基于多代理系統(tǒng)理論的空間負荷預測（1）

李娟 王冬 張三春 趙軍

摘 要：本文提出了一種用于空間負荷預測的多代理系統(tǒng)方法。服務區(qū)劃分為幾個子區(qū)域，每個子區(qū)域被認為是用相應負載級別標識的獨立代理，并且它們與相鄰區(qū)域的關(guān)系通過發(fā)展概率表示。這些概率被認為是用于模擬的輸入數(shù)據(jù)。根據(jù)以上，可以開發(fā)不同種類的代理來模擬并行的分布系統(tǒng)中的負載的增長模式。

關(guān)鍵詞：空間負荷預測 多代理技術(shù) 布局規(guī)劃

中圖分類號：TM71 文獻標識碼：A 文章編號：1674-098X（2018）01（a）-0015-02

空間負荷預測，也稱為小面積負荷預測，有助于確定在在服務區(qū)周圍的電力需求的增加。電力公司內(nèi)部已經(jīng)開發(fā)了多項研究，使用各種各樣的技術(shù)將不同的因素考慮在內(nèi)。

第一種技術(shù)使用識別模式來確定偏好映射[1]，其中不同的因素被加權(quán)確定土地利用的具體類型。這個過程后來改進使用從模糊邏輯[2]的元素。針對這個問題開發(fā)了模糊邏輯中的各種方法，諸如模糊的多個目標決策和近期的統(tǒng)計方法[3]。所有這些研究假設小區(qū)域的行為在具有類似特征的區(qū)域中容易復制，而不考慮城市的不同區(qū)域之間的關(guān)系。

參考文獻[4]使用語言表示和一個簡單啟發(fā)式來找到與土地利用類型相關(guān)聯(lián)的用戶行為模式。在文獻[5]中，提出了一個細胞自動機方法來復制城市的增長使用簡單的規(guī)則；然而，這些規(guī)則是靜態(tài)的，并且僅使用離散步驟來考慮負載級別的語言表示。在文獻[6]中，介紹了空間負荷預測的多代理框架，建立了空間模擬的基本規(guī)則。

本文提出了對這些以前的方法的改進方法，通過考慮城市使用不同種類的代理商的新類型的負載。這樣，城市的動態(tài)增長被認為是改善城市空間負荷增長的模擬水平。

1 多代理系統(tǒng)介紹

研究人員目前在城市規(guī)劃和其他類似領域使用多代理系統(tǒng)的方法。通過這些方法，可以考慮城市中心的動態(tài)增長和城市的空間性質(zhì)，并進行小規(guī)模的模擬。通過這些特質(zhì)，這種多代理系統(tǒng)可以用來改善未來負載的分布。

多代理系統(tǒng)由具有自主行為同時與系統(tǒng)中的其他代理相互作用的多個代理組成。這些代理具有以下3個基本特征：能夠自主行動；做出滿足目標的決策；并且能夠使用社交互動協(xié)議與其他代理進行相互聯(lián)系。

多代理系統(tǒng)已被用于研究城市中心不同情況的行為，如航空運輸安全，高速公路運輸，流離失所等可以使用多代理系統(tǒng)進行模擬的諸多問題。

有許多方法對代理進行定義和分類，但一個有用的定義是一個通過傳感器感知其環(huán)境的實體，并通過其執(zhí)行者做出反應。從人工智能的角度來看，代理可以分為以下4種主要團體：靜態(tài)或移動代理；反應或主動代理；合作或自主代理以及具有這些特征的組合的代理。

在這項工作中，使用了多代理方法，因為它對數(shù)據(jù)在網(wǎng)格上的組織方式是一種自然的契合。網(wǎng)格的每個部分可以被認為是一個代理。使用的代理類顯示如下。

（1）靜態(tài)代理：每個子區(qū)被視為一個靜態(tài)代理，它只能根據(jù)從其相鄰區(qū)域和移動代理接收的信息影響其自身狀態(tài)。

（2）移動代理：城市負荷的預期增長分為不同部分。每個部分給予可以自由在城市行動的移動代理，留下部分負載，直到通過本地運動方法消失。其路徑取決于靜態(tài)代理的特性。

（3）主動代理：該代理負責代表非自然的新負載的負荷增長的小局部效應。它的行為像移動代理一樣，但是它的路徑使用需求傳播方式固定為波形，并且不依賴于靜態(tài)代理的特性。

城市的特征是通過每個靜態(tài)代理的不同屬性來定義的。負載增長通過移動代理和靜態(tài)代理之間的交互來表示，并且主動代理的任務是在系統(tǒng)中存在一個新的擾動時改變靜態(tài)代理的特性，增加或者減少一個代理接收新的負載的能力，見圖1。

2 代理的發(fā)展概率

該方法的性能高度依賴于所分配的負載增長決定的概率。這不僅可以使用歷史數(shù)據(jù)進行校準，還可以使用計劃器進行校準經(jīng)驗。多代理系統(tǒng)似乎適合于模仿社會結(jié)構(gòu)，在這方面似乎是足夠的方法；再次，精度取決于所使用的數(shù)據(jù)校準模型。校準是根據(jù)找到一組參數(shù)值來確定模型的尺寸的過程，使得模型能夠以最適當?shù)姆绞皆佻F(xiàn)數(shù)據(jù)的特征。校準與驗證方法不同，該驗證旨在優(yōu)化模型對數(shù)據(jù)的適合性，但通常這些過程是等效的。多代理系統(tǒng)使用需求數(shù)據(jù)庫進行統(tǒng)計分析，如第六節(jié)所述。

這種方法認為每個靜態(tài)代理具有概率的發(fā)展，表示代理接收新負載的可能性。這個概率取決于分區(qū)及其鄰居的特征。例如，可以使用計劃者的知識或數(shù)據(jù)挖掘方法手動輸入該概率。這些概率被認為是該方法的輸入之一。這些開發(fā)概率可以分為兩種不同的方式，這取決于代理是否存在負載。

（1）無負載代理的發(fā)展概率。

根據(jù)消費者等級和預期的負荷密度，所有沒有負載的代理被分為不同的原型，使用進化啟發(fā)式來尋找土地利用數(shù)據(jù)中的模式。每個代理人有3個開發(fā)概率，每一個對應一類消費者。例如，如果一個代理商預計擁有非常高的住宅負荷，則發(fā)展的可能性非常高，所以90%的開發(fā)概率被分配。如果預期負載為零，則假設1%的發(fā)展概率等。

（2）有負載代理的重建概率。

對于具有負載的所有子區(qū)域，計算該概率確定每個需求發(fā)生重大變化的可能性消費者階級這是通過比較屬性來實現(xiàn)的每個區(qū)域與其鄰居的區(qū)域。重建的過程是考慮了城市核心增長。

3 負荷預測中多代理方法的時間分配

為了模擬負荷的自然增長，城市劃分為一些子區(qū)域區(qū)，其中每一個被定義為靜態(tài)代理。這樣有更好的計算表示，網(wǎng)格結(jié)構(gòu)也促進了相鄰靜態(tài)代理和移動代理之間的交互。每個代理商都有自己的需求以及每個消費階層的發(fā)展或重新開發(fā)的概率。在開始時間位置之前，有必要定義服務區(qū)域的預期負載增長。用于計算全球負荷增長的技術(shù)不在本工作的范圍之內(nèi)，因為本文旨在確定電力負荷如何在服務區(qū)的子區(qū)域之間分配。這項工作假設該公用事業(yè)已經(jīng)進行了廣泛的負荷預測。預期的全球負荷增長被認為是算法的停止標準。移動代理將分別分配商業(yè)和住宅負荷。自然負荷增長中不考慮大的新工業(yè)負荷；小的新工業(yè)負荷被認為是商業(yè)負荷。

移動代理可以自由漫游并代表一小部分的全球負荷的預期增長。每次移動代理與靜態(tài)代理進行交互，它決定離開一個從而增加了靜態(tài)代理的實際負荷并減少自己的負載。如果移動代理到達服務區(qū)的邊界，沒有可用負荷的分布，它開辟了一個新的路徑。當移動代理可用的整個負載在靜態(tài)代理之間分配時，該算法停止。移動代理在活動中心開始其路徑，并與靜態(tài)代理進行交互，直到達到服務區(qū)域的限制。靜態(tài)代理從33數(shù)組中選擇。表1示出了33陣列。每個職位的發(fā)展概率以百分比表示出來。在其陣列的中心是移動代理。

移動代理將與此靜態(tài)代理進行交互并進行決定是否分配給定的需求量。這個程序是隨機控制的，考慮了發(fā)展的可能性作為具有輪盤賭機制的控制因素，其中離開需求的概率與發(fā)展概率的概率相同。在初始化多代理系統(tǒng)之前，必須校準添加到靜態(tài)代理的負載。

4 結(jié)語

本文提出了一種用于空間電負荷預測的多代理系統(tǒng)方法。詳細介紹了適合于空間負荷預測的多代理系統(tǒng)，并研究了代理的發(fā)展概率，最好給出了空間負荷預測中多代理方法的時間分配。

參考文獻

[1] H. L. Willis and J. Aanstos，“Some unique signal processing applications in power systems analysis，”IEEE Trans[J].Acoust.， Speech， SignalProcess.，1979，27：685.

[2] V. Miranda and C. Monteiro，“Fuzzy inference in spatial load forecasting，”in Proc[A]. IEEE Power Engineering Society Winter Meeting[C].2000，2：1063-1068.

[3] M.Chow，J.Zhu，and H.Tram，“Application of fuzzy multi-objective decision making in spatial load forecasting，”IEEE Trans[J].Power Syst，1988，13（3）：1185-1190.

[4] R.L.Vasquez-Arnez， J. A. Jardini， R. Casolari， et al.“A methodology for electrical energyforecast and its spatial allocation over developing boroughs，” in Proc.Transmission and Distribution Conf[Z]，2008.

[5] E. M. Carreno and A. Padilha-Feltrin， “Evolutionary heuristic to determine future land use，” in Proc[A].IEEE Power and Energy Society General Meeting[C].2008.

[6] E. M. Carreno， R. M. Rocha， and A. Padilha-Feltrin， “A cellular automaton approach to spatial electric load forecasting，” IEEE Trans.[J].Power Syst，2011，26（2）：532-540.