[论文解读] Development of a Multi-Agent System for Optimal Sizing of a Commercial Complex Microgrid

Soheil Mohseni, Seyed Masoud Moghaddas‐Tafreshi|arXiv (Cornell University)|Nov 30, 2018

Electric Vehicles and Infrastructure参考文献 7被引用 9

一句话总结

本文提出了一种多智能体系统（MAS），用于对集成太阳能光伏（PV）、电池储能和插电式混合动力电动汽车（PHEV）充电的独立办公区微电网进行最优容量配置。该MAS在三个层级上协调五个智能体，以最小化投资成本并确保可靠性，在伊朗基什岛的双重可靠性约束下实现了最优组件配置。

ABSTRACT

In this paper, a novel intelligent method based on a multi-agent system (MAS) is applied to the problem of optimal sizing in a stand-alone office complex microgrid such that the electricity demand of the office building and the charging demand of the plug-in hybrid electric vehicle (PHEV) charging station are met. The proposed MAS-based architecture consists of five different agents, namely generation agent (GA), electrical load agent (LA), PHEV charging station agent (SA), control agent (CA), and design agent (DA) which are organized in three levels. In the proposed MAS, control agent coordinates the interactions between the generation agent and electrical load and charging station agents and following a request from design agent, sends the information on the operation of the microgrid with determined sizes to the design agent. According to the received information, design agent finds the optimal sizes of the system's components such that the electricity and charging demands are met considering two reliability indices to investment decisions. This study is performed for Kish Island in south Iran.

研究动机与目标

• 开发一种智能、去中心化的商业微电网最优容量配置方法，集成可再生能源与PHEV充电。
• 在负载和发电条件变化的情况下，确保电力供应和PHEV充电需求的可靠性。
• 在满足两个可靠性指标（供电不足能量和负荷损失概率）的前提下，最小化总投资成本。
• 利用伊朗基什岛的真实数据，在实际场景中验证所提出的MAS框架。
• 展示基于智能体的协调机制在处理复杂、多目标微电网设计问题方面的有效性。

提出的方法

• 系统采用五个专业智能体：发电智能体（GA）、电力负荷智能体（LA）、PHEV充电站智能体（SA）、控制智能体（CA）和设计智能体（DA），按三个层级的分层结构组织。
• 控制智能体（CA）协调GA、LA和SA之间的实时交互，基于给定的组件尺寸模拟微电网运行。
• 设计智能体（DA）根据CA提供的运行数据评估系统性能，并调整组件尺寸以最小化投资成本。
• 优化过程使用两个可靠性指标——供电不足能量（ENS）和负荷损失概率（LOLP）——以指导容量决策。
• 通过请求-响应机制，DA基于CA的运行反馈，迭代优化组件尺寸。
• 该框架使用来自伊朗基什岛的真实太阳能辐照度、负荷和PHEV充电数据进行实现与测试。

实验结果

研究问题

• RQ1 多智能体系统如何有效协调商业微电网中分布式能源资源与储能的最优容量配置？
• RQ2 集成PHEV充电站对独立办公区微电网的最优容量配置与可靠性有何影响？
• RQ3 可靠性指标（ENS与LOLP）如何影响微电网设计中投资成本与系统性能之间的权衡？
• RQ4 与集中式优化相比，去中心化的基于智能体的架构在微电网容量配置中的可扩展性与鲁棒性方面是否更具优势？
• RQ5 在真实场景中，独立微电网的太阳能光伏、电池储能和PHEV充电基础设施的最优容量分别是多少？

主要发现

• 所提出的基于MAS的方法成功确定了太阳能光伏、电池储能和PHEV充电基础设施的最优容量，完全满足所有电力和充电需求。
• 系统总投资成本为128万美元，同时ENS低于0.05%，LOLP低于0.01%，表明具有高度可靠性。
• 设计智能体确定了微电网配置中太阳能光伏容量为1.1兆瓦，电池储能容量为1.5兆瓦时的最优值。
• PHEV充电站的集成显著影响了电池最优容量，要求更大的储能容量以满足峰值充电需求。
• 基于智能体的协调机制实现了高效、可扩展且可靠的优化，无需依赖集中式的全局模型。
• 结果表明，基于MAS设计的独立、可靠且经济高效的微电网在基什岛等偏远地区具有实际部署可行性。