基于多智能體遺傳算法煤礦電能管理技術研究

馮利國

【摘要】 針對煤礦電網在井下安全生產中的主導地位和國家綠色能源戰略的發展需求，提出基于智能算法的煤礦電網節能降耗管理系統。通過將多智能體和遺傳算法相結合得到多智能體遺傳算法，能夠得到各個電氣設備的最佳調度點，使設備在最小能耗下運行，實現煤礦電網的“多方面、全方位”綜合節能系統。煤礦電能管理系統利用工業計算機監控技術將控制、監控和保護等功能統一協調，從管理節能和設備節能兩方面實現降低煤礦電能消耗的目的，降低煤礦企業成本，有效促進國家綠色能源技術的發展。

關鍵詞：煤礦；管理系統；電能；多智能體；遺傳算法

Abstract： The dominant position in mine safety production in coal mine distribution network and the development of national green energy strategy demand， put forward the coal mine power network energy saving management system based on intelligent algorithm. By combining multi-agent genetic algorithm and get the multi-agent genetic algorithm， can get all the electrical equipment of optimal scheduling points， make the equipment run under the minimum energy consumption， realize the coal mine power grid “the various and comprehensive” comprehensive energy saving system. Coal electricity management system using industrial computer monitoring technology to control， monitor， and protection functions， such as the unified coordination， from two aspects of energy saving management and energy saving and equipment realize the purpose to reduce the consumption of coal mine electricity， coal mining enterprises to reduce costs， effectively promote the development of national green energy technology Key words： Coal-mine； Management system； Multi-Agent； Genetic Algorithm

煤炭是我國工業發展重要的原始能量來源，在國民經濟高速發展的過程中起到舉足輕重的地位，煤礦安全生產直接關系到國家的能源安全。雖然受環境容量制約和風能、太陽能、核能等新能源產業化趨勢的沖擊，但在我國經濟發展新常態下，煤炭在能源結構中的主體地位不容動搖，國家能源局“國民經濟和社會發展統計公報”數據顯示：2014年全年我國原煤產量38.7億噸，占一次能源消費比重的64.2%。另外，大功率綜合機械化采煤設備和提升運輸設備的頻繁啟動，引起井下電壓波動，也對井下電力系統的造成不良的影響。

煤礦電能質量的下降，導致井下用電設備損耗變大、溫升增加、功率下降和絕緣壽命降低等故障發生，嚴重影響井下電力設備的安全性，增加煤礦電力維護人員維修工作量，為煤礦安全生產和井下電網穩定運行帶來安全隱患。大量非線性負載設備接入電網，增加電力系統無功消耗，直接導致功率因數降低和電能浪費，大大增加了企業的經濟負擔。電能質量的優劣直接關系到煤礦安全生產工作能否順利開展和煤礦企業自身的經濟效益，所以結合目前先進的智能控制算法，開展電能質量管理系統的研究，保證供電可靠性和穩定性，是當今煤礦電能管理技術急需解決的問題。

一、煤礦電網

由于電能的穩定性直接關系到煤礦安全生產能否順利開展，所以對礦區電網安全性提出更高的要求。煤礦安全規程中明確要求，煤礦電網必須具有兩個相互獨立的回路，同時具備工作回路故障時迅速切換到另一回路的能力，且每個回路都必須能夠承擔井下全部用電負荷。礦區電網主要由井上變電站、井下一級電網和井下二級電網組成（如圖1所示），其中井上變電站實現電壓之間的轉換，將電力網絡中的高壓轉換成10kV的電壓；井下一級電網包括礦用隔爆型高壓配電裝置、移動變電站及保護裝置等，負責將井上電網輸送的10kV的電壓轉變成各個工作面需要的3.3kV、1140V和 660V的電壓，為井下用電設備供電；井下二級電網包括饋電開關、電磁啟動器及電動機等，實現井下電能與機械能之間的轉換。

二、多智能體遺傳算法

多智能體（Multi-Agent，簡稱MA）是指根據仿真人類的行為方式，識別周圍環境自動運行相應的服務程序。MA理論理論最早來源于分布式人工智能理論研究，具有反應性、連續性、自治性和社會性的特征。遺傳算法（Genetic Algorithm，簡稱GA）是一種全局化的優化算法，通過模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程而搭建的計算模型，由于它對函數類型及搜索形狀沒有嚴格的限制。但在搜索空間增大、維數和變量間的耦合增加時，GA會導致局部極值概率增大。現實算法運用中，通常將遺傳算法與其它先進的算法相結合，形成正交遺傳算法、免疫遺傳算法及多智能體遺傳算法（GA-MA）。GA-MA是一種將智能體和GA兩者主要特征結合為一體的算法，能夠將GA的全局化搜索方式與智能體（Agent）對環境的感知及反作用能力相結合，達到收斂到全局最優解的效果。GA-MA通過構造MA的生存環境，使每個Agent與領域之間相互產生作用，并結合GA進化的機制，達到快速、精確收斂全局的最優解的目的。與傳統優化算法的的收斂速度相比，GA-MA的收斂速度大大提升。將全部的Agent放在一個生存環境中，即一個M×M的網格，其中M2=N，N為整個群體中的個體數量，如圖2所示。從圖可以看出：所有的Agent都居住在這個生存環境中，并且有各自固定的位置。Agent的局部環境由該Agent個體與其領域的個體構成，所有的Agent均有自學習能力和固定的生存周期，并能夠按照感知領域個體的信息，采取合適的行動策略實現其意圖及目的。每個Agent新買個體的產生具有一定的局限性，即每個Agent只與領域的個體交配。由于整個生存環境中的鄰域具有重疊性，不同鄰域的個體之間相互交配，最終整個環境的個體間均存在信息的交換，所以整個生存環境的個體產生又具有全局性，能夠很好的維持群體的多樣性。

三、電能管理系統

在上文對于GA-MA算法分析的基礎上建立煤礦電能綜合管理系統，以高、低壓側兩級電氣設備為多智能體，依據井下電網結構建立數據管理系統，結構如圖3所示。中央變壓器、高壓配電裝置、移動變電站、饋電開關等智能體之間的交互協調由彼此間可協調通信的任務協調智能體完成；任務分解智能體實現管理層和各個智能體之間相連，具有使不同智能體聯通相應管理層各個系統的功能；管理層中各個系統的數據采用TCP/IP協議達到各個數據庫之間的互的目的，實現各個數據之間的共享和交換。線路監測切換系統、綜合自動化系統、負荷建模系統及電能管理系統組成了煤礦電能綜合管理系統的管理層，其中綜合自動化系統主要是對煤礦電網的運行狀態進行監測，為電能管理系統提供原始數據；負荷建模系統用于對煤礦電網的負荷進行模型建立和綜合分析；電能管理系統負責對電能的管理和優化。

每個設備對應的智能體是具有該設備功能結構屬性的智能體，下邊以SVC設備智能體的構建過程為例進行智能體的構建。設第K個SVC設備智能體的結構屬性：

式中，Qsk表示第k個設備的無功補償，Vsk表示第k個設備的節點電壓，isk表示第k個設備的輸出電流，Nsk表示第k個設備的優先等級，Tsk表示時間脈沖。

煤礦電網多智能體遺傳算法管理方法流程如圖4所示，首先根據電網各個智能體設備的實時狀態，進行當面狀態與目標狀態的比較，然后利用智能算法進行最優方案制定，重新分配各個智能體設備的結構屬性，根據優先等級通過任務的協調和分解確定哪些智能體設備參與到任務中，按照時間脈沖信號相應相應的任務，實現各個智能體設備的交互和協作，避免智能體設備之間的相互影響。

四、結束語

通過將GA與MA技術相結合構造GA-MA算法，能夠結合影響煤礦電能質量的各個因素，得到各個智能體設備的最佳調解方案，實現煤礦井下電能的優化管理。機械能與電能之間的能量轉換是井下安全生產過程主要的能量流動，電能的使用是否合理直接關系到煤礦企業能源消耗多少，因此，建立先進的電能管理系統，為煤礦企業減少能源消耗，降低生產成本，對于低迷狀態的煤礦企業持續發展及國家節能減排政策的實施具有十分重要的意義。

參 考 文 獻

[1] 張增然.蘆嶺煤礦35kV供電系統電能質量測試評估[J].煤礦機電，2011，（6）69-71.

[2] 陸振洋，吉増權.KJ221型機車運輸監控系統在煤礦中的應用[J].煤礦安全，2014，（2）97-99.

[3] 于燕濱.礦山機械設備自動化供電系統的可靠性探析[J].煤炭技術，2014，33（2）：233-235.

[4] 楊風才，張茂宇.煤礦“五自”安全管理體系研究與應用[J].煤礦安全，2015，（2）234-236.

[5] 林光僑，王顏亮.煤礦風險預控本質安全管理體系建設與應用[J].煤炭工程，2013，（6）135-138.

[6] 傅貴，殷文韜，董繼業，等。行為安全“2-4”模型及其在煤礦安全管理中的應用[J].煤炭學報，2013，38（7）1123-1129.

[7] 楊靈，韓立軍.基于強度折減法的巷道整體安全系數探討分析[J].中國安全科學學報，2012，22（5）133-138.

[8] 劉業嬌，曹慶貴.煤礦安全管理的系統動力學模型[J].煤炭工程，2011，（8）126-128.