Использование элементов искусственного интеллекта: компьютерная поддержка оперативных решений в интеллектуальных электрических сетях

Использование элементов искусственного интеллекта: компьютерная поддержка оперативных решений в интеллектуальных электрических сетях
Александр Юрьевич Хренников

Юрий Яковлевич Любарский

Для «умных» электрических сетей рассмотрены интеллектуальные программные средства, выполняющие новые функции и повышающие уровень компьютерной поддержки диспетчерских решений. Одна из целей построения умных сетей – обеспечение восстановления после аварий, основное внимание уделяется проблемам диагностики нештатных ситуаций, интеллектуальному мониторингу состояний электрических сетей, планированию послеаварийного восстановления электроснабжения. Подробно рассмотрен новый вид программного тренажера для диспетчеров электрических сетей – тренажер анализа нештатных ситуаций. Изложение в книге сопровождается множеством примеров в форме протоколов работы реальных интеллектуальных систем. Книга предназначена для руководителей и специалистов оперативных служб предприятий энергетических систем, электрических и распределительных сетей и электрических станций, филиалов ПАО «Россети», ПАО «ФСК ЕЭС», слушателей курсов повышения квалификации, а также студентов электроэнергетических специальностей.

Александр Хренников, Юрий Любарский

Использование элементов искусственного интеллекта: компьютерная поддержка оперативных решений в интеллектуальных электрических сетях

2-е издание (добавлены главы 7, 8, 9)

ПРЕДИСЛОВИЕ

В учебном пособии под интеллектуальными электрическими сетями понимаются такие электросети, для управления которыми используются программные средства, основанные на методах искусственного интеллекта (ИИ). Рассматривается, в основном, управление «через человека» – диспетчерское управление. Интеллектуальные программы при таком подходе обеспечивают компьютерную поддержку диспетчерских решений. Это ни в коей мере не исключает других возможных применений ИИ в электросетях, но эти возможности остаются за рамками данного пособия.

Для «интеллектуальных» электрических сетей рассмотрены основанные на методах ИИ программные средства, выполняющие новые функции и повышающие уровень компьютерной поддержки диспетчерских решений.

Учитывая, что одна из целей построения интеллектуальных сетей – обеспечение восстановления после аварий, основное внимание в книге уделяется проблемам диагностики нештатных ситуаций, интеллектуальному мониторингу состояний электрических сетей, планированию послеаварийного восстановления электроснабжения. Подробно рассмотрен новый вид программного тренажера для диспетчеров электрических сетей – тренажер анализа нештатных ситуаций.

В рамках использования ИИ рассмотрена многоагентная структура интеллектуальной автоматизированной структуры диспетчерского управления.

Рассмотрена также задача анализа аварий и возможность формирования (на основе данных оперативно-информационного комплекса) оперативной справки об аварии в энергосистеме.

Рассмотрена организация расследований технологических нарушений и аварий на подстанциях (с примерами протоколов расследования).

Вводится понятие «объемного» принятия решений, отражающее участие в принятии решений групп специалистов, обладающих различными компетенциями. При этом используется концепция экспертной системы с «доской объявлений».

Для облегчения преобразования эксплуатационного опыта технологов в формализмы естественно-языковой экспертной системы рассмотрена возможность применения концепции экстремального программирования.

Для определенности при изложении в данном пособии предполагается применение экспертной системы (оболочки) МИМИР, так как эта система имеет ряд успешных применений в электроэнергетических задачах.

Изложение в книге сопровождается множеством примеров в форме протоколов работы реальных интеллектуальных систем.

Учебное пособие предназначено для студентов магистратуры электроэнергетических специальностей, обучающихся по направлению «Электроэнергетика и электротехника» и магистрантов направления «Электроэнергетика и электротехника», профили «Электроэнергетические системы и сети» при изучении дисциплины «Информационно-измерительные системы», специалистов технических оперативных служб предприятий энергетических систем, электрических и распределительных сетей и электрических станций, филиалов ПАО «Россети», ПАО «ФСК ЕЭС», слушателей курсов повышения квалификации, а также студентов электроэнергетических специальностей. служб предприятий электрических и распределительных сетей и электрических станций, слушателей курсов повышения квалификации электроэнергетического профиля. Севастопольского госуниверситета и ряду других специализаций. Пособие соответствует также специализациям «Активно-адаптивные системы электроснабжения» СПбПУ Петра Великого 2.13.04.02 (https://spb.postupi.online/vuz/spbpu/specialnost-magistr/2.13.04.02/)Интеллектуальные системы энергоснабжения (https://sevastopol.postupi.online/vuz/sevgu/programma-magistr/5141/).

Глава 1. ПРОГРАММНЫЕ СРЕДСТВА ДЛЯ ПОДДЕРЖКИ ДИСПЕТЧЕРСКИХ РЕШЕНИЙ

Однажды много лет назад Декарт, взглянув через зарешеченное окно на росший во дворе дуб, понял, что с помощью оконной решетки можно задать числами положения частей дуба: ствола, ветвей, листьев, – оцифровать дуб! Уменьшая размер ячеек решетки, можно получить оцифровки дуба, содержащие все больше и больше деталей. Декарт воскликнул: «Эврика!» и создал прямоугольную декартову систему координат. Это был момент величайшего значения в математизации физики и начало цифровизации. Любой материальный объект мог быть закодирован с помощью декартовых координат. Описание движения этого объекта могло быть представлено в виде функциональных преобразований декартовых координат. Можно сказать, что был создан числовой образ физического пространства. Сегодняшняя цифровизация началась именно с этого события.

1.1.ПРОБЛЕМЫ РАЗРАБОТКИ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ ЭНЕРГЕТИЧЕСКОГО ПРИМЕНЕНИЯ

ПОСТАНОВКА ЗАДАЧИ

Важной задачей модернизации систем компьютерной поддержки оперативных энергетических задач является автоматизация функций технологического управления в энергосистемах. Разработки в этой области часто оказываются весьма трудоемкими и не всегда успешными. Результаты работы существенно зависят от правильного анализа источников знаний и от выбора методов реализации. Здесь конкурируют «традиционные» программные методы и методы, основанные на идеях искусственного интеллекта. При этом далеко не всегда «интеллектуальные» методы оказываются предпочтительными – иногда их применение может привести к излишнему усложнению разрабатываемой системы. С другой стороны, «традиционные» методы могут затруднить разработку продуктов, приемлемых для использования технологами – «эксплуатационниками». Поэтому важно на раннем этапе разработки для конкретной задачи правильно выбрать метод реализации, оценить целесообразность «ставки» на интеллектуальный метод [3,38].

ИСТОЧНИКИ ЗНАНИЙ

Приступая к разработке автоматизированной системы для новой технологической задачи, необходимо определить источники знаний (ИЗ) об этой задаче. Среди множества возможных ИЗ наибольший интерес для разработчика представляют:

– эксплуатационный опыт ЭО,

– техническое задание ТЗ на разработку,

– эксплуатационные инструкции ЭИ,

ЭО – опыт эксплуатационного персонала, постоянно «в уме» решающего задачу, которую нужно автоматизировать. К сожалению, это часто невербальный (не зафиксированный в текстах) опыт. Его преобразование в словесную форму – очень трудоемкий процесс.

Выбор ТЗ в качестве основного источника был бы идеальным, но, к сожалению, в таких документах часто нет необходимой полноты информации, содержатся противоречия.

Наконец, ЭИ (технологические инструкции, указания и т.п.) – регламентированные документы являются, безусловно, достоверным источником знаний, но как правило, источником существенно неполным, фрагментарным: регламентированные инструкции обычно охватывают только некоторые (пусть и важнейшие) эксплуатационные операции, состояния и пр., в то время, как для разработки системы требуется «полный спектр» таких знаний. Пробелы в ЭИ разработчику системы приходится заполнять «здравым смыслом», то есть тем же эксплуатационным опытом. Поэтому следует признать опыт эксплуатационного персонала основным источником знаний для разрабатываемой системы [1-9].

1.2.ТЕХНОЛОГИЧЕСКИЕ РАССУЖДЕНИЯ КАК ПРЕДМЕТ КАК ПРЕДМЕТ МОДЕЛИРОВАНИЯ

Для представления эксплуатационного опыта в разрабатываемой системе следует решить две задачи:

– выбрать формализм для представления ЭО,

– преобразовать невербальный опыт в рамки выбранного формализма.

При выборе формализма необходимо стремиться к максимальной его близости к «человеческим» представлениям. Этому требованию отвечает использование формализма рассуждения, понимаемого как ряд мыслей, суждений, умозаключений на какую-нибудь тему, изложенных в логически последовательной форме. Далее, полагаем, что эта цепочка суждений представляется в виде последовательности модулей-вопросов, каждый из которых состоит из:

– текста вопроса,

– анализа ответа.

Близость такого формализма к человеческим суждениям достигается тем, что вопросы формулируются на естественном языке человека.

Приведем примеры вопросов, используемых в некоторых реализованных системах.

(а) Система оперативного рассмотрения ремонтных заявок:

Заявки разрешенные, оборудование ЛЭП, сечения, оборудование уровень 500?

Запрашиваются разрешенные заявки на линии, которые входят в сечения, содержащие оборудование уровня 500 кВ.

(б) Система анализа нештатных ситуаций в электрических сетях:

(б1) оборудование шина объект *75, узлы, выключатели вкл.?

Запрашивается оборудование вида «шина», принадлежащее энергетическому объекту с номером *75, такое, что эти шины через электрические узлы связаны с выключателями, находящимися во включенном положении.

(б2) оборудование, узлы, выключатели, узлы, выключатели изменение?

Запрашивается оборудование, которое через электрические узлы присоединено к выключателям, которые, в свою очередь, через узлы присоединены к выключателям, положение которых изменилось.

В практических системах для решения задач одного вопроса, даже весьма сложного, оказывается недостаточно – в рассуждение входит множество иерархически организованных вопросов. Так, при распознавании ситуации «дальнего» резервирования [1] система сначала определяет «погашенные» шины подстанций и отключившиеся линии, затем – срабатывание защит на подстанции с погашенными шинами и на смежных присоединениях. Учитываются ступени сработавших защит линий. На подстанции, где имелось повреждение, вызвавшее ситуацию дальнего резервирования, защита работает первой ступенью, а на смежных подстанциях – более старшими ступенями.

В системах, основанных на технологических рассуждениях, моделируются формализмы рассуждений. Для этого вопросы автоматически преобразуются в SQL-форму Базы данных, выстраиваются цепочки модулей-запросов. Результатом является модель, называемая программой-рассуждением ПР. В практических информационных системах может быть несколько ПР, а количество вопросов в каждой ПР может достигать сотен. Таким образом, при реализации системы требуется