本發(fā)明涉及一種系統(tǒng)和方法，具體涉及基于ANN和ES集成的變電站告警信息分析決策系統(tǒng)和方法。

背景技術(shù)：

隨著電力系統(tǒng)的規(guī)模日益擴(kuò)大，各種安全隱患也愈加嚴(yán)重，尤其是簡單事故造成大范圍停電、甚至地區(qū)電網(wǎng)癱瘓的概率在不斷增加。在現(xiàn)代電網(wǎng)的復(fù)雜性和實(shí)時(shí)性要求下，系統(tǒng)發(fā)生故障時(shí)需要快速檢測故障、準(zhǔn)確判斷故障、合理排除故障，縮小停電范圍，以維護(hù)整個(gè)電網(wǎng)的穩(wěn)定運(yùn)行。因此，變電站發(fā)生故障后如何快速尋找故障位置，識別故障類別是處理停電事故的關(guān)鍵。

為了快速準(zhǔn)確的判斷并排除故障，確保系統(tǒng)的安全穩(wěn)定運(yùn)行，增強(qiáng)供電的連續(xù)性和可靠性，實(shí)現(xiàn)對變電站內(nèi)故障信息的綜合分析決策，準(zhǔn)確判斷故障類型和故障位置，對提高工作效率、縮短停電時(shí)間、降低停電損失意義重大。

而以往的變電站在無人值班后，全部信息匯總到監(jiān)控中心，按時(shí)間順序顯示，不做任何的推理判斷處理。近幾年，提出了“大運(yùn)行”體系要求實(shí)現(xiàn)調(diào)控一體化，調(diào)度業(yè)務(wù)與設(shè)備監(jiān)控業(yè)務(wù)相融合，由此需要上送大量變電站數(shù)據(jù)信息，各類信號動作頻繁，運(yùn)行人員監(jiān)控任務(wù)較重，很容易遺漏重要告警信號，從而延誤處理造成事故。一旦發(fā)生事故，不僅加劇了信號量的劇增，還會出現(xiàn)滾屏、刷屏現(xiàn)象，使得運(yùn)行人員更是眼花繚亂、無所適從，很難抓住重點(diǎn)，影響對事故的正確處理。

目前，國內(nèi)外在告警信息分析處理及故障診斷方面已進(jìn)行了大量的研究工作，提出了很多方法，如人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、Petri網(wǎng)絡(luò)、數(shù)據(jù)挖掘、Tabu搜索等，但是單一的智能算法對變電站進(jìn)行故障分析時(shí)，總會出現(xiàn)推理匹配沖突、容錯能力差的問題，容易造成誤判或漏判，而且在電力系統(tǒng)故障診斷方面，大部分是研究電力系統(tǒng)全局故障診斷或是某一具體元件故障診斷，而很少研究變電站故障診斷，另一方面對故障診斷系統(tǒng)的容錯性研究不夠充分，特別是采用專家系統(tǒng)作診斷核心的故障診斷系統(tǒng)幾乎沒有容錯性研究，同時(shí)也沒有考慮變電站運(yùn)行方式對網(wǎng)絡(luò)結(jié)構(gòu)的影響，還有人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)故障診斷中并沒有得到實(shí)際的應(yīng)用，大多數(shù)只能作為一種離線的輔助工具。

因此亟需建立一種告警信息分析決策系統(tǒng)，用于優(yōu)化變電站大量的原始告警信息，提供一種推理決策的手段判斷所發(fā)生的故障，并給出解釋和表達(dá)。

技術(shù)實(shí)現(xiàn)要素：

為解決上述問題，本發(fā)明提出基于ANN和ES集成的變電站告警信息綜合分析決策系統(tǒng)和方法，將ANN中基于數(shù)值運(yùn)算的推理引入ES系統(tǒng)，代替了傳統(tǒng)ES單一的基于符號的表達(dá)，從而提高ES的執(zhí)行效率。

本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的：

基于ANN和ES集成的變電站告警信息分析決策系統(tǒng)，所述系統(tǒng)包括：

數(shù)據(jù)庫，用于存放所述系統(tǒng)接收到的實(shí)時(shí)告警信息和設(shè)備靜態(tài)配置數(shù)據(jù)；

推理模塊，用于對告警信息的推理過程進(jìn)行協(xié)調(diào)和控制；

解釋模塊，用于對推理模塊的推理結(jié)果進(jìn)行解釋；

隱式知識提取模塊，用于將數(shù)值表達(dá)的知識顯式表達(dá)；

知識庫，用于存放顯示知識規(guī)則和包含在連接權(quán)值中的隱式知識；

人機(jī)接口模塊，用于將解釋模塊和隱式知識提取模塊輸出的信息轉(zhuǎn)化為用戶理解的形式并輸出。

優(yōu)選的，所述推理模塊包括數(shù)值運(yùn)算推理單元和符號邏輯推理單元；

所述符號邏輯推理單元用于符號啟發(fā)式運(yùn)算；所述數(shù)值運(yùn)算推理單元用于數(shù)學(xué)推理運(yùn)算。

優(yōu)選的，所述知識庫包括ES顯式知識模塊和ANN隱式知識模塊；其中，

所述ES顯示知識模塊用于變電站常規(guī)故障推理；

所述ANN隱式知識模塊用于存放與知識庫規(guī)則不匹配的故障的推理結(jié)果。

進(jìn)一步地，當(dāng)變電站發(fā)生常規(guī)故障時(shí)，所述符號邏輯推理單元、解釋模塊和人機(jī)接口模塊之間相互通信；系統(tǒng)啟動符號邏輯推理單元，觸發(fā)解釋模塊，并通過人機(jī)接口模塊輸出；當(dāng)變電站發(fā)生非常規(guī)故障時(shí)，所述數(shù)值運(yùn)算推理單元、ANN隱式知識模塊、知識庫和人機(jī)接口模塊之間相互通信；所述系統(tǒng)啟動數(shù)值運(yùn)算推理單元，觸發(fā)所述ANN隱式知識模塊和所述知識庫，并通過人機(jī)接口模塊輸出。

數(shù)據(jù)庫存放的告警信息經(jīng)告警預(yù)處理剔除誤發(fā)誤告警信息后，如果與ES顯示知識模塊存放的知識相匹配，直接交給ES處理，通過建立故障推理模型、故障推理機(jī)制及選擇推理方向進(jìn)行推理，輸出推理結(jié)果。

基于ANN和ES集成的告警信息分析決策方法，所述方法包括：

(1)接收告警信息并錄入數(shù)據(jù)庫；

(2)預(yù)處理所述告警信息,剔除誤告信息；

(3)提取有效告警信息；

(4)當(dāng)預(yù)處理后的告警信息與知識庫中任一條知識規(guī)則匹配時(shí)，直接通過ES進(jìn)行推理并輸出結(jié)果；

(5)當(dāng)預(yù)處理后的告警信息與知識庫中所有知識規(guī)則皆不匹配時(shí)，則轉(zhuǎn)至ANN進(jìn)行處理；

(6)對輸出結(jié)果進(jìn)行解釋，并通過ANN運(yùn)算推理的設(shè)備故障所對應(yīng)的隱式知識轉(zhuǎn)化為知識規(guī)則，存入知識庫。

優(yōu)選的，所述步驟(2)預(yù)處理所述告警信息包括，根據(jù)遙信變位的遙測變化進(jìn)行判斷，具體步驟包括：

a)定義假遙信判別庫；

根據(jù)實(shí)際需求，定義所述假遙信判別庫，包括廠站號、遙信序號、遙測序號、遙測波動值、遙控操作時(shí)間和有效時(shí)間長度；

b)當(dāng)某一遙信發(fā)生變位時(shí)，啟動該假遙信判別庫，找到變化的遙信序號和對應(yīng)的遙測序號；

c)從數(shù)據(jù)庫中獲取有效時(shí)間長度內(nèi)所述遙測序號對應(yīng)的遙測值，將該遙測值與假遙信判別庫中遙測波動值進(jìn)行比較；若大于遙測波動值，則該遙信為正常變位，否則為誤告信息。

優(yōu)選的，所述步驟(3)中有效告警信息，包括保護(hù)動作信息、備自投信息、開關(guān)變位信息、重合閘信息、保護(hù)出口信息、保護(hù)壓板信息、測控遠(yuǎn)方就地信息、越限告警信息、通信狀態(tài)信息和異常告警信息。

優(yōu)選的，所述步驟(4)中ES推理包括，建立故障推理模型和故障推理機(jī)制，并確定推理方向。

進(jìn)一步地，所述故障推理模型，包括故障類型、時(shí)間窗口和推理啟動信號；

其中，所述故障類型包括單純故障和組合故障；

所述時(shí)間窗口整定為3～10s；

所述推理啟動信號包括保護(hù)動作信號、斷路器動作信號和事故總信號。

進(jìn)一步地，所述故障推理機(jī)制采用單個(gè)事件推理與多個(gè)關(guān)聯(lián)事件推理相結(jié)合的多重推理機(jī)制。

進(jìn)一步地，所述推理方向包括，選用正反向混合推理方式，首先正向推理提出假設(shè)，然后反向推理證實(shí)假設(shè)，并輸出推理結(jié)果；具體過程包括：

11-1搜索知識庫，提取與數(shù)據(jù)庫的故障信息匹配的知識規(guī)則：首先提取知識庫任一知識規(guī)則的前提部分，與數(shù)據(jù)庫的故障信息進(jìn)行對比，若所述故障信息中包含該前提部分，該知識規(guī)則匹配成功，并將其添加至知識匹配集中；否則，進(jìn)行下一條知識規(guī)則匹配，循環(huán)操作；

對于匹配失敗的故障采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行推理；

11-2依次對知識匹配集中每一條知識規(guī)則進(jìn)行ES推理；

11-3將推理得出的結(jié)論放入動態(tài)數(shù)據(jù)庫，對于無法得出結(jié)論的故障信息采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行推理；直至不再產(chǎn)生新的結(jié)論。

11-4將所有知識規(guī)則的前提部分作為新的假設(shè)加入故障假設(shè)集合，直到故障假設(shè)集合中某一條假設(shè)成立為止，如果所有的假設(shè)均不成立，系統(tǒng)進(jìn)入BP神經(jīng)網(wǎng)絡(luò)計(jì)算程序。

優(yōu)選的，所述步驟(5)中ANN進(jìn)行處理包括，在處理前設(shè)置變電站設(shè)備的主保護(hù)和后備保護(hù)誤動、拒動的概率系數(shù)為a_i,保護(hù)裝置的故障可靠系數(shù)為θ_i，根據(jù)下述公式獲得設(shè)備的綜合保護(hù)系數(shù)$P=\frac{{\Σ}_{i=1}^n{\mathrm{\θ}}_i(1-a_i)}{n};$

該系數(shù)P連同設(shè)備相關(guān)聯(lián)的開關(guān)變位和故障信息一起作為ANN的輸入信息。

進(jìn)一步地，對所述輸入信息進(jìn)行ANN運(yùn)算，包括；

選定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)定所有閾值與連接權(quán)值為分布均勻的較小數(shù)值；

采用正向傳播和誤差反向傳播，對該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)。

進(jìn)一步地，所述正向傳播包括，輸入信號經(jīng)過sigmoid函數(shù)逐層正向傳播，由輸出層輸出信息處理結(jié)果，如果實(shí)際輸出與期望不符，則進(jìn)行誤差反向傳播。

進(jìn)一步地，所述誤差反向傳播包括，輸出信號的誤差沿原路返回，按誤差梯度下降的方式修改各層神經(jīng)元的權(quán)值和閾值，經(jīng)過反復(fù)傳播，各層權(quán)值不斷調(diào)整，使得信號誤差降至要求范圍之內(nèi)；

當(dāng)ANN運(yùn)算后求得某個(gè)設(shè)備的輸出結(jié)果為1，則說明設(shè)備發(fā)生故障，否則該設(shè)備正常。

與現(xiàn)有技術(shù)相比，本發(fā)明達(dá)到的有益效果是：

1)本發(fā)明設(shè)計(jì)的變電站告警信息分析決策系統(tǒng)提供一種快速定位故障位置的有效手段，所采用的ANN和ES集成的智能推理算法相比其他告警信息處理方法具有速度快、準(zhǔn)確度高和容錯性強(qiáng)的優(yōu)勢，從而有利于搶占變電站智能告警的先機(jī)，擁有該領(lǐng)域的話語權(quán)。

2)本發(fā)明采用的遙信變位和遙測變化聯(lián)合判斷的告警預(yù)處理手段，通過增加假遙信判別庫，從研究誤告警信號的機(jī)理機(jī)制出發(fā)，能從根源上有效地抑制頻發(fā)的誤發(fā)誤告警信號。

3)有利于形成智能變電站告警信息優(yōu)化和故障診斷體系，使得值班人員能夠從大量的原始告警信號中快速抓住關(guān)鍵信息，大幅度減輕運(yùn)行人員監(jiān)控壓力，大大提高整個(gè)系統(tǒng)的智能水平，滿足了今后的智能變電站采用少人、無人值班的模式。

4)該設(shè)計(jì)方法與調(diào)度結(jié)合，推動了基于主子站協(xié)同互動的分布式智能告警的研究與應(yīng)用，有利于更好的支撐調(diào)控一體化的發(fā)展。

5)本發(fā)明針對不同的故障采取不同的分析策略；不但提高了整個(gè)系統(tǒng)的可維護(hù)性和容錯性并且擴(kuò)大了告警信息分析決策系統(tǒng)的診斷范圍。

附圖說明

圖1為基于ANN和ES集成的變電站告警信息分析決策系統(tǒng)的結(jié)構(gòu)示意圖；

圖2為基于ANN和ES集成的變電站告警信息分析決策方法流程圖；

圖3為ES推理方法流程圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式做進(jìn)一步的詳細(xì)說明。

如圖1所示，基于ANN和ES集成的變電站告警信息分析決策系統(tǒng)，所述系統(tǒng)包括：

數(shù)據(jù)庫，用于存放所述系統(tǒng)接收到的實(shí)時(shí)告警信息和設(shè)備靜態(tài)配置數(shù)據(jù)；

推理模塊，用于對告警信息的推理過程進(jìn)行協(xié)調(diào)和控制；

解釋模塊，用于對推理模塊的推理結(jié)果進(jìn)行解釋；

隱式知識提取模塊，用于將數(shù)值表達(dá)的知識顯式表達(dá)；

知識庫，用于存放顯示知識規(guī)則和包含在連接權(quán)值中的隱式知識；

人機(jī)接口模塊，用于將解釋模塊和隱式知識提取模塊輸出的信息轉(zhuǎn)化為用戶理解的形式并輸出。

所述推理模塊包括數(shù)值運(yùn)算推理單元和符號邏輯推理單元；

所述符號邏輯推理單元用于符號啟發(fā)式運(yùn)算；所述數(shù)值運(yùn)算推理單元用于數(shù)學(xué)推理運(yùn)算。

所述知識庫包括ES顯式知識模塊和ANN隱式知識模塊；其中，

所述ES顯示知識模塊用于變電站常規(guī)故障推理；

所述ANN隱式知識模塊用于存放與知識庫規(guī)則不匹配的故障的推理結(jié)果。

當(dāng)變電站發(fā)生常規(guī)故障時(shí)，所述符號邏輯推理單元、解釋模塊和人機(jī)接口模塊之間相互通信；系統(tǒng)啟動符號邏輯推理單元，觸發(fā)解釋模塊，并通過人機(jī)接口模塊輸出；當(dāng)變電站發(fā)生非常規(guī)故障時(shí)，所述數(shù)值運(yùn)算推理單元、ANN隱式知識模塊、知識庫和人機(jī)接口模塊之間相互通信；所述系統(tǒng)啟動數(shù)值運(yùn)算推理單元，觸發(fā)所述ANN隱式知識模塊和所述知識庫，并通過人機(jī)接口模塊輸出。

數(shù)據(jù)庫存放的告警信息經(jīng)告警預(yù)處理剔除誤發(fā)誤告警信息后，如果與ES顯示知識模塊存放的知識相匹配，直接交給ES處理，通過建立故障推理模型、故障推理機(jī)制及選擇推理方向 進(jìn)行推理，輸出推理結(jié)果。

如圖2所示，基于ANN和ES集成的告警信息分析決策方法，所述方法包括：

(1)接收告警信息并錄入數(shù)據(jù)庫；

(2)預(yù)處理所述告警信息,剔除誤告信息；所述步驟(2)預(yù)處理所述告警信息包括，根據(jù)遙信變位的遙測變化進(jìn)行判斷，具體步驟包括：

a)定義假遙信判別庫；

根據(jù)實(shí)際需求，定義所述假遙信判別庫，包括廠站號、遙信序號、遙測序號、遙測波動值、遙控操作時(shí)間和有效時(shí)間長度；

b)當(dāng)某一遙信發(fā)生變位時(shí)，啟動該假遙信判別庫，找到變化的遙信序號和對應(yīng)的遙測序號；

c)從數(shù)據(jù)庫中獲取有效時(shí)間長度內(nèi)所述遙測序號對應(yīng)的遙測值，將該遙測值與假遙信判別庫中遙測波動值進(jìn)行比較；若大于遙測波動值，則該遙信為正常變位，否則為誤告信息。

(3)提取有效告警信息；所述步驟(3)中有效告警信息，包括保護(hù)動作信息、備自投信息、開關(guān)變位信息、重合閘信息、保護(hù)出口信息、保護(hù)壓板信息、測控遠(yuǎn)方就地信息、越限告警信息、通信狀態(tài)信息和異常告警信息。

(4)當(dāng)預(yù)處理后的告警信息與知識庫中任一條知識規(guī)則匹配時(shí)，直接通過ES進(jìn)行推理并輸出結(jié)果；所述步驟(4)中ES推理包括，建立故障推理模型和故障推理機(jī)制，并確定推理方向。

所述故障推理模型，包括故障類型、時(shí)間窗口和推理啟動信號；

其中，所述故障類型包括單純故障和組合故障；

所述時(shí)間窗口整定為3～10s；

所述推理啟動信號包括保護(hù)動作信號、斷路器動作信號和事故總信號。

所述故障推理機(jī)制采用單個(gè)事件推理與多個(gè)關(guān)聯(lián)事件推理相結(jié)合的多重推理機(jī)制。

所述推理方向包括，選用正反向混合推理方式，首先正向推理提出假設(shè)，然后反向推理證實(shí)假設(shè)，并輸出推理結(jié)果；具體過程包括：

11-1搜索知識庫，提取與數(shù)據(jù)庫的故障信息匹配的知識規(guī)則：首先提取知識庫任一知識規(guī)則的前提部分，與數(shù)據(jù)庫的故障信息進(jìn)行對比，若所述故障信息中包含該前提部分，該知識規(guī)則匹配成功，并將其添加至知識匹配集中；否則，進(jìn)行下一條知識規(guī)則匹配，循環(huán)操作；

對于匹配失敗的故障采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行推理；

如圖3所示，11-2依次對知識匹配集中每一條知識規(guī)則進(jìn)行ES推理；

11-3將推理得出的結(jié)論放入動態(tài)數(shù)據(jù)庫，對于無法得出結(jié)論的故障信息采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行推理；直至不再產(chǎn)生新的結(jié)論。

11-4將所有知識規(guī)則的前提部分作為新的假設(shè)加入故障假設(shè)集合，直到故障假設(shè)集合中某一條假設(shè)成立為止，如果所有的假設(shè)均不成立，系統(tǒng)進(jìn)入BP神經(jīng)網(wǎng)絡(luò)計(jì)算程序。

(5)當(dāng)預(yù)處理后的告警信息與知識庫中所有知識規(guī)則皆不匹配時(shí)，則轉(zhuǎn)至ANN進(jìn)行處理；

所述步驟(5)中ANN進(jìn)行處理包括，在處理前設(shè)置變電站設(shè)備的主保護(hù)和后備保護(hù)誤動、拒動的概率系數(shù)為a_i,保護(hù)裝置的故障可靠系數(shù)為θ_i，根據(jù)下述公式獲得設(shè)備的綜合保護(hù)系數(shù)該系數(shù)P連同設(shè)備相關(guān)聯(lián)的開關(guān)變位和故障信息一起作為ANN的輸入信息。

對所述輸入信息進(jìn)行ANN運(yùn)算，包括；

選定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)定所有閾值與連接權(quán)值為分布均勻的較小數(shù)值；

采用正向傳播和誤差反向傳播，對該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)。

所述正向傳播包括，輸入信號經(jīng)過sigmoid函數(shù)逐層正向傳播，由輸出層輸出信息處理結(jié)果，如果實(shí)際輸出與期望不符，則進(jìn)行誤差反向傳播。

所述誤差反向傳播包括，輸出信號的誤差沿原路返回，按誤差梯度下降的方式修改各層神經(jīng)元的權(quán)值和閾值，經(jīng)過反復(fù)傳播，各層權(quán)值不斷調(diào)整，使得信號誤差降至要求范圍之內(nèi)；

當(dāng)ANN運(yùn)算后求得某個(gè)設(shè)備的輸出結(jié)果為1，則說明設(shè)備發(fā)生故障，否則該設(shè)備正常。

(6)對輸出結(jié)果進(jìn)行解釋，并通過ANN運(yùn)算推理的設(shè)備故障所對應(yīng)的隱式知識轉(zhuǎn)化為知識規(guī)則，存入知識庫。

最后應(yīng)當(dāng)說明的是：以上實(shí)施例僅用以說明本申請的技術(shù)方案而非對其保護(hù)范圍的限制，盡管參照上述實(shí)施例對本申請進(jìn)行了詳細(xì)的說明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：本領(lǐng)域技術(shù)人員閱讀本申請后依然可對申請的具體實(shí)施方式進(jìn)行種種變更、修改或者等同替換，這些變更、修改或者等同替換，其均在其申請待批的權(quán)利要求范圍之內(nèi)。