蒲天驕李燁陳乃仕王曉輝劉廣一

（中國電力科學研究院北京100192）

基于MAS的主動配電網多源協(xié)調優(yōu)化調度

蒲天驕李燁陳乃仕王曉輝劉廣一

（中國電力科學研究院北京100192）

為實現(xiàn)主動配電網（ADN）中大量間歇式可再生能源的充分消納以及儲能裝置、柔性負荷等可調資源的有效利用，提出了適用于主動配電網的儲能實時優(yōu)化調度模型和考慮用戶與電網互動特性的柔性負荷模型；在此基礎上，構建了一種基于多代理系統(tǒng)（MAS）的主動配電網三層多源協(xié)調優(yōu)化調度架構，提出了區(qū)域自治協(xié)調優(yōu)化調度策略，以支持主動配電網中多種可調設備的聯(lián)合優(yōu)化調度；最后，采用JADE開發(fā)平臺搭建了多代理系統(tǒng)仿真環(huán)境，通過算例系統(tǒng)，驗證了所提出的實時優(yōu)化調度策略的有效性。

主動配電網儲能模型柔性負荷模型多源協(xié)調優(yōu)化多代理系統(tǒng)

3　引言

在配電網中應用分布式可再生能源發(fā)電，不僅能提高資源利用效率，降低發(fā)電帶來的環(huán)境污染，還能降低主網遠距離輸電產生的損耗，提高配電網的靈活性。因此，為了實現(xiàn)大量間歇式新能源的充分消納和多種可控設備的優(yōu)化控制，提出了主動配電網技術。主動配電網（Active Distribution Network，ADN）是運用更靈活的網絡拓撲結構來進行潮流管理，從而對局部的分布式能源進行主動控制和主動管理的配電系統(tǒng)［1］。如何通過有效優(yōu)化調度策略實現(xiàn)接入的大量間歇式新能源的充分消納和可調資源的優(yōu)化調度，以保證電網安全、經濟和高效運行，是目前主動配電網研究的核心問題［2，3］。

目前，國內外學者已開展了主動配電網的多源協(xié)調優(yōu)化調度技術研究及示范工程建設。其中最具影響力的是歐盟FP6主導的ADINE（即Active Distribution Network）示范工程［4］，其演示了主動配電網調度管理系統(tǒng)如何有效平抑大規(guī)模分布式電源接入帶來的波動，以使網絡的運行狀況更加優(yōu)化。文獻［5-7］提出了基于最優(yōu)潮流算法的主動配電網優(yōu)化調度模型，以找到各種控制選項的最優(yōu)組合（分布式電源、需求側管理、可控負載、無功補償、變壓器分接頭），實現(xiàn)配電網運行過程的總成本最小。但由于主動配電網中可調設備數量過多，對全網進行最優(yōu)潮流計算難以保證計算速度，且長時間尺度的優(yōu)化計算未充分體現(xiàn)主動配電網主動、靈活的運行特性。文獻［8，9］提出了一種適用于主動配電網的多時間尺度、多源協(xié)調優(yōu)化調度框架，以基于最優(yōu)潮流計算的長時間尺度下全局優(yōu)化策略和短時間尺度下的區(qū)域自治控制相配合，實現(xiàn)主動配電網的優(yōu)化運行。該協(xié)調優(yōu)化調度方法印證了分布式控制是未來主動配電網運行控制模式的趨勢，但對分布式電源出力預測的準確度依賴很大，且并未考慮主動配電網中儲能系統(tǒng)實時變化的能量約束及柔性負荷參與協(xié)調控制。

由于主動配電網具有大量分布式可調資源、數據交互多、控制方式靈活等特點，因此其分布式優(yōu)化調度技術成為研究熱點。人工智能范疇的多代理系統(tǒng)（Multi-Agent System，MAS）具有良好的自治性、適應性、協(xié)調性和社會性，能很好地解決分布式系統(tǒng)的協(xié)調優(yōu)化問題［10-13］，目前被廣泛應用于配電網和微電網的研究領域［14-17］。文獻［14］建立了多微網環(huán)境中的能量協(xié)調調度方法，提出了分層調度方案，在負荷變化時以可調發(fā)電單元作為主要調控手段。

本文提出了儲能實時優(yōu)化調度模型和柔性負荷模型，并利用MAS構建適用于主動配電網的分布式多源協(xié)調優(yōu)化調度架構以及區(qū)域自治協(xié)調優(yōu)化調度策略。最后基于JADE開發(fā)平臺搭建仿真環(huán)境，結合算例系統(tǒng)進行驗證。

3　儲能實時優(yōu)化調度模型

1.1儲能傳統(tǒng)優(yōu)化調度模型

儲能設備一般受最大存儲容量限制，且為了延長蓄電池的使用壽命，不允許過充過放，其基本模型及約束如式（1）所示。式中：Ec為儲能額定容量；SOC（t）、SOC（t-1）分別為儲能t時刻和t-1時刻的荷電狀態(tài)；Pch（t）、Pdis（t）分別為t時刻儲能充電功率和放電功率；ηch和ηdis分別為充電效率和放電效率；SOCmin和SOCmax分別為最小、最大充電狀態(tài)值，取值范圍為（0，1］；Pc，max和Pd，max分別為充、放電最大功率。

傳統(tǒng)的運行優(yōu)化模型中儲能一般考慮其運行周期內充放電量平衡約束（如式（2）所示），進行長時間尺度優(yōu)化。

式中T為一個周期的時間，一般取24 h。

但因可再生能源受天氣影響出力波動性很大，進行長時間尺度優(yōu)化準確性不高，也未充分發(fā)揮儲能設備在主動配電網中的調節(jié)作用，因此提出儲能虛擬充放電價格，即對儲能不同SOC、不同充放電功率定義不同的虛擬價格，以指導儲能進行充放電。

1.2儲能虛擬放電價格

設置儲能虛擬放電價格為

式中a1、a2、a3、a4分別為虛擬放電價格系數，可根據儲能優(yōu)化目標設置不同的系數，但虛擬放電價格需滿足一定規(guī)律：當Pdis（t）一定時，SOC（t）越大，表示儲能電量越充足，虛擬放電價格應越低；當SOC（t）一定時，Pdis（t）越大，表示該時段儲能電量消耗較多，虛擬放電價格應越高。

根據上述規(guī)律、儲能優(yōu)化目標和約束，設置儲能運行關鍵點的虛擬放電價格，進行曲線擬合后，得到儲能虛擬放電價格與SOC、Pdis的關系曲線如圖1所示，對其進行求解即可得到系數a1、a2、a3、a4的值。

圖1　儲能虛擬放電價格曲線Fig.1 Virtual discharge price of energy storage

通過儲能虛擬放電價格的設置，可引導儲能在電網電價高且剩余電量較多時，采用大功率放電，以緩解電網供電壓力；在電網電價不高且剩余電量不多時，減小放電功率，使儲能維持一定能量，能在緊急時提供功率支持，提高系統(tǒng)運行可靠性。

1.3儲能虛擬充電價格

儲能中儲存的能量也來自電網，需要設置其充電策略。為了平抑負荷峰谷，根據分時電價設置儲能充電策略，如表1所示。

表1　儲能充電策略Tab.1 Charge strategy of energy storage

儲能充電策略主要跟儲能剩余電量有關，其虛擬充電價格為

式中b1、b2為虛擬充電價格系數，可根據電網電價設置。SOC（t）越小，表示儲能電量越少，為保持一定存儲能量，需要充電，充電獲得的虛擬效益越高，虛擬充電價格應越高。

通過虛擬充電價格的設置，可引導儲能在電網電價低且剩余電量較少時，采用大功率進行充電，快速提高儲能電量；在電網電價平時且剩余電量較少時，采用小功率進行充電。

3　柔性負荷模型

主動配電網中的柔性負荷包括熱水器、冰箱、空調、洗衣機、電視等家用電器以及商場和單位的中央空調等設備。由于這類負荷具有熱慣性或用電行為具有較大的靈活性，所以在不影響用戶使用感受的前提下允許對這類負荷進行開停控制，或通過電價信號引導用戶的用電行為。因此從負荷的靈活可控特性出發(fā)，可將負荷分為剛性負荷和柔性負荷，如式（5）所示。

式中：PLdr為剛性負荷，負荷量變化不受電網電價波動影響，在t時刻可表示為不隨外界變化的常數；PLf為柔性負荷，其用電行為具有較大的靈活性，受電網電價C以及其他影響負荷用電行為的參數因子λ（如氣溫、日照強度等）的影響。相同參數因子λ下，電價C越高，柔性負荷越少；電價C越低，柔性負荷越高。

為引導用戶將柔性負荷從電價高時轉移至電價低時，實現(xiàn)削峰填谷和系統(tǒng)經濟運行，引入用戶柔性負荷期望電價CLf（t），如式（6）所示。

式中ρ1、ρ2為柔性負荷期望電價系數。

當t時刻用戶柔性負荷用電需求越多時，柔性負荷的期望電價越低；相反，柔性負荷用電需求越少時，其期望電價越高。以此可實現(xiàn)當電網電價高于柔性負荷的期望電價，減少柔性負荷；當電網電價低于負荷期望電價時，增加柔性負荷，實現(xiàn)柔性負荷削峰填谷雙重調峰效益。

3　基于MAS的主動配電網多源協(xié)調優(yōu)化調度架構

3.1Agent的通用結構

MAS是由多個Agent組成，每個Agent可代表一個物理的或抽象的實體。Agent相互之間是獨立自主的，能作用于自身和環(huán)境，也能對環(huán)境的變化作出反應，更重要的是能與其他Agent通信、交互，彼此協(xié)調工作，完成共同任務，其通用結構如圖2所示。

圖2　Agent單元通用結構Fig.2 Fundamental structure of Agent subjectmodel

在實際應用中，主要對Agent的“內部數據庫”和“知識方法庫”進行設置，實現(xiàn)Agent內部自治控制，并通過設置Agent之間的交互模式，實現(xiàn)各Agent間的協(xié)調交互。

3.2總體架構設計

基于MAS的主動配電網實時優(yōu)化調度系統(tǒng)按照“主導Agent—節(jié)點Agent—單元Agent”三層架構設計，如圖3所示。

1）主導Agent層，派發(fā)電網電價信號給各區(qū)域，引導區(qū)域自治優(yōu)化，并收集各區(qū)域優(yōu)化的反饋信息，對全網安全約束進行校驗。

2）節(jié)點Agent層，響應主導Agent的電價信號，按照區(qū)域運行成本最小目標，對區(qū)域內部的單元進行優(yōu)化調度。

3）單元Agent層，用于模擬可控型分布式發(fā)電（燃料電池、燃汽輪機等）、柔性負荷、儲能等不同的可調對象，響應節(jié)點Agent的調度指令。

圖3　基于MAS的多源協(xié)調優(yōu)化調度結構Fig.3 The framework ofmulti-source coordinated optimal dispatch

3.3主導Agent

主導Agent功能主要包括電網電價信號的派發(fā)和系統(tǒng)安全約束的校驗。前者實現(xiàn)優(yōu)化調度信號的傳送，后者實現(xiàn)對各節(jié)點自治結果進行校驗。

各節(jié)點Agent接收到主導Agent的電價信號后進行自治優(yōu)化，控制該區(qū)域各可調設備。

主導Agent收集各節(jié)點Agent的自治優(yōu)化結果后進行全網校驗。例如節(jié)點電壓校驗，各節(jié)點電壓需滿足式（7）。

式中Umax、Umin為節(jié)點電壓的上下限值。

3.4節(jié)點Agent

節(jié)點Agent根據區(qū)域運行成本最小為目標進行優(yōu)化計算，所求得的調度策略會由單元Agent來執(zhí)行實現(xiàn)。節(jié)點Agent只需要收集數據進行優(yōu)化計算以及計算結果的下發(fā)和上報，其優(yōu)化目標為

式中：Cgrid（t）為t時段主導Agent下發(fā)的電網電價，是已知量；Pgrid（t）為t時段流入節(jié)點i的電網電量；CL（t）為t時段柔性負荷的期望電價；PL（t，CL，λ）為t時段該節(jié)點負荷期望電價下的負荷量；M為該節(jié)點儲能放電設備數量；N為該節(jié)點儲能充電設備數量；M和N的和為總儲能設備數量；Cdis，m（t，Pdis，SOC）為t時段該節(jié)點第m個儲能設備的虛擬放電成本；Pdis，m（t）為t時段該節(jié)點第m個儲能設備的放電功率；Cch，n（t，Pch，SOC）為t時段該節(jié)點第n個儲能設備的虛擬充電效益；Pch，n（t）為t時段該節(jié)點第n個儲能設備的充電功率。

式（8）優(yōu)化目標的實際意義是：在確?？稍偕茉窗l(fā)電最大化利用的前提下，即優(yōu)化模型中不計風機光伏的運行成本，采用最大功率跟蹤點輸出模式，最大化利用可再生能源，節(jié)點Agent響應主導Agent下發(fā)的電網電價信號，對該節(jié)點中可控單元Agent進行自治優(yōu)化調度，實現(xiàn)該區(qū)域的運行成本最低。當t時刻負荷的期望電價小于主導Agent下發(fā)的電網電價時，減少負荷量，反之增加；當t時刻儲能虛擬放電成本小于電網電價時，則儲能放電；當t時刻儲能虛擬充電效益大于電網電價時，則儲能充電。以此實現(xiàn)該區(qū)域在電價高時多用分布式電源和儲能來代替上級電網供電，并實現(xiàn)削峰填谷。

節(jié)點Agent優(yōu)化時考慮的約束如下：

1）功率平衡約束

式中：D為該節(jié)點分布式電源的數量，包括風機、光伏等；Pdg，d（t）為t時段該節(jié)點第d個分布式電源的有功出力；Ploss（t）表示t時段的該區(qū)域網損。

2）聯(lián)絡線約束

式中Pgrid，max、Pgrid，min分別為該節(jié)點與主網聯(lián)絡線上允許交互功率的上下限值。

3）負荷約束

式中PL，max、PL，min分別為該節(jié)點負荷量的上下限值。

4）儲能約束

儲能約束包括荷電狀態(tài)約束和充放電功率約束，如式（1）所示。

3　區(qū)域自治協(xié)調優(yōu)化調度策略

在“主導Agent—節(jié)點Agent—單元Agent”三層架構的基礎上，提出區(qū)域自治協(xié)調優(yōu)化調度策略，即節(jié)點Agent在主導Agent下發(fā)的電價信號引導下，進行區(qū)域自治優(yōu)化，當優(yōu)化結果不越限時，各區(qū)域保持自治狀態(tài)；越限時，主導Agent進行區(qū)域間協(xié)調優(yōu)化，詳細調度過程如圖4所示。

圖4　區(qū)域自治協(xié)調優(yōu)化調度流程Fig.4 Flow chart of optimal dispatch in regional autonomy coordination mode

步驟1：主導Agent網絡初始化，載入初始斷面。

步驟2：t=1，主導Agent下發(fā)t時刻激勵信號St。

步驟3：各節(jié)點接收St，通過目標函數內部協(xié)調。

步驟4：各節(jié)點向主導Agent發(fā)送信息。

步驟5：主導Agent進行全網安全校驗，檢驗各節(jié)點的自治優(yōu)化調度策略是否滿足全局安全約束。

步驟6：若無越限，進入步驟7，若安全越限，則主導Agent進行區(qū)域協(xié)調優(yōu)化調度，進入子流程：①主導Agent向各下屬節(jié)點Agent詢問各區(qū)域的負荷調節(jié)裕度和儲能充放電裕度；②各節(jié)點計算內部負荷和儲能的調節(jié)裕度，并向主導Agent匯報；③主導Agent根據上報的調節(jié)容量，優(yōu)化調整各節(jié)點的潮流功率值；④各節(jié)點Agent按照優(yōu)化的功率值調整內部資源；⑤返回步驟5。

步驟7：t=t+1，St→St+1，回到步驟2。

區(qū)域自治協(xié)調優(yōu)化調度策略主要采用各區(qū)域分布式自治調度，僅當區(qū)域自治不滿足時，進行區(qū)域間的協(xié)調優(yōu)化。該方法的區(qū)域自治調度保證了電網實時優(yōu)化的計算速度，切合主動配電網中間歇式能源的就地消納原則。而區(qū)域協(xié)調考慮了全網可調資源的優(yōu)化利用，作為區(qū)域自治時的補充。

3　仿真算例

5.1仿真環(huán)境

采用JADE（Java Agent Development Environment）作為基礎平臺，搭建多代理系統(tǒng)的仿真環(huán)境。JADE是基于Java語言的Agent開發(fā)框架，用于開發(fā)MAS和符合FIPA標準的智能Agent應用程序。

5.2算例1

1）算例模型

算例基于標準IEEE33節(jié)點，對其中4個負荷較大的節(jié)點（6、14、24、30）添加了分布式電源和儲能，具體算例參數如附圖1、附圖2和附表1所示。在JADE平臺中構建4個節(jié)點Agent，分別對各自所管轄的單元Agent進行優(yōu)化調度，并建立主導Agent進行全局管理，實現(xiàn)光伏和風電充分消納，并實現(xiàn)負荷削峰填谷。

根據主導Agent的電價信號，制定各節(jié)點儲能參數和負荷參數，如表2、表3所示。

表2　儲能參數Tab.2 Parameters of Storage

表3　負荷參數Tab.3 Parameters of load

2）仿真結果及說明

圖5為節(jié)點6的仿真結果。節(jié)點6負荷曲線為凸型，與該節(jié)點接入的光伏特性相似。在谷時（0∶00～8∶00）電價較低，該節(jié)點Agent調度儲能進行充電，增加了該節(jié)點向電網的購電量。在平時（8∶00～11∶00），電價中等，此時負荷量不大，優(yōu)化結果是增加柔性負荷，而儲能因為已充滿，則小電流放電維持SOC滿足約束，光伏也有部分出力支持，因此此時向電網的購電量與優(yōu)化前基本持平。在峰時（11∶00～16∶00），優(yōu)化結果是儲能多放電、柔性負荷減小，且此時光伏出力也很大，因此電網電量需求減少，同時也減少了整個電網高峰時負荷電量。在平時（16∶00～19∶00），由于儲能在上個時段放電較多，導致SOC接近最小值，在該時段進行充電，且柔性負荷有所增加，導致該時段電網購電量有所增加。在峰時（19∶00～22∶00），同樣由于柔性負荷的減少和儲能放電支持，該時段向電網購電量減少。在平時（22∶00～0∶00），柔性負荷有所增加，該時段向電網購電量略微增加。

圖5　節(jié)點6的仿真結果Fig.5 Simulation results of node 6#

如圖6所示，節(jié)點14進行了類似的策略，但負荷為凹型曲線，同樣接入光伏，在光伏出力高時負荷量較低，在電網價格高時，此時光伏和儲能作為主要供電手段。

圖6　節(jié)點14的仿真結果Fig.6 Simulation results of node 14#

如圖7、圖8所示，節(jié)點24、31與前兩個節(jié)點類似，但接入的分布式電源不再是光伏而是風電，由圖可見風電出力特性更隨機。

圖7　節(jié)點24的仿真結果Fig.7 Simulation results of node 24#

圖8　節(jié)點30的仿真結果Fig.8 Simulation results of node 30#

如圖7、圖8所示，在電價峰時，負荷量很低，風電出力和儲能高于負荷量時，可向電網送電。

結合圖5～圖8，各節(jié)點均實現(xiàn)了分布式電源接入后總購電量的下降，同時實現(xiàn)了區(qū)域自治優(yōu)化調度。以上各節(jié)點自治優(yōu)化全部基于主導Agent下發(fā)的電價信號和安全校驗，圖9為24時段連續(xù)仿真過程中，主導Agent全網電壓的校驗結果，從圖中可看出，優(yōu)化后全網電壓水平有所提高，未出現(xiàn)越限情況。圖10為優(yōu)化前后仿真算例0-1線路傳輸功率的比較曲線，從圖中可看出，相比于優(yōu)化前的全網與上級電網的傳輸功率波動有所平緩。

圖9　全網最低電壓幅值曲線Fig.9 Compare of the lowest voltage amplitude

圖10　0-1線路傳輸功率曲線Fig.10 Compare of the 0-1 line transmission power

5.3算例2

1）算例模型

對歐盟MOREMICROGRIDS項目NTUA（國立雅典理工大學）提出的測試網絡進行了一定程度的簡化，并作為算例系統(tǒng)，如附圖3所示。系統(tǒng)共包含3個區(qū)域，每個區(qū)域包含負荷、風機、光伏、儲能等幾類單元Agent。每個區(qū)域都被分配一個區(qū)域Agent（相當于節(jié)點Agent）負責根據區(qū)域協(xié)調策略對各區(qū)域進行協(xié)調管理。還有一個主導Agent負責對區(qū)域Agent進行協(xié)調。主導Agent目標為控制相鄰時段之間4#聯(lián)絡線傳輸功率波動不超過60 kW，各區(qū)域的節(jié)點Agent目標為控制各區(qū)與上級電網傳輸功率波動不超過20 kW，如果超過，則進行區(qū)域間協(xié)調調度。為便于研究，假設以1 h為一個時段，每個時段內各模型功率不變。

2）仿真結果及分析

得到區(qū)域1優(yōu)化調度結果如圖11所示。從圖11中可看出，調度后1#聯(lián)絡線的傳輸功率的波動幅度明顯減小。3時段區(qū)域1的節(jié)點Agent進行優(yōu)化控制后，1#聯(lián)絡線傳輸功率比2時段增加27.5 kW，超過了區(qū)域自治目標，主導Agent進行了區(qū)域間的協(xié)調調度，維持4#聯(lián)絡線傳輸功率小于60 kW。在大多數時刻，區(qū)域1的節(jié)點Agent通過自治優(yōu)化即可消納風機出力的波動，滿足自治目標。

圖11　區(qū)域1優(yōu)化調度結果Fig.11 Result of area one optimal dispatch

第3時段區(qū)域協(xié)調調度過程的通信信息圖如圖12所示。df表示JADE平臺的通信注冊表，所有Agent之間的互聯(lián)關系都貯存在df表中，當兩個Agent需要通信時，由df表給出通信路徑。

圖12　區(qū)域協(xié)調調度過程的通信信息圖Fig.12 Communication chart of regional coordination

通過上述算例流程可看出：各區(qū)域如果可內部協(xié)調滿足要求，則不需要向上級傳輸信息。對主導Agent來說，當節(jié)點Agent不能內部協(xié)調時會發(fā)來協(xié)調請求，節(jié)點內部具體的協(xié)調過程相對主導Agent是隱藏的。當某時刻某區(qū)域調度策略發(fā)生變化時，只需修改該節(jié)點Agent的策略；當區(qū)域間策略發(fā)生變化時也只需修改主導Agent，不需要對整個系統(tǒng)的優(yōu)化調度模型進行修改。

3　結論

對主動配電網多源協(xié)調優(yōu)化調度模型、優(yōu)化調度架構以及優(yōu)化調度策略進行了研究，所得結論如下：

1）為了實現(xiàn)主動配電網實時優(yōu)化調度，對傳統(tǒng)的儲能模型進行了改進，提出了儲能虛擬充放電成本。還建立了具有可控特性的負荷模型，并通過仿真算例驗證了模型的有效性。

2）提出的“主導Agent—節(jié)點Agent—單元Agent”三層多源協(xié)調優(yōu)化調度架構將全網優(yōu)化模型的目標和約束分散到節(jié)點Agent和單元Agent中，利用Agent之間的交互和通信，通過主導Agent引導各區(qū)域進行分布式優(yōu)化調度。該架構可擴展性強，交互方式靈活，計算效率高。

3）提出了基于MAS的區(qū)域自治協(xié)調優(yōu)化調度策略，并基于JADE開發(fā)平臺搭建了仿真環(huán)境，以兩個典型系統(tǒng)為例，采用區(qū)域自治協(xié)調優(yōu)化調度策略可實現(xiàn)主動配電網多源協(xié)調優(yōu)化調度。

附錄仿真系統(tǒng)參數

附圖1　IEEE配網33節(jié)點改造模型App.Fig.1 IEEE 33 enhanced model

附圖1中，DES表示儲能，L表示負荷，WT表示風電，PV表示光伏，由節(jié)點Agent進行節(jié)點調度，在0節(jié)點上建立主導Agent進行全局管理。

附表1節(jié)點分配App.Tab.1 Classified-processing node allocation

附圖2　24 h連續(xù)分時價格曲線App.Fig.2 Continuous price signal in 24 h

附圖2中的分時價格曲線分為峰時、平時和谷時，分別為0.83元、0.49元和0.17元。

附圖3算例系統(tǒng)App.Fig.3 Moremicrogrids in ntua

［1］D'Adamo C，Jupe S，Abbey C.Global survey on planning and operation of active distribution networksupdate of CIGRE C6.11 working group activities［C］. 20th International Conference and Exhibition on Electricity Distribution，Prague，Czech Republic，2009：1-4.

［2］范明天，張祖平，蘇傲雪，等.主動配電系統(tǒng)可行技術的研究［J］.中國電機工程學報，2013，33（22）：12-18.

Fan Mingtian，Zhang Zuping，Su Aoxue，et al. Enabling technologies for active distribution systems［J］. Proceedings of the CSEE，2013，33（22）：12-18.

［3］尤毅，劉東，于文鵬，等.主動配電網技術及其進展［J］.電力系統(tǒng)自動化，2012，36（18）：10-16.

You Yi，Liu Dong，Yu Wenpeng，et al.Technology andits trends of active distribution network［J］.Automation of Electric Power Systems，2012，36（18）：10-16.

［4］Samuelsson O，Repo S，Jessler R，et al.Active distribution network—demonstration project ADINE［C］. 2010 IEEE PES Innovative Smart Grid Technologies Conference Europe（ISGT Europe），Gothenburg，2010：1-8.

［5］Pilo F，Pisano G，Soma G G.Advanced DMS to manage active distribution networks［C］.2009 IEEE Bucharest Power Tech，Bucharest，2009：1-8.

［6］Pilo F，Pisano G，Soma G G.Digital model of a distribution management system for the optimal operation of active distribution systems［C］.Proceedings of the CIRED Seminar Smart Grids for Distribution，F(xiàn)rankfurt，2008：1-5.

［7］Peikherfeh M，Seifi H，Sheikh-El-Eslami M K.Active management of distribution networks in presence of distributed generations［C］.2011 International Conference on Clean Electrical Power（ICCEP），Ischia，2011：725-729.

［8］尤毅，劉東，鐘清，等.多時間尺度下基于主動配電網的分布式電源協(xié)調控制［J］.電力系統(tǒng)自動化，2014，38（9）：192-198.

You Yi，Liu Dong，Zhong Qing，et al.Multi-time scale coordinated control of distributed generators based on active distribution network［J］.Automation of Electric Power Systems，2014，38（9）：192-198.

［9］尤毅，劉東，鐘清，等.主動配電網優(yōu)化調度策略研究［J］.電力系統(tǒng)自動化，2014，38（9）：177-183.

You Yi，Liu Dong，Zhong Qing，et al.Research on optimal schedule strategy for active distribution network［J］.Automation of Electric Power Systems，2014，38（9）：177-183.

［10］Jacques F.Multi-Agent Systems：An Introduction to Distributed Artificial Intelligence［M］.New York：Addision-Wesley，1999.

［11］Maja H，Elizabeth C.Onto-agentmethodology for design of ontology-based multi-agent systems［J］.International Journal of Computer Systems Science&Engineering，2008，23（1）：19-30.

［12］Wooldridge M.Agent-based software engineering［J］. IEE Proceedings Software Engineering，1997，144（l）：26-37.

［13］劉宏進，袁斌，戴宏偉，等.多代理系統(tǒng)及其在電力系統(tǒng)中的應用［J］.電力系統(tǒng)自動化，2001，25（19）：45-51.

Liu Hongjin，Yuan Bin，Dai Hongwei，et al.Multiagent system and its application in power systems［J］. Automation of Electric Power Systems，2001，25（19）：45-51.

［14］丁明，馬凱，畢銳.基于多代理系統(tǒng)的多微網能量協(xié)調控制［J］.電力系統(tǒng)保護與控制，2013，41（24）：1-8.

Ding Ming，Ma Kai，Bi Rui.Energy coordination control of multi-microgrid based on multi-agent system［J］.Power System Protection and Control，2013，41（24）：1-8.

［15］Davidson EM，McArthur S D J.Exploiting multi-agent system technology within an autonomous regional active networkmanagement system［C］.International Conference on Intelligent Systems Applications to Power Systems，TokiMesse，Niigata，2007：1-6.

［16］章健，艾芊，王新剛，等.多代理系統(tǒng)在微電網中的應用［J］.電力系統(tǒng)自動化，2008，32（24）：80-82，87.

Zhang Jian，Ai Qian，Wang Xingang，et al. Application of multi-agent system in a microgrid［J］. Automation of Electric Power Systems，2008，32（24）：80-82，87.

［17］茆美琴，金鵬，奚媛媛，等.基于多因子和合同網協(xié)調機制的微網多Agent混和能量管理方法［J］.中國電機工程學報，2014，34（31）：5542-5552.

Mao Meiqin，Jin Peng，Xi Yuanyuan，etal.Method of multi-agent hybrid energymanagement formicrogrids［J］. Proceedings of the CSEE，2014，34（31）：5542-5552.

M ulti-source Coordinated Optimal Dispatch for Active Distribution Network Based on M ulti-agent System

Pu Tianjiao Li Ye Chen Naishi Wang Xiaohui Liu Guangyi
（China Electric Power Research Institute Beijing 100192 China）

In order to fully consume large amounts of intermittent renewable energy and achieve effective utilization of storage devices，flexible loads and other controllable devices，an optimal dispatch model of energy storage in real time and a flexible load model considering the interaction between the consumers and the grid are proposed in this paper.On that basis，a distributed 3-tier framework ofmulti-source coordinated optimal dispatch for ADN based onmulti-agent system（MAS）is constructed and an optimal dispatch strategy of regional autonomy coordination in order to support the joint optimal dispatch ofmultiple controllable devices is proposed.Finally，in JADE MAS development platform，a simulation framework is built.The feasibility of the proposed multi-source coordinated real-time optimal dispatch strategy is then verified.

Active distribution network，energy storage model，flexible load model，multi-source coordinated optimal，multi-agent system

TM315

蒲天驕男，1970年生，教授級高工，研究方向為電力系統(tǒng)控制、智能電網仿真和主動配電網。（通信作者）

李燁女，1990年生，助理工程師，研究方向為智能電網仿真以及新能源優(yōu)化調度。

國家高技術研究發(fā)展（863）計劃項目（2014AA051901）和國家電網公司科技項目（52020115001F）資助。

2015-06-01改稿日期2015-10-10