王娟娟 王宏安

1(中國科學院軟件研究所 北京 100190)

2(中國科學院大學 北京 100049)

(wjuanj89@126.com)

隨著智能電網(wǎng)、信息技術和新能源技術的飛速發(fā)展，風電、光伏等可再生能源的迅速建設以及電動汽車等儲能設備的快速出現(xiàn)，傳統(tǒng)電網(wǎng)的“源-網(wǎng)-荷”三個固化環(huán)節(jié)正在向“源-網(wǎng)-荷-儲”互動協(xié)調(diào)的智慧能源新型運營模型進行轉(zhuǎn)變[1].能源互聯(lián)網(wǎng)的提出，強有力地推動了新能源革命的發(fā)展.能源互聯(lián)網(wǎng)以智能電網(wǎng)為基礎，將不同種類的電力網(wǎng)絡(如火電、核電、風電等)、能源網(wǎng)絡(如天然氣管網(wǎng)、熱力管網(wǎng)等)、信息網(wǎng)絡(如互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等)、交通網(wǎng)絡等多種類型網(wǎng)絡進行融合，實現(xiàn)了多種能源形態(tài)協(xié)同轉(zhuǎn)化、集中式與分布式能源協(xié)調(diào)運行的超大規(guī)模復雜網(wǎng)絡[2].因此，能源互聯(lián)網(wǎng)具有3個特點：

1) 彈性發(fā)電、優(yōu)質(zhì)供應.能源互聯(lián)網(wǎng)需要盡可能以可再生能源替代傳統(tǒng)能源，并以需求為向?qū)?，通過智能化管理實現(xiàn)按需供電、階梯電價.

2) 多能融合、雙向流動.能源互聯(lián)網(wǎng)能夠?qū)Σ煌问降哪茉催M行高效協(xié)同，將太陽能、核能、化學能與常規(guī)能源進行轉(zhuǎn)換和存儲，減少棄風、棄水、棄光等棄網(wǎng)問題，實現(xiàn)能源的最佳使用.

3) 高度自治、實時動態(tài).以微網(wǎng)為代表的分布式發(fā)配電系統(tǒng)將成為電力網(wǎng)絡的關鍵節(jié)點，減少了輸配電能量損耗，提升冗余電力備份.同時，以電動汽車為代表的大量移動、小型儲能設備的接入，使電網(wǎng)具有較強的供需雙側(cè)隨機性變化.

可以看出，能源互聯(lián)網(wǎng)的正常運行涉及到電力、物流、計算機網(wǎng)絡等多種知識領域，需要極高的自動化、智能化的管理和調(diào)度系統(tǒng).同時，能源互聯(lián)網(wǎng)是多種網(wǎng)絡的融合，必然存在“遺傳”的安全漏洞.一旦遭受攻擊，后果不堪設想.文獻[3]已經(jīng)在傳統(tǒng)電力網(wǎng)絡中闡述了自愈系統(tǒng)相關概念和主體結構.自愈系統(tǒng)在電網(wǎng)正常運行時以預防為目標，及時發(fā)現(xiàn)、診斷和消除故障；在電網(wǎng)發(fā)生故障時，進行自動修復.但該文并未提出自愈系統(tǒng)的具體軟件設計架構和關鍵技術實現(xiàn)方式.隨著電網(wǎng)技術的不斷進步，智能電網(wǎng)中的自愈系統(tǒng)需要進一步考慮分布式發(fā)電設備、電動汽車等對電網(wǎng)造成影響.類似地，能源互聯(lián)網(wǎng)新增的多種能源轉(zhuǎn)換、多種網(wǎng)絡融合及客戶體驗提升等需求，給其自愈系統(tǒng)帶來了更多的挑戰(zhàn)性，具體表現(xiàn)在3個方面：

1) 智能化程度要求更高.能源互聯(lián)網(wǎng)日常運營涉及多種知識領域，其安全操作已逐步不能滿足于手工操作、程序化操作.自愈系統(tǒng)必須內(nèi)置覆蓋多領域的專家系統(tǒng)，能夠根據(jù)當前狀態(tài)自動進行安全操作.

2) 安全性要求更高.能源互聯(lián)網(wǎng)本質(zhì)上是安全攸關系統(tǒng)[4]，不論是日常操作還是應急故障處理，都必然進行大量甚至海量的安全操作.這些安全操作將在不同的節(jié)點、不同設備上執(zhí)行，并且其次序和執(zhí)行時間有著嚴格的規(guī)定.一旦指令在錯誤的設備上執(zhí)行、在錯誤的時刻執(zhí)行、執(zhí)行時間超長、執(zhí)行次序錯誤都可能帶來嚴重的故障，造成巨大的損失.

3) 實時性要求更高.能源互聯(lián)網(wǎng)需要在廣域地域內(nèi)，對多種行業(yè)領域、海量個體設備進行狀態(tài)監(jiān)控，并通過高速網(wǎng)絡進行信息采集和指令下發(fā).同時，能源互聯(lián)網(wǎng)需要對各種設備進行“開關”、“增減”、“并串”等物理操作，每一個操作都有相應的時間長度.因此，在自愈系統(tǒng)對突發(fā)情況進行緊急處置的時候，其自動執(zhí)行修復操作序列必須根據(jù)當前的故障狀態(tài)、信息網(wǎng)絡狀態(tài)、設備狀態(tài)等多種狀態(tài)才能形成真正有效的方案.如某個設備與自愈系統(tǒng)控制中心的通信鏈路網(wǎng)絡擁塞，指令無法及時下發(fā)和執(zhí)行，則整個修復操作序列是無效方案.

因此，在能源互聯(lián)網(wǎng)中的自愈系統(tǒng)，必須能夠在全局時空范圍內(nèi)，對網(wǎng)絡節(jié)點、網(wǎng)絡設備狀態(tài)進行實時的狀態(tài)采集，并根據(jù)物理設備的特性、地域的特性、信息網(wǎng)絡的特性，通過智能化的專家系統(tǒng)綜合考慮、進行決策.本文針對能源互聯(lián)網(wǎng)和給電網(wǎng)自愈系統(tǒng)的安全需求和截止期限，給出了一套初步的解決方案.主要貢獻有3點:

1) 我們提出了一種帶有截止期實時約束的電網(wǎng)自愈系統(tǒng)基于多智能體進行處理的機制和可供參考的軟件實現(xiàn)架構.在系統(tǒng)中加入了帶有截止期約束的故障鏈和安全操作樹，以在一個完整調(diào)度周期內(nèi)求解出有效的修復解決方案，并且以總修復時間最短、持續(xù)的故障鏈長度最短為目標，以遍布電網(wǎng)中的多智能體為控制手段，對能源互聯(lián)網(wǎng)故障進行緊急處置.

2) 針對具有實時截止期約束條件下的安全操作序列求解問題，提出了一種基于多智能體的混合關鍵性調(diào)度任務模型.當故障發(fā)生并將信息傳遞到自愈系統(tǒng)控制中心時，故障鏈節(jié)點將被激活.在其對應的安全操作樹(即解決故障的操作方法集合)中，根據(jù)物理設備、網(wǎng)絡狀況、地域分布等多種特性，求解有效的安全操作序列.此后，系統(tǒng)會下發(fā)有效安全操作序列到關鍵節(jié)點中駐留的智能體代理，讓這些代理去執(zhí)行這些安全操作.如果在其截止期實時約束之內(nèi)能夠完成執(zhí)行，后續(xù)可能產(chǎn)生的故障將被避免.

3) 本文給出了電網(wǎng)自愈多智能體進行混合調(diào)度的方法，給出了優(yōu)化目標和約束條件，用混合整數(shù)線性規(guī)劃(MILP)模型求解；并通過仿真結果驗證了智能電網(wǎng)自愈多智能體混合關鍵性調(diào)度方法有效地增加了故障結點安全操作處理的成功率(平均17.74%)，并減少了故障鏈式的后續(xù)觸發(fā)率(平均7.72%).

1 相關概念

1.1 能源互聯(lián)網(wǎng)的基本概念

能源和環(huán)保是人類生存和發(fā)展的兩大主題，也是相互影響和相互制約的矛盾.隨著“霧霾”、“酸雨”等環(huán)境污染問題的不斷加劇，以石油和煤炭為核心的化石能源時代必須進行改變，形成了以互聯(lián)網(wǎng)技術為核心、以新能源和化石能源為互補的“能源互聯(lián)網(wǎng)時代[5]”.能源互聯(lián)網(wǎng)將以可再生能源為主要能量供應方式，通過互聯(lián)網(wǎng)技術實現(xiàn)能量流與信息流實時流動，多種能源供應、傳輸網(wǎng)絡及能源技術、信息技術高度耦合的新型能源利用體系[6].

可以看出，與傳統(tǒng)電網(wǎng)、智能電網(wǎng)有所不同，能源互聯(lián)網(wǎng)將匯聚“火電”、“水電”、“核電”、“風電”、“光伏”多種能量的相互轉(zhuǎn)化，并以互聯(lián)網(wǎng)技術為基礎、以電力系統(tǒng)為中心，將電力系統(tǒng)與天然氣網(wǎng)絡、供熱網(wǎng)絡以及工業(yè)、交通、建筑系統(tǒng)等緊密耦合，橫向?qū)崿F(xiàn)電、氣、熱、可再生能源等“多源互補”，縱向?qū)崿F(xiàn)“源-網(wǎng)-荷-儲”各環(huán)節(jié)高度協(xié)調(diào).可以預計，能源互聯(lián)網(wǎng)將對電力、運輸、信息[7]等諸多方面產(chǎn)生深遠的影響.

能源互聯(lián)網(wǎng)覆蓋的地域如此之廣、能源類型如此之多、網(wǎng)絡規(guī)模如此之復雜，如何通過自動化、智能化的系統(tǒng)，在全網(wǎng)范圍內(nèi)構建能夠快速自我修復的電網(wǎng)自愈系統(tǒng)，就變得更加重要.

1.2 能源互聯(lián)網(wǎng)中的智能化自愈系統(tǒng)

自愈系統(tǒng)能夠在日常運行過程中，實現(xiàn)自我控制、預防和故障恢復的功能.電網(wǎng)自愈系統(tǒng)是對電網(wǎng)的各個關鍵節(jié)點、核心設備中的運行狀態(tài)進行實時的監(jiān)視和測量，能夠快速準確地評估當前的健康狀態(tài)，選取恰當?shù)目刂撇呗圆⑦M行有效執(zhí)行.當電網(wǎng)經(jīng)受擾動或故障時，自愈系統(tǒng)將自動進行故障檢測、隔離、恢復供電來進行自我修復.文獻[8]提出了電網(wǎng)自愈控制系統(tǒng)分模塊的設計方案及自愈時間、自愈率等評價指標.但是，該文僅僅是“記錄”電網(wǎng)從發(fā)出警報信號到自愈完成的時間長度，并未在系統(tǒng)中引入與自愈修復動作相關的時間約束和次序約束.

能源互聯(lián)網(wǎng)電網(wǎng)的自愈系統(tǒng)是在日常運行過程中能夠維持能源互聯(lián)網(wǎng)橫向能源轉(zhuǎn)換和縱向“源-網(wǎng)-荷-儲”配電的正常運行，同時盡量提升可再生能源和清潔能源的能效，實現(xiàn)低成本運行.當發(fā)生故障時，將根據(jù)故障發(fā)生的原因找到備選的解決方案，并根據(jù)當前設備的物理狀態(tài)求解出有效的安全操作序列，并進行執(zhí)行.自愈系統(tǒng)將通過部署在全網(wǎng)范圍的智能硬件設備和軟件代理，對全網(wǎng)進行實時不間斷監(jiān)測和數(shù)據(jù)上傳，并對數(shù)據(jù)進行分析，不斷預測和判斷當前能源互聯(lián)網(wǎng)的運行狀態(tài)，調(diào)用和能源互聯(lián)網(wǎng)相關的一切可用資源，及時發(fā)現(xiàn)和排除故障.

1.3 多智能體的基本概念

由于能源互聯(lián)網(wǎng)本身的復雜性和多知識領域相互交織，因此，僅僅采用人工的方式進行調(diào)度和修復時無法滿足電網(wǎng)自愈的要求；同時，能源互聯(lián)網(wǎng)還具有分布式[9]、自管理的特性，在電網(wǎng)發(fā)生故障時，有可能在局部上具有能夠完成電網(wǎng)自愈的資源和能力.

多智能體系統(tǒng)由多個可以既彼此獨立又可以相互協(xié)作的智能體組成.其中，智能體具有自治性、交互性、協(xié)作性、主動性等特點.在多智能體系統(tǒng)中，智能體可以根據(jù)自己的目標，結合已有的知識，規(guī)劃出需要采取的行為，并通過與其他智能體的通信協(xié)商來完成某項特定的任務[10].多智能體技術可以通過智能體間協(xié)作解決單個智能體無法獨立完成的復雜任務，提高了系統(tǒng)解決問題的能力.目前多智能體技術已經(jīng)廣泛應用于工業(yè)制造、交通控制、智能機器人、面向智能體軟件開發(fā)等領域[11].

隨著技術的發(fā)展，針對不同領域的多智能體系統(tǒng)越來越多，因此，用多智能體系統(tǒng)構建電網(wǎng)自愈系統(tǒng)在技術上是可行的，而且在智能電網(wǎng)中基于多智能體構建電網(wǎng)自愈系統(tǒng)已有相應的設計和實現(xiàn).文獻[12]考慮微網(wǎng)接入對配電網(wǎng)的影響，提出了“2-3-10”的自愈控制網(wǎng)絡架構結構，并進行了自愈控制的仿真，能夠使配電網(wǎng)保持在經(jīng)濟運行狀態(tài)，并提供良好質(zhì)量的電能.該文雖然給出了基于智能體的電網(wǎng)自愈系統(tǒng)軟件實現(xiàn)架構，并引入了實時預測模塊，在當前時刻對下一個時間周期的電網(wǎng)負荷進行預測，但是，并未考慮到在電網(wǎng)故障已經(jīng)出現(xiàn)時且對修復時間有強制性要求時，如何進行快速修復.文獻[13]提出了基于多智能體的智能配電網(wǎng)分層保護思路，并且融入了免疫算法，完成電網(wǎng)的自愈控制.該文的配電系統(tǒng)是一個網(wǎng)絡結構，通過轉(zhuǎn)為關聯(lián)矩陣并進行矩陣運算，實現(xiàn)故障的隔離.但是，該文是通過將物理節(jié)點抽象為節(jié)點模型并進行故障識別運算的，考慮到了空間受限的問題，但未引入受限于操作時間、操作序列固定的修復動作的計算和編排.

但是，在能源互聯(lián)網(wǎng)中這種安全攸關的領域中，電網(wǎng)自愈系統(tǒng)對操作時間的要求十分嚴格.一個小小的時延可能會造成重大的災難.目前，雖然已經(jīng)有不少成熟的多智能體平臺被不斷設計與開發(fā)，如JADE，Mobile-C，JACK等，但是這些平臺并沒有提供對實時的支持，無法保障電網(wǎng)內(nèi)任務的實時約束.能源互聯(lián)網(wǎng)的日常維護需要進行大量甚至海量的安全操作，這些安全操作將在不同地域、不同設備上執(zhí)行，并且其次序和執(zhí)行時間有著嚴格的規(guī)定.

目前，只有少數(shù)研究針對多智能體平臺提出了實時性方面的改進，如設計實時多智能體平臺的體系結構以優(yōu)化平臺內(nèi)任務的響應時間、為平臺中任務引入截止期屬性使任務盡可能在截止期內(nèi)完成等.然而這些工作都無法對任務的響應時間進行預測，也就無法保證任務的截止期約束，從而限制了多智能體平臺在實時領域的應用.更進一步地，基于多智能體平臺，如何實現(xiàn)在操作時間受限、操作序列受限的硬實時環(huán)境下進行規(guī)則調(diào)度，保證在事故截止期到達前完成全部安全操作序列，防止事故的進一步惡化是一個新的問題，并逐步成為當前實時調(diào)度領域的研究熱點.

隨著智能電網(wǎng)系統(tǒng)或能源互聯(lián)網(wǎng)的日趨復雜，電網(wǎng)安全操作越來越涉及多知識領域的交織，本文提出電網(wǎng)自愈多智能體混合實時調(diào)度方法，對電網(wǎng)自愈過程中的安全運行和故障處理提出減少后繼故障的實時性需求，要求在此過程中同時滿足保證不同關鍵性的故障鏈截止期和安全操作樹截止期.

2 多智能混合實時電網(wǎng)自愈系統(tǒng)的框架設計

2.1 能源互聯(lián)網(wǎng)中對多智能體電網(wǎng)自愈系統(tǒng)的需求

圖1展示了能源互聯(lián)網(wǎng)主要運行模式，能源互聯(lián)網(wǎng)在“源-網(wǎng)-荷-儲”之間有著緊密的合作和銜接；同時，自愈系統(tǒng)在全網(wǎng)范圍內(nèi)通過物聯(lián)網(wǎng)[14]技術，對“源-網(wǎng)-荷-儲”系統(tǒng)進行實時監(jiān)控，并通過遍布全網(wǎng)關鍵節(jié)點的智能體進行信息采集和設備操控.

Fig. 1 The concept of energy Internet圖1 能源互聯(lián)網(wǎng)的概念圖

能源互聯(lián)網(wǎng)的自愈系統(tǒng)日常運行的內(nèi)容包括：

1) 多種能源的轉(zhuǎn)換控制.自愈系統(tǒng)將通過發(fā)電廠與清潔能源進行不同時間段、不同地域的協(xié)調(diào)互補；同時，不同能源還能夠通過能量轉(zhuǎn)換設備進行雙向轉(zhuǎn)換，提升能源利用率.

2) 協(xié)調(diào)電廠并網(wǎng).遍布在廣泛地域的光伏、風能或類似可再生能源發(fā)電廠的發(fā)電效率和時長并不穩(wěn)定，需通過與主干電網(wǎng)互補協(xié)作，才能在保證穩(wěn)定供電的基礎上，降低一次性能源消耗，提升用電效能.

3) 動態(tài)存儲調(diào)度.在傳統(tǒng)電網(wǎng)中，用電負荷側(cè)被認為是固定的、具有周期性或可預測的.但是隨著電動汽車、蓄電池等儲能的需求，用電側(cè)也是可以進行配置的.因此，自愈網(wǎng)絡需要主動地對用電負荷和儲能設備進行控制，引導用戶主動使用可再生能源，提升用電效能.

4) 故障處理.自愈網(wǎng)絡在發(fā)現(xiàn)能源互聯(lián)網(wǎng)發(fā)生故障時，能夠快速定位故障位置，診斷故障原因，執(zhí)行修復方案.

Fig. 2 The architecture of self-heal system圖2 自愈系統(tǒng)總體架構圖

因此，構建能源互聯(lián)網(wǎng)對電網(wǎng)自愈系統(tǒng)的需求滿足3方面的要求：

1) 高速高效地實時監(jiān)控.能夠在能源互聯(lián)網(wǎng)中涉及到的相關領域都具有足夠、及時的信息收集、傳遞、執(zhí)行的能力.如供熱系統(tǒng)、天然氣系統(tǒng)、電網(wǎng)系統(tǒng)、微網(wǎng)系統(tǒng)中，都需要有傳感節(jié)點采集和傳遞信息，并且有智能軟件代理接收和執(zhí)行操作指令.

2) 智能化任務計算系統(tǒng).能源互聯(lián)網(wǎng)應具有高速通信網(wǎng)絡及云端信息處理系統(tǒng)，能夠完成大量復雜的并行任務處理，用于對全網(wǎng)范圍內(nèi)的信息進行實時處理，并計算出相應的電力維護和異常處理任務序列以完成任務.

3) 符合實際情況的硬實時操作序列推理.在日常維護(特別是故障緊急處理)過程中，自愈系統(tǒng)需要對各種關鍵設備進行諸如“開關”、“增減”、“并串”等物理操作.其中，每項操作都有相應的時間長度，并且，多項操作之間存在先后次序.因此，自愈系統(tǒng)必須正確計算出在當前狀態(tài)下，滿足一定時長、一定次序的安全操作序列，并下發(fā)給智能代理進行執(zhí)行.

可以看出，能源互聯(lián)網(wǎng)必須具有高速高效的通信網(wǎng)絡、足夠的計算能力、遍及全網(wǎng)的神經(jīng)感知末梢硬件基礎設施，通過合理的、可實現(xiàn)的軟硬件系統(tǒng)，執(zhí)行正確的任務序列.

本文將重點在第3節(jié)中討論在具備以上硬件的條件下，如何實現(xiàn)避免后繼故障的硬實時任務序列的生成和執(zhí)行.

2.2 基于多智能體的電網(wǎng)自愈系統(tǒng)的整體框架

多智能體電網(wǎng)自愈系統(tǒng)由大量可計算的、駐留在關鍵節(jié)點的智能代理組成，系統(tǒng)內(nèi)的智能體既彼此獨立又可以相互作用.不同的智能體之間可以進行通信、交互.

圖2展示了多智能體電網(wǎng)自愈系統(tǒng)的概貌，包括了橫向、縱向和垂向：

1) 從橫向上看，包括了不同領域內(nèi)的智能體代理，如電網(wǎng)系統(tǒng)、電廠系統(tǒng)、微網(wǎng)系統(tǒng)、供熱系統(tǒng)等，在每個領域內(nèi)，都會有與本領域知識相關的軟件系統(tǒng)進行管控.

2) 從縱向上看，包括了不同層次的代理，如中央級代理、區(qū)域級代理.

3) 從垂向上看，包括了不同地域的智能體代理，如不同省市、不同地區(qū)、不同小區(qū)的智能體代理.

圖2給出的僅是一個參考架構，其本質(zhì)上是一個自相似圖形系統(tǒng)，在省內(nèi)、市內(nèi)、區(qū)縣內(nèi)甚至小區(qū)內(nèi)都能以類似的軟件架構為參考，實現(xiàn)分層、分級、分區(qū)域的“源-網(wǎng)-荷-儲”互通協(xié)作.

本文的重點是提出和論證自愈系統(tǒng)中需要加入實時截止期約束，提出求解方法，這里并不針對每個知識領域內(nèi)的智能體系統(tǒng)進行具體軟件設計和實現(xiàn).在此，僅對每種領域抽象出3類智能代理用于完成基本的功能，包括通信代理、信息采集代理和命令執(zhí)行代理.

能源互聯(lián)網(wǎng)的多智能體自愈系統(tǒng)日常工作可以抽象為若干任務的計算、分配、下發(fā)和執(zhí)行，如圖3所示.電網(wǎng)自愈系統(tǒng)包括決策和執(zhí)行2個層面.決策層包括信息預處理系統(tǒng)、專家系統(tǒng)和實時截止期約束推理機.信息預處理系統(tǒng)用于完成信息的收集、去掉冗余信息和矛盾信息，對電網(wǎng)系統(tǒng)當前的運行狀態(tài)進行定性判斷.

Fig. 3 The process of self-heal system圖3 自愈系統(tǒng)工作流程

電網(wǎng)自愈系統(tǒng)的主要工作流程包括：

1) 在能源互聯(lián)網(wǎng)的“源-網(wǎng)-荷-儲”中各個關鍵節(jié)點中部署的智能代理，通過相關傳感器收集相應的信息，并上傳到該分級決策系統(tǒng).

2) 該級的決策系統(tǒng)將會先對收集的信息進行處理，去偽存真，而后判斷當前電網(wǎng)運行狀態(tài)是否正常.如果正常，將在安全操作樹中計算需要執(zhí)行的日常維護操作任務；如果發(fā)生故障，將在安全操作序列樹中計算需要執(zhí)行的日常維護操作任務.

3) 計算符合當前狀態(tài)需要的任務序列，并將任務序列進行實時截止期約束下的計算.如當故障發(fā)生時，對應的故障鏈上的結點將被觸發(fā)；推理機將根據(jù)故障結點在安全操作樹求解安全操作序列，當安全操作序列的操作時間滿足故障結點時間截止期時，則視為成功操作序列；若該操作序列不滿足，則求解新的操作序列；若所有求解的操作序列均不能滿足截止期，則視為該故障結點無法及時自動修復，后繼的故障結點也將被觸發(fā).此時，將已觸發(fā)故障結點和后繼結點的截止期疊加，并以改截止期求解新的安全操作序列.

4) 向智能代理下發(fā)符合條件的任務序列進行執(zhí)行，完成工作周期內(nèi)的任務.

專家系統(tǒng)中包括了能源互聯(lián)網(wǎng)涉及到的各種領域知識，我們將其抽象為3個集合：故障鏈集合、正常狀態(tài)集合和安全操作樹集合.

故障鏈集合是根據(jù)經(jīng)驗總結的可能發(fā)生或已經(jīng)發(fā)生的故障狀態(tài)，每一個故障狀態(tài)都對應一個時間長度，在此定義為截止期，如果不能在截止期完成，將引發(fā)新的故障.不屬于故障鏈的集合將屬于正常狀態(tài).安全操作樹包括了日常維護和故障處理的全部安全的任務處理序列，以有向圖的方式進行存儲.

任何一個故障鏈或正常狀態(tài)鏈，都至少對應了一個安全操作樹中的一個完整操作序列子樹；當對應的智能代理完成全部操作序列后，該故障排除；如果不能在規(guī)定時間內(nèi)完成，故障無法排除，并產(chǎn)生新的故障，故障鏈進入下一環(huán)節(jié)，需要完成更多的安全操作序列，如圖4所示:

Fig. 4 The mapping between fault chain and security operation tree圖4 故障鏈和安全操作樹的映射

由于電網(wǎng)自愈系統(tǒng)是分級系統(tǒng)，在每一級中具有相應的決策系統(tǒng)，對該級別以下的所有區(qū)域、所有領域內(nèi)的代理進行集中式協(xié)調(diào)，由該決策系統(tǒng)對電網(wǎng)自愈系統(tǒng)需要完成的日常維護或故障處理目標進行規(guī)劃和分配.

本文將電網(wǎng)自愈系統(tǒng)的行為抽象成為電網(wǎng)自愈多智能體混合關鍵性實時調(diào)度下的實時推理系統(tǒng)，并通過多智能體進行任務的執(zhí)行實現(xiàn).

本文的先期工作在文獻[15]中有所描述.該文對已有的多智能體平臺AgiBuilder進行了改進，構建了原型系統(tǒng)，可以運算和執(zhí)行硬實時調(diào)度任務.本文在此基礎上，針對能源互聯(lián)網(wǎng)，提出和設計了基于多智能體的電網(wǎng)自愈系統(tǒng)軟件架構，以落實圖2所示的橫向(多種知識領域的融合)和縱向(多層級控制調(diào)度)電網(wǎng)自愈過程.

首先，在縱向上，電網(wǎng)自愈系統(tǒng)的多智能體包括設備級、小區(qū)級、中央級3種層次.在3種層次中，分別對應著不同知識領域的智能體進行相互協(xié)作和集中決策.

1) 設備級智能體，即能源互聯(lián)網(wǎng)的核心設備中部署的智能體.具體包括產(chǎn)線智能體、管網(wǎng)智能體、轉(zhuǎn)儲智能體，作用有3點：

① 產(chǎn)線智能體.部署在電廠、微網(wǎng)、化工廠等能源生產(chǎn)場所，完成數(shù)據(jù)采集、發(fā)送和指令接收.當發(fā)生故障時,可通過專用裝置隔離和消除故障，減少損失.

② 管網(wǎng)智能體.在多種管網(wǎng)中的核心裝置中部署智能體，完成管線狀態(tài)實時采集、管線的開關等功能.

③ 轉(zhuǎn)儲智能體.在儲能設備和能源轉(zhuǎn)化設備中部署智能體，用于完成儲能、能源轉(zhuǎn)化過程的監(jiān)控.

在設備級智能體這一層次中，在各自領域設備中部署的智能體的設計與設備類型有關，軟件內(nèi)部結構各有不同，核心目標是完成對該類設備的監(jiān)控.

2) 小區(qū)級智能體，即可以匯聚該區(qū)域內(nèi)設備級代理回傳的信息并進行處理.當小區(qū)級智能代理在收集本區(qū)域的信息后發(fā)現(xiàn)某個設備發(fā)生故障時，將立即進入修復過程；如果依靠本小區(qū)無法解決問題時，將會向中央級智能代理發(fā)送資源協(xié)調(diào)請求.

在小區(qū)級智能體這一層次中，各知識領域的智能體軟件結構是類似的，主要的區(qū)別在于內(nèi)部的操作邏輯不同；每一領域的智能體擁有該領域的知識庫以及故障事件到安全操作的映射法則.

3) 中央級智能體，即在一個廣泛區(qū)域內(nèi)掌控較充分資源的智能體.在收到小區(qū)級智能體資源協(xié)調(diào)需求后，中央級智能體將根據(jù)相應預案進行快速資源調(diào)度，計算相關安全操作序列，并將符合時間約束條件的指令序列經(jīng)由小區(qū)級智能體下發(fā)到設備級智能體進行執(zhí)行.

在中央級智能體這一層次中，其軟件結構與小區(qū)級智能體是類似的.兩者的區(qū)別在于中央級智能體擁有了該區(qū)域內(nèi)全部的知識領域智能體，并擁有更高等級、更深層次、更大力度的安全操作能力及相應的映射法則.

通過這三級智能體，并結合原有的原系統(tǒng)，可以實現(xiàn)適用于電網(wǎng)自愈系統(tǒng)的基礎軟件架構.但是，以上的軟件體系僅僅是基礎設施層的設計和實現(xiàn)，并未解決電網(wǎng)自愈系統(tǒng)的操作序列固定、操作時間受限的調(diào)度問題.本文第3節(jié)和第4節(jié)分別對該調(diào)度問題進行建模和求解.

3 電網(wǎng)自愈多智能體混合實時調(diào)度任務建模

為了實現(xiàn)電網(wǎng)自愈多智能體混合實時調(diào)度，我們基于正常狀態(tài)集合、故障鏈集合、安全操作樹和智能體建立起調(diào)度任務模型，如圖5所示.

Υ={Υ(l),1≤l≤n},
Υ(l)={τi|ri,Di,Gi,{τi,j|Cij,1≤j≤ni},1≤i≤k}.
Ψ={Ψ(r),1≤h≤m},
Ψ(r)={τi,k∈G(τi),…,τj,h∈G(τj),…,τp,q∈G(τp)}.

該模型有8點內(nèi)容需要說明：

1)Υ是由n個故障鏈Υ(l)組成的；

2) 每一條Υ(l)上有k個結點，每個結點代表了一個安全操作子圖，把這個操作子圖的處理過程看成一個調(diào)度任務τi,若Υ(l)上第1個結點對應的調(diào)度任務在其截止期內(nèi)完成執(zhí)行，則該故障鏈不向后傳播，否則觸發(fā)該故障鏈上的下一個結點對應的調(diào)度任務；

Fig. 5 Task model for scheduling圖5 調(diào)度任務模型

3) 就緒時間ri:τi進入系統(tǒng)的時間，即故障觸發(fā)進入安全操作樹的時間；

4) 相對截止期Di:τi所允許的最大響應時間；

5) 偏序圖Gi(graph):該有向圖定義了組成任務τi的ni個子任務之間的偏序關系，Gi代表了安全操作樹，決定了任務τi的執(zhí)行流；

6) 執(zhí)行時間Cij:通過最壞執(zhí)行時間分析技術所預定義的子任務τij所需要執(zhí)行的時間；

7) 多智能體有m類智能體給任務提供處理器資源，調(diào)度的目標是讓這些智能體能成功調(diào)度Υ中的所有子任務即Ψ=Υ，同時故障鏈上向后觸發(fā)的故障數(shù)最少；

8) 分屬不同Υ(l)的子任務根據(jù)操作類型的不同，被指定給對應類別的智能體上去執(zhí)行，則智能體上能執(zhí)行的子任務集合記為Ψ(r).

偏序圖Gi中，如果存在有向邊從子任務τi,u指向子任務τi,v，則τi,v被稱為τi,u的子結點直接后繼，τi,u被稱為τi,v的父結點直接前驅(qū).子任務τi,j的直接前驅(qū)集合記為preddirect(τi,j)和τi,j的直接后繼集合記為succdirect(τi,j).如果存在有向邊路徑從子任務τi,u可達子任務τi,v，則τi,v被稱為τi,u的后繼，τi,u則被稱為τi,v的前驅(qū).子任務τi,j的所有前驅(qū)集合記為pred(τi,j)和τi,j的所有后繼集合記為succ(τi,j).沒有前驅(qū)的子任務稱為源結點，沒有后繼的子任務稱為終結點.

表1中列出了每個任務?τi(i≥1)及其對應的子任務τi,k，k∈{1,2,…,j}在調(diào)度中可以用到的參數(shù).

Table 1 Parameters of Tasks and Sub-Tasks表1 任務及子任務的調(diào)度參數(shù)

1) 開始時間si和si,k:τi和τi,k開始執(zhí)行的時間；

2) 執(zhí)行時間Ci,k:通過最壞執(zhí)行時間(worst-cast execution time, WCET)分析技術所預定義的τi,k所需要執(zhí)行的時間；

3) 時刻t的剩余執(zhí)行時間Ci(t)和Ci,k(t):Ci和Ci,k減去到時刻t為止已執(zhí)行過的累積時間；

4) 完成時間fi和fi,k:τi和τi,k執(zhí)行結束的時間，即Ci(t)=0和Ci,k(t)=0的時刻，fi=min{t|Ci(t)=0}，fi,k=min{t|Ci,k(t)=0}；

5) 就緒時間ri,k是其Gi上所有直接前驅(qū)結點都完成的時刻，即ri,k=max(fi,j)，τi,j=preddirect(τi,k)；

6) 響應時間Ri:τi從就緒到執(zhí)行完成的時間長度，Ri=fi-ri，Ri≤Di；

7) 絕對截止期di:di=ri+Di，fi≤di；

succ(τi,k),Pi,k,l∈Pi,k；

因為EDF在調(diào)度上的最優(yōu)性[16-17]，在每個智能體上使用EDF對任務進行調(diào)度.那么，Ψ(r)被EDF成功調(diào)度的充分必要條件是?τi,k,τj,h∈Ψ(r),ri,k≤dj,h,dj,h-ri,k≥∑Cp,q(?τp,q∈Ψ(r),ri,k≤rp,q,dp,q≤dj,h).

4 電網(wǎng)自愈多智能體混合實時調(diào)度方法

電網(wǎng)自愈多智能體混合實時調(diào)度整體過程如下：

Step1. 對安全關鍵的任務子集合Υcri進行調(diào)度：通過給Υcri在多智能體上分布式地給每個任務偏序圖上的子任務找到一種可調(diào)度的局部截止期分配方案來確保多智能體的處理器資源可成功地調(diào)度所有的安全關鍵任務,并同時給剩余的其他任務留出盡可能多的空閑處理器資源；

Step2. 對其他任務Υnon-cri進行調(diào)度，重復執(zhí)行Step2.1～Step2.3直至所有任務都執(zhí)行完畢或沒有空閑的處理器資源：

Step2.1. 任務的默認當前等級為Level1;

Step2.2. 根據(jù)其鏈的結構，根據(jù)當前等級的執(zhí)行時間需求和截止期內(nèi)來分析能否在多智能體上找到足夠長的空閑處理器長度來完成執(zhí)行；

Step2.3. 如果任務可被成功調(diào)度，則將該任務按當前等級準入并執(zhí)行；否則，該任務進入下一個等級，轉(zhuǎn)到Step2.2進行執(zhí)行.

其中，Step1需通過對各子任務劃分局部截止期保證其能夠被成功調(diào)度.

通過給子任務τi,k分配局部截止期di,k，使所有子任務在各自的智能體上分別完成其執(zhí)行需求，同時任意子任務的截止期di,k都不超過其所屬任務τi的截止期di，從而Υcri中所有任務τi都能被成功調(diào)度.為此，前驅(qū)子任務不能過度使用智能體上的松弛時間而要給后繼子任務留出足夠的時間來完成執(zhí)行.合適的局部截止期分配不僅要考慮調(diào)度任務在執(zhí)行路徑上的執(zhí)行工作總量，還要考慮與其他任務共享的智能體上處理器資源的競爭關系.

每個智能體上的局部截止期分配方法的優(yōu)化目標是最大化子任務的最小松弛時間[18-19]，為后續(xù)其他子任務留出盡可能多的松弛時間來幫助滿足其所屬任務總截止期的約束.同時，也要保證不同任務在該智能體上的所有子任務是可調(diào)度的.

把上述目標和約束用數(shù)學形式化表述如下：

約束條件：

② ?τi,k,τj,h∈Ψ(r),ri,k≤dj,h,dj,h-ri,k≥∑Cp,q(?τp,q∈Ψ(r),ri,k≤rp,q,dp,q≤dj,h).

在完成Step1后，每個多智能體將根據(jù)子任務的局部截止期，對其Ψ(r)上的子任務進行調(diào)度，其核心算法如下：

挑選Ψ(r)中局部截止期最小的τi,k去執(zhí)行，di,k=min{dj,h|τj,h∈Ψ(r)}.

當Ψ(r)的子任務τi,k完成執(zhí)行時，

1) 將τi,k的完成信息通知給τi,j,其中，?τi,j∈succdirect(τi,k)∩τi,j∈Ψ(l)；

2) 把τi,k從Ψ(r)中丟棄Ψ(r)=Ψ(r)-{τi,k}；

3) 挑選Ψ(r)中局部截止期最小的子任務τp,q去執(zhí)行，dp,q=min{dj,h|τj,h∈Ψ(r)}.

Ψ(l)獲得τi,k的完成信息后，

1) 讓τi,j就緒，τi,j∈succdirect(τi,k)∩τi,j∈Ψ(l)；

3) 如果劃分局部截止期失敗，采取以下步驟：

① 可借鑒文獻[21]的任務丟棄處理策略，用傳播的方式通知其對應智能體上的后繼succ(τi,j)并將τi丟棄；

② 若是Υnon-cri中的任務，再將τi轉(zhuǎn)入下一個等級分配到多智能體上.

重復上述操作直至所有任務執(zhí)行完畢.

5 實驗與結果

本節(jié)通過實驗基于本文提出的電網(wǎng)自愈多智能體混合任務模型，隨機生成任務測試集，對EDF簡單調(diào)度和第4節(jié)調(diào)度方法下的任務成功率進行對比.

5.1 度量標準

1) 調(diào)度成功率STSR.STSR=N(STS)N(TS)×100%，其中，N(STS)是能被成功調(diào)度的任務集個數(shù),N(TS)是隨機產(chǎn)生的任務集總個數(shù).用于Υcri任務調(diào)度效果對比.

2) 故障出現(xiàn)率DTR.DTR=N(DT)N(T)×100%，其中，N(DT)是被調(diào)度丟棄的任務次數(shù)(丟棄的次數(shù)越多，故障個數(shù)也就越多),N(T)是隨機產(chǎn)生的任務總個數(shù).DTR用于Υnon-cri任務的調(diào)度效果對比.

5.2 數(shù)據(jù)集

系統(tǒng)中有8個智能體提供處理器資源，隨機生成100個故障鏈，每條鏈上結點個數(shù)是取值于[3,9]中的隨機值，每個結點對應的任務具有泊松分布的到達時間ri,泊松分布的參數(shù)范圍是[10,150]之間(該值為就緒時間間隔的期望值),模擬生成不同的負載情況.隨機任務的相對截止期Di服從均勻分布U[100,500].

隨機任務在隨機鏈生成的基礎上添加1～5條路徑形成安全操作樹，書上結點的執(zhí)行時間Ci,j服從參數(shù)為100Di的指數(shù)分布的隨機變量.若生成的任務執(zhí)行時間超過Di，則該任務不被采納.在不同的任務集負載①(50,150,…,500)各隨機生成100個任務集.

5.3 實驗和結果

本節(jié)將觀察隨機任務測試集負載不同的情況下,用EDF簡單調(diào)度的策略和第4節(jié)調(diào)度方法下的調(diào)度成功率和故障出現(xiàn)率的變化，如圖6所示.

調(diào)度成功率的變化曲線如圖6(a)所示，這里比較的是在每個任務集負載下生成的100個任務集通過簡單EDF調(diào)度方法和本文提出的調(diào)度方法能成功調(diào)度的任務集個數(shù).能被某個方法調(diào)度成功的任務集也稱為可行的任務集，那么，圖6(a)表明了本文提出的調(diào)度方法可比簡單EDF調(diào)度方法能找到的可行任務集個數(shù)要平均多出17.74%.本文提出的調(diào)度方法隨著任務集負載的增加調(diào)度成功率的降低比較平穩(wěn)，是因為本文的調(diào)度方法始終都不斷逼近第4節(jié)中提出的優(yōu)化目標；而簡單EDF調(diào)度則隨著任務集負載的增加、調(diào)度成功率的降低，根據(jù)隨機任務集參數(shù)的不同而時緩時急.

故障出現(xiàn)率的變化曲線如圖6(b)所示，故障個數(shù)增多伴隨著丟棄任務的次數(shù)增加，一個任務之所以會被丟棄，要么是因為在簡單EDF調(diào)度下該任務的截止期限無法得到滿足，要么在本文提出的調(diào)度方法下找不到給該任務的子任務劃分局部截止期的方案.從圖6(b)可以看出，本文提出的調(diào)度方法在隨機任務集不同負載的情況下，故障出現(xiàn)率都保持在一個較低的水平，尤其是高負載的情況下，故障出現(xiàn)率仍然令人滿意；而簡單EDF在較高負載下的故障出現(xiàn)率急劇增長.本文提出的調(diào)度方法比簡單EDF調(diào)度方法所丟棄的任務數(shù)，即出現(xiàn)故障幾率，要平均減少7.72%.

Fig. 6 Performance comparison on Simple EDF and Our Approach圖6 簡單EDF調(diào)度和第4節(jié)調(diào)度方法的結果比較

① 任務負載為密度之和比智能體個數(shù)：U(T)=sum(CiDi)m

6 總 結

本文提出了一種帶有截止期實時約束的電網(wǎng)自愈系統(tǒng)基于多智能體進行處理的機制和可供參考的軟件實現(xiàn)架構.針對具有實時截止期約束條件下的安全操作序列求解問題，提出了一種基于多智能體的混合關鍵性調(diào)度任務模型；并給出了電網(wǎng)自愈多智能體進行混合關鍵性調(diào)度的求解方法，給出了優(yōu)化目標和約束條件，用混合整數(shù)線性規(guī)劃(MILP)模型求解.通過仿真結果驗證了智能電網(wǎng)自愈多智能體混合關鍵性調(diào)度模型及其求解算法有效地增加了故障結點安全操作處理的成功率，并減少了故障鏈式的后續(xù)觸發(fā)率.在下一步工作中，我們將把故障鏈擴展為故障樹，在此基礎上建立基于故障樹的調(diào)度任務模型并分析其調(diào)度方法.