方　璐,詹　軍,徐先勇,方厚輝

(1.湖南大學(xué) 現(xiàn)代工程訓(xùn)練中心，湖南 長(zhǎng)沙　410082；2.國(guó)網(wǎng)湖南省電力公司電力科學(xué)研究院，湖南 長(zhǎng)沙　410007)

?

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1?,詹軍1,徐先勇2,方厚輝1

(1.湖南大學(xué) 現(xiàn)代工程訓(xùn)練中心，湖南 長(zhǎng)沙410082；2.國(guó)網(wǎng)湖南省電力公司電力科學(xué)研究院，湖南 長(zhǎng)沙410007)

摘要：針對(duì)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(gè)多智能體相當(dāng)于遺傳算法中一個(gè)個(gè)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(yùn)用GA-MAS算法，得出各個(gè)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(jià)獲得最大的節(jié)能效益.具體算例仿真及工程實(shí)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(shí)現(xiàn)節(jié)能設(shè)備的最佳調(diào)節(jié)，同時(shí)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

節(jié)能已成為我國(guó)經(jīng)濟(jì)和社會(huì)發(fā)展的一項(xiàng)長(zhǎng)遠(yuǎn)戰(zhàn)略方針，節(jié)電則是國(guó)家節(jié)能戰(zhàn)略的重要組成部分[1-2].縱觀目前企業(yè)配電網(wǎng)節(jié)能技術(shù)，存在以下不足[3]：1)整個(gè)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?jī)?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(yùn)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(dú)立節(jié)點(diǎn)節(jié)能設(shè)備之間相互影響，一旦局部調(diào)節(jié)過(guò)度或不足會(huì)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(huì)對(duì)全方面節(jié)能的需要.且節(jié)能設(shè)備的獨(dú)立控制容易導(dǎo)致設(shè)備調(diào)節(jié)過(guò)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(wèn)題求解能力和與外界通信能力的實(shí)體[4-5].多智能體系統(tǒng)(Multi-Agent System，MAS)由多個(gè)松散耦合的、粗粒度的、具有感知能力、問(wèn)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(gè)智能體系統(tǒng)優(yōu)點(diǎn)的同時(shí)，通過(guò)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(wèn)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(guò)程而形成的一種自適應(yīng)全局優(yōu)化算法[6-10].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(jìng)爭(zhēng)協(xié)同和自學(xué)習(xí)等特性來(lái)實(shí)現(xiàn)生物對(duì)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(gè)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(duì)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(yùn)用GA-MAS算法，得出各個(gè)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(jià)獲得最大的節(jié)能效益.通過(guò)具體算例仿真及工程實(shí)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，電容器投入總組數(shù)減小，同時(shí)表明GA-MAS算法有很好的計(jì)算效率及收斂穩(wěn)定性.

1無(wú)功優(yōu)化模型

在實(shí)際工程應(yīng)用中，無(wú)功補(bǔ)償裝置必然會(huì)產(chǎn)生有功損耗及運(yùn)行維護(hù)費(fèi)用，另外，當(dāng)配電網(wǎng)無(wú)功資源不足時(shí)，需要增加無(wú)功補(bǔ)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(shí)，綜合考慮無(wú)功補(bǔ)償裝置總投入最小建立目標(biāo)函數(shù)：

(1)

(2)

其中，N為系統(tǒng)節(jié)點(diǎn)數(shù)，n為加裝無(wú)功補(bǔ)償裝置的節(jié)點(diǎn)數(shù)，QCi為節(jié)點(diǎn)i上無(wú)功補(bǔ)償容量，ΔPC為每kVar無(wú)功補(bǔ)償容量的有功損耗，C為上網(wǎng)電價(jià)，T為年運(yùn)行小時(shí)數(shù)，K1為電容器年運(yùn)行維護(hù)費(fèi)用，ΔP為系統(tǒng)有功損耗，t為每年最大負(fù)荷運(yùn)行時(shí)間.Vi,Vj分別指節(jié)點(diǎn)i,j的電壓幅值，Gij,Bij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)，θij指節(jié)點(diǎn)電壓相位差.

(3)

其中，Δu為控制變量的變化量；m為補(bǔ)償裝置種類數(shù)，即cui為第i種裝置調(diào)節(jié)代價(jià).以變壓器為例，成本為Acos t元，允許抽頭總調(diào)節(jié)次數(shù)為Tn次，抽頭永遠(yuǎn)不調(diào)整時(shí)的預(yù)期壽命是a年，經(jīng)過(guò)Tn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(yùn)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(jià)(元/次)為：

cu1=B+(a-a′)Acos t/aTn.

(4)

由式(4)可類似地計(jì)算無(wú)功補(bǔ)償裝置投切開關(guān)的調(diào)節(jié)代價(jià).

目標(biāo)優(yōu)化數(shù)學(xué)模型為：

①目標(biāo)函數(shù)

FQ=fQ1+fQ2.

(5)

②等式約束

(6)

③不等式約束

Vimin

(7)

(8)

Vi為節(jié)點(diǎn)i電壓，QCiSVC，QCiHAPF，QCiIVC，QCiDSTATCOM分別為SVC，HAPF，IVC，DSTATCOM的無(wú)功補(bǔ)償容量，Ti為有載調(diào)壓變壓器分接頭檔位，QGi為發(fā)電機(jī)無(wú)功出力.

2多智能體遺傳優(yōu)化算法(GA-MAS)

2.1Agent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(gè)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(gè)Agentα相當(dāng)于GA算法中一個(gè)體，其適應(yīng)值為：

f(α)=FQ.

(9)

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

圖1　Agent的環(huán)境結(jié)構(gòu)圖

2.2GA-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(gè)Agent根據(jù)其局部環(huán)境與其鄰域個(gè)體兩兩比較尋找最優(yōu)解.在任意一個(gè)智能體的局部環(huán)境中，若該個(gè)體優(yōu)于周圍其他個(gè)體，則該個(gè)體為其鄰域中的Pareto最優(yōu)解.由于是在每個(gè)個(gè)體的局部環(huán)境中進(jìn)行擇優(yōu)操作，而不是作用于整個(gè)群體，因而保證了群體的多樣性.

2)交配操作

設(shè)參與交配的兩個(gè)父代為P1=(p1,1,…,p1,n)，P2=(p2,1,…,p2,n)，父代解空間為[mp,np]，且

mp=[min(p1,1,p2,1),…,min(p1,n,p2,n)]，

(10)

np=[max(p1,1,p2,1),…,max(p1,n,p2,n)].

(11)

其后代為：

S1=P1+rand·(np-mp)，

(12)

S2=P2+(1-rand)(np-mp).

(13)

其中，rand是[0,1]中的一個(gè)隨機(jī)數(shù).

Pareto擇優(yōu)操作后得到的種群以交叉概率pc

按式(12)(13)進(jìn)行交叉.交叉后得到的子代個(gè)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(diǎn)的距離d(A1,A2)

圖2　GA-MAS算法流程圖

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(jí)多智能體和管理層.

高/低壓側(cè)各個(gè)智能體的交互和協(xié)調(diào)通過(guò)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(gè)智能體通過(guò)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(gè)系統(tǒng).管理層各系統(tǒng)通過(guò)智能體之間的通信和交互相互連接起來(lái)，實(shí)現(xiàn)了操作平臺(tái)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(guò)TCP/IP協(xié)議實(shí)現(xiàn)各數(shù)據(jù)庫(kù)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(shí)現(xiàn)了高低壓側(cè)智能體的交互和協(xié)作，進(jìn)一步實(shí)現(xiàn)多層次節(jié)能降耗.

圖3　基于多智能體的配電網(wǎng)節(jié)能

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(guò)程如下：

第j個(gè)節(jié)能設(shè)備智能體結(jié)構(gòu)屬性為：

(14)

式(14)中g(shù)hj為第j個(gè)節(jié)能設(shè)備智能體對(duì)其他節(jié)能設(shè)備智能體的信念度；Msj為第j個(gè)節(jié)能設(shè)備智能體的初始狀態(tài)；Mrj為第j個(gè)節(jié)能設(shè)備智能體的目標(biāo)狀態(tài)；Ncj為第j個(gè)節(jié)能設(shè)備智能體的優(yōu)先級(jí)指標(biāo)；T1為定義時(shí)間間隔.

1) SVC智能體

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

(15)

式(15)中QSVCk為第K個(gè)SVC設(shè)備補(bǔ)償無(wú)功；VSVCk為第K個(gè)SVC設(shè)備節(jié)點(diǎn)電壓；iSVCk為第K個(gè)SVC設(shè)備輸出電流；NSVCk為第K個(gè)SVC設(shè)備優(yōu)先級(jí)；TSVCk為時(shí)間脈沖.

那么第K個(gè)SVC智能體結(jié)構(gòu)屬性為：

(16)

2) HAPF智能體

第K個(gè)HAPF智能體其初始狀態(tài)MsHAPFk和目標(biāo)狀態(tài)MrHAPFk分別為：

(17)

式(17)中IHAPFk為第K個(gè)HAPF設(shè)備補(bǔ)償諧波電流；VHPAFk為第K個(gè)HAPF設(shè)備節(jié)點(diǎn)電壓；iHAPFk為第K個(gè)HAPF設(shè)備輸出電流；NHAPFk為第K個(gè)HAPF設(shè)備優(yōu)先級(jí)；THAPFk為時(shí)間脈沖.

那么第K個(gè)HAPF智能體結(jié)構(gòu)屬性為：

ShHAPFk={ghHAPFk，MsHAPFk，MrHAPFk，NcHAPFk，

THAPFk}

(18)

3) IVC智能體

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

(19)

式(19)中QIVCk為第K個(gè)IVC設(shè)備補(bǔ)償無(wú)功；VIVCk為第K個(gè)IVC設(shè)備節(jié)點(diǎn)電壓；iIVCk為第K個(gè)IVC設(shè)備輸出電流；NIVCk為第K個(gè)IVC設(shè)備優(yōu)先級(jí)；TIVCk為時(shí)間脈沖.

那么第K個(gè)IVC智能體結(jié)構(gòu)屬性分別為：

(20)

4) DSTATCOM智能體

第K個(gè)DSTATCOM智能體其初始狀態(tài)MsDCOMk和目標(biāo)狀態(tài)MrDCOMk為：

(21)

式(21)中IDCOMk為第K個(gè)DSTATCOM設(shè)備補(bǔ)償無(wú)功；VDCOMk為第K個(gè)DSTATCOM設(shè)備節(jié)點(diǎn)電壓；iDCOMk為第K個(gè)DSTATCOM設(shè)備輸出電流；NDCOMk為第K個(gè)DSTATCOM設(shè)備優(yōu)先級(jí)；TDCOMk為時(shí)間脈沖.

那么第K個(gè)DSTATCOM智能體結(jié)構(gòu)屬性為：

(22)

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：

(23)

式(23)中Sh1，…，Shj為圖3中高/低壓側(cè)各個(gè)節(jié)能設(shè)備智能體；N為各個(gè)智能體的優(yōu)先級(jí)信息表；T為時(shí)間脈沖.在實(shí)例中可具體表示為：

(24)

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(shí)時(shí)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(yùn)用 GA-MAS優(yōu)化算法制定優(yōu)化方案，再通過(guò)任務(wù)協(xié)調(diào)與分解智能體，根據(jù)優(yōu)先級(jí)別N確定哪些節(jié)能設(shè)備智能體參與任務(wù)，根據(jù)時(shí)間脈沖T確定節(jié)能設(shè)備什么時(shí)候響應(yīng)任務(wù),實(shí)現(xiàn)各個(gè)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.

圖4　系統(tǒng)的管理方法流程圖

4仿真分析

為驗(yàn)證以上算法的正確性與可行性，在Delphi環(huán)境下應(yīng)用Pascal語(yǔ)言編制程序，對(duì)IEEE-14節(jié)點(diǎn)系統(tǒng)進(jìn)行計(jì)算分析.在本文選取的IEEE-14節(jié)點(diǎn)系統(tǒng)中，設(shè)節(jié)點(diǎn)數(shù)為14個(gè)、發(fā)電機(jī)數(shù)6個(gè)、變壓器數(shù)4個(gè)、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(shí)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0.9～1.1 pu，節(jié)點(diǎn)電壓限制在0.95～1.05 pu.計(jì)算過(guò)程中，有功功率基準(zhǔn)值為100 MW，無(wú)功功率基準(zhǔn)值為100 MVar.

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(duì)結(jié)果，對(duì)于IEEE-14節(jié)點(diǎn)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(shí)滿足節(jié)點(diǎn)電壓約束，控制方案合理，達(dá)到節(jié)能設(shè)備優(yōu)化運(yùn)行效果.在節(jié)點(diǎn)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(shí)施后，總有功網(wǎng)損降低到0.135 pu，而PSO優(yōu)化算法高達(dá)0.138 pu，節(jié)能設(shè)備投入總數(shù)減少2套.

表1　不同優(yōu)化算法對(duì)比結(jié)果

表2　不同優(yōu)化算法有功網(wǎng)損對(duì)比

圖5為GA-MAS和PSO迭代曲線，其中實(shí)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(jì)算速度方面，經(jīng)GA-MAS 和PSO 優(yōu)化的時(shí)間分別為16.3 s 和34.5 s，由此看出，GA-MAS的計(jì)算速度和收斂性明顯優(yōu)于PSO 算法.

迭代次數(shù)

5工程應(yīng)用

某企業(yè)配電網(wǎng)擁有110 kV變電站一座，自備熱電廠一座，10 kV配電變電站兩座.其中，25 000 kVA容量110±8×1.25%有載調(diào)壓變壓器2臺(tái)，110 kV線路兩回，分別從不同的變電站引入為廠區(qū)供電，6 300 kVA容量10±8×1.25%有載調(diào)壓變壓器4臺(tái)，10 kV饋線143回，6 kV饋線256回，6 300 kVA發(fā)電機(jī)組2臺(tái)，系統(tǒng)共接入各種高低壓節(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(dòng)作次數(shù).變壓器分接頭由本文所提系統(tǒng)投運(yùn)前的每臺(tái)每周3.87次降低到目前的每臺(tái)每周2.08次，動(dòng)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(dòng)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)接入運(yùn)行后，使配電網(wǎng)內(nèi)總的無(wú)功補(bǔ)償容量降低了33%，同時(shí)，功率因數(shù)由原來(lái)的0.92穩(wěn)步提升至0.96.節(jié)能設(shè)備總計(jì)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(duì)配電網(wǎng)三個(gè)月網(wǎng)損率的統(tǒng)計(jì)分析表明，平均網(wǎng)損率為8.0%，比系統(tǒng)接入運(yùn)行前同比降低了1.9個(gè)百分點(diǎn)，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110 kV，10 kV，6 kV節(jié)點(diǎn)整點(diǎn)時(shí)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(guò)系統(tǒng)優(yōu)化后，各節(jié)點(diǎn)電壓得到明顯改善，其中110 kV節(jié)點(diǎn)優(yōu)化前最低電壓為101.1 kV，優(yōu)化后最低電壓為105.4 kV；10 kV節(jié)點(diǎn)優(yōu)化前最低電壓9.51 kV，優(yōu)化后最低電壓為9.82 kV；6 kV節(jié)點(diǎn)優(yōu)化前最低電壓為5.69 kV，優(yōu)化后最低電壓為5.91 kV.據(jù)統(tǒng)計(jì)，系統(tǒng)接入運(yùn)行的三個(gè)月內(nèi)，地區(qū)電網(wǎng)6 kV以上母線電壓合格率為99.96%，同比提高了0.4個(gè)百分點(diǎn).

時(shí)刻/時(shí)

時(shí)刻/時(shí)

時(shí)刻/時(shí)

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(guò)全面考慮造成配電網(wǎng)電能損耗因素，運(yùn)用GA-MAS算法，得出各個(gè)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(jià)獲得最大的節(jié)能效益.GA-MAS算法構(gòu)造了一個(gè)MAS環(huán)境，每一個(gè)Agent相當(dāng)于GA算法中一個(gè)個(gè)體，它們?cè)谠摥h(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(guò)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(shí)表明GA-MAS算法有很好的計(jì)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(duì)配電網(wǎng)實(shí)現(xiàn)“全方位、多方面”的綜合節(jié)能降耗具有重要意義.

參考文獻(xiàn)

[1]姚建紅，張玲玉，孫大興.改進(jìn)多智能體蟻群算法在電力系統(tǒng)無(wú)功優(yōu)化中的應(yīng)用[J].化工自動(dòng)化及儀表，2014，41(5):520-523.

YAO Jian-hong,ZHANG Ling-yu,SUN Da-xing.Application of improved multi-agent ant colony algorithm in reactive power optimization for power system[J].Control and Instruments in Chemical Industry,2014, 41(5):520-523.(In Chinese)

[2]孟安波.基于多智能體量子粒子群算法的電網(wǎng)無(wú)功優(yōu)化問(wèn)題[D]. 廣州：廣東工業(yè)大學(xué),2014:12-20.

MENG An-bo. Quantum particle swarm optimization algorithm based on multi-agent research power system reactive power optimization[D]. Guangzhou: Guangdong University of Technology, 2014:12-20.(In Chinese)

[3]羅安. 電網(wǎng)諧波治理和無(wú)功補(bǔ)償技術(shù)及裝備[M]. 北京: 中國(guó)電力出版社, 2006:98-105.

LUO An.Power grid harmonic control and reactive power compensation technology and equipment[M]. Beijing:China Electric Power Press, 2006:98-105.(In Chinese)

[4]羅安，章兢，付青.新型注入式并聯(lián)混合型有源電力濾波器[J].電工技術(shù)學(xué)報(bào)，2005，20(2)：51-55.

LUO An, ZHANG Jing, FU Qing. Development of high-capacity hybrid active power filter[J]. Transactions of China Electro Technical Society, 2005, 20(2): 51-55. (In Chinese)

[5]徐先勇, 羅安, 方璐, 等. 配電網(wǎng)綜合電氣節(jié)能關(guān)鍵技術(shù)研究[J]. 電網(wǎng)技術(shù), 2009, 7(33): 47-54.

XU Xian-yong, LUO An, FANG Lu,etal. Research on key technologies for comprehensive energy conservation in distribution network[J]. Power System Technology, 2009, 7(33): 47-54. (In Chinese)

[6]趙波 ,曹一家. 電力系統(tǒng)無(wú)功優(yōu)化的多智能體粒子群優(yōu)化算法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2005, 25(5): 1-7.

ZHAO Bo, CAO Yi-jia. A multi-agent particle swarm optimization algorithm for reactive power optimization [J]. Proceedings of the CSEE, 2005, 25(5): 1-7. (In Chinese)

[7]孟紅云, 劉三陽(yáng). 求解多目標(biāo)優(yōu)化問(wèn)題的多智能體遺傳算法[J]. 西北大學(xué)學(xué)報(bào):自然科學(xué)版, 2005, 35(1): 13-16.

MENG Hong-yun, LIU San-yang. A multi-agent genetic algorithm for multi objective programming[J]. Journal of Northwest University: Natural Science Edition, 2005, 35(1): 13-16. (In Chinese)

[8]何禹清, 彭建春,文明,等.基于改進(jìn)遺傳算法的配電網(wǎng)動(dòng)態(tài)無(wú)功優(yōu)化[J].湖南大學(xué)學(xué)報(bào):自然科學(xué)版, 2010,37(3):38-43.

HE Yu-qing, PENG Jian-chun, WEN Ming,etal. Dynamic reactive power optimization method for distribution network based on improved genetic algorithm[J]. Journal of Hunan University: Natural Sciences Edition, 2010,37(3): 38-43. (In Chinese)

[9]鞏敦衛(wèi),郝國(guó)生，周勇，等. 交互式遺傳算法原理及其應(yīng)用[M]. 北京: 國(guó)防工業(yè)出版社, 2007:55-60.

GONG Dun-wei，HAO Guo-sheng, ZHOU Yong,etal. Theory and applications of interactive genetic algorithms[M].Beijing: National Defense Industry Press, 2007:55-60.(In Chinese)

[10]張勇軍, 任震. 無(wú)功電壓動(dòng)態(tài)控制的分布式協(xié)同優(yōu)化[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2004, 24(4): 34-38.

ZHANG Yong-jun, REN Zhen. Distributed cooperative optimization for reactive power/voltage dynamic control[J]. Proceedings of the CSEE, 2004, 24(4): 34-38. (In Chinese)

Energy Saving Management System of Distribution Network Based on Multi-agent Genetic Algorithm

FANG Lu1?，ZHAN Jun1， XU Xian-yong2，F(xiàn)ANG Hou-hui1

(1.Modern Engineering Training Center,Hunan Univ，Changsha，Hunan410082，China; 2.Research Institute of Hunan Electric Power Corporation,Changsha,Hunan410007,China)

Abstract:Aiming at the deficiency of energy saving technology in enterprise distribution network, an energy saving management system of distribution network based on multi-agent genetic algorithm was proposed. Combined with genetic algorithm and multi-agent system, a GA-MAS algorithm was proposed. Each multi-agent was equivalent to an individual of genetic algorithm, and the adjacent multi-agent was in interaction. The GA-MAS algorithm was combined with the evolutionary mechanism of the genetic algorithm for global optimal solution. The agent structure model of the energy saving equipment and the intelligent architecture model of high / low voltage system were presented. Using the proposed GA-MAS algorithm, the optimal regulation of energy-saving equipment was obtained, so the least cost of the energy-saving equipment had the biggest energy saving profit. The simulation and practical application have shown that the proposed energy saving management system of distribution network can reduce the total active power loss and the total number of capacitors, and achieve the best regulation of energy-saving device. It has also been shown that the proposed GA-MAS algorithm has faster convergence speed.

Key words:integrated management system; saving energy and reducing consumption; multi-agent of energy saving equipment; genetic algorithm

中圖分類號(hào)：TM92

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：方璐(1983-)，女，湖南平江人，湖南大學(xué)實(shí)驗(yàn)師，博士?通訊聯(lián)系人，E-mail:2001xxy@163.com

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(51507057),National Natural Science Foundation of China(51507057)

收稿日期：2015-05-31

文章編號(hào)：1674-2974(2016)04-0105-08