CN109114662B - 一种基于多智能体的电热蓄能装置的供暖控制方法及*** - Google Patents

Abstract

本发明提供了一种基于多智能体的电热蓄能装置的供暖控制方法，所述控制方法包括：分析电热蓄能装置的特性，建立供热量模型、用电负荷需求模型和蓄热量模型；提出多智能体的电热蓄能装置控制模型；根据所述供热量模型、用电负荷需求模型和蓄热量模型构建电热蓄能装置的约束条件，根据所述多智能体的电热蓄能装置控制模型构建单一电热蓄能装置智能体的目标函数；根据所述电热蓄能装置的约束条件和所述单一电热蓄能装置智能体的目标函数对多智能体的电热蓄能装置的供暖控制进行优化。本发明提供的基于多智能体的电热蓄能装置的供暖控制方法，充分利用了电热蓄能装置削峰填谷的特性，实现了整个电热蓄能***的削峰填谷。

Description

一种基于多智能体的电热蓄能装置的供暖控制方法及***

技术领域

本发明涉及供暖***的控制领域，具体涉及一种基于多智能体的电热蓄能装置的供暖控制方法。

背景技术

随着冬季供暖时期雾霾天气的不断加剧，国家开始大力推广“以电代煤、以电代油、电从远方来”的理念，各地政府、电力公司以及供暖公司也为缓解大气污染，纷纷启动了“煤改电”工程项目，节能降耗，电采暖的逐步推广和应用,无疑将成为城市环境污染“减负”的重要手段之一。近年来,随着我国电力事业的飞速发展,利用电能产生热量进行取暖的方式,其清洁和方便性越来越得到人们的认可,发展电采暖已成为冬季取暖的趋势之一，同时，综合考虑到我国的用电结构，我国在电力行业提出了“削峰填谷”措施：即施行峰谷电价，提倡峰时少用电，谷时多用电。

为此，需要提供了一种基于多智能体的电热蓄能装置的蓄热管理模式，充分利用了电热蓄能装置削峰填谷的特性，实现整个电热蓄能***“削峰填谷”，成为本领域技术人员迫切需要解决的问题。

发明内容

为了解决现有技术中所存在的上述不足，一种基于多智能体的电热蓄能装置的供暖控制方法及***。

本发明提供的一种基于多智能体的电热蓄能装置的供暖控制方法，包括以下步骤：

步骤1：分析电热蓄能装置的特性，建立供热量模型、用电负荷需求模型和蓄热量模型；

步骤2：提出多智能体的电热蓄能装置控制模型；

步骤3：根据所述供热量模型、用电负荷需求模型和蓄热量模型构建电热蓄能装置的约束条件，根据所述多智能体的电热蓄能装置控制模型构建单一电热蓄能装置智能体的目标函数；

步骤4：根据所述电热蓄能装置的约束条件和所述单一电热蓄能装置智能体的目标函数对多智能体的电热蓄能装置的供暖控制进行优化。

优选的，所述步骤1的供热量模型如下式所示：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；n：单一电热蓄能装置供热范围内的建筑物个数；q_m：第m个建筑物的单位面积的散热指标；S_m：第m个建筑物的表面积；T_{inside_t}：t时刻供热建筑物的室内温度；T_{outside_t}：t时刻供热建筑物的室外温度。

优选的，所述步骤1的用电负荷需求模型的建立包括：电热蓄能装置低谷时段的用电负荷需求应满足的条件如下式所示:

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_max}：电热蓄能装置的最大功率；ΔP_{nd_t}：电热蓄能装置在非低谷时段蓄热时的热量损失功率；t_{d_s}、t_{d_e}、t_nd：分别为夜间低谷时段的开始时间、结束时间和非低谷时段的结束时间。

优选的，所述步骤1的蓄热量模型如下式所示：

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_t}：t时刻电热蓄能装置的供热负荷。

所述步骤2的提出多智能体的电热蓄能装置的控制模型包括，根据多智能体***，对电热蓄能装置的调度管理***进行智能化设计，并组成多智能体的电热蓄能装置控制模型。

优选的，所述多智能体的电热蓄能装置控制模型包括：电网智能体GA、地区智能体RA、小区智能体SA和电热蓄能装置智能体EA；所述GA、RA、SA和EA由EA进行预约并上传，由SA进行整合，由RA与EA协同进行计算优化，由GA进行调整，最后协同制定出一个控制策略。

优选的，所述步骤3中约束条件包括：功率约束、蓄热量约束和功率波动约束。

优选的，所述功率约束如下式所示：

P_{hd_min}≤P_{hd_t}≤P_{hd_max} (5)

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；P_{hd_min}和P_{hd_max}：分别为电热蓄能装置功率的下限制和上限值。

优选的，所述蓄热量约束如下式所示：

Q_{hd_t}≤Q_{hd_max} (6)

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；Q_{hd_max}：电热蓄能装置蓄热器的最大蓄热量。

优选的，所述功率波动约束如下式所示：

式中：P_hd,t：t时刻电热蓄能装置的供热负荷；P_hd,t-1：t‐1时刻电热蓄能装置的供热负荷；

和

电热蓄能装置升、降功率的响应速度极限。

优选的，所述步骤3中目标函数F如下式所示：

F＝min[max(L_j,r)-min(L_j,r)] (8)

式中：L_j,r：电热蓄能装置智能体所接入的调度在j时段内的实际负荷数据。

优选的，所述步骤4中多智能体的电热蓄能装置的供暖控制进行优化包括：

4‐1、首先初始化电热蓄能装置的相关参数；

4‐2、初始化迭代参数；

4‐3、根据时间段数进行迭代，将电热蓄能装置按照接入的时间分配到各个时段；

4‐4、计算出适合自身的蓄热和供热时段；4‐5、计算叠加当前电热蓄能装置供热负荷之后的总负荷L_j,r并和调度中心的最大负荷L_j,max进行比较，若L_j,r＜L_j,max，则生产该电热蓄能装置的蓄热计划并更新调度的负荷信息，反之则退出循环；

4‐6、按时段循环迭代至T＝24，随时间的推进依次获取1天内每个电热蓄能装置的蓄热计划。

优选的，所述步骤4‐1的相关参数包括电热蓄能装置的数量、夜间低谷时段的开始时间、结束时间和功率上下限制参数。

本发明提供的基于多智能体的电热蓄能装置的供暖控制***包括：第一构建模块、第二构建模块、第三构建模块、第四构建模块和优化模块；

所述的第一构建模块，用于根据电热蓄能装置的运行特性构建供热量模型、用电负荷需求模型和蓄热量模型；

所述的第二构建模块，用于根据多智能体***构建多智能体的电热蓄能装置控制模型；

所述的第三构建模块，用于根据所述第一构建模块构建电热蓄能装置的约束条件；

所述的第四构建模块，用于根据所述第二构建模块构建单一电热蓄能装置智能体的目标函数；

所述优化模块，用于根据所述第三构建模块的电热蓄能装置的约束条件和所述第四构建模块的单一电热蓄能装置智能体的目标函数对多智能体的电热蓄能装置的供暖控制进行优化。

优选的，所述第一构建模块包括构建供热量子模块、构建用电负荷需求子模块和构建蓄热量子模块；

所述构建供热量子模块：用于根据如下公式构建供热量模型：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；n：单一电热蓄能装置供热范围内的建筑物个数；q_m：第m个建筑物的单位面积的散热指标；S_m：第m个建筑物的表面积；T_{inside_t}：t时刻供热建筑物的室内温度；T_{outside_t}：t时刻供热建筑物的室外温度；

所述构建用电负荷需求子模块：用于根据如下公式构建用电负荷需求模型：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_max}：电热蓄能装置的最大功率；ΔP_{nd_t}：电热蓄能装置在非低谷时段蓄热时的热量损失功率；t_{d_s}、t_{d_e}、t_nd：分别为夜间低谷时段的开始时间、结束时间和非低谷时段的结束时间；

所述构建蓄热量子模块：用于根据如下公式构建蓄热量模型：

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_t}：t时刻电热蓄能装置的供热负荷。

优选的，所述第三构建模块包括：功率约束子模块、蓄热量约束子模块和功率波动约束子模块；

所述功率约束子模块：用于根据如下公式构建功率约束：

P_{hd_min}≤P_{hd_t}≤P_{hd_max}

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；P_{hd_min}和P_{hd_max}：分别为电热蓄能装置功率的下限制和上限值；

所述蓄热量约束子模块：用于根据如下公式构建蓄热量约束：

Q_{hd_t}≤Q_{hd_max}

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；Q_{hd_max}：电热蓄能装置蓄热器的最大蓄热量；

所述功率波动约束子模块：用于根据如下公式构建功率波动约束：

式中：P_hd,t：t时刻电热蓄能装置的供热负荷；P_hd,t-1：t-1时刻电热蓄能装置的供热负荷；

和

电热蓄能装置升、降功率的响应速度极限。

优选的，所述第四构建模块：用于根据如下公式构建目标函数：

F＝min[max(L_j,r)-min(L_j,r)]

式中：L_j,r：电热蓄能装置智能体所接入的调度在j时段内的实际负荷数据。

优选的，所述优化模块包括：初始化子模块、分配子模块、计算子模块和比较子模块；

所述初始化子模块：用于初始化电热蓄能装置的相关参数和迭代参数；

所述分配子模块：用于将电热蓄能装置按照接入的时间分配到各个时段；

所述计算子模块：用于计算适合自身的蓄热和供热时段，并计算叠加当前电热蓄能装置供热负荷之后的总负荷L_j,r；

所述比较子模块：用于当前电热蓄能装置供热负荷之后的总负荷L_j,r和调度中心的最大负荷L_j,max进行比较。

与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：

本发明提供的电热蓄能装置的供暖控制方法综合考虑电热蓄能装置运行过程中的各影响因素，分析各影响因素的需求模型，提出电热蓄能装置控制模型，根据电热蓄能装置的约束条件和单一电热蓄能装置智能体的目标函数对多智能体的电热蓄能装置的供暖控制进行优化，实现了节能降耗，削峰填谷的效果。

本发明提供的控制策略引入一种多智能体思想，把单一电热蓄能装置设备看成一个单智能体***，从而组成多智能体***，该***满足了用户蓄热需求的电热蓄能装置的运行指标，并从削峰填谷角度对基于多智能体电热蓄能装置供暖***进行优化控制。

附图说明

图1为现有技术电热蓄能装置的工作原理图；

图2为现有技术多智能体***的结构图；

图3为本发明的基于多智能体的电热蓄能装置蓄热管理架构图；

图4为本发明提供的多智能体的电热蓄能装置的供暖控制方法流程图；

图5为本发明提供的多智能体的电热蓄能装置的优化控制流程图。

具体实施方式

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

参见附图1所示，电热蓄能装置是以电力为能源，将其转化为热能，经过装置内部的转换输出一定的蒸气、高温水或有机热载体来储存热能。电热蓄能装置是一种高效、节能的加热装置，它在电网低谷时段开启，将水加热并储存在水箱中，在电网高峰时段则关闭。电热蓄能装置利用低谷时段电能作为能源，实现了“削峰填谷”的措施，提高了装置的供热效率，减少了供暖装置的供热功率误差。因此通过考虑影响电热蓄能装置供热量的因素，建立供热量模型；分析电热蓄能装置的运行特性，考虑到电热蓄能装置的工作原理及其运行模式，从而建立电热蓄能装置的负荷需求模型。

参见附图2所示，智能体***的一般结构，主要包括决策模块、数据收集模块、通讯模块、执行模块、知识库及知识更新模块组成。

知识库：知识库用于储存智能体既有知识及接受实时更新的知识。其知识是由描述数据及信息数据组成。描述数据指智能代理的自身及环境状态，包括智能体的环境模型、控制对象模型、目标、信息处理模型、算法模型、任务接受与分解模型等；而信息数据则是智能体监控对象及其接受到的其他对象信息的记录。

数据收集模块：采集整合环境信息与自身数据库，筛选控制对象信息，并影响决策模块的动作。

决策模块：通过对知识库及数据收集模块中的数据进行分析，根据预先设定及自身推理能力对智能代理的行为进行决策。

执行模块：根据决策模块的部署对控制对象进行动作。

通讯模块：与其他智能体或智能体进行通信，负责信息的发送与接收。

参见附图3所示，该管理模式将电力***分成3个层次：第1层为输电网络层；第2层为变压器以上的配电网络层；第3层为变压器以下的用电层。在变压器以下层面，采用多智能体的协调控制策略对电热蓄能装置工作状态进行管理。将电热蓄能装置作为具有适应性的智能体，同一变压器下的电热蓄能装置为一个供热群体。并根据需要将1天分为多个时段，当电热蓄能装置接入配电网时，该智能体获取所接入的变压器在该时段的负荷信息以及后续时段的预估负荷信息，同时结合用户的供暖需求和可用时段，制定自身的供热计划，并将更新后的用户负荷信息发布给其他智能体，并按照接入时间依次生成各自的工作计划，共同完成电热蓄能装置整体的“移峰填谷”任务。

参见图4和图5所示，本发明还提供了多智能体电热蓄能装置供暖控制方法，具体包括以下步骤：

步骤1：分析电热蓄能装置的运行特性，考虑到电热蓄能装置的工作原理及其运行模式，从而建立电热蓄能装置的负荷需求模型；

步骤2：提出基于多智能体的电热蓄能装置控制模型，分析多智能体***的组成及其在电热蓄能装置供暖***中的控制策略；

步骤3：建立电热蓄能装置的优化控制数学模型，对单一电热蓄能装置的主要变量和参数进行分析与整理，对电热蓄能装置的自身参数及在其运行过程中的变量进行分析与整合，并建立单一电热蓄能装置智能体的负荷控制约束条件及其目标函数；

步骤4：制定基于多智能体的电热蓄能装置优化控制研究策略，实现“节能降耗”、“削峰填谷”的目的。

步骤1的具体步骤如下：

步骤1.1：分析电热蓄能装置的供热量：

供热负荷的影响因素比较多，包括温度、天气、太阳辐射、风力、建筑隔热特性等，但主要受温度的影响。为便于分析，采用日热负荷预测函数以温度作为变量，电热蓄能装置的供热量为室外温度的函数：

其中：P_{hd_t}为t时刻电热蓄能装置的供热负荷，n为单一电热蓄能装置供热范围内的建筑物个数，q_m为第m个建筑物的单位面积的散热指标，在不考虑风速、太阳辐射对建筑物散热指标的影响下，可以视为常数，S_m为第m个建筑物的表面积，T_{inside_t}为t时刻供热建筑物的室内温度，根据2002年，国家制定的《室内空气质量标准》，即GB/T18883‐2002。规定冬季采暖标准为16～24℃，符合这个标准的室内温度就是舒适的室内温度，因此T_{inside_t}取中间值20℃，T_{outside_t}为t时刻供热建筑物的室外温度。

步骤1.2：通过分析电热蓄能装置的运行方式，建立电热蓄能装置的用电负荷需求方程：

电热蓄能装置主要在夜间低谷时段运行，在满足基础供暖的同时进行蓄热。因此，电热蓄能装置的运行分为2个阶段:一是在低谷时段，电热蓄能装置投入运行，产生的热量一部分直接对用户供热，满足基本用热需求，另一部分加热蓄热器中的水来储存热量，满足非低谷时段的供热需求；二是在非低谷时段，电热蓄能装置停止运行，利用蓄热器内的热水对用户供热。据此，电热蓄能装置炉低谷时段的用电负荷应满足如下条件:

其中：

为夜间低谷时段t时段电热蓄能装置的用电负荷，P_{hd_max}为电热蓄能装置的最大功率，ΔP_{nd_t}为电热蓄能装置在非低谷时段蓄热时的热量损失功率，t_{d_s}、t_{d_e}、t_nd分别为夜间低谷时段的开始时间、结束时间和非低谷时段的结束时间。

步骤1.3：电热蓄能装置的蓄热量模型：

其中：Q_{hd_t}为电热蓄能装置在t时刻的蓄热量。

步骤2中：基于多智能体的电热蓄能装置优化控制模型，根据多智能体***与复杂适应理论，将电热蓄能装置调度控制的***中的关键部分设计为智能代理，并组成四层多智能体***。此***成员如下：电网智能体GA(Grid Agent)代表***架构中最上层电网、地区智能体RA(Regional Agent)代表分区的电力调度信息***、小区智能体SA(Sub-district Agent)代表小区块的信息集成以及整合***、以及电热蓄能装置智能体EA(Electric energy storage device Agent)代表电热蓄能装置。

GA代表***最上层的电网，其代表的是电力公司的利益。在基于多智能体的电热蓄能装置调度管理结构下，其目标为保证电网的稳定，减小电网运行损耗，并使电力公司利益最大化。

RA是下辖于GA的中层代理，其位于本文所述多智能体***的关键节点，是GA制定策略的执行者，并负责引导电热蓄能装置的供储热时段，相当于GA的“销售代理商”。

SA是下辖于RA的小区代理，是主要提供辅助功能的代理。SA直接连接各电热蓄能装置，负责整合用户需求上传信息以及约束监视。事实上，由于RA接受的数据庞大，当用户所需供热量过多时，不仅无力及时进行处理，亦有可能出现维数灾的问题。故SA作为辅助性代理，是必要的存在。

其中，在整合信息成矩阵时，为防止维数灾的出现，SA会将预约的电热蓄能装置以及实时上传的所需供热量信息整个成一个矩阵，之后再上传RA，矩阵形式如下：

其中，A_l为第l个SA上传的m×n矩阵，i为电热蓄能装置个数编号，j为事件编号，P_ij为第i个电热蓄能装置预计在第j个时间段充电的功率。

EA是植入在电热蓄能装置上的智能***，它代表电热蓄能装置进行动作与选择。在所研究的目标中，电热蓄能装置是以峰谷差最小为目标进行计划制定的。而根据上级发布的电热蓄能装置的供暖需求以及当前的荷电状态，EA可以独立地做出选择，完成任务。

在以上所述的多智能体***中，智能体通过相互协作、协商来完成协同优化的任务。四层Agent虽然在逻辑上有次级关系，但优先级上并没有高下之分。其在整个多智能体***中的重要程度是对等的。

四层代理由EA进行预约并上传，由SA进行整合，由RA与EA协同进行计算优化，由GA进行调整，最后协同制定出一个控制策略。

步骤3中：电热蓄能装置有一定的调峰能力，在配备了智能负荷控制装置的条件下可以参与到电网调度中，运行过程中需要满足相应的约束条件。

步骤3.1：电热蓄能装置的功率约束：

t时刻电热蓄能装置的供热负荷P_{hd_t}的大小要在其工作范围之内，即：

P_{hd_min}≤P_{hd_t}≤P_{hd_max} (5)

其中：P_{hd_min}和P_{hd_max}分别为电热蓄能装置功率的下限制和上限值。

步骤3.2：电热蓄能装置的蓄热量约束

电热蓄能装置自身存在最高出水温度，如果蓄热器内水温超过95℃时，电热蓄能装置将会减低负荷运行，所以在满足次日白天的供热需求的情况下应使蓄热量在规定范围以内，即：

Q_{hd_t}≤Q_{hd_max} (6)

其中：Q_{hd_max}为电热蓄能装置蓄热器的最大蓄热量。

步骤3.3：电热蓄能装置的功率波动约束

电热蓄能装置的功率可调性很高，但是为了确保电热蓄能装置的安全稳定运行，其功率波动应限制在一定的范围之内，即：

其中：

和

是电热蓄能装置升、降功率的响应速度极限。

步骤3.4：建立目标函数：

为了实现电力公司利益最大化的目标，理想的负荷曲线应该是将由于电热蓄能装置集中运行而造成的新的负荷尖峰分配到相邻的负荷谷时段上，也就是所谓的“削峰填谷”的效果，即达到以下优化目标：

F＝min[max(L_j,r)-min(L_j,r)] (8)

其中：为EV所接入的调度在时段内的实际负荷数据。

步骤4的具体步骤如下：

步骤4.1：首先初始化电热蓄能装置的相关参数。包括电热蓄能装置的数量、夜间低谷时段的开始时间、结束时间(可以获得该电热蓄能装置可蓄热的时段)、和功率上下限制等参数；

步骤4.2：初始化迭代参数，即将一天分为24个小时，每个时段内接入电网运行的电热蓄能装置的数量为；

步骤4.3：根据时间段数进行迭代，将电热蓄能装置按照接入的时间分配到各个时段；

步骤4.4：在每个时间段内根据电热蓄能装置的数量进行迭代，每个电热蓄能装置根据夜间低谷时段的开始时间、结束时间和供热需求等参数，同时结合迭加了该时段内该电热蓄能装置接入之前的电热蓄能装置的供热负荷的调度负荷信息，从而计算出适合自身的蓄热和供热时段；

步骤4.5：计算叠加了当前电热蓄能装置供热负荷之后的总负荷L_j,r并和调度中心的最大负荷L_j,max进行比较，如果L_j,r＜L_j,max，则生产该电热蓄能装置的蓄热计划并更新调度的负荷信息；反之则退出循环(即该时段不再继续蓄热)；

步骤4.6：按时段循环迭代至T＝24，随时间的推进依次获取1天内每个电热蓄能装置的蓄热计划。

在本发明提出的多智能体电热蓄能装置的供暖控制方法中，每个电热蓄能装置都可以根据自身的供热需求和调度中心的负荷信息，在满足用户热需求的情况下，以“削峰填谷”为目标，制定自身的蓄热计划。

本实施例中提供一种基于多智能体的电热蓄能装置的供暖控制***包括：第一构建模块、第二构建模块、第三构建模块、第四构建模块和优化模块；

第一构建模块，用于根据电热蓄能装置的运行特性和工作原理构建供热量模型、用电负荷需求模型和蓄热量模型；

第二构建模块，用于根据多智能体***构建多智能体的电热蓄能装置控制模型；

第三构建模块，用于根据第一构建模块构建电热蓄能装置的约束条件；

第四构建模块，用于根据第二构建模块构建单一电热蓄能装置智能体的目标函数；

优化模块，用于根据第三构建模块的电热蓄能装置的约束条件和第四构建模块的单一电热蓄能装置智能体的目标函数对多智能体的电热蓄能装置的供暖控制进行优化。

第一构建模块包括构建供热量子模块、构建用电负荷需求子模块和构建蓄热量子模块；

构建供热量子模块：用于根据如下公式构建供热量模型：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；n：单一电热蓄能装置供热范围内的建筑物个数；q_m：第m个建筑物的单位面积的散热指标；S_m：第m个建筑物的表面积；T_{inside_t}：t时刻供热建筑物的室内温度；T_{outside_t}：t时刻供热建筑物的室外温度；

构建用电负荷需求子模块：用于根据如下公式构建用电负荷需求模型：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_max}：电热蓄能装置的最大功率；ΔP_{nd_t}：电热蓄能装置在非低谷时段蓄热时的热量损失功率；t_{d_s}、t_{d_e}、t_nd：分别为夜间低谷时段的开始时间、结束时间和非低谷时段的结束时间；

构建蓄热量子模块：用于根据如下公式构建蓄热量模型：

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_t}：t时刻电热蓄能装置的供热负荷。

第三构建模块包括：功率约束子模块、蓄热量约束子模块和功率波动约束子模块；

功率约束子模块：用于根据如下公式构建功率约束：

P_{hd_min}≤P_{hd_t}≤P_{hd_max}

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；P_{hd_min}和P_{hd_max}：分别为电热蓄能装置功率的下限制和上限值；

蓄热量约束子模块：用于根据如下公式构建蓄热量约束：

Q_{hd_t}≤Q_{hd_max}

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；Q_{hd_max}：电热蓄能装置蓄热器的最大蓄热量；

功率波动约束子模块：用于根据如下公式构建功率波动约束：

式中：P_hd,t：t时刻电热蓄能装置的供热负荷；P_hd,t-1：t-1时刻电热蓄能装置的供热负荷；

和

电热蓄能装置升、降功率的响应速度极限。

第四构建模块：用于根据如下公式构建目标函数：

F＝min[max(L_j,r)-min(L_j,r)]

式中：L_j,r：电热蓄能装置智能体所接入的调度在j时段内的实际负荷数据。

优化模块包括：初始化子模块、分配子模块、计算子模块和比较子模块；

初始化子模块：用于初始化电热蓄能装置的相关参数和迭代参数，相关参数包括电热蓄能装置的数量、夜间低谷时段的开始时间、结束时间和功率上下限制参数；

分配子模块：用于将电热蓄能装置按照接入的时间分配到各个时段；

计算子模块：用于计算适合自身的蓄热和供热时段，并计算叠加当前电热蓄能装置供热负荷之后的总负荷L_j,r；

比较子模块：用于当前电热蓄能装置供热负荷之后的总负荷L_j,r和调度中心的最大负荷L_j,max进行比较，若L_j,r＜L_j,max，则生产该电热蓄能装置的蓄热计划并更新调度的负荷信息，反之则退出循环。

本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (14)

1.一种基于多智能体的电热蓄能装置的供暖控制方法，其特征在于，所述控制方法包括以下步骤：

步骤1：分析电热蓄能装置的特性，建立供热量模型、用电负荷需求模型和蓄热量模型；

步骤2：提出多智能体的电热蓄能装置控制模型；

步骤3：根据所述供热量模型、用电负荷需求模型和蓄热量模型构建电热蓄能装置的约束条件，根据所述多智能体的电热蓄能装置控制模型构建单一电热蓄能装置智能体的目标函数；

步骤4：根据所述电热蓄能装置的约束条件和所述单一电热蓄能装置智能体的目标函数对多智能体的电热蓄能装置的供暖控制进行优化；

其中，所述步骤2的提出多智能体的电热蓄能装置的控制模型包括，根据多智能体***，对电热蓄能装置的调度管理***进行智能化设计，并组成多智能体的电热蓄能装置控制模型；

相应的，所述多智能体的电热蓄能装置控制模型包括：电网智能体GA、地区智能体RA、小区智能体SA和电热蓄能装置智能体EA；所述GA、RA、SA和EA由EA进行预约并上传，由SA进行整合，由RA与EA协同进行计算优化，由GA进行调整，最后协同制定出一个控制策略；

相应的，所述步骤4多智能体的电热蓄能装置的供暖控制进行优化包括：

4-1、首先初始化电热蓄能装置的相关参数；

4-2、初始化迭代参数；

4-3、根据时间段数进行迭代，将电热蓄能装置按照接入的时间分配到各个时段；

4-4、计算出适合自身的蓄热和供热时段；

4-5、计算叠加当前电热蓄能装置供热负荷之后的总负荷L_j,r并和调度中心的最大负荷L_j,max进行比较，若L_j,r＜L_j,max，则生产该电热蓄能装置的蓄热计划并更新调度的负荷信息，反之则退出循环；

4-6、按时段循环迭代至T＝24，随时间的推进依次获取1天内每个电热蓄能装置的蓄热计划；

所述步骤4-1的相关参数包括电热蓄能装置的数量、夜间低谷时段的开始时间、结束时间和功率上下限制参数。

2.如权利要求1所述的电热蓄能装置的供暖控制方法，其特征在于，所述步骤1的供热量模型如下式所示：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；n：单一电热蓄能装置供热范围内的建筑物个数；q_m：第m个建筑物的单位面积的散热指标；S_m：第m个建筑物的表面积；T_{inside_t}：t时刻供热建筑物的室内温度；T_{outside_t}：t时刻供热建筑物的室外温度。

3.如权利要求1所述的电热蓄能装置的供暖控制方法，其特征在于，所述步骤1的用电负荷需求模型的建立包括：电热蓄能装置低谷时段的用电负荷需求应满足的条件如下式所示:

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_max}：电热蓄能装置的最大功率；ΔP_{nd_t}：电热蓄能装置在非低谷时段蓄热时的热量损失功率；t_{d_s}、t_{d_e}、t_nd：分别为夜间低谷时段的开始时间、结束时间和非低谷时段的结束时间。

4.如权利要求1所述的电热蓄能装置的供暖控制方法，其特征在于，所述步骤1的蓄热量模型如下式所示：

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_t}：t时刻电热蓄能装置的供热负荷。

5.如权利要求1所述的电热蓄能装置的供暖控制方法，其特征在于，所述步骤3中约束条件包括：功率约束、蓄热量约束和功率波动约束。

6.如权利要求5所述的电热蓄能装置的供暖控制方法，其特征在于，所述功率约束如下式所示：

P_{hd_min}≤P_{hd_t}≤P_{hd_max} (5)

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；P_{hd_min}和P_{hd_max}：分别为电热蓄能装置功率的下限制和上限值。

7.如权利要求5所述的电热蓄能装置的供暖控制方法，其特征在于，所述蓄热量约束如下式所示：

Q_{hd_t}≤Q_{hd_max} (6)

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；Q_{hd_max}：电热蓄能装置蓄热器的最大蓄热量。

8.如权利要求5所述的电热蓄能装置的供暖控制方法，其特征在于，所述功率波动约束如下式所示：

式中：P_hd,t：t时刻电热蓄能装置的供热负荷；P_hd,t-1：t-1时刻电热蓄能装置的供热负荷；

和

电热蓄能装置升、降功率的响应速度极限。

9.如权利要求1所述的电热蓄能装置的供暖控制方法，其特征在于，所述步骤3中目标函数F如下式所示：

F＝min[max(L_j,r)-min(L_j,r)] (8)

式中：L_j,r：电热蓄能装置智能体所接入的调度在j时段内的实际负荷数据。

10.一种基于多智能体的电热蓄能装置的供暖控制***，其特征在于，所述***包括：第一构建模块、第二构建模块、第三构建模块、第四构建模块和优化模块；

所述的第一构建模块，用于根据电热蓄能装置的运行特性构建供热量模型、用电负荷需求模型和蓄热量模型；

所述的第二构建模块，用于根据多智能体***构建多智能体的电热蓄能装置控制模型；

所述的第三构建模块，用于根据所述第一构建模块构建电热蓄能装置的约束条件；

所述的第四构建模块，用于根据所述第二构建模块构建单一电热蓄能装置智能体的目标函数；

所述优化模块，用于根据所述第三构建模块的电热蓄能装置的约束条件和所述第四构建模块的单一电热蓄能装置智能体的目标函数对多智能体的电热蓄能装置的供暖控制进行优化。

11.如权利要求10所述的电热蓄能装置的供暖控制***，其特征在于，所述第一构建模块包括构建供热量子模块、构建用电负荷需求子模块和构建蓄热量子模块；

所述构建供热量子模块：用于根据如下公式构建供热量模型：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；n：单一电热蓄能装置供热范围内的建筑物个数；q_m：第m个建筑物的单位面积的散热指标；S_m：第m个建筑物的表面积；T_{inside_t}：t时刻供热建筑物的室内温度；T_{outside_t}：t时刻供热建筑物的室外温度；

所述构建用电负荷需求子模块：用于根据如下公式构建用电负荷需求模型：

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_max}：电热蓄能装置的最大功率；ΔP_{nd_t}：电热蓄能装置在非低谷时段蓄热时的热量损失功率；t_{d_s}、t_{d_e}、t_nd：分别为夜间低谷时段的开始时间、结束时间和非低谷时段的结束时间；

所述构建蓄热量子模块：用于根据如下公式构建蓄热量模型：

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；

夜间低谷时段t时段电热蓄能装置的用电负荷；P_{hd_t}：t时刻电热蓄能装置的供热负荷。

12.如权利要求10所述的电热蓄能装置的供暖控制***，其特征在于，所述第三构建模块包括：功率约束子模块、蓄热量约束子模块和功率波动约束子模块；

所述功率约束子模块：用于根据如下公式构建功率约束：

P_{hd_min}≤P_{hd_t}≤P_{hd_max}

式中：P_{hd_t}：t时刻电热蓄能装置的供热负荷；P_{hd_min}和P_{hd_max}：分别为电热蓄能装置功率的下限制和上限值；

所述蓄热量约束子模块：用于根据如下公式构建蓄热量约束：

Q_{hd_t}≤Q_{hd_max}

式中：Q_{hd_t}：电热蓄能装置在t时刻的蓄热量；Q_{hd_max}：电热蓄能装置蓄热器的最大蓄热量；

所述功率波动约束子模块：用于根据如下公式构建功率波动约束：

式中：P_hd,t：t时刻电热蓄能装置的供热负荷；P_hd,t-1：t-1时刻电热蓄能装置的供热负荷；

和

电热蓄能装置升、降功率的响应速度极限。

13.如权利要求10所述的电热蓄能装置的供暖控制***，其特征在于，所述第四构建模块：用于根据如下公式构建目标函数：

F＝min[max(L_j,r)-min(L_j,r)]

式中：L_j,r：电热蓄能装置智能体所接入的调度在j时段内的实际负荷数据。

14.如权利要求10所述的电热蓄能装置的供暖控制***，其特征在于，所述优化模块包括：初始化子模块、分配子模块、计算子模块和比较子模块；

所述初始化子模块：用于初始化电热蓄能装置的相关参数和迭代参数；

所述分配子模块：用于将电热蓄能装置按照接入的时间分配到各个时段；

所述计算子模块：用于计算适合自身的蓄热和供热时段，并计算叠加当前电热蓄能装置供热负荷之后的总负荷L_j,r；

所述比较子模块：用于当前电热蓄能装置供热负荷之后的总负荷L_j,r和调度中心的最大负荷L_j,max进行比较。

Images