На правах рукописи

ПАЛЬЦЕВ Алексей Сергеевич

РАСПРЕДЕЛЕННАЯ ОБРАБОТКА ТЕЛЕИНФОРМАЦИИ ПРИ

ОЦЕНИВАНИИ СОСТОЯНИЯ ЭЭС НА ОСНОВЕ

МУЛЬТИАГЕНТНЫХ ТЕХНОЛОГИЙ

Специальность 05.14.02 – электрические станции и электроэнергетические

системы

Автореферат диссертации на соискание ученой степени кандидата технических наук

Иркутск - 2010 г.

Работа выполнена в Институте систем энергетики им. Л.А.Мелентьева (ИСЭМ) СО РАН, г. Иркутск

Научный руководитель: доктор технических наук, старший научный сотрудник Колосок Ирина Николаевна

Официальные оппоненты: доктор технических наук, профессор Крюков Андрей Васильевич кандидат технических наук, доцент Бахвалов Сергей Владимирович

Ведущая организация: филиал ОАО “СО ЕЭС” “Региональное диспетчерское управление энергосистемы Тюменской области”

Защита состоится 4 мая 2010 г. в 10-00 часов на заседании диссертационного совета Д 003.017.01 при Институте систем энергетики им.Л.А.Мелентьева СО РАН по адресу: 664033, Иркутск, ул. Лермонтова, 130.

Отзывы на автореферат в двух экземплярах, заверенные печатью организации, просим направлять на имя ученого секретаря диссертационного совета Д 003.017.01 по адресу: 664033, Иркутск, ул. Лермонтова, 130, Институт систем энергетики. (e-mail: [email protected], [email protected]).

С диссертацией можно ознакомиться в библиотеке Института Систем Энергетики им.Л.А.Мелентьева СО РАН.

Автореферат разослан «» апреля 2010 г.

Ученый секретарь диссертационного совета Д 003.017.01, доктор технических наук, профессор А.М.Клер

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Развитие рыночных отношений в электроэнергетике России привело к появлению новых задач, для решения которых необходима расчетная модель текущего режима электроэнергетической системы (ЭЭС), получаемая на основе данных телеизмерений с помощью методов оценивания состояния (ОС). Задача ОС состоит в расчете установившегося режима ЭЭС по данным телеизмерений и телесигналов.

Большой вклад в развитие методов оценивания состояния в нашей стране внесли Б.И.Аюев, П.И.Бартоломей, В.А.Богданов, Л.А.Богатырев, В.В.Володин, А.З.Гамм, Л.Н.Герасимов, И.И.Голуб, Ю.А.Гришин, А.М.Глазунова, И.Н.Колосок, А.М.Конторович, В.Г.Курбацкий, М.С.Лисеев, В.З.Манусов, К.Г.Митюшкин, С.И.Паламарчук, В.Л.Прихно, С.Ф.Першиков, Н.Р.Рахманов, В.А.Семенов, С.А.Совалов, И.П.Стратан, А.А.Тараканов, А.А.Унароков, П.А.Черненко, Ю.Я.Чукреев, А.В.Челпанов, О.Н.Шепилов, Л.В.Эм, Т.С.Яковлева и др. Среди зарубежных ученых можно отметить A.Abur, E.Handschin, A.Monticelli, F.C.Schweppe и др.

В ИСЭМ СО РАН для решения задачи ОС разработан метод контрольных уравнений.

Суть метода состоит в использовании для оценивания состояния системы уравнений установившегося режима, описывающих состояние ЭЭС и включающих только измеренные переменные. Метод контрольных уравнений позволяет значительно упростить процедуры ОС ЭЭС и анализа телеизмерений.

В современных условиях, когда множество самостоятельных субъектов энергетической отрасли функционируют совместно в единой системе, но имеют собственные интересы, изменились требования к математическому моделированию Единой Энергосистемы (ЕЭС) России, ее энергообъединений и энергосистем. В настоящее время в СО-ЦДУ ЕЭС России для решения комплекса задач оперативно-диспетчерского управления вместо функционирующих ранее моделей различной степени подробности создана единая расчетная модель, наиболее полно отражающая топологию и режим ЕЭС.

Таким образом, задача оценивания состояния по-прежнему сохраняет свою актуальность, но при ее решении требуется выполнять вычисления для ЭЭС большой размерности, состоящих из параллельно работающих подсистем. При ОС схем такой размерности возникают проблемы, связанные с неоднородностью и большим объемом обрабатываемой информации.

Важным фактором при разработке и реализации методов решения задачи оценивания состояния ЭЭС является требование высокого быстродействия полученных алгоритмов и программ, обеспечивающих получение решения в темпе технологического процесса.

Традиционно задача ОС решается в центре управления ЭЭС, что также приводит к необходимости обрабатывать в одном месте большие объемы информации. Это создает высокую нагрузку на вычислительные ресурсы.

Эффективным методом решения этих проблем является распределенная обработка данных при использовании алгоритмов децентрализованного ОС. Эти алгоритмы могут быть построены на основе разбивки расчетной схемы большой размерности на подсистемы (структурная декомпозиция) и функциональной декомпозиции в соответствии со списком решаемых при оценивании состояния задач (обнаружение плохих данных, непосредственно ОС).

Ранее декомпозиция задачи ОС была актуальной из-за ограниченных вычислительных ресурсов, обработка больших сложных схем на которых была очень долгой. Такой декомпозиции посвящены работы А.З.Гамма, Ю.А.Гришина, О.А.Суханова и др. С другой стороны, необходимость декомпозиции задачи ОС диктует сама структура диспетчерского управления ЕЭС России, построенная по иерархическому принципу. Такая декомпозиция отражена в работах Б.И.Аюева, В.Л.Прихно и др. Декомпозиция задачи ОС широко отражена также в работах зарубежных авторов – A.Abur, G.Heydt, W.Jang, M.Lehtonen, V.Vittal, L.Zhao и др.

В качестве измерений при ОС ЭЭС до недавнего времени в основном использовались телеизмерения, получаемые от системы SCADA (Supervisory Control And Data Acquisition – диспетчерское управление и сбор данных).

Существенно улучшить свойства решения задачи ОС позволяет использование измерений, поступающих от устройств измерения комплексных электрических величин - PMU (Phasor Measurement Units). Измерения, поступающие от PMU, более полно отражают режим рабочей схемы ЭЭС. Использование данных PMU открывает новые возможности при декомпозиции задачи ОС, что было использовано в данной работе.

Одним из возможных подходов к распределенной обработке данных при декомпозиции задачи ОС является применение мультиагентных технологий, относящихся к методам искусственного интеллекта. В ИСЭМ СО РАН вопросам применения методов искусственного интеллекта в задачах энергетики посвящены работы А.М. Глазуновой, Р.А.Заики, Ю.Б.Каштанова, Л.В.Массель, В.В.Новорусского, Н.В.Томина, Д.А.Фартышева, П.В.Этингова и др.

Мультиагентные технологии и мультиагентные системы (МАС) – это сравнительно новое направление, относящееся к методам распределенного искусственного интеллекта. Вместе с тем, результаты от внедрения таких технологий подтвердили перспективность этого направления. Вопросы использования мультиагентных технологий в России и за рубежом отражены в работах В.И.Городецкого, В.И.Тарасова, S.Russell, P.Norwig и др.

В задачах энергетики мультиагентные технологии также находят свое применение. Они используются для мониторинга ЭЭС, создания информационных управляющих систем, разработки переговорной среды для участников рынка электроэнергии, разработке программных комплексов для решения проблем энергетической безопасности и ряде других задач.

В данной работе рассмотрены вопросы разработки алгоритмов декомпозиции задачи ОС, предназначенных для расчета крупных объединенных ЭЭС, и возможность реализации этих алгоритмов на основе мультиагентных технологий.

Целью работы является повышение эффективности алгоритмов ОС при расчете ЭЭС большой размерности и объединенных ЭЭС на основе структурной и функциональной декомпозиции задачи и использования мультиагентных технологий.

Для достижения цели поставлены и решены следующие задачи, определяющие основные направления исследований работы:

1) Изучение основных подходов и анализ методов распределенного ОС ЭЭС.

2) Исследование мультиагентных технологий и возможности их применения при решении 3) Разработка двухуровневого алгоритма структурной декомпозиции расчетной схемы для ОС крупных объединенных энергосистем.

4) Исследование возможности использования измерений от PMU для повышения эффективности алгоритмов декомпозиции задачи оценивания состояния.

5) Разработка алгоритма решения задачи оценивания состояния, базирующегося на структурной и функциональной декомпозиции задачи с использованием измерений от PMU.

6) Проверка эффективности разработанного алгоритма при ОС методом контрольных уравнений.

7) Разработка архитектуры МАС для реализации декомпозиционного алгоритма оценивания состояния методом контрольных уравнений.

8) Проектирование алгоритмов модулей программно-вычислительного комплекса для распределенного оценивания состояния ЭЭС на основе мультиагентного подхода.

Методы исследования. Для решения поставленных задач использовались теория и методы оценивания состояния ЭЭС, методы теории вероятности и математической статистики, методы искусственного интеллекта, методы объектного проектирования и программирования.

Предлагаемые в диссертационной работе алгоритмы оценивания состояния ЭЭС базируются на разработанном в ИСЭМ СО РАН методе контрольных уравнений.

Составляют предмет научной новизны и выносятся на защиту следующие наиболее важные результаты:

1) Декомпозиционный алгоритм решения задачи оценивания состояния, включающий двухуровневый алгоритм структурной декомпозиции расчетной схемы и алгоритм функциональной декомпозиции при оценивании состояния методом контрольных уравнений.

2) Методический подход к использованию измерений от PMU при декомпозиции задачи оценивания состояния.

3) Мультиагентный подход для распределенной обработки телеинформации в ЭЭС.

Практическая ценность работы. Разработанный алгоритм оценивания состояния на основе структурной и функциональной декомпозиции и его реализация в виде мультиагентной системы могут использоваться для расчета реальных схем большой размерности, состоящих из параллельно работающих подсистем. Применение предложенного подхода позволяет существенно повысить точность получаемых оценок и сократить время решения задачи оценивания состояния.

Результаты исследований использовались при выполнении проектов:

• Интеграционный проект № 120 СО РАН «Обеспечение живучести электроэнергетических систем» (Интеграционный проект СО РАН на 2006-2008 гг.) • Гос.контракт №02.527.11.0004 «Разработка оборудования и систем управления крупных энергетических систем» шифр "2008-0-2.7-31-01-007". (2008-2011 гг.) • Проект в рамках 7-й рамочной программы научных исследований и технологических разработок Европейского Союза по направлению «Энергия»: FP7-ENERGY-2008-Russia – Intelligent Coordination of Operation and Emergency Control of EU and Russia Power Grids (ICOEUR) (№ 227122) (2009-2011 гг.).

Апробация работы. Основные положения и результаты работы докладывались на конференциях-конкурсах научной молодежи ИСЭМ СО РАН (Иркутск, 2006, 2007 гг.), международном семинаре “Liberalization and Modernization of Power Systems: Risk Assessment and Optimization for Asset Management” (Иркутск, 2006 г.), международном семинаре “Power and Electrical Engineering” (Рига, 2007 г.), международном семинаре им. Ю.Н.Руденко “Методические вопросы исследования больших систем энергетики” (Иркутск, 2008 г.), научно-практическом семинаре “Современные программные средства для расчета нормальных и аварийных режимов, надежности, оценивания состояния, проектирования ЭЭС” (Иркутск, 2008 г.), международной конференции IEEE Powertech (Бухарест, 2009 г.), международной конференции “Liberalization and Modernization of Power Systems: Coordinated Monitoring and Control towards Smart Grids” (Иркутск, 2009 г.).

Публикации. Основное содержание диссертации отражено в 10 печатных работах, две из которых – в реферируемых журналах, рекомендованных перечнем ВАК РФ [1-2].

Объем и структура работы. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка, содержащего 71 наименование, и двух приложений. Работа содержит 21 рисунок и 24 таблицы. Общий объем диссертации – 131 страница.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность рассматриваемой проблемы, сформулирована цель работы и определены задачи, необходимые для ее достижения. Также сформулированы основные положения, выносимые на защиту. Приводится общая характеристика работы и список публикаций автора по тематике работы.

В первой главе дана постановка задачи ОС, проведен анализ существующих систем сбора и обработки информации при управлении ЭЭС, выполнен обзор методов распределенного ОС. Также в главе рассмотрены мультиагентные технологии, методы проектирования и программной реализации мультиагентных систем, дано обоснование применения мультиагентных технологий для решения поставленных в работе задач. Сформулированы цели и задачи диссертационной работы.

ОС - одно из возможных средств повышения качества информации о текущем режиме электроэнергетической системы. Результатом ОС является расчет установившегося режима (текущего состояния) ЭЭС на основе измерений. Эффективность решения задачи ОС во многом определяется качеством исходной информации, получаемой от SCADA-систем (телеизмерения, телесигналы). Применение SCADA-технологий позволяет достичь высокого уровня автоматизации в решении задач разработки систем управления, сбора, обработки, передачи, хранения и отображения информации. В настоящее время в диспетчерских пунктах ЭЭС наряду с зарубежными широко применяются отечественные разработки SCADA, например Диспетчер, СК-2003, СК-2006, СК-2007.

К недостаткам SCADA-систем применительно к задачам энергетики можно отнести недостаточный объем и невысокую точность телеизмерений. Кроме того, в SCADA-системах невозможна абсолютная синхронизация данных из-за того, что производится последовательное сканирование измерений.

Существенно более высокий уровень наблюдаемости и управляемости в ЭЭС может быть достигнут с внедрением технологии WAMS (Wide-Area Measurement Systems). Основным измерительным оборудованием систем WAMS, позволяющих контролировать состояние ЭЭС синхронно и с высокой точностью, являются приборы для измерения комплексных электрических величин – PMU. PMU, установленное в узле, может измерять комплекс напряжения в данном узле, комплексные токи в линиях, инцидентных узлу с PMU, производить вычисление перетоков мощности.

Отечественным аналогом WAMS являются СМПР (системы мониторинга переходных режимов), основным оборудованием которых являются МИП (многофункциональные измерительные преобразователи).

Измерения, поступающие от PMU, в сочетании с телеизмерениями, пришедшими от SCADA, более полно отражают режим рабочей схемы ЭЭС и позволяют существенно улучшить результаты ОС.

Задача ОС ЭЭС состоит в поиске таких расчетных значений измеренных переменных, которые наиболее близки самим измерениям в смысле критерия:

при соблюдении уравнений электрической цепи связывающих измеренные y и неизмеренные z переменные режима ( R y -ковариационная матрица ошибок измерений).

При решении задачи ОС вводится вектор состояния x =(, U) размерностью (2n-1), где nколичество узлов, включающий модули U и углы узловых напряжений для всех узлов ЭЭС кроме фазы базисного узла. Такой вектор состояния однозначно определяет все остальные переменные режима и дает возможность использовать в качестве уравнений электрической цепи (2) явные зависимости измеренных и неизмеренных переменных от x :

Уравнения (3) используются для определения компонент вектора состояния x по измеренным переменным. При этом задача ОС сводится к минимизации критерия Затем, используя (4), ищутся оценки неизмеренных переменных. Минимальный набор измерений, позволяющий однозначно определить все компоненты x по (3), называется базисным.

Существенно отличающаяся постановка была предложена в ИСЭМ СО РАН. Она состоит в использовании так называемых контрольных уравнений, которые могут быть получены при исключении неизмеренных переменных из уравнений установившегося режима (2). Этот метод рассматривается во второй главе и используется в данной работе для реализации декомпозиционных алгоритмов оценивания состояния.

Независимо от постановки процедура ОС включает в себя решение следующих основных задач:

• формирование текущей расчетной схемы по данным телесигналов, • анализ наблюдаемости, • выявление грубых ошибок в телеизмерениях или обнаружение плохих данных (ОПД), • фильтрация случайных погрешностей телеизмерений (получение их оценок), • дорасчет неизмеренных переменных.

Основные проблемы, возникающие при решении задачи ОС, связаны с недостаточным объемом и низким качеством измерительной информации, поступающей от системы SCADA.

Это приводит к ошибкам при формировании расчетной схемы, появлению ненаблюдаемых районов, критических измерений и критических групп, которые невозможно обнаружить, размазыванию грубых ошибок и, как следствие – искажению результатов ОС и низкой точности получаемых оценок. Использование PMU позволяет достаточно эффективно решить ряд перечисленных проблем.

При ОС ЭЭС большой размерности, состоящих из параллельно работающих подсистем, помимо проблем, вызванных недостаточным объемом и низким качеством измерительной информации, возникают проблемы, связанные с неоднородностью расчетной схемы, большим объемом и неоднородностью измерительной информации, плохой синхронизацией данных на границах подсистем и т.д.

Распределенная обработка данных при декомпозиции задачи ОС является эффективным методом решения этих проблем, повышения качества результатов и надежности вычислительной процедуры ОС ЭЭС.

Распределенный подход к ОС использует процедуры декомпозиции и агрегирования, процедура ОС при этом включает выполнение следующих этапов:

1. На этапе декомпозиции выполняется разбивка расчетной схемы на подсистемы тем или иным методом.

2. Выполняется ОС для каждой подсистемы.

3. Решается координационная задача, которая состоит в расчете граничных переменных и проверке граничных условий. Если условия не выполняются, то повторяется расчет по подсистемам с новыми значениями граничных переменных.

4. На этапе агрегирования, комбинируя решения, полученные для отдельных подсистем, и решение координационной задачи, формируется общее решение для всей схемы.

В диссертационной работе выполнен теоретический обзор современных отечественных и зарубежных методов и алгоритмов распределенного иерархического ОС больших энергосистем. Отмечены их достоинства и основные проблемы, возникающие при использовании этих методов: а) невозможность в ряде случаев получить оптимальное решение, совпадающее с решением для полной схемы; б) необходимость выполнения итерационных расчетов по подсистемам при решении координационной задачи; в) необходимость повторного расчета для полной схемы после выполнения расчетов по подсистемам; г) большой объем информации, передаваемой между подсистемами различного уровня иерархии; д) появление многочисленных взаимодействующих плохих данных на границах подсистем вследствие неточной синхронизации телеизмерений, снижение эффективности методов обнаружения плохих данных в граничных областях.

Базируясь на выполненном теоретическом обзоре, были сформулированы требования к алгоритмам распределенного ОС для расчета больших объединенных ЭЭС: а) получение оптимального решения, совпадающего с решением для полной схемы; б) снижение нагрузки на вычислительные ресурсы в центре управления объединенной ЭЭС; в) максимальное упрощение задачи координации решений отдельных подсистем, по возможности, отсутствие выполнения итерационных расчетов по подсистемам; г) минимизация объемов информации, передаваемых между центрами управления параллельно работающих подсистем и центром координации; д) сокращение время ОС для полной схемы; е) снижение неоднородности расчетной схемы каждой подсистемы, и обеспечение тем самым гарантированной сходимости вычислительного процесса; ж) повышение эффективности алгоритмов обнаружения плохих данных.

В данной работе для разработки алгоритма распределенного ОС, удовлетворяющего этим требованиям, предлагается использовать структурную декомпозицию задачи ОС, т.е. разбивку расчетной схемы на подсистемы, и функциональную декомпозицию задачи ОС (обнаружение плохих данных, непосредственно ОС), а также данные PMU для координации решений отдельных подсистем и повышения эффективности алгоритмов обнаружения плохих данных.

Одним из возможных подходов к реализации данного алгоритма на практике является использование мультиагентных технологий, рассмотренных далее. Основным понятием мультиагентных технологий является агент. Агент – это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных пользователем.

Обычно агент обладает набором следующих свойств:

• адаптивность: агент обладает способностью обучаться;

• автономность: агент работает как самостоятельная программа, ставя себе цели и выполняя действия для достижения этих целей;

• коммуникативность: агент может общаться с другими агентами;

• коллаборативность: агент может взаимодействовать с другими агентами несколькими способами, например, играя роль поставщика/потребителя информации или одновременно обе эти роли, а также роль посредника;

• способность к рассуждениям;

• мобильность: способность к передаче кода агента от одного источника данных к Системы, содержащие группу агентов, которые могут взаимодействовать между собой, называются мультиагентными системами. МАС также может быть определена как сеть асинхронных объектов, которые работают вместе для того, чтобы решать проблемы, которые не под силу решить одному из таких агентов. МАС обеспечивает ряд преимуществ, например:

а) предоставляет естественный способ оперировать с логически и физически распределенными задачами; б) не нуждается ни в полном контроле, ни в глобальном хранении данных; в) увеличивает надежность системы; г) модульность такой системы позволяет ей расширяться; д) даже очень сложные проблемы могут быть быстро решены; е) архитектура системы очень проста, и способ работы системы довольно прозрачен.

Общая схема мультиагентной системы изображена на рис.1. Чтобы выполнять свою роль в организации системы, агенты должны обмениваться знаниями друг с другом и координировать свои действия.

Имеется два подхода к разработке языка общения между агентами. Первый подход процедурный, то есть коммуникации базируются на исполнении инструкций. Такой язык может быть спроектирован и запрограммирован на языке Java или таком средстве разработки, как TCL. Второй подход - декларативный, то есть коммуникации происходят на базе описаний. Он получил более широкое распространение для создания языков общения агентов. Одним из самых популярных языков является KQML (Knowledge Query and Manipulation Language).

Распределенные вычисления относятся к такому типу вычислений, которые используют несколько соединенных процессоров для совместной работы с целью получения решения некоторой конкретной проблемы. Распределенные вычисления предлагают естественный подход к обработке сложных данных и трудоемким вычислениям в задачах, которые возникают при анализе и управлении системами энергетики. Многие из подходов к распределенным вычислениям были развиты в течение последних десятилетий. Они включают в себя сокетовое программирование, удаленный вызов процедур (RPC), объектно-ориентированную технологию DCE, распределенную объектную модель компонентов (DCOM), общую архитектуру объектных запросов (CORBA), интерфейс вызова удаленных методов (Java RMI). Имеется множество доступных агентных платформ для реализации мультиагентных систем, таких как Voyager, Concordia, Aglets, SMART и др. Анализ существующих реализаций мультиагентных систем показывает, что наиболее распространенным в их разработке является подход Java RMI.

Мультиагентные технологии в данной работе используются для как можно более быстрого и динамичного взаимодействия между решаемыми задачами комплекса оценивания состояния, а также для обучения компонентов системы (агентов). Для взаимодействия компонентов системы может быть использована парадигма мобильных агентов, которые могут передавать исполняемый код своей программы по сети.

Применение мультиагентных технологий при решении задачи ОС ЭЭС дает возможность: выполнять функциональную декомпозицию ОС в соответствии с решаемыми задачами;

координировать взаимодействие между задачами, решаемыми на разных уровнях; организовать гибкий выбор метода решения той или иной задачи ОС для каждой подсистемы; ускорить процесс обработки телеизмерений и, соответственно, уменьшить время оценивания состояния полной схемы.

Первая глава заканчивается выводами и постановкой задачи диссертационной работы.

Во второй главе рассмотрен метод контрольных уравнений, описан разработанный автором алгоритм структурной и функциональной декомпозиции задачи оценивания состояния c с использованием данных PMU и его реализация при ОС методом контрольных уравнений.

Контрольные уравнения – это уравнения электрических цепей, в которые входят только измеренные переменные режима y :

Они могут быть получены из системы уравнений установившегося режима (УУР) после исключения неизмеренных переменных. Впервые предложенные для достоверизации телеизмерений, контрольные уравнения затем стали применяться для решения практически всех перечисленных выше задач, входящих в комплекс ОС в реальном времени.

Большие невязки контрольных уравнений где d i - порог, определяемый статистическими свойствами нормальных ошибок измерений, свидетельствуют о наличии среди компонент вектора измерений y i, входящих в i - е контрольное уравнение, грубых ошибок. Разработаны алгоритмы логического анализа информации, входящей в контрольные уравнения, для проверки гипотез о наличии плохих данных, в том числе, ошибок в топологии сети.

Задача ОС в узком смысле решается в координатах y и сводится к минимизации критерия (1) при ограничениях в виде системы контрольных уравнений (6). Такой подход не требует перехода к вектору состояния x, позволяет учесть точные измерения (при r jj = 0 соответствующий y j не входит в (1), а фигурирует в (6) как константа).

При необходимости рассчитать неизмеренные параметры выбирается базисная система измерений y б, и решается система уравнений Система (8) решается методом Гаусса, при этом на первой итерации одновременно выполняется треугольная факторизация матрицы и выбор базиса, а на всех последующих итерациях только прямой ход Гаусса.

В отличие от традиционных методов ОС, метод контрольных уравнений позволяет фиксировать значения измеренных переменных, задавая им нулевые дисперсии. Это дает преимущества как при решении задачи ОС состояния для полной схемы, так и при декомпозиции расчетной схемы.

Основные алгоритмы декомпозиции задачи ОС предполагают разбивку расчетной схемы на подсистемы, границами которых могут быть узлы (рис.2) или ветви (рис.3). При этом задача оценивания состояния решается итерационно, пока не будут выполнены граничные условия.

Если границами подсистем являются узлы, то в качестве граничных условий должно соблюдаться равенство модулей и фаз напряжений граничных узлов:

где i,j,k – индексы подсистем, имеющих общий граничный узел. Также должны соблюдаться граничные балансовые соотношения. Например, для граничного узла l, общего для i, j, …, k-й подсистем где Pнl, Qнl, Pгl, Qгl - активные и реактивные мощности нагрузки и генерации в узле l, s - множество узлов s-й подсистемы, смежных l-тому узлу.

Если границами подсистем являются ветви, то в качестве граничных условий должны соблюдаться условия для перетоков активной и реактивной мощности:

где Pij и Q ij - векторы перетоков мощности из i-ой подсистемы в j-ую в сечении у одного из узлов, Pij ( X i, X j ), Qij ( X i, X j ), Qг ij ( X i, X j ) - суммарные потери активной и реактивной мощности и суммарная зарядная мощность связей этого сечения, X i, X j - векторы состояния для i-той и j-той подсистем.

Для граничной связи (m l ) также должны выполняться условия падений напряжения и разностей фазовых углов в граничных связях:

Рис.3. Пример разбивки расчетной схемы с граничными ветвями При делении схемы ЭЭС на подсистемы чаще используется декомпозиция с граничными ветвями.

В данной работе предложено использовать измерения от PMU для координации решений отдельных подсистем при декомпозиции задачи ОС.

При разбивке расчетной схемы на подсистемы (структурной декомпозиции) установка PMU в граничных узлах позволяет зафиксировать граничные переменные U и на измеренных с высокой точностью значениях. В этом случае при декомпозиции с граничными узлами граничные условия (9), (10) выполняются автоматически, а решение координационной задачи состоит в расчете узловых инъекций в граничных узлах по (11), (12), используя оценки перетоков мощности в линиях, полученные при расчете отдельных подсистем. При этом режимы отдельных подсистем могут рассчитываться независимо друг от друга, выполнение итерационных расчетов по подсистемам не требуется. Недостатком этого подхода является невозможность получить оценки инъекций в транзитных узлах с точностью = 0, поэтому, если граничные узлы являются транзитными, то используется декомпозиция с граничными ветвями.

При разбивке на подсистемы с граничными ветвями PMU устанавливается в одном из узлов граничной ветви. Тогда на другом конце ветви может быть получено «расчетное PMU», т.е. значение модуля и фазы напряжения, вычисленные через измерения реально установленного в смежном узле физического PMU. Установка PMU в одном из узлов граничной ветви в сочетании с измерениями от «расчетного PMU» в соседнем узле обеспечивают выполнение граничных условий (15), (16) в граничной связи. Поскольку PMU, установленное в узле, позволяет получать или рассчитывать измерения (псевдоизмерения) перетоков мощности по всем отходящим от узла ветвям, то граничные условия (13), (14) при разбивке с граничными ветвями также будут выполнены. В этом случае режимы отдельных подсистем также могут рассчитываться независимо друг от друга, выполнение итерационных расчетов по подсистемам не требуется.

Для корректировки фазовых углов напряжений, получаемых при решении задачи ОС по подсистемам, используются измерения фазовых углов от PMU, установленных по одному в каждой подсистеме. Эти узлы принимаются за базисные узлы подсистем. Измерения PMU координируют результаты ОС отдельных подсистем.

Декомпозиция задачи ОС с установкой PMU в граничных узлах из-за высокой стоимости устройств PMU реально может использоваться лишь при разбивке схемы на достаточно крупные подсистемы с небольшим количеством граничных узлов и ветвей, но это не решает проблемы неоднородности схемы.

Для расчета больших неоднородных схем автором был предложен метод разбивки расчетной схемы на подсистемы по уровням напряжений, который позволяет существенно понизить негативное влияние неоднородности расчетной схемы и телеметрической информации при расчете подсистем одного класса напряжения, но для сложно замкнутых схем неизбежно приводит к большому количеству граничных узлов. Установка PMU во всех этих узлах невозможна при современном уровне развития СМПР в России. В результате был разработан двухэтапный алгоритм разбивки расчетной схемы на подсистемы, использующий положительные свойства обоих подходов.

На первом этапе схема делится на достаточно крупные подсистемы с минимальным количеством межсистемных связей и граничных узлов. Такая декомпозиция может быть выполнена на основе административного деления, например, полной схемы ЕЭС России на работающие параллельно объединенные энергосистемы (ОЭС) крупных регионов страны (рис.4), или искусственно, когда полная схема делится на отдельные фрагменты с помощью специальных алгоритмов. В граничных узлах подсистем устанавливаются устройства для измерения комплексных электрических величин.

ОЭС СевероОЭС Востока На втором этапе декомпозиции расчетная схема каждой подсистемы, в свою очередь, делится на области или фрагменты, соответствующие уровням узловых напряжений. Расчет начинается с области самого высокого уровня напряжения (750-500 кВ). Как правило, эта часть схемы хорошо обеспечена телеизмерениями высокой точности и содержит базисный узел полной схемы. Затем последовательно рассчитываются остальные фрагменты схемы, ранжированные по уровням напряжений (220 кВ, 110 кВ и т.д.), всякий раз в качестве базисного узла выбирается узел, граничный с областью более высокого уровня напряжений. Метод контрольных уравнений, используемый в данной работе, позволяет фиксировать граничные параметры.

После окончания расчета фрагментов нижнего уровня всех крупных подсистем решается координационная задача, которая в данном случае состоит в расчете узловых инъекций в граничных узлах по оценкам перетоков мощности, полученных по подсистемам, либо в расчете перетоков в граничных ветвях.

Идея функциональной декомпозиции задачи оценивания состояния состоит в разделении задачи оценивания состояния на подзадачи, основными из которых являются: анализ топологии сети; анализ наблюдаемости; анализ плохих данных; расчет оценок и установившегося режима. В данной работе были рассмотрены задачи обнаружения плохих данных и оценивания состояния по квадратичным и неквадратичным критериям.

Обнаружение грубых ошибок (плохих данных) в телеинформации, или достоверизация телеизмерений, является одной из наиболее важных задач при оценивании состояния ЭЭС. В данной работе обнаружение плохих данных производится на основе контрольных уравнений.

Этот метод позволяет проводить достоверизацию телеинформации до решения задачи оценивания состояния (априорно).

Независимо от метода достоверизации телеизмерений при решении задачи ОС при низкой избыточности измерений, характерной для ЭЭС России, существует проблема критических измерений и критических групп. В этих измерениях невозможно однозначно определить грубые ошибки. Один из возможных подходов к решению этой проблемы – использование измерений от PMU, оптимальная расстановка которых позволяет повысить избыточность телеизмерений SCADA и ликвидировать критические измерения и критические группы, т.е. добиться полного обнаружения грубых ошибок в измерениях.

Современные исследования в области методов обнаружения плохих данных свидетельствуют о том, что эффективность практически всех методов обнаружения плохих данных возрастает при снижении размерности расчетной схемы. Таким образом, декомпозиция задачи ОС наряду с другими преимуществами позволяет существенно повысить эффективность методов обнаружения плохих данных, поэтому при распределенном ОС, выполняемом для подсистем существенно меньшей размерности, эффективность ОПД в отдельных подсистемах будет выше, что приведет к повышению точности оценок по подсистемам и улучшению качества ОС для полной схемы.

При расчете параллельно работающих подсистем, имеющих свои средства сбора и обработки телеинформации, из-за неточной синхронизации данных по подсистемам в граничных областях подсистем могут возникнуть взаимодействующие, а часто и согласованные плохие данные, что заметно усложняет процедуру их обработки и может повлиять на сходимость ОС.

Точно синхронизированные измерения от PMU, установленных вблизи граничных узлов, позволяют существенно повысить эффективность обнаружения плохих данных в граничных областях и точность получаемых оценок.

Выбор метода для ОС ЭЭС осуществляется в зависимости от решения задачи априорного обнаружения плохих данных. Если плохие данные обнаружены или отсутствуют, выбирается критерий взвешенных наименьших квадратов, в случае же невозможности идентификации плохих данных выбирается робастный критерий ОС с перебором базисов, реализованный на основе генетического алгоритма, который позволяет одновременно с получением оценок обнаружить и отбросить ошибочные телеизмерения.

Общий алгоритм решения задачи ОС с учетом структурной и функциональной декомпозиции, предлагаемый автором, состоит в следующем.

1. Выполняется деление полной расчетной схемы ЭЭС на достаточно крупные подсистемы. В базисном узле полной схемы устанавливается устройство PMU.

1А. В граничных (не транзитных) узлах подсистем устанавливаются устройства PMU для измерения комплексов узловых напряжений и токов в линиях. В подсистемах, не содержащих базисный узел полной схемы, в качестве базисного выбирается один из граничных узлов самого высокого класса напряжений с PMU. Измерения узловых инъекций в граничных узлах исключаются из вектора измерений.

1Б. Если граничные узлы двух (и более) подсистем транзитные, или так задано изначально, то используется декомпозиция с граничными ветвями. В одном из граничных узлов устанавливается PMU, в другом узле ветви – “расчетное” PMU. При расчете первой подсистемы из вектора измерений исключаются измерения узловых инъекций в граничном узле второй подсистемы, при расчете второй подсистемы – в граничном узле 2. На втором этапе декомпозиции расчетная схема каждой подсистемы в свою очередь делится на области, соответствующие уровням узловых напряжений. Границами областей являются узлы, смежные с узлами класса напряжения данной области. Так, для области класса напряжения 750-500 кВ граничными являются узлы напряжением 220 кВ, и наоборот.

3. Расчет начинается с области самого высокого уровня напряжения (750-500 кВ) для каждой подсистемы первого уровня декомпозиции. Как правило, эта часть схемы хорошо обеспечена телеизмерениями высокой точности и содержит базисный узел. Алгоритм оценивания состояния по подсистемам с граничными узлами состоит в следующем:

3.1. Для каждой области, включающей граничные узлы, решается задача обнаружения плохих данных методом контрольных уравнений.

3.2. В случае обнаружения всех плохих данных или их отсутствия решается задача ОС методом взвешенных наименьших квадратов.

3.3.В случае невозможности определения всех ошибочных телеизмерений, и соответственно невозможности обнаружения плохих данных, выполняется ОС с помощью робастного критерия (подавления плохих данных).

4. Последовательно рассчитываются остальные фрагменты схемы, ранжированные по уровням напряжений (220 кВ, 110 кВ и т.д.), всякий раз в качестве базисного узла выбирается узел, граничный с областью более высокого уровня напряжений. Оценки граничных переменных вектора состояния, полученные на верхнем уровне декомпозиции, фиксируются.

5. Рассчитываются инъекции в граничных узлах между областями разного класса напряжения.

6. После окончания расчета всех подсистем первого уровня декомпозиции аналогичная задача решается для граничных узлов с PMU, если узлы транзитные, то вычисляются перетоки в граничных связях.

7. Для формирования общего решения для всей схемы выполняется агрегирование результатов, полученных для отдельных подсистем, и результатов решения координационной задачи.

Вторая глава заканчивается описанием преимуществ разработанного двухуровневого алгоритма структурной декомпозиции задачи ОС и функциональной декомпозиции, а также преимуществ использования устройств PMU при декомпозиции задачи ОС.

Двухуровневый алгоритм структурной декомпозиции позволяет: выполнять параллельную обработку данных для локальных подсистем существенно меньшей размерности; понизить негативное влияние неоднородности расчетной схемы и телеметрической информации при расчете подсистем одного класса напряжения.

Функциональная декомпозиция задачи оценивания состояния ЭЭС дает возможность организовать гибкий выбор метода решения той или иной задачи ОС для каждой подсистемы, ускорить процесс обработки телеизмерений.

Использование измерений, поступающих от PMU, позволяет решить ряд проблем, возникающих при декомпозиции задачи ОС: 1) установка PMU в граничных узлах подсистем позволяет максимально упростить решение координационной задачи и не требует выполнения итерационных расчетов по подсистемам, 2) задание узлов с PMU в качестве базисных узлов подсистем обеспечивает координацию фазовых углов напряжений при расчете по подсистемам, 3) измерения от PMU, установленных вблизи граничных узлов, позволяют существенно повысить эффективность обнаружения плохих данных в граничных областях и точность получаемых оценок.

Все эти преимущества позволяют сократить время решения задачи ОС для полной схемы.

В третьей главе приведена архитектура разработанной мультиагентной системы для реализации предложенного алгоритма, определены типы агентов системы, предложены алгоритмы программно-вычислительного комплекса для реализации мультиагентной системы.

На рис.5 представлена архитектура предлагаемой мультиагентной системы. Типы агентов в данной системе:

MAS0 – общая мультиагентная система, содержащая все подсистемы и всех агентов.

ADE – агент разбивки, осуществляет разбивку расчетной схемы на крупные подсистемы, а их в свою очередь – на области по уровням напряжения;

AK – агент-координатор, координирует расчеты крупных подсистем, рассчитывает граничные переменные (активные и реактивные мощности в граничных узлах; перетоки в граничных ветвях);

AAG – агент агрегирования, если нужно, осуществляет агрегирование данных, полученных агентом-координатором от отдельных подсистем, то есть формирует режим для полной схемы;

MAS1,2..N – мультиагентные системы, содержащие в себе подсистемы первого уровня декомпозиции, в которые входят области по уровням напряжения;

MASIJ – агент i-ой подсистемы j-го уровня напряжения, передает на более низкий уровень значения напряжения и фазового угла своих граничных узлов. Содержит в себе локальную мультиагентную систему, состоящую из трех агентов:

ABD – агент обнаружения плохих данных, осуществляет обнаружение плохих данных, в зависимости от результатов своей работы запускает агента ASQ или агента AR;

ASQ – агент ОС по методу взвешенных наименьших квадратов, запускается агентом ABD в случае обнаружения всех плохих данных или их отсутствия;

AR – агент ОС по робастному критерию, запускается агентом ABD в случае невозможности идентификации всех плохих данных.

Ak – агент-координатор областей уровня напряжения, рассчитывает активные и реактивные мощности в граничных узлах областей.

ADE AAG

PMU PMU

PMU PMU

PMU PMU