基于多智能体的电力系统设备预知维护研究

黄子睿

（广东电网有限责任公司惠州供电局，广东 惠州 516001）

随着数字时代的到来，网络信息技术、故障诊断技术、传感器技术等都在电力企业的发展中得到了充分的引进，而上述技术作用的展现也使得电力系统设备的预知维护、状态监测研究获得了长足的发展。我国电力行业也在行业规程中，进行了基于设备状态预知维护的及时纳入，需要明确的是，整个预知维护中所包含的内容也是较为复杂的，其中囊括数据采集、处理、诊断、维护决策等多方面的内容。而本研究工作的开展，将进行MAS 理论的引进，并以此为依托，进行与FIPA Agent 兼容电力系统设备预知维护多智能体系框架的构建。

1 多智能体简述

在一般情况下，相关领域所探讨的“多智能体”，所指的多智能体系统，也可以称其为MAS，其属于分布式人工智能的重要分支之一，对于该系统的构建主要是为了进行大型、复杂现实问题的解决，这是单独智能体不具备的能力。简单来理解，多智能体所指的就是众多智能体一起构成的一种集合体的展示，该系统的形成，主要是为了保证庞大、综合复杂的系统，能够在拆分下，形成较小、彼此协调、能够实现通信的模块，这种形式更便于管理、维护工作的开展。它的研究重点探讨了智能体的各种特性，包括其认知、目标、技术、策略、行为、沟通、协同、应对、反馈，并且着重探讨了这些特性在不同智能体之间的有效联结，从而实现了更高效的整个系统。随着科技的发展，越来越多的认知者开始认识到，人类的智慧实际上源自一种社交技巧，即通过与他人的互动和合作来实现自身的目标。因此，在探索和开发人工智能的过程中，必须将这种技术与其他技术相结合，以更好地满足不断变化的环境和更高层次的挑战。随着越来越多的关注，越来越多的人在探索多智能体系统的行为、架构以及交互方式，使得智能体技术的研究取得了长足的进步。

2 电力系统预知维护系统分层模型展现

在电力系统的预知维护系统功能中，包含数据采集、数据处理、诊断与预诊断、维护决策、表示层等通用功能层，它们是一个完整预知维护系统的具象化体现，但是，在不同层次中，关于内容的确定则需要结合实际情况进行详细分析。而这几层都具备向其他功能层进行数据请求、发送的能力，需要注意的是，“表示层”是为实现人机交互而设置的。在一般情况下，数据的流动仅仅发生在邻近功能层之间，但为了促进数据处理效果的及时提升，也允许越过中间层直至目标层。而关于上述5 个功能的具体阐释，将在下文中分点阐释。

（1）数据采集层。在数据采集层中，其能够实现的功能，主要展现在各个层级信号的有效采集上，这种信号采集工作的开展，能够以监控系统、数据采集系统等进行获取，当然，专门对电力设备进行监测的智能传感器，也能够实现数据信号的及时采集。

（2）数据处理层。通过数据处理层，可以从数据采集层中提取出有关电力设备状态特征的信息，这些信息可以通过数字滤波、快速傅里叶变换、求平均值等方法得到。

（3）诊断与预诊断层。它的核心目的在于检查并评估电气系统的可靠性以及它们的性能。通过这一系统，我们可以将来自不同部门的数据分析结果，并将其与预期的目标、最大可用性等因素相结合，从而发出相应的警告。通过对当前的运行情况、过去的数据、变化趋势以及过去的维修经验，我们可以判断系统、子系统或零部件的性能是否下滑。在这种情况下，我们可以对故障进行检测，找到问题的所在，并提供准确的诊断报告。

（4）维护决策层。维护决策层应当综合考虑电力设备的运行历史、现状、未来发展趋势以及资源限制，提出有效的维护建议，其中包括优化维护活动的安排、调整电力设备的运行配置，以及调整运行任务等。

（5）表示层。该层面主要能够进行的功能提供表现为人机接口效能的实现，在该系统的运行中，用户端能够以表示层作用的发挥，对预知维护各个功能层面的状态、结果、设备配置信息等，进行及时的了解与全面的掌握，并且能够以表示层效用的发挥，进行电力设备工作参数的设定、相应配置的修改等。

3 基于多智能体的电力系统设备预知维护模型构建

本文将以Multi-Agent 为依托，进行电力系统设备预知维护模型的构建，依照上述功能分层结构，把控模型构建。在整个模型构建的过程中，需要包含数据采集Agent、处理Agent、诊断和预诊断Agent、维护决策Agent，这几项层级功能的具备，能够保证预知维护模型构建中，从信号采集、获取至维护决策等流程中所有功能的迅速实现。与此同时，在该模型的构建中，还包含在系统模型管理、维护上发挥效用的三大Agent，分别为系统界面、目录服务以及系统管理Agent，上述所有Agent 的设置，所使用的通信协议与语言是完全相同的。除此之外，电力系统预知维护模型的构成还需要将系统各模块、层级均能理解的Ontology 进行及时的利用，并以有效协作、一致通信保证其构建效果。接下来，本文将针对上述所涉及的各层级、模块构建做出具体阐释。

3.1 数据采集Agent 形成

该功能层的形成能够将多种电力设备的原始信号工作进行及时有效的完成，其中包含电力设备开关信号、电流电压信号等，同时，也能够做到关于其的及时验证与数字化探索。该功能层的数据库能够保证现地信息存储功能的提供，其信息处理结果的生成，极有可能成为数据处理Agent 目标达成所需信息数据，基于此，各个数据采集Agent 和数据处理Agent 之间的通信是要做到重点关注的，需要注意的是，在该功能层中，预知维护的所有信号均包含在内。

3.2 数据处理Agent 形成

该功能层的形成为了信号综合的实现，并将能够反映电力设备状态的特征进行及时的提取，比如，开展数据采集Agent结果的小波变换、FFT 变换，并实现信号频域特征获取的目的，同时发挥人工神经网络的效用，以保证特定信息提取目的的达成。需要注意的是，在该功能层的数据库中，主要包含的存储信息有监测对象物理构成、短期处理结果历史记录等，该功能层与其他功能层之间形成协作配合，主要体现在对数据采集Agent进行数据请求、对于诊断和预诊断Agent 的数据请求进行响应。

3.3 诊断和预诊断Agent 形成

该功能层的形成主要是为了保证多种电力设备状态有效评估目的的达成与实现，而在电力设备有故障问题发生时，其也能够保证故障诊断效用的发挥，并且能够迅速进行降级问题、故障问题产生的原因、位置等。在具体实行中，该功能层一般会先把从数据采集、处理等层面获得的期望值、数据信息、期望值等进行一定程度上的对比，一旦有超出限值情况的产生，就会随之进行报警。同时，依照上述两个功能层的历史值、数据结果、本功能层的维护历史记录、历史值、电力设备当前运行状态、条件，将一定算法进行有效利用，使该功能层能够做到电力设备健康指数的确定。利用如故障树分析FTA、严重性分析FMECA 等诊断方法，进行电力设备降级、故障发生部位确定。依照预计使用时间进行分析，将时间序列、神经网络、多元回归等预测算法进行及时利用，以进行降级跟踪，以保证电力设备运行状态的预测效果。此外，要依照自身的需求，将诊断和预诊断Agent 进行应用，以保证对数据采集、处理、自身处理结果的存档效果。

3.4 维护决策Agent 形成

该功能层所展现出的主要功能就是对电力设备的预知维护给出具体的建议，并对其进行详细的分析与解释。依照上述诊断和预诊断Agent 的结果显示，要想保证维护决策建议的有效性，首先进行电力设备运行条件、状态等的考量，并且要及时关注电力设备的运行任务、外部资源约束等多种情况，而后再由维护决策Agent 进行维护活动建议的给出。这里需要注意的是，如果建议的形成有多种情况的出现，就需要按照实际情况的契合程度保证排列效果。在该功能层的数据库中，进行存储的信息主要有决策历史记录、维护、运行历史记录等。

3.5 系统管理与维护Agent 形成

在系统管理与维护Agent 的形成中，主要包含三部分的内容，分别为系统界面Agent、目录服务Agent、系统管理Agent。这三个Agent 主要担负的责任就是对于整个预知维护系统中，所有参与Agent 的生命周期管理、注册、监控调试等多种服务，进行管理、维护功能的提供。上述所提及的所有Agent 都要在系统管理与维护Agent的作用下，才能够实现稳定运行。而关于系统管理与维护Agent 中所细分的三个Agent，其具体内容如表1 所示。

表1 系统管理与维护Agent 的细分

4 结语

综上所述，在我国现代电力事业的发展与建设中，行业领域发展速度的加快、技术水平的不断提升，使得多种先进技术被应用到了电力系统故障、降级等问题的维修、养护与排查中，而为了提升电力系统设备预知维护的效率，本文从多智能体简述、电力系统预知维护系统分层模型展现、基于多智能体的电力系统设备预知维护模型构建等角度出发，重点阐述了基于多智能体，如何进行电力系统设备预知维护模型体系的构建，希望能够为相关工作的开展提供思路和建议。