多Agent电网运行决策支持系统体系结构研究

　　0 引言

　　世界范围内的电力工业改革和互联电网的发展，对电力系统的可靠性和经济性提出了更高的要求[1]。一方面，由于经济、政治和生态的原因，电力系统将运行在更接近安全稳定极限的条件下，输电系统的开放和新技术(例如FACTS技术)的引入也增加了运行的复杂性;另一方面，电力系统控制中心在承担了传统的经济和技术任务以外，还增加了很多与电力市场和交易有关的工作，其在运行和控制中所担当的角色和任务变得更加复杂、繁重。过去为了满足特定的需要，SCADA，EMS，DMS，MIS和电量计费等都是在不同计算机系统运行的独立的应用软件系统。少数涉及某些网络分析软件的方法共享，很少进入基于知识系统的综合决策范畴。如何把有关电网运行的各种信息及知识组成一个规范统一、界面友好、使用方便、自学习和自适应的决策支持系统(DSS)，用以提高电网运行的可靠性、调度效率和管理水平，是电网运行信息化所面临的一个重大挑战。

    一、多主体技术发展

　　近几年来，随着分布式人工智能的需要和计算机网络、计算机通信等技术的发展，多主体技术(multi-Agenttechnology)得到了迅速发展，并已成为多学科交叉领域的一个研究热点，为建立电力系统、电子商务、空中交通管理系统、智能机器人、网络信息检索、企业管理、生产控制等领域的分布和开放式系统提供了新的途径及方法。

　　本文介绍了DSS以及多主体系统的基本原理和技术，提出了一个基于多主体系统的电网运行DSS体系结构。决策支持系统简介[2,3]

　　20世纪60年代，由于网络技术和数据库技术的发展，产生了以提高信息处理速度、改善全局管理质量为主要目的的管理信息系统(MIS)。为了弥补MIS在决策支持等方面的不足，1970年美国ScottMorton教授在《管理决策系统》一文中首先提出了DSS概念。近20年来，关于DSS的定义没有一个统一的看法，随着决策理论、管理科学、信息技术、人工智能、计算机和通信手段的发展，DSS在其概念、结构、应用3个方面都有了很大的发展，可以认为它是一种以辅助管理者做决策为目标的计算机系统，为管理者提供了分析、模型构造、决策过程模拟及决策效果评价的决策支持环境。DSS使得计算机管理和决策有了质的飞跃。

　　经过20多年的发展，DSS形成了如图1所示的公认的体系结构。

　　90年代中期，兴起了3个新的辅助决策技术：数据仓库(DW)、联机分析处理(OLAP)和数据挖掘(DM)。把DW、OLAP、DM、模型库(MB)、专家系统(ES)结合起来，形成DW+OLAP+DM+MB+ES的综合DSS的结构体系[2]。其中，DW能够实现对主题数据的存储和综合，OLAP实现多维数据分析，DM用以挖掘数据库和DW中的知识，模型库实现多个广义模型的组合辅助决策，专家系统利用知识推理进行定性分析。它们所集成的DSS，将相互补充、相互依赖，发挥各自的辅助决策优势，实现更有效的辅助决策。为了克服个人决策的局限性，自70年代开始，又产生了群体DSS。目前，随着计算机科学技术的快速发展，Internet和Intranet的迅速普及，以及现代管理方法和组织模式的需求推动，群体DSS的研究也进入了新的发展阶段。

　　2 Agent技术简介[4~10]

　　2.1 Agent的特性

　　Agent一词，国内学者将其译为智能体或主体，有些文献称为软件代理，最初形成于分布式人工智能领域，至今尚无统一和确切的定义。大多数研究者认为，Agent是一种具有知识、目标和能力，并能单独或在人的少许指导下进行推理决策的能动实体，是一种处于一定环境下包装的计算机系统，为了实现设计目的，它能在这种环境下灵活、自主地活动。

　　Agent一般具有以下特性[5]：

　　a.自治性(autonomy)。Agent运行时不直接由人或者其他东西控制，它对自己的行为和内部状态有一定的控制权。

　　b.社会能力(social ability)或称可通信性(commuNIcability)。Agent能够通过某种主体通信语言(agent communication language)与其他主体进行信息交换。

　　c.反应能力(reactivity)。Agent应该感知它们所处的环境，可以通过行为改变环境，并适时响应于环境所发生的变化。

　　d.自发行为(pro-activeness)。传统的应用程序是被动地由用户来运行的，而且机械地完成用户的命令，而主体的行为应该是主动的，或者说自发的。

　　主体感知周围环境的变化，并做出基于目标的行为(goal-directed behavior)。

2.2 多Agent系统

　　通常人们研究的都是多Agent系统(MAS)意义下的Agent。Agent将推理和知识表示结合起来，在创建智能系统、模拟智能行为中起到了很重要的作用。单个Agent主要用于模拟人的智能行为，而多Agent系统则是以模拟人类社会系统为最终目标，它通过多个Agent之间的通信和协调或协作形成了一个多Agent系统。因此，研究Agent的真正意义在于它们能构成多Agent系统。

　　在应用方面，利用Agent方法研究DSS还处于起步阶段。B·Tung等人[4]为研究基于Agent的DSS而提出了一种生命周期法，并建立了一个AgentDSS的框架。在电力系统领域，Agent技术用于短期负荷预测、考虑安全约束的最优潮流计算以及电力系统控制中心等方面已有相关文献报

　　道[7~9]，但大多仍然处于概念或初级应用阶段，在电网运行DSS中的应用尚未见报道。

　　3 电网运行DSS基本体系结构研究

　　电力系统是一个开放式复杂的大系统，根据对Agent的智能、移动、交互等属性方面的分析，本文研究并提出了基于多Agent技术的电网运行DSS体系结构。

　　在系统中，通过Agent可以将处理复杂系统的理论方法、决策理论、信息收集与知识发现技术、电力系统安全稳定性分析等紧密地结合起来，形成一个基于多Agent的人机合作系统，帮助调度员进行系统运行状态分析与决策。

　　3.1 系统基本体系结构

　　多Agent(以下简称主体)电力系统DSS由决策资源层、通信服务器主体层和职能主体层构成，如图2所示。

　　决策资源层为系统中的各个主体的智能决策提供通用的各种数据和方法，由数据库、模型库、知识库和范例库构成最底层的基本资源，它们由相应的管理主体进行管理和使用。数据管理主体负责数据库的查询、录入、修改、数据抽取等功能;模型管理主体负责模型库的管理维护工作、模型的组合、模型的运行;知识推理主体完成知识库的维护和基于知识的推理等工作;范例推理主体完成范例库的检索、匹配、修改、复用等基于范例推理的相应功能。这些主体之间也是相互联系的，例如，数据管理主体负责为其他主体的运行提供数据，知识推理主体在运行过程中可能需要模型管理主体运行某一模型等。

　　通信服务器主体层由一个Facilitator主体组成，它是职能主体层与决策资源层之间的中介，负责系统资源的分配工作。

　　职能主体层由多种不同类型的主体组成。包括以下主体：

　　a.管理决策主体。协调管理系统内多个主体之间的关系，依据系统内其他主体提供的定性和定量分析得到的辅助决策信息，运用相应的决策方法和知识，形成一系列决策方案供调度员选取。

　　b.实时安全评估决策主体。实时地运用相应的模型、算法(例如潮流计算、状态估计、实时网络分析、安全约束调度、电压稳定性分析、预想故障分析等)以及知识对系统进行安全评估。在系统正常运行时，给出“忧患预告”，实时告知系统薄弱所在。同时，还可给出改善安全稳定性的建议和策略，使电力系统始终保持在正常运行状态。

　　c.经济运行决策主体。在日常运行中，它可根据安全稳定约束条件，在运行规则指导下，运用相应的模型、算法(例如负荷预测、经济调度、机组经济组合、水电计划、交换计划、燃料计划和检修计划等)和知识制定全系统的经济运行策略(考虑了确保环保指标)，在正常运行时，不断地给出现时系统整体经济效率、网络损耗和热效率等信息，并且给出如何减少损耗、提高效率的建议和方案。

　　d.紧急控制决策主体。在紧急状态下，它可告知运行人员故障发生的地点以及何种故障。故障后，发出警报并及时给出采取何种紧急控制的建议，帮助调度员正确诊断故障，防止事故扩大，封锁人为可能导致大面积停电的操作。

　　e.解列决策主体。当电力系统的干扰超过稳定极限、系统的稳定会遭到破坏时，解列决策主体将根据系统的实际情况，参考范例库中的先验经验，选取模型，采用不同的算法(例如黑启动模型和关键路径法等)进行定量分析，并结合知识库运用推理策略进行问题求解，给出最佳的解列方案，把一个大系统分解成几个独立的孤岛。解列后的系统，每一个孤岛上的电源和负荷应该是基本平衡的。

　　f.恢复决策主体。系统解列以后，它将根据系统的实际情况，参考范例库中的先验经验，选取模型，采用不同的算法(例如电网重构模型和算法等)进行定量分析，并结合知识库运用推理策略进行问题求解，给出最佳的恢复策略的建议，并以流程图的形式给出恢复操作程序。

　　8.调度交互决策主体。通过该主体，调度员可以将决策问题提交给管理决策主体，由管理决策主体协调其他职能主体分工协作，提出一些决策方案;另外，调度员可以根据管理决策主体提供的这些决策方案，结合自己的经验选取最终决策方案。如果没有调度员满意的决策方案，可以增加信息量，进行新一轮决策，直到得出调度员满意的方案为止。

　　h.事例分析主体。鉴于电力系统的特殊情况，要求系统能对紧急情况做出快速反应，因此，系统特地增加事例分析主体，一旦有危及电网安全稳定运行的紧急情况发生，通过事例分析主体可以及时鉴别出来，通知相关主体(例如紧急控制决策主体、解列决策主体等)立即做出反应。

　　i.专家交互决策主体。有"个专家交互决策主体，它们一方面可以就系统当前的运行状况，运用自己的方法和经验进行决策，另一方面还可通过交互，指导其他主体的运行。

　　j.故障后处理主体。事故处理完毕后，故障后处理主体自动生成故障分析报告，并增加或修改知识库、模型库和范例库，改善电网运行环境模型和知识，积累故障处理经验。

　　k.模拟培训主体。可提供模拟培训功能，使操作员在模拟条件下体验和实践DSS的功能和运作。

　　每个职能主体都有自己的背景知识库、数据库、专用模型库和范例库。背景知识是智能决策的关键，可以把领域专家处理问题的经验和知识，通过知识获取，建成背景知识库。模型和算法是定量分析的基础，有赖于电力系统控制理论和实用高效算法的研究，新的模型和算法可以很方便地加入，而不会让系统做大的修改。在系统运行过程中，各个职能主体的学习模块会不断总结经验，不断进行信息收集、数据挖掘和知识发现，为知识库增加新的知识，更新模型库和范例库，提高适应环境变化的能力。

　　所有的主体均分布在网络计算机上，利用网络进行通信。从理论上讲，每个主体都可以分布在与Internet相联的任何计算机上，这里采取的分布结构是将除了专家交互决策以外的其他主体，都集中在电力调度部门专用的Intranet上，而专家交互决策主体通过Internet与其他主体进行联系。专家交互决策主体个数可以根据需要和具体情况选取，灵活配置。这样，一方面便于系统管理，另一方面也是出于安全性和保密性的考虑。

3.2 职能主体结构

　　系统中的每个主体可以采用MAPE结构[5]，其构成如图3所示。每个主体包含感知、行动、反应、建模、规划、通信和决策生成等模块。

　　主体通过感知模块来反映现实世界，并对环境信息做出一定的抽象。根据信息的类型，感知模块将经过抽象的信息送到不同的处理模块。如果感知到的是简单的或紧急的情况，则信息被送往反应模块。反应模块对传人的信息立即做出决定，并将动作命令送到行动模块。行动模块根据传人的动作命令做出相应的动作，对世界做出影响。如果感知到的是复杂的或时间充裕的情况，则信息被送到建模模块进行分析。建模模块中包含主体对世界和其他主体所建立的模型，根据模型和当前感知到的情况，主体可以对短期的情况做出预测，进而提出相应的对策。模型不是一成不变的，主体根据感知的情况和以往的经验，通过其中的学习模块修正它对世界和其他主体所建立的模型。

　　规划模块根据主体的目标对中短期行动做出规划。规划是一组动作序列，它被提交给决策模块。如果不发生意外情况，则主体将按这个动作序列行动。如果发生意外情况(例如出现紧急情况，或预测出的情况与规划时的假设情况不同)，则决策模块根据需要让规划模块重新做出规划，或者暂停规划的执行。

　　通信模块主要用来处理主体之间的信息交换。通信语言中包括通知、请求、询问、回答等多种类型的语句。通过使用通信交换信息，可以实现多主体的协作或协调。通信语言可采用KQML(Knowledge Query and Manipulation Language)，或采用中国科学院计算机研究所基于KQML语言开发的SACL(Software Agent Communication Language)[5]。

　　3.3 系统决策过程

　　多Agent电网运行DSS进行决策的过程是一个人(调度员、专家)机合作的过程，主要包括以下内容：

　　a.调度员通过调度交互决策主体，将决策问题输入给管理决策主体，并尽可能提供关于该决策问题的一些定性、定量信息及调度员的认识和看法。

　　b.管理决策主体通过与其他职能主体和专家交互决策主体通信，使它们得知当前的决策问题。

　　c.各个职能主体和专家交互决策主体根据决策问题、自身能力以及信息获取的难易程度等，确定是否接受决策任务。

　　d.管理决策主体接受决策任务后，通过通信服务器主体层从决策资源层那里获取所需的信息，然后协调其他职能主体和专家交互决策主体进行决策，决策的结果发送给调度交互决策主体。

　　e.决策调度员根据系统提供的决策方案，结合自己的经验选取最终决策方案，如果没有调度员满意的决策方案，则在增大信息量后进行新一轮的决策，直到得出调度员满意的方案。

　　4 结语

　　由于环境的制约、大规模的电网互联、竞争的电力市场等原因，电力系统的运行条件越来越接近各种稳定极限，其运行控制系统和调度员都面临着更大的压力和更少的选择性。因此，先进的电网运行控制系统以及调度员的知识、技术、经验和主动性，已成为决定电力系统性能的重要因素，也是现代电网运行和控制领域的战略研究方向。电网运行决策支持系统的研制开发，无疑具有非常重要的价值和意义。 。

　　多Agent电网运行决策支持系统通过Agent将调度员与相关的专家联系起来，从而实现了电力系统理论方法、专家的知识经验和计算机之间的相互结合，参与的专家不但可以利用自己的方法做出决策，还可以指导系统中其他Agent的运行。该系统既支持组织决策，也支持个体或群体决策。系统中的Agent分布于网络计算机上，以增强系统的可靠性和鲁棒性，提高系统的运行效率。系统的知识存储于各个Agent中，以便于知识的利用与获取。该系统具有良好的可扩展性，呈现出一种开放式的结构，可以非常容易地加入由新的理论和方法构筑的Agent，也可以非常容易地加入新申请的专家。