CN105186583A - 基于多智能体建模的能量路由器及其能量调度方法 - Google Patents

Abstract

本发明提出基于多智能体建模的能量路由器及其能量调度方法，该能量路由器包括能量控制单元、能量传输单元、能量转换单元、能量存储单元和通讯接口单元；能量控制单元根据用户需要对能量负荷进行预测，并进行能量调度优化，得到输入能量的调度优化信息，并传输至通讯接口单元；能量传输单元将输入能量的调度优化信息中选择输入的能量传输至用户负载、能量转换单元或能量存储单元；能量转换单元将输入的能量转换成所需的另一种形式的能量传输至用户负载；能量存储单元存储电能和热能；通讯接口单元实现能量控制单元、能量传输单元、能量转换单元和能量存储单元之间的通讯。

Description

基于多智能体建模的能量路由器及其能量调度方法

技术领域

本发明属于能源技术领域，具体涉及基于多智能体建模的能量路由器及其能量调度方法。

背景技术

现如今能源需求的快速增长、化石燃料等资源过分依赖、不可再生资源不均匀分布和日益增长的环境问题已逐渐成为全人类共同面对的话题。

当今世界主要能源的原料仍然是化石燃料，根据国际能源机构统计的世界能源分类表显示在1973年86.6％的能源是由化石燃料供给的，到2009年仅下降至80.9％。其中，核能和氢能由1973年的2.7％上升至8.1％；太阳能、风能、地热由1973年的0.1％上升至0.8％。虽然我们对化石燃料的使用呈现下降的趋势，但是化石燃料仍然是当今世界主要的能源原料。

同时，化石燃料的不均匀分布也加重了局势的严重性。国际能源机构指出：由于化石燃料的集中分布可能会导致长期的能源安全风险。由于对化石燃料的使用量逐年增加，可能会导致化石燃料价格的大幅度提升。这也就意味着国际局势在未来几年内会变得更加紧张。

全球变暖的问题逐渐成为当今世界共同关注的话题。气候变化委员会二十一世纪全球的平均气温增长了0.6℃。他们认为温度的增长与温室气体的排放有关。并且他们暗示已经有足够多的证据证明气候变暖的问题受人类活动影响的。

由于分布式能源是最早由美国公共事业管理政策法提出，而后逐渐成为世界能源工业发展中的一个重要方向，并在发达国家技术已较成熟并得到了大力推广应用。分布式能源的种类繁多，不仅包括以燃气轮机或内燃机为核心的冷热电联产***，还包括太阳能、风能、生物能等可再生能源综合利用***，以及由具有极高效率的新型燃料电池组成的能源综合利用***。分布式能源是利用小型设备向用户提供能源供应的新的能源利用方式。分布式能源是利用小型设备向用户提供能源供应的新的能源利用方式。与传统的集中式能源相比，分布式能源接近负荷，不需要建设大电网，进行远距离高压或超高压输送，从而大大减少线损，节省输配电建设投资和运行费用；由于兼备发电、供热、制冷、生活热水供应等多种能源服务功能，分布式能源可以有效的实现能源的梯级利用，达到更高的能源综合利用率，对能源供应的安全性、可靠性、节能性，具有较好的保障和提升。

传统的分布式能源***在能源供给方面仍然存在着许多亟待解决的问题与不足。由于太阳能、风能等可再生能源的间歇性和不稳定性和当前电网运营还保持二元结构的特点，生产、配送与消费相互割裂，分布式能源***是不能很好地支持个性化消费的需求。

发明内容

针对现有技术的不足，本发明提出基于多智能体建模的能量路由器及其能量调度方法。

本发明技术方案如下：

基于多智能体建模的能量路由器，包括能量控制单元、能量传输单元、能量转换单元、能量存储单元和通讯接口单元；

所述的能量控制单元，通过中心计算机实现，包括调度优化模块、预测模块、数据存储模块和输入接口模块，用于根据用户需要对电能负荷、热能负荷和石油负荷进行预测，并进行能量调度优化，得到选择输入的能量的类型及其分配方式，根据选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传输至通讯接口单元；

所述的能量传输单元，用于将所述输入能量的调度优化信息中的选择输入的能量传输至用户负载、能量转换单元或能量存储单元；

所述的能量转换单元，用于将输入的能量转换成所需的另一种形式的能量传输至用户负载；

所述的能量存储单元，用于存储电能和热能；

所述的通讯接口单元，用于实现能量控制单元、能量传输单元、能量转换单元和能量存储单元之间的通讯，将能量控制单元的输入能量的调度优化信息传输至能量传输单元、能量转换单元和能量存储单元；

所述的调度优化模块，用于根据输入能量与用户能量负荷之间的关系建立能量路由器模型，根据能量路由器模型建立其多智能体***，以能量路由器的经济调度模型作为目标函数，以能量路由器模型的多智能体***的约束条件作为智能体，采用多智能体粒子群算法对能量路由器模型进行优化，得到能量路由器模型的输入能量的最优解，即选择输入的能量的类型及其分配方式，将选择输入的能量的类型及其分配方式传送至输入接口模块；

所述的预测模块，用于根据用户需要预测电能负荷、热能负荷和石油负荷，并传送至调度优化模块；

所述的数据存储模块，用于存储调度优化模块、预测模块、以及输入接口模块的数据信息；

所述的输入接口模块，用于根据调度优化模块获得的选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传送至通讯接口单元。

所述的选择输入的能量包括电能、风能、太阳能、天然气和石油。

所述的能量传输单元包括：输油管道、天然气管道和输电网络。

所述的能量转换单元包括：风力发电机组、光伏阵列、热电联产设备、加热装置、变压器、AC/AC转换器和DC/AC转换器。

所述的能量存储单元包括：电能存储装置和热能存储装置。

所述的根据输入能量与用户能量负荷之间的关系建立能量路由器模型如下所示：

${\[L_e+\frac{{\stackrel{\·}{E}}_e}{e_e}{L}_h+\frac{{\stackrel{\·}{E}}_h}{e_h}{L}_{Trans}\]}^T=C\·{\left[\begin{array}{ccccc}{P}_e& P_w& P_s& P_g& P_o\end{array}\right]}^T$

其中，L_e为能量路由器的电能负荷功率，L_h为能量路由器的热能负荷功率，L_Trans为能量路由器的石油负荷功率，P_e为公共电网输入电功率，P_w为风力发电输入电功率，P_s为光伏发电输入电功率，P_g为天然气输入功率，P_o为石油输入功率，为能量路由器存储的电功率，为能量路由器存储的热功率，e_e为电能存储效率，e_h为热能存储效率，C为输入能量功率与输出能量功率转换关系的耦合矩阵。

所述的根据能量路由器模型建立的多智能体***包括：电能Agent、风力发电Agent、光伏发电Agent、石油Agent、热电联产设备Agent、加热装置Agent、电能存储装置Agent、热能存储装置Agent、可靠性管理Agent、负荷管理Agent和负荷平衡Agent。

所述的能量路由器的经济调度模型为：

$\begin{array}{c}Total\cos t=\underset{t=1}{\overset{T}{\Σ}}{\mathrm{\α}}_e\left(t\right)P_e\left(t\right)+{\mathrm{\α}}_g{P}_g\left(t\right)+{\mathrm{\α}}_o{P}_o\left(t\right)+\[{\mathrm{\α}}_e\left(t\right)\left(P_e^{ch}\left(t\right)-P_e^{dis}\left(t\right)\right)\]\\ +\[{\mathrm{\α}}_e^S\left(P_e^{ch}\left(t\right)+P_e^{dis}\left(t\right)\right)\]+\[{\mathrm{\α}}_h^S\left(P_e^{ch}\left(t\right)+P_e^{dis}\left(t\right)\right)\]+{\mathrm{EENS}}^{\mathrm{\Ω}}\×P^{\mathrm{\Ω}}+{\mathrm{\α}}^{DR}\left(P_e^{do}\left(t\right)+P_e^{up}\left(t\right)\right)\end{array}$

其中，Totalcost为总费用，α_e(t)为实时的电费用，P_e(t)为t时刻公共电网输入电功率，α_g为天然气费用，P_g(t)为t时刻天然气输入功率，α_o为石油费用，P_o(t)为t时刻石油输入功率，为t时刻电能存储装置的充电功率，为t时刻电能存储装置的放电功率，为电能存储装置操作费用，为热能存储装置操作费用，EENS^Ω为能量路由器的电能负荷损失能量，P^Ω为惩罚成本系数，α^DR为用电补偿费用，为t时刻内增加的电能负荷功率，为t时刻内中断的电能负荷功率，T为总时间。

所述的能量路由器模型的多智能体***的约束条件分别为：

电能Agent的约束条件为：当前时刻公共电网输入电功率在允许公共电网输入电功率的最小值和最大值之间；当前时刻公共电网输出的电能负荷功率为输电网稳定性概率、变压器转换效率和当前时刻公共电网输入电功率的乘积；

风力发电Agent的约束条件为：当前时刻风力发电输入电功率在允许风力发电输入电功率的最小值和最大值之间；当前时刻风力发电输出的电能负荷功率为风力发电机组稳定性概率、AC/AC转换器的转换效率和当前时刻风力发电输入电功率的乘积；

光伏发电Agent的约束条件为：当前时刻光伏发电输入电功率在允许光伏发电输入电功率的最小值和最大值之间；当前时刻光伏发电输出的电能负荷功率为光伏列阵发电稳定性概率、DC/AC转换器转换效率和当前时刻光伏发电输入电功率的乘积；

石油Agent的约束条件为：当前时刻石油输入功率在允许石油输入功率的最小值和最大值之间；当前时刻石油输出的负荷功率为输油管道稳定性概率、当前时刻石油用于石油用户负载的调度参数和当前时刻石油输入功率的乘积；当前时刻石油用于石油用户负载的调度参数和当前时刻石油转换为热能的调度参数之和为1；当前时刻石油用于石油用户负载的调度参数大于等于0且小于等于1；

热电联产设备Agent的约束条件为：当前时刻热电联产设备电输出功率在允许热电联产设备电输出功率的最大值之下；当前时刻天然气输入功率在允许天然气输入功率的最小值和最大值之间；当前时刻热电联产设备输出的电能负荷功率为热电联产设备运行稳定性概率、热电联产设备的天然气转换为电能的转换效率、当前时刻天然气转换为电能的调度参数和当前时刻天然气输入功率的乘积；当前时刻热电联产设备输出的热能负荷功率为热电联产设备运行稳定性概率、热电联产设备的天然气转换为热能的转换效率、当前时刻天然气转换为电能的调度参数和当前时刻天然气输入功率的乘积；当前时刻天然气转换为电能的调度参数大于等于0且小于等于1；

加热装置Agent的约束条件为：当前时刻加热装置将天然气转换为热能的热能负荷功率为加热装置设备运行稳定性概率、加热装置的天然气转换为热能的转换效率、当前时刻天然气转换为热能的调度参数和当前时刻天然气输入功率的乘积；当前时刻加热装置将石油转换为热能的热能负荷功率为加热装置设备运行稳定性概率、加热装置的石油转换为热能的转换效率、当前时刻石油转换为热能的调度参数和当前时刻石油流向加热装置的输入功率的乘积；当前时刻天然气转换为电能的调度参数大于等于0且小于等于1；当前时刻石油转换为热能的调度参数大于等于0且小于等于1，当前时刻天然气转换为电能的调度参数和当前时刻天然气转换为热能的调度参数之和为1；

电能存储装置Agent的约束条件为：当前时刻电能存储装置的充放电功率平衡；当前时刻电能存储装置存储功率在电能存储装置存储功率最小值和最大值之间；当前时刻电能存储装置的充电功率在电能存储装置充电功率最小值和最大值之间；当前时刻电能存储装置的放电功率在电能存储装置放电功率的最小值和最大值之间，当前时刻电能存储装置的充电状态变量和放电状态变量之和大于等于0且小于等于1；

热能存储装置Agent的约束条件为：当前时刻热能存储装置的充放热功率平衡；当前时刻热能存储装置存储功率在热能存储装置存储功率最小值和最大值之间；当前时刻热能存储装置的充热功率在电能存储装置充热功率最小值和最大值之间；当前时刻热能存储装置的放热功率在热能存储装置放热功率的最小值和最大值之间；当前时刻热能存储装置的充热状态变量和放电状态变量之和大于等于0且小于等于1；

可靠性管理Agent的约束条件为：一定时间内能量路由器在只有一台输出能量为Ω的设备产生故障时降低引起输出能量供应负荷不足的概率，其中，Ω为输出能量的类型；

负荷管理Agent的约束条件为：一定时间内的能量路由器增加的电能负荷功率与能量路由器中断的电能负荷功率平衡；当前时刻能量路由器增加的电能负荷功率在其允许的最大范围内；当前时刻能量路由器中断的电能负荷功率在其允许的最大范围内；

负荷平衡Agent的约束条件为：当前时刻能量路由器的电能负荷功率为当前时刻公共电网输出的电能负荷功率、当前时刻风力发电输出的电能负荷功率、当前时刻光伏发电输出的电能负荷功率、当前时刻热电联产设备输出的电能负荷功率、当前时刻电能存储装置的放电功率与当前时刻能量路由器中断的电能负荷功率之和减去当前时刻电能存储装置的充电功率与当前时刻能量路由器增加的电能负荷功率之和；当前时刻能量路由器的热能负荷功率为加热装置输出的热能负荷功率、当前时刻热电联产设备输出的热能负荷功率与当前时刻热能存储装置放热功率之和减去当前时刻热能存储装置充热功率；

采用基于多智能体建模的能量路由器进行能量调度的方法，包括以下步骤：

步骤1：能量控制单元根据用户需要对电能负荷、热能负荷和石油负荷进行预测，并进行能量调度优化，得到选择输入的能量的类型及其分配方式，根据选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传输至通讯接口单元；

步骤1.1：预测模块根据用户需要预测电能负荷、热能负荷和石油负荷，并传送至调度优化模块；

步骤1.2：调度优化模块根据输入能量与用户能量负荷之间的关系建立能量路由器模型；

步骤1.3：调度优化模块根据能量路由器模型建立其多智能体***，以能量路由器的经济调度模型作为目标函数，以能量路由器模型的多智能体***的约束条件作为智能体，采用多智能体粒子群算法对能量路由器模型进行优化，得到能量路由器模型的输入能量的最优解，即选择输入的能量的类型及其分配方式；

步骤1.4：调度优化模块将选择输入的能量的类型及其分配方式传送至输入接口模块；

步骤1.5：输入接口模块根据调度优化模块获得的选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传送至通讯接口单元；

步骤2：通讯接口单元与能量传输单元、能量转换单元、能量存储单元和能量控制单元进行通讯，通讯接口单元将能量控制单元的输入能量的调度优化信息传输至能量传输单元、能量转换单元和能量存储单元；

步骤3：能量传输单元将输入能量的调度优化信息中的选择输入的能量传输至用户负载、能量转换单元或能量存储单元，能量转换单元将输入的能量载体的能量转换成所需的另一种形式的能量传输至用户负载，能量存储单元进行电能和热能存储。

本发明的有益效果：

本发明提出基于多智能体建模的能量路由器及其能量调度方法，一方面保证流入能源的质量满足需求要求，另一方面保证能源的合理流动，实现恰当数量的能源流向恰当的负荷；第三方面，能够及时监控能量流的质量，实时调节保证能源流的安全流动。同时能量路由器具有支持多种通信协议的通信接口，保证信息的传输时延、可靠性和安全性。

附图说明

图1为本发明具体实施方式中基于多智能体建模的能量路由器的结构框图；

图2为本发明具体实施方式中采用基于多智能体建模的能量路由器进行能量调度的方法的流程图；

图3为本发明具体实施方式中能量控制单元进行能量调度优化的流程图。

具体实施方式

下面结合附图对本发明具体实施方式加以详细的说明。

本发明提出基于多智能体建模的能量路由器及其能量调度方法。

基于多智能体建模的能量路由器，如图1所示，包括能量控制单元1、能量传输单元2、能量转换单元3、能量存储单元4和通讯接口单元5。

能量控制单元1，通过中心计算机实现，包括调度优化模块、预测模块、数据存储模块和输入接口模块，用于根据用户需要对电能负荷、热能负荷和石油负荷进行预测，并进行能量调度优化，得到选择输入的能量的类型及其分配方式，根据选择输入的能量的类型及其分配方式得到能量传输单元2需要的能量和能量转换单元3需要转换的能量的类型及功率，即输入能量的调度优化信息，并传输至通讯接口单元5。

能量传输单元2，用于将所述输入能量的调度优化信息中的选择输入的能量传输至用户负载、能量转换单元3或能量存储单元4。

能量传输单元2包括：输油管道、天然气管道和输电网络。

能量转换单元3，用于将输入的能量转换成所需的另一种形式的能量传输至用户负载。

能量转换单元3包括：风力发电机组、光伏阵列、热电联产设备、加热装置、变压器、AC/AC转换器和DC/AC转换器。

能量存储单元4，用于存储电能和热能。

能量存储单元4包括：电能存储装置和热能存储装置。

通讯接口单元5，用于实现能量控制单元1、能量传输单元2、能量转换单元3和能量存储单元4之间的通讯，将能量控制单元1的输入能量的调度优化信息传输至能量传输单元2、能量转换单元3和能量存储单元4。

本实施方式中通讯接口单元5为以太网络。

调度优化模块，用于根据输入能量与用户能量负荷之间的关系建立能量路由器模型，根据能量路由器模型建立其多智能体***，以能量路由器的经济调度模型作为目标函数，以能量路由器模型的多智能体***的约束条件作为智能体，采用多智能体粒子群算法对能量路由器模型进行优化，得到能量路由器模型的输入能量的最优解，即选择输入的能量的类型及其分配方式，将选择输入的能量的类型及其分配方式传送至输入接口模块。

选择输入的能量包括电能、风能、太阳能、天然气和石油。

根据输入能量与用户能量负荷之间的关系建立能量路由器模型如式(1)所示：

${\[L_e+\frac{{\stackrel{\·}{E}}_e}{e_e}{L}_h+\frac{{\stackrel{\·}{E}}_h}{e_h}{L}_{Trans}\]}^T=C\·{\left[\begin{array}{ccccc}{P}_e& P_w& P_s& P_g& P_o\end{array}\right]}^T---\left(1\right)$

其中，L_e为能量路由器的电能负荷功率，L_h为能量路由器的热能负荷功率，L_Trans为能量路由器的石油负荷功率，P_e为公共电网输入电功率，P_w为风力发电输入电功率，P_s为光伏发电输入电功率，P_g为天然气输入功率，P_o为石油输入功率，为能量路由器存储的电功率，为能量路由器存储的热功率，e_e为电能存储效率，当能量路由器处于充电状态时：当能量路由器处于放电状态时：e_h为热能存储效率，当能量路由器处于充热状态时：当能量路由器处于放电状态时：C为输入能量功率与输出能量功率转换关系的耦合矩阵

根据能量路由器模型建立的多智能体***包括：电能Agent、风力发电Agent、光伏发电Agent、石油Agent、热电联产设备Agent、加热装置Agent、电能存储装置Agent、热能存储装置Agent、可靠性管理Agent、负荷管理Agent和负荷平衡Agent。

能量路由器的经济调度模型如式(2)所示：

$\begin{array}{c}Total\cos t=\underset{t=1}{\overset{T}{\Σ}}{\mathrm{\α}}_e\left(t\right)P_e\left(t\right)+{\mathrm{\α}}_g{P}_g\left(t\right)+{\mathrm{\α}}_o{P}_o\left(t\right)+\[{\mathrm{\α}}_e\left(t\right)\left(P_e^{ch}\left(t\right)-P_e^{dis}\left(t\right)\right)\]\\ +\[{\mathrm{\α}}_e^S\left(P_e^{ch}\left(t\right)+P_e^{dis}\left(t\right)\right)\]+\[{\mathrm{\α}}_h^S\left(P_e^{ch}\left(t\right)+P_e^{dis}\left(t\right)\right)\]+{\mathrm{EENS}}^{\mathrm{\Ω}}\×P^{\mathrm{\Ω}}+{\mathrm{\α}}^{DR}\left(P_e^{do}\left(t\right)+P_e^{up}\left(t\right)\right)\end{array}---\left(2\right)$

其中，Totalcost为总费用，α_e(t)为实时的电费用，P_e(t)为t时刻公共电网输入电功率，α_g为天然气费用，P_g(t)为t时刻天然气输入功率，α_o为石油费用，P_o(t)为t时刻石油输入功率，为t时刻电能存储装置的充电功率，为t时刻电能存储装置的放电功率，为电能存储装置操作费用，为热能存储装置操作费用，EENS^Ω为能量路由器的电能负荷损失能量，P^Ω为惩罚成本系数，取30美分/KWh，α^DR为用电补偿费用，为t时刻内增加的电能负荷功率，为t时刻内中断的电能负荷功率，T＝24h为总时间。

能量路由器模型的多智能体***的约束条件分别为：

电能Agent的约束条件为：当前时刻公共电网输入电功率在允许公共电网输入电功率的最小值和最大值之间；当前时刻公共电网输出的电能负荷功率为输电网稳定性概率、变压器转换效率和当前时刻公共电网输入电功率的乘积。

本实施方式中，电能Agent的约束条件如式(3)所示：

$\left\{\begin{array}{c}{L}_e^{net}\left(t\right)=S^{net}{\mathrm{\η}}_{ee}^T{P}_e\left(t\right)\\ P_e^{min}\left(t\right)\≤P_e\left(t\right)\≤P_e^{max}\left(t\right)\end{array}\right.---\left(3\right)$

其中，为t时刻公共电网输出的电能负荷功率，S^net为输电网络稳定性概率，为变压器转换效率，P_e(t)为t时刻公共电网输入电功率，P_e ^min(t)为t时刻允许公共电网输入电功率的最小值，P_e ^max(t)为t时刻允许公共电网输入电功率的最大值。

本实施方式中，S^net＝0.98，P_e ^max(t)＝1500kw，P_e ^min(t)＝-200kw。

风力发电Agent的约束条件为：当前时刻风力发电输入电功率在允许风力发电输入电功率的最小值和最大值之间；当前时刻风力发电输出的电能负荷功率为风力发电机组稳定性概率、AC/AC转换器的转换效率和当前时刻风力发电输入电功率的乘积。

本实施方式中，风力发电Agent的约束条件如式(4)所示：

$\left\{\begin{array}{c}{L}_e^{wind}\left(t\right)=S^{wind}{\mathrm{\η}}_{we}^{con}{P}_w\left(t\right)\\ {P_w}^{\min }\left(t\right)\≤P_w\left(t\right)\≤{P_w}^{\max }\left(t\right)\end{array}\right.---\left(4\right)$

其中，为t时刻风力发电输出的电能负荷功率，S^wind为风力发电机组稳定性概率，为AC/AC转换器转换效率，P_w(t)为t时刻风力发电输入电功率，P_w ^min(t)为t时刻允许风力发电输入电功率的最小值，P_w ^max(t)为t时刻允许风力发电输入电功率的最大值。

本实施方式中，S^wind＝0.95，P_w ^max(t)＝500kw，P_w ^max(t)＝0。

光伏发电Agent的约束条件为：当前时刻光伏发电输入电功率在允许光伏发电输入电功率的最小值和最大值之间；当前时刻光伏发电输出的电能负荷功率为光伏列阵发电稳定性概率、DC/AC转换器转换效率和当前时刻光伏发电输入电功率的乘积。

本实施方式中，光伏发电Agent的约束条件如式(5)所示：

$\left\{\begin{array}{c}{L}_e^{solar}\left(t\right)=S^{solar}{\mathrm{\η}}_{se}^{con}{P}_s\left(t\right)\\ P_s^{\min }\left(t\right)\≤P_s\left(t\right)\≤P_s^{max}\left(t\right)\end{array}\right.---\left(5\right)$

其中，为t时刻光伏发电输出的电能负荷功率，S^solar为光伏阵列发电稳定性概率，为DC/AC转换器转换效率，P_s(t)为光伏发电输入电功率，P_s ^min(t)为允许光伏发电输入电功率的最小值，P_s ^max(t)为允许光伏发电输入电功率的最大值。

本实施方式中，S^solar＝0.95，P_s ^min(t)＝0，P_s ^max(t)＝450kw。

石油Agent的约束条件为：当前时刻石油输入功率在允许石油输入功率的最小值和最大值之间；当前时刻石油输出的负荷功率为输油管道稳定性概率、当前时刻石油用于石油用户负载的调度参数和当前时刻石油输入功率的乘积；当前时刻石油用于石油用户负载的调度参数和当前时刻石油转换为热能的调度参数之和为1；当前时刻石油用于石油用户负载的调度参数大于等于0且小于等于1。

本实施方式中，不考虑功率损耗，石油Agent的约束条件如式(6)所示：

$\left\{\begin{array}{c}{L}_{Trans}\left(t\right)=S^{Trans}{\mathrm{\ν}}_{os}\left(t\right)P_o\left(t\right)\\ P_o^{\min }\left(t\right)\≤P_o\left(t\right)\≤P_o^{max}\left(t\right)\\ 0\≤{\mathrm{\ν}}_{os}\left(t\right)\≤1\\ {\mathrm{\ν}}_{oF}\left(t\right)+{\mathrm{\ν}}_{os}\left(t\right)=1\end{array}\right.---\left(6\right)$

其中，L_Trans(t)为t时刻石油输出的负荷功率，S^Trans为输油管道稳定性概率，v_os(t)为t时刻石油用于石油用户负载的调度参数，v_oF(t)为t时刻石油转换为热能的调度参数，P_o(t)为t时刻石油输入功率，P_o ^min(t)为t时刻允许石油输入功率的最小值，P_o ^max(t)为t时刻允许石油输入功率的最大值。

本实施方式中，S^Trans＝0.98，P_o ^min(t)＝0，P_o ^max(t)＝800kw。

热电联产设备Agent的约束条件为：当前时刻热电联产设备电输出功率在允许热电联产设备电输出功率的最大值之下；当前时刻天然气输入功率在允许天然气输入功率的最小值和最大值之间；当前时刻热电联产设备输出的电能负荷功率为热电联产设备运行稳定性概率、热电联产设备的天然气转换为电能的转换效率、当前时刻天然气转换为电能的调度参数和当前时刻天然气输入功率的乘积；当前时刻热电联产设备输出热能负荷功率为热电联产设备运行稳定性概率、热电联产设备的天然气转换为热能的转换效率、当前时刻天然气转换为电能的调度参数和当前时刻天然气输入功率的乘积；当前时刻天然气转换为电能的调度参数大于等于0且小于等于1。

本实施方式中，热电联产设备Agent的约束条件如式(7)所示：

$\left\{\begin{array}{c}{L}_e^{chp}\left(t\right)=S^{CHP}{\mathrm{\η}}_{ge}^{CHP}{\mathrm{\ν}}_{gchp}\left(t\right)P_g\left(t\right)\\ L_h^{chp}\left(t\right)=S^{CHP}{\mathrm{\η}}_{gh}^{CHP}{\mathrm{\ν}}_{gchp}\left(t\right)P_g\left(t\right)\\ {\mathrm{\η}}_{ge}^{CHP}{\mathrm{\ν}}_{gchp}\left(t\right)P_g\left(t\right)\≤P^{chp}\\ {P_g}^{\min }\left(t\right)\≤P_g\left(t\right)\≤{P_g}^{\max }\left(t\right)\\ 0\≤{\mathrm{\ν}}_{gchp}\left(t\right)\≤1\end{array}\right.---\left(7\right)$

其中，为t时刻热电联产设备输出的电能负荷功率，S^CHP为热电联产设备运行稳定性概率，为热电联产设备的天然气转换为电能的转换效率，v_gchp(t)为t时刻天然气转换为电能的调度参数，P_g(t)为t时刻天然气输入功率，为t时刻热电联产设备输出的热能负荷功率，为热电联产设备的天然气转换为热能的转换效率，P^chp为热电联产设备允许最大电输出功率，为t时刻允许天然气输入功率的最小值，P_g ^max(t)为t时刻允许天然气输入功率的最小值。

本实施方式中，S^CHP＝0.9，P^chp＝500，P_g ^min(t)＝150kw，P_g ^max(t)＝1800kw。

加热装置Agent的约束条件为：当前时刻加热装置将天然气转换为热能的热能负荷功率为加热装置设备运行稳定性概率、加热装置的天然气转换为热能的转换效率、当前时刻天然气转换为热能的调度参数和当前时刻天然气输入功率的乘积；当前时刻加热装置将石油转换为热能的热能负荷功率为加热装置设备运行稳定性概率、加热装置的石油转换为热能的转换效率、当前时刻石油转换为热能的调度参数和当前时刻石油流向加热装置的输入功率的乘积；当前时刻天然气转换为电能的调度参数大于等于0且小于等于1；当前时刻石油转换为热能的调度参数大于等于0且小于等于1，当前时刻天然气转换为电能的调度参数和当前时刻天然气转换为热能的调度参数之和为1。

本实施方式中，加热装置Agent的约束条件如式(8)所示：

$\left\{\begin{array}{c}{L}_h^{GF}\left(t\right)=S^F{\mathrm{\η}}_{gh}^F{\mathrm{\ν}}_{gF}\left(t\right)P_g\left(t\right)\\ L_h^{OF}\left(t\right)=S^F{\mathrm{\η}}_{oh}^F{\mathrm{\ν}}_{oF}\left(t\right)P_o^F\left(t\right)\\ 0\≤{\mathrm{\ν}}_{oF}\left(t\right)\≤1\\ 0\≤{\mathrm{\ν}}_{gF}\left(t\right)\≤1\\ {\mathrm{\ν}}_{gchp}\left(t\right)+{\mathrm{\ν}}_{gF}\left(t\right)=1\end{array}\right.---\left(8\right)$

其中，为t时刻加热装置将天然气转换为热能的热能负荷功率，S^F为加热装置设备运行稳定性概率，为加热装置的天然气转换为热能的转换效率，v_gF(t)为t时刻天然气转换为热能的调度参数，为t时刻石油流向加热装置的输入功率为t时刻加热装置将石油转换为热能的热能负荷功率，为加热装置的石油转换为热能的转换效率，v_oF(t)为t时刻石油转换为热能的调度参数。

本实施方式中，S^F＝0.95，

电能存储装置Agent的约束条件为：当前时刻电能存储装置的充放电功率平衡；当前时刻电能存储装置存储功率在电能存储装置存储功率最小值和最大值之间；当前时刻电能存储装置的充电功率在电能存储装置充电功率最小值和最大值之间；当前时刻电能存储装置的放电功率在电能存储装置放电功率的最小值和最大值之间；当前时刻电能存储装置的充电状态变量和放电状态变量之和大于等于0且小于等于1。

本实施方式中，电能存储装置Agent的约束条件如式(9)所示：

$\left\{\begin{array}{c}{P}_e^S\left(t\right)=P_e^S(t-1)+P_e^{ch}\left(t\right)-P_e^{dis}\left(t\right)\\ {\mathrm{\μ}}_e^{\min }{P}_e^M\≤P_e^S\left(t\right)\≤{\mathrm{\μ}}_e^{\max }{P}_e^M\\ {\mathrm{\μ}}_e^{\min }\frac{1}{{\mathrm{\η}}_e^{ch}}{P}_e^M{S}_e^{ch}\left(t\right)\≤P_e^{ch}\left(t\right)\≤{\mathrm{\μ}}_e^{\max }\frac{1}{{\mathrm{\η}}_e^{ch}}{P}_e^M{S}_e^{ch}\left(t\right)\\ {\mathrm{\μ}}_e^{\min }{\mathrm{\η}}_e^{dis}{P}_e^M{S}_e^{dis}\left(t\right)\≤P_e^{dis}\left(t\right)\≤{\mathrm{\μ}}_e^{\max }{\mathrm{\η}}_e^{dis}{P}_e^M{S}_e^{dis}\left(t\right)\\ 0\≤S_e^{ch}\left(t\right)+S_e^{dis}\left(t\right)\≤1\end{array}\right.---\left(9\right)$

其中，为t时刻电能存储装置电能存储功率，为t-1时刻电能存储装置电能存储功率，为t时刻电能存储装置充电功率，为t时刻电能存储装置放电功率，为电能存储装置最大存储功率，为电能存储装置最小存储率，为电能存储装置最大存储率，为电能存储装置充电效率，为电能存储装置放电效率，为t时刻电能存储装置的充电状态变量，为0或1的整型变量，为t时刻电能存储装置的放电状态变量，为0或1的整型变量。

本实施方式中， $P_e^M=100kw,{\mathrm{\μ}}_e^{min}=0.87,{\mathrm{\μ}}_e^{max}=0.93,{\mathrm{\η}}_e^{ch}=0.85,{\mathrm{\η}}_e^{dis}=\mathrm{0.76.}$

热能存储装置Agent的约束条件为：当前时刻热能存储装置的充放热功率平衡；当前时刻热能存储装置存储功率在热能存储装置存储功率最小值和最大值之间；当前时刻热能存储装置的充热功率在电能存储装置充热功率最小值和最大值之间；当前时刻热能存储装置的放热功率在热能存储装置放热功率的最小值和最大值之间；当前时刻热能存储装置的充热状态变量和放电状态变量之和大于等于0且小于等于1。

本实施方式中，热能存储装置Agent的约束条件如式(10)所示：

$\left\{\begin{array}{c}{P}_h^S\left(t\right)=P_h^S(t-1)+P_h^{ch}\left(t\right)-P_h^{dis}\left(t\right)\\ {\mathrm{\μ}}_h^{\min }{P}_h^M\≤P_h^s\left(t\right)\≤{\mathrm{\μ}}_h^{\max }{P}_h^M\\ {\mathrm{\μ}}_h^{\min }\frac{1}{{\mathrm{\η}}_h^{ch}}{P}_h^M{S}_h^{ch}\left(t\right)\≤P_h^{ch}\left(t\right)\≤{\mathrm{\μ}}_h^{\max }\frac{1}{{\mathrm{\η}}_h^{ch}}{P}_h^M{S}_h^{ch}\left(t\right)\\ {\mathrm{\μ}}_h^{\min }{\mathrm{\η}}_h^{dis}{P}_h^M{S}_h^{dis}\left(t\right)\≤P_h^{dis}\left(t\right)\≤{\mathrm{\μ}}_h^{\max }{\mathrm{\η}}_h^{dis}{P}_h^M{S}_h^{dis}\left(t\right)\\ 0\≤S_h^{ch}\left(t\right)+S_h^{dis}\left(t\right)\≤1\end{array}\right.---\left(10\right)$

其中，为t时刻热能存储装置热能存储功率，为t-1时刻热能存储装置热能存储功率，为t时刻热能存储装置充热功率，为t时刻热能存储装置放热功率，为热能存储装置最大存储功率，为热能存储装置最小存储率，为热能存储装置最大存储率，为热能存储装置充热效率，为热能存储装置放热效率，为t时刻热能存储装置的充热状态变量，为0或1的整型变量，为t时刻热能存储装置的放热状态变量，为0或1的整型变量。

本实施方式中， $P_h^M=1500kw,{\mathrm{\μ}}_h^{\min }=0.25,{\mathrm{\μ}}_h^{\max }=0.75,{\mathrm{\η}}_h^{ch}=0.6,{\mathrm{\η}}_h^{dis}=\mathrm{0.6.}$

可靠性管理Agent的约束条件为：一定时间内能量路由器在只有一台输出能量为Ω的设备产生故障时降低引起输出能量供应负荷不足的概率，其中，Ω为输出能量的类型。

本实施方式中，可靠性管理Agent的约束条件如式(11)所示：

$\left\{\begin{array}{c}{\mathrm{\ρ}}_{\mathrm{\Ω}}^i\left(t\right)=I^i{F}_{\mathrm{\Ω}}^i\×\underset{i\≠i^{\′}}{\Π}\left(1-I^{i^{\′}}{F}_{\mathrm{\Ω}}^{i^{\′}}\right)\\ \frac{L_{\mathrm{\Ω}}\left(t\right)-\underset{i^{\′}\≠i}{\Σ}{L}_{\mathrm{\Ω}}^{i^{\′}}\left(t\right)+S_{\mathrm{\Ω}}^{i^{\′}}\left(t\right)}{\underset{i}{\Σ}{Q}_{\mathrm{\Ω}}^i}\≤{\mathrm{\ψ}}_{\mathrm{\Ω}}^i\left(t\right)\≤1+\frac{L_{\mathrm{\Ω}}\left(t\right)-\underset{i^{\′}\≠i}{\Σ}{L}_{\mathrm{\Ω}}^{i^{\′}}\left(t\right)+S_{\mathrm{\Ω}}^{i^{\′}}\left(t\right)}{\underset{i}{\Σ}{Q}_{\mathrm{\Ω}}^i}\\ {\mathrm{ELNS}}_{\mathrm{\Ω}}=\underset{i}{\Σ}\underset{t}{\Σ}{\mathrm{\ρ}}_{\mathrm{\Ω}}^i\left(t\right)\·{\mathrm{\ψ}}_{\mathrm{\Ω}}^i\left(t\right)\·{\mathrm{\β}}_{\mathrm{\Ω}}^i\left(t\right)=\underset{i}{\Σ}\underset{t}{\Σ}\[I^i{F}_{\mathrm{\Ω}}^i\×\underset{i\≠i^{\′}}{\Π}\left(1-I^{i^{\′}}{F}_{\mathrm{\Ω}}^{i^{\′}}\right)\]\·{\mathrm{\ψ}}_{\mathrm{\Ω}}^i\left(t\right)\·{\mathrm{\β}}_{\mathrm{\Ω}}^i\left(t\right)\\ {\mathrm{\β}}_{\mathrm{\Ω}}^i\left(t\right)=L_{\mathrm{\Ω}}\left(t\right)-\underset{i^{\′}\≠i}{\Σ}{L}_{\mathrm{\Ω}}^{i^{\′}}\left(t\right)+S_{\mathrm{\Ω}}^{i^{\′}}\left(t\right)\\ {\mathrm{ELNS}}_{\mathrm{\Ω}}=\underset{i}{\Σ}\underset{t}{\Σ}{I}^i{F}_{\mathrm{\Ω}}^i\·{\mathrm{\ψ}}_{\mathrm{\Ω}}^i\left(t\right)\·{\mathrm{\β}}_{\mathrm{\Ω}}^i\left(t\right)\·\mathrm{\Δ}t\end{array}\right.---\left(11\right)$

其中，Iⁱ为能量路由器的第i个设备的安装状态，Ω为设备输出能量的类型，为能量路由器的第i个输出能量为Ω的设备产生故障而其他输出能量为Ω的设备没有产生故障的概率，为能量路由器的第i个输出能量为Ω的设备产生故障的概率，I^i′为能量路由器的第i′个设备的安装状态，为能量路由器的第i′个输出能量为Ω的设备产生故障的概率，L_Ω(t)为能量类型为Ω的输出负荷功率，为能量路由器的第i′个输出能量为Ω的设备输出功率，为能量路由器的第i′个存储能量为Ω的设备存储功率，为能量路由器的第i个输出能量为Ω的设备额定功率，为引起负荷量损失的变量，为0或1的整型变量，0表示引起负荷量损失，1表示不能引起负荷量损失，为由于能量路由器的第i个输出类型为Ω的设备故障而产生负荷损失功率，ELNS_Ω为能量路由器的电能负荷损失功率，EENS^Ω为能量路由器的电能负荷损失能量，Δt＝1为单位时间。

负荷管理Agent的约束条件为：一定时间内的能量路由器增加的电能负荷功率与能量路由器中断的电能负荷功率平衡；当前时刻能量路由器增加的电能负荷功率在其允许的最大范围内；当前时刻能量路由器中断的电能负荷功率在其允许的最大范围内。

本实施方式中，负荷管理Agent的约束条件如式(12)所示：

$\left\{\begin{array}{c}\underset{t=1}{\overset{T}{\Σ}}{P}_e^{up}\left(t\right)=\underset{t=1}{\overset{T}{\Σ}}{P}_e^{do}\left(t\right)\\ 0\≤P_e^{up}\left(t\right)\≤{\mathrm{II}}^{up}{L}_e\left(t\right)I_e^{up}\left(t\right)\\ 0\≤P_e^{do}\left(t\right)\≤{\mathrm{II}}^{do}{L}_e\left(t\right)I_e^{do}\left(t\right)\\ 0\≤I_e^{up}\left(t\right)+I_e^{do}\left(t\right)\≤1\end{array}\right.---\left(12\right)$

其中，为t时刻能量路由器增加的电能负荷功率，为t时刻能量路由器中断的电能负荷功率，II^up为增加负荷的比例系数，取值0.08，II^do为中断负荷的比例系数，取值为0.08，表示对能量路由器的电能负荷进行调控，表示不对能量路由器的电能负荷进行调控。

负荷平衡Agent的约束条件为：当前时刻能量路由器的电能负荷功率为当前时刻公共电网输出的电能负荷功率、当前时刻风力发电输出的电能负荷功率、当前时刻光伏发电输出的电能负荷功率、当前时刻热电联产设备输出的电能负荷功率、当前时刻电能存储装置的放电功率与当前时刻能量路由器中断的电能负荷功率之和减去当前时刻电能存储装置的充电功率与当前时刻能量路由器增加的电能负荷功率之和；当前时刻能量路由器的热能负荷功率为加热装置输出的热能负荷功率、当前时刻热电联产设备输出的热能负荷功率与当前时刻热能存储装置放热功率之和减去当前时刻热能存储装置充热功率。

本实施方式中，负荷平衡Agent的约束条件如式(13)所示：

$\left\{\begin{array}{c}{L}_e\left(t\right)=L_e^{net}\left(t\right)+L_e^{wind}\left(t\right)+L_e^{solar}\left(t\right)+L_e^{shp}\left(t\right)+P_e^{dis}\left(t\right)-P_e^{ch}\left(t\right)+P_e^{do}\left(t\right)-P_e^{up}\left(t\right)\\ L_h\left(t\right)=L_h^{GF}\left(t\right)+L_h^{OF}\left(t\right)+L_h^{chp}\left(t\right)+P_h^{dis}\left(t\right)-P_h^{ch}\left(t\right)\end{array}\right.---\left(13\right)$

其中，L_e(t)为t时刻能量路由器的电能负荷功率，L_h(t)为t时刻能量路由器的热能负荷功率。

预测模块，用于根据用户需要预测电能负荷、热能负荷和石油负荷，并传送至调度优化模块。

数据存储模块，用于存储调度优化模块、预测模块、以及输入接口模块的数据信息。

输入接口模块，用于根据调度优化模块获得的选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传送至通讯接口单元5。

采用基于多智能体建模的能量路由器进行能量调度的方法，如图2所示，包括以下步骤：

步骤1：能量控制单元根据用户需要对电能负荷、热能负荷和石油负荷进行预测，并进行能量调度优化，得到选择输入的能量的类型及其分配方式，根据选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传输至通讯接口单元。

步骤1.1：预测模块根据用户需要预测电能负荷、热能负荷和石油负荷，并传送至调度优化模块。

步骤1.2：调度优化模块根据输入能量与用户能量负荷之间的关系建立能量路由器模型。

步骤1.3：调度优化模块根据能量路由器模型建立其多智能体***，以能量路由器的经济调度模型作为目标函数，以能量路由器模型的多智能体***的约束条件作为智能体，采用多智能体粒子群算法对能量路由器模型进行优化，得到能量路由器模型的输入能量的最优解，即选择输入的能量的类型及其分配方式。

步骤1.4：调度优化模块将选择输入的能量的类型及其分配方式传送至输入接口模块。

步骤1.5：输入接口模块根据调度优化模块获得的选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传送至通讯接口单元。

步骤2：通讯接口单元与能量传输单元、能量转换单元、能量存储单元和能量控制单元进行通讯，通讯接口单元将能量控制单元的输入能量的调度优化信息传输至能量传输单元、能量转换单元和能量存储单元。

步骤3：能量传输单元将输入能量的调度优化信息中的选择输入的能量传输至用户负载、能量转换单元或能量存储单元，能量转换单元将输入的能量载体的能量转换成所需的另一种形式的能量传输至用户负载，能量存储单元进行电能和热能存储。

Claims (10)

1.基于多智能体建模的能量路由器，其特征在于，包括能量控制单元、能量传输单元、能量转换单元、能量存储单元和通讯接口单元；

所述的能量控制单元，通过中心计算机实现，包括调度优化模块、预测模块、数据存储模块和输入接口模块，用于根据用户需要对电能负荷、热能负荷和石油负荷进行预测，并进行能量调度优化，得到选择输入的能量的类型及其分配方式，根据选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传输至通讯接口单元；

所述的能量传输单元，用于将所述输入能量的调度优化信息中的选择输入的能量传输至用户负载、能量转换单元或能量存储单元；

所述的能量转换单元，用于将输入的能量转换成所需的另一种形式的能量传输至用户负载；

所述的能量存储单元，用于存储电能和热能；

所述的通讯接口单元，用于实现能量控制单元、能量传输单元、能量转换单元和能量存储单元之间的通讯，将能量控制单元的输入能量的调度优化信息传输至能量传输单元、能量转换单元和能量存储单元；

所述的调度优化模块，用于根据输入能量与用户能量负荷之间的关系建立能量路由器模型，根据能量路由器模型建立其多智能体***，以能量路由器的经济调度模型作为目标函数，以能量路由器模型的多智能体***的约束条件作为智能体，采用多智能体粒子群算法对能量路由器模型进行优化，得到能量路由器模型的输入能量的最优解，即选择输入的能量的类型及其分配方式，将选择输入的能量的类型及其分配方式传送至输入接口模块；

所述的预测模块，用于根据用户需要预测电能负荷、热能负荷和石油负荷，并传送至调度优化模块；

所述的数据存储模块，用于存储调度优化模块、预测模块、以及输入接口模块的数据信息；

所述的输入接口模块，用于根据调度优化模块获得的选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传送至通讯接口单元。

2.根据权利要求1所述的基于多智能体建模的能量路由器，其特征在于，所述的选择输入的能量包括电能、风能、太阳能、天然气和石油。

3.根据权利要求1所述的基于多智能体建模的能量路由器，其特征在于，所述的能量传输单元包括：输油管道、天然气管道和输电网络。

4.根据权利要求1所述的基于多智能体建模的能量路由器，其特征在于，所述的能量转换单元包括：风力发电机组、光伏阵列、热电联产设备、加热装置、变压器、AC/AC转换器和DC/AC转换器。

5.根据权利要求1所述的基于多智能体建模的能量路由器，其特征在于，所述的能量存储单元包括：电能存储装置和热能存储装置。

6.根据权利要求1-5中任一项所述的基于多智能体建模的能量路由器，其特征在于，所述的根据输入能量与用户能量负荷之间的关系建立能量路由器模型如下所示：

${\left[\begin{array}{ccc}{L}_e+\frac{{\stackrel{\·}{E}}_e}{e_e}& L_h+\frac{{\stackrel{\·}{E}}_h}{e_h}& L_{Trans}\end{array}\right]}^T=C\·{\left[\begin{array}{ccccc}{P}_e& P_w& P_s& P_g& P_o\end{array}\right]}^T$

其中，L_e为能量路由器的电能负荷功率，L_h为能量路由器的热能负荷功率，L_Trans为能量路由器的石油负荷功率，P_e为公共电网输入电功率，P_w为风力发电输入电功率，P_s为光伏发电输入电功率，P_g为天然气输入功率，P_o为石油输入功率，为能量路由器存储的电功率，为能量路由器存储的热功率，e_e为电能存储效率，e_h为热能存储效率，C为输入能量功率与输出能量功率转换关系的耦合矩阵。

7.根据权利要求1-5中任一项所述的基于多智能体建模的能量路由器，其特征在于，所述的根据能量路由器模型建立的多智能体***包括：电能Agent、风力发电Agent、光伏发电Agent、石油Agent、热电联产设备Agent、加热装置Agent、电能存储装置Agent、热能存储装置Agent、可靠性管理Agent、负荷管理Agent和负荷平衡Agent。

8.根据权利要求1-5中任一项所述的基于多智能体建模的能量路由器，其特征在于，所述的能量路由器的经济调度模型为：

$\begin{array}{c}Total\cos t=\underset{t=1}{\overset{T}{\Σ}}{\mathrm{\α}}_e\left(t\right)P_e\left(t\right)+{\mathrm{\α}}_g{P}_g\left(t\right)+{\mathrm{\α}}_o{P}_o\left(t\right)+\[{\mathrm{\α}}_e\left(t\right)\left({P_e}^{ch}\right(t)-{P_e}^{dis}(t\left)\right)\]\\ +\[{\mathrm{\α}}_e^S\left({P_e}^{ch}\left(t\right)+{P_e}^{dis}\left(t\right)\right)\]+\[{\mathrm{\α}}_h^S\left({P_e}^{ch}\left(t\right)+{P_e}^{dis}\left(t\right)\right)\]+{\mathrm{EENS}}^{\mathrm{\Ω}}\×P^{\mathrm{\Ω}}+{\mathrm{\α}}^{DR}\left({P_e}^{do}\left(t\right)+{P_e}^{up}\left(t\right)\right)\end{array}$

其中，Totalcost为总费用，α_e(t)为实时的电费用，P_e(t)为t时刻公共电网输入电功率，α_g为天然气费用，P_g(t)为t时刻天然气输入功率，α_o为石油费用，P_o(t)为t时刻石油输入功率，为t时刻电能存储装置的充电功率，为t时刻电能存储装置的放电功率，为电能存储装置操作费用，为热能存储装置操作费用，EENS^Ω为能量路由器的电能负荷损失能量，P^Ω为惩罚成本系数，α^DR为用电补偿费用，为t时刻内增加的电能负荷功率，为t时刻内中断的电能负荷功率，T为总时间。

9.根据权利要求7中任一项所述的基于多智能体建模的能量路由器，其特征在于，所述的能量路由器模型的多智能体***的约束条件分别为：

电能Agent的约束条件为：当前时刻公共电网输入电功率在允许公共电网输入电功率的最小值和最大值之间；当前时刻公共电网输出的电能负荷功率为输电网稳定性概率、变压器转换效率和当前时刻公共电网输入电功率的乘积；

风力发电Agent的约束条件为：当前时刻风力发电输入电功率在允许风力发电输入电功率的最小值和最大值之间；当前时刻风力发电输出的电能负荷功率为风力发电机组稳定性概率、AC/AC转换器的转换效率和当前时刻风力发电输入电功率的乘积；

光伏发电Agent的约束条件为：当前时刻光伏发电输入电功率在允许光伏发电输入电功率的最小值和最大值之间；当前时刻光伏发电输出的电能负荷功率为光伏列阵发电稳定性概率、DC/AC转换器转换效率和当前时刻光伏发电输入电功率的乘积；

石油Agent的约束条件为：当前时刻石油输入功率在允许石油输入功率的最小值和最大值之间；当前时刻石油输出的负荷功率为输油管道稳定性概率、当前时刻石油用于石油用户负载的调度参数和当前时刻石油输入功率的乘积；当前时刻石油用于石油用户负载的调度参数和当前时刻石油转换为热能的调度参数之和为1；当前时刻石油用于石油用户负载的调度参数大于等于0且小于等于1；

热电联产设备Agent的约束条件为：当前时刻热电联产设备电输出功率在允许热电联产设备电输出功率的最大值之下；当前时刻天然气输入功率在允许天然气输入功率的最小值和最大值之间；当前时刻热电联产设备输出的电能负荷功率为热电联产设备运行稳定性概率、热电联产设备的天然气转换为电能的转换效率、当前时刻天然气转换为电能的调度参数和当前时刻天然气输入功率的乘积；当前时刻热电联产设备输出的热能负荷功率为热电联产设备运行稳定性概率、热电联产设备的天然气转换为热能的转换效率、当前时刻天然气转换为电能的调度参数和当前时刻天然气输入功率的乘积；当前时刻天然气转换为电能的调度参数大于等于0且小于等于1；

加热装置Agent的约束条件为：当前时刻加热装置将天然气转换为热能的热能负荷功率为加热装置设备运行稳定性概率、加热装置的天然气转换为热能的转换效率、当前时刻天然气转换为热能的调度参数和当前时刻天然气输入功率的乘积；当前时刻加热装置将石油转换为热能的热能负荷功率为加热装置设备运行稳定性概率、加热装置的石油转换为热能的转换效率、当前时刻石油转换为热能的调度参数和当前时刻石油流向加热装置的输入功率的乘积；当前时刻天然气转换为电能的调度参数大于等于0且小于等于1；当前时刻石油转换为热能的调度参数大于等于0且小于等于1，当前时刻天然气转换为电能的调度参数和当前时刻天然气转换为热能的调度参数之和为1；

电能存储装置Agent的约束条件为：当前时刻电能存储装置的充放电功率平衡；当前时刻电能存储装置存储功率在电能存储装置存储功率最小值和最大值之间；当前时刻电能存储装置的充电功率在电能存储装置充电功率最小值和最大值之间；当前时刻电能存储装置的放电功率在电能存储装置放电功率的最小值和最大值之间，当前时刻电能存储装置的充电状态变量和放电状态变量之和大于等于0且小于等于1；

热能存储装置Agent的约束条件为：当前时刻热能存储装置的充放热功率平衡；当前时刻热能存储装置存储功率在热能存储装置存储功率最小值和最大值之间；当前时刻热能存储装置的充热功率在电能存储装置充热功率最小值和最大值之间；当前时刻热能存储装置的放热功率在热能存储装置放热功率的最小值和最大值之间；当前时刻热能存储装置的充热状态变量和放电状态变量之和大于等于0且小于等于1；

可靠性管理Agent的约束条件为：一定时间内能量路由器在只有一台输出能量为Ω的设备产生故障时降低引起输出能量供应负荷不足的概率，其中，Ω为输出能量的类型；

负荷管理Agent的约束条件为：一定时间内的能量路由器增加的电能负荷功率与能量路由器中断的电能负荷功率平衡；当前时刻能量路由器增加的电能负荷功率在其允许的最大范围内；当前时刻能量路由器中断的电能负荷功率在其允许的最大范围内；

负荷平衡Agent的约束条件为：当前时刻能量路由器的电能负荷功率为当前时刻公共电网输出的电能负荷功率、当前时刻风力发电输出的电能负荷功率、当前时刻光伏发电输出的电能负荷功率、当前时刻热电联产设备输出的电能负荷功率、当前时刻电能存储装置的放电功率与当前时刻能量路由器中断的电能负荷功率之和减去当前时刻电能存储装置的充电功率与当前时刻能量路由器增加的电能负荷功率之和；当前时刻能量路由器的热能负荷功率为加热装置输出的热能负荷功率、当前时刻热电联产设备输出的热能负荷功率与当前时刻热能存储装置放热功率之和减去当前时刻热能存储装置充热功率；

10.采用权利要求1所述的基于多智能体建模的能量路由器进行能量调度的方法，其特征在于，包括以下步骤：

步骤1：能量控制单元根据用户需要对电能负荷、热能负荷和石油负荷进行预测，并进行能量调度优化，得到选择输入的能量的类型及其分配方式，根据选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传输至通讯接口单元；

步骤1.1：预测模块根据用户需要预测电能负荷、热能负荷和石油负荷，并传送至调度优化模块；

步骤1.2：调度优化模块根据输入能量与用户能量负荷之间的关系建立能量路由器模型；

步骤1.3：调度优化模块根据能量路由器模型建立其多智能体***，以能量路由器的经济调度模型作为目标函数，以能量路由器模型的多智能体***的约束条件作为智能体，采用多智能体粒子群算法对能量路由器模型进行优化，得到能量路由器模型的输入能量的最优解，即选择输入的能量的类型及其分配方式；

步骤1.4：调度优化模块将选择输入的能量的类型及其分配方式传送至输入接口模块；

步骤1.5：输入接口模块根据调度优化模块获得的选择输入的能量的类型及其分配方式得到能量传输单元需要的能量和能量转换单元需要转换的能量的类型及功率，即输入能量的调度优化信息，并传送至通讯接口单元；

步骤2：通讯接口单元与能量传输单元、能量转换单元、能量存储单元和能量控制单元进行通讯，通讯接口单元将能量控制单元的输入能量的调度优化信息传输至能量传输单元、能量转换单元和能量存储单元；

步骤3：能量传输单元将输入能量的调度优化信息中的选择输入的能量传输至用户负载、能量转换单元或能量存储单元，能量转换单元将输入的能量载体的能量转换成所需的另一种形式的能量传输至用户负载，能量存储单元进行电能和热能存储。