CN111313355B - 一种人工监督下的监控信号事件规则更新的方法 - Google Patents

Abstract

一种人工监督下的监控信号事件规则更新的方法，其特征是结合设备故障异常发生机理模型，在规定时间将所产生的监控信号事件分为故障跳闸事件和异常事件，通过建立一种可在人工监督下进行事件规则更新的规则库以用于区分监控信号形成对应事件,形成一套能够实现事件规则更新的方法。本发明能提高监控事件发现的效率和准确性。

Description

一种人工监督下的监控信号事件规则更新的方法

技术领域

本发明涉及一种电网监控技术，尤其是一种智能化电网故障监护技术，具体地说是一种人工监督下的监控信号事件规则更新的方法。

背景技术

随着电网的规模越来越大以及电网智能化水平的不断提升，接入调控机构实现集中监控的变电站、电网设备及告警信息数量持续增加，容易出现设备故障或异常漏判误判的情况，已无法适应当前形势下电网监控业务的更高要求。随着调控一体化的不断深入，调控人员面对的管控范围越来越大，信号量也越来越大。

从现有的研究成果来看，主要集中在两个方面，一是运用专家系统、遗传算法以及模糊集等人工智能分析算法，对调度端的告警信息进行分析处理，实现设备故障的在线诊断；另一方面是结合监控业务的特点，研究告警信息分层分类、推理分析和综合展示。上述研究对于改善调度自动化告警信息处理的智能化水平起到了重要作用，但无法很好的支撑电网运行。目前的方法是通过建立事件规则库，并利用事件规则库中的事件特征规则和事件规则对告警信息进行初步分类的基础上，应用深度学习算法，建立电网事件化分类模型，将实时告警信号监视、事故异常处理、监控远方操作、监控日常业务、大数据分析等多源数据转化为监控事件。到目前为止，这类方法对监控信号事件的规则更新往往都是通过人工去更新的，更新效率慢，当不同事件含有同种或同一个监控信号时，系统无法分清该监控信号属于哪一类事件，长期以往，必然会出现监控信号事件混淆的情况。

所以需要一种能够通过人工监督进行监控信号事件规则库的自我更新的方法，用来提高事件规则更新的效率，并且可以通过自我校核来判断监控信号规则的准确性，同时通过设置监控信号事件的优先级来保证监控信号所生成事件的唯一性。

发明内容

本发明的目的是针对现有的电网故障判定需通过人工更新，更新效率慢，且当不同事件含有同种或同一个监控信号时，系统无法分清该监控信号属于哪一类事件，易导致监控信号事件混淆情况的发生，影响电网故障判断处理效率的问题，发明一种人工监督下的监控信号事件规则更新的方法。它可以对已有的监控信号事件规则进行分析学习，摘取部分监控信号组成新规则或通过人工来进行新规则的补充，同时通过自我校核来判断监控信号规则的准确性，保证监控信号生成事件的唯一性。

本发明的技术方案是：

一种人工监督下的监控信号事件规则更新的方法，其特征是通过结合设备故障异常发生机理模型，在规定时间将所产生的监控信号事件分为故障跳闸事件和异常事件等。通过建立一种可在人工监督下进行事件规则更新的规则库以用于区分监控信号形成对应事件。

其实现步骤如下：

首先，通过间隔类型、设备电压等级和设备类别可将事件分成110kV母线故障、220kV母线故障、110kV线路故障和110kV主变故障等。

其次，建立监控信号事件规则库，根据事件触发的条件可以将信号划分为必要条件和非必要条件，再根据监控信号类型将必要条件和非必要条件中再次划分出与条件和或条件。

采集监控告警信号的后，基于监控信号事件分类及生成规则，对相应的告警信号进行合并，最终生成不同等级、不同类型的监控信号事件。

第三，针对每一次的分析过程均生成相应的分析日志，记录分析的监控告警信号，分析匹配的规则及事件结果，对于分析成功的提供分析过程，推理未成功的提供分析失败的原因。

第四，通过事实数据进行有监督(或无监督)学习得到的信息对事件规则库的补充，通过人工分析获取的信号集，判断该信号集是否能够组成新的监控信号事件，如果有新的事件生成则选取有效部分的监控信号来形成新的事件规则，这属于有监督学习方法。

第五，对信号集建立四维空间，研究已有事件信号集之间的距离，对信号进行筛选后，判断数据中是否含有远离这些事件点集的大量信号集，以确定是否有新规则的出现，这属于无监督学习方法。

第六，当一种信息出现概率更高的时候，表明它被引用的程度更高。我们可以认为，从信息传播的角度来看，可以使用权值来表示信息的价值。这样就有一个衡量信息价值高低的标准。权值的计算公式为：

H(x)＝E[I(xi)]＝E[log(2,1/p(xi))]＝-∑(p(xi)log(2,p(xi)))，(i＝1,2,..n)

其中，x表示随机变量，与之相对应的是所有可能输出的集合，定义为符号集,随机变量的输出用x种类表示。P(x)表示输出概率函数。变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大。

最后，可在人工监督模式下添加新的监控信号事件以及对应的事件形成规则，并且能够进行自我校核判断添加事件规则的准确性。

上述方法可分为三个层次：

第一层次是进行监控信号分类，包括：

结合设备故障异常发生机理模型，针对监控信号存在电压等级、所属间隔设备类型、严重等级、业务类别等信息将监控信号分为以下几类：

(1)变电站事故跳闸事件，这类事件的出现往往伴随着变电站的设备故障，需要监控人员第一时间关注并且及时处理，所以将事故跳闸事件作为最高级别的信号事件。

(2)异常事件，异常事件反映了变电站的所有设备的异常情况，需要监控人员进行进一步的判断，进而做出相应的处理，所以这类型号作为仅次于故障跳闸事件的高级别信号事件。

第二层次是监控信号事件规则定义，包括：

根据事件触发的条件可以将信号划分为必要条件和非必要条件，必要条件通常分为位置信号以及保护信号，位置信号指的是设备开关的分合闸信号，而保护信号则是该故障设备保护的动作信号，而非必要条件通常是一些告警信号和事故总信号等。不同类型的必要条件和非必要条件之间存在与逻辑关系，同时同一信号类型中的不同信号存在或逻辑关系，这些逻辑关系的存在构成了判定事件分类的规则。

第三层次是事件规则库的更新，包括：

针对每一次的分析过程均生成相应的分析日志，记录分析的监控告警信号，分析匹配的规则，分析得出的结果，对于分析成功的应提供分析后的分析过程，推理未成功的应提供分析失败的原因。并且对已有事件规则库进行评估，这里的评估指对于规则库中的事件信号集进行评价，判断是否有信号(比如伴随信号)不需要出现在规则库中。

本发明的有益效果是：

本发明通过结合设备故障异常发生机理模型，在规定时间将所产生的监控信号事件分为故障跳闸事件和异常事件等。通过对已经确定新事件的信号集，摘取部分信号组成新规则。还可以通过没有确定信号事件的信号数据，将信号按种类划分，选取其中信号量大的点集进行新规则评估。同时对信号集建立四维空间，研究已有事件信号集之间的距离，对信号进行筛选后，判断数据中是否含有远离这些事件点集的大量信号集，以确定是否有新规则的出现，通过人工将产生的新规则加入到事件规则库中。利用告警事件化推演技术，结合监控信息典型规范，替代大量的人工推理过程，以事件告警窗展示形式展现结果，提高监控事件发现的效率和准确性。

本发明可以对已有的监控信号事件规则进行分析学习，摘取部分监控信号组成新规则或通过人工来进行新规则的补充，同时通过自我校核来判断监控信号规则的准确性，保证监控信号生成事件的唯一性。

附图说明

图1是本发明的规则库表对应关系图。

图2是本发明的人工监督下的事件规则库自我更新流程图。

图3是本发明的事件发生权值更新流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1-3所示。

一种人工监督下的监控信号事件规则更新的方法，通过结合设备故障异常发生机理模型，在规定时间将所产生的监控信号事件分为故障跳闸事件和异常事件，建立一种可在人工监督下进行事件规则更新的规则库以用于区分监控信号形成对应事件,形成一套能够实现事件规则更新的方法。

具体措施包括：

一、结合设备故障异常发生机理模型，针对监控信号存在电压等级、所属间隔设备类型、严重等级、业务类别等信息，建立监控信号事件分类原则，作为监控信号事件的定义基础。监控信号事件分类主要包括但不限于以下几类：

(1)变电站事故跳闸事件；

(a)母线故障；

(b)线路故障；

(c)主变故障；

(d)容抗器故障；

(2)异常事件

二、规则库中事件对应的信号集种类分为必要信号和非必要信号，必要条件部分与非必要条件部分取一个比例系数来作为两个部分信息重要度划分标准，在各个部分中按照均分原则对于信号集各个条件进行划分，在各个条件内在对其中并列的信号进行重要度权值的考量。具体实现方法：

基本数据：事件M，具有信号条件集{}，条件具有信号集{βj}。

问题1实现：以下为计算信号β1的实现方法。

1.判断β1隶属的条件属性(必要非必要)，筛选出规则库中具有相同属性的信号集，计算β1在信号集中出现的频率γ，对于1/γ进行信息熵的计算，作为信号的重要度权值。

2.对于非必要条件的信号，需要乘系数再处理。

3.按照事件规则结构进行系数相乘。

监控信号事件规则库内包括事件表、与条件信号规则表、或条件信号规则表、信号表、触发信号表共5个表。

(1)事件表：事件表用于存放规则库中的事件集合，存放的数据分别是该事件的为事件编号、间隔编号、电压等级编号、设备编号和事件属性编号。

(2)与条件信号规则表：与条件信号规则表用于存放规则库中事件对应与条件信号规则集合，存放的数据分别是该与规则的与规则编号、事件编号、与条件信号顺序。

(3)或条件信号规则表：或条件信号规则表用于存放规则库中与条件规则对应的或条件信号集合,存放的数据分别是该与条件规则对应的或条件信号集合的或规则编号、与规则编号、信号编号、信号类型编号、或条件信号顺序。

(4)信号表：信号表用于存放所有的信号集合，存放的数据分别是该信号的序号、间隔编号、设备编号、信息编号、动作属性编号。

(5)触发信号表：触发信号表用于存放所有的触发信号集合即发生该事件的所需必要条件，存放的数据信息是该监控信号的信号编号，与条件规则编号和事件编号。

监控信号事件规则库的表关系如图1所示

三、针对事件规则库在人工监督下的自我更新，具体操作步骤如图2所示：

步骤101：获取电网监控信号，并对获取的监控信号进行事件化处理和分类，形成事件信号集。

步骤102：将获取的信号集与规则库中已存在的信号集进行对比，若是规则库存在该信号集则进行步骤103，如不存在则进行步骤104。

步骤103：对该信号集所对应的事件及规则进行权值更新，一般而言，当一种信息出现概率更高的时候，表明它被引用的程度更高。我们可以认为，从信息传播的角度来看，信息熵可以表示信息的价值。这样就有一个衡量信息价值高低的标准。计算公式：

H(x)＝E[I(xi)]＝E[log(2,1/p(xi))]＝-∑(p(xi)log(2,p(xi)))，(i＝1,2,..n)

其中，x表示随机变量，与之相对应的是所有可能输出的集合，定义为符号集,随机变量的输出用x种类表示。P(x)表示输出概率函数。变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大。

步骤104：可以通过人工检查该事件信号集的告警等级，选择是否需要定义该信号集的事件及规则并存入事件规则库，如果需要则进行步骤105，如果不需要则进行步骤106。

步骤105：定义该事件信号集的规则并存入规则库。

步骤106：对不重要的并且不需要存入规则库的信号集进行前台展示但不做任何特殊处理。

步骤107：根据事件的告警等级进行不同颜色标注并显示在前台界面。

四、针对信号事件的权值更新，具体操作流程如图3所示：

步骤201：获取电网监控信号，通对获取的监控信号进行事件化处理和分类，形成事件信号集，并且将发生的信号事件存入事件库中。

步骤202：遍历事件库中的信号事件。

步骤203：通过步骤103中的信息熵计算公式对事件库中的所有的事件进行权值计算。

步骤204：将事件库中的所有事件的权值进行更新。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims (5)

1.一种人工监督下的监控信号事件规则更新的方法，其特征是结合设备故障异常发生机理模型，在规定时间将所产生的监控信号事件分为故障跳闸事件和异常事件，通过建立一种可在人工监督下进行事件规则更新的规则库以用于区分监控信号形成对应事件,形成一套能够实现事件规则更新的方法；具体包括以下步骤：

首先，通过间隔类型、设备电压等级和设备类别将事件分成110kV母线故障、220kV母线故障、110kV线路故障和110kV主变故障；

其次，建立监控信号事件规则库，根据事件触发的条件将监控信号划分为必要条件和非必要条件，再根据监控信号类型将必要条件和非必要条件中再次划分出与条件和或条件；

采集监控告警信号，基于监控信号事件分类及生成规则，对相应的监控告警信号进行合并，最终生成不同等级、不同类型的监控信号事件；

第三，针对每一次的分析过程均生成相应的分析日志，记录分析的监控告警信号，分析匹配的规则，分析得出的结果，对于分析成功的应提供分析后的分析过程，推理未成功的应提供分析失败的原因；

第四，通过事实数据进行有监督学习，将学习得到的信息对事件规则库进行补充，通过人工分析获取的信号集，判断该信号集是否能够组成新的监控信号事件，如果有新的事件生成则选取有效部分的监控信号来形成新的事件规则；这属于有监督学习方法；

第五，对信号集建立四维空间，研究已有事件信号集之间的距离，对信号进行筛选后，判断数据中是否含有远离这些事件点集的大量信号集，以确定是否有新规则的出现，这属于无监督学习方法；

第六，当一种信息出现概率更高的时候，表明它被引用的程度更高；从信息传播的角度来看，使用权值来表示信息的价值，这样就有一个衡量信息价值高低的标准，权值的计算公式为：

H(x)＝E[I(xi)]＝E[log(2,1/p(xi))]＝-∑(p(xi)log(2,p(xi)))，(i＝1,2,..n)

其中，x表示随机变量，与之相对应的是所有可能输出的集合，定义为符号集,随机变量的输出用x种类表示；P(x)表示输出概率函数；变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大；

最后，在人工监督模式下添加新的监控信号事件以及对应的事件形成规则，并且能够进行自我校核判断添加事件规则的准确性。

2.根据权利要求1所述的方法，其特征是所述的监控信号事件主要包括：变电站事故跳闸事件:(a)母线故障；(b)线路故障；(c)主变故障；(d)容抗器故障。

3.根据权利要求1所述的方法，其特征是所述的规则库中事件对应的信号集种类分为必要信号和非必要信号，必要条件部分与非必要条件部分取一个比例系数来作为两个部分信息重要度划分标准，在各个部分中按照均分原则对于信号集各个条件进行划分，在各个条件内在对其中并列的信号进行重要度权值的考量；具体实现方法：基本数据：事件M，具有信号条件集{}，条件具有信号集{βj}。

4.根据权利要求1所述的方法，其特征是在人工监督模式下添加新的监控信号事件以及对应的事件形成规则步骤如下：

步骤101：获取电网监控信号，并对获取的监控信号进行事件化处理和分类，形成事件信号集；

步骤102：将获取的信号集与规则库中已存在的信号集进行对比，若是规则库存在该信号集则进行步骤103，如不存在则进行步骤104；

步骤103：对该信号集所对应的事件及规则进行权值更新，当一种信息出现概率更高的时候，表明它被引用的程度更高；并采用信息熵表示信息的价值，形成一个衡量信息价值高低的标准；计算公式：

H(x)＝E[I(xi)]＝E[log(2,1/p(xi))]＝-∑p(xi)log(2,p(xi))(i＝1,2,..n)

其中，x表示随机变量，与之相对应的是所有可能输出的集合，定义为符号集,随机变量的输出用x种类表示；P(x)表示输出概率函数；变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大；

步骤104：通过人工检查该事件信号集的告警等级，选择是否需要定义该信号集的事件及规则并存入事件规则库，如果需要则进行步骤105，如果不需要则进行步骤106；

步骤105：定义该事件信号集的规则并存入规则库；

步骤106：对不重要的并且不需要存入规则库的信号集进行前台展示但不做任何特殊处理；

步骤107：根据事件的告警等级进行不同颜色标注并显示在前台界面。

5.根据权利要求4所述的方法，其特征是针对信号事件的权值更新步骤为：

步骤201：获取电网监控信号，通对获取的监控信号进行事件化处理和分类，形成事件信号集，并且将发生的信号事件存入事件库中；

步骤202：遍历事件库中的信号事件；

步骤203：通过步骤103中的信息熵计算公式对事件库中的所有的事件进行权值计算；

步骤204：将事件库中的所有事件的权值进行更新。

Images