喻 菁1，廖荣涛2,周建中1
(1.华中科技大学水电与数字化工程学院，武汉，430074；
2.华中科技大学计算机学院，武汉，430074)
TheStudyofProfit-basedUnitCommitmentwithMulti-AgentSystem
YuJing，ZhouJian-zhong，LiaoRong-tao
(HuazhongUniversityofScience&Technology，Wuhan430074，China)
Abstract:Withtheopeningofthepowerindustrytocompetition,anewprofit-basedunitcommitmentproblemisproposed.Inthisnewproblem,generationcompaniescanscheduletheirgeneratorswithobjectivetomaximizetheirownprofitwithoutmetthedemand/reserve.Aimsatthesenewcharacters,amethodbasedonmultiagentsystemisproposed.Thismethodcannotonlymetthenewrequiresofpowerelectricmarket,butalsogainsmoreprofitthantraditional.
Keywords:MAS;profit-basedunitcommitment;deregulation;electricpowermarket;distributedprocess
摘 要：电力系统引入放松管制的市场运行机制之后，形成一种基于利润的机组组合问题：1.优化目标从费用最小转为利润最大；2.各发电公司从自身利益出发，可以不完全满足中心调度的要求。本文针对以上特点，提出一种基于多Agent系统的解决方法。仿真结果表明，该方法能够适应现代电力系统机组组合问题的新需要，获得更大的经济效益。
关键词：多Agent系统；基于利润的机组组合；放松管制；电力市场；分布式处理
1．引言
电力系统引入市场运行机制后，传统经济调度、运行和控制的概念已不能适应新的要求。为在放松管制后的电力系统市场竞争环境下获得更大的经济效益，调度、运行和控制的目标从费用最小转向收益最大，从而形成了一种新的基于利润的机组组合问题。此问题中，各发电公司适应开放式市场竞争环境的需要，可根据自身的经济效益和其他要求自主制定和调节发电计划，竞价上网，最终导致整个电力系统资源利用状况的不确定性显著增加。
这些改变，使机组组合问题合面临更大的挑战。传统的机组组合是电力系统短期优化调度的一个子问题，主要是制定机组的开停机计划以满足负荷需求，同时尽量减少费用支出。该问题已是高维、非凸、离散的非线性优化问题，很难找出理论上的最优解。研究人员通过不断尝试，提出启发式方法、优先顺序法、动态规划法、拉格朗日松弛法、人工神经网络法、遗传算法、模拟退火算法、禁忌搜索算法等等[1][2]，使运行费用不断减小，求解时间也越来越短。但基于利润的机组组合问题，使优化目标从求极小值解转变为求极大值解，负荷平衡的约束条件也由等式约束变为不等式约束，再度增加了其求解的复杂性。文献[3]、[4]分别使用遗传算法和结合拉格朗日松弛法的进化规划法对这个新的问题进行了求解。
本文根据上述改变，利用多Agent系统(MultiAgentSystem-MAS)的自适应和分布式处理的特点，对基于利润的机组组合问题进行新的尝试性研究。
1．多Agent系统（MAS）
Agent理论和技术的研究最早起源于分布式人工智能(DistributedArtificialIntelligent)领域。作为人工智能(DAI)和分布式计算的结合，分布式人工智能正逐渐受到人们的重视。在分布式人工智能中，由于智能本质上不是一个独立存在的概念，只能在对象中实现，因此分布式人工智能研究主要是几个主体之间的协同与交互。由于MAS更能体现人类社会智能，具有更大的灵活性和适应性，更加适合开放、动态的现实环境，因而受到越来越多人的重视。
MAS的特性，正可满足现代电力市场环境下基于利润的机组组合问题的新需要。本文就此提出三类Agent：信息Agent、移动Agent和发电Agent，组成机组组合的决策系统。
（1）移动Agent（MobileAgent）：可在系统的网络上自由移动，并且能够和发电Agent、信息Agent进行会话和交流。
（2）发电Agent（GeneratorAgent）：存在于独立电力供应单元服务器上，保存有机组的特性等信息，并具有判断某些约束条件和自动改变机组状态（如：开/停状态）的功能。
（3）信息Agent（InformationAgent）：存在于控制中心的服务器[5]上的Agent，能够观察到发电Agent的状态信息，还能发送调节发电信息要求给移动Agent，并等待接收移动Agent的应答。
2．现代市场竞争环境下基于利润的机组组合问题描述
市场竞争环境下基于利润的机组组合问题，已由传统的费用最小目标转向为收益最大，约束条件也由完全满足系统需求，改变为小于等于系统要求。所以，其描述需做一定的修改。由于问题比较复杂，故分为目标和约束两个部分进行描述。
2．1优化目标
首先，利润最大目标可表示如下：
其中Pf表示利润（Profit），Rf表示总收入（Revenue），TC表示总成本（TotalCost）。
根据市场环境中存在的现货价格和期货价格，可以对电力市场中的电价进行类似的定义。已发出的，并被使用（购买）的，就是现价电；电力供应单元所储备的，以供未来所需的备用电，在储备时就具有一定的价值（小于市价），若在未来时刻被使用（购买），则按当时的市场价格卖出。所以，现代的电力系统中，不仅发出的电能产生利润，电能的储备能力也是关系到供电单元经济效益的关键因素。所以，Rv和TC可用以下等式表达[4][6]：
其中：SPt：第t时段的市场销售电价(t=1,...,T)；pi,t：第i台机组在第t时段的出力（i=1，...，N）ui,t：第i台机组在第t时段的开/停机状态（1表示开机状态，0表示关机状态）RPt：第t时段的储备电价ri,t:第i台机组在第t时段的旋转备用量α：备用容量将被卖出的概率Ci（x）：第i台机组的运行费用函数，与出力值有关SCi：第i台机组的开机费用DCi：第i台机组的关机费用Ci(x)是与机组的特性有关的运行费用函数，通常可以表达为：
其中ai，bi，ci为与机组特性有关的系数。
一般关机费用都用常量表示，本文中假定DCi的值为0。
2．2约束条件
根据建模的需要，将约束条件分为全局约束和局部约束两类。全局约束条件是根据系统的负荷要求进行的约束；而局部约束条件仅与机组的内部特性有关。
1）全局约束
供需约束：
在市场竞争环境下，独立供电单元在能够获得更大收益的条件下，可以选择出力少于系统负荷预测的要求。
其中Dt为第t时段的负荷预测值，单位为MW。
旋转备用约束：
备用的容量也可以少于系统备用要求。
其中pi,max为机组i的最大出力（MW）。
2）局部约束
机组出力极限约束：
发电机组的出力必须在容许的范围之内
其中pi,min为第i台机组的最小出力（MW）。
最小开停机时间约束：
机组在没有开（停）满足够的时间内，不能执行停机（开机）操作。
其中OTi表示第i台机组已开机的时间(OnlineTime)，若为负值则其绝对值表示已停机的时间。MUTi和MDTi分别表示最小开机时间和最小停机时间，MDTi为负整数。
3．机组组合的MAS原型
根据前文所述的思想，建立机组组合问题的多Agent系统如图1所示。该图中包含了前述的三个发电Agent、两个移动Agent(DwAgent、UpAgent)和一个信息Agent。DwAgent是在负荷需求有下降趋势时产生的移动Agent，UpAgent在[1][2][3]下一页
