（控制理论与控制工程专业论文）多智能体进化算法在火电厂负荷优化分配中的应用.pdf

华北电力大学硕士学位论文 摘要 在现阶段电力工业市场化改革的背景之下，研究火力发电厂机组负荷优化分 配、提高发电机组运行的经济效益和发电企业的竞争力，具有重要的意义。本文回 顾和总结了机组负荷优化分配的传统研究方法，然后选取二次函数作为机组煤耗量 特性曲线，并以此为基础建立了负荷优化分配模型，同时考虑了机组运行的约束条 件。本文选取多智能体进化算法进行优化设计，对具体设计环节作了有益的改进， 与应用较广的遗传算法作了性麓比较，并首次将其应用于火电厂机组负荷优化分配 问题，为该算法在负荷分配问题领域中的应用做出探索和尝试。最后通过一个包含 十台机组的火电厂负荷分配算例仿真表明，该算法是可行和有效的。 关键词：负荷分配，帆组组合，煤耗特性，多智施体进纯算法( m a e a ) ，优化 a b s t r a c t a tp r e s e n t ，w i t ht h ep e r f o r m a n c eo fe l e c t r i cm a r k e tr e f o r m ，i ti sg r e a tv a l u ef o r r e s e a r c h i n gt h el o a do p t i m a ld i s p a t c h i n go ft h ep o w e rp l a n t ，i m p r o v i n gt h ee c o n o m i c e f f e c to ft h eg e n e r a t o ru n i t s ，a n ds t r e n g t h e n i n gt h ec o m p e t i t i v ep o w e rt h eo ft h ee l e c t r i c i n d u s t r y b a s e do nt h es u m m a r yt oa l o to fl i t e r a t u r e ，t h es t u d i e sf o rt h el o a do p t i m a l d i s p a t c h i n g a r es u m m a r i z e d ，t h e q u a d r a t i c f u n c t i o ni ss e l e c t e dt o a p p r o a c ht h e c h a r a c t e r i s t i cc u r v eo ft h ec o a lc o n s u m p t i o no fo n eg e n e r a t o ru n i t ，a n dt h e o p t i m a l m o d e lw i t hs o m er e s t r i c t i o n si ss e tu p t h e nt h em u l t i a g e n te v o l u t i o n a r ya l g o r i t h m ( m a e a ) a n dt h eg e n e t i ca l g o r i t h mw h i c hi su s e dg e n e r a l l ya l ec o m p a r e di nt h i sp a p e r , a n dm a e ai su s e do n t os o l v i n gt h el o a do p t i m a ld i s p a t c h i n gp r o b l e mo ft h ep o w e rp l a n t w i t hs o m ei m p r o v e m e n t so nt h ea l g o r i t h mf o rt h ef i r s tt i m e t h es i m u l a t i o nr e s u l to ft h e e x a m p l es h o w st h a tm a e a f o rt h el o a do p t i m a ld i s p a t c h i n gp r o b l e mi sv e r s a t i l ea n d e f f i c i e n t y a n gx i n ( c o n t r o lt h e o r ya n dc o n t r o le n g i n e e r i n g ) d i r e c t e db yp r o f h o ug u o l i a n k e yw o r d s ：l o a d d i s p a t c h i n g ，g e n e r a t o r u n i t sc o m b i n a t i o n ，c o a l c o n s u m p t i o nc h a r a c t e r i s t i c ，m a e a ，o p t i m i z a t i o n 华北电力大学硕士学位论文 摘要 在现阶段电力工业市场化改革的背景之下，研究火力发电厂机组负荷优化分 配、提高发电机组运行的经济效益和发电企业的竞争力，具有重要的意义。本文回 顾和总结了机组负荷优化分配的传统研究方法，然后选取二次函数作为机组煤耗量 特性曲线，并以此为基础建立了负荷优化分配模型，同时考虑了机组运行的约束条 件。本文选取多智能体进化算法进行优化设计，对具体设计环节作了有益的改进， 与应用较广的遗传算法作了性麓比较，并首次将其应用于火电厂机组负荷优化分配 问题，为该算法在负荷分配问题领域中的应用做出探索和尝试。最后通过一个包含 十台机组的火电厂负荷分配算例仿真表明，该算法是可行和有效的。 关键词：负荷分配，帆组组合，煤耗特性，多智施体进纯算法( m a e a ) ，优化 a b s t r a c t a tp r e s e n t ，w i t ht h ep e r f o r m a n c eo fe l e c t r i cm a r k e tr e f o r m ，i ti sg r e a tv a l u ef o r r e s e a r c h i n gt h el o a do p t i m a ld i s p a t c h i n go ft h ep o w e rp l a n t ，i m p r o v i n gt h ee c o n o m i c e f f e c to ft h eg e n e r a t o ru n i t s ，a n ds t r e n g t h e n i n gt h ec o m p e t i t i v ep o w e rt h eo ft h ee l e c t r i c i n d u s t r y b a s e do nt h es u m m a r yt oa l o to fl i t e r a t u r e ，t h es t u d i e sf o rt h el o a do p t i m a l d i s p a t c h i n g a r es u m m a r i z e d ，t h e q u a d r a t i c f u n c t i o ni ss e l e c t e dt o a p p r o a c ht h e c h a r a c t e r i s t i cc u r v eo ft h ec o a lc o n s u m p t i o no fo n eg e n e r a t o ru n i t ，a n dt h e o p t i m a l m o d e lw i t hs o m er e s t r i c t i o n si ss e tu p t h e nt h em u l t i a g e n te v o l u t i o n a r ya l g o r i t h m ( m a e a ) a n dt h eg e n e t i ca l g o r i t h mw h i c hi su s e dg e n e r a l l ya l ec o m p a r e di nt h i sp a p e r , a n dm a e ai su s e do n t os o l v i n gt h el o a do p t i m a ld i s p a t c h i n gp r o b l e mo ft h ep o w e rp l a n t w i t hs o m ei m p r o v e m e n t so nt h ea l g o r i t h mf o rt h ef i r s tt i m e t h es i m u l a t i o nr e s u l to ft h e e x a m p l es h o w st h a tm a e a f o rt h el o a do p t i m a ld i s p a t c h i n gp r o b l e mi sv e r s a t i l ea n d e f f i c i e n t y a n gx i n ( c o n t r o lt h e o r ya n dc o n t r o le n g i n e e r i n g ) d i r e c t e db yp r o f h o ug u o l i a n k e yw o r d s ：l o a d d i s p a t c h i n g ，g e n e r a t o r u n i t sc o m b i n a t i o n ，c o a l c o n s u m p t i o nc h a r a c t e r i s t i c ，m a e a ，o p t i m i z a t i o n 声明尸明 本人郑重声明：此处所提交的硕士学位论文多智能体进化算法在火电厂负荷优化 分配中的应用，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究 工作和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在 论文中作了明确的说明并表示了谢意。 学位论文作者签名： 给日 期：丝：! y 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学 位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：兰趁鑫 日期：塑垄：坐多 导师签名：缝旦支 e l 期：型! ：! ：18 牮藏电力丈学硕士学位论文 童， 孳l 言 第一章绪论 随着电力体制改革方案的逐步实施，电力企业的思维模式、工作方式、管理体 制都面临新的考验，竞争将更激爨。邀力市场豹逐步建立秘电力王业体制改革进程 的深纯，使商业化运营己成为我国电力企业改革的方向。以“厂网分开、竟份上网 为目标的电力体制改革己进入关键时期。本着建立市场化竞争机制的原贝l j ，由原国 家电力公司家经营发、输、配、送，到电厂和电网的逐步分离，爵到五大发电集 圜的成立，逐步揭开了发电厂商破除垄断经营，实现竞价上网鲍葶纂。改制之后患 价的构成将发生变化，变为两个部分：一部分是竞价形成的上网电价，一部分是圈 家严格核定得输配电价。由于前部分的出现，电价将由此实现浮动，虽然波动幅 度会比较小，僵箕对泡厂生产追求效益鳍影响是不畜焉喻兹，对电厂的生产效攀也 将起到积极的推动作用。建立电力市场的爨的是在电力王业引入竞争机铡，通过竞 争提高发电厂家的生产效率，降低发电成本。通过公平竞争使可用电力增加，电费 下降，促使经济发展，给全社会带来臣大的经济效益。 发电企业姨生产型企业转变淹经营型企业，电厂终为独立鹃经济实体参与电力 市场竞争。在得到电网系统负荷调度后，发电厂商按所分配调度的负荷数量组织生 产，提高生产运行经济性，提高电厂在电力市场中的竞争力。在现有生产运行数据 基础上，用科学酌优化决策方法优化生产，降低生产成本，提高电力生产经济效益， 是深化科技应用的有效途径。据国蠹井统计资料表明，实现经济负蘅分配节约的麓 源可达总耗量的0 。5 1 + 5 【1 1 。因此，电力系统负荷优化调度问题长期以来受到电 力系统正程技术和研究者的重视，是电力系统分析领域中的重要课题之一。 1 。2 国杰外发展现状 电蹲中梳组负荷分配是戳电力系统安全经济运行为爵酌，对电麓的生产、输送、 分配秘消费等鹂题进稽研究。对于发电厂家，枫组闯经济负荷分配，是搔在满足电 刚调度情况下，如何在给定的机组组合方式下，合理她分配备机组的负荷，使系统 达到最大的经济性，并且使这种负荷分配满足各系统本身提出的要求，即约束f 2 嚣辩。 长麓以来，缴吉典交分原理隽基础的等徽增率法和协调方程式法普遍应用予指 导电力系统的经济运行。电力系统中负旖经济调度主要就是采用该方法。随着优化 算法的发展，陆续又有线性规划法、非线性规划法、二次规划法、动态规划法、神 经阕络、模糊决策法、模拟退火法、遗传算法等应用于该领域的理论研究。基于此， 华： | = 电力大学硕士学位论文 直接以电厂为单位，根据机组运行状况分配负荷，以提高电厂自主控制经济性方面 的研究匿前正成为许多科研机构和高校的发展方向。 目前国内在经济负荷优化方面的主要研究动态有：清华大学的赵子臣、相年德 等人，提出了一种机组优化的新型启发式方法【4 l ，即应用启发式和逐步动态规划进 行机组最优维合的求解；蔼安交通大学的朱振青、王东平、孙启宏将遗传算法应用 于负荷优化，提礁了一种机组组合的扩散并行遗传算法【5 1 ，认为采用扩散并行遗传 算法可以加速运算过程，并找到更好的解，且异步法性能优于同步法；西安交通大 学系统工程研究所赖菲、管晓宏认为在解决电力系统经济调度问题上，比较有效的 方法是拉格朔尽松弛法猹l ；中国电科院的王平洋、壬广生等人对遗传算法在电力系 统经济调度中的应用进行了广泛研究，认为对于寻求电力系统问题全局最优解而 言，遗传算法是强有力的工具，具有随机搜索、灵活高效、稳定、多目标处理和对 复杂因素进行处理等优点。对于遗传算法收敛比较慢、耗时过多的闷题，提出了一 种模糊控制遗传算法，这种算法主要是设置了交叉控制器和突变控制器，能在最优 化过程中自动修改遗传参数，模糊控制遗传算法己用电力系统经济调度问题测试 过，与传统遗传算法相比，收敛速度更快【7 】；上海交通大学的忻建华等人提出的基 于动态规划法的汽轮发电机组负荷分配的优化模型考虑了机组的主要部件的低周 疲劳寿命损耗、机组最小运行时间和最小扇停时间、负荷最大爬升和降负荷速度限 制等约束条件【8 】；华中科技大学的袁晓辉等人在一种求解机组组合问题的新型改进 粒子群方法中也考虑到了机组的冷、热启动费用，以及最短开机时问和停机时间约 束汐】；东南大学的康松等人在火电厂多台机组闻负荷优化调度的研究中也建立了机 组优化启停的数学模型，这是一个同时考虑了运行煤耗和启停煤耗，其总煤耗最小， 且满足启停限制的优化方案【l 川；国电南瑞开发的火电厂厂级网络互联系统，可按照 省调几分钟超短期负荷预报修正，然后实时分配机组的负荷，为进一步开发优化负 荷分配功笈创造了有利条件；上海薪华电站开发的厂级实时监控信息系统从厂级管 理的高度对各机组运行工况进行监视、分析和判断，并做出决策，指挥机组运行。 厂级负荷自动分配系统经通讯接口站接收电网中调负荷指令，依据本厂各机组运行 状态，自动对枧组的负荷分配进行优化、管理，及动态负荷最优配置，并向各单元 机组发出给定负蘅指令，以求 ! 寻到最佳的电力生产安全性及经济效益。 国外有许多公司和研究机构，在电厂经济性能监测诊断方砸也作了大量研究， 如美国的电力研究院( p r i ) 、r a d i a l 公司、西屋公司、日本的东芝电气、日立、欧洲 的法国电力部f e d ) 、瑞士的a b b 、德国的疆门子公司、丹麦的b & k 公司等，均有 较完善的经济性能监测系统，但是在此基础上对发电机组间负荷分配方面涉及不 多。 2 华托电力大学硕士学位论文 1 3 负荷分配优化设计方法概述 机组优化组合分配问题是一个高维数、非凸的、离散的、非线性的优化组合的 优化问题，很难找出理论上的最优解，但由于它能够带来显著的经济效益，人们一 直在积极研究，提出各种方法来解决这个问题。 在建立机组优化组合负荷分配的数学模型时，有两种方案可供选择，它们的依 据不同，各有利弊【l 。一种方案是以供电成本作为目标函数，进行优化计算。由于 供电成本己成为包含着诸多影响因素的综合性指标，所以它能准确地反映电力系统 运行的经济效益和社会效益。但是供电成本中除了含有燃料费用的因素外，同时， 还有运行设备费和劳动力费等诸因素。在一般情况下，这些费用随着市场价格的变 化而变化，很难准确地估计它们，所以，用供电成本来建立数学模型有一定的因难， 它往往包含了大量的微分方程，有时甚至附加了某些推想和预测的因素。 另一种方案是以标准燃料消耗作为墨标函数，这样可避免因其他费用估计的误 差导致数学模型不能真实地反映经济运行的实质，又能简化数学模型，使得计算结 果比较准确。所以长期以来应用此方案建模的研究比较实际也比较多。下面就介绍 国内外这方面的研究现状。 基前最常用的方法是：首先，根据各单元机组的综合热力性能试验，确定在不 同负荷时各机组的标准燃料消耗量，拟合出燃料消耗量随负荷变化的特性曲线，再 以多台机组的燃料消耗量之和作为目标函数，以各台机组负荷不超过允许范围、负 荷之和等于绘定值以及各项运行参数达到要求等作势约束条件，最后，求解这个有 约束优化问题【1 2 1 。目前比较传统的解决方法有以下几种： ( 1 ) 启发式方法【1 3 】【1 4 j ( h e u r i s t i cm e t h o d ) 这是最早使用的一类优化方法。这种方法没有严格的理论依据，依靠蛊观的判 断或实际调度的经验寻找最优解。启发式方法在机组组合阀题中的应用有以下两种 情况： 局部寻优法 其基本的思路是从一个尽可能好的初始解出发，在其邻域内寻优，通过迭代求 得最优解或次优解。 局部寻优法从寻找和利用运行费用变化与开停机时间改变量之间的近似关系 入手；也有的考虑了负荷经济分配的等微增率准则、负荷的随机性和机组的停运率； 还有一些则把优化过程分为个次优他过程和一个优化过程，次优化过程使用一些 调度的逻辑规则寻找可行的次优解，两优化过程则在次优化过程所得解的基础上再 优化。 优先顺序法 3 华北电力大学硕士学位论文 优先顺序法将系统可调度的机组按某种经济特性指标事先排出顺序，根据系统 负荷大小按这种顺序依次投切机组。优先顺序法提赉较早，现在仍在研究和应用之 中。 ( 2 ) 等微增率法【l5 j ( e q u a li n c r e m e n t a ld i s c h a r g ec r i t e r i o n ) 该方法在计算过程中以目标涵数对各负荷变量的一阶偏导数相等为原剡，直接 求出各负荷值，然后捡验是否满足约束条绺。著不满足，再用迭代法进行修正，壹 到所有的解满足约束条件为止。但是由于等微增率法建立在古典变分原理基础上， 为了达到系统标准煤耗最小，要求总煤耗目标函数为严格凸函数，即各机组的煤耗、 煤耗微增率瞌线要为单调递增且可微的同时，出于对微增率曲线有严格的精度要 求，在计算处理过程中则有可能照现失真的情况。这涎点在一定程度上影响了等微 增率法的可信度。 ( 3 ) 动态规划法f m l ( d y n a m i cp r o g r a m m i n g ，d p ) 这种方法是研究多阶段决策过程最优解的一种有效方法。所谓多阶段决策过程 是指按时间或空阅顺序，将问题分解为若干互相联系的阶段，依次对它每一阶段做 出决策，最后获得整个过程的最优解。动态规划法能把一个多阶段最优决策问题根 据贝尔曼的最优化问题变换成一系列单阶段最优决策闯题来求解，这样就大大减少 了王作量，对指标丞数求极值问题大为简化，藤且一旦找到最优决策序列，就是全 局最优解。它的收敛性能优良、结果稳定，在实际系统中得到广泛应用。动态规划 法的缺陷是对机组较多的电力系统计算量太大，必须采用近似方法加以简化，则不 可避免的要丢失最优解；要求求解的闯题具有明显豹阶段性，滩于考虑与时问有关 的约束条件和机组功率变化速率等限制；当机组数量较多时，计算比较繁琐，易陷 入“维数灾。 ( 4 ) 混合整数规划法醵7 l ( m i x e d i n t e g e rp r o g r a m m i n g ) ，该方法是一种变量孛既有整数又有菲整数的数学规划阅题，根据除整型变量以 外的其他变量函数类型，可分为线性混合整数规划和非线性混合整数规划。这种规 划问题解决起来十分困难，常用的方法有分支界定法、分解法等。混合整数规划法 比较复杂，不直观，对实际系统直接使用计算量太大，必须要精心构思分解，它在 机组负萄优化问题中实用化的成果不多。 近年来，人工智能技术不断发展，一些新的优化算法迅速发展并趋于成熟，如： ( 1 ) 遗传算法l l s l ( g e n e t i ca l g o r i t h m ，g a ) 这是一种利用自然选择和进纯思想在高维空闻中寻优的方法。它模拟生物进忧 过程的基于随机搜索的智能方法，求解时酋先确定适应性函数即日标函数，将寻优 变量编码并形成初始群体，然后对群体内个体按照某种概率进行选择、杂交、变异 等操作，根据适者生存的机制产生新群体，逐步迭代直到满足瞄标要求。 4 华北电力大学硕士学位论文 ( 2 ) 模拟退火算法f l 警 ( s i m u l a t e da n n e a l i n g ，s a ) 这是8 0 年代初期发展起来的一种求解大规模组合优化闯题的隧机性方法，它 以优化阆题的求解与物理系统退火过程的相似性为基础，剥用m e t r o p o l i s 算法并通 过模拟融熔金属的物理退火性质，采用了随机搜索迭代的优化过程，它是寻找最优 解的一种方法。理论证携，它具有良好的收敛特性。僵其算法性能依赖予退火方案 的选择，且霈进行大量随机迭代，霹时也有可能无法跳出局部最优舔不能得到全局 最优解。 ( 3 ) 混沌优化算法【2 0 j ( c h a o t i co p t i m i z a t i o n ，c o ) 嚣前对混沌尚没有严格的定义，一般将由确定性方程导出的具有随桃性的运动 状态称为混沌，呈现混沌状态的变量称为混沌变量。混沌虽然貌似随机，却隐含着 精致的内在结构，具有遍历性、随机性、规律性，能在一定范围内按其自身规律不 重复地达到所有状态。混沌优化方法更有可能跳出局部极小点。混沌优化方法的随 机性和遍历憔建立在内在规律性基础之上，其搜索过程依照混淹自身运动规律麓达 到所属区间的所有点，即它的遍历性不需要外力作用，在经济负荷分配上是一种较 新的方法。 ( 4 ) 神经网络算法1 2 1 1 ( n e u r a ln e t w o r k ) 这种方法利用非线性大规模动力系统的特征，将优化计算阅题映射为神经网络 的动态演化过程。这时优化问题的目标函数就被映射为神经网络的能量函数。由于 神经网络能量函数的极小点对应于系统的稳定平衡点，于是求解能量函数极小点变 换成求解系统的稳定平衡点。任意给定系统一个初始状态，随着时间的演化，潮络 的运动轨道总是在相空闻中朝着能量函数减小的方向运动，最终达到系统的平衡 点。这样，优化问题也就在网络系统的演化中悄悄完成了。神经网络优化方法是一 种比较新的优化方法，在许多领域得到了充分利用，但美中不足的是在优化过程中， 其最优解容易陷入局部最优的循环中，扶丽影响了优他结果的优良性。 以上所提到饷均属较常用的方法，从传统方法到智能型新方法，可以看出优化 计算方法得到了较大较快的发展。此外，这些新算法与传统的数学优化算法不同， 内部计算机理比较复杂，可以处理高维、离散、非凸的菲线性阀题，从而大大提高 了求解速度和精度。 _ i 4 多智能体理论 1 4 1 智能体的基本概念 智能体( a g e n t ) 概念最早由美国的m i n s k y 教授提出。它被月来描述一个具有 自适应、自治能力的硬件、软件或其他实体，其目标是认识与模拟人类智能行为。 5 华北电力大学硕士学能论文 大多是研究者普遍认可和接受这样一种说法，将智能体看成作用于某一特定环境， 具有一定生命周期的计算实体。它具备自身的特性，能够感知周围的环境，自治的 运行，并能够影响和改变环境。1 9 8 7 年b r a t m a n 提出一种描述智能体基本特性的 b d i 模型，他认为一个智能体包含有三种基本状态：信念( b e l i e f ) ，期望( d e s i r e ) 和意图( i n t e n t i o n ) ，分别代表其拥有的知识、麓力和要达到酶弱标。所有智能体的 自主行为，都是基于它的三个基本精神状态两通过与环境之间以及智能体相互之闻 的交互来完成。 对于a g e n t 的中文名称，目前常用的比较恰当的描述是将a g e n t 成为“智能体”， 这被国内广大研究者普遍接受。 1 4 。1 1 智能体 定义【2 2 】：智能体是一个物理的或抽象的实体，它能作用于自身和环境，并能对 环境做出反应。 一般来说，智能体具有知识、曩标和能力；知识指的是智能体关于它所处的世 界或它所要求解的问题的描述；目标是指智能体所采取的一切行为都是面向目标 的；能力是指智能体具有推理、决策、规划和控制能力。 图3 1 给出了一个智能体的抽象视图。在这个框图中，可以看到智能俸为了影 晌其环境而产生动作输出。在复杂性适度的环境中，智能体不能完全控制自己的环 境，最多只能部分地控制，即对环境产生影响；从智能体的视图角度来说，这意味 着在相同的环境中同一个动作执行两次可能会出现完全不同的效果。 健感器输入 动终输娥 图3 - 1 环境中的智能体 处在特定环境下的智能体应该具备以下几个特性： ( 1 )自主性。一个智能体应具有独立的局部于自身的知识和知识处理方法， 在自身的有限计算资源和行为控制机制下，能够在没有入类和其他智能 6 华北电力大学硕士学位论文 体的直接干涉和指导的情况下持续运行，以特定的方式响应环境的要求 和变鬟二。并能根据其内部状态和感知到的环境信息寅主决定和控制自身 的状态和行为。自主性是智能体区别于其他如过程、对象等抽象概念的 一个重要特征。 反应性。智能体在感知环境，响应环境的同时，并不只是简单被动的对 环境的变化做出反应，它可以表现出受晷标驱动的自发行为。智能体的 行为是为了实现自身内在的目标，在某些情况下，智能体能够采取主动 的行为，对周围的环境进行改变，以达到自身目标的实现。 社会性。智能体往往不是独立存在的，如同现实世界中的生物群体一样， 在环境中经常有很多智能体同时存在，形成一个社会性的群体。智能体 不光能够自主运行，同时应该具有和外部环境中其他智能体相互协作的 能力，而且在遇到冲突时能够通过协调进行冲突消解。 进纯性。智能体应具有开放的性质，能够在交互过程中逐步适应环境， 自主学习，自主进化。能够随着环境的变化不断扩充自身的知识和能力， 提高整体系统的智能化和可靠性。 4 。1 。2 智缝体的生存环境 智能体是生活在一定环境当中的。r u s s e l l 和n o r v i g 根据环境特性对环境进行 以下分类【2 3 】： ( 1 ) 可观察的与不可观察的。在可观察的环境中，智能体可以获得全部的、 准确地、最新的环境状态信息。从这点来说，多数真实世赛环境不是可 观察的。 ( 2 ) 确定性与非确定性的。在确定性的环境中，任何动作都会有一个确定的 效果，当执行了一个动作以后不会出现状态的不确定性。 ( 3 ) 静态与动态。静态嚣境是假定如果没有智能体执行动作，环境不会发生 改变。相反，动态环境有其他过程发生作用，因此，会在智能体的控制 之外发生变化。物理世界是一个高度动态环境，i n t e r n e t 就是这样的。 ( 4 ) 离散的与连续的。如果存在确定的、有限数量的动作并盛哥在环境中被 感知，则环境是离散的。 不难看出，最复杂、最一般的环境类型是不可观察的、不确定性的、动态的和 连续的。具有这些特饿的环境通常称为开放环境。 1 。4 1 。3 多智能体系统 7 ) ) 2 3 4 ， ( ( 华北电力大学硕士学位论文 多智能体系统是由多个可计算的智能体组成的集合。 与单个智熊体相比，多智能体系统由以下特点：每个智能体只拥有不完全韵 信息和问题求解能力； 不存在全局控制；数据是分散存储和处理的，没有系统 级的数据集中处理结构：计算过程是异步、并发或并行的。 正如人类群体协作的能力要远远大于个体能力一样，多智能体系统具有毖单个 智能体更高豹智熊性和更强的问题求解能力。当前智能体领域的研究也大都集中在 多智能体系统上。多智能体系统中多个智能体可以是模型结构和功能完全相同的， 这种多智能体系统称为同构的多智能体系统；也可以由性质和功能完全不同的智能 体构成，每个智麓体可以有不同的子目标，系统的整体目标在各个予霉标的实现过 程中被实现，这样的系统称为异构的多智能体系统，现实中的大部分应用系统都是 异构多智能体系统。 1 4 。2 多智熊体系统的主要研究内容 4 2 1 内部智麓体结构体系 多智能体系统是由多个智能体及其所处环境构成的涕】。单个智能体豹模型和结 构对多智能体系统的影响很大。为了满足对智熊体个体智能性和群体交互的要求， 需要对智能体的内部状态及交互能力做出描述。在系统结构上，按照人类思维的层 次模型，将智能体内部体系分为三类，即： ( 1 ) 认知智麓体。其结构沿袭7 传统鲍符号表示和符号推理的人工智慧体系， 将人工智能领域的感知、学习、规则和方法等认知功能封装在一起构成 自治智能体，实现了功能模块化。 ( 2 ) 反应智能体。与认知智能体相反，反应智能体不包括符号系统，没有世 雾模型和规划。智能体的内部不具备逻辑和符号推理功能，仅仅由简单 的行为模式构成，这些行为模式以刺激应答的方式对环境的变化做 出反应。反应智能体的设计思想是通过内部简单设计实现复杂系统行为， 体现了行为主义悉想。 ( 3 ) 复合智能体。认知结构复杂的逻辑推理体系使智能体的设计难以实现， 而反应式结构虽然简单，却因缺乏必要的领域指导，当前只能完成较简 单的任务。为了发扬两种方式的优点，弥补各自的不足，研究者将两种 方式结合起来，提出复合智能体的体系结构，试图将传统和现代人工智 能融合起来，形成具有推理机制和反应性的混合结构，称为复合智能体 结构。 g 华j 艺电力大学硕士学位论文 1 4 2 2 多智能体之间的通信 智能体之间的通信是实现智能体间相互作用和相互协作的基穑。当前有两种常 用的通信语言设计方法：过程方法和声明方法【2 5 1 。过程方法的通信过程是单向的， 而智能体的许多信息交换应该是双向的，因此过程方法在智能体之间的通信不适 用；声明方法是通过定义、假设等声明语句的交换来实现通信，代表性的通信语言 是n e c h e s 定义的智能体透信语言a c l ( a g e n tc o m m u n i c a t i o nl a n g u a g e ) 。 1 4 2 3 多智能体的协调与协作 多智能体协调是指具有不同目标的多个智能体对其因标、资源等进行合理安 排，以协调各自行为，最大程度的实现各自目标。多智能体协作是指多个智能体通 过协调各自的行为，合作完成共同的嚣标。在多智能体生存环境中，智能体的行为 策略不仅要考虑自己的行为，也必须将自身的行为策略看作是对其他智能体联合行 为策略的最优反应。因此，将要研究的智能体不仅仅具有个体理性，而且具有集体 理性。由这种智能体组成的多智能体系统可以到达一种平衡的协作状态，从而使整 个系统达到动态稳定和优化。 1 4 2 。4 多智髓体的学习 要达到多智能体系统的适应性，智能体的自学习能力是不可缺少的。具备学习 熊力已经成为智熊系统豹重要特征之一。在多智能体系统中，有两种类型的学习方 式：一种是集中的独立式学习，如单个智能体创建新的知识结构或通过环境交互进 行学习；另一种是分布式的汇集式学习，如一组智能体通过交换知识或观察其他智 能体行为的学习。前者归于单个智麓体的学习中，对于单智糍体的模型构建具有重 要的作用。多智能体系统的学习一般研究的是詹者，在系统层面上对多智能体的整 体学习机制进行探讨。 1 。4 2 。s 多智襞体冲突消解 多智能体系统中每个智能体具有自治性，在闷题求解过程中会按照自身的知 识、能力和目标进行活动。对于些共享资源常会发生共享冲突或死锁，而智能体 之间的目标有时候也不致。所以，对于多智能体系统而言，动态的冲突管理是必 然的要求。露前，多智能体系统中解决冲突的主要方法是协商。另外，为了模拟现 实世界中的阀题，通常也会通过建立社会规则来避免因智能体自身知识的不完备性 导致的冲突。 9 华北电力大学硕士学位论文 1 4 3 面向问题解决的多智能体系统研究现状 问题解决( p r o b l e ms o l v i n g ) 是多智能体系统应用的一个主要方面，它包括 以下三方面内容：求问题的分布式解，解分布式问题和用分布式技术解决问题。各 国学者对这领域己俸了深入的研究。j e n n i n g s t 2 6 】提出了将两个孤立的专家系统转 变为一个多智能体系统的具体方法，建立了基于规则的多智能体系统环境g r a t e 。 h a r t v i g s e n 2 7 】将多智能体技术应用于暴风雨气象观测。r u s s e l l 2 8 l 利用智能体技术建 立了用于复杂问题实时诊断的分布式系统m a r v e c 。l i uj i m i n g 等【2 9 】利用多个智能 体在图像环境中感受图像灰度刺激，以达到提取图像特征的目的。韩靖等【3 0 】利用分 布式技术求解约束满足问题，设计了种基于能量的多智能体模型a e r ，并解决了 高达7 0 0 0 个皇后的问题和大规模图染色问题，显示了多智能体解决n p 问题的巨大潜 力。 1 4 4 多智能体系统与进化计算 进化计算是类模拟生物进化过程与机制来求解问题的自适应人工智能技术。 它的核心思想来源于这样的基本认识：从简单到复杂、从低级到高级的生物进化过 程本身是一个自然的、并行发生的、稳健的优化过程，这一过程的醺标是对环境的 适应性，生物种群通过“优胜劣汰 及遗传变异来达到进化的盟的。 这类算法就称为进化算法，是基于这种思想发展起来的一类随机搜索技术。它 们模拟由个体组成的群体的学习过程，其中每个个体表示给定问题搜索空闯的一 点。进化算法从选定的初始解出发，遗过不断迭代的进化过程逐步改进当毒誊解，直 至最后搜索到最优解或满意解为止。在进化过程中，算法在一组解上，采用类似于 自然选择和有性繁殖的方式，在继承原有优良基因的基础上，生成具有更好性能指 标的下一代解的群体。 采用进化算法求鳃优化问题的一般步骤为： ( 1 ) 随机给定一组初始解。 ， ( 2 ) 评价当前这组解的性能。 ( 3 若当前解满足要求或进化过程达到一定代数，计算结束。 ( 4 ) 根据( 2 ) 的评价结果，从当前解中选择一定数量的解作为基因操作对象。 ( 5 ) 对所选择的解进行基因操作( 如交叉、变异等) ，得到组新解，转到( 2 ) 。 进化算法与传统方法相比，具有简单、通用、鲁棒性强和便于并行化处理等优 点，已被广泛应用子数值优化、组合优化等领域。但是现有的进化算法仍存在着一 些共同的不足： ( 1 ) 适应度函数是预先定义好的，而真正的适应性应该是局部的，是个体与 1 0 华北电力大学硕士学位论文 环境做生存斗争自然形成的。现有的迸换算法的选择机制，从适应环境 的局部纯焦度磊言，充其量来说，只是一个人王选择，丽非自然选择。 ( 2 ) 遗传算法等进化算法只考虑到生物之间的竞争，而没有考虑到生物之间 协作的可能性。真实情况是竞争与协作并存，这就是所谓的协同进化。 生物学证据表明协同进化能大大加快生物进化的历程，这一点在现有靛 进化算法中很少得到体现。 ( 3 ) 生物进化过程是个在环境生态系统中“学习法则的过程，其中不仅 包括先天的遗传学习或遗传复制，而且还包括后天的个体学习。但是以 “生成+ 检测静的进化算法显然没有充分利用父代进化经验，而且忽视了 个体的学习能力。 对于现实中复杂的、大规模的问题，只靠单个智能体往往无法描述和解决。多 智能体系统通过多个具备自身的问题求解和行为目标的智能体的相互协作来达到 求解复杂的、大规模问题的霉的。由于资源有限，构成多智能体系统的智能体的结 构和功能都比较简单，同时其行为也比较简单。当然，智能体只能感知有限的环境， 称之为邻域，但它可以通过扩散过程实现对全局环境的感知。 在多智能体系统中，每个智能体可能其有不同的子目标，系统的整体目标在各 个子基标的实现过程巾被实现，这样具有不同髫标的多个智能体需要对其骞标、资 源等进行合理安排，以协调各自行为，最大程度地实现各自目标。借助多智能体系 统中的协调协作机制以实现进化算法中个体的竞争和协作无疑将加快算法的收敛 和增强算法的优化能力。 要达到多智能体系统的适应性，智能体的自学习能力是不可缺少的。开放分布 式多智能体系统的结构和功能都是非常复杂的，对于大部分应用而言，要想在设计 阶段准确定义系统行为以使其适应各种需求是非常困难的，这就要求多智能体系统 具有学习和盘适应麓力。逶过和环境进行交互的经验，智能体能够把环境的某些方 面综合到其内部状态之中从而形成自身对具体行为应用的认识。具备学习能力已经 成为智能系统的重要特征之一。智能体学习可分为两类【3 l 】：一类是基于信念的学习， 这种方法主要是智能体通过相互作用来了解并理解外部世界。它包括主动式学习， 反应式学习；另类是基予性能的学习，前蘑关注的是对外部环境的理解，但这种 学习不考虑优化某种性能的动作。基于性能的学习方法有：基于结果的学习、危机 触发的学习、竞争驱动的学习、资源驱动的学习、基于补偿的学习、合作式学习以 及环境切换驱动学习等。 智能体所具有的局部感知、竞争协作以及自学习能力是求解复杂的、大规模的 问题的关键。智能体的局部感知特性可以降低系统硬件的要求，竞争协作能力可以 协调多个智能体的行为，从而合作完成整体任务，自学习能力可以增强智能体的适 华北电力大学硕士学位论文 应能力，以适应复杂、动态的环境。 遗传算法是美国密歇裰大学的h o l l a n d 教授在复杂适应系统建模( 生物体系统 也是一个复杂适应系统) 的基础上提出的。实际上，复杂适应系统中的个体就是一 个智能体，具有目的性、主动性、适应性以及学习能力等。但在遗传算法中只保留 了茸的性、适应性。显然已有的迸化算法模型只是生物进化的一个简单模型，追切 需要建立更逼近真实生物进化的模型。多智能体进化算法( m u l t i a g e n te v o l u t i o n a r y a l g o r i t h m ) 是焦李成教授等人在文献 3 2 】中提出的。该算法从智能体系统的角度出 发，以多智能体进化的思想为基础，把进化算法中的个体作为一个具有局部感知、 竞争协作和囱学习能力的智能体，通过智辘体与环境以及智能体间的相互作用达到 全局优化豹照的。 1 1 5 本课题主要研究工作 在电力生产中，安全是首要问题。机组的负荷分配是以电力系统安全经济运行 为目的的，其分配需要满足各机组的自身要求，也要满足电网调度的要求，还需根 据厂级实时运行情况而定。在满足安全运行的情况下，深入研究经济负荷分配系统 可以科学篱便地提供在全厂任一总负荷下，各机组闻负荷调度的依据，并可保证负 荷分配结果的经济性，从而降低发电成本，取得竞争优势。研究开发的负荷优化调 度系统包括两部分，一是机组煤耗特性计算部分，另部分则是负荷优化调度，两 部分联成一体缺一不可，前者是基础，后者则是墨的。 机组煤耗特性的计算是利用现场采集的数据计算机组煤耗值，并根据煤耗值拟 合出机组的煤耗特性曲线，以供负荷分配乏用。前面提到经济负荷分配问题的数学 建模有两种方式，若以发电成本作为隧标函数具有太多不确定因素，纷繁复杂，不 剩于建模；若以枫组煤耗为曩标函数则可大大减少其不稳定因素。随着电厂设备的 不断更新，发电技术的不断进步，机组的变更与增减，在负荷分配优化的研究课题 中需要考虑的因素越来越多，所建立的数学模型也越来越复杂，因此关予这一课题 的研究也从未闻断过。 在以往研究和建立的火电机组负旖分配优化的数学模型的基础上，本文以电厂 热力试验数据及实时数据采集系统获得的电厂生产数据为基础和前提，在得到单元 机组能耗运行特性基础上，以各机组的供电煤耗特性、各杌组出力上下限、电网分 配到厂家的总负荷以及各种规组运行必须参数作为优他条件，对各机组最佳负荷分 配进行统一优化，建立优化数学模型和软件，为生产提供科学的指导，并为在线自 动化系统打下理论和技术基础。 本研究主要进行以下工作： 1 2 华北电力大学硕士学位论文 ( 1 ) 确定煤耗特性曲线 负荷优化分配的基础是机组的煤耗特性曲线。随着电厂运行本平的提高，有相 当的电厂投入了在线经济性能监测软件，因而可以实现耗量曲线的在线确定，这为 负荷在线分配提供了基础。将得到的煤耗值通过多项式拟合便可得到机组能耗特性 丞数和曲线。主要采用二次函数模拟。 ( 2 ) 优化模型的建立 以机组负荷特性曲线为基础，单元机组为研究对象，应用优化方法确立负荷优 化组合的目标函数及对应的约束方程，计算过程中考虑祝组出力上下限、机组启停 次数约束、最小连续停运时闻和最小连续运行时闻约束、旋转备用约束等限制。 ( 3 ) 运用多智能体进化算法对机组进行机组优化组合分配 介绍多智能体的概念及多智能体优化方法，重点对多智能体进化算法进行论 述，并针对多智能体进化算法于传统遗传算法的性能比较进行测试工作，得出对比 结果；深入分析研究多智簏体进