[發(fā)明專利]一種基于多Agent人工魚群算法的梯級庫群長期優(yōu)化調(diào)度算法

有效

• 申請?zhí)枺?/td>: 201811268417.0
• 申請日: 2018-10-29
• 公開（公告）號: CN109255501B
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 吳慧軍;王凌梓;李樹山;李崇浩;唐紅兵;廖勝利;張艷
• 申請（專利權(quán)）人: 中國南方電網(wǎng)有限責(zé)任公司;大連理工大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/00
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 梅洪玉

本發(fā)明屬于水力發(fā)電和調(diào)度運行領(lǐng)域，涉及一種基于多Agent人工魚群算法的梯級庫群長期優(yōu)化調(diào)度算法，改善梯級庫群求解過程中耗時過長等相關(guān)局限性。本發(fā)明實現(xiàn)了一種全新的多Agent人工魚群算法MAAFSA來對梯級庫群長期優(yōu)化調(diào)度問題進(jìn)行建模求解。MAAFSA結(jié)合了MAS和AFSA各自的優(yōu)勢，通過構(gòu)建不同功能的Agent模塊，利用人工魚Agent之間的高效協(xié)作與自主學(xué)習(xí)操作，加快了AFSA的收斂速度，并從人機交互角度實現(xiàn)了梯級電站長期優(yōu)化調(diào)度的求解，是一種極具創(chuàng)新性的多Agent進(jìn)化算法。本發(fā)明的有益效果在于極大改善了梯級庫群求解過程中耗時過長等相關(guān)局限性，為水電調(diào)度領(lǐng)域提供了一個全新的求解思路。

技術(shù)領(lǐng)域

本發(fā)明屬于水力發(fā)電和調(diào)度運行技術(shù)領(lǐng)域，特別涉及一種基于多Agent人工魚群算法的梯級庫群長期優(yōu)化調(diào)度算法。

技術(shù)背景

近20多年來，我國水電一直處于大規(guī)模投產(chǎn)階段，水電以其清潔無污染、調(diào)節(jié)過程靈活、響應(yīng)負(fù)荷快等特點，是電力系統(tǒng)中重要的調(diào)峰調(diào)頻電源。然而，梯級水電站群長期優(yōu)化調(diào)度是一個多變量、高維數(shù)、大規(guī)模多階段問題，包含極其龐雜的約束條件，求解難度甚大。當(dāng)前亟需研究適用于實際工程的模型和求解方法。本成果將多智能體(Agent)技術(shù)引入梯級庫群長期優(yōu)化調(diào)度的求解過程中，為水電調(diào)度領(lǐng)域提供了一個全新的求解思路。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種基于多智能體(Agent)人工魚群算法的梯級庫群長期優(yōu)化調(diào)度算法，改善梯級庫群求解過程中耗時過長等相關(guān)局限性。

本發(fā)明技術(shù)方案為：

一種基于多Agent人工魚群算法的梯級庫群長期優(yōu)化調(diào)度算法，包括核心Agent模塊CA、群體Agent模塊GA、行為Agent模塊AA、評價Agent模塊EA和判斷Agent模塊JA五個模塊；其中AA包括四種基本行為，分別為覓食行為Agent，PAA、聚群行為Agent，SAA、追尾行為Agent，F(xiàn)AA和隨機移動行為Agent，MAA；按照步驟(1)-(5)實現(xiàn)求解發(fā)電量最大的目的。

(1)CA首先接收梯級庫群長期優(yōu)化調(diào)度指示，開始對各個參數(shù)進(jìn)行初始化。在可行域范圍內(nèi)隨機生成N個GA。然后將最大移動步長Step、人工魚最大視野Visual、擁擠度因子δ、最大試探次數(shù)Try-number等參數(shù)傳遞給AA，將最大迭代次數(shù)T傳遞給JA；

(2)每個GA分別與四種基本行為PAA、SAA、FAA和MAA進(jìn)行信息交互，對這四種行為進(jìn)行模擬執(zhí)行，并將各自行為產(chǎn)生的最大值分別傳向EA；

(3)EA對四種行為進(jìn)行評價對比，選擇執(zhí)行行為；

(4)執(zhí)行人工魚行為，更新自己，生成新GA；

(5)JA判斷迭代次數(shù)t是否滿足t≤T或連續(xù)多次最優(yōu)解差值達(dá)到所需范圍。如果滿足，則轉(zhuǎn)向步驟(2)，繼續(xù)迭代操作；否則，結(jié)束計算過程并輸出當(dāng)前最優(yōu)結(jié)果；

在人工魚群算法(Artificial Fish Swarm Algorithm,AFSA)中，算法的收斂性在一定程度上由人工魚覓食行為決定，聚群行為則穩(wěn)定了收斂性，追尾行為和評價行為則對算法的全局收斂性和收斂速度起到一定推動作用。總體來說，AFSA對問題函數(shù)性質(zhì)要求較低，僅需對問題的目標(biāo)函數(shù)值進(jìn)行評價更新。同時，AFSA也具備魯棒性強、全局尋優(yōu)能力強等優(yōu)點。然而，AFSA的局限性是其收斂速度相對較慢，在實際應(yīng)用中為滿足實際工程時效性要求，往往要結(jié)合新的技術(shù)來改善AFSA的搜索效率。