基于多智能体鱼群算法梯级水电系统优化调度模型.docVIP

基于多智能体鱼群算法梯级水电系统优化调度模型【摘 要】本文将多智能体思想应用于梯级水电系统优化调度，建立了基于多智能体鱼群算法的梯级水电系统优化调度模型，构造管理智能体、群体智能体、行为智能体、执行智能体和决策智能体。描述了多智能体鱼群算法的体系结构和优化流程，从人机交互角度实现了电力负荷的优化调配，加快了鱼群算法的收敛速度，极具创新性。算例结果表明，各智能体相互协调，最终得出合理的优化调度计算结果。本文设计的模型对于梯级水电系统优化调度问题行之有效。 【关键词】梯级水电系统；优化调度；多智能体；鱼群算法 伴随着我国经济的高速发展，环境污染问题日益严重。电力工业作为经济发展的基石，电力供应逐年增加，由此引发的煤炭资源消耗和污染物排放问题为我国节能减排目标的实现带来了阻力。为提高能源利用效率，促进节能降耗，实现电力工业可持续发展，我国积极推行节能发电调度。梯级水电系统的开发利用不仅对环境保护产生积极影响，而且在电力系统的稳定、经济运行中发挥重要作用。然而，梯级水电系统中各水电站之间的关系较为复杂，这为梯级水电系统优化调度带来了一定难度。目前，国内外专家学者已将智能算法应用于水电优化调度，如遗传算法[1]、粒子群算法[2]、蚁群算法[3]、文化算法[4]等，取得了一定成果。 鱼群算法是一种集群智能算法，其将鱼群运动规律设定为鱼群向食物浓度较大的水域游动，构造人工鱼个体，模拟鱼群觅食、追尾和群聚行为，通过个体的局部寻优，实现全局最优[5]。鱼群算法不需要考虑目标函数梯度值等特殊信息，只需进行优劣比较[6]，因此具有快速收敛性和操作便捷性。 人工智能领域的发展促进了多智能体系统（Multi-agent system，MAS）的出现。将多智能体技术运用于电力系统进行计算和仿真有着广泛的应用前景，并已取得了大量的研究成果[7-9]。文献[10]构建了一个多智能体水电厂机组优化组合系统，仿真结果证明所提出的优化模型具有合理性和可操作性。 本文将鱼群算法和多智能体技术相结合，采用多智能体鱼群算法求解梯级水电系统优化调度问题。首先基于多智能体理论，提出多智能体鱼群算法，构造管理智能体、群体智能体、行为智能体、执行智能体和决策智能体，构造鱼群生存环境，将每条人工鱼设定为一个智能体。然后，模拟鱼群的觅食、追尾、群聚行为，通过各智能体之间的交互及其与环境间的相互影响，实现人工鱼智能体位置的更新，从而加快收敛速度，实现梯级水电系统优化调度的智能化操作。最后，以由2个水电站构成的梯级水电系统为例，运用基于多智能体鱼群算法的水电优化调度模型对算例求解，探讨多智能体鱼群算法解决梯级水电系统优化调度的可行性。 1.梯级水电系统优化调度数学模型 1.1 目标函数 梯级水电系统优化调度是指将水库初始水位、调度期内各时段来水量作为已知条件，在满足水量平衡、电量平衡、发电引用流量限制、水库库容限制等约束条件下，寻求最优的发电引用流量和负荷分配方案。梯级水电系统优化调度通常采用发电量最大、弃水量最小或耗水量最小作为调度目标[11]。本文以发电量最大为优化目标，设梯级水电系统内共有级水电站，建立目标函数如式（1）所示： （1） 式中：为总发电量（kwh）；为调度周期时段数；为时段变量，；为第级水电站的机组出力系数，；为第级水电站在时段的发电引用流量（m3/s）；为第级水电站在时段的平均发电水头（m）；为时段长度（s）。 1.2 约束条件 （1）水量平衡约束： （2） 式中：、分别为第级水电站在时段和时段的库容；为第级水电站在时段的平均入库流量；为第级水电站在时段的平均弃水流量。 （2）电量平衡约束： （3） 式中：为时段调度下达的梯级水电系统的总发电负荷；为第级水电站在时段的平均出力。 （3）发电引用流量限制： （4） 式中：、分别为第级水电站在时段允许的最小和最大发电引用流量。 （4）水库水位限制： （5） 式中：、、分别为第级水电站在时段的水位及其允许的最小和最大值。 （5）水库库容限制： （4） 式中：、分别为第级水电站在时段允许的最小和最大库容。 （6）水电站出力限制： （5） 式中：、分别为第级水电站在时段允许的最小和最大出力。 2.多智能体鱼群算法 2.1 鱼群理论 鱼群算法是一种模拟鱼群运动规律的群智能随机搜索优化算法。其基本思想是通过觅食、群聚和追尾行为，鱼群向食物浓度较大的水域游动，鱼群规模最大的地方食物浓度达到最大。根据这一思想，构造人工鱼个体，通过鱼群之间的信息交互，人工鱼个体不断修正自身行为模式，从而寻求到个体的局部最优，最终求得全局的最优解。由于不需要考虑目标函数梯度值等特殊信息，只需要对问题进行优劣比较，因而鱼群算法具