电力输电线路基于多Agent的实时数据库故障排除技术

谢梦飞

（宁夏送变电工程有限公司，宁夏 银川 750000）

0 引 言

高压输电线路分布极为复杂且涉及到的电线类型非常多，大部分的电网输电距离比较长，沿线所要经过的区域较多，地理环境复杂，在输电过程中一旦线路故障，如果工作人员无法有效获知精准的故障位置，则会加大人力排查的成本，尤其是在一些地广人稀的地方寻找故障位置的工作量会非常的大。对此，在高压输电线路的管理中需要结合专门的数据库管理方式，通过实时的数据库及时监管输电线路的运作。传统的实时数据库采用的是容错技术，想要及时排查到可能出现的故障，则需要用到故障排除技术。如表1所示，在故障排除技术中能够主动及时找到错误并根除，以此提高实时数据库的可靠性[1]。

表1 容错技术与故障排除技术对比

1 多Agent技术的基本原理

在多Agent系统中，每一个Agent都属于一个物体实体，能够作用于自身与环境和其他的Agent进行通讯，以此来协同完成整体的任务。其原理如下：

（1）通过结合Agent之间的通讯，能够有效地开发新的方法，从而处理不确定的知识；

（2）通过结合Agent之间的协作，能够针对每个Agent的基本能力进行优化与改善，更好地提高Agent的处理能力。

结合多Agent技术的运用能够有效地通过各Agent之间的合作、协调、管理等来完善系统的功能以及行为特性。在结合多Agent技术之后，都具有较高的实际问题解决的效率，因此，在对于一些复杂系统的运用过程中，结合多Agent技术极强的可靠性，适合在复杂的环境中完成系统性的复杂任务[2]。

2 实时数据库的故障排除技术设计思路

2.1 信号的根本特征

信息时代的网络技术极为发达，信息流几乎已经覆盖整个人类社会，人类的所有个人信息活动等都需要依靠信息流来体现，而这些信息本质上就是属于信号，既然是信号，就会有大小形态上的特征[3]。

2.2 各种错误与有效信息相互关系

一般情况下，从数量上来分析信息中绝大部分属于常规的内容，只有极少部分是属于错误的内容，而且错误的信息一定是非常规的，在这些非常规的信息中其内容是不合逻辑的。基于此，可以把错误的信息与有效信息之间的关系通过示意图来表示，以此来清晰地划分信息流当中的错误部分。

通过图1的信息关系示意图，能够较好地分析清楚正常态的信息及非正常态的不合乎逻辑的信息集，A：正常态信息集，E为非常态信息集，E1为合乎逻辑的信息集，E2为不合乎逻辑的信息集。

图1 信息关系示意

2.3 故障排除思想

故障排除思想在故障排除当中指的是先要找到错误的根源，然后进行排除，对此，需要从信息流中找到错误的根源并进行故障排除。

由于信息流的本质属于是信号，那么其一定是有形且具备大小的特征，而且错误的信息属于是非常态、异常和不合逻辑的信息，根据这3个特征，可以从混沌信息流当中自动的识别与挑选出这些非常态的信息思想[4]。

在实际的应用过程中，实时数据库的处理数据或者软件语句都属于信息，会随着时间的变化逐渐形成时序信息流，如何从大量的混沌的信息流中快速挑选出其中与常态信息集有差异的信息，成为了重点要解决的问题。

根据前面所提到的有关错误信息的相关特征，可以把信息分为两大类：常态与非常态的信息。在非常态信息当中又可以分为合乎逻辑与不符合逻辑两类信息。由此可见，在非常态信息当中不合乎逻辑的信息都能统称为错误的信息，而在大量的信息流当中要找到这部分错误的信息，可以分为两个步骤：第一步是先从大量的常态信息当中找到少数的异于常态的非常态信息；第二步是从这些非常态的信息当中找到极为少数的真正错误的信息。

3 电力输电线路实时数据库故障排除工作流程与实现方案

3.1 电力输电线路实时数据库故障排除工作流程

在电力输电线路故障排除工作的过程中，需要首先针对输电线路工作的流程进行设计，如图2所示。第一步，需要在信息流中找到异于常态的信息，通过与常态特征标准的信息进行对比，把超出常态标准的信息排查出来。由于在异常的信息当中并非都是属于错误的信息，因此，还需要对异常的信息进行逻辑诊断；第二步，针对在第一步排查当中找到的异常信息进行逻辑诊断，如果异常的信息在经过逻辑诊断之后判断出来属于是不合乎逻辑的，则定义为错误信息，然后针对这些错误的信息及时进行修复排除工作[5]。在实际的设计过程中，主要是通过第二步来完成相关的工作。

图2 电力输电线路故障排除工作流程图

3.2 电力输电线路实时数据库故障排除工作实现方案

电力输电线路实时数据库中要处理的信息流处于混沌的状态，属于一个大的整体，在这个整体中包含着错误的信息。如果想要有效排除出错误的信息则需要对这些信息进行标准的划分。

对于信息流的划分，第一步采用的是常态特征标准，这个标准是采用智能学习的方式，用模糊数学概念结合统计学方法的形式，找到混沌信息流中具备正常态信息的特性信息。从宏观的层面上来分析，在常态特征标准中的信息指标应当是属于动态变化的，把这个常态特征标准作为判断非常态信息时的依据，以此把信息流与该标准进行比较，对于超出该标准误差1%的信息与常态标准的信息进行筛查，来实现混沌信息流一分为二的划分方式，达到了有效区分出非常态信息的目的。

第二步对于挑选出来的非正常信息，还需要结合逻辑诊断的方式，来判断非正常信息中不合乎逻辑的错误信息。具体而言，在筛查的过程中，可以结合智能Agent的自适应来产生常态的标准，然后把数据流中的信息与常态标准进行对比，把超出常态标准的信息划分到常态信息中。结合Agent1完成自动生成常态标准的任务，结合Agent 2完成根据在常态标准中识别的非常态信息的任务。Agent 1的操作当中，对于输入的信息流采用直方图算法，针对完成一段时间T内的信息出现的频次进行统计分析，计算出在最高频次为中心误差1%以内的信息算术平均值x，作为下一个t内的Agent 2探测器的常态标准。

Agent 2在当前时间段T当中采用Agent 1输出的上个t内计算的常态标准x作为当前的标准，然后进行数据流的划分，提取出非常态信息，完成非常态信息任务的探测，在多Agent之间采用的是并行的工作方式。

4 结 论

针对输电线路的实时数据库故障排除工作中，绝大部分的实时数据库主要采用容错技术，也就是允许错误存在，可是一旦错误出现则会引起数据库的故障，严重时会对电力行业产生较大的损失，对此，结合Agent技术实现错误信息的及时排除，提高了实时数据库的可靠性。