CN103745120A - 一种基于bdi多智能体的船舶电力系统重构方法 - Google Patents
一种基于bdi多智能体的船舶电力系统重构方法 Download PDFInfo
- Publication number
- CN103745120A CN103745120A CN201410029904.7A CN201410029904A CN103745120A CN 103745120 A CN103745120 A CN 103745120A CN 201410029904 A CN201410029904 A CN 201410029904A CN 103745120 A CN103745120 A CN 103745120A
- Authority
- CN
- China
- Prior art keywords
- power system
- electrical power
- intelligent body
- fault
- intelligent
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明设计涉及船舶电力系统故障重构控制,公开了一种BDI多智能体船舶电力系统故障重构方法。该方法以船舶区域配电系统为控制对象,研究三相短路接地故障时的重构问题。整个船舶电力系统智能体包含决策智能体和执行智能体两大类;各BDI智能体通过传感器采集电气量和开关状态量信息,在联想记忆单元及混沌神经网络作用下,产生反映船舶电力系统运行状态的信念,生成该故障下系统重构策略意愿和考虑电力系统约束的可执行意图。各BDI智能体的信念、意愿及意图是在数字控制器的支撑下完成的,通过空气断路器、自动装置分断开关及接触器执行器作用于船舶电力系统,实现电力系统故障重构,有效切除故障负荷,保证船舶电力系统安全可靠。
Description
技术领域:
本发明涉及船舶电力系统故障重构控制,特别是一种基于BDI(信念-意愿-意图)多智能体的船舶电力系统故障重构方法。
背景技术:
随着我国船舶工业及航海事业的迅速发展,船舶电力系统的容量不断增大,对电力系统的安全可靠性要求越来越高。为满足船舶电力系统对供电可靠性较高的要求,船舶电力系统故障重构作为故障时的重构附加优化手段得到了相应的研究与应用。近年来,多智能体技术(Multi-Agent,MA)作为分布式人工智能的重要组成部分,在电力系统重构中的应用发展迅速,而BDI智能体作为认知型的典型,能够模拟人的认知思维逻辑推理能力,不仅具有较好的学习能力、交互能力,而且具有较强的自主能力,能够在船舶电力系统故障时生成满足船舶电力系统约束的重构策略,缩短电力系统重构时间,提高重构效率。
船舶电力系统故障重构的BDI多智能体是具有感知能力、问题求解能力和通信能力独立自治的计算实体,如数字控制器、软件程序、数字测量仪表及重构算法开发PC机。各BDI智能体通过传感器感知船舶电力系统电气量及开关状态量信息,并通过通信掌握其他BDI智能体状态,能够针对船舶电力系统的三相短路接地故障信息生成相应的重构策略,通过数字控制器控制相应空气断路器、自动装置分断开关及接触器执行器,实现船舶电力系统的故障重构,保障船舶电力系统安全可靠供电,维持船舶电力系统稳定高效的运行。
发明内容:
本发明是根据船舶电力系统特点,针对船舶电力系统对供电较高的可靠性要求和三相短路接地故障时重构问题,提供一种基于BDI多智能体的船舶电力系统故障重构方法。该方法以船舶环形区域配电系统为控制对象,采用节点结构多智能体配置,将智能体分为:决策智能体和执行智能体两大类,决策智能体包含全局决策智能体和各元件局部决策智能体,各智能体构成梯形结构;基于现场总线各决策智能体间采用点对点方式通讯,各元件局部决策智能体与相应执行智能体间采用协调者转发的广播通信方式;各智能体的状态信息可以在PC机及监视上位机上集中显示,方便监控人员及时了解电力系统的运行状态;当船舶电力系统故障时,能够在BDI多智能体的作用下产生满足系统约束的可执行重构策略意图,进而在数字控制器的作用下,作用于船舶电力系统执行器,实现船舶电力系统故障重构,提高船舶电力系统的重构效率,保障船舶电力系统供电的安全可靠性。
为达到上述目的,本发明采用的技术方案如下:
本发明基于BDI多智能体的船舶电力系统故障重构方法以船舶环形区域配电系统为控制对象,该电力系统主要由船舶柴油发电机组、电力推进电动机组、母线直供负荷、区域负荷及电力网络组成,现场设备层与系统管理层主要采用基于现场总线的通信方式,通过数字控制器控制船舶柴油发电机组与电力推进电动机组及开关状态的执行器,整个船舶电力系统多智能体结构分为智能体层、信息交互层与物理层三个层次。船舶电力系统多智能体分为:决策智能体和执行智能体,决策智能体又包括全局决策智能体和各元件局部决策智能体。各元件局部决策智能体包含发电机决策智能体GA、电力推进电动机决策智能体MA、母线决策智能体BA、母线直供负荷决策智能体LA及区域负荷决策智能体ZA。各智能体构成梯形结构,基于现场总线各元件局部决策智能体间采用点对点方式通讯,各元件局部决策智能体与相应执行智能体间采用协调者转发的广播通信方式通讯。
本发明根据上述船舶电力系统多智能体配置及通讯方式将BDI多智能体方法应用于船舶电力系统三相短路接地故障重构研究中,通过各BDI智能体的交互协作实现船舶电力系统的故障重构。具体实现步骤如下:
1.船舶电力系统运行状态监视。由处于现场设备层的发电机执行智能体,电力推进电动机执行智能体,母线执行智能体,母线直供负荷执行智能体和区域负荷执行智能体通过传感器采样电力系统电压、电流、频率等电气量及各开关元件状态量信息,在联想记忆单元的作用下对不完备信息进行处理产生信念(Belief),反映船舶电力系统的运行状态,监视船舶电力系统的运行,更新信念库。
2.船舶电力系统故障信息的提取。船舶电力系统发生三相短路接地故障时,相应执行智能体通过传感器监测到电气量和开关元件状态量在故障信息知识库和混沌神经网络的作用下,实现故障诊断及故障定位,同时将故障信息上传给相应元件局部决策智能体GA、MA、BA、ZA或LA。
3.船舶电力系统故障隔离。为了减小故障对船舶电力系统的影响,在完成故障诊断及故障定位后,将故障信息上传的同时各执行智能体在数字控制器的作用下向相应执行器发出动作指令,切除故障。各元件局部决策智能体根据接收到的故障信息,首先由局部决策智能体根据意愿(Desire)库知识,在推理机和混沌神经网络作用下,生成可执行的重构策略意图(Intention),当局部决策智能体不能生成满足系统约束的重构策略意图时,将故障信息上报给全局决策智能体,由全局决策智能体在推理机和混沌神经网络作用下,生成可执行的重构策略意图,同时更新策略库。
4.船舶电力系统故障重构方案的生成。该环节是最狭义的船舶电力系统故障重构,此环节的作用是在船舶电力系统BDI多智能体的协作下实现了故障的自动定位,并且隔离了故障,产生了可执行的故障重构策略意图,通过人的参与参考所生成的可执行重构策略意图,快速地找出一套既能满足船舶电力系统运行约束条件又能保障最多负荷供电的船舶电力系统重构方案。
5.船舶电力系统故障重构方案的执行。根据生成的可执行重构策略意图制定相应的开关动作控制方案,确定各动作开关的动作顺序和时间间隔,在数字控制器的作用下控制各空气断路器、自动装置分段开关及接触器执行器,实现对故障区域非故障负荷单元的可靠供电。
有益效果:
本发明针对船舶电力系统故障重构问题,设计了一种基于BDI多智能体的船舶电力系统故障重构方法,该方法体现了多智能体分层控制的思想,结合船舶电力系统基于现场总线的集中监视,实现了船舶电力系统实时运行状态的集中监视与故障重构的分散控制;在船舶电力系统故障时,多智能体以分散的方式寻求重构策略,通过基于BDI多智能体的重构方法生成可执行重构策略意图,继而根据该重构策略意图产生重构方案,最终在数字控制器的作用下通过控制执行器,实现船舶电力系统故障重构,该方法不仅为船舶电力系统调度管理人员提供了参考执行方案,而且能有效提高船舶电力系统供电可靠性。
附图说明:
以下结合附图和具体实施方式来进一步说明本发明。
图1为本发明的基于BDI多智能体方法船舶电力系统故障重构原理框图,其相应的标号说明如表1所示。
表1图1标号说明
图2为本发明的控制对象船舶区域配电系统执行智能体配置示意图,其相应的标号说明如表2所示。
表2图2标号说明
标号 | 含义 |
211、221、231、241 | 分别表示发电机G1、G2、G3和G4 |
251、261 | 分别表示推进电动机M1和M2 |
215、225、235、245 | 分别表示发电机执行智能体 |
252、253、262、263 | 分别表示电力推进电动机执行智能体 |
212、222、232、242、271、272、273、274 | 分别表示母线执行智能体 |
213、214、223、224、233、234、243、244 | 分别表示母线直供负荷执行智能体 |
275、276、277、278 | 分别表示区域负荷执行智能体 |
图3为本发明的控制对象船舶区域配电系统智能体层次结构及交互关系示意图,其相应的标号说明如表3所示。
表3图3标号说明
其中,GA、MA、BA、LA、ZA分别表示船舶柴油发电机、推进电动机、母线、母线直供负荷和区域负荷局部决策智能体。
图4为本发明的控制对象船舶区域配电系统ZONE1负荷ZL1在有无BDI多智能体作用下,三相短路接地故障重构前后对比图。
船舶电力系统故障重构是根据图1基于BDI多智能体方法船舶电力系统故障重构原理在图2所示的船舶区域配电系统执行智能体配置结构及在图3所示的智能体层次结构及交互关系下实现船舶电力系统故障重构。
具体实施方式:
基于BDI多智能体的船舶电力系统故障重构方法的多智能体以分散的方式进行工作来增强电力系统的可靠性,各智能体在船舶电力系统中的应用采用的是节点结构。该方法是在JADE(Java AgentDevelopment Framework)平台进行船舶电力系统多智能体的设计与试验,在MATLAB\Simulink环境下对控制对象船舶区域配电系统进行仿真,其中,在JADE中所仿真的多智能体间的信息交互没有考虑通信的时间延迟。
(一)第一部分(BDI多智能体重构实现)
BDI多智能体船舶电力系统重构方法的实现通过模拟人的逻辑思维推理能力进行,其内部状态有三个核心数据结构:信念、意愿和意图。信念是BDI智能体通过传感器对船舶电力系统参数信息的采集产生的认识,反映的是船舶电力系统的运行状态;意愿是在信念产生的基础上,船舶电力系统三相短路接地故障时系统应该采取的重构策略;意图是BDI智能体在考虑船舶电力系统约束条件下,经过推理后得到的可执行的重构策略。
结合图1,对本发明的基于BDI多智能体的船舶电力系统故障重构原理作进一步详述。系统配置与标号参见图1。
基于BDI多智能体的船舶电力系统故障重构实现是根据BDI智能体18的推理原理在考虑船舶电力系统功率、电压、电流、频率等供电约束的条件下进行的,它主要包括以下几个步骤:
1.船舶电力系统运行状态监视。该步骤对应于BDI多智能体信念产生器3,BDI执行智能体通过传感器量测\感知单元6,感知船舶电力系统电气量及开关元件状态量,同时通过与各执行智能体的通信连接掌握其他执行智能体的状态信息。由于传感器量测/感知信息的传输会造成数据信息丢失使得信息处于不完善状态,为了降低不完备信息对船舶电力系统的影响,在信念产生器中加入联想记忆单元7,该单元是利用神经网络的联想记忆功能实现的。传感器量测/感知功率、电压、电流、频率及开关状态信息x1,…,xr19经归一化处理后,在联想记忆单元7的作用下经过联想、整合20,生成信念数据ψ1,…,ψs8,反映船舶电力系统的运行状态,并将信念信息存储更新信念库10。
2.船舶电力系统故障特征提取。BDI智能体基于信念库10与知识库9的知识信息,在混沌神经网络11的作用下实现对船舶电力系统运行状态的动态故障诊断。当船舶电力系统发生三相短路接地故障时,BDI智能体根据监测到的电力系统电气量信息和开关元件状态量信息产生的信念8在故障信息知识库9和混沌神经网络11的作用下,诊断出故障类型实现故障信息定位。
3.船舶电力系统故障隔离。当船舶电力系统发生三相短路接地故障时,混沌神经网络11一方面通过数字控制器在线控制相应执行智能体的状态,切除故障防止故障范围的进一步扩大,另一方面以离线的方式生成相应的重构策略。BDI智能体以离线方式产生的重构策略包括BDI智能体重构策略意愿和可执行重构策略意图两部分。BDI智能体根据信念库10和知识库9的知识在混沌神经网络11的离线作用下,生成船舶电力系统故障重构策略意愿12存储在意愿库13中。所生成的意愿12是在意愿产生器4的作用下,没有考虑船舶电力系统的安全约束及负荷供电优先级,是船舶电力系统理想运行状态下的重构策略。本发明的BDI多智能体意愿产生器5是将知识库知识Ki9和信念库信念ψi10作为混沌神经网络神经元的输入量,在混沌神经网络隐含层21和激活函数f(·)22的作用下生成并存储意愿信息12,更新意图库13。
4.船舶电力系统故障重构方案的生成。该阶段是BDI多智能体根据所生成的重构策略意愿信息在船舶电力系统约束条件下,考虑负荷供电优先级,结合船舶电力系统的特点及多智能体配置,生成的可执行重构策略意图。BDI多智能体的可执行重构策略意图16是重构策略意愿12在意图产生器5的作用下产生的,是重构策略意愿信息13在推理机14和递归混沌神经网络15的共同作用下,再经过激活函数g(·)23的作用,产生可执行重构策略意图λ1,…,λj16。所产生的可执行重构策略意图16在数字控制器的作用下作用于船舶电力系统执行器,实现船舶系统的故障重构,同时更新意图库17。
5.船舶电力系统故障重构方案的执行。决策智能体生成的重构策略基于现场总线采用点对点的异构型通信方式,直接发送给相应的执行智能体,各执行智能体根据数字控制器发出的0、1控制信号通过空气断路器、自动装置隔离开关及接触器执行器2,实现船舶区域配电系统1的故障重构。
综上所述,本发明的基于BDI多智能体船舶电力系统重构方法通过联想记忆对不完备信息的处理,及在混沌神经网络的作用下实现的。BDI多智能体方法采用集中监视与分散控制相结合实现船舶电力系统三相短路接地故障重构控制,实现船舶电力系统运行状态监视、故障信息提取、故障隔离、重构策略生成及故障重构。船舶电力系统多智能体的状态信息可以通过监视上位机集中显示,方便船舶电力系统调度管理人员及时了解船舶电力系统的运行状况。同时,各智能体的状态信息可以通过基于现场总线的TCP\IP协议在重构策略开发PC机上显示存储,有利于重构策略的优化。
(二)第二部分(多智能体体系结构配置、层次划分及通信结构)
本发明的基于BDI多智能体船舶电力系统重构方法是以船舶区域配电系统为控制对象进行的,控制对象的执行智能体结构配置如图2所示,各智能体的层次及交互关系如图3所示。下面结合图2和图3作进一步详述。
1.船舶电力系统拓扑结构执行智能体配置
本发明以船舶环形区域配电系统为控制对象,该系统由四台船舶柴油发电机211、221、231、241,两台电力推进电动机251和261,母线,母线直供负荷,区域负荷及其电力开关元件通过电力网络的连接而成,相应的执行智能体配置结构如图2所示。船舶柴油发电机是船舶电力系统的能量产生单元,电力推进电动机作为船舶动力的核心,由于船舶不允许失去动力,因此在电力推进电动机近母线侧没有装设断路器。整个船舶电力系统的现场设备层、系统管理层、测量仪表、PC机及监视上位机采用基于现场总线的通信方式,各执行智能体以如图2进行布局配置。
如图2所示的船舶区域配电系统执行智能体配置结构,各元件智能体都包括执行智能体与局部决策智能体两个组成部分,且各执行智能体受同类型的局部决策智能体控制。如发电机局部决策智能体GA控制执行智能体215、225、235、245;电力推进电动机局部决策智能体MA控制执行智能体252、253、262、263;母线局部决策智能体BA控制执行智能体212、222、232、242、271、272、273、274;母线直供负荷局部决策智能体LA控制执行智能体213、214、223、224、233、234、243、244;区域负荷局部决策智能体ZA控制执行智能体275、276、277、278。各元件局部决策智能体和各元件执行智能体均受全局决策智能体的直接控制,各智能体间进行双向通信,如图3所示。
2.智能体层次结构及其交互关系
本发明实例BDI多智能体采用的层次型与异构型相结合的混合型体系结构,如图3所示。全局决策智能体301与各元件局部决策智能体302之间、各元件局部决策智能体302与各元件执行智能体303之间是层次型体系结构,各元件局部决策智能体302及执行智能体303较全局决策智能体301与各元件局部决策智能体302只具有建议权无决策权。各元件局部决策智能体302之间是异构型的体系结构,是平等协作的关系,能够通过协商求解生成重构策略。
在船舶电力系统重构中,各智能体采用的是自下而上的重构策略求解方式。各元件执行智能体303既是船舶电力系统运行状态的监测单元,又是动作执行单元,能够在数字控制器的作用下通过信息交互层的信息交互304作用实现对空气断路器、自动装置隔离开关和接触器的控制。当船舶区域配电系统发生三相短路接地故障时,各元件执行智能体303能够实现故障诊断与隔离,同时将故障信息上传给相应元件局部决策智能体302,通过各元件局部决策智能体302的信息交互,生成相应的重构策略;当各元件局部决策智能体302不能生成满足电力系统约束的重构策略时,则将故障信息进一步上传给全局决策智能体301,由全局决策智能体301生成满足电力系统约束条件的重构策略,并最终将重构策略执行信息通过控制空气断路器、自动装置隔离开关及接触器执行器305,实现电力系统故障重构306。
根据图1所示的基于BDI多智能体的船舶电力系统故障重构原理框图及图2和图3所示的船舶区域配电系统控制对象,对区域ZONE1负荷ZL1发生三相短路故障在有、无基于BDI多智能体重构算法作用下,船舶区域配电系统的仿真分析数据如图4所示,可知G1、G3间的输电线路B相冲击电流由重构算法作用前的3000A降低为重构算法作用后的800A,电力推进电动机转速波动在重构算法作用前的波动显著,重构完成后基本无变化。图4(b)所示在ZL1经倒闸操作由G2、G4间的输电线路供电后G1、G3间输电线路电流为零,表示G1、G3母线间无能量传输;ZL1由ZONE2供电使得ZONE2电流由140A增至270A,同时输电线路传输功率增加。
通过对比图4船舶区域配电系统发生短路故障重构前后的数据可知,所制定的基于BDI多智能体的船舶电力系统重构方法能够有效实现船舶区域配电系统重构,降低三相短路接地故障对电力推进电动机转速及输电线路过电流的影响。
Claims (1)
1.一种基于BDI多智能体的船舶电力系统故障重构方法,所述船舶电力系统包括现场设备层的船舶柴油发电机组、电力推进电动机组、母线直供负荷、区域负荷及电力网络,所述现场设备层与系统管理层采用基于现场总线的通信方式通讯,所述船舶柴油发电机组与所述电力推进电动机组及开关的通断状态通过数字控制器进行控制,所述船舶电力系统嵌入BDI多智能体,所述BDI多智能体结构分为智能体层、信息交互层与物理层三个层次,所述BDI多智能体包括:决策智能体和执行智能体,所述决策智能体又包括全局决策智能体和各元件局部决策智能体;所述各元件执行智能体包含发电机执行智能体、电力推进电动机执行智能体、母线执行智能体、母线直供负荷执行智能体及区域负荷执行智能体;所述智能体构成梯形结构,所述各元件局部决策智能体间基于现场总线采用点对点通信方式通讯,所述各元件局部决策智能体与相应所述执行智能体间采用协调者转发的广播通信方式通讯,所述方法包括5个步骤:
1)船舶电力系统运行状态监视:由处于现场设备层的所述船舶柴油发电机组执行所述发电机智能体,所述电力推进电动机组执行所述电力推进电动机智能体,所述母线执行所述母线智能体,所述母线直供负荷执行所述母线直供负荷智能体,区域负荷执行所述区域负荷智能体,所述发电机智能体、所述电力推进电动机智能体、所述母线智能体、所述母线直供负荷智能体、和所述区域负荷智能体采样电力系统电压、电流、频率等电气量及各控制开关元件的通断状态量信息,监视船舶电力系统的运行状态,所述电气量和所述开关元件状态量信息在联想记忆单元的作用下产生相应的信念,更新信念库;
2)船舶电力系统故障信息的提取:所述船舶电力系统发生三相短路接地故障时,相应的执行智能体根据监测到的所述电气量信息和所述开关元件状态量信息在故障信息知识库和混沌神经网络的作用下,诊断故障实现故障信息定位,同时将所述故障信息反馈上报给相应所述各元件局部决策智能体;
3)船舶电力系统故障隔离:在完成故障诊断及故障定位后,在进行所述故障信息上传的同时,所述各执行智能体向相应的执行器,发出动作指令,切除故障,所述各元件局部决策智能体根据接收到的所述故障信息,首先由所述各元件局部决策智能体根据意愿库知识,在所述推理机和所述混沌神经网络作用下,生成可执行的重构策略意图,当所述各元件局部决策智能体不能生成满足系统约束的所述重构策略意图时,将所述故障信息上报给所述全局决策智能体,由所述全局决策智能体在所述推理机和所述混沌神经网络作用下,生成相应的所述重构策略,同时更新策略库;
4)船舶电力系统故障恢复重构方案的生成:所述船舶电力系统在所述各智能体的协作下实现了基本的自动化功能故障定位,并且自动隔离了故障之后,确定需要恢复供电的区域,通过人的参与参考所生成的可执行重构策略意图快速地找出一套既能满足船舶电力系统运行约束条件又能保障最多负荷恢复供电的开关运行方案;
5)船舶电力系统故障重构方案的执行:根据生成的可执行所述重构策略意图制定相应的开关动作方案,确定各动作开关的动作顺序和时间间隔,在数字控制器的作用下控制各空气断路器、自动装置分段开关及接触器执行器,实现对故障区域非故障负荷单元的可靠供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410029904.7A CN103745120B (zh) | 2014-01-22 | 2014-01-22 | 一种基于bdi多智能体的船舶电力系统重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410029904.7A CN103745120B (zh) | 2014-01-22 | 2014-01-22 | 一种基于bdi多智能体的船舶电力系统重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103745120A true CN103745120A (zh) | 2014-04-23 |
CN103745120B CN103745120B (zh) | 2016-09-28 |
Family
ID=50502137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410029904.7A Expired - Fee Related CN103745120B (zh) | 2014-01-22 | 2014-01-22 | 一种基于bdi多智能体的船舶电力系统重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103745120B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106569875A (zh) * | 2016-11-10 | 2017-04-19 | 南京航空航天大学 | 基于BDI模型的空中交通管制员Agent设计方法 |
CN104993582B (zh) * | 2015-01-27 | 2017-11-14 | 卢洁 | 电力系统的控制方法和装置 |
CN108075568A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种电力系统电压危急状态的监控系统及其构建方法 |
CN109407635A (zh) * | 2018-11-06 | 2019-03-01 | 哈尔滨工程大学 | 一种船舶综合电力推进安全控制系统智能体系结构 |
CN109831229A (zh) * | 2019-02-28 | 2019-05-31 | 中国电力科学研究院有限公司 | 一种基于强化学习恢复电力通信网络中业务的方法及系统 |
CN111954622A (zh) * | 2018-03-26 | 2020-11-17 | 赛峰集团 | 具有可重构电力网络的多转子飞行器推进系统 |
CN113253736A (zh) * | 2021-06-17 | 2021-08-13 | 上海思岚科技有限公司 | 多机器人调度方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060111860A1 (en) * | 2002-11-06 | 2006-05-25 | Aplicaciones En Informatica Avanzada, S.A. | System and method for monitoring and managing electrical power transmission and distribution networks |
CN101093558A (zh) * | 2007-07-26 | 2007-12-26 | 上海交通大学 | 基于多智能体和非适应性行为的微观交通仿真系统 |
CN101232181A (zh) * | 2008-01-30 | 2008-07-30 | 湖南大学 | 基于多智能体的配电网节能降耗综合管理系统及其管理方法 |
-
2014
- 2014-01-22 CN CN201410029904.7A patent/CN103745120B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060111860A1 (en) * | 2002-11-06 | 2006-05-25 | Aplicaciones En Informatica Avanzada, S.A. | System and method for monitoring and managing electrical power transmission and distribution networks |
CN101093558A (zh) * | 2007-07-26 | 2007-12-26 | 上海交通大学 | 基于多智能体和非适应性行为的微观交通仿真系统 |
CN101232181A (zh) * | 2008-01-30 | 2008-07-30 | 湖南大学 | 基于多智能体的配电网节能降耗综合管理系统及其管理方法 |
Non-Patent Citations (1)
Title |
---|
张威等: "基于多智能体的船舶区域配电网短路故障重构", 《船电技术》, vol. 33, no. 9, 30 September 2013 (2013-09-30) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104993582B (zh) * | 2015-01-27 | 2017-11-14 | 卢洁 | 电力系统的控制方法和装置 |
CN106569875A (zh) * | 2016-11-10 | 2017-04-19 | 南京航空航天大学 | 基于BDI模型的空中交通管制员Agent设计方法 |
CN108075568A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种电力系统电压危急状态的监控系统及其构建方法 |
CN111954622A (zh) * | 2018-03-26 | 2020-11-17 | 赛峰集团 | 具有可重构电力网络的多转子飞行器推进系统 |
CN111954622B (zh) * | 2018-03-26 | 2023-08-04 | 赛峰集团 | 具有可重构电力网络的多转子飞行器推进系统 |
CN109407635A (zh) * | 2018-11-06 | 2019-03-01 | 哈尔滨工程大学 | 一种船舶综合电力推进安全控制系统智能体系结构 |
CN109407635B (zh) * | 2018-11-06 | 2021-07-16 | 哈尔滨工程大学 | 一种船舶综合电力推进安全控制系统智能体系结构 |
CN109831229A (zh) * | 2019-02-28 | 2019-05-31 | 中国电力科学研究院有限公司 | 一种基于强化学习恢复电力通信网络中业务的方法及系统 |
CN109831229B (zh) * | 2019-02-28 | 2021-07-06 | 中国电力科学研究院有限公司 | 一种基于强化学习恢复电力通信网络中业务的方法及系统 |
CN113253736A (zh) * | 2021-06-17 | 2021-08-13 | 上海思岚科技有限公司 | 多机器人调度方法及设备 |
CN113253736B (zh) * | 2021-06-17 | 2021-11-09 | 上海思岚科技有限公司 | 多机器人调度方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103745120B (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103745120A (zh) | 一种基于bdi多智能体的船舶电力系统重构方法 | |
Shobole et al. | Multiagent systems application for the smart grid protection | |
Hua et al. | Review of distributed control and optimization in energy internet: From traditional methods to artificial intelligence‐based methods | |
CN109193652B (zh) | 一种基于态势感知的含分布式电源的配电网故障自愈系统 | |
CN102290811B (zh) | 对事故预案和运行方式进行评估的方法 | |
Reindl et al. | Scalable, decentralized battery management system based on self-organizing nodes | |
Gupta et al. | Adaptive protection schemes for the microgrid in a Smart Grid scenario: Technical challenges | |
Sharma et al. | A comparative analysis of centralized and decentralized multi-agent architecture for service restoration | |
Vyatkin et al. | Standards-enabled smart grid for the future energy web | |
CN102664457A (zh) | 一种船舶能量管理系统 | |
Hadjsaid et al. | Integrated ICT framework for distribution network with decentralized energy resources: Prototype, design and development | |
CN202586500U (zh) | 一种船舶能量管理系统 | |
Su et al. | Performance evaluation of multiagent systems for navy shipboard power system restoration | |
CN102243280A (zh) | 一种基于网络重构的电力系统故障诊断方法 | |
CN102938583A (zh) | 基于智能体的智能配电网分层递阶控制方法 | |
Belkacemi et al. | Experimental implementation of multi-agent system algorithm for distributed restoration of a smart grid system | |
Patil et al. | Implementation of FREEDM Smart Grid distributed load balancing using IEC 61499 function blocks | |
Vyatkin et al. | Toward digital ecologies: Intelligent agent networks controlling interdependent infrastructures | |
De La Cruz et al. | A review of networked microgrid protection: Architectures, challenges, solutions, and future trends | |
CN112733962A (zh) | 一种船舶区域配电电力系统的智能故障诊断及重构方法 | |
Tomin et al. | Hybrid intelligent technique for voltage/VAR control in power systems | |
Nygard et al. | Decision support independence in a smart grid | |
Bani-Ahmed et al. | Coordinated failure response and recovery in a decentralized microgrid architecture | |
Luitel et al. | Wide area monitoring in power systems using cellular neural networks | |
Huang et al. | Agent solutions for navy shipboard power systems |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160928 Termination date: 20210122 |