Research on energy-saving algorithm of HVAC multi-agent system consensus based on event-triggered mechanism

一.数据集产生过程该研究的数据集并非来自实际的物理实验或现场测量，而是通过数值仿真（Numerical Simulations）产生。系统模型与架构：1.研究首先建立了包含 N个智能体的离散时间多智能体系统动态模型 。2.该模型用于描述 HVAC 系统中的发电机组（Generators）和柔性负荷（Flexible Loads），并将发电机组的增量成本（Incremental Cost, IC）和柔性负荷的增量效益（Incremental Benefit, IB）作为一致性变量 。3.发电机组的发电成本函数和柔性负荷的用电效益函数均被建模为二次函数 。基础案例：1.仿真算例采用了IEEE 10-机 19-负荷 39-节点系统 。2.该系统由 10 个发电机和 19 个负荷组成，通信拓扑图被设定为强连通且平衡的有向加权图 。初始条件与参数设定：1.所有发电机组的参数及初始条件均在论文中明确列于表格（Table 1）。2.为验证算法有效性，选择了 G10 作为领导者（Leader）发电机 。3.采样步长设定为 0.001-s 。4.收敛系数均被设定为特定值 。二、数据处理方法和处理步骤（Data Processing Methodology）数据的处理主要围绕分布式经济调度算法的迭代计算和性能分析展开。核心算法：1.采用基于事件触发机制（Event-Triggered Mechanism, ETM）的离散时间一致性算法。数据分析与验证：1.对仿真产生的一致性变量（IC）、总输出功率和负荷减少量的动态收敛曲线进行分析 。2.分析各发电机组的触发时间间隔，以证明 ETM 实现了离散、不等周期的“按需执行” 。3.验证最终收敛的一致性变量 是否与集中式方法计算结果相同，并满足功率平衡约束 。三、使用设备及工具（Equipment and Tools Used）由于是数值仿真研究，主要使用的“工具”是软件和仿真平台MATLAB/Simulink、Python 库。