Формулировка комплексной оптимизационной задачи построения микрогрид арктического анклава в мультиагентном представлении

В настоящее время широко обсуждаются перспективы развития энергетики и возобновляемых источников энергии (ВИЭ) в удаленных населенных пунктах, в том числе в арктических регионах. На законодательном уровне предусмотрены меры по поддержке ВИЭ как на оптовом,так и на розничном рынках. Вместе с тем, ведется работа по повышению энергетической эффективности хозяйствующих субъектов в Арктике в соответствии с Федеральным законом «Об энергосбережении и повышении энергетической эффективности».

В удаленных регионах, таких как арктические, внедрение возобновляемых источников энергии (ВИЭ) является одним из применимых решений проблемы обеспечения энергии. Однако вопрос повышения эффективности локальных энергосистем, в том числе с ВИЭ, остаётся актуальным. Повышение эффективности связано не только с внедрением эффективных источников энергии, но и с совершенствованием способов и технологий работы и управления локальными микро-энергосистемами (микрогрид).

Микрогрид [1] является разновидностью смарт грид, которой присущи следующие особенности: единое объединение разнородных распределенных и централизованных источников энергии, возобновляемых источников энергии, накопителей энергии и разнотипных потребителей. При этом микрогрид функционирует как при гибридном энергоснабжении, так и обеспечивается надёжное снабжение потребителей при условии полного отделения от централизованного источника, т.е. в изолированном режиме. Важно отметить, что микрогрид представляет собой комбинацию управляемых и неуправляемых источников энергии, что затрудняет достижение баланса мощности в микрогрид, повышает актуальность регулирования напряжения и соотношения активной и реактивной мощности в распределительной сети.

Особенности локальных микро-энергосистем

Стратегииуправления микроэнергосистемы могут существенно и даже концептуально отличаться от стратегий управления традиционными энергосистемами. Основные причины заключаются в следующем [2]:

• •    стационарные и динамические характеристики субъектов микрогрид существенно отличаются от аналогичных характеристик мощныхэнер-гоустановок;

• •    микроэнергосистемы подвержены значительному дисбалансу из-за наличия однофазных нагрузок и / или нестабильности распределенной генерации;

• •    значительная часть выработки электроэнергии в микрогрид может поступать от «неуправляемых» источников (например, ветроэлектрические установки ВЭУ), когда для максимизации выходной мощности возобновляемого источника энергии используется стратегия управления на базе максимальной точки отслеживания мощности (MPPT) [2];

• •    широко применяемые в микрогрид накопители энергии могут играть важную роль в реализации управления микроэнергосистемой и обеспечением ее устойчивой работы, однако следует учитывать то, что они являются частично-управляемыми источниками;

• •    субъекты микроэнергосистемы подвержены частым коммутациям и перекоммутациям по условиям обеспечения надежности энергоснабжения и качества электроэнергии;

• •    в дополнение к выработке и поставке электрической энергии, микро-энергосистема, как правило, отвечает за производство и подачу тепла ко всем или части потребителей;

• •    в рамках микрогрид предусматриваются более широкие возможности по децентрализации управления передачей и потреблением электроэнергии, однако сохраняется принцип сочетания централизованного и децентрализованного управления.

• •    Существующие погрешности измерений и ошибки при передаче информации по линиям связи являются более чувствительными в мелкомасштабных локальных системах, каковыми являются микроэнергосистемы.

• •    В рамках микрогрид, решения, принимаемые для какого-либо субъекта, оказывают, как правило, существенное влияние на принимаемые решения и управление процессами на других участках микроэнергосистемы.

Таким образом, указанные специфические черты отдельных субъектов и микроэнергосистемы в целом приводят к тому, что данная динамическая система может быть охарактеризована как нелинейная непрерывно-дискретнособытийная система с переменными слабо-предсказуемыми параметрами и перекрестными связями. Проведение аналитических исследований таких систем крайне затруднительно и возможно только при существенных упрощениях, которые, как правило, не допустимы по соображениям потери важной информации.

В связи с указанными выше характеристиками подобных систем, относящихся к рассматриваемому классу, задача нахождения эффективных, применимых подходов для решения задачи многокритериальной оптимизации микроэнергосистем в реальном времени является актуальной проблемой.

Примером таких микро-энергосистем, автоматизация и оптимальное управление которыми на сегодня является актуальной задачей не только в России, но и за рубежом (используется термин «смарт-грид» или «микрогрид»), являются обособленные (автономные или частично автономные) системы генерации и энергоснабжения в труднодоступных районах (например, высокогорье), в районах Крайнего Севера и Арктики, островные системы, бортовые системы крупных судов [3] и т.д. В рамках указанных микро-энергосистем различные субъекты системы активно взаимодействуют в реальном времени в процессе функционирования единой технологически объединенной системы.

Для целей повышения эффективности функционирования микроэнергосистемы в соответствии с устанавливаемыми применительно к конкретным условиям критериями, очевидна необходимость перехода к интеллектуальному автоматизированному управлению, гибкоучитывающему множество факторов, разнопланово влияющих на протекающие процессы в единой системе.

Важным фактором, определяющим формат решения задач оптимизации функционирования микро-энергосистем, является необходимость следования нормам международного стандарта по интеграции систем управления предприятием ГОСТ Р МЭК 62264-1-2010 «Интеграция систем управления предприятием» [4] как это показано в [5].

Применение МАС в задачах управления микрогрид

В последние годы мультиагентная форма представления многокомпонентных динамических систем находит всё большее применение [6, 7], в том числе для исследования микро-энергосистем [8, 9], позволяя создавать иерархические системы управления на основе распределения функций управления между автономными и кооперативными агентами, реализуя такие важные характеристики, как модульность, гибкость, надёжность, реконфигурируемость и т. п. Применение МАС-технологии в приложении к рассмотрению микро-энергосистем позволяет по-новому подойти к решению задачи создания систем с комбинированным централизованным и децентрализованным управлением.

Решение оптимизационных задач, связанных с многоцелевым управлением, при наличии противоречивых критериев и неравновесным распределением критериев между разнородными субъектами динамической системы можно связать с мультиагентным представлением исходной системы и предложить эффективные методы решения по оптимизации её функционирования.

Как известно, решение задач управления в сложных динамических системах, под которыми обычно понимаются системы высокой размерности, с наличием разветвлённой структуры с перекрестными связями, наличием неопределённости различных типов, нелинейностей и др., связано с подходами на основе декомпозиции систем такого рода. В этом смысле МАС-технология предлагает именно такую декомпозицию на основе введения в рассмотрение взаимосвязанных агентов. Итак, применение мультиагентных подходов является перспективной технологией для управления и принятия решений в системах, где существуют распределённое управление и неопределённость, связанная как с реализуемым каждым агентом законом управления, слабопредсказуемым поведением внешней среды, возможными потерями в полной наблюдаемости и управляемости объектами.

Следует отметить, что применение мультиагентного подхода позволяет более полно отразить наличие данных по отдельным субъектам (агентам) системы, что обусловливает возможность получения более обоснованных решений, что ведет к повышению эффективности функционирования как системы в целом, так и каждого агента в отдельности.

На рис. 1 приведено формализованное представление агента, принятое в данной работе с учётом основных функциональных черт, присущих агенту: рассуждение, самонастройка, самооптимизация, коммуникабельность, активность.

Предлагается набор агентов, отражающих основные субъекты микрогрид (Табл. 1). Однако перечень агентов может быть расширен для более подробного описания или в связи с конкретными специфическими чертами рассматриваемой системы. Например, для наногрид (малая микроэнергосистема) необходимо учитывать инвертеры в качестве отдельного субъекта системы, поскольку они оказывают более значимое влияние на устойчивость и качество процессов [10].

Рисунок 1 – Формализованное представление агента МАС:

U i (t) — вектор входных ограничений и уставок, связанный с функциональной чертой «коммуникация», при этом U i (t) = [L i, DC, i, DR, i]T, где

L — технологические ограничения агента;

DC, i — вектор входных команд;

DR, i — вектор входных рекомендаций;

Z(t) – вектор выходных переменных, характеризующих протекание физических процессов во времени, по которым идентифицируется состояние агента;

S(t) — вектор состояний агента, связанный с его функциональной чертой «активность», а также показатели качества его функционирования Y AG;

X(t) — вектор параметров и событийно-изменяющихся констант агента, связанный с его функциональными чертами «самонастройка» (в отношении параметров) и «рассуждение» (в отношении констант);

W(t) — вектор внутренних генерируемых управлений агента, связанный с его функциональной чертой «самооптимизация»

Таблица 1

Формализованные агенты и их функциональность в составе МАС-микрогрид

Агент, Ai	Функциональность, Fij1	Агент, Ai	Функциональность, Fij
1. Центр управления и связи (ЦУС) микрогрид, агент А 1	F 1,1 – ответственность за уп , равление микрогрид; F 1,2 – отслеживание и пла-ни , рование режимов распределенных и возобновляемых источников энергии; F 1,3 – прогнозирование гене , рируемой мощности соответствующего источника ВИЭ; F 1,4 – прогнозирование со , стояния накопителей энергии; F 1,5 – стабилизация частоты в , микрогрид; F 1,6 – обеспечение динами-че , ской устойчивости микрогрид	5. Возобновляемые источники энергии (ВИЭ): солнечная электростанция (СЭС), агент А 5	F 5,1 – ответственность за , генерацию соответствующей СЭС
		6. Возобновляемые источники энергии (ВИЭ): ветровая электростанция (ВЭС), агент А 6	F 61 – ответственность за , генерацию соответствующей ВЭС
		7. Накопители энергии (НЭ), агент А 7	F 7,1 – участие в покры-ти , и дефицита мощности; F 7,2 – участие в погло-ще , нии избытка мощности; F 7,3 – участие в регули-ро , вании частоты; F 7,4 – повышение динами , ческой устойчивости микрогрид
2. Распределительная электросеть (РЭС), включающая подстанцию, агент А 2	F 2,1 – ответственность за внешнее по отношению к микрогрид электроснабжение, F 2,2 – прием излишков электроэнергии от микрогрид во внешнюю электросеть	8. Спрос потребителя (ПЭЭ), агент А 8	F 8,1 – целевое использование электроэнергии
		9. Спрос ценозависимого потребителя (ЦЗП), агент А9	F 91 – целевое исполь-зо , вание электроэнергии; F 92 – участие в регули-ро , вании мощности
3. Распределенные дизель-гене-раторные установки (ДГУ), агент А 3	F 3,1 – ответственность за гене , рируемую мощность соответствующего распределённого генератора или группы генераторов	10. База данных реального времени (БДРВ), агент А 10	F 10,1 –сбор, хранение, об , мен данными и ар хивами
4. Распределенные газопоршневые установки (ГПУ), агент А 4	F 4,1 – ответственность за генерируемую мощность соответствующего распределённого генератора или группы генераторов	11. Система имитационного моделирования (SIM), агент А 11	F 11,1 – моделирование, тестирование режимов функционирования микрогрид

Рисунок 2 – Общая структура МАС микрогрид.

На рис. 2 показаны основные агенты типовой микроэнергосистемы и их взаимосвязь в процессе функционирования системы. Термин «окружающая среда» при этом имеет расширенное толкование, включая взаимодействие микрогрид с внешними, в том числе техническими системами.

Формулировка целевых функций эффективности функционирования микрогрид

Хотя большинство известных из литературы [11 -13,17] подходов к решению оптимизационных задач применительно к управлению микрогрид формулируется в рамках однокритериальной постановки, а именно на минимизацию общих эксплуатационных затрат или минимизацию потерь, имеются формулировки оптимизационных задач в многокритериальной постановке [14]. Однако во всех этих подходах осуществляется сведение многокритериальной задачи к скалярному случаю, включая формальное объединение технических и экономических показателей, что, по мнению большинства специалистов в области создания и эксплуатации микро-энергосистем, недопустимо [15]. Эффективность функционирования микроэнергосистемы не рекомендуется оцениватьединым интегрированным показателем и, как минимум, следует подразделять на относительно обособленное рассмотрениетехнической и экономической эффективности с введением соответствующих целевых показателей и критериев.

Соответственно, особенностью данной работы является то, что с учётом мнения отраслевых экспертов предлагается подход к формулированию оптимизационных задач, связанных с повышением эффективности микроэнергосистемы и введением раздельного рассмотрения отдельных групповых показателей эффективности. В то же время, предложенное в работе мультиагентное представление микроэнергосистемы позволяет перейти к совокупному учёту показателей эффективности как отдельных агентов, так и системы в целом.

Основные критерии эффективности функционирования микроэнергосистемы представлены в табл. 2. На основе этих критериев были сформулированы целевые функции эффективности функционирования микроэнергосистемы (см. табл. 2).

Рассмотрим подробнее приведённые в табл. 2 критерии эффективности.

• 1.    Качество электроэнергии (КЭ).

Качество производимой и отпускаемой потребителям электроэнергии является одним из основных критериев при оценке эффективности функционирования любой энергосистемы и регулируется в соответствии с ГОСТ 32144–2013 «Электрическая энергия. Совместимость технических средств электромагнитная. Нормы качества электрической энергии в системах электроснабжения общего назначения», где указаны более 10 показателей, из которых выберем два в качестве целевых функций (без потери общности математической постановки задачи):

• •    отклонение основной часто -ты напряжения от номинального Δf = f - f_nom , которое связано прежде всего с дефицитом активной мощности и не должно превышать ± 0,2 Гц в течение 95 % времени;

• •    отклонение напряжения AU . Величины провалов и перенапряжений связаны с множеством факторов, в том числе с их случайным характером, учесть которые в компактном математическом выражении в общем случае не представляется возможным, но в первую очередь они связаны с соотношением активной и реактивной мощности. Отклонение напряжения в сети определяется на основе сравнения значений напряжения общей шины U SYS и опорно-

• го напряжения Uref. Следовательно, ΔU = Uref - USYS.

• 2.    Экономический критерий (ЭК).

• 3.    Надёжность процесса электроснабжения Y 3 SYS.

• 4.    Экологичность Y 4 SYS.

Экономический критерий Y2 SYS формируется из трёх составляющих: стоимость генерируемой электроэнергии y 3SYS - CEN, цена для потребителя

У ₄ ^sys - PR, прибыль владельца микроэнергосистемы y 5 ^SYS - REV.

Надежность процесса электроснаб-жения в микро-энергосистеме как и для больших электрических сетей оценивается с использованием нормативно установленных показателей. Возникновение технологических нарушений в элементах электрической сети и масштабы их последствий зависят от многих случайных факторов. Соответственно, исследование надёжности сетевых комплексов обосновано в рамках вероятностных категорий. Именно поэтому к настоящему времени накоплен отечественный и зарубежный опыт решения задач по оценке надёжности систем электроэнергетики со следующими тремя категориями, соответствующими международной классификации показателей надежности:

CAIDI - индекс средней продолжительности перерыва в электроснабжении потребителей (время ремонта);

SAIDI - индекс средней продолжительности перерыва в электроснабжении потребителей (продолжительность отказа);

SAIFI - индекс средней частоты перерывов в электроснабжении потребителей (частота отказов) [16].

Экологичность функционирования микроэнергосистемы предлагается ограничить рассмотрением выброса парниковых газов (CO2, NOX и др.), хотя данные показатели не являются единственными.

Пример оценки эффективности функционирования микроэнергосистемы для Арктического анклава

На рис. 3 показана общая функциональная схема микро-энергосистемы, подготовленная в рамках НИОКР межведомственной комплексной целевой

Таблица 2

Критерии и показатели эффективности функционирования микроэнергосистемы

Критерий эффективности функционирования	Целевая функция	Оптимизационная задача на min или max	Входные переменные и параметры	Допустимый предел погрешности измерений
1. Качество электроэнергии (КЭ), Y1 SYS	1.1. Отклонение частоты y1 SYS     Δf	Поддержание в заданных пределах Δf +, , Δf -	1.1.1.    fnom – номинальная частота; 1.1.2.    f – текущее значение основной частоты напряжения; 1.1.3.    Δf + , Δ f -= ± 0,2 Гц	± 0,03 Гц
	1.1. Отклонение напряжения, d y2 SYS     ΔU	Min	1.2.1.    Unom -номинальное напряжение; 1.2.2.    U – текущее значение напряжения; 1.2.3.    ΔU + , ΔU - = ± 10 %	Погрешность измерения длительности не должна превышать ±0,01 с
2. Экономический критерий (ЭК), Y2 SYS	2.1. Стоимость генерируемой электроэнергии d y SYS    C EN	Min	2.1.1.    стоимость топлива СF; 2.1.2.    расходы на эксплуатацию и техническое обслуживание COM; 2.1.3.    плата / штрафы за выброс загрязняющих веществ CPO	10 %
	2.2. Цена для потребителя y4 SYS     PR	Min	2.2.1. Фиксированный многозонный тарифный график	1 %
	2.3.Прибыль владельца микроэнергосистемы d y5 SYS   REV	Max	2.3.1 . цена продажи электроэнергии PrC; 2.3.2    объем проданной электроэнергии PMG	5 %
3. Надежность процесса электроснабжения Y3 SYS	3.1. Индекс средней продолжительности перерыва в электроснабжении потребителей, y6 SYS    CAIDI	Min	3.1.1.    суммарное время отключения потребителей, T Σ ; 3.1.2.    общее число отключений, OUT Σ	1 %
	3.2. Индекс средней продолжительности перерыва в электроснабжении потребителей, а y7 SYS    CAIDI	Min	3.2.1.    суммарное время отключения потребителей, T Σ ; 3.2.2.    общее количество потребителей, N Σ	1 %
	3.3. Индекс средней частоты перерывов в электроснабжении потребителей, y8 SYS    SAIFI	Min	3.3.1.    общее число отключений, OUT Σ ; 3.3.2.    общее количество потребителей, N Σ	1 %
4. Экологичность Y1 SYS	4.1. Количество выбросов парниковых газов (углекислый газ) y9 SYS    CO2	Min	4.1.1.    фактическое потребление топлива, М fuel ; 4.1.2.    Количество выбросов углекислого газа от источников энергии, POCO2	10 %
	4.2. Количество выбросов парниковых газов (оксиды азота) y10 SYS    NOX	Min	4.2.1.    фактическое потребление топлива М fuel ; 4.2.2.    Количество выбросов оксидов азота от источников энергии, PO NOX	10 %

программы «Арктические техноло -гии» по теме «Автоматизированный комплекс управления высоконадежной гибридно-генерирующей и эко -логически безопасной тепло-электро-снабжающей микро-энергосистемой с высокими техноэкономическими показателями». Представленное на рис. 3 разработанное техническое решение может рассматриваться как базовое при использовании в задачах обеспечения надёжного снабжения энергоресурсами объектов арктических регионов, включающих объекты как промышленного строительства, так и жилой инфраструктуры. Вместе с тем, предлагаемое решение с зависимой и независимой от поставок топлива генерацией тепла и электроэнергии применимо к любым труднодоступным зонам, и может быть реализовано также при полном отсутствии магистральных линий электропередач.

Образец создаваемой пилотной микро-энергосистемы в Арктике представлен на рис. 3. в виде компактного анклава из следующих четырех относительно обособленных территориальных образований: - (I) Промышленная зона; - (II) Жилищно-коммунальный комплекс; - (III) Солнечная и ветровая электростанции; -(IV) Топливохранилище.

Решение задачи оценки эффективности функционирования проектируемой пилотной микро-энергосистемы предлагается разбить на несколько этапов (рис.4) .

На этапе 1 (см. рис. 4) решается задача выбора таких моделей описания агентов, которые адекватно соответствуют исследуемым целевым функциям (ЦФ) и отвечают ограничениям по точности (см. табл. 2) и информативности:

На этапе 2 производится синтез имитационной мультиагентной модели исследуемой системы с учетом специфики каждой ЦФ y_j^SYS , j= 1, 10 из четырех групп критериев, указанных в табл. 2.

Оценка показателей эффективности осуществляется параллельно с расчётом точности оценивания е . , что является важной выходной информацией. В синтезированной мульти-агентной модели описания отдельные агенты функционируют вусловиях взаимодействия соответствующих моделируемых общесистемных процессов, что позволяет произвести оценку их собственных ЦФ y_j^AG и решать задачи по самооптимизации и самонастройке (см. рис.1).

Этап 3 соответствует решению задачи получения численной оценки эффективности функционирования микроэнергосистемы, сочетающей все четыре предложенных общесистемных критерия. По полученным оценкам показателей осуществляется расчёт оценки соответствующих критериев эффективности для системы в целом (см. табл. 2) Y kSYS , к = 1, 4 а также значений индивидуальных показателей эффективности функционирования отдельных агентов y_j^AG , приведённых в табл. 3. Представленная на рис. 4 схема отражаетформализованный процесс интеграции разнотипных ЦФ в установленные критерии.

Заключение

Разработано унифицированное представление агента, применимое к микроэнергосистемам, представляющим собой композицию из субъектов, формализуемых в виде непрерывных, дискретных и дискретно-событийных моделей.

Разработана схема решения задачи оценивания эффективности микрогрид. Представленная схема позволяет формализовать процесс интеграции разнородных ЦФ в единые критерии по определённым типам, а также с учётом оценок эффективности функционирования отдельных агентов в взаимосвязанной системе.

Как показано в примере, предлагаемое решение оценивания эффективности функционирования микроэнергосистемы для Арктического анклава ведёт к решению многокритериальных оптимизационных задач, с учётом разнородных критериев.

Рисунок 3 – Общая функциональная схема микроэнергосистемы для арктического анклава:

• (I)    — промышленная зона;

• (II)    — жилищно-коммунальный комплекс;

• (III)    — солнечная и ветровая электростанции;

• (IV)    — топливохранилище.

Рисунок 4 – Решение задачи оценивания эффективности функционирования микроэнергосистемы: РЭС-агент – агент распределительной электрической сети;

ДГУ-агент – агент дизель-генераторной установки;

ГПУ-агент – агент газопоршневой установки;

СЭС-агент – агент солнечной электростанции;

ВЭС-агент – агент ветровой электростанции;

НЭ-агент – агент накопителей энергии;

ПЭЭ-агент – агент спроса потребителя;

ЦЗП-агент – агент спроса ценозависимого потребителя;

ε i – точность модели агента A_i;

Θ i – информативность модели агента A_i;

ek – погрешность расчета показателя эффективности целевой функции YkSYS;

cyk – весовой коэффициент показателя эффективности целевой функции YkSYS