diǎn)一一對應(yīng)，各個負(fù)荷代理 管轄對應(yīng)各個負(fù)荷，并且各個負(fù)荷代理分別用于其管轄的各個負(fù)荷和Matlab之間的信息 傳輸；
[0011] 步驟005.以各個負(fù)荷的初始策略作為負(fù)荷基準(zhǔn)量，分別針對各個負(fù)荷的各個目 標(biāo)的目標(biāo)傾向度進(jìn)行預(yù)設(shè)變化方式，分別獲得各個負(fù)荷對應(yīng)的策略，并結(jié)合各個負(fù)荷的初 始策略構(gòu)成各個負(fù)荷的策略集；
[0012] 步驟006.根據(jù)對應(yīng)各個負(fù)荷的總目標(biāo)函數(shù)，分別獲得各個負(fù)荷對應(yīng)其策略集中 各個策略的總目標(biāo)函數(shù)值，并分別選擇獲得各個負(fù)荷對應(yīng)其最大總目標(biāo)函數(shù)值的策略，作 為各個負(fù)荷的優(yōu)選策略；
[0013] 步驟007.分別根據(jù)各個負(fù)荷的優(yōu)選策略中的各個目標(biāo)的目標(biāo)傾向度，將各個負(fù) 荷分別運(yùn)動到Netlogo三維層面中相應(yīng)的位置上，并更新各個負(fù)荷的各個目標(biāo)的目標(biāo)傾向 度；然后根據(jù)對應(yīng)的負(fù)荷-電價響應(yīng)特性模型，獲得此時各個負(fù)荷的功率，并且結(jié)合負(fù)荷代 理針對對應(yīng)負(fù)荷的管轄，分別獲得各個負(fù)荷代理的總功率；
[0014] 步驟008.將各個負(fù)荷代理的總功率通過Matlab與Netlogo之間的數(shù)據(jù)交換接口 模塊，由Netlogo發(fā)送至Matlab中，在Matlab中分別針對各個負(fù)荷代理的總功率進(jìn)行最優(yōu) 潮流計算，獲得發(fā)電機(jī)出力和對應(yīng)各個網(wǎng)絡(luò)節(jié)點(diǎn)的電價，并將該各個網(wǎng)絡(luò)節(jié)點(diǎn)的電價，通過 Matlab與Netlogo之間的數(shù)據(jù)交換接口模塊返回至Netlogo中，更新Netlogo三維層面中 對應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價；
[0015] 步驟009.將Netlogo三維層面中各個網(wǎng)絡(luò)節(jié)點(diǎn)上的電價作為牽引信號，并分別由 各個負(fù)荷代理將對應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)上的電價發(fā)布給其管轄的各個負(fù)荷；
[0016] 步驟010.根據(jù)此時Netlogo三維層面中，各個負(fù)荷的位置，以及各個負(fù)荷的各個 目標(biāo)的目標(biāo)傾向度，更新各個負(fù)荷的初始策略，并按步驟005的方法，更新各個負(fù)荷對應(yīng)的 策略集，然后根據(jù)對應(yīng)各個負(fù)荷的總目標(biāo)函數(shù)，結(jié)合各個負(fù)荷對應(yīng)的電價，分別獲得各個負(fù) 荷對應(yīng)其策略集中各個策略的總目標(biāo)函數(shù)值，并分別針對各個負(fù)荷，判斷負(fù)荷的初始策略 對應(yīng)的總目標(biāo)函數(shù)值是否大于其策略集中其它策略所對應(yīng)的總目標(biāo)函數(shù)值，是則該負(fù)荷停 止運(yùn)動；否則返回步驟004。
[0017] 作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟001中的智能體通用模塊包括通信屬 性子模塊、智能屬性子模塊和物理屬性子模塊，其中，通信屬性子模塊用于模擬電力系統(tǒng)元 件之間的信息交換過程；智能屬性子模塊用于描述電力系統(tǒng)元件制定決策的過程；物理屬 性子模塊用于定義電力系統(tǒng)元件的運(yùn)行狀態(tài)。
[0018] 作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟002中，所述對應(yīng)負(fù)荷的各目標(biāo)包括 經(jīng)濟(jì)效益、生活用電滿足程度和輸電質(zhì)量。
[0019] 作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟005中，以各個負(fù)荷的初始策略作為 負(fù)荷基準(zhǔn)量，分別針對各個負(fù)荷的各個目標(biāo)的目標(biāo)傾向度，采用+i或_i的方式分別獲得各 個負(fù)荷對應(yīng)的策略，其中i為每一步迭代步長。
[0020] 作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述電價包括買入電價和賣出電價。
[0021] 本發(fā)明所述一種基于Matlab和Netlogo的電力系統(tǒng)負(fù)荷多智能體控制方法采用 以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：本發(fā)明設(shè)計的基于Matlab和Netlogo 的電力系統(tǒng)負(fù)荷多智能體控制方法，采用全新設(shè)計思路，對電力系統(tǒng)中負(fù)荷多智能體進(jìn)行 實時優(yōu)化控制，能夠有效解決現(xiàn)有電力系統(tǒng)中負(fù)荷控制問題，具有計算速度快，收斂性強(qiáng)等 優(yōu)點(diǎn)，能夠針對智能體的多變性進(jìn)行控制，應(yīng)對外界的擾動，做出積極的反應(yīng)；并且本發(fā)明 相較以往的電力系統(tǒng)仿真系統(tǒng)具有仿真過程直觀可見的特點(diǎn)，整個過程中可以在Netlogo 中很清楚地看到每個智能元件模塊的狀態(tài)變化情況。
【附圖說明】
[0022