郝雨辰，竇曉波，吳在軍，胡敏強(qiáng)，孫純軍，李 桃，趙 波

（1.東南大學(xué) 電氣工程學(xué)院，江蘇 南京 210096；2.江蘇省電力設(shè)計(jì)院，江蘇 南京 211102；3.浙江省電力試驗(yàn)研究院，浙江 杭州 310014）

0 引言

將分布式電源和負(fù)荷以微電網(wǎng)的形式組合起來(lái)，通過合理改變各類電源的工作狀態(tài)，進(jìn)行必要的負(fù)荷控制，能夠減小系統(tǒng)環(huán)境污染，改善客戶用電可靠性，提高能源利用經(jīng)濟(jì)效益，從而實(shí)現(xiàn)微電網(wǎng)的能量?jī)?yōu)化管理，這不僅是微電網(wǎng)系統(tǒng)不同于大電網(wǎng)的特殊性，也是微電網(wǎng)領(lǐng)域研究的重點(diǎn)與難點(diǎn)[1]。

由于微電源的功耗特性不同于傳統(tǒng)電網(wǎng)中的同步發(fā)電機(jī)，因此等微增率原則不再適用于微電網(wǎng)能量?jī)?yōu)化管理[2]。 文獻(xiàn)[3-5]針對(duì)系統(tǒng)的經(jīng)濟(jì)性、環(huán)保性和供電可靠性，建立了并/離網(wǎng)狀態(tài)下微電網(wǎng)能量管理模型，但設(shè)計(jì)的優(yōu)化策略依賴于中心控制器的性能，不能充分體現(xiàn)不同微電源的運(yùn)行特性甚至無(wú)法反映同類微電源的不同控制目標(biāo)。文獻(xiàn)[6-9]采用線性加權(quán)法、模糊優(yōu)化法、小生境進(jìn)化法、2層規(guī)劃法對(duì)微電網(wǎng)能量管理的多目標(biāo)優(yōu)化問題進(jìn)行了闡述。文獻(xiàn)[10-11]從微電網(wǎng)結(jié)構(gòu)特點(diǎn)出發(fā)，提出了層次化的微電網(wǎng)控制與能量管理思想，但實(shí)現(xiàn)手段還是傳統(tǒng)的主從控制策略，缺乏層間的協(xié)作與互動(dòng)。文獻(xiàn)[12-14]將多代理（Agent）系統(tǒng)方法用于微電網(wǎng)能量調(diào)度中，描述了各Agent的任務(wù)并構(gòu)建了多Agent系統(tǒng)平臺(tái)，但缺乏針對(duì)不同優(yōu)化問題尤其是多目標(biāo)優(yōu)化問題，采用不同方法的分層分布式應(yīng)對(duì)機(jī)制的闡述。

本文以提高系統(tǒng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性為優(yōu)化目標(biāo)，設(shè)計(jì)了并網(wǎng)微電網(wǎng)能量管理模型和相應(yīng)的多Agent系統(tǒng)框架，針對(duì)系統(tǒng)單目標(biāo)和多目標(biāo)優(yōu)化問題，基于Agent的自治性與協(xié)作性，提出了分層分布式的優(yōu)化管理策略，通過MATLAB和JADE平臺(tái)構(gòu)建針對(duì)未來(lái)24 h的系統(tǒng)優(yōu)化算例驗(yàn)證所提方法的正確性和有效性。

1 微電網(wǎng)能量?jī)?yōu)化管理模型

1.1 微電網(wǎng)模型

本文建立的微電網(wǎng)系統(tǒng)由光伏PV（PhotoVoltaic）電池、風(fēng)力發(fā)電機(jī)WT（Wind Turbine）、微型燃?xì)廨啓C(jī)MT（Micro Turbine）、2組質(zhì)子交換膜燃料電池PEMFC（Proton Exchange Membrane Fuel Cell）和蓄電池等分布式微電源組成，并通過聯(lián)絡(luò)線與配電網(wǎng)相連接，其系統(tǒng)結(jié)構(gòu)及單元間的分層分布式關(guān)系如圖1所示。

為了體現(xiàn)本文提出的微電網(wǎng)分層分布式能量?jī)?yōu)化管理策略能夠突出不同單元運(yùn)行特性和控制目標(biāo)的優(yōu)點(diǎn)，設(shè)定：系統(tǒng)中MT和A組PEMFC工作在高效率區(qū)間；B組PEMFC輸出功率盡可能小，由于

圖1 微電網(wǎng)模型結(jié)構(gòu)圖Fig.1 Structure of microgrid model

PEMFC具有低溫下迅速啟動(dòng)的優(yōu)點(diǎn)[15]，因此使其只在系統(tǒng)負(fù)荷較大時(shí)作為備用電源啟動(dòng)。

1.2 目標(biāo)函數(shù)

由于可再生能源發(fā)電享受優(yōu)先調(diào)度權(quán)和電量被全額收購(gòu)的優(yōu)惠[4]，因此本文微電網(wǎng)能量管理的對(duì)象是MT、PEMFC、蓄電池等可控單元。分別針對(duì)系統(tǒng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性定義相應(yīng)目標(biāo)函數(shù)。

1.2.1 微電網(wǎng)的經(jīng)濟(jì)性

微電網(wǎng)的經(jīng)濟(jì)性可定義為包含耗能電源的燃料成本、各單元的管理成本以及與配電網(wǎng)間功率交換的購(gòu)電成本或售電收益等費(fèi)用的總和，如式（1）所示。

其中，n 為微電源數(shù)量；Pi，t為微電源輸出功率；cfuel，i和cm，i分別為各微電源燃料成本與管理費(fèi)用；cp，t為t時(shí)刻配電網(wǎng)實(shí)時(shí)電價(jià)；Pex，t為配電網(wǎng)與微電網(wǎng)間交換功率，功率注入微電網(wǎng)為正，反之為負(fù)。由于蓄電池只考慮管理費(fèi)用，因此，Pi，t表示其充放電功率時(shí)，需取絕對(duì)值。

1.2.2 微電網(wǎng)的環(huán)保性

微電網(wǎng)的環(huán)保性可定義為系統(tǒng)內(nèi)微電源輸出功率以及配電網(wǎng)注入功率造成污染氣體的排放，由此帶來(lái)的污染氣體治理費(fèi)用的總和如式（2）所示。

其中，m為本文考慮的污染氣體類型數(shù)量，fi，j、fj和cj分別為第i個(gè)微電源或配電網(wǎng)產(chǎn)生的第j類污染氣體的排放系數(shù)與相應(yīng)治污成本，如表 1所示[4，16]。

表1 污染氣體排放系數(shù)與治污成本Tab.1 Pollution gas emission coefficient and control costs

1.2.3 微電網(wǎng)的可靠性

文獻(xiàn)[17]中以功率供給虧欠率作為微電網(wǎng)供電可靠性指標(biāo)，本文在此基礎(chǔ)上基于實(shí)時(shí)電價(jià)信息，綜合文獻(xiàn)[18]提出的分級(jí)切負(fù)荷思想、文獻(xiàn)[19]提出的高賠償可中斷負(fù)荷的概念，以對(duì)停運(yùn)負(fù)荷的補(bǔ)償費(fèi)用作為衡量系統(tǒng)供電可靠性的標(biāo)準(zhǔn)，如式（3）所示。

其中，μi，t為t時(shí)刻各類型負(fù)荷相對(duì)實(shí)時(shí)電價(jià)賠償系數(shù)；Pls_i，t為切除某類負(fù)荷的大小。

1.3 約束條件

將微電源的不同運(yùn)行特性和操作人員的控制目標(biāo)作為約束條件并入微電網(wǎng)能量?jī)?yōu)化管理模型中。

由于合理的切負(fù)荷操作比全負(fù)荷供電具有更高的經(jīng)濟(jì)效益[20]，因此本文允許進(jìn)行切負(fù)荷操作，但需滿足功率平衡約束式（4）和負(fù)荷削減量約束式（5）。

其中，PLoad，t和 Pls，t分別為 t時(shí)刻負(fù)荷預(yù)測(cè)量和負(fù)荷削減量的大??；εls，t為t時(shí)刻負(fù)荷削減量與負(fù)荷預(yù)測(cè)量的比值，εlsmax為該比值的最大設(shè)定量。

并網(wǎng)狀態(tài)下，微電網(wǎng)與配電網(wǎng)間的交換功率具有雙向最大值約束，如式（6）所示。

由于本文只考慮電負(fù)荷需求，不考慮MT的熱電聯(lián)供效應(yīng)，因此，作為輸出功率可控的MT和PEMFC，其約束條件主要包括輸出功率上、下限約束和單位時(shí)間輸出功率變化率約束，分別如式（7）、（8）所示。

由于B組PEMFC只在負(fù)荷較大時(shí)作為備用電源使用，優(yōu)化計(jì)算中對(duì)其不考慮式（8）所示約束條件。

蓄電池是微電網(wǎng)中價(jià)格較高的單元，因此，合適的約束條件和合理的控制參數(shù)對(duì)于改善蓄電池的使用壽命具有重要作用。

a.充放電深度約束：合理的工作區(qū)間有利于延長(zhǎng)蓄電池使用壽命和提高工作效率[21]，因此，其荷電狀態(tài) SOC（State Of Charge）約束如式（9）所示。

b.充放電功率約束：蓄電池單位時(shí)間充放電功率ΔPBat受其物理性質(zhì)制約，根據(jù)文獻(xiàn)[22]所述，限定其在a中所述SOC工作區(qū)間內(nèi)的充放電功率和蓄電池額定容量CBat的關(guān)系如式（10）所示。

c.充放電轉(zhuǎn)換次數(shù)約束：充放電深度決定了蓄電池循環(huán)總次數(shù)[23]，即使用壽命。通過限制其每天充放電轉(zhuǎn)換次數(shù)TBat以延長(zhǎng)工作時(shí)間，如式（11）所示。

d.狀態(tài)一致性約束：每天00:00與24:00時(shí)蓄電池的荷電狀態(tài)需保持一致，如式（12）所示。

a—d中，下標(biāo)max和min表示變量的上、下限。

綜上所述，本文中微電網(wǎng)能量?jī)?yōu)化管理的目標(biāo)，即為根據(jù)PV、WT和系統(tǒng)電負(fù)荷的預(yù)測(cè)信息，在滿足式（4）—（12）所示約束條件的基礎(chǔ)上，采用提出的分層分布式優(yōu)化策略，制定未來(lái)24 h每時(shí)刻各單元的調(diào)度計(jì)劃，使得式（1）—（3）單獨(dú)定義或組合表示的系統(tǒng)單目標(biāo)或多目標(biāo)優(yōu)化的目標(biāo)函數(shù)取得最小值，即為微電網(wǎng)經(jīng)濟(jì)性、環(huán)保性和可靠性的最優(yōu)解。

2 微電網(wǎng)分層分布式能量?jī)?yōu)化策略

不同于廣泛采用的集中式優(yōu)化策略，本文根據(jù)微電網(wǎng)的結(jié)構(gòu)特點(diǎn)，以式（1）—（3）最小化為優(yōu)化目標(biāo)，采用遺傳算法作為計(jì)算方法，TCP/IP協(xié)議作為通信手段，依靠微電網(wǎng)中心控制器MGCC（MicroGrid Central Controller）、微電源控制器 MC（Microsource Controller）、負(fù)荷控制器 LC（Load Controller）間的相互協(xié)作，分別針對(duì)系統(tǒng)單目標(biāo)與多目標(biāo)優(yōu)化問題，設(shè)計(jì)相應(yīng)的微電網(wǎng)分層分布式能量?jī)?yōu)化策略。

2.1 單目標(biāo)優(yōu)化策略

針對(duì)微電網(wǎng)系統(tǒng)能量管理的單目標(biāo)優(yōu)化問題，設(shè)計(jì)了2種分層分布式的優(yōu)化策略，如圖2所示。

由圖2可知，本文提出的分層分布式能量?jī)?yōu)化管理策略包含以下4個(gè)階段。

圖2 分層分布式優(yōu)化策略Fig.2 Hierarchical and distributed optimization method

階段1：微電源分布式計(jì)算。各MC將控制單元可調(diào)功率范圍信息上傳給MGCC，2種方法區(qū)別在于方法1中各單元可調(diào)功率范圍僅與其額定功率有關(guān)，而方法2中還考慮到了用戶對(duì)于所控單元未來(lái)24 h運(yùn)行目標(biāo)的控制指令，因此方法2上傳信息是方法1上傳信息的子區(qū)間。除此之外針對(duì)不同優(yōu)化目標(biāo)，方法2還將各單元發(fā)電成本、污染氣體排放系數(shù)等預(yù)測(cè)信息一并上傳，由MGCC根據(jù)反饋結(jié)果，并參照LC發(fā)布的預(yù)測(cè)信息細(xì)化式（6）、（7）的約束條件。

階段2：MGCC優(yōu)化。MGCC根據(jù)各微電源輸出功率可調(diào)范圍信息，在切負(fù)荷操作允許范圍之內(nèi)，考慮式（4）—（7）、（10）所示約束條件（圖 2 中以①表示），采用遺傳算法得到優(yōu)化計(jì)算可行解，并將此解傳遞給各MC。

階段3：分布式并行調(diào)節(jié)。MC基于自身運(yùn)行特性和用戶指令要求，定義式（8）、（9）、（11）、（12）所示約束條件（圖2中以②表示），完成對(duì)可行解的修改工作，并將修改后的可行解和MC所能接受的調(diào)節(jié)范圍一并上傳給MGCC。

階段4：生成最終解的全局協(xié)調(diào)。MGCC以MC反饋結(jié)果為基礎(chǔ)，將配電網(wǎng)視為平衡機(jī)組，在不超過Pexmax的條件下生成最終解。如出現(xiàn)交換功率越限的情況，則根據(jù)MC發(fā)電成本或污染排放等信息，采用MC反饋信息中包含的可接受的調(diào)節(jié)范圍進(jìn)行微調(diào)。

綜上所述，MGCC采用遺傳算法進(jìn)行優(yōu)化計(jì)算過程中，只考慮了部分約束條件，因此相對(duì)于傳統(tǒng)集中優(yōu)化而言，具有較快的運(yùn)算速度，之后MC的調(diào)節(jié)過程屬于并行計(jì)算，具有很高的計(jì)算效率。

以方法2為例，針對(duì)不同的優(yōu)化目標(biāo)，介紹相應(yīng)的分層分布式優(yōu)化方法。

2.1.1 微電網(wǎng)經(jīng)濟(jì)性優(yōu)化

在分布式計(jì)算階段，MC根據(jù)用戶控制要求，計(jì)算各單元運(yùn)行區(qū)間以及相應(yīng)的最高與最低運(yùn)行成本，并與MGCC發(fā)送的實(shí)時(shí)電價(jià)信息進(jìn)行比較，將比較結(jié)果與工作區(qū)間反饋給MGCC，MGCC基于此反饋信息和負(fù)荷預(yù)測(cè)值，根據(jù)圖3所示流程圖和表2所列管理方案，細(xì)化各電源的可調(diào)功率范圍信息。圖3中 cFCmax、cFCmin和 cMTmax、cMTmin分別為 PEMFC 和 MT 的最高運(yùn)行成本與最低運(yùn)行成本。從本文第3節(jié)的介紹中可知，上述 4 個(gè)變量具有 cMTmax＞cMTmin＞cFCmax＞cFCmin的數(shù)學(xué)關(guān)系。

對(duì)于蓄電池充放電管理除了表2中明確表示的方案A中充電、方案E中放電，其他情況下蓄電池可充可放。B組PEMFC啟動(dòng)原則在2.1.2節(jié)中介紹。

在分布式調(diào)節(jié)階段，MC參照優(yōu)化計(jì)算可行解中各時(shí)刻輸出功率間的變化關(guān)系，根據(jù)約束條件的限定要求修改此可行解，修改后的解不僅完全體現(xiàn)各單元的運(yùn)行特性和用戶的控制要求，而且與可行解具有一致的變化規(guī)律，在某些時(shí)刻甚至完全一致。

圖3 MGCC經(jīng)濟(jì)性優(yōu)化流程圖Fig.3 Flowchart of economical optimization for MGCC

表2 MGCC經(jīng)濟(jì)性優(yōu)化管理方案Tab.2 Scheme of economical optimization management for MGCC

2.1.2 微電網(wǎng)環(huán)保性優(yōu)化

在分布式計(jì)算過程中，MC將各單元與配電網(wǎng)間污染氣體排放的比較信息，以及用戶設(shè)定的工作區(qū)間上傳給MGCC，從表1可知PEMFC環(huán)保效益最高，其次是MT，因此MGCC按圖4所示流程圖以及表3所列應(yīng)對(duì)方案細(xì)化各單元可調(diào)功率范圍信息。圖4中PFCAmax和PFCAmin分別為A組PEMFC功率調(diào)節(jié)范圍的上、下限。

圖4 MGCC環(huán)保性優(yōu)化流程圖Fig.4 Flowchart of environmental optimization for MGCC

表3 MGCC環(huán)保性優(yōu)化管理方案Tab.3 Scheme of environmental optimization management for MGCC

不同于微電網(wǎng)經(jīng)濟(jì)性優(yōu)化，環(huán)保性優(yōu)化過程中各電源污染氣體排放情況不隨時(shí)間變化，并且蓄電池能量也是通過充電過程獲得，所以蓄電池只有在交換功率為負(fù)時(shí)充電、為正時(shí)放電才能起到改善系統(tǒng)環(huán)保性的作用。為了減小蓄電池的充放電次數(shù)延長(zhǎng)其使用壽命，在環(huán)保性優(yōu)化中，蓄電池只在方案F中充電，方案J中放電，其余時(shí)刻不充不放。

當(dāng)MT、A組PEMFC和交換功率最大值總和小于t時(shí)刻負(fù)荷值時(shí)，即為B組PEMFC啟動(dòng)條件定義的系統(tǒng)負(fù)荷較大時(shí)，如圖4所示。B組PEMFC啟動(dòng)原則適用于本文所有單目標(biāo)、多目標(biāo)優(yōu)化計(jì)算。

MC的分布式調(diào)節(jié)只與微電源運(yùn)行特性和用戶預(yù)期控制目標(biāo)有關(guān)，與系統(tǒng)級(jí)優(yōu)化目標(biāo)無(wú)關(guān)，因此微電網(wǎng)環(huán)保性優(yōu)化的分布式調(diào)節(jié)與經(jīng)濟(jì)性優(yōu)化一致。

2.1.3 微電網(wǎng)可靠性優(yōu)化

不同于經(jīng)濟(jì)性和環(huán)保性優(yōu)化，微電網(wǎng)可靠性優(yōu)化的分布式計(jì)算階段，MC僅需將各單元的可調(diào)功率范圍直接上傳給MGCC，而MGCC也無(wú)需進(jìn)行任何處理，直接以此范圍作為遺傳算法變量的定義域。

可靠性優(yōu)化的分布式調(diào)節(jié)階段與上述2種優(yōu)化的分布式調(diào)節(jié)過程完全一致。

2.2 多目標(biāo)優(yōu)化策略

采用傳統(tǒng)單目標(biāo)加權(quán)法處理多目標(biāo)優(yōu)化問題時(shí)，權(quán)重系數(shù)對(duì)求解結(jié)果影響很大，無(wú)法得到全局最優(yōu)的Pareto解集[24]。針對(duì)系統(tǒng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性構(gòu)成的多目標(biāo)優(yōu)化問題，本文基于多目標(biāo)優(yōu)化計(jì)算得到的Pareto解集，采用下述2種分層分布式的優(yōu)化策略獲取微電網(wǎng)最優(yōu)能量管理方案。

a.MGCC以系統(tǒng)經(jīng)濟(jì)性、環(huán)保性作為多目標(biāo)優(yōu)化，采用遺傳算法求取Pareto解集，再利用供電可靠性作為評(píng)價(jià)指標(biāo)，以Pareto解集中可靠性最高解（對(duì)應(yīng)式（3）取最小值）作為多目標(biāo)優(yōu)化的最優(yōu)值。

b.MGCC以微電網(wǎng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性作為多目標(biāo)優(yōu)化，采用遺傳算法求取Pareto解集，將此解集傳遞給各MC，MC以所控單元的運(yùn)行特性和控制目標(biāo)定義的約束條件作為評(píng)價(jià)指標(biāo)，完成對(duì)Pareto解集的評(píng)定工作并反饋給MGCC，MGCC綜合各MC的反饋信息最終生成多目標(biāo)優(yōu)化的最優(yōu)值。

上述2種多目標(biāo)優(yōu)化的程序流程與圖2中單目標(biāo)優(yōu)化方法2的流程一致。將單目標(biāo)優(yōu)化分布式計(jì)算所得變量定義域的并集作為遺傳算法多目標(biāo)優(yōu)化中變量的定義域。對(duì)于2種多目標(biāo)優(yōu)化方法得到的最優(yōu)值，采用與單目標(biāo)優(yōu)化相同的分布式調(diào)節(jié)方法。

2.3 遺傳算法

MGCC采用遺傳算法進(jìn)行微電網(wǎng)能量管理優(yōu)化計(jì)算，根據(jù)各單元輸出功率調(diào)節(jié)范圍，以及式（5）表示的允許負(fù)荷缺電率大小，隨機(jī)生成包含100個(gè)個(gè)體的初始種群，經(jīng)過500代選擇、交叉、變異的迭代計(jì)算得到單目標(biāo)或多目標(biāo)的優(yōu)化解。其中選擇操作采用個(gè)體數(shù)為4的錦標(biāo)賽選擇法，交叉操作與變異操作分別采用式（13）和式（14）所述數(shù)學(xué)方法。

其中，xc、xm分別為交叉與變異操作子個(gè)體；xparent1、xparent2為交叉操作父?jìng)€(gè)體；p為交叉率；xi，j為種群中第i個(gè)個(gè)體的第j個(gè)基因；xmax、xmin分別為相應(yīng)基因的最大、最小值；d為當(dāng)前迭代次數(shù)；T為最大迭代次數(shù)；r1、r2均為隨機(jī)變量。由此可見，本文采用的遺傳算法是與迭代代數(shù)相關(guān)的自適應(yīng)算法。

初始種群生成與迭代進(jìn)化過程中，確保種群中每個(gè)個(gè)體均滿足各單元輸出功率范圍的要求，以及允許切負(fù)荷大小的約束，這種進(jìn)化思想既使得優(yōu)化解可行，也減輕之后MC分布式并行調(diào)節(jié)的負(fù)擔(dān)。

3 多Agent系統(tǒng)結(jié)構(gòu)

將多Agent系統(tǒng)方法用于微電網(wǎng)分層分布式能量?jī)?yōu)化管理中，賦予系統(tǒng)中每個(gè)單元Agent的角色，定義各Agent的任務(wù)。利用代理的自治性，在優(yōu)化解的生成過程中，體現(xiàn)了各單元的運(yùn)行特性和控制目標(biāo)；利用Agent的協(xié)作性，將傳統(tǒng)集中優(yōu)化轉(zhuǎn)為效率更高的分布式并行計(jì)算，弱化了對(duì)MGCC性能的要求。

基于圖1中微電網(wǎng)結(jié)構(gòu)，建立滿足圖2分層分布式優(yōu)化策略要求的多Agent系統(tǒng)框架，如圖5所示。

圖5 多代理系統(tǒng)框架Fig.5 Framework of multi Agent system

從圖5中可見，健全的通信網(wǎng)絡(luò)和完善的Agent通信語(yǔ)言和協(xié)議是實(shí)現(xiàn)本文提出的優(yōu)化策略的基礎(chǔ)，采用滿足FIPA國(guó)際標(biāo)準(zhǔn)的Agent通信語(yǔ)言ACL和Contract Net等協(xié)議進(jìn)行交互，并利用TCP/IP協(xié)議確保不同層次、不同單元間協(xié)作信息的可靠傳輸。

基于表4所列微電網(wǎng)系統(tǒng)的參數(shù)信息，設(shè)計(jì)各Agent的工作任務(wù)。

表4 微電網(wǎng)系統(tǒng)主要單元參數(shù)信息Tab.4 Parameters of key units in microgrid

a.MGCC Agent：負(fù)責(zé)與系統(tǒng)中各單元Agent通信，了解各單元的基本信息，采用遺傳算法進(jìn)行優(yōu)化計(jì)算，并根據(jù)各微電源Agent的反饋信息進(jìn)行全局協(xié)調(diào)，由此形成最終的發(fā)電和切負(fù)荷計(jì)劃。

b.PV Agent和WT Agent：根據(jù)氣象預(yù)測(cè)信息，將其輸出功率預(yù)測(cè)值上傳給MGCC Agent。

c.蓄電池Agent：分布式計(jì)算階段，將蓄電池基本信息和式（10）所示約束條件上傳給MGCC Agent；分布式調(diào)節(jié)階段，按照式（9）、（11）、（12）所示約束條件修改MGCC優(yōu)化計(jì)算的可行解，并將修改后的值反饋給MGCC Agent；對(duì)于多目標(biāo)優(yōu)化，蓄電池Agent綜合考慮充放電轉(zhuǎn)換次數(shù)與充放電功率2個(gè)因素，按照式（15）所示評(píng)價(jià)函數(shù)完成對(duì)Pareto解集中解的評(píng)價(jià)工作。

其中，a0—a4取值 1.072、0.082、0.063、2.387× 10-3、8.505×10-4，相應(yīng)的評(píng)價(jià)函數(shù)曲線如圖6所示。

圖6 蓄電池綜合評(píng)價(jià)函數(shù)曲線Fig.6 Curve of battery comprehensive evaluation function

d.MT Agent：分布式計(jì)算階段，用戶根據(jù)圖 7（a）所示MT效率曲線設(shè)定其工作區(qū)間，本文設(shè)定MT工作效率不低于28.5%，對(duì)應(yīng)輸出功率范圍為26～30 kW。MT Agent將此調(diào)節(jié)范圍與MT運(yùn)行成本或污染氣體排放情況上傳給MGCC Agent。

MT運(yùn)行成本與其效率有關(guān)，因此式（1）中的MT 燃料費(fèi)用[25]采用式（16）進(jìn)行運(yùn)算。

圖7 微型燃?xì)廨啓C(jī)和燃料電池效率曲線Fig.7 Efficiency curves of micro-turbine and fuel cell

其中，cfuel和VLH分別為天然氣單價(jià)和低熱值，分別取 2.05 元 /m3和 9.7 kW·h /m3；ηMT為 MT 運(yùn)行效率。

在分布式調(diào)節(jié)階段，MT Agent根據(jù)輸出功率變化率約束式（8）修改MGCC優(yōu)化計(jì)算可行解。

對(duì)于多目標(biāo)優(yōu)化，MT Agent綜合運(yùn)行效率與輸出功率變化率2個(gè)因素，按照與圖6類似的評(píng)價(jià)函數(shù)曲線完成對(duì)Pareto解集的評(píng)價(jià)工作。

e.A 組 PEMFC Agent：根據(jù)圖 7（b）所示效率曲線設(shè)定其工作效率不低于61%，對(duì)應(yīng)輸出功率為7.4～11.2 kW。A組PEMFC Agent的其他任務(wù)，如燃料費(fèi)用計(jì)算與多目標(biāo)評(píng)價(jià)函數(shù)，與MT Agent基本一致。

f.B組PEMFC Agent：利用Agent自治性突出各單元不同特性和控制目標(biāo)，彰顯多Agent系統(tǒng)優(yōu)點(diǎn)。區(qū)別于A組PEMFC任務(wù)，B組PEMFC Agent使其盡可能少發(fā)電或不工作，僅在負(fù)荷較大時(shí)參與調(diào)節(jié)。對(duì)于多目標(biāo)優(yōu)化，B組PEMFC Agent按照輸出功率盡可能小的原則完成對(duì)Pareto解集的評(píng)價(jià)工作。

g.負(fù)荷Agent：分層分布式優(yōu)化計(jì)算開始前，將不同類型負(fù)荷的預(yù)測(cè)信息和賠償系數(shù)上傳給MGCC Agent；優(yōu)化計(jì)算之后，按時(shí)執(zhí)行最終的切負(fù)荷計(jì)劃。

4 仿真與分析

采用MATLAB作為系統(tǒng)能量?jī)?yōu)化計(jì)算工具，在實(shí)驗(yàn)室百兆以太網(wǎng)環(huán)境下，利用JADE平臺(tái)在多臺(tái)計(jì)算機(jī)上構(gòu)建分層分布式的多Agent系統(tǒng)框架。根據(jù)圖8所示的PV、WT和負(fù)荷預(yù)測(cè)信息，分別針對(duì)不同優(yōu)化目標(biāo)實(shí)現(xiàn)相應(yīng)的分層分布式能量?jī)?yōu)化管理。

圖8 微電網(wǎng)系統(tǒng)功率預(yù)測(cè)信息Fig.8 Predicted power information of microgrid

4.1 微電網(wǎng)單目標(biāo)優(yōu)化

基于微電網(wǎng)能量?jī)?yōu)化管理模型，針對(duì)系統(tǒng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性的優(yōu)化目標(biāo)，采用分層分布式的優(yōu)化策略和遺傳算法進(jìn)行迭代計(jì)算，并與傳統(tǒng)集中式的優(yōu)化結(jié)果進(jìn)行比較，如表5所示。

表5 微電網(wǎng)單目標(biāo)優(yōu)化結(jié)果Tab.5 Results of microgrid single-objective optimization

由表5可見，本文設(shè)計(jì)的微電網(wǎng)分層分布式能量?jī)?yōu)化管理策略，由于迭代計(jì)算環(huán)節(jié)并不考慮所有的約束條件，而將部分約束條件在各單元Agent的分布式調(diào)節(jié)中通過并行計(jì)算予以實(shí)現(xiàn)，因此，相對(duì)于傳統(tǒng)集中優(yōu)化而言，具有更高的運(yùn)算效率和相近的計(jì)算結(jié)果。

從表5中不難發(fā)現(xiàn)，單目標(biāo)優(yōu)化方法1相對(duì)于方法2在生成初始種群環(huán)節(jié)具有更快的速度，但在迭代計(jì)算過程中耗時(shí)更長(zhǎng)，這是因?yàn)榉椒?初始種群中各電源的額定輸出功率即為各變量的定義域，而方法2中經(jīng)過各Agent的分布式計(jì)算，各變量的定義域已是考慮了微電源運(yùn)行特性和用戶控制要求的功率區(qū)間，因此方法1變量的取值范圍更廣，更易生成滿足式（5）約束的初始種群。而在迭代計(jì)算過程中，隨著迭代次數(shù)的增加，式（14）中 f（d）取值增大，并且變異操作需與該變量的最大、最小值進(jìn)行減法操作，方法1由于變量取值范圍更廣，因此變異操作易造成個(gè)體中某變量突變，從而不滿足式（5）所示的負(fù)荷的范圍要求，所以方法1在迭代計(jì)算環(huán)節(jié)耗時(shí)更長(zhǎng)。

上述研究是針對(duì)包含4個(gè)可控微電源的并網(wǎng)系統(tǒng)，為了進(jìn)一步說明本文提出的分層分布式能量?jī)?yōu)化策略相對(duì)于傳統(tǒng)集中式優(yōu)化的優(yōu)越性，在運(yùn)算參數(shù)完全相同的條件下，針對(duì)包含40個(gè)可控微電源的并網(wǎng)系統(tǒng)的經(jīng)濟(jì)性進(jìn)行優(yōu)化計(jì)算，從表6所列結(jié)果中可見所設(shè)計(jì)的分層分布式策略具有更加顯著的運(yùn)算速度優(yōu)勢(shì)，并且優(yōu)化結(jié)果也優(yōu)于傳統(tǒng)集中式優(yōu)化。

表6 多微電源的微電網(wǎng)經(jīng)濟(jì)性優(yōu)化Tab.6 Economical optimization of microgrid with multiple micro-sources

4.2 微電網(wǎng)多目標(biāo)優(yōu)化

分別采用本文提出的2種分層分布式多目標(biāo)優(yōu)化方法處理微電網(wǎng)能量管理問題，所得Pareto解集和相應(yīng)的處理結(jié)果分別如表7、8所示。

表7 方法1所得微電網(wǎng)優(yōu)化Pareto解集Tab.7 Pareto solution obtained by microgrid optimization method 1

表8 各單元對(duì)方法2所得微電網(wǎng)優(yōu)化Pareto解集的評(píng)價(jià)值Tab.8 Evaluation of each unit on Pareto solution obtained by microgrid optimization method 2

方法1中MGCC Agent針對(duì)微電網(wǎng)經(jīng)濟(jì)性和環(huán)保性的多目標(biāo)優(yōu)化計(jì)算后，采用供電可靠性作為評(píng)判依據(jù)選定Pareto解集中的解1作為優(yōu)化可行解，對(duì)此解經(jīng)過各微電源Agent的分布式并行調(diào)節(jié)過程之后，得到最終的電源出力與切負(fù)荷計(jì)劃，此時(shí)系統(tǒng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性指標(biāo)分別為818.138、249.803、8.643。由于需滿足各單元的運(yùn)行特性和控制目標(biāo)，因此分布式并行調(diào)節(jié)后系統(tǒng)各項(xiàng)指標(biāo)不同于調(diào)節(jié)前的可行解。

方法2中MGCC Agent針對(duì)微電網(wǎng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性的多目標(biāo)優(yōu)化計(jì)算后，將Pareto解集傳遞給各單元Agent進(jìn)行評(píng)價(jià)，之后MGCC Agent綜合各Agent的評(píng)分，選取表8中得分最高的解3作為優(yōu)化計(jì)算的可行解，在經(jīng)過各Agent的分布式并行調(diào)節(jié)過程后，最終得到各單元的發(fā)電和切負(fù)荷計(jì)劃如圖9所示。

本文提出的微電網(wǎng)分層分布式能量?jī)?yōu)化管理策略，無(wú)論針對(duì)系統(tǒng)單目標(biāo)優(yōu)化還是多目標(biāo)優(yōu)化問題，都能得到與圖9類似的波形曲線，從中可見分布式并行調(diào)節(jié)只是各單元Agent對(duì)MGCC Agent優(yōu)化計(jì)算可行解的微調(diào)，兩者具有類似的變化規(guī)律，某些時(shí)刻甚至完全一致，其優(yōu)勢(shì)在于既遵從了MGCC全局優(yōu)化計(jì)算的優(yōu)化結(jié)果，又能更全面地體現(xiàn)各單元的運(yùn)行特性和控制目標(biāo)，并具有更高的計(jì)算效率。

圖9 微電網(wǎng)能量管理優(yōu)化結(jié)果Fig.9 Results of microgrid energy management optimization

雖然本文是以預(yù)測(cè)信息為基礎(chǔ)制定未來(lái)24 h每時(shí)刻各單元的調(diào)度計(jì)劃，但提出的優(yōu)化策略也適用于基于短期或超短期預(yù)測(cè)的微電網(wǎng)能量?jī)?yōu)化，通過在不同時(shí)間尺度下取舍分布式交互環(huán)節(jié)的次數(shù)以提高優(yōu)化速度，例如針對(duì)超短期優(yōu)化可直接忽略圖2中MC分布式調(diào)節(jié)環(huán)節(jié)中與各單元使用壽命相關(guān)的約束條件，而僅保證MGCC優(yōu)化迭代計(jì)算環(huán)節(jié)與微電源性能相關(guān)的約束條件的實(shí)現(xiàn)。

5 結(jié)論

本文以提高微電網(wǎng)系統(tǒng)經(jīng)濟(jì)性、環(huán)保性和供電可靠性為目標(biāo)，建立了微電網(wǎng)能量?jī)?yōu)化管理模型及相應(yīng)的多Agent系統(tǒng)框架，采用遺傳算法和TCP/IP協(xié)議作為技術(shù)支持，在百兆以太網(wǎng)的實(shí)驗(yàn)環(huán)境下，以MATLAB和JADE作為仿真平臺(tái)建立針對(duì)未來(lái)24 h的系統(tǒng)優(yōu)化算例，分別針對(duì)系統(tǒng)單目標(biāo)和多目標(biāo)優(yōu)化問題設(shè)計(jì)了多種分層分布式能量?jī)?yōu)化管理策略。仿真計(jì)算結(jié)果表明，相對(duì)于傳統(tǒng)的集中式優(yōu)化，本文提出的分層分布式優(yōu)化策略不僅具有更高的計(jì)算效率，并且能更全面地反映不同單元的運(yùn)行特性和控制目標(biāo)，特別是在多微電源的微電網(wǎng)能量?jī)?yōu)化管理中具有更加顯著的優(yōu)勢(shì)。同時(shí)，這種在不同階段考慮不同約束條件的優(yōu)化思路，不僅有效地減輕了對(duì)MGCC的性能依賴，而且為今后諸如不同時(shí)間尺度的微電網(wǎng)能量管理體系的建立也提供了相應(yīng)的技術(shù)支持，因此，本文提出的分層分布式管理策略完全適用于微電網(wǎng)的能量?jī)?yōu)化管理。