Системные аспекты интеллектуального управления в интеллектуальных энергетических системах

Аннотация

Ядыкин И.Б. Системные аспекты интеллектуального управления в интеллектуальных энергетических системах Рассматривается методология системного проектирования современных интеллектуальных систем управления в электроэнергетике. В новых технологиях центральную роль играют технологии моделирования и оптимизации производства, передачи и распределения электроэнергии.

Общая постановка проблемы

Нестабильность режима электроэнергетической системы по напряжению сегодня рассматривается как главный механизм, приводящий к лавине напряжений и каскадной аварии. Если в энергосистеме происходит возмущение, вызванное потерей генерации или отключением линии, то в ней возникают резонансные явления, приводящие к росту амплитуды и уменьшению демпфирования этих колебаний.

Другой проблемой являются опасные низкочастотные колебания, обусловленные слабо-демпфированными модами энергетической системы и ее резонансными свойствами.

Технологии моделирования и оптимизации производства и потребления энергоресурсов и воды.

Математическое обеспечение автоматизированной системы контроля, учета и управления эффективностью производства и распределения мощности и энергии АСКУЭПР основано на использовании комплекса моделей станций и энергосистемы. Технология моделирования и оптимизации составляет стержень вертикальной интегра- ции данных в КИУС энергосистемы

Моделирование объектов и систем производства и распределения энергоресурсов позволяет заменить реальный эксперимент с ними, который невозможно произвести без нарушения требований безопасности энергоснабжения ввиду его высокой стоимости, на эксперимент с виртуальной реальностью – моделью производства и потребления энергоресурсов вместе с интегрированной АСКУЭПР.Совокупность моделей, методов моделирования и оптимизации, программных и технических средств, применяемых для построения Моделирующего комплекса АСКУЭПР, образуют технологию моделирования [10].

Основными целевыми функциями, которые должна реализовать эта технология, являются:

• автоматизированный контроль показателей технического состояния средств учета энергоресурсов;
• обнаружение факта, локализация места и причин выхода показателей состояния этих средств за предписанные границы;
• создание и сопровождение моделей балансов материальных и энергетических потоков ТЭС и энергосистемы;
• создание и сопровождение моделей технико-экономических показателей ТЭП ТЭС и энергосистемы с целью автоматизации расчетов нормативных и фактических ТЭП в реальном масштабе времени;
• решение задач многокритериальной оптимизации распределения электрических и тепловых нагрузок ТЭС и энергосистемы;
• генерация множества возможных решений оператора-диспетчера АСКУЭПР;
• информационная поддержка оператора-диспетчера;
• верификация знаний о моделях на основе автоматизированного эксперимента и ис- пользования архивов данных;
• сквозное моделирование бизнес процессов производства, распределения и потреб- ления энергоресурсов с целью применения функционально-стоимостного анализа производства и распределения энергоресурсов на всех уровнях АСКУЭПР.

Сложность современной энергетики, многообразие применяемых технологий производства и потребления энергоресурсов, необходимость их адаптации к требованиям рынка обусловили появление информационных технологий, основанные в той или иной форме на модели процесса.

Правила учета электроэнергии предусматривают составление балансов энергии и мощности у производителей и потребителей энергоресурсов. Кроме того, система учета энергии должна решать задачи контроля баланса энергии и определения технико-экономических показателей (ТЭП) потребления энергии у производителей и потребителей энергии. Анализ инструментально-подтвержденных балансов энергии является одной из главных задач энергоаудита промышленных предприятий.Все эти задачи тесно связаны с использованием моделей производства и потребления энергоресурсов.

Данные о производстве и потреблении энергоресурсов должны хранится в архивах узлов учета энергии и базах данных АСКУЭПР. Существование архивов создает предпосылки для генерации математических моделей, описывающих статические и динамические режимы поведения энергосистемы. Более того, для генерации моделей и статистического анализа можно использовать пакеты прикладных программ, предназначенных для статистической обработки данных.

Почему современные технологии моделирования и оптимизации стали частью технологии учета энергоресурсов и управления энергопотреблением на уровне АСКУЭПР? Существуют несколько основных причин, объясняющих взаимосвязь указанных технологий. Модели балансов материальных и энергетических потоков необходимы для решения задачи оперативного планирования производства, которой занимаются плановые отделы предприятий. Балансы составляют важную часть плана затрат, без них невозможна оптимизация плана. Задача управления ресурсами предприятия ERP является одной из основных задач современных корпоративных систем управления предприятиями. Бухгалтерские программы в этих системах используют не только нормативные, но и фактические показатели производства и потребления энергоресурсов. Подсистема контроллинга ERP систем энергосистемы осуществляет контроль себестоимости производимой энергии в реальном времени, что невозможно без контроля фактических показателей производства и распределения энергоресурсов и воды.

На основе использования моделей баланса энергии и энергоносителей, а также моделей удельных затрат энергоресурсов можно решить задачу оперативного контроля ТЭП, в частности, топливной составляющей производства энергии, и оптимизировать управление производством и потреблением энергии по критерию минимума затрат энергоресурсов на единицу производимой продукции. Нормативы производства и потребления энергоресурсов соответствуют эталонным значениям параметров указанных моделей, а рассогласование между эталонными и фактическими значениями моделей указывает на меру отклонения фактического технологического режима от оптимального. Оперативный контроль и управление по модели затрат энергоресурсов позволяет оператору реализовать механизм управления обратной связи план – факт.

Модели балансов энергоресурсов являются основным методом обнаружения отклонения заданного режима потребления энергии от нормы, в частности, обнаружения утечек воды и определения потерь в сетях. Кроме того, модели можно использовать для контроля тепловых потерь в подводящих и распределяющих тепловых сетях, а также для проверки правильности функционирования счетчиков.

Поскольку тепловая энергия является косвенно измеряемой переменной, точность ее измерения значительно ниже точности измерения электрической энергии. Существующие правила учета тепловой энергии и теплоносителей регламентируют измерение тепловой энергии горячей воды и пара с относительной погрешностью 5%. Модели потребления тепловой энергии и энергоресурсов в сочетании с современными средствами инструментального контроля позволяют решать задачи оперативного метрологического контроля и учета тепла с точностью 1.5%. Это обстоятельство можно использовать для верификации данных коммерческого учета энергии.

Научно обоснованный прогноз производства и потребления энергии основан на использовании моделей балансов и анализе их статистических свойств. Особую роль играют тарифные модели. Они используются для анализа и оптимизации тарифных планов. Архивы данных производства и потребления энергоресурсов в репозитарии интегрированных АСКУЭ институциональных субъектов рынка и АСКУЭПР позволяют строить модели спроса и осуществлять мониторинг рынка энергоресурсов на региональном уровне.

Новые задачи управления энергосистемой на основе технологии облачных вычислений

Виртуализация – это в широком смысле отделение представления системы от ее реализации. То есть виртуализация присутствует в любом аспекте ИТ, включая операционные системы, хранилища данных, веб-браузеры и многое другое. Однако в концепции виртуализации наибольшее значение имеют виртуализация серверов, виртуализация приложений и виртуализация настольных компьютеров как основных инструментов повышения эффективности доставки ИТ-услуг пользователям. Все эти технологии позволяют использовать виртуальные машины или виртуальные приложения, которые отвязаны от аппаратного обеспечения и конкретной ОС, а значит, являются более мобильными и гибкими единицами предоставления услуг.

Ключевое место в концепции облачных вычислений для задач управления в электрических сетях занимает виртуализация, поскольку только благодаря ей можно построить по-настоящему эффективное облако, которое будет иметь следующие характеристики: приемлемая стоимость владения, эффективное управление ресурсами и гарантированный уровень обслуживания пользователей. Виртуальное ПО обеспечивает масштабируемость, отказоустойчивость, виртуализацию и безопасность.

Перспективные прикладные задачи для технологии облачных вычислений применительно к интеллектуальным энергетическим системам с активно-адаптивными сетями ИЭС ААС:

• билинг
• CRM системы (муниципальные энергоснабжающие компании);
• Бухгалтерия
• ERP приложения для энергоснабжающих предприятий и центров управления сетями ЦУС.

Операции автоматизированной настройки регуляторов относятся к задачам технологического управления состоянием активов энергетических систем. Переход к векторному управлению в электрических сетях предполагает использование сложных автоматических регуляторов при эксплуатации которых периодически возникают потребности определения степени настроенности и автоматизированной настройки параметров регуляторов. Важную роль при выполнении этих видов технического обслуживания также играет технология моделирования объектов управления, в качестве которых выступают модели электрических сетей вместе с моделями источников генерации и потребления.

Сложность современной энергетики, многообразие применяемых технологий, необходимость их совершенствования в соответствии с требованиями рынка вызвало к жизни интеллектуальные технологии моделирования энергетических систем, основанные на использовании модели процесса для целей управления, диагностирования неис- правностей, оптимизации , эксплуатации оборудования и системы управления.

Для решения задач управления применяются два основных класса моделей: 1) – аналитические (прескриптивные) и 2) – семантические (дескриптивные). Модели первого типа реализуются в вычислительных машинах с помощью последовательной или параллельной обработки цифровой информации на основе процедурно-управляемого потока вычислений. Они используются для описания хорошо структурируемых энергетических объектов. Для этих целей используются проблемно-ориентированные пакеты прикладных программ, как например Матлаб, Евростаг, Ракурс, в которых имеются достаточно полные библиотеки модулей типовых систем, а также графические или тек- стовые редакторы для построения моделей сложных систем из моделей типовых модулей. Разработаны промышленные технологии моделирования, основанные на использо- вании специализированных языков моделирования, как например, GPSS.

Для сопровождения, настройки и верификации (функции технического обслуживания виртуальных моделей) как моделей типовых модулей, так и построенных на их основе сложных моделей применяются методы оптимизации и идентификации. Модели энергосистем первого типа реализуются на достаточно мощных вычислительных платформах (мэйнфреймах), так и в вычислительных GRID-сетях

Модели второго типа реализуются в вычислительной машине с помощью символьной интерактивной обработки данных потока данных, в котором широко применяются эвристические методы. Такие модели применяются для описания плохо структурированных энергетических объектов, для которых создание точных аналитических моделей либо сложно, либо невозможно по различным причинам. Для проектирования и генерации моделей второго типа используются экспертные знания с применением продукционных правил, фреймов и семантических сетей. Для сопровождения настройки и верификации моделей служат настраиваемые оболочки экспертных систем.

Особняком стоят модели промежуточного типа, основанные на технологиях искусственного интеллекта. Модели первого типа они напоминают тем, что для их настройки и верификации могут быть применены методы оптимизации, а модели второго типа – использованием эвристик и сетевых процедур. Для реализации моделей промежуточного типа используются и обычные компьютерные платформы, и нейрокомпьютеры.

Можно утверждать, что модели и методы моделирования энергетических систем образуют новую виртуальную реальность, являющуюся новым видом информационной производственной деятельности электроэнергетических систем, возникшим в результате развития интеллектуальных технологий управления в электроэнергетике. Этот новый технологический процесс способен создавать новую продукцию – технологические знания, имеющие самостоятельную коммерческую ценность (новые активы энергетики).

Для построения аналитических моделей в электроэнергетике применяются три основных подхода:

• идентификационный подход,
• конструирование моделей из отдельных модулей и прототипов;
• конструирование моделей по принципу физического подобия с использованием эквивалентирования;

Важной особенностью всех типов аналитических моделей является то, что они являются нелинейными, распределенными и нестационарными и зависят от выбранного режима функционирования энергосистемы, который определяет рабочую точку в пространстве параметров, задающей параметрическое описание линеаризованной модели энергосистемы. В силу этих причин аналитические модели являются адаптивными, что объясняет применение в данной проблемной области интеллектуальных технологий моделирования.

Создание комплекса моделирования в реальном времени является критической технологией, так как открывает возможность широкого применения в энергетике ряда технологий управления, основанных на использовании принципов адаптивного и оптимального управления.

Виртуальные анализаторы степени устойчивости электроэнергетических систем

Рассмотрим мониторинг риска внешних и внутренних угроз нарушения надежности текущего режима энергосистемы. Среди этих угроз одной из важнейших является угроза потери устойчивости и развития каскадной аварии [11]. Эта технология основана в первую очередь на динамическом оценивании параметров текущего режима на основе информации, получаемой при помощи систем мониторинга переходного режима СМПР или при помощи моделирующих платформ реального времени. В 2009 году в ИПУ РАН были начаты работы по исследованию свойств грамианов, которые привели к созданию нового научного направления: мониторинг и управление устойчивостью сложных слабоустойчивых динамических систем. Толчком к исследованиям послужили работы по обнаружению аварийных режимов в энергосистемах на основе анализа технологических архивных данных [13].

Слабоустойчивыми называют устойчивые системы, в которых некоторые собственные числа матрицы динамики имеют близкую к нулю вещественную часть .К таким системам относятся большие космические конструкции, современные гидравлические системы управления высотных зданий, крупные электроэнергетические системы. В таких системах под влиянием возмущений возникают резонансные явления, выражающиеся в появлении слабодемпфированных низкочастотных колебаний, имеющих тенденцию переходить в расходящиеся колебания. Очевидна энергетическая природа расходящихся колебаний, поэтому возникла идея контроля степени устойчивости, а в дальнейшем и управления устойчивостью резонансных систем путем измерения или вычисления критериев энергии слабоустойчивых мод системы. В качестве такого критерия можно выбрать модуль вещественной части слабоустойчивого корня, называемый степенью устойчивости системы. Эта величина может быть определена в результате решения проблемы собственных значений матрицы динамики линеаризованной модели системы. Другой подход к определению степени устойчивости основан на решении матричных алгебраических уравнений Ляпунова, решением которого являются грамианы управляемости и наблюдаемости. Возникла идея найти энергетический критерий устойчивости для слабоустойчивых систем и разработать метод его вычисления,основанный на решении матричных алгебраических уравнений Ляпунова.

Такой метод был разработан и получил названия метода субграмианов анализа устойчивости слабоустойчивых динамических систем. Основой метода являются разработанные в Институте новые методы и вычислительные алгоритмы решения матричных дифференциальных уравнений Ляпунова и Сильвестра. Принципиальная новизна предложенных методов состояла в применении спектральных разложений грамианов, являющихся решениями указанных уравнений по собственным числам матрицы дина- мики системы. Это позволило для целей анализа устойчивости отделить составляющие решения уравнений, соответствующие слабоустойчивым модам, которые были названы субграмианами. Было доказано, что при приближении слабоустойчивой системы к границе устойчивости грамиан системы можно оценить суммой субграмианов слабоустой- чивых мод. Для режима функционирования системы на границе устойчивости энергия движения асимптотически равна сумме энергий слабоустойчивых мод. Первая энергия определяется нормой Фробениуса грамиана, в то время как вторая суммой норм Фробениуса соответствующих субграмианов слабоустойчивых мод. Таким образом, рост нормы Фробениуса слабоустойчивой моды является индикатором приближения слабоустойчивой системы к границе устойчивости. Более того, квадрат нормы Фробениуса слабоустойчивой моды является оценкой риска потери устойчивости для слабоустойчивой электроэнергетической системы.

Метод грамианов был успешно применен для анализа устойчивости нормальных и предаварийных режимов электроэнергетических систем. Первая экспериментальная система была тестовая модель Кундура двухрайонной энергетической системы с матрицей динамики порядка n=30. Метод грамианов позволил выявить 4 опасных слабоус- тойчивых моды, и определить критическое по отношению к предельной пропускной способности сечение сети. Эти исследования велись с участием Научно-технического центра электроэнергетики [12]. Вторая экспериментальная система была модель энергосистемы острова Русский (г. Владивосток) с матрицей динамики n=70.Метод грамианов позволил выявить наиболее опасное сечение сети и найти критическое значение коэффициента утяжеления режима энергосистемы, при котором происходит нарушение устойчивости. Эти исследования велись с участием ОАО Лаборатория противоаварийного управления и Новосибирского технического университета.

Основой всего спектра технологий является технология усовершенствованной инфраструктуры измерений, которая включает интеллектуальные узлы учета энергии, но- вые технологии связи, как например PLC технологию передачи информации по силовым линиям, а также системы мониторинга переходных режимов вместе с геоинформационными технологиями.

Управление спросом является ключевым фактором технологии интеллектуальных энергетических систем, отражающим клиенто-ориентированность новой технологии

Заключение

Сложность управления крупной энергосистемой сегодня настолько высока, что полностью централизованное управление становится неэффективным из-за наличия огромных потоков информации, когда слишком много времени тратится на ее передачу в центр и принятие решений. Системы управления включают ряд подсистем, обладающих различными функциональными характеристиками и взаимодействующих с различными группами операторов, часто территориально удаленными друг от друга. Поэтому некоторые элементы организационного управления должны быть переданы от центра к периферии с четким разграничением прав и полномочий информационного доступа. Принципиально важным преимуществом ИЭС ААС является ее способность предвидеть возникающие внешние и внутренние угрозы и мгновенно реагировать на них, добиваясь их ликвидации или уменьшения степени их воздействия на функционирование ИЭС ААС в нормальных, предаварийных, аварийных и послеаварийных режимах. Подобными свойствами обладает иммунная система животного, в частности, человека, поэтому интеллектуальную мультиагентную систему, входящую в ИЭС ААС можно назвать иммунной. Существующая автоматическая система управления и система противоаварийной защиты ЭЭС не обладает в полной мере подобными свойствами, хотя ее отдельные функции в существенно усеченном виде реализуют функции иммунной интеллектуальной системы.[17] Кроме того, на стадии планирования режимов с помощью моделирования предусматривается способность к самовосстановлению (нечувствительность) системы при отключении одной из линий; сами нагрузки выбираются с некоторыми запасами по отношению к ожидаемым пиковым значениям.

Создание ИЭС ААС с развитыми функциями иммунной системы потребует привлечения больших объемов инвестиций, однако конечная выгода для потребителей, энергетических компаний, государства и общества обеспечит многократный возврат инвестиций, включая повышение надежности, безопасности, живучести, качества электроэнергии и снижение нагрузки на окружающую среду.

Список использованной литературы

1.Воропай Н.И. Упрощение математических моделей динамики электроэнергетических систем. Новосибирск: Наука, Сиб. отделение. 1981.
2. Gaglioti E., Iaria A., Panasetsky D., Voropai N., Gianuzzi G.,Gubernali A. Inter-area oscillations in GE / Turkey and IPS/UPS Power systems / Proceedings of SIGRE 2011. Bologna Symposium. September 13-15, 2011, Bologna, Italy. Electric Power System of Future Integrating Supergrids and Microgrids. P. 276-272.
3. Филиппова Н.Г., Тузлукова Е.В. Модальный метод устойчивости энергосистем: новый метод определения собственных значений / Электричество. 2006. № 4. С. 5-19.
4. Мисриханов М.Ш., Рябченко В.Н. Матричная сигнум-функция в задачах анализа и синтеза линейных систем /Автоматика и телемеханика. 2008 №2.С. 26-51.
5. Заславская Т.Б., Путилова А.Т., Тагиров М.А. Функция Ляпунова как критерий синхронной динамической устойчивости / Электричество. 1967. № 7.
6. Шиловский С.В. Закономерности формирования спектров и структур собственных электромеханических колебаний / Известия Томского политехнического университета. 2008. Т. 312, № 4: Энергетика. С. 80-85.
7. Жданов П.С. Вопросы устойчивости электрических систем. М.: Энергия, 1979.
8.Горев А.А. Избранные труды по вопросам устойчивости энергетических систем. М.: Госэнергоиздат, 1960.
9. Pavella M., Ernst D., Ruiz-Vega D. Transient stability of Power Systems. Unified Approach to assessment and Control. Boston-Dorndrecht-London: Kluwer Academic Publishers, 2000.
10. Прангишвили И.В., Амбарцумян А.А., Полетыкин А.Г., Гребенюк Г.Г., Ядыкин И.Б. Состояние уровня автоматизации энергетических объектов и системотехнические решения, направленные на его повышение // Проблемы управления. 2002. № 2. С. 11-17.
11. Yadykin I.B., Ahmetzyanov A.V., Iskakov A.B. Stability analysis of large scale electric power systems by Subgramian approach // International Journal of Robust and Nonlinear Control. 2014. DOI: 10.1002/rnc.3116. http://onlinelibrary.wiley.com/doi/10.1002/rnc.3116/abstract
12. Grobovoi A., .Shipilov V., Arestova A., Yadykin I., Afanasyev V., Iskakov A., .Kataev D. Application of Gramians method for Smart Grid investigations on the example of the Russky Island Power Network // Proceedings of IREP 2013 Symposium “Bulk Power Systems Dynamics and Control”, August 25-30, 2013. Rethymno, Greece. Paper ID 93. Pp. 1-6.
13. Ядыкин И.Б., Васильев С.Н., Бахтадзе Н.Н. Мультиагентная система иерархического управления режимом электроэнергетической системы России с активно-адаптивной сетью // Труды 4-й международной научно-технической конференции Современные направления развития
14. Бердников Р.Н., Бушуев В.В., Васильев С.Н., Веселов Ф.В., Воропай Н.И., Волкова И.О., Гельфанд А.М., Дементьев Ю.А., Дорофеев В.В., Корсунов П.Ю., Косолапов И.А., Купчиков Т.В., Кучеров Ю.Н., Моржин Ю.И., Новиков Н.Л., Тихонов Ю.А., Шакарян Ю.Г., Ядыкин И.Б. Концепция интеллектуальной электроэнергетической системы России с активно-адаптивной сетью. Одобрено Правлением ОАО ФСК ЕЭС 28.04.2012. Под ред. Академиков РАН Фортова В.Е., Макарова А.А. М: изд. ОАО ФСК ЕЭС. 2012. 235 с. ISBN: 978-5-9904113-1-9
15. Молвинский М.Ю., Бердин А.С., Гайдамакин Ф.Н., Дубинин Д.М. Внедрение и перспективы развития системы мониторинга переходных режимов на Сургутской ГРЭС-2 // Труды 4-й международной научно-технической конференции Современные направления развития систем релейной защиты и автоматики энергосистем. Екатеринбург, 3-7 июня 2013 г. C. 1-8.
16. Жуков А.В., Александров А.С., Неуймин В.Г., Максименко Д.М. Развитие технологического алгоритма системы мониторинга запасов статической устойчивости с учетом действия локальной противоаварийной автоматики // Труды 4-й международной научно-технической конференции Современные направления развития систем релейной защиты и автоматики энергосистем. Екатеринбург, 3-7 июня 2013 г. C. 1-4.
17. Bakhtadze N.N., Yadykin I.B., Lototsky V.A., Maximov E.M., Sakrutina E.A.. Multi-agent Approach to Design of Multimodal Intelligent Immune System for Smart Grid // IFAC-PapersOnLine. ISSN: 1474-6670. Manufacturing Modelling, Management, and Control. Vol. 7, Part 1. P. 1159-1164.
18. Ядыкин И.Б., Галяев А.А. О методах вычисления грамианов непрерывных динамических систем // Российская Академия Наук. Доклады. 2013. Т. 450, № 4. С. 397-400.
19. Бахтадзе Н.Н., Моржин Ю.Н., Ядыкин И.Б. Mультиагентная интеллектуальная иммунная система электроэнергетической системы с активно-адаптивной сетью // Автоматизация в промышленности. 2012. № 4. С. 61-64.