基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制方法及裝置的制造方法
【技術領域】：
[0001] 本發(fā)明涉及輸配電網(wǎng)領域，尤其涉及一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制 方法及裝置。
【背景技術】：
[0002] 自然災害發(fā)生時配電網(wǎng)易發(fā)生多故障，對于系統(tǒng)運行人員來說，故障后的恢復問 題是包含不同優(yōu)化目標的實時多階段決策問題。目前，現(xiàn)有技術將電力系統(tǒng)恢復過程按照 主要恢復對象分為3個階段，分別是黑啟動階段、網(wǎng)架重構階段、負荷全面恢復階段。而在 配電網(wǎng)的供電恢復的研宄中，只涉及配電網(wǎng)網(wǎng)絡重構和負荷恢復階段。綜合考慮配電網(wǎng)恢 復特點將配電網(wǎng)恢復劃分為三個階段，分別為：骨干通道恢復階段、局部配網(wǎng)恢復階段與區(qū) 域聯(lián)網(wǎng)恢復階段。其中骨干通道恢復階段以恢復配電網(wǎng)重要節(jié)點和重要負荷為首要目標， 然而如果在多故障情況下只單一地按照負荷重要等級先后恢復，則可能導致故障恢復時間 長，得到的未必是最優(yōu)解。因而在骨干通道恢復的同時，也應兼顧局部配網(wǎng)與區(qū)域聯(lián)網(wǎng)的恢 復，三者共同協(xié)調(diào)從而實現(xiàn)全局電網(wǎng)的整體恢復。因此，對于配電網(wǎng)的供電恢復，不僅要求 對各階段有可靠、高效的恢復算法，更需要構建具有擴充性、容錯性和優(yōu)化協(xié)調(diào)能力的供電 恢復體系，從而能夠有效縮短災害下重要用戶的停電時間，提高配電網(wǎng)運行的可靠性。
[0003] 現(xiàn)有技術在應用多智能體（Multi-Agent System，簡稱MAS)理論解決配電網(wǎng)供電 恢復問題時，往往針對不同電氣元件進行智能體的設置，如饋線智能體、母線智能體等來構 建多智能體系統(tǒng)，雖然在處理恢復問題上具有一定的針對性，但是面對大型配電網(wǎng)絡供電 恢復問題時，由于電氣元件本身數(shù)量巨大，在某種程度上導致了"維數(shù)災"，另一方面，由于 沒有采用良好的協(xié)作方式，各個智能體面臨協(xié)調(diào)上的同步問題，致使恢復過程緩慢，不能發(fā) 揮多智能體系并行計算的優(yōu)勢。

【發(fā)明內(nèi)容】
：
[0004] 針對現(xiàn)有技術的缺陷，本發(fā)明提供一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制方 法及裝置，提高了電力系統(tǒng)供電的可靠性，尤其是在自然災害條件下電力系統(tǒng)的供電可靠 性，提高電網(wǎng)投資收益。
[0005] -方面，本發(fā)明提供一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制方法，包括：
[0006] 確定配網(wǎng)應災恢復的目標函數(shù)與約束條件，所述目標函數(shù)包括優(yōu)先恢復重要負 荷、最少開關操作次數(shù)、最多恢復失電負荷，所述約束條件包括線路容量約束和支點電壓約 束；
[0007] 根據(jù)配電網(wǎng)的恢復特點，將配電網(wǎng)恢復階段劃分為骨干通道恢復階段、局部配網(wǎng) 恢復階段和區(qū)域聯(lián)網(wǎng)恢復階段，得到所述配電網(wǎng)恢復的各個階段的優(yōu)解恢復方案；
[0008] 將所述配電網(wǎng)恢復的各個階段分別設置為骨干恢復Agent、局部配網(wǎng)恢復 Aagent、區(qū)域聯(lián)網(wǎng)恢復Agent，建立基于黑板模型的MAS協(xié)作機制；
[0009] 根據(jù)所述基于黑板模型的MAS協(xié)作機制，建立基于MAS的配網(wǎng)恢復控制決策體系， 采用結合蟻群算法與Q學習的方法進行優(yōu)化協(xié)調(diào)所述配電網(wǎng)恢復的各個階段的優(yōu)解恢復 方案，得到恢復結果；
[0010] 根據(jù)所述配網(wǎng)應災恢復的目標函數(shù)與約束條件，采用校驗Agent對所述恢復結果 進行校驗，得到最終恢復結果；
[0011] 將所述最終恢復結果通過全局恢復Agent傳遞至用戶接口 Agent，更新數(shù)據(jù)與實 施全局恢復方案，結束配網(wǎng)應災恢復。
[0012] 可詵他，所沭優(yōu)生恢復重専負荷通過下式計算，
[0013]
[0014]其中，Q為故障直接導致斷電重要負荷的節(jié)點集合，C2為故障間接導致斷電重要 負荷節(jié)點的集合，Q為節(jié)點i的負荷，為節(jié)點j的負荷；
[0015] 所述最少開關操作次數(shù)通過下式計算，
[0016]
[0017] 其中，為故障直接導致非故障失電區(qū)域集合，]?2為故障間接導致非故障失電區(qū) 域集合， Si為開關i恢復前的開關狀態(tài)，sh為開關i恢復后的開關狀態(tài)，\為開關j恢復 前的開關狀態(tài)，為開關j恢復后的開關狀態(tài)，閉合狀態(tài)取值為1，斷開狀態(tài)取值為〇 ;
[0018] 所述最多恢復失電負荷通過下式計算，
[0019]
[0020] 其中，&為節(jié)點i的電荷狀態(tài)，帶電取值為1，失電取值為0 ;
[0021] 所述線路容量通過下式計算，
[0022] 1^々一（1 = 1，2，.11)
[0023] 其中，Si為支路i的視在功率，S 為支路i的容量；
[0024] 所述節(jié)點電壓約束通過下式計算，
[0025] L3:U i Dlin< U # U !.眶，（i = 1，2, ...m)
[0026] 其中，為節(jié)點電壓的下限；U 為節(jié)點電壓的上限。
[0027] 可選地，所述骨干通道恢復階段采用深度優(yōu)先搜索算法，包括：
[0028] A1、采用深度優(yōu)先算法從故障區(qū)域下游區(qū)段開始搜索到所有聯(lián)絡開關為止，確定 停電區(qū)域；
[0029] A2、根據(jù)所述停電區(qū)域的實時負荷，確定失電負荷，將當前電源總容量與帶電區(qū)域 當前總負荷做差，得到與停電區(qū)域相連的帶電區(qū)域電源點的剩余容量；
[0030] A3、若所述失電負荷小于等于所述停電區(qū)域相連的帶電區(qū)域電源點的剩余容量， 執(zhí)行步驟A4,否則進行切負荷；
[0031] A4、搜索各重要節(jié)點所有可操作開關的集合，得到多個骨干通道恢復階段的恢復 方案；
[0032] A5、根據(jù)優(yōu)先原則，從所述多個骨干通道恢復階段的恢復方案選取骨干通道恢復 階段的優(yōu)解恢復方案，所述優(yōu)先原則為首先考慮聯(lián)絡開關與停電區(qū)域直接相連的恢復方 案，其次考慮經(jīng)過的聯(lián)絡開關數(shù)量少的恢復方案；
[0033] 所述局部配網(wǎng)恢復階段和所述區(qū)域聯(lián)網(wǎng)恢復階段均采用基于近似動態(tài)規(guī)劃方法， 包括：
[0034] B1、基于遞歸神經(jīng)網(wǎng)絡辨識配電網(wǎng)模型，給定配電網(wǎng)各參數(shù)的初始值，目標函數(shù)為 配網(wǎng)值函數(shù)；
[0035] B2、從配網(wǎng)值函數(shù)％〇〇 = 0開始采用啟發(fā)式動態(tài)規(guī)劃迭代控制策略和配網(wǎng)值函 數(shù)；
[0036] B3、建立基于BP神經(jīng)網(wǎng)絡的評論模型和控制模型，訓練得到近似的配網(wǎng)值函數(shù) 6 +1和近似的最優(yōu)控制策略& ;
[0037] B4、判斷是否滿足K+1，若是則得到局部配網(wǎng)恢復階段的優(yōu)解恢復方案和 區(qū)域聯(lián)網(wǎng)恢復階段的優(yōu)解恢復方案；
[0038] 所述控制策略通過下式計算，
[0039]
[0040] 所述配網(wǎng)值函數(shù)通過下式計算，
[0041]
[0042] 其中，xk為配電網(wǎng)系統(tǒng)節(jié)點負荷量，yi為配電網(wǎng)供電恢復開關狀態(tài)，開關狀態(tài)改 變?yōu)?，不改變?yōu)?, Q為對角矩陣，R為單位矩陣；
[0043] 所述基于BP神經(jīng)網(wǎng)絡的評論模型為，
[0044]
[0045]其中，艮為未知的評論網(wǎng)權值^的近似，巾。為評論網(wǎng)的激活函數(shù)；
[0046] 所述基于BP神經(jīng)網(wǎng)絡的控制模型為，
[0047]
[0048] 其中，虼為目標權值Wai的近似，巾3為控制網(wǎng)的激活函數(shù)。
[0049] 可選地，所述基于遞歸神經(jīng)網(wǎng)絡辨識配電網(wǎng)模型為：
[0050]
[0051] 其中，yk為配電網(wǎng)供電恢復開關狀態(tài)，開關狀態(tài)改變?yōu)?，不改變?yōu)?, Xk為評論 網(wǎng)的節(jié)點負荷量，Mi和和為評估目標權值，巾JfTXk)和（i>2(V #TXk)為單調(diào)遞增的激活函 數(shù)，V#T為最優(yōu)恢復函數(shù)V #的轉置。
[0052] 可選地，所述建立基于黑板模型的MAS協(xié)作機制，具體為：
[0053] 將骨干恢復Agent、局部配網(wǎng)恢復Agent、區(qū)域聯(lián)網(wǎng)Agent作為黑板模型的知識源， 將全局優(yōu)化Agent作為黑板模型的黑板用于交互控制所述知識源，將校驗Agent作為黑板 模型的控制機制。
[0054] 可選地，所述采用結合蟻群算法與Q學習的方法進行優(yōu)化協(xié)調(diào)所述配電網(wǎng)恢復的 各個階段的優(yōu)解恢復方案，得到恢復結果，包括：
[0055] S1、初始化系統(tǒng)的Q值％ (s，a) = 0和蟻群算法各參數(shù)；
[0056] S2、計算不同恢復路徑概率，根據(jù)所述路徑恢復概率，選擇所述配電網(wǎng)恢復的各個 階段的優(yōu)解恢復方案；
[0057] S3、根據(jù)選擇的優(yōu)解恢復方案，計算配網(wǎng)應災恢復策略
[0058]S4、判斷是否滿足|\+1 _\|<￡，若是則得到恢復結果，否則執(zhí)行步驟S2;
[0059] 所述恢復路徑概率通過下式計算，
[0060]
[0061] 其中，為t時刻智能體k選擇路徑ij的恢復概率，tabu(k)為禁忌表， 為t時刻路徑ij上標記信息量的大小，1為智能體k下一時刻所允許轉移的相鄰節(jié)點，a 為反映標記信息作用的強弱指數(shù)因子，0為反映恢復通道信息作用的強弱指數(shù)因子，rUj 為路徑ij的路徑信息；
[0062] 所述配網(wǎng)應災恢復策略通過下式計算，
[0063]
[0064] 其中，pss，為執(zhí)行動作從狀態(tài)s到狀態(tài)s'的預設轉移概率，Y'為折扣因子，tu 為恢復通道上標記的信息量，通過下式計算，
[0065]

恢復系統(tǒng)經(jīng)過路徑ij
[0066] 其中， ，P為恢復通道上標記信息 其他 丟失因子，m為總共的智能體個數(shù)，fk(x)為恢復通道k的目標函數(shù)值；
[0067] Qt (s，a)為智能體在所處狀態(tài)s時采取行為a時的匯報值，通過下式計算，
[0068] Qt+1(s, a) = (1-a t) Qt (s, a) + a t [rt+y tmax Qt(sr ,a')]
[0069]其中，at為學習因子，Y t為折扣因子，r$t時刻的回饋信息，在s狀態(tài)下，智能 體執(zhí)行動作a = (&1，a2,，，a)后的狀態(tài)為s'，a'為在新狀態(tài)s'下的動作。
[0070] 另一方面，本發(fā)明提供一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制裝置，包括：目 標函數(shù)與約束條件確定單元、配電網(wǎng)恢復階段劃分單元、MAS協(xié)作機制建立單元、恢復結果 獲取單元、校驗單元、輸出單元；
[0071] 所述目標函數(shù)與約束條件確定單元，用于確定配網(wǎng)應災恢復的目標函數(shù)與約束條 件，所述目標函數(shù)包括優(yōu)先恢復重要負荷、最少開關操作次數(shù)、最多恢復失電負荷，所述約 束條件包括線路容量約束和支點電壓約束；
[0072] 所述配電網(wǎng)恢復階段劃分單元，用于根據(jù)配電網(wǎng)的恢復特點，將配電網(wǎng)恢復階段 劃分為骨干通道恢復階段、局部配網(wǎng)恢復階段和區(qū)域聯(lián)網(wǎng)恢復階段，得到所述配電網(wǎng)恢復 的各個階段的優(yōu)解恢復方案；
[0073] 所述MAS協(xié)作機制建立單元，用于將所述配電網(wǎng)恢復的各個階段分別設置為骨干 恢復Agent、局部配網(wǎng)恢復Agent、區(qū)域聯(lián)網(wǎng)恢復Agent，建立基于黑板模型的MAS協(xié)作機 制；
[0074] 所述恢復結果獲取單元，用于根據(jù)所述基于黑板模型的MAS協(xié)作機制，建立基于 MAS的配網(wǎng)恢復控制決策體系，采用結合蟻群算法與Q學習的方法進行優(yōu)化協(xié)調(diào)所述配電 網(wǎng)恢復的各個階段的優(yōu)解恢復方案，得到恢復結果；