Применение генетических алгоритмов для достоверизации телеинформации в ЭЭС

Грубые ошибки («плохие данные») в телеизмерениях и другой исходной информации — источник возможных серьезных ошибок в решениях, принимаемых при диспетчерском управлении электроэнергетическими системами (ЭЭС). Грубые ошибки возникают при выходе из строя элементов телеизмерительного тракта, случайных помехах в каналах передачи данных и по другим причинам [1]. Обнаружение грубых ошибок, подавление их влияния на оценки параметров режима ЭЭС — одна из наиболее актуальных проблем в автоматизированных системах диспетчерского управления (АСДУ), решение которой существенно повышает надежность диспетчерского управления ЭЭС. Поэтому, наряду с техническими мероприятиями, направленными на увеличение объёма и повышение качества измерительной информации, важная роль при решении этих проблем отводится математическим методам обработки данных — методам оценивания состояния (ОС), позволяющим рассчитать параметры режима по данным ТИ и отфильтровать в них грубые ошибки [2].

Большой вклад в развитие методов ОС, постановку и решение ее отдельных задач в нашей стране внесли П. И. Бартоломей, В. А. Богданов, Л. А. Богатырев, В. В. Бушуев, В. А. Веников, В. В. Володин, А. З. Гамм, JI.H. Герасимов, И. И. Голуб, Ю. А. Гришин, A.M. Глазунова, О. Т. Гераскин, С. К. Гурский, И. Н. Колосок, A.M. Конторович, В. В. Курбацкий, Ю. Н. Кучеров, М. С. Лисеев, А. В. Липес, В. З. Манусов, К. Г. Митюшкин, А. А. Окин, В. Г. Орнов, Г. Н. Ополева, С. И. Паламарчук, И. Л. Плотников, В. Л. Прихно, С. Ф. Першиков, Н. Р. Рахманов, В. А. Семенов, С. А. Совалов, И. П. Стратан, А. А. Тараканов, В. М. Чебан, П. А. Черненко, Ю. Я. Чукреев, Ю. В. Щербина, Унароков, Х. В. Фазылов, А. В. Челпанов, О. Н. Шепилов, Ю. В. Щербина, Л. В. Эм, А. Г. Юровский, Т. С. Яковлева и др.

Среди зарубежных ученых следует отметить F.C. Schweppe, Е. Handschin, R. Larson, A. Debs, M.R. Irving, .F. Tinney, I. Kohlas, J.F. Dopazo, O. A. Klitin, S. Van Slyck, A. Nemura, N. Arbachauskene, V. Kaminskas, K. Wilkosz, Z. Kremens, F. Wu,.

L. Holten, W.H.E. Liu, A. Monticelly, A.M.L. Silva, M.B. Coutto, D.M. Falcao, E. Kliokys, L. Mili и др.

Несмотря на то, что с момента появления первых публикаций по ОС прошло уже более 30 лет, эта проблема не потеряла своей актуальности и находится в центре внимания большого числа исследователей и практиков. Об этом свидетельствует большое число ежегодных публикаций теоретического и прикладного характера. В последние 10 лет активно развиваются исследования в области применения методов искусственного интеллекта в различных задачах электроэнергетики, в том числе и в области ОС.

На рисунке 1 показана структурная схема современной системы оперативного управления ЭЭС и место задачи ОС в этой системе.

Рис. 1. Место ОС в системе оперативного управления ЭЭС.

Полученная при ОС модель текущего режима используется в настоящее время в комплексах АСДУ для контроля за режимом, оценки его надежности, формировании советов диспетчеру по оптимизации и устранению нарушений нормального режима. Результаты ОС используются также для ретроспективного 5 анализа при планировании режимов, тренировке диспетчера и для получения прогнозов. Изменяющиеся экономические условия функционирования ЭЭС ставят новые задачи, связанные с подготовкой перспективных балансов, обоснованием тарифов, организацией расчетов и взаиморасчетов на ФОРЭМ и т. д. [3] При решении этих задач также используются данные, полученные при ОС. Отсюда следует особая актуальность задачи достоверизации информации, используемой при ОС ЭЭС.

Разработанные в настоящее время методы обнаружения и подавления плохих данных можно разделить на три группы. В основу такой классификации положено место алгоритмов обнаружения плохих данных относительно центральной задачи, решаемой в комплексе информационного обеспечения АСДУ — задачи оценивания состояния.

К первой группе относятся методы априорного анализа качества измерений, использующие топологические свойства уравнений установившегося режима ЭЭС и априорные сведения о распределении ошибок измерений, и выявляющие грубые ошибки до решения задачи ОС. Вторую группу образуют методы, позволяющие в процессе решения задачи ОС, одновременно с получением оценок, выявить плохие данные и подавить их влияние на результаты. Как правило, это одношаговые алгоритмы, использующие различные модифицированные целевые функции — так называемые неквадратичные (робастные) критерии. К третьей группе относятся методы апостериорного анализа, выявляющие плохие данные по результатам оценивания. Эти методы базируются на анализе различных остатков оценивания, и, как правило, требуют возврата в задачу оценивания состояния после корректировки выявленных ошибочных измерений или их исключения.

В ИСЭМ СО РАН разработан метод ОС, использующий так называемые контрольные уравнения (КУ) — уравнения установившегося режима, из которых исключены все неизмеренные параметры [4,5]. Метод КУ позволяет на единой методической основе решить ряд задач, входящих в комплекс ОС в реальном времени, в том числе и задачу обнаружения плохих данных (ОПД).

Задачи, решаемые на базе оценивания состояния в реальном времени, предъявляют высокие требования к быстродействию используемых алгоритмов ОС, их надежности и качеству получаемого решения. Однако, разработанные к настоящему времени численные методы ОС достаточно требовательны к качеству и объему исходной информации, что в условиях отечественных ЭЭС не всегда позволяет получать удовлетворительное решение. Это служит стимулом для исследования возможности применения новых методов повышения достоверизации исходной информации.

Увеличение вычислительной мощности современных компьютеров стимулировало развитие мощных, но в то же время и ресурсоемких эвристических методов поиска решения. В последнее время появился ряд работ, исследующих возможности применения в электроэнергетике методов искусственного интеллекта, эволюционных вычислений, эвристических методов [6−10]. В данной работе исследуется возможность и эффективность применения генетических алгоритмов при решении задач комплекса ОС ЭЭС.

Генетические алгоритмы (ГА) это один из наиболее популярных в настоящее время методов эволюционного программирования, построенный на принципах эволюционных механизмов в природе.

ГА относятся к эвристическим методам решения [11]. Эвристические методы, в том числе и ГА, используются тогда, когда не существует точного метода решения сложной комбинаторной задачи или когда ввиду усложнения моделей для этого требуется слишком много времени.

В настоящее время ГА достаточно широко используются для решения различных электроэнергетических задач. В первую очередь это касается таких задач, в которых нужно перебрать много вариантов решений и выбрать лучшее. Перечислим лишь некоторые из них:

— определение конфигурации распределительной сети по критерию минимума потерь;

— определение места установки емкостей и реакторов в сетях;

— выбор состава работающего оборудования;

— составление графиков ремонтов оборудования;

— расстановка измерительных приборов и др.

Целью работы является исследование возможности и эффективности применения ГА при достоверизации телеинформации, используемой при оперативном диспетчерском управлении ЭЭС.

При проведении теоретических и экспериментальных исследований поставлены и решены следующие задачи:

1. Проведен анализ существующих методов ОПД, рассмотрены их достоинства и недостатки.

2. На основе метода контрольных уравнений разработана методика ОПД с использованием ГА, исследована ее эффективность в сравнении с применяемым в настоящее время алгоритмом логических правил.

3. В предложенной методике ОПД разработан алгоритм формирования линейных комбинаций КУ на основе метода исключения Гаусса.

4. Исследованы причины появления неверных решений при достоверизации и разработаны методы их устранения.

5. Разработан способ повышения быстродействия методики ОПД на основе КУ и ГА с помощью разделения системы КУ на подсистемы.

Научная новизна. Автором получены следующие результаты:

1. Задача достоверизации ТИ на основе КУ представлена в виде задачи оптимизации, что позволило применить при ее решении ГА.

2. Проведено исследование разрешающей способности отдельных КУ и на его основе разработан метод оценки порога невязок КУ.

3. Разработана методика ОПД на основе КУ с помощью ГА, более эффективная по сравнению с применяемыми в настоящее время алгоритмами логических правил.

Практическая ценность. Использование разработанных методов позволяет повысить надежность и точность информации, используемой в АСДУ, и, как следствие этого, улучшить качество решений и прогнозов, принимаемых на основе результатов оценивания состояния ЭЭС.

Апробация работы. Основные положения и научные результаты диссертационной работы докладывались и обсуждались на ежегодной конференции молодых ученых «Системные исследования в энергетике» в 20 002 003 г. г. (г. Иркутск, ИСЭМ СО РАН), Всероссийском Семинаре «Информационные технологии в энергетике» в 2000, 2001 и 2003 г. г. (г. Иркутск), на научно-практической конференции-конкурсе молодежи в 2000 г. (г. Иркутск, ОАО «Иркутскэнерго»), на международной конференции «Информационные технологии в науке, образовании, телекоммуникации, бизнесе и охране природных ресурсов» в 2000 г., 2004 г. (г. Гурзуф, Украина), на международном семинаре «Либерализация и модернизация электроэнергетических систем: проблемы управления и контроля» в 2001 г. (г. Иркутск), на международной конференции IEEE MEPS в 2003 г. (Wroclaw, Poland), на международном семинаре «Либерализация и модернизация электроэнергетических систем: проблемы управления перегрузками» в 2003 г. (г. Иркутск).

На защиту выносятся следующие положения:

— Развитие метода КУ для решения задачи ОПД с помощью ГА.

— Методика ОПД на основе КУ с помощью ГА.

— Способ повышения быстродействия предложенной методики ОПД с помощью разделения системы КУ на подсистемы.

Публикации. По результатам выполненных исследований опубликовано 12 работ.

Структура и объем работы.

В первой главе работы приведена постановка задачи ОПД и описание моделей и методов, используемых при ее решении. Сделан обзор численных методов решения задачи ОПД: априорных, одновременных с ОС и апостериорных. Проведен анализ их применения на практике.

Подробно рассмотрен метод КУ и решение на его основе задачи ОПД.

Рассмотрены основные эвристические методы решения задач оптимизации и их применение в решении электроэнергетических задач. На основании сравнения численных и эвристических методов сделаны выводы об их достоинствах и недостатках.

Во второй главе задача ОПД на основе КУ представлена в виде задачи оптимизации.

Описаны основные этапы решения задачи ОПД с помощью ГА, а именно:

— Выбран критерий оптимизации и предложен алгоритм расчета целевой функции;

— Предложены несколько алгоритмов формирования начальной популяции и выбраны их соотношения в процессе расчета;

— Определены вид и параметры основных генетических операторов отбора, скрещивания, мутации, применяемой стратегии элитизма;

— Рассмотрен критерий окончания расчета и методы по предотвращению вырождения популяции решений.

Предложены дополнения к методу КУ, повышающие надежность решения задачи ОПД.

Предложен способ повышения быстродействия алгоритма достоверизации на основе ГА с помощью разделения системы КУ на подсистемы. Описан алгоритм разделения системы КУ на подсистемы с помощью ГА.

В третьей главе приведены описания тестовых схем, методики экспериментальных расчетов и результаты этих расчетов, подтверждающие работоспособность и эффективность предложенных методов и алгоритмов, а именно:

— Сопоставление результатов решения задачи ОПД с помощью ГА и логических правил для схем с различной наблюдаемостью;

— Сопоставление результатов решения задачи ОПД с помощью ГА при разделении системы КУ на подсистемы и логических правил для схем с различной наблюдаемостью;

— Результаты, характеризующие быстродействие предложенного автором метода ОПД с помощью ГА при разделении системы КУ на подсистемы.

Проведен анализ полученных данных и сделаны выводы по результатам исследований.

Автор благодарит своего научного руководителя д.т.н. И. Н. Колосок за постоянную поддержку и содействие в процессе исследований, д.т.н. А. 3. Гамма за научные консультации, а также весь коллектив лаборатории «Управление функционированием электроэнергетических систем» ИСЭМ СО РАН, создавший замечательную творческую среду для проведения научных исследований.

Основные результаты, представленные в данной работе, можно сформулировать следующим образом:

1. Приведенный обзор методов и алгоритмов обнаружения грубых ошибок в телеинформации о параметрах режима ЭЭС позволяет говорить о наличии некоторых достаточно серьезных проблем в данной области. Это, во — первых, высокие требования к качеству и объему исходной информации, а при большом количестве плохих данных и/или низкой избыточностинизкая эффективность достоверизации. И, во — вторых, высокая сложность применяемых моделей и алгоритмов, и, как следствие, трудности их реализации и/или большие объем и сложность вычислений.

2. Метод контрольных уравнений позволяет получить и проанализировать множество информации о соотношениях параметров режима ЭЭС. Традиционно для анализа этой информации использовались логические правила — алгоритмы, основанные на последовательных классификациях телеизмерений и вычислениях новых соотношений, необходимых для дальнейшей классификации. В данной работе автор предложил метод, основанный на следующем подходе к использованию контрольных уравнений:

— Показана возможность представления анализа информации, полученной из метода контрольных уравнений, в виде задачи оптимизации.

— Для решения задачи обнаружения плохих данных на основе контрольных уравнений используется разработанный автором генетический алгоритм. Алгоритм эффективен и малочувствителен к ошибкам в анализе исходной информации.

— Предложено использовать большой набор линейных комбинаций, что позволяет более полно использовать возможности метода контрольных уравнений, внести в него ряд усовершенствований.

3. Предложено развитие метода контрольных уравнений для решения на его основе задачи обнаружения плохих данных с помощью генетического алгоритма.

Введение

«мертвой зоны» невязок, различного порога невязки и коэффициента нечувствительности к ошибкам позволяет увеличить надежность анализа соотношений параметров режима.

4. Предложен алгоритм создания линейных комбинаций, который позволяет эффективно получать уравнения с различным составом телеизмерений и отсеивать линейные комбинации с низкой разрешающей способностью.

5. Разработан алгоритм повышения быстродействия метода обнаружения плохих данных с помощью разделения матрицы коэффициентов контрольных уравнений на подматрицы (снижения размерности задачи). Метод основан на использовании генетического алгоритма и достаточно универсален.

6. Результаты расчетов показали, что применение метода достоверизации телеизмерений на основе генетического алгоритма позволяет значительно повысить надежность идентификации плохих данных и уменьшить число ложно забракованных измерений, а также:

— Эффективность предложенного метода выше, чем у работающих в настоящее время логических правил, на схемах с различной избыточностью и равномерностью расстановки измерительных приборов.

— Преимущества метода проявляются наиболее сильно при большом количестве плохих данных, что характерно для отечественных ЭЭС.

7. Метод разделения системы контрольных уравнений на подсистемы, предложенный автором для решения проблемы низкого быстродействия, достаточно эффективен и позволяет значительно снизить время расчета. Причем при правильной настройке алгоритма разделение системы контрольных уравнений на подсистемы не влияет на надежность идентификации плохих данных.

Заключение

.