摘要：提出一種基于多智能體系統(tǒng)(multiagentdystem，MAS)的主動配電網(wǎng)(activedistributionnetwork，ADN)空調(diào)負(fù)荷聚合及其降壓調(diào)溫削減方法。兼顧空調(diào)負(fù)荷電壓動態(tài)特性及溫控特性，基于多智能體技術(shù)建立空調(diào)負(fù)荷聚合模型;通過分析電壓及溫度與空調(diào)負(fù)荷有功、無功功率的關(guān)系，揭示空調(diào)聚合負(fù)荷降壓調(diào)溫削減機(jī)理;最后基于多智能體系統(tǒng)和最優(yōu)潮流，建立主動配電網(wǎng)空調(diào)負(fù)荷降壓調(diào)溫削減模型并給出求解方法。IEEE33節(jié)點(diǎn)系統(tǒng)算例仿真結(jié)果表明，文中模型和方法正確有效，可實(shí)現(xiàn)空調(diào)負(fù)荷有功及無功功率有效削減。該成果為提升大規(guī)模空調(diào)負(fù)荷參與需求響應(yīng)能力提供了理論支撐。

　　關(guān)鍵詞：主動配電網(wǎng);多智能體系統(tǒng);空調(diào)負(fù)荷聚合模型;電壓特性;溫控特性;負(fù)荷削減

　　0引言隨著社會經(jīng)濟(jì)的發(fā)展,我國以空調(diào)負(fù)荷為主的溫控負(fù)荷占比持續(xù)增高[1]，季節(jié)性雙峰特征日趨明顯。據(jù)統(tǒng)計(jì)全球空調(diào)和電風(fēng)扇用電量已占全世界建筑物總用電量的五分之一左右，約占當(dāng)今全球總用電量的10%[2]。分析海量空調(diào)負(fù)荷電壓和溫控特性，挖掘其可調(diào)潛力，將其聚合參與電網(wǎng)季節(jié)性調(diào)峰意義重大。針對空調(diào)負(fù)荷的降壓節(jié)能(conservationvoltagereduction，CVR)技術(shù)已有研究[34]。

　　大規(guī)模空調(diào)負(fù)荷建模及聚合是其參與電網(wǎng)調(diào)峰的前提。空調(diào)負(fù)荷一般以等效熱參數(shù)(equivalentthermalparameters，ETP)建模[5]。也有文獻(xiàn)通過構(gòu)建空調(diào)負(fù)荷動力型電池模型與容量型電池模型[6]、熱電池模型[7]等描述其儲能特性。在空調(diào)負(fù)荷聚合模型方面，有學(xué)者考慮時域特性分類聚合建立其聚合模型[8];或從居民用電舒適度入手，考慮用戶調(diào)節(jié)行為隨機(jī)性和室內(nèi)外溫度差異，建立其聚合模型[9]。針對空調(diào)負(fù)荷電壓動態(tài)特性模型研究也已有報道[10]，但兼顧空調(diào)負(fù)荷電壓動態(tài)特性及溫控特性的聚合模型尚缺探討。

　　揭示空調(diào)聚合負(fù)荷電壓特性及溫控特性機(jī)理是其參與調(diào)控基礎(chǔ)。在溫控機(jī)理方面，學(xué)者們分別從空調(diào)聚合功率變化量與開關(guān)狀態(tài)的關(guān)系[11]、空調(diào)負(fù)荷功率頻率的轉(zhuǎn)換機(jī)理[12]、空調(diào)負(fù)荷聚合功率與開斷時間的關(guān)系[13]等方面進(jìn)行研究。在其電壓機(jī)理方面，主要有靜態(tài)電壓特性模型[1415]、感應(yīng)電動機(jī)特性模型及綜合負(fù)荷模型。基于潮流雅克比矩陣得到功率母線電壓的靈敏度信息[16]，進(jìn)而降壓調(diào)節(jié)負(fù)荷。兼顧空調(diào)負(fù)荷電壓動態(tài)特性和溫控特性，通過降壓調(diào)溫削減負(fù)荷機(jī)理亟待揭示。基于多智能體系統(tǒng)的配電網(wǎng)調(diào)峰研究已有一定成果[1718]。

　　在空調(diào)負(fù)荷削峰方法研究方面，采用分時電價等價格激勵措施成為主要削峰手段，如文獻(xiàn)[19]針對居民的舒適度溫度差異進(jìn)行不同的價格補(bǔ)償;文獻(xiàn)[20]以分段報價方式對空調(diào)負(fù)荷進(jìn)行調(diào)度控制;文獻(xiàn)[21]基于區(qū)塊鏈技術(shù)，建立空調(diào)負(fù)荷削減目標(biāo)進(jìn)行調(diào)節(jié)。在主動配電網(wǎng)調(diào)壓方面，目前調(diào)壓目標(biāo)主要聚焦于降低配電網(wǎng)損耗[2223]和防止節(jié)點(diǎn)電壓越限[2425]。在不影響用戶用電可靠性和系統(tǒng)安全性前提下，基于多智能體方法空調(diào)負(fù)荷降壓調(diào)溫削峰調(diào)控策略值得嘗試。

　　本文提出一種基于多智能體的主動配電網(wǎng)空調(diào)負(fù)荷聚合及其降壓調(diào)溫削減方法。兼顧空調(diào)負(fù)荷等效熱力學(xué)模型和電壓動態(tài)特性，建立空調(diào)負(fù)荷多智能體聚合模型;進(jìn)而分析其電壓和溫度控制下有功負(fù)荷和無功負(fù)荷特性，揭示空調(diào)聚合負(fù)荷主動削減機(jī)理;最后基于多智能體系統(tǒng)和最優(yōu)潮流建立主動配電網(wǎng)空調(diào)負(fù)荷降壓調(diào)溫多智能體削峰模型及求解算法。最后在IEEE33算例系統(tǒng)進(jìn)行仿真，對比現(xiàn)有方法，驗(yàn)證所提模型和方法。

　　1兼顧電壓動態(tài)特性及溫控特性的空調(diào)負(fù)荷聚合模型

　　1.1考慮電壓動態(tài)特性及溫控特性的空調(diào)負(fù)荷模型

　　本文分別采用三階感應(yīng)電動機(jī)模型[26]和等效熱參數(shù)模型[27]描述空調(diào)負(fù)荷電壓及溫控特性。

　　1.2兼顧電壓動態(tài)特性及溫控特性的空調(diào)負(fù)荷多智能體聚合模型

　　為挖掘母線靈活的調(diào)節(jié)能力及實(shí)現(xiàn)母線之間的快速通信，本文在構(gòu)建母線負(fù)荷智能體(busagent，BA)的基礎(chǔ)上，建立多智能體空調(diào)負(fù)荷聚合模型。當(dāng)前空調(diào)負(fù)荷可分為參數(shù)相同或相近的同質(zhì)負(fù)荷和參數(shù)不同的異質(zhì)負(fù)荷，當(dāng)式(1)中的熱阻、熱容等相互獨(dú)立但分布在一定區(qū)間內(nèi)為異質(zhì)負(fù)荷。

　　2空調(diào)聚合負(fù)荷降壓調(diào)溫削減機(jī)理

　　2.1空調(diào)聚合負(fù)荷降壓削減機(jī)理

　　2.2空調(diào)聚合負(fù)荷調(diào)溫削減機(jī)理

　　3主動配電網(wǎng)空調(diào)負(fù)荷降壓調(diào)溫多智能體削減模型及求解方法

　　3.1降壓調(diào)溫多智能體系統(tǒng)

　　采用信息通信是實(shí)現(xiàn)靈活復(fù)雜協(xié)調(diào)策略的基礎(chǔ)，合同網(wǎng)協(xié)議(contractnetprotocol，CNP)廣泛用于多智能體系統(tǒng)的通信中，結(jié)合合同網(wǎng)協(xié)議，為實(shí)現(xiàn)智能體的集中分布式管理。

　　1)聯(lián)絡(luò)變電站智能體(substationagent，SA)。實(shí)時監(jiān)視節(jié)點(diǎn)電壓，同時向主導(dǎo)智能體發(fā)送有載調(diào)壓變壓器(onloadtapchanger，OLTC)補(bǔ)償量信息。2)母線智能體(BA)。獲取節(jié)點(diǎn)負(fù)荷及支路功率信息;主導(dǎo)智能體獲取無功補(bǔ)償裝置調(diào)壓能力及各BA的空調(diào)負(fù)荷最大削減容量，計(jì)算各調(diào)壓元件的無功補(bǔ)償量，將無功補(bǔ)償量及溫度調(diào)節(jié)量發(fā)送給各響應(yīng)智能體。

　　3)調(diào)壓智能體(voltageregulatoragent，VRA)。包括OLTC、并聯(lián)電容器及靜止無功補(bǔ)償器(staticvarcompensation，SVC)。由于OLTC安裝在聯(lián)絡(luò)變電站內(nèi)，其智能體可由SA充當(dāng)，并聯(lián)電容器智能體(shuntcapacitoragent，SCA)與靜止無功補(bǔ)償器智能體分別用SCA和SVCA表示。調(diào)壓智能體主要任務(wù)為響應(yīng)主導(dǎo)智能體的服務(wù)請求，將補(bǔ)償量轉(zhuǎn)化為相應(yīng)控制信號給無功補(bǔ)償裝置。

　　4)溫度控制智能體(temperaturecontrolagent，TCA)。溫度控制智能體接受主導(dǎo)智能體的溫度控制指令，向各臺區(qū)分控制智能體發(fā)送“服務(wù)請求”。5)分布式電源智能體(distributedgenerationagent，DGA)。分布式電源智能體與分布式電源(distributedgeneration，DG)相連。

　　3.2空調(diào)負(fù)荷降壓調(diào)溫削減最優(yōu)潮流模型考慮溫度和電壓兩種控制方法，以空調(diào)有功負(fù)荷削減量最大為目標(biāo)。

　　3.3基于多智能體的降壓調(diào)溫負(fù)荷削減模型求解方法本文針對節(jié)點(diǎn)高峰負(fù)荷場景，基于多智能體系統(tǒng)對空調(diào)負(fù)荷降壓調(diào)溫削減最優(yōu)潮流模型進(jìn)行求解，具體步驟如下：

　　步驟1：輸入主動配電網(wǎng)參數(shù)，包括空調(diào)負(fù)荷感應(yīng)電動機(jī)參數(shù)、等效熱力學(xué)參數(shù)、節(jié)點(diǎn)母線初始電壓及相角、分布式電源參數(shù)等。步驟2：通過龍格庫塔求解空調(diào)負(fù)荷模型，得到單臺空調(diào)的復(fù)功率。步驟3：聚合空調(diào)負(fù)荷功率，得到空調(diào)負(fù)荷節(jié)點(diǎn)初始功率并代入潮流計(jì)算模型。步驟4：通過牛頓拉夫遜法計(jì)算主動配電網(wǎng)潮流，得到節(jié)點(diǎn)電壓、線路功率。步驟5：確定需要削減負(fù)荷的節(jié)點(diǎn)為主導(dǎo)智能體節(jié)點(diǎn)，將空調(diào)有功負(fù)荷削減最大目標(biāo)轉(zhuǎn)換為求電壓降低最大或溫度調(diào)節(jié)最大，考慮電壓及溫度約束條件，計(jì)算最大溫度調(diào)節(jié)量或電壓降低量。

　　4算例仿真分析

　　4.1算例系統(tǒng)參數(shù)

　　為分析所提方法的有效性，本文在IEEE33節(jié)點(diǎn)主動配電網(wǎng)系統(tǒng)上建立仿真模型。基準(zhǔn)容量為10MVA，基準(zhǔn)額定電壓為12.66kV。分別在節(jié)點(diǎn)29和節(jié)點(diǎn)31上添加電容器組和SVC元件來作為離散型與連續(xù)型的無功補(bǔ)償裝置，OLTC添加在根節(jié)點(diǎn)33節(jié)點(diǎn)上。

　　4.2算例結(jié)果分析

　　4.2.1空調(diào)負(fù)荷聚合分析

　　空調(diào)負(fù)荷聚合功率相對誤差分布，在絕大多數(shù)情況下，相對誤差的絕對值不超過0.5%，估計(jì)精度可滿足實(shí)際決策需求。基于文章篇幅問題，空調(diào)無功功率聚合與有功功率聚合方法相同，此處不再贅述。所有的無功補(bǔ)償裝置均發(fā)生動作。OLTC優(yōu)先動作影響所有節(jié)點(diǎn)電壓，t=5s時，部分節(jié)點(diǎn)電壓降低到0.95pu以下，如節(jié)點(diǎn)31電壓跌落到0.9428pu，此時為滿足電壓安全性約束，以節(jié)點(diǎn)電壓越限量作為新的目標(biāo)值，確定新的主導(dǎo)智能體節(jié)點(diǎn)，并制定電壓策略。考慮此時OLTC不再重復(fù)動作，僅通過并聯(lián)電容器及靜止無功補(bǔ)償裝置進(jìn)行電壓調(diào)整，直至電壓剩余調(diào)節(jié)量滿足允許誤差要求，此時節(jié)點(diǎn)16電壓為0.9502pu，即完成降壓削減負(fù)荷。除根節(jié)點(diǎn)外其他節(jié)點(diǎn)電壓幅值相角變化。

　　5結(jié)論

　　本文提出一種基于多智能體的主動配電網(wǎng)空調(diào)負(fù)荷聚合及其降壓調(diào)溫削減方法，得到的主要結(jié)論如下：

　　1)通過建立兼顧電壓動態(tài)特性及溫控特性的空調(diào)負(fù)荷模型，揭示降壓調(diào)溫空調(diào)負(fù)荷削減機(jī)理，反應(yīng)了空調(diào)負(fù)荷功率電壓及功率溫度的變化關(guān)系。

　　2)基于電壓安全性及潮流約束，提出降壓調(diào)溫削減空調(diào)負(fù)荷方法，能夠有效削減空調(diào)負(fù)荷，同時對比溫度頻率控制方法，驗(yàn)證了降壓調(diào)溫削減空調(diào)有功及無功功率的能力。3)降壓調(diào)溫多智能體系統(tǒng)結(jié)合集中式控制與分布式控制，能夠有效實(shí)現(xiàn)空調(diào)負(fù)荷快速聚合及其削減。基于實(shí)際電網(wǎng)的工程案例分析后續(xù)將深入探討與研究。

　　參考文獻(xiàn)

　　[1]王永權(quán)，張沛超，姚垚.聚合大規(guī)模空調(diào)負(fù)荷的信息物理建模與控制方法[J].中國電機(jī)工程學(xué)報，2019，39(22):65096521.WangYongquan,ZhangPeichao,YaoYao.Cyberphysicalmodelingandcontrolmethodofaggregatedlargescaleairconditioningload[J].ProceedingsoftheChineseSocietyforElectricalEngineering,2019,39(22):65096521.

　　[2]InternationalEnergyAgency.Airconditioninguseemergesasoneofthekeydriversofglobalelectricitydemandgrowth[EB/OL].2018[20180813].

　　[3]A.ElShahat,R.J.Haddad,R.AlbaFlores,etal."ConservationVoltageReductionCaseStudy,"inIEEEAccess,vol.8,pp.5538355397,2020,doi:10.1109/ACCESS.2020.2981694.

　　[4]L.GutierrezLagosandL.F.Ochoa,"OPFBasedCVROperationinPVRichMV–LVDistributionNetworks,"inIEEETransactionsonPowerSystems,vol.34,no.4,pp.27782789,July2019,doi:10.1109/TPWRS.2019.2894795.

　　[5]H.Hao,B.M.Sanandaji,K.Poolla,etal."AggregateFlexibilityofThermostaticallyControlledLoads,"inIEEETransactionsonPowerSystems,vol.30,no.1,pp.189198,Jan.2015,doi:10.1109/TPWRS.2014.2328865.

　　[6]M.Song,C.Gao,J.Yang,etal."Energystoragemodelingofinverterairconditioningforoutputoptimizingofwindgenerationintheelectricitymarket,"inCSEEJournalofPowerandEnergySystems,vol.4,no.3,pp.305315,September2018,doi:10.17775/CSEEJPES.2016.01480

　　作者：周奇1，馬瑞1*，王鐵強(qiáng)2，魯鵬2，馮春賢2，武偉鳴2