论文部分内容阅读
摘 要：本文提出了一种用于空间负荷预测的多代理系统方法。服务区划分为几个子区域，每个子区域被认为是用相应负载级别标识的独立代理，并且它们与相邻区域的关系通过发展概率表示。这些概率被认为是用于模拟的输入数据。根据以上，可以开发不同种类的代理来模拟并行的分布系统中的负载的增长模式。
关键词：空间负荷预测 多代理技术 布局规划
中图分类号：TM71 文献标识码：A 文章编号：1674-098X（2018）01（a）-0015-02
空间负荷预测，也称为小面积负荷预测，有助于确定在在服务区周围的电力需求的增加。电力公司内部已经开发了多项研究，使用各种各样的技术将不同的因素考虑在内。
第一种技术使用识别模式来确定偏好映射[1]，其中不同的因素被加权确定土地利用的具体类型。这个过程后来改进使用从模糊逻辑[2]的元素。针对这个问题开发了模糊逻辑中的各种方法，诸如模糊的多个目标决策和近期的统计方法[3]。所有这些研究假设小区域的行为在具有类似特征的区域中容易复制，而不考虑城市的不同区域之间的关系。
参考文献[4]使用语言表示和一个简单启发式来找到与土地利用类型相关联的用户行为模式。在文献[5]中，提出了一个细胞自动机方法来复制城市的增长使用简单的规则；然而，这些规则是静态的，并且仅使用离散步骤来考虑负载级别的语言表示。在文献[6]中，介绍了空间负荷预测的多代理框架，建立了空间模拟的基本规则。
本文提出了对这些以前的方法的改进方法，通过考虑城市使用不同种类的代理商的新类型的负载。这样，城市的动态增长被认为是改善城市空间负荷增长的模拟水平。
1 多代理系统介绍
研究人员目前在城市规划和其他类似领域使用多代理系统的方法。通过这些方法，可以考虑城市中心的动态增长和城市的空间性质，并进行小规模的模拟。通过这些特质，这种多代理系统可以用来改善未来负载的分布。
多代理系统由具有自主行为同时与系统中的其他代理相互作用的多个代理组成。这些代理具有以下3个基本特征：能够自主行动；做出满足目标的决策；并且能够使用社交互动协议与其他代理进行相互联系。
多代理系统已被用于研究城市中心不同情况的行为，如航空运输安全，高速公路运输，流离失所等可以使用多代理系统进行模拟的诸多问题。
有许多方法对代理进行定义和分类，但一个有用的定义是一个通过传感器感知其环境的实体，并通过其执行者做出反应。从人工智能的角度來看，代理可以分为以下4种主要团体：静态或移动代理；反应或主动代理；合作或自主代理以及具有这些特征的组合的代理。
在这项工作中，使用了多代理方法，因为它对数据在网格上的组织方式是一种自然的契合。网格的每个部分可以被认为是一个代理。使用的代理类显示如下。
（1）静态代理：每个子区被视为一个静态代理，它只能根据从其相邻区域和移动代理接收的信息影响其自身状态。
（2）移动代理：城市负荷的预期增长分为不同部分。每个部分给予可以自由在城市行动的移动代理，留下部分负载，直到通过本地运动方法消失。其路径取决于静态代理的特性。
（3）主动代理：该代理负责代表非自然的新负载的负荷增长的小局部效应。它的行为像移动代理一样，但是它的路径使用需求传播方式固定为波形，并且不依赖于静态代理的特性。
城市的特征是通过每个静态代理的不同属性来定义的。负载增长通过移动代理和静态代理之间的交互来表示，并且主动代理的任务是在系统中存在一个新的扰动时改变静态代理的特性，增加或者减少一个代理接收新的负载的能力，见图1。
2 代理的发展概率
该方法的性能高度依赖于所分配的负载增长决定的概率。这不仅可以使用历史数据进行校准，还可以使用计划器进行校准经验。多代理系统似乎适合于模仿社会结构，在这方面似乎是足够的方法；再次，精度取决于所使用的数据校准模型。校准是根据找到一组参数值来确定模型的尺寸的过程，使得模型能够以最适当的方式再现数据的特征。校准与验证方法不同，该验证旨在优化模型对数据的适合性，但通常这些过程是等效的。多代理系统使用需求数据库进行统计分析，如第六节所述。
这种方法认为每个静态代理具有概率的发展，表示代理接收新负载的可能性。这个概率取决于分区及其邻居的特征。例如，可以使用计划者的知识或数据挖掘方法手动输入该概率。这些概率被认为是该方法的输入之一。这些开发概率可以分为两种不同的方式，这取决于代理是否存在负载。
（1）无负载代理的发展概率。
根据消费者等级和预期的负荷密度，所有没有负载的代理被分为不同的原型，使用进化启发式来寻找土地利用数据中的模式。每个代理人有3个开发概率，每一个对应一类消费者。例如，如果一个代理商预计拥有非常高的住宅负荷，则发展的可能性非常高，所以90%的开发概率被分配。如果预期负载为零，则假设1%的发展概率等。
（2）有负载代理的重建概率。
对于具有负载的所有子区域，计算该概率确定每个需求发生重大变化的可能性消费者阶级这是通过比较属性来实现的每个区域与其邻居的区域。重建的过程是考虑了城市核心增长。
3 负荷预测中多代理方法的时间分配
为了模拟负荷的自然增长，城市划分为一些子区域区，其中每一个被定义为静态代理。这样有更好的计算表示，网格结构也促进了相邻静态代理和移动代理之间的交互。每个代理商都有自己的需求以及每个消费阶层的发展或重新开发的概率。在开始时间位置之前，有必要定义服务区域的预期负载增长。用于计算全球负荷增长的技术不在本工作的范围之内，因为本文旨在确定电力负荷如何在服务区的子区域之间分配。这项工作假设该公用事业已经进行了广泛的负荷预测。预期的全球负荷增长被认为是算法的停止标准。移动代理将分别分配商业和住宅负荷。自然负荷增长中不考虑大的新工业负荷；小的新工业负荷被认为是商业负荷。 移動代理可以自由漫游并代表一小部分的全球负荷的预期增长。每次移动代理与静态代理进行交互，它决定离开一个从而增加了静态代理的实际负荷并减少自己的负载。如果移动代理到达服务区的边界，没有可用负荷的分布，它开辟了一个新的路径。当移动代理可用的整个负载在静态代理之间分配时，该算法停止。移动代理在活动中心开始其路径，并与静态代理进行交互，直到达到服务区域的限制。静态代理从33数组中选择。表1示出了33阵列。每个职位的发展概率以百分比表示出来。在其阵列的中心是移动代理。
移动代理将与此静态代理进行交互并进行决定是否分配给定的需求量。这个程序是随机控制的，考虑了发展的可能性作为具有轮盘赌机制的控制因素，其中离开需求的概率与发展概率的概率相同。在初始化多代理系统之前，必须校准添加到静态代理的负载。
4 结语
本文提出了一种用于空间电负荷预测的多代理系统方法。详细介绍了适合于空间负荷预测的多代理系统，并研究了代理的发展概率，最好给出了空间负荷预测中多代理方法的时间分配。
参考文献
[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.
关键词：空间负荷预测 多代理技术 布局规划
中图分类号：TM71 文献标识码：A 文章编号：1674-098X（2018）01（a）-0015-02
空间负荷预测，也称为小面积负荷预测，有助于确定在在服务区周围的电力需求的增加。电力公司内部已经开发了多项研究，使用各种各样的技术将不同的因素考虑在内。
第一种技术使用识别模式来确定偏好映射[1]，其中不同的因素被加权确定土地利用的具体类型。这个过程后来改进使用从模糊逻辑[2]的元素。针对这个问题开发了模糊逻辑中的各种方法，诸如模糊的多个目标决策和近期的统计方法[3]。所有这些研究假设小区域的行为在具有类似特征的区域中容易复制，而不考虑城市的不同区域之间的关系。
参考文献[4]使用语言表示和一个简单启发式来找到与土地利用类型相关联的用户行为模式。在文献[5]中，提出了一个细胞自动机方法来复制城市的增长使用简单的规则；然而，这些规则是静态的，并且仅使用离散步骤来考虑负载级别的语言表示。在文献[6]中，介绍了空间负荷预测的多代理框架，建立了空间模拟的基本规则。
本文提出了对这些以前的方法的改进方法，通过考虑城市使用不同种类的代理商的新类型的负载。这样，城市的动态增长被认为是改善城市空间负荷增长的模拟水平。
1 多代理系统介绍
研究人员目前在城市规划和其他类似领域使用多代理系统的方法。通过这些方法，可以考虑城市中心的动态增长和城市的空间性质，并进行小规模的模拟。通过这些特质，这种多代理系统可以用来改善未来负载的分布。
多代理系统由具有自主行为同时与系统中的其他代理相互作用的多个代理组成。这些代理具有以下3个基本特征：能够自主行动；做出满足目标的决策；并且能够使用社交互动协议与其他代理进行相互联系。
多代理系统已被用于研究城市中心不同情况的行为，如航空运输安全，高速公路运输，流离失所等可以使用多代理系统进行模拟的诸多问题。
有许多方法对代理进行定义和分类，但一个有用的定义是一个通过传感器感知其环境的实体，并通过其执行者做出反应。从人工智能的角度來看，代理可以分为以下4种主要团体：静态或移动代理；反应或主动代理；合作或自主代理以及具有这些特征的组合的代理。
在这项工作中，使用了多代理方法，因为它对数据在网格上的组织方式是一种自然的契合。网格的每个部分可以被认为是一个代理。使用的代理类显示如下。
（1）静态代理：每个子区被视为一个静态代理，它只能根据从其相邻区域和移动代理接收的信息影响其自身状态。
（2）移动代理：城市负荷的预期增长分为不同部分。每个部分给予可以自由在城市行动的移动代理，留下部分负载，直到通过本地运动方法消失。其路径取决于静态代理的特性。
（3）主动代理：该代理负责代表非自然的新负载的负荷增长的小局部效应。它的行为像移动代理一样，但是它的路径使用需求传播方式固定为波形，并且不依赖于静态代理的特性。
城市的特征是通过每个静态代理的不同属性来定义的。负载增长通过移动代理和静态代理之间的交互来表示，并且主动代理的任务是在系统中存在一个新的扰动时改变静态代理的特性，增加或者减少一个代理接收新的负载的能力，见图1。
2 代理的发展概率
该方法的性能高度依赖于所分配的负载增长决定的概率。这不仅可以使用历史数据进行校准，还可以使用计划器进行校准经验。多代理系统似乎适合于模仿社会结构，在这方面似乎是足够的方法；再次，精度取决于所使用的数据校准模型。校准是根据找到一组参数值来确定模型的尺寸的过程，使得模型能够以最适当的方式再现数据的特征。校准与验证方法不同，该验证旨在优化模型对数据的适合性，但通常这些过程是等效的。多代理系统使用需求数据库进行统计分析，如第六节所述。
这种方法认为每个静态代理具有概率的发展，表示代理接收新负载的可能性。这个概率取决于分区及其邻居的特征。例如，可以使用计划者的知识或数据挖掘方法手动输入该概率。这些概率被认为是该方法的输入之一。这些开发概率可以分为两种不同的方式，这取决于代理是否存在负载。
（1）无负载代理的发展概率。
根据消费者等级和预期的负荷密度，所有没有负载的代理被分为不同的原型，使用进化启发式来寻找土地利用数据中的模式。每个代理人有3个开发概率，每一个对应一类消费者。例如，如果一个代理商预计拥有非常高的住宅负荷，则发展的可能性非常高，所以90%的开发概率被分配。如果预期负载为零，则假设1%的发展概率等。
（2）有负载代理的重建概率。
对于具有负载的所有子区域，计算该概率确定每个需求发生重大变化的可能性消费者阶级这是通过比较属性来实现的每个区域与其邻居的区域。重建的过程是考虑了城市核心增长。
3 负荷预测中多代理方法的时间分配
为了模拟负荷的自然增长，城市划分为一些子区域区，其中每一个被定义为静态代理。这样有更好的计算表示，网格结构也促进了相邻静态代理和移动代理之间的交互。每个代理商都有自己的需求以及每个消费阶层的发展或重新开发的概率。在开始时间位置之前，有必要定义服务区域的预期负载增长。用于计算全球负荷增长的技术不在本工作的范围之内，因为本文旨在确定电力负荷如何在服务区的子区域之间分配。这项工作假设该公用事业已经进行了广泛的负荷预测。预期的全球负荷增长被认为是算法的停止标准。移动代理将分别分配商业和住宅负荷。自然负荷增长中不考虑大的新工业负荷；小的新工业负荷被认为是商业负荷。 移動代理可以自由漫游并代表一小部分的全球负荷的预期增长。每次移动代理与静态代理进行交互，它决定离开一个从而增加了静态代理的实际负荷并减少自己的负载。如果移动代理到达服务区的边界，没有可用负荷的分布，它开辟了一个新的路径。当移动代理可用的整个负载在静态代理之间分配时，该算法停止。移动代理在活动中心开始其路径，并与静态代理进行交互，直到达到服务区域的限制。静态代理从33数组中选择。表1示出了33阵列。每个职位的发展概率以百分比表示出来。在其阵列的中心是移动代理。
移动代理将与此静态代理进行交互并进行决定是否分配给定的需求量。这个程序是随机控制的，考虑了发展的可能性作为具有轮盘赌机制的控制因素，其中离开需求的概率与发展概率的概率相同。在初始化多代理系统之前，必须校准添加到静态代理的负载。
4 结语
本文提出了一种用于空间电负荷预测的多代理系统方法。详细介绍了适合于空间负荷预测的多代理系统，并研究了代理的发展概率，最好给出了空间负荷预测中多代理方法的时间分配。
参考文献
[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.