智慧儲能：多智能體在儲能系統中的應用

序一
序二
前言
第1章 緒論 1
1.1 多智能體技術 1
1.2 多智能體技術的應用 2
1.3 JADE簡介 3
1.4 強化學習 4
1.5 本書介紹 7
第2章 智能體技術概述 9
2.1 關于智能體 9
2.1.1 智能體和多智能體系統 9
2.1.2 基于智能體的計算系統體系結構 10
2.1.3 基于智能體的計算系統管理 11
2.2 關于FIPA 12
2.2.1 術語和定義 12
2.2.2 FIPA抽象體系結構 13
2.2.3 智能體管理規(guī)范 18
2.2.4 智能體消息傳輸服務 21
2.2.5 FIPA本體服務 22
2.2.6 FIPA ACL消息結構 24
2.3 FIPA與JADE的關系 34
2.4 本章小結 36
第3章 JADE平臺 37
3.1 JADE平臺和智能體范式 37
3.2 JADE平臺的體系結構 39
3.2.1 JADE組件 39
3.2.2 JADE 智能體系統體系結構 40
3.2.3 主要體系元素之間的關系 41
3.2.4 JADE平臺容錯機制 42
3.3 JADE包 43
3.4 圖形化平臺管理工具 47
3.4.1 智能體與GUI之間的交互機制 47
3.4.2 遠程監(jiān)視控制臺 48
3.5 JADE安裝及使用 57
3.5.1 開發(fā)環(huán)境 57
3.5.2 環(huán)境變量配置 57
3.5.3 平臺使用 60
3.6 本章小結 62
第4章 JADE編程基礎 63
4.1 JADE智能體生命周期控制 63
4.1.1 創(chuàng)建一個簡單的JADE智能體 63
4.1.2 智能體標識符 66
4.1.3 智能體終止 67
4.1.4 CMD窗口下的AP控制 68
4.1.5 向智能體傳遞參數 69
4.1.6 MyEclipse環(huán)境下JADE體系結構部署 71
4.2 智能體任務 75
4.2.1 一般任務模型 77
4.2.2 簡單任務模型 78
4.2.3 復雜任務模型 84
4.3 智能體之間通信 89
4.3.1 發(fā)送/接收消息 89
4.3.2 消息模板 91
4.4 黃頁服務 94
4.4.1 發(fā)布服務 94
4.4.2 搜索服務 95
4.5 本章小結 99
第5章 強化學習 100
5.1 強化學習算法 100
5.1.1 概述 100
5.1.2 學習任務 102
5.1.3 Q學習 103
5.1.4 資格跡 108
5.2 應用案例 109
5.2.1 基于強化學習的五子棋AI設計 109
5.2.2 基于強化學習的城市道路單交叉口交通信號優(yōu)化控制 114
5.3 本章小結 131
第6章 多智能體強化學習 132
6.1 多智能體強化學習算法 132
6.1.1 概述 132
6.1.2 梯度上升算法 133
6.1.3 WoLF-PHC算法 134
6.1.4 FMRQ算法 137
6.2 多智能體強化學習在重復博弈中的分析 142
6.2.1 對IQL算法建模 142
6.2.2 對FMRQ算法進行收斂性分析 146
6.3 應用案例 154
6.3.1 分布式傳感器網絡 154
6.3.2 推箱子問題 157
6.3.3 兩AGV任務調度與路徑規(guī)劃 160
6.4 本章小結 162
第7章 基于多智能體系統的光儲荷微網控制 163
7.1 基于MAS的光儲荷微網能量管理系統結構 163
7.2 智能體之間協調策略 164
7.2.1 微網內部智能體之間的協調 165
7.2.2 微網間智能體的協調 167
7.3 基于JADE的智能體系統實現 168
7.3.1 光伏智能體PVA 168
7.3.2 負荷智能體LoadA 171
7.3.3 儲能智能體BatA 174
7.3.4 微網智能體MIA 177
7.3.5 全局智能體GIA 183
7.4 仿真結果及分析 186
7.4.1 仿真實例 186
7.4.2 基于JADE的MAS結構 188
7.4.3 結果及分析 188
7.5 本章小結 190
第8章 大規(guī)模電池儲能電站多智能體協調控制 191
8.1 多智能體及其分層控制體系結構 191
8.1.1 多智能體控制的分層架構 191
8.1.2 基于多智能體的監(jiān)控架構 191
8.2 多智能體分區(qū)自治的儲能電站控制架構 194
8.2.1 單個智能體的仿真模型 196
8.2.2 多個智能體的仿真模型 196
8.2.3 基于多智能體的電池儲能電站分區(qū)控制能力分析 197
8.3 基于多智能體的儲能電站協調控制技術 198
8.3.1 不同運行工況下的儲能電站功率控制思路 198
8.3.2 基于多智能體粒子群的儲能電站功率控制技術 198
8.4 本章小結 203
第9章 基于多智能體的儲能電站能量管理 204
9.1 基于多智能體的儲能平滑新能源發(fā)電控制技術 204
9.1.1 平滑新能源發(fā)電的定義 204
9.1.2 平滑新能源發(fā)電的儲能控制技術 205
9.2 基于多智能體的儲能跟蹤發(fā)電計劃控制技術 208
9.2.1 儲能跟蹤計劃發(fā)電的定義 208
9.2.2 儲能跟蹤計劃發(fā)電的控制方法 209
9.3 兼顧平滑與跟蹤計劃的風光儲系統多智能體能量管理技術 211
9.3.1 兼顧平滑與跟蹤計劃的技術要求 211
9.3.2 兼顧平滑與跟蹤計劃的儲能系統控制技術 212
9.4 仿真案例分析 213
9.4.1 兼顧平滑和跟蹤計劃的儲能電站控制效果仿真分析 213
9.4.2 百兆瓦級電池儲能電站削峰填谷的仿真分析 215
9.4.3 百兆瓦級電池儲能電站跟蹤調頻指令的仿真分析 218
9.5 本章小結 220
第10章 基于多智能體的儲能電站集群多維資源協同調度 222
10.1 大規(guī)模儲能電站協同管控架構及潛在問題 222
10.2 基于多智能體的儲能電站集群多維資源協同調度模型 223
10.2.1 網絡模型 224
10.2.2 計算模型 225
10.3 儲能電站集群多智能體協同調度的馬爾可夫決策過程 227
10.3.1 儲能電站集群多維資源協同調度的問題原型 227
10.3.2 儲能電站集群多維資源協同調度的MAMDP 228
10.4 基于多智能體的儲能電站集群云邊端多維資源協同調度 230
10.4.1 多智能體學習過程 230
10.4.2