基于多智能体技术的电力系统安全工程能力免疫克隆选择优化研究

发布时间：2017-10-04 01:35

  本文关键词：基于多智能体技术的电力系统安全工程能力免疫克隆选择优化研究

  更多相关文章： 电力系统 系统安全工程能力成熟度模型 多智能体系统 免疫克隆优化控制

【摘要】：电力系统是一个大型、复杂的动态系统,而常用的安全评价方法难以反映出电力系统的安全工程能力级别以及电力系统的安全性与稳定性。电力企业各环节的安全工程能力级别越高,则对应的各个环节项目越可靠、越安全、越稳定。系统安全工程能力成熟度模型(SSE-CMM)是一种衡量安全工程实践能力的方法,引入该技术构建电力系统安全工程能力成熟度模型;依据多智能体系统(MAS)的协调机制以及学习和推理能力,来构建电力多智能体系统安全工程能力模型;利用模糊建模和优化控制技术,来解决基于多智能体技术下的电力系统安全工程能力模糊建模和优化问题。因此,提高一个电力行业的安全工程能力水平,对该行业的安全稳定发展和效益收益有着十分重要的意义。首先,在熟知电力系统安全特性以及结构情况下,利用系统安全工程能力成熟度模型(SSE-CMM)理论,映射、关联、裁剪的到电力系统安全工程关键过程域,并根据关键过程域的特点拟出相关基本实践项目。采用模糊聚类方法对通用实践进行分类,组成电力系统安全工程过程的公共特性和通用实践项目。根据能力级别的定义原则,将其匹配到电力系统中进行描述。由此构建电力系统安全工程过程能力模型。其次,依据多智能体技术(MAS)相关理论方法,构建电力多智能体安全工程能力体系结构,即发电站Agent,变电所Agent、输电线路Agent、配电网Agent以及协调Agent五个模块及其内部结构,并将各体系结构引入SSE-CMM技术,构建电力系统多智能体安全工程能力模型。然后,鉴于电力系统多智能体结构体系参数的不确定性,引入三角模糊参数,应用多智能体系统分布式自治及多智能体协商机制,构建多模糊目标和多模糊约束的电力多智能体系统安全工程能力模型,获得不同可能性水平下的模糊目标和模糊约束的期望值区间及其隶属度函,根据模糊目标与模糊约束的相对重要程度实现多模糊目标和多模糊约束的隶属度函数集成模型,应用免疫克隆选择优化算法迭代求出最优安全工程能力。最后,根据某电力系统的实际情况,将电力系统SSE-CMM模型和多智能体系统安全工程能力成熟度模型及免疫克隆选择优化方法应用到该电力行业,先评估该电力行业的安全工程能力级别,得到不同可能性下水平下电力多智能体系统最优安全工程能力。通过对比分析后,给出相应提升该系统安全工程能力的改进措施,并验证该模型的有效性和优化后结果的可行性。
【关键词】：电力系统 系统安全工程能力成熟度模型 多智能体系统 免疫克隆优化控制
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM08
【目录】：

• 摘要4-6
• Abstract6-12
• 第1章 绪论12-24
• 1.1 问题的提出12-13
• 1.2 研究现状13-19
• 1.2.1 系统安全工程能力研究现状13-15
• 1.2.2 多智能体安全系统工程研究现状15-17
• 1.2.3 电力系统安全工程能力智能优化研究现状17-19
• 1.3 研究内容及技术路线19-21
• 1.3.1 研究内容19-20
• 1.3.2 技术路线20-21
• 1.4 创新之处21-24
• 第2章 电力系统安全工程能力模型分析24-40
• 2.1 SSE-CMM模型概述24-25
• 2.2 基于SSE-CMM的电力系统安全工程过程能力模型构建25-33
• 2.2.1 模型过程域构建25-26
• 2.2.2 模型基本实践构建26-31
• 2.2.3 模型能力级别与通用实践构建31-33
• 2.3 电力系统安全工程能力评估33-40
• 2.3.1 评估原则33
• 2.3.2 评估方法33-40
• 第3章 电力多智能体系统安全工程能力免疫克隆选择优化研究40-56
• 3.1 多智能体技术模型原理40-46
• 3.1.1 智能体（Agent）概念与特性40-41
• 3.1.2 智能体（Agent）基本结构分析41-43
• 3.1.3 多智能体系统（MAS）概念与特性43-45
• 3.1.4 多智能体系统（MAS）结构体系设计45-46
• 3.2 电力多智能体系统安全工程能力模型构建46-52
• 3.2.1 电力多智能体系统安全体系结构设计46-49
• 3.2.2 电力多智能体系统安全工程能力协商机制49-52
• 3.3 电力安全系统工程能力免疫克隆选择优化控制52-56
• 3.3.1 免疫克隆选择算法原理52-53
• 3.3.2 电力多智能体系统安全工程能力免疫克隆选择优化53-56
• 第4章 实例分析56-76
• 4.1 某电力企业基本情况介绍56-57
• 4.2 某电力企业SSE-CMM分析57-63
• 4.2.1 某电力企业SSE-CMM评估57-61
• 4.2.2 某电力企业SSE-CMM改进方案61-63
• 4.3 某电力企业多智能体系统安全工程能力优化控制63-76
• 4.3.1 某电力企业多智能体系统安全工程能力优化分析63-73
• 4.3.2 某电力企业多智能体系统安全工程能力改进方案73-76
• 第5章 结论与展望76-78
• 5.1 结论76-77
• 5.2 展望77-78
• 参考文献78-84
• 作者攻读学位期间的科研成果84-86
• 致谢86

【参考文献】

中国期刊全文数据库 前10条

1 李健;戴幸泽;;基于多智能体强化学习算法的微电网优化研究[J];制造业自动化;2016年02期

2 冯利国;;基于多智能体遗传算法煤矿电能管理技术研究[J];中国新通信;2016年02期

3 乔悦怿;王妍;;基于SSE-CMM模型的银行信息系统安全风险评估[J];中南财经政法大学研究生学报;2015年06期

4 邢林华;卢道远;陈冬沣;殷豪;陈思哲;陈智慧;;电力系统无功优化的多智能体粒子群算法研究[J];黑龙江电力;2014年05期

5 崔微;赵君;白莉红;;基于多智能体的混合发电机组调度问题研究[J];陕西电力;2014年04期

6 任雁;;基于SSE-CMM模型的信息系统安全工程管理[J];电子测试;2014年04期

7 郑伟;王林信;梁琛;高春雷;;MAS在中低压电网智能电压优化中的研究应用[J];计算机仿真;2013年11期

8 苗国英;马倩;;多智能体系统的协调控制研究综述[J];南京信息工程大学学报(自然科学版);2013年05期

9 霍晓宇;杨仕教;;基于Multi-agent技术的露天矿山生产调度系统的优化实现[J];计算技术与自动化;2013年02期

10 李宏宏;康凤举;顾浩;;基于MAS的多UUV编队智能优化控制[J];系统仿真技术;2013年01期

，

本文编号：967933