CN204883710U - 一种基于规则的电网故障诊断智能系统 - Google Patents

Abstract

本实用新型涉及一种基于规则的电网故障诊断智能系统，包括实时数据采集模块、数据接收器、预处理模块、工作数据库、知识库、推理机和指令生成器；实时数据采集模块采集电网的实时数据信息后发送至数据接收器，数据接收器进行合理性检测和译码处理后再由预处理模块进行格式化和信息融合归类处理并存储至工作数据库，工作数据库向推理机发送指令后由推理机向知识库发送推理验证请求，知识库获取工作数据库中的数据并基于电网CIM模型根据建立的知识库中的知识规则进行数据匹配，由推理机根据工作数据库中数据和系统状态以及知识库中知识按照推理算法进行推理分析。本实用新型能够实现自学习功能，并易于检查和纠错，提高电网故障诊断的效率。

Description

一种基于规则的电网故障诊断智能系统

技术领域

本实用新型涉及一种电网运行安全技术领域，特别是一种基于规则的电网故障诊断智能系统。

背景技术

电网的发展和社会的进步都对电网的运行安全提出了更高的要求，加强对电网故障的诊断处理显得尤为重要。随着计算机技术、通信技术、网络技术等的发展，采用更为先进的智能技术来改善电网故障诊断系统的性能，具有重要的研究价值和实际意义。故障的智能诊断技术也被称为智能故障诊断技术，智能故障诊断是融合了人工智能技术的新方法，对故障信息有初步的自动分析和学习能力，电网故障诊断领域常用的人工智能技术包括专家系统、人工神经网络、决策树理论等。其中，专家系统是人工智能中最重要的也是最活跃的一个应用技术，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。

目前的专家系统的研究方向有基于规则的专家系统以及面向对象的专家系统等，基于规则的专家系统是根据以往专家诊断的经验，将其归纳成规则，通过启发式经验知识进行故障诊断，适合于已具有丰富经验的专业领域的故障诊断。基于规则的诊断具有开发简单、知识表述直观、形式统一、易理解、解释方便、适应性和开拓性好等优点，诊断知识可以通过领域专家获取和继承，故得到了广泛应用。但是以往的基于规则的专家系统都是基于推理机进行的专家决策支持的，缺乏有效的学习性，并且反馈知识内容缺乏有效性，不能做到干预性，故准确度不佳。

实用新型内容

本实用新型针对现有的基于规则的专家系统缺乏学习性以及反馈知识内容缺乏有效性等问题，提供一种基于规则的电网故障诊断智能系统，采用独特的知识库和推理机结构，实现自学习功能，完成电网故障智能诊断和分析，并易于检查和纠错，提高电网故障诊断的效率。

本实用新型的技术方案如下：

一种基于规则的电网故障诊断智能系统，其特征在于，包括依次连接的实时数据采集模块、数据接收器、预处理模块和工作数据库，还包括知识库、推理机和指令生成器，所述工作数据库、知识库和推理机两两相连；所述实时数据采集模块采集电网的实时数据信息后发送至数据接收器，所述数据接收器进行合理性检测和译码处理后再由预处理模块进行格式化和信息融合归类处理并存储至工作数据库，所述工作数据库向推理机发送指令后由推理机向知识库发送推理验证请求，所述知识库获取工作数据库中的数据并基于电网CIM模型根据建立的知识库中的知识规则进行数据匹配，由推理机根据工作数据库中数据和系统状态以及知识库中知识按照推理算法进行推理分析，所述指令生成器将推理机的推理分析结果生成规范化的命令输出。

所述知识库包括知识库规则区和知识库模型区，所述推理机包括相互连接的知识编辑器和推理分析器，所述知识库规则区和知识编辑器均与工作数据库相连，所述知识库规则区和知识库模型区均分别与知识编辑器和推理分析器相连，所述推理分析器与指令生成器相连；所述工作数据库向知识编辑器发送指令，由知识编辑器向知识库规则区发送推理验证请求，所述知识库规则区获取工作数据库中的数据后根据建立的知识库中的知识规则并结合知识库模型区的电网CIM模型进行数据匹配，所述推理分析器按照推理算法进行推理分析。

所述知识库还包括知识库原型区和知识库经验区，所述推理机包括分别与知识编辑器和推理分析器相连的经验积累器，所述知识库原型区分别与知识编辑器和推理分析器相连，所述知识库经验区与经验积累器相连；所述知识库原型区内设置有决策原型，所述决策原型包括负荷预测原型、故障诊断原型和系统状态分析原型，所述经验积累器将推理分析器在推理分析过程中的数据按照知识规则存入知识库经验区，所述知识库经验区针对电网历史数据的特点利用模糊聚类算法对历史数据进行聚类分析和预测型知识的提取。

还包括可视化液晶显示模块、发送器和通信接口，所述工作数据库和指令生成器均与可视化液晶显示模块相连，所述指令生成器还与发送器相连，所述发送器将指令生成器的规范化命令通过通信接口与外界执行模块相连。

所述实时数据采集模块利用外界传感器或监测装置实时采集系统推理所需的电网的实时数据信息，所述实时数据采集模块对慢变信号采用轮询法按周期采集，对快变信号采用中断法采集。

所述数据接收器接收实时数据采集模块采集的信息后进行合理性检测，并对数据流中数字量信号进行译码处理，将数据通过电网隔离网闸传递到预处理模块中；所述合理性检测包括检测数据的完整性。

所述预处理模块对接收的信息进行格式化和信息融合归类处理，所述信息融合归类处理包括信息融合、报警合并归类和优先权分配，所述预处理模块在信息融合归类处理后再按优先权加入缓冲队列，进入工作数据库。

本实用新型的技术效果如下：

本实用新型提供的基于规则的电网故障诊断智能系统，设置实时数据采集模块、数据接收器、预处理模块、工作数据库、知识库、推理机和指令生成器，各组件均可通过硬件结构实现，通过各组件之间的数据流来说明各组件之间的连接关系：实时数据采集模块采集电网的实时数据信息后发送至数据接收器，数据接收器进行合理性检测和译码处理后再由预处理模块进行格式化和信息融合归类处理并存储至工作数据库，工作数据库向推理机发送指令后由推理机向知识库发送推理验证请求，知识库获取工作数据库中的数据并基于电网CIM模型根据建立的知识库中的知识规则进行数据匹配，由推理机根据工作数据库中数据和系统状态以及知识库中知识按照推理算法进行推理分析，指令生成器将推理机的推理分析结果生成规范化的命令输出。本实用新型系统设定独立的知识库，该知识库内设定知识规则，知识库获取工作数据库中的数据并基于电网CIM模型根据建立的知识库中的知识规则进行数据匹配，即知识库它是从已建立的事实逻辑中提取问题的相关事实，所以易于检查和纠错。推理机根据工作数据库中数据和系统状态以及知识库中知识按照推理算法进行推理分析，并能够对知识库中知识进行更新、扩充及及时调整，实现自学习的功能，避免了现有的基于规则的专家系统缺乏学习性的问题，本实用新型工作数据库配合特定结构的知识库以及推理机结构，各组件配合工作，最终输出的信息准确有效，准确完成电网故障智能诊断和分析，提高电网故障诊断的效率。

知识库优选设置知识库规则区和知识库模型区，知识库规则区获取工作数据库中的数据后根据建立的知识库中的知识规则并结合模型区的电网CIM模型进行数据匹配，推理机优选设置知识编辑器和推理分析器，知识编辑器能够对知识库中的知识进行修改和补充，增加了本实用新型系统的灵活性，由推理分析器根据知识库不同方面的知识及工作数据库数据和状态向量按照推理算法进行推理分析，特定结构的知识库和推理机配合系统其它部件工作，提高电网故障智能诊断的准确性能，使得本实用新型系统不仅能使用逻辑知识，也能使用启发性知识，具有启发性和透明性的特点。

知识库还优选包括知识库原型区和知识库经验区，推理机优选包括经验积累器，经验积累器将对问题的处理方法、决策数据及处理效果等发送至知识库经验区，以为下次决策及知识库内各组件的知识更新的根据。知识库经验区存储了经验积累器所输入的数据，可提高决策的速度和有效性。知识库原型区能够在知识库规则区和知识库模型区不能匹配的情况下提供原型匹配依据，进一步提高电网故障智能诊断的效率。

附图说明

图1为本实用新型基于规则的电网故障诊断智能系统的结构示意图。

图2为本实用新型基于规则的电网故障诊断智能系统的局部优选结构示意图。

具体实施方式

下面结合附图对本实用新型进行说明。

本实用新型涉及一种基于规则的电网故障诊断智能系统，其结构如图1所示，包括依次连接的实时数据采集模块、数据接收器、预处理模块和工作数据库，还包括知识库、推理机和指令生成器，工作数据库、知识库和推理机两两相连。实时数据采集模块采集电网的实时数据信息后发送至数据接收器，数据接收器进行合理性检测和译码处理后再由预处理模块进行格式化和信息融合归类处理并存储至工作数据库，工作数据库向推理机发送指令后由推理机向知识库发送推理验证请求，知识库获取工作数据库中的数据并基于电网CIM模型根据建立的知识库中的知识规则进行数据匹配，由推理机根据工作数据库中数据和系统状态以及知识库中知识按照推理算法进行推理分析，指令生成器将推理机的推理分析结果生成规范化的命令输出。推理机推理出的方案以建议方式通过人机界面(如图1所示的可视化液晶显示模块)提供给调度人员或直接以自动化命令方式通过发送器传送至外界执行模块。在整个执行过程中，调度人员可干涉专家系统的执行与决策，以监督决策的正确性。

以下对本实用新型基于规则的电网故障诊断智能系统的各组件进行详细说明。

实时数据采集模块：采集电网的实时数据信息，即图1所示的采集外界信息，外界信息理解为是本实用新型的输入信号，可包括电网CIM模型、明日各地负荷预测数据、发电厂发电计划曲线数据、电网设备检修状态等预测及实时数据信息。外界信息来源是由电网一二次电网专业设备采集汇总到电网各级调度专业系统中。实时数据采集模块利用外界传感器或监测装置实时采集系统推理所需的电网的实时数据信息，可采用访问数据库接口模式和解析广播模式两种表现形式进行数据采集，对慢变信号采用轮询法按周期T采集，对快变信号采用中断法采集，然后再通过接口、通信通道模式将采集的数据信息传送到数据接收器中。实时数据采集模块通过现有的数据采集电路实现。此外，如图1所示，实时数据采集模块还接收由调度人员通过可视化的人机界面人工下达的命令。

数据接收器：接收来自接受来自实时数据收集模块采集的信息，可通过数据接收电路实现，进行初步的合理性检测，合理性检测主要功能数据是否完整，是否有缺少数据等情况，并对数据流中数字量信号进行译码处理(传输数据中需要传越电网隔离网闸，采用编码和译码手段进行数据传递)，将数据流直接译成专家系统程序可调用的变量值，并依一定顺序保存于预先定义好的工作数据库的字段中，这一步减少了数据处理时间，尽量对实时数据进行实时处理，提高了专家系统的效率。将数据通过电网隔离网闸(电网隔离网闸，主要是将电网网络分为安全二区不可上互联网、安全三区可上互联网)传递到预处理模块中。数据接收器在传递过程中尽力保证实时数据进行实时处理，力保专家系统的效率。

预处理模块：把来自数据接收器的信息转换为后续推理机和知识库可识别的问题描述，或者说是转换为专家可识别的问题描述。由数据接收器接收的信息传入预处理模块后，进行格式化，确定其性质并进行一定的信息融合归类处理(包括信息融合，报警合并归类，优先权分配等)，再按优先权加入缓冲队列，准备进入工作数据库。预处理模块可通过已集成的信息预处理电路来实现。

工作数据库：按照数据库结构按照分区不同，存储不同的信息。信息包括预处理模块传送来的可识别的问题描述信息，以及知识库反馈信息等内容。工作数据库就是存储相关信息的地方。工作数据库向推理机发送指令，并可以更新推理机内的算法，还将可识别的问题描述数据信息存储到知识库中。工作数据库可采用硬件数据库结构实现。

知识库和推理机的优先结构如图2所示，知识库包括知识库规则区、知识库模型区、知识库原型区和知识库经验区，推理机包括相互连接的知识编辑器、推理分析器、经验积累器；知识库规则区和知识编辑器均与工作数据库相连，知识库规则区、知识库模型区和知识库原型区均分别与知识编辑器和推理分析器相连，知识库经验区与经验积累器相连，推理分析器与指令生成器相连。工作数据库向知识编辑器发送指令，由知识编辑器向知识库规则区发送推理验证请求，知识库规则区获取工作数据库中的数据后根据建立的知识库中的知识规则并结合知识库模型区的电网CIM模型进行数据匹配，推理分析器按照推理算法进行推理分析。知识库原型区内设置有决策原型，所述决策原型包括负荷预测原型、故障诊断原型和系统状态分析原型，所述经验积累器将推理分析器在推理分析过程中的数据按照知识规则存入知识库经验区，所述知识库经验区针对电网历史数据的特点利用模糊聚类算法对历史数据进行聚类分析和预测型知识的提取。知识库和推理机均不限于软件程序，完全可以通过硬件集成电路的形式表现，如推理分析器采用数据处理电路或集成芯片实现，知识编辑器采用逻辑器件实现，知识库规则区、知识库原型区、知识库经验区以及经验积累器均可通过不同的存储控制电路实现。

知识库是以各种方式把一个或多个信息关联在一起的信息结构。知识库规则区根据电网数据特性存储相关规则，采用产生式规则作为基本的表示形式。举例来说，可设置知识库规则格式如下：[知识ID][所属知识类别][关键词][知识元名称][知识描述][关联条目][设备名称][条件I，…，条件n]，其中，

(1)知识ID：知识库中知识元的唯一标识。

(2)所属知识类别：知识元在知识库中的具体类型，主要分为预测型知识还是关联型知识。

(3)关键词：用于实现与知识关联内容的快速搜索。

(4)知识元名称：名称是知识元的直接标识，以相应的知识主题词命名，是直接检索该知识元的一个检索途径。

(5)知识元描述：对知识元的内容进行完整的文字描述及图像辅助描述。该描述通常包括：公理、公式、定义、推论、事实、事件、事例、数表等内容，并可不断更新和调整。

(6)关联条目：与该知识元相关联的内容链接条目清单。其内容包括：相关设备状态、其他知识元标识(名称或ID)。

(7)设备名称：该知识元向外界展现时所依附的相关载体。

(8)条件n：获得该知识元的相关条件描述。

知识库模型区：存储电网CIM模型，或者说是存放用于决策的标准算法，这是针对某些有明确处理方案的情况而设计的。

知识库原型区：对于不能通过知识库模型决策的情况，如果是首发情况，则加入原型区，并记录调度人员的决策过程。如不是首发情况，则记录调度人员决策，并通过计算相似度匹配公式加入原型区。知识库原型主要包括以下几个决策原型：(1)负荷预测原型；(2)故障诊断原型；(3)系统状态分析原型。决策原型的表示方法为：[知识类别][决策原型ID][算法名称][算法描述][执行条件][物理路径]。其中，[知识类别]：如取值004，表示是决策规则。[决策原型ID]：系统随机生成的一个32为字符串，作为决策规则的唯一标识。[算法名称]：电网数据负荷预测分析。[算法描述]：主要步骤标示。[执行条件]：算法执行时必须需要的参数，是一个可变数组。[物理路径]：算法代码物理存放的路径。

知识库经验区：存储了经验积累器所输入的数据，可提高决策的速度和有效性，并被用于知识库中知识更新。知识库经验区针对电力历史数据的特点，提出利用粗糙集对客观因素进行分析并进行约简，过程是：剔除与决策信息不相关的属性，然后利用模糊聚类算法对历史数据进行聚类分析，最后根据聚类分析的结果，进行预测型知识的提取。

知识库经验区首先根据设定好的最小支持度min_c，找出所有支持度大于min_c的频繁项集；然后在所有的频繁项集中找到置信度大于min_c的关联规则。Apriori算法的核心是频繁项集的挖掘。以上两阶段在实现的过程中，找到频繁项集后求关联规则的方法也比较简单。但是Apriori算法存在以下两个方面存在性能瓶颈问题：一方面，多次扫描事务数据库，需要很大的I/O负载。例如：一个频繁项集包含有10个项集，那么扫描事务数据库需要至少10遍；另一方面，庞大的侯选集的产生，庞大的侯选集对时间和主存空间都是一种挑战。本实用新型通过对经典的Apriori算法进行了改进，同时结合电网数据的特点，提出一种基于类集的频繁项集挖掘算法，以便实现对于电网数据频繁项集的高效挖掘。该基于类集的频繁项集挖掘算法的基本思想是：

1.采用类封装频繁项的方法，该类中包含有：项名、置信度、支持度，在生成的频繁项集之后以类的形式进行存储，在计算侯选项集的支持度时，可以从类项中直接获得。

2.多次扫描事务数据库后，I/O负载需要很大的性能瓶颈，采用将事务数据库中的数据先存储到二维数组中的方法，针对二维数组进行对频繁项集进行挖掘操作，这样能够避免频繁进行事务数据库扫描，从而提高挖掘效率。算法过程如下：首先，针对电网事务数据库进行扫描，并将挖掘到的数据存储N---维数组中，然后针对二维数组中的数据进行关联挖掘，最后以对象格式把得到的频繁项集存储到类集Vector中，支持度和置信度的计算可以通过类集来实现。

推理机：工作数据库在接收到预处理模块的数据后首先进入推理机的知识编辑器，知识编辑器提取知识库规则和知识库模型，按照知识库要求的知识规则、模型等内容进行匹配编辑整理数据信息，并判断推理分析器中算法是否更新，并更新其算法，为推理分析器使用，同时为后续工作奠定基础。此外知识编辑器是体现专家系统智能的重要部件，它实现了系统的自学习功能，通过对知识库经验积累区及外界操作员所输入的解决方法的分析，能对知识库知识进行更新、扩充及调整。

推理分析器是推理机构的主要技术元件，能根据工作数据库中数据和系统状态向量以及知识库中不同方面的知识按照推理算法进行分析和推理，推理结果的合理性直接反映到决策结果的正确性与决策过程的实时性上来。推理分析器支持前向(面向数据)和后向(面向目标)的推理方式，通过验证可知，前向推理在监控机态势分析及推理机的“假设”阶段是最合适的；后向推理在追踪最高等级故障及引导操作员进行相关的维修过程中是最有用的。推理分析器采用预测推理算法和关联推理算法这两种推理算法进行相关推理分析。推理分析器进行问题描述的推理分析，将预测结果存入到工作数据库中，为前台可视化液晶显示模块作为支撑。在进行推理分析过程中，会系统给出辅助决策行的建议命令。推理分析器工作步骤如下：

1)提取知识编辑器编辑知识内容；

2)选择知识最佳数据信息。

(比如预测电网负荷数据，需找原型区和经验区中，相似性的数据信息作为支撑。相似性包括：电网拓扑结构、天气情况、发电预测曲线数据信息、负荷预测数据信息、设备检修情况等内容)同时，也提取当初系统给出建议内容。

3)选择知识最佳数据信息比对当前预处理模块生成的数据信息后，最佳知识数据信息是否满足，如可以按照原始经验意见给出数据信息，输出缓冲队列。

经验积累器：在推理分析过程，最佳知识数据不能满足，将对问题的处理方法、决策数据及处理效果按照知识规则存入到知识库经验区，以作为下次推理分析及知识库更新的根据。

指令生成器：把推理分析器的推理结果生成规范化的命令或建议，通过人机界面(可视化液晶显示模块)反馈给指挥员或通过发送器传送给外界执行模块自动执行。指令生成器可通过格式变换电路实现。

如图1所示的本实用新型系统还包括可视化液晶显示模块、发送器和通信接口，工作数据库和指令生成器均与可视化液晶显示模块相连，指令生成器还与发送器相连。可视化液晶显示模块作为人机界面可将工作数据库内的相关数据进行显示，并可提供查询和打印应用。发送器将指令生成器的规范化命令的数据信息(或者说是策略信息)通过通信接口与外界执行模块相连，如传递给下属发电厂专业系统。在下发数据指令过程中，调度人员可干涉下发指令(同时根据调度人员经验，实时变化天气、当地活动安排情况，调整下发指令数据信息)。通信接口将数据传递给发电厂专业系统中。调度人员通过通信接口方式，核对发电厂是否接受和采纳下发数据信息，进行反馈。

本实用新型基于规则的电网故障诊断智能系统，也可理解为是基于规则的专家系统，通过大量IT领域、能源领域的有关专门知识和经验做出决策意见的全新的专家系统的工作模型和结构，采用独立结构的知识库，特定结构的推理机，与工作数据库以及其它部件配合工作，最终输出的信息准确有效，实现自学习功能，准确完成电网故障智能诊断和分析，提高电网故障诊断的效率，并具有启发性、透明性和灵活性等优点。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (4)

1.一种基于规则的电网故障诊断智能系统，其特征在于，包括依次连接的实时数据采集模块、数据接收器、预处理模块和工作数据库，还包括知识库、推理机和指令生成器，所述工作数据库、知识库和推理机两两相连，所述推理机还与指令生成器相连。

2.根据权利要求1所述的基于规则的电网故障诊断智能系统，其特征在于，所述知识库包括知识库规则区和知识库模型区，所述推理机包括相互连接的知识编辑器和推理分析器，所述知识库规则区和知识编辑器均与工作数据库相连，所述知识库规则区和知识库模型区均分别与知识编辑器和推理分析器相连，所述推理分析器与指令生成器相连。

3.根据权利要求2所述的基于规则的电网故障诊断智能系统，其特征在于，所述知识库还包括知识库原型区和知识库经验区，所述推理机包括分别与知识编辑器和推理分析器相连的经验积累器，所述知识库原型区分别与知识编辑器和推理分析器相连，所述知识库经验区与经验积累器相连；所述知识库原型区内设置有决策原型，所述决策原型包括负荷预测原型、故障诊断原型和系统状态分析原型。

4.根据权利要求1至3之一所述的基于规则的电网故障诊断智能系统，其特征在于，还包括可视化液晶显示模块、发送器和通信接口，所述工作数据库和指令生成器均与可视化液晶显示模块相连，所述指令生成器还与发送器相连，所述发送器将指令生成器的规范化命令通过通信接口与外界执行模块相连。