陳 霄，童 星，張 寧，易永仙，欒開寧，周 玉

(1.江蘇省電力公司電力科學(xué)研究院國家電網(wǎng)公司電能計(jì)量重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210019；2.電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國家重點(diǎn)實(shí)驗(yàn)室(清華大學(xué)電機(jī)系)，北京 100084；3.國網(wǎng)江蘇省電力公司，江蘇 南京 210024)

有序用電智能多代理系統(tǒng)架構(gòu)與機(jī)制研究

陳 霄1，童 星2，張 寧2，易永仙1，欒開寧3，周 玉1

(1.江蘇省電力公司電力科學(xué)研究院國家電網(wǎng)公司電能計(jì)量重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210019；2.電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國家重點(diǎn)實(shí)驗(yàn)室(清華大學(xué)電機(jī)系)，北京 100084；3.國網(wǎng)江蘇省電力公司，江蘇 南京 210024)

有序用電是需求側(cè)管理的重要組成部分。當(dāng)系統(tǒng)存在電力供應(yīng)缺口時(shí)，通過削減用戶負(fù)荷保障電力供需平衡。其方案編制以人工為主，缺乏互動(dòng)，智能化程度較低，導(dǎo)致有序用電缺口指標(biāo)分配工作精細(xì)化程度不高，執(zhí)行較粗放。設(shè)計(jì)了一種覆蓋空間上多層電網(wǎng)的有序用電智能多代理系統(tǒng)架構(gòu)。該架構(gòu)將電網(wǎng)物理結(jié)構(gòu)分為“系統(tǒng)—節(jié)點(diǎn)—用戶”三層，并分別為系統(tǒng)、節(jié)點(diǎn)和用戶建立智能代理模型。在智能代理內(nèi)部，嵌入了學(xué)習(xí)機(jī)制使得智能代理能對(duì)環(huán)境變化作出自適應(yīng)的響應(yīng)。在智能代理之間，提出了一種鼓勵(lì)用戶互濟(jì)的協(xié)商機(jī)制，該機(jī)制使得一個(gè)用戶無法完成指標(biāo)缺口時(shí)，其他用戶可對(duì)其進(jìn)行支援并獲得補(bǔ)償。通過智能代理模型的協(xié)作，實(shí)現(xiàn)了有序用電缺口指標(biāo)的多層次、自適應(yīng)、交互式分配。

有序用電；需求側(cè)管理；多代理系統(tǒng)；協(xié)商機(jī)制；缺口分配

0 引言

有序用電是需求側(cè)管理的重要組成部分，指在電力供應(yīng)不足、突發(fā)事件等情況下，通過行政措施、經(jīng)濟(jì)手段、技術(shù)方法，依法控制部分用電需求，維護(hù)供用電秩序平穩(wěn)的管理工作，具體措施包括：錯(cuò)峰、避峰、節(jié)電和拉閘[1-2]。近年來，我國電力消費(fèi)保持高速增長，季節(jié)性電力緊缺連年發(fā)生，迎峰度夏(冬)期間電力供需矛盾突出[3]。有序用電工作在保障居民生活和重要用戶用電，抑制高耗能、高排放行業(yè)用電過快增長，促進(jìn)電力供需平衡，維護(hù)良好的供用電秩序等方面發(fā)揮了積極作用，有力地支撐了電力系統(tǒng)安全與可靠運(yùn)行[4]。

目前應(yīng)用的有序用電軟件系統(tǒng)功能主要包括人工編制方案輔助、方案執(zhí)行(錯(cuò)避峰與釋放)監(jiān)督與考核、方案演練、控制后節(jié)電效果分析等[5-8]。系統(tǒng)存在的問題在于：1) 仍需要人工編制缺口指標(biāo)分配方案[9]，電網(wǎng)用戶數(shù)量巨大[10]，導(dǎo)致有序用電方案編制工作量巨大，工作效率低；2) 有序用電方案實(shí)際執(zhí)行時(shí)，臨時(shí)調(diào)整方案的現(xiàn)象時(shí)有發(fā)生，由于沒有賦予用戶之間互動(dòng)的權(quán)力，致使無充足時(shí)間讓用戶準(zhǔn)備，引起用戶不滿，也加大了操作人員的執(zhí)行難度和出錯(cuò)概率；3) 系統(tǒng)智能化程度低，學(xué)習(xí)能力較弱，無法做出自適應(yīng)的迭代改進(jìn)。上述問題直接導(dǎo)致了目前有序用電工作精細(xì)化程度不高，執(zhí)行較粗放，方案的科學(xué)性、合理性、安全性、公平性以及用戶的滿意度仍有待提高。

所謂智能代理(Agent)，是一個(gè)充分自治的、具有獨(dú)立決策制定和行為控制能力的軟、硬件系統(tǒng)或其他系統(tǒng)，是分布式人工智能(Distributed Artificial Intelligence)領(lǐng)域的一個(gè)主要內(nèi)容[11]。多代理系統(tǒng)(Multi-agent System)，顧名思義，是一種由多個(gè)智能代理共同合作組成的能夠智能和靈活地對(duì)工作條件的變化和周圍過程的需求進(jìn)行響應(yīng)的系統(tǒng)。為達(dá)到某一全局目標(biāo)，多代理系統(tǒng)通過協(xié)調(diào)一組擁有分布式知識(shí)(知識(shí)、意圖、策略、規(guī)劃和行為等)的智能代理，使其相互協(xié)商與協(xié)作，完成對(duì)問題求解[12]。該技術(shù)目前在電力系統(tǒng)多個(gè)領(lǐng)域，如電力系統(tǒng)調(diào)度[13-14]、電力市場(chǎng)[15]、暫態(tài)穩(wěn)定[16]、繼電保護(hù)[17-18]、故障分析[19]、拓?fù)浞治鯷20]、微電網(wǎng)控制[21-23]領(lǐng)域內(nèi)，已經(jīng)獲得了廣泛的應(yīng)用，然而在有序用電領(lǐng)域卻鮮有應(yīng)用。

本文將智能多代理系統(tǒng)技術(shù)應(yīng)用在有序用電領(lǐng)域，提出了一種有序用電智能多代理系統(tǒng)架構(gòu)與協(xié)商機(jī)制：建立了覆蓋空間上多層電網(wǎng)的有序用電智能多代理系統(tǒng)架構(gòu)，并在智能代理中內(nèi)嵌了學(xué)習(xí)機(jī)制，提出了鼓勵(lì)用戶互濟(jì)的代理協(xié)商機(jī)制，實(shí)現(xiàn)了有序用電缺口指標(biāo)的多層次、自適應(yīng)、交互式分配。

1 有序用電智能多代理系統(tǒng)

1.1 系統(tǒng)架構(gòu)

提出了覆蓋空間上多層電網(wǎng)的有序用電智能多代理系統(tǒng)架構(gòu)，如圖1所示。首先根據(jù)電網(wǎng)物理結(jié)構(gòu)將其分為“系統(tǒng)—節(jié)點(diǎn)—用戶”式結(jié)構(gòu)，一個(gè)節(jié)點(diǎn)包含多個(gè)用戶，系統(tǒng)則包含電網(wǎng)內(nèi)所有節(jié)點(diǎn)；其次分別為系統(tǒng)、節(jié)點(diǎn)和用戶建立智能代理模型，實(shí)現(xiàn)對(duì)有序用電工作實(shí)體的數(shù)學(xué)抽象；最終通過代理之間的分工與協(xié)作共同完成有序用電缺口指標(biāo)的多層次、自適應(yīng)、交互式分配。

圖1 有序用電智能多代理系統(tǒng)架構(gòu)Fig. 1 Multi-agent system architecture for orderly power utilization

不同層級(jí)代理的功能設(shè)計(jì)如下：

(1) 系統(tǒng)代理

系統(tǒng)代理負(fù)責(zé)計(jì)算系統(tǒng)缺口指標(biāo)，從各節(jié)點(diǎn)代理收集下屬各節(jié)點(diǎn)的節(jié)電特性(一般包含節(jié)電潛力和節(jié)電損失系數(shù)等)，根據(jù)各地市的節(jié)電特性，調(diào)用有序用電缺口指標(biāo)分配算法，將缺口指標(biāo)分配到各個(gè)節(jié)點(diǎn)代理。

(2) 節(jié)點(diǎn)代理

節(jié)點(diǎn)代理一方面向系統(tǒng)代理上報(bào)自身的節(jié)電特性，另一方面在從系統(tǒng)代理得到分配的缺口指標(biāo)后，從下屬各用戶代理收集節(jié)電特性，依此將缺口指標(biāo)分配到各用戶代理。

(3) 用戶代理

用戶代理是這一層次化代理結(jié)構(gòu)中的最底層，完成對(duì)用戶的抽象，負(fù)責(zé)收集用戶節(jié)電特性并上報(bào)給節(jié)點(diǎn)代理以及代理用戶執(zhí)行的有序用電方案。

1.2 指標(biāo)分配機(jī)制

因?yàn)殡娋W(wǎng)中用戶具有海量性，直接將缺口指標(biāo)分配到海量用戶，這一問題規(guī)模太大，數(shù)學(xué)優(yōu)化算法往往難以在有限的時(shí)間內(nèi)求得指標(biāo)分配的最優(yōu)解。以我國某省為例，2014年參與有序用電的大用戶數(shù)目達(dá)到23萬，因此在有序用電指標(biāo)靜態(tài)分配算法中，這一問題的決策變量數(shù)目至少在23萬以上，目前即使最成熟的商業(yè)數(shù)學(xué)優(yōu)化軟件 IBM/CPLEX也難以求解。

基于上述有序用電智能多代理系統(tǒng)架構(gòu)建立一種基于分解協(xié)調(diào)的有序用電缺口指標(biāo)分配流程，如圖2所示：1) 由下至上，每層代理都需要向上層代理上報(bào)自己的節(jié)電特性，以便上層代理匯總生成等效的節(jié)電特性；2) 由上而下，上層代理在獲取下層代理的節(jié)電特性后，再根據(jù)自身分配得到的有序用電缺口指標(biāo)，逐層分解完成由本級(jí)到下級(jí)的缺口指標(biāo)分配任務(wù)。

圖2 基于分解協(xié)調(diào)的有序用電指標(biāo)分配流程Fig. 2 Shortage distribution for orderly power utilization based on decomposition-coordination method

分解協(xié)調(diào)方法的物理本質(zhì)是將一個(gè)大規(guī)模的規(guī)劃問題根據(jù)問題的物理背景劃分為若干個(gè)“子空間”(如本文研究中將系統(tǒng)按照各個(gè)節(jié)點(diǎn)劃分，再將節(jié)點(diǎn)按照各個(gè)用戶劃分)，在各個(gè)“子空間”中充分挖掘其內(nèi)部決策變量之間的組合優(yōu)化效益，從而得到各個(gè)“子空間”的等效外特性；然后根據(jù)各個(gè)“子空間”的等效外特性，在上層主問題中進(jìn)一步挖掘各個(gè)“子空間”之間的組合優(yōu)化效益。

這個(gè)過程可以形象地稱為“優(yōu)化空間分解”。區(qū)域內(nèi)部的用戶形成優(yōu)化“子空間”，和其他節(jié)點(diǎn)的“子空間”進(jìn)行協(xié)調(diào)優(yōu)化，這樣能夠避免所有用戶統(tǒng)一建模優(yōu)化，減少?zèng)Q策變量的數(shù)目，從而極大地提升大規(guī)模規(guī)劃問題的求解效率。如圖3所示，原始優(yōu)化空間W的可行域是2N，通過優(yōu)化空間分解為r個(gè)優(yōu)化子空間后，每個(gè)子空間的可行域分別為極大地降低了尋優(yōu)空間的大小，提高了尋優(yōu)效率。

圖3 優(yōu)化空間分解示意圖Fig. 3 Decomposition of optimization space

1.3 有序用電指標(biāo)分配算法

有序用電指標(biāo)分配工作的本質(zhì)在于通過對(duì)用戶峰荷時(shí)段用電進(jìn)行削減以降低系統(tǒng)峰荷，保障電力系統(tǒng)安全運(yùn)行。因此，有序用電指標(biāo)分配的第一原則為降低系統(tǒng)峰荷，確保電力系統(tǒng)安全。在提升電力系統(tǒng)安全性的同時(shí)，有序用電指標(biāo)分配還應(yīng)盡可能降低給全社會(huì)帶來的經(jīng)濟(jì)損失。站在電網(wǎng)企業(yè)角度上，不能為了追求很高的安全性而過度地限電，導(dǎo)致售電收入大幅下降；站在用戶角度上，應(yīng)盡可能降低用戶的節(jié)電損失，減小給用戶生產(chǎn)生活造成的影響。

(1) 目標(biāo)函數(shù)

有序用電指標(biāo)分配靜態(tài)算法的優(yōu)化目標(biāo)是電網(wǎng)售電損失和用戶節(jié)電損失最小化。

式中：iDD 是第i個(gè)用戶的節(jié)電負(fù)荷；N為用戶數(shù)；為由于用戶i節(jié)電所造成的電網(wǎng)售電損失，一般為線性函數(shù)為全網(wǎng)整體售電損失；為第i個(gè)用戶的節(jié)電損失函數(shù)，為非線性函數(shù)是所有用戶節(jié)電損失總和。

(2) 約束條件

a) 功率平衡約束

式中： PD 是有序用電缺口指標(biāo)；iDD 是用戶i的節(jié)電負(fù)荷；N為用戶數(shù)。

b) 用戶節(jié)電負(fù)荷上下限約束

c) 用戶用電連續(xù)性約束

式中：(Di+DDi)為用戶i實(shí)施節(jié)電后的負(fù)荷；Di-和則分別為超前或者滯后一個(gè)時(shí)段的用戶負(fù)荷；分別為用戶i的負(fù)荷增減速率限制。

d) 線路潮流安全約束

式中：ΨL為電網(wǎng)中阻塞線路集； Pl(i-j)、 Pl(j-i)為阻塞線路l的正向潮流和反向潮流； Gl(i-j),k為線路l(i - j)有功潮流對(duì)節(jié)點(diǎn)k有功的靈敏度，即發(fā)電機(jī)輸出功率轉(zhuǎn)移分布因子；而Pl(i-j)和Pl(i-j)分別為線路l的正反向有功功率傳輸極限。

1.4 有序用電智能代理學(xué)習(xí)機(jī)制

有序用電的指標(biāo)分配過程中，決定用戶指標(biāo)分配多少的主要因素為用戶的節(jié)電潛力。用戶的節(jié)電潛力的預(yù)測(cè)一般通過預(yù)測(cè)負(fù)荷曲線減去節(jié)電負(fù)荷曲線得到。這種評(píng)估方法主要依賴于歷史數(shù)據(jù)的準(zhǔn)確性、聚類算法的有效性，生成的節(jié)電負(fù)荷曲線有可能不符合用戶用電的客觀規(guī)律。

用戶代理除具有與其他用戶進(jìn)行協(xié)商交互的能力外，其自身還具有一定的學(xué)習(xí)能力，反映在可根據(jù)用戶實(shí)際節(jié)電曲線，對(duì)事先評(píng)估的節(jié)電負(fù)荷曲線進(jìn)行改進(jìn)，使其更符合真實(shí)的用電曲線。

當(dāng)用戶以接近節(jié)電潛力的缺口指標(biāo)進(jìn)行節(jié)電時(shí)，認(rèn)為此情況下用戶的實(shí)際用電曲線為其真實(shí)的節(jié)電負(fù)荷曲線。這里定義用戶實(shí)際完成的缺口指標(biāo)與節(jié)電潛力的接近程度為保生產(chǎn)節(jié)電深度，計(jì)算方法如式(6)。

節(jié)電深度反映了實(shí)際完成缺口指標(biāo)與節(jié)電潛力的接近程度，通過設(shè)置一定的上下閾值來判斷用戶實(shí)際完成缺口指標(biāo)是否理論節(jié)電潛力。例如，當(dāng) dmin=0.9， dmax=1.1，則用戶的實(shí)際完成缺口指標(biāo)位于節(jié)電潛力的90%~110%區(qū)間內(nèi)，才認(rèn)為實(shí)際用電曲線接近真實(shí)的節(jié)電負(fù)荷曲線，用戶代理將學(xué)習(xí)此次用戶的真實(shí)節(jié)電負(fù)荷曲線T為時(shí)段數(shù)，并綜合有序用電指標(biāo)分配算法中上次采用的節(jié)電負(fù)荷曲線計(jì)算得到新的節(jié)電負(fù)荷曲線，將此曲線提供給下次指標(biāo)分配算法使用。設(shè)用戶的學(xué)習(xí)強(qiáng)度設(shè)為a，新的節(jié)電負(fù)荷曲線計(jì)算公式如式(7)。

2 鼓勵(lì)用戶互濟(jì)的代理協(xié)商機(jī)制

用戶代理分配得到的缺口指標(biāo)由節(jié)點(diǎn)代理分配得到，其分配指標(biāo)的多少受到用戶節(jié)電損失函數(shù)影響。當(dāng)評(píng)估得到的用戶節(jié)電特性與真實(shí)節(jié)電特性存在較大差別時(shí)，則容易出現(xiàn)用戶分配缺口指標(biāo)過大或過小的情況。用戶分配缺口指標(biāo)過大時(shí)，超過了用戶的真實(shí)節(jié)電潛力，將導(dǎo)致用戶無法執(zhí)行有序用電方案的情況發(fā)生；用戶分配缺口指標(biāo)過小，則無法充分利用用戶的真實(shí)節(jié)電潛力。這里提出一種鼓勵(lì)用戶互濟(jì)的用戶代理協(xié)商機(jī)制。用戶代理協(xié)商機(jī)制的關(guān)鍵在于如何促使每個(gè)用戶申報(bào)真實(shí)的節(jié)電潛力以及如何鼓勵(lì)用戶快速響應(yīng)其他用戶的支援請(qǐng)求。

在促使用戶申報(bào)真實(shí)節(jié)電潛力方面，本機(jī)制通過為所有用戶建立支援評(píng)分機(jī)制來實(shí)現(xiàn)。用戶的支援評(píng)分設(shè)為用戶在歷史支援任務(wù)中的總貢獻(xiàn)度，計(jì)算方法取其歷史累計(jì)支援容量減去歷史累計(jì)受援容量。用戶支援評(píng)分越高，當(dāng)其向協(xié)商代理提出支援請(qǐng)求時(shí)，代表用戶對(duì)有序用電指標(biāo)協(xié)商的歷史貢獻(xiàn)越高，其獲取支援的優(yōu)先級(jí)越高；相反，若用戶評(píng)分越低，當(dāng)其需要支援時(shí)，越晚獲得支援。這種機(jī)制將鼓勵(lì)存在“節(jié)電潛力剩余”的用戶代理向協(xié)商代理申報(bào)其真實(shí)準(zhǔn)確的剩余節(jié)電潛力，用以支援“節(jié)電潛力不足”的用戶。

在鼓勵(lì)用戶快速響應(yīng)其他用戶的支援請(qǐng)求方面，協(xié)商機(jī)制將按照申報(bào)速度從快到慢依次安排用戶支援，即申報(bào)越快的用戶，其剩余節(jié)電潛力越優(yōu)先參與支援，而申報(bào)越慢的用戶，其剩余節(jié)電潛力將越后安排參與支援。

如圖4所示，具體協(xié)商機(jī)制步驟分為受援容量申報(bào)、支援容量申報(bào)、用戶容量匹配3個(gè)過程。

圖4 鼓勵(lì)用戶互濟(jì)的代理協(xié)商機(jī)制Fig. 4 Agent coordination mechanism encouraging customers’ mutual support

(1) 受援容量申報(bào)

受援用戶i向協(xié)商代理申報(bào)受援容量 Qi，按照歷史支援評(píng)分高低 Wi對(duì)受援用戶進(jìn)行排序，按照此順序得到新的受援容量矩陣 Q =[Q1Q2LQm]，m為受援用戶數(shù)。由于評(píng)分越高的受援用戶越先得到支援，因此 Q1最先得到支援，其次為 Q2，最后為 Qn。

(2) 支援容量申報(bào)

支援用戶向協(xié)商代理申報(bào)支援容量，按照支援用戶申報(bào)時(shí)間排序，越早申報(bào)的支援用戶越先參與支援，依此序給出支援容量矩陣n為支援用戶數(shù)。

(3) 用戶容量匹配

a) 判斷受援容量矩陣Q或者支援容量矩陣S是否為?，若二者都不為?，則開始容量匹配，進(jìn)入b)，若二者任一為?，則視為完成一輪協(xié)商，重新回到步驟a)，開始用戶容量申報(bào)。

b) 用戶容量匹配的過程中，排序第一的受援用戶 Q1和排序第一的支援用戶 S1將會(huì)進(jìn)行匹配。若受援用戶容量 Q13 S1，進(jìn)入 c)；若受援用戶容量Q1＜S1，進(jìn)入d)。

c) 匹配之后支援用戶容量 S1將被用盡，支援用戶分配的缺口指標(biāo)和支援評(píng)分同時(shí)增加 S1，受援用戶的缺口指標(biāo)和支援評(píng)分減小 S1，后將 S1從S中刪除，回到a)。

d) 匹配之后受援用戶容量 Q1將被完全滿足，受援用戶分配的缺口指標(biāo)和支援評(píng)分減小 Q1，支援用戶的缺口指標(biāo)和支援評(píng)分增加 Q1， S1= S1- Q1，之后將 Q1從Q中刪除，回到a)。

3 算例分析

這里采用IEEE-118節(jié)點(diǎn)系統(tǒng)為測(cè)試算例，該系統(tǒng)共有118個(gè)節(jié)點(diǎn)，54臺(tái)發(fā)電機(jī)，186條線路，99個(gè)負(fù)荷節(jié)點(diǎn)，假設(shè)每個(gè)節(jié)點(diǎn)有100個(gè)有序用電參與用戶。因此該系統(tǒng)由上而下可被分為三層：系統(tǒng)層、節(jié)點(diǎn)層以及用戶層。按照每一層的功能和結(jié)構(gòu)特點(diǎn)，為每一層分別建立智能代理模型，整個(gè)系統(tǒng)可被剖分成為系統(tǒng)代理、節(jié)點(diǎn)代理以及用戶代理。系統(tǒng)代理和節(jié)點(diǎn)代理之間、節(jié)點(diǎn)代理與用戶代理之間，通過鼓勵(lì)互濟(jì)的代理協(xié)商機(jī)制，實(shí)現(xiàn)節(jié)點(diǎn)與節(jié)點(diǎn)、用戶與用戶之間相互支援剩余的節(jié)電容量。同時(shí)用戶代理可根據(jù)用戶實(shí)際節(jié)電曲線，對(duì)事先評(píng)估的節(jié)電負(fù)荷曲線進(jìn)行改進(jìn)，使其更符合真實(shí)的用電曲線。

3.1 代理互濟(jì)仿真結(jié)果

鼓勵(lì)互濟(jì)的代理協(xié)商機(jī)制，既可適用于系統(tǒng)代理與節(jié)點(diǎn)代理之間的協(xié)商，也可適用于節(jié)點(diǎn)代理與用戶代理之間的協(xié)商。這里以節(jié)點(diǎn)代理與用戶代理之間的協(xié)商結(jié)果為例說明該機(jī)制。以系統(tǒng)中某節(jié)點(diǎn)為例，節(jié)點(diǎn)內(nèi)含有100個(gè)用戶，選擇兩種典型場(chǎng)景進(jìn)行分析。第一種場(chǎng)景為支援容量冗余場(chǎng)景，該場(chǎng)景中43個(gè)用戶為支援用戶，總計(jì)支援容量為992.87 kW，17個(gè)用戶為受援用戶，總計(jì)受援容量為459.23 kW，另有40個(gè)用戶未參與協(xié)商。第二種場(chǎng)景為支援容量不足場(chǎng)景，該場(chǎng)景中15個(gè)用戶為支援用戶，總計(jì)支援容量為1 097.33 kW，42個(gè)用戶為受援用戶，總計(jì)受援容量為487.85 kW，另有43個(gè)用戶未參與。如表1所示。

表1 用戶申報(bào)支援容量、申報(bào)時(shí)間以及其實(shí)際支援容量Table 1 Submitted supporting capacity, time and real supporting capacity for customers

(1) 支援容量冗余場(chǎng)景

在支援容量冗余場(chǎng)景中，因?yàn)橹г萘砍^了受援容量，供大于求，所有受援用戶的容量均被滿足，而只有部分支援用戶的容量得以作用。如表 1所示，為支援用戶向協(xié)商代理申報(bào)支援容量、對(duì)應(yīng)申報(bào)時(shí)間以及其實(shí)際支援容量。

用戶ID按照用戶申報(bào)時(shí)間排序，ID越小的用戶代表申報(bào)時(shí)間越早，因此其支援容量優(yōu)先被調(diào)用。如圖 5所示，黑色柱形為用戶1~43的申報(bào)支援容量，灰色柱形為用戶 1~43的實(shí)際支援容量。圖中顯示，最后一位參與支援的用戶為第20位用戶，之后所有用戶的支援容量均沒有中標(biāo)，這是因?yàn)樵搱?chǎng)景下支援容量冗余，申報(bào)時(shí)間早的用戶優(yōu)先中標(biāo)，而申報(bào)時(shí)間晚的用戶無法中標(biāo)。

(2) 支援容量不足場(chǎng)景

在支援容量不足場(chǎng)景中，因?yàn)槭茉萘砍^了支援容量，供不應(yīng)求，所有支援用戶的容量均被利用，而只有部分受援用戶的容量得到滿足。

圖5 用戶申報(bào)支援容量與其實(shí)際支援容量Fig. 5 Submitted supporting capacity and real supporting capacity for customers

圖6 用戶申報(bào)受援容量與其實(shí)際受援容量Fig. 6 Submitted supported capacity and real supported capacity for customers

用戶ID按照用戶支援評(píng)分排序，ID越小的用戶代表支援評(píng)分越高，因此其受援容量優(yōu)先被滿足。如圖6所示，黑色柱形為用戶1~42的申報(bào)受援容量，灰色柱形為用戶 1~42的實(shí)際受援容量。圖中顯示，最后一位被滿足的受援用戶為用戶19，之后所有用戶的受援容量均沒有中標(biāo)，這是因?yàn)樵搱?chǎng)景下支援容量不足，只有支援評(píng)分高的用戶優(yōu)先中標(biāo)，而支援評(píng)分低的用戶無法中標(biāo)。

3.2 用戶代理學(xué)習(xí)機(jī)制仿真結(jié)果

用戶代理學(xué)習(xí)的原理在于，將用戶真實(shí)的節(jié)電負(fù)荷曲線和指標(biāo)分配算法中采用的理論節(jié)電負(fù)荷曲線進(jìn)行加權(quán)綜合，使理論節(jié)電負(fù)荷曲線逐步趨近真實(shí)的節(jié)電負(fù)荷曲線。其中學(xué)習(xí)率a為真實(shí)節(jié)電負(fù)荷曲線的權(quán)重，而1a- 為理論節(jié)電負(fù)荷曲線的權(quán)重。a位于[0,1]之間，其越趨近于1，則學(xué)習(xí)速度越快，其越趨近于 0，學(xué)習(xí)速度越慢。當(dāng) =1a 時(shí)，用戶代理學(xué)習(xí)速度最快，指標(biāo)分配時(shí)采用的用戶理論節(jié)電負(fù)荷曲線為其上一次有序用電時(shí)的真實(shí)節(jié)電負(fù)荷曲線；而當(dāng) =0a 時(shí)，用戶代理將不學(xué)習(xí)，節(jié)電潛力始終按照最初給定的理論節(jié)電負(fù)荷曲線計(jì)算。

這里設(shè)置 =0.5a 、 =0.9a 以及 =0.1a ，模擬峰荷時(shí)段某用戶的節(jié)電負(fù)荷學(xué)習(xí)結(jié)果如圖7所示。該用戶在峰荷時(shí)段的初始理論節(jié)電負(fù)荷為790 kW，而其真實(shí)節(jié)電負(fù)荷為758 kW。

圖7 節(jié)電負(fù)荷學(xué)習(xí)結(jié)果Fig. 7 Response load learning results

可以看到，學(xué)習(xí)強(qiáng)度a越大，理論節(jié)電負(fù)荷越快收斂于真實(shí)節(jié)電負(fù)荷。這里認(rèn)為誤差小于 1 kW即為收斂，因此 =0.5a 時(shí)，學(xué)習(xí)次數(shù)為7時(shí)才收斂；而當(dāng) =0.9a ，收斂次數(shù)為2； =0.1a 時(shí)，學(xué)習(xí)次數(shù)為10時(shí)依然不收斂。

從上述結(jié)果不難得出結(jié)論：當(dāng)用戶的真實(shí)節(jié)電負(fù)荷曲線非常穩(wěn)定時(shí)，推薦采用較大的學(xué)習(xí)強(qiáng)度，如 =0.9a ，使用戶的理論節(jié)電負(fù)荷快速收斂到真實(shí)值上；而當(dāng)用戶的真實(shí)節(jié)電負(fù)荷曲線變化較大時(shí)，推薦采用適中的學(xué)習(xí)強(qiáng)度，如 =0.5a ，防止用戶的理論節(jié)電負(fù)荷曲線不穩(wěn)定。

4 結(jié)論

電網(wǎng)中有序用電參與用戶數(shù)量巨大，用戶個(gè)性不一，使得目前以人工為主的有序用電方案編制方法存在工作量大、效率低、缺乏互動(dòng)、智能化程度不高等缺點(diǎn)?；诜植际饺斯ぶ悄苤械闹悄芏啻砑夹g(shù)，本文提出了一種覆蓋空間上多層電網(wǎng)的有序用電智能多代理系統(tǒng)架構(gòu)，可實(shí)現(xiàn)有序用電缺口指標(biāo)的多層次、自適應(yīng)、交互式分配，具有如下特點(diǎn)：

1) 多代理系統(tǒng)架構(gòu)對(duì)實(shí)際電網(wǎng)進(jìn)行了多層次化抽象，通過“系統(tǒng)—節(jié)點(diǎn)—用戶”三層代理結(jié)構(gòu)，將原本復(fù)雜的有序用電指標(biāo)分配任務(wù)，分解成多個(gè)較簡單的指標(biāo)分配子任務(wù)。

2) 提出在智能代理中內(nèi)嵌節(jié)電曲線的學(xué)習(xí)機(jī)制，使得智能代理可根據(jù)用戶實(shí)際節(jié)電情況對(duì)節(jié)電曲線進(jìn)行迭代改進(jìn)，當(dāng)用戶負(fù)荷特性突變導(dǎo)致原本估計(jì)的節(jié)電曲線變化時(shí)，智能代理也能迅速地適應(yīng)這一情況。

3) 通過鼓勵(lì)用戶互濟(jì)的代理協(xié)商機(jī)制，實(shí)現(xiàn)了有序用電用戶代理之間的協(xié)商二次分配，當(dāng)有序用電指標(biāo)一次分配不準(zhǔn)確時(shí)，用戶間可通過該協(xié)商機(jī)制對(duì)缺口指標(biāo)進(jìn)行二次優(yōu)化調(diào)整。

[1] 國家發(fā)展和改革委員會(huì). 國家發(fā)展改革委關(guān)于有序用電管理辦法的通知[R]. 北京: 國家發(fā)展和改革委員會(huì), 2011.

[2] 蔡德華, 陳柏熹, 程樂峰, 等. 實(shí)施需求側(cè)管理對(duì)提高發(fā)電系統(tǒng)可靠性的影響探究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(10): 51-56. CAI Dehua, CHEN Boxi, CHENG Lefeng, et al. Effective study about the implementation of demand side management on improving reliability of generation system[J]. Power System Protection and Control, 2015, 43(10): 51-56.

[3] 徐正波. 我國電力短缺的供需角度分析[D]. 成都: 西南財(cái)經(jīng)大學(xué), 2012. XU Zhengbo. Research on the power shortage of China— based on the supply and demand of electricity[D]. Chengdu: Southwestern University of Finance and Economics, 2012.

[4] 余立平. 電力用戶有序用電對(duì)電煤需求影響分析[D].北京: 華北電力大學(xué), 2011. YU Liping. Analysis on effects of power consumption orderly of users on fired-coal need[D]. Beijing: North China Electric Power University, 2011.

[5] 吳佳, 張凱俊, 王金躍, 等. 基于精細(xì)化管理的有序用電輔助決策[J]. 浙江電力, 2013(4): 59-63. WU Jia, ZHANG Kaijun, WANG Jinyue, et al. Decision support system for orderly power utilization based on delicacy[J]. Zhejiang Electric Power, 2013(4): 59-63.

[6] 王志偉, 薛亮, 張國慶, 等. 山東省有序用電智能決策系統(tǒng)設(shè)計(jì)及應(yīng)用[J]. 電力需求側(cè)管理, 2011, 13(6): 52-54. WANG Zhiwei, XUE Liang, ZHANG Qingguo, et al. Design and application of smart orderly electric power decision system[J]. Power DSM, 2011, 13(6): 52-54.

[7] 肖建紅. 利用電能信息采集系統(tǒng)實(shí)施有序用電[J]. 電力需求側(cè)管理, 2012, 14(5): 57-58. XIAO Jianhong. Implementation of orderly power consumption by energy information collection system[J]. Power DSM, 2012, 14(5): 57-58.

[8] 李永清. 有序用電決策管理系統(tǒng)[D]. 南京: 東南大學(xué), 2005. LI Yongqing. Decision-making and management system for orderly power utility[D]. Nanjing: Southeast University, 2005.

[9] 李正明, 張紀(jì)華, 陳敏潔. 基于層次分析法的企業(yè)有序用電模糊綜合評(píng)估[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(7): 136-141. LI Zhengming, ZHANG Jihua, CHEN Minjie. Fuzzy comprehensive evaluation of enterprise’s orderly power utility based on analytic hierarchy process[J]. Power System Protection and Control, 2013, 41(7): 136-141.

[10] 張粒子, 蔡學(xué)文, 魯宇, 等. 面向錯(cuò)峰潛力分析的典型用戶篩選[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(11): 146-150. ZHANG Lizi, CAI Xuewen, LU Yu, et al. Peak shifting potential analysis-oriented typical consumers screening[J]. Power System Protection and Control, 2013, 41(11): 146-150.

[11] 李偉超, 牛改芳. 智能代理技術(shù)分析及應(yīng)用[J]. 情報(bào)雜志, 2003, (06): 29-30.

[12] 喻磊. 基于多代理理論的微電網(wǎng)分布式優(yōu)化控制方法研究[D]. 重慶: 重慶大學(xué), 2014. YU Lei. Study on distributed optimization control approach for microgrid based on multi-agent theory[D]. Chongqing: Chongqing University, 2014.

[13] 張曉花, 謝俊, 趙晉泉, 等. 考慮風(fēng)電和電動(dòng)汽車等不確定性負(fù)荷的電力系統(tǒng)節(jié)能減排調(diào)度[J]. 高電壓技術(shù), 2015, 41(7): 2408-2414.ZHANG Xiaohua, XIE Jun, ZHAO Jinliang, et al. Energy-saving emission-reduction dispatching of electrical power system considering uncertainty of load with wind power and plug-in hybrid electric vehicles[J]. High Voltage Engineering, 2015, 41(7): 2408-2414.

[14] 李文云, 蔣亞坤, 雷炳銀, 等. 基于 Multi-Agent系統(tǒng)的含分布式電源電網(wǎng)能源優(yōu)化管理[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(12): 21-27. LI Wenyun, JIANG Yakun, LEI Bingyin, et al. MAS based energy management strategies of microgrid[J]. Power System Protection and Control, 2015, 43(12): 21-27.

[15] 張森林. 電力市場(chǎng)雙邊交易若干問題研究[D]. 廣州:華南理工大學(xué), 2011. ZHANG Senlin. Study on several important problems of bilateral transactions in electricity market[D]. Guangzhou: South China University of Technology, 2011.

[16] 常海軍, 侯玉強(qiáng), 任先成, 等. 電網(wǎng)暫態(tài)相繼失穩(wěn)風(fēng)險(xiǎn)評(píng)估及協(xié)調(diào)阻斷方法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(9): 40-47. CHANG Haijun, HOU Yuqiang, REN Xiancheng, et al. Research on risk assessment and coordinated blocking of transient successive instability in power grid[J]. Power System Protection and Control, 2014, 42(9): 40-47.

[17] 陳振宇, 梁強(qiáng). 基于多代理系統(tǒng)的繼電保護(hù)[J]. 繼電器, 2005, 33(3): 40-42. CHEN Zhenyu, LIANG Qiang. Scheme of protective relaying based on multi agent system[J]. Relay, 2005, 33(3): 40-42.

[18] 邊莉, 邊晨源. 電網(wǎng)故障診斷的智能方法綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(3): 146-153. BIAN Li, BIAN Chenyuan. Review on intelligence fault diagnosis in power networks[J]. Power System Protection and Control, 2014, 42(3): 146-153.

[19] 余文輝, 王少榮, 柳斐, 等. 基于在線自組織同步MAS的電網(wǎng)廣域保護(hù)系統(tǒng)[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(3): 69-76. YU Wenhui, WANG Shaorong, LIU Fei, et al. A widearea protection system based on synchronized MAS self-organizing online for power grid[J]. Power System Protection and Control, 2015, 43(3): 69-76.

[20] 李學(xué)平, 盧志剛, 劉照拯, 等. 含分布式電源的配電網(wǎng)多故障搶修的多代理策略研究[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(8): 48-55. LI Xueping, LU Zhigang, LIU Zhaocheng, et al. Multi-agent strategy of distribution networks multi-faults rush-repair with distributed generators[J]. Transactions of China Electrotechnical Society, 2013, 28(8): 48-55.

[21] 朱濤, 梁鈴, 宋振濤, 等. 基于MAS和Petri-net技術(shù)的新能源電網(wǎng)協(xié)調(diào)控制策略[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(12): 1-7. ZHU Tao, LIANG Ling, SONG Zhentao, et al. MAS based coordination control strategies for micro-grid by using Petri-net[J]. Power System Protection and Control, 2015, 43(12): 1-7.

[22] 章健, 梅彥, 賀興, 等. 新一代智能電網(wǎng)的管理——多微電網(wǎng)的網(wǎng)絡(luò)架構(gòu)、運(yùn)行模式及控制策略研究[J]. 電器與能效管理技術(shù), 2015(18): 45-49. ZHANG Jian, MEI Yan, HE Xing, et al. Study on the management for smart gird: multi-microgrids and their operation mode, Interaction Mechanism and Control Strategy[J]. Electrical & Energy Management Technology, 2015(18): 45-49.

[23] 張旭, 韓民曉, 徐良. 交流微電網(wǎng)穩(wěn)定控制器并聯(lián)效率優(yōu)化設(shè)計(jì)[J]. 電器與能效管理技術(shù), 2016(6): 41-46. ZHANG Xu, HAN Minxiao, XU Liang. Efficiency optimization design of parallel AC microgrid stability controller[J]. Low Voltage Apparatus, 2016(6): 41-46.

(編輯 葛艷娜)

Intelligent multi-agent system for orderly power utilization: architecture and coordination mechanism design

CHEN Xiao1, TONG Xing2, ZHANG Ning2, YI Yongxian1, LUAN Kaining3, ZHOU Yu1
(1. Jiangsu Electric Power Company Research Institute, State Grid Key Laboratory of Electric Power Metrology, Nanjing 210019, China; 2. State Key Lab of Power Systems, Dept of Electrical Engineering, Tsinghua University, Beijing 100084, China; 3. State Grid Jiangsu Electric Power Company, Nanjing 210024, China)

Orderly power utilization is an important measurement of demand side management. When there is power supply shortage or emergency events, orderly power utilization can be applied to decrease electricity demand and ensure the balance of electricity supply and demand. Nowadays orderly power utilization is mainly carried out in a manually manner without optimization and communicating with consumers, which cannot obtain a precise and strategic allocation of load shedding. This paper designs an intelligent multi-agent system architecture and coordination mechanism for the multi-layer distribution of load shedding in orderly power utilization. The electrical grid is decomposed into three layers: system layer, node layer and customer layer. The three layers are modelled using intelligent agent. For each agent, a learning mechanism is embedded to make the agent be able to adaptively response to the environment. Among different agents, an agent coordination mechanism is designed to encourage customers’ mutual support. Through the cooperation of agents, the proposed method can adaptively and interactively distribute the load shedding, obtaining a strategic orderly power utilization in a multi-layer electrical grid.

orderly power utilization; demand side management; multi-agent; coordination mechanism; load shedding distribution

10.7667/PSPC201502

：2016-03-24

陳 霄(1985-)，男，博士，工程師，研究方向?yàn)殡娏τ脩糌?fù)荷分析，電能計(jì)量；E-mail: cx_012003@163.com

童 星(1989-)，男，通信作者，博士研究生，IEEE學(xué)生會(huì)員，研究方向?yàn)樨?fù)荷預(yù)測(cè)、需求側(cè)響應(yīng)、電力用戶行為分析；E-mail: tongx11@mails.tsinghua.edu.cn

張 寧(1985-)，男，博士，講師，IEEE會(huì)員，研究方向?yàn)槎嗄茉聪到y(tǒng)、電力系統(tǒng)規(guī)劃及運(yùn)行優(yōu)化的工作。E-mail: ningzhang@tsinghua.edu.cn

國家電網(wǎng)公司科技項(xiàng)目(智能有序用電輔助決策支持技術(shù)研究)