孟 明， 馬辰南

(華北電力大學(xué) 電氣與電子工程學(xué)院，河北 保定 071003)

收稿日期：2020-06-07.

0 引 言

能源是人類社會經(jīng)濟(jì)發(fā)展的重要基礎(chǔ)。為了進(jìn)一步提升能源的綜合利用效率、緩解迫在眉睫的能源危機(jī)，各國政府及學(xué)術(shù)機(jī)構(gòu)對能源系統(tǒng)變革方案進(jìn)行了大量的研究與探索。在此背景下，以多能耦合為重點(diǎn)的綜合能源系統(tǒng)應(yīng)運(yùn)而生，為能源系統(tǒng)相關(guān)研究提供了全新視角[1,2]。綜合能源系統(tǒng)依據(jù)地理因素及能源流通特性的區(qū)別，可以分為跨區(qū)級、區(qū)域級和用戶級三類，其中區(qū)域綜合能源系統(tǒng)(Regional Integrated Energy System, RIES)作為綜合能源系統(tǒng)在地理分布與功能實(shí)現(xiàn)上的具體體現(xiàn)，具有廣闊的應(yīng)用前景，已成為當(dāng)前能源系統(tǒng)領(lǐng)域研究的熱點(diǎn)[3,4]。

關(guān)于RIES的相關(guān)研究目前主要圍繞系統(tǒng)建模、優(yōu)化規(guī)劃以及經(jīng)濟(jì)調(diào)度進(jìn)行展開。文獻(xiàn)[5]對RIES的通用建模理論、規(guī)劃方法、優(yōu)化運(yùn)行機(jī)制等關(guān)鍵問題進(jìn)行了系統(tǒng)性的歸納；文獻(xiàn)[6]結(jié)合能量平衡約束及熱網(wǎng)模型，建立了多區(qū)域綜合能源系統(tǒng)協(xié)同規(guī)劃模型；文獻(xiàn)[7]在RIES框架下提出了一種考慮綜合需求側(cè)響應(yīng)的運(yùn)行優(yōu)化模型；文獻(xiàn)[8]建立了考慮區(qū)域間電熱能交互的綜合能源系統(tǒng)優(yōu)化調(diào)度模型，并通過分層分布式優(yōu)化方法實(shí)現(xiàn)了問題的求解，但其建模方法中未能充分考慮到不同單元間的差異性；文獻(xiàn)[9]考慮區(qū)域多能源系統(tǒng)中系統(tǒng)與用戶的多能互補(bǔ)特性，建立了一種雙側(cè)協(xié)同運(yùn)行優(yōu)化模型，但是其集中式的求解模式使得優(yōu)化模型中決策變量數(shù)量眾多，相關(guān)約束復(fù)雜，由此提升了問題的整體求解難度。近年來，多代理系統(tǒng)(Multi-Agent System, MAS)在能源管理領(lǐng)域得到了廣泛的關(guān)注，并有相關(guān)研究驗(yàn)證了其對于能量協(xié)調(diào)問題求解的高效性[10,11]。

基于此，本文提出了一種基于MAS的RIES能量協(xié)調(diào)方法。基于JADE平臺，考慮RIES各環(huán)節(jié)運(yùn)行特性，分別建立了能量協(xié)調(diào)實(shí)體單元Agent及能量協(xié)調(diào)綜合管理Agent模型，通過基于MAS的分布式能量協(xié)調(diào)策略實(shí)現(xiàn)了RIES能量協(xié)調(diào)問題的求解。最后通過分析不同運(yùn)行模式及數(shù)據(jù)規(guī)模下的仿真算例，驗(yàn)證了所述基于MAS的能量協(xié)調(diào)方法的有效性與可行性。

1 區(qū)域綜合能源系統(tǒng)MAS架構(gòu)設(shè)計

1.1 MAS實(shí)施方案

本文采用JADE(Java Agent Develop- ment Framework)軟件平臺對基于MAS的RIES能量協(xié)調(diào)優(yōu)化方案進(jìn)行設(shè)計與開發(fā)。

JADE是一套基于Java語言的MAS開發(fā)框架軟件平臺，使用者在該平臺基礎(chǔ)上進(jìn)行相應(yīng)的擴(kuò)展，即可構(gòu)建出具備不同功能的Agent模型，同時JADE還提供了遵循FIPA(foundation for intelligent physical agents)規(guī)范的Agent底層通訊架構(gòu)，極大地簡化了開發(fā)MAS的各個環(huán)節(jié)[12,13]。

為清晰、系統(tǒng)地描述多Agent之間的交互行為，本文將在廣泛應(yīng)用的合同網(wǎng)協(xié)議[14]基礎(chǔ)上構(gòu)建Agent之間的交互通信結(jié)構(gòu)。所述結(jié)構(gòu)中，Agent交互通信行為主要包括請求獲取數(shù)據(jù)信息、通知數(shù)據(jù)信息、征集待協(xié)調(diào)數(shù)據(jù)信息、發(fā)送待協(xié)調(diào)數(shù)據(jù)信息以及發(fā)送數(shù)據(jù)協(xié)調(diào)決策結(jié)果五類，各類行為將由FIPA規(guī)范下的通信原語進(jìn)行表述,對應(yīng)關(guān)系如表1所示。

表1 Agent交際行為及對應(yīng)通信原語

1.2 MAS結(jié)構(gòu)設(shè)計

構(gòu)建RIES基本結(jié)構(gòu)，包括典型的能源生產(chǎn)、耦合及消費(fèi)單元。所構(gòu)建RIES結(jié)構(gòu)中，電負(fù)荷將由新能源發(fā)電機(jī)組(New Energy Unit, NE)和熱電聯(lián)產(chǎn)機(jī)組(Combined Heat and Power Unit, CHP)供給；熱負(fù)荷將由熱電聯(lián)產(chǎn)機(jī)組供給。此外，RIES與外部能源網(wǎng)絡(luò)(Grid)相連，當(dāng)內(nèi)部設(shè)備難以滿足負(fù)荷(Load)需求時，RIES將通過外部能源網(wǎng)絡(luò)直接購能的方式滿足電熱功率需求。RIES典型結(jié)構(gòu)中的各類實(shí)體單元依據(jù)自身運(yùn)行特性區(qū)別分別由對應(yīng)的Agent進(jìn)行管控，如圖1所示。

圖1 RIES基本結(jié)構(gòu)及Agent分布Fig.1 Structure of RIES and Agent distribution

本文所構(gòu)建的MAS除上述實(shí)體單元Agent外，還包含能量協(xié)調(diào)綜合管理(IEMS)Agent，該Agent將在全局的角度上對RIES中的各類實(shí)體單元Agent行為進(jìn)行協(xié)調(diào)，以實(shí)現(xiàn)完整的基于MAS的能量協(xié)調(diào)策略。對所述MAS結(jié)構(gòu)及Agent間交互行為進(jìn)行描述如圖2所示。

對于MAS運(yùn)行過程中，各Agent具體功能的構(gòu)造，本文將在接下來的章節(jié)中進(jìn)行介紹。

圖2 MAS構(gòu)成及Agent交互Fig.2 MAS composition and Agent interaction

2 能量協(xié)調(diào)實(shí)體單元Agent模型

如圖1所示，MAS中共包含4種類型能量協(xié)調(diào)實(shí)體單元Agent，分別為：NEAgent、LoadAgent、CHPAgent以及GridAgent。對各Agent模型所實(shí)現(xiàn)的功能進(jìn)行描述如下。

2.1 LoadAgent模型

考慮到電鍋爐裝置的電-熱耦合特性[15,16]，將其與系統(tǒng)中的多能用戶共同進(jìn)行建?？梢杂行У伢w現(xiàn)綜合負(fù)荷的需求響應(yīng)。故本文搭建LoadAgent對系統(tǒng)中的電鍋爐裝置及電熱負(fù)荷進(jìn)行統(tǒng)一的控制與管理。

如圖2所示，在MAS運(yùn)行過程中，LoadAgent將與GridAgent及IEMSAgent進(jìn)行數(shù)據(jù)交互與通信，具體行為如下。

(1)向GridAgent請求獲取當(dāng)前時段售能價格信息。

(2)接受由GridAgent提供的當(dāng)前時段售能價格信息。

(3)對當(dāng)前時段電熱等效負(fù)荷進(jìn)行優(yōu)化，并將結(jié)果發(fā)送至IEMSAgent。

電鍋爐裝置使系統(tǒng)電熱負(fù)荷具備了一定的耦合性，這使得系統(tǒng)等效電熱負(fù)荷可能與預(yù)測數(shù)值不同。為了向IEMSAgent提供當(dāng)前時段的等效負(fù)荷信息，LoadAgent將在接收到GridAgent反饋的能源價格信息后，以綜合用能成本最低為目標(biāo)，對電熱等效負(fù)荷進(jìn)行優(yōu)化，相關(guān)優(yōu)化目標(biāo)及約束如式(1)至式(2)所示。

minObj-loada,t=cgrid,e,tPload,equ,t+

cgrid,h,tHload,equ,t

(1)

(2)

2.2 NEAgent模型

搭建NEAgent用以管控RIES中的新能源發(fā)電裝置集群。

如圖2所示，在MAS運(yùn)行過程中，NEAgent將與IEMSAgent進(jìn)行數(shù)據(jù)交互與通信，相關(guān)行為主要如下。

(1)接受由IEMSAgent發(fā)起的能量協(xié)調(diào)參與請求。

(2)向IEMSAgent提供當(dāng)前時段新能源發(fā)電裝置可發(fā)電功率范圍信息。

(3)接受由IEMSAgent提供的當(dāng)前時段NEAgent發(fā)電功率決策結(jié)果。

(4)對集群中各臺機(jī)組的出力情況進(jìn)行優(yōu)化，并反饋至IEMSAgent。

NEAgent在獲取能量協(xié)調(diào)參與請求信息后，將讀取各臺新能源發(fā)電裝置的預(yù)測出力信息及運(yùn)行參數(shù)信息，從而生成當(dāng)前時段的可發(fā)電功率范圍信息。具體生成方式如式(3)所示。

(3)

IEMSAgent經(jīng)協(xié)調(diào)優(yōu)化決策后，將通知NEAgent新能源發(fā)電裝置集群發(fā)電功率的具體數(shù)值Pne,t，NEAgent將進(jìn)一步以新能源設(shè)備運(yùn)行成本最低為目標(biāo)，對當(dāng)前時段各臺新能源發(fā)電裝置的實(shí)際出力情況進(jìn)行優(yōu)化分配。相關(guān)優(yōu)化目標(biāo)函數(shù)及約束條件如式(4)至式(5)所示。

(4)

(5)

式中：cne,i為第i臺新能源發(fā)電裝置功率上網(wǎng)的綜合成本系數(shù)；Pne,t,i為t時段第i臺新能源發(fā)電裝置的發(fā)電功率。

2.3 CHPAgent模型

搭建CHPAgent對RIES中的熱電聯(lián)產(chǎn)機(jī)組進(jìn)行監(jiān)視與管控?？紤]熱電聯(lián)產(chǎn)機(jī)組為系統(tǒng)熱負(fù)荷的主要供給單元，CHPAgent將控制熱電聯(lián)產(chǎn)機(jī)組以以熱定電(Following the Thermal Load, FTL)的模式運(yùn)行，在該模式下，機(jī)組的發(fā)電功率將由其供熱功率所決定。

如圖2所示，在MAS運(yùn)行過程中CHPAgent將與IEMSAgent進(jìn)行數(shù)據(jù)交互與通信，具體行為如下。

(1)接受由IEMSAgent發(fā)起的能量協(xié)調(diào)參與請求。

(2)向IEMSAgent提供當(dāng)前時段熱電聯(lián)產(chǎn)機(jī)組總供熱功率范圍信息。

(3)接受由IEMSAgent提供的當(dāng)前時段CHPAgent供熱功率決策結(jié)果及待補(bǔ)償電功率缺額信息。

(4)對各機(jī)組的電、熱出力進(jìn)行優(yōu)化，并將總發(fā)電功率結(jié)果反饋至IEMSAgent。

對CHPAgent所提供的總供熱功率范圍生成方式進(jìn)行描述如式(6)所示。

(6)

IEMSAgent在完成能量協(xié)調(diào)優(yōu)化決策后，將通知CHPAgent總供熱功率決策后的具體數(shù)值Hchp,t以及待補(bǔ)償電功率缺額信息Pvac,comp,t，CHPAgent將在此基礎(chǔ)上以經(jīng)濟(jì)性最優(yōu)為目標(biāo)對各臺機(jī)組實(shí)際發(fā)電功率及供熱功率進(jìn)行優(yōu)化配置。

CHPAgent在優(yōu)化配置各機(jī)組出力時，其經(jīng)濟(jì)性指標(biāo)由兩部分構(gòu)成，第一部分為設(shè)備運(yùn)行費(fèi)用，該部分可由二次函數(shù)形式[17,18]近似表達(dá)，如式(7)所示。

(7)

第二部分為補(bǔ)償系統(tǒng)電功率缺額所獲取的收益，該部分可由式(8)進(jìn)行表示。

(8)

式中：cprofit為補(bǔ)償系數(shù)。

由此得到CHPAgent決策機(jī)組出力時的優(yōu)化目標(biāo)函數(shù)如式(9)所示。

(9)

相關(guān)約束條件除設(shè)備的基本運(yùn)行約束外，還包括與熱電聯(lián)產(chǎn)機(jī)組耦合特性相關(guān)的部分約束，以國內(nèi)廣泛使用的抽汽式熱電聯(lián)產(chǎn)機(jī)組[20]為例，通過電熱運(yùn)行特性對其電熱出力的耦合關(guān)系進(jìn)行描述如圖3所示。

圖3 抽汽式熱電聯(lián)產(chǎn)機(jī)組電熱運(yùn)行特性Fig.3 Electricity-heat characteristic of extraction unit

結(jié)合圖3電熱運(yùn)行特性，CHPAgent優(yōu)化機(jī)組出力時所需滿足的全部約束如式(10)所示。

(10)

完成機(jī)組功率優(yōu)化分配后，CHPAgent還將生成總發(fā)電功率信息，并反饋至IEMSAgent，以供其進(jìn)一步完成RIES電功率的協(xié)調(diào)。熱電聯(lián)產(chǎn)機(jī)組總發(fā)電功率生成方式如式(11)所示。

(11)

2.4 GridAgent模型

GridAgent代表外部供能網(wǎng)絡(luò)，存放有供能網(wǎng)絡(luò)的相關(guān)售能價格信息。當(dāng)RIES內(nèi)部出現(xiàn)負(fù)荷缺額時，GridAgent通過配電網(wǎng)或熱力網(wǎng)向RIES提供功率支持。為避免倒送功率所帶來的穩(wěn)定性問題，暫不考慮由RIES向外部能源網(wǎng)絡(luò)倒送功率的情況。

如圖2所示，在MAS運(yùn)行過程中GridAgent將與LoadAgent及IEMSAgent進(jìn)行數(shù)據(jù)交互與通信，具體行為如下。

(1)接受LoadAgent能源售價獲取請求。

(2)向LoadAgent發(fā)送當(dāng)前時段能源售價信息。

(3)接受由IEMSAgent提供的當(dāng)前時段GridAgent傳輸功率決策信息。

3 IEMSAgent模型及MAS能量協(xié)調(diào)策略

3.1 IEMSAgent模型

與上述Agent模型不同，IEMSAgent并不具備實(shí)體環(huán)節(jié)，主要負(fù)責(zé)發(fā)起并主導(dǎo)系統(tǒng)能量協(xié)調(diào)任務(wù)，并對各實(shí)體單元Agent的通信信息進(jìn)行協(xié)調(diào)處理。

運(yùn)行過程中，IEMSAgent首先將對當(dāng)前時段RIES熱功率的分配情況進(jìn)行協(xié)調(diào)決策，相關(guān)決策量為CHPAgent及GridAgent所提供的供熱功率。為實(shí)現(xiàn)此目的，IEMSAgent需與LoadAgent及CHPAgent進(jìn)行交互通信，從而獲取系統(tǒng)等效負(fù)荷信息及熱電聯(lián)產(chǎn)機(jī)組總供熱功率范圍信息。

在獲取上述信息后，IEMSAgent可根據(jù)式(12)對CHPAgent提供的供熱功率具體數(shù)值進(jìn)行協(xié)調(diào)決策。

(12)

僅憑CHPAgent提供的熱功率難以滿足系統(tǒng)等效熱負(fù)荷需求時，缺額功率將由GridAgent提供，缺額功率的決策方式如式(13)所示。

Hvac,t=max(0,Hload,equ,t-Hchp,t)

(13)

熱功率協(xié)調(diào)完畢后，IEMSAgent將通知CHPAgent及GridAgent相關(guān)決策結(jié)果。

此外，為了獲取CHPAgent提供的總發(fā)電功率信息，以進(jìn)一步實(shí)現(xiàn)RIES電功率的協(xié)調(diào)分配，IEMSAgent還將生成待補(bǔ)償電功率缺額(系統(tǒng)目前可消納電功率量)信息，并將其發(fā)送至CHPAgent。

RIES內(nèi)部電功率供給單元由熱電聯(lián)產(chǎn)機(jī)組和新能源發(fā)電裝置構(gòu)成，顯然新能源發(fā)電裝置由于其環(huán)保性及經(jīng)濟(jì)性優(yōu)勢應(yīng)優(yōu)先考慮投入，而熱電聯(lián)產(chǎn)機(jī)組應(yīng)在不擠占新能源發(fā)電裝置上網(wǎng)空間的前提下盡可能地提升電功率輸出?；诖?，所述待補(bǔ)償電功率缺額生成方式如式(14)所示。

(14)

IEMSAgent接收到CHPAgent反饋的總發(fā)電功率信息后，將對NEAgent及GridAgent所提供的發(fā)電功率進(jìn)行協(xié)調(diào)決策，其中NEAgent發(fā)電功率決策方式如式(15)所示。

(15)

僅憑CHPAgent及NEAgent提供的電功率難以滿足系統(tǒng)等效電負(fù)荷需求時，缺額電功率將由GridAgent提供，缺額功率決策方式如式(16)所示。

Pvac,t=max(0,Pload,equ,t-Pchp,t-Pne,t)

(16)

3.2 MAS能量協(xié)調(diào)策略

為清晰描述MAS運(yùn)行過程中各類Agent的行為及交互，對本文所構(gòu)建的MAS能量協(xié)調(diào)優(yōu)化策略流程進(jìn)行整理表示如圖4所示，圖中：T為能量協(xié)調(diào)周期，Δt為協(xié)調(diào)時間間隔。

圖4 MAS能量協(xié)調(diào)策略及流程Fig.4 MAS-based energy coordination strategy

由圖4可見，MAS運(yùn)行過程中，在IEMSAgent的協(xié)調(diào)下，各Agent通過自身決策及信息交互共同實(shí)現(xiàn)了RIES能量協(xié)調(diào)問題的求解。此外，根據(jù)前述Agent模型的相關(guān)介紹，LoadAgent、NEAgent及CHPAgent將具備數(shù)據(jù)優(yōu)化功能，考慮到所需解決的優(yōu)化問題為典型的線性規(guī)劃(LoadAgent、NEAgent)及二次規(guī)劃(CHPAgent)問題，本文將通過相關(guān)Agent直接調(diào)用CPLEX求解器實(shí)現(xiàn)對應(yīng)優(yōu)化問題的快速、準(zhǔn)確求解。

3.3 MAS能量協(xié)調(diào)方法復(fù)雜度評價

相同求解算法在不同設(shè)備及測試環(huán)境中可能呈現(xiàn)不同的計算效率，基于此，本文通過時間復(fù)雜度分析[21,22]對所提能量協(xié)調(diào)方法計算效率進(jìn)行定量評價。

時間復(fù)雜度由相關(guān)程序中語句的執(zhí)行次數(shù)決定，根據(jù)前述MAS中各Agent功能及整體能量協(xié)調(diào)策略的敘述，對本文所構(gòu)建的MAS結(jié)構(gòu)中各Agent模型的時間復(fù)雜度進(jìn)行歸納如表2所示，表中：n為能量協(xié)調(diào)次數(shù)，由仿真周期及仿真時間間隔決定；I為新能源發(fā)電裝置臺數(shù)；J為熱電聯(lián)產(chǎn)機(jī)組臺數(shù)。

表2 各Agent時間復(fù)雜度

由表2可見，所提方法總時間復(fù)雜度數(shù)量級為O[(45+5I+5J)n]，其復(fù)雜度受新能源發(fā)電裝置臺數(shù)、熱電聯(lián)產(chǎn)機(jī)組臺數(shù)以及能量協(xié)調(diào)次數(shù)影響，當(dāng)某一數(shù)據(jù)規(guī)模提升時，方法的時間復(fù)雜度將隨之線性提升。對于線性型時間復(fù)雜度而言，其增長趨勢相對穩(wěn)定，因此在面對大規(guī)模求解問題時，所提方法在理論上仍具備較好的計算效率。

4 仿真算例分析

搭建MAS仿真環(huán)境包含風(fēng)電機(jī)組(新能源發(fā)電裝置)2臺、電鍋爐裝置1臺、熱電聯(lián)產(chǎn)機(jī)組2臺，RIES包含電熱負(fù)荷并與外部配電網(wǎng)及熱力網(wǎng)相連接。仿真將以風(fēng)機(jī)及負(fù)荷的預(yù)測數(shù)據(jù)為藍(lán)本進(jìn)行，設(shè)置協(xié)調(diào)周期為24 h，協(xié)調(diào)時間間隔為1 h；電鍋爐裝置的最大耗電功率為30 kW、電熱轉(zhuǎn)換效率為0.85、熱損耗系數(shù)為0.95；風(fēng)電機(jī)組發(fā)電功率及RIES電熱負(fù)荷功率將基于相關(guān)預(yù)測信息生成，如附錄A所示；各類機(jī)組相關(guān)參數(shù)信息如附錄B所示；配電網(wǎng)及熱力網(wǎng)調(diào)度周期內(nèi)各時段售能價格如附錄C所示。

整體仿真將在NetBeans IDE 8.2開發(fā)環(huán)境下進(jìn)行，MAS架構(gòu)將通過JADE軟件平臺所提供的功能支持實(shí)現(xiàn)，各Agent間的通信策略及功能實(shí)現(xiàn)將由JAVA語言編寫。為驗(yàn)證方法的靈活性及有效性，仿真算例將采取四種模式進(jìn)行。

模式一：計及熱電聯(lián)產(chǎn)機(jī)組電熱特性、系統(tǒng)中包含電鍋爐裝置。

模式二：熱電聯(lián)產(chǎn)機(jī)組運(yùn)行于最小凝氣工況、系統(tǒng)中包含電鍋爐裝置。

模式三：計及熱電聯(lián)產(chǎn)機(jī)組電熱特性、系統(tǒng)中不含電鍋爐裝置。

模式四：熱電聯(lián)產(chǎn)機(jī)組運(yùn)行于最小凝氣工況、系統(tǒng)中不含電鍋爐裝置。

4.1 MAS模型搭建及Agent通信過程分析

程序編寫完畢后，在NetBeans IDE 8.2中運(yùn)行JADE操控指令，建立MAS架構(gòu)如圖5所示。

圖5 基于JADE的MAS架構(gòu)實(shí)現(xiàn)Fig.5 JADE-based architecture implementation of MAS

以單一時段負(fù)荷需求改變?yōu)槔?，采用JADE所提供的Agent監(jiān)視(sniffer)功能，對MAS能量協(xié)調(diào)過程中各Agent間的通信情況進(jìn)行記錄，結(jié)果如圖6所示。

圖6 MAS通信過程示例Fig.6 Example of MAS communication process

相關(guān)Agent通信過程驗(yàn)證了各Agent仿真交互行為與圖4所述策略的一致性，通信過程中各原語信息含義與表1敘述相同。

4.2 實(shí)體單元Agent能量協(xié)調(diào)結(jié)果分析

4.2.1 LoadAgent負(fù)荷需求

LoadAgent仿真周期各時段所生成的等效負(fù)荷信息如圖7所示。

圖7 系統(tǒng)等效負(fù)荷需求Fig.7 Equivalent load demand of the system

在仿真所設(shè)置的四種模式中，模式一、二考慮到電鍋爐裝置作用，使得電熱負(fù)荷具備一定的耦合性。而模式三、四未考慮電鍋爐裝置作用，其電熱負(fù)荷將與預(yù)測數(shù)據(jù)一致。當(dāng)系統(tǒng)中包含電鍋爐裝置時，LoadAgent根據(jù)電價與熱價水平優(yōu)化電鍋爐裝置的投用情況。由圖7可以觀察到，在1至8時段、13至15時段及22至24時段，由于系統(tǒng)電價處于谷電價時段，LoadAgent將控制電鍋爐裝置大量投入使用，從而將部分熱負(fù)荷需求以廉價的電負(fù)荷形式進(jìn)行替代；在8至12時段以及15至21時段，系統(tǒng)電價處于峰電價時段，電負(fù)荷替代熱負(fù)荷的運(yùn)行方式將失去經(jīng)濟(jì)性優(yōu)勢，故電鍋爐裝置將不再投入。

4.2.2 NEAgent能量協(xié)調(diào)結(jié)果

經(jīng)能量協(xié)調(diào)優(yōu)化后，NEAgent控制各新能源裝置出力情況如圖8所示。

圖8 新能源發(fā)電裝置發(fā)電功率Fig.8 Generating power of new energy generating unit

在圖8中，可以觀察到模式一、二中風(fēng)機(jī)出力情況相同，模式三、四中風(fēng)機(jī)出力情況也相同。這是由于在系統(tǒng)電功率過剩的時段計及電熱特性運(yùn)行時，CHPAgent為保證風(fēng)機(jī)具備足夠的上網(wǎng)空間，將控制自身發(fā)電功率處于最低水平，這與最小凝氣工況運(yùn)行狀態(tài)并無本質(zhì)差別。對比模式一、二及模式三、四可以發(fā)現(xiàn)，在考慮電鍋爐裝置作用后，系統(tǒng)等效負(fù)荷曲線發(fā)生了改變，在1至5時段及22至24時段，由于等效電負(fù)荷需求的提高，使得風(fēng)機(jī)具備了額外的上網(wǎng)空間，因此其輸出電功率得到了不同程度的提高。對比風(fēng)機(jī)1與風(fēng)機(jī)2的出力情況可以發(fā)現(xiàn)，由于風(fēng)機(jī)2成本系數(shù)更低，所以在滿足機(jī)組運(yùn)行約束的前提下將總是優(yōu)先投入風(fēng)機(jī)2。

4.2.3 CHPAgent能量協(xié)調(diào)結(jié)果

經(jīng)能量協(xié)調(diào)優(yōu)化后，CHPAgent控制各熱電聯(lián)產(chǎn)機(jī)組的電熱出力情況如圖9及圖10所示。

圖9 熱電聯(lián)產(chǎn)機(jī)組供熱功率Fig.9 Heating power of cogeneration unit

圖10 熱電聯(lián)產(chǎn)機(jī)組發(fā)電功率Fig.10 Generating power of cogeneration unit

圖9反映了熱電聯(lián)產(chǎn)機(jī)組供熱功率的分配情況。作為系統(tǒng)內(nèi)部熱功率的唯一供給單元，熱電聯(lián)產(chǎn)機(jī)組將在滿足自身出力約束的前提下盡可能地填補(bǔ)熱負(fù)荷需求，因此各種模式下熱電聯(lián)產(chǎn)機(jī)組的發(fā)熱功率均與等效熱負(fù)荷曲線趨勢相對應(yīng)。對比兩臺機(jī)組的運(yùn)行成本函數(shù)，由于熱電聯(lián)產(chǎn)機(jī)組1更具優(yōu)勢，因此將優(yōu)先考慮投入。

圖10反映了熱電聯(lián)產(chǎn)機(jī)組發(fā)電功率的優(yōu)化情況，可以發(fā)現(xiàn)，計及熱電聯(lián)產(chǎn)機(jī)組電熱特性時，電功率存在缺額的時段下，機(jī)組的發(fā)電功率均得到了明顯提升。而電鍋爐裝置是否投入使用將影響到功率缺額時段的分布，從總體趨勢上來看，電鍋爐裝置投入使用將額外增加仿真周期內(nèi)電功率缺額時段的數(shù)量，從而為熱電聯(lián)產(chǎn)機(jī)組計及熱電特性運(yùn)行模式下提供更多的操作空間。

4.2.4 GridAgent能量協(xié)調(diào)結(jié)果分析

IEMSAgent在完成能量協(xié)調(diào)后，將通知GridAgent系統(tǒng)電熱功率缺額，GridAgent將對配電網(wǎng)及熱力網(wǎng)傳輸功率進(jìn)行控制，以補(bǔ)償缺額，各時段配電網(wǎng)及熱力網(wǎng)傳輸功率協(xié)調(diào)結(jié)果如圖11所示。

圖11 外部能源網(wǎng)絡(luò)傳輸功率Fig.11 Transmission power of external energy networks

觀察圖11可以發(fā)現(xiàn)，在第1至7時段及第22至24時段電鍋爐裝置的投入顯著降低了熱力網(wǎng)的傳輸功率，但也在一定程度上提升了系統(tǒng)的電功率缺額；在第8至21時段，熱電聯(lián)產(chǎn)機(jī)組計及熱電特性運(yùn)行模式下，通過提升發(fā)電功率有效降低了配電網(wǎng)傳輸功率。

4.3 較大規(guī)模系統(tǒng)仿真算例

為了進(jìn)一步驗(yàn)證所提方法在較大規(guī)模系統(tǒng)中的有效性，本文在原有算例基礎(chǔ)上增加主要設(shè)備數(shù)量，并再次進(jìn)行相關(guān)協(xié)調(diào)計算。新算例中，將新能源發(fā)電裝置及熱電聯(lián)產(chǎn)機(jī)組數(shù)量提升為原來的5倍，其相關(guān)運(yùn)行參數(shù)如附錄D所示，其余設(shè)備及負(fù)荷參數(shù)按原算例數(shù)據(jù)等比例進(jìn)行調(diào)節(jié)。

以第3時段能量協(xié)調(diào)結(jié)果為例，仿真運(yùn)行后各新能源發(fā)電裝置及熱電聯(lián)產(chǎn)機(jī)組出力情況如表3所示。

表3 單一時段下主要設(shè)備協(xié)調(diào)結(jié)果

觀察上述計算結(jié)果，可發(fā)現(xiàn)RIES中主要設(shè)備協(xié)調(diào)結(jié)果仍滿足4.2節(jié)的相關(guān)分析，表明了所提方法在較大規(guī)模系統(tǒng)上應(yīng)用的可行性。此外，對其時間復(fù)雜度進(jìn)行分析，可以發(fā)現(xiàn)當(dāng)RIES中主體設(shè)備規(guī)模提升為原算例的5倍時，相應(yīng)的時間復(fù)雜度僅升高1.23倍，這也在理論上驗(yàn)證了本文方法在較大規(guī)模系統(tǒng)上應(yīng)用時計算效率的高效性。

4.4 MAS能量協(xié)調(diào)策略整體評價

為清晰描述MAS能量協(xié)調(diào)優(yōu)化對于系統(tǒng)運(yùn)行經(jīng)濟(jì)性的影響，將原算例四種模式下系統(tǒng)運(yùn)行成本進(jìn)行對比匯總?cè)绫?所示。

表4 不同模式系統(tǒng)運(yùn)行成本

可以發(fā)現(xiàn)，熱電聯(lián)產(chǎn)機(jī)組在計及電熱特性運(yùn)行時，可以顯著降低外網(wǎng)購能成本，但同時也將略微增加機(jī)組運(yùn)行成本；電鍋爐裝置投入后將明顯降低外網(wǎng)購能成本，而對機(jī)組運(yùn)行成本影響較小?？傮w而言，熱電聯(lián)產(chǎn)機(jī)組計及電熱特性運(yùn)行以及電鍋爐裝置的投入均可以有效地降低系統(tǒng)整體運(yùn)行成本。

同時，將本文方法與傳統(tǒng)優(yōu)化方法進(jìn)行對比，可以發(fā)現(xiàn)基于MAS的能量協(xié)調(diào)策略通過IEMSAgent與各實(shí)體單元Agent的交互通信與配合，極大地緩解了優(yōu)化模型的求解難度。此外，各優(yōu)化數(shù)據(jù)分布式的存放在多個Agent之中，每次Agent交互將重新讀取數(shù)據(jù)，若將各實(shí)體單元Agent與實(shí)際檢測設(shè)備進(jìn)行數(shù)據(jù)互聯(lián)，則本文方法同樣可以適用于實(shí)時環(huán)境之中。最后，在仿真中，可以觀測到基于JADE平臺Agent間的單次通信行為平均耗時僅為30 ms，相比于傳統(tǒng)仿真模型更為快速，也更有利于實(shí)現(xiàn)RIES大規(guī)模優(yōu)化問題的求解。

5 結(jié) 論

本文將多代理技術(shù)引入到RIES能量協(xié)調(diào)優(yōu)化研究之中，分析了RIES能量協(xié)調(diào)實(shí)體單元的運(yùn)行特性，建立了相關(guān)的MAS結(jié)構(gòu)模型，并通過一種基于MAS的分布式能量協(xié)調(diào)策略實(shí)現(xiàn)了決策求解。通過仿真算例，驗(yàn)證了本文所提方法具備以下特點(diǎn)：

(1)搭建了基于MAS的RIES能量協(xié)調(diào)優(yōu)化模型，并通過對Agent自身決策功能及MAS交互通信策略的程序編寫實(shí)現(xiàn)了所提模型的求解。

(2)將傳統(tǒng)的能量協(xié)調(diào)優(yōu)化問題分散至多個Agent分布式進(jìn)行，顯著降低了優(yōu)化模型決策變量及約束條件的數(shù)量。

(3)充分利用MAS結(jié)構(gòu)特性，有效地實(shí)現(xiàn)了計及熱電聯(lián)產(chǎn)機(jī)組電熱特性與電鍋爐裝置作用下系統(tǒng)的協(xié)調(diào)與優(yōu)化。