郝雨辰，竇曉波，吳在軍，胡敏強，孫純軍，李 桃，趙 波

（1.東南大學 電氣工程學院，江蘇 南京 210096；2.江蘇省電力設計院，江蘇 南京 211102；3.浙江省電力試驗研究院，浙江 杭州 310014）

0 引言

將分布式電源和負荷以微電網的形式組合起來，通過合理改變各類電源的工作狀態(tài)，進行必要的負荷控制，能夠減小系統(tǒng)環(huán)境污染，改善客戶用電可靠性，提高能源利用經濟效益，從而實現微電網的能量優(yōu)化管理，這不僅是微電網系統(tǒng)不同于大電網的特殊性，也是微電網領域研究的重點與難點[1]。

由于微電源的功耗特性不同于傳統(tǒng)電網中的同步發(fā)電機，因此等微增率原則不再適用于微電網能量優(yōu)化管理[2]。 文獻[3-5]針對系統(tǒng)的經濟性、環(huán)保性和供電可靠性，建立了并/離網狀態(tài)下微電網能量管理模型，但設計的優(yōu)化策略依賴于中心控制器的性能，不能充分體現不同微電源的運行特性甚至無法反映同類微電源的不同控制目標。文獻[6-9]采用線性加權法、模糊優(yōu)化法、小生境進化法、2層規(guī)劃法對微電網能量管理的多目標優(yōu)化問題進行了闡述。文獻[10-11]從微電網結構特點出發(fā)，提出了層次化的微電網控制與能量管理思想，但實現手段還是傳統(tǒng)的主從控制策略，缺乏層間的協(xié)作與互動。文獻[12-14]將多代理（Agent）系統(tǒng)方法用于微電網能量調度中，描述了各Agent的任務并構建了多Agent系統(tǒng)平臺，但缺乏針對不同優(yōu)化問題尤其是多目標優(yōu)化問題，采用不同方法的分層分布式應對機制的闡述。

本文以提高系統(tǒng)經濟性、環(huán)保性和供電可靠性為優(yōu)化目標，設計了并網微電網能量管理模型和相應的多Agent系統(tǒng)框架，針對系統(tǒng)單目標和多目標優(yōu)化問題，基于Agent的自治性與協(xié)作性，提出了分層分布式的優(yōu)化管理策略，通過MATLAB和JADE平臺構建針對未來24 h的系統(tǒng)優(yōu)化算例驗證所提方法的正確性和有效性。

1 微電網能量優(yōu)化管理模型

1.1 微電網模型

本文建立的微電網系統(tǒng)由光伏PV（PhotoVoltaic）電池、風力發(fā)電機WT（Wind Turbine）、微型燃氣輪機MT（Micro Turbine）、2組質子交換膜燃料電池PEMFC（Proton Exchange Membrane Fuel Cell）和蓄電池等分布式微電源組成，并通過聯(lián)絡線與配電網相連接，其系統(tǒng)結構及單元間的分層分布式關系如圖1所示。

為了體現本文提出的微電網分層分布式能量優(yōu)化管理策略能夠突出不同單元運行特性和控制目標的優(yōu)點，設定：系統(tǒng)中MT和A組PEMFC工作在高效率區(qū)間；B組PEMFC輸出功率盡可能小，由于

圖1 微電網模型結構圖Fig.1 Structure of microgrid model

PEMFC具有低溫下迅速啟動的優(yōu)點[15]，因此使其只在系統(tǒng)負荷較大時作為備用電源啟動。

1.2 目標函數

由于可再生能源發(fā)電享受優(yōu)先調度權和電量被全額收購的優(yōu)惠[4]，因此本文微電網能量管理的對象是MT、PEMFC、蓄電池等可控單元。分別針對系統(tǒng)經濟性、環(huán)保性和供電可靠性定義相應目標函數。

1.2.1 微電網的經濟性

微電網的經濟性可定義為包含耗能電源的燃料成本、各單元的管理成本以及與配電網間功率交換的購電成本或售電收益等費用的總和，如式（1）所示。

其中，n 為微電源數量；Pi，t為微電源輸出功率；cfuel，i和cm，i分別為各微電源燃料成本與管理費用；cp，t為t時刻配電網實時電價；Pex，t為配電網與微電網間交換功率，功率注入微電網為正，反之為負。由于蓄電池只考慮管理費用，因此，Pi，t表示其充放電功率時，需取絕對值。

1.2.2 微電網的環(huán)保性

微電網的環(huán)保性可定義為系統(tǒng)內微電源輸出功率以及配電網注入功率造成污染氣體的排放，由此帶來的污染氣體治理費用的總和如式（2）所示。

其中，m為本文考慮的污染氣體類型數量，fi，j、fj和cj分別為第i個微電源或配電網產生的第j類污染氣體的排放系數與相應治污成本，如表 1所示[4，16]。

表1 污染氣體排放系數與治污成本Tab.1 Pollution gas emission coefficient and control costs

1.2.3 微電網的可靠性

文獻[17]中以功率供給虧欠率作為微電網供電可靠性指標，本文在此基礎上基于實時電價信息，綜合文獻[18]提出的分級切負荷思想、文獻[19]提出的高賠償可中斷負荷的概念，以對停運負荷的補償費用作為衡量系統(tǒng)供電可靠性的標準，如式（3）所示。

其中，μi，t為t時刻各類型負荷相對實時電價賠償系數；Pls_i，t為切除某類負荷的大小。

1.3 約束條件

將微電源的不同運行特性和操作人員的控制目標作為約束條件并入微電網能量優(yōu)化管理模型中。

由于合理的切負荷操作比全負荷供電具有更高的經濟效益[20]，因此本文允許進行切負荷操作，但需滿足功率平衡約束式（4）和負荷削減量約束式（5）。

其中，PLoad，t和 Pls，t分別為 t時刻負荷預測量和負荷削減量的大??；εls，t為t時刻負荷削減量與負荷預測量的比值，εlsmax為該比值的最大設定量。

并網狀態(tài)下，微電網與配電網間的交換功率具有雙向最大值約束，如式（6）所示。

由于本文只考慮電負荷需求，不考慮MT的熱電聯(lián)供效應，因此，作為輸出功率可控的MT和PEMFC，其約束條件主要包括輸出功率上、下限約束和單位時間輸出功率變化率約束，分別如式（7）、（8）所示。

由于B組PEMFC只在負荷較大時作為備用電源使用，優(yōu)化計算中對其不考慮式（8）所示約束條件。

蓄電池是微電網中價格較高的單元，因此，合適的約束條件和合理的控制參數對于改善蓄電池的使用壽命具有重要作用。

a.充放電深度約束：合理的工作區(qū)間有利于延長蓄電池使用壽命和提高工作效率[21]，因此，其荷電狀態(tài) SOC（State Of Charge）約束如式（9）所示。

b.充放電功率約束：蓄電池單位時間充放電功率ΔPBat受其物理性質制約，根據文獻[22]所述，限定其在a中所述SOC工作區(qū)間內的充放電功率和蓄電池額定容量CBat的關系如式（10）所示。

c.充放電轉換次數約束：充放電深度決定了蓄電池循環(huán)總次數[23]，即使用壽命。通過限制其每天充放電轉換次數TBat以延長工作時間，如式（11）所示。

d.狀態(tài)一致性約束：每天00:00與24:00時蓄電池的荷電狀態(tài)需保持一致，如式（12）所示。

a—d中，下標max和min表示變量的上、下限。

綜上所述，本文中微電網能量優(yōu)化管理的目標，即為根據PV、WT和系統(tǒng)電負荷的預測信息，在滿足式（4）—（12）所示約束條件的基礎上，采用提出的分層分布式優(yōu)化策略，制定未來24 h每時刻各單元的調度計劃，使得式（1）—（3）單獨定義或組合表示的系統(tǒng)單目標或多目標優(yōu)化的目標函數取得最小值，即為微電網經濟性、環(huán)保性和可靠性的最優(yōu)解。

2 微電網分層分布式能量優(yōu)化策略

不同于廣泛采用的集中式優(yōu)化策略，本文根據微電網的結構特點，以式（1）—（3）最小化為優(yōu)化目標，采用遺傳算法作為計算方法，TCP/IP協(xié)議作為通信手段，依靠微電網中心控制器MGCC（MicroGrid Central Controller）、微電源控制器 MC（Microsource Controller）、負荷控制器 LC（Load Controller）間的相互協(xié)作，分別針對系統(tǒng)單目標與多目標優(yōu)化問題，設計相應的微電網分層分布式能量優(yōu)化策略。

2.1 單目標優(yōu)化策略

針對微電網系統(tǒng)能量管理的單目標優(yōu)化問題，設計了2種分層分布式的優(yōu)化策略，如圖2所示。

由圖2可知，本文提出的分層分布式能量優(yōu)化管理策略包含以下4個階段。

圖2 分層分布式優(yōu)化策略Fig.2 Hierarchical and distributed optimization method

階段1：微電源分布式計算。各MC將控制單元可調功率范圍信息上傳給MGCC，2種方法區(qū)別在于方法1中各單元可調功率范圍僅與其額定功率有關，而方法2中還考慮到了用戶對于所控單元未來24 h運行目標的控制指令，因此方法2上傳信息是方法1上傳信息的子區(qū)間。除此之外針對不同優(yōu)化目標，方法2還將各單元發(fā)電成本、污染氣體排放系數等預測信息一并上傳，由MGCC根據反饋結果，并參照LC發(fā)布的預測信息細化式（6）、（7）的約束條件。

階段2：MGCC優(yōu)化。MGCC根據各微電源輸出功率可調范圍信息，在切負荷操作允許范圍之內，考慮式（4）—（7）、（10）所示約束條件（圖 2 中以①表示），采用遺傳算法得到優(yōu)化計算可行解，并將此解傳遞給各MC。

階段3：分布式并行調節(jié)。MC基于自身運行特性和用戶指令要求，定義式（8）、（9）、（11）、（12）所示約束條件（圖2中以②表示），完成對可行解的修改工作，并將修改后的可行解和MC所能接受的調節(jié)范圍一并上傳給MGCC。

階段4：生成最終解的全局協(xié)調。MGCC以MC反饋結果為基礎，將配電網視為平衡機組，在不超過Pexmax的條件下生成最終解。如出現交換功率越限的情況，則根據MC發(fā)電成本或污染排放等信息，采用MC反饋信息中包含的可接受的調節(jié)范圍進行微調。

綜上所述，MGCC采用遺傳算法進行優(yōu)化計算過程中，只考慮了部分約束條件，因此相對于傳統(tǒng)集中優(yōu)化而言，具有較快的運算速度，之后MC的調節(jié)過程屬于并行計算，具有很高的計算效率。

以方法2為例，針對不同的優(yōu)化目標，介紹相應的分層分布式優(yōu)化方法。

2.1.1 微電網經濟性優(yōu)化

在分布式計算階段，MC根據用戶控制要求，計算各單元運行區(qū)間以及相應的最高與最低運行成本，并與MGCC發(fā)送的實時電價信息進行比較，將比較結果與工作區(qū)間反饋給MGCC，MGCC基于此反饋信息和負荷預測值，根據圖3所示流程圖和表2所列管理方案，細化各電源的可調功率范圍信息。圖3中 cFCmax、cFCmin和 cMTmax、cMTmin分別為 PEMFC 和 MT 的最高運行成本與最低運行成本。從本文第3節(jié)的介紹中可知，上述 4 個變量具有 cMTmax＞cMTmin＞cFCmax＞cFCmin的數學關系。

對于蓄電池充放電管理除了表2中明確表示的方案A中充電、方案E中放電，其他情況下蓄電池可充可放。B組PEMFC啟動原則在2.1.2節(jié)中介紹。

在分布式調節(jié)階段，MC參照優(yōu)化計算可行解中各時刻輸出功率間的變化關系，根據約束條件的限定要求修改此可行解，修改后的解不僅完全體現各單元的運行特性和用戶的控制要求，而且與可行解具有一致的變化規(guī)律，在某些時刻甚至完全一致。

圖3 MGCC經濟性優(yōu)化流程圖Fig.3 Flowchart of economical optimization for MGCC

表2 MGCC經濟性優(yōu)化管理方案Tab.2 Scheme of economical optimization management for MGCC

2.1.2 微電網環(huán)保性優(yōu)化

在分布式計算過程中，MC將各單元與配電網間污染氣體排放的比較信息，以及用戶設定的工作區(qū)間上傳給MGCC，從表1可知PEMFC環(huán)保效益最高，其次是MT，因此MGCC按圖4所示流程圖以及表3所列應對方案細化各單元可調功率范圍信息。圖4中PFCAmax和PFCAmin分別為A組PEMFC功率調節(jié)范圍的上、下限。

圖4 MGCC環(huán)保性優(yōu)化流程圖Fig.4 Flowchart of environmental optimization for MGCC

表3 MGCC環(huán)保性優(yōu)化管理方案Tab.3 Scheme of environmental optimization management for MGCC

不同于微電網經濟性優(yōu)化，環(huán)保性優(yōu)化過程中各電源污染氣體排放情況不隨時間變化，并且蓄電池能量也是通過充電過程獲得，所以蓄電池只有在交換功率為負時充電、為正時放電才能起到改善系統(tǒng)環(huán)保性的作用。為了減小蓄電池的充放電次數延長其使用壽命，在環(huán)保性優(yōu)化中，蓄電池只在方案F中充電，方案J中放電，其余時刻不充不放。

當MT、A組PEMFC和交換功率最大值總和小于t時刻負荷值時，即為B組PEMFC啟動條件定義的系統(tǒng)負荷較大時，如圖4所示。B組PEMFC啟動原則適用于本文所有單目標、多目標優(yōu)化計算。

MC的分布式調節(jié)只與微電源運行特性和用戶預期控制目標有關，與系統(tǒng)級優(yōu)化目標無關，因此微電網環(huán)保性優(yōu)化的分布式調節(jié)與經濟性優(yōu)化一致。

2.1.3 微電網可靠性優(yōu)化

不同于經濟性和環(huán)保性優(yōu)化，微電網可靠性優(yōu)化的分布式計算階段，MC僅需將各單元的可調功率范圍直接上傳給MGCC，而MGCC也無需進行任何處理，直接以此范圍作為遺傳算法變量的定義域。

可靠性優(yōu)化的分布式調節(jié)階段與上述2種優(yōu)化的分布式調節(jié)過程完全一致。

2.2 多目標優(yōu)化策略

采用傳統(tǒng)單目標加權法處理多目標優(yōu)化問題時，權重系數對求解結果影響很大，無法得到全局最優(yōu)的Pareto解集[24]。針對系統(tǒng)經濟性、環(huán)保性和供電可靠性構成的多目標優(yōu)化問題，本文基于多目標優(yōu)化計算得到的Pareto解集，采用下述2種分層分布式的優(yōu)化策略獲取微電網最優(yōu)能量管理方案。

a.MGCC以系統(tǒng)經濟性、環(huán)保性作為多目標優(yōu)化，采用遺傳算法求取Pareto解集，再利用供電可靠性作為評價指標，以Pareto解集中可靠性最高解（對應式（3）取最小值）作為多目標優(yōu)化的最優(yōu)值。

b.MGCC以微電網經濟性、環(huán)保性和供電可靠性作為多目標優(yōu)化，采用遺傳算法求取Pareto解集，將此解集傳遞給各MC，MC以所控單元的運行特性和控制目標定義的約束條件作為評價指標，完成對Pareto解集的評定工作并反饋給MGCC，MGCC綜合各MC的反饋信息最終生成多目標優(yōu)化的最優(yōu)值。

上述2種多目標優(yōu)化的程序流程與圖2中單目標優(yōu)化方法2的流程一致。將單目標優(yōu)化分布式計算所得變量定義域的并集作為遺傳算法多目標優(yōu)化中變量的定義域。對于2種多目標優(yōu)化方法得到的最優(yōu)值，采用與單目標優(yōu)化相同的分布式調節(jié)方法。

2.3 遺傳算法

MGCC采用遺傳算法進行微電網能量管理優(yōu)化計算，根據各單元輸出功率調節(jié)范圍，以及式（5）表示的允許負荷缺電率大小，隨機生成包含100個個體的初始種群，經過500代選擇、交叉、變異的迭代計算得到單目標或多目標的優(yōu)化解。其中選擇操作采用個體數為4的錦標賽選擇法，交叉操作與變異操作分別采用式（13）和式（14）所述數學方法。

其中，xc、xm分別為交叉與變異操作子個體；xparent1、xparent2為交叉操作父個體；p為交叉率；xi，j為種群中第i個個體的第j個基因；xmax、xmin分別為相應基因的最大、最小值；d為當前迭代次數；T為最大迭代次數；r1、r2均為隨機變量。由此可見，本文采用的遺傳算法是與迭代代數相關的自適應算法。

初始種群生成與迭代進化過程中，確保種群中每個個體均滿足各單元輸出功率范圍的要求，以及允許切負荷大小的約束，這種進化思想既使得優(yōu)化解可行，也減輕之后MC分布式并行調節(jié)的負擔。

3 多Agent系統(tǒng)結構

將多Agent系統(tǒng)方法用于微電網分層分布式能量優(yōu)化管理中，賦予系統(tǒng)中每個單元Agent的角色，定義各Agent的任務。利用代理的自治性，在優(yōu)化解的生成過程中，體現了各單元的運行特性和控制目標；利用Agent的協(xié)作性，將傳統(tǒng)集中優(yōu)化轉為效率更高的分布式并行計算，弱化了對MGCC性能的要求。

基于圖1中微電網結構，建立滿足圖2分層分布式優(yōu)化策略要求的多Agent系統(tǒng)框架，如圖5所示。

圖5 多代理系統(tǒng)框架Fig.5 Framework of multi Agent system

從圖5中可見，健全的通信網絡和完善的Agent通信語言和協(xié)議是實現本文提出的優(yōu)化策略的基礎，采用滿足FIPA國際標準的Agent通信語言ACL和Contract Net等協(xié)議進行交互，并利用TCP/IP協(xié)議確保不同層次、不同單元間協(xié)作信息的可靠傳輸。

基于表4所列微電網系統(tǒng)的參數信息，設計各Agent的工作任務。

表4 微電網系統(tǒng)主要單元參數信息Tab.4 Parameters of key units in microgrid

a.MGCC Agent：負責與系統(tǒng)中各單元Agent通信，了解各單元的基本信息，采用遺傳算法進行優(yōu)化計算，并根據各微電源Agent的反饋信息進行全局協(xié)調，由此形成最終的發(fā)電和切負荷計劃。

b.PV Agent和WT Agent：根據氣象預測信息，將其輸出功率預測值上傳給MGCC Agent。

c.蓄電池Agent：分布式計算階段，將蓄電池基本信息和式（10）所示約束條件上傳給MGCC Agent；分布式調節(jié)階段，按照式（9）、（11）、（12）所示約束條件修改MGCC優(yōu)化計算的可行解，并將修改后的值反饋給MGCC Agent；對于多目標優(yōu)化，蓄電池Agent綜合考慮充放電轉換次數與充放電功率2個因素，按照式（15）所示評價函數完成對Pareto解集中解的評價工作。

其中，a0—a4取值 1.072、0.082、0.063、2.387× 10-3、8.505×10-4，相應的評價函數曲線如圖6所示。

圖6 蓄電池綜合評價函數曲線Fig.6 Curve of battery comprehensive evaluation function

d.MT Agent：分布式計算階段，用戶根據圖 7（a）所示MT效率曲線設定其工作區(qū)間，本文設定MT工作效率不低于28.5%，對應輸出功率范圍為26～30 kW。MT Agent將此調節(jié)范圍與MT運行成本或污染氣體排放情況上傳給MGCC Agent。

MT運行成本與其效率有關，因此式（1）中的MT 燃料費用[25]采用式（16）進行運算。

圖7 微型燃氣輪機和燃料電池效率曲線Fig.7 Efficiency curves of micro-turbine and fuel cell

其中，cfuel和VLH分別為天然氣單價和低熱值，分別取 2.05 元 /m3和 9.7 kW·h /m3；ηMT為 MT 運行效率。

在分布式調節(jié)階段，MT Agent根據輸出功率變化率約束式（8）修改MGCC優(yōu)化計算可行解。

對于多目標優(yōu)化，MT Agent綜合運行效率與輸出功率變化率2個因素，按照與圖6類似的評價函數曲線完成對Pareto解集的評價工作。

e.A 組 PEMFC Agent：根據圖 7（b）所示效率曲線設定其工作效率不低于61%，對應輸出功率為7.4～11.2 kW。A組PEMFC Agent的其他任務，如燃料費用計算與多目標評價函數，與MT Agent基本一致。

f.B組PEMFC Agent：利用Agent自治性突出各單元不同特性和控制目標，彰顯多Agent系統(tǒng)優(yōu)點。區(qū)別于A組PEMFC任務，B組PEMFC Agent使其盡可能少發(fā)電或不工作，僅在負荷較大時參與調節(jié)。對于多目標優(yōu)化，B組PEMFC Agent按照輸出功率盡可能小的原則完成對Pareto解集的評價工作。

g.負荷Agent：分層分布式優(yōu)化計算開始前，將不同類型負荷的預測信息和賠償系數上傳給MGCC Agent；優(yōu)化計算之后，按時執(zhí)行最終的切負荷計劃。

4 仿真與分析

采用MATLAB作為系統(tǒng)能量優(yōu)化計算工具，在實驗室百兆以太網環(huán)境下，利用JADE平臺在多臺計算機上構建分層分布式的多Agent系統(tǒng)框架。根據圖8所示的PV、WT和負荷預測信息，分別針對不同優(yōu)化目標實現相應的分層分布式能量優(yōu)化管理。

圖8 微電網系統(tǒng)功率預測信息Fig.8 Predicted power information of microgrid

4.1 微電網單目標優(yōu)化

基于微電網能量優(yōu)化管理模型，針對系統(tǒng)經濟性、環(huán)保性和供電可靠性的優(yōu)化目標，采用分層分布式的優(yōu)化策略和遺傳算法進行迭代計算，并與傳統(tǒng)集中式的優(yōu)化結果進行比較，如表5所示。

表5 微電網單目標優(yōu)化結果Tab.5 Results of microgrid single-objective optimization

由表5可見，本文設計的微電網分層分布式能量優(yōu)化管理策略，由于迭代計算環(huán)節(jié)并不考慮所有的約束條件，而將部分約束條件在各單元Agent的分布式調節(jié)中通過并行計算予以實現，因此，相對于傳統(tǒng)集中優(yōu)化而言，具有更高的運算效率和相近的計算結果。

從表5中不難發(fā)現，單目標優(yōu)化方法1相對于方法2在生成初始種群環(huán)節(jié)具有更快的速度，但在迭代計算過程中耗時更長，這是因為方法1初始種群中各電源的額定輸出功率即為各變量的定義域，而方法2中經過各Agent的分布式計算，各變量的定義域已是考慮了微電源運行特性和用戶控制要求的功率區(qū)間，因此方法1變量的取值范圍更廣，更易生成滿足式（5）約束的初始種群。而在迭代計算過程中，隨著迭代次數的增加，式（14）中 f（d）取值增大，并且變異操作需與該變量的最大、最小值進行減法操作，方法1由于變量取值范圍更廣，因此變異操作易造成個體中某變量突變，從而不滿足式（5）所示的負荷的范圍要求，所以方法1在迭代計算環(huán)節(jié)耗時更長。

上述研究是針對包含4個可控微電源的并網系統(tǒng)，為了進一步說明本文提出的分層分布式能量優(yōu)化策略相對于傳統(tǒng)集中式優(yōu)化的優(yōu)越性，在運算參數完全相同的條件下，針對包含40個可控微電源的并網系統(tǒng)的經濟性進行優(yōu)化計算，從表6所列結果中可見所設計的分層分布式策略具有更加顯著的運算速度優(yōu)勢，并且優(yōu)化結果也優(yōu)于傳統(tǒng)集中式優(yōu)化。

表6 多微電源的微電網經濟性優(yōu)化Tab.6 Economical optimization of microgrid with multiple micro-sources

4.2 微電網多目標優(yōu)化

分別采用本文提出的2種分層分布式多目標優(yōu)化方法處理微電網能量管理問題，所得Pareto解集和相應的處理結果分別如表7、8所示。

表7 方法1所得微電網優(yōu)化Pareto解集Tab.7 Pareto solution obtained by microgrid optimization method 1

表8 各單元對方法2所得微電網優(yōu)化Pareto解集的評價值Tab.8 Evaluation of each unit on Pareto solution obtained by microgrid optimization method 2

方法1中MGCC Agent針對微電網經濟性和環(huán)保性的多目標優(yōu)化計算后，采用供電可靠性作為評判依據選定Pareto解集中的解1作為優(yōu)化可行解，對此解經過各微電源Agent的分布式并行調節(jié)過程之后，得到最終的電源出力與切負荷計劃，此時系統(tǒng)經濟性、環(huán)保性和供電可靠性指標分別為818.138、249.803、8.643。由于需滿足各單元的運行特性和控制目標，因此分布式并行調節(jié)后系統(tǒng)各項指標不同于調節(jié)前的可行解。

方法2中MGCC Agent針對微電網經濟性、環(huán)保性和供電可靠性的多目標優(yōu)化計算后，將Pareto解集傳遞給各單元Agent進行評價，之后MGCC Agent綜合各Agent的評分，選取表8中得分最高的解3作為優(yōu)化計算的可行解，在經過各Agent的分布式并行調節(jié)過程后，最終得到各單元的發(fā)電和切負荷計劃如圖9所示。

本文提出的微電網分層分布式能量優(yōu)化管理策略，無論針對系統(tǒng)單目標優(yōu)化還是多目標優(yōu)化問題，都能得到與圖9類似的波形曲線，從中可見分布式并行調節(jié)只是各單元Agent對MGCC Agent優(yōu)化計算可行解的微調，兩者具有類似的變化規(guī)律，某些時刻甚至完全一致，其優(yōu)勢在于既遵從了MGCC全局優(yōu)化計算的優(yōu)化結果，又能更全面地體現各單元的運行特性和控制目標，并具有更高的計算效率。

圖9 微電網能量管理優(yōu)化結果Fig.9 Results of microgrid energy management optimization

雖然本文是以預測信息為基礎制定未來24 h每時刻各單元的調度計劃，但提出的優(yōu)化策略也適用于基于短期或超短期預測的微電網能量優(yōu)化，通過在不同時間尺度下取舍分布式交互環(huán)節(jié)的次數以提高優(yōu)化速度，例如針對超短期優(yōu)化可直接忽略圖2中MC分布式調節(jié)環(huán)節(jié)中與各單元使用壽命相關的約束條件，而僅保證MGCC優(yōu)化迭代計算環(huán)節(jié)與微電源性能相關的約束條件的實現。

5 結論

本文以提高微電網系統(tǒng)經濟性、環(huán)保性和供電可靠性為目標，建立了微電網能量優(yōu)化管理模型及相應的多Agent系統(tǒng)框架，采用遺傳算法和TCP/IP協(xié)議作為技術支持，在百兆以太網的實驗環(huán)境下，以MATLAB和JADE作為仿真平臺建立針對未來24 h的系統(tǒng)優(yōu)化算例，分別針對系統(tǒng)單目標和多目標優(yōu)化問題設計了多種分層分布式能量優(yōu)化管理策略。仿真計算結果表明，相對于傳統(tǒng)的集中式優(yōu)化，本文提出的分層分布式優(yōu)化策略不僅具有更高的計算效率，并且能更全面地反映不同單元的運行特性和控制目標，特別是在多微電源的微電網能量優(yōu)化管理中具有更加顯著的優(yōu)勢。同時，這種在不同階段考慮不同約束條件的優(yōu)化思路，不僅有效地減輕了對MGCC的性能依賴，而且為今后諸如不同時間尺度的微電網能量管理體系的建立也提供了相應的技術支持，因此，本文提出的分層分布式管理策略完全適用于微電網的能量優(yōu)化管理。