Systems. Methods. Technologies 1 (37) 2018

Системы Методы Технологии. Ю.Н. Булатов и др. Мультиагентные технологии … 2018 № 1 (37) с. 56-65 61 МАСУ для установок распределенной генера- ции. В качестве примера применения мультиагентных технологий рассмотрена МАСУ (рис. 6) для установок распределенной генерации, размещенных в РЭС. Рецепторами в предлагаемой системе являются из- мерители электрических и механических параметров, а также анализаторы показателей качества электроэнер- гии. В качестве эффекторов используются автоматиче- ские регуляторы возбуждения (АРВ) и частоты враще- ния (АРЧВ) синхронных генераторов установок РГ. Основные агенты в системе взаимозаменяемы, что обес- печивает высокую живучесть. Рис. 6. Структура МАСУ для установок РГ: АРВ — автоматический регулятор возбуждения; АРЧВ — автоматический регуля- тор частоты вращения Агент-координатор формирует графики нагрузок агрегатов, на основе которых дает команды агентам задания мощности (АЗМ). Кроме того, он принимает сообщения, посылаемые АЗМ и агентами диагностиро- вания, путем анализа которых может корректировать задания для АЗМ. Агент-координатор имеет сегменты, которые интерпретируются как агенты: – агент прогнозирования , осуществляющий прогноз графиков нагрузки и определение потерь мощности в сети; – агент оптимизации генерации , выполняющий расчет оптимальной загрузки отдельных установок РГ; – агент рынка электроэнергии , назначение которо- го состоит в формировании тарифов на отпускаемую установками РГ электроэнергию. Назначение агента диагностирования состоит в контроле ряда параметров РГ; при выходе их за допус- тимые пределы агенту-координатору и АЗМ посыла- ются соответствующие сообщения. Агент задания мощности на основе команд, посы- лаемых агентом-координатором, регулирует подачу энергоносителя. При необходимости он может коррек- тировать задание, сообщая об этом агенту- координатору. АЗМ ограничивает мощность агрегата при поступлении соответствующего сообщения от агента диагностирования. Агент идентификации и моделирования выполняет следующие вычислительные процедуры: • при изменении режима работы агрегата проводит идентификацию путем выделения шума регуляторов на основе вейвлет-преобразования [16]; • построение на основе идентификации модели для определения оптимальных настроек АРВ и АРЧВ. Полученные результаты направляются агентам со- гласованной настройки и автонастройки. Агент согласованной настройки с помощью моде- ли, полученной агентом идентификации и моделирова- ния, определяет оптимальную настройку АРВ и АРЧВ с применением генетического алгоритма [17; 18] и по- сылает значения коэффициентов настройки агенту ав- тонастройки. Алгоритм функционирования агента автона- стройки построен с использованием технологии нечет- ких систем управления [8; 19]. Основные функции агента автонастройки состоят в следующем: формиро- вание базы знаний; проверка настроек регуляторов на виртуальной модели с помощью агента идентификации и моделирования; изменение текущих настроек АРВ и АРЧВ. МАСУ может работать в условиях неопределенно- сти и является самоорганизующейся системой, в кото- рой агенты способны анализировать не предписанные заранее ситуации и инициировать диалог для выработ- ки наиболее рационального решения. АЗМ имеет эффектор, позволяющий изменять ак- тивную мощности генератора, а агент диагностирова-