[论文解读] A Multi-Agent Approach to Optimal Sizing of a Combined Heating and Power Microgrid

Soheil Mohseni, Seyed Masoud Moghaddas‐Tafreshi|arXiv (Cornell University)|Dec 24, 2018

Microgrid Control and Optimization参考文献 10被引用 12

一句话总结

本文提出一种多智能体系统（MAS），包含五个专业化智能体——发电、负荷、加氢站、控制和设计智能体，按三个层级组织，以优化孤岛型冷热电联产（CHP）微电网的组件尺寸。利用粒子群优化（PSO），设计智能体在满足住宅用电、供热及燃料电池电动汽车（FCEVs）加氢需求的前提下，最小化系统总成本，实现经济高效、可靠的微电网设计。

ABSTRACT

In this paper, a novel multi-agent based method is applied to the problem of optimal sizing of the components of an islanded combined heating and power residential microgrid such that the residential power and heat demands and hydrogen refilling demands of the fuel cell electric vehicles (FCEVs) are met. It is assumed that the proposed multi agent-based architecture consists of five different agents, namely generation agent (GA), electrical and thermal loads agent (LA), FCEV refilling station agent (SA), control agent (CA), and design agent (DA) which are organized in three levels. Design agent (DA) is the main agent of the proposed multi-agent system (MAS) that according to its interactions with CA and by minimizing the total costs of the system through particle swarm optimization (PSO), finds the optimal sizes of the system's components. This study is performed for a typical stand-alone combined heating and power microgrid.

研究动机与目标

• 开发一种可扩展、分布式的优化框架，用于确定住宅型孤岛冷热电联产（CHP）微电网的尺寸。
• 将燃料电池电动汽车（FCEVs）的加氢需求整合到微电网尺寸优化问题中。
• 在动态负荷与可再生能源发电波动的条件下，确保电气、热力及氢气需求的可靠满足。
• 通过分层智能体架构实现最优组件尺寸配置，以最小化微电网的全生命周期总成本。
• 验证所提出的多智能体方法在实现成本最优、可靠系统运行方面的有效性。

提出的方法

• 系统采用三级分层结构：运行层包含发电、负荷和控制智能体；规划层包含设计智能体。
• 设计智能体（DA）与控制智能体（CA）协同工作，利用粒子群优化（PSO）确定最优组件尺寸。
• 五个专业化智能体分别管理不同功能：发电智能体（GA）负责电力与热力生产，负荷智能体（LA）负责电气与热力需求跟踪，FCEV加氢站智能体（SA）负责氢气需求管理，控制智能体（CA）负责实时协调，设计智能体（DA）负责优化。
• PSO算法在满足能量平衡与设备容量约束的前提下，最小化系统总成本，包括投资、运行与维护成本。
• 模型整合了可再生能源、燃料电池、热泵与氢气储存，采用动态负荷与气象参数配置。
• 系统以孤岛模式运行，确保无需电网支持下的能源独立与韧性。

实验结果

研究问题

• RQ1 多智能体系统如何有效协调冷热电联产微电网中多样化组件的尺寸配置？
• RQ2 发电、储能与转换设备的最优配置是什么？该配置可在满足所有能源需求的同时最小化系统总成本。
• RQ3 如何在不损害系统可靠性的前提下，将FCEVs的加氢需求整合进微电网尺寸配置框架？
• RQ4 与集中式优化相比，所提出的基于智能体的方法在可扩展性与模块化方面提升程度如何？
• RQ5 组件尺寸配置对微电网整体经济性能与能源安全有何影响？

主要发现

• 所提出的多智能体系统成功确定了最优组件尺寸，在满足所有能源需求的同时最小化了系统总成本。
• 粒子群优化（PSO）算法在合理迭代次数内收敛至成本效益最优解，表现出良好的计算效率。
• 将FCEV加氢需求整合进微电网尺寸优化过程是可行的，且未影响系统可靠性。
• 分层智能体架构实现了模块化、可扩展且分布式的优化，提升了系统的可维护性与适应性。
• 最优配置包括光伏、燃料电池、热泵与氢气储存的均衡组合，各组件的具体尺寸由基于PSO的优化得出。
• 在真实负荷与气象参数下，系统总成本被最小化，证实了所提微电网设计的经济可行性。