基于多Agent系统多目标机组组合问题的研究

刘 辉， 迟维双， 王 鑫

(湖北工业大学电气与电子工程学院， 湖北 武汉 430068)

机组组合优化问题一直是电力系统研究的热点之一，合理的机组组合可以使电力系统获得更大的经济利益．我国电力结构一直以火电为主，火电装机在全国总装机的比重中高达70%左右，碳硫废气排放量居世界第一位，然而随着全球性节能减排，节能发电调度办法的试行，现代的机组组合在经济和环保方面都有更高的要求．机组组合问题是一个高维的、非凸的、离散的、非线性的优化问题，国内外学者也提出各种方法来解决这个问题，如优化顺序法(PL)、动态规划法(DP)、拉格朗日松弛法(LR)、遗传算法(GA)、粒子群优化算法(PSO)、神经网络算法等[1-6]．随着计算机技术和分布式人工智能的发展，将人工智能与数学模型应用到机组组合求解成为可能．以自主的Agent为中心，使多Agent的知识、愿望、意图、规划、行动协调，以至达到协作是MAS主要目标[7]，多Agent的这些特点有利于解决高维的机组组合问题．本文充分利用多Agent系统分散协调的特性，构建多目标机组组合模型，并利用模糊决策对模型进行优化．

1 数学模型

1.1 目标函数

本文考虑发电费用和排放废气量最小的目标函数

(1)

(2)

1.2 约束条件

1)系统负荷平衡约束：

(3)

2)旋转备用约束：

(4)

3)机组出力上下限约束：

(5)

4)机组最短开机与停机约束

(6)

5)机组爬坡速率约束

(7)

6)机组最大开停次数约束

(8)

2 MAS的机组组合模型的制定

2.1 MAS的机组组合模型

MAS是能够通过网络与其他Agent进行通信、交互、协作、协同完成求解某一复杂问题的分布式智能系统．Agent通常被认为是具有自治性、社会性、反应性和能动性的智能实体．

图 1 MAS机组组合模型

图1中，系统被封装成三种Agent：中央Agent、协调Agent和功能Agent．机组组合Agent即中央Agent，是整个系统的调度中心，根据需求制定某个时间段的计划表；协调Agent实际是一个移动Agent，用于询问各种功能Agent，同时将功能Agent的计划发送给中央Agent；功能Agent包括安全控制Agent、旋转备用Agent、负荷预测Agent、调峰调频Agent、机组检修Agent、市场管理Agent及计算Agent．

2.2 MAS系统工作流程

1)当中央Agent接到制定开停机计划，将期望开机计划与制定开机计划任务一同发送给协调Agent；

2)协调Agent得到指令后将任务分解，分别分配给各功能Agent；

3)各功能Agent接到任务后，向数据管理Agent索要数据；

4)数据管理Agent接到请求后将数据发送给各功能Agent；

5)各功能Agent接受到数据后进行计算，并将计算结果发送给协调Agent；

6)协调Agent将各功能Agent的计算结果进行推理得到开机计划，并与期望开机计划进行比较，将比较结果发送给中央Agent；

7)中央Agent对比较结果做最后审核，进行决策，制定开机计划．

2.3 Agent间的通信语言

Agent间的协调与协作是多Agent系统的核心问题之一，而Agent通信语言是实现Agent通信与协作的基础，MAS机组组合模型采用XML(eXtensible Markup Language)作为Agent的通信语言，XML能够对信息进行包含、形式化、标识、组织以及保护，同时提供了一套丰富的语法，允许Agent之间以一种与平台无关的方式进行通信．XML相比其他通信语言具有编写简单、可扩展性、语法规范的优点，其通信机制如图2所示．

图 2 Agent间通信

2.4 模型求解

本文采用将各功能Agent在决策层融合中的影响权重引入模糊集合论中的隶属度函数中，利用融合隶属度函数和多目标优化模糊决策的概念来求解机组组合的不确定关系．

假设Fmin为一次能源消耗的最少成本，Δδ为相应目标可接受的伸缩值，Emin为废气排放的最小值，引入目标函数(1)(2)的隶属度函数

(9)

(10)

由此给出多目标优化模糊决策满意度数学表达式为

λ=min{μ(F)μ(E)}.

(11)

这样转化成求解单目标非线性机组组合的最大满意度

maxλ0≤λ≤2.

(12)

求解步骤如下所示:

以目标函数式(1)，约束条件式(3)-(8)进行单目标求解，确定Fmin.

以目标函数式(2)，约束条件式(3)-(8)进行单目标求解，确定Emin.

以式(12)为目标函数，约束条件式(3)-(8)进行多目标求解，确定λ.

3 算例

本文对龙口南山10台发电机组进行计算，计算周期分成24个时段，表1是利用本文方法得出的组合结果，表2为各机组的基本参数，表3为各时段的系统负荷和备用总量，其中发电费用最小综合费用为96466，排放量最小综合费用为98438，双目标综合费用为90254元，分别降低了6.88%和7.96%．

表1 运行结果

表2 机组基本特性

表3 系统负荷及备用总量

4 结束语

本文考虑经济与环保因素，对发电机机组的组合优化进行了研究，构建了基于MAS的机组组合模型，并利用模糊决策进行求解，通过仿真验证了模型的可靠性与可行性，将Agent的自主性、自治性以及智能型与模糊理论表达知识的能力充分结合起来，为日后制定实际可行的调度计划提供了理论基础．

[参考文献]

[1] 黎静华,兰 飞.适用于机组组合问题的扩展优先顺序法[J].电力系统保护与控制,2010,38(2):1-7.

[2] 任 垚，张小青.基于改进动态规划法的电力系统机组组合问题研究[J].控制理论与应用,2010,29(5):6-8.

[3] Ongsakul Weerakorn, Petcharaks Nit. Unit commitment by enhanced adaptive Lagrangian relaxation[J].IEEE Trans on Power Systems,2004,19(1):620-628.

[4] 汪 峰，朱艺颖，白晓民. 基于遗传算法的机组组合研究[J].电力系统自动化,2003,27(6):36-41.

[5] 陈海良，郭瑞鹏. 基于改进离散粒子群算法的电力系统机组组合问题[J].电网技术,2011,35(12):94-99.

[6] 高炜欣，穆向阳，汤 楠,等. Hopfield神经网络在机组组合问题中的应用[J]. 计算机应用,2009,29(4):1 028-1 031.

[7] 王汝传，徐小龙，黄海平. 智能Agent及其在信息网络中的应用[M].北京邮电大学出版社,2006:46.

[8] 成乐祥，赵 轩，黄 映. 兼顾经济和环保效益的机组组合[J]. 中国电力,2011,44(9):80-83.

[9] 黎静华, 韦 化.节能发电调度计划多Agent制定系统[J]. 电网技术,2011,35(5):90-96.

[10] 张晓花，赵晋泉，陈星莺. 节能减排多目标机组组合问题的模糊建模及优化[J]. 中国电机工程学报,2010,30(22):71-76.