CN102289569B - 一种电力系统突发事件应急处理方法 - Google Patents

Abstract

本发明属于电力系统应急方面的应急信息技术处理领域，具体涉及一种电力系统突发事件应急处理方法及其模型。在研究应急事件发生的过程，统计、整理各种应急事件的发生的规律，以及分析了历史应急事件的发生机制的基础上，提取其特征参数和关键要素，编写了应急事件场景的规则，形成规则库，为事件模型建立提供技术支撑，为开展高效化、科学化、现代化的大规模综合应急演练和培训工作创造条件。

Description

一种电力系统突发事件应急处理方法

技术领域

本发明属于电力系统应急方面的应急信息技术处理领域，具体涉及一种电力系统突发事件应急处理方法。

背景技术

我国地域辽阔，电网覆盖面积大，各地自然环境和条件迥异，各种自然灾害时有发生，电网大面积停电风险始终存在。电网的安全运行涉及各行各业，涉及千家万户居民的日常生活，关乎社会稳定和国家安全。近年来政府日益重视应急管理工作，国家电网公司也开展以应急组织体系、应急物资储备等八项重点工作为主要内容的应急体系建设。应急演练和培训是应急管理工作的重要内容，当应急事件发生时，快速恢复供电能力，保障居民正常的生产生活，是供电企业和电力抢修部门的重要职责。为了提高应急抢修工作的效率，提高应急处置的能力，除了增加抢修人力与物资以外，还需要解决指挥方案的合理制定、应急资源的合理调度等方面的问题。应急演练及培训能够提高各级应急指挥及救援人员对应急职责及流程的熟练程度和反应能力、促进各部门之间的配合，从而有效的减少突发事件所造成的人员伤亡和财产损失。

突发事件是一次不可再分的事件，突发事件元模型按照国家总体预案中的分类标准，再结合电力系统的相关情况，我们梳理出如附图1所示的概念类别。所有的突发事件共有的、不随着突发事件的种类变化的属性构成的描述集合称为突发事件的本体模型。突发事件除了共有特征外，不同种类的突发事件还有很多个性特征，因此，根据不同种类突发事件的个性特征可再建立突发事件元模型。突发事件元模型是描述某一类特定的突发事件的共性知识的本体模型，即事件元模型中继承了突发事件本体模型的共性特征外还包括事件个性特征。如在地震元模型中，既包括突发事件本体模型中的案例名称、发生地点等突发事件共性特征，还包括震级、震中等地震案例个性特征。

本体模型和元模型实现了案例描述的概念规范化和通用化。当要描述某一具体应急事件时，调用相应的事件元模型，基于案例的不同元事件、不同状态输入应急事件的各个元事件及状态下的属性值，即可完成对某一个具有多个元事件及状态的应急事件的规范化描述。

基于案例推理CBR(Case Based Reasoning)是人工智能领域崛起的一种重要的基于知识的问题求解和学习方法，主要是为了解决专家系统中存在的知识获取的“瓶颈”问题。它是首先进行问题的描述(Presentation)，再从案例库(Case-Base)中找出最类似的案例(Retrieval)，即使挑选出最类似的案例也不可能完全相同，故要依照相似案例的解决方法(Solution)再作调整(Adaptation)，再将调整出的结果与使用者或大环境来证实(Validation/Test)，如果适当，则被证实的结果将会被增加到案例库中(Feedback)。

在案例检索中，相似性评估是一个很重要的推理环节，用于度量查询和检索到的案例的相似程度。结合了本体知识后，本体中的概念层次结构及相互关系就会对相似性评估产生有益的影响，最近相邻算法(nearest neighbor algorithm)是CBR检索算法中最常用的算法之一。应用传统最近相邻算法时，首先计算出案例属性相似度，然后根据属性的权值计算案例之间的加权相似度，这就要求案例的属性值不能为空。

发明内容

本发明的目的是为了克服现有技术的不足，提出一种电力系统突发事件应急处理方法。本发明在研究应急事件发生的过程，统计、整理各种应急事件的发生的规律，以及分析了历史应急事件的发生机制的基础上，提取其特征参数和关键要素，编写了应急事件场景的规则，形成规则库，为事件模型建立提供技术支撑，为开展高效化、科学化、现代化的大规模综合应急演练和培训工作创造条件。

依据本发明的一种电力系统突发事件应急处理方法，包括以下步骤：

一)根据电力系统中的应急案例中属性所含信息量和信息类型的不同，将应急案例中的属性归并为四大类型的属性：(1)确定数字属性值CN；(2)确定符号属性值CS；(3)模糊概念属性值FL；(4)模糊数FN或模糊区间属性值FI；

二)为避免传统最近相邻算法的属性值缺失问题，提出了基于结构相似度和属性相似度的双层结构的案例相似度计算方法，并分析应急案例的特征，为应急案例四大类型的属性分别设计了不同的结构相似度算法：

(1)结构相似度算法

假定应急案例的源案例a与目标案例b进行匹配，则结构相似度计算算法描述如下：

a)计算源案例a的所有的非空属性构成的集合，记为A；

b)计算目标案例b的所有非空属性构成的集合，记为B；

c)计算A与B的交集和并集，分别记为C和D；

d)计算交集C中所有属性的权重之和，记为w₁；

e)计算并集D中所有属性的权重之和，记为w₂；

f)案例a和b的结构相似度记为S，则作如下定义：

S＝w₁/w₂

结构相似度算法只计算源案例和目标案例的非空属性集的交集属性的相似度，即属性值为空的属性不参与相似度计算，从而有效地避免了属性值缺失问题；

(2)属性相似度算法

1)确定数字属性

采用基于海明距离公式演化而来的计算确定数值型属性的相似度方法，如下所示：

sim(X_i，Y_i)＝1-dist(X_i，Y_i)＝1-|x_i-y_i|/|max_i-min_i|

其中：

sim(X_i，Y_i)表示案例X和Y的第i个确定数字属性的相似度；x_i、y_i分别表示案例X和Y的第i个属性的值；max_i和min_i分别表示第i个属性的最大和最小值；每个CN类型的属性需要已知该属性的取值范围；

dist(Xi，Yi)表示案例X的第i个属性值与案例Y的第i个属性值在所有案例中的i属性数值中的相对差别程度，也即X与Y的第i个属性值相差的绝对值|Xi-Yi|，占所有案例数据的i属性中相差最大值(max i-min i)的比率(|Xi-Yi|/(max i-min i))，这个比率的范围是0～1；也即dist(Xi，Yi)＝|Xi-Yi|/(max i-min i)；如果dist(Xi，Yi)值越接近1，说明X的i属性值与Y的i属性值差距越大，反之则越小；

2)确定符号属性

确定符号属性值属于一种简单枚举值，它列举了该属性所有可能的取值，属性值之间不存在实际意义的量的关系，相似度计算式为：

$\mathrm{sim}(X_i,Y_i)=\left\{\begin{array}{cc}1& x_i=y_i\mathrm{or}{x}_i\∈y_i\\ 0& x_i\≠y_i\end{array}\right.;$

3)模糊属性

对于模糊概念属性值FL或模糊数FN或模糊区间FI的模糊属性，采用隶属函数来计算属性间的相似度；由于评价者对模糊概念的认同度有所差别，可采用百分制将这类模糊评价属性进行模糊处理；

基于隶属函数的相似度计算方法是通过计算两个隶属函数对应面积的重叠率作为模糊集合间的相似度，具体计算如下所示：

sim(x_i，y_i)＝A(x_i∩y_i)/A(x_i∪y_i)＝A(x_i∩y_i)/[A(x_i)+A(y_i)-A(x_i∩y_i)}

其中：A代表模糊集合的对应隶属函数的面积；x_i∩y_i’代表两个模糊集合的交；根据模糊属性的相似度算法可计算出模糊属性的相似度；

在传统的最近相邻算法的基础上得到案例的全局相似度计算公式：

$\mathrm{sim}(X,Y)=S\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{w}_i\mathrm{sim}(X_i,Y_i).$

其中：sim(X，Y)表示案例X和Y的案例全局相似度；S为案例的结构相似度；w_i为案例X和Y交集属性集中的第i个属性在参与匹配的属性中所占的权重，且所有权重取值之和为1；sim(X_i，Y_i)表示案例X和Y在交集属性集中第i个属性上的局部相似度。

其中，采用专家设定权重的方法，提供专家设定权重的接口，并且设定后可根据情况对权重进行修改、编辑；属性类别采用系统默认的方式，允许有权限的用户根据实际情况修改设置。

本发明还提供了一种使用上述方法的应急演练处置决策模型，包括：

(1)用户通过使用案例库管理系统CBMS来管理应急案例库；

(2)案例库CB中存放以往的应急案例，由案例库管理系统进行管理；案例由多个属性共同构成，用集合来表达：C＝(C₁，C₂，…C_i…，C_n)，其中的属性C_i(i＝1，2，……，n)，根据需要进一步细化为C_i＝(C_i1，C_i2，……，C_in)；按照这种属性结构，一个案例由多个层次的属性构成，整个案例库则由不同属性层次上的案例关联而成，形成一个类似于关系型数据库的应急处置决策案例库；

(3)思想库KB集成了决策判断的规则，通过归纳总结以规则形式存储在思想库中，思想库的知识即为案例相似度规则集合以及知识自学习系统归纳总结的知识；

(4)演练处置知识自学习系统，是在案例库中进行知识的归纳总结，生成诊断规则，优化后存入思想库中；

(5)报警系统是完成人机之间的交互工作，实现应急事件的信息标准化输入；

(6)知识推理机是系统的核心，它用来搜索案例和检验匹配度，如果完全匹配当前的案例，则调出该案例的解决方案；如果案例匹配相似度大于或小于某一值，将不能实现完全匹配，则将思想库中的规则进行相应的调整，并把调整过程提供给决策指挥人员；如果案例库中没有相应案例，则应用思想库中规则生成方案，同时将方案生成过程提供给决策指挥人员；

(7)决策方案，是思想库中形成的各种案例的解决方案的集合，同时将解决方案提供给案例库管理系统；

通过推理过程生成应急处置方案，一方面应用到对紧急事件的应急处置，作为指导意见提供给用户，另一方面则作为新的案例加载到案例库中，供以后进行应用和机器学习。

本发明的有益效果是：

1.将本体引入到知识表达库。大规模综合应急模拟演练系统中的知识不仅包括特定的案例知识，还包括由本体表示的通用的领域知识模型，使应急处置和场景转换决策支持所依赖的知识库更加丰富。

2.通过推理过程生成应急处置方案。一方面应用到对紧急事件的应急处置，作为指导意见提供给用户；另一方面则作为新的案例加载到案例库中，可供以后应用和机器学习。

3.提出了CBR与本体结合的理念。将本体作为CBR系统词汇，在传统的最近邻算法基础上提出一种基于结构相似度和属性相似度的双层结构的案例相似度计算方法。

4.设计了基于案例推理的应急演练处置决策框架模型。该模型一方面根据历史案例快速生成处置方案供用户参考；另一方面不断把新的案例加载到案例库中，供以后应用和机器学习。

附图说明

下面结合附图对本发明进一步说明。

图1示出的是突发事件元模型的概念类别。

图2所示的是应急演练处置决策的框架结构图，它由7个部分组成。

具体实施方式

应急案例的属性复杂而繁多，根据应急案例中属性所含信息量和信息类型的不同，应急案例中的属性主要可以归并为四大类型的属性值，分别为：(1)确定数字属性值(crispnumeric，CN)，如风速。(2)确定符号属性值(crisp symbolic，CS)，如移向。(3)模糊概念属性值(fuzzy linguistic，FL)，如温度变化的取值(大、较大、中、较小、小)。(4)模糊数或模糊区间属性值(fuzzy numeric，fuzzy interval，FN，FI)，模糊数属性如持续时间约为4天；模糊区间属性如受灾范围为北纬30°45’～31°43’，东经102°51’～103°44’等。

这些应急案例属性存在历史案例信息的不完备或者决策者对案例的描述不完备的情况，应急案例相似度检索算法需要解决两个难点：如何解决应急案例属性值缺失问题；如何根据应急案例属性复杂而繁多的特征设计应急案例属性相似度算法。为此，本发明在传统的最近相邻算法基础上提出一种基于结构相似度和属性相似度的双层结构的案例相似度计算方法，可以避免传统最近相邻算法的属性值缺失问题；另一方面根据应急案例特征的分析，为应急案例四大类型的属性分别设计了不同的相似度计算算法。

(1)结构相似度算法设计

假定源案例a与目标案例b进行匹配，则结构相似度计算算法描述如下：

a)计算源案例a的所有的非空属性构成的集合，记为A；

b)计算目标案例b的所有非空属性构成的集合，记为B；

c)计算A与B的交集和并集，分别记为C和D；

d)计算交集C中所有属性的权重之和，记为w₁；

e)计算并集D中所有属性的权重之和，记为w₂；

f)案例a和b的结构相似度记为S，则作如下定义：

S＝w₁/w₂

结构相似度算法只计算源案例和目标案例的非空属性集的交集属性的相似度，即属性值为空的属性不参与相似度计算，这样就有效地避免了属性值缺失问题。

(2)属性相似度算法设计

1)确定数字属性

确定数字属性的相似度有很多计算方法，这里采用基于海明距离公式演化而来的一种计算确定数值型属性的相似度方法，如下公式所示。

sim(X_i，Y_i)＝1-dist(X_i，Y_i)＝1-|x_i-y_i|/|max_i-min_i|

其中：sim(X_i，Y_i)表示案例X和Y的第i个确定数字属性的相似度；x_i、y_i分别表示案例X和Y的第i个属性的值；max_i和min_i分别表示第i个属性的最大和最小值。需要说明的是，每个CN类型的属性需要已知该属性的取值范围。

2)确定符号属性

确定符号属性值属于一种简单枚举值，它列举了该属性所有可能的取值，属性值之间不存在实际意义的量的关系，相似度计算式为

$\mathrm{sim}(X_i,Y_i)=\left\{\begin{array}{cc}1& x_i=y_i\mathrm{or}{x}_i\∈y_i\\ 0& x_i\≠y_i\end{array}\right.;$

3)模糊属性

对于模糊概念FL和模糊数FN或模糊区间FI类模糊属性，采用隶属函数来计算属性间的相似度。如模糊评价属性{很好、较好、一般、较差、很差}属于模糊概念属性。由于评价者对模糊概念的认同度有所差别，可采用百分制将这类模糊评价属性进行模糊处理。

基于隶属函数的相似度计算方法是通过计算两个隶属函数对应面积的重叠率作为模糊集合间的相似度，计算起来既简单又准确。具体计算如下所示。

sim(x_i，y_i)＝A(x_i∩y_i)/A(x_i∪y_i)＝A(x_i∩y_i)/[A(x_i)+A(y_i)-A(x_i∩y_i)}

其中：A代表模糊集合的对应隶属函数的面积；x_i∩y_i’代表两个模糊集合的交。根据模糊属性的相似度算法就可以计算出模糊属性的相似度。

在传统的最近相邻算法的基础上设计了如下案例全局相似度计算方法：

$\mathrm{sim}(X,Y)=S\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{w}_i\mathrm{sim}(X_i,Y_i).$

其中：sim(X，Y)表示案例X和Y的案例全局相似度；S为案例的结构相似度；w_i为案例X和Y交集属性集中的第i个属性在参与匹配的属性中所占的权重，且所有权重取值之和为1；sim(X_i，Y_i)表示案例X和Y在交集属性集中第i个属性上的局部相似度。

本发明采用专家设定权重的方法，可以提供专家设定权重的接口，并且设定后可以根据情况对权重进行修改、编辑。属性类别采用系统默认的方式，允许有权限的用户根据实际情况修改设置。

基于CBR的应急演练处置决策框架模型的指导思想是：搜索相似案例，根据匹配规则寻找相似案例，再调整处置措施，生成处置方案。对于匹配不成功的案例，则应用规则的集合生成处置方案。如果案例库中有相似案例，可以提高方案生成速度；如果没有找到相似案例，则生成新的案例，并加入到案例库中，随着案例库的逐渐扩充，系统性能会不断提高。

图2所示的是应急演练处置决策的框架结构图，它由7个部分组成。

(1)用户通过使用案例库管理系统(case-base management system，CBMS)来管理应急案例库。

(2)案例库(case-base，CB)中存放以往的应急案例，由案例库管理系统管理。案例可以由多个属性共同构成，可用集合来表达：C＝(C₁，C₂，……，C_n)，其中的属性C_i(I＝1，2，……，n)，又可以根据需要进一步细化为C_i＝(C_i1，C_i2，……，C_in)。按照这种属性结构，一个案例由多个层次的属性构成，整个案例库则由不同属性层次上的案例关联而成，形成一个类似于关系型数据库的应急处置决策案例库。

(3)思想库(KB)集成了决策判断的规则，通过归纳总结以规则形式存储在思想库中，思想库的知识即为案例相似度规则集合以及知识自学习系统归纳总结的知识。

(4)演练处置知识自学习系统，是在案例库中进行知识的归纳总结，生成诊断规则，优化后存入思想库中。

(5)报警系统是完成人机之间的交互工作，实现应急事件的信息标准化输入。

(6)知识推理机是系统的核心，它用来搜索案例、检验匹配度等，如果完全匹配当前的案例，则调出该案例的解决方案；如果案例匹配相似度大于或小于某一值，将不能实现完全匹配，则将思想库中的规则进行相应的调整，并把调整过程提供给决策指挥人员；如果案例库中没有相应案例，则应用思想库中规则生成方案，同时将方案生成过程提供给决策指挥人员。

(7)决策方案，是思想库中形成的各种案例的解决方案的集合，同时将解决方案提供给案例库管理系统。

通过推理过程生成应急处置方案，一方面应用到对紧急事件的应急处置，作为指导意见提供给用户，另一方面则作为新的案例加载到案例库中，可供以后应用和机器学习。

此处已经根据特定的示例性实施例对本发明进行了描述。对本领域的技术人员来说在不脱离本发明的范围下进行适当的替换或修改将是显而易见的。示例性的实施例仅仅是例证性的，而不是对本发明的范围的限制，本发明的范围由所附的权利要求定义。

Claims (3)

1.一种电力系统突发事件应急处理方法，其特征在于包括以下步骤：

一)根据电力系统中的应急案例中属性所含信息量和信息类型的不同，将应急案例中的属性归并为四大类型的属性：(1)确定数字属性值CN；(2)确定符号属性值CS；(3)模糊概念属性值FL；(4)模糊数FN或模糊区间属性值FI；

二)为避免传统最近相邻算法的属性值缺失问题，提出了基于结构相似度和属性相似度的双层结构的案例相似度计算方法，并分析应急案例的特征，为应急案例四大类型的属性分别设计了不同的结构相似度算法：

(1)结构相似度算法

假定应急案例的源案例a与目标案例b进行匹配，则结构相似度计算算法描述如下：

a)计算源案例a的所有的非空属性构成的集合，记为A；

b)计算目标案例b的所有非空属性构成的集合，记为B；

c)计算A与B的交集和并集，分别记为C和D；

d)计算交集C中所有属性的权重之和，记为w₁；

e)计算并集D中所有属性的权重之和，记为w₂；

f)案例a和b的结构相似度记为S，则作如下定义：

S＝w₁/w₂

结构相似度算法只计算源案例和目标案例的非空属性集的交集属性的相似度，即属性值为空的属性不参与相似度计算，从而有效地避免了属性值缺失问题；

(2)属性相似度算法

1)确定数字属性

采用基于海明距离公式演化而来的计算确定数值型属性的相似度方法，如下所示：

sim(X_i，Y_i)＝1-dist(X_i，Y_i)＝1-|x_i-y_i|/|max_i-min_i|

其中：

sim(X_i，Y_i)表示案例X和Y的第i个确定数字属性的相似度；x_i、y_i分别表示案例X和Y的第i个属性的值；max_i和min_i分别表示第i个属性的最大和最小值；每个CN类型的属性需要已知该属性的取值范围；

dist(Xi,Yi)表示案例X的第i个属性值与案例Y的第i个属性值在所有案例中的i属性数值中的相对差别程度，也即X与Y的第i个属性值相差的绝对值|Xi-Yi|，占所有案例数据的i属性中相差最大值(max i-min i)的比率(|Xi-Yi|/(max i-min i))，这个比率的范围是0～1；也即dist(Xi,Yi)＝|Xi-Yi|/(max i-min i)；如果dist(Xi,Yi)值越接近1，说明X的i属性值与Y的i属性值差距越大，反之则越小；

2)确定符号属性

确定符号属性值属于一种简单枚举值，它列举了该属性所有可能的取值，属性值之间不存在实际意义的量的关系，相似度计算式为：

$\mathrm{sim}(X_i,Y_i)=\left\{\begin{array}{cccc}1& x_i=y_i& \mathrm{or}& x_i\∈y_i\\ 0& x_i\≠y_i& & \end{array}\right.$

3)模糊属性

对于模糊概念属性值FL或模糊数FN或模糊区间FI的模糊属性，采用隶属函数来计算属性间的相似度；由于评价者对模糊概念的认同度有所差别，可采用百分制将这类模糊评价属性进行模糊处理；

基于隶属函数的相似度计算方法是通过计算两个隶属函数对应面积的重叠率作为模糊集合间的相似度，具体计算如下所示：

sim(x_i，y_i)＝A(x_i∩y_i)/A(x_i∪y_i)＝A(x_i∩y_i)/[A(x_i)+A(y_i)-A(x_i∩y_i)}

其中：A代表模糊集合的对应隶属函数的面积；x_i∩y_i·代表两个模糊集合的交；根据模糊属性的相似度算法可计算出模糊属性的相似度；

在传统的最近相邻算法的基础上得到案例的全局相似度计算公式：

$\mathrm{sim}(X,Y)=s\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{w}_i\mathrm{sim}(X_i,Y_i)$

其中：sim(X，Y)表示案例X和Y的案例全局相似度；S为案例的结构相似度；w_i为案例X和Y交集属性集中的第i个属性在参与匹配的属性中所占的权重，且所有权重取值之和为1；sim(X_i，Y_i)表示案例X和Y在交集属性集中第i个属性上的局部相似度。

2.如权利要求1所述的方法，其特征在于：采用专家设定权重的方法，提供专家设定权重的接口，并且设定后可根据情况对权重进行修改、编辑；属性类别采用系统默认的方式，允许有权限的用户根据实际情况修改设置。

3.一种使用权利要求1或2所述方法的应急演练处置决策系统，包括：

(1)案例库管理系统CBMS，用户通过使用案例库管理系统CBMS来管理案例库；

(2)案例库CB，其中存放以往的应急案例，由案例库管理系统进行管理；案例由多个属性共同构成，用集合来表达：C＝(C₁，C₂，…C_i…，C_n)，其中的属性C_i(i＝1,2，……，n)，根据需要进一步细化为C_i＝(C_i1，C_i2，……，C_in)；按照这种属性结构，一个案例由多个层次的属性构成，整个案例库则由不同属性层次上的案例关联而成，形成一个类似于关系型数据库的应急处置决策案例库；

(3)思想库KB，集成了决策判断的规则，通过归纳总结以规则形式存储在思想库中，思想库的知识即为案例相似度规则集合以及知识自学习系统归纳总结的知识；

(4)演练处置知识自学习系统，是在案例库中进行知识的归纳总结，生成诊断规则，优化后存入思想库中；

(5)报警系统，是完成人机之间的交互工作，实现应急事件的信息标准化输入；

(6)知识推理机，是系统的核心，它用来搜索案例和检验匹配度，如果完全匹配当前的案例，则调出该案例的解决方案；如果案例匹配相似度大于或小于某一值，将不能实现完全匹配，则将思想库中的规则进行相应的调整，并把调整过程提供给决策指挥人员；如果案例库中没有相应案例，则应用思想库中规则生成方案，同时将方案生成过程提供给决策指挥人员；

(7)决策方案模块，是思想库中形成的各种案例的解决方案的集合，同时将解决方案提供给案例库管理系统；

通过推理过程生成应急处置方案，一方面应用到对紧急事件的应急处置，作为指导意见提供给用户，另一方面则作为新的案例加载到案例库中，供以后进行应用和机器学习。