基于多Agent系统多目标机组组合问题的研究

2013-11-13迟维双

湖北工业大学学报 2013年2期

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．