基于M-agent的电网运行智能决策支持系统研究

李玮瑶，甘 泉，刘建粉

（平顶山学院 河南 平顶山 467000）

随着电力行业信息的的飞速发展，汇集到电网运行中心的各种信息激增，给电网工作人员造成了巨大的压力，而在这些海量数据中蕴藏着大量未知的、潜在的和有价值的信息，它们真实地反映了系统的运行规律。目前受到广泛应用的能量管理系统（MIS）和配电管理系统（DMS）仍处于分布式独立计算分析阶段，电力部门在进行决策和分析时，既要有输电网和配电网的数据，还需要一些外部数据，如气象资料、省域网的部分资料数据等，工作人员需要分别调用各个分析模块，挖掘出数据间的关联信息，才能进行综合决策，这样就很难在较短时间内完成对突发事故作出可靠决策，大大影响了电网运行的安全性和可靠性。

显然传统系统和数据模式并不能适应决策分析的需求，近年来，随着计算机的应用和分布式人工智能的需要，多主体技术（multi-agenttechnology，M-agent）得到了迅速发展， 已成为多学科交叉领域的研究热点之一，为了实现对电网运行进行智能决策，在做了充分需求分析的基础上，提出了一种基于多主体技术的智能决策支持系统，该系统能够帮助电力部门进行智能分析决策，极大地增强电网运行的安全性和可靠性。

1 决策支持系统

决策支持系统（DSS，Decision Support System）是辅助决策者通过模型、数据和知识，以人机交互方式进行非结构化或半结构化决策的计算机应用系统。DSS通过调用各种信息资源和分析工具，为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，帮助决策者提高决策水平和质量[1]。

DSS中人工智能的渗入形成了智能决策支持系统（IDSS，Intelligent Decision Support System）， 增加了对决策过程的支持。IDSS主要由人机交互、数据、模型和推理4个部分组成，为使系统具有智能性而加入了推理部分[2]。IDSS的结构如图1所示。

2 M-agent系统

Agent是计算机硬件或软件系统，其具有自治性、可通信性、反应能力和自发行为等特点。通常使用单个Agent对人的智能行为进行模拟，利用多Agent系统（Multi-Agent System，MAS）可以进行协作和通信的特点来模拟人类社会的复杂行为[3]。在MAS中，Agent间为松散联系，上层Agent不但能够以非常友好的方式及时地把有用信息提交给用户，而且它也能把有利于提高系统性能和运行效率的知识或信息及时吸收进来。通过这种Agent的自我学习能力，增强系统的智能性。

电力系统是一个开放式的复杂的大系统，在这种环境下，系统中每个节点都是可以独立操纵的智能性和理性的主体，它们具有不完全的信息和问题求解能力，不仅能够预测其他节点的动态，而且节点自身的反应和动作又可以对另外的节点产生影响。由此可见，电网运行的特性与MAS的特性是基本一致的。

因此，可以采用MAS来解决电网运行中的问题，多节点电网通过它们之间的交互性构成了一个多Agent社会。

3 基于M-agent的电网运行智能决策支持系统

根据对Agent属性的分析，提出一种基于M-agent技术的电网运行IDSS体系结构。在该系统中，使用Agent可以将处理复杂系统的决策理论、理论方法、知识发现技术与信息收集、电力系统安全稳定性分析等紧密地结合起来，形成一个人机合作系统，帮助调度员完成系统运行状态分析与决策。

3.1 系统基本体系结构

M-agent电力系统IDSS由决策资源层、通信服务器主体层和职能主体层构成，如图2所示。

图2 M-agent电网运行的IDSS体系结构Fig.2 Structure diagram of IDSSfor grid operation system based on M-agent

3.2 各职能主体功能

所有职能主体均分布在网络计算机上，利用网络进行通信。每个职能主体都有各自的数据库、背景知识库、范例库和专用模型库。模型和算法是进行定量分析的基础，有赖于实用高效算法和电力系统控制理论的研究，可以很方便地加入新的模型和算法，而系统无需做大的修改。背景知识是智能决策的关键，可以把领域专家处理问题的知识和经验，通过知识获取，建成背景知识库。在系统运行过程中，各个职能主体的学习模块会不断进行信息收集、知识发现和数据挖掘，不断总结经验，将新的知识添加到知识库，对模型库和范例库进行更新，提高适应环境变化的能力。

3.2.1 管理决策主体

对多个主体之间的关系进行协调和管理，根据系统内其他主体提供的定性和定量分析得到的辅助决策信息，运用相应的决策知识和方法，形成一系列决策方案供调度员选取。

3.2.2 实时安全评估决策主体

实时地运用相应的算法（如状态估计、潮流计算、安全约束调度、电压稳定性分析、实时网络分析、预想故障分析等）、模型以及知识对系统的安全进行评估。在系统正常运行时，实时告知系统薄弱所在，还可给出改善安全稳定性的建议和策略，使电力系统始终维持在正常运行状态。

3.2.3 经济运行决策主体

该主体以运行规则为指导，根据安全稳定约束条件，利用相应的算法、模型和知识在日常运行中完成经济运行策略的制定，这些算法包括机组经济组合、经济调度、负荷预测、水电计划、交换计划、燃料计划和检修计划等。在正常运行时，不断汇总系统整体经济效率信息、网络损耗信息和热效率信息的实时状态，并且给出减损提效的建议和方案。

3.2.4 紧急控制决策主体

该主体在紧急状态下能够向电网工作人员报告故障发生的地点及故障类型。故障发生后，及时向工作人员报警并给出紧急控制的建议和方案，为正确诊断故障提供帮助，封锁人为可能导致大面积停电的操作，防止事故扩大。

3.2.5 解列决策主体

该主体在电力系统的干扰超过稳定极限时，将根据系统的实际情况，确定最佳解列方案，将一个大系统分解为若干个独立孤岛。制定解列方案时，该主体可以参考范例库中的经验，选取模型，采用关键路径或黑启动模型等算法进行定量分析，并结合知识库使用推理策略完成问题求解。解列后，每一个孤岛上的负荷和电源基本是平衡的[4]。

3.2.6 恢复决策主体

该主体在系统解列后根据系统的实际情况，以流程图的形式给出恢复操作的最佳建议程序。筛选建议时可参考范例库中的经验，选取模型，采用电网重构算法或模型进行定量分析，并结合知识库使用推理策略完成问题求解。

3.2.7 调度交互决策主体

调度员使用该主体可以将决策问题提交给管理决策主体，由其协调其他职能主体分工协作，提出一些决策方案。调度员可以根据这些决策方案，结合自己的经验选取最终决策方案。如果没有满意方案，可以增加信息量，进行新一轮决策，直到得出满意方案为止[5]。

3.2.8 事故分析主体

该主体方便电力系统系统对紧急情况做出快速反应，一旦有危及电网安全稳定运行的紧急情况发生，本主体可以及时鉴别出来，并通知紧急控制决策或解列决策等相关主体立即做出反应。

3.2.9 故障后处理主体

该主体在事故处理完毕后自动生成故障分析报告，并修改或增加范例库、模型库和知识库，改善电网运行环境知识和模型，积累故障处理经验。

3.3 Agent间的协作策略

对Agent的管理主要通过任务库和知识库：每个Agent当前的任务状态及位置等相关信息保存在知识库中；需要多个Agent共同协作才能完成的任务存放在任务库中；每个Agent的能力和状态值的记录都保存在自己的小知识库中。

假设系统中共有 N 个 Agent。i∈[1，N]；Agent有个体属性M 种，j∈[1，M]；任务属性 Q 种，k∈[1，Q]。 多个 Agent间的协作策略如下[6-7]：

1）某Agent接到任务后，首先查看状态值，忙则将任务转交给决策管理Agent。若不忙，则通过匹配自身知识库查看有无能力完成，有能力则接受，否则就需要向决策管理Agent申请协作。

2）决策管理Agent接到某Agent发出的协作请求后，首先记录好该任务的属性（即相关信息），并加入任务库，然后与知识库中其他Agent属性进行比较，使用分级优先方法来选出“最佳协作Agent”，将任务分配给它与原 Agent共同协作完成。该方法根据Agent个体能力等级的不同使用相应的值Pi进行表示。不同属性的权重也不同；任务也同此，同一属越大则表示优先级越高，就越容易被选中参与协作。

3）若决策管理Agent同时接到若干个协作申请，也可以使用分级优先方法，申请的优先级越高就可以被优先处理，其余任务等待。当一个申请优先级过低，可能长期得不到响应的情况下，可设置一个定时加数器，每隔一段时间就自动为S加一个固定值，随着等待时间的增长，优先级也逐渐增加，就可能被选中并进行处理。

3.4 系统协作决策过程

下面具体以系统中的事故分析Agent的工作流程来说明系统的决策过程，其基本流程如图3所示。

图3 事故分析Agent工作流图Fig.3 Workflow diagram of Agent for accident analysis

在实际情况中，首先由信息感知模块中的感知器将从子站采集到的事项和遥信等消息进行接收和粗辨识，假如信息能形成一个故障，就将有用信息传递给效应器，并由效应器传递给决策分析模块。

当决策分析模块感知并接收到信息，就会以相关知识为依据，将当前设备运行状态与运行规则进行相符度校核。若是故障则形成诊断报告并自动触发故障恢复，依据网络拓扑关系提供最合理的恢复路径，最后自动开出操作票来减少因故障引起的损失，帮助消除故障，恢复系统的稳定运行。

在决策分析过程中要求决策者提供附加信息，用户接口模块可以收集用户相关信息并初始化一个决策任务，向用户显示决策分析结果。

在整个决策系统的运行中为保障安全，当确诊有故障发生时，应停止其他一切应用，将系统的性能资源让于故障分析应用。

4 结束语

本文通过分析目前电网运行管理过程中存在的问题，结合电网运行的实际情况，提出了基于多Agent技术的电网运行智能决策支持系统。该系统将多Agent技术与调度决策支持技术结合起来，建立多Agent模型，并且通过故障处理模块的加入，使运行管理系统的处理范围拓展至故障检测决策状态。随着智能电网的不断发展，在国际电力工业发展的主流中基于多Agent技术的电网运行智能决策支持系统必将加快电网智能化的进程。

[1]余腊生，钱奕兰.多Agent智能电网调度决策支持系统研究[J].企业技术开发（学术版），2011，30（7）:81-83.YU Las-heng，QIAN Yi-lan.Study on enterprise technology development system[J].Multi Agent Intelligent Decision Support Grid Scheduling:Academy Version，2011，30（7）:81-83.

[2]高洪深.决策支持系统（DSS）——理论，方法，案例[M].北京:清华大学出版社，南宁:广西科学技术出版社，2010.

[3]史忠植.智能主体及其应用[M].北京:科学出版社，2010.

[4]王玥，邱丽君.基于M-agent技术的电网运行决策支持系统的研究[J].河北电力技术，2008（3）:56-59.WANG Yue，QIU Li-jun.Research on power system operation decision support systembased on M-agent[J].Hebei Electric Power Technology，2008（3）:56-59.

[5]杨旭升，盛万兴，王孙安，等.多Agent电网运行决策支持系统体系结构研究[J].电力系统自化，2002，26（18）:45-49.YANG Xu-sheng，SHENG Wan-xing，WANG Sun-an，et al.Multi Agent grid operationdecision support system[J].Power System Architecture Research Since，2002，26（18）:45-49.

[6]王鹏人.基于多Agent的岩体声发信号检测定位系统应用研究[D].长沙：中南大学，2009.

[7]胡丽萍，朱雨晨，许佳佳.基于多代理系统的微网与电网协调运行模式[J].工业仪表与自动化装置，2013（4）：42-46，60.HU Li-ping，ZHU Yu-chen，XU Jia-jia.Microgrid and grid cooperation model based on multi-agent system[J].Industrial Instrumentation&Automation,2013（4）：42-46，60.