田祚堡，王代春，邹泽华，郭人维

(1.三峡水利枢纽梯级调度通信中心成都调控部，四川 成都 610094；2.三峡水利枢纽梯级调度通信中心成都调控中心，四川 成都 610094)

0 引言

当前水电站中各类运行设备规模逐渐扩大，对水电站进行合理的调度和控制，能够保障水电站运行的安全性和稳定性[1]。相关领域研究人员尝试引入更加现代化的人工智能技术，实现对水电站的智能调控[2]。但现有水电站调控技术在实际应用中会出现调度精度低、调度指令下达不及时、调度质量差等问题，严重影响水电站的正常运行[3]。调控一体化最主要的目的是实现实时数据传输和对数据的管理。因此，本文基于调控一体化，设计了大型梯级水电智能调度机器人。

1 大型梯级水电智能调度机器人设计

1.1 智能调度机器人调控一体化总体框架结构设计

结合水电站在运行过程中的智能调度需要，将调度机器人的结构划分为两部分，第一部分实现实时监视控制功能，第二部分实现安全运行控制功能[4]。根据上述两种功能的一体化设计需要，构建如图1所示的智能调度机器人调控一体化总体框架结构。

图1 智能调度机器人调控一体化总体框架结构

在实现图1中所示功能时，机器人需要实现对水电站运行状况的实时分析和感知，并辅助水电站调控人员实现各项任务的调度[5]。实时监控控制位于安全分区的生产控制范围内，接收来自上级调度中心下达的指令和要求，并由机器人向下级各个设备运行管控进行传递[6]。同时，将其与安全运行实现联合控制能够充分体现调度机器人的调控一体化特征。

1.2 导入梯级水电站群优化调度算法

将梯级水电站群优化调度控制看作对负荷的优化分配，通过梯级发电计划进行优化制定，并对水电站内部负荷进行优化配置。采取多样的决策和控制目标能够使调度具备更高的合理性。同时针对不同的调度任务，对调度策略进行最优选择。假设在水电站运行过程中共包含X个调度任务，第一步需要先确定调度任务中各个子任务的具体数量，可按照下述公式计算得出：

(1)

公式(1)中，N表示为调度任务中的子任务数量；Sx表示为调度子任务的数位；i表示为子任务编号。第一步，根据公式(1)确定调度任务中的子任务数量，第二步，按照相应顺序，在机器人的worker中完成调度资源的排序，并对相应资源进行编码。第三步，在调度的过程中还需要在相应条件下才能够确保调度合理，其约束条件可用公式(2)表示：

mins.t=A·o·b

(2)

公式(2)中，s表示为机器人智能调度约束条件；t表示为调度任务中的子任务数量；A表示为线性矩阵；o表示为整数变量；b表示为转换参数。将上述算法导入机器人程序中，利用其实现对梯级水电站群的优化调度。

1.3 机器人智能决策与智能监控模块设计

通过上述导入的调度算法，对安全事故发生原因进行推理，并给出相应的调度策略。将机器人的决策模块划分为两种不同的工作模式，一种为辅助决策工作模式，一种为直接决策工作模式。针对多重故障类水电站运行事件，考虑到导致事件发生原因较多，因此需要采用第一种辅助决策工作模式，结合时空序列信息，通过计算和分析的方式实现其策略处置。针对水电站在日常运行中常出现的问题或只能由于单一因素影响而造成的事件，可采用第二种直接决策工作模式，自动给出解决策略。

在智能调度机器人的智能监控模块中，引入信息过滤、大数据分析以及信息整合技术，对来自多个数据源的结构数据进行交互融合，提取关键信息，实现对水电站运行状态的感知。在这一模块中，调度智能机器人需要完成对数据的获取、分析以及处理，针对具体事件进行动态感知，最后结合上述决策模块生成相应的解决策略。

1.4 机器人调度执行模块与终端展示设计

针对智能调度机器人的调度执行模块和重点展示进行设计。利用这一模块对水电站运行状况、设备运行数据、报警信息等内容以直观立体的形式进行多维度展现，全景式解析展示。在结合信息传输、三维立体模型展示等技术后，确保调度机器人具备对调度过程及具体执行情况的可视化展示功能。针对部分简单的操作对机器人进行自动操作设置，在没有调度中心发送操作指令的情况下，机器人可以自主完成简单的或重复性的工作任务，以此减轻调度中心的调度负担，实现水电调度的自动化和智能化。

2 对比实验

为验证调度机器人是否能够实现电子化的指令执行操作，并确保实验结果具有可对比性，选择将本文设计的调度机器人作为实验组，将基于遗传算法的调度机器人作为对照组，对比两组机器人的实际运行情况。选择将调度机器人下达调度指令时的质量作为评价指标，质量越高，机器人在执行调度指令时越能够达到理想效果。针对机器人下达调度指令时的质量可通过误扰率和占线率以及信道阻塞时长实现量化评价。误扰率、占线率与信道阻塞时长与接收和发送指令时的质量均成反比例关系，误扰率、占线率与信道阻塞时长数值越小，则质量越优。在记录各个指令的误扰率、占线率与信道阻塞时长时，可按照下述公式计算得出，其中误扰率的计算公式为：

χ=e/K×100

(3)

公式(3)中，χ表示为实验组或对照组机器人在下达调度指令过程中产生的误扰率；e表示为调度指令在传输过程中的误码；K表示为调度指令在传输过程中的总码数。通过误码率的公式计算，得出的结果可以实现对规定时间内调度指令数据传输的精确性。占线率的计算公式为：

S=r/b×100

(4)

公式(4)中，S表示为实验组或对照组机器人在下达调度指令过程中产生的占线率；r表示为调度指令下达时出现站线情况的次数；b表示为共下达调度指令的次数。信道阻塞时长可利用机器人内部自带的时钟芯片进行测定。考虑到实验的客观性，在实验组机器人和对照组机器人中各添加一个M48T08-150PC1型号的时钟芯片。该型号时钟芯片RTC总线接口为Parallel。根据上述实验准备，将计算得出的误扰率、占线率和通过M48T08-150PC1 型号时钟芯片测定得出的信道阻塞时长数据进行记录，并将结果绘制成表格(见表1)。

表1 实验组与对照组机器人调度指令接收发送质量

根据表1中记录的实验数据可以看出，实验组机器人在3次调度指令的下达时，其误扰率、占线率和信道阻塞时长的数值均明显小于对照组机器人。在实验过程中，实验组机器人下达调度指令时其占线率均为0，说明不存在占线情况，而对照组机器人由于其指令传输通道有限，指令中数据过多或同时下达多条指令时极易出现占线情况。实验组机器人导入了梯级水电站群优化调度算法，在这一算法的应用下实现了对调度指令的规律性传递，且指令传输通道更多，因此不会出现占线问题。从误扰率角度分析，实验组机器人的误扰率均控制在5.0%以下，产生的误码对于调度指令下达结果不会造成影响。实验组机器人的误扰率超过5.0%，在第3次下达调度指令时，其误扰率超过了20.0%，下达指令当中的误码会严重影响最终调度结果。

由此可以看出，实验组机器人下达调度指令的质量更高，通过上述论述可得出，实验组调度机器人对水电智能调度效果更理想。

3 结语

为促进水电站向着更智能化的方向发展，本文将调控一体化作为设计目标，设计了一种全新的水电智能调度机器人，通过对比实验的方式也进一步验证了这一机器人的实际应用优势。未来水电站的调度场景还将更加丰富，需要进行调度控制的设备还会逐渐增加，因此，为了确保本文设计的机器人能够在未来水电站中实现更强适应性的应用，还将从调度效率、调度精度等方面对机器人进行优化设计，从而促进水电站整体运行质量的提升。