王华,柴超
(北京中电飞华通信有限公司,北京 100070)
现阶段,由于电力信息系统功能的不断完善,使信息化工作核心由创建阶段向运维阶段过渡,只依赖经验对电力项目运行做出决策的传统信息管理系统无法适应当前可持续发展、技术经济优先的电网运营项目发展。因此,将提高电网运营效率作为目标,构建科学合理的项目决策自动管理体系具有重要意义。
针对项目决策自动管理体系的构建,国内外已有相关研究,高兆力[1]等人利用改进人工蜂群算法实现配电网多故障抢修优化调度。综合分析抢修资源分配、小组协作、抢修顺序等因素,构建应急抢修优化模型;利用多种群同进化机制对传统蜂群算法进行改进,使用多蜂群智能体加强算法处理高维度复杂问题的能力;根据该算法确定抢修优先的统一调度决策方案。范士雄[2]等人将人工智能技术应用到电力项目运营辅助决策中。总结人工智能技术发展趋势,介绍新一代人工智能中深度学习技术。聚焦大电网调控领域,分析其对人工智能的需求;基于此,将该技术用于电网故障识别、负荷预测以及辅助决策等应用场景中,为调控业务智能化发展提供参考与借鉴。Pathak N[3]等人提出了一种基于实时参数估计的智能控制器,用于多区域互联电力系统的自动发电控制。该方法通过感测电力系统模型参数的变化并实时地将其控制器增益设置自动实时地调整到其最佳条件,改善了发电控制的效率。
上述提出的辅助决策算法缺少对项目运营风险的评估,导致在复杂电网环境下做出的决策无法实现经济效益最大化。基于此,本文利用RMS(Rate Monotonic Scheduling)方法设计一种项目运营辅助决策管理体系。RMS表示任务运行的优先级根据周期进行分配,即按照任务执行时间长短确定调度先后,执行周期越小的任务具有较高的优先级。此外,对项目运营的风险进行评估,借助电网信息化管理系统,收集与决策相关的数据,完成辅助决策管理体系设计。
随着电网规模增大与复杂程度不断提高,信息化管理系统[4]已经发展为电网安全运行的重要部分。现阶段电力系统已成为信息通信、辅助决策与监控系统组成的一体化网络。要想实现智能电网,必须使信息技术贯穿全网,利用传感器、智能终端等设备达到全网可观可控目的。
在智能电网[5]下,整体电网项目运行将呈现出显著融合的特征。因此建立电网信息化管理技术架构,如图1所示。
图1 电网信息化管理体系结构图
图1中电网信息化管理技术架构分为信息采集层、基础设备层、信息集成层以及应用展示层。从图1中能够获取信息化管理系统支撑平台结构,如图2所示。
图2 支撑平台结构图
支撑平台结构的核心为数据共享模块,主要由交换系统、访问接口与公共信息模型组成。其中交换平台可以对数据进行处理;访问接口可实现数据访问形式和应用的无关性;公共信息模型则能够完成数据表示。它们共同构成数据共享机制[6],为国家电网信息化管理铺平道路,同时也为项目运行的辅助决策管理打下基础。
为使决策更加科学合理,本文对运营项目进行评估,也就是对电网信息化系统运行风险做出判断。电网面临的所有不确定性因素都可称作运行风险。其计算公式如式(1):
公式中,Xt,f表示t时刻运行方式,Xt,j代表第j个可能的负载情况,Pr(Xt,j|Xt,f)为时刻出现Xt,j负载水平的几率,Pr(Ei)为第Ei个扰动形成的几率,Sev(Ei|Xt,j)描述第j个负载水平下出现第i个扰动后风险严重程度。
电力可靠性指电力系统元件、设施在规定环境与时间下,完成固定任务的可能性。其可靠性表达式如式(2):
公式中xi=(xi1,xi2,…,xim)表示状态空间Ω内第i个系统状态,其概率分布函数计作P(xi),指数函数计作F(Xi),其能够描述概率、功率、负载等指标。遍历状态空间[7]全部样本后获得的可靠性即为理想值E(F)。
将风险评估公式与电网可靠性公式进行比较得到:
公式(1)中Sev(Ei,Xt,j)就是公式(2)中F(Xi)的其它描述方式。
因此,从数学空间认识角度分析,抽象后的公式(2)和(1)除对系统空间状态的表现方式不同以外,所需解决的问题从本质上讲是相同的。所以对项目运营风险的评估就是对其可靠性的判断。
完成运营项目风险评估后,确立辅助决策指标体系[8],并确定其权重。辅助决策权重评分内容为全部运营项目的基础信息,包括项目编号、名称、电压等级、地点等要素。
表1 运营项目辅助决策指标表
(1) 按项目执行周期分值排序
将RMS 思想与加权思想相结合,通过分析任务执行周期的长短确定优先级。将所有运营项目指标与对应权重乘积的和当作项目分值,综合考虑项目绝对优先级与否决级,对项目所得分值进行排序。根据项目分值排序的模型表达式如式(3):
公式中uα表示第α个项目,vβα代表第α个项目的第β个指标,pa(uα)指第α个项目所得分值,kβ是第β个指标运算系数。
计算系数kβ的取值通常为1或0,当值为1时代表在决策时应考虑此指标;若为0,则不考虑。此处引入计算系数能够在决策过程中更加全面分析每个项目属性。上述排序模型获得的排序结果是利用RMS 思想,按照项目执行任务周期长短得出的,为寻求最优模型提供参考条件。
(2) 按项目投资分值排序模型
在对运营项目进行决策时单考虑执行周期还无法做到精准辅助决策,还需对所有项目投资额进行分析,将项目周期分值和投资额的商当作单位投资分值,按该值进行从大到小排序。根据投资多少获得的分值模型如式(4)所示:
公式中,pb(uβ)表示第β 个项目单位投资得分情况,M(uβ)表示第β个项目总投资额。
(3) 综合寻优模型
如果只用项目周期分值或投资分值模型进行辅助决策,在复杂情况下无法获得最优项目调度,所以要构建多目标综合寻优模型,并通过现代智能算法计算模型结果,完成最终的辅助决策。
寻优模型将上述构建的两个模型作为目标函数,约束条件中,综合分析项目离散性约束、优先级与总投资额等限制条件。此模型能够在电网追求的项目分值最高、投资最小情况下使用。寻优模型如公式(5)所示:
公式中,popt与Mopt分别表示项目分值与总投资额,M+代表绝对优先运营项目的整体投资额度,M0为给定投资值。
引入计算系数,这时公式(5)模型能够达到电网稳定安全目的并且实现运营项目总投资最小等多种目标寻优组合,为辅助决策提供灵活多样的决策参考。
在完成辅助决策建模后,采用BC(Binary Calculator)算法对该模型求解。此算法结合细菌在化学引诱剂环境下的行为实现优化求解。是一种支持所有精度交互执行的计算器语言,具有运算过程简便,鲁棒性强等优势。
假设细菌数量是e,细菌坐标变量位数取决于项目数 ,则随机初始化矩阵表示为e× 阶,利用元素1和0分别表示项目被选中或未选中;通过项目数量描述细菌移动寻优过程中的空间位置信息,F值表示目标监测量,也就是指细菌在维空间中循环操作上述寻优过程,并综合考虑项目离散特征与投资约束条件。
为了提升基于辅助决策模型的自动管理体系智能化程度,减少人工需求,本文根据辅助决策需求,设计自动管理体系分为几个功能模块:
基础信息模块:此模块能够使辅助决策系统对电力系统中的主线路、重要变压器、电量、负荷等数据进行查询与维护。
电网现状分析:将辅助决策系统与DIS 技术相结合,实现电网负载密度、负载率等信息的可视化。
市场分析:利用数据挖掘技术通过信息化管理系统对负载与电量进行有效分析,确保分析的系统性、全面性以及多指标性,使用户可以及时掌握更多可靠的信息。
市场预测:此模块在电力系统中占据特别关键的地位,科学决策手段是基本条件,可根据该模块完成电量多维度预测。
电网规划:该模块能够直接获取电力与电量预测结果,同时,结合变电站与发电厂实际情况,完成对不同规划方案的管理。
调度模拟:该功能可模拟电源规划方案、电线连接方案调度情况。根据模拟结果得出最优系统检修计划、可靠性以及电力平衡等指标。
(1) 决策信息
利用上述模块共同构成运营项目辅助决策自动管理体系,在此体系中最为重要的技术为信息收集与辅助决策。
针对信息系统而言,如何有效处理决策数据已经成为信息化管理的重要内容。早期信息化管理利用人工录入方法对信息进行管理,但随着电网规模扩大,数据呈爆炸式增加,为此,本文提出决策信息收集方法,分为信息采集、汇总、保存等多个环节,因为电网信息化管理水平不统一,所以数据采集渠道不同。
(2) 辅助决策
由于运营项目目标不同,分析手段、统计口径会形成差异,管理体系需提供服务接口、信息收集与模板制定等功能。具备灵活的服务接口不但能节约二次开发费用,还能提高辅助决策效率,支持辅助决策应用的实现。
综上所述,在构建电网运营项目辅助决策模型基础上,通过对管理模块与关键技术的设计,形成一套完整的辅助决策管理体系。该体系可对电网项目规划提供决策支持。
为验证本文设计的辅助决策管理体系的有效性,以某地区电网运营辅助决策系统的应用为例进行仿真实验。信息系统的数据层利用MS SQL Server2018数据库提供基础数据。实验参数如表2所示。
表2 实验条件及参数设置
为证明本文方法辅助决策管理体系真实效果,与文献[1]、文献[2]方法对相同运营项目的辅助决策的耗费成本与电网运行稳定性进行对比。得出的结果分别如图3和图4所示。
图4 电网运行稳定性对比图
由图3 和图4 可知,在相同条件下利用本文辅助决策管理体系的运营项目所需成本最低,且随着运营项目的不断增加,电网可以保持较高的稳定性。这是因为,本文综合分析了项目价值与投资分值,构建寻优模型,确保辅助决策的科学与合理性。
本文在RMS的基础上计算项目执行周期,确定优先级,同时获取项目投资分值,结合项目风险评估结果,构建寻优模型,设置信息化自动管理模块,完成辅助决策自动管理体系设计。仿真实验证明,该方法能够体现出决策智能化特征,降低项目运营费用,提高电网稳定性。但同时该方法也有一定的局限性,在今后研究中,可进一步优化可视化技术,提高电网辅助决策体系性能。