CN105468663A - 一种基于云模型的智能决策电网知识库的搭建方法 - Google Patents

Abstract

本发明公开了一种基于云模型的智能决策电网知识库的搭建方法包括：将电网知识分为七大模块，并将每个模块的知识粒度分为3级；基于云模型的电网知识表达方法，将不确定性电网知识由定性描述变为人工智易于处理的定量描述；基于云模型的数据挖掘技术，将云模型与神经网络相结合，实现数据挖掘技术处理不确定性知识的能力；建立基于云模型的智能决策电网知识库，为决策者提供辅助决策信息。本发明的电网知识库拥有辅助决策能力,将电网知识系统全面的分为7个模块，运用云模型将定性知识表达转变为定量知识表达，建立智能决策库可快速为工作人员提供电网运行所需相关知识。

Description

一种基于云模型的智能决策电网知识库的搭建方法

技术领域

本发明属于智能电网技术领域，具体是一种基于云模型的智能决策电网知识库的搭建方法。

背景技术

电力安全始终是电力运行的重中之重，为实现电力系统的经济安全运行，在目前电力系统的元件和自动装置可靠性一定的条件下，只能努力提高工作人员的业务水平。在电网技术高速发展的今天，新技术、新材料、新设备层出不穷，电网工作人员需及时更新知识，而时间有限；另一方面，当前培训形式不能适应电网企业组织需求和个人需求，而职工的技术水平与学习能力也参差不齐。使得少数职工的素质低下将对团队工作质量有较大影响，“木桶效应”较为突出；再者电力员工众多，每个人的语言习惯及表达方式各不相同，无形中加剧自然语言表达知识的不确定性，而云模型能够将自然语言的定性描述转化为机器易于理解的定量描述，所以运行云模型表达电网知识是一种非常好的选择。

因此，创立一种基于云模型的智能决策电网知识库的搭建方法，建立一个基于云模型的智能决策电网知识库，为工作人员日常工作提供相当的电网运行知识，辅助工作人员决策，进一步提高电网安全稳定运行裕度是非常有必要的。

发明内容

未解决上述技术问题，本发明的目的在于提供一种基于云模型的智能决策电网知识库的搭建方法，该方法通过建立基于云模型的智能决策电网知识库模型，将不确定性自然语言描述的电网知识转化为机器易于定量描述语言；建立智能决策库，为用户提供决策辅助；运用基于云数据挖掘技术提供全新决策信息（智能决策库中之前未存在的方案），并对智能决策库更新。

为实现上述目的，本发明提供了一种基于云模型的智能决策电网知识库的搭建方法，该方法具体包括如下步骤：

步骤A:根据电网运行的工作性质，将电网知识分为7大模块：设备台账模块，缺陷管理模块、检修管理模块、试验管理模块、培训管理模块、运行管理模块、备品备件管理模块。

步骤B:划分数据粒度。将每个模块的数据粒度分为专业短语、句子、段落三级。

步骤C:运用基于云模型的产生式规则表达电网知识。云模型将不确定性自然语言表达的定性知识转换为定量描述。再用产生式规则表达知识的逻辑关系。如ifPthenQ,P和Q事先均由正向云发生器模型处理。二维正向云发生器。

步骤D:建立基于云模型的数据挖掘规则，包括将云模型与神经网络相结合，建立云发生器与神经网络互联云，挖掘对用户有用的信息。该模型的优点是隶属度是由云发生器产生，这种方法不但具有神经网络的学习能力,而且结合了云理论处理知识的不确定性的能力,所以更加适用于复杂决策中的案例学习与知识挖掘。

步骤E:建立基于云模型的智能决策电网知识库。用户查询时，若有相对应的决策知识则直接输出给用户；若没有则通过数据挖掘找到最合适的决策知识反馈给用户并将新得到的决策知识存入智能决策电网知识库中，更新知识库。

本发明的有益效果：本发明的电网知识库拥有智能决策能力,包含了电网七种运行工作性质的知识，云模型可以去除自然语言表过的知识的不确定性，建立更精确的、拥有自我更新能力的智能决策库，可快速为工作人员提供相应的电网决策知识。

附图说明

下面结合附图，对本发明做进一步详细说明。

图1为本发明的流程图；

图2为本发明电网运行工作性质知识分类图；

图3为本发明采用的二维正向云发生器示意图；

图4为本发明采用的基于云模型的数据挖掘技术模型示意图。

具体实施方式

如图所示，下面以运用本发明方法设计的国网山东省电力公司潍坊供电公司“继电保护系统智能维护及运行知识库”为例，对本发明方法进行详细描述。

实施例一

步骤A:根据国网山东省电力公司潍坊供电公司电网运行的工作性质，将电网知识分为7大模块：设备台账模块，缺陷管理模块、检修管理模块、试验管理模块、培训管理模块、运行管理模块、备品备件管理模块，如图2所示。

下面以国网山东省电力公司潍坊供电公司“继电保护系统智能维护及运行知识库”中的培训管理模块进行说明，变电站综合自动化是将变电站的二次设备（包括测量仪表、信号系统、继电保护、自动装置和远动装置等）经过功能的组合和优化设计，利用先进的计算机技术、现代电子技术、通信技术和信号处理技术，实现对全变电站的主要设备和输、配电线路的自动监视、测量、自动控制和微机保护，以及与调度通信等综合性的自动化功能。

步骤B:划分数据粒度。将每个模块的数据粒度分为专业短语、句子、段落三级。专业术语={变电站综合自动化，二次设备，变电站，测量仪表，信号系统，继电保护，自动装置，远动装置，优化设计，计算机技术，现代电子技术，通信技术，信号处理技术，设备，输、配电线路，监视，测量，自动控制，微机保护，调度通信，自动化}；句子={二次设备包括测量仪表、信号系统、继电保护、自动装置和远动装置等。变电站综合自动化是将变电站的二次设备（经过功能的组合和优化设计。变电站综合自动化是利用先进的计算机技术、现代电子技术、通信技术和信号处理技术，实现对全变电站的主要设备和输、配电线路的自动监视、测量、自动控制和微机保护，以及与调度通信等综合性的自动化功能。}；段落=变电站综合自动化是将变电站的二次设备（包括测量仪表、信号系统、继电保护、自动装置和远动装置等）经过功能的组合和优化设计，利用先进的计算机技术、现代电子技术、通信技术和信号处理技术，实现对全变电站的主要设备和输、配电线路的自动监视、测量、自动控制和微机保护，以及与调度通信等综合性的自动化功能。

步骤C:运用基于云模型的产生式规则表达电网知识。因该段落为规范定义，专业术语较多，以术语“变电站综合自动化”为例进行说明。令P(变电站综合自动化)=P(变电站的综合自动化)=P(综自)=P(变电综自)=1存入电脑中，此举目的在于消息不同工作人员由不同语言习惯造成的语义模糊，实现定性到定量的转变。以此类推，句子：变电站综合自动化是利用先进的计算机技术、现代电子技术、通信技术和信号处理技术，实现对全变电站的主要设备和输、配电线路的自动监视、测量、自动控制和微机保护，以及与调度通信等综合性的自动化功能。可以由以下专业术语及术语的同义词（如变电站综合自动化及其同义）变电站综合自动化、计算机技术、现代电子技术、通信技术、信号处理技术、设备、输、配电线路的自动监视、测量、自动控制、微机保护、调度通信、自动化所唯一确定，由于不同个体的语言习惯存在差异，但这个定义中，所包含的关键术语含义是不会变的。通过对专业术语进行云模型表达从而实在句子的云模型表达。由对句子的云模型表达实在对段落的云模型表达，层层递进。

变电站综合自动化经二维云模型表达后，如图3所示，仍以变电站综合自动化为例，经二维云变换后d(x,y,z)=d(P(综自),隶属度u,所属模块)，隶属度u取其对某一产生式规则的确切隶属度。

步骤D:将经过二维云表达后的产生式规则知识，与成熟的神经网络相结合，实在智能推理，如图4所示，挖掘对用户有用的信息。

输入层：输入案例库的原始数据。

云发生器层：每个节点由一组二维云发生器组成，对于每个输入的，通过云发生器，得到输出检索最大隶属度。

隐含层：隶属度通过神经网络隐含层进行映射学习，采用非线性输出关系。

输出层：对应案例库中的原始数据按模块输出。

步骤E:建立基于云模型的智能决策电网知识库。用户查询时，若有相对应的决策知识则直接输出给用户；若没有则通过数据挖掘找到最合适的决策知识反馈给用户并将新得到的决策知识存入智能决策电网知识库中，更新知识库。

实施例二

步骤A:根据国网山东省电力公司潍坊供电公司电网运行的工作性质，将电网知识分为7大模块：设备台账模块，缺陷管理模块、检修管理模块、试验管理模块、培训管理模块、运行管理模块、备品备件管理模块，如图2所示。

下面以国网山东省电力公司潍坊供电公司“继电保护系统智能维护及运行知识库”中的设备台账模块进行说明。主变的设备台账包括以下22个方面：产品名称、产品型号、额定容量、额定电压、额定频率、相数、连接组号、绝缘水平、标准代号、高压电压、高压电流、低压电流、阻抗电压、冷却方式、使用条件、产品代号、总重、油重、出厂序号、制造日期、制造厂家、投运日期。

步骤B:划分数据粒度。设备台账模块因其特殊性，只需要将每个模块的数据粒度分为专业短语级别即可。专业术语={产品名称、产品型号、额定容量、额定电压、额定频率、相数、连接组号、绝缘水平、标准代号、高压电压、高压电流、低压电流、阻抗电压、冷却方式、使用条件、产品代号、总重、油重、出厂序号、制造日期、制造厂家、投运日期}。

步骤C:运用基于云模型的产生式规则表达电网知识。因设备台账内容规范固定且专业术语较多，以术语“产品名称”为例进行说明。令P(产品名称)=P(产品的名称)=P(主变名称)=P(主要大型变压器的名称)=1存入电脑中，此举目的在于消息不同工作人员由不同语言习惯造成的语义模糊，实现定性到定量的转变。以此类推，专业术语—产品型号、额定容量、额定电压、额定频率、相数、连接组号、绝缘水平、标准代号、高压电压、高压电流、低压电流、阻抗电压、冷却方式、使用条件、产品代号、总重、油重、出厂序号、制造日期、制造厂家、投运日期也用相同的方法处理。

主变设备台账经二维云模型表达后，如图3所示，仍以主变“产品名称”为例进行说明，经二维云变换后d(x,y,z)=d(P(综自),隶属度u,所属模块)，隶属度u取其对某一产生式规则的确切隶属度，这里将这一产生式规则定义为：设备台账之间的信息互相关联，当查询设备台账其中一个专业术语下所对应的信息时，其他专业术语所代表的信息也可以轻松链接过去。

步骤D:将经过二维云表达后的产生式规则知识，与成熟的神经网络相结合，实在智能推理，如图4所示，挖掘对用户有用的信息。

输入层：输入案例库的原始数据。

云发生器层：每个节点由一组二维云发生器组成，对于每个输入的，通过云发生器，得到输出检索最大隶属度。

隐含层：隶属度通过神经网络隐含层进行映射学习，采用非线性输出关系。

输出层：对应案例库中的原始数据按模块输出。

步骤E:建立基于云模型的智能决策电网知识库。用户查询时，若有相对应的决策知识则直接输出给用户；若没有则通过数据挖掘找到最合适的决策知识反馈给用户并将新得到的决策知识存入智能决策电网知识库中，更新知识库。

另外五个模块——缺陷管理模块、检修管理模块、试验管理模块、运行管理模块、备品备件管理模块，它们的基于云模型的智能决策电网知识表达方法与以上两个实施例相同，此处不再赘述。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种基于云模型的智能决策电网知识库的搭建方法，其特征在于，所述方法包括：

根据电网运行的工作性质，将电网知识分为7大模块，即设备台账模块，缺陷管理模块、检修管理模块、试验管理模块、培训管理模块、运行管理模块、备品备件管理模块；

为每个模块划分为三级数据粒度，即专业短语、句子、段落；

建立正向云模型，消除自然语言表达时电网运行知识的不确定性与模糊性；

建立云发生器-神经网络互联云模型，挖掘对用户有用的信息，基于云模型的数据挖掘技术学习能力,而且结合了云理论处理知识的不确定性的能力；

建立智能决策电网知识库，并具有自我更新能力。

2.根据权利要求1所述的基于云模型的智能决策电网知识库的搭建方法，其特征在于：专业短语包含整个行业都认可的术语与专业术语组成的短语。

3.根据权利要求1或2所述的基于云模型的智能决策电网知识库的搭建方法，其特征在于：云模型将不确定性自然语言表达的定性知识转换为定量描述，再用产生式规则表达知识的逻辑关系。

4.根据权利要求3所述的基于云模型的智能决策电网知识库的搭建方法，其特征在于，建立基于云模型的数据挖掘规则，包括将正向二维云模型与神经网络相结合，建立云发生器与神经网络互联云，挖掘对用户有用的信息。

5.根据权利要求4所述的基于云模型的智能决策电网知识库的搭建方法，其特征在于：建立基于云模型的智能决策电网知识库，用户查询时，若有相对应的决策知识则直接输出给用户；若没有则通过数据挖掘找到最合适的决策知识反馈给用户并将新得到的决策知识存入智能决策电网知识库中，更新知识库。