余國清,羅可
摘要: 在變電站智能告警專家系統(tǒng)中,針對(duì)業(yè)務(wù)知識(shí)的不確定性和復(fù)雜性,文中設(shè)計(jì)了一種不確定性知識(shí)的表示方法,可以使采用該方法構(gòu)建的知識(shí)庫更有利于推理機(jī)的推理和知識(shí)庫的自學(xué)習(xí)。該方法根據(jù)領(lǐng)域知識(shí)將變電站信號(hào)進(jìn)行分層分類,以子知識(shí)庫的形式進(jìn)行知識(shí)的組織,克服了知識(shí)的復(fù)雜性。而且它采用一種模糊產(chǎn)生式表示業(yè)務(wù)知識(shí),將模糊推理規(guī)則映射為模糊產(chǎn)生式,解決了知識(shí)的不確定性問題。實(shí)驗(yàn)分析表明,該方法適合進(jìn)行變電站關(guān)聯(lián)信號(hào)的告警推理,結(jié)合系統(tǒng)對(duì)知識(shí)的自學(xué)習(xí)機(jī)制,可以有效降低告警的差錯(cuò)率和虛警率。
關(guān)鍵詞:專家系統(tǒng);知識(shí)庫;模糊產(chǎn)生式;模糊推理
In intelligent alarm expert system for substation, the business knowledge is uncertain and complex. Focusing on these characteristics, this paper designs a method of representation for uncertain knowledge. The knowledge library built using this method is more conductive to carry on fuzzy reasonging and self-learning. Based on the domain knowledge, this method classifies signals of the substation, and organizes the knowledge in the form of sub-knowledge library,to overcome the complexity of knowledge. In order to solve the problem of knowledge's uncertainty, it represents business knowledge by a kind of fuzzy production, and maps the fuzzy reasoning rule to fuzzy production. Experiment results show that this method is suitable for alarm reasoning on related signals of the substation. Combined with the self-learning mechanism for knowledge of the system, the method can reduce the rate of missing alarm and false alarm effectively.
Expert system; Knowledge library; Fuzzy production; Fuzzy reasoning
TM76文獻(xiàn)標(biāo)識(shí)碼:A
1 引言
為進(jìn)一步實(shí)現(xiàn)變電站無人值班管理,迫切需要在監(jiān)控系統(tǒng)中建立告警和異常處理的專家系統(tǒng),對(duì)變電站信息進(jìn)行智能化管理,從中提取告警信息,用以輔助工作人員進(jìn)行故障判斷及處理。
一個(gè)完整的專家系統(tǒng)由6部分組成:知識(shí)庫、數(shù)據(jù)庫、推理機(jī)、知識(shí)獲取機(jī)制、解釋機(jī)制和人機(jī)接口,其中知識(shí)庫和推理機(jī)是核心部分[1],好的知識(shí)表示和知識(shí)庫組織方法可以有效提高系統(tǒng)進(jìn)行匹配和推理的效率。
為解決一些不確定性問題,模糊邏輯已被引入到故障診斷方法的研究中[2]。本文設(shè)計(jì)了一種有效的不確定性知識(shí)的表示與組織方式。變電站業(yè)務(wù)知識(shí)雖然數(shù)量龐大且復(fù)雜,可以將它們按設(shè)備來源和信號(hào)性質(zhì)進(jìn)行分類細(xì)化;采用模糊產(chǎn)生式表示知識(shí),可以有效地表現(xiàn)知識(shí)的不確定性。實(shí)驗(yàn)分析表明了該方法對(duì)于變電站時(shí)序關(guān)聯(lián)信號(hào)告警推理的有效性。
2 變電站業(yè)務(wù)知識(shí)的組織形式
變電站智能告警專家系統(tǒng)的知識(shí)來源于監(jiān)控系統(tǒng)獲得的大量模擬量、開關(guān)量等信息,還包括領(lǐng)域?qū)<议L期積累的經(jīng)驗(yàn)。變電站的時(shí)序信號(hào)總量龐大,但根據(jù)其性質(zhì)可分為三類:提示信息、告警信息、事故及變位信息。其中,提示類信號(hào)在變電站智能告警專家系統(tǒng)中不需特別關(guān)注,重點(diǎn)處理的是數(shù)量不多,但對(duì)變電站運(yùn)行維護(hù)影響較大的告警信號(hào)和事故信號(hào)。
文獻(xiàn)[3]中提到一種分類方法,將變電站常見的異常故障對(duì)應(yīng)的告警信號(hào)進(jìn)行分層分類,歸納總結(jié)后共有7大類90種左右,可以覆蓋變電站所有的事故及異常告警信號(hào)。在這些方法的基礎(chǔ)上,結(jié)合文獻(xiàn)[4]中業(yè)務(wù)知識(shí)的介紹,本系統(tǒng)將各種告警信號(hào)以間隔為單位,大致劃分為以下單元:(1)線路間隔單元,包括開關(guān)機(jī)構(gòu)信號(hào)、保護(hù)信號(hào)、模擬量(三相電流及有功);對(duì)3/2接線,2臺(tái)開關(guān)及保護(hù)、線路保護(hù)等信號(hào);(2)主變間隔單元,包括三側(cè)開關(guān)分合閘信號(hào)、三側(cè)開關(guān)機(jī)構(gòu)信號(hào)、主變保護(hù)信號(hào)、冷卻器及其電源信號(hào)、有載調(diào)壓信號(hào)、模擬量(三側(cè)開關(guān)各相電流及有功);(3)母線間隔單元,按電壓等級(jí)分,不管幾組,接該電壓等級(jí)所有開關(guān)跳閘信號(hào)、母差保護(hù)信號(hào);(4)公共單元組,包括所用電容器、壓變回路、直流系統(tǒng)的信號(hào)及其它公共信號(hào)。
每個(gè)單元中所包含的信號(hào),根據(jù)其具體設(shè)備來源和關(guān)聯(lián)性質(zhì),可以進(jìn)一步地劃分,如線路間隔單元中的信號(hào)可以再次劃分為斷路器相關(guān)信號(hào)、保護(hù)及控制回路信號(hào)等。各種信號(hào)通過層層分類后,可建立相應(yīng)的子知識(shí)庫,將同類信號(hào)對(duì)應(yīng)的知識(shí)存儲(chǔ)在同一子知識(shí)庫中。在查詢相關(guān)知識(shí)時(shí),可以為知識(shí)庫建立一個(gè)知識(shí)索引表,把所有相對(duì)獨(dú)立的子知識(shí)庫聯(lián)系起來,如圖1所示,可以借助索引快速查找到知識(shí)所在的子知識(shí)庫,并且可以根據(jù)告警信號(hào)所攜帶的設(shè)備間隔等信息,準(zhǔn)確地判斷出異常出現(xiàn)的具體位置。當(dāng)索引表中第三級(jí)標(biāo)識(shí)相同時(shí),指向的是同一子知識(shí)庫,其中存儲(chǔ)了與該設(shè)備相關(guān)的所有知識(shí)。
3 基于一種模糊產(chǎn)生式的知識(shí)表示方法
3.1 模糊產(chǎn)生式
以用途來分類,變電站智能告警專家系統(tǒng)屬于故障診斷型專家系統(tǒng),因此必然要經(jīng)歷從信號(hào)到故障的推理過程。但是用監(jiān)控信號(hào)來推理變電站故障,具有一定的不確定性,主要表現(xiàn)在以下幾個(gè)方面:
(1) 信號(hào)的不確定性:監(jiān)控設(shè)施提供的信號(hào),受時(shí)間、監(jiān)控設(shè)備性能等因素的影響,并非完全可信;
(2) 推理的不確定性:用來推理某個(gè)故障的信號(hào)并非是特定的那幾個(gè),故障發(fā)生時(shí)可能只出現(xiàn)了部分信號(hào);
(3) 結(jié)論的不確定性:變電站實(shí)際發(fā)生的故障與推理結(jié)論不一定相符,可能并未發(fā)生該故障,也可能出現(xiàn)了其它故障。
為使專家系統(tǒng)中的知識(shí)能夠反映出變電站信息和知識(shí)的不確定性,本文基于模糊集理論引人了一種模糊產(chǎn)生式來表示知識(shí)。產(chǎn)生式一般用于表示具有因果關(guān)系的知識(shí),其基本形式為[5][6]:或者,是產(chǎn)生式的一組前提,各前提之間可以是“與”或者“或”的關(guān)系,用于指出該產(chǎn)生式成立的條件;是一組結(jié)論或操作,用于說明當(dāng)前提條件 滿足時(shí),應(yīng)該得出的結(jié)論或應(yīng)該執(zhí)行的操作。模糊產(chǎn)生式仍采用IF-THEN的形式,其前件和后件均為模糊集,并引入權(quán)值、閾值、確信度等參量,可用于表現(xiàn)知識(shí)的不確定性,尤其適用于模糊推理。
一個(gè)模糊產(chǎn)生式即表示一條模糊推理規(guī)則,所以模糊產(chǎn)生式又稱為模糊規(guī)則,下面參考文獻(xiàn)[7][8]給出一種模糊規(guī)則的定義。
定義:設(shè)R為一種表示合取形式的模糊規(guī)則,其形式如下,
其中前件Pi表示規(guī)則的前提條件,,它們之間是“與”的關(guān)系,后件Q表示結(jié)論,前件和后件均為模糊集,Pi和Q的真值M表示隸屬度,取值范圍為[0,1];Wi為前提條件Pi的權(quán)值,反映Pi在所有前提中所占的比重,根據(jù)實(shí)際需要進(jìn)行取值,且;CF為規(guī)則的確信度,表示該規(guī)則的可信程度,;為規(guī)則的“可應(yīng)用閾值”,,F(xiàn)為控制函數(shù),當(dāng)時(shí)規(guī)則可用,函數(shù)F可根據(jù)實(shí)際情況具體設(shè)置。
模糊產(chǎn)生式表示知識(shí),主要有以下優(yōu)點(diǎn)[9]:(1)自然性:用“如果…,則…”的形式表示知識(shí),符合語言習(xí)慣和邏輯思維習(xí)慣,且簡單、自然;(2)有效性:模糊產(chǎn)生式可表示不確定性知識(shí),有利于進(jìn)行啟發(fā)性、試探性的推理;(3)模塊性:規(guī)則與規(guī)則之間在結(jié)構(gòu)上相對(duì)獨(dú)立,規(guī)則與推理機(jī)也相對(duì)獨(dú)立,便于進(jìn)行規(guī)則庫(知識(shí)庫)的維護(hù);(4)清晰性:規(guī)則格式固定,由前件與后件構(gòu)成,結(jié)構(gòu)清晰明了,便于存儲(chǔ)和編程實(shí)現(xiàn)。
3.2 單個(gè)事件的知識(shí)表示
變電站某個(gè)間隔的監(jiān)控設(shè)備發(fā)送出幾個(gè)告警信號(hào),若這些信號(hào)之間毫無關(guān)聯(lián),說明每一個(gè)告警信號(hào)代表一個(gè)異常/事故,專家系統(tǒng)需盡快做出反應(yīng),給出相應(yīng)的處理方案。針對(duì)這種情況,按照索引表為各種設(shè)備單元設(shè)計(jì)單個(gè)事件知識(shí)庫,用于無關(guān)聯(lián)告警信息的故障推理。
單個(gè)事件的告警知識(shí),用模糊產(chǎn)生式表示為:IF<告警信號(hào)>THEN(閾值)<原因與處理方案>(確信度)。前提為一個(gè)告警信號(hào),它的可信度受時(shí)間、監(jiān)控設(shè)施性能等因素的影響,用真值表示,在[0,1]內(nèi)取值,其初始值根據(jù)專家經(jīng)驗(yàn)設(shè)置。閾值對(duì)于規(guī)則的應(yīng)用給出一個(gè)最小值,當(dāng)信號(hào)的真值超過閾值時(shí),該規(guī)則才可以應(yīng)用于推理,結(jié)論為可能出現(xiàn)的故障及處理方案。當(dāng)一個(gè)規(guī)則的前提信號(hào)滿足時(shí),其指示的結(jié)論故障并不一定發(fā)生,因此引入確信度參量CF(),以描述前提條件滿足時(shí)規(guī)則成立的可信程度。CF的初始值可結(jié)合該規(guī)則相關(guān)的歷史數(shù)據(jù)和專家經(jīng)驗(yàn)進(jìn)行設(shè)置,并可通過自學(xué)習(xí)機(jī)制進(jìn)行不斷的優(yōu)化。表1以斷路器的部分告警信息為例,說明單個(gè)告警信息的知識(shí)表示與存儲(chǔ)結(jié)構(gòu)。
3.3 關(guān)聯(lián)事件的知識(shí)表示
在多數(shù)情況下,需要處理的告警信號(hào)之間是存在著某種聯(lián)系的。例如在某一時(shí)段內(nèi)出現(xiàn)的時(shí)序信號(hào)中,有幾個(gè)信號(hào)是由同一間隔內(nèi)同一設(shè)備的運(yùn)行異常而引起的,則這幾個(gè)信號(hào)就可以稱為關(guān)聯(lián)信號(hào)。針對(duì)這種情況,相應(yīng)于單個(gè)事件告警信息知識(shí)庫,設(shè)計(jì)關(guān)聯(lián)事件告警信息知識(shí)庫,應(yīng)用于關(guān)聯(lián)事件的告警推理。
用于關(guān)聯(lián)事件推理的告警知識(shí),用模糊產(chǎn)生式表示為:IF<告警信號(hào)1>(權(quán)值1)and…and<告警信號(hào)n>(權(quán)值n)THEN(閾值 )<原因與處理方案>(確信度CF)。與單個(gè)事件的告警信息不同的是,規(guī)則的前提為關(guān)聯(lián)信號(hào),根據(jù)每個(gè)信號(hào)對(duì)結(jié)論的影響程度選取相應(yīng)的權(quán)值。在模糊推理過程中,即使所需的關(guān)聯(lián)信號(hào)沒有全部出現(xiàn),只要出現(xiàn)的信號(hào)的真值與權(quán)值在相關(guān)函數(shù)(系統(tǒng)根據(jù)實(shí)際情況設(shè)置)的作用下,計(jì)算結(jié)果超過規(guī)則的閾值,那么該規(guī)則就可以應(yīng)用于下一步的推理。下面仍以斷路器為例,說明關(guān)聯(lián)事件告警信息的知識(shí)表示與存儲(chǔ)結(jié)構(gòu),如表2所示。
4 性能分析
變電站設(shè)備的典型故障按復(fù)雜程度可以分為:
(1) 單純故障:某一種設(shè)備發(fā)生的一種故障類型,包括線路故障、母線故障、主變故障、電容器故障、電抗器故障、開關(guān)拒動(dòng)故障、重合閘不成功故障、PT故障、CT故障、直流系統(tǒng)故障等;
(2) 組合故障:某幾種設(shè)備同時(shí)發(fā)生故障,即上述故障運(yùn)行方式的不同組合,如線路故障跳閘,開關(guān)拒動(dòng),失靈保護(hù)啟動(dòng)母差動(dòng)作,跳本線路所在母線其它開關(guān)等。
系統(tǒng)把獲得的一系列告警信號(hào),根據(jù)信號(hào)所屬設(shè)備間隔的不同劃分成幾組。與其它信號(hào)無關(guān)聯(lián)的信號(hào),可查詢單個(gè)事件告警信息知識(shí)庫進(jìn)行匹配,找出相應(yīng)的處理方案;來源于同一設(shè)備間隔的信號(hào),可能為關(guān)聯(lián)信號(hào),查詢關(guān)聯(lián)事件告警信息知識(shí)庫進(jìn)行不完全匹配,符合匹配模式的規(guī)則都要參與計(jì)算及推理,此時(shí)的推理形式為模糊推理。
基于模糊產(chǎn)生式進(jìn)行模糊推理,可以合理地表現(xiàn)出系統(tǒng)的不確定性,能夠運(yùn)用人類專家的經(jīng)驗(yàn)知識(shí)進(jìn)行啟發(fā)性的搜索、試探性的推理,靈活性較高。
例如,當(dāng)監(jiān)控系統(tǒng)中出現(xiàn)液壓機(jī)構(gòu)合閘閉鎖(a),液壓機(jī)構(gòu)分閘閉鎖(b),斷路器控制回路斷線(c)三個(gè)信號(hào)時(shí),可推斷出現(xiàn)異?!皵嗦菲鞑僮鳈C(jī)構(gòu)故障閉鎖分合閘”(Q)。如果運(yùn)用窮舉法推理,只有當(dāng)三個(gè)信號(hào)都出現(xiàn)的時(shí)候,系統(tǒng)才能做出結(jié)論Q,若只出現(xiàn)信號(hào)a、b,則無法推得這樣的結(jié)論。但是,在一般情況下,監(jiān)控系統(tǒng)受眾多因素的影響,獲得的信號(hào)大多是不完備的,而變電站設(shè)備已經(jīng)出現(xiàn)了異常。此時(shí),窮舉法推理的差錯(cuò)率(出現(xiàn)異常卻未發(fā)現(xiàn))就會(huì)很高。如果采用模糊法,即使信號(hào)不完全出現(xiàn),依然可進(jìn)行推理。在表2中編號(hào)為y-2的規(guī)則顯示:
,
假設(shè)規(guī)定F函數(shù)為,其中為信號(hào)Pi的真值,wi為信號(hào)Pi的權(quán)值,。不考慮其它因素的影響,信號(hào)的真值簡單地設(shè)置為:出現(xiàn)時(shí)值為1,反之為0。當(dāng)出現(xiàn)a、b兩個(gè)信號(hào)時(shí),通過F函數(shù)計(jì)算得,是大于等于閾值的,所以該規(guī)則可以應(yīng)用于推理,推得結(jié)論為Q,真值為0.665。此結(jié)論可信度較高,可提示工作人員進(jìn)行檢查和處理。因此,模糊推理相對(duì)于窮舉方法,可降低系統(tǒng)的差錯(cuò)率。
當(dāng)a、b、c三個(gè)信號(hào)都出現(xiàn)時(shí),查詢關(guān)聯(lián)事件知識(shí)庫,發(fā)現(xiàn)不僅規(guī)則y-2匹配,規(guī)則y-3也匹配,且經(jīng)過F函數(shù)計(jì)算,轉(zhuǎn)移函數(shù)值都大于等于閾值,因此兩個(gè)規(guī)則都適用。此時(shí)不僅可以推得結(jié)論Q,還將得到“斷路器操作結(jié)構(gòu)N2泄漏或打壓過高”的結(jié)論。如果斷路器并未發(fā)生后者所指示的異常,則系統(tǒng)出現(xiàn)虛報(bào)警。由此可知,運(yùn)用模糊推理雖然降低了系統(tǒng)的差錯(cuò)率,卻提高了虛警率。
為了降低虛警率和差錯(cuò)率,可采用自學(xué)習(xí)方法對(duì)知識(shí)庫中的知識(shí)進(jìn)行調(diào)權(quán)。在知識(shí)庫中,每條規(guī)則知識(shí)的相關(guān)參量都被明確標(biāo)注和存儲(chǔ)在知識(shí)庫中,且各個(gè)知識(shí)規(guī)則之間是相對(duì)獨(dú)立的。系統(tǒng)在實(shí)際環(huán)境中運(yùn)行時(shí),將運(yùn)行結(jié)果與實(shí)際情況不斷比較,運(yùn)用一定的學(xué)習(xí)算法對(duì)知識(shí)進(jìn)行更新,只需在相應(yīng)位置更改規(guī)則知識(shí)的參量或在子知識(shí)庫中添加新的知識(shí)規(guī)則,其余的知識(shí)不受影響。系統(tǒng)通過自學(xué)習(xí)方式可以不斷優(yōu)化規(guī)則中的權(quán)值、閾值等參量,盡可能地避免虛報(bào)警情況的發(fā)生,從而降低虛警率。
5 結(jié)論
變電站智能告警專家系統(tǒng)的性能主要取決于知識(shí)表示方式的合理性和知識(shí)庫中所含知識(shí)的完善程度。本系統(tǒng)所設(shè)計(jì)的知識(shí)庫按設(shè)備單元、故障類型進(jìn)行分類組織知識(shí),可以進(jìn)行快速的知識(shí)匹配;知識(shí)庫中的知識(shí)采用模糊產(chǎn)生式表示,不僅體現(xiàn)了系統(tǒng)知識(shí)的不確定性,也利于進(jìn)行模糊推理,可在一定程度上降低系統(tǒng)的差錯(cuò)率。另外,在知識(shí)庫的維護(hù)中引入自學(xué)習(xí)機(jī)制,有利于系統(tǒng)進(jìn)行知識(shí)精確性的修正和知識(shí)總量的擴(kuò)充,從而達(dá)到降低虛警率的目的。
本文作者創(chuàng)新點(diǎn):作者將變電站中的故障診斷規(guī)則,用模糊產(chǎn)生式表示,并采用不完全匹配的模糊推理策略,可有效降低虛警率和差錯(cuò)率,提高診斷結(jié)果的準(zhǔn)確率。
參考文獻(xiàn)
[1] 敖志剛. 人工智能與專家系統(tǒng)導(dǎo)論[M]. 合肥: 中國科學(xué)技術(shù)大學(xué)出版社, 2002: 165-184.
[2] 禹柳飛, 張友斌. 基于模糊邏輯的旋轉(zhuǎn)機(jī)組故障診斷方法[J]. 微計(jì)算機(jī)信息, 2008,9-1: 226-227.
[3] 董勤偉. 變電站集中監(jiān)控告警信號(hào)在線處理專家系統(tǒng)[D]. 南京:東南大學(xué), 2006.
[4] 嚴(yán)勝. 智能電網(wǎng)變電站集中監(jiān)控告警專家處理系統(tǒng)的研究與應(yīng)用[J], 中國科技信息, 2009, 17: 25-27.
[5] 嚴(yán)作重. 基于模糊Petri網(wǎng)專家系統(tǒng)的研究[D]. 北京: 北京機(jī)械工業(yè)自動(dòng)化研究所, 2009.
[6] S.L. Wang, Y.H. Wu. Reasoning in Fuzzy Production Systems When Input Information is Incomplete[C], IEEE International Fuzzy Systems Conference Proceedings, 1999, 8(3): 1557-1561.
[7] S.M. Chen, S. Member. Weighted Fuzzy Reasoning Using Weighted Fuzzy Petri Nets[J], IEEE Transactions on Knowledge and Data Engineering, 2002, 14(2): 386-397.
[8] 王熙照, 郗亞輝, 董春茹, 安素芳. 加權(quán)模糊產(chǎn)生式規(guī)則的泛化能力研究[J], 科學(xué)技術(shù)與工程, 2006, 6(5): 534-539.
[9] 席中洋. 專家系統(tǒng)開發(fā)工具的研究與應(yīng)用[D]. 南京: 南京理工大學(xué), 2003.