基于多智能体遗传算法煤矿电能管理技术研究

　　【摘要】 针对煤矿电网在井下安全生产中的主导地位和国家绿色能源战略的发展需求，提出基于智能算法的煤矿电网节能降耗管理系统。通过将多智能体和遗传算法相结合得到多智能体遗传算法，能够得到各个电气设备的最佳调度点，使设备在最小能耗下运行，实现煤矿电网的“多方面、全方位”综合节能系统。煤矿电能管理系统利用工业计算机监控技术将控制、监控和保护等功能统一协调，从管理节能和设备节能两方面实现降低煤矿电能消耗的目的，降低煤矿企业成本，有效促进国家绿色能源技术的发展。 

　　关键词：煤矿；管理系统；电能；多智能体；遗传算法 

　　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 

　　煤炭是我国工业发展重要的原始能量来源，在国民经济高速发展的过程中起到举足轻重的地位，煤矿安全生产直接关系到国家的能源安全。虽然受环境容量制约和风能、太阳能、核能等新能源产业化趋势的冲击，但在我国经济发展新常态下，煤炭在能源结构中的主体地位不容动摇，国家能源局“国民经济和社会发展统计公报”数据显示：2014年全年我国原煤产量38.7亿吨，占一次能源消费比重的64.2%。另外，大功率综合机械化采煤设备和提升运输设备的频繁启动，引起井下电压波动，也对井下电力系统的造成不良的影响。 

　　煤矿电能质量的下降，导致井下用电设备损耗变大、温升增加、功率下降和绝缘寿命降低等故障发生，严重影响井下电力设备的安全性，增加煤矿电力维护人员维修工作量，为煤矿安全生产和井下电网稳定运行带来安全隐患。大量非线性负载设备接入电网，增加电力系统无功消耗，直接导致功率因数降低和电能浪费，大大增加了企业的经济负担。电能质量的优劣直接关系到煤矿安全生产工作能否顺利开展和煤矿企业自身的经济效益，所以结合目前先进的智能控制算法，开展电能质量管理系统的研究，保证供电可靠性和稳定性，是当今煤矿电能管理技术急需解决的问题。 

　　一、煤矿电网 

　　由于电能的稳定性直接关系到煤矿安全生产能否顺利开展，所以对矿区电网安全性提出更高的要求。煤矿安全规程中明确要求，煤矿电网必须具有两个相互独立的回路，同时具备工作回路故障时迅速切换到另一回路的能力，且每个回路都必须能够承担井下全部用电负荷。矿区电网主要由井上变电站、井下一级电网和井下二级电网组成（如图1所示），其中井上变电站实现电压之间的转换，将电力网络中的高压转换成10kV的电压；井下一级电网包括矿用隔爆型高压配电装置、移动变电站及保护装置等，负责将井上电网输送的10kV的电压转变成各个工作面需要的3.3kV、1140V和 660V的电压，为井下用电设备供电；井下二级电网包括馈电开关、电磁启动器及电动机等，实现井下电能与机械能之间的转换。 

　　二、多智能体遗传算法 

　　多智能体（Multi-Agent，简称MA）是指根据仿真人类的行为方式，识别周围环境自动运行相应的服务程序。MA理论理论最早来源于分布式人工智能理论研究，具有反应性、连续性、自治性和社会性的特征。遗传算法（Genetic Algorithm，简称GA）是一种全局化的优化算法，通过模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程而搭建的计算模型，由于它对函数类型及搜索形状没有严格的限制。但在搜索空间增大、维数和变量间的耦合增加时，GA会导致局部极值概率增大。现实算法运用中，通常将遗传算法与其它先进的算法相结合，形成正交遗传算法、免疫遗传算法及多智能体遗传算法（GA-MA）。GA-MA是一种将智能体和GA两者主要特征结合为一体的算法，能够将GA的全局化搜索方式与智能体（Agent）对环境的感知及反作用能力相结合，达到收敛到全局最优解的效果。GA-MA通过构造MA的生存环境，使每个Agent与领域之间相互产生作用，并结合GA进化的机制，达到快速、精确收敛全局的最优解的目的。与传统优化算法的的收敛速度相比，GA-MA的收敛速度大大提升。将全部的Agent放在一个生存环境中，即一个M×M的网格，其中M2=N，N为整个群体中的个体数量，如图2所示。从图可以看出：所有的Agent都居住在这个生存环境中，并且有各自固定的位置。Agent的局部环境由该Agent个体与其领域的个体构成，所有的Agent均有自学习能力和固定的生存周期，并能够按照感知领域个体的信息，采取合适的行动策略实现其意图及目的。每个Agent新买个体的产生具有一定的局限性，即每个Agent只与领域的个体交配。由于整个生存环境中的邻域具有重叠性，不同邻域的个体之间相互交配，最终整个环境的个体间均存在信息的交换，所以整个生存环境的个体产生又具有全局性，能够很好的维持群体的多样性。 

　　三、电能管理系统 

　　在上文对于GA-MA算法分析的基础上建立煤矿电能综合管理系统，以高、低压侧两级电气设备为多智能体，依据井下电网结构建立数据管理系统，结构如图3所示。中央变压器、高压配电装置、移动变电站、馈电开关等智能体之间的交互协调由彼此间可协调通信的任务协调智能体完成；任务分解智能体实现管理层和各个智能体之间相连，具有使不同智能体联通相应管理层各个系统的功能；管理层中各个系统的数据采用TCP/IP协议达到各个数据库之间的互的目的，实现各个数据之间的共享和交换。线路监测切换系统、综合自动化系统、负荷建模系统及电能管理系统组成了煤矿电能综合管理系统的管理层，其中综合自动化系统主要是对煤矿电网的运行状态进行监测，为电能管理系统提供原始数据；负荷建模系统用于对煤矿电网的负荷进行模型建立和综合分析；电能管理系统负责对电能的管理和优化。 

　　每个设备对应的智能体是具有该设备功能结构属性的智能体，下边以SVC设备智能体的构建过程为例进行智能体的构建。设第K个SVC设备智能体的结构属性： 

　　式中，Qsk表示第k个设备的无功补偿，Vsk表示第k个设备的节点电压，isk表示第k个设备的输出电流，Nsk表示第k个设备的优先等级，Tsk表示时间脉冲。 

　　煤矿电网多智能体遗传算法管理方法流程如图4所示，首先根据电网各个智能体设备的实时状态，进行当面状态与目标状态的比较，然后利用智能算法进行最优方案制定，重新分配各个智能体设备的结构属性，根据优先等级通过任务的协调和分解确定哪些智能体设备参与到任务中，按照时间脉冲信号相应相应的任务，实现各个智能体设备的交互和协作，避免智能体设备之间的相互影响。 

　　四、结束语 

　　通过将GA与MA技术相结合构造GA-MA算法，能够结合影响煤矿电能质量的各个因素，得到各个智能体设备的最佳调解方案，实现煤矿井下电能的优化管理。机械能与电能之间的能量转换是井下安全生产过程主要的能量流动，电能的使用是否合理直接关系到煤矿企业能源消耗多少，因此，建立先进的电能管理系统，为煤矿企业减少能源消耗，降低生产成本，对于低迷状态的煤矿企业持续发展及国家节能减排政策的实施具有十分重要的意义。 

　　参 考 文 献 

　　[1] 张增然.芦岭煤矿35kV供电系统电能质量测试评估[J].煤矿机电，2011，（6）69-71. 

　　[2] 陆振洋，吉��权.KJ221型机车运输监控系统在煤矿中的应用[J].煤矿安全，2014，（2）97-99. 

　　[3] 于燕滨.矿山机械设备自动化供电系统的可靠性探析[J].煤炭技术，2014，33（2）：233-235. 

　　[4] 杨风才，张茂宇.煤矿“五自”安全管理体系研究与应用[J].煤矿安全，2015，（2）234-236. 

　　[5] 林光侨，王颜亮.煤矿风险预控本质安全管理体系建设与应用[J].煤炭工程，2013，（6）135-138. 

　　[6] 傅贵，殷文韬，董继业，等。行为安全“2-4”模型及其在煤矿安全管理中的应用[J].煤炭学报，2013，38（7）1123-1129. 

　　[7] 杨灵，韩立军.基于强度折减法的巷道整体安全系数探讨分析[J].中国安全科学学报，2012，22（5）133-138. 

　　[8] 刘业娇，曹庆贵.煤矿安全管理的系统动力学模型[J].煤炭工程，2011，（8）126-128.