CN102904343A - 基于分布式多智能体的状态监测***及方法 - Google Patents
基于分布式多智能体的状态监测***及方法 Download PDFInfo
- Publication number
- CN102904343A CN102904343A CN2012103928592A CN201210392859A CN102904343A CN 102904343 A CN102904343 A CN 102904343A CN 2012103928592 A CN2012103928592 A CN 2012103928592A CN 201210392859 A CN201210392859 A CN 201210392859A CN 102904343 A CN102904343 A CN 102904343A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- information
- module
- unit
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
- Computer And Data Communications (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于分布式多智能体的状态监测***及方法。其***包括多智能体网络、若干个分别与多智能体网络连接的状态监测智能体,每个状态监测智能体均包括智能规约接收模块、信息粗糙处理模块、人工智能推理模块、智能协同工作模块及智能状态监测模块,智能规约接收模块与信息粗糙处理模块连接,智能状态监测模块分别与信息粗糙处理模块、人工智能推理模块、智能协同工作模块连接,智能协同工作模块与多智能体网络连接。本发明将现有孤岛式的状态监测模式变成网络式的状态监测模式,以实现将整个电网和各个变电站的在线监测有机整合来全面、准确实现对变电站一次设备的状态监测及故障诊断。
Description
技术领域
本发明涉及一种基于分布式多智能体的状态监测***及方法,更具体的说,涉及一种基于分布于不同地点的多个智能体的能够实现对多个变电站一次设备进行有机统一状态监测的***及方法。
背景技术
变电站一次设备是国家重要的基础设施,它的运行安全关系到整个国民经济的发展、人民群众生民财产安全乃至整个国家的安全。如果变电站一次设备出现故障,可能将出现跳闸、***、人员伤亡等严重事故,给电网安全、社会生产、人民生活和国家安全带来极大的影响。
为了能够监测变电站一次设备运行状态,在线监测***已经开始逐步应用到各变电站,给变电站运行管理人员带来了很大的方便,一定程度上提高了电网的安全系数。
但是,目前的在线监测***基本上都是单个变电站独立运行,即使有些已经和上级单位实现了联网,但也仅仅只是将一些状态监测结果简单的上传上去,并没有和其它变电站乃至整个电网的状态监测信息进行有机整合。这样,就无法全面的、准确的实现对变电站一次设备的状态监测以及故障诊断。
目前每个变电站虽然相对独立,然而它们仍然连接在同一个电网,而且不同变电站也在大量使用着同一厂家同一型号的设备,所以整个电网和各个变电站之间有很多信息都可以用来参考。现在各变电站之间的网络基础建设基本已经完成,变电站内部在线监测也有了一定经验。所以如果将整个电网和其它变电站的在线监测有机整合来实现状态的联网监测,将能全面的、准确的实现对变电站一次设备的状态监测以及故障诊断。
发明内容
本发明的目的是提供基于分布式多智能体的状态监测***及方法,将现有孤岛式的状态监测模式变成网络式的状态监测模式,以实现将整个电网和各个变电站的在线监测有机整合来全面、准确实现对变电站一次设备的状态监测及故障诊断。
本发明的状态监测***采用以下技术方案:基于分布式多智能体的状态监测***,包括多智能体网络、若干个分别与多智能体网络连接的状态监测智能体,每个状态监测智能体均包括智能规约接收模块、信息粗糙处理模块、人工智能推理模块、智能协同工作模块及智能状态监测模块,智能规约接收模块与信息粗糙处理模块连接,智能状态监测模块分别与信息粗糙处理模块、人工智能推理模块、智能协同工作模块连接,智能协同工作模块与多智能体网络连接;
所述智能规约接收模块用于从在线监测设备获取在线监测信息原始报文,然后再按照该在线监测信息原始报文的规约格式对通信样本和规约样本进行分析、解析,实现对不同通信方式和不同规约类型的自动识别;
所述信息粗糙处理模块用于对原始信息的规整处理和对象化;
所述人工智能推理模块用于建立状态监测对象模型知识库,并根据监测类型的不同,建立适应于不同监测类型的算法库;当进行状态监测分析时,根据人工智能原理,自动选择适应于不同监测类型的状态监测算法;
所述智能状态监测模块用于对信息粗糙处理模块、人工智能推理模块、智能协同工作模块提供的信息进行分析计算,完成状态监测,输出状态监测结果;
所述智能协同工作模块用于通过多智能体网络将分布于不同地理位置的多个状态监测智能体联系在一起,使多个智能体之间进行信息交互。
优选地,所述智能规约接收模块包括智能识别单元、规约处理单元及通信处理单元;智能识别单元用于对通信样本和规约样本通过样本分析法自动检测识别通信方式和规约类型,然后通知通信处理单元和规约处理单元分别进行相应的通信处理和规约处理;规约处理单元用于对通信报文按照规约格式进行分析解释和转换,然后把通信报文传输给通信处理单元;通信处理单元用于进行通信报文收发处理。
优选地,所述信息粗糙处理模块包括相连接的智能信息规整处理单元和智能对象映射单元,智能信息规整处理单元与智能规约接收模块连接,智能对象映射单元与智能状态监测模块连接;智能信息规整处理单元按照信息模型特征规整处理接收到的信息,利用特征分析法对智能规约接收模块接收到的在线监测信息原始报文进行规整化和衍生处理;智能对象映射单元按照对象模型智能识别二维信息到对象信息,利用智能属性识别法将二维信息识别转换成对象信息。
优选地,所述人工智能推理模块包括对象模型优化单元、推理算法优化单元和智能学习推理单元;通过对象模型优化单元优化对象模型知识库,然后推理算法优化单元根据优化后的对象模型知识库对现有的状态监测算法库进行更新,最后智能学习推理单元结合历史监测结果、第三方干预数据对状态监测算法库进行演化更新。
优选地,所述智能状态监测模块包括智能信息分析单元、离散状态监测单元和连续状态监测单元;智能信息分析单元从信息粗糙处理模块获取数据进行分析,然后将分析结果提供给离散状态监测单元和连续状态监测单元;离散状态监测单元挑选独立监测设备的初步分析结果作进一步处理得到状态监测结果;连续状态监测单元则挑选非独立监测设备的初步分析结果,再结合智能协同工作模块提供的信息作进一步处理得到状态监测结果。
优选地,所述智能信息分析单元还通过智能协同工作模块接收并处理来自其它状态监测智能体的云端求解需求,将处理结果通过多智能体网络反馈给其它状态监测智能体。
优选地,所述智能协同工作模块包括智能信息交互单元、智能决策控制单元和智能云端求解单元;人工智能推理模块或智能状态监测模块向智能云端求解单元发送求解请求,智能信息交互单元负责将求解请求传递到多智能体网络,并将求解结果传递给智能云端求解单元,再由智能云端求解单元反馈给发出求解请求的人工智能推理模块或智能状态监测模块;智能决策控制单元通过智能信息交互单元获取整个多智能体网络运行状态,然后再结合自身状态监测智能体的运行状态,进行任务决策和运行控制。
本发明的状态监测方法采用以下技术方案:基于上述状态监测***的状体监测方法,包括以下步骤:
S1、通信处理单元连接在线监测设备,获取通信特征给智能识别单元,智能识别单元从通信样本库中分析选出合适的通信方式;智能识别单元从通信处理单元获取通信规约,从智能体的规约样本库中选出规约类型;规约处理单元对通信报文进行解析,转换成可识别的原始信息,由通信处理单元将原始信息发送给信息粗糙处理模块;
S2、信息粗糙处理模块中的信息规整处理单元按照信息模型特征规整处理接收到的原始信息,利用特征分析法对原始信息进行规整化和衍生处理,然后智能对象映射单元按照对象模型智能识别二维信息到对象信息,利用智能属性识别法将二维信息识别转换成对象信息;
S3、离散状态监测单元通过人工智能推理模块的推理算法优化单元,根据对象模型知识库和状态监测算法库信息按照优先适应原则从算法库中选择最优的算法,然后调用智能信息分析单元,对经过粗糙处理的信息按照所优选的算法进行分析,得出离散状态监测结果;
S4、连续状态监测单元通过智能协同工作模块的智能信息交互单元获取整个多智能体网络上的其它状态监测智能体的信息和资源,然后通过人工智能推理模块的推理算法优化单元根据对象模型知识库和状态监测算法库信息按照优先适应原则从算法库中选择最优的算法;然后调用智能信息分析单元,对经过粗糙处理的信息按照所优选的算法进行分析,得出连续状态监测结果;对于通过自身资源和算法无法完成的状态监测功能,则通过智能协同工作模块的智能云端求解单元进行处理。
本发明的基本原理是如何依靠分布于不同地理位置的多个状态监测智能体实现构建一个状态监测***。单个状态监测智能体具有一定的独立性和自主性,能够解决给定的子问题,自主地推理和规划并选择适当的策略,并以特定的方式影响环境、完成特定状态监测子任务。多个状态监测智能体之间是按照面向对象的方法构造多层次、多元化进行构建,各个状态监测智能体之间互相通信,彼此协调,并行地求解问题、完成特定状态监测任务。本发明在分布式网络基础上,采用离散运行处理与集中分析管理相结合,同时引入人工智能原理进行学习和推理,实现构建了一个状态检测***。与现有技术相比,本发明的优点及有益效果在于:
1、单个智能体可以独立运行:在实际应用中,整个状态监测平台所监测的设备将涉及位于不同地理位置的多个变电站的设备,由于整个网络覆盖面积较大、网络通信质量也是有好有坏。采用了基于分布式多智能体的状态监测平台后,每个变电站将被安装一个或多个智能体,这样当网络出现故障时,单个智能体仍然能够对管辖范围内的进行有效的状态监测、记录设备运行状况, 一旦网络故障排除、恢复正常之后,网络故障期间的运行数据都会被重新发布到整个状态监测平台。
2、多个智能体之间协同工作:在整个电力***中,各个变电站、变电站中的各种设备都不是独立运行的,它们都只是整个电网上的一个有机组成部分,相互之间都存在着不同程度的依赖关系。如果要对某个设备进行状态监测,以往的状态监测***往往只是根据从设备内部采集到的数据进行状态评价,即使有些状态监测***也从其它***获取数据,但往往仅仅局限于整个变电站,而无法扩展到整个电力网络,因此,这样的状态监测结果是不完整的、不准确的,无法给用户提供有效的参考价值。采用了基于分布式多智能体的状态监测平台后,我们将依靠智能体之间的协同工作功能,通过别的智能体从整个电网获取设备状态监测所依赖的其它数据,然后将设备内部数据和电网信息结合起来进行状态评价,这样得出的状态监测结果才是完整的、准确的。
3、具有智能学***台后,它将利用自身的智能学习推理功能,在***运行过程中,根据设备运行状况和周围环境等可变因素不断补充自己的知识库,不断根据知识库的内容优化状态评价算法,使得得到的设备状态监测结果能够准确地反映设备的真实运行状况。
附图说明
图1为本发明的网络结构拓扑图。
图2为智能体模块的结构示意图。
图3为智能通信规约识别过程图。
图4为信息粗糙处理过程图。
图5为人工智能推理过程图。
图6为多智能体协同工作原理图。
图7为智能状态监测工作原理图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1、2所示,本发明基于分布式多智能体的状态监测***,包括若干个分别与多智能体网络连接的状态监测智能体,每个状态监测智能体均包括智能规约接收模块、信息粗糙处理模块、人工智能推理模块、智能协同工作模块及智能状态监测模块,智能规约接收模块与信息粗糙处理模块连接,智能状态监测模块分别与信息粗糙处理模块、人工智能推理模块、智能协同工作模块连接,智能协同工作模块与多智能体网络连接。
智能规约接收模块包括智能识别单元、规约处理单元及通信处理单元。该模块实现通过不同的通信方式从在线监测设备获取在线监测信息原始报文,然后再按照该信息的规约格式对信息进行分析、解析;实现对不同通信方式和不同规约类型的自动识别。智能识别单元用于对采集到的通信样本和规约样本通过样本分析法自动检测识别通信方式和规约类型,然后通知通信处理单元和规约处理单元进行相应的通信处理和规约处理;规约处理单元用于对通信报文按照规约格式进行分析解释和转换,然后把通信报文传输给通信处理单元,基于IEC61850通信标准,支持如下的传统规约转换:IEC60870-5系列规约、CDT规约、MODBUS规约、DNP规约和各种问答式规约及循环式规约,同时支持各种用户自定义规约;通信处理单元用于进行通信报文收发处理,支持TCP/IP、UDP、RS232、RS485、GPRS、WIFI等通信方式,同时支持扩展任意通信方式。
信息粗糙处理模块包括相连接的智能信息规整处理单元和智能对象映射单元,智能信息规整处理单元与智能规约接收模块的通信处理单元连接,智能对象映射单元与智能状态监测模块连接。该模块实现对原始信息的规整处理和对象化。采用特征分析法和智能属性识别法将初级原始的二维信息转换成标准的、完整的、易于识别分析的对象信息。信息规整处理单元按照信息模型特征规整处理接收到的信息,利用特征分析法对智能规约接收模块接收到的原始信息进行规整化和衍生处理,以使信息更加标准和完整。智能对象映射单元按照对象模型智能识别二维信息到对象信息,利用智能属性识别法,对二维信息进行识别转换,使之转换成为更易理解和处理的对象信息。
人工智能推理模块包括对象模型优化单元、推理算法优化单元和智能学习推理单元。通过对象模型优化单元优化对象模型知识库,然后推理算法优化单元根据优化后的对象模型知识库对现有的状态监测算法库进行更新,最后智能学习推理单元结合历史监测结果、第三方干预数据等信息对状态监测算法库进行演化更新。该模块利用人工智能技术,建立状态监测对象模型知识库,并根据监测类型的不同,建立适应于不同监测类型的算法库;当进行状态监测分析时,根据人工智能原理,自动选择适应于不同监测类型的最优的状态监测算法;优选的,该模块还根据人工智能推理技术,将现有的对象模型知识库、状态监测算法库与历史的状态监测信息进行有机结合,自动学习推理衍生知识库和算法库,使对象模型知识库和状态监测算法库得到不断的优化与扩充。
智能状态监测模块包括智能信息分析单元、离散状态监测单元和连续状态监测单元。智能信息分析单元从信息粗糙处理模块获取数据进行分析,然后将分析结果提供给其它两个状态监测单元;离散状态监测单元挑选相对独立的监测设备(指的是可以脱离多智能体网络独立完成监测的设备)的初步分析结果进行进一步算法处理,得到状态监测结果;连续状态监测单元则挑选非独立的监测设备(指的是可以不能脱离多智能体网络独立完成监测的设备)的初步分析结果,再结合智能协同工作模块提供的信息进行进一步算法处理,得到状态监测结果;所有分析的算法都来自于人工智能推理模块。该模块依靠其它模块提供的信息进行分析计算,最终完成状态监测的某项功能或者某项子功能,输出状态监测结果。离散状态监测单元可以实现相对独立的状态监测功能;连续状态监测单元可以实现相对复杂可靠的基于整个多智能体状态监测平台网络的状态监测功能。离散与连续两种方式的有效结合,既能够使整个状态监测平台的各个智能体独立运行、在网络异常的情况下也能够完成一定的状态监测功能;同时,也能够在网络良好的情况下,有效的利用整个多智能体状态监测平台网络的其它智能体的资源,更好、更准确地完成更复杂、更有效的状态监测功能。智能信息分析单元根据经过粗糙处理的信息,通过人工智能推理模块优选分析算法,依靠整个多智能体在线监测平台智能网络的支持,对采集到的信息进行推理分析,得到状态监测结果;此外,该单元还可以通过智能协同工作模块接收并处理来自其它状态监测智能体的云端求解需求,将处理结果通过多智能体网络反馈给其它状态监测智能体。离散状态监测单元完全依靠自身智能体的资源进行状态监测,这种模式下,该智能体完全可以独立运行,不依赖于整个多智能体状态监测平台,它能在该智能体与其它智能体之间因为某种故障无法进行交互时独立完成状态监测功能,对于一些相对简单、依赖信息少的状态监测功能完全可以依靠离散状态监测单元完成。连续状态监测单元依靠自身智能体和整个多智能体网络协同工作进行状态监测,这种模式下能够进行一些复杂的状态监测,通过自身信息与整个多智能体状态监测平台信息的有机整合,可以更好的实现对一次设备的状态监测。
智能协同工作模块包括智能信息交互单元、智能决策控制单元和智能云端求解单元。人工智能推理模块和智能状态监测模块向智能云端求解单元发送求解请求,智能信息交互单元负责将求解请求传递到多智能体网络,并将求解结果传递给云端求解单元,再由其反馈给发出求解请求的模块;智能决策控制单元通过信息交互单元获取整个多智能体网络运行状态,然后再结合自身状态监测智能体的运行状态,调整自身状体监测智能体的运行方式,进行任务决策和运行控制。该模块是整个多智能体状态监测平台的关键部分,它负责将分布于不同地理位置的多个状态监测智能体有机的联系在一起,使之能为整个状态监测平台人工智能神经网络的一个神经末梢,使多个智能体之间能够进行信息交互,同时,它根据自身智能体和整个多智能体的运行状态实时的调整自己的运行模式,以最优的运行模式对外提供状态监测信息。该模块基于智能云技术,利用整个多智能体状态监测平台,使单个状态监测智能体依靠自身采集的信息和自己的资源无法完成的任务能够通过云端求解完成,该智能体仅需提供相应的信息到云端,云端通过联合分析计算后会将结果反馈给该智能体,以更好地完成更多的状态监测功能。智能信息交互单元负责与整个多智能体状态监测***以及其它多智能体之间的信息交互。智能云端求解单元借助整个多智能体网络平台来完成靠自身智能体无法完成的一系列功能。
参见图3-7,本发明对状态进行监测的具体的处理步骤如下:
S1、通信处理单元连接在线监测设备,获取通信特征给智能识别单元,智能识别单元从智能体的通信样本库中分析优选出合适的通信方式;智能识别单元从通信处理单元获取通信规约,从智能体的规约样本库中采用样本分析法优选出规约类型;规约处理单元对通信报文进行解析,转换成可以识别的原始信息,由通信处理单元将原始信息发送给信息粗糙处理模块。
S2、信息粗糙处理模块中的信息规整处理单元按照信息模型特征规整处理接收到的原始信息。利用特征分析法对原始信息进行规整化和衍生处理,以使信息标准和完整。然后智能对象映射单元按照对象模型智能识别二维信息到对象信息。利用智能属性识别法,对二维信息进行识别转换,使之转换成为更易理解和处理的对象信息。
S3、离散状态监测单元通过人工智能推理模块的推理算法优化单元:利用人工智能技术,根据对象模型知识库和状态监测算法库信息按照优先适应原则从算法库中选择最优的算法。然后调用智能信息分析单元,对经过粗糙处理的信息按照所优选的算法进行分析,得出离散状态监测结果。
S4、连续状态监测单元通过智能协同工作模块的智能信息交互单元获取整个多智能体网络上的其它智能体信息和资源,然后通过人工智能推理模块的推理算法优化单元:利用人工智能技术,根据对象模型知识库和状态监测算法库信息按照优先适应原则从算法库中选择最优的算法。然后调用智能信息分析单元,对经过粗糙处理的信息按照所优选的算法进行分析,得出连续状态监测结果。对于通过自身资源和算法无法完成的状态监测功能,则通过智能协同工作模块的智能云端求解单元进行处理。
此外,人工智能推理模块中的对象模型优化单元利用人工智能技术,根据对象模型知识库信息优化对象模型。智能学习推理单元利用人工智能的推理技术,根据自动填充和人工干预两种方式增加对象模型知识库内容,通过历史趋势钻取比较算法和人工干预自动更新和演化状态监测算法库。
此外,智能协同工作模块的智能信息交互与整个多智能体状态监测平台实时地进行着数据、状态等信息的交互;智能决策控制单元根据接收到的各种信息决定自身智能体的运行方式、完成来自整个多智能体状态监测平台的一些控制任务和云端求解任务。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.基于分布式多智能体的状态监测***,其特征在于,包括多智能体网络、若干个分别与多智能体网络连接的状态监测智能体,每个状态监测智能体均包括智能规约接收模块、信息粗糙处理模块、人工智能推理模块、智能协同工作模块及智能状态监测模块,智能规约接收模块与信息粗糙处理模块连接,智能状态监测模块分别与信息粗糙处理模块、人工智能推理模块、智能协同工作模块连接,智能协同工作模块与多智能体网络连接;
所述智能规约接收模块用于从在线监测设备获取在线监测信息原始报文,然后再按照该在线监测信息原始报文的规约格式对通信样本和规约样本进行分析、解析,实现对不同通信方式和不同规约类型的自动识别;
所述信息粗糙处理模块用于对原始信息的规整处理和对象化;
所述人工智能推理模块用于建立状态监测对象模型知识库,并根据监测类型的不同,建立适应于不同监测类型的算法库;当进行状态监测分析时,根据人工智能原理,自动选择适应于不同监测类型的状态监测算法;
所述智能状态监测模块用于对信息粗糙处理模块、人工智能推理模块、智能协同工作模块提供的信息进行分析计算,完成状态监测,输出状态监测结果;
所述智能协同工作模块用于通过多智能体网络将分布于不同地理位置的多个状态监测智能体联系在一起,使多个智能体之间进行信息交互。
2.根据权利要求1所述的状态监测***,其特征在于,所述智能规约接收模块包括智能识别单元、规约处理单元及通信处理单元;智能识别单元用于对通信样本和规约样本通过样本分析法自动检测识别通信方式和规约类型,然后通知通信处理单元和规约处理单元分别进行相应的通信处理和规约处理;规约处理单元用于对通信报文按照规约格式进行分析解释和转换,然后把通信报文传输给通信处理单元;通信处理单元用于进行通信报文收发处理。
3.根据权利要求1所述的状态监测***,其特征在于,所述信息粗糙处理模块包括相连接的智能信息规整处理单元和智能对象映射单元,智能信息规整处理单元与智能规约接收模块连接,智能对象映射单元与智能状态监测模块连接;智能信息规整处理单元按照信息模型特征规整处理接收到的信息,利用特征分析法对智能规约接收模块接收到的在线监测信息原始报文进行规整化和衍生处理;智能对象映射单元按照对象模型智能识别二维信息到对象信息,利用智能属性识别法将二维信息识别转换成对象信息。
4.根据权利要求1所述的状态监测***,其特征在于,所述人工智能推理模块包括对象模型优化单元、推理算法优化单元和智能学习推理单元;通过对象模型优化单元优化对象模型知识库,然后推理算法优化单元根据优化后的对象模型知识库对现有的状态监测算法库进行更新,最后智能学习推理单元结合历史监测结果、第三方干预数据对状态监测算法库进行演化更新。
5.根据权利要求1-4中任一项所述的状态监测***,其特征在于,所述智能状态监测模块包括智能信息分析单元、离散状态监测单元和连续状态监测单元;智能信息分析单元从信息粗糙处理模块获取数据进行分析,然后将分析结果提供给离散状态监测单元和连续状态监测单元;离散状态监测单元挑选独立监测设备的初步分析结果作进一步处理得到状态监测结果;连续状态监测单元则挑选非独立监测设备的初步分析结果,再结合智能协同工作模块提供的信息作进一步处理得到状态监测结果。
6.根据权利要求5所述的状态监测***,其特征在于,所述智能信息分析单元还通过智能协同工作模块接收并处理来自其它状态监测智能体的云端求解需求,将处理结果通过多智能体网络反馈给其它状态监测智能体。
7.根据权利要求6所述的状态监测***,其特征在于,所述智能协同工作模块包括智能信息交互单元、智能决策控制单元和智能云端求解单元;人工智能推理模块或智能状态监测模块向智能云端求解单元发送求解请求,智能信息交互单元负责将求解请求传递到多智能体网络,并将求解结果传递给智能云端求解单元,再由智能云端求解单元反馈给发出求解请求的人工智能推理模块或智能状态监测模块;智能决策控制单元通过智能信息交互单元获取整个多智能体网络运行状态,然后再结合自身状态监测智能体的运行状态,进行任务决策和运行控制。
8.基于权利要求7所述状态监测***的状体监测方法,其特征在于,包括以下步骤:
S1、通信处理单元连接在线监测设备,获取通信特征给智能识别单元,智能识别单元从通信样本库中分析选出合适的通信方式;智能识别单元从通信处理单元获取通信规约,从智能体的规约样本库中选出规约类型;规约处理单元对通信报文进行解析,转换成可识别的原始信息,由通信处理单元将原始信息发送给信息粗糙处理模块;
S2、信息粗糙处理模块中的信息规整处理单元按照信息模型特征规整处理接收到的原始信息,利用特征分析法对原始信息进行规整化和衍生处理,然后智能对象映射单元按照对象模型智能识别二维信息到对象信息,利用智能属性识别法将二维信息识别转换成对象信息;
S3、离散状态监测单元通过人工智能推理模块的推理算法优化单元,根据对象模型知识库和状态监测算法库信息按照优先适应原则从算法库中选择最优的算法,然后调用智能信息分析单元,对经过粗糙处理的信息按照所优选的算法进行分析,得出离散状态监测结果;
S4、连续状态监测单元通过智能协同工作模块的智能信息交互单元获取整个多智能体网络上的其它状态监测智能体的信息和资源,然后通过人工智能推理模块的推理算法优化单元根据对象模型知识库和状态监测算法库信息按照优先适应原则从算法库中选择最优的算法;然后调用智能信息分析单元,对经过粗糙处理的信息按照所优选的算法进行分析,得出连续状态监测结果;对于通过自身资源和算法无法完成的状态监测功能,则通过智能协同工作模块的智能云端求解单元进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210392859.2A CN102904343B (zh) | 2012-10-16 | 2012-10-16 | 基于分布式多智能体的状态监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210392859.2A CN102904343B (zh) | 2012-10-16 | 2012-10-16 | 基于分布式多智能体的状态监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102904343A true CN102904343A (zh) | 2013-01-30 |
CN102904343B CN102904343B (zh) | 2014-12-17 |
Family
ID=47576443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210392859.2A Active CN102904343B (zh) | 2012-10-16 | 2012-10-16 | 基于分布式多智能体的状态监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102904343B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103327010A (zh) * | 2013-05-27 | 2013-09-25 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种新型的模糊模式识别的电力规约聚类分析方法 |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测*** |
CN105763396A (zh) * | 2016-04-12 | 2016-07-13 | 北京理工大学 | 基于邻居相关状态的分布式多智能体实时故障检测方法 |
CN106325162A (zh) * | 2016-09-20 | 2017-01-11 | 浙江工业大学 | 一种嵌入式智能化机电设备状态监测*** |
CN106875093A (zh) * | 2017-01-10 | 2017-06-20 | 国电南瑞科技股份有限公司 | 一种基于用户能量需求类型的多能源需量统计方法 |
CN107483492A (zh) * | 2017-09-19 | 2017-12-15 | 广西大学 | 电力***继电保护网络安全防护方法 |
CN108075568A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种电力***电压危急状态的监控***及其构建方法 |
CN109784629A (zh) * | 2018-12-12 | 2019-05-21 | 国网山西省电力公司大同供电公司 | 一种基于神经网络的变电站工控网络故障定位方法 |
CN113050678A (zh) * | 2021-03-02 | 2021-06-29 | 山东罗滨逊物流有限公司 | 基于人工智能的自主协同控制方法及*** |
US11251624B2 (en) | 2018-10-25 | 2022-02-15 | Huawei Technologies Co., Ltd. | Energy efficiency control method, control apparatus, and communications device |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777769A (zh) * | 2010-03-24 | 2010-07-14 | 上海交通大学 | 电网的多智能体优化协调控制方法 |
US20110224816A1 (en) * | 2010-03-12 | 2011-09-15 | Pereira Ana Maria Dias Madureira | Multi-agent system for distributed manufacturing scheduling with genetic algorithms and tabu search |
-
2012
- 2012-10-16 CN CN201210392859.2A patent/CN102904343B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110224816A1 (en) * | 2010-03-12 | 2011-09-15 | Pereira Ana Maria Dias Madureira | Multi-agent system for distributed manufacturing scheduling with genetic algorithms and tabu search |
CN101777769A (zh) * | 2010-03-24 | 2010-07-14 | 上海交通大学 | 电网的多智能体优化协调控制方法 |
Non-Patent Citations (2)
Title |
---|
张秋花等: "多智能体***MAS及其应用", 《计算机仿真》, vol. 24, no. 06, 30 June 2007 (2007-06-30), pages 133 - 136 * |
朱永利等: "基于广域网和多智能体的自适应协调保护***的研究", 《中国电机工程学报》, vol. 26, no. 16, 31 August 2006 (2006-08-31), pages 15 - 20 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103327010A (zh) * | 2013-05-27 | 2013-09-25 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种新型的模糊模式识别的电力规约聚类分析方法 |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测*** |
CN105515184B (zh) * | 2015-12-04 | 2018-07-17 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测*** |
CN105763396B (zh) * | 2016-04-12 | 2018-02-06 | 北京理工大学 | 基于邻居相关状态的分布式多智能体实时故障检测方法 |
CN105763396A (zh) * | 2016-04-12 | 2016-07-13 | 北京理工大学 | 基于邻居相关状态的分布式多智能体实时故障检测方法 |
CN106325162A (zh) * | 2016-09-20 | 2017-01-11 | 浙江工业大学 | 一种嵌入式智能化机电设备状态监测*** |
CN108075568A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种电力***电压危急状态的监控***及其构建方法 |
CN106875093A (zh) * | 2017-01-10 | 2017-06-20 | 国电南瑞科技股份有限公司 | 一种基于用户能量需求类型的多能源需量统计方法 |
CN106875093B (zh) * | 2017-01-10 | 2021-06-08 | 国电南瑞科技股份有限公司 | 一种基于用户能量需求类型的多能源需量统计方法 |
CN107483492A (zh) * | 2017-09-19 | 2017-12-15 | 广西大学 | 电力***继电保护网络安全防护方法 |
CN107483492B (zh) * | 2017-09-19 | 2020-08-25 | 广西大学 | 电力***继电保护网络安全防护方法 |
US11251624B2 (en) | 2018-10-25 | 2022-02-15 | Huawei Technologies Co., Ltd. | Energy efficiency control method, control apparatus, and communications device |
CN109784629A (zh) * | 2018-12-12 | 2019-05-21 | 国网山西省电力公司大同供电公司 | 一种基于神经网络的变电站工控网络故障定位方法 |
CN113050678A (zh) * | 2021-03-02 | 2021-06-29 | 山东罗滨逊物流有限公司 | 基于人工智能的自主协同控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN102904343B (zh) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102904343B (zh) | 基于分布式多智能体的状态监测***及方法 | |
CN108767851B (zh) | 一种变电站运维智能作业指挥方法及*** | |
CN111131480A (zh) | 一种面向智慧电厂的云边协同服务*** | |
CN103078408B (zh) | 基于物联网和云计算的实时互动智能用电***及互动方法 | |
CN111426345A (zh) | 分布式电缆沟道环境监测***、方法、计算机设备 | |
CN106993059A (zh) | 一种基于NB‑IoT的农情监控*** | |
CN105978159B (zh) | 一种变电站远方遥控测试在线免执行核对方法 | |
CN103124105A (zh) | 一种面向智能变电站设备状态监测的无线智能传感器网络*** | |
CN105372534A (zh) | 一种多传感器多参量信息智能融合*** | |
CN105515184A (zh) | 基于无线传感网络的多传感器多参量配网协同监测*** | |
CN109144011A (zh) | 配电房管理*** | |
CN108681830B (zh) | 一种变电站巡视智能作业动态指挥方法及*** | |
CN107341609B (zh) | 一种基于云平台的能效管理***及方法 | |
CN111612279A (zh) | 一种基于边缘计算的电网状态预测方法及预测*** | |
CN112685472A (zh) | 一种电网多站融合监控方法、装置、电子设备及存储介质 | |
CN103617447A (zh) | 智能变电站的评价***及评价方法 | |
CN113675947A (zh) | 输电网关的输电侧设备状态监测方法、及输电网关 | |
CN113708350B (zh) | 一种基于云边协同的配电台区重过载异常判断方法及*** | |
Zhang et al. | Study on internet of things architecture of substation online monitoring equipment | |
CN110533300B (zh) | 基于博弈集对云的变压器智能决策*** | |
CN112224083A (zh) | 基于物联网的电动汽车充电方法及装置 | |
CN111353767A (zh) | 一种土壤修复场站冗余监控管理*** | |
CN103532233B (zh) | 基于gprs技术的用电信息采集异常精确定位*** | |
CN111917187B (zh) | 智能变电站云监控*** | |
Fu et al. | An edge computing framework for digital grid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |