芯耀
1314
当百万千瓦级储能电站需要协调数万电池单元，如何在电网波动时实现毫秒级响应？面对海量异构设备与复杂工况，传统集中控制已难胜任，多智能体技术正重塑储能控制范式。多智能体系统构建"分层自治+集中协调"模式，让储能电站兼具钢铁筋骨与神经网络，成为新型电力系统不可或缺的智能基座。
多智能体及其分层控制体系结构
1.多智能体控制的分层架构
多智能体系统的体系结构本质是属于分布式体系架构，将多智能体技术应用在大规模电池储能电站的控制层级设计中，多智能体系统中智能体的自治、通信、可协调等特点以及MAS的特性对于提高储能电站控制能力具有较好的促进作用，可实现对储能系统的有效管理与控制，确保系统的可靠性、安全性、实用性和扩展性。因此通过MAS构建集中式接入、分散式接入的大规模电池储能电站的监控体系是可行的重要途径之一。
对储能电站进行分区是实现分区自治的基础。在大规模电池储能电站集成过程中，可能会面临电池类型、接入方式各异的情形。因此考虑到上述因素，储能电站在分区过程中，分区的考虑因素包括：接入方式、电池种类、电池与变流器型号、电池储能系统状态（SOC、储能容量、最大充放电功率）等。
2.基于多智能体的监控架构
基于MAS的监控系统采用集散递阶控制的架构，将组织级、协调级和执行级等各级控制器均作为完成相应任务的智能体，其层级结构如图1所示。
图1 储能电站监控系统层级结构
监控对象即为各个分布式、集中式储能系统；执行级智能体执行监测、保护、控制、计量等任务，包括电池管理系统、储能变流器等；协调级智能体接受来自组织级智能体的指令和每一子任务执行过程中的反馈信息，并协调执行级智能体的执行过程；组织级智能体决定总体要执行的任务或系统控制目标。
例如，基于多智能体技术的大规模分散式与集中式结合的电池储能电站监控系统架构如图8.2所示。与分布式能源配合的分布式储能电站、集中接入配电网的集中式储能电站均可以单独接入储能子智能体系统，通过协调级进行协调控制。
图2 基于多智能体技术的大规模电池储能电站监控系统结构示意图
基于多智能体的电池储能电站监控系统，包括储能总智能体单元（组织级智能体）和储能子智能体单元（协调级智能体），储能总智能体单元和储能子智能体单元间用高速通信网络进行数据传输以监测控制管理储能电站状态。
如图2 所示，储能总智能体单元为控制主体，具有最高优先级；各储能子智能体单元为被控主体。支持分布式、集中式以及分布式与集中式混合型结构。其中1~N+M号储能子智能体单元为分布式结构，N+M+1~N+M+X号储能子智能体单元分别对应多个储能机组，为集中式结构。
1）组织级智能体设计
储能电站监控系统组织级智能体负责整个储能系统整体调度，并综合协调级智能体上传的信息做出重大决策，组织级智能体应构建在标准、通用的软硬件基础平台上，具备可靠性、可用性、扩展性和安全性，并根据各地区的分布式储能电站规模、实际需求等情况选择和配置软硬件。组织级智能体应有安全、可靠的供电电源保障。
组织级智能体设计包括主站硬件平台设计和软件平台设计。软硬件平台设计时需要充分考虑分布式储能电站的接入规模、高级应用功能实现等。 硬件平台是软件平台的载体，设计时需要充分考虑硬件配置情况，既需要避免不必要的冗余浪费，也需要有足够的能力充分展示软件功能。
2）协调级智能体设计
协调级智能体管理各个储能系统中所有执行级智能体，并综合协调各执行级智能体的行为，使各储能系统能正常、优化、有效运行。其基本结构如图3所示。
图3 协调级智能体基本结构
协调级智能体的控制策略如图4所示。
图4 协调级智能体的控制策略
3）执行级智能体设计
执行级智能体作为保证分布式储能系统正常、有效运行的单元，理论上通常由通信模块、感知器、推理模块、规则库、算法模块、执行模块等组成，其结构框图如图5所示。
图5 执行级智能体基本结构图
执行级智能体各模块具体功能有以下几点：
（1）通信模块保证执行级智能体与同级智能体以及执行级智能体与协调级智能体进行通信，包括实时反馈自身运行状况及具体操作，但自身能力达到极限时向协调级智能体发出协助请求，同时接受协调级智能体发布的协助调压、调频等请求。
（2）感知器采集环境信息，如电压、电流、有功、无功等，并存放到数据库中。
（3）数据库存储本节点的状态数据和接收到的信息。
执行级智能体的控制策略如图6所示。
图6 执行级智能体控制策略
基于多智能体的储能电站协调控制技术
1.不同运行工况下的储能电站功率控制思路
（1）全部设备都正常的运行工况下
在全部设备都正常运行的情况下，将整个储能电站进行区域划分，将各个区域利用储能智能体实现分区自治功能，同时多个储能智能体与储能电站控制智能体之间实现集中控制功能。
在分区自治与集中控制相结合的储能电站有功功率控制方法中，多个储能智能体与储能电站控制智能体之间通过多智能体粒子群算法确定各储能子站智能体的总充放电功率。同时在储能智能体内部，结合局部自治方法，基于储能智能体内多个储能单元的SOC，进行各PCS的功率再分配。
具体如下：首先储能电站控制智能体发布储能电站总功率需求。其次，各区域储能智能体通过竞争协商，确定单个自治区域内的功率需求，根据功率需求，控制所对应储能单元完成发电。当储能单元响应后，如果出现，不能完成本储能智能体所需要完成的功率需求时，将由其他储能智能体补充。
（2）个别设备出现故障（或在运维停运）的运行工况下
在储能智能体工作工程中会出现故障停运现象时，出现故障或停运的智能体将会向储能控制智能体发出请求，退出功率输出任务。此时，储能控制智能体，将会控制其他正在运行的储能智能体，重新竞争分配储能充放电功率任务。
具体如下：当储能电站中某一智能体出现故障或需要运维检修时，该智能体首先检测内部的储能元件运行状态，并与其他区域储能智能体和储能控制智能体进行信息交互，通知其他智能体自身将退出运行，需重新分配各区域的功率需求。其他区域储能智能体接收信号，根据当前可运行的储能元件的实时状态信息，重新分配各个智能体的储能发电任务。当故障排除后，该智能体检测自身各项状态参数，通知其他智能体恢复工作，与退出运行类似，各智能体重新分配发电任务，从而恢复正常运行状态。
2.基于多智能体粒子群的储能电站功率控制技术
结合多智能体思想，将储能电站分割成多个智能体区，同时结合粒子群算法，扩大解空间搜索范围，是一种适合百兆瓦级大规模电池储能电站功率协调控制的解决方案。在多智能体粒子群算法中，生成的粒子的个数，代表所要求解的个数，即为储能单元智能体的个数。
基于多智能体粒子群算法，本文提出了一种大规模百兆瓦级电池储能电站控制方法。依据前述方法，将储能电站控制层级分为两级：主智能体与各储能单元区智能体。通过多个智能体之间协商通信，主智能体将储能总需求分配给各个储能单元区智能体，各储能单元区智能体在确定充放电功率参考值之后，确定多智能体粒子群算法微调区间，并结合控制范围内各储能子单元的SOC状态及最大充放电功率等参数最终确定各PCS实际充放电功率。
基于多智能体粒子群算法的储能电站整体控制流程中，储能电站主智能体与储能单元区智能体互相之间协商通信，分别计算某一分区当前时刻功率参考值，储能单元区智能体通过对比判断并最终确定该分区当前时刻实际应发功率。以跟踪光伏发电计划为例，控制流程图如图7所示：
图7 站内不同控制层级的储能电站有功功率协调控制方法流程图
国内首部系统诠释智慧储能概念及实例的著作！中国工程院院士周孝信、于海斌 作序推荐！
▊《智慧储能：多智能体在储能系统中的应用》作者 李相俊等
本书围绕多智能体技术在储能领域的应用，采用理论与实践相结合的方式，通过对其技术路径、方法原理、编程环境及实际案例项目的讲解，构筑起一套面向智慧储能的多智能体技术应用体系，帮助广大读者快速掌握多智能体技术，并深刻理解智慧储能相关理论、技术及应用。
本书共11章，主要介绍多智能体系统、强化学习算法及其在储能电站管理中的应用。其中，第1～4章主要介绍多智能体技术及其编程开发环境；第5、6章主要介绍强化学习、多智能体深度强化学习相关算法原理及其应用；第7～10章重点介绍多智能体技术在储能领域的相关应用案例；第11章总结展望多智能体技术及智慧储能的应用现状与发展趋势。
撰 稿 人：杨健亭责任编辑： 李馨馨审 核 人：曹新宇
