一种基于多智能体技术的多能源微网去中心化优化调度方法与流程

本发明属于多能源微网能量运行优化领域，具体涉及一种基于多智能体技术的多能源微网去中心化优化调度方法。
背景技术：
：全球化石能源的生产、运输、加工转换和使用对生态环境已经造成了严重的污染和破坏，对人类生存构成严重威胁。以新能源技术和互联网技术为代表的第三次工业革命正在兴起，能源互联网(ei)的建设能推动我国能源行业的产业技术升级和结构调整。能源互联网是一个扁平化、“源-网-荷-储”体系，包括多个能源局域网单元、独立发电单元、独立用电单元、独立储能单元等。这些能源互联网子单元由于其拥有者、任务需求和调度目标各有所不同，且都有追求自身利益最大化的能力与驱动力，能源互联网中负荷形式的多样化、可再生能源(renewableenergysource，res)不确定性，传统的集中式优化调度方式很难应用于能源互联网系统的优化运行中，如何应对成为能源互联网能量管理和优化运行中亟待解决的问题。多智能体系统(multi-agentsystem,mas)在分布式控制以及管理方面有巨大的潜力，目前在能源互联网领域备受关注。互联网与传统能源的深入融合，即可提高可再生能源的入网比例，实现能源供给方式的多元化，促进能源结构优化，也可以实现能源资源按需流动，促进资源节约，高效利用，实现降低能源消耗总量，减少污染排放。随着能源互联网的发展，能源互联网系统中设备耦合关系与能源结构将会更为复杂，另一方面，负荷需求侧与能源互联网之间关系更为灵活多样，导致能源互联网的运行和管理难度大大增加。从优化运行角度看，保证能源生产和传输过程信息流的安全高效传输是控制多能源系统生产运行的关键。考虑能源互联网控制运行各类可控设备不同且运行模式多样化等因素，对区域能源互联网中个体对优化策略的影响进行研究，注重网内能源转换环节的灵活性，考虑对多能源互联网系统结构的整体描述和典型特征提取，是当前针对能源互联网建模的热点与难点。在能源互联网系统构成的电力交易市场中，具有高度自治能力的能源局域网，其行为具有更强的主观性与智能型，因此如何兼顾稳定性与经济性的基础上对能源局域网的博弈行为进行精确建模，以实现能源局域网个体的效益最优与系统整体的协调控制，应是未来针对能源互联网系统开展深入研究的重点方向。技术实现要素：为了克服现有技术的不足，本发明提出了一种基于多智能体技术的多能源微网去中心化优化调度方法，应用在区域能源互联网之间能源互联与共享，其中区域能源互联网包括一次能源测、各类能量转换设备、储能设备、智能负载等。一次能源侧(分布式能源、天然气、煤炭等)经过能量转换设备，从而满足用户侧冷、热、电负荷需求，能够有效提高多能源微网对新能源的消纳能力，提高区域能源互联网的经济性并削弱不确定性对多区域能源互联网运行的影响。为了实现上述目的，本发明的技术方案为：一种基于多智能体去中心化多能源微网优化运行方法，所述方法包括以下步骤：s1：系统初始化，考虑离散时间模型，设定最佳时间为24h，进行离散化处理，均分为t个时段，对于任意第k时间，有k∈{1,2,...,t}，且第k时段的时长为δt；s2：定义多智能体(mas)系统，其中包括负荷管理agent，能源量测agent，网内电价agent，如下：(1)负荷管理agent，一种针对需求侧负荷流向及使用情况的智能体，预测用户侧多能负荷使用，及时获取区域内负荷使用情况，做出合理决策分配负荷流向；(2)能源量测agent：一种对应于一次能源侧分布式能源发电、冷热电联供系统的智能体，实时监测用户各类负荷需求，区域能源量测agent接收分布式能源出力预测，监测各个微源出力情况，实时调整储能以及供能装置发电/供热/制冷状态，以满足区域能源互联网用户侧能量需求；(3)网内电价agent：是一种针对区域能源互联网之间的能量交互电价机制智能体；针对不同区域之间的信息交互和能量交互，持有本地能源量测agent传输的本地信息，基于非合作动态博弈模型，建立一种多区域能源之间的电价机制；s3：采用后向缩减法，建立ress输出和用户基本负荷预测模型；基于典型场景缩减表示方法来模拟负荷和可再生能源发电的不确定性，采用蒙特卡洛模拟生成多种场景，根据风速预测值、太阳辐射角预测值，采用分布采样方法模拟实际中预测值的波动情况，生成随机场景；根据历史数据确定预测误差概率分布，获得随机分布误差，根据输出特性曲线将res随机变量转换为输出功率，采用正态概率分布表示分布式出力预测误差；新能源出力在未来t时段出力预测值用时间序列表示，设出力场景为场景i在时刻t的出力值，且场景ωi的发生概率为pi，场景集合缩减之前与最终保留场景子集合之间的概率距离最小表示如下：式中，α表示场景缩减后最终删除的场景集合，且场景数目为3000。初始化保留集s＝{ω0，ω1，ωi,ωs}，在实际弃用集中添加与其概率距离最小的另一场景，其中更改与弃用集最近的场景ωl概率表示为p(ωl')＝p(ωl)+p(θk)，直到弃用集所含场景数目达到要求；将最大功率点跟踪法(mttp)应用于新能源出力系统中，使其工作在最大功率点，基于预测结果，res的主动输出功率和基本负荷预测示为：分布式电源出力总量为：pres,i＝ppv,i+pw,i(5)s4：构建多智能体系统，通过电价机制计算得到当前k时段的电价；储能系统模型特征如下：式中，为储能系统初始充电状态，为储能系统预期充电容量，为储能系统电池容量，为区域能源互联网i储能系统的充电功率，为区域能源互联网i储能系统的放电功率；假设所有储能系统具有相同的锂离子电池组，并且单个时段内的充电/放电功率被认为是恒定的，因此，储能系统电池的模型和约束建立如下：式中，分别表示在时间段t+1和t时刻的soc状态，表示在t时刻的储能电池功率，mi,bi,cianddi分别表示系统矩阵，输入矩阵，输出矩阵和前馈矩阵；式中，分别表示在时间t储能系统的充放电功率，ηch和ηdch分别表示充电/放电效率；燃气轮机发电机组用于能源互联网系统效率较高，充分利用天然气能源，对环境污染较小，对燃气轮机出力表示如下：式中为t时段能源互联网i燃气轮机的发电功率；为燃气轮机的最大发电功率；为t时段能源互联网i燃气轮机的余热回收功率；ηc和ηr为燃气轮机的发电效率和余热回收效率；λgt为燃气消耗速率，λgas为天然气热值，取9.7kwh/m3；以电力为交易核心，在能源互联网市场中，参与竞价的网内电价agent的目的是通过理性的竞标策略获取最大利益；其中对网内电价agent优化问题表示为：式中，p为网内电价agent在滚动时域内优化目标，即为网内交互电价，rb，rs分别为日内设置的内部购电价格与内部售电价格；a1和a2是功率平衡参考电价，分别对应售电区域能源互联网与购电能源互联网净负荷为零时的电价；此外，式中四个变量的表达形式如下：式中，pload为能源互联网i调节负荷，ugrid为能源互联网i交互功率；s5：构建能源局域网功率平衡模型，保证能源局域网内供需平衡；构建能源局域网功率平衡模型，能源局域网中处于供电侧与需求侧的各个组成部分，得到第i个能源局域网的电功率平衡模型：其中，为能源局域网i与网内能源局域网之间的交互功率；为输送线功率约束；s6：基于模型预测控制，最小化单个能源局域网运行成本，重复步骤s2～s5；单个能源局域网最小化运行总成本，单个能源局域网在滚动时域内的优化问题表示为一个二次规划问题：式中：τ为优化滚动时域长度；ugrid，qs，qhx，qac分别为能源交互功率、储能剩余容量、制热用燃气轮机余热、制冷用燃气轮机余热；a、b、c、d分别为储能剩余容量、燃气轮机发电功率、制热用燃气轮机余热、制冷用燃气轮机余热的柔性约束系数；s7：网内电价agent接受负荷管理agent与能源量测agent调度信息，通过非合作动态博弈模型，最大化每个参与者收益，实时确定自身电价得到策略集合，过程如下：s71：建立博弈模型，根据能源互联网在滚动时域内优化问题建立混合整数模型，将对博弈模型进行描述：参与者为集合n+中的网内电价agent，每个参与者均含分布式能源、储能系统；策略：对于任意i∈n+，在k周期内，为所有参与者行动集合；所采取的策略：包括分布式能源出力，各类需求负荷以及其他参与者所采取的策略。优化运行策略最大化每个参与者i(i∈n+)的收益，表示为ρi，假设ρi为可行策略集；收益：用来衡量每个参与者总利润，最大化每个参与者i的收益，表示为ui；由上述可知给定策略集ai＝{a1,a2,…an}，当且仅当以下情况成立时：其中a*为更新策略集以后的集合，称策略向量a*为纳什均衡点(nashequilibrium,ne)，任何区域能源互联网都不能够通过单方面改变策略来提高各自收益；s72：策略pi为第i个能源互联网交互电价，能源互联网i的电价策略集合为ai，且ai＝{p|0≤p≤pmax}，pmax为最大可报交互电价，故ai为一个紧致凸子集，且参与者在博弈过程中，售电策略p必定存在，故集合ai非空；证明ui(a)为凹函数，则s存在一个纯策略纳什均衡点；对ui(a)进行二次求导，其二次导数如下：由于rb,λb,pload,i(i＝1,2,3,…,n)均非负，即因此ui是凹的，非合作博弈问题s存在纯策略纳什均衡点；s8：优化完成后，得到策略集合，并计算是否达到纳什均衡；重复步骤s3～s7，当已确定获取最佳方案时，终止博弈，得到多能源微网最优化运行方式。本发明的有益效果是：1、本发明技术方案中，基于典型场景缩减表示方法来模拟负荷和可再生能源发电的不确定性，采用蒙特卡洛模拟生成多种场景，采用分布采样方法模拟实际中预测值的波动情况，使得分布式能源预测更为精准。2、提出一种基于多智能体的多能源微网的新型电价机制，通过智能体之间相互博弈可以有效引导主动负荷的用电行为，起到削峰填谷的作用，从而减少电网运行压力。3、通过分析单个能源局域网物理特性，对能源互联网内多种能源设备进行建模，在每个能源局域网内部基于模型预测控制最小化运行成本，从而保证系统高效稳定运行，减少系统经济成本。4、引入非合作博弈，制定各能源局域网内部控制运行策略，有效降低系统净负荷波动率，降低运行经济成本，提高能源互联网系统可靠性和经济性。附图说明图1是能源互联网系统示意图。图2是res出力曲线图。图3是冷、热负荷变换曲线。图4是电价变化曲线图。图5是净负荷曲线图。图6是能源局域网优化运行曲线图。图7是一种基于多智能体技术的多能源微网去中心化优化调度方法的流程图。具体实施方式下面结合附图对本发明作进一步说明。参照图1～图7，一种基于多智能体技术的多能源微网去中心化优化调度方法，包括以下步骤：s1：系统初始化，考虑离散时间模型，设定最佳时间为24h，进行离散化处理，均分为t个时段，对于任意第k时间，有k∈{1,2,...,t}，且第k时段的时长为δt；s2：构建能源互联网mas系统结构，定义了三种类型的智能体，即：(1)负荷管理agent，一种针对需求侧负荷流向及使用情况的智能体，预测用户侧多能负荷使用，及时获取区域内负荷使用情况，做出合理决策分配负荷流向；(2)能源量测agent：一种对应于一次能源侧分布式能源发电、冷热电联供系统的智能体，实时监测用户各类负荷需求，区域能源量测agent接收分布式能源出力预测，监测各个微源出力情况，实时调整储能以及供能装置发电/供热/制冷状态，以满足区域能源互联网用户侧能量需求；(3)网内电价agent：是一种针对区域能源互联网之间的能量交互电价机制智能体；针对不同区域之间的信息交互和能量交互，持有本地能源量测agent传输的本地信息，基于非合作动态博弈模型，建立一种多区域能源之间的电价机制；s3：采用后向缩减法，建立ress输出和用户基本负荷预测模型；基于典型场景缩减表示方法来模拟负荷和可再生能源发电的不确定性；采用蒙特卡洛模拟生成多种场景，根据风速预测值、太阳辐射角预测值，采用分布采样方法模拟实际中预测值的波动情况，生成随机场景。根据历史数据确定预测误差概率分布，获得随机分布误差，根据输出特性曲线将res随机变量转换为输出功率，采用正态概率分布表示分布式出力预测误差；新能源出力在未来t时段出力预测值用时间序列表示，设出力场景为场景i在时刻t的出力值，且场景ωi的发生概率为pi，场景集合缩减之前与最终保留场景子集合之间的概率距离最小表示如下：式中，α表示场景缩减后最终删除的场景集合，且场景数目为3000。初始化保留集s＝{ω0，ω1，ωi,ωs}，在实际弃用集中添加与其概率距离最小的另一场景，其中更改与弃用集最近的场景ωl概率表示为p(ωl')＝p(ωl)+p(θk)，直到弃用集所含场景数目达到要求；为了更好地分析系统性能，将最大功率点跟踪法(mttp)应用于新能源出力系统中，使其工作在最大功率点。基于预测结果，res的主动输出功率和基本负荷预测示为：分布式电源出力总量为：pres,i＝ppv,i+pw,i(5)s4：构建多智能体系统，通过电价机制计算得到当前k时段的电价；储能系统模型特征如下：式中，为储能系统初始充电状态，为储能系统预期充电容量，为储能系统电池容量，为区域能源互联网i储能系统的充电功率，为区域能源互联网i储能系统的放电功率；假设所有储能系统具有相同的锂离子电池组，并且单个时段内的充电/放电功率被认为是恒定的，因此，储能系统电池的模型和约束建立如下：式中，分别表示在时间段t+1和t时刻的soc状态，表示在t时刻的储能电池功率，mi,bi,cianddi分别表示系统矩阵，输入矩阵，输出矩阵和前馈矩阵；式中，分别表示在时间t储能系统的充放电功率，ηch和ηdch分别表示充电/放电效率；燃气轮机发电机组用于能源互联网系统效率较高，充分利用天然气能源，对环境污染较小，对燃气轮机出力表示如下：式中为t时段能源互联网i燃气轮机的发电功率；为燃气轮机的最大发电功率；为t时段能源互联网i燃气轮机的余热回收功率；ηc和ηr为燃气轮机的发电效率和余热回收效率；λgt为燃气消耗速率，λgas为天然气热值，取9.7kwh/m3；以电力为交易核心，在能源互联网市场中，参与竞价的网内电价agent的目的是通过理性的竞标策略获取最大利益；其中对网内电价agent优化问题表示为：式中，p为网内电价agent在滚动时域内优化目标，即为网内交互电价，rb，rs分别为日内设置的内部购电价格与内部售电价格；a1和a2是功率平衡参考电价，分别对应售电区域能源互联网与购电能源互联网净负荷为零时的电价；此外，式中四个变量的表达形式如下：式中，pload为能源互联网i调节负荷，ugrid为能源互联网i交互功率；s5：构建能源局域网功率平衡模型，保证能源局域网内供需平衡，过程如下：构建能源局域网功率平衡模型，能源局域网中处于供电侧与需求侧的各个组成部分，可以得到第i个能源局域网的电功率平衡模型：其中，为能源局域网i与网内能源局域网之间的交互功率；为输送线功率约束；s6：基于模型预测控制，最小化单个能源局域网运行成本，重复步骤s2～s5过程如下：单个能源局域网最小化运行总成本，单个能源局域网在滚动时域内的优化问题可以表示为一个二次规划问题：式中：τ为优化滚动时域长度；ugrid，qs，qhx，qac分别为能源交互功率、储能剩余容量、制热用燃气轮机余热、制冷用燃气轮机余热；a、b、c、d分别为储能剩余容量、燃气轮机发电功率、制热用燃气轮机余热、制冷用燃气轮机余热的柔性约束系数；s7：网内电价agent接受负荷管理agent与能源量测agent调度信息，通过非合作动态博弈模型，最大化每个参与者收益，实时确定自身电价得到策略集合；进一步的，所述步骤s7过程如下：s71：建立博弈模型，根据能源互联网在滚动时域内优化问题建立混合整数模型，下面将对博弈模型进行描述：参与者为集合n+中的网内电价agent，每个参与者均含分布式能源、储能系统；策略：对于任意i∈n+，在k周期内，为所有参与者行动集合；所采取的策略：包括分布式能源出力，各类需求负荷以及其他参与者所采取的策略。优化运行策略最大化每个参与者i(i∈n+)的收益，表示为ρi，假设ρi为可行策略集；收益：用来衡量每个参与者总利润，最大化每个参与者i的收益，表示为ui；由上述可知给定策略集ai＝{a1,a2,…an}，当且仅当以下情况成立时：其中a*为更新策略集以后的集合，称策略向量a*为纳什均衡点(nashequilibrium,ne)，任何区域能源互联网都不能够通过单方面改变策略来提高各自收益；s72：策略pi为第i个能源互联网交互电价，能源互联网i的电价策略集合为ai，且ai＝{p|0≤p≤pmax}，pmax为最大可报交互电价，故ai为一个紧致凸子集，且参与者在博弈过程中，售电策略p必定存在，故集合ai非空；证明ui(a)为凹函数，则s存在一个纯策略纳什均衡点；对ui(a)进行二次求导，其二次导数如下：由于rb,λb,pload,i(i＝1,2,3,…,n)均非负，即因此ui是凹的，非合作博弈问题s存在纯策略纳什均衡点；s8：优化完成后，得到策略集合，并计算是否达到纳什均衡；重复步骤s3～s7，当已确定获取最佳方案时，终止博弈，得到多能源微网最优化运行方式；优化结果对比分析：为了能够直观的验证发明所提策略的效果，仿真以下3种模式：案例1：未进行优化模式，各能源局域网不进行功率交互，发电设备满负荷发电。案例2：不考虑博弈优化，只考虑能源局域网功率交互。案例3：本文所提出的基于非合作博弈的优化控制运行策略。场景分析设计为4个不同的能源局域网结构，各个能源局域网系统的供电侧由光伏、风机、燃气轮机、储能以及其他电网组成，需求侧由基本负荷与电制冷机供给，其中，各能源互联网之间的能量交互通过一条单母线完成，交互后的能源互联网净负荷再通过单母线与外部电网进行交互。各能源局域网系统额定光伏、风电输出功率，储能容量以及燃气轮机容量如下表1所示，能量转换设备参数如表2所示。其中能源局域网母线功率传输容量为4000kw，储能最大充放电功率为2000kw。项目光伏/kw风电/kw储能/kwh燃气轮机容量w能源局域网130002500130002000能源局域网233003550130002000能源局域网340003900130001000能源局域网435003750130001000表1表2各能源局域网风光出力如图2所示，图2(a)为案例所述4个能源局域网光伏出力曲线，图2(b)为4个能源局域网的风机出力曲线。图3为冷、热负荷曲线。如图4所示，多区域能源互联网之间经过相互博弈确定交互电价，经过多次迭代，电价最终趋于稳定值，所有参与者均选择不改变自身策略，各自利益达到最大化。每一位参与者经过博弈得到最优策略，重复此收敛过程最终达到纳什均衡。由图5可知，案例3相对于案例1、2,在峰谷差方面分别减少了82.44％和29.22％，在波动率上减少了80.05％和27.08％，减少能源互联网的功率差额，提升了系统的稳定性。此外，模式2、3相对于模式1，能源利用率有了明显的提升。由图6可知，当新能源出力不足时，储能系统与燃气轮机积极出力，并且各能源互联网积极进行功率交互，从而稳定系统负荷波动。其中储能系统与燃气轮机发挥十分重要作用。当燃气轮机出力较小时，余热利用量也较小，此时热负荷主要由燃气锅炉提供，冷负荷主要由电制冷机提供；当燃气轮机出力较高时，热负荷主要由燃气轮机提供，并利用其余热制冷满足冷负荷需求，系统整体运行效率和燃料利用率都得到提升。表3分析表3的数据可以得到以下结论：1)案例2、3相对于未优化的案例1，分布式能源利用率得到了明显的提高，弃风光损失接近于0，光电补贴分别提升了4.85％与4.82％。此外，案例3相对案例2的充放电损耗、电能损耗、运维费用都稍有提升，说明优化过程积极调度储能系统，且对经济性影响很小，优化调度方案较为可靠。2)案例3相对于案例1、2，总收益分别提升了290.06％和123.31％，说明非合作博弈滚动优化过程对能源互联网的经济性有显著的提高。3)与案例1相比较，案例2、3天然气费用分别提高了11.01％和4.52％,燃气轮机平均发电成本分别提高了19.92％和15.11％，表明案例2、3在优化过程中，不仅仅依靠燃气轮机，而是选择其他方式供热、供冷。案例3与案例2对比，天然气的增加费用更少，说明通过网内电价agent能够及时调整运行策略，促使多能源积极参与系统运行。考虑能源互联网系统运行的不确定性，提出区域能源互联网优化运行控制策略，对能源互联网内多种能源设备进行建模。在每个能源局域网内部基于模型预测控制最小化运行成本，引入非合作博弈，针对能源交互建立新型电价机制，通过迭代计算，博弈达到纳什均衡，通过案例表明，所提优化运行控制策略能够有效的降低系统净负荷波动率，降低运行经济成本，提高能源互联网系统可靠性和经济性。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。尽管上面已经展示出和描述了本发明的实施例，可以理解的是，本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。当前第1页12