《基于SWARM的电力系统仿真的研究》由会员分享，可在线阅读，更多相关《基于SWARM的电力系统仿真的研究（13页珍藏版）》请在金锄头文库上搜索。
1、下载可编辑基于SWARM的电力系统仿真的研究摘 要: 针对多智能体技术在复杂电力系统领域的良好应用特性, 介绍了一种能发挥多智能体方法的开发平台SWARM及SWARM的基本结构与建模, 通过对多智能体技术在电力行业的实用性及运用SWARM实验了一个区域的供电、负荷动态平衡分析, 讨论了SWARM在电力系统领域的应用方向,并归纳SWARM 的良好特性及应用局限。结果表明, SWARM具有良好的多智能体系统开发功能,适应电力系统中许多实际问题的分析处理。关键词: 分布式人工智能；多智能体技术；SWARM；电力系统；0 引 言多智能体技术由分布式人工智能( DAI) 和人工生命科学( AL) 的发展
2、而产生, 兴起近20年的时间,通过采用各智能体( Agent ) 间的通讯、合作、协调、调度、管理及控制来表达实际系统的结构、功能及行为特性, 为各种实际问题提供统一框架, 凭借良好的自主性、分布性、协调性、自组织能力、学习能力和推理能力1 , 迅速成为多领域复杂分布式、开放式系统分析的应用热点。SWARM 正是多智能体系统( MAS) 突出应用的重要开发工具。本文针对电力系统领域介绍了多智能体技术的原理与应用前景及SWARM 多智能体系统开发平台的构成和建模, 讨论了其在电力系统应用的方向。运用SWARM 实验了一个区域供电、负荷动态平衡分析。1 多智能体系统的基本概念及应用1.1 多智能体
3、系统的基本概念多智能体系统是由多个可计算的智能体组成的集合, 其中每个智能体是一个物理( 硬智能体) 或抽象的实体( 软智能体) , 能作用于自身和环境, 并与其它智能体通讯1 。简单说, 其基本组成为3 个部分:具有一定功能的智能体、智能体作用环境、智能体组合机制。单一智能体具有独立性、群组性( 社会性) 、应变能力和自发性等特点2 , 即单一智能体具有自主解决局部问题和一定程度的自控能力、与其他智能体间有通信协助的能力、对于外在变化有及时感应作用能力、在一定目标下有主动选择执行的能力等。这些能力的体现都要借助多智能体系统的另两个组成部分, 通过良好的作用环境和有效的组合机制, 达到智能分析
4、的目的。1.2 多智能体技术的应用范围 现阶段的研究认为, 凡是具有以下一方面或几方面的场合, 可采用多智能体技术3 :1) 数据、控制和资源处于分布式环境, 需要协调运作；2) 系统中的软件模块相互独立但又相互通信,需要通过合作或竞争方式实现某些功能或任务；3) 用不同编程语言或在不同硬件平台上实现系统需要的相互间协作完成的某些功能或任务, 进而需要将原有的软件包装并增加通信功能。1.3 多智能体技术在电力系统中的应用前景 在电力系统中, 多智能体系统主要是将网络中各成员视为能独立完成某些任务的分布自治智能体, 通过多个智能体的交互和协作, 达成各成员作用的相互协调, 实现系统的整体控制目标
5、4 。 随着信息技术的发展, 电力系统与信息、通信及计算机系统融合成集成的混杂系统, 多智能体技术在现代电力系统中的应用进入更广领域。现今, 电力系统仍朝着大规模、分布式、混杂型的方向发展,多智能体系统所具有的资源共享、易于扩张、可靠性强、灵活性强、实时性好等特点适于大规模电力系统的建模、控制和分析评估任务4 。涉及多智能体在电力系统中应用的专门会议, 如International Conference on Multi-Agent Systems( ICMAS)、International Conference on Intelligent System Application to Pow
6、 er Systems( ISAP) 等也日益受到重视。2 SWARM的基本概念、结构及建模2.1 SWARM的基本概念 多智能体系统实现的关键问题之一, 是系统开发平台的选取。该平台能将分散的智能体组合在一起, 为其提供运作的环境, 且要提供灵活、可靠的通信机制, 使智能体间可自由交流信息, 共同合作或互相竞争, 完成各自或共同的任务3 。SWARM 正是基于Agent 模型仿真工具的开发系统。 1995年, SFI发布了Swarm 的beta版,Swarm最初只能在U nix操作系统和X Windows界面下运行。1997年发布了Swarm 1.0版。1998-04随着Swarm 1.l版
7、的发布, 推出了可在Window s95/ 98/NT 上运行的版本。1999年Swarm2.0版提供了对Java的支持。最新版本是Swarm 2.2。Swarm 是使用Objective C 语言开发的,在早期的版本中编写Swarm的应用程序也使Objective C 从Swarm 2.0版开始提供了对Java语言的支持,将来可能支持JavaScript、C+ + 、python、Perl 等语言。最新版本Swarm 2.2可在不同版本的Unix、Linux、Window s95、Windows98、WindowsNT、Windows2000环境下运行。 SWARM 是一个基于复杂适应系统理
8、论的仿真平台, 能有效模拟多主体间的动态行为和信息交互。SWARM 实质上是一个面向对象的框架, 为模拟工作定义了一些类库, 其中有7 个核心库: defobj、collect ion、random、tkobjc、activity、swarm object和simtools 库。另外SWARM 还为建模提供3个与研究领域相关的库: space、ga 和neuro。用户可通过直接使用SWARM 库中可用的类来建模。如果某个要用到的行为找不到合适的类库, 用户可找一个预先存在的类, 通过继承增加新的变量和方法对其扩展以满足要求。2.2 SWARM的模型结构 Swarm的逻辑结构有: 模型Swarm
9、 (Model Swarm) 、观察员Swarm(Observer Swarm) 、模拟环境(World or Universe) 、主体(Agent) 等。模型Swarm 是仿真的核心部分; 观察员Swarm 是一个供人们观察过程并进行相关操作的平台；模拟环境是容纳主体的容器；主体即是对象( 即Agent) , 它是模拟环境中的动作群体。其中模拟环境可看为主体。Swarm 模型的一般结构可为5 : Main 文件( 主程序)；定义主体Agent 的文件；定义模型Swarm 的文件； 定义观察员Swarm 的文件；各类附属文件。 Main文件是每个Swarm仿真程序必须具备的, 整个模型从此开
10、始运行。附属文件主要涉及一些与输入输出有关的文件。Agent文件是构成模型Swarm文件的基础, 主要涉及对主体属性和方法的定义。其中最核心的文件是模型Swarm、观察者Swarm 和Main文件。2.3 SWARM的建模Swarm 是一种支持“自下而上”或称“基于过程”的建模工具。在Swarm中将模型涉及的参与者看作一个个主体, 先描述各种主体的细节( Agent文件) , 包括其属性、行为、对信息的评价、期望、学习过程和决策等。然后构建各类不同主体间的交互关系, Swarm提供一些输入/ 输出的接口, 以便观察系统模拟情况。组成Swarm模型的模拟部件间也可存在嵌套关系, 通过被称为“Sw
11、arm”的对象来实现。一个“Swarm”( 模型Swarm 或观察员Swarm)是一些主体的集合及这些主体行为的时间表。SWARM代表了整个模型, 包括主体及其在时间上的表现, 它提供了一整套工具和一个驱动模拟的内核, 研究人员可自由定制Swarm 中的多种对象, 在感兴趣的领域内对系统建模。 用户可通过调用前述的各类库简化模拟工作,通过自己的程序中引入Swarm 类建模。图形用户界面则用T cl/Tk 编写, 是一种用于编写窗口小部件的脚本语言。3 SWARM在电力系统领域的应用方向目前, SWARM 的实际应用主要集中在经济、生态和生物学领域, 在电力系统中直接应SWARM 的实例还未见。
12、下面结合多智能体技术在电力系统的研究成果, 简单预测SWA RM 可能应用的方向。3. 1 电力系统传统领域传统电力系统中, 最典型的整体分级方法就是将系统分为: 发电、输电、配电和用电等系统。实际应用中, 又体现为许多交叉性的研究课题。如:1) 系统静态稳定及配置。系统正常运行或小扰动分析中, 首要做好的是各基本环节的配置和运行设计。如分布式电源的协调控制6 、广域电力系统中电力系统稳定器( PSS) 的鲁棒性阻尼控制7 、输电线路设计8 、柔性交流输电( FACTS) 设备的协调控制9 等。这些成果的产生显示了多智能体技术在该领域的适用性。此外, 对于发电端可运用SWARM 分析发电机原动
13、机内燃汽、燃煤情况。结合物理学、化学等燃烧的相关条件, 仿真燃料在不同成分组合时, 燃烧的完全度、释放的热量、残渣的剩余量、燃烧的效率等, 指导燃料的科学调配, 达到节约能源, 提高效率的目的；对于输电侧, 可将各地的气候、环境、线路的线型、高度等参数输入SWARM,运用SWARM 仿真各地的电力线路状况, 对各地电力线路的老化、雷击等危险状况起到预警作用。2)系统故障及保护。按照故障的产生、发展与消除, 可将SWARM 重点应用于故障定位、暂态过程的追踪监控和保护装置的设计评估。文10 运用“信息分层”系统将动态电力系统故障定位问题分解为由多个智能体的协调求解过程,提高故障定位速度和精度;
14、文11 将多智能体技术运用于电力系统在线暂态稳定性问题, 分预测( 含追踪和预测) 和控制智能体锁定电机相对转角变化, 实现系统暂态稳定分析和控制；文12 提出了一种基于多智能体技术的保护工程师故障诊断智能体系统(PEDA),基于原有SCADA系统, 从远端数字故障记录仪取样,加强故障解释能力；文13提出将电力系统保护设计、分析和评估问题按照启动、方案和控制3种功能划分智能体,采用基于事件的推理方法,节省设计成本和时间, 实现自动化操作。这些多智能体技术的引入实例体现了实际系统的复杂度和SWARM应用的可能性。3) 系统优化及负荷。本部分的2 个核心问题是系统优化和负荷预测。考虑安全约束的最优
15、潮流计算一直是电力系统中具有挑战性的课题, 1994 年Talukdar 和Ramesh 提出基于多智能体技术的安全约束最优潮流算法14 , 将传统潮流优化算法与多智能体技术相结合, 显示出其在优化问题上的发展潜力; 电力系统无功优化是一个离散的、有约束非线性组合优化问题, 已产生大量优化设备与方法。文15 提出基于多智能体技术的粒子群算法, 显示出优于自适应遗传算法(AGA) 、标准遗传算法(SGA) 、进化算法(EP) 和Broyden非线性规划方法的良好性能。短期负荷预测是能量管理系统( EMS) 发电计划的一个重要部分。1992 年Tsai 和Chen 提出利用多智能体技术, 采用分布
16、式计算和分段整合方法进行较精确的短期负荷预测16 。4) 系统控制及信息。现代电力系统正朝着大规模、分布式、信息化发展, 系统的控制、信息传递问题较复杂。原有集中式的EMS 难以适应发展的系统控制需要。文17提出了面向对象的分布式电力战略防御(SPID) 系统, 指出一种以实时快速自适应自愈、自适应网络重构、自适应保护等为特点的全局广域多智能控制系统应用。另一方面, 由电力系统与信息、通信、计算机系统融合而成的集成混杂系统中, 还没有统一的软件工具、通讯协议等规定, 易形成孤岛电力企业信息系统。文18提出基于多智能体的电力企业开放信息集成体系, 给出可能的三层多智能体信息系统划分方案, 也是SWARM 可尝试的应用方向。3.2 电力市场环境下的应用电力市场经济是经济学的一个方面, 文19应用Java语言实现了一个基于
