文档介绍：0引言
随着电网现代化程度的不断提高，以及建设“统一坚强”智能电网目标的提出，电气设备从事故检修到定期检修，再到状态检修的转变是技术发展的必然趋势。与原先的事故检修和足期检修不同是，状态检修必须以先进的在线监测为基础。
在线监测、故和挖掘知识，提高学****的能力，同时便于实现远程故障诊断系统。
利用Agent技术，可以解决传统人工智能诊断系统不能解决的实时性等条件的限制，增强诊断系统对动态环境的适应性和对不完全信息的处理能力，实现网络环境下的分布式计算和问题求解;实现故障诊断中的并发信息检测、事务处理、动态实时规划、推理及搜索。
多Agent专家分析系统质量好坏的关键是其知识库中知识的质量和数量。目前的在线分析系统知识库中的数据主要有以下几个方面的来源：
一是正常运行时或可用状态下的试验数据，包括出厂试验数据和平时的试验、检验数据;二是故障时的试验数据，包括故障后的试验数据和破坏性试验时的数据;三是在线的实时监测数据。一般来说，专家系统中的专家系统程序与知识库是相互独立的，用户可通过改变、完善知识库中的内容来提高专家系统的性能。
如何处理采集来的海量数据将是在线监测和故障诊断专家系统的关键所在，同时也是系统流程中的重要一步，数据处理的速度和质量将直接影响整个专家系统的运行效率。首先需要依靠数学工具，如先进的算法和计算方式，对数据进行有效的辨识和分类;然后，对分类后的数据建立模型，进行分析、判断和求解; 最后，进行归纳、判断，得到问题的最优控制策略。
具体的在线监测和故障诊断专家系统流程图如图1所示。
实时的状态信息
信息模型 Agent
实际的问题或约束条件的特征值输出
优略获与行ent
最策的取执Ag
图1多Agent的在线监测专家系统流程图。
根据图1,针对不同的问题，对流程进行优化、细分，以期得到最佳的，或者最恰当的诊断结果和控制方案。

以采电网中某元件A1为例，如图2所示。
图2某电力网络结构图
具体分析过程是:首先，A区域的分析决策专家系统对A1元件的数据进行分析处理，当监测到该元件
A'%
异常时，通过计算得到A1可能发生故障的概率为1 ,同时向B、C、D区域的分析决策专家系统请
求，得到同类型元件的相关数据，A1可能发生故障的概率为1 > 丁；亦可向其他相关
联的分析决策专家系统请求相关数据，得到其故障概率为"1 C O
根据与不同概率相对应的权值得到Al元件的故障概率为:
/!.% =niax（.¥, x"，.私 x,4该，.匕 x",
1 1 1 * 1 3 1
X4 X/1：% , X'4；% ） WeeQg碧扉
具体如何计算概率，需根据不同的问题来采用相应的算法。同时，A区域分析决策专家系统判断A1
，/” ,
元件停运对相关用户可能造成的负荷损失为21'-' 和''，请求相关的B, C, N
P \顾曲#勺P1 ■
等系统提供的功率支援分别为眼上「，从而得到相关用户实际造成的负荷损失为:
进一步计算，得出的经济损失El, E2, E3, En。其中，经济损失是由实时电价、何时停电、停电时间长短等因素共同决定。具体数据由A的分析决策专家系统向能量管理系统(EMS)询问得到。
最后，经过决策判断，