一种基于分布式智能计算的主动配电网自治化仿真方法

摘要

本发明涉及人工智能与电力系统仿真交叉技术，具体涉及一种基于分布式智能计算的主动配电网自治化仿真方法。该方法包括下述步骤：（1）根据分布式电源的特征建立基于多代理系统MAS的自治仿真对象ASOM模型对象集；（2）在步骤（1）的基础上，建立基于分布式代理架构的自治仿真对象模型中央协调器AJC来集成管理每个实际仿真区域；（3）结合ASOM模型对任务中央协调器AJC进行多级设置；并建立各级中央协调器AJC与ASOM模型的交互机制。该方法能够支持分布式地模拟主动配电网中不同类型的仿真对象，仿真任务分布到具有智能性的多个仿真对象自治化地执行，并能够通过中央协调器AJC任务协调管理实现多种分布式电源的联合优化策略。

说明书

技术领域

本发明涉及人工智能与电力系统仿真交叉技术，具体涉及一种基于分布式智能计算的主 动配电网自治化仿真方法。

背景技术

主动式配电网（Active Distribution Networks，ADN）是一类典型的多能源联合运行系统。 其中综合了以光伏PV（solar-photovoltaic）、风电WT（Wind Turbine）以及储能电池为主的大 量分布式电源设备。互补替代方式可使多种能源共存系统内部的综合能源利用效率得到提升， 同时也加强了不同能源网络间的耦合关系，但复杂的网络连接关系和控制逻辑使得内部协调 越发困难，数据状态难以监视，逻辑通讯难以控制和协调管理难以实施。

分布式人工智能(Distributed Artificial Intelligence，DAI)和人工生命(Artificial Life，AL) 科学的发展需要而产生的MAS（Multi-Agent System，多智能体系统，多代理系统）是多个 Agent组成的集合。Agent是运行于动态环境，具有智能的、感知环境的、能根据自身资源、 状态、行为能力、知识规则以及获取的外部环境信息，通过规划、推理和决策实现问题求解， 并做出反应，自主的完成特定任务并达到预定目标的具有高度自治能力的实体。MAS就是由 这样的多个Agent成员间相互协调，相互服务，共同完成一个任务的系统。它的目标是将大 而复杂的系统建设成多个小的、具有智能的、彼此互相通信和协调的，易于管理的系统。

通过对主动式配电网的仿真，优化多种能源联合，制定相关的优化控制策略，评估分析 网中多种能源形势间的运行安全性、可靠性和系统稳定性，是主动式配电网实用化建设的重 点实现目标之一。但目前由于缺少这方面的技术研发和实用化研究，导致了对主动式配网中 分布式电源接入和网络运行优化分析工作的滞后。因此，急需研发一种主动式配电网仿真实 用化应用技术来解决上述问题、实现上述目标。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于分布式智能计算的主动配电网自治 化仿真方法，该方法能够支持分布式地模拟主动配电网中不同类型的仿真对象，仿真任务分 布到具有智能性的多个仿真对象自治化地执行，并能够通过中央协调器AJC任务协调管理实 现多种分布式电源的联合优化策略。

本发明的目的是采用下述技术方案实现的：

本发明提供一种基于分布式智能计算的主动配电网自治化仿真方法，其改进之处在于， 所述方法包括下述步骤：

（1）根据分布式电源的特征建立基于多代理系统MAS的自治仿真对象ASOM模型对象 集；

（2）建立基于分布式代理架构的自治仿真对象模型中央协调器AJC来集成管理每个实 际仿真区域；

（3）结合ASOM模型对任务中央协调器AJC进行多级设置；并建立各级中央协调器AJC 与ASOM模型的交互机制。

进一步地，所述步骤（1）中，自治仿真对象模型ASOM包括计算单元、通信端口和服 务端口，所述通信端口和服务端口分别与计算单元进行数据交互；所述通信端口和服务端口 的数目均为2个；

所述计算单元包括参数序列导入单元、事件序列导入单元、总控制逻辑单元、运行控制 参数单元、知识逻辑单元、上下文单元和对象属性；所述参数序列导入单元和事件序列导入 单元分别与总控制逻辑单元传递数据；所述总控制逻辑单元分别与运行控制参数单元和知识 逻辑单元传递数据。

进一步地，所述2个通信端口分别用于数据输入和输出；所述2个服务端口分别用于下 级命令的请求和上级命令的派发；

所述总控制逻辑单元和运行控制参数单元为中央代理用于上下级管理的核心；所述中央 代理指的是中央协调器AJC；

所述参数序列导入单元和事件序列导入单元分别用于在时间序列仿真中缓存上下级传递 的参数和事件；

所述上下文单元和对象属性分别指定本单元所代理的上下级关系以及对象属性；

所述知识逻辑单元是事件响应的基础，用于解释自治仿真对象ASOM模型和中央协调器 AJC的自身行为规则；

其中上下文单元包括上下文源单元和上下文目标单元。

进一步地，所述步骤（2）中，通过基于多代理系统MAS的自治仿真对象模型分布式自 治运行，通过基于分布式代理架构的自治仿真对象模型工作协调器来进行任务的同步和统一 协调；

基于多代理系统MAS的自治仿真对象ASOM模型和中央协调器AJC的统一协调包括： A、分布式电源DER单元调节，简称DER单元调节；B、分布式储能DES与电动汽车EV模 型调节；C、常规电源模型调节；D、主动配电网负荷模型调节；E、智能配电子站模型调节。

进一步地，所述A的DER单元调节将出力值曲线作为输入数据；根据DER单元的有序 接入和主动配电网网络波动最小的全局协调目标，保证DER单元的接入；在不考虑分布式 电源随机波动时，各DER单元定时直接报送当前自身出力值，当考虑分布式发电随机波动时， 按照正态分布将出力值进行随机处理，然后将该随机出力值当作实际出力；

DER单元的运行约束是DER的最大可接受接入比DER_MAX，当分布式电源单元变动时， 中央协调器AJC作为中央代理，由中央代理进行决策：

Step a.：当仿真过程中新加入一个DER或者现有DER状态更新，则触发一个中央代理 的DER协调事件，中央代理调用DER协调函数；

Step b.：中央代理首先判断变动后最大可接受接入比DER_MAX是否越限，若否，则允 许接入并结束；若是，进入Step c；

Step c：若最大可接受接入比DER_MAX越限，则继续判断是否是新加电源，若是，则 将其请求否决并结束；若否，则进入DER评级子过程，包括：

-Substep c.1：调用Ranking()函数对所有DER单元排序，生成所有DER的排序表DER Schedule；

-Substep c.2：指针K指向DER Schedule的首位；

-Substep c.3：中央代理指定指针K指向的DER单元退出，然后再判断DER_MAX是否 仍然越限，若是，则后移指针K地址并重复本步骤，若否，过程结束。

进一步地，所述B的分布式储能DES与电动汽车EV模型用于辅助分布式电源与负荷间 的平衡优化；当电力系统进行分布式电源-负荷平衡时，电源和负荷用于补充电力系统功率协 调的差额。

进一步地，所述C的常规电源模型调节包括：主动配电网中的常规电源单元包括两类： 外网或主网等值以及网内的小电源节点，用于跟踪监控外网等值的参数变化以及调节小电源 节点的出力；运行约束条件由电力系统总负荷决定；在运行时每个负荷单元主动向中央代理 定时报送自身负荷值，中央代理需考虑与当前系统中总负荷量平衡，当系统负荷量降低时， 中央代理发起电源协调任务，首先保证DER单元的接入；当负荷量增高时，中央代理优先接 入DER单元，然后调节常规电源单元，若仍不平衡，则发起负荷调节。

进一步地，所述D的主动配电网负荷模型调节包括：

主动配电网负荷模型包括商业用电负荷、工业用电负荷、居民用电负荷以及主动配电网 中处于冲电态的分布式储能DES和电动汽车EV；

主动配电网负荷模型包含两个输入参数：负荷曲线和购电价格目标；购电价格目标用于 进行负荷购电成本优化；在不考虑负荷临时性随机波动时，主动配电网负荷模型按照负荷曲 线进行自身状态调节，当感受到外部电源输送不足时，向中央协调器AJC发起负荷调节请求， 基于分布式代理架构的自治仿真对象模型工作协调器收到请求后，发起负荷模型调节过程， 包括下述步骤：

<1>在负荷模型协调时，出于对分布式电源DER的优先接入以及购电成本优化，优先接 入分布式电源DER，若存在备用DER则马上进行DER调节过程，若满足运行约束，DER正 常启动且系统源荷平衡，则协调算法结束；

<2>若步骤<1>无效，则进入C所述的常规电源模型调节过程，反复迭代直到电力系统平 衡，协调过程结束；若仍无效，则进入步骤<3>进行负荷调整；

<3>在所有电源调节无效的情况下，调用中央协调器AJC的负荷评级子过程，包括下述 步骤：

①所有负荷评级排序，评级遵循“电动汽车充电态→分布式储能→三类负荷→二类负荷 →一类负荷顺序；（三类负荷是:1.一类负荷一类负荷是极为重要的负荷,对该类负荷如果发生 供电中断,将会导致人身伤亡,设备损坏,社会秩序混乱,以致造成重大的经济损失。2.二类负荷 二类负荷中断供电,将会导致生产停工,产品报废,交通堵塞,以致造成较大的经济损失。3.三类 负荷凡是不属于一类负荷、二类负荷者,皆隶属于三类负荷。）

②生成一个临时地址指针J指向负荷排序表的第一位；

③中央协调器AJC首先通知指针J指向的负荷模型调节执行关闭操作，并等待接受负荷 模型调节返回关闭成功的消息，然后循环判断系统负荷总量sysload_quantum是否平衡，若否， 则后移指针J地址并重复本步骤，若是，则协调过程结束。

进一步地，所述E的智能配电子站模型调节包括：

配电子站单元，即SUBST单元根据其所指向的配电站单元类型的不同而定，配电站单元 类型包括传输型、电源型或负荷型；当需要智能配电站详细模型时，SUBST单元作为管理配 电站的中央代理，统一管理SUBST单元内部的智能终端、保护、隔离开关、母线、馈线各类 设备单元；

SUBST作为上下级网络间的中间节点，用于任务分布式派发与子网间电能传输和协调的 功能。

进一步地，基于多代理系统MAS的自治仿真对象模型的动作依据下述两方面：

1）不停获取参数变化，根据自身规则自主动作并对中央协调器AJC进行通报；

2）当需要统一协调时，中央协调器AJC通过组织任务派发来强制基于多代理系统MAS 的自治仿真对象模型进行动作；

中央协调器AJC与统一知识引擎相连来获取约束条件和策略规则，在约束条件下生成适 用的协调策略；统一知识引擎是一个基于知识规则的数据库管理引擎。

进一步地，所述步骤（3）包括：

1>结合ASOM模型对任务中央协调器AJC进行多级设置：在步骤（2）的基础上，将主 动配电网根据电压等级和地域分布划分成多级和多地运行的多个子网；

2>建立各级中央协调器AJC与ASOM模型的交互机制：结合步骤（1）和步骤（2），建 立多级主动配电网的拓扑和管理模型，通过对各底层子网进行协调的上级网络来实现跨区域 的能量平衡。

进一步地，主动配电网自治化仿真包括能量协调管理任务，能量协调管理包括下述步骤：

a、当某工业负荷ASOM模型监测到区域内工业用电负荷增加时，则向该区域中央协调 器AJC发送功率请求信息；

b、当本级中央协调器AJC接收到工业负荷控制ASOM模型的请求信息后，对该区域进 行仿真计算，如果得到解决方案，则向其管辖的电源、电动汽车储能和负荷ASOM模型下发 调节指令，如果负荷仍过大，则继续向上级请求；

c、当上级中央协调器AJC接收到下级的请求信息后，对该区域的仿真模型进行计算， 向其所管辖的其他下级区域AJC下发调节指令，如果功率还未达到平衡，则继续向上级请求。

与现有技术比，本发明的有益效果是：

1、本发明提供的基于分布式智能计算的主动配电网自治化仿真分析方法，能够支持分布 式地模拟主动配电网中不同类型的仿真对象，仿真任务分布到具有智能性的多个仿真对象自 治化地执行，并能够通过中央协调器AJC任务协调管理实现多种分布式电源的联合优化策略。

2、本发明提供的基于分布式智能计算的主动配电网自治化仿真分析方法，可以将含大量 分布式电源的主动配电网仿真任务，分解成多区域多层次的分区分层、且具有自主性的计算 模块，进行分布式计算，实现主动配电网的仿真。

附图说明

图1是本发明提供的基于分布式智能计算的主动配电网自治化仿真分析方法中的ASOM 通用结构图；

图2是本发明提供的一种基于分布式智能计算的主动配电网整体仿真架构图；

图3是本发明提供的分布式电源的AJC仿真协调控制流程图；

图4是本发明提供的关于负荷的AJC仿真协调控制流程图；

图5是本发明提供的AJC在仿真过程中的统一协调控制流程图；

图6是本发明提供的基于分布式智能计算的主动配电网功率调节流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

为了对含分布式电源的主动配电网进行仿真分析，本发明提供一种结合了分布式智能系 统的建模仿真分析方法，其流程图如图6所示，包括下述步骤：

（1）根据分布式电源的特征建立基于MAS的自治仿真对象模型（Autonomous Simulation  Object Model，ASOM）对象集。其中包含风电WT、光伏PV、常规电源GEN、储能DES、 配电站SUBST和负荷Load等多个原生类型的ASOM，其中WT和PV具有相似特性和类似 的结构，或可合并为一类。

ASOM通用结构如图1所示，自治仿真对象ASOM模型包括计算单元、通信端口和服务 端口，所述通信端口和服务端口分别与计算单元进行数据交互；所述通信端口和服务端口的 数目均为2个；所述计算单元包括参数序列导入单元、事件序列导入单元、总控制逻辑单元、 运行控制参数单元、知识逻辑单元、上下文单元、对象属性；所述参数序列导入单元和事件 序列导入单元分别与总控制逻辑单元传递数据；所述总控制逻辑单元分别与运行控制参数单 元和知识逻辑单元传递数据。

2个通信端口中一个用于数据输入，另一个用于数据输出；2个服务端口中一个用于下级 命令的请求，另一用于上级命令的派发；

总控制逻辑单元和运行控制参数单元为中央代理（指的是工作协调器AJC，那么对象代 理指的是什么？是不是指的自治仿真对象模型）用于上下级管理的核心；

参数序列导入单元和事件序列导入单元用于在时间序列仿真中缓存上下级传递的参数和 事件；

上下文单元和对象属性指定本单元所代理的上下级关系以及对象属性；

知识逻辑单元是事件响应的基础，用于解释自治仿真对象ASOM模型和中央协调器AJC 的自身行为规则；其中上下文单元包括上下文源单元和上下文目标单元。

以上是计算单元的通用结构，在实际中，对象代理和和中央代理的知识逻辑结构不同， 不同仿真模型（负荷、电源、设备等）的对象代理内部的参数和“知识逻辑”内容不同。

（2）在步骤（1）的基础上，建立基于分布式代理架构的ASOM工作协调器（Autonomous  Job Coordinator，AJC）来集成管理每个实际仿真区域。AJC相当于中央控制代理，其主要负 责在仿真流程中的命令发布与响应、通讯协调、一体化优化目标等核心任务。

图2给出了本发明所提出的基于分布式智能计算的主动配电网仿真分析算法的整体框 架。基于多代理系统MAS的自治仿真对象ASOM模型和中央协调器AJC的统一协调包括： A、分布式电源DER单元调节，简称DER单元调节；B、分布式储能DES与电动汽车EV模 型调节；C、常规电源模型调节；D、主动配电网负荷模型调节；E、智能配电子站模型调节。

A.分布式电源单元调节（Distributed Energy Resources,DER）

分布式电源单元（Distributed Energy Resource Model,DER）（以下简称DER单元）需要 出力值曲线作为输入数据。根据“分布式电源有序接入和ADN网络波动最小”的“全局协 调目标”，DER单元的接入需要优先保证。在不考虑分布式电源随机波动 （DER_forcast_wave=0）时，各DER单元定时直接报送当前自身出力值，当考虑分布式发电 随机波动（附录表1.DER_forcast_wave=1）时，按照正态分布将出力值进行随机处理，然后 将该随机值当做真实出力。

DER单元的运行约束是DER的最大可接受接入比DER_MAX。如图3所示，当DER单 元变动时，为保证系统安全，由中央代理进行决策：

Step a.：当仿真过程中新加入一个DER或者现有DER状态更新，则触发一个中央代理 的DER协调事件，中央代理调用DER协调函数；

Step b.：中央代理首先判断变动后DER_MAX是否越限，若否，则允许接入并结束。若 是，进入Step c；

Step c：若DER_MAX越限，则继续判断是否是新加电源，若是，则将其请求否决并结 束。若否，则进入DER评级子过程：

-Substep c.1：调用Ranking()函数对所有DER单元排序，生成所有DER的排序表DER Schedule；

-Substep c.2：指针K指向DER Schedule的首位；

-Substep c.3：中央代理指定K指向的DER单元退出，然后再判断DER_MAX是否仍然 越限，若是，则后移K地址并重复本步骤，若否，则算法结束。

B.分布式储能DES与电动汽车EV模型调节：

储能与电动汽车单元用于辅助DER与负荷间的平衡优化。当系统进行电源-负荷平衡时， 二者用于补充系统功率协调的差额，例如当系统接入一个1～2MW的光伏单元后，当其在 1～2MW之间发生波动时，储能单元自主地不停切换冲/放状态，来优化出力/负荷平衡。另外， 电动汽车要注意瞬时功率对ADN网络的冲击。

C.常规电源模型调节（GEN ASOM）：

ADN中的常规电源单元包括两类：外网或主网等值以及网内的小电源节点，其主要负责 跟踪监控外网等值的参数变化以及调节小电源节点的出力。其运行约束条件由系统总负荷决 定。在运行时每个负荷单元都会主动向中央代理定时报送自身负荷值，中央代理需考虑与当 前系统中总负荷量（sysLoad_quantum）平衡，当系统负荷量降低时，中央代理发起电源协调 任务，首先保证DER单元的接入。当负荷量增高时，中央代理同样优先考虑接入DER单元， 然后调节常规电源单元，若仍不平衡，则发起负荷调节。

D.ADN负荷模型调节Load ASOM：

一般的Load ASOM包括商业用电负荷、工业用电负荷、居民用电负荷等，此外ADN中 还存在处于冲电态的储能DES和EV（EVL：充电态）可作为特殊的Load ASOM参与负荷调 节，负荷模型Load ASOM主要用于保证系统重要负荷的正常供电，全系统以及AJC的协调 目标都是在各运行约束条件下最大化满足负荷需求。

Load ASOM包含两个重要入参：负荷曲线和购电价格目标（electrovalence）。后者主要 用于进行负荷购电成本优化。在不考虑负荷临时性随机波动时，Load ASOM会按照负荷曲线 进行自身状态调节，当感受到外部电源输送不足时，向AJC发起负荷调节请求Load_requst(i)， AJC收到请求后，发起负荷调节过程AJC.Concerting(Load(i))，如图4所示：

<1>在协调时，出于对DER的优先接入以及购电成本electrovalence，优先考虑接入DER， 若存在备用DER则马上进行DER调节过程，若满足运行约束，DER正常启动且系统源荷平 衡，则协调算法结束；

<2>若step a无效，则进入C.节所述的GEN调节过程，反复迭代直到系统平衡，协调算 法结束。若仍无效，则进入Step c.进行负荷调整;

<3>本步是在所有电源调节无效的情况下进行，与DER调节类似，调用AJC的负荷评级 子过程：

①所有负荷评级排序，评级遵循“EV→DES（充电态）→三类负荷→二类负荷→一 类负荷”约定；

②生成一个临时地址指针J指向Load Schedule的第一位；

③AJC首将通知J指向的Load ASOM执行close()操作，并等待接受Load(J)返回close() 成功的消息，然后循环判断sysload_quantum是否平衡，若否，则后移J地址并重复本步骤， 若是，则协调算法结束。

E.智能配电子站模型SUBST ASOM：

配电子站单元（SUBST单元）并不是某类有确切功能指向的单元，SUBST单元根据其 所指向的配电站单元的具体类型的不同而定（如传输型、电源型或负荷型）。当需要智能配电 站详细模型时，SUBST单元更像是一个小型的管理配电站的中央代理，统一管理其内部的智 能终端、保护、隔离开关、母线、馈线等各类设备单元。

在一般情况下，SUBST单元更多地是作为上下级网络间的中间节点，起到任务分布式派 发与子网间电能传输和协调的功能。AJC中央协调器

每个ASOM模型时都不同程度地涉及到了中央协调器AJC，各个对象的ASOM分散在 不同子网的不同仿真节点上运行，但AJC需要运行在中央仿真管理节点中。所有ASOM通 过高速数据总线与AJC进行信息和数据交互。对于规模较大的配电网，通过划分子网以及按 电压等级分级的方式，建立多个AJC共同进行网间协调。

AJC不断更新当前网络潮流，并将潮流结果向自身网络广播，通过一系列端口监听来获 取对所属的AOM的控制。各ASOM的动作依据两方面：

1>不停获取外部参数变化，根据自身规则自主动作并对AJC进行通报；

2>当需要统一协调时，AJC可通过组织任务派发来强制各ASOM进行相关动作；

AJC需要与统一知识引擎（KM Engine，一个基于知识规则的数据库管理引擎）相连来 获取相应的约束条件和策略规则，在当前的约束条件下生成当前适用的协调策略。AJC的整 体工作流程如图5所示。

（3）在步骤（2）的基础上，将主动配电网根据电压等级和地域分布划分成多级和多地 运行的多个子网，结合步骤（1）和步骤（2），建立多级ADN拓扑和管理模型，通过对各底 层子网进行协调的上级网络来实现跨区域的能量平衡，其中重点涉及并解决了分布式并行仿 真计算中的信息同步机制问题。在多级网络中，高层的AJC与下层AJC通过通信来协调下级 子网。

根据具体任务，结合ASOM模型对任务AJC进行多级设置，如图3所示。AJC需要相 应的约束条件和策略规则，在当前的约束条件下生成当前适用的协调策略。AJC生成策略结 果不收敛时，表明本网络内部已无法自协调，可向上级申请（在允许时）。同理，AJC应对下 级网络发送的请求进行响应。

建立各级AJC与ASOM的交互机制。以能量协调管理任务为例，具体交互流程如图3 所示，

a、当某工业负荷ASOM监测到区域内工业用电负荷增加时，则向该区域AJC发送功率 请求信息。

b、当本级AJC接收到负荷控制ASOM的请求信息后，对该区域进行仿真计算，如果得 到解决方案，则向其管辖的电源、储能（电动汽车）和负荷ASOM下发调节指令，如果负荷 还是过大，则继续向上级请求。

c、当上级AJC接收到下级的请求信息后，对该区域的仿真模型进行计算，向其所管辖 的其他下级区域AJC下发调节指令，如果功率还未达到平衡，则继续向上级请求。

通过上述实施步骤，可以将含大量分布式电源的主动配电网仿真任务，分解成多区域多 层次的分区分层、且具有自主性的计算模块，进行分布式计算，实现主动配电网的仿真。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照 上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本 发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等 同替换，其均应涵盖在本发明的权利要求范围当中。