基于多智能體的電力系統(tǒng)連鎖故障預防控制研究

【摘 要】文中將基于多智能體的預測控制算法應用于預防連鎖故障控制中，提出了一種預防電網(wǎng)連鎖跳閘的在線計算的優(yōu)化控制算法。該算法將電力系統(tǒng)各節(jié)點最佳切機切負荷量作為控制量，通過分布式模型預測控制算法對控制量進行優(yōu)化，并預測下一時刻的電流值。該方法可在支路過載時優(yōu)化切機切負荷量，降低損失，同時有效預防連鎖故障的發(fā)生。

【關鍵詞】連鎖故障 多智能體 預測控制

1 引言

近年來，國內(nèi)外發(fā)生過多起電力系統(tǒng)大停電事故，而且很大的一部分事故的發(fā)生是由連鎖跳閘事故發(fā)展而來的，此類連鎖故障往往是由單一元件故障或線路過負荷引起的，元件相繼退出運行造成大面積停電甚至整個電網(wǎng)崩潰[1]。在大停電事故發(fā)展的初期，如果電力操作人員控制得當，是完全可以避免的[2]。

2 多智能體技術

多智能體是近年來工程計算研究的一大熱點，多智能體的思想是將系統(tǒng)需集中完成的任務通過幾個子系統(tǒng)來完成。不同子系統(tǒng)之間既相對獨立又相互聯(lián)系，通過協(xié)同合作的方式進行工作。這種處理模式已成功應用于電力系統(tǒng)[3]。文中把電力系統(tǒng)中每個節(jié)點看成一個智能體，每個智能體均包含對節(jié)點電流的預測控制算法，同時也可以與其他智能體之間進行相互通信，交換數(shù)據(jù)。

3 基于多智能體的連鎖故障預測控制算法

每個智能體在每一采樣時刻對有限時域上的性能指標進行在線優(yōu)化，得到一組最優(yōu)的控制序列，并把它作用到對象上去。因此，預測控制不是一個對全局相同的優(yōu)化性能指標，而是在每一時刻有一個相對該時刻的優(yōu)化性能指標[4-5]。此預測控制的優(yōu)化過程不是一次離線進行，而是反復在線進行的。多智能體預測控制算法具體步驟如下：

步驟1：在包含 個節(jié)點， 條支路的網(wǎng)絡中，假定網(wǎng)絡中支路 由于發(fā)生潮流轉(zhuǎn)移引起保護啟動，將電力系統(tǒng)中的發(fā)電機、負荷都作為節(jié)點注入電流表示，計算網(wǎng)絡的重要度系數(shù)矩陣 。

步驟2：將矩陣 中第 行的元素 進行排序，選取 個 所對應的節(jié)點 進行切負荷控制，與之對應，選取 個 所對應的節(jié)點 進行切機控制。

步驟3：選取節(jié)點 與節(jié)點 的切機切負荷量，將其作為分布式模型預測控制的控制量。

步驟4：根據(jù)分布式模型預測控制中的性能優(yōu)化指標對控制量進行優(yōu)化，并計算下一時刻支路 的電流值。

步驟5：重復以上步驟，直至支路 的電流進入安全范圍內(nèi)。

文中對IEEE30節(jié)點的系統(tǒng)進行仿真驗證，包含30個節(jié)點，35條支路，假定網(wǎng)絡中支路6被切除，從而使支路11發(fā)生潮流轉(zhuǎn)移引起保護啟動，將電力系統(tǒng)中的發(fā)電機、負荷都作為節(jié)點注入電流表示。支路6被切除后，計算出 。按照節(jié)點的重要程度，選取3個切負荷節(jié)點依次為節(jié)點7，4，12。與之對應，選取3個切機節(jié)點依次為節(jié)點2，8，5。然后選取合適的切機切負荷作為第一步優(yōu)化控制的控制量進行模型預測控制。在 時刻預測 時刻的輸出為：

優(yōu)化后的控制量作用于實際被控系統(tǒng)，滾動到下一采樣時刻 ，系統(tǒng)接收新的測量信息 ，重復優(yōu)化步驟，直至支路11的電流進入安全范圍內(nèi)。以下為優(yōu)化控制后的結果；圖表1所示。

4 仿真結果與討論

從表中可看出，在支路6被切除后支路11的電流平均值為1583.7A，嚴重超過支路安全運行的電流值。在進行第二、三次切機切負荷后，支路11電流值為1083.5A，進入安全運行的范圍內(nèi)，且每次的切機切負荷量也逐漸減少，而且在每次控制后，可以對過載支路的電流進行預測，從而達到在短時間內(nèi)對連鎖故障進行預防的目的。

5 結語

本文將多智能體的預測控制算法應用于預防連鎖故障控制中，把一個復雜大系統(tǒng)的在線求解問題分散到各個智能體中實現(xiàn)，選取節(jié)點的切機切負荷控制量，進行多步切機切負荷優(yōu)化控制，通過實時滾動優(yōu)化，達到抑制連鎖故障蔓延的目的。最后通過對IEEE30節(jié)點的系統(tǒng)進行仿真驗證了該切機、切負荷優(yōu)化控制方法的可行性。

參考文獻：

[1]梁志峰，葛睿，董昱，陳剛.印度“7.30”.“7.31”大停電事故分析及對我國電網(wǎng)調(diào)度運行工作的啟示[J]，電網(wǎng)技術，2013，37（7）：41-48.

[2]Dobson I， Carreras B A， Newman D E. A branching process approximation to cascading load-dependent system failure[C]，Hawaii International Conference on System Science，2004：833-838.

[3]段濤，陳維榮，戴朝華，徐挺，張舟.多智能體搜尋者優(yōu)化算法在電力系統(tǒng)無功優(yōu)化中的應用[J]，電力系統(tǒng)保護與控制，2009，37（14）：10-15.

[4]席裕庚，李德偉，林姝.模型預測控制：現(xiàn)狀與挑戰(zhàn)[J]，自動化學報，2013，39（3）：222-236.

[5]Qin S J， Badgwell T A. A survey of industrial model predictive control technology [J]， Control Engineering Practice，2003，11（8）：733-764.

作者簡介：王馨漪（1989—），助理實驗師，碩士，研究方向：智能電網(wǎng)。