(国网湖南省电力有限公司郴州供电分公司 湖南郴州 423000)
摘要:随着日益严峻的环境问题、愈发紧张的能源问题以及不断增加的用电需求，传统电力网络已不能满足时代的需求，并且新能源发电的融入，使得传统电力网络面临着巨大的挑战。可靠性降低、能源流堵塞等，这些都是传统电力网络需要解决的问题。在此情况下，智能电网应运而生。本文首先对智能电网进行了概述，然后分析了智能电网中经济调度的相关问题，最后将分布式算法以及分布性算法的收敛性进行了分析。
关键词:分布式优化；经济调度；智能电网
引言
智能电网是通过协同电网中各个可控可通信的智能体，使得能源使用效率最大化。所以考虑了发电调度，即经济调度问题，具体说来是指在满足安全和电能质量的前提下，合理利用能源和设备，以最低的发电成本或燃料费用保证用户获得可靠稳定用电的智能电网是通过协同电网中各个可控可通信的智能体，使得能源使用效率最大化。通过研究发现，智能电网系统在某种程度上是一种多智能体系统，因此，考虑将多智能体系统的一致性算法用于解决智能电网的经济调度问题。
1智能电网
1.1智能电网
智能电网是一个完全自动化的供电网络，网络中的每个节点都被实时监控，并保护从发电厂到用户端电器之间每一点上的电流和信息的双向流动。通过广泛应用分布式智能，信息通信以及自动控制系统的集成，智能电网保证了市场交易的实时进行以及电网中各节点之间的无缝连接。从技术角度讲，智能电网有三个层面的含义：首先利用传感器对发电，输电，配电，供电等环节关键设备的运行状况进行实时监控；然后将获得的数据通过网络系统进行收集，整合；最后通过对数据的分析，挖掘，达到对整个电力系统运行的优化管理。从功能特征上讲，一方面智能电网在系统安全性、供电可靠性、电能质量、运行效率、资产管理等方面较传统电网有着实质性的提高；另一方面智能电网支持各种分布式发电与储能设备的即插即用并且支持与用户之间的互动[1]。
1.2智能电网特征
一是实现可再生能源优先、因地制宜的多元能源结构；二是实现集中与分布并举、相互协同的可靠能源生产和供应模式；三是实现各类能源综合利用，以及供需互动、节约高效的用能方式。
1.3智能电网的优点
第一，智能配电网具有较强的自我调节性。智能配电网能够及时检测出己经发生或正在发生的电网故障，从而能够进行相应的调节，使整个配电网不影响用户的正常供电或将影响降至最小。智能配电网解决了传统电网中存在的“供电间断”问题，并且有效地提高了供电的可靠性。第二，智能配电网具有更高的安全性。智能配电网能够很好地抵御战争攻击、恐怖袭击与自然灾害带来的破坏，可避免出现大面积停电，能够将外部破坏造成的影响限制在一定范围内，保障重要用户的正常供电。第三，智能配电网提供更高的电能质量。智能配电网实时监测并控制电能质量，使电压有效值和波形符合用户的要求，能够保证用户设备的正常运行并且不影响其使用寿命。第四，支持与用户互动[2]。
2经济调度问题研究
2.1智能电网结构
一般地，智能电网有三层结构：包含物理系统的物理层（电力网络）；包含通信系统的信息层（通信网络）；处理数据的控制层（运行分布式算法）。假设本文所研究的智能电网包括ｎ个母线，每个母线上有1/0个发电机和1/0个局部负荷，智能电网结构见图1。
.png)
图1智能电网结构
2.2模型描述
带有机组组合的经济调度问题进行数学建模。主要考虑发电机的发电约束和电量的供需平衡约束，假设在智能电网中有N个发电机[3]。
经济调度问题：
.png)
其中pi为第i个发电机的发电量，ci是第i个发电机的发电成本函数。
供需平衡约束：
.png)
其中Ｄ是总的电力需求。
3分布式算法
分布式算法流程图，见图2
.png)
图2分布法算法流程图
计算ｔ时刻电力需求：定义
.png)
利用平均一致算法
.png)
,
其中Ｌ是拉普拉斯矩阵，
.png)
。
寻找ｔ时刻的可行组合：令Pi,t是第i个智能体在t时刻的估计值，定义
.png)
T,再一次使用平均一致算法：
.png)
.png)
当k→
.png)
时，
.png)
1N。通过以下方式对Pi,t进行更新
.png)
当a=0时，如果
.png)
，定义
.png)
；否则
.png)
。进行一下迭送：
.png)
.
易得
.png)
。因此，
.png)
是可行组合当且仅当
.png)
。
可行电力组合可以通过如下形式探索：
.png)
，
.png)
。重复计算直到a=0并且
.png)
[4]。
4分布式学习算法收敛性分析
将结合集中式学习算法中的Ｑ函数与分布式Ｑ学习算法中q（i）函数的关系，分析q（i）函数的收敛性[5]。
.png)
.png)
其中d是所有时刻的所有可行电力组合，
.png)
是中心智能体在第k次训练中，在t时刻所采
.png)
取的动作。特别地，
.png)
。
在分布式学习算法中，可以等价写为：
证明，当K=1时,上式成立。假设在（k-1）次训练后成立，下面只需讨论k次训练后的情况。假设在第k次训练时，所有智能体在t时刻采取的动作为
.png)
[6]。
当
.png)
时，无任何更新从而上式成立。
当
.png)
时，根据上式可得
.png)
.png)
结合上式可得：
.png)
.png)
由上式和
.png)
的单调非增可得
.png)
.png)
最优策略的更新同样可以写为下面的形式：
任取策略
.png)
，
.png)
根据以上算式可知，令
.png)
是由N个智能体组成的马尔科夫决策过程，当k≥2，
.png)
时有：
.png)
因此当前策略
.png)
是
.png)
下的贪婪策略。由
.png)
的收敛性可知，在
.png)
收敛到最优
.png)
函数时，策略
.png)
就是最优策略[7]。
在无法获知发电机发电成本函数的具体数学表达式时，利用强化学习对智能体进行训练，在训练的过程中各智能体不断学习并且更新其状态动作值函数。文章首先假设有一个中心智能体统筹全局，并提出了集中式Ｑ学习算法。通过大量的训练，集中式算法中的Ｑ函数达到收敛。根据收敛的Ｑ函数可找出最优发电组合。考虑到集中式Ｑ－学习算法具有较低的鲁棒性等缺陷，本章又提出了分布式Ｑ－学习算法，继而从理论上分析了分布式Ｑ学习算法的收敛性[8]。
结论
结合精确罚函数法的思想，重构经济调度问题，将发电机的功率约束添加到目标函数中，构造一个只含有等式约束的优化问题。在时变网络拓扑图结构下，提出一种新的分布式算法，因为算法考虑了发电机的功率约束，所以更具有实用性。智能电网经济调度问题，这类问题包含两个约束条件:容量约束和耦合约束，即供需平衡。首先采用平滑精确惩罚函数的方法，对问题进行重构，既考虑了容量约束，也考虑了供需平衡，具有更高的普适性，通过调整罚因子和光滑因子逼近最优值，有效克服了增广目标函数的病态性质。然后针对无向时变拓扑，提出了一种求解重构问题的分布式算法，并对算法进行了收敛性分析，结果表明算法可以将迭代序列收敛到最优点。
参考文献:
[1]李建.粒子群算法在经济调度问题中的应用[J].工业控制计算机，2018，31(11):83—84.
[2]陈凯旋.基于多智能体一致性的智能电网调度策略[J].南京:南京邮电大学，2016.
[3]白云娇，谷伟平.基于精确目标罚函数的遗传算法[J].重庆工商大学学报(自然科学版)，2016，33(2):30—33.
[4]陈丰，吴峻峰.分布式通信响应优化问题及其内点法求解[J].计算数学，2017，39(4):378—392.
[5]陆文甜，刘明波.基于分布式内点法的多区域互联电力系统最优潮流分散式求解[J].中国电机工程学报，2016，36(4):6828—6837.
[6]余贻鑫，秦超.智能电网基本理念阐释[J].中国科学：技术科学，2015，1(04):14-21.
[7]孟庆伟，王子强.考虑通讯拓扑的电力系统分散协调控制器设计[J].中国电机工程学报，2018,38(8):2315-2322.