主动配电网多代理能量管控的分层协同策略

杨 洋，吕 林，肖万芳，刘俊勇，刘友波（.四川大学电气信息学院，成都 60065；.国网北京昌平供电公司，北京 000）

主动配电网多代理能量管控的分层协同策略

杨 洋1，吕 林1，肖万芳2，刘俊勇1，刘友波1
（1.四川大学电气信息学院，成都 610065；2.国网北京昌平供电公司，北京 102200）

摘要：本文针对分布式电源高渗入的主动配电网，提出多代理系统能量管控的分层协同策略。充分考虑各类分布式电源特性与协作关系，搭建分布式电源多代理模型；进一步构建分层自治协同的主动配电网能量管控多代理框架，提出包含区域内自治层、区域间协调层、配电网中心管控层的3层多代理能量管控策略。在清洁能源最大化利用和分布式电源就地消纳的原则下，实现系统的稳定优化运行。最后，通过算例仿真验证了策略的可行性。

关键词：分布式电源；主动配电网；多代理系统；能量管控；分层协同

主动配电网作为智能配电网的重要组成部分，受到了国内外广泛的关注，是实现分布式电源DG （distributed generation）在配电网中广泛接入及高度渗透的重要技术手段［1］。如何通过对DG的主动管理和主动控制，加大配电网对间歇性DG的接纳能力和提升配电网运行可靠性与经济性，是主动配电网技术面临的重要课题［2］。目前配电网的能量管理方式通常有集中式管理和分布式管理两种［3］。集中式管理是对配电网所有电源与负荷进行统一的调度与管理［1，4-8］，需掌控整个配电网的运行状态进行集中优化。面对主动配电网的分布式特性、大量的控制数据以及灵活多变的控制方式，集中式管理难以实现灵活、有效的调度，且无法适应多利益主体的参与。分布式管理是通过本地设备的自我管理与协同运行达成能量管理目标［9-12］，该方式可以良好适应主动配电网中电源分散多变、网架结构灵活的特点，并有利于实现需求侧响应的接入与管理。

分布式管理中，研究最为广泛的一种是多代理系统。多代理系统利用自主性、交互性和分布式计算特性等特点，能充分实现分布式电源、负荷与电网之间的协调控制［11-13］。国内外学者对此进行了一定的研究。文献［1］提出基于智能单粒子优化算法的全局优化调度模型，对主动配电网DG进行协调优化控制以达到经济运行的目的，但求解过程比较复杂，通信压力大，无法做到实时响应。文献［14］设计了多代理系统的微网稳定管理方案，实现了微网能量的分层管理，但没有细化不同DG的多代理模型，对DG的管理策略仍偏向集中式管理。文献［15］提出了一种多代理系统的微电网控制框架，建立了由上级电网Agent、微电网Agent、元件Agent组成的3层多代理控制系统，但是只着重讨论了孤岛运行情况下的控制策略，并网后进入被动运行模式。文献［16］提出了一种考虑DG的配电网多代理管理系统，可实现DG“即插即用”的灵活管理，构建了配电网5类元件的多代理模型，但是对DG采用同质化模型，忽略了不同DG的特性差异，采用基于相邻Agent通信的层层传递式交互进行能量协调，在某些工况下存在效率问题。

综上研究与分析，本文针对DG高渗入的主动配电网，提出多代理分层协同能量管控策略。充分考虑各类DG特性与协作关系，搭建分布式电源多代理模型；进一步提出分层协同自治的主动配电网能量管控多代理框架，构建包含区域内自治层、区域间协调层、配电网中心管控层的3层多代理能量管控策略，在清洁能源最大化利用和DG就地消纳的原则下，实现系统的稳定优化运行。

1 主动配电网多代理系统的框架设计

多代理系统分为3个层次，如图1所示，包括区域内自治层，区域间协调层和配电网中心管控层。区域内自治层指每个区域内部的DG与负荷通过地方自治达成内部功率的基本平衡；区域间协调层指当区域内功率无法达成自平衡时，通过区域管控Agent与其他区域进行交互，协调达成平衡；配电网中心管控层对整个配电网的运行情况进行监视，当依靠区域内自治层和区域间协调层，不能很好地达成全局供求平衡、移峰填谷、清洁能源最大化利用和降低网损的目标时，配电网中心管控Agent可向各个区域管控Agent下发控制指令进行宏观调控。

图1 多代理系统框架Fig.1 Multi-agent system framework

3个层次按图2所示的功率平衡机制协同运作。首先，区域管控Agent执行配网中心管控Agent下达的控制命令，设置相关DG或负荷Agent的运行模式；其他DG按照区域内自治策略，根据区域当前的供需信息设定自身运行模式，以快速达成区域内部DG的就地消纳与基本功率平衡。若区域内部存在无法平衡的功率，该区域的区域管控Agent则向其他区域的管控Agent发起能量协调请求，根据收到的回复和目标进行决策，与相应区域管控Agent达成能量协调协议；最后，相关区域管控Agent执行协议，达成该区域功率的供需平衡。

图2 功率平衡流程Fig.2 Flow chart of power balance

2 自治运行多代理策略

2.1 区域内自治层策略

首先，将主动配电网按以下方式进行分区：馈线上2个分段开关之间如果包含可控DG则其成为1个独立的自治区域；馈线上从分支开关到线路末端如果包含可控DG则其是1个独立的自治区域。这种分区方式可以很好地适应配电网运行方式多变的特点，即自治区域的范围不因联络开关位置的调整而发生变化，具有很高的灵活适应性［17］。

将主动配电网进行分区，各区域内包含可再生清洁能源发电、分布式热力发电、储能系统及负荷集成。对上述元件分别设置Agent进行代理，自治区域内包含区域管控Agent、光伏发电Agent、微型燃气轮机Agent、蓄电池Agent、负荷Agent，如图1所示。其中各Agent的功能描述如下。

（1）区域管控Agent：负责记录和监视自治区域内元件及区域外相连元件的信息，对自治区域内的电源及负荷以平稳最优运行为目标进行管控，并服从上层配电网中心管控Agent的命令。

（2）光伏发电PV（photovoltaic）Agent：监视和控制光伏发电设备的功率水平及启停状态，保证设备的可靠安全运行。有最大功率点跟踪MPPT（maxi⁃mum power point tracking）和电压控制VL（voltage limit）两种行为模式，为保证清洁能源的最大利用，光伏发电尽量工作在MPPT模式，功率约束满足

（3）微型燃气轮机MT（micro-turbine）Agent：监视和控制微型燃气轮机的出力及启停状态，保证设备的可靠安全运行，在间歇式DG出力或储能系统功率不足时提供备用，其主要用在负荷高峰时期补偿清洁能源发电及储能系统的差额，功率约束满足

（4）蓄电池BS（battery storage）Agent：监视和控制蓄电池的出力、荷电状态SOC（state of charge）状况，保证设备的可靠安全运行，实现对DG的移峰填谷调节，进而为整个配电网提供功率支撑，需满足额定功率和SOC状况约束为

（5）负荷Agent：以满足用电需求、减少用电成本为目标，监视和控制负荷的开断情况、功率变化、管理负荷优先级等。其中的负荷优先级按重要负荷、普通负荷到可中断负荷依次分为1级负荷、2级负荷、3级负荷为

依据以上Agent行为模型，区域内各Agent的具体协作策略如表1所示。区域内自治层策略以分布式管理方式为基础，各Agent根据区域管控Agent传送的区域信息，结合当前自身行为模式集合、运行状态和区域间其他DG状态设定自身行为［14］，以此协调各类型DG出力以达到区域内功率的基本供需平衡。策略以保证清洁能源最大化利用和区域内DG就地消纳为原则，DG的就地消纳可以大幅减少网络传输损耗与线路利用均衡率，减少高峰时期的馈线主干的传输功率。

表1 区域内管控策略Tab.1 Regional management strategy

区域内按照该策略进行初次功率分配，某些运行场景下DG的模式有两种备选项时，最后的选择由区域管控Agent进行区域间协调的交互结果决定，将在下一小节介绍。下面以第1种运行场景为例进行说明。当区域中蓄电池荷电状态小于最小荷电量，光伏发电的MPPT出力小于区域负荷需求，但差额小于区域微型燃气轮机最大出力时，光伏发电设定自身运行模式为“MPPT模式”，蓄电池设定自身运行模式为“无操作”，微型燃气轮机的模式存在“增大供电”及“维持原状”两个备选项，则微型燃气轮机最后的模式设定取决于下一小节区域管控Agent的交互结果。

2.2 区域间协调层策略

当区域内的功率通过自治策略不能实现供需平衡，则由区域管控Agent通过合同协议机制与其他区域管控Agent或配电网中心管控Agent进行交互，达成能量协调协议以满足区域内的功率需求。合同协议机制的基本思想是将任务的委派通过招投标过程实现，将协作引入到招标方和投标方的双向选择过程中，通过招标-投标-中标机制进行任务分配，使系统以较低的代价、较高的质量完成分布式任务。

区域内的不平衡可以分为“供不应求”和“供过于求”两种情况，下面详细介绍两种情况下的协作策略。

1）区域内供不应求

区域内供不应求，即

要达成该区域的平衡，有两种方法：①向其他区域或主网寻找新的电源供给；②削减区域现有负荷。本文为了减少对用户的影响，设计以电源选择为先，负荷选择为后的原则，首先寻找电源供给，然后选择负荷的削减。图3展示了供不应求时区域间平衡过程的流程。

区域管控Agent向其他区域管控Agent及配电网中心管控Agent请求增加向该区域的功率供给，收到回复后：若无可选来源，则向负荷发出请求根据优先级由低到高切断负荷直至供求平衡；若有可选来源，则根据接收到的投标回复信息结合内部微型燃气轮机的可用出力情况进行决策，首先考虑电源优先级和经济性原则将可行电源进行排序，接着对该电源列表由上到下逐个核算可行性（是否满足拓扑约束、潮流是否越限）并发起能量协调协议，根据与相关区域管控Agent的交互达成能量协调协议直至满足需求或列表为空。若列表为空仍没满足功率需求，则向负荷发出请求根据优先级由低到高切断负荷直至供求平衡。其中电源优先级和经济性原则如下。

（1）电源优先级：各电源按清洁程度进行优先级排序，光伏优先级最高，蓄电池次之，微型燃气轮机及主网最低，即

（2）经济性原则为用电成本最低，即

式中：C为用电成本；Cpower为对应电源的电价成本；Closs为对应电源的功率传输成本。

用电成本包含电价和传输成本两部分，传输成本为计算所得传输网损，考虑传输成本有利于功率的就地消纳。

图3 区域内供不应求时区域间平衡流程Fig.3 Flow chart of the balance between regions when demand exceeds supply in a region

2）区域内供过于求

区域内供过于求，即

要想达成该区域的平衡，也是2种方法：①寻找新的功率消纳；②限制区域清洁能源出力，不允许区域冗余功率送到上级网络。为了尽可能多地消纳清洁能源，首先应该尽可能向其他区域寻求多余功率的消纳，最后再选择限制清洁能源出力。图4为供过于求时区域间平衡过程流程。

区域管控Agent向其他区域管控Agent请求增加对该区域功率的消纳，收到回复后：若无可选功率消纳，则限制清洁能源出力，使其工作在VL模式下；若有可选功率消纳，则根据接收到的投标回复进行决策，首先核算可行性（是否满足拓扑约束、潮流是否越限），再考虑负荷优先级和经济性原则将可行负荷进行排序，对负荷列表由上到下发起能量协调协议，直至满足需求或列表为空。若列表为空仍没满足需求，则限制光伏出力，使其工作在VL模式下。其中负荷优先级和经济性原则如下。

（1）负荷优先级是各负荷按重要程度进行优先级排序，其中可中断负荷优先级最低。

（2）经济性原则为供电收益最高，即

式中：E为供电收益；Epower为对应电源的电价收益；Eloss为对应电源的功率传输成本。

供电收益为电价收益减去传输成本，同上，传输成本为计算所得传输网损，考虑传输成本有利于功率的就地消纳。当区域管控Agent收到来自其他区域管控Agent的能量请求时，根据所在区域的DG情况做出回复。若没有能力接受，则回复拒绝；若有能力接受请求，则回复投标，信息为相关DG（负荷）的可提供（消纳）功率及其电价信息。

图4 区域内供过于求时区域间平衡流程Fig.4 Flow chart of the balance between regions when supply exceeds demand in a region

2.3 配电网中心管控层策略

配电网中心管控层策略包括监视整个配电网的潮流与约束；接收区域管控Agent增加功率供给的请求并予以回复，回复内容为可提供的功率值和电价；从全局供求平衡、移峰填谷、清洁能源最大化利用和网损最小出发进行调控，协调各区域，对区域管控Agent发出命令，设定或限制元件出力、负荷大小，设定网架运行结构，保障主动配电网全局的稳定高效运行。

3 算例分析

3.1 算例系统

本文选取如图5所示33节点主动配电网作为算例，基于JADE搭建多代理能量管控系统，以24 h为例，分析该多代理策略管理下主动配电网各DG的运行情况，以验证所提多代理策略的有效性。该算例含有5个光伏发电电源、3个蓄电池和2个微型燃气轮机，分为A、B、C 3个区域，区域间设有联络线以进行功率传递。各DG的配置参数如表2所示。

图5 主动配电网算例结构Fig.5 Structure of active distribution network example

表2 分布式电源参数配置Tab.2 Parameter configuration of DG

3个区域的典型日负荷曲线如图6所示，光伏发电的MPPT曲线如图7所示。可见，区域A光伏MPPT峰值远高于负荷峰值；区域B的光伏MPPT峰值高于同时段的负荷消纳，小于负荷峰值；区域C的光伏MPPT峰值与负荷峰值相近。在上述各有差异的负荷需求与光伏出力下，对各区域采用本文控制策略进行运行仿真。

图6 各区域典型日负荷曲线Fig.6 Typical daily load curves of each area

图7 各区域光伏发电MPPT曲线Fig.7 PV MPPT curves of each area

3.2 仿真分析

采用本文控制策略对区域A、B、C的运行情况进行仿真，结果如图8～图10所示。以区域B为例，对区域内DG互补平衡及区域间协调平衡进行分析。图11为区域B管控Agent与其他区域管控Agent、配电网中心管控Agent间的交互过程示意。

图8 区域A运行情况Fig.8 Operation situation of area A

图9 区域B运行情况Fig.9 Operation situation of area B

图10 区域C运行情况Fig.10 Operation situation of area C

如图9所示，区域B在00∶00—07∶00段负荷低谷，光伏出力为零，蓄电池经过晚高峰放电后处于极限低荷电状态，负荷需求此时由区域内的微型燃气轮机供给；同一时段，区域A出现“供不应求”，其管控Agent请求增加功率供给，由于区域B内微型燃气轮机仍有余力，经过如图9所示00∶00—07∶00段的交互过程，与区域A达成能量协议，加大微型燃气轮机出力为区域A提供部分功率支撑。在08∶00—10∶00段，负荷需求与光伏出力同处于攀升阶段，负荷需求大于光伏出力且差额超过微型燃气轮机功率极限，出现“供不应求”。此时如图9所示区域B管控Agent向区域A、C管控Agent和配电网中心管控Agent发起请求，经过交互，达成协议由主网补充区域功率差额。在11∶00—15∶00段，光伏出力进入高峰，高于同时段的负荷需求，多余能量由蓄电池进行存储。在16∶00—17∶00段，光伏出力逐渐下降，略低于负荷需求，差额由微型燃气轮机进行补充，同一时段，区域A出现“供过于求”（该区域此刻光伏出力大于区域消纳能力），其管控Agent请求增加功率消纳，由于区域内蓄电池未充满且满足最大充电功率约束，经过如图8所示16∶00—17∶00段的交互过程，与区域A达成协议，消纳其冗余的光伏出力。在18∶00—24∶00段，光伏出力下降至零，负荷晚高峰到来，蓄电池经过光伏高峰的充电高荷电状态，蓄电池、微型燃气轮机最大出力略小于负荷需求，区域内出现“供不应求”，此时如图8所示经过交互，达成协议由主网补充区域功率差额。可见，区域B内严格按照从内层基础自治到外层辅助协调的管控策略，实现了区域内的基本平衡与区域外DG的就地消纳。需要指出，图10中区域C的运行情况，15∶00段区域C光伏MPPT出力大于区域消纳能力，出现“供过于求”，跟其他区域交互无果，限制了光伏的出力以平衡功率供需。

图11 区域B的外部交互过程Fig.11 External interaction process of area B

表3为12∶00光伏高峰和21∶00负荷高峰两种情况下，各区域的详细供需信息。其中，12∶00为区域“供过于求”的典型场景，21∶00为区域“供不应求”的典型场景。12∶00，区域A光伏MPPT出力高于区域内消纳能力，而区域B、C光伏MPPT出力由区域内蓄电池和负荷吸收。区域A的冗余电量经过交互由区域B、区域C的蓄电池进行消纳，避免了弃光。21∶00的负荷高峰时段，各区域均出现“供不应求”，经过交互由主网提供功率支撑，但是在区域自治平衡和蓄电池移峰填谷作用的支撑下，差额大大减少，减轻了主网压力。

表3 各区域典型场景供需情况Tab.3 Typical scene supply&demand of each area

综上所述可见，通过区域内与区域间协调，光伏出力基本处于MPPT模式，实现了清洁能源的充分消纳。由图12区域B蓄电池出力曲线和储能曲线可见，蓄电池在负荷低谷与光伏高峰时充电，负荷高峰时放电，充分发挥了移峰填谷的作用。微型燃气轮机持续高效利用，负荷低谷时为蓄电池充电，负荷高峰时提供功率支撑，减轻主网功率及传输阻塞压力。首先通过区域内自治策略达成区域内功率供需的基本平衡，再通过区域间以清洁能源最大化利用和DG就地消纳为原则进行交互解决区域内功率不平衡量。区域间交互有利于各区域供需的互补与清洁能源的充分消纳。

图12 区域B蓄电池出力曲线和储能曲线Fig.12 Battery output and energy storage curves of area B

4 结语

本文提出了一种主动配电网多代理能量管控的分层协同策略。在考虑各类DG特性的情况下，建立了DG多代理模型；并进一步提出多代理分层协同控制策略，构建区域内、区域间和配电网中心管控3个层面的多代理系统框架；通过多代理间的通信协作，实现能量的分层管控，达成系统的稳定优化运行。通过算例仿真验证了策略的可行性。

参考文献：

［1］尤毅，刘东，钟清，等（You Yi，Liu Dong，Zhong Qing，et al）.主动配电网优化调度策略研究（Research on opti⁃mal schedule strategy for active distribution network）［J］.电力系统自动化（Automation of Electric Power Sys⁃tems），2014，38（9）：177-183．

［2］范明天，张祖平，苏傲雪，等（Fan Mingtian，Zhang Zup⁃ing，Su Aoxue，et al）.主动配电系统可行技术的研究（Enabling technologies for active distribution systems）［J］.中国电机工程学报（Proceedings of the CSEE），2013，33 （22）：12-18．

［3］陈昌松（Chen Changsong）.光伏微网的发电预测与能量管理技术研究（Research on Power Forecasting and Ener⁃gy Management for Photovoltaic Microgrid）［D］.武汉：华中科技大学电气与电子工程学院（Wuhan：College of Electrical&Electronic Engineering of Huazhong Univer⁃sity of Science and Technology），2011．

［4］茆美琴，金鹏，奚媛媛，等（Mao Meiqin，Jin Peng，Xi Yu⁃anyuan，et al）.基于多因子和合同网协调机制的微网多Agent混和能量管理方法（Method of multi-agent hy⁃brid energy management for microgrids based on multifactor evaluation and contract net protocol cooperative mechanism）［J］.中国电机工程学报（Proceedings of the CSEE），2014，34（31）：5542-5552．

［5］王瑞琪（Wang Ruiqi）.分布式发电与微网系统多目标优化设计与协调控制研究（Research on Multi-Objective Optimization Design and Coordinated Control of Distribut⁃ed Generation and Microgrid）［D］.济南：山东大学控制科学与工程学院（Jinan：College of Control Science and En⁃gineering，Shandong University），2013.

［6］王健，谢桦，孙健（Wang Jian，Xie Hua，Sun Jian）.基于机会约束规划的主动配电网能量优化调度研究（Study on energy dispatch strategy of active distribution network using chance-constrained programming）［J］.电力系统保护与控制（Power System Protection and Control），2014，42（13）：45-52．

［7］ 杨为（Yang Wei）.分布式电源的优化调度（Optimal Scheduling for Distributed Energy Resource）［D］.合肥：合肥工业大学电气与自动化工程学院（Hefei：School of Electrical Engineering and Automation，Hefei University of Technology），2010．

［8］ 徐弢，李天楚，郭凌旭，等（Xu Tao，Li Tianchu，Guo Lingxu，et al）.主动负荷参与配电网分布式智能电压控制（Distributed intelligent voltage control strategies and testing platform for active distribution networks）［J］.电力系统及其自动化学报（Proceedings of the CSU-EPSA），2016，28（1）：17-23．

［9］Guerrero J M，Chandorkar M，Lee T，et al.Advanced con⁃ trol architectures for intelligent microgrids—part I：decen⁃tralized and hierarchical control［J］.IEEE Trans on Indus⁃trial Electronics，2013，60（4）：1254-1262．

［10］Guerrero J M，Poh Chiang Loh，Tzung-Lin Lee，et al.Ad⁃vanced control architectures for intelligent microgrids—part II：power quality，energy storage，and AC/DC mi⁃crogrids［J］.IEEE Trans on Industrial Electronics，2013，60（4）：1263-1270．

［11］章健（Zhang Jian）.Multi Agent系统在微电网协调控制中的应用研究（Research on the Application of Multi Agent System in Microgrid Coordination Control）［D］.上海：上海交通大学电子信息与电气工程学院（Shanghai：School of Electronic Information and Electrical Engineer⁃ing，Shanghai Jiao Tong University），2009．

［12］McArthur S D J，Davidson E M，Catterson V M，et al.Multi-agent systems for power engineering applicationspart I：concepts，approaches，and technical challenges［J］.IEEE Trans on Power Systems，2007，22（4）：1743-1752．

［13］McArthur S D J，Davidson E M，Catterson V M，et al.Multi-agent systems for power engineering applications—partII：technologies，standards，and tools for building multi-agent systems［J］.IEEE Trans on Power Systems，2007，22（4）：1753-1759．

［14］郝雨辰，吴在军，窦晓波，等（Hao Yuchen，Wu Zaijun，Dou Xiaobo，et al）.多代理系统在直流微网稳定控制中的应用（Application of multi-agent systems to the DC mi⁃crogrid stability control）［J］.中国电机工程学报（Proceed⁃ings of the CSEE），2012，32（25）：27-35．

［15］章健，艾芊，王新刚（Zhang Jian，Ai Qian，Wang Xin⁃gang）.多代理系统在微电网中的应用（Application of multi-agent system in a microgrid）［J］.电力系统自动化（Automation of Electric Power Systems），2008，32（24）：80-82，87．

［16］Ren Fenghui，Zhang Minjie，Sutanto D.A multi-agent solu⁃tion to distribution system management by considering dis⁃tributed generators［J］.IEEE Trans on Power Systems，2013，28（2）：1442-1451.

［17］于文鹏，刘东，余南华，等（Yu Wenpeng，Liu Dong，Yu Nanhua，et al）.主动配电网的局部自治区域供蓄能力指标及其应用（Power supply and storage capacity index of local autonomy area in an active distribution network and its application）［J］.电力系统自动化（Automation of Electric Power Systems），2014，38（15）：44-50．

杨 洋（1989—），女，硕士研究生，研究方向为配电网规划与运行。Email：yyapple1990@163.com

吕 林（1963—），男，博士，教授，硕士生导师，研究方向为电力系统分析。Email：lvlin@scu.edu.cn

肖万芳（1978—），男，博士，高级工程师，研究方向为电网运行及自动化管理。Email：xiaowanfang@bj.sgcc.com.cn

中图分类号：TM732

文献标志码：A

文章编号：1003-8930（2016）07-0117-08

DOI：10.3969/j.issn.1003-8930.2016.07.022

作者简介：

收稿日期：2015-03-03；修回日期：2016-03-18

基金项目：国家高技术研究发展计划（863计划）资助项目（2014AA051901）；四川省应用基础研究计划资助项目（2015JY0128）

A Hierarchical Coordination Strategy of Energy Management Based on Multi-agent System in Active Distribution Network

YANG Yang1，LYULin1，XIAO Wanfang2，LIU Junyong1，LIU Youbo1
（1.School of Electrical Engineering and Information，Sichuan University，Chengdu 610065，China；2.Beijing Changping Electric Power Corporation of State Grid，Beijing 102200，China）

Abstract：In terms of the active distribution network with high penetration of distributed generation（DG），a hierarchi⁃cal coordination strategy based on the multi-agent system（MAS）is proposed for the energy management.First，the agent models of DGs are built with the characteristics and collaborations of different types of DGs considered.Then in order to establish multi-agent based hierarchical framework of energy management，the three-layer strategy is pro⁃posed，which includes regional autonomy layer，interregional coordination layer and center control layer.The strategy achieves stable and optimal operation performance of the system meanwhile maximizing the use of clean energy and uti⁃lizing the power of DGs locally.Finally，the feasibility of the strategy is verified through the numerical examples.

Key words：distributed generation（DG）；active distribution network；multi-agent system（MAS）；energy manage⁃ment；hierarchical coordination