CN105930924A - 基于复杂事件处理技术和决策树的配电网态势感知方法 - Google Patents

Abstract

本发明涉及基于复杂事件处理技术和决策树的配电网态势感知方法，包括定义节点，根据节点规则和状态值生成决策树模型；获取决策树模型的输入数据；利用各节点相应公式计算获得输出数据；将各节点的输出数据与期望值进行对比，获取节点状态变化；确定决策树模型节点优先级，获得推理结果。通过上述方法大大提升了灾害条件下配电网处理海量信息、掌握关键态势的能力，为配电网应对自然灾害提供决策支持。

Description

基于复杂事件处理技术和决策树的配电网态势感知方法

技术领域

本发明涉及电力系统技术领域，具体涉及基于复杂事件处理技术和决策树的配电网态势感知方法。

背景技术

随着全球气候变化及其导致的自然灾害对配电网的影响日益凸显，提升配电网对灾害的态势感知能力成为一个重要的发展方向，需要面临和解决如下挑战：首先，配电网的规模越来越大，网络结构越来越复杂，设备故障、负荷变化等影响供电安全的不稳定因素越来越多；其次，随着国家对绿色清洁能源的大力支持，分布式电源、储能装置、电动汽车大规模接入电网，需求响应和双向潮流对配电网结构和运行管理产生重大影响；此外，配电网节点规模大，量测数据多，但由于成本等原因覆盖率却比较低、并且数据质量不佳。上述原因直接导致操作人员难以有效感知和掌控配电网各种状态及变化趋势，既影响着正常条件下的配电网可靠供电能力，也影响着灾害条件下对生命线用户的供电保障能力。

发明内容

为了解决上述问题，提供一种基于复杂事件处理技术和决策树的配电网态势感知方法，针对灾害条件下的配电网态势感知方法进行探索，为配电网应对自然灾害提供决策支持。

本发明的目的是采用下述技术方案实现的：

基于复杂事件处理技术和决策树的配电网态势感知方法，所述方法包括下述步骤：

(1)定义节点，使得每个节点均包含相应的指标、公式、规则和知识信息，以及定义节点的状态值范围及状态描述；

(2)根据节点规则和状态值生成决策树模型；

(3)获取决策树模型的输入数据；

(4)利用各节点相应公式计算获得输出数据；

(5)将各节点的输出数据与期望值进行对比，获取节点状态变化；

(6)确定决策树模型节点优先级，获得推理结果。

优选的，所述步骤(1)中，定义节点的方法包括以下步骤：将节点的相关参数定义为指标，包括输入指标、输出指标和常量指标，且每个公式仅包含一个输出指标；

所述节点包括一个或多个规则，所述规则包括一个或多个子规则，同一级的规则和子规则之间的逻辑关系仅包括逻辑或和逻辑与中任一种；

对于复杂的逻辑与或非关系组合，将其拆分为独立的逻辑或或者逻辑与的规则和子规则组合。

优选的，所述步骤(2)中，定义节点的状态值取值范围及状态描述具体包括：定义状态值范围true和/或false，通过选取其中任一种来描述不同的节点状态。

优选的，所述步骤(2)，根据节点规则和状态值生成决策树模型包括：定义节点下所有规则和子规则的状态值，通过节点的nextnode属性判断逻辑与/或，确定节点路径，自下而上递归获取规则和子规则的状态值分别为true/false时对应的上一级节点，生成用于配电网态势感知的决策树模型。

优选的，所述步骤(3)获取决策树模型的输入数据包括：定义各节点对应的指标名称，不同的指标名称代表不同的知识信息；依据指标名称将不同类型的配电网数据匹配到相应节点，并通过以下格式发送至服务器，存入输入指标历史数据表中；

public dataSend(String modelId,Map<String,Double>params,Date time)

其中,modelId为决策树模型id，params表示指标的key-value类型，time为有效时间。

进一步地，所述依据指标名称将不同类型的配电网数据匹配到相应节点包括下述步骤：

(a)接收用于显示各节点对应的指标名称和决策树模型ID的输入参数指标列表，将包含所述指标名称的配电网数据按照指定的参数文件格式进行存储并发送；

(b)启动决策树模型，通过监听程序定时读取文件，获得相关参数，并利用感知推理引擎将所述参数通过指标名称匹配方式发送至决策树模型。

优选的，所述步骤(4)中，利用各节点相应公式计算获得输出数据具体包括：在指标历史数据表中选取供决策树模型态势感知的输入数据；并调用推理法对决策树模型进行态势感知，利用各节点相应公式计算获得输出数据，实时更新节点状态。

进一步地，所述进行态势推理的约束条件包括：每次推理时，按照存入指标历史数据表的时间先后顺序选取一次数据，并为当前选取的数据记录添加状态数；

执行下一次感知推理时，选取的数据为前一次获取的数据对应的下一个时间延时数据；

对时间进行校验，包括：获取数据的有效性时间需在允许的误差范围时间段内，且下一次获取数据的有效性时间在上一次获取数据的有效性时间之后。

优选的，所述步骤(5)获取节点状态变化包括：当各节点的输出数据大于、小于、等于或不等于自定义的期望值时，则该输出数据对应规则下的同一级子规则的状态值为true，反之为false。

优选的，所述步骤(6)确定决策树模型节点优先级，获得推理结果包括：

根据决策树模型中每一个输出数据判断对应规则的状态值；其中，所述输出数据为对应规则下的同一级子规则的状态值；为节点设置规则校验逻辑，所述节点下的每一个规则包含一个或多个子规则，

若将规则校验逻辑设为逻辑与，则该节点下的同一级规则/子规则均取逻辑与；若设为逻辑或，则该节点下的同一级规则/子规则均取逻辑或，通过判断逻辑与/或，确定节点优先级，自上而下逐级获得节点状态值；并将顶级的节点状态值定义为推理结果。

与现有技术比，本发明达到的有益效果是：

本发明以灾害应急响应为目标，以知识推理方法为主要思路，提出灾害条件下的配电网态势感知方法，该方法基于复杂事件处理的知识推理，并考虑灾害与“源网荷”的配电网态势感知框架；有助于提升灾害条件下配电网处理海量信息、掌握关键态势的能力，为配电网应对自然灾害提供决策支持。

利用本发明提出的配电网态势感知方法,从而提高了电力知识的采集能力、管理能力、态势感知推理预测能力、重大电力灾害的决策能力和防御能力,降低了工作成本,节约开支,有效利用各种资源,使信息和知识在各部门自由流通，主要效果包含以下几点：

1)通过引入本体知识领域模型，对系统进行设计可以在知识和信息的收集、处理、标识存储等过程中解决语义异构的问题,通过建立领域本体来丰富相关领域的概念,揭示这些概念之间的关系。这样可以使工作人员对相关概念有更加深刻、正确的理解,彻底改变以往系统中存在的模糊语义。

2)基于本体的配电网态势感知知识库系统可以以最快的速度将知识传递给最需要的人,同时还可以提高检索的查准率和查全率。

3)基于本体的配电网态势感知知识库的建立可以建立基于知识的感知规则库,为态势感知和灾害预测提供知识支撑，提高决策的准确性,降低风险,使电科院在领域内占据主导地位。

4)随着今后该体系的完善,可以使每个工作人员在工作和学习当中增加知识和技能,使信息和知识可以在所有部门自由流通,通过知识的创新和重组,使知识进一步增值。

总之基于本体的配电网态势感知方法的配电网知识库可以对知识进行有效管理的同时,有助于形成良好的知识沉淀，同时对于配电网态势感知推理预测研究和灾害防御决策等等起到重要的作用。

附图说明

图1为本发明提出的配电网态势感知计算方法流程图；

图2为本发明提出的配电网态势感知推理方法流程图；

具体实施方式

本发明涉及一种基于复杂事件处理技术和决策树的配电网态势感知方法，其中：

态势感知即在特定的时空环境下感知某个或某些元素，理解其含义，并对其未来发展趋势进行预测。而配电领域的态势感知是指在快速时变的环境下，操作人员对配电网的当前状态及其变化趋势的认知。这一感知过程涉及大量变量，包括配电网络拓扑、开关遥信、遥测信息(电压、电流、有功、无功)、设备信息(设备参数、温度、过载等)等情况。这些变量每秒都在变化，大量复杂关联且时变的数据已超出操作人员处理信息的能力。在没有态势感知系统提供支持的情况下，操作人员不得不部分借助历史经验而部分依靠猜测来判断系统态势(当前状态和未来变动趋势)，存在失控风险，特别是在灾害情况下，配电网的数据变化更加难以理解和控制，因此，态势感知要解决的问题就是“当操作人员需要某个信息时，从海量信息中找到所需的关键信息，或主动为操作人员提供关键信息”。

态势感知的概念框架包含三个环节：数据获取与处理、理解与预测：数据获取与处理，即从多源系统在线获得原始数据，并对数据进行筛选、整理；理解，即对数据进行解析，采用计算、映射、推理等方法，将数据转换为当前态势的过程；预测：基于理解的结果，对配电网状态进行感知和预警，以及对状态的演化趋势做出判断。

态势感知方法正在各领域得到认可和应用，军事、网络安全、电力系统等领域已经出现了相关专利，但在配电网领域，特别是在配电网应对自然灾害这个急需态势感知技术的应用领域，专利仍为空白，在自然灾害预警方面，现有技术都是单一的风险计算，没有形成态势推演模式。因此，现有技术和专利对本专利的申请不构成影响。

如图1所示，本发明提出的方法步骤具体包括：

(1)定义节点，使得每个节点均包含相应的指标、公式、规则和知识信息，以及定义节点的状态值范围及状态描述；步骤(1)中，定义节点的方法包括以下步骤：将节点的相关参数定义为指标，包括输入指标、输出指标和常量指标，且每个公式仅包含一个输出指标；

所述节点包括一个或多个规则，所述规则包括一个或多个子规则，同一级的规则和子规则之间的逻辑关系仅包括逻辑或和逻辑与中任一种；

对于复杂的逻辑与或非关系组合，将其拆分为独立的逻辑或或者逻辑与的规则和子规则组合。

(2)根据节点规则和状态值生成决策树模型；

步骤(2)中，定义节点的状态值取值范围及状态描述具体包括：定义状态值范围true和/或false，通过选取其中任一种来描述不同的节点状态。

根据节点规则和状态值生成决策树模型包括：定义节点下所有规则和子规则的状态值，通过节点的nextnode属性判断逻辑与/或，确定节点路径，自下而上递归获取规则和子规则的状态值分别为true/false时对应的上一级节点，生成用于配电网态势感知的决策树模型。

(3)获取决策树模型的输入数据；

定义各节点对应的指标名称，不同的指标名称代表不同的知识信息；依据指标名称将不同类型的配电网数据匹配到相应节点：

(a)接收用于显示各节点对应的指标名称和决策树模型ID的输入参数指标列表，将包含所述指标名称的配电网数据按照指定的参数文件格式进行存储并发送；

(b)启动决策树模型，通过监听程序定时读取文件，获得相关参数，并利用感知推理引擎将所述参数通过指标名称匹配方式发送至决策树模型。

并且，通过以下格式发送至服务器，存入输入指标历史数据表中；

public dataSend(String modelId,Map<String,Double>params,Date time)

其中,modelId为决策树模型id，params表示指标的key-value类型，time为有效时间。

(4)利用各节点相应公式计算获得输出数据；在指标历史数据表中选取供决策树模型态势感知的输入数据；并调用推理法对决策树模型进行态势感知，利用各节点相应公式计算获得输出数据，实时更新节点状态。其中，推理法即知识推理，依据一定的推理规则从已有的数据中推导出结论的过程。在配电网领域中，进行知识推理的推理规则实现过程为：(1)建立规则本体知识；(2)为规则增加指标，维护指标名称、初始值、描述信息；(3)为规则增加公式，维护公式，设置公式输入参数对应指标和输出参数对应指标；(4)为规则绑定子规则，从规则库中选取已有的规则。

态势推理的约束条件包括：每次推理时，按照存入指标历史数据表的时间先后顺序选取一次数据，并为当前选取的数据记录添加状态数；如第一次执行态势感知过程选取的数据的状态数为1，第二次执行态势感知过程选取的数据的状态数为2，以此类推。

执行下一次感知推理时，选取的数据为前一次获取的数据对应的下一个时间延时数据；

对时间进行校验，包括：获取数据的有效性时间需在允许的误差范围时间段内，且下一次获取数据的有效性时间在上一次获取数据的有效性时间之后。

(5)将各节点的输出数据与期望值进行对比，获取节点状态变化；

当各节点的输出数据大于、小于、等于或不等于自定义的期望值时，则该输出数据对应规则下的同一级子规则的状态值为true，反之为false。

(6)确定决策树模型节点优先级，获得推理结果。

根据决策树模型中每一个输出数据判断对应规则的状态值；其中，所述输出数据为对应规则下的同一级子规则的状态值；为节点设置规则校验逻辑，所述节点下的每一个规则包含一个或多个子规则，

若将规则校验逻辑设为逻辑与，则该节点下的同一级规则/子规则均取逻辑与；若设为逻辑或，则该节点下的同一级规则/子规则均取逻辑或，通过判断逻辑与/或，确定节点优先级，自上而下逐级获得节点状态值；并将顶级的节点状态值定义为推理结果。

对于特殊规则，如某个指标要对其输入数据判断10000次，其中校验成功80％才算合格，需要在节点层面上做出特殊化处理，设置相应属性进行判断：如标记节点为“特殊规则校验节点”，“规则校验成功率”，“校验基数”，“目前进度”等属性；

当推理引擎遇到特殊规则校验节点，则进入程序控制的另一套推理逻辑，推理未结束时节点状态一直处于“正在推理”状态，只有推理结束才标记推理结果。

所述特殊规则的约束条件包括：

(1)概率型规则。概率型规则是指某个指标检验合格的次数要满足一定的概率。如某个指标要对其来源数据判断10000次，其中满足规则条件的数据的次数占到来源数据的80％，即至少达到8000次才算合格。在算法中可以定义三个变量count1,count2,q。其中count1表示目前检测到的来源数据的次数，每次来源一个数据count1就加1；count2表示目前检测到的来源数据中满足规则条件的次数，每次来源的数据如果满足规则条件count2就加1，如果不满足规则条件count2的值则保持不变；q表示目前检验成功的概率，则q＝count2/count1。

(2)持续型规则。持续型规则是指某个指标检验合格的次数要连续达到一定的数值。如某个指标要对其来源数据判断10000次，其中满足规则条件的数据的次数连续达到8000次才算合格。在算法中可以定义三个变量count1,count2,q。其中count1表示目前检测到的来源数据的次数，每次来源一个数据count1就加1；count2表示目前检测到的来源数据中满足规则条件的次数，每次来源的数据如果满足规则条件count2就加1，如果不满足规则条件count2的值则清零；q表示目前检验成功的概率，则q＝count2/count1。

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 (10)

1.基于复杂事件处理技术和决策树的配电网态势感知方法，其特征在于，所述方法包括下述步骤：

(1)定义节点，使得每个节点均包含相应的指标、公式、规则和知识信息，以及定义节点的状态值范围及状态描述；

(2)根据节点规则和状态值生成决策树模型；

(3)获取决策树模型的输入数据；

(4)利用各节点相应公式计算获得输出数据；

(5)将各节点的输出数据与期望值进行对比，获取节点状态变化；

(6)确定决策树模型节点优先级，获得推理结果。

2.如权利要求1所述的方法，其特征在于，所述步骤(1)中，定义节点的方法包括以下步骤：将节点的相关参数定义为指标，包括输入指标、输出指标和常量指标，且每个公式仅包含一个输出指标；

所述节点包括一个或多个规则，所述规则包括一个或多个子规则，同一级的规则和子规则之间的逻辑关系仅包括逻辑或和逻辑与中任一种；

对于复杂的逻辑与或非关系组合，将其拆分为独立的逻辑或或者逻辑与的规则和子规则组合。

3.如权利要求1所述的方法，其特征在于，所述步骤(2)中，定义节点的状态值取值范围及状态描述具体包括：定义状态值范围true和/或false，通过选取其中任一种来描述不同的节点状态。

4.如权利要求1所述的方法，其特征在于，所述步骤(2)根据节点规则和状态值生成决策树模型包括：定义节点下所有规则和子规则的状态值，通过节点的nextnode属性判断逻辑与/或，确定节点路径，自下而上递归获取规则和子规则的状态值分别为true/false时对应的上一级节点，生成用于配电网态势感知的决策树模型。

5.如权利要求1所述的方法，其特征在于，所述步骤(3)获取决策树模型的输入数据包括：定义各节点对应的指标名称，不同的指标名称代表不同的知识信息；依据指标名称将不同类型的配电网数据匹配到相应节点，并通过以下格式发送至服务器，存入输入指标历史数据表中：

public dataSend(String modelId,Map<String,Double>params,Date time)；

其中,modelId为决策树模型id，params表示指标的key-value类型，time为有效时间。

6.如权利要求5所述的方法，其特征在于，所述依据指标名称将不同类型的配电网数据匹配到相应节点包括下述步骤：

(a)接收用于显示各节点对应的指标名称和决策树模型ID的输入参数指标列表，将包含所述指标名称的配电网数据按照指定的参数文件格式进行存储并发送；

(b)启动决策树模型，通过监听程序定时读取文件，获得相关参数，并利用感知推理引擎将所述参数通过指标名称匹配方式发送至决策树模型。

7.如权利要求1所述的方法，其特征在于，所述步骤(4)中，利用各节点相应公式计算获得输出数据具体包括：在指标历史数据表中选取供决策树模型态势感知的输入数据；并调用推理法对决策树模型进行态势感知，利用各节点相应公式计算获得输出数据，实时更新节点状态。

8.如权利要求7所述的方法，其特征在于，所述进行态势推理的约束条件包括：每次推理时，按照存入指标历史数据表的时间先后顺序选取一次数据，并为当前选取的数据记录添加状态数；

执行下一次感知推理时，选取的数据为前一次获取的数据对应的下一个时间延时数据；

对时间进行校验，包括：获取数据的有效性时间需在允许的误差范围时间段内，且下一次获取数据的有效性时间在上一次获取数据的有效性时间之后。

9.如权利要求1所述的方法，其特征在于，所述步骤(5)获取节点状态变化包括：当各节点的输出数据大于、小于、等于或不等于自定义的期望值时，则该输出数据对应规则下的同一级子规则的状态值为true，反之为false。

10.如权利要求1所述的方法，其特征在于，所述步骤(6)确定决策树模型节点优先级，获得推理结果包括：

根据决策树模型中每一个输出数据判断对应规则的状态值；其中，所述输出数据为对应规则下的同一级子规则的状态值；为节点设置规则校验逻辑，所述节点下的每一个规则包含一个或多个子规则，

若将规则校验逻辑设为逻辑与，则该节点下的同一级规则/子规则均取逻辑与；若设为逻辑或，则该节点下的同一级规则/子规则均取逻辑或，通过判断逻辑与/或，确定节点优先级，自上而下逐级获得节点状态值；并将顶级的节点状态值定义为推理结果。