配电网电能质量监控装置研究

2012-07-02孟祥萍谷春苗常效峰

长春工程学院学报（自然科学版） 2012年1期

纪秀，孟祥萍，谷春苗，常效峰

（1.长春工业大学电气与电子工程学院；2.长春工程学院，长春130012）

0 引言

社会经济的可持续发展要求电网运行以可靠、安全、经济、高效、环境友好和使用安全为目标，即实现智能电网［1］。配电网电能质量监控装置是建设智能配电网的重要基础和支撑，实现该装置的自动化和高级智能应用是实现智能配电网的重要表现。如实现智能配电网，则需要大量配电网电能质量监控装置。因此研究适用于0.4kV低压配电网的配电网电能质量监控装置，除对配电网电压、电流、功率因数等指标进行监测外，还对配电网电压波动、谐波含量和三相不平衡度等指标进行监测，并对监测点的电能质量指标体系进行综合评价，并给出评价等级，同时将结果和采集数据实时上传给主站系统。同时可以根据上位机下达控制指令，控制开关的开／关状态［2－3］，具有重要的应用价值。

本文针对配电网电能质量监控装置分布广、实时性要求强，大量数据集中上传会造成数据拥堵和可靠性变差的情况，提出了基于强化学习MAS电能质量监控策略，以MSP430F149单片机为测控核心，实现电能质量的实时、快速、准确测量，并实现电参量的分析、显示功能。

1 G－MAS算法研究

1.1 多智能体系统（MAS）

多智能体系统（MAS）是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。MAS是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。多智能体系统适合于复杂的、开放的分布式系统。它们通过智能体的合作来完成任务的求解，实现多智能体系统的关键是多个智能体之间的通信和协调。

1.2 强化学习

在20世纪，强化学习的数学理论研究有了很大的突破性发展，在此数学基础上，研究强化学习、应用强化学习日益发展壮大［4］。强化学习是一种基于Agent和环境交互的模式，每个时间步，环境都会根据智能体的动作给出一个激励信号，作为智能体的动作的评价。环境给出评价的机制把它叫做评价器。评价器根据外部和内部不同的环境给出的不同激励做出不同的评价，如图1。

1.3 G－MAS算法的提出和验证

量子计算Agent不仅具有传统的Agent的特性，还具有量子特性，量子计算Agent正是集合二者的优点，如，“强定义”和“弱定义”是传统Agent的经典理论，而量子算法中的叠加、纠缠以及并行，通过对两大特性的整合形成了现有的量子计算Agent系统。量子计算Agent功能强大的计算方法在一些复杂而且传统经典的计算机无法运行的计算问题上发挥了巨大的作用，诸如，多任务信息搜索、扩展任务管理器量子计算信息度，从而增加智能信息在经典计算机上的储存量。

图1 强化学习激励思路图

受Grover搜索算法的启发，在量子计算多A－gent强化学习中，Agent根据他们的行为策略选择确定与之相关的量子算子，就可以利用量子纠缠态来协调他们的策略选择，最终获得最佳的平衡解［5］。

量子位是量子信息的基本单位。一个量子位是一个双态量子系统，分别为｜0＞和｜1＞，量子位可以是2个基态的叠加态。因此多Agent系统的学习是由n个共享一个量子位纠缠对的2个Agent之间小范围的学习组成的，每个Agent同时参与n－1次小范围的学习，这样，每个Agent都可以在不考虑空间距离和无通信的情况下同其他n－1个Agent进行交互和策略的协调，最终获得全局最优策略的输出。因此，将多Agent协作学习中系统的状态和Agent动作用量子的叠加态表示，状态表示为：

从状态到动作的映射f（s）＝π：S→A可以被表示为：

式中：Cs和Ca——分别表示状态｜s＞和动作｜a＞的概率振幅。

现假设典型的30×30格二维追捕试验中，分别采用Nash－Q算法和G－MAS算法，实验结果如图2所示。

图2 Nash－Q算法与G－MAS算法实验结果对比

2 电能质量监控体系研究

2.1 电能质量智能体的建立

对配电网电能质量监控装置内部而言，电能质量Agent系统是指电能质量指标体系中各电能质量指标构成的智能体。包括控制Agent、决策A－gent、通信Agent，电压 Agent、谐波Agent等。每个Agent均有各自的知识，根据外界环境的变化做出快速反应，以及各Agent之间相互影响，相互协调，最终形成电能质量综合评价指标体系。对配电网电能质量监控装置本身而言，该装置本身又可以是配电网中众多分布式监控装置中的一个Agent单元，与配网监控中心、微网监控中心以及其他的配电网电能质量监控单元组成配电网电能质量监控系统，完成配电网电能质量测控任务［6］。其模型结构如图3所示。

2.2 电能质量监控指标体系的建立

电能质量各项Agent指标均是由采集装置采集上来的电气参量中抽取出来的电气参数，并且根据电气参数的变化建立其各自的知识库。各项指标中均有明确的状态定义以及上下限的确定，最后形成综合评价体系［7－8］。

图3 配电网电能质量监控单元图

假设有m项评价指标的n个电能质量样本组成参考数列：

假设有m项评价指标的t个电能质量评价标准组成比较数列：

2个数列的差异度用灰色关联系数ξi（xj，xh）表示为：

式中：himinΔh（i）—— 两级最小差；

himaxΔh（i）—— 两级最大差；

ρ——分辨系数。

结合各指标的权重得到关联度表达式为：

3 系统硬件结构及软件设计

3.1 硬件系统结构

配电网电能质量监控装置硬件系统以MSP430单片机为核心，具有电压、电流、有功功率、无功功率、频率、谐波、三相不平衡度、电压闪变等参数的测量和分析功能。同时接受上级监测中心发来的控制命令，分断／闭合一次开关，以消除污染源或者保护对电能质量敏感的用电设备［9－10］。根据电力系统电参量检测的实际要求，本文采用模块化设计，系统硬件总体结构图如图4。

图4 硬件总体结构图

3.2 软件系统设计

配电网电能质量监控装置软件系统要求在保证实时性的前提下，每经5sMSP430单片机将处理好的数据通过通信接口传送给上位机并对其进行存储，将采集一次电气参量的计算结果进行电能质量指标抽取，将各个指标数据进行训练并与标准值相比较，快速判断出来三相不平衡度、畸变率、谐波含有率等参数是否超标和偏离正常值的幅度，并给出电能质量评定结果［11－13］，并通过CDT规约将评定结果上传至上级监测中心。

4 实测数据

本文所设计的监控装置已顺利通过调试，并已安装于监测现场。表1是某监控点配电网电能质量4个不同时刻的监测结果，由表可知，本装置可实时监测电压偏差、电压波动、谐波含量、频率偏差、三相不平衡度，并对电能质量给出综合评定。

表1 电能质量实测数据

5 结语

本文研制了一种配电网电能质量监控装置，用于监控配电网0.4kV电压等级供电系统一次设备电气参数和运行状态。根据配电网的特点及电能质量监控要求，提出G－MAS监控策略，并建立电能质量监控指标体系，以MSP430F149单片机为测控核心，实现其硬件结构和软件系统设计，对配电网监测点电能质量进行评定，并给出电能质量综合评定结果，最后将数据结果上传给上级监测中心。

本监测装置具有稳定可靠、精度高、实时性好等优点，很好地满足了电能质量在线监控的实际需求，具有一定的参考和推广使用价值。

［1］刘振亚.智能电网技术［M］.北京：中国电力出版社，2010：5－9.

［2］高云鹏，滕召胜.电能质量监测技术现状与发展方向［J］.仪器仪表用户，2004，11（4）：2－3.

［3］肖湘宁.电能质量分析与控制［M］.北京：中国电力出版社，2004：4－5.

［4］赵志宏.多Agent系统中强化学习的研究现状和发展趋势［J］.计算机科学，2004，12（3）：10.

［5］谭万禹.基于量子计算的多Agent协作学习算法［J］.计算机工程与应用，2008，36（26）：10－13.

［6］刘宣宣.分布式电源对配电系统电能质量的作用机理研究［D］.保定：华北电力大学，2007.19－25.

［7］张蔓，林涛，曹健，等.理想区间法在电能质量综合评估中的应用［J］.电网技术，2009，33（3）：33－38.

［8］李国栋，李庚银，扬晓东，等.基于雷迭图法的电能质量综合评估模型［J］.电力系统自动化，2010，34（14）：70－74.

［9］徐勇.电能质量监测仪设计［D］.大连：大连理工大学，2004：22－25.

［10］饶丽华.基于ARM和DSP的电能质量监测仪的研究［D］.上海：同济大学，2008：48－52.

［11］林海雪.论电能质量标准［J］.中国电力，1997（3）：9－10.