劉 輝， 遲維雙， 王 鑫

(湖北工業(yè)大學(xué)電氣與電子工程學(xué)院， 湖北 武漢 430068)

機(jī)組組合優(yōu)化問(wèn)題一直是電力系統(tǒng)研究的熱點(diǎn)之一，合理的機(jī)組組合可以使電力系統(tǒng)獲得更大的經(jīng)濟(jì)利益．我國(guó)電力結(jié)構(gòu)一直以火電為主，火電裝機(jī)在全國(guó)總裝機(jī)的比重中高達(dá)70%左右，碳硫廢氣排放量居世界第一位，然而隨著全球性節(jié)能減排，節(jié)能發(fā)電調(diào)度辦法的試行，現(xiàn)代的機(jī)組組合在經(jīng)濟(jì)和環(huán)保方面都有更高的要求．機(jī)組組合問(wèn)題是一個(gè)高維的、非凸的、離散的、非線性的優(yōu)化問(wèn)題，國(guó)內(nèi)外學(xué)者也提出各種方法來(lái)解決這個(gè)問(wèn)題，如優(yōu)化順序法(PL)、動(dòng)態(tài)規(guī)劃法(DP)、拉格朗日松弛法(LR)、遺傳算法(GA)、粒子群優(yōu)化算法(PSO)、神經(jīng)網(wǎng)絡(luò)算法等[1-6]．隨著計(jì)算機(jī)技術(shù)和分布式人工智能的發(fā)展，將人工智能與數(shù)學(xué)模型應(yīng)用到機(jī)組組合求解成為可能．以自主的Agent為中心，使多Agent的知識(shí)、愿望、意圖、規(guī)劃、行動(dòng)協(xié)調(diào)，以至達(dá)到協(xié)作是MAS主要目標(biāo)[7]，多Agent的這些特點(diǎn)有利于解決高維的機(jī)組組合問(wèn)題．本文充分利用多Agent系統(tǒng)分散協(xié)調(diào)的特性，構(gòu)建多目標(biāo)機(jī)組組合模型，并利用模糊決策對(duì)模型進(jìn)行優(yōu)化．

1 數(shù)學(xué)模型

1.1 目標(biāo)函數(shù)

本文考慮發(fā)電費(fèi)用和排放廢氣量最小的目標(biāo)函數(shù)

(1)

(2)

1.2 約束條件

1)系統(tǒng)負(fù)荷平衡約束：

(3)

2)旋轉(zhuǎn)備用約束：

(4)

3)機(jī)組出力上下限約束：

(5)

4)機(jī)組最短開(kāi)機(jī)與停機(jī)約束

(6)

5)機(jī)組爬坡速率約束

(7)

6)機(jī)組最大開(kāi)停次數(shù)約束

(8)

2 MAS的機(jī)組組合模型的制定

2.1 MAS的機(jī)組組合模型

MAS是能夠通過(guò)網(wǎng)絡(luò)與其他Agent進(jìn)行通信、交互、協(xié)作、協(xié)同完成求解某一復(fù)雜問(wèn)題的分布式智能系統(tǒng)．Agent通常被認(rèn)為是具有自治性、社會(huì)性、反應(yīng)性和能動(dòng)性的智能實(shí)體．

圖 1 MAS機(jī)組組合模型

圖1中，系統(tǒng)被封裝成三種Agent：中央Agent、協(xié)調(diào)Agent和功能Agent．機(jī)組組合Agent即中央Agent，是整個(gè)系統(tǒng)的調(diào)度中心，根據(jù)需求制定某個(gè)時(shí)間段的計(jì)劃表；協(xié)調(diào)Agent實(shí)際是一個(gè)移動(dòng)Agent，用于詢問(wèn)各種功能Agent，同時(shí)將功能Agent的計(jì)劃發(fā)送給中央Agent；功能Agent包括安全控制Agent、旋轉(zhuǎn)備用Agent、負(fù)荷預(yù)測(cè)Agent、調(diào)峰調(diào)頻Agent、機(jī)組檢修Agent、市場(chǎng)管理Agent及計(jì)算Agent．

2.2 MAS系統(tǒng)工作流程

1)當(dāng)中央Agent接到制定開(kāi)停機(jī)計(jì)劃，將期望開(kāi)機(jī)計(jì)劃與制定開(kāi)機(jī)計(jì)劃任務(wù)一同發(fā)送給協(xié)調(diào)Agent；

2)協(xié)調(diào)Agent得到指令后將任務(wù)分解，分別分配給各功能Agent；

3)各功能Agent接到任務(wù)后，向數(shù)據(jù)管理Agent索要數(shù)據(jù)；

4)數(shù)據(jù)管理Agent接到請(qǐng)求后將數(shù)據(jù)發(fā)送給各功能Agent；

5)各功能Agent接受到數(shù)據(jù)后進(jìn)行計(jì)算，并將計(jì)算結(jié)果發(fā)送給協(xié)調(diào)Agent；

6)協(xié)調(diào)Agent將各功能Agent的計(jì)算結(jié)果進(jìn)行推理得到開(kāi)機(jī)計(jì)劃，并與期望開(kāi)機(jī)計(jì)劃進(jìn)行比較，將比較結(jié)果發(fā)送給中央Agent；

7)中央Agent對(duì)比較結(jié)果做最后審核，進(jìn)行決策，制定開(kāi)機(jī)計(jì)劃．

2.3 Agent間的通信語(yǔ)言

Agent間的協(xié)調(diào)與協(xié)作是多Agent系統(tǒng)的核心問(wèn)題之一，而Agent通信語(yǔ)言是實(shí)現(xiàn)Agent通信與協(xié)作的基礎(chǔ)，MAS機(jī)組組合模型采用XML(eXtensible Markup Language)作為Agent的通信語(yǔ)言，XML能夠?qū)π畔⑦M(jìn)行包含、形式化、標(biāo)識(shí)、組織以及保護(hù)，同時(shí)提供了一套豐富的語(yǔ)法，允許Agent之間以一種與平臺(tái)無(wú)關(guān)的方式進(jìn)行通信．XML相比其他通信語(yǔ)言具有編寫簡(jiǎn)單、可擴(kuò)展性、語(yǔ)法規(guī)范的優(yōu)點(diǎn)，其通信機(jī)制如圖2所示．

圖 2 Agent間通信

2.4 模型求解

本文采用將各功能Agent在決策層融合中的影響權(quán)重引入模糊集合論中的隸屬度函數(shù)中，利用融合隸屬度函數(shù)和多目標(biāo)優(yōu)化模糊決策的概念來(lái)求解機(jī)組組合的不確定關(guān)系．

假設(shè)Fmin為一次能源消耗的最少成本，Δδ為相應(yīng)目標(biāo)可接受的伸縮值，Emin為廢氣排放的最小值，引入目標(biāo)函數(shù)(1)(2)的隸屬度函數(shù)

(9)

(10)

由此給出多目標(biāo)優(yōu)化模糊決策滿意度數(shù)學(xué)表達(dá)式為

λ=min{μ(F)μ(E)}.

(11)

這樣轉(zhuǎn)化成求解單目標(biāo)非線性機(jī)組組合的最大滿意度

maxλ0≤λ≤2.

(12)

求解步驟如下所示:

以目標(biāo)函數(shù)式(1)，約束條件式(3)-(8)進(jìn)行單目標(biāo)求解，確定Fmin.

以目標(biāo)函數(shù)式(2)，約束條件式(3)-(8)進(jìn)行單目標(biāo)求解，確定Emin.

以式(12)為目標(biāo)函數(shù)，約束條件式(3)-(8)進(jìn)行多目標(biāo)求解，確定λ.

3 算例

本文對(duì)龍口南山10臺(tái)發(fā)電機(jī)組進(jìn)行計(jì)算，計(jì)算周期分成24個(gè)時(shí)段，表1是利用本文方法得出的組合結(jié)果，表2為各機(jī)組的基本參數(shù)，表3為各時(shí)段的系統(tǒng)負(fù)荷和備用總量，其中發(fā)電費(fèi)用最小綜合費(fèi)用為96466，排放量最小綜合費(fèi)用為98438，雙目標(biāo)綜合費(fèi)用為90254元，分別降低了6.88%和7.96%．

表1 運(yùn)行結(jié)果

表2 機(jī)組基本特性

表3 系統(tǒng)負(fù)荷及備用總量

4 結(jié)束語(yǔ)

本文考慮經(jīng)濟(jì)與環(huán)保因素，對(duì)發(fā)電機(jī)機(jī)組的組合優(yōu)化進(jìn)行了研究，構(gòu)建了基于MAS的機(jī)組組合模型，并利用模糊決策進(jìn)行求解，通過(guò)仿真驗(yàn)證了模型的可靠性與可行性，將Agent的自主性、自治性以及智能型與模糊理論表達(dá)知識(shí)的能力充分結(jié)合起來(lái)，為日后制定實(shí)際可行的調(diào)度計(jì)劃提供了理論基礎(chǔ)．

[參考文獻(xiàn)]

[1] 黎靜華,蘭 飛.適用于機(jī)組組合問(wèn)題的擴(kuò)展優(yōu)先順序法[J].電力系統(tǒng)保護(hù)與控制,2010,38(2):1-7.

[2] 任 垚，張小青.基于改進(jìn)動(dòng)態(tài)規(guī)劃法的電力系統(tǒng)機(jī)組組合問(wèn)題研究[J].控制理論與應(yīng)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，朱藝穎，白曉民. 基于遺傳算法的機(jī)組組合研究[J].電力系統(tǒng)自動(dòng)化,2003,27(6):36-41.

[5] 陳海良，郭瑞鵬. 基于改進(jìn)離散粒子群算法的電力系統(tǒng)機(jī)組組合問(wèn)題[J].電網(wǎng)技術(shù),2011,35(12):94-99.

[6] 高煒欣，穆向陽(yáng)，湯 楠,等. Hopfield神經(jīng)網(wǎng)絡(luò)在機(jī)組組合問(wèn)題中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用,2009,29(4):1 028-1 031.

[7] 王汝傳，徐小龍，黃海平. 智能Agent及其在信息網(wǎng)絡(luò)中的應(yīng)用[M].北京郵電大學(xué)出版社,2006:46.

[8] 成樂(lè)祥，趙 軒，黃 映. 兼顧經(jīng)濟(jì)和環(huán)保效益的機(jī)組組合[J]. 中國(guó)電力,2011,44(9):80-83.

[9] 黎靜華, 韋 化.節(jié)能發(fā)電調(diào)度計(jì)劃多Agent制定系統(tǒng)[J]. 電網(wǎng)技術(shù),2011,35(5):90-96.

[10] 張曉花，趙晉泉，陳星鶯. 節(jié)能減排多目標(biāo)機(jī)組組合問(wèn)題的模糊建模及優(yōu)化[J]. 中國(guó)電機(jī)工程學(xué)報(bào),2010,30(22):71-76.