多代理系统在微电网负荷控制中的研究

介绍几种常见分布式电源的限功率后剩余发电潜能的计算方法,并在此基础上提出一种基于多代理系统(Multi Agent System)的微电网负荷控制方法。通过仿真孤岛下负荷的投切过程,验证提出的多代理协调控制策略的有效性,实现了微电网的安全、稳定运行。

基于可进化模型预测控制的含电动汽车多微电网智能发电控制策略

多微电网中的环境状态、控制资源及偶然事件均具有强不确定性,而电动汽车在参与电网削峰填谷的同时也给发电控制带来了挑战。为此,该文提出一种基于可进化模型预测控制(LBMPC)的含电动汽车多微电网发电控制策略。首先,基于控制器交互的多微电网互联结构,考虑了发电机端电压调节和负荷频率控制(LFC)之间的耦合关系,建立含电动汽车多微电网的发电控制模型;然后,设计了一种基于多智能体的控制器参数自适应算法:频率控制器以实时频偏和EV站输出功率边界为状态集,以模型预测控制(MPC)控制器的可调参数矩阵Q_(x)作为动作集,以频率偏差为奖励函数指标,电压控制器同理,从而实现MPC与PI控制器权重参数的自适应调整;最后,仿真结果表明,自动调压(AVR)回路增加了有功功率干扰,对LFC控制器提出了更高的要求,与传统控制和MPC算法相比,应用于控制器互联结构的可进化模型预测控制器能够在子微电网之间进行信息交换,并且根据环境状态实时更新控制器参数,显著提高了多微电网频率控制过程的鲁棒性和快速性。同时,与纯深度确定性策略梯度(DDPG)控制器相比,该文提出的双层控制结构在机器学习智能体出现故障无法正常输出动作时,能更好地保证系统的安全稳定运行。

基于改进多智能体深度确定性策略梯度的多微网负荷频率协同控制策略

单一微网的容量有限,而在得以广泛应用的多微网系统中,各子微网之间能够相互支撑,从而显著提高多微网系统的可靠性与稳定性。针对多微网系统中更为复杂的网络拓扑架构以及分布式电源、负荷随机性扰动所引起的频率控制问题,该文提出了基于改进多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MA-DDPG)的多微网负荷频率控制(load frequency control,LFC)策略。首先,考虑集群柔性负荷中组成单元工作状态的用户随机性,构建了包含微型燃气轮机、分布式电源、飞轮储能、柔性负荷及相应随机功率增量约束的多微网LFC模型;在传统多微网功率耦合环节的基础上,考虑了各子微网控制器之间的联络关系;然后,为减少传输成本与计算复杂度,通过加入模块化Q函数对MA-DDPG算法进行改进;依照“集中训练、分散执行”的协同调控思想,设计了多智能体控制器的状态、动作空间与奖励函数。算例结果表明,该文提出的改进MA-DDPG控制器具备在线学习和经验回放能力,在强随机性扰动、系统网络拓扑参数改变等复杂运行工况下能够快速稳定系统频率。同时,当单个子微网的调频机组发生极端故障时,改进MA-DDPG控制器具有强鲁棒性,仍能通过合理“牺牲”正常子微网一定的“调节指标”来保证多微电网系统的整体稳定性。