基于多智能体的电力系统连锁故障预防控制研究.docVIP

基于多智能体的电力系统连锁故障预防控制研究 　　【摘 要】文中将基于多智能体的预测控制算法应用于预防连锁故障控制中，提出了一种预防电网连锁跳闸的在线计算的优化控制算法。该算法将电力系统各节点最佳切机切负荷量作为控制量，通过分布式模型预测控制算法对控制量进行优化，并预测下一时刻的电流值。该方法可在支路过载时优化切机切负荷量，降低损失，同时有效预防连锁故障的发生。 中国论文网 /8/view-7248934.htm 　　【关键词】连锁故障 多智能体 预测控制 　　1 引言 　　近年来，国内外发生过多起电力系统大停电事故，而且很大的一部分事故的发生是由连锁跳闸事故发展而来的，此类连锁故障往往是由单一元件故障或线路过负荷引起的，元件相继退出运行造成大面积停电甚至整个电网崩溃[1]。在大停电事故发展的初期，如果电力操作人员控制得当，是完全可以避免的[2]。 　　2 多智能体技术 　　多智能体是近年来工程计算研究的一大热点，多智能体的思想是将系统需集中完成的任务通过几个子系统来完成。不同子系统之间既相对独立又相互联系，通过协同合作的方式进行工作。这种处理模式已成功应用于电力系统[3]。文中把电力系统中每个节点看成一个智能体，每个智能体均包含对节点电流的预测控制算法，同时也可以与其他智能体之间进行相互通信，交换数据。 　　3 基于多智能体的连锁故障预测控制算法 　　每个智能体在每一采样时刻对有限时域上的性能指标进行在线优化，得到一组最优的控制序列，并把它作用到对象上去。因此，预测控制不是一个对全局相同的优化性能指标，而是在每一时刻有一个相对该时刻的优化性能指标[4-5]。此预测控制的优化过程不是一次离线进行，而是反复在线进行的。多智能体预测控制算法具体步骤如下： 　　步骤1：在包含 个节点， 条支路的网络中，假定网络中支路 由于发生潮流转移引起保护启动，将电力系统中的发电机、负荷都作为节点注入电流表示，计算网络的重要度系数矩阵 。 　　步骤2：将矩阵 中第 行的元素 进行排序，选取 个 所对应的节点 进行切负荷控制，与之对应，选取 个 所对应的节点 进行切机控制。 　　步骤3：选取节点 与节点 的切机切负荷量，将其作为分布式模型预测控制的控制量。 　　步骤4：根据分布式模型预测控制中的性能优化指标对控制量进行优化，并计算下一时刻支路 的电流值。 　　步骤5：重复以上步骤，直至支路 的电流进入安全范围内。 　　文中对IEEE30节点的系统进行仿真验证，包含30个节点，35条支路，假定网络中支路6被切除，从而使支路11发生潮流转移引起保护启动，将电力系统中的发电机、负荷都作为节点注入电流表示。支路6被切除后，计算出 。按照节点的重要程度，选取3个切负荷节点依次为节点7，4，12。与之对应，选取3个切机节点依次为节点2，8，5。然后选取合适的切机切负荷作为第一步优化控制的控制量进行模型预测控制。在 时刻预测 时刻的输出为： 　　优化后的控制量作用于实际被控系统，滚动到下一采样时刻 ，系统接收新的测量信息 ，重复优化步骤，直至支路11的电流进入安全范围内。以下为优化控制后的结果；图表1所示。 　　4 仿真结果与讨论 　　从表中可看出，在支路6被切除后支路11的电流平均值为1583.7A，严重超过支路安全运行的电流值。在进行第二、三次切机切负荷后，支路11电流值为1083.5A，进入安全运行的范围内，且每次的切机切负荷量也逐渐减少，而且在每次控制后，可以对过载支路的电流进行预测，从而达到在短时间内对连锁故障进行预防的目的。 　　5 结语 　　本文将多智能体的预测控制算法应用于预防连锁故障控制中，把一个复杂大系统的在线求解问题分散到各个智能体中实现，选取节点的切机切负荷控制量，进行多步切机切负荷优化控制，通过实时滚动优化，达到抑制连锁故障蔓延的目的。最后通过对IEEE30节点的系统进行仿真验证了该切机、切负荷优化控制方法的可行性。 　　参考文献： 　　[1]梁志峰，葛睿，董昱，陈刚.印度“7.30”.“7.31”大停电事故分析及对我国电网调度运行工作的启示[J]，电网技术，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]段涛，陈维荣，戴朝华，徐挺，张舟.多智能体搜寻者优化算法在电力系统无功优化中的应用[J]，电力系统保护与控制，2009，37（14