摘 要： 分布式發(fā)電的迅速發(fā)展，廣泛的并網(wǎng)或者離網(wǎng)導(dǎo)致電網(wǎng)的結(jié)構(gòu)改變，傳統(tǒng)的識別方法在節(jié)點較多的情況下識別時間過長，導(dǎo)致電網(wǎng)優(yōu)化性控制問題突出。為了解決這個問題，改進(jìn)基于多代理（MAS）的微電網(wǎng)拓?fù)渥R別改進(jìn)策略，設(shè)計功能不同的Agent，運用蟻群算法尋找黑板Agent，采用MAS通信機(jī)制構(gòu)建拓?fù)渥R別模型。最后，利用Matlab軟件編程對兩種傳統(tǒng)拓?fù)渥R別法以及智能MAS法進(jìn)行仿真比較，結(jié)果表明改進(jìn)后的MAS拓?fù)渥R別方法在靜態(tài)和動態(tài)拓?fù)渥R別中，在網(wǎng)絡(luò)節(jié)點數(shù)量較多時識別效率有極大的提高。

關(guān)鍵詞： 微電網(wǎng)； 多代理； 蟻群算法； 拓?fù)渥R別

中圖分類號： TN911?34； TM73 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）11?0149?03

Abstract： With the rapid development of distributed generation， the structure of the power grid will change due to the frequent grid connection or grid disconnection. Since the traditional identification methods have long time to identify more nodes， the optimal control problem of power grid is serious. In order to solve this problem， the improved topology identification strategy inmicrogrid based on multi?agent system （MAS） is proposed. In this scheme， the agent with different functions was designed， the ant colony algorithm is used to find the blackboard agent， and MAS communication mechanism is adopted to construct the topology identification model. The two traditional topology identification methods and intelligent MAS method were simulated and compared by means of Matlab software programming. The simulation results show that， in static and dynamic topology identification， the improved MAS topology identification method can greatly improve the identification efficiency while identifying more nodes.

Keywords： microgrid； multi?agent system； ant colony algorithm； topology identification

隨著電能需求加大，微電網(wǎng)成為改變能源結(jié)構(gòu)，提供清潔能源，提高電網(wǎng)穩(wěn)定性、可靠性以及降低送電功率損失有效方式[1]。但是分布式電源的間歇性和波動性以及微電網(wǎng)分布式接入配電網(wǎng)的方式，會引起微電網(wǎng)拓?fù)浣Y(jié)構(gòu)的改變[2]，這種復(fù)雜的變拓?fù)浣Y(jié)構(gòu)變化造成了拓?fù)浣Y(jié)構(gòu)識別時間延長，影響了電網(wǎng)故障診斷以及恢復(fù)[3]。

優(yōu)先搜索，廣度優(yōu)先搜索法對每個頂點需要訪問且僅訪問一次，而深度優(yōu)先搜索法需要回溯，某些節(jié)點將被訪問多次，對于復(fù)雜的拓?fù)浣Y(jié)構(gòu)在拓?fù)涓淖儠r需要重新訪問整個網(wǎng)絡(luò)，導(dǎo)致識別時間過長[4]。在電網(wǎng)出現(xiàn)故障的時候，需要保護(hù)裝置及時識別故障情況，切除故障部位，恢復(fù)系統(tǒng)穩(wěn)定運行，因此，需要尋求一種效率更高的識別方法。本文基于MAS（Multi?Agent System）的微電網(wǎng)拓?fù)渥R別策略使得拓?fù)渥R別時間短、效率高。

1 微電網(wǎng)的構(gòu)成以及傳統(tǒng)網(wǎng)絡(luò)拓?fù)渥R方法

微電網(wǎng)系統(tǒng)將可再生能源的分布式電源相互協(xié)調(diào)起來，作為智能電網(wǎng)的組成部分，符合與電源計劃安排調(diào)度有著重要意義[5?6]。基于IEEE 1547標(biāo)準(zhǔn)的微電網(wǎng)的基本結(jié)構(gòu)包含光伏發(fā)電、風(fēng)力發(fā)電、柴油機(jī)多個分布式電源和儲能元件，這些分布式電源和儲能系統(tǒng)共同為微電網(wǎng)中的負(fù)荷供電，能實現(xiàn)分布式自我控制和管理，也可以為大電網(wǎng)供電[7]。將微電網(wǎng)結(jié)構(gòu)用圖論表示，則可看作由頂點集合及頂點之間的關(guān)系集合組成的一種結(jié)構(gòu)[8]。把線路、開關(guān)元件作為微電網(wǎng)圖的邊集，將電源、蓄電池、負(fù)載作為點集，組成微電網(wǎng)的拓?fù)浣Y(jié)構(gòu)。微電網(wǎng)中開關(guān)的閉合實時運行狀態(tài)將組成動態(tài)拓?fù)浣Y(jié)構(gòu)，具有11個節(jié)點的簡單微電網(wǎng)拓?fù)浣Y(jié)構(gòu)如圖1所示。

傳統(tǒng)網(wǎng)絡(luò)拓?fù)渥R別中應(yīng)用的主流方法是樹搜索法，包括廣度優(yōu)先搜索法（Breadth First Search，BFS）、深度優(yōu)先搜索法（Depth First Search，DFS），均是通過搜索節(jié)點的相鄰節(jié)點的方法進(jìn)行網(wǎng)絡(luò)拓?fù)浞治鯷9]。BFS搜索基本思路是選定一個頂點V1，當(dāng)該頂點所有相鄰節(jié)點都被搜索完才選擇另一新的節(jié)點，按照上述步驟，直至將網(wǎng)絡(luò)中所有節(jié)點全部遍歷完全，其節(jié)點順序為1→2→5→3→8→6→7→4→9→10→11。DFS搜索基本思路是選定一個頂點V1，以其鄰接關(guān)系向前搜索，搜索方向按照縱向進(jìn)行，直到頂點完全被搜索，不能再前進(jìn)時，在返回搜索另外的頂點，其節(jié)點順序為1→5→6→5→7→5→1→2→8→2→3→4→3→9→10→11→9→3→2→1。這兩種搜索在微電網(wǎng)出現(xiàn)故障時，同樣需要進(jìn)行全局收索，拓?fù)渥R別時間較長，影響電網(wǎng)的穩(wěn)定性恢復(fù)。

2 基于MAS的微電網(wǎng)拓?fù)渥R別設(shè)計與實現(xiàn)

2.1 MAS簡介

Agent 是一個具有自治性、反應(yīng)性、社會性、自發(fā)性等特征的智能體[10]。MAS是指由多個相互作用、相互聯(lián)系、但又各自獨立的Agent構(gòu)成的一個分布式的自主系統(tǒng)，各個子系統(tǒng)又能夠相互獨立，相互聯(lián)系，相互通信，通過合作完成復(fù)雜任務(wù)[11]。MAS系統(tǒng)具有如下特征：

（1） 每個Agent都有解決問題的能力和信息，但這樣的能力、信息可能是部分的、不完全的；

（2） 各個Agent之間可以相互學(xué)習(xí)、相互通信、協(xié)調(diào)工作，構(gòu)成一個多群體、多層次的結(jié)構(gòu)，MAS解決問題的能力大大超過單個Agent；

（3） MAS中各個Agent相互獨立，即行為不受其他Agent影響和限制；

（4） MAS中系統(tǒng)的算法是異步處理、并行計算。

2.2 MAS系統(tǒng)結(jié)構(gòu)設(shè)計

拓?fù)浞治鏊惴ň哂泻軓?qiáng)的針對性，因此微電網(wǎng)的拓?fù)渥R別必須結(jié)合微電網(wǎng)自身的特點加以設(shè)計，使其不但能高效地跟蹤微電網(wǎng)拓?fù)涞淖兓?，并能同時為故障診斷、潮流計算、狀態(tài)估計等高級應(yīng)用提供網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)[12]。利用MAS可對微電網(wǎng)這類復(fù)雜變拓?fù)鋭討B(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行準(zhǔn)確、快速、完整地識別。因此，以Agent為核心的系統(tǒng)還應(yīng)具有下列特征：

（1） 能反映系統(tǒng)的工作模式和用戶的工作習(xí)慣，并自主地代替用戶的行為；

（2） 能反映用戶間的相互關(guān)系，即刻畫系統(tǒng)的組織結(jié)構(gòu)，規(guī)定組織內(nèi)各種角色之間的交互關(guān)系。

文獻(xiàn)[13]總結(jié)MAS的體系結(jié)構(gòu)分為集中式結(jié)構(gòu)、分布式結(jié)構(gòu)和混合式結(jié)構(gòu)。根據(jù)文獻(xiàn)[14]分析MAS三種系統(tǒng)結(jié)構(gòu)優(yōu)缺點。本文選擇混合式多代理結(jié)構(gòu)，采用的結(jié)構(gòu)設(shè)計如圖2所示，能夠提高系統(tǒng)的穩(wěn)定性、安全性，降低系統(tǒng)的管理、控制復(fù)雜度。

2.3 基于蟻群算法的MSA通信機(jī)制

傳統(tǒng)的黑板隨機(jī)分布在網(wǎng)絡(luò)中，這就造成信息傳達(dá)的盲目性、路徑延長、通信耗費大等問題。本文提出一種新的黑板通信機(jī)制，當(dāng)拓?fù)浣Y(jié)構(gòu)變化后，利用蟻群算法選擇“黑板，再根據(jù)最短路徑問題傳輸信息。

在微電網(wǎng)的通信機(jī)制中，與每個Agent相連的另外2個Agent是與該節(jié)點最近的幾個Agent中的2個，在一個有個Agent的拓?fù)渥R別通信問題中，任何一個Agent有條路徑可以將信息從該Agent傳送到其他的Agent，而在條路徑中，只有最短的幾條路徑中的一條才是系統(tǒng)通信的最優(yōu)解路徑，即通信距離最短。根據(jù)最短路徑選定該起點Agent作為MAS的通信黑板。

2.4 MAS系統(tǒng)結(jié)構(gòu)的實現(xiàn)

微電網(wǎng)中隨著開關(guān)的變化，系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)會發(fā)生相應(yīng)的變化。前文將網(wǎng)絡(luò)中的開關(guān)、節(jié)點等描述轉(zhuǎn)化為電氣接線的數(shù)學(xué)模型，得到微電網(wǎng)網(wǎng)絡(luò)元件之間的連接關(guān)系；微電網(wǎng)拓?fù)浞治鍪请娋W(wǎng)潮流計算、狀態(tài)估計、故障診斷等其他高級應(yīng)用的基礎(chǔ)。對網(wǎng)絡(luò)拓?fù)浞治龅囊缶褪强焖?、可靠及與有效，通常有兩個步驟：

（1） 母線分析：從一個節(jié)點開始搜索，并將通過閉合開關(guān)連接在一起的所有節(jié)點劃分為一條母線；同時，給每條母線分配一個母線號，即為每條母線編號，直到微電網(wǎng)網(wǎng)絡(luò)中的所有節(jié)點都分配了母線號為止。

（2） 電氣島分析：搜索通過支路連接在一起的所有母線，并將這些母線歸并為一個電氣拓?fù)鋶u。電氣島中既有電源又有負(fù)荷，則稱為活島；電氣島中沒有電源只有負(fù)荷，則稱為死島。微電網(wǎng)中有若干分布式電源，所以是一個活島。

每個節(jié)點都設(shè)有一個Agent，節(jié)點與節(jié)點的邊表示各個Agent 之間的交互關(guān)系。在Agent 交互組織關(guān)系所形成的網(wǎng)絡(luò)中，每個Agent 節(jié)點只需要與其鄰近節(jié)點的Agent 進(jìn)行交互。這樣每個Agent 只需感知其鄰近Agent 的信息，無需感知整個微電網(wǎng)中所有Agent 的信息，這樣就使得MAS 系統(tǒng)的大規(guī)模性處于可控制的范圍，并且使得每個Agent 的數(shù)據(jù)庫存儲的信息量大量的減小，增加了系統(tǒng)的識別速度。

3 拓?fù)渥R別仿真與分析

在微電網(wǎng)中，從主分離器和母線的出線開關(guān)開始，逐條饋線進(jìn)行搜索生成靜態(tài)全局拓?fù)?，如果?jié)點因為某些原因斷開，導(dǎo)致了微電網(wǎng)拓?fù)浣Y(jié)構(gòu)的改變，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)更新形成新的動態(tài)拓?fù)浣Y(jié)構(gòu)。現(xiàn)在以圖1的微電網(wǎng)拓?fù)浣Y(jié)構(gòu)示意圖為系統(tǒng)框架，并且假設(shè)節(jié)點與節(jié)點之間的距離均為單位1，分別在Matlab軟件中仿真基于MAS靜態(tài)拓?fù)渑c動態(tài)拓?fù)渥R別圖，分別如圖3，圖4所示。

通過Matlab編程實現(xiàn)分別在初始靜態(tài)網(wǎng)絡(luò)和動態(tài)網(wǎng)絡(luò)中采用廣度優(yōu)先法、深度優(yōu)先法和本算法拓?fù)渥R別驗證網(wǎng)絡(luò)節(jié)點為11個、300個微電網(wǎng)結(jié)構(gòu)，所需時間如表1和表2所示。

從表1和表2中可以看出，用傳統(tǒng)的樹搜索方法實現(xiàn)微電網(wǎng)拓?fù)渥R別時，當(dāng)節(jié)點較少時與本文算法耗時相差不大，但是當(dāng)節(jié)點數(shù)增加時，本文算法優(yōu)勢明顯，使得拓?fù)渖伤俣扔辛藰O大提高。

4 結(jié) 語

本文對MAS在微電網(wǎng)拓?fù)渥R別中以各個節(jié)點為中心，呈網(wǎng)狀同時向外輻射搜索，采用改進(jìn)后的蟻群算法進(jìn)行通信，提高了Agent的通信效率，解決了微電網(wǎng)拓?fù)浣Y(jié)構(gòu)發(fā)生變化時重新搜索整個網(wǎng)絡(luò)的問題，提高了拓?fù)渥R別的效率，節(jié)省了拓?fù)渥R別時間，為微電網(wǎng)系統(tǒng)管理、故障診斷提供了良好的前提和基礎(chǔ)。

參考文獻(xiàn)

[1] 王成山，武震，李鵬.微電網(wǎng)關(guān)鍵技術(shù)研究[J].電工技術(shù)學(xué)報，2014，29（2）：1?12.

[2] 余貽鑫，馬世乾，徐臣.配電系統(tǒng)快速仿真與建模的研究框架[J].中國電機(jī)工程學(xué)報，2014，34（10）：1675?1681.

[3] 洪博文，郭力，王成山，等.微電網(wǎng)多目標(biāo)動態(tài)優(yōu)化調(diào)度模型與方法[J].電力自動化設(shè)備，2013，33（3）：100?107.

[4] 楊鵬，馬志程，靳丹，等.面向智能電網(wǎng)的網(wǎng)絡(luò)態(tài)勢評估模型及感知預(yù)測[J].蘭州理工大學(xué)學(xué)報，2015，41（4）：99?103.

[5] 余貽鑫，劉艷麗.智能電網(wǎng)的挑戰(zhàn)性問題[J].電力系統(tǒng)自動化，2015，39（2）：1?5.

[6] International Energy Agency. Quantifying principal?agent problems in energy efficiency [M]. Paris： International Energy Agency， 2012.

[7] 蘇浩益，李如琦.智能電網(wǎng)條件下的多目標(biāo)輸電網(wǎng)規(guī)劃[J].中國電機(jī)工程學(xué)報，2012，32（34）：30?35.

[8] 鄢陽，文明浩，呂祥晰.基于圖論的集中式保護(hù)主后備保護(hù)區(qū)域劃分[J].電力系統(tǒng)保護(hù)與控制，2012，40（5）：21?26.

[9] 蔡澤祥，王星華，任曉娜.復(fù)雜網(wǎng)絡(luò)理論及其在電力系統(tǒng)中的應(yīng)用研究綜述[J].電網(wǎng)技術(shù)，2012，36（11）：114?121.

[10] WOOLDRIDGE M J， JENNINGS N R. Intelligent agent： theory and practice [J]. Knowledge engineering review， 1995， 10（2）： 115?152.

[11] 齊林海，程慶振.基于多Agent的電壓暫降實時分析系統(tǒng)的研究[J].電力系統(tǒng)保護(hù)與控制，2014，42（7）：116?121.

[12] ASHABANI S M， MOHAMED Y A. New family of microgrid control and management strategies in smart distribution grids?analysis， comparison and testing [J]. Power systems， 2014， 29（5）： 2257?2269.

[13] 蒲天驕，劉克文，李燁，等.基于多代理系統(tǒng)的主動配電網(wǎng)自治協(xié)同控制及其仿真[J].中國電機(jī)工程學(xué)報，2015，35（8）：1865?1874.

[14] HASSAN M A， ABIDO M A. Optimal design of microgrids in autonomous and grid?connected modes using particle swarm optimization [J]. IEEE transactions on power electronics， 2011， 26（3）： 755?769.