CN114676791A - 一种基于模糊证据推理的电力系统告警信息处理方法 - Google Patents
一种基于模糊证据推理的电力系统告警信息处理方法 Download PDFInfo
- Publication number
- CN114676791A CN114676791A CN202210383282.2A CN202210383282A CN114676791A CN 114676791 A CN114676791 A CN 114676791A CN 202210383282 A CN202210383282 A CN 202210383282A CN 114676791 A CN114676791 A CN 114676791A
- Authority
- CN
- China
- Prior art keywords
- alarm
- alarm information
- fault
- information
- theta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 17
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 3
- 241000287196 Asthenes Species 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004224 protection Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- -1 hydrogen Chemical class 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Power Engineering (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于模糊证据推理的电力系统告警信息处理方法,将智能变电站中的多源告警信息进行划分,并通过格式标准化、合并同类信息及数据清洗等预处理方法消除数据冗余。随后将预处理后的告警信息模糊化,将多源异构的信息统一化,利用余弦相似度算法分析多个设备之间的相似度,得到符合要求的故障证据集以减少误报对最后故障分析的影响。本发明方法能够有效消除数据冗余,减少误报信息的影响,有效解决单个设备告警信息误报、漏报的问题,提高了现场工作人员根据告警信息定位故障的效率和准确性。
Description
技术领域
本发明属于电力系统故障诊断技术领域,尤其是一种基于模糊证据推理的电力系统告警信息处理方法。
背景技术
近年来,随着科学技术的不断发展及管理体系的不断优化,电力工业生产模式正发生重大变革。为适应变电站无人值守新形势,提高变电站运维技术水平和运行管理水平,各地区陆续开展和实施无人值守变电站及管控中心的建设和改造。传统变电站设备运行监视业务被纳入调控机构统一管理,海量的监控告警信息给监控运行人员带来了极大的不便。主要表现为:
(1)海量告警信息在提供丰富信息的同时,也会带来过多的冗余信息,运维人员难以快速寻找到关键故障信息确定故障点,增加了现场工作人员的工作量。
(2)过多的告警信息也可能会导致工作人员遗漏部分关键告警信息,使故障得不到及时的检修处理。
(3)由于智能站中设备自检、设备状态、通信链路等问题,各个设备产生的告警信息,存在信息错报、漏报等现象,增加了现场工作人员的工作负担。
目前关于告警信息处理的研究大多是针对通信系统的,而针对电力系统告警信息处理的研究还比较少。目前现有技术中存在应用模糊综合评价的方法,其设计了一种智能变电站高可视化分析平台,通过对变电站内部异常告警信息进行严重程度划分,实现“智能化告警”。该方法只能对告警信息进行分类处理,并根据严重程度安排检修处理,无法通过告警信息辅助判断故障位置,缓解现场工作人员工作压力。同时现有技术中还有技术将告警信息按照紧急程度进行分类,通过对智能变电站的网络拓扑分析及信息关联、智能推理进行故障告警。但没有消除告警信息中的冗余信息,提高现场工作人员的处理速度。另外其余技术通过对关键信息进行逻辑关联,形成完整的逻辑事故分析链,从而在海量的告警信息中生成综合智能告警信息。但是上述所有现有技术并未考虑各个设备发出的告警信息可能存在错报或漏报的情况,降低了综合智能告警信息的准确性。
发明内容
本发明的目的在于克服现有技术的不足,提出一种基于模糊证据推理的电力系统告警信息处理方法,能够在消除告警数据冗余的基础上,有效解决单个设备告警信息误报、漏报的问题,提高了现场工作人员根据告警信息定位故障的效率和准确性。
本发明解决其技术问题是采取以下技术方案实现的:
一种基于模糊证据推理的电力系统告警信息处理方法,包括以下步骤:
步骤1、将电力系统中设备的告警信息进行分类,并对分类的告警信息进行预处理;
步骤2、对预处理后的告警信息中的单一设备告警信息进行处理,得到单一设备告警信息对故障的隶属度集合;
步骤3、对多种设备告警信息隶属度集合进行相似度匹配分析,并上传最后的分析情况填补扩充故障特征库。
而且,所述步骤1中分类的告警信息包括:瞬断告警、重复告警、工程告警、伴随告警和根源告警。
而且,所述步骤1预处理包括:标准化告警信息格式、合并同类信息和清洗无用信息。
而且,所述标准化告警信息格式的具体实现方法为:选取若干关键属性标准化告警信息格式Alarm,其中关键属性包括:告警位置Alarm_Location、告警设备Alarm_Source、告警描述Alarm_Descripty、告警状态Alarm_State、动作时间Alarm_Action、复归时间Alarm_Return和告警时间Alarm_Time。
而且,所述合并同类信息采用滑动窗口实现,包括以下步骤:
步骤1.1、当产生新的告警信息Alarmi时,移除窗口中所有动作时间差值大于窗口值的告警信息Alarmj;
步骤1.2、将新产生的告警信息Alarmi按照动作的先后顺序与实践窗口中的告警信息Alarmk匹配;
步骤1.3、判断两个告警信息的告警位置、告警设备、告警描述、告警状态是否一致,若一致则将两条告警信息合并压缩,并且合并压缩告警信息的动作时间为最早开始告警的时间,复归时间为最晚结束告警的时间,否则保留两条告警信息。
而且,所述清洗无用信息的具体实现方法为:将告警信息中告警时间小于T2的告警信息判断为瞬断告警,将告警描述中存在“检修”字样的告警信息判断为工程告警,并且将此类信息进行清洗移除。
uA={uA(θ1),uA(θ2),···,uA(θi)}
使用S型隶属度函数作为故障θi的告警信息的隶属度函数:
其中,a和b分别为S型隶属度函数图像的上下两个拐点;fA(θi)为故障θi的告警信息的隶属度;uA(θi)为设备A对故障类型θi的支持度,通过隶属度函数计算设备A对不同故障支持度的模糊隶属度,得隶属度集合fA={fA(θ1),fA(θ2),···,fA(θi)},
使用归一化算法将数据尺度统一,将有量纲的表达式转换为无量纲:
其中,fA(θi)为故障θi的告警信息的隶属度;∑fA为故障特征集中所有故障告警信息的隶属度和;m(fA(θi))为归一化后故障θi的告警信息的隶属度。
而且,所述步骤3的具体实现方法为:使用余弦相似度算法对多源告警信息相似度进行计算:
其中,dAB为由于同一种故障造成设备A和设备B发出多种告警信息的相似度,相似度越高则发生此类故障概率越高;m(fA(θi))和m(fB(θj))均为归一化后某一设备对某种故障的隶属度,将所有符合要求的告警信息集表示为:
其中,δ为证据相似度阈值,对告警信息集进一步计算,得到该告警信息集支持某一故障的概率p(θi)为:
其中,∑u为告警信息集中告警对所有故障的支持度之和,u(θi)为设备告警对故障θi的支持度,根据概率p(θi)得到有效且可信的故障告警信息集,上传并填补扩充故障特征库。
本发明的优点和积极效果是:
本发明通过采集智能变电站各个设备的告警信息,经过数据预处理后将其与故障特征库进行故障特征匹配,然后通过隶属度函数对告警信息进行模糊隶属度计算,再对每个设备的模糊隶属度进行归一化处理,此时对于各个设备的告警信息具有相同的数据格式。格式统一后,还需利用余弦相似度算法分析设备之间的证据相似度,得到符合要求的故障特征集,最后通过分析证据集判断其属于哪种类型的故障。本发明方法能够有效消除数据冗余,减少误报信息的影响,有效解决单个设备告警信息误报、漏报的问题,提高了现场工作人员根据告警信息定位故障的效率和准确性。
附图说明
图1为本发明的流程图。
具体实施方式
以下结合附图对本发明做进一步详述。
一种基于模糊证据推理的电力系统告警信息处理方法,如图1所示,包括以下步骤:
步骤1、将电力系统中设备的告警信息进行分类,并对分类的告警信息进行预处理。
智能站中的告警一般是指由于设备工作过程中检测到无法正常完成相应功能而发出的一种提示性信息,如“A线路第一套合并单元装置故障”、“A线路第一套合并单元对时异常”等。告警信息可能是由于故障产生的,也可能是由于系统振荡出现的短暂异常而后立刻恢复引起的,也有可能是由于设备检修等外在因素造成的。由于影响因素不同,告警信息的种类也各有不同,为便于后续信息处理,本发明根据可能引发告警的原因将告警信息分为以下几类:
⑴、瞬断告警:由于装置本身存在的某些问题或电力系统振荡,造成装置发出、接收信号异常或线路断路器跳闸后又迅速闭合恢复至正常状态(主要表现为线路瞬时故障,重合闸),导致产生大量告警信息。但这种瞬时的异常状态持续时间极短,对整个电力系统状态不会产生太大的影响,因此检修人员不需要对瞬断告警进行任何处理。目前电力系统运行过程中瞬断告警占据了极大的比重,当瞬断告警与其他告警信息混杂在一起时,造成不易判断并处理真正发生故障、需立即处理的告警信息。
⑵、重复告警:当一个故障持续时间过长,导致在多个检测周期内都会检测到相同的系统异常状态,从而上报多条相同的告警信息。对于重复告警,一条告警信息与同一时间段内多条告警分析工作是一致的,因此,可将规定时间内产生的多条重复信息合并为一条告警信息,如[A,A,A,……,A]→A。
⑶、工程告警:由于装置检修或项目施工需要暂停设备使用等外界人为因素影响而引发的一系列告警情况。该情况不属于故障引发的告警,也会对判断故障告警产生影响,需要滤除。
⑷、伴随告警:由于电力系统中的设备都存在着通信上或者逻辑上的相互联系,当其中一个设备发出告警时,就会引起与其相联系的其他设备告警,即告警传播。
⑸、根源告警:在没有人为干预的情况下,电力系统中的设备或线路由于自身发生故障而导致的告警信息,如“110kV母联保护CT断线”、“1号主变本体测控装置故障”等告警信息。根源告警信息能够体现电力系统的状态情况,根据它可以追溯到系统故障产生的根本原因,因此根源告警信息将是多种告警信息中最需要处理的信息。本发明告警分析的目的就是从大量种类混杂的告警信息中找出根源告警,并根据相关伴随告警计算模糊隶属度,减少“假”告警的干预,从而实现故障定位。
由于智能站中告警信息数目庞大且种类混杂,因此在搜寻“真”根源告警信息前需要对智能站中的告警信息进行预处理,即可节约存储空间,也可提高后续运行速度。本步骤中预处理包括:标准化告警信息格式、合并同类信息和清洗无用信息。
标准化告警信息格式的具体实现方法为:由于告警信息在上传过程中存在非同步性、来源不一致性以及时效性等问题,导致上传的告警信息的格式不一致,不便于后续的处理。本发明为了提高告警信息的通用性和扩展性,选取7种关键属性将告警信息格式标准化,即可将告警信息的格式表示为Alarm,其中关键属性包括:告警位置Alarm_Location、告警设备Alarm_Source、告警描述Alarm_Descripty、告警状态Alarm_State、动作时间Alarm_Action、复归时间Alarm_Return和告警时间Alarm_Time,选取的7种关键属性能够形成方便分析处理的数据集。
如表1所示,告警数据包含7个关键属性。“告警位置Alarm_Location”用于描述告警具体所在线路(主变);“告警设备Alarm_Source”是发生告警的设备名称;“告警描述Alarm_Descripty”是描述性的长文本,通常包含描述具体事故或者异常状态;“告警状态Alarm_State”表示告警的状态,通常包括告知告警、异常告警、越限告警、变位告警以及事故告警;“动作时间Alarm_Action”表示告警开始时间;“复归时间Alarm_Return”表示告警结束时间(用于筛选瞬断告警,若无以“/”表示);“告警时间Alarm_Time”表示告警持续时间。
表1告警信息表示示例
虽然已标准化所有多源异构的告警信息,但是同一种故障(振荡)在某一时刻可能在某一设备产生重复的告警信息,造成数据冗余。为避免后续重复处理,在处理分析告警信息之前还要合并同类信息,即在规定时间段内将多条重复告警信息压缩合并为一条告警信息。本发明采用滑动窗口实现合并同类信息,消除重复信息,包括以下步骤:
步骤1.1、当产生新的告警信息Alarmi时,移除窗口中所有动作时间差值大于窗口值的告警信息Alarmj,(本发明取T1=60s,即前后告警时间间隔小于60s的同类型告警信息为重复告警)的告警信息,即若(Alarmi_Action-Alarmj_Action)>T1,则将告警信息Alarmj从时间窗口中消除。
步骤1.2、将新产生的告警信息Alarmi按照动作的先后顺序与实践窗口中的告警信息Alarmk匹配;
步骤1.3、判断两个告警信息的告警位置、告警设备、告警描述、告警状态是否一致,若一致则将两条告警信息合并压缩,即若存在(Alarmi_Location==Alarmk_Location)&&(Alarmi_Source==Alarmk_Source)&&(Alarmi_Descripty==Alarmk_Descripty)&&(Alarmi_State==Alarmk_State),则并且合并压缩告警信息的动作时间为最早开始告警的时间,复归时间为最晚结束告警的时间,否则保留两条告警信息。
清洗无用信息的具体实现方法为:虽然将重复告警已合并同类信息的形式去除,但现有信息集中仍存在大量无用信息(主要表现为瞬断告警与工程告警),占据大量存储空间,并制约后续运算速度。因此,在分析告警数据签还需去除这些无用告警信息。在本发明中,将告警时间小于T2的告警信息作为瞬断告警,将告警描述中存在“检修”字样的告警信息作为工程告警,即若存在(Alarmi_Time<T2)||(Alarmi_Descripty==“检修”),则将Alarmi移出数据集。
步骤2、对预处理后的告警信息中的单一设备告警信息进行处理,得到单一设备告警信息对故障的隶属度集合。当智能变电站某一部分出现振荡、故障等不正常运行状态时,可能引发该部分设备、相关联部分设备发生运行错误,从而产生大量的告警信息。一般情况下,习惯上将“0”和“1”表示为某件事情是否发生。然而,针对本发明提出的甄别根源告警信息正误这种情况,即伴随告警信息与其产生的根源信息是一种模糊的、多对一的关系,采用“0”和“1”来判断该情况比较绝对和片面。由此,本发明结合模糊隶属度算法提出采用0到1之间的任意数来表示事情发生概率,对告警进行模糊相关性分析,实现告警的精确描述与定位,解决告警信息误报的问题。
若对论域U中的任意元素u,都存在数uA(u)∈[0,1]与之对应,则称A为U上的模糊集,uA(u)称为u对A的隶属度,可表示为:
uA:U→[0,1]
u→uA(u)
当u在U中变动时,uA(u)就是一个函数,称为模糊集A的隶属函数。当隶属函数uA(u)越接近于1时,表示u属于A的程度越高;uA(u)越接近于0时,表示u属于A的程度越低。
故障特征库中的故障类型集合为Θ={θ1,θ2,···,θn},并将某一设备A的告警信息集表示为eA={e1,e2,···,eNA},则设备告警对故障θi的支持度为:
uA={uA(θ1),uA(θ2),···,uA(θi)}
告警信息经过预处理后,需确定模糊隶属度函数对告警进行模糊相关性处理。传统的隶属度确定方法包括模糊统计法、专家经验法以及例证法等。由于智能变电站中存在不同种类的设备,不同的设备将会形成不同的模糊集合,隶属度函数也将有不同的选择。因此,本发明采用指派方法,根据问题的性质主观的选择某些模糊分布。
考虑到导致智能站中设备故障的因素中存在人为导致这类非理性因素,使用S型隶属度函数作为故障θi的告警证据(告警信息模糊化处理后为告警证据)的隶属度函数:
其中,a和b分别为S型隶属度函数图像的上下两个拐点,其值需要根据实际情况确定,的值需要根据实际情况确定;fA(θi)为故障θi的告警证据的隶属度;uA(θi)为设备A对故障类型θi的支持度,通过隶属度函数计算设备A对不同故障支持度的模糊隶属度,得隶属度集合fA={fA(θ1),fA(θ2),···,fA(θi)},
为了后续相似度分析,使支持度集合能够进行数值上的直接比较,本发明采用归一化算法,将数据尺度统一,即将有量纲的表达式转换为无量纲的表达式。归一化后的形式为:
其中,fA(θi)为故障θi的告警证据的隶属度;∑fA为故障特征集中所有故障告警证据的隶属度和;m(fA(θi))为归一化后故障θi的告警信息的隶属度。
步骤3、对多种设备告警信息隶属度集合进行相似度匹配分析,并上传最后的分析情况填补扩充故障特征库。
通过对某一设备告警信息模糊化处理,得到该设备处于某种故障状态的可能性。由于智能变电站各设备存在联系,当某处出现故障后将有多处设备发出告警信息且设备告警信息存在误报漏报的情况,仅凭一种设备的告警信息判断故障过于片面和绝对。因此,本发明通过分析智能变电站各设备间告警信息归一化后的数据相似度以得到可靠有效的告警信息集。
相似度度量即计算不同个体之间的相似程度,相似度度量的值越高则证明个体间的相似程度越高。由于对告警信息集进行了归一化处理,将有量纲的表达式转换为了无量纲的表达式,相比于欧几里得距离算法(注重m维空间两点之间真实距离)和Jaccard算法(无法衡量差异具体值大小,只关心个体间共同具有的特征是否一致),余弦相似度计算方法(更注重两个向量在方向上的不同)更适用于本发明关于多源告警信息相似度计算。因此,本发明提出使用余弦相似度算法对多源告警信息相似度进行计算:
其中,dAB为由于同一种故障造成设备A和设备B发出多种告警信息的相似度,相似度越高则发生此类故障概率越高;m(fA(θi))和m(fB(θj))均为归一化后某一设备对某种故障的隶属度,计算完成后,将所有符合要求的告警证据集表示为:
其中,δ为证据相似度阈值,对告警证据集进一步计算,得到该告警证据集支持某一故障的概率p(θi)为:
其中,∑u为告警证据集中告警对所有故障的支持度之和,u(θi)为设备告警对故障θi的支持度,根据概率p(θi)得到有效且可信的故障告警证据集,上传并填补扩充故障特征库。
根据上述一种基于模糊证据推理的电力系统告警信息处理方法,对某地区某段时间内采集到的5101条告警信息进行实验分析。
通过对实验数据进行格式标准化、合并同类信息以及去除无用告警信息(根据实际工程需要,确定瞬时断告警时间间隔T2=60s),如表2所示,得到70条重复告警数据,3392条无用告警数据,过滤后剩余1639条告警数据。实验结果表明,智能变电站上传的原始告警数据中存在大量的无用信息影响工作人员对真正有用告警信息的判断,本发明提出的告警信息预处理方案能够对原始告警信息中的冗余告警进行精简,并得预处理后的部分标准告警信息集,为后续判断故障提供便利。
表2告警信息过滤情况
随后在标准告警信息集中选取2021年4月2号某站告警数据作为算例验证,首先对该数据进行故障类型匹配,具体的匹配流程为:将告警数据与故障特征库逐条匹配,若存在设备A的告警信息属于故障θ1,则对应的增加1。另外,由于不同故障类型的故障特征可能具有相似性,因此某一设备古镇支持度之和可能不为1。本发明综合考虑断路器、互感器、变压器、各种保护以及智能变电站典型监控信息建立故障特征库,其中部分故障特征库表现形式如表3所示。
表3部分故障特征库
根据现有标准告警信息集中的告警信息与故障库初步匹配,可确定可能发生的故障为线路故障且线路故障可能为a线和b线,即表示为Θ={θ1,θ2}。其中参与告警的设备分别为断路器、线路、母线以及主变压器,并分别用A、B、C、D表示,告警设备A的告警数据集可表示为以此类推。将告警数据集与故障特征库匹配,可得到如表4所示的统计结果。
表4故障特征匹配结果
表4中,u(θ1)、u(θ2)分别代表各个设备对故障θ1、θ2的支持度。根据经验可将a、b的值设为0.3和0.7,即可将隶属度函数表示为:
随后分别计算各设备对不同故障类型支持度的模糊隶属度并归一化处理,得到结果如表5所示。
表5模糊隶属度及归一化结果
随后采用余弦相似度算法计算任意告警设备间的相似度即{AB,AC,AD,BC,BD,CD},得到结果为d={0.180,0.249,0.853,0.9975,0.666,0.716}。由于变电站发生故障时多种设备将同时发出告警,各设备之间具备高度的统一性和一致性,因此本发明将相似度阈值设为0.9。由此可见,B和C相似度比较高,即符合式(7)的告警信息集为E={eB,eC},通过分析证据集中的证据可得出隶属于故障θ1和θ2的概率分别为0.68和0.32。
若考虑到A和D的存在,则故障告警集将表示为E={eA,eB,eC,eD},此时可得出此证据集隶属于故障θ1和θ2的概率分别为0.55和0.45。根据最后故障的事故报告可知事故是由于a线发生故障导致的,依据本发明模糊证据分析的方法可将故障概率由0.55提升至0.68,可知通过模糊取证、相似度分析可将某些无关告警、错报的告警信息去除掉,提高工作人员的工作效率。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (8)
1.一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:包括以下步骤:
步骤1、将电力系统中设备的告警信息进行分类,并对分类的告警信息进行预处理;
步骤2、对预处理后的告警信息中的单一设备告警信息进行处理,得到单一设备告警信息对故障的隶属度集合;
步骤3、对多种设备告警信息隶属度集合进行相似度匹配分析,并上传最后的分析情况填补扩充故障特征库。
2.根据权利要求1所述的一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:所述步骤1中分类的告警信息包括:瞬断告警、重复告警、工程告警、伴随告警和根源告警。
3.根据权利要求1所述的一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:所述步骤1预处理包括:标准化告警信息格式、合并同类信息和清洗无用信息。
4.根据权利要求3所述的一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:所述标准化告警信息格式的具体实现方法为:选取若干关键属性标准化告警信息格式Alarm,其中关键属性包括:告警位置Alarm_Location、告警设备Alarm_Source、告警描述Alarm_Descripty、告警状态Alarm_State、动作时间Alarm_Action、复归时间Alarm_Return和告警时间Alarm_Time。
5.根据权利要求3所述的一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:所述合并同类信息采用滑动窗口实现,包括以下步骤:
步骤1.1、当产生新的告警信息Alarmi时,移除窗口中所有动作时间差值大于窗口值的告警信息;
步骤1.2、将新产生的告警信息Alarmi按照动作的先后顺序与实践窗口中的告警信息Alarmk匹配;
步骤1.3、判断两个告警信息的告警位置、告警设备、告警描述、告警状态是否一致,若一致则将两条告警信息合并压缩,并且合并压缩告警信息的动作时间为最早开始告警的时间,复归时间为最晚结束告警的时间,否则保留两条告警信息。
6.根据权利要求3所述的一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:所述清洗无用信息的具体实现方法为:将告警信息中告警时间小于T2的告警信息判断为瞬断告警,将告警描述中存在“检修”字样的告警信息判断为工程告警,并且将此类信息进行清洗移除。
7.根据权利要求1所述的一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:所述步骤2的具体实现方法为:故障特征库中的故障类型集合为Θ={θ1,θ2,···,θn},并将某一设备A的告警信息集表示为则设备告警对故障θi的支持度为:
uA={uA(θ1),uA(θ2),···,uA(θi)}
使用S型隶属度函数作为故障θi的告警信息的隶属度函数:
其中,a和b分别为S型隶属度函数图像的上下两个拐点,;fA(θi)为故障θi的告警信息的隶属度;uA(θi)为设备A对故障类型θi的支持度,通过隶属度函数计算设备A对不同故障支持度的模糊隶属度,得隶属度集合fA={fA(θ1),fA(θ2),···,fA(θi)},
使用归一化算法将数据尺度统一,将有量纲的表达式转换为无量纲:
其中,fA(θi)为故障θi的告警信息的隶属度;∑fA为故障特征集中所有故障告警信息的隶属度和;m(fA(θi))为归一化后故障θi的告警信息的隶属度。
8.根据权利要求1所述的一种基于模糊证据推理的电力系统告警信息处理方法,其特征在于:所述步骤3的具体实现方法为:使用余弦相似度算法对多源告警信息相似度进行计算:
其中,dAB为由于同一种故障造成设备A和设备B发出多种告警信息的相似度,相似度越高则发生此类故障概率越高;m(fA(θi))和m(fB(θj))均为归一化后某一设备对某种故障的隶属度,将所有符合要求的告警信息集表示为:
其中,δ为证据相似度阈值,对告警信息集进一步计算,得到该告警信息集支持某一故障的概率p(θi)为:
其中,∑u为告警信息集中告警对所有故障的支持度之和,u(θi)为设备告警对故障θi的支持度,根据概率p(θi)得到有效且可信的故障告警信息集,上传并填补扩充故障特征库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210383282.2A CN114676791A (zh) | 2022-04-13 | 2022-04-13 | 一种基于模糊证据推理的电力系统告警信息处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210383282.2A CN114676791A (zh) | 2022-04-13 | 2022-04-13 | 一种基于模糊证据推理的电力系统告警信息处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114676791A true CN114676791A (zh) | 2022-06-28 |
Family
ID=82078285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210383282.2A Pending CN114676791A (zh) | 2022-04-13 | 2022-04-13 | 一种基于模糊证据推理的电力系统告警信息处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114676791A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723346A (zh) * | 2022-06-08 | 2022-07-08 | 中国人民解放军海军工程大学 | 一种核应急情况下量化决策行为可能性方法 |
CN115331400A (zh) * | 2022-08-10 | 2022-11-11 | 山东飞博赛斯光电科技有限公司 | 一种基于分布式光纤传感的告警融合方法、系统及介质 |
-
2022
- 2022-04-13 CN CN202210383282.2A patent/CN114676791A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723346A (zh) * | 2022-06-08 | 2022-07-08 | 中国人民解放军海军工程大学 | 一种核应急情况下量化决策行为可能性方法 |
CN115331400A (zh) * | 2022-08-10 | 2022-11-11 | 山东飞博赛斯光电科技有限公司 | 一种基于分布式光纤传感的告警融合方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104020754B (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
CN114676791A (zh) | 一种基于模糊证据推理的电力系统告警信息处理方法 | |
CN107612756A (zh) | 一种具有智能故障分析处理功能的运维管理系统 | |
CN111435366A (zh) | 设备故障诊断方法、装置和电子设备 | |
CN111651505B (zh) | 一种基于数据驱动的设备运行态势分析预警方法及系统 | |
CN108051709A (zh) | 基于人工智能技术的变压器状态在线评估分析方法 | |
CN108919044B (zh) | 一种基于互校验机制的单元制配电网故障主动识别方法 | |
CN110703214A (zh) | 一种气象雷达状态评估和故障监测方法 | |
CN114781476B (zh) | 一种量测设备故障分析系统和方法 | |
CN112286771A (zh) | 一种针对全域资源监控的告警方法 | |
CN112464439A (zh) | 基于三层数据挖掘的电力系统故障类型分析方法及装置 | |
CN114487705A (zh) | 一种电网设备故障定位检测方法 | |
CN110687851A (zh) | 一种终端运行监控系统及方法 | |
CN113626480A (zh) | 一种基于改进关联规则的直流换流站ser事件集诊断方法 | |
WO2024098986A1 (zh) | 一种基于智能录波器的继电保护装置缺陷检测方法及系统 | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN116010886B (zh) | 安全监测方法、装置、电子设备和存储介质 | |
CN111736636A (zh) | 一种基于知识图谱的水淹水车室预警方法及系统 | |
CN114265837A (zh) | 一种站端交互数据特征提取方法 | |
CN110321527B (zh) | 一种基于多元基础信息融合的数据有效性判别方法 | |
CN113805564A (zh) | 一种基于cep的设备故障预警以及诊断系统 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
CN116951328B (zh) | 基于大数据的排水管线运行智慧监控系统 | |
CN110398666B (zh) | 一种基于继电保护时序信息特征的配电网故障诊断方法 | |
CN112736878B (zh) | 一种电网连锁故障告警方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |