关键词：人工智能；仿真技术；智能仿真；电力系统；调度员培训仿真器；智能DTS
1 引言
数字化、信息化管理是现代管理的大趋势，电力企业也必然向着数字化、信息化的方向发展。数字电力系统（DPS）是某一实际运行的电力系统的物理结构、物理特性、技术性能、经济管理、环保指标、人员状况、科教活动等数字地、形象化地、实时地描述与再现［1］。现有的EMS、DTS可以看作是初级阶段的DPS。电网调度员培训仿真系统（Dispatcher Training Simulator，简称DTS）是一套运用先进计算机技术模拟电网运行的数字仿真系统。DTS作为培训调度员的有效工具，已在国内外得到普遍应用。然而，随着数字电力应用的不断深入和用户需求的不断提高，DTS在实用性、逼真性和维护的方便性等方面还存在不少问题。
以往的系统仿真技术对于物理模型，数值模型研究得较多较深入，尤其是数值模型的建模及模拟方面，总结出了一些相当有效的方法来进行离散系统和连续系统的模拟，但仿真技术较少考虑非数值模型的仿真，如何模拟人的思维、问题求解、外界感知的能力。仿真技术是数值计算、数据处理与知识处理高度融合的技术，随着计算机技术和人工智能技术的迅速发展，计算机的符号处理能力大大增强。因此，将仿真计算机、算法、软件与人工智能技术结合，构成智能仿真计算机系统是一项战略的研究任务。本文就是针对电力系统中的调度员培训仿真问题，将人工智能的理论与系统仿真技术相结合用于电网调度员培训智能仿真系统的研究，探讨可用于研究DTS的一些人工智能技术。对其仿真建模、算法等具体实现未做深入讨论。
2 智能技术引入DTS
电力系统是由原动机、发电机、变压器、输配电线路和用电设备等很多单元组成的复杂的非线性动态系统，而人工智能技术被广泛地应用于求解非线性问题，可采用人工智能技术和先进的软件设计技术开发各种用途的电力系统人员培训仿真器。电力系统数字仿真技术的研究和开发主要包括数学模型、模型结构、仿真算法、仿真软件、仿真算法分析方法等［2］。
已开发的DTS是一个较复杂的软件系统，其核心包括四个部分［3］：①电力系统模拟子系统（Power System Model，简称PSM）。它模拟实际的电力系统的运行状况，即电力系统网络及各种设备的静态和动态响应。PSM包括模型生成和算法求解，电力系统仿真模型包括网络模型、负荷模型、变压器模型、发电机模型、继电保护和自动装置模型和外网等值模型等。仿真算法技术包括网络拓扑，节点优化，稳态潮流计算，故障计算，暂态过程计算，动态全过程仿真计算，操作处理方法等；②教员控制子系统。包括培训教案制作，培训过程控制和培训综合评估。它提供故障的设置，可进行暂停，恢复，快照，恢复初态，恢复事故前的状态，重放等；③SCADA／EMS仿真子系统，即图形支撑系统。要求与在线系统在显示内容与画面风格上一致，也就是与实际SCADA／EMS图形一体化，DTS可以共享SCADA的厂站图、系统图。将描述SCADA／EMS系统的厂站图和系统图的图形数据文件经过数据分析转换处理，DTS系统的图形支撑系统可直接调用显示［4］；④数据库管理子系统。它是DTS数据管理的中心，也为DTS其它核心模块提供了数据通信的平台。DTS数据库设计方案采用了大型商用数据库与实时共享库相结合的办法。用ORACLE数据库管理系统维护模拟EMS数据库、图形库和培训教案库，而用实时共享库仿真实际SCADA实时数据库。
作为系统仿真的一个分支，已有的电力系统仿真还存在进一步研究的问题：模型的局限性，建模的艰巨性，方法的局限性，界面的单调性和结果的费解性等。通常在电力系统数字仿真中，主要采用数学模型，其描述能力有局限性；即使可用数学模型，其建模的验证精确，可靠的仿真模型，也需要耗费大量的人力物力；常用的基于数学模型的仿真技术，缺少知识推理，逻辑判断，学习训练的智能特性；仿真模型的求解过程通常对用户不透明，不便于评估仿真结果的可信度；传统的仿真其界面简单，需要进一步改善其友好性和生动性。因此，需要将人工智能技术引入电力系统仿真，开发智能仿真技术。智能仿真技术就是人工智能技术（如专家系统、人工神经网络、模糊推理、知识工程、模式识别等）与仿真技术（如仿真建模、仿真算法、仿真语言、仿真软件等）的集成化。进行电力系统智能仿真的设计和开发，针对上述需进一步研究的问题，主要是如何将人工智能技术与仿真技术相结合，进行智能仿真模型、智能仿真算法、智能仿真界面及仿真结果智能分析和解释等方面的应用研究。
3 基于智能的DTS体系结构
仿真系统的体系结构是指构成仿真系统的各组成部分的排列、组织和相互结合的方式。对智能DTS体系结构的研究不仅要考虑DTS系统由哪些子系统组成，更重要的是要探讨如何恰当地组织这些子系统使它们协调工作。虽然体系结构本身并不能反映DTS各子系统的具体内容，但它却决定了DTS的某些本质属性，这是因为结构在一定程度上影响着整个系统的功能。DTS的各个子系统之间有着非常紧密的联系，良好的结构应使各组成部分有机地结合起来，否则会形成这样一种局面：在变更数据时，要求修改模型，在追加模型时，又会影响数据和对话接口。
智能DTS的软件按功能分为四大子系统，包括电力系统智能仿真子系统，智能培训控制子系统即智能教员台和学员台子系统，数据库智能管理子系统，图形一体化支持子系统。智能DTS的体系结构如图1所示，其中电力系统智能仿真子系统包括智能模型自动生成和智能算法求解。
4 智能教员台和学员台子系统的实现
专家系统是让计算机模拟人类专家的决策过程，求解那些无法建立数学模型，而必须依靠专家经验来解决的实际问题。针对智能教员台和学员台子系统，应用人工智能和专家系统有关技术，可通过引入特定的引导与咨询过程，解释或理解用户的需求，自动建立初始培训教案，提供相应的统计分析支持，对仿真输出进行智能化的解释和分析，回答用户的有关问题，并为决策提供适当的建议。将专家系统技术应用于电网调度培训仿真中，可尽快将调度员培养和提高到调度专家水平，特别是在电力系统出现故障时，系统会尽快诊断故障，并提出故障处理方案。采用专家系统等智能技术实现教员台和学员台子系统，可减轻教员的工作量，使培训仿真更为科学化，智能化。
在该智能DTS中，智能教员台和学员台子系统包括四个模块即培训需求识别模块、智能教案生成模块、智能培训控制模块和智能培训评估模块，这四个模块的循环构成了一个完整的培训过程，如图2所示。
（1）培训需求识别模块
一个培训过程从该模块开始，识别培训需求的信息包括学员上次培训的历史记录及培训性能评估，本次培训的目的（包括运行方式设定、培训时间、操作模拟设置和故障设置）等。
（2）智能教案生成模块
该模块根据学员的学习目标和学习历史采用不同的培训方法和策略，以此为依据，设计教学模式，生成培训教案。与EMS一体化的DTS可以自动地从EMS／SCADA实时系统提取实时断面，通过模糊推理的方法进行状态估计，建立初始潮流。并依据培训规律进行推理分析，修正培训内容和策略，使之更好地满足不同培训人员的不同需要。采用专家系统等人工智能方法建立智能培训教案［5］，真正实现科学合理的个别化教学，大大减轻教员工作量，提高培训效果。
（3）智能培训控制模块
该模块在智能教案生成系统基础上，根据生成的教案对培训过程进行实时在线控制，它是整个培训的总指挥。根据自动生成的教案，调度培训控制进程，并跟踪分析学员的培训情况。采用模糊理论表示学员的理解程度即学习模型，将学员所执行的一些操作将与专家系统给出的推理操作进行比较，用“较好，稍好，一般，稍差，较差”这些模糊谓词表示。专家知识库中存放各类规则和概念，包括①解释性知识：提供给学员的提示信息，如设备名称和操作术语；②描述性知识：设备的属性和参数，以及设备之间的关联关系，如保护的配置关系；③规则性知识：调度运行检修规程和专家积累的运行经验；④概念性知识：名称之间的包含关系。在正常操作培训模拟中，实时跟踪学员的每一步操作，通过专家系统推理后，给出提示信息，指出学员的操作错误，并给出正确的操作方法。在故障处理培训模拟中，根据故障发生的相关动作信息、知识库和故障现象，模拟专家的思维判断方式，推出故障原因，判断其故障部位和故障类型。采用专家推理，可有效地帮助和指导学员判断，处理错综复杂的事故，同时可对学员进行事故处理的考核。在培训过程中，针对当前的培训内容，提供指导性的交互对话，特别是在学员有误操作发生时，增强学员学习自主性，减轻教员负担，甚至可以代替教员。充分反映了培训仿真系统的智能特色。
（4）智能培训评估模块
对学员的操作和行为进行综合评判，其目的是检测受培训者每一阶段培训和学习的效果。评价学员培训的程度要兼顾各个方面，作出任何决策都要对多个相关因素综合考虑，采用模糊理论表示。为了不使最后评价结果过于偏激而影响结论的可信度，由各专家给出评估值与根据培训目的及教学策略设定相应的权重而得到各模糊子集的隶属度。在培训结束后，对学员在培训过程中的操作与事故处理自动评分，指出其所获得的技能及存在的问题，从而大大减轻教员的评分工作量，提高评分过程的公平性。而且本次培训的评估结果作为下次的培训需求识别依据之一。
5 结束语
本文针对已有的电力系统仿真还存在进一步研究的有关问题，将人工智能的理论与系统仿真技术相结合，用于电网调度员培训智能仿真系统的研究，给出了智能DTS的体系结构及智能教员台和学员台子系统的设计方法。系统软件环境为Digital Unix4．0F、DECC＋＋、X Window／Motif系统和ORACLE8．0．5数据库，硬件环境为Compaq XP1000工作站和Compaq DS20服务器。随后的研究主要考虑将专家系统、人工神经网络、模糊集理论、数据挖掘和知识发现等人工智能技术应用于智能DTS的建模和算法。主要考虑以下几个方面：
（1）建立智能化的对象模型，或是它们的集成模型，以提高仿真模型的描述能力，扩大仿真模型的应用范围，进而增强仿真模型的柔性。影响仿真系统逼真程度的一个重要因素是建模。在实际模型的实现中往往要求多层次，多样化，多途径，采用人工智能技术优化模型，将定性和定量相结合，数值模型与非数值模型相融合，必然增强仿真建模的能力和质量。电力系统动态元件的模型大都为非线性动态数学模型，可采用神经网络辨识的算法，例如水轮发电机组模型，进行电力系统非线性动态数学模型系统辨识；基于粗造集的DM方法可将每一种状态的故障特征提取出来，将其作为调度人员判断电力系统处于何种状态和如何快速做出故障处理和决策的有力工具；用粗造集理论提取输入特征属性和评估重要性指标，然后用神经网络进行预测建模［6］；电力系统仿真中，为了提供动态仿真的整体效率，将整个动态过程分为暂态过程和中长期动态过程三个阶段，在不同阶段采用不同精度的元件模型，根据元件状态采用自适应神经元学习方法，根据系统所处的状态自动进入不同阶段的仿真计算，以实现基于自适应神经元的电力系统仿真动态模型（暂态、中长期）自动变换；
（2）研究智能仿真算法。如非线性动态数学模型可采用神经网络辨识的算法，知识模型可采用基于知识的推理、判断、联想及识别等学习训练的算法。仿真技术是数值计算、数据处理与知识处理高度融合的技术，人的认知世界包含大量的不确定性知识，这就需要对所获信息进行一定的模糊化处理，以减少问题的复杂度。在电力系统仿真中同样存在很多不确定性知识，如对于负荷变化和电力生产的不确定性，可用模糊值表示某不确定负荷在实际集合中的隶属函数，建立电力系统的模糊最优潮流；在电力系统调度员培训仿真中要求能够直接利用EMS／SCADA实时断面（实时量测数据）建立初始潮流断面，而由于实时断面中状态信息如断路器和保护动作信息存在着大量的不确定性，可以尝试用模糊推理的方法进行状态估计；
（3）智能仿真界面及信息输入的预处理，培训仿真结果智能发现、解释。人机交互界面将朝着多媒体、动画和虚拟现实相结合的方向发展，建立起使人感到身临其境的“交互式拟实世界”一直是仿真技术发展的一个重要目标。随着灵境（VirtualReality）技术与建模／仿真技术的融合与发展，人们将向“交互式拟实世界”的目标迈出重大的一步。
人工智能中的主要工具，即专家系统、人工神经网络、模糊集理论、数据挖掘和知识发现等各有优点和局限，缺少一种普遍有效的方法应用于电力系统，而且这些理论和方法在仿真系统中的应用更有待于探讨。混合智能，即综合多种智能技术，成为人工智能的重要发展方向之一。将这些理论和方法应用到电力系统仿真中去，是今后研究的一个重要方面。
参考文献
1卢强．新世纪电力系统科技发展方向—数字电力系统（DPS）．中国电力，2000，33（5）：15－18
2陈礼义，顾强．电力系统数字仿真及其发展．电力系统自动化，1999，23（23）：1－10
3董朝霞，王乘．新一代电网调度员培训仿真系统．计算机仿真，2003，20（2）：123－125
4董朝霞，陈青华．电力仿真系统图形编辑器面向对象的设计与实现．继电器，2002，30（6）：40－42
5IrisarriG D，Rafian M，Miller B N，DobrowolskiE J．Heuristic scenario builder for power system operatortraining．Proceedings of the IEEE，1992，80（5）：698－711
6韩祯祥，文福拴，张琦．人工智能在电力系统中的应用．电力系统自动化，2000，24（1）：2－10
