陳鐵軍 寧美鳳

(鄭州大學(xué)電氣工程學(xué)院，河南 鄭州 450001)

0 引言

自愈性是智能電網(wǎng)［1］的重要特征之一，也是智能電網(wǎng)的核心功能。目前，國內(nèi)外學(xué)者都在積極研究具有自愈能力的智能電網(wǎng)結(jié)構(gòu)［2-5］。相關(guān)研究討論了配電網(wǎng)快速仿真與模擬、高級配電自動化、智能微網(wǎng)、廣域測量、需求側(cè)管理等新技術(shù)在未來自愈電網(wǎng)網(wǎng)絡(luò)監(jiān)測、保護、控制等領(lǐng)域中的應(yīng)用。但是這些技術(shù)具有一定的局限性，電網(wǎng)的自愈控制還有待進一步研究。

多智能體(multi-agent system，MAS)技術(shù)特別適用于根據(jù)時間、空間或功能進行分解的場合，它已在電力系統(tǒng)的多個層面得到應(yīng)用［6-8］。本文運用MAS技術(shù)，提出了一種分層自愈控制結(jié)構(gòu)，并實現(xiàn)了自愈控制中故障在線實時監(jiān)測及診斷子系統(tǒng)的設(shè)計。通過對電網(wǎng)的實時監(jiān)測來判斷電網(wǎng)運行狀態(tài)，并對電網(wǎng)中的電氣量和開關(guān)量進行數(shù)據(jù)融合;通過故障匹配和Petri網(wǎng)技術(shù)提取故障特征，同時在D-S證據(jù)理論融合的基礎(chǔ)上，得出診斷決策。該決策較好地解決了海量信息的不確定性和診斷過程中的知識組合爆炸等問題。

1 基于MAS電網(wǎng)自愈控制體系結(jié)構(gòu)

1.1 自愈控制系統(tǒng)中的MAS

多智能體技術(shù)源于分布式人工智能。多個松散耦合的Agent組成代理網(wǎng)絡(luò)。這些智能體通過交互，解決超出單個智能體能力或知識的問題。Agent通常具有自治性、社會性和自發(fā)性。單個Agent主要用于模擬人的智能行為，在復(fù)雜系統(tǒng)中相當于一個具有獨立功能和任務(wù)的子系統(tǒng)，它將推理和知識表示相結(jié)合。多Agent系統(tǒng)相當于為了完成復(fù)雜的分布式任務(wù)而組成的一個人類社會團體，多個Agent之間通過通信、協(xié)調(diào)或協(xié)作形成多Agent系統(tǒng)。從某種意義上講，多Agent系統(tǒng)類似于參考文獻［9］提出的鏈系統(tǒng)，所以可以把鏈系統(tǒng)中在線擴大的思想運用到多Agent系統(tǒng)中［9］。通過逐步增加具有獨立功能的 Agent，使多Agent系統(tǒng)不斷擴大，從而將設(shè)計工作分解到局部，最終獲得全局的希望特征。

由于電網(wǎng)的復(fù)雜性和運行狀態(tài)的多變性，以及各種保護配合的復(fù)雜性、電網(wǎng)拓撲的可變性，使電網(wǎng)自愈控制系統(tǒng)的設(shè)計成為一個復(fù)雜的綜合性問題。如鏈系統(tǒng)，可以把自愈控制系統(tǒng)分解成一個個具有獨立功能的智能體，通過對單個Agent的設(shè)計以及它們之間的通信、協(xié)調(diào)或協(xié)作，逐步擴大多Agent系統(tǒng)，以實現(xiàn)電網(wǎng)自愈控制。MAS能夠很好地解決電網(wǎng)自愈控制系統(tǒng)的分布自治性和廣域協(xié)調(diào)問題，它是實現(xiàn)電網(wǎng)自愈控制的重要技術(shù)。

1.2 基于MAS的自愈控制體系結(jié)構(gòu)

通過對Agent智能、交互、協(xié)作等屬性的分析，提出了一種分級、分層的多智能體系統(tǒng)。系統(tǒng)結(jié)構(gòu)框圖如圖1所示。

圖1 電網(wǎng)分層自愈控制系統(tǒng)結(jié)構(gòu)Fig.1 Structure of hierarchical self-healing control system

分層自愈控制系統(tǒng)是一個分散、耦合的智能Agent網(wǎng)絡(luò)。其通過對各個分布式、自治、具有獨立功能的智能體的設(shè)計以及它們之間的交互作用來實現(xiàn)大范圍控制，并協(xié)同實現(xiàn)全局目標。這樣就可以做到具體問題具體對待，逐漸增強智能電網(wǎng)的自愈控制功能。該方案將整個電網(wǎng)自愈控制系統(tǒng)分成三層，即系統(tǒng)層、過程層和應(yīng)用層，使電網(wǎng)自愈控制性能逐層完善。各層具體介紹如下。

①系統(tǒng)層由電網(wǎng)運行環(huán)境和智能設(shè)備等組成，它是電網(wǎng)的物理層。該層的智能化程度越高，支持電網(wǎng)實現(xiàn)自愈的能力越強。系統(tǒng)層的主要功能是感知電網(wǎng)的各種狀態(tài)信息，接收來自上層傳達的控制信號，執(zhí)行控制命令。

②過程層處于該系統(tǒng)的中間層，它由采集測量Agent、故障診斷 Agent、保護控制 Agent和控制執(zhí)行Agent組成。它可以通過采集測量Agent實時獲取電網(wǎng)的各種信息，提取并處理其中重要的狀態(tài)信息，對電網(wǎng)的運行狀態(tài)進行監(jiān)視。當局部電網(wǎng)發(fā)生異常或故障時，對電網(wǎng)進行診斷，并及時做出局部快速保護動作，防止電網(wǎng)故障產(chǎn)生連鎖反應(yīng);同時它可以與應(yīng)用層進行通信，收集、發(fā)送來自上層控制方案Agent的控制信息，并向系統(tǒng)層發(fā)出控制執(zhí)行命令。

③應(yīng)用層相當于整個系統(tǒng)的全局控制中心。當過程層的局部控制不理想時，可以由應(yīng)用層對電網(wǎng)進行分析，并給出理想的控制方案。該層包括事件辨識Agent、脆弱性評估 Agent、決策支持 Agent、模型更新Agent和控制方案Agent。事件辨識Agent通過分析來自過程層獲得的數(shù)據(jù)，對電網(wǎng)存在的安全隱患和即將發(fā)生的事件進行實時預(yù)測，從而判斷電網(wǎng)運行狀態(tài)，以此對電網(wǎng)脆弱性進行評估。模型更新Agent是系統(tǒng)的知識庫，它保存有以往電網(wǎng)運行狀態(tài)信息。事件辨識Agent可以將自身的判斷結(jié)果與知識庫中已有的信息進行搜索比較，隨時更新模型，從而為電網(wǎng)提供決策支持，以便形成最佳的電網(wǎng)自愈控制方案。

上文主要分析了電網(wǎng)自愈控制系統(tǒng)的主要組成。該系統(tǒng)可以根據(jù)智能電網(wǎng)的發(fā)展階段及其需要進行在線擴大。它既可通過應(yīng)用層實現(xiàn)集中控制，又可以通過過程層實現(xiàn)局部控制。

2 故障在線實時監(jiān)測及診斷

故障在線實時監(jiān)測及診斷系統(tǒng)是電網(wǎng)自愈控制系統(tǒng)的一個子系統(tǒng)，是電網(wǎng)自愈控制系統(tǒng)實現(xiàn)電網(wǎng)自愈的基礎(chǔ)。以故障在線實時監(jiān)測及診斷的設(shè)計作為自愈控制系統(tǒng)子系統(tǒng)的設(shè)計實例，通過分階段設(shè)計各個子系統(tǒng)來實現(xiàn)電網(wǎng)自愈控制。

2.1 電網(wǎng)故障診斷

國內(nèi)外學(xué)者從不同的角度提出了一系列故障診斷的方法。這些方法主要有專家系統(tǒng)［6］、人工神經(jīng)網(wǎng)絡(luò)法［10］、基于優(yōu)化的方法以及基于模糊集［11］、粗糙集［12］、Petri網(wǎng)［13］等由數(shù)據(jù)和模型驅(qū)動的方法。文獻［14］對上述幾種主要方法的優(yōu)缺點進行了詳細的介紹，并指出了故障診斷中存在的難點問題。通過分析可知，依靠單一信息往往不能滿足診斷的性能要求。多源信息的異構(gòu)特征和診斷過程的不確定性，使綜合利用多源信息非常困難［14］。

充分綜合多源、異構(gòu)的故障信息，在信息不完整的情況下，融合多種智能技術(shù)進行故障診斷是提高故障診斷性能的根本途徑。

2.2 故障在線實時監(jiān)測及診斷系統(tǒng)

故障診斷是根據(jù)故障特征對已經(jīng)發(fā)生的故障進行定位，并對故障發(fā)展程度進行判斷，其內(nèi)容還可以進一步拓展到故障監(jiān)測。故障監(jiān)測是通過對設(shè)備、網(wǎng)絡(luò)和系統(tǒng)的狀態(tài)進行實時掃描，根據(jù)特征量的變化，判斷相應(yīng)設(shè)備、網(wǎng)絡(luò)和系統(tǒng)的健康程度，這對電網(wǎng)故障起到提前預(yù)測的作用。結(jié)合MAS技術(shù)與信息融合思想［15］，提出了一種基于MAS信息融合的電網(wǎng)故障在線監(jiān)測及診斷子系統(tǒng)，其結(jié)構(gòu)如圖2所示。

圖2 故障在線監(jiān)測及診斷系統(tǒng)結(jié)構(gòu)Fig.2 Structure of online fault monitoring and diagnostic system

故障在線監(jiān)測及診斷系統(tǒng)由故障監(jiān)測與故障診斷兩部分組成。故障監(jiān)測主要用于實時采集電網(wǎng)電氣量信息、監(jiān)測電網(wǎng)狀態(tài)、判斷電網(wǎng)是否出現(xiàn)擾動。如果電網(wǎng)存在異常，就與檢測到的開關(guān)量信息進行數(shù)據(jù)融合，為故障診斷提供故障信息。故障診斷是從故障信息中提取故障特征，對故障特征進行分析融合，形成診斷決策，并及時消除電網(wǎng)故障，從而實現(xiàn)電網(wǎng)自愈控制。

3 故障在線監(jiān)測及診斷的具體實現(xiàn)

3.1 故障監(jiān)測部分的具體實現(xiàn)

電網(wǎng)故障時，電氣量的變化優(yōu)先于保護、斷路器等的動作，且電氣量數(shù)據(jù)可靠性、完備性和容錯性較好。因此，通過實時采集電網(wǎng)電氣量進行運行狀態(tài)分析，可以實現(xiàn)對電網(wǎng)故障的預(yù)測。故障監(jiān)測部分由電氣量采集Agent、開關(guān)量采集Agent、狀態(tài)監(jiān)測Agent和數(shù)據(jù)融合Agent等部分組成。

①電氣量采集Agent與電網(wǎng)中廣域向量測量系統(tǒng)(wide area measurement system，WAMS)、數(shù)據(jù)采集與監(jiān)控 系 統(tǒng) (supervisory controland data acquisition，SCADA)及故障保護信息管理系統(tǒng)(protection information management system，RPMS)進行通信。利用向量同步單元(phasor synchronous unit，PSU)不但可以實現(xiàn)對電壓、電流、功率、RPMS中故障錄波器錄波信息等實時數(shù)據(jù)的采集，而且還能對SCADA系統(tǒng)中電壓、有功功率、無功功率等進行測量，并能夠?qū)@得的電網(wǎng)電氣量數(shù)據(jù)發(fā)送給狀態(tài)監(jiān)測Agent。

②開關(guān)量采集Agent與SCADA及RPMS進行通信，用來采集線路中斷路器狀態(tài)、隔離開關(guān)狀態(tài)等開關(guān)量信息。當電網(wǎng)發(fā)生故障時，開關(guān)量采集Agent將這些信息傳輸給數(shù)據(jù)融合Agent。

③狀態(tài)監(jiān)測Agent是一種認知型Agent，它對電網(wǎng)分析質(zhì)量好壞的關(guān)鍵在于其數(shù)據(jù)庫中知識的質(zhì)量與數(shù)量。數(shù)據(jù)庫中的數(shù)據(jù)由正常運行時或可用狀態(tài)下的試驗數(shù)據(jù)和故障時的試驗數(shù)據(jù)組成。數(shù)據(jù)庫可以根據(jù)具體情況進行修改。狀態(tài)監(jiān)測Agent將在線實時采集數(shù)據(jù)與自身數(shù)據(jù)庫中的數(shù)據(jù)進行對比分析，并對電網(wǎng)運行情況進行初步判斷。

從狀態(tài)監(jiān)測Agent中獲得電網(wǎng)是否異常的狀態(tài)信息。如存在異常，數(shù)據(jù)融合Agent進行工作，即獲取電氣量及開關(guān)量數(shù)據(jù)，進行數(shù)據(jù)融合。數(shù)據(jù)融合Agent采用加權(quán)平均算法［15］或遞推估計的融合算法進行數(shù)據(jù)處理。如對不同數(shù)據(jù)源提供的某一時刻的有效電壓電流數(shù)據(jù)，僅采用單一數(shù)據(jù)源數(shù)據(jù)有失準確性，這時可采用加權(quán)平均方法對數(shù)據(jù)融合進行校正。通過對這些不同格式的數(shù)據(jù)進行融合，可獲取進行故障診斷的特征，即保護開關(guān)狀態(tài)、保護開關(guān)動作時序信息以及用于故障分析的節(jié)點電壓、相角和潮流特征等。

3.2 故障診斷部分的具體實現(xiàn)

3.2.1 故障特征提取Agent

對于基于故障后的電氣信息量，故障特征提取Agent采用故障模式匹配［14-15］的方式，將實時的潮流分布與各種預(yù)想故障的潮流分布進行相似性比較，以獲取元件n發(fā)生故障的信任度。故障匹配問題是一個典型的模式識別的問題，定義模式的相似性測度為:

式中:lm為實際分類樣本與模式故障集中元件m的相似程度;dm為樣本與元件m發(fā)生故障時的差異程度;θmi為元件m故障時節(jié)點i處的相角;θi為實時潮流計算節(jié)點i處的相角;N為節(jié)點個數(shù)。

對lm作如下處理:

式中:P(2)m為元件m發(fā)生故障的信任度，其作為證據(jù)融合Agent的證據(jù)體。

當電網(wǎng)發(fā)生故障時，保護和斷路器發(fā)生動作。故障特征提取Agent采用Petri網(wǎng)與概率信息結(jié)合的診斷方法［13，15］，通過建立繼電保護動作的 Petri網(wǎng)模型，可以得出目標元件發(fā)生故障的概率表征Pi;通過對電氣量信任度進行相同處理，可以得到電網(wǎng)中的元件m對應(yīng)的故障信任度P(2)m，作為證據(jù)融合Agent的證據(jù)體。

3.2.2 證據(jù)融合 Agent

考慮到D-S證據(jù)組合理論所具有的不確定推理融合特征，證據(jù)融合Agent采用D-S證據(jù)理論方法來綜合多個證據(jù)信息，從而得到一個合成的信度函數(shù)，作為故障診斷決策的依據(jù)。

根據(jù)D-S證據(jù)理論的定義，設(shè)U為證據(jù)融合的識別框架，且包含 P類故障狀態(tài)，若有函數(shù) m:2U→［0，1］(其中2U為 U 的冪集)滿足條件:m(φ)=0且(Ak)=1，其中Ak表示第k類故障狀態(tài)，則稱m為識別框架U上的基本可信度分配。對于?Ak?U，m(Ak)稱為Ak的基本可信數(shù)。設(shè) m1，m2，…，mn為識別框架U上的n類基本可信度分配，多概率分配函數(shù)正交和m=m1⊕m2⊕…⊕mn，則有:

3.2.3 診斷決策 Agent

診斷決策Agent根據(jù)證據(jù)融合Agent的融合結(jié)果，判定故障元件;根據(jù)各種故障類型作出相應(yīng)的決策，快速恢復(fù)電網(wǎng)故障，實現(xiàn)電網(wǎng)自愈。

綜上所述，故障診斷流程如圖3所示。

圖3 故障診斷流程圖Fig.3 Flowchart of fault diagnostic

4 結(jié)束語

本文提出的電網(wǎng)自愈控制體系框架由系統(tǒng)層、過程層和應(yīng)用層構(gòu)成，通過不同功能Agent之間的相互合作，實現(xiàn)電網(wǎng)自愈。重點設(shè)計了電網(wǎng)故障在線實時監(jiān)測與診斷子系統(tǒng)，分別闡述了故障監(jiān)測與診斷中各智能體的實現(xiàn)問題。分別采用原始數(shù)據(jù)融合、基于故障模式匹配與Petri網(wǎng)的特征提取以及D-S證據(jù)融合等方法，對電網(wǎng)中的電氣量和開關(guān)量進行故障診斷，這對實現(xiàn)快速、準確的故障隔離具有重要意義。

在電網(wǎng)智能化的趨勢下，本文提出的故障實時監(jiān)測及診斷各級系統(tǒng)具有廣闊的應(yīng)用前景。對使用MAS實現(xiàn)電網(wǎng)自愈方法中的一些具體實踐問題，即基于MAS系統(tǒng)的軟硬件開發(fā)等，值得進行進一步的研究和探索。

［1］李興源，魏巍，王渝紅，等.堅強智能電網(wǎng)發(fā)展技術(shù)的研究［J］.電力系統(tǒng)保護與控制，2009，37(17):1-7.

［2］郭志忠.電網(wǎng)自愈控制方案［J］.電力系統(tǒng)自動化，2005，29(10):85-91.

［3］顧欣欣，姜寧，季侃，等.智能配電網(wǎng)自愈控制技術(shù)的實踐與展望［J］.電力建設(shè)，2009，30(7):4-6.

［4］Bradley R，Timothy D.System and method for a self-healing grid using demand side management techniques and energy storage［P］.U.S.A.，US 7389189B2，2008.

［5］陳星鶯，顧欣欣，余昆，等.城市電網(wǎng)自愈控制體系結(jié)構(gòu)［J］.電力系統(tǒng)自動化，2009，33(24):38-42.

［6］趙偉，白曉民，丁劍，等.基于協(xié)同式專家系統(tǒng)及多智能體技術(shù)的電網(wǎng)故障診斷方法［J］.中國電機工程學(xué)報，2006，26(20):1-8.

［7］郭創(chuàng)新，單業(yè)才，曹一家，等.基于多智能體技術(shù)的電力企業(yè)開放信息集成體系結(jié)構(gòu)研究［J］.中國電機工程學(xué)報，2005，25(4):64-70.

［8］朱永利，宋少群.基于廣域網(wǎng)和多智能體的自適應(yīng)協(xié)調(diào)保護系統(tǒng)的研究［J］.中國電機工程學(xué)報，2006，26(16):15-20.

［9］陳鐵軍.鏈系統(tǒng)方法及其應(yīng)用［M］.洛陽:河南科學(xué)技術(shù)出版社，1993

［10］畢天姝，倪以信，吳復(fù)立，等.基于新型神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷方法［J］.中國電機工程學(xué)報，2002，22(2):73-78.

［11］Lee H J，Park D Y，Ahn B S，et al.A fuzzy expert system for the integrated fault diagnosis［J］.IEEE Transaction on Power Delivery，2000，15(2):833-838.

［12］束洪春，孫向飛，司大軍，等.基于粗糙集理論的配電網(wǎng)故障診斷研究［J］.中國電機工程學(xué)報，2001，21(10):78-82.

［13］孫靜，秦世引，宋永華.一種基于Petri網(wǎng)和概率信息的電力系統(tǒng)故障診斷方法［J］.電力系統(tǒng)自動化，2003，27(13):10-14，23.

［14］游家訓(xùn).基于多源信息的電網(wǎng)故障診斷研究［D］.杭州:浙江大學(xué)，2008.

［15］劉毅，高振興，郭創(chuàng)新，等.一種考慮多層信息融合的電網(wǎng)故障診斷輔助決策方法［J］.電力系統(tǒng)保護與控制，2010，38(24):14-18.

［16］張陽，何正友，林圣.一種基于DS證據(jù)理論的電網(wǎng)故障診斷方法［J］.繼電器，2008，36(9):5-10.

［17］郭創(chuàng)新，彭明偉，劉毅.多數(shù)據(jù)源信息融合的電網(wǎng)故障診斷新方法［J］.中國電機工程學(xué)報，2009，29(31):1-7.