基于多智能体遗传算法配电网节能降耗综合管理系统.docVIP

基于多智能体遗传算法配电网节能降耗综合管理系统 　　摘要：针对目前企业配电网节能技术的不足，提出了一种基于多智能体遗传算法的配电网节能降耗综合管理系统。结合遗传算法（Genetic algorithm，GA）和多智能体系统（Multi-Agentsystem，MAS）技术构造了一种GA-MAS算法，每一个多智能体相当于遗传算法中一个个体，相邻的多智能体相互作用，并结合遗传算法的进化机理进行全局最优求解。提出了该系统各节能设备智能体结构模型和高压/低压多智能体系结构模型，运用GA_MAS算法，得出各个节能设备的最佳调节力度，使节能设备以最小的调节代价获得最大的节能效益。具体算例仿真及工程实际应用表明本文提出的配电网节能降耗综合管理系统能使总有功网损降低，电容器投入总组数减少，实现节能设备的最佳调节，同时表明GA_MAs算法收敛速度较快。 　　关键词：综合管理系统；节能降耗；节能设备多智能体；遗传算法 　　中图分类号：TM92 文献标识码：A 　　节能已成为我国经济和社会发展的一项长远战略方针，节电则是国家节能战略的重要组成部分。纵观目前企业配电网节能技术，存在以下不足：1）整个配电网缺乏全局的规划与管理手段，能量管理水平不高，没有形成“全方位、多方面”的综合节能降耗。2）企业配电网只是进行了局部优化管理，具有很大的局限性。3）企业配电网的节能设备还是单一运行的，形成“孤岛”林立的局面，信息比较分散，集成度不高，不便于高层管理和控制。4）单一独立节点节能设备之间相互影响，一旦局部调节过度或不足会造成临近线路的故障，形成“要害区域”。5）单一节能设备只具备某一方面的节能职能，不能满足社会对全方面节能的需要。且节能设备的独立控制容易导致设备调节过于频繁，设备使用寿命缩短，维护成本增加。 　　智能体（Agent）是一种具有感知能力、问题求解能力和与外界通信能力的实体。多智能体系统（Multi-Agent System，MAS）由多个松散耦合的、粗粒度的、具有感知能力、问题求解能力、能够与系统中其他智能体通信的智能体组成的网络结构。MAS在兼顾单个智能体系统优点的同时，通过协商、协调和协作，完成复杂的控制任务或解决复杂的问题。 　　遗传算法（GA）是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化算法。本文结合GA和MAS技术构造了多智能体遗传优化算法（GA-MAS），该算法利用Agent的局部感知、竞争协同和自学习等特性来实现生物对环境的自适应。由于所有操作都作用于局部种群而不是整个种群，从而维持了群体的多样性，在一定程度上抑制了遗传算法的早熟现象。 　　针对上述现有技术的不足及其存在的缺陷，结合GA和MAS技术，提出了一种基于多智能体遗传优化算法（GA-MAS）的配电网节能降耗综合管理系统。给出了管理系统的基本结构模型和节能设备多智能体的结构模型，运用GA-MAS算法，得出各个节能设备的最佳调节力度，使节能设备以最小的调节代价获得最大的节能效益。通过具体算例仿真及工程实际应用表明本文提出的管理系统能使总有功网损降低，电容器投人总组数减小，同时表明GA-MAS算法有很好的计算效率及收敛稳定性。 　　1 无功优化模型 　　在实际工程应用中，无功补偿装置必然会产生有功损耗及运行维护费用，另外，当配电网无功资源不足时，需要增加无功补偿设备，产生额外投资。因而，系统在追求有功网损最小的同时，综合考虑无功补偿装置总投入最小建立目标函数：其中，N为系统节点数，n为加装无功补偿装置的节点数，QCi为节点i上无功补偿容量，△PC为每kVar无功补偿容量的有功损耗，C为上网电价，丁为年运行小时数，K1为电容器年运行维护费用，△P为系统有功损耗，t为每年最大负荷运行时间。Vi，Vj分别指节点i，j的电压幅值，Gij，Bij分别指网络导纳矩阵的互导纳元素（互电导、互电纳），θij指节点电压相位差。其中，△u为控制变量的变化量；m为补偿装置种类数，即cui为第i种装置调节代价。以变压器为例，成本为Acost元，允许抽头总调节次数为Tn次，抽头永远不调整时的预期寿命是a年，经过Tn次的抽头调整后寿命缩短到a年，调整设备所增加的运行维护工作量为B，则该变压器的抽头每次操作的调节代价（元/次）为： 　　cu11=B+（a-a）Acost/aTn。 （4） 　　由式（4）可类似地计算无功补偿装置投切开关的调节代价。 　　Vi为节点i电压，QCiSVC，QCiHAPF，QCiIVC，QCiDSTATCOM分别为SVC，HAPF，IVC，DSTATCOM的无功补偿容量，Ti为有载调压变压器分接头档位，QCi为发电机无功出力。 　　2 多智能体遗传优化算法（GA-MAS） 　　2.1 Agent的环境 　　多智能体遗传优化算法是