英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

基于agent的建筑能耗控制的Modelica库系统

Felix Buuml;nning、Roozbeh SangiuArr;、Dirk Muuml;ller

德国亚琛大学能源研究中心节能建筑与室内气候研究所，邮编：52074，Mathieustraszlig;E 10

亮点

开发了一个基于agent的建筑能源系统控制的Modelica库。

为了实现不同的优化目标，库提供了多种成本函数。

通过一个建筑能源系统的仿真实例，验证了该概念的有效性。

1.介绍

随着与大气中与某些物质有关的全球变暖的加剧，越来越多的关于能量转换的法律被通过，目的是减少这些物质的排放。同时，这些政策旨在降低对化石燃料的依赖，否则化石燃料的有限性可能导致能源供应短缺。

经合组织成员国一次能源需求的很大一部分由空调和供暖以及热水应用所占。在全球范围内，低温热占全球最终能源需求总量的44%[26]。因此，这一领域也成为日益严重的政策的基础。考虑到用于建筑部门的可再生能源，如光伏、热泵和热电联产机组正变得有利可图，这些部件越来越多地安装在私人和商业建筑中。为了提高成本效益和供应的安全性，这些部件中往往有一个以上是并行运行的。

因此，建筑能源系统的复杂性近年来急剧增加。因此，需要控制能够处理这种复杂性的概念。除了模型预测控制和人工神经网络等概念外，通过多Agent系统（MAS）实现的基于智能体的控制概念在暖通空调控制领域有着良好的应用前景。

过去，多Agent系统曾成功地应用于物流和电信领域[39]。从本质上讲，这一概念适合于解决复杂的控制问题，因此注定要被用于控制复杂的能源系统。对于这类系统的开发，可以使用多种编程语言和编程环境的工具[2]，但面向对象语言Modelica没有。

Modelica是热工液压系统动态仿真常用的建模语言。最近的研究表明，在使用建筑能源系统的建模和仿真时，它正受到越来越多的关注：Wetter等人[43]介绍了一个用于建筑能源系统仿真的Modelica库。Ali等人[1]、Perera等人[28]、Sangi等人[34]和Fuchs等人[14]使用Modelica对建筑能源系统以及区域供暖系统进行建模、模拟和研究。MAS将在未来建筑能源系统的控制中发挥重要作用（见第2.2节）。因此，我们需要一个用于MAS的Modelica库。

在这项工作的过程中，一个基于agent的建筑能源系统控制的建模语言Modelica库被开发、实现并最终在一个案例研究中得到验证。该库允许在Modelica环境下将MAS“即插即用”实现到建筑能源系统的任何模型中，从而允许通过动态仿真研究基于agent的建筑能源系统控制。

与所有其他MAS不同（据作者所知），本文提出的MAS描述了一种通过UDP/ip通信可以在分布式机器上运行的解决方案，使用户能够将软件和硬件集成到优化问题中。此外，成本函数可以在不干扰代理系统的情况下改变，从而产生一个灵活的解决方案，其中单个用户只需很少的工程工作就可以为单个优化目标优化其能源系统。

2.多Agent系统综述

2.1. Agent和多Agent系统的概念

代理人。基于agent的控制是一个概念，它允许通过将系统的主要目标分解成更小的目标来控制复杂系统，这些目标是所谓的agent通过相互作用试图获得的。虽然这一概念在科学领域，特别是在计算机科学和信息技术领域得到了广泛的传播，但是对于agent这个术语还没有统一的定义。

1985年，该术语首次出现在一篇论文的上下文中，其中“代理人”一词与自主性和解决问题行为的属性[32]联系在一起，进一步的属性包括主动性和朝着更高目标努力的能力[42]，不同的作者定义了感知周围环境变化并作出反应的能力[10]、理性计算和组织行动以实现更高目标的能力以及永久的主动性[21]、社交性和真实性[4]。

在VDI2653中，代理被定义为具有特定目标的封装实体、硬件或软件。一个agent试图通过它的自主行为，在与其他agent及其周围环境的交互中实现这些目标。此外，定义了自主性、作用域、交互、封装、持久性、目标定向和反应性等特征。

多Agent系统。vdi2653将多Agent系统（MAS）描述为一组交互以完成一个或多个任务的Agent。Bellifemine将MAS描述为可以对复杂系统建模的实体，并引入了代理具有共同或冲突目标的可能性。这些代理可以间接地、通过作用于环境或通过通信和协商直接地相互作用。根据他们的任务，他们可能会合作达成一个共同的目标或竞争来实现自己的目标[4]。

MAS可以用来控制复杂系统。相对于整体控制概念的一个优点是可以将通常非常复杂的控制问题分解为子问题和任务，并在代理之间进行划分。这种方法对开发人员是有益的，因为对这些子问题的分析比对整体问题的分析更容易获得，因此也可以实现解决这些问题的系统。此外，基于代理的方法的优点是在系统运行时更容易调整，因为可以实现新的代理并将其添加到系统中。

2.2. 多Agent系统在能源系统控制中的应用

近年来，MAS在各个领域得到了越来越多的认可。从计算机科学领域开始，例如人机交互，代理根据用户已有的软件使用经验来帮助用户，或者信息检索，代理在互联网上搜索用户的特定信息，现在，基于agent的系统也已经深入到物流和电信领域[39]。由于科学各个领域的复杂性日益增加，MAS在化学、生物学、物理学、社会学和经济学领域也受到越来越多的关注[21]。近年来，由于可再生能源的增加以及智能电网和微电网的概念，能源生产和分配领域变得更加复杂。MAS是一种很有前途的能量控制技术。

关于使用MAS控制传统的智能电网和微电网，即发电和配电系统，已经进行了大量的研究（例如[18,22,23,46,19,20,30,31,44,3]）。然而，将多Agent应用于复杂的能源系统，如建筑能源系统、暖通空调系统和区域供热网，以产生和分配热量或冷量，最近也得到了越来越多的关注。

在Huberman和Clearwater[16]中，基于市场的MAS用于在办公楼中分配冷暖空气。该系统采用双盲拍卖程序，代理商竞价买卖冷暖空气。拍卖由中央拍卖商管理。在一个真实的办公大楼中进行的实验表明，在不导致执行器过度移动的情况下，大楼内的温度分布是均匀的。乔等人[29]介绍了一种将建筑能源系统控制与用户交互相结合的多Agent系统。该系统由个人代理、本地代理和中心代理组成。个人代理充当可教导的助手，携带个人用户信息，例如首选的室温、湿度和用户的当前位置。当地代理人充当调解人、政策执行者和信息提供者。中央代理的任务是决策聚合和接口服务。Yang和Wang使用了基于个人代理、本地代理和中央代理的类似系统[45]。个人代理通过学习用户的行为来预测用户的偏好。本地代理充当调解人、信息提供者、决策者和控制执行者，而中央代理在考虑系统总体目标的同时，促进本地代理之间的协作。通过仿真和案例研究，证明了该系统在满足居住者需求的同时，对建筑能源系统进行有效控制的功能。

在Wang等人[41]中，使用了仅使用中央和本地代理的系统。中央代理包含系统的主要智能。基于用户偏好和室外信息，利用粒子群优化算法计算温度、光照和湿度的设定值。局部代理使用模糊控制器来控制执行器以达到设定值。Wang等人[40]提出了一种基于信息融合和多Agent控制的室内能源与舒适管理系统。建立了一个基于粒子群优化的多Agent楼宇控制系统，实现了以最小功耗最大化舒适度指标的智能楼宇控制目标。

Davidson和Boman[9]使用由个人舒适代理、房间代理、环境参数代理和徽章系统代理组成的MAS来控制建筑物的温度和照明。仿真结果表明，该系统能够在保持用户满意度的同时降低能耗。Mokhtar等人[25]用ARTMAP（一种具有学习能力的人工神经网络）更新了已有的用于建筑热分布控制的MAS。仿真结果表明，所提出的智能MAS通过对地源热泵与其他能源的利用进行分析、预测和协调，能够有效地最大限度地利用地源热泵。Mokhtar等人[24]使用基于ARTMAP的类似MAS，根据学习到的用户偏好控制建筑能源系统。仿真结果表明，与基于参考规则的MAS相比，该系统能提供更好的能量控制和热舒适管理。

Hurtado等人[17]提出了一种基于代理的方法来优化智能电网和建筑能源系统的交互。粒子群优化算法用于最大限度地提高舒适性和能源效率。结果表明，采用MAS的建筑能源系统的运行为智能电网的电压控制提供了支持。van Pruissen等人[38]提出了一种基于电子市场原理的解决方案，称为HeatMatcher。HeatMatcher是一个基于PowerMatcher[22]的P2P系统，PowerMatcher是一种用于平衡电力网络供需的通用协调机制。该系统的特点是，根据参与交易的组成部分的惯性，在两个不同的时间尺度上进行热量交易。通过与热泵和锅炉相连的地板供暖系统进行测试，结果表明，MAS的运行比基准集中控制器更节能。

Huber等人[15]介绍了一种基于消费代理和供应代理的多Agent系统。消费者代理认识到加热或制冷的需求，并要求他们从供应代理。供应代理估计相应的成本。能量系统的控制由这些代理之间的协商决定。该系统通过一个由中央空调机组和四个房间组成的半实物试验台进行了测试。结果显示了系统的基本功能。在Skarvelis Kazakos等人[36]中，介绍了具有四种不同类型代理的分层多代理系统的结构，该系统控制和协调多个能源载体系统，以最小化总体成本和/或排放，同时遵守技术和商业限制，比如网络限制和市场合约。控制结构能够与外部市场互动。

Cai等人[6]提出了一种多Agent控制方法，可以以“即插即用”的方式应用于建筑能源系统优化。该系统的开发是为了自动化控制器的设计过程，并减少建设具体的工程努力。为了支持分布式决策，本文采用了两种基于共识的分布式优化算法，并在该框架下实现。算例分析表明，该方法能在不同工况下找到接近最优的控制解。Shaikh等人[35]提出了一种基于智能体的建筑能源系统控制系统，其中嵌入了进化多目标遗传算法和混合多目标遗传算法。在一个模拟案例研究中，这两个目标，用户的舒适度和能源消耗可以降低相比，基本情况下与多Agent。

2.3. 论文的主要贡献

开发的MAS为建筑能源系统的控制提供了一种灵活的方法。在Modelica的仿真环境中，MAS可以应用于任何一个建筑能源系统，而无需任何修改。只需稍加努力，它也可以用来控制任何能源系统，如电网或区域供热网络。此外，MAS通过UDP/IP网络协议进行代理通信，只需对实际建筑能源系统进行少量的调整，就可以用于超出仿真范围的实际应用。此外，代理逻辑和成本函数的分离允许在不干扰代理系统的情况下改变每个用户的优化目标，并使其他开发人员能够为各自的优化目标设计自己的成本函数。据作者所知，没有其他MAS提供这种功能。

3.系统架构

在下面的部分中，将讨论不同类型的代理的角色、系统体系结构以及Modelica库的通信体系结构。

3.1. 基本原理

代理被设计成状态机，这是一种事件离散系统，意味着当一个转移条件变为真时，一个代理可以接受一个状态并改变到另一个状态。为了实现状态机，使用了Modelica StateGraph库[27]。

上下文代理通信基于FIPA ACL消息结构规范[11]和FIPA通信行为库规范[12]，它们描述了代理通信的通用标准。在Modelica DeviceDrivers库的使用下，通过UDP/IP标准建立物理代理通信[37]。UDP/IP标准允许在Modelica的仿真环境之外进行通信，从而有机会在不同的机器上操作代理，并可能进行半实物仿真。由于UDP不能保证消息的传递，因此保证传递的度量是在应用程序级别实现的。

lt;

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[258419]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 暖通:最近的进展是在监控和优化空气处理系统的性能外文翻译资料
• 使用主动负荷管理对短期负荷预测的需求侧改进——一个超市用例外文翻译资料
• 热表面两相喷雾冲击冷却中喷雾特性对热通量的影响外文翻译资料
• 火花塞式喷雾冷却机壳的集成热控制与系统评估外文翻译资料
• 温度梯度在多孔建筑材料水分迁移中的影响外文翻译资料
• 燃气发动机驱动的压缩-吸收式联合制冷系统的冷却性能和节能性外文翻译资料
• 燃气发动机热电联产系统的能效及经济可行性的分析外文翻译资料
• 种植屋面传热传质数学模型综述外文翻译资料
• 预测睡眠者热生理反应的四节点温度调节模型外文翻译资料
• 倾角对管壳式蓄热装置性影响的实验研究外文翻译资料