学术咨询

让论文发表更省时、省事、省心

大数据集成环境下基于MAS的智能电网能量协调控模型分析

时间:2020年12月02日 分类:电子论文 次数:

摘要:调度控制是智能电网管理中的重要内容。基于此,本研究主要针对MAS技术在智能电网调度控制管理工作中的应用优势进行分析;并从模型架构、模型数据收集层、模型数据决策层等方面,细化阐述了基于MAS技术的智能电网能量协调控制模型的构建,以期为智能电网

  摘要:调度控制是智能电网管理中的重要内容。基于此,本研究主要针对MAS技术在智能电网调度控制管理工作中的应用优势进行分析;并从模型架构、模型数据收集层、模型数据决策层等方面,细化阐述了基于MAS技术的智能电网能量协调控制模型的构建,以期为智能电网管理提供良好支持。

  关键词:大数据集成;MAS;智能电网

黑龙江科学

  前言:随着用电量的持续增长,电网调度控制工作,逐渐成为人们的关注重点。近年来,智能电网建设进程的加快,为用电管理工作提供了极大的支持。但从智能电网的调度、协调控制状况来看,当前智能电网管理模式仍然与大数据集成背景的要求存在一定差异。而MAS技术则在数据分析处理方面具有一定优势,该技术更加契合大数据集成的要求。因此,探讨以MAS技术为核心的智能电网能量协调控制模型构建具有一定必要性。

  一、MAS技术在智能电网调度控制管理中的应用优势

  (一)问题解决能力

  智能电网调度控制管理的关键在于:识别、分析电网的运行数据,根据分析结果,制定调度、控制决策[1]。从本质角度来讲,可将智能电网的调度控制管理过程看成是一个问题解决过程。相对于其他技术而言,MAS在问题解决方面更具优势,原因在于:MAS由多个Agent整合而成。于智能电网调度控制管理工作中引入MAS技术后,该技术可借助各Agent的丰富知识储备及良好数据整合分析能力,于较短时间内完成问题解决任务,并保障电网调度控制决策的可靠性。

  (二)数据处理效率

  自智能电网推行以来,海量信息的处理,逐渐成为电网管理所面临的主要问题。结合智能电网的发展经验来看,以传统技术处理数据信息时,容易面临数据信息处理不及时、处理错误率高等状况(多见于用电高峰期阶段)。而引入MAS技术后,该技术则可实现海量数据信息的高效化处理:一方面,MAS技术可借助单Agent系统的数据整合、分析优势,高质量完成问题解决;另一方面,该技术还可经通讯Agent这一媒介,于所有服务器之间建立连接,为数据传输、分享提供支持,进一步提高数据分析处理效率。基于上述优势,推行该技术具有一定必要性。

  二、大数据集成背景下基于MAS的智能电网能量协调控制模型

  (一)模型整体架构

  在当前大数据集成环境下,如何优化智能电网的调控质量,逐渐成为智能电网管理面临的关键问题。为了达成改善智能电网调控质量目标,可将以MAS技术为核心的智能电网能量协调控制模型架构设计为:由数据收集层、决策资源层、通信传输层以及人机交互层共4部分构成。其中,数据收集层的功能以收集电网数据为主;决策资源层的作用以数据分析、数据集成等为主;通信传输层相当于整个MAS智能电网能量协调控制模型中的传输媒介、通道,为各层之间的数据传输提供渠道;人机交互层则是管理者与MAS模型交互的基本媒介。

  (二)数据收集层

  智能电网运行期间产生的数据量较大,数据类型较多[2]。MAS智能电网能量协调控制模型的数据收集层同时经多种渠道,收集与电网有关的数据信息,以保障MAS模型的数据处理效果及决策支持作用。具体数据收集渠道包含:第一,智能电子装置。智能电子装置主要布设于智能电网的各个区域。随着智能电网的持续运行,智能电子装置可动态采集其所在区域的电网实时运行数据,并将所收集数据传输至MAS模型的数据收集层中,为MAS模型调控、能量分配等功能奠定基础。

  第二,故障信息系统。故障识别、诊断,也是MAS模型的主要功能之一。在MAS模型运行期间,该模型主要利用数据收集层采集来源于故障信息系统的数据信息,并经模型的其他部分开展数据分析、诊断,从中识别出异常数据信息,并判断当前电网是否处于故障状态。第三,SCADA系统。电网运行状态下,数据收集层主要收集来源于SCADA系统的稳态数据信息。第四,广域测量系统。在智能电网中,广域测量系统主要产生与电网有关的动态数据,并将其传输至MAS模型的数据收集层中。

  (三)决策资源层

  在MAS模型中,决策资源层是大数据集成的重要体现。该部分主要依托数据挖掘技术、数据建模分析技术以及数据预处理技术等,为智能电网的能量调控、分配提供合理的决策。MAS模型运行期间,决策资源层将来源于数据收集层的各类数据信息进行集成处理后,经预处理存储功能,完成电网数据的分类存储,随后经数据建模分析、数据挖掘等环节,获得数据分析结果,最后将所得结果传递至下一层部分。

  由于数据收集层提供的数据较多,为确保数据存储效率,MAS模型的决策资源层主要借助分布式文件存储模式、Hbase分布式数据库,实现各类数据的高效率存储。而从决策资源层的功能来看,其电网故障诊断、处理等功能,均需依靠数据处理环节来完成。在运行状态下,电网故障决策流程为:经MapReduce分布式计算框架初步完成数据处理任务后,由数据挖掘技术、数据建模分析技术,确定可疑数据与其他历史数据间的关联性,以便确定最佳电网故障决策。

  (四)通信传输层

  在MAS模型中,智能电网实时数据、稳态数据等数据信息的传输工作,主要由通信服务层中的通信Agent实现。随着数据信息的快速传输,MAS模型可根据数据分析结果,合理分配系统资源,进而保障智能电网的安全、稳定运行。

  (五)人机交互层

  MAS模型的人机交互层是决定MAS模型在智能电网管理中作用、价值的关键所在。运行MAS模型后,该模型可经显示屏这一媒介,向管理人员展示经处理、分析后的电网数据信息(数据形式以声音、图像等为主)。管理人员根据则根据人际交互层所提供的数据,判断当前智能电网运行状态、资源分配合理性等。如人际交互层显示智能电网某部位出现故障,管理人员可按照人机交互层提供的信息,通过启用保护装置、切断某部分电路(由开关控制)等途径,实现对电网故障的控制,以便将电网故障引发的不良影响控制于最小范围内,进而保障智能电网的正常运行。

  电力论文投稿期刊:《黑龙江科学》(月刊)创刊于2010年,是由黑龙江省科学院高技术研究院主办的报道黑龙江省自然科学领域的基础理论研究和应用研究方面研究成果和新技术成就的综合性学术期刊。报道内容包括能源、材料、化工、机械、动力、电气、电子、信息与控制、计算机、生物工程、土木工程、市政环境、道路、桥梁、交通工程、工程力学及有关交叉性科学相关的学术论文。

  结论:综上所述,运用MAS技术构建具有集成化特征的智能电网能量协调控制模型具有一定现实意义。为促进MAS技术优势的发挥,可在充分了解智能电网调度控制需求的基础上,通过适宜策略,促进MAS技术与智能电网能量协调控制模型的融合。此外,为了进一步提升智能电网协调控制质量,可结合大数据集成技术的要求,适当调整MAS模型的功能,以此为电网管理提供良好支持。

  参考文献:

  [1]孙筱琳.智能电网模式下配网调控一体化研究[J].黑龙江科学,2020,11(14):102-103.

  [2]李金讯,颜清,吴秋佳.基于大数据及人工智能的大电网智能调控系统框架[J].通信电源技术,2020,37(03):5-7.

  作者简介:苏坤

NOW!

Take the first step of our cooperation迈出我们合作第一步

符合规范的学术服务 助力您的学术成果走向世界


点击咨询学术顾问