автореферат диссертации по энергетике, 05.14.02, диссертация на тему:Распределенная обработка телеинформации при оценивании состояния ЭЭС на основе мультиагентных технологий

На правах рукописи

004600863

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.

004600868

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: paltsev@isem.sei.irk.ru, alexirk@mail.ru).

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 устано- • вившегося 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.Володшг, А.З.Гамм, Л.Н.Герасимов, И.И.Голуб, Ю.А.Гришин, А.М.Глазупова, И.Н.Колосок, А.М.Конторович,

B.Г.Курбацкий, М.С.Лисеев, В.З.Манусов, К.Г.Митюшкин, С.ИЛаламарчук, В.Л.Прихно,

C.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-ЦЦУ 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 PMTJ 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 A.M. 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 (MAC) - 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 па основе мультиагентных технологий.

Целью работы является повышение эффективности алгоритмов ОС ЭЭС 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 задачи ОС ЭЭС.

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 па структурной и функциональной декомпозиции задачи с использованием измерений от PMU.

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

7) Разработка архитектуры MAC 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 па 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 па 2006-2008 гт.)

• Гос.контракт №02.527.11.0004 «Разработка оборудования и систем управления круп-пых 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 РДН (Иркутск, 2006, 2007 гг.), международном семинаре "Liberalization and Modemization 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.Рудекко "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 Modemization of Power Systems: Coordinated Monitoring and Control towards Smart Grids" (Иркутск, 2009 г.).

Публикации. Основное содержание диссертации отражено в 9 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 показала 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 про-

граммной 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 па 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 МИЛ (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:

J(y) = 6-?)TRy(y-?) (1)

при соблюдении уравнений электрической цепи

Чу,2) = О, (2)

связывающих измеренные у и неизмеренные Z.переменные режима (^-ковариационная матрица ошибок измерений).

При решении задачи ОС вводится вектор состояния ;с=(£, U) размерностью (2п-1),тде п-

количество узлов, включающий модули и и углы 5 узловых напряжений для вссх 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 х:

У У(х). (3)

г :(х). (4)

Уравнения (3) используются для определения компонент вектора состояния х по измеренным переменным. При этом задача ОС сводится к минимизации критерия

(5)

Затем, используя (4), ищутся оценки неизмеренных переменных. Минимальный набор измерений, позволяющий однозначно определить все компоненты х 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 вСЛИА. 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 пизкой точности получаемых оценок. Использование РМи 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 оптималыюе 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 муль-тиагентных 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;

• колпаборативностъ: 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 другому;

Системы, содержащие группу агентов, которые могут взаимодействовать между собой, называются мультиагентными системами (MAC). Мультиагентная система 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. MAC 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 дшшых 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 бьггь использована парадигма мобильных агентов, которые могут передавать исполняемый код своей программы по сети.

Применение мультиагентных технологий при решеиии 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 ияой 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 с 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 у :

(6)

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 певязки контрольных уравнений

КООМ/. (7)

где rf, - порог, определяемый статистическими свойствами нормальных ошибок измерений, свидетельствуют о наличии среди компонент вектора измерений y¡, 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 тополоши сети.

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

При необходимости рассчитать неизмеренные параметры выбирается базисная система измерений уб, а решается система уравнений

У. (*)-&= 0- (8)

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:

и, = 11, =... = [/,; (9)

8,=8,=... = 5к\ (10)

где ц,к - индексы подсистем, имеющих общий граничный узел. Также должны соблюдаться граничные балансовые соотношения. Например, для граничного узла 1, общего для ..., к-й подсистем

рл-Р*+ I = (11)

X Е&^Л-^А)^0' 02)

¿'-1,1.....к т£а>,

где - активные и реактивные мощности нагрузки и генерации в узле 1, со, - мно-

жество узлов й-й подсистемы, смежных 1-тому узлу.

2

5

Рис.2. Пример разбивки расчетной схемы с граничными узлами

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

= (13)

0,(Х1,Х;.) = -в;1(х„х/)-А(2,}(х1,Х;)+д,1](х1,х;.), (]4)

где и - векторы перетоков мощности из ¡-ой подсистемы в .¡-ую в сечении у одного из узлов, ^^{Х^Х, <2г„{ХпХ^- суммарные потери активной и реактивной

мощности и суммарная зарядная мощность связей этого сечения, Х,,Х, - векторы состояния

для ¡-той и ^той подсистем.

Для граничной связи (т -1) также должны выполняться условия падений напряжения и

разностей фазовых углов в граничных связях:

тт2 /тг Рщ/Гт! ИЛ,1 {Рп>1Хт1 ~ Зт1Гт1 _ г, .

ит (и1 у I I ц ) (15)

5я-81-агс^Рт,Х=о.

Рщ1ГЫ +Ят1Хм1

(16)

5

\

6;

3

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 РМИ для координации решений отдельных подсистем при декомпозиции задачи ОС.

При разбивке расчетной схемы на подсистемы (структурной декомпозиции) установка РМи в граничных узлах позволяет зафиксировать граничные переменные ¡7 и 3 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 РМ11 устанавливается в" одном Из" узлов граничной ветви. Тогда на другом конце ветви может быть получено «расчетное РМШ, т.е. значение модуля и фазы напряжения, вычисленные через измерения реально установленного в смежном узле физического РМи. Установка РМи в одном из узлов граничной ветви в сочетании с измерениями от «расчетного РМ11» в соседнем узле обеспечивают выполнение граничных условий (15), (16) в граничной связи. Поскольку РМИ, 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 граничивши 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 РМи, установленных по одному в каждой подсистеме. Эти узлы принимаются за базисные узлы подсистем. Измерения РМ11 координируют результаты ОС отдельных подсистем.

Декомпозиция задачи ОС с установкой РМи в граничных узлах из-за высокой стоимости устройств РМИ 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 РМи во всех этих узлах невоз-

можна при современном уровне развития СМПР в России. В результате был разработан двух-эталный 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.

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 достоверизалия 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 РМи, оптимальная расстановка которых позволяет повысить избыточность телеизмерений БСАБА и ликвидировать критические измерения и критические группы, т.е. добиться полного обнаружения грубых ошибок в измерениях.

Рис.4. Схема ЕЭС России

Современные исследования в области методов обнаружения плохих данных свидетельствуют о том, что эффективность практически всех методов обнаружения плохих данных возрастает при снижеиии 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 па сходимость ОС. Точно синхронизированные измерения от РМ11, установлешшгх 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 РМи.

1А. В граничных (не транзитных) узлах подсистем устанавливаются устройства РМи 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 РМЧ. 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 РМи, в другом узле ветви - "расчетное" РМи. При расчете первой подсистемы из вектора измерений исключаются измерения узловых инъекций в граничном узле второй подсистемы, при расчете второй подсистемы - в граничном узле первой.

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:

MASo - 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;

Ак - 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;

MASi^.n - мультиагентные системы, содержащие в себе подсистемы первого уровня декомпозиции, в которые входят области по уровням напряжения;

MASu - агент i-ой подсистемы j-ro 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 робасшому критерию, запускается агентом Ави в случае невозможности идентификации всех плохих данных.

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

MAS0

Рис.5. Архитектура мулътиагентой системы

Схема взаимодействия агентов в системе представлена на рис.6 (стр.16).

Главный модуль осуществляет управление всеми действиями программ ПВК, в том числе, формирование мультиагентной системы, экстренная передача управления тем или иным агентам, выход из программы и т.д.

Модуль разбивки осуществляет декомпозицию расчетной схемы на подсистемы по граничным узлам (в которых устанавливаются PMU) и уровням напряжения. Данный модуль обслуживается агентом Ade-

Модуль области уровня напряжения обслуживается агентом MASij. Включает в себя модули обнаружения плохих данных и оценивания состояния.

Модуль ОПД выполняет функцию обнаружения плохих данных. Он обслуживается агентом Abd-

Модуль ОС обслуживается агентами Asq и Ar, которые выполняют соответственно две программы ОС - по методу взвешенных наименьших квадратов и по робастным критериям.

Модуль координации обслуживается агентами Ак и At (могут быть мобильными агентами), которые выполняют программы расчета граничных переменных (активных и реактивных мощностей в граничных узлах при декомпозиции с граничными узлами либо перетоков мощности в граничных ветвях при декомпозиции с граничными ветвями) крупных подсистем (МА-Si) и граничных узлах областей уровней напряжения (MASu).

Устройства сбора данных

Исходные данные

Аое

Формирование МАБц

МА8п

Аню

Ак

Аи

МАБкл-и

АЦ

Азс>

Аво

Аа

МАЗцл-я)

_^ Аво

Авэ

АК

Авр

А5<з

АК

* ЛХ

МА8(|+1Х)+м)

Аво

Аэсз

АК

АК1

Ало

МАБО+му

Авэ

Аво

АК

МА5(]+м)у+1)

Аво

Абсз

Ак

I 1

МАБО+мхкм)

_> Азо

Аво

Ая

Ак(м-1)

Итоговые данные

Рис.6. Схема взаимодействия агентов в системе

Модуль агрегирования данных обслуживается агентом Аао. который выполняет программу полного агрегирования данных, полученных в подсистемах и областях, в одну базу (выходной файл).

Информационные потоки и предлагаемая структура программно-вычислительного комплекса показана на рис.7.

Третья глава заканчивается выводами о возможности применения мультиагентного подхода для реализации разработанного алгоритма решения задачи ОС. Отмечены преимущества мупьтиагентной системы для оценивания состояния: а) гибкий выбор метода решения той или иной задачи оценивания состояния для каждой подсистемы; б) интеграция методов искусственного интеллекта и численных методов решения; в) координация взаимодействия и быстрый обмен данными между задачами, решаемыми на разных уровнях иерархии и распределенными территориально.

В четвертой главе приведены результаты экспериментальных расчетов, показывающие эффективность предложенного декомпозиционного алгоритма решения задачи ОС.

В качестве первого примера расчета по предложенному алгоритму рассмотрен фрагмент реальной схемы, показанный на рис.8. Этот фрагмент является одной из подсистем первого уровня декомпозиции.

Рис.8. Пример расчетной схемы ЭЭС

Узлы 14 и 54 являются граничными узлами с другими подсистемами первого уровня декомпозиции, в них устанавливаются РМи.

На втором этапе декомпозиции данная схема была разбита на три подсистемы, соответствующие уровням напряжений 500, 220 и 110 кВ. Подсистема верхнего уровня напряжения (МАЭн) включает узлы 14 и 889 напряжением 500 кВ и граничные узлы 8, 9, 888. Узел 889 является базисным узлом для полной схемы. Вторая подсистема (МАЭц) включает узлы 7 и 54 напряжением 220 кВ и граничные узлы 8 и 55, узел 55 был принят за базисный. Остальные узлы напряжением 110 кВ входят в третью подсистему (выделены на рисунке овалами).

В качестве эталонного режима при проведении расчетов принимался режим полной схемы, полученный по реальным телеизмерениям. В расчетах по подсистемам измерения РМи принимались равными эталонным значениям, а измерения БСАОА моделировались путем внесения ошибки в эталонные значения.

В табл.1 приведены результаты расчета вектора состояния, полученные в эталонном режиме и в расчетах по подсистемам. Узлы с РМ11 и граничные узлы между областями второго уровня декомпозиции выделены жирным шрифтом.

Как видно из таблицы, максимальное отклонение по напряжению составляет 0.91 кВ, по фазовому углу - 0.61 град.

№ узла Эталон МАЭм МА8|2 МАБп д и кВ Д 8 град

и, кВ 8 , град и, кВ 8,град и ,кВ <5,град и, кВ 8 ,град

7 230.3 0.92 230.0 0.9 0.3 0.02

8 118.4 -0.8 118.4 -0.8 118.4 -0.8 118.4 -0.8

9 118.9 -1.04 118.9 -1.0 118.9 -1.0

13 116.3 -3.0 116.1 -3.2 0.2 0.2

14 507.4 -7.7 507.4 -7.7

15 115.81 1.2 114.9 -1.6 0.91 0.4

16 115.9 -2.8 115.6 -2.7 0.3 0.1

44 114.5 -3.7

45 116.8 -8.22 117.1 -8.0 0.3 0.22

54 220.6 -3.09 220.6 -3.09

55 118.9 -8.46 118.9 -8.5 118.9 -8.5

86 113.9 -6.3 113.9 -6.0 0 0.3

888 120.0 -5.8 120.0 -5.8 120.0 -5.8

889 516.0 0 516.0 0

898 116.9 -8.61 116.9 -8.0 0 0.61

По полученным по подсистемам оценкам перетоков были вычислены инъекции в граничных узлах. В скобках указаны эталонные значения,

Рг = 152МВт (15ШВт) & = -51 №Ар(-46МВАр) Р,=\6ШВт(15ШВт) =ММВАр(1ШВАр) Рш=-250МВт{-242МВт) <2т =-6ШВАр(-66МВАр) Р55=-\2ШВт{-\21МВт) = -ЪШВАр{-Ъ&МВАр)

Максимальное отклонение оценок от эталона находится в пределах точности измерений.

В качестве второго примера рассмотрим схему ЭЭС (рис.9), содержащую 310 узлов, 409 ■связей и 1280 измерений напряжений, активной и реактивной генерации, активных и реактивных перетоков мощности по линиям и т.п.

Схема состоит из 4 параллельно работающих подсистем (выделены на рисунке овалами):

1) Центр (122 узла, 178 связей, 522 ТИ),

2) Северо-Запад (72 узла, 83 связи, 287 ТИ),

3) Юг (55 узлов, 66 связей, 242 ТИ),

4) Средняя Волга и Урал (79 узлов, 93 связи, 255 ТИ).

Поскольку большинство граничных узлов являются транзитными (выделены квадратами на рис.9), в качестве алгоритма разбивки полной схемы на подсистемы был использован алгоритм с граничными ветвями (показаны на рисунке). Алгоритм расстановки РМи методом "отжига" определил узлы для размещения в них устройств РМи (квадраты, выделенные жирным). В остальных узлах могут быть получены расчетные РМи. Узлы 473, 7201, 4601 являются базисными узлами подсистем.

Важным показателем качества результатов оценивания состояния является значение целевой функции в точке решения. Кроме целевой функции, оценивалось также время решения задачи оценивания состояния. Для проведения расчетов использовался ПВК «Оценка», разработанный в ИСЭМ СО РАН. ПВК состоит из четырех основных модулей: 1) модуля считывания информации и формирования текущей расчетной схемы, 2) модуля достоверизации телеизмерений и телесигналов на основе контрольных уравнений, 3) модуля расчета оценок измеренных переменных, 4) модуля расчета режима по полученным оценкам. При проведении расчетов оценивалось время работы каждого модуля и суммарное время расчета.

Рис.9. Фрагмент схемы ЭЭС

В таблицах ниже приведены результаты расчета одной из подсистем (Центр) и сравнение их с результатами, полученными при расчете полной схемы. В табл.2 приведены результаты ОС в базисном узле схемы, в табл.3 - результаты ОС в граничных узлах, в табл.4 - результаты ОС в граничных ветвях, в табл.5 - значение целевой функции в точке решения, в табл.6 -время расчета подсистемы без использования измерений от PMU и с их использованием.

Схема Центр.

122 узла, 178 связей, 522 ТИ.

Узел 473 - базисный узел.

Узлы с PMU: 458, 932, 860, 401, 949, 250, 278, 284, 6442, 6370, 8190, 5425, 4601, 5250, 5015,5618.

Узел 473 U,KB £,град J>,mBT б,, мВАр

Полная схема 755,7 6,7 678 77

Схема Центр 755,7 6,7 678 76

Таблица 3. Результаты ОС в граничных узлах подсистемы Центр

Полная схема ___Центр

№ U,KB б, Транз. или U,kB S, Транз. или

узла град P„Q, град P..Q,

458 331,8 4,7 транз. 331,8 4,7 транз.

932 509,2 4 транз. 509,2 4 транз.

860 526,2 3,1 транз. 526,2 3,1 транз.

401 519 3,6 транз. 519 3,6 транз.

949 502,3 6,6 транз. 502,3 6,6 транз.

250 507 1,9 транз. 507 1,9 транз.

278 512,7 7,1 Р,= 210МВт ß, =-523 МВАр 512,7 7,1 Pf= 192 мВт б,=-514 МВАр

284 510,5 0,8 транз. 510,5 0,8 транз.

Таблица 4. Результаты ОС в граничных связях подсистемы Центр (Р - МВт, (} - МВАр) _Полная схема __ Центр__

Связь е. ** е, Р„ Оу г* е,

458-6442 146 -65 -145 36 146 -65 -145 36

473-6370 34 -393 -34 -446 34 -393 -34 -446

932-8190 490 -133 -485 -2 490 -133 -485 -2

401-4601 67 -150 -66 -329 67 -150 -66 -329

860-5425 -42 -44 42 -206 -42 -44 42 -206

949-5250 -288 -234 293 -207 -288 -234 293 -207

250-5015 -467 -97 470 -21 -467 -97 470 -21

284-5015 -380 -99 383 -113 -380 -99 383 -ИЗ

278-5618 171 -277 -170 -94 171 -277 -170 -94

Таблица 5. Значение целевой функции ОС для подсистемы Центр

Функция Значение с уст.РМи Значение без уст.РМи

<Ръ 112346 151141

<рг 94075 136660

9>а 5022 6956

<Ри 6248 7524

Таблица 6. Время расчета (работа модулей ПВК Оценка)

№ модуля Время расчета Время расчета

с уст.РМи, с без уст.РМи, с

1 0,22 0,2

2 0,21 0,24

3 0,79 1,05

4 0,2 0,14

Общее время 1,42 1,63

Как видно из расчетов, при установке РМи в подсистеме уменьшилось значение целе-ой функции, а также время расчета подсистемы.

В табл.7 приведено время расчета всех подсистем в сравнении с временем расчета полюй схемы.

Схема Время расчета, с

Полная схема 3,07

Центр 1,42

Северо-Запад 0,93

Юг 0,71

Волга-Урал 0,6

Из таблицы видно, что при параллельном расчете подсистем общее время расчета схемы окращается более чем в 2 раза.

Четвертая глава закапчивается выводами о целесообразности применения предложенно-о декомпозиционного алгоритма при ОС ЭЭС, что показывают проведенные эксперименталь-ше расчеты.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Основные результаты, изложенные в заключении работы, состоят в следующем:

1.В современных условиях функционирования и управления ЭЭС требуется создание расчетной модели на основе методов оценивания состояния для схем большой размерности, состоящих из параллельно работающих подсистем. Это приводит к большой неоднородности расчетных схем, повышает загрузку вычислительных ресурсов в центрах диспетчерского управления, увеличивает время расчета. Необходимы алгоритмы децентрализованного решения задачи оценивания состояния на основе декомпозиции расчетной схемы большой размерности на подсистемы.

2. Выполнен анализ существующего состояния систем сбора и обработки информации при управлении ЭЭС. Отмечено, что в системах SCADA имеются недостатки, такие как низкое качество телеизмерений, неполная наблюдаемость схем ЭЭС. Использование систем WAMS позволяет дополнить телеизмерения SCADA высокоточными измерениями комплексных электрических величин и более полно отразить режим рабочей схемы ЭЭС.

3. Проанализированы подходы к распределенному оцениванию состояния ЭЭС. Показано, что распределенная обработка данных при декомпозиции задачи ЭЭС повышает эффективность вычислительной процедуры оценивания состояния ЭЭС.

4. Исследованы мультиагентные технологии, методы проектирования и программной реализации мультиагентных систем. Обоснован выбор мультиагентных технологий для решения поставленных в работе задач.

5. Разработан двухуровневый алгоритм структурной декомпозиции расчетной схемы для оценивания состояния крупных объединенных энергосистем, схемы которых могут быть неоднородными.

6. Разработан алгоритм оценивания состояния ЭЭС, базирующийся на структурной и функциональной декомпозиции задачи с использованием измерений от PMU. Данный алгоритм позволяет:

1) выполнить параллельную обработку данных в подсистемах меньшей размерности, чем исходная схема;

2) понизить негативное влияние неоднородности схемы на результаты расчетов;

3) упростить решение координационной задачи;

4) избежать выполнения итерационных расчетов по подсистемам;

5) повысить эффективность методов обнаружения плохих данных;

6) ускоритьпроцесс обработки телеизмерений.

Все эти преимущества позволяют значительно сократить время оценивания состояния для полной схемы и повысить точность получаемых оценок.

6. Эффективность предложенного алгоритма проверена при оценивании состояния методом контрольных уравнений.

7. Для реализации предложенного алгоритма разработана архитектура мультиагентной системы, определены функции отдельных агентов, разработана схема взаимодействия агентов в системе. Отмечены преимущества мультиагентной системы для оценивания состояния:

1) гибкий выбор метода решения той или иной задачи оценивания состояния для каждой подсистемы;

2) интеграция методов искусственного интеллекта и численных методов решения;

3) координация взаимодействия и быстрый обмен данными между задачами, решаемыми на разных уровнях и распределенными территориально.

8. Разработаны алгоритмы модулей программно-вычислителыюго комплекса для реализации разработанной мультиагентной системы, предложена структура ПВК, реализован прототип агента разбивки расчетной схемы на подсистемы.

9. Проведенные вычислительные эксперименты показывают эффективность предложенных подходов и возможность их использования при оценивании состояния больших объединенных ЭЭС.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Основные результаты работы изложены в 10 публикациях, в том числе:

1. А.С.Пальцев. Использование данных PMU при решении задачи оценивания, состояния ЭЭС на основе мультиагентных технологий // Вестник СПбГПУ. - 2008. №1,-С. 64-68.

2. И.Н.Колосок, А.С.Пальцев. Применение мультиагентного подхода при декомпозиции задачи ОС ЭЭС // Известия ВУЗов. Проблемы Энергетики. - 2008; №11-12. - С. 111-122.

3. Идеология иерархического оценивания состояния ЭЭС на основе мультиагентных технологий / Пальцев А.С. // Сб. трудов XXXVI конференции-конкурса молодых ученых ИСЭМ СО РАН. Иркутск, 2006,- С.54-61.

4. Paltsev A.S. Application of multi-agent technologies to hierarchical EPS state estimation // Proc. of the International Workshop "Electricity Liberalization and Modernization of Power Systems: Risk Assessment and Optimization for Asset Management", Irkutsk, 2006,

, pp.187-192.

5. A.Z.Gamm, I.N.Kolosok, A.S.Paltsev. Methods of decomposition of EPS state estimation problem when solving it on the basis of multi-agent technologies // Proc. of the "Riga Technical University 48th International Scientific Conference", Riga, 2007, pp. 205-214.

6. Колосок И.Н., Пальцев А.С. Разработка мультиагентной системы для распределенного оценивания состояния ЭЭС /Методические вопросы исследования надежности больших систем энергетики. Вып.59. Методические и практические проблемы надежности либерализованных систем энергетики. - Иркутск: ИСЭМ СО РАН, 2009.-с. 234-240.

7. И.Н.Колосок, А.С.Пальцев. Применение мультиагентного подхода при декомпозиции задачи ОС ЭЭС // Сб.трудов III международной научно-практической конференции 13-16 октября 2008, Екатеринбург, 2008. - С.350-355.

8. A.Z.Gamm, I.N.Kolosok, A.S.Paltsev. Decomposition algorithm for power system state estimation by the test equation technique and its implementation on the basis of multiagent approach. // Proc. of PowerTech 2009, Bucharest, 2009, CDROM #192.

9. I.N.Kolosok, E.S.Korkina, A.S.Paltsev. Decomposition of Power System State Estimation Problem with the Use of PMU Data for Large Dimension Schemes // Proc. of the International Workshop "Liberalization and Modernization of Power Systems: Coordinated Monitoring and Control towards Smart Grids", Irkutsk, 2009. - pp.28-36.

10. N.I.Voropai, I.N.Kolosok, V.G.Kurbatsky, P.V.Etingov, N.V.Tomin, E.S.Korkina, A.S.Paltsev. Intelligent Coordinated Operation and Emergency Control in Electric Power Systems // Proc. of the IFAC Conference on Control Methodologies and Technology for Energy Efficiency, Vilamoura, Portugal, 2010, CDROM, 6p.

Отпечатано в ИСЭМ СО РАН 664033, Иркутск, ул. Лермонтова, 130 Заказ №63 .тираж 100 экз.

Список сокращений.

ВВЕДЕНИЕ.

ГЛАВА 1. Анализ предметной области и постановка задачи диссертационной работы.

1.1.Задача оценивания состояния. Современное состояние. Проблемы и пути их решения.

1.1.1. Система сбора и обработки информации при управлении ЭЭС.

1.1.2. Математическая постановка задачи оценивания состояния.

1.2.Методы распределенного оценивания состояния.

1.2.1. Использование измерений от РМи при декомпозиции задачи

1.3.Мультиагентные технологии и их применение в энергетике.

1.3.1. Понятия и определения агента.

1.3.2. Языки общения между агентами.

1.3.3. Мультиагентные системы.

1.3.4. Проектирование и программная реализация агентов и мультиагентных систем.

1.3.5. Применение мультиагентных систем в задачах электроэнергетики.

1.4.Выводы по главе и постановка задачи диссертационной работы.

ГЛАВА 2. Декомпозиция задачи оценивания состояния с использованием измерений от РМЛ для реализации мультиагентного подхода к ее решению.

2.1.Метод контрольных уравнений для достоверизации телеинформации и оценивания состояния ЭЭС.

2.2.Декомпозиция задачи оценивания состояния при ее решении методом контрольных уравнений.

2.3.Структурная декомпозиция задачи оценивания состояния.

2.3.1. Декомпозиция по граничным узлам.

2.3.2. Декомпозиция по граничным ветвям.

2.3.3. Эвристические алгоритмы декомпозиции.

2.3.4. Декомпозиция с использованием измерений от РМи.

2.3.5. Двухуровневый алгоритм разбивки расчетной схемы на подсистемы при оценивании состояния методом контрольных уравнений.

2.4.Функциональная декомпозиция задачи оценивания состояния.

2.4.1. Априорное ОПД на основе контрольных уравнений.

2.4.2. Оценивание состояния по методу взвешенных наименьших квадратов.

2.4.3. Оценивание состояния на основе робастного критерия.

2.4.4. Взаимодействие задач.

2.5.Общий алгоритм решения задачи оценивания состояния.

2.6.Выводы по главе.

ГЛАВА 3. Мультиагентная система для распределенного оценивания состояния ЭЭС.

3.1.Описание агентов и их функций и архитектура мультиагентной системы.

3.2.Взаимодействие агентов.

3.3.Описание модулей ПВК и функций агентов.

3.3.1. Главный модуль.

3.3.2. Модуль разбивки расчетной схемы на подсистемы.

3.3.3. Модуль области уровня напряжения.

3.3.4. Модуль координации.

3.3.5. Модуль агрегирования данных.

3.4.Выводы по главе.

ГЛАВА 4. Экспериментальные расчеты.

4.1. Расчет подсистемы первого уровня декомпозиции.

4.2. Проверка эффективности алгоритма.

4.3. Расчет реальной схемы, состоящей из параллельно работающих подсистем.

4.4. Выводы по главе 4.

Актуальность темы. 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) [1]. Задача оценивания состояния 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,

A.М.Глазунова, И.Н.Колосок, А.М.Конторович, В.Г.Курбацкий, М.С.Лисеев,

B.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 А.АЬиг, Е.НапёзсЫп, А.МопйсеШ, Р.С.ЗсЬшерре и др.

В ИСЭМ СО РАН для решения задачи оценивания состояния разработан метод контрольных уравнений (КУ) [1,2]. 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 оценивания состояния 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 детальности, используемых при решении отдельных задач, создана единая расчетная модель, наиболее полно отражающая топологию и режим ЕЭС.

В единой расчетной модели ЕЭС/ОЭС представлена вся системообразующая сеть от 220 кВ и выше, линии более низких классов напряжения, значимые для субъектов рынка с точки зрения корректного описания объемов поставки электроэнергии (ЭЭ), границ федеральной сетевой компании, межгосударственных перетоков мощности, выдачи мощности от электростанций, а также электростанции, имеющие установленную мощность более 5 МВт и крупные узлы потребления [3]. Единая расчетная модель включает в себя около 7000 узлов и 10000 ветвей.

Похожая ситуация наблюдается и в практике управления ЭЭС за рубежом. Создание объединенной энергосистемы (ОЭС) стран Западной Европы (ИСТЕ), Северо-Американского Совета по надежности (КЕЯС), который охватил большинство Северо-Американских Объединенных ЭЭС, и др. привели к необходимости производить расчеты для очень больших и сложных ЭЭС.

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. Схемы таких ЭЭС, как правило, не полностью наблюдаемы, возможно искажение данных, плохая их синхронизация. Появления ошибочных телеизмерений (ТИ), несоответствие текущей расчетной схемы и используемых математических моделей реальному состоянию ЭЭС, потеря наблюдаемости вследствие отказа в системах сбора и передачи данных могут привести к искажению результатов ОС, ухудшению сходимости вычислительного процесса, вплоть до расходимости, и, как следствие, к неправильным решениям, формируемым на базе полученной расчетной модели.

При оценивании состояния схем такой размерности также 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 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 оценивания состояния. Эти алгоритмы могут быть построены на основе декомпозиции расчетной схемы большой размерности на подсистемы (структурная декомпозиция) и функциональной -декомпозиции в соответствии со списком решаемых при оценивании состояния задач (обнаружение плохих данных, непосредственно оценивание состояния).

Ранее декомпозиция задачи оценивания состояния была актуальной задачей из-за ограниченных вычислительных ресурсов, обработка больших сложных схем на которых была долгой, а зачастую и невозможной. 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 оценивания состояния широко отражена также в работах зарубежных авторов - A.Abur, G.Heydt, W.Jang, M.Lehtonen, V.Vittal, L.Zhao и др.

Существенно улучшить свойства решения задачи оценивания состояния позволяет использование измерений, поступающих от устройств измерения комплексных электрических величин - PMU (Phasor Measurement Units) [4]. Измерения, поступающие от PMU, более полно отражают режим рабочей схемы ЭЭС. PMU, установленные в узлах сети, могут обеспечить точные и синхронизированные по времени измерения комплексов напряжения в этом узле и фаз токов в ветвях, инцидентных этому узлу. Использование данных PMU открывает новые возможности при декомпозиции задачи оценивания состояния, 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 A.M. 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 (MAC) — это сравнительно новое направление, относящееся к методам распределенного искусственного интеллекта. Вместе с тем результаты от внедрения таких технологий подтвердили перспективность этого направления. В настоящее время они используются не только в исследовательских работах, но и в реальных коммерческих приложениях (персональные помощники, обработчики почты, программы для электронной коммерции, компьютерные игры, системы управления и контроля сложными процессами в медицине, промышленности, системы для поиска и обработки информации и др.) [5]. 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 [6], разработки переговорной среды для участников рынка электроэнергии [7] 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 поставленной цели в работе ставились следующие задачи:

1. Изучение современных подходов и анализ методов распределенного оценивания состояния ЭЭС.

2. Исследование мультиагентных технологий и возможности их применения при решении задачи оценивания состояния ЭЭС.

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 ОС.

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 MAC 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 КУ.

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

1. Декомпозиционный алгоритм решения задачи ОС, включающий двухуровневый алгоритм структурной декомпозиции расчетной схемы и алгоритм функциональной декомпозиции при ОС методом КУ.

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

3. Мультиагентный подход для распределенной обработки телеинформации в ЭЭС.

Практическая ценность и реализация результатов 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.

Двухуровневый алгоритм декомпозиции расчетной схемы с использованием измерений от РМи, предложенный в данной работе, позволяет: а) выполнять параллельную обработку данных для подсистем существенно меньшей размерности без выполнения итераций по подсистемам, б) снизить влияние неоднородности расчетной схемы на результат оценивания состояния, в) ускорить сходимость вычислительного процесса и повысить точность получаемых оценок, г) повысить эффективность методов обнаружения плохих данных (как при использовании контрольных уравнений, так и при применении робастных критериев оценивания состояния).

Использование мультиагентного подхода для реализации предложенного алгоритма оценивания состояния позволяет: а) организовать гибкий выбор метода решения той или иной задачи оценивания состояния для каждой подсистемы, б) координировать и быстро обмениваться данными между задачами, решаемыми на разных уровнях и распределенными территориально с помощью мобильных агентов.

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 "2008-0-2.7-31-01007". (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 международных и всероссийских конференциях и научно-практических семинарах:

1. Международный семинар "Liberalization and Modernization of Power Systems: Risk Assessment and Optimization for Asset Management" (Иркутск, 2006 г.).

2. Международный семинар "Power and Electrical Engineering" (Рига, 2007 г.).

3. Международный семинар им. Ю.Н.Руденко "Методические вопросы исследования больших систем энергетики" (Иркутск, Байкал, 2008 г.).

4. Научно-практический семинар "Современные программные средства для расчета нормальных и аварийных режимов, надежности, оценивания состояния, проектирования ЭЭС" (Иркутск, 2008 г.).

5. Международная конференция "Liberalization and Modernization of Power Systems: Coordinated Monitoring and Control towards Smart Grids" (Иркутск, 2009 г.).

6. Международная конференция IEEE PowerTech (Бухарест, 2009 г.).

7. Конференция-конкурс научной молодежи ИСЭМ СО РАН (Иркутск, 2006, 2007 гг.).

Публикации. Содержание диссертации отражено в 10 печатных работах, две из которых - в изданиях, рекомендуемых перечнем ВАК РФ.

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.

4.4. Выводы по главе.

1. Проведены экспериментальные расчеты для подсистемы первого уровня декомпозиции. Максимальные отклонения измерений от эталона находятся в пределах точности.

2. Проведены экспериментальные расчеты достаточно больших фрагментов реальных схем. Показано, что при расчете по подсистемам и использовании измерений от РМИ сокращается количество критических измерений и групп сомнительных данных, уменьшается значение целевой функции в подсистемах. Также сокращается общее время расчета схемы.

3. Описанные выше преимущества позволяют сделать вывод о целесообразности использования предложенного алгоритма ОС ЭЭС.

Заключение.

1. В современных условиях функционирования и управления ЭЭС требуется создание расчетной модели на основе методов оценивания состояния для схем большой размерности, состоящих из параллельно работающих подсистем. Это приводит к большой неоднородности расчетных схем, повышает загрузку вычислительных ресурсов в центрах диспетчерского управления, увеличивает время расчета. Необходимы алгоритмы децентрализованного решения задачи оценивания состояния на основе декомпозиции расчетной схемы большой размерности на подсистемы.

2. Выполнен анализ существующего состояния систем сбора и обработки информации при управлении ЭЭС. Отмечено, что в системах SC ADA имеются недостатки, такие как низкое качество телеизмерений, неполная наблюдаемость схем ЭЭС. Использование систем WAMS позволяет дополнить телеизмерения SCADA высокоточными измерениями комплексных электрических величин и более полно отразить режим рабочей схемы ЭЭС.

3. Проанализированы подходы к распределенному оцениванию состояния ЭЭС. Показано, что распределенная обработка данных при декомпозиции задачи ЭЭС повышает эффективность вычислительной процедуры оценивания состояния ЭЭС.

4. Исследованы мультиагентные технологии, методы проектирования и программной реализации мультиагентных систем. Обоснован выбор мультиагентных технологий для решения поставленных в работе задач.

5. Сформулированы основные принципы решения задачи ОС для крупной объединенной энергосистемы, состоящие в следующем:

1) каждая ЭЭС, входящая в объединение, имеет свой центр управления, который имеет свою базу данных сетевой информации и измерений. На основе этой информации формируется расчетная модель ЭЭС для ОС;

2) алгоритм ОС не должен предъявлять специальных требований к граничным измерениям и может быть использован для любой конфигурации измерений при любом количестве подсистем;

3) в граничных узлах подсистем должны быть установлены РМи (реальные и расчетные).

4) каждая подсистема имеет свой блок ОС, который обрабатывает ее измерения;

5) поскольку блоки ОС отдельных подсистем не взаимодействуют и не обмениваются данными, каждая подсистема может использовать свой собственный специфический алгоритм ОС.

6. Разработан двухуровневый алгоритм структурной декомпозиции расчетной схемы для ОС крупных объединенных энергосистем, схемы которых могут быть неоднородными.

7. Разработан алгоритм решения задачи оценивания состояния ЭЭС, базирующийся на структурной и функциональной декомпозиции задачи с использованием измерений от РМИ. Данный алгоритм позволяет:

1) выполнять параллельную обработку данных в подсистемах меньшей размерности, чем исходная схема;

2) понизить негативное влияние неоднородности схемы на результаты расчетов;

3) упростить решение координационной задачи;

4) избежать выполнения итерационных расчетов по подсистемам;

5) повысить эффективность методов обнаружения плохих данных;

6) ускорить процесс обработки телеизмерений.

Все эти преимущества позволяют значительно сократить время оценивания состояния для полной схемы и повысить точность получаемых оценок.

7. Эффективность предложенного алгоритма проверена при ОС методом КУ.

8. Для реализации предложенного алгоритма разработана архитектура мультиагентной системы, определены функции отдельных агентов, разработана схема взаимодействия агентов в системе. Отмечены преимущества мультиагентной системы для оценивания состояния:

1) гибкий выбор метода решения той или иной задачи оценивания состояния для каждой подсистемы;

2) интеграция методов искусственного интеллекта и численных методов решения;

3) координация взаимодействия и быстрый обмен данными между задачами, решаемыми на разных уровнях и распределенными территориально.

9. Разработаны алгоритмы модулей программно-вычислительного комплекса для реализации разработанной мультиагентной системы, предложена структура ПВК, реализован прототип агента разбивки расчетной схемы на подсистемы.

10. Проведенные вычислительные эксперименты показывают эффективность предложенных подходов и возможность их использования при оценивании состояния больших объединенных ЭЭС.

1. Оценивание состояния в электроэнергетике // Гамм А.З., Герасимов Л.Н., Голуб И.И., Гришин Ю.А., Колосок И.Н. - М.: Наука. - 1983. -302 с.

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

3. Аюев Б.И. Методы и модели эффективного управления режимами Единой электроэнергетической системы России. -Дисс.докт.техн.наук. Новосибирск, 2008. - 365 с.

4. G. Phadke. Synchronized Phasor Measurements. A Historical Overview. // IEEE/PES Transmission and Distribution Conference, 2002, №.1. -C.476-479.

5. Вахитов А., Гуревич JI. Мультиагентные системы // Доклады семинара "Введение в Computer Science". май 2005.

6. Development of a Multi-agent Information Management System for Iran Power Industry. A Case Study / C. Lucas, M.A.Zia, M.R.A.Shirazi, A.Alishahi // Porto Power Tech 2001 Proceedings, CD, #154.

7. Гамм A.3., Колосок И.Н. Обнаружение грубых ошибоктелеизмерений в электроэнергетических системах. — Новосибирск: Наука, 2000.- 152 с.

8. A. Monticelly. "Electric power system state estimation". Proceedings of the IEEE, 88(2): C.262-282, 2000.

9. Holton L., Gjelsvik A., Wu F.F., Liu W.H. Comparison of different methods for state estimation. // IEEE Trans. Power Appar. And Syst.-1998. Vol. 3, № 4. - P.1798-1806.

10. Конторович A.M., Тараканов А.А. Выдерживание точных измерений при оценивании состояния электрических систем. // Информационное обеспечение диспетчерского управления в электроэнергетике. Новосибирск: Наука. 1985. - С. 63-68.

11. Гамм А.З., Колосок И.Н. Усовершенствованные алгоритмы оценивания состояния электроэнергетических систем. // Электричество. 1987. - № 11. - С. 25-29.

12. Clements К. A., Krumpholz G.R., Davis P.W. Power System State Estimation with Measurement Deficiency: An Observability/Measurement Placement Algorithm. // IEEE Trans, on Power Systems. July 1983. - Vol. PAS - 102, № 7, pp. 2012-2020.

13. A.Z.Gamm, I.N.Kolosok, A.S.Paltsev. Decomposition algorithm for power system state estimation by the test equation technique and its implementation on the basis of multi-agent approach. // Proc. of PowerTech 2009, Bucharest, 2009. CD, #192.

14. M.Shahidehpour and Y.Wang. Communication and Control in Electric Power Systems. Piscataway, NJ: IEEE Press, 2003, C.529.

15. Вторушин A.C. Совершенствование моделей и методов оценивания состояния электроэнергетических систем. Дисс.канд.техн.наук. — Чита, 2004- 109 с.

16. Аюев Б.И. Демчук А.Т. Прихно В. JI. Иерархическая система расчета текущего режима Единой энергетической системы по данным телеизмерений // Энергетик. 2004. -№5. - С. 9-12.

17. Гамм А.З., Голуб И.И., Гришин Ю.А., Колосок И.Н. Особенности задачи оценивания состояния ЭЭС в рыночных условиях // Проблемы управления электроэнергетикой в условиях конкурентного рынка. Вестник УГТУ-УПИ №12.- Екатеринбург, 2005, с.43-46.

18. Суханов O.A., Шаров Ю.В. Иерархические модели в анализе и управлении режимами электроэнергетических систем. Москва: Издательский дом МЭИ, 2007. 312 с.

19. Крошко Д.Л., Новицкий Д.А., Суханов O.A. Иерархические алгоритмы для решения задач оценивания состояния в электроэнергетических системах // Электронное моделирование. 2007. №1.

20. Makeechev V.A., Soukhanov O.A. Sharov Y.V. Hierarchical algorithms of functional modeling for solution of optimal operation problems inelectrical power systems// International Journal of Electrical Power & Energy Systems. 2008. 30. № 6. 415-427.

21. L. Zhao and A. Abur, "Multiarea state estimation using synchronized phasor measurements", IEEE Transactions on Power Systems, vol.20, no.2, May 2005, pp.611-617.

22. W. Jiang, V. Vittal and G. T. Heydt, "A Distributed State Estimator Utilizing Synchronized Phasor Measurements", IEEE Transactions on Power Systems, vol.22, no.2, May 2007, pp.563-571.

23. W. Jang, V. Vittal, G.T. Heydt, "Diakoptic state estimation using Phasor Measurements Units", IEEE Transactions on Power Systems, vol.23, no.4, pp.1580-1589, Nov. 2008.

24. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта -1998. -N.2. С. 8-40.

25. Yong-j. Z., Zhen R. Real-time Optimal Reactive Power Dispatch Using Multi-Agent Technique // Electric Power Systems Research. 2004.1. N.69. С.259-265.

26. Lehtonen M., Nordman M. Distributed Agent-Based State Estimation for Electrical Distribution Networks // IEEE Transactions on Power Systems. 2005. -N.2. - C.652-658.

27. Гамм A.3., Кучеров Ю.Н., Паламарчук С.И. и др. Методы решения задач реального времени в электроэнергетике. — Новосибирск: Наука, 1991.-293 с.

28. Гамм А.З., Голуб И.И. Наблюдаемость электроэнергетических систем. М.: Наука. - 1990. - 220 с.

29. Гамм А.З., Эм JI.B. Достоверизация телесигналов при оценивании состояния. // Электронное моделирование. 1990. - Т. 12. - №2. - С. 79-84.

30. Гамм А.З., Глазунова A.M., Колосок И.Н., Овчинников В.В. Методы оценки дисперсий измерений в электроэнергетических системах. // Электричество. 1997. - №7. - С. 2-9.

31. Гамм А.З., Гришин Ю.А. Распределенная обработка информации в автоматизированных системах диспетчерского управления энергосистемами. Сб. трудов Пятого Международного семинара "Распределенная обработка информации", Новосибирск, 1995. — С. 243-247.

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

33. Гамм А.З. Алгоритмы декомпозиции для решения проблемы оценивания состояния ЭЭС // Электронное моделирование. 1983. -№.3. С.63-68.

34. Гамм А.З. О нумерации узлов при расчетах установившихся режимов электрических систем методом Ньютона-Рафсона. // Электричество. N2.-1970. - С.59-61.

35. Гамм А.З., Голуб И.И. Обнаружение слабых мест в электроэнергетической системе. // Изв. РАН. Энергетика. N3. -1993.-С.83-92.

36. Intelligence Information Systems: Tutorial/ A.I.Zmitrovich. Minsk: TetraSystems, 1997 . - 367 p.

37. К.А. Clements, O.J. Denison, R.J. Ringle, "A multy -area approach to state estimation in power system networks," in Proc. IEEE Power Eng. Soc. Meeting, San Francisco, С A, 1972, Paper #C72 465-3.

38. D.M. Falcao, F.F.Wu, and L. Murphy, "Parallel and distributed state estimation", IEEE Trans. Power Syst., vol.10, no. 2, pp. 724 730, May 1995.

39. Хьюбер Дж.П. Робастность в статистике. М.: Мир, 1984. - 304 с.

40. Rousseeuw P.J., Leroy A.M. Robust Regression and Outlier Detection. -Jon Willey, 1987.-329 p.

41. P.J. Huber, "Robust Estimation of a Location Parameter". // Annals of Mathematical Statistics, Vol.35, 1964. pp.73-101.

42. Merrill N.M., Schweppe F.C. Bad data suppression in power system state estimation // IEEE Trans. PAS.-1971. №6. -P.718-725.

43. Mili I., Cheniae N.S., Vichare N.S., Rousseeuw P.J. Robust State Estimation Based on Projection Statistics. I I Paper № 95WM216-2 PWRS, presented at the IEEE /PES 1995 Winter Meeting, NYC.

44. Barrodale I., Roberts F.D.K. An improved algorithm for discrete Lj linear approximation. // SIAM J. Numer. Anal. 1973. - P.839-848.

45. Новые информационные технологии в задачах оперативного управления электроэнергетическими системами / Манов Н.А., Чукреев Ю.Я., Успенский М.И. и др. Екатеринбург: УроРАН, 2002 -205с.

46. А.З.Гамм, И.Н.Колосок, Р.А.Заика. Робастные методы оценивания состояния ЭЭС на основе контрольных уравнений и их реализация с помощью генетических алгоритмов. // Электричество, 2005, №10. -С.2-8.

47. Douglas Е. Comer, David L. Stevens. Internetworking with TCP/IP Vol. Ill Client-Server Programming and Applications-Windows Sockets Version. 1997.-512 c.

48. Mitchell C. Kerman. Programming and Problem Solving with Delphi. 2001.-650 c.