火电厂Multiagent控制系统中的优化任务分解Agents

提出了一个火电厂多代理控制系统（MACS），并洋细介绍了其中优化任务分解代理子系统（OTDAS）的目标、决策和运行，OTDAS通过一个优化代理和一个分解代理对火电厂多代理控制系统的任务进行了优化分解。优化代理的决策采用了遗传算法（GA），OTDAS的运行结果表明GA是Agent决策的有效工具。     

火电厂多代理控制系统

针对火电厂非线性、多变量和多控制目标的特点,设计了一个火电厂多代理控制系统(PPMACS).在PP MACS中,前馈控制代理(FFCAs)采用神经模糊系统进行决策,反馈控制代理(FBCAs)采用基于遗传算法的模糊系统进行决策.优化任务分解代理(OTDAs)通过一个优化代理和一个分解代理来进行多目标优化分解PPMACS的任务.协调代理根据运行条件协调PPMACS的各个代理.仿真结果显示了火电厂多代理控制系统能够实现火电单元机组的多目标运行和大范围负荷跟踪.神经网络、模糊逻辑和遗传算法是PPMACS中的智能代理进行决策的有效工具.     

基于遗传算法的火电单元机组模糊控制系统

火电单元机组是一个多变量、强耦合、大时滞复杂的非线性系统，难以建立精确的数学模型，其控制系统的设计面临着严峻的挑战。文章提出了基于遗传算法的火电单元机组模糊控制系统。遗传算法用全局优化模糊控制器隶属度函数的比例因子，优化后的模糊控制器较好地补偿了负荷扰动所引起的单元机组的实际值与设定值的偏差。仿真结果表明，该系统有良好的动态特性，能适应于火电单元机组大范围运行时的负荷跟踪。