基于协同恢复策略的主动电网供电恢复策略研究

针对目前主动配电网恢复能力有限缺陷,提出了一种基于协调恢复策略的主动配电网供电恢复模型。基于SOP原理,在理论层面充分考虑SOP位置和容量对配电网的影响。在多个SOP协同运行基础上,建立了含约束的多SOP供电恢复多目标优化函数。实验阶段,以改进的IEEE33总线系统为例,验证所提模型有效性。结果表明,与现有方法相比,所提方法能有效提高主动配电网在故障情况下的快速恢复能力。仿真结果进一步验证了所提模型对提高主动配电网恢复能力具有一定借鉴作用。     

基于矩阵算法的主动配电网交直流混合网络供电恢复策略研究

考虑到直流输电技术的发展,直流配电应用于配电网中是未来配电网的研究重点。本文为解决主动配电网交直流混合网络的供电恢复问题,提出含直流配电线路的主动配电网供电恢复方案,当交流配电线路出现故障时,考虑直流侧配电线路网损、换流器以及分布式电源影响下的供电恢复方案;当直流配电线路出现故障时,考虑转换直流侧运行方式或让失电的直流负荷转入计划孤岛运行模式,以保证直流侧重要负荷的持续供电,分别提出交流侧和直流侧约束条件,并在约束条件下选取网络损耗、线路末端电压越限节点个数以及开关操作次数作为指标构建目标函数,依据矩阵算法对供电恢复过程的不同恢复方案进行大数据分析与处理,得出最优方案。通过改进的IEEE 123节点算例证明,提出的方案能够有效的解决主动配电网的供电恢复问题。     

基于多目标优化的配电网故障恢复重构研究

针对配电网故障后恢复供电的重构时间过长和重构后网络损耗过大的问题,提出了一种基于多目标优化算法的配电网故障后的恢复重构方法.建立了配网故障后重构的数学模型,该模型引入多目标函数,迅速确定恢复供电用户数;结合非支配顺序和精英策略,确保已经找到的满意解不会丢失;最优重构方案的选择策略,实现尽可能多的恢复非故障停电区供电.经过实验表明,该方法可以在很短时间内恢复非故障停电区供电,同时兼顾重构操作时间最短(优先动作遥控开关)和重构后配网运行的经济性.     

含分布式电源的配电网故障重构研究

随着分布式电源(DG)引入配电网,对配电网故障后供电恢复的研究提出了新的挑战。构建了网损最小、电压分布指数和开关操作次数最少的目标函数,提出了一种能使配电网重构和孤岛划分相结合的故障恢复策略。利用深度优先算法对含DG的配电网进行孤岛划分,然后将杂草(IWO)算法和粒子群(PSO)算法相结合,对故障后的配电网进行最优供电路径的寻优,并利用IEEE 33配电系统进行仿真验证。仿真结果表明,提出的算法和恢复策略能够有效解决含DG的配电网故障恢复问题。     

基于双层粒子群算法的主动配电网分布式电源规划

随着电力市场化程度的提高,主动配电网中需求侧资源与分布式电源的协调综合优化利用能减缓高峰时段电网阻塞,提高电力资产利用率.分布式电源规划与科学合理的接入对主动配电网中需求侧资源的优化利用至关重要.论文选取风力发电机、光伏发电机和微型燃气轮机为待规划分布式电源,以年综合费用最小为目标函数,以分布式电源渗透率、年最大负荷中断量、待规划节点处分布式电源装机容量等多种电气量为约束条件,建立考虑需求侧响应的分布式电源规划模型.基于分解协调思想,将模型分解为规划层和运行层,并采用双层粒子群算法求解.以IEEE33节点配电系统为算例,验证了规划方法的有效性.     

基于多Agent免疫算法的智能配电网自愈技术研究

未来智能电网的显著特点是其良好的互动性以及完备的自愈能力,体现了整个电网的技术水平及智能化程度,侧面反映了国家电力系统的发展状况;而智能配电网却是未来智能电网的核心部分,它与用户进行直接的双向互动,这其中涉及到大量分布式电源的接入问题,完备的自愈能力则体现在配电网故障恢复的这一重要环节,是一个多目标、多时段、多维度的非线性的组态优化问题,关系到对用户的供电质量;多Agent技术在计算机网络自愈方面具有得天独厚的优势,国内外学者对此做了大量研究;将多Agent免疫算法引入到智能配电网自愈系统的研究中,作为配电网人工智能的故障恢复策略,搭建了基于多Agent免疫算法的配电网自愈架构,并通过仿真平台上的实验证明了将多Agent免疫算法应用到未来智能配电网自愈系统中的可行性。     

考虑碳排放和综合需求响应的电-气联合运行决策博弈

考虑到当前向国际社会承诺的“碳达峰,碳中和”目标,针对电-气联合运行中多方利益的诉求,运用动态主从博弈理论,在考虑碳排放和综合需求响应的情况下,建立以供电公司为主体,家庭负荷聚合集群为从体的博弈模型.通过家庭负荷聚合的多能联合负荷特性和价格需求响应的不确定性,得到博弈双方支付函数.考虑能源结构的碳排放折算,以供能方收益最大,需求侧支付费用最低为目标,建立主从博弈模型.主方以价格为策略集,从方以需求响应为策略集,通过最优反应函数结合非支配排序遗传算法求解并筛选主从博弈均衡解.通过算例仿真验证,所提出模型可实现主体和从体各方的社会效益与经济效益最优化,为能源互联下的市场决策优化运行提供参考.     

含分布式电源接入的配电网故障处理及恢复

分布式电源接入配电网后,改变了原配电网的潮流分布,导致配电网的故障电流难以预测,使得配电网继电保护受到严重影响,甚至是完全失效。针对此问题,本文分析了当含分布式电源的系统发生永久性故障且重合闸失败后的故障处理方案。并根据单辐射电网的故障恢复策略,恢复健全区域供电。     

基于贝叶斯序贯博弈模型的智能电网信息物理安全分析

智能电网是利用信息技术优化从供应者到消费者的电力传输和配电网络.作为一种信息物理系统（Cyber-physical system，CPS），智能电网由物理设备和负责数据计算与通信的网络组成.智能电网的诸多安全问题会出现在通信网络和物理设备这两个层面，例如注入坏数据和收集客户隐私信息的网络攻击，攻击电网物理设备的物理攻击等.本文主要研究了智能电网的系统管理员（防护者）如何确定攻击者类型，从而选择最优防护策略的问题.提出了一种贝叶斯序贯博弈模型以确定攻击者的类型，根据序贯博弈树得到博弈双方的均衡策略.首先，对类型不确定的攻击者和防护者构建静态贝叶斯博弈模型，通过海萨尼转换将不完全信息博弈转换成完全信息博弈，得到贝叶斯纳什均衡解，进而确定攻击者的类型.其次，考虑攻击者和防护者之间的序贯博弈模型，它能够有效地帮助防护者进行决策分析.通过逆向归纳法分别对两种类型的攻击者和防护者之间的博弈树进行分析，得到博弈树的均衡路径，进而得到攻击者的最优攻击策略和防护者的最优防护策略.分析表明，贝叶斯序贯博弈模型能够使防护者确定攻击者的类型，并且选择最优防护策略，从而为涉及智能电网信息安全的相关研究提供参考.     

基于纳什均衡的D2D通信功率控制博弈算法

为了减轻D2D通信在资源复用模式下的互干扰问题,提升蜂窝网络均衡性能收益,提出一种基于纳什均衡的功率控制博弈算法。算法中将互干扰用户间的功率控制过程描述为静态博弈模型,用户之间根据最小化代价函数的博弈决策,通过多步迭代调节发射功率,使系统收敛至纳什均衡的优化状态。在用户代价函数设计中,综合考虑了能耗及传输速率影响,同时给出了博弈算法纳什均衡存在性以及收敛性的证明。仿真实验表明,在最优响应策略及能耗因子的有效约束下,互干扰用户更理智的选择发射功率,系统拥有较好均衡性收益的同时能耗进一步降低。     

基于MAS市场机制的动态计算资源调度模型研究

针对动态计算网格资源调度问题,结合多Agent系统(multi agent syste,MAS)协同技术和市场竞价博弈机制,对计算网格资源分配技术进行了深入研究,提出了能够反映供求关系的基于市场经济的网格资源调度模型,该模型一方面能够充分利用消费者Agent的协商能力,另一方面能够充分考虑消费者的行为,使得消费者的资源申请和分配具有较高的合理性和有效性.同时,设计了消费者的效用函数,论证了资源分配博弈中Nash均衡点的存在性和惟一性以及Nash均衡解.基于所提资源调度模型,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者竞价,从而使得整个资源的分配趋于合理.     

计及负荷不确定性的强化学习实时定价策略

面对当前电力系统的负荷不确定、新能源并网与双碳目标等现状,在充分考虑供需双方福利前提下,建立了智能电网背景下考虑负荷不确定与碳交易的实时定价模型,并基于强化学习能够处理变量复杂性、非凸非线性问题优点,采用强化学习中Q学习算法对模型进行迭代求解。首先,将用户与供电商实时交互过程转换为强化学习框架对应的马尔可夫决策过程;其次,通过智能体在动态环境中的反复探索表示用户与供电商的信息交互;最后,通过强化学习中的Q学习算法寻找最优值即最大社会福利值。仿真结果表明,所提实时定价策略能够有效提升社会福利,降低碳排放总量,这验证了所提模型和算法的有效性。     

Dynamic scheduling model of computing resource based on MAS cooperation mechanism

Allocation of grid resources aims at improving resource utility and grid application performance. Currently, the algorithms proposed for this purpose do not fit well the autonomic, dynamic, distributive and heterogeneous features of the grid environment. According to MAS (multi-agent system) cooperation mechanism and market bidding game rules, a model of allocating allocation of grid resources based on market economy is introduced to reveal the relationship between supply and demand. This model can make good use of the studying and negotiating ability of consumers’ agent and takes full consideration of the consumer’s behavior, thus rendering the application and allocation of resource of the consumers rational and valid. In the meantime, the utility function of consumer is given; the existence and the uniqueness of Nash equilibrium point in the resource allocation game and the Nash equilibrium solution are discussed. A dynamic game algorithm of allocating grid resources is designed. Experimental results demonstrate that this algorithm diminishes effectively the unnecessary latency, improves significantly the smoothness of response time, the ratio of throughput and resource utility, thus rendering the supply and demand of the whole grid resource reasonable and the overall grid load balanceable. Supported by the Natural Science Foundation of Hunan Province (Grant No. 06JJ2033), and the Society Science Foundation of Hunan Province (Grant No. 07YBB239)     

游戏网格服务划分算法研究*

为了充分利用游戏网格的计算资源,使用其强大的并行计算能力,部署在游戏网格的网络游戏必须要划分成可以并行的多个服务。提出了一种基于动态二叉树的游戏网格服务划分算法;讨论了如何采用二叉树的数据结构来组织服务节点并根据服务节点的负载动态调整其服务划分;最后实现一个模拟游戏网格环境,通过实验结果证明该算法可以取得良好的性能。     

考虑数据时变性的主动配电网动态网络重构

目前的配电网网架重构主要考虑停电发生时刻单场景下的电网信息,但实际上配电网网架重构贯穿于整个故障修复时期, 仅考虑停电发生时刻的电网信息可能造成后续时段电网过载,因此本文提出计及数据时变性的动态网络重构方案。本文以分布式电源大规模接入下的主动配电网为研究对象,首先基于贪婪法思想提出单一场景下的网络重构方法, 然后利用负荷及各类分布式电源的预测信息,以故障排除周期内能量损失最少为目标建立基于连续场景考虑数据时变性的动态网络重构模型。同时本文引入滚动优化的思想, 对动态网络重构方案进行纠偏,以适应分布式电源的随机波动。最后, 通过仿真分析, 论证了分布式电源对优化系统恢复方案的作用,说明了所提模型和方法的有效性。     

MAS动态协作任务求解模型与算法

针对网格环境的自治性、动态性、分布性和异构性等特征.提出基于多智能体系统(mutil agent system, MAS) 博弈协作的资源动态分配和任务调度模型,建立了能够反映供求关系的网格资源调度动态任务求解算法,证明了资源分配博弈中Nash均衡点的存在性、惟一性和Nash均衡解.该方法能够利用消费者Agent的学习和协商能力,引入消费者的心理行为,使消费者的资源申请和任务调度具有较高的合理性和有效性.实验结果表明,该方法在响应时间的平滑性、吞吐率及任务求解效率方面比传统算法要好,从而使得整个资源供需合理、满足用户QoS要求.     

基于学习的线性多智能体系统弹性最优协同容错控制

针对一类线性多智能体系统,研究其在网络间歇性拒绝服务攻击下的最优同步控制问题.首先,在时变非对称通讯网络拓扑结构下,提出一种弹性最优协同容错控制策略,并优化多智能体的合作二次性能指标,然后证明全局跟踪误差在出现执行器故障和网络攻击时仍然渐进收敛.进一步,当考虑多智能体子系统模型参数未知,同时系统发生执行器故障的情况下,提出利用局部系统状态和输入信息的自学习迭代算法求解代数Riccati方程,计算子系统的反馈控制器增益,实现弹性协同容错控制目标.最后,通过Chua电路网络仿真算例验证所提出的控制方法的有效性.     

一种基于网络跳数的网格信息服务机制

网格信息服务向用户提供网络距离近的资源提供者,对于网络敏感型应用具有重要意义.本文引入网络坐标来标识网格节点的网络位置,运用网络跳数算法预测用户和资源提供者之间的网络跳数,信息服务向用户返回网络跳数依次增大的资源提供者列表,以便于网格调度器更加有效地调度各种任务.经网格模拟器JFreeSim仿真表明,这种基于网络跳数的网格信息服务能有效提高网络敏感型应用的信息服务质量,从而提升网格资源共享和协作的性能.     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。