随着可再生能源、分布式发电、需求响应等的持续集成,电网的规模迅速扩大,进一步被划分为不同实体所控制的区域电网,而不受单一实体控制,导致传统集中式的电力系统在组织和运行方式上面临诸多挑战。另一方面,信息通信技术、优化和控制理论的发展为电网提供了更新换代的可能,智能电网的概念应运而生。在智能电网背景下,负荷分配、机组组合、最优潮流等调度问题重新吸引了广泛的研究兴趣。当前的研究工作不仅关注电网中的新因素如分布式发电和需求响应等,还关注改进建模方法和设计分布式调度算法。具体地,1)对于负荷分配问题,已有工作主要在不损失问题凸性的前提下附加考虑新的因素,并设计分布式调度算法,但缺乏对非凸负荷分配以及模型不精确情况的研究;2)对于机组组合问题,已有工作主要研究如何改进问题模型,而对问题的求解仍然以集中式算法为主,较少研究如何设计分布式机组组合调度算法;3)对于最优潮流问题,已有工作主要在计算空间上探讨问题的分解和分布式求解,导致实际应用中存在不符合实际电网特点的情况。针对当前研究工作中的不足之处,本文考虑成本函数非凸情况、模型不精确情况、电网中微电网的特性等,基于多智能体协同算法,对负荷分配、机组组合、最优潮流等调度问题展开研究。本文的主要研究内容分为如下几个方面:1.考虑非凸成本函数和模型不精确情况,研究智能电网的分布式负荷分配调度问题。我们首先将该负荷分配问题建模为无导数优化问题,然后给出基于多智能体的负荷分配调度系统,一并给出其拓扑发现算法,接着设计分布式模式搜索算法用于求解该无导数优化问题,最后通过理论分析和仿真验证,说明所设计算法的收敛性和有效性。另外,所提出的分布式模式搜索算法可用于求解一类无导数优化问题。设计过程中,利用拉普拉斯矩阵构造了模式搜索算法的正张成矩阵,该构造方法可用于设计其他类似的分布式无导数优化算法。2.在非凸成本函数和模型不精确情况下,综合研究智能电网的机组组合和负荷分配调度问题。我们首先将机组组合和负荷分配整合为统一形式,然后在离散化假设下给出集中式强化学习调度算法,接着消除全局信息依赖、实现协同探索与利用,并建立局部动作值函数,最终得到分布式强化学习调度算法,并给出收敛性分析。得益于强化学习方法的特性,所提出的调度算法能够利用历史数据和与电网交互持续改进调度策略。另外,所提出调度算法能用于求解一类离散化假设下的无导数优化问题。算法的设计方法可用于设计其他基于强化学习的分布式算法。3.在微电网中考虑分布式发电、需求响应、碳排放等,研究其闭环最优调度问题。我们首先将该调度问题转化为等价混杂系统的最优切换问题,给出等价性条件,并证明该等价系统对任意可行初始条件和切换总存在唯一系统轨迹;然后,基于动态规划和神经网络设计闭环最优调度算法,并分析其收敛性。该调度算法的闭环特性在于:在初始条件改变和扰动影响下,无需重新训练,可直接给出新条件和扰动下的最优调度。其中,追求闭环最优策略,而非单纯的数值解,给类似优化问题的求解提供了一个新的研究思路。4.考虑微电网间的耦合特性,研究多个微电网的协同最优潮流调度问题。我们首先给出独立微电网的详细模型,然后以此为基础建立耦合微电网的协同最优潮流模型,接着将该模型分解到微电网水平,最后基于交替方向乘子法设计微电网的分布式协同调度算法,并讨论其收敛性。该算法是微电网层面上的完全分布式算法,无需中心协调者和全局通信。另外,所提出协同调度算法不同于一般调度算法的特点在于:每个微电网可自行选取求解局部优化问题的算法,这对融合多种算法来求解优化问题,具有一定的启发意义。