Проектирование и разработка многоагентной системы оценивания состояний электроэнергетических систем Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.89

ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА МНОГОАГЕНТНОЙ СИСТЕМЫ ОЦЕНИВАНИЯ СОСТОЯНИЙ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СИСТЕМ

1 9

© Л.В. Массель1, В.И. Гальперов2

1,2Иркутский национальный исследовательский технический университет,

664074, Россия, г. Иркутск, ул. Лермонтова, 83.

1ИСЭМ СО РАН им. Л.А. Мелентьева,

664033, Россия, г. Иркутск, ул. Лермонтова, 130.

В современных условиях для функционирования электроэнергетических систем (ЭЭС) и управления ими требуется создание расчетной модели для схем большой размерности на базе методов оценивания состояния ЭЭС. Такие схемы не полностью наблюдаемы, возможно искажение данных, плохая их синхронизация и, как следствие, принятие неправильных решений, формируемых на базе расчетной модели. Существует необходимость в разработке новых методов и программных средств для оценивания состояний, которые позволят исключить эти проблемы. Статья посвящена вопросам разработки таких методов и средств.

Ключевые слова: многоагентные системы; оценивание состояний ЭЭС; агентные сценарии; интеллектуальные энергетические системы.

DESIGN AND DEVELOPMENT OF A MULTI-AGENT SYSTEM FOR ELECTRICAL POWER SYSTEM STATE ESTIMATION L.V. Massel, V.I. Galperov

Melentiev Energy Systems Institute SB RAS, 130 Lermontov St., Irkutsk, 664033, Russia. Irkutsk National Research Technical University, 83 Lermontov St., Irkutsk, 664074, Russia.

Operation and control of electrical power systems nowadays require the creation of a calculation model for large-scale schemes based on the methods of power system state estimation. Such schemes are not fully observable: they concede data corruption or their bad synchronization. As a result, experts can make wrong decisions formed on the basis of the calculation model. To solve this problem it is necessary to create new state estimating methods and software free from the named problems. The article is devoted to the development of such methods and means. Keywords: multi-agent systems; electrical power system states estimation; agent-based scenarios; smart grid.

Введение

В последнее десятилетие за рубежом активно обсуждается и развивается концепция Smart Grid, что в переводе на русский язык означает «умная» или «интеллектуальная энергетическая система». В США и Европейском союзе концепция Smart Grid рассматривается как технологическая концепция электроэнергетики будущего [2, 8, 10, 11]. В России обсуждение проблемы активизировалось несколько позже [3, 4]. Предлагается конкретизация данного понятия как «интеллектуальной электроэнергетической системы» [9].

Развитие рыночных отношений в электроэнергетике России привело к появлению новых задач, для решения которых необходима расчетная модель текущего режима электроэнергетической системы, получаемая на основе данных телеизмерений с помощью методов оценивания состояния (ОС) электроэнергетических систем [1, 6].

Одними из основных направлений работ по развитию автоматизированной системы управления режимами являются разработка алгоритмов выявления

предаварийных состояний энергосистем и диагностики электротехнического оборудования на основе методов оценивания состояний и параметрической идентификации и создание систем распределенного расчета режимов энергосистем. Применение многоагентного подхода позволит разработать оперативную и гибкую в настройке систему оценивания состояний электроэнергетических систем (ЭЭС) [2]. Актуальность работы определяется, с одной стороны, развитием концепции «интеллектуальных энергетических систем» (Smart Grid), одним из важных аспектов которой является использование многоагентных технологий, с другой -малым количеством практических подходов к реализации многоагентных систем.

Архитектура многоагентной системы и технология численного решения задачи оценивания состояния ЭЭС

Средствами разработки и исполнения распределенных приложений, как правило, являются много-агентные системы, опирающиеся на статический подход (позволяют передавать только данные приложе-

1Массель Людмила Васильевна, доктор технических наук, главный научный сотрудник, профессор кафедры автоматизированных систем Института кибернетики, тел.: 89148736049, e-mail: [email protected]

Massel Lyudmila, Doctor of technical sciences, Chief Researcher, Professor of the Department of Automated Systems of the Institute

of Cybernetics, tel.: 89148736049, e-mail: [email protected]

2Гальперов Василий Ильич, аспирант, тел.: 89500833644, e-mail: [email protected]

Galperov Vasiliy, Postgraduate, tel.: 89500833644, e-mail: [email protected]

ний) или динамический подход (обеспечивают возможности передачи исполняемого кода). Для решения данной задачи достаточным является использование статического подхода, поскольку все этапы алгоритма заранее определены и не требуют изменения во время функционирования многоагентной системы.

Система должна обеспечивать возможность выполнения следующих функций:

• Деление расчетной схемы ЭЭС на подсистемы.

• Оценивание состояния подсистем.

• Решение координационных задач между подсистемами.

• Агрегирование результатов расчетов.

• Обеспечение возможности работы агентов в локальной сети.

Таким образом, мы можем усовершенствовать методику оценки состояний, разработав для каждого этапа алгоритма собственное программное решение (таблица).

Агент разбивки

В функции данного агента входит декомпозиция расчетной схемы на подсистемы по граничным узлам или ветвям и уровням напряжения. В качестве исходных данных выступают данные о схеме замещения рассчитываемой сети и о составе имеющихся в ней измерений. Исходные данные для каждой ЭЭС хранятся в нескольких файлах, имеющих для каждой ЭЭС одинаковое уникальное имя и различные расширения:

1. Dat - данные по узлам и ветвям базовой схемы.

2. Adr - данные о базовом составе телеизмерений (ТИ).

3. Psv - данные о псевдоизмерениях.

4. Con - программные константы.

Алгоритм работы агента выглядит следующим образом:

1. Агент начинает процесс декомпозиции после получения всех файлов с исходными данными. Необходимо разбить узлы и ветви на группы по уровням напряжения. Основных групп три: 750-550, 330-220, 110-0. Пользователь может самостоятельно поменять граничные значения, если это необходимо.

2. После того как агент распределил узлы, он начинает выполнять ту же операцию с ветвями. Ветви между узлами, находящимися в одной группе, зано-

сятся в нее же. Граничные ветви, которые соединяют узлы, находящиеся в двух разных группах, распределяются в обе группы.

3. Агент проверяет все граничные связи и дополняет каждую группу граничными узлами из соседних групп.

4. Формируется 12 выходных файлов. Для каждой группы создаются свои файлы форматов dat, adr, psv и con.

На рис. 1 изображена диаграмма классов агента декомпозиции. Классы AdrItem222, AdrItem333 и AdrItem444 предназначены для хранения строк из файла с базовым составом ТИ. Классы DatItem200 и DatItem300 предназначены для хранения строк из файла с данными по узлам и ветвям базовой схемы. В объектах класса Psv хранится информация о псевдоизмерениях. Основным классом данного агента является класс Controller. В нем содержится информация из всех исходных файлов, граничные значения для декомпозиции, а также присутствуют атрибуты, которые после работы агента будут содержать подсистемы, полученные в результате разбиения исходных данных на группы.

На рис. 1 отсутствуют классы, реализующие сетевой компонент каждого агента, ввиду большого размера диаграммы. Эти элементы идентичны тем, что присутствуют в других агентах, поэтому они будут указаны ниже.

Агент оценки состояний

Задачей данного агента является выполнение процесса оценки состояний ЭЭС. До последнего времени в ИСЭМ СО РАН для решения подобных задач использовался программно-вычислительный комплекс (ПВК) «Оценка-РС» [6]. Поскольку данный комплекс в течение длительного времени эксплуатации положительно себя зарекомендовал, было принято решение использовать его для расчета подсистем, полученных после декомпозиции. Учитывая, что ПВК перешел в категорию унаследованного программного обеспечения, для него была написана дополнительная оболочка, которая позволила использовать его в качестве агента. Агент осуществляет все сетевые взаимодействия с главным модулем, получает исходные данные и подготавливает файлы для расчета, а затем запускает ПВК, который выполняет расчет, и после возвращает результаты главному модулю.

Усовершенствованная методика ОС

Этап Программное средство Результат этапа

Получение задания от пользователя Главный модуль Исходные данные получены, запущен процесс решения задачи

Декомпозиция исходных данных Агент декомпозиции Исходные данные разделены на отдельные подсистемы

Оценивание состояния Агенты ОС В полученных на прошлом этапе подсистемах выполнено оценивание состояний

Проверка значений в граничных узлах Агент кооперации Проведено сравнение значений в граничных узлах в разных подсистемах, в случае несоответствия измерений в них внесены коррективы

Объединение данных Агент агрегации Полученные ранее подсистемы вновь объединены в одну

Рис. 1. Диаграмма классов агента декомпозиции

ПВК позволяет решать следующие технологические задачи:

1. Анализ ошибок в задании пассивных параметров и топологии сети.

2. Достоверизация обобщенных телесигналов (ТС) по согласованию их показаний со значениями соответствующих телеизмерений.

3. Формирование контрольных уравнений по из-

меренным параметрам, достоверизация ТИ по анализу невязок контрольных уравнений (КУ) и их ранжировка на достоверные, сомнительные, плохие и непроверенные.

4. Уточнение состояния обобщенных ТС с помощью КУ.

5. Фильтрация случайных погрешностей измерений.

6. Дополнительный расчет по полученным оценкам неизмеренных параметров режима.

7. Идентификация дисперсии ТИ и формирование архива признаков достоверности ТИ.

8. Сервисные функции, осуществляющие ввод и редактирование исходной информации из файлов ПВК или из базы данных, отображение результатов расчетов в табличной и графической форме.

На рис. 2 изображена диаграмма классов агента оценки состояний. Классы Recive и Send предназначены для сетевого взаимодействия с другими агентами. Они работают параллельно с основным процессом. Как только приходит новое сообщение, приемник помещает его в класс Stack, затем все сообщения из данного класса обрабатываются, и на основании этого формируется новая задача, которая записывается в объект класса Task.

Затем расчетный компонент агента, представленный классом Estimation, записывает файлы с исходными данными в предназначенные для них папки ПВК «Оценка-РС». После этого агентом создается файл с расширением .bat, в котором указан скрипт для запуска расчетов подготовленных файлов с исходными данными.

После завершения расчетов полученные файлы передаются следующему агенту через объект класса Send.

Агент координации

Основной задачей агента координации является согласование между собой подсистем, которые в дальнейшем будут объединены в одну. Агент проверяет значения оценок в граничных узлах, расположенных в разных схемах, но имеющих один номер. В слу-

чае если оценки одинаковые (с учетом незначительной погрешности измерений), агент координации возвращает подсистемы главному модулю либо передает их агенту агрегации. Если в оценках есть значительное различие, то в значения измерений вносятся корректировки, и для этих подсистем вновь производится процесс оценки состояний. После этого весь процесс повторяется до тех пор, пока согласование не будет достигнуто.

Помимо этого, агент координации выполняет и другие функции:

• Получение из главного модуля данных всех подсистем первого уровня декомпозиции.

• Расчет активных и реактивных мощностей в граничных узлах либо перетоков мощности в граничных ветвях.

• Передача в модуль агрегирования значений активных и реактивных мощностей граничных узлов или перетоков мощности граничных ветвей.

• Получение данных граничных узлов областей уровня напряжения из модулей области уровня напряжения.

• Расчет активных и реактивных мощностей во всех граничных узлах областей подсистемы.

• Передача рассчитанных значений в модуль агрегирования.

На рис. 3 приведена диаграмма классов агента координации. Метод сетевого взаимодействия с другими агентами идентичен методу, описанному в агенте оценки состояний, а модель данных такая же, как и в агенте декомпозиции, поэтому их описание опускается.

Рис. 2. Диаграмма классов агента оценки состояний

Исходные данные агента координации - это две подсистемы, которые имеют одинаковые граничные узлы. Поскольку расчеты каждой подсистемы проходили отдельно друг от друга, то могут возникнуть проблемы при объединении схем. Агент координации устраняет возникшие расхождения в рассчитанных показателях и передает данные следующему агенту.

Агент агрегации

Агент агрегации выполняет заключительный этап в процессе оценки состояний. Основной и главной его задачей является объединение всех подсистем в исходную. Для этого необходимо удалить дублирующиеся записи и проверить правильность адресов узлов, которые могли быть изменены на этапе декомпозиции. В случае необходимости адреса корректируются. На выходе агент получает файлы, содержащие в себе

исходную схему с удаленными плохими данными и рассчитанными параметрами.

Функции агента:

1. Получение от модуля координации значений активных и реактивных мощностей граничных узлов областей и активных и реактивных мощностей граничных узлов либо перетоков мощности граничных ветвей крупных подсистем.

2. Агрегирование этих данных в выходные файлы.

3. Передача выходных данных в главный модуль.

На рис. 4 изображена диаграмма классов агента агрегации. В классе Адгед хранится информация о трех подсистемах, которые он снова объединяет в единую схему.

Adrltem444

-cepi_number : string -nmb start : string -nmb_end : string

+Adrltem444() +toString() : string

Adrltem222

-number: string -adresUzNapr: string -adresActNapr: string -AQN : string -APG : string -AQS : string -dispNapr: siring -PnQn : string -PG string -QG : string -gran : bool

+Adrltem222() +toString() : string

Adrltem333

-cepi_number: string -nmbslarl: string -nmb_end : string -adrAktPij_slart: siring -adrReaktPij_start: string ■adrAktPij_end : string -adrReaktPij_end : string ■disprPij : string -disprQij : string ■disprPji : string -disprQji : string ■gran : bool

+Adrltem333() +toString() : string

Recive

-server

+processing_reque5tO -

+stop()

+work()

ItemDatAbs

-code : string -source : siring

■<J <

Coop

-Dal_1 : string

-Dat_2 : string

-Adr_1 : string

-Adr_2 : string

-dal 200 1 : Dalltem200

-dat 200 2 : Datltem20Q

-dat 300 1 : Datltem300

-dat 300 2 : Datltem30D

-adr 222 1 : Adrltem222

-adr 222 2 : Adrltem222

-adr 333 1 : Adrltem333

-adr 333 2 : Adrltem333

-adr 444 1 : Adrltem444

-adr_444_2 : Adrltem444

+compared : bool

+work()

+edi1Data()

+send()

+readTask()

i J

4>

Stack

-slack : string

Task

-adr: string -dat: string ■prioryty : int ■status : int

+Task()

Datltem200

-number: siring -narri_voltage : string -curr_voltage : string -qgen_min : string -qgen_max : string -numb_baz_Lizel : string -gran : bool

+ Datllem200() +toString() : string

Datltem300

-cepijnumber: string -nmb_start : string -nmb_end : string -actR : string -reactR : string -fuilEmk : string -raalTrans : string -mnim : string -actProvod : siring -gran : bool

+Datltem300() +toString() : string

1 Send

J

+Connect()

Рис. 3. Диаграмма классов агента координации

Рис. 4. Диаграмма классов агента агрегации

Вывод и результаты

Авторами на основе предлагаемой усовершенствованной методики, приведенной в таблице, выполнено проектирование многоагентной системы оценивания состояний ЭЭС. Выделены и описаны основные компоненты для каждого типа агентов. Построены диаграммы классов, и определены функции каждого агента и требования к нему. Разработаны главный

модуль и агенты декомпозиции, координации и агрегирования. Агент оценки состояний реализован на основе унаследованного ПВК «Оценка-РС».

Работа выполнена при частичной финансовой поддержке грантов РФФИ №15-07-01284, №13-0700140, №14-07-31268, №14-07-00116, №12-07-00359 и №15-07-04074 Бел_мол_а.

Статья поступила 25.09.2015 г.

Библиографический список

1. Гамм А.З. Статистические методы оценивания состояния электроэнергетических систем. М.: Наука, 1976. 220 с.

2. Глушко С., Пикин С. Технологическая концепция Smart Grid - облик электроэнергетики будущего // Энергорынок. 2009. № 11 (71). С. 68-72.

3. Дорофеев В.В., Макаров А.А. Активно-адаптивная сеть - новое качество ЕЭС России // Энергоэксперт. 2009. № 4. С. 28-34.

4. Кобец Б.Б., Волкова И.О. Smart Grid в электроэнергетике // Энергетическая политика. 2009. Вып. 6. С. 54-56.

5. Колосок И.Н., Пальцев А.С. Двухуровневый иерархический алгоритм оценивания состояния ЭЭС и его реализация на основе мультиагентного подхода // Сб. докладов III Меж-дунар. науч.-практич. конференции «Энергосистема: управление, конкуренция, образование»: в 2 т. Т. 1. Екатеринбург: УГТУ-УПИ, 2008. С. 354-359.

6. Оценивание состояния в электроэнергетике / А.З. Гамм, Л.Н. Герасимов, И.И. Голуб, Ю.А. Гришин, И.Н. Колосок. М.:

Наука, 1983. 302 с.

7. Программно-вычислительный комплекс «Оценка» оценивания состояния ЭЭС в реальном времени / Ю.А. Гришин, И.Н. Колосок, Е.С. Коркина, Л.В. Эм, В.Г. Орнов, Н.Н. Шелу-хин // Электричество. 1999. № 2. С. 8-16.

8. Amin S.M., Wollenberg B.F. Toward a Smart Grid: power delivery for the 21 st century // IEEE Power and Energy Magazine. 2005. Vol. 3. No. 5. P. 34-41.

9. Chuand A., McGranaghan M. Function of a local controller to coordinate distributed resources in a Smart Grid // IEEE PES General Meeting (Pittsburg, USA, July 20-24, 2004). Pittsburg, 2004. P. 6.

10. European Smart Grids technology platform: Vision and strategy for Europe's electricity networks of the future. European Commission, 2006. 38 р.

11. Shahidehpour M. Smart Grid: A new paradigm for power delivery // IEEE Bucharest Power Tech (Bucharest, Romania, June 28 - July 2, 2009). Bucharest, 2009. P. 7.