基于多代理理论的微电网分布式优化控制方法分析

中文中文要IIPAGEPAGEVI摘 要微电网作为分布式发电的有效管理形式，对于推进清洁能源的发展，增加新能源在配电网中的渗透率，提高配电网的稳定性、可靠性具有重要的意义。但是由于微电网内部分布式电源的间歇性和波动性以及微电网分布式接入配电网的方式，导致微电网本身以及微电网与配电网之间的优化控制问题难以解决。研究微电网的优化控制方法，多微电网之间的协调控制策略对于保证微电网的可靠经济运具有重要的意义，为推进智能配电网的建设提供理论指导。于模同问束异全运收的优无模还计都任复的题基代的方求式有势此文代控了混框构微行从系统到个体设计了相应的优化控制算法和策略。首先针对含多微电网的配电网系了化网布制中以解网网了算电集中式控制，保持集中控制对小规模系统快速求解优势，最后结合微电网内不同的G的制的究点：（1）结合多Ant理论，建立了完整的微电网混合式优化控制结构，研究基于多Ant分布式理论的分布式优化控制算法，将分布式优化控制问题视为分布式约束优化问（DCOP，以势博弈理论为基础，提出了符合多代（MAS分布式理论的DCOP求解算法ihtedRgrtMonitoringDistributdSimulatdAnnlin（WRMDSA。算法以局部优化为基础，通过Agnt之间的通信交流以及优化控制规则进行全局优化。测试结果表明所提出的分布式优化算法结构上满足分布式设计要求，并且能够保证算法几乎处处收敛到全局最优纳什均衡，较集中式有更好的复杂网络分布式求解能力。（2以EEE39节点系统为基础，通过微电网优化配置建立了含多微电网的配电网系统。按照DCOP理论将微电网优化控制模型转化成为适合分布式求解的分布式约束优化问题，设定微电网中每一个Ant的优化目标函数，同时考虑局部优化约束和全局优化约束的关系，采用所提出的势博弈分布式优化算法WRMDSAN进行求解，考虑分析Ant环状和网状控制结构对优化控制结果的影响，证实了微电网分布式优化控制的可行性，通过结果对比表明，系统在优化后获得了更好的整体效益，且网状控制结构具有更好的故障容忍能力。重庆学士位文（3）针对小规模微电网的动态集中优化控制方法，提出了基于粒子群算法理论的nformationExchangeParticleSwarmOptimization（EPS）集中式优化控制算法，建立了微电网动态集中优化控制模型，包括G优化配置，风电以及负载的波模型，集中优化控制的数学模型。考虑G以及负载变化的情况下，制定微电网储能的控制策略，分析了不同储能贡献率对优化运行的影响，结果表明动态储能贡献率具有更好的协调效果。（4）建立了包括风电，小水电和储能底层执行G的控制模型，并按照CERTS规范建立了电网仿真平台，对组网后微电网进行仿真，同时研究并搭建了微电网在Matlb/simulink环境下微电网的数字仿真平台，为后续微电网的研究提供实验环境。关键词：微电网，分式优化控制，分布式约束优化，多代理，势博弈，粒子群英文英文重庆重庆学士位文IIIIIIPAGEPAGEIVABSTRACTAsnfetivemanarfordistributdnrtion,miroridplasnimportntroleinlenngydvelopmnt,stabilityndrliabilityoffutuedistributionntwor,ndnlsoimpovethepntrtionofrnwbleng.Hov,Dsinmiroridrehartrizdbyflutuationndintrmittntndmiroridsredistributdmbedddintodistributonntwor,whihledtotheicoridndmirogidsindistributionntworkisdifiulttoontrol.Thersrhofoptimiztionontrolmethodformiroridndoordinationontrolstrtegybtwnmiroridsouldpovidevluablerefrnsforrliblendonomicoprtionofmiroridnddvlopmntofsmatdistributionnetwok.Gnrll,diferntontrollblelevlofmiroridhsdifrntoprtionmode,whretheloclonstrintsforoptimztionontrolrevridndsometimethelobalinfomationisnotavilble.orthsecomplxdistributiontworswithmultimirorid,thentrlizdoptimiztiononrolmethodisnotsuitblefordlingwiththeontrolpoblembuseofmodelbuildingndomputingcost,butitissugstedthatmultiaentbsddistributdontrolmethodshouldbeoodtsolvingsuchpoblems.Threfor,ahbidmirogidoptimizionontrolfrmewokisbuildinthisthsisbsdonmultintontroltheor,ndtheorspondingoptimztionontrolloithmsndstrteiesfomtoptobottomstrutureredsinedfordiferntoprtingnvironmet.irst,adistributdonstrinedoptimiztionloithmwhihisusdtodistributdopmiztionontrolforicogridispoposdontetopontrollevlofmultimirorid;Sond,inodrtomintinarpidontroldvntaeofntrlizdmethodforsmallsstem,antrlizdoptimiztionloithmispsntedinthemiddleontrollevlforsinlemicrorid;inall,diferntxcutionontrolpprohsfordifrntDGtthebottomcontollevlinmirogidarebuild.Themainrsarhontntsofthisthesisreshownsfollows:sdonmultintthor,theoptimiztinontrolsstmofmirogidisstablishedfistinthisthesis,whrethedistributdontrolpoblemisrgrddsadistributdonstrintptimizionpoblem(COP).omettherquirmentofpotentialgmetheor,thedistributedoptimiztonontrolloithmWRMDSANispoposd.nthisloithm,lobaloptimiztionhtisbsdonloclsrhingnbexutedduetotheommunitionbtwnAentsndoptimiztiononrolruls.strsultsshowthatthepoposddistributdoptimizionloithmanstisfytherquirmentofdistributddsinstruturendthelorithmnonveetolobaloptimalNshquilibriumlmostvrwhre.tispovdthatdistributdoptimztinloithmismoresuitableforsolvingomplexsstempoblemsinontrstwithntrlizdloithms.DistributionntworkwithmiroridsisbuidbsdontheEEE39sstm.AodingtoDCOPtheor,theoptimiztionontrolmodelofmicroridisonsidrdsndistributdonstraintoptimztionpoblem.tilityfuntionforhAgntinmirogidrefomultedwiththelocloptimitiononstrints.Andpotentialmedistributdoptimztionloithm,WRMDSAN,ispplidtoslvethsdistributdonstrintoptimiztionproblms.Undrtheringndmeshontrolstrutur,theoptimalontrolrsultsrenlzd,nditisindictdthatdistributdoptimiztinontrolmethodisviableformultimirorid.Atroptimiztion,itissytofindthatthemeshontrolstruturehsbetterfulttolrncebilit.irstl,antrlizdoptimztionontrolloithmEPSOisdsignedfordnmiccntrlizdontrolofsmallmiroridsstem.Thnadnmicntrlizdoptimiztionontrolmolofmirogidisstablished,includingDGplacmentmodel,windpowrndloadflutuationmodelndntrlizdoptimiztionontrolmathmaticlmodel.ConsidringthehngeofloadndD,ngystoraeontrolstrtegyofmirogidisfomulted,ndtheftsofdiferntDGontributionrteontheoptimaloprtionrenlzd.RsultsinditethatthednmicDGontributionrtecnprvidedmoreefetiveoordintionontrol.MiroridsimulationplatfrmisbuiltundrthestandrdofCETSwithwindpow,smllhdrondnegystoraemodl.Controlpromaneofmiroridissimulatdundrislndoprtionmode.inall,thediitlsimulationplatfrmofmirogidisbuiltinMatb/simulinkforfutuersrhofmiroridontrol.ywods:Mirorid,Distributdoptimztionontrol,Distributdonstrintoptimiztion,Multint,Potentialme,PSO目录目录重庆重庆学士位文PAGEPAGEVIIPAGEPAGEVI目 录文摘要I英文摘要1 绪 论11.1选题背景和研究意义11.2微电网分布式优化制究现状31.2.1微电的本行制41.2.2微电的化行制61.3本文目的和研究内容82 基于S理论的微电网优化控制方法 2.1引言2.2MS理论与微电网优化制结构设计 2.2.1MAS的本论结构 2.2.2基于S微网合化控结设计 152.3基于AS理论的分布优化控制方法实现 172.3.1分布约优问题172.3.2势博理论202.3.3分布优控问转化232.4本章小结253 基于势博弈的S分布式优化算法设计及分析 273.1引言273.2基于势博弈的分布优算法结构273.2.1策略估293.2.2决策则313.2.3调整制323.3基于势博弈的分布优算法设计333.3.1WRMDN法述 333.3.2纳什衡敛证明373.4基于势博弈的分布优算法分析403.5本章小结454 含多微电网的配电网分布式优化控制474.1引言474.2配电网优化模型474.2.1配电的电配优化484.2.2配网gent494.3基于CP理论的配电分布式控制模型 504.3.1配电分式化制学模型504.3.2分布优控结构524.4基于势博弈优化算的电网分布式优化控制534.4.1分布优控结对分析544.4.2分布优控结容结果析594.5本章小结625 微电网的集中式动态优化控制635.1引言635.2基于粒子群算法的ESO优化算法 635.2.1EPO法述 645.2.2算法能析675.3微电网配置及集中优控制模型685.3.1微网G配优化 685.3.2风电负波模型705.3.3优化制型715.4含储能的微电网优控结果分析725.4.1静态能献下优结果析735.4.2动态能献下优结果析765.5本章小结786 微电网G组网控制与仿真平台建设 796.1引言796.2单DG的控制 796.2.1永磁驱力电统796.2.2小水系统846.2.3电池能统876.3微电网运行仿真及合制平台916.3.1微电孤仿真916.3.2微电仿系平台946.4本章小结977 总结和展望997.1论文内容结论997.2今后工作展望100致 谢103参考文献105附 录17A.作者在攻读博士学间发表的论文目录 17B.作者在攻读博士学位间参加的科研项目 17VVIIIPAGEPAGE131 1 绪 论重庆重庆学士位文1 绪 论1.1选题背景和研究意义电能作为目前国民经济发展中最为方便和清洁的能源，为国家经济的可持续发展提供着有力的支撑。随着用电需求的不断增加，电网规模不断的扩大，结构也越来越复杂，现行的超大规模集中式发电系统的弊端也逐渐显现，主要体现在运行成本高，调度难度大，供电方式单一，互联结构一体，一旦出现故障可能会造成大面积停电事故。此外在电力系统中，火力发电所占比例仍然较高，煤炭、石油、天然气等化石燃料的过度使用造成的环境和能源压力也日益增加[1]。在发展环境友好型能源以及提高电网利用率的多重需求下，分布式发电，DistributdGnrtion技术逐渐受到世界各国关注。分布式发电是指利用各种有利用价值的可再生清洁能源，包括风能、太阳能、小水电、燃气轮机等进行分散独立发电的小规模发电系统，一般规模在数千瓦至数十兆瓦之间，采用负荷就近原则分布安装[5]。分布式发电由于安装分散灵活，能够很好的满足用户多样化需求，且一般分布在负荷段附近，能够有效的减少电能在线路上的传输距离，降低线路损耗以及终端用户费用，提高能源利用率。当G接入大电网后，尤其是在系统薄弱环节，G既可以作为电网的备用电源，也可以对电网进行电压功率支撑，提高了电网的供电可靠性和灵活性。此外，G一般投资成本较小，但是能获得较大的环境效益，是今后绿色电网发展的主要方向[80]。尽管分布式发电具有诸多优点，但是G入网带来的挑战也不容忽视1,]。一方面G本身易受到环境的影响输出功率波动频繁，无法达到直接入网的要求，需要通过电力电子装置接口进行电能转换后入网，增加了系统的复杂性，且对于电网来说G是一个不控制电源，由于环境的变化，G不能确保恒功率输出，而这无疑增加了电网运行不稳定的风险；另一方面由于G电压等级低，一般接入配电网中，而G的接入改变了原有配电网的供电结构，配电网的潮流也随之重新分布，这样会使得原本配电网中继电保护以及无功补偿装置运行受到影响，引发运行稳定与电能质量问题[11]。为了减小对大电网运行的影响，整合管理分布式电源，各国研究者提出了微电网（Mirorid）的概念。微电网可以认为是由一系列分布式电源组成的小型低压自治型电网，微电网中的分布式电源主要包括风力发电、光伏发电、微型燃气轮机以及小水电等。通常通过电力电子接口与配电网连接，能够实现自我控制、保护和管理的局部发配电系统，既可以以并网形式运行，也可以孤岛运行，并能根据运行需要实现灵活切换[5,]。微电网通过对负荷、G以及储能装置的有效PAGEPAGE10PAGEPAGE3整合，既有效的利用了清洁能源，又可以通过对G进行控制管理，形成小型可控制单元，经过PCC接入配电网与配电网形成相互支撑。当微电网接入配电后，微电网作为配电网的可控电源或者可控制负荷，服从配电网的调度控制，满足系统的功率需求，通过合理调度还可适时向配电网提供电能支撑，降低配电网损耗，提高配电网运行的可靠性。而对于微电网用户来说，一旦配电网出现故障，微电网从配电网断开进入孤岛模式运行，微电网G可继续向内部负荷供电，增强局部供电的可靠性，同时通过向用户电热联供，提高能源利用效率。微电网在充分发挥分布式电源的各项优势同时，通过控制整合解决大规模分布式电源的配电网接入问题。总体来说，微电网与大电网的结合适应当今电力行业的发展方向和需求，并且具有非常广阔的发展前景，必将成为未来供电的发展方向[71]。然而，含可再生能源（例如风力发电、光伏发电等）的微电网系统受气候条件和外界环境的影响较大，具有较强的随机性和不确定性。当其容量达到一定的等级，需要采用适当的控制策略对系统的潮流进行监控和管理，以提高系统运行的稳定性和经济性。微电网通过电力电子器件接入系统，缺少传统电网的所具有的惯性，当微电网从主网脱离时，仅靠分布式电源无法立刻承担起负荷的供电，因此，微电网系统中必须加入储能元件，如飞轮、超级电容器、蓄电池等来保证功率平衡[203]，这些储能元件此时将作为电源输出功率，以保持电压和频率的稳定，但同时也为微电网引入了更多的控制单元，增加了微电网控制的复杂性。当小规模微电网运行时，协调微电网内部发电单元、储能单元、负荷和电网之间的潮流，实现关键负荷优先的可靠供电、发电单元和储能单元的配合运行、系统运行的经济效益最大化。当微电网并入配电网后，控制微电网为本地负载提供一定的功率支撑，维持本地电能质量，协调微电网与微电网、微电网与配电网之间的功率分配与调度，实现“削峰填谷”，参与维持配电网稳定、提高配电网经济运行能力等。这些问题的解决都需要一定的协调管理策略进行潮流的最优控制，保障系统稳定、可靠、经济运行。从网络层面来看，微电网的优化控制，主要通过优化控制算法求解微电网的优化模型，所得到的结果即作为元件层面执行单元控制参考值。在小规模微电网运行，集中式优化控制具有在兼顾全局信息时能快速准确的对微电源提供控制参考的优势，但是对于含多微电网的配电网，由于微电网运行模式多样、可控程度不同（不可控，半可控，全可控），尤其是当所接入的微电网数量众多，受控量复杂的情况下，在建模方面很难像传统电网一样，建立一个中心控制对整个系统做出快速反应，并进行相应的控制；再者，不同的微电网局部约束问题不一样，若采用集中控制会由于局部约束问题使得全局优化求解所花费的计算量巨大而难以实现；最后，一般情况下，系统并不能完全掌握各电源的运行信息，此时无法满足传统集中式优化控制方法所需要的计算条件，也无法进行集中式能量管理。非集中式优化控制则可有效的解决上述问题，并且在区域求解时可更全面的考虑局部约束问题而不用担心计算成本问题，避免全局信息收集造成的通信成本[]。式约束优化问题求解机制中，不存在集中式的全局控制，而采用多求解器的分布策需SAtSt分布式约束优化问题求解机制的大部分特征，因此被认为是一种有前景的解决方法局和。综上所述，发展微电网技术，可有效的对分布式发电进行管理，进而推进清洁能源的发展，促进节能减排，增加新能源的渗透率，同时改善网络构架增加系统的稳定性可靠性，但同时也会导致网络结构复杂化，集中式优化控制难以展开的问题。开展基于MAS理论的微电网分布式优化控制方法的研究，一方面真正意义上将MAS分布式理论运用到微电网优化控制中，实现大规模系统分布式优化控制，小规模系统集中优化控制的混合分布式优化控制方法，另一方面建立既可以满足大规模复杂微电网运行控制的分布式特点，以分布式优化求解方法解决大规模微电网系统难以集中求解难题，也能在面对无需进行分布式优化控制的在小型微电网保持集中优化控制全局快速优化特点的微电网优化控制体系。本课题的研究对于保证微电网的安全、稳定、经济运行，电网的智能化建设和可再生能源发电的推广应用都具有十分重要的意义。1.2微电网分布式优化控制研究现状微电网是一种由负荷和G共同组成的系统，它可同时提供电能和热能，G通过电力电子装置进行能量转换，需要进行相应的控制。微电网相对外部大电网表现为单一的可控单元，同时满足用户对电能质量和供电可靠性、安全性的要求。为了增强微电网与配电网的协调能力，微电网内部G的功率最优分配，提高清洁能源渗透率、电网运行的经济性和可靠性，微电网的优化控制问题研究显得尤为重要，但由于微电网的研究刚刚起步，国内外学者关于微电网的分布式优化控制策略以及方法还没有比较成熟的方案[3,3]，结合本文研究的内容以及方法，在相关领域内各国学者所做的相关工作包括微电网的基本运行控制和微电网的优化运行控制。1.21微电网基运行控制从系统层面来看，微电网的基本运行控制主要是为了保证系统运行稳定而针对系统的电压频率等控制量而进行的综合控制，根据目前的研究情况，微电网的基本控制方法包括：①集中控制[53]采用集中控制时，微电网内所有发电单元以及储能的控制由一个中央控制单元统一完成。微电网内各单元将各自的运行信息传送至主控端单元，在保证系统稳定的前提下，兼顾经济运行，主控单元将控制信号通过高速的通信网络传送至微电网内部的各个单元。这种控制方案简单高效，且调节效果迅速，便于全局网络调控。但是由于系统的所有信息都要进行集中处理，因此需要有一个高效的中心控制器来处理庞大的数据和在网络中传输全局信息，这样就主要依赖于中心控制器，一旦出现单点故障，控制就会失效。此外，控制以及运行信息完全依赖于高速的通信网络，受到通信距离和成本限制，通信系统的故障则会引起整个微电网瘫痪，降低了系统可靠性。另外，一旦控制框架确定后，网络的结构就不能变动了。当有新的电源或负载接入微电网中时，就需要重新更改控制结构。因此该方法仅适合网架结构比较固定，结构简单的小型微电网系统，对于结构复杂，负荷增长需求较大的微电网则会出现信息灾难而无能为力。在实际微电网示平台中，采用集中控制的微电网有美国NPS的MadRiver微电网以及日本NEO机构参与的八户、京都、爱知3个微电网示范工程[]。文献[3]中，为了保证微电网运行负载需求平衡，建立集中式负载控制单元，集中式控制器与负载进行通信，并且在负载上安装了包括控制电路、通信节点、功率测量装置以及控制开关的控制节点。中央控制器通过微电网的运行情况，控制负载节点开关的开合，实现对微电网供电可靠性的自动管理；文献[36]提出采用集中控制的方法解决微电网孤岛运行时谐波电压抑制的问题，通过将集中选择谐波补偿装置运用到局部逆变器接口的自动非线性负载共享环中，减小由于谐波电导与馈线特性阻抗之间的不匹配而出现的谐波电压失真；文献[37]采用集中控制方法来协调微电网中的不同G的逆变器运行，并且针对逆变器控制设计了一种新的模型预测控制算法，在解决大型电力系统稳态和瞬态控制问题时计算速度更快；在文献[38]中设计了一种用于多变换器直流微电网的集中式稳定器，集中式稳定器负责直流微电网的变换器电力电子接口的稳定性控制，减少由于电力电子装置带来的潜在负增量电阻影响，提高系统稳定性边界。②主从控制[04]采用主从控制时，系统中将选出一个电源作为主控电源，其他的电源作为从属电源主电源采用/f控制使系统的电压频率稳定在额定值为其他从属电源提供电压频率支撑由于在并网运行时系统的电压频率支撑主要由大电网提供，因此这种控制方式多用于孤岛运行模式。这种控制方案简单易行，但缺点在于过度依赖于主控单元，对其容量和性能要求较高，投资大而且不便扩容且仅用于孤岛运行模式下。采用这种用控制方式的微电网有希腊的Kthnos岛微电网，在该微电网中，主控单元为10kW的储能单，从属地位的微电网G为1kW光伏和5kW柴油发电机；在德国的MVV居民区微电网示范工程中，微电源加储能单元共同作为主控单元；在葡萄牙的EPD微电网项目中，主控单元为80kW微型燃气轮[]。文献[40]提出了一种的主从控制方法用于微电网在孤岛与并网运行之间的无缝转换。在进行主从控制时，主控制G根据运行状态不同而采用不同的控制方法，从属G一直采用功率/电流控制方法。文献[41]讨论了微电网在不同运行模式下的运行控制仿真，在并网运行时，所有的微电源都运行在预先设定的PQ控制模式下，在孤岛运行时，电池作为主控DG提供整个微电网的电压和频率运行参考，其他G采用从属控制。文献[42]研了风电互补的单相直流微电网系统的运行控制策略。在孤岛运行时，同样采用电池作为主控G为整个微电网运行提供电压和频率参考，并在此基础上提出了使G吸纳率尽可能大的并网控制策略。文[43]中，建了包含多种，储能以及柴油发电机微电网实验室系统，并在孤岛运行时采用主从控制策略，其中储能作为主控G采用/f控制，其他G采用Q控制的控制方法，以保证微电网在并网模式与孤岛模式之间进行无缝转换并在EEE1547标准下对微电网的控制，保护等进行了仿真。③下垂控制[44]在下垂控制中，主要根据系统的电压和无功功率，频率和有功功率的下垂特进行控制。由于控制最终的输出为微电源的有功功率和无功功率，在对G进行控制时需要通过变换器内环控制将其转化为电力电子控制器的参考电压或电流。然而，采用对等控制时，由于微电网微源容量与线路差异等原因，将影响无功均流性能进而影响下垂控制效果4]。此外，下垂控制虽然在进行功率均分时不需要进行通信，但这是以牺牲输出电压和频率的精度为代价的，一旦微电网无电压频率支撑，在长时间运行时电能质量则无法保证。在著名的CETSAEP微电网测试平台中，其控制方法即为对等下垂控制。该微电网中安装了3台容量均为60kW微型燃气轮机，用对等下垂控制实现负荷分配[5,]。为了解决微电网中传统下垂控制带来的功率不均分的问题，文献[44]通过引入虚拟阻抗来消除由于变换器输出阻抗和线路阻抗造成的功率不均分问题，并在此基础上结合虚拟阻抗提出来虚拟阻抗补偿下垂控制，改善下垂控制的功率均分特性文献[45]中分了传统有功功率频率f，无功功率电压V的下垂控制的不足，并且针对电压微电网提出了基于多反馈环控制策略新型的解耦下垂控制，保证微电网电能质量。文献[46]研究了自治微电网的功率分配问题，提出在传统高增益角下垂控制的基础上为G变换器增加辅助环的新的改进下垂控制，来解决高增益角下垂控制功率均分的不足。而文献[47]研究了在下垂控制方法下，微电网从孤岛向并网运行模式无缝转化的控制策略。该策略包括基本下垂控制和频率相位同步控制，可有效的避免频率相位震荡以及对功率分配带来不利影响。1.22 微电网优化控制微电网的优化控制是微电网基本运行控制的进一步发展，优化控制在考虑系统基本运行的基础之上，开始注重系统的运行性能优化，目前就控制级别来分，主要包括两类，元器件层面的优化控制以及系统层面的优化控制。元器件层面的优化控制，顾名思义主要是指在对微电网进行控制时，由于控制元器件含有直接影响微电网控制性能的参数，在调节时通过各类优化算法对参数的取值进行优化而取得比较满意的控制参数，这类优化控制并不是本文的关注重点。系统层面的优化控制主要侧重于微电网的优化控制的整体性，主要包括：①集中式优化控制[85]集中优化控制属于微电网的能量优化管理范畴，通过综合考虑微电网内的热电联供需求情况、环境因素、电网运行经济性与成本因素，电能质量与用户需求，微电网与上层配电网的管理要求等情况做出决策，在保证微电网基本运行稳定的情况下，通过对微电网运行成本与运行效率、系统环境效益与经济效益等目标制定的微电网优化控制的目标函数和约束条件进行优化，为微电网以及微电网分布式电源提供功率电压控制参考值。在集中式优化控制方法中，根据优化控制的需要建立相应的单目标或多目标优化函数，收集微电网的优化信息建立全局约束条件，采用优化算法进行求解。在求解算法中，包括传统的规划方法以及人工智能算法中模拟退火算法、遗传算法，蚁行算法等[]。在小规模微电网运行，集中式优化控制具有在兼顾全局信息时能快速准确的对微电源提供控制参考的优势，但是无论是微电网本身，还是多微电网接入配电网，由于忽视了微电源的分布特性，在采用集中式优化控制时，约束条件为全局性约束条件，而不同的微电源约束性不同。采用一致约束时为了满足所有的微电源必然会放宽约束条件，使得某些变量的搜索空间变大，进而造成计算量会进一步增大，可能会出现计算时间不能满足要求或者完全不能计算的问题；此外，随着微电网系统的增加，全局信息的获取显得不太可能实现，这样也就无从建立优化模型。文献[49]研究了并网运行微电网的集中优化控制模型，通过建立可控负荷侧竞价选项，在不同的市场运行政策以及假设实际的现货市场价格和DG的出价都能真实的反应到运营成本上的情况下，将提出的优化算法运用到微电网中，以最大化微电网的运行效益。文献[50]提出了微电网的集中优化控制优化调度模型，建立了最大限度减少操作或者折旧成本以及最大化环境综合成本的目标函数，并且在不同的控制策略、目标函数以及电价的情况下对集中优化模型进行了验证。在文献[51]中通过采用神经网络的优化方法对集中控制器进行优化，以经济效益作为评估指标管理微电网发电机以及相应负载对工业和商业用户的功率分配。集中优化控制器接收发电机报价，负载以及天气预测信息进而决策发电机的功率调度以减少微电网的发电成本，增加经济效益。文献[52]提出了一种微电网能量管理优化算法，用来协调不同G在联网以及孤岛运行情况下的功率分配。通过对储能系统的控制，以补充在孤岛运行模式下高峰负荷期间的功率缺额。②分层优化控制[35]网着G更将S电用S数用S。在分层控制时，微电网的控制结构通常设计成基于MAS的分层控制结构，在该类型系统结构中，代理被分为不同的代理层，通常分为三层，上层配电网代理，中层微电网中心控制代理，底层G控制代理。在同一层上的代理彼此不能够直接进行通信，而需要经过其上一层代理来完成。上一层代理负责其下一层代理的决策和控制。下层的每个控制器都有自身独立的控制策略。对于分布式储能或功率恒定的分布式发电，如蓄电池，其控制器往往具有定功率控制和电压/频率控制等多种控制策略。该结构中代理不需要保存系统内所有的代理信息，只需要保存下一层代理的相关信息和知识，结构层次分明，管理方便，综合控制策略使得微电网的信息更容易获取，系统稳定性更容易分析，控制器更容易设计。处在微电网每一层的微电网Ant按照预先规定的协议，结合自身所掌握的资源和信息，针对所制定的微电网控制目标，进行任务分配，通过系统间Ant信息的交流协调各自的行为活动，共享微电网运行信息以及各自的控制信息，协作完成共同的任务以达到整个微电网的目标。在该类系统中，以微电源以及储能为主的各代理在结构和功能上彼此独立，都以同样的方式通过网络通信相互发生关系，即使通信系统出现故障，微电网也能安全稳定运行。微电网的分层控制在一定程度上解决了集中优化控制中的局部约束和全局约束之间的约束矛盾，以及通过分层也缓解了计算花费问题，但是在全局信息的获取方面仍然存在不足。文献[53]中提出了一通用的基于MAS不的Ant控制和行为分层控制结构，根据不同控制层设定不同的系统功能，进而提出微电网的控制的整体方案。文献[54]立MAS层结构，针对微电网的MAS分层，在微网分层的情况下改进协调控制策略进行了研究，并且在微电网孤岛与并网运行条件下进行了仿真运行。文献[55]中采用通用的三层控制结构，以微电网综合运行成本为优化控制的目标函数，在关键状态变量变化率的基础上定义了不同G以及负载类型Agnt的动态分层结构的强化学习规则，进而采用改进强化学习算法对微电网运行进行优化控制。文[56]据MAS理论建立了中下三层微电网优化控制结构，定义了不同层次的功能，同时制定了包括维持系统电压稳定，最大化经济和环境效益的微电网优化控制目标，通过三层微电网Agent进行优化控制。③分布式优化控制[7,]在MAS理论中，分布式优化控制也属于MAS控制理论的一种，只是目前采用分布式优化控制对微电网进行控制的研究很少，大多数研究仅停留在理论探讨上。在该理论中，认为Ant个体之间通信对等，信息局部化，这一点很好的解决了大规模复杂微电网优化控制的所面临的难题。在目的研究中，微电网的分布式优化作为基于MAS分层优化控制的进一步发展，借助分层理论，在控制策略上，开始从分布式方法着手设计Ant的功能以及控制策略和算法。文献[57]中将MAS理论不仅仅应用于微电网分层控制结构设计，也用于微电网分布式优化控制算法设计中，通过建立三层微电网的控制结构以及可控负载根据自身利益决定所执行动作的控制模型，重点研究了微电网的能量市场下整体收益。单从分布式控制来看，文献[58]实际上采用分层集中的微电网控制结构，但是采用分布式控制的方法设计了各Ant的优化目标函数以及功能，并且在JAE平台上以分布式方法设计Ant之间的交流通信，理论上更接近MAS的分布式控制理论，优化上需要进一步研究。在理论研究以上，为了方便MAS这一分布式优化理论在优化算法中的实现，通常将优化问题视为分布式约束优化问题，将MAS的分布式优化控制问题转化为MAS的DCP问题在众多的分布式求解DCOP算法上，一类基势博弈的局部搜索算法，无论是在算法求解过程还是局部信息处理上都符合MAS分布式优化求解的要求，这类算法包括分布式随机算（Distributdstohsticloithm,DSA分布式模拟退火算法（DistributdsimulatdAnnlin,DSAN），最大和通信算法（Maximuminmssain，WRM）等596。1.3本文目的和研究内容模G结的G另局对从G微环电层G层GS的：（1）研究基于MAS分布式理论的微电网控制框架和分布式优化控制算法。结合MAS混合式控制结构，根据微电网不同运行环境，建立从顶层到底层的混合控制结构，根据不同的控制结构提出相应的优化控制策略和算法。在多微电网优化控制系统中，由于计算复杂度高、全局信息难以收集，集中式优化方法已很难胜任。考虑到G的分布式特性，将MAS分布式理论引入到分布式优化求解问题中来，设计基于局部信息的分布式优化控制算法。从算法设计角度出发，将分布式优化控制问题视为DCOP问题，考虑DCOP与MAS之间的关系，以势博弈理论设计符合MAS分布式理论的DCOP分布式优化控制求解算法。算法中每一控制变量设计成一个有独立效用函数的Agnt，每一个Agnt只掌握自身的控制信息以及与自己有连接关系邻居Ant的信息，以局部优化为基础，通过Ant之间的通信交流以及优化控制规则，最终分布式的优化求解实现全局优化控制的目标。（2研究含多微电网的配电网优化目标以及分布式约束优化问题，构建微电网分布式的运行控制体系架构。以EEE39节点系统为基础，建立含多微电网的配电网系统。为了方便运用分布式优化算法对微电网分布式优化控制问题的求解，微电网中每一个Ant都需要制定优化目标函数，同时考虑局部优化约束和全局优化约束的关系，将微电网优化控制模型转化成为适合分布式求解的分布式约束优化问题，以势博弈分布式优化算法进行求解。在分布式优化控制中，Agt之间的连接关系不同，必然形成不同的控制网络，这样控制效果是不同的。因此需要在不同的控制结构下研究微电网的优化控制结果，确保在满足计算精度的同时保证分布式优化控制的计算速度。（3研究小规模微电网的动态集中优化控制方法，实现微电网储能之间的协调优化控制。不同于大规模微电网系统，小规模微电网系统作为其子系统，在G数量上远少于多微电网系统，因此采用集中优化控制方法能起到更加快速准的进行控制的作用。通过群集智能理论，提出基于PSO理论的EPSO集中式优化控制算法，建立基于MAS的集中优化控制算法和微电网动态优化控制模型，考虑G以及负载变化的情况下，制定微电网储能的控制策略，保证微电网动态优化控制效果，实现微电网储能之间的协调优化控制。4研究不同的分布式电源的自主控制方法，构建微电网数字仿真平台。在构建微电网时，分布式电源（主要以风电，小水电以及电池储能为主）应该以标准电源形势接入微电网中，要求各个G的频率/电压符合接入电网的要求，有功/无功能直接或间接可控，但是由于G受到自然环境的影响，输出功率随机波动比较大，不能直接接入微电网，需要通过电力电子接口接入。通过研究不同的自主控制方法，有效的控制电力电子接口，满足G接入微电网的要求。在建立不同G各自控制方法的基础上，按照CETS规范建立微电网仿真平台，对组网后微电网进行仿真，同时研究微电网在Matlb/simulink环境下电网的数字仿真平台建设。2 2 于AS理的网优控方法重庆重庆学士位文2 基于MAS理论的微电网优化控制方法2.1引言本章主要分析了微电网采用的MAS思想进行分布式优化控制的方法，首先分析了Agnt的概念及MAS的基本思想、性质以及控制结构，从理论上对分布式优化控制的核心思想进行了阐述，并且基于MAS理论设计了微电网的优化控制混合结构，并且针对不同层级微电网制定了相应控制策略；其次研究了分布式约束优化问题的基本概念和性质，将MAS分布式思想以分布式约束优化问题及求解算法形式体现；介绍了势博弈的相关概念和性质，从势博弈的角度来设计分布式约束优化问题及求解算法，确保算法能收敛到纳什均衡，将分布式优化求解问题转化为以势博弈方法求解DCOP问题。2.2MS理论与微电网优化控制结构设计2.21 MS的基本论结构Agnt研究源于分布式人工智能，到目前为止还没有一个比较统一的概念，一般大家普遍认为Aent是一个具有一定的感知周围环境以及自主执行特定任务的能力，能与其他个体进行信息共享交流的硬件或软件的智能个体。Agnt概念已经广泛应用于各种领域，在不同的研究领域，研究者根据自己学科特点提出了不同Ant概念，这些概念归纳起来，认为Ant除了具备自主性，反应性，主动性和社交能力外，从人工智能方面讲，Ant还具备一定的拟人态，即具备人所特有的信念、知识、意图、承诺等情感心智状态。整体而言，Ant就是一个小智能体，具备各种人为添加的智能能力以满足人们求解问题的需求[36]。MAS指的是由多个在软件上或者物理位置上的功能独立、具有通信能力和逻辑推理能力的Ant组成的相互作用、相互联系系统[6,6]。系统部的Ant通过网络连接，信息共享，相互协作完成共同的任务。在协作情况下，系统的整体求解问题的能力超过个体单独求解问题总和。在求解问题时，单独Ant通过交流只与有连接关系的Ant之间进行信息共享，且个体Ant能根据自身的周围环境以及目自主做出决策，而不受其他Agnt的限制。Agnt与Ant之间存在竞争和合作关系，通过自身协调来解决目标与行为之间的冲突。一般认为MS具有以下特[87]：①每个Agnt都具有自治性。系统内的Agent能够通过感知周围的环境，在没有中心控制器的情况下，根据获得的信息以及所拥有的资源，按照自身目标独立解决问题域中的子问题。这种能力是自发的，在局部信息下，Aent通过推理在满足局部约束的情况下做出决策。②系统内部的交互性。每个Agnt的感知能力有限，但Agnt之间可通过通信与其他Ant进行互动交流。这种交互性，一方面使得Ant不必知晓系统全局信息，只需要通过信息交流网络即可实现局部信息的共享，另一方面在求解大规模问题时，通过合作来完成系统的整体任务能提高其求解能力和求解的效率。MAS系统的连接结构是指各Agnt之间的通信和控制构建，一般来说，不同的连接结构，通信的传播方式以效率、控制结果都不同。在采用MAS控制方式进行控制时，控制结构通常借鉴Ant之间的相对关系来构建，通常所采用的结构包括[3,]：①分布式结构在这类结构中，各Aent之间成通信对等，呈现信息局部化的分布式结构，Agnt之间无主次之分，所有Ant都处于平等地位，如图2.1所示。网络中的Agnt以自身的资源以及能力对系统的求解问题进行独自评判，然后按照事先制定的规则以及策略进行通信协商，在协商中不断的协调各Ant的行为决策以及资源分布，最终以既合作又竞争的方式完成系统的整体任务。该结构中的Ant类似于群体智能中个体，每个个体都能自发的进行目标探索而不受其他个体的控制，个体之间通过自由的信息交流能够使得整体呈现一种集体智能的行为。图2.1分式构g.2.1Dsbueducue这种结构中，Ant按照通信联络结构进行信息决策通信，除此之外，各代理在结构和功能上彼此独立，结构灵活稳定，因此使系统具有很好的容错性和扩展性，即使某个Agnt出现了问题，系统也能够避开该Ant，寻找新的通信路径。恰恰也正是因为这种分布式特性，使得Ant受限于局部和不完整的信息，在任务评价上难以实现全局判定。②分层结构在该类型系统结构中，根据实现的功能以及对象的结构不同，代理被分为不同的层次，有连接关系的上层Ant负责收集底层Ant的信息，通过自身独立的控制策略计算推理后对下层代理进行控制以及任务的下达，最底层的Ant只负责信息收集和任务执行。Agnt之间信息交换只能在层与层之间有联系的Agnt之间进行上下传递，处在同一层的Agnt不能进行信息交换。图2.2分结构g.2.2Heachcalsucue这种结构属于上层Aent对下层Ant进行集中控制，属于分散的部分集中控制。该结构层次分明，不同的层次负责不同的任务；通信路径明了，以上下级为载体进行信息共享；任务分配清晰，上层Aent作为任务分配和仲裁的主体协调下层Ant的行为。但是下层Ant过分依赖上层Ant，一旦上层Agnt失效，就会带来系统控制的无法执行的问题。③混合型结构这种结构一般混合了分层结构和分布式结构，既具有分层控制的小集中控制，有兼顾了分布式控制的对等控制。在结构中，系统内部按照控制任务将Agnt划分成不同的小系统，小系统内部的底层Ant功能与分层结构的底层Agnt类似，上层Ant负责该小系统内部任务管理分配以及不同小系统之间的通信、任务和冲突的协调。不同小系统之间的上层Agnt关系与分布式结构Ant之间的关系类似，都处于对等结构，它们能根据任务需求以及环境资源做出自由决策。此种结构结合了MAS分层式和分布式两种结构的优点大规模系统采用分布式结构，小规模采用集中式结构，具有较高的灵活性和易扩展性，适合用于大型复杂多代理系统。适应分布式MAS复杂、开放的特性，该结构也是目前MAS普遍采用的系统结构。图2.3混型构g.2.3Hbdsucue在MAS系统中运行过程中，由于存在着时间约束和资源约束，在有限时间与有限资源下，系统内Agnt之间由于利己目标存在，必然会存在竞争。与此同时，为了配合其他Agent完成系统的整体任务，Agnt之间需要进行协调合作。因此，MAS中Ant之间的竞争与合作是MAS研究的核心问题之一。通过竞争协调来合理安排Ant之间的目标资源，调整克制Ant各自的行为，最大程度的实现各自的目标。通过Ant合作，使得Ant保持行为目标一致，在共同完成系统目标的同时为各Agnt带来更大的利益。①多代理竞争[5,]在MAS中每个Agnt具有自治性，在完成共同任务时，会按照自身的资源以及目标进行活动，在做出决策前，Ant会采取使自身利益最大化的行动。这样，一旦Agnt之间竞争出现，在Agnt自主性和灵活性影响下，Agnt之间会由于利益分配问题造成冲突。如果没有合理的冲突协调机制，系统任务可能就无法继续进。目前，在MAS中协调冲突的主要方法包括协商法和规划法等[77]。其中协商技术主要指的是用来促进系统协调的信息通信机制是Ant为就某一任务最终能达成相互可接受的通信过程。协商技术包括基于博弈论和基于对策论的方法。基于博弈论的方法主张从博弈方面来研究Agnt之间的信息交互机制并且在协商成功率、收益、稳定性等方面取得了良好的表现。而基于对策论的协商方法，主要研究假Agnt具有完备的全局知识能根据最大化效用的原则选择自己应采取的行为但是在际上Agnt的并不具有完备知识而且Agnt由于个人隐私关系而不共享其效用信息。为了能更加准确的模拟现实世界中的问题，通常会引入社会规则来解决冲突，但是由于系统的动态变化使得制定的社会规则由于失去适用性而妨碍MAS的动态性。②多代理的合作[88]Agnt之间的合作是指具备不同个体目标的Ant，对自身行为进行改变以合理安排资源和目标，通过共同行为在满足整体任务的情况下，同时也最大程度的实现各自目标。一般来说，当Ant通过通信交流发现有迹象表明合作能带来更大的利益时Ant就会采取合作行为。对于具有共同目标的多代理系统，Ant的行为策略不仅要考虑自己的行为，而必须将自身的行为策略看作是对其它代理联合行为策略的最优反应。从这个角度来看，Agnt不仅仅具有个体理性，而且具有集体理，从而使整个系统达到动态稳定和优化。Agnt的合作主要以协商的形式体现，即Agent通过通信进行各自目标交换，直到最终目标达成一致或无法达成协议为止。现有的协商方法主要有合同协议法，在合同协议中，nt被分成管理者和合作者，其中管理者并不固定，任何Agnt一旦发布任务需求则变成管理者，其他合作者对当前任务进行竞争，争取能参与到项目中去，管理者择优选择。同时一旦合作者无法独立完成任务时，可以继续向下任务分解，变成下级管理者。一旦任务确定，就会建立相应的合同进行行为约束。2.22基于MS的微电混合优控制设计微电网由于其自身的运行特性，既可以孤岛运行，也可以并网运行。随着对新能源发展的需求越来越大，并网运行的微电网数量也会随之增加。在数量众多的微电网并入配电网运行时，优化控制的主要目标在于优化配电网内部电源和微电网的功率协调。为了有效的配合配电网的优化调度控制，并入配电网的单个微电网一方面要服从上级电网的调控命令，另一方面也要对自身的运行控制进行优化，有效的管理微电网内部各G的最优潮流分布。因此微电网的优化运行，不仅需要对微电网本身以及包含的G进行优化控制，也需要对微电网与微电网、微电网与配电网之间进行能量管理。面对多微电网的配电网运行环境，针对如此众多的控制源进行统一直接的调度管理无论是从调度灵活性还是控制实时性准确都难以完成。在MAS的控制结构中，混合控制结构采用个体Ant集中控制，Agnt之间分布式控制的方法，该控制结构特别适合大规模系统，区域集中，区域间分布，容易建立任务明确结构分明的控制系统。从控制结构上，MAS理论的混合控制形式为多微电网系统的优化控制问题提供了合理的解决方案：系统中每一个可控源作为一个有自主能力的Agnt对DGAgnt采取集中控制形式组建微电网Agnt，而对微电网Ant之间采用分布式控制方法，解决大规模分散系统模型建立和信息收集难题造成的集中控制无法实施的难题。为此本文依据微电网的Ant关系设计了图2.4所示的微电网优化控制结构。微电网运行环境 控制方法含多微电网的配电网优化控制微电网优 小规模单微电网的优化控制化控制微电网内部D控制

分布式优化控制方法集中式优化控制方法D运行控制方法图2.4微网优控结构g.2.4Theopzaonconolsucueofcogd整个控制结构针对微电网的运行环境，自多微电网系统到系统中的单个小规模微电网再到微电网内部执行G的控制，从系统到个体分别设计了相应的控制方法策略：①含多微电网的配电网优化控制采用分布式优化控制的方法从系统层面来看，配电网中的微电网Ant之间地位对等，在满足自身的优化运行的情况下，也要服从配电网的优化调度。但是在数目众多的微电网Ant系统中，由于微电网Ant的控制方式不同，可控制程度各异，优化的局部约束与全局约束差异等造成建立集中式优化控制模型难以实现；同时，微电网G的运行具有波动性和间歇性Ant的信息具有个体隐私性会使得收集集中控制信息难以实施这样无论是在计算模型还是在计算成本上，集中式控制方法都不能胜任含多微电网的配电网优化控制以局部信息局部处理为基础的MAS分布式优化控制方法则从理论上为多微电网系统的分布式提供了解决途径。在MAS分布式优化控制中，个体Agnt按照自身的局部信息从自身利益出发确定自己的行为通过与自身有连接关系的Agnt进行通信交流，最终以合作竞争的方式达成整体优化一致。②小规模单微电网的优化控制采用集中式优化控制方法。个体微电网Ant既要满足微电网间的协调控制也要确保自身作为配电网“好公民在个体微电网Agnt收到调控命令时，优化调控微电网内部DGAnt的出力，解决可控，半可控DG和不可控G在微电网内部对微电网运行波动性的影响。由于微电网一般规模较小，需要优化的控制变量较少，在G波动的同时需要快速的进行优化控制动作。集中式优化控制方法在求解小规模系统时具有集中统筹，快速准确的特定，非常适合小规模单微电网系统的优化控制问题。③微电网内部G控制采用基本运行控制方法。微电网内部的DGAgent作为整个控制系统的最底层执行Agnt主要负责执行上层Agnt优化计算所提供的优化控制参考同时DGAnt也需要保证自身的稳定控制运行因此针对不同类型的G采用不同的运行控制方法，如矢量控制、Q控制、/f控制等，确保微电网的稳定运行。2.3基于MS理论的分布式优化控制方法实现分布式优化控制方法为多微电网系统的优化控制提供有效的解决方案。分布式优化控制问题归根结底还是优化问题，如何将分布式优化思想实现仍然是需要研究的关键问题，首先需要解决优化模型建立问题，建立适合分布式优化求解模型其次提出符合MAS分布式理论的分布式优化控制算法在现有的理论中分布式约束优化问题和博弈论方法为上述问题的解决带来了潜在可能。2.31分布式束优题随着研究的深入，DCOP被认为是在MAS框架下进行问题的求解、协调和推理且能以算法实现的一种有效方法。DCOP是分布式约束满足问题（DistributdConstrintStisftionProblm，DCSP）的一步扩展，而本身DCSP为传统约束优化问题的扩展[28]。一个典型的约束优化问题由变量集，约束条件和全局效用函数组成，记（,C,），其中：①变量集D1, ,n，每一变量包含一定取值范围，ajAj，即A为变量V的定义域；②约束集C1,2, ；③全局效用函数或者目标函数，u,用来评判系统中变量组合的优劣；约束c

c,c

被定义为变量集合cV与变量c的二元数，其中cjc束涉及变量定义域卡迪尔乘积的子集，vVAjjcDCSP问题于1974年Montnri在图像处理中首先提出，随后在人工智能以及计算机科学领域得到广泛应用。与约束优化问题类似，DCSP由变量、变量值域以及变量之间的约束关系组成，问题的求解目标是为这些变量找到一组或多组满足所有约束关系的解空间[]。其数学定义为：DCSP问题可以描述三元组（,,C），其中：①变量集V=1, ,n；②变量定义域集合D1, ,n，i为变量vi的取值空间，i

n,ii；③变量之间的约束关系集合CC1,C2, ,Cm，其中k是一个变量V的子集1, ,i，每个约束关系Ck是一组指定变量k所涉及到值域的卡迪尔乘积，Ck

iV

i。DCSP的解S为变量集中的变量在定义域内找到的满足约束一组或多组取值，即存在有序集合S满足S1, ,n，S为真，j,m。

ni1

i，且S

*SS*

CRj随着硬件和计算技术的发展，分布式计算方法广泛用到各个领域中，特别是人工智能中关系到协调Ant的分布式问题中。在MAS中，Ant之间往往存在各种约束，传统方法直接将其处理成全局约束。但是由于Ant所处的环境不同，约束的范围也不同，若按统一的约束来处理，会来带来额外的计算开销。现在已经逐渐开始将Agnt之间寻找满足它们之间约束的动作组合的问题看作是DCSP问题。这样，DSP问题就可以转化为变量以及变量间的约束都分布在不同自治Agnt中的约束满足问题，每一个变量由一个Agnt控制，通过满足Agnt之间的分布式约束来寻找变量的值[6,]。从At布式约束满足中，1,2,,m代表n个At，1,2,,m为变量；变量定义域为1,2,,mC个At区域At有At束及At私过Ant决到At值djDj量vj系cj。分布式约束优化问题DCOP是分布式约束满足的进一步扩展，在分布式约束满足的基础上增加了一个目标函数。其求解过程为，在所有变量满足约束关系的情况下，问题的解为变量使得目标函数最优的取值。分布式约束优化问题属于复杂大规模动态网络环境优化问题，它既具有传统优化问题的计算复杂性、非线性等特点外，还具有信息局部性、求解网络动态性、求解过程随机性、网络状态异步更新等特点，这些都大大增加了分布式约束优化问题的求解难度[。DCOP有各种不同的含义，一般认为：一个分布式约束优化问题由含有n个节点m个约束的三元组组成[19]，

V,,U，其中：①V1,2, ,n为变量集合，每一个变量被分配给单一的Agent；②D1,d2, ,dn为有限变量定义域；③U1,2, ,m为效用函数集合，每一个函数为涉及到变量取值组合所定义的效用，通常目标函数为效用函数之和：UXji,xji,xj

2.1)其中x1,2, ,nDDCOP求解目标就是求得某一变量组使得目标函数满足：

D*g nUD

2.2)DCOP问题的求解实际上就是想找一组由Agent控制的变量赋值，通过Ant之间的通信，相互协调使全局目标函数最优。由于目标函数定义在全局的一组约束集合上，而每一个Agnt仅知道与自身变量相关的局部约束，因此，对于DCOP求解算法而言，需要具备[0,]：①分布性。由于分布式约束问题本身的分布性，在求解时Ant仅依靠自身所掌握的局部信息，利用通信交流进行求解，而不是按照传统的方法将所有信息直接与所有Agnt共享；②同步性或异步性。算法在计算时，Agnt就可以采用时钟步调进行同步计算，也可以在计算时各Ant不需要相互等待，采用异步通信，提高效率，加快求解速度；③收敛性与完备性。无论采用什么计算方法，算法都必须能保证最终能收敛到某一个稳定解，且能够保证解释最优解，或者为满足要求的近似解。A1di,di,djji,x)001012102110A3 A4图2.5分式束化题实例g.2.5Anxapeofdsibuedconanedopzaionpobem4图2.5是一个DCOP的示例[]，例子中给出4个Ant，每一个Agnt都只控制一个取值为0或1的变量，Agnt之间的约束关系如图中的实线所示，约束取值问题的目标函数就是找到一组Agnt赋值，使得4然当所有Agnt都取1时函数值最小为0。DCOP求解算法既可以是完备的也可以是近似算法，主要采用搜索以及动态规划方法。完备搜索算法主要由分布式约束满足算法求解机制上改进而来。求解算法的主要思想为：以分布式约束满足算法来求解满足约束的变量取值，然后以目标函数为评价指标进行评判，以找到能使目标函数最优的解。关于DCOP其他分布式算法将会在第三章中进行详细讨论。2.32 势博弈论博弈论被认为是分析决策制定的有力工具，在博弈论中决策者所扮演的角色类似于MAS中Ant，参与个体具有一定的理性，在制定决策的时候以一定的期望目标为基础。博弈论可以分成合作博弈和非合作博弈，前者强调的是集体主义，团体理性，是研究个体达成合作时如何分配合作得到的收益，即收益分配问题；而后者是强调的是个体在利益相互影响的局势中如何选择决策使自己的收益最大，即策略选择问题[]。非合作博弈这种既可以探讨个体内部决策过程也可以研究个体间影响的优势使得其非常适合用来分析MAS问题。合作博弈基本上没有考虑个体问题，着重强调的群体利益，总体收益9]。因此，基于上述分析，本文主要考虑非合作博弈，在非合作博弈理论下来求解DCOP问题。在策略集合中，非合作博弈可以描述为数组=

N,(i,i)N

，包含参与人集N={1，….,n}；策略集或者动作集i；效用函数i:A ，其中，iN.非合作博弈的联合行动组合A是所有个体策略集Ai卡迪尔乘积[]：AiN

2.3)为了方便表述，这里将一些符号进行统一定义。称a1,nA为典型的联合行动组合，即为博弈的一种结果，在描述参与人i的策略选择时也将其表述为ai,i}，其中i为参与人i在其对手采用ai策略时所采用的策略。效用函数用来评估参与者的收益，当参与者偏向采用策略a而不是策略a时，有仅有iia。在非合作博弈中，一般认为个体Ant根据对手的选择来确定自己的行为使得自身收益的最大化。最优反应可以定义为： iii:igxii,i

2.4) ii 如果无论参与人的对手采用何种策略，该参与人的最优反应是唯一的，则ii可以被称为占优策略。当不管其他对手采用什么策略，参与人采取他的某个策略给他带来的收益仅仅是不低于他选择其他策略，换句话说，对于参与人来说，不存在某种策略，使得在不管其他对手采用什么策略的情况下，参与人采用该策略获得的收益比采用其他策略获得的收益要高。这样，即可以得到博弈论中解的最简单定义，占优策略均衡：ii,aiii,i0

i,

i,i

2.5)其中策略组合i为占优策略均衡。这一定义表明在占优策略均衡中，每一个参与者的选择与其他参与者的选择策略无关。实际上，大部分博弈都没有占优策略解，否则博弈过程将十分繁琐。然而，对于所有的有限博弈过程策略组合来说，都满足纳什均衡和相关均衡。纳什均衡是一个弱应用解概念，同时也是博弈论中的一个比较重要的概念。iiiiii,aiii,ai0

i,i

2.6) 在纳什均衡中每一个参与者都采取最佳响应，即对于所有的i∈ iii。因此，在一个参与者可以独立选择自身策略的博弈中，纳什均衡是该博弈的一个稳定点，即任何一个参与人都无法独立改变其所采用的策略。将（2.6）式中的不等式改成严格不等式即可得到严格纳什均衡：ii,aiii,i0

ii,i

2.7) 严格纳什均衡是博弈论收敛证明的必要组成部分，表明参与人任何单独偏离不会得到改善。在式子2.7)中，纳什均衡也是纯策略纳什均衡，因为在该均衡中，每一个参与者选择某策略是确定的或者说选取的概率为1。一般假设参与具有一定的偏好，该偏好是关于纯策略的一个概率分布集合i。定义在混合纯策略上的概率分布为iii，也称为混合策略。在混合策略下，参与者i的收益变成期望收益： ii,ijaji

2.8)AN 其中NN。据此，最佳响应也相应的扩展到混合策略中来，ii。混合纳什均衡包含任意的纯策略纳什均衡，混合策略联合组合纳什均衡相应的改为混合策略纳什均衡：u*,*u,*0

,i

2.9)或者：

i i i i i

i i *a

ua

*a

aua0

,i

2.10)AN

j ji

SN\i

j j

i i i i势博弈的概念最早由Monder和Shpley于1996年提出，势博弈是策略博弈的一个子集，每个势博弈都服从一个势函数，以指定参与者的共同偏好的结果[8,9]。势博弈函数是联合策略空间的实值函数，在势函数中参与者效用的单方面改变量与势函数变化量相等。势函数的自然意义代表了参与者拥有从任意策略组合中逃逸出来以改善性能的机会。因为势博弈包含所有参与者的策略概率，势博弈函数的局部优化即为博弈的纳什均衡1]。势博弈理论因其良好的分布式优化性能，目前已经在很多学科得到应用，例如无线传感器网络能量控制，车辆运行调度以网络拥塞控制等11]。对于势博弈来说，假设存在函数P:A ，为博弈的序势，如果有：Pi,iP,i0ii,ii,i0i,i,ii,iN

2.1)权 普重 通精确势博弈 势 势博 博弈 弈图2.6各势弈间关系g.2.6Thereaonshpbeeendeentpoenalgaes普通势函数是行动组合的函数，因此，势函数改变量的符号与Ant收益单方面改变量相同。对于带权重的势博弈来说，如果有：ii,ii,iiPi,iP,ii,i,ii,iN

2.12)其中，i

为权重向量，在带权重的势博弈中参与者i的收益变化量等N于带权重i势函数的变化量。特别的有：Pi,iP,iii,ii,ii,i,ii,iN

2.13)满足式子2.13)的势博弈被称为精确势博弈，即其中1。各种势博弈之间的关系如图26所示。对于博弈来说，势博弈函数表明博弈解的联合偏好序列，这恰好确保了势博弈两个非常重要的特性：①每个有限的势博弈中，至少存在一个纯策略纳什均衡[7,46]。假定P为博弈Γ的势函数，则Γ的均衡集相应的为P的局部最大值，若a为Γ的均衡点，有且仅有对于任意的i∈，有：pap,i

i

2.14)相应的，如果P承认A中有最大值，则P在一个纯策略纳什均衡。纯策略纳什均衡是基于Ant分布式系统的特别需要的结果，因为纯策略纳什均衡代表的是一个稳定的结果，即保证了势博弈问题至少有一个稳定的最优解。其次，混合策略均衡则代表的是概率稳定，是一种随机变化的均衡策略组合。但是，更有可能的是不仅仅只存在一个纳什均衡，而这些纳什均衡可能也是次最优。势博弈的第二个特性涉及到其性能改善循环次数。在博弈中，每一步代表参与者策略的一次改变，而势博弈的一次改善步代