基于多智能體的電力系統連鎖故障預防控制研究

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

【關鍵詞】連鎖故障 多智能體 預測控制

1 引言

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

2 多智能體技術

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

3 基于多智能體的連鎖故障預測控制算法

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

步驟1：在包含 個節點， 條支路的網絡中，假定網絡中支路 由于發生潮流轉移引起保護啟動，將電力系統中的發電機、負荷都作為節點注入電流表示，計算網絡的重要度系數矩陣 。

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

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

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

步驟5：重復以上步驟，直至支路 的電流進入安全范圍內。

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

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

4 仿真結果與討論

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

5 結語

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

參考文獻：

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

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

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

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

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

作者簡介：王馨漪（1989—），助理實驗師，碩士，研究方向：智能電網。