基于多智能體遺傳算法的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)

方璐　詹軍　徐先勇　方厚輝

摘要：針對目前企業(yè)配電網(wǎng)節(jié)能技術(shù)的不足，提出了一種基于多智能體遺傳算法的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)。結(jié)合遺傳算法（Genetic algorithm，GA）和多智能體系統(tǒng)（Multi-Agentsystem，MAS）技術(shù)構(gòu)造了一種GA-MAS算法，每一個多智能體相當(dāng)于遺傳算法中一個個體，相鄰的多智能體相互作用，并結(jié)合遺傳算法的進(jìn)化機(jī)理進(jìn)行全局最優(yōu)求解。提出了該系統(tǒng)各節(jié)能設(shè)備智能體結(jié)構(gòu)模型和高壓/低壓多智能體系結(jié)構(gòu)模型，運用GA_MAS算法，得出各個節(jié)能設(shè)備的最佳調(diào)節(jié)力度，使節(jié)能設(shè)備以最小的調(diào)節(jié)代價獲得最大的節(jié)能效益。具體算例仿真及工程實際應(yīng)用表明本文提出的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)能使總有功網(wǎng)損降低，電容器投入總組數(shù)減少，實現(xiàn)節(jié)能設(shè)備的最佳調(diào)節(jié)，同時表明GA_MAs算法收斂速度較快。

關(guān)鍵詞：綜合管理系統(tǒng)；節(jié)能降耗；節(jié)能設(shè)備多智能體；遺傳算法

中圖分類號：TM92 文獻(xiàn)標(biāo)識碼：A

節(jié)能已成為我國經(jīng)濟(jì)和社會發(fā)展的一項長遠(yuǎn)戰(zhàn)略方針，節(jié)電則是國家節(jié)能戰(zhàn)略的重要組成部分?？v觀目前企業(yè)配電網(wǎng)節(jié)能技術(shù)，存在以下不足：1）整個配電網(wǎng)缺乏全局的規(guī)劃與管理手段，能量管理水平不高，沒有形成“全方位、多方面”的綜合節(jié)能降耗。2）企業(yè)配電網(wǎng)只是進(jìn)行了局部優(yōu)化管理，具有很大的局限性。3）企業(yè)配電網(wǎng)的節(jié)能設(shè)備還是單一運行的，形成“孤島”林立的局面，信息比較分散，集成度不高，不便于高層管理和控制。4）單一獨立節(jié)點節(jié)能設(shè)備之間相互影響，一旦局部調(diào)節(jié)過度或不足會造成臨近線路的故障，形成“要害區(qū)域”。5）單一節(jié)能設(shè)備只具備某一方面的節(jié)能職能，不能滿足社會對全方面節(jié)能的需要。且節(jié)能設(shè)備的獨立控制容易導(dǎo)致設(shè)備調(diào)節(jié)過于頻繁，設(shè)備使用壽命縮短，維護(hù)成本增加。

智能體（Agent）是一種具有感知能力、問題求解能力和與外界通信能力的實體。多智能體系統(tǒng)（Multi-Agent System，MAS）由多個松散耦合的、粗粒度的、具有感知能力、問題求解能力、能夠與系統(tǒng)中其他智能體通信的智能體組成的網(wǎng)絡(luò)結(jié)構(gòu)。MAS在兼顧單個智能體系統(tǒng)優(yōu)點的同時，通過協(xié)商、協(xié)調(diào)和協(xié)作，完成復(fù)雜的控制任務(wù)或解決復(fù)雜的問題。

遺傳算法（GA）是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的一種自適應(yīng)全局優(yōu)化算法。本文結(jié)合GA和MAS技術(shù)構(gòu)造了多智能體遺傳優(yōu)化算法（GA-MAS），該算法利用Agent的局部感知、競爭協(xié)同和自學(xué)習(xí)等特性來實現(xiàn)生物對環(huán)境的自適應(yīng)。由于所有操作都作用于局部種群而不是整個種群，從而維持了群體的多樣性，在一定程度上抑制了遺傳算法的早熟現(xiàn)象。

針對上述現(xiàn)有技術(shù)的不足及其存在的缺陷，結(jié)合GA和MAS技術(shù)，提出了一種基于多智能體遺傳優(yōu)化算法（GA-MAS）的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)。給出了管理系統(tǒng)的基本結(jié)構(gòu)模型和節(jié)能設(shè)備多智能體的結(jié)構(gòu)模型，運用GA-MAS算法，得出各個節(jié)能設(shè)備的最佳調(diào)節(jié)力度，使節(jié)能設(shè)備以最小的調(diào)節(jié)代價獲得最大的節(jié)能效益。通過具體算例仿真及工程實際應(yīng)用表明本文提出的管理系統(tǒng)能使總有功網(wǎng)損降低，電容器投人總組數(shù)減小，同時表明GA-MAS算法有很好的計算效率及收斂穩(wěn)定性。

1 無功優(yōu)化模型

在實際工程應(yīng)用中，無功補償裝置必然會產(chǎn)生有功損耗及運行維護(hù)費用，另外，當(dāng)配電網(wǎng)無功資源不足時，需要增加無功補償設(shè)備，產(chǎn)生額外投資。因而，系統(tǒng)在追求有功網(wǎng)損最小的同時，綜合考慮無功補償裝置總投入最小建立目標(biāo)函數(shù)：其中，N為系統(tǒng)節(jié)點數(shù)，n為加裝無功補償裝置的節(jié)點數(shù)，Q_Ci為節(jié)點i上無功補償容量，△P_C為每kVar無功補償容量的有功損耗，C為上網(wǎng)電價，丁為年運行小時數(shù)，K₁為電容器年運行維護(hù)費用，△P為系統(tǒng)有功損耗，t為每年最大負(fù)荷運行時間。V_i，V_j分別指節(jié)點i，j的電壓幅值，G_ij，B_ij分別指網(wǎng)絡(luò)導(dǎo)納矩陣的互導(dǎo)納元素（互電導(dǎo)、互電納），θ_ij指節(jié)點電壓相位差。其中，△u為控制變量的變化量；m為補償裝置種類數(shù)，即c_ui為第i種裝置調(diào)節(jié)代價。以變壓器為例，成本為A_cost元，允許抽頭總調(diào)節(jié)次數(shù)為T_n次，抽頭永遠(yuǎn)不調(diào)整時的預(yù)期壽命是a年，經(jīng)過T_n次的抽頭調(diào)整后壽命縮短到a'年，調(diào)整設(shè)備所增加的運行維護(hù)工作量為B，則該變壓器的抽頭每次操作的調(diào)節(jié)代價（元/次）為：

c_u11=B+（a-a'）A_cost/aT_n。 （4）

由式（4）可類似地計算無功補償裝置投切開關(guān)的調(diào)節(jié)代價。

V_i為節(jié)點i電壓，Q_CiSVC，Q_CiHAPF，Q_CiIVC，Q_CiDSTATCOM分別為SVC，HAPF，IVC，DSTATCOM的無功補償容量，T_i為有載調(diào)壓變壓器分接頭檔位，Q_Ci為發(fā)電機(jī)無功出力。

2 多智能體遺傳優(yōu)化算法（GA-MAS）

2.1 Agent的環(huán)境

多智能體遺傳優(yōu)化算法是結(jié)合GA算法和MAS的主要特征構(gòu)造的一種算法。首先構(gòu)造Agent的生存環(huán)境，每個Agent與其鄰域相互作用，并結(jié)合GA算法的進(jìn)化機(jī)制，使其能快速、準(zhǔn)確地收斂到全局最優(yōu)解。

將任意一個Agenta相當(dāng)于GA算法中一個體，其適應(yīng)值為：

f（α）=F_Q。 （9）

Agenta的目的就是在滿足運行條件的限制下盡可能減小其適應(yīng)值。

所有的Agent都被放人一個生存環(huán)境，即一個L×L的網(wǎng)格，其中L=根號下N，N為群體中個體數(shù)。如圖1所示，每個Agent都“居住”在該環(huán)境里，并且被固定在一個格子中。每個Agent都有其生存周期和自學(xué)習(xí)能力，能感知其鄰域中的個體，并根據(jù)感知到的信息自主采取行動策略來完成其意圖和目的。每個Agent和其鄰域的個體組成了該Agent的局部環(huán)境，如圖1所示，虛線框構(gòu)成了Agent2，2的局部環(huán)境。每個Agent只和鄰域內(nèi)其他智能體交配產(chǎn)生新個體，具有一定局部性，而它鄰域內(nèi)其他個體又和自身鄰域個體交配，由于鄰域的重疊性，因而所有個體間均存在信息交換，又具有一定的全局性，可以維持群體的多樣性。

2.2 GA-MAS算法流程

GA-MAS算法流程圖如圖2所示。

1）Pareto擇優(yōu)操作

每個Agent根據(jù)其局部環(huán)境與其鄰域個體兩兩比較尋找最優(yōu)解。在任意一個智能體的局部環(huán)境中，若該個體優(yōu)于周圍其他個體，則該個體為其鄰域中的Pareto最優(yōu)解。由于是在每個個體的局部環(huán)境中進(jìn)行擇優(yōu)操作，而不是作用于整個群體，因而保證了群體的多樣性。

2）交配操作其中，rand是[0，1]中的一個隨機(jī)數(shù)。Pareto擇優(yōu)操作后得到的種群以交叉概率p_c按式（12）（13）進(jìn)行交叉。交叉后得到的子代個體與其父代進(jìn)行優(yōu)劣比較，若子代優(yōu)于父代，則保留子代，否則，繼續(xù)保留父代。

3）死亡和再生操作

智能體A1，A2，如果兩點的距離d（A1，A2）d或?qū)?yīng)目標(biāo)函數(shù)的距離d（F（A1），F(xiàn)（A2））F，就讓其中一個智能體死亡，然后在定義域內(nèi)隨機(jī)產(chǎn)生一個新的智能體代替它。如果某一個智能體比其鄰域內(nèi)其他智能體的性能都差，則從Pareto擇優(yōu)后的解里隨機(jī)取一個代替。

3 基于GA-MAS的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)

3.1 系統(tǒng)結(jié)構(gòu)

依據(jù)多智能體分層分布式系統(tǒng)理論，基于多智能體的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)結(jié)構(gòu)圖如圖3所示，包括高壓側(cè)、低壓側(cè)兩級多智能體和管理層。

高/低壓側(cè)各個智能體的交互和協(xié)調(diào)通過任務(wù)協(xié)調(diào)智能體完成，且任務(wù)協(xié)調(diào)智能體之間可相互通信；各個智能體通過任務(wù)分解智能體與管理層連接，使不同的智能體連通了相應(yīng)的管理層的各個系統(tǒng)。管理層各系統(tǒng)通過智能體之間的通信和交互相互連接起來，實現(xiàn)了操作平臺的互聯(lián)、互操作和互協(xié)調(diào)。管理層各系統(tǒng)的數(shù)據(jù)可通過TCP/IP協(xié)議實現(xiàn)各數(shù)據(jù)庫之間互訪，達(dá)到數(shù)據(jù)共享與交換的目的。從而管理層各系統(tǒng)連通了高壓側(cè)多智能體和低壓側(cè)多智能體，實現(xiàn)了高低壓側(cè)智能體的交互和協(xié)作，進(jìn)一步實現(xiàn)多層次節(jié)能降耗。

3.2 節(jié)能設(shè)備智能體結(jié)構(gòu)模型

節(jié)能設(shè)備智能體是具有節(jié)能設(shè)備功能結(jié)構(gòu)屬性的智能體。圖3中節(jié)能設(shè)備智能體構(gòu)建過程如下：

第j個節(jié)能設(shè)備智能體結(jié)構(gòu)屬性為：

S_hj={g_hj，M_sj，M_rj，N_cj，T₁}。 （14）

式（14）中g(shù)_hj為第j個節(jié)能設(shè)備智能體對其他節(jié)能設(shè)備智能體的信念度；M_sj為第j個節(jié)能設(shè)備智能體的初始狀態(tài)；M_rj為第j個節(jié)能設(shè)備智能體的目標(biāo)狀態(tài)；N_cj為第j個節(jié)能設(shè)備智能體的優(yōu)先級指標(biāo)；T₁為定義時間間隔。

1）SVC智能體

第K個SVC智能體其初始狀態(tài)M_sSVCk和目標(biāo)狀態(tài)M_rSVCk分別為：

式（15）中Q_SVCk為第K個SVC設(shè)備補償無功；V_SVCk為第K個SVC設(shè)備節(jié)點電壓；i_SVCk為第K個SVC設(shè)備輸出電流；N_SVCk為第K個SVC設(shè)備優(yōu)先級；T_SVCk為時間脈沖。

那么第K個SVC智能體結(jié)構(gòu)屬性為：

式（17）中I_HAPFk為第K個HAPF設(shè)備補償諧波電流；V_HPAFk為第K個HAPF設(shè)備節(jié)點電壓；i_HAPFk為第K個HAPF設(shè)備輸出電流；N_HAPFk為第K個HAPF設(shè)備優(yōu)先級；T_HAPFk為時間脈沖。

那么第K個HAPF智能體結(jié)構(gòu)屬性為：

3）IVC智能體

第K個IVC智能體其初始狀態(tài)M_sIVCk和目標(biāo)狀態(tài)M_rIVCk分別為：

式（19）中Q_IVCk為第K個IVC設(shè)備補償無功；V_IVCk為第K個IVC設(shè)備節(jié)點電壓；i_IVCk為第K個IVC設(shè)備輸出電流；N_IVCk為第K個IVC設(shè)備優(yōu)先級；T_IVCk為時間脈沖。

那么第K個IVC智能體結(jié)構(gòu)屬性分別為：

4）DSTATCOM智能體

第K個DSTATCOM智能體其初始狀態(tài)M_sDCOMk和目標(biāo)狀態(tài)M_rDCOMk為：

式（21）中I_DCOMk為第K個DSTATCOM設(shè)備補償無功；V_DCOMk為第K個DSTATCOM設(shè)備節(jié)點電壓；i_DCOMk為第K個DSTATCOM設(shè)備輸出電流；N_DCOMk為第K個DSTATCOM設(shè)備優(yōu)先級；T_DCOMk為時間脈沖。

那么第K個DSTATCOM智能體結(jié)構(gòu)屬性為：

3.3 高壓/低壓多智能體系結(jié)構(gòu)模型

在節(jié)能設(shè)備智能體基礎(chǔ)上，構(gòu)建的高壓/低壓多智能體系結(jié)構(gòu)為：

HV/LVM_Sh={S_h1，S_h2，…，S_hj，N，T} （23）

式（23）中s_h1，…，S_hj為圖3中高/低壓側(cè)各個節(jié)能設(shè)備智能體；N為各個智能體的優(yōu)先級信息表；T為時間脈沖。在實例中可具體表示為：

3.4 系統(tǒng)的管理方法

圖4是基于多智能體遺傳優(yōu)化算法的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)的管理方法流程圖。首先從系統(tǒng)獲取實時數(shù)據(jù)，比較各節(jié)能設(shè)備智能體當(dāng)前狀態(tài)和目標(biāo)狀態(tài)。然后高壓/低壓多智能體匯總所有信息，運用GA-MAS優(yōu)化算法制定優(yōu)化方案，再通過任務(wù)協(xié)調(diào)與分解智能體，根據(jù)優(yōu)先級別N確定哪些節(jié)能設(shè)備智能體參與任務(wù)，根據(jù)時間脈沖T確定節(jié)能設(shè)備什么時候響應(yīng)任務(wù)，實現(xiàn)各個節(jié)能設(shè)備智能體之間的交互和協(xié)作，減小節(jié)能設(shè)備之間的相互影響。

4 仿真分析

為驗證以上算法的正確性與可行性，在Delphi環(huán)境下應(yīng)用Pascal語言編制程序，對IEEE-14節(jié)點系統(tǒng)進(jìn)行計算分析。在本文選取的IEEE-14節(jié)點系統(tǒng)中，設(shè)節(jié)點數(shù)為14個、發(fā)電機(jī)數(shù)6個、變壓器數(shù)4個、節(jié)能裝置6套。變壓器當(dāng)成有載調(diào)壓變壓器，變壓器變比調(diào)節(jié)范圍在1±1.25%×8，共分為0～16共17檔，并且限制變壓器的一次調(diào)節(jié)檔位±2檔，其檔位與實際變比的換算關(guān)系為：T=0.9+n×1.25%（n=0，1，…，16），發(fā)電機(jī)端電壓上下限制為0.9～1.1pu，節(jié)點電壓限制在0.95～1.05pu。計算過程中，有功功率基準(zhǔn)值為100MW，無功功率基準(zhǔn)值為100MVar。

表1和表2為基于GA-MAS優(yōu)化算法與PSO優(yōu)化算法的配網(wǎng)節(jié)能降耗比對結(jié)果，對于IEEE-14節(jié)點系統(tǒng)，利用優(yōu)化算法求解高低壓節(jié)能設(shè)備投入套數(shù)，總有功網(wǎng)損最小，同時滿足節(jié)點電壓約束，控制方案合理，達(dá)到節(jié)能設(shè)備優(yōu)化運行效果。在節(jié)點電壓控制、發(fā)電機(jī)有功出力和電壓最大最小畸變率等方面，本文所提基于GA-MAS的配網(wǎng)節(jié)能降耗系統(tǒng)展現(xiàn)出了優(yōu)異結(jié)果。相比于PSO優(yōu)化算法，當(dāng)GA-MAS優(yōu)化算法實施后，總有功網(wǎng)損降低到0.135pu，而PSO優(yōu)化算法高達(dá)0.138pu，節(jié)能設(shè)備投入總數(shù)減少2套。

圖5為GA-MAS和PSO迭代曲線，其中實線表示的是GA-MAS迭代曲線，虛線表示的是PSO迭代曲線。從圖中可以看出，GA-MAS算法的收斂精度和速度比PSO算法要好，在算法計算速度方面，經(jīng)GA-MAS和PSO優(yōu)化的時間分別為16.3s和34.5s，由此看出，GA-MAS的計算速度和收斂性明顯優(yōu)于PSO算法。

5 工程應(yīng)用

某企業(yè)配電網(wǎng)擁有110kV變電站一座，自備熱電廠一座，10kV配電變電站兩座。其中，25000kVA容量110±8×1.25%有載調(diào)壓變壓器2臺，110kV線路兩回，分別從不同的變電站引人為廠區(qū)供電，6300kVA容量10±8×1.25%有載調(diào)壓變壓器4臺，10kV饋線143回，6kV饋線256回，6300kVA發(fā)電機(jī)組2臺，系統(tǒng)共接人各種高低壓節(jié)能設(shè)備16套。本文所提出的基于多智能體遺傳優(yōu)化算法的配電網(wǎng)節(jié)能降耗管理系統(tǒng)，被成功應(yīng)用于該企業(yè)配電網(wǎng)，產(chǎn)生的節(jié)能降耗效益如下：

1）減少了有載調(diào)壓變壓器分接頭開關(guān)的動作次數(shù)。變壓器分接頭由本文所提系統(tǒng)投運前的每臺每周3.87次降低到目前的每臺每周2.08次，動作次數(shù)降低了46%，提高了設(shè)備的使用壽命，減輕了檢修勞動強(qiáng)度。

2）提高了配電網(wǎng)進(jìn)線端口功率因數(shù)，減少了節(jié)能設(shè)備投入套數(shù)。系統(tǒng)接人運行后，使配電網(wǎng)內(nèi)總的無功補償容量降低了33%，同時，功率因數(shù)由原來的0.92穩(wěn)步提升至0.96。節(jié)能設(shè)備總計投入11套，總共減少了5套。

3）減少電能損耗，取得了明顯的節(jié)能降耗效果。對配電網(wǎng)三個月網(wǎng)損率的統(tǒng)計分析表明，平均網(wǎng)損率為8.0%，比系統(tǒng)接人運行前同比降低了1.9個百分點，節(jié)能降耗效果顯著。

4）提高了電壓質(zhì)量。圖6（a）～（c）分別為110kV，10kV，6kV節(jié)點整點時刻電壓曲線，從中可以看出，使用本文提出的配電網(wǎng)節(jié)能降耗綜合系統(tǒng)，并經(jīng)過系統(tǒng)優(yōu)化后，各節(jié)點電壓得到明顯改善，其中110kV節(jié)點優(yōu)化前最低電壓為101.1kV，優(yōu)化后最低電壓為105.4kV；10kV節(jié)點優(yōu)化前最低電壓9.51kV，優(yōu)化后最低電壓為9.82kV；6kV節(jié)點優(yōu)化前最低電壓為5.69kV，優(yōu)化后最低電壓為5.91kV。據(jù)統(tǒng)計，系統(tǒng)接人運行的三個月內(nèi)，地區(qū)電網(wǎng)6kV以上母線電壓合格率為99.96%，同比提高了0.4個百分點。

6 結(jié)論

本文提出了一種基于多智能體遺傳優(yōu)化算法的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)，該系統(tǒng)通過全面考慮造成配電網(wǎng)電能損耗因素，運用GA-MAS算法，得出各個節(jié)能設(shè)備的最佳調(diào)節(jié)力度，使節(jié)能設(shè)備以最小的調(diào)節(jié)代價獲得最大的節(jié)能效益。GA-MAS算法構(gòu)造了一個MAS環(huán)境，每一個Agent相當(dāng)于GA算法中一個個體，它們在該環(huán)境中與其領(lǐng)域相互作用，并結(jié)合GA算法的進(jìn)化機(jī)理，使其能快速、準(zhǔn)確地收斂到全局最優(yōu)解。通過具體算例表明本文提出的管理系統(tǒng)能使總有功網(wǎng)損降低，電容器投入總組數(shù)減小，同時表明GA-MAS算法有很好的計算效率及收斂穩(wěn)定性。本文提出的基于GA-MAS算法的配電網(wǎng)節(jié)能降耗綜合管理系統(tǒng)對配電網(wǎng)實現(xiàn)“全方位、多方面”的綜合節(jié)能降耗具有重要意義。