舒征宇，李黃強，丁紅聲，余振華，高 波，楊世勇

（國網(wǎng)湖北省電力公司宜昌供電公司，湖北 宜昌 443000）

0 前言

隨著我國工業(yè)化進(jìn)程的不斷加快以及經(jīng)濟水平的不斷提高、電網(wǎng)建設(shè)不斷加強，電力網(wǎng)絡(luò)則越來越復(fù)雜，與之對應(yīng)電網(wǎng)調(diào)度倒閘操作涉及到的一次、二次設(shè)備的操作愈加復(fù)雜。在運行方式倒換或事故處理時快速準(zhǔn)確的發(fā)布電網(wǎng)調(diào)度操作指令顯得越發(fā)困難。因此越來越多的研究人員試圖將人工智能方面的研究成果應(yīng)用于該領(lǐng)域，建立以人工智能為基礎(chǔ)的電網(wǎng)操作規(guī)則庫，從而輔助電網(wǎng)倒閘操作，提升操作指令準(zhǔn)確率。

目前，我國的電網(wǎng)調(diào)度采取分級管理，各級電網(wǎng)對應(yīng)各級調(diào)度，具有責(zé)任明確、對事故響應(yīng)快速等特點[1-2]。然而由于各級（或各地區(qū)）電網(wǎng)根據(jù)地域特點和設(shè)備特點分別制定其調(diào)度規(guī)程，導(dǎo)致同一操作在國內(nèi)不同地域的電網(wǎng)中調(diào)度操作步驟、內(nèi)容以及操作指令票的填寫標(biāo)準(zhǔn)存在差異（即電網(wǎng)倒閘操作規(guī)則存在差異）[3]。為此，現(xiàn)在關(guān)于操作指令票檢驗相關(guān)研究中較為普遍的做法是：先讓程序員理解電網(wǎng)調(diào)度規(guī)程，然后以程序員理解的邏輯建立相應(yīng)的規(guī)則庫[4]。但是這樣處理不能解決不同地域的調(diào)度規(guī)程存在差異的問題，不能廣泛推廣，并且通過這種方式形成的規(guī)則庫的準(zhǔn)確性受到程序員理解準(zhǔn)確程度的制約，當(dāng)調(diào)度規(guī)程修編后，規(guī)則庫不能及時更正。

鑒于此，本文提出一種基于數(shù)據(jù)挖掘的電網(wǎng)倒閘操作規(guī)則庫建立方法，以歷史操作指令票為依據(jù)，采用數(shù)據(jù)挖掘的方法挖掘電網(wǎng)倒閘操作的操作規(guī)則，根據(jù)不同地域的歷史操作指令票挖掘形成不同的操作規(guī)則庫，從根本上解決了地域差異的問題。

1 操作指令票數(shù)據(jù)挖掘的特異性分析

常見的分類規(guī)則挖掘所涉及的挖掘樣本其屬性是固定的[5]，針對屬性取值規(guī)律進(jìn)行分析從而形成相對固定的分類規(guī)則，其形式如下（見圖1）。

圖1 分類規(guī)則挖掘一般形式Fig.1 The general form of classification rules mining

然而對于電網(wǎng)操作規(guī)則的數(shù)據(jù)挖掘而言，其挖掘的數(shù)據(jù)樣本為歷史存檔中的大量操作指令票，每張操作指令票中涵蓋的操作內(nèi)容和操作步驟則會依據(jù)操作任務(wù)的復(fù)雜程度和邊界條件（即電網(wǎng)實時的運行狀態(tài)）而發(fā)生改變[6]。為此本文首先對挖掘?qū)ο蟮臄?shù)據(jù)樣本（即歷史存檔的操作指令票）進(jìn)行預(yù)處理。

2 數(shù)據(jù)挖掘樣本的預(yù)處理

2.1 建立電力網(wǎng)絡(luò)狀態(tài)模型

建立與電網(wǎng)一次設(shè)備實際結(jié)構(gòu)相符的網(wǎng)絡(luò)拓?fù)淠Ｐ?，其簡化?biāo)準(zhǔn)為：將母線、斷路器、變壓器作為節(jié)點，將輸電線路等效為網(wǎng)絡(luò)拓?fù)淠Ｐ椭械倪?。增加斷路器和母線、線路之間的虛擬連接并簡化為網(wǎng)絡(luò)拓?fù)淠Ｐ椭械倪?，增加母線和變壓器之間的虛擬連接并簡化為網(wǎng)絡(luò)拓?fù)淠Ｐ椭械倪叀Ｓ纱丝梢缘玫奖碚麟娋W(wǎng)中電氣設(shè)備連接關(guān)系的連接矩陣

式中：G0為電力系統(tǒng)的將電力網(wǎng)絡(luò)抽象得到的簡單圖，eij為節(jié)點i到節(jié)點j的邊，n為電網(wǎng)中母線、斷路器、變壓器的個數(shù)之和。該矩陣描述了電網(wǎng)中一次設(shè)備之間的連接關(guān)系。在此基礎(chǔ)上對連接矩陣A0中的對角元素進(jìn)行賦值，得到反映電網(wǎng)一次設(shè)備運行狀態(tài)的網(wǎng)絡(luò)狀態(tài)矩陣

同時，建立與電網(wǎng)一次設(shè)備運行狀態(tài)相對應(yīng)的二次設(shè)備運行狀態(tài)向量χ。

通過上述三個步驟，實際電網(wǎng)中一次設(shè)備與二次設(shè)備的運行狀態(tài)以及整個電網(wǎng)的連接關(guān)系可以由網(wǎng)絡(luò)狀態(tài)矩陣A和二次設(shè)備運行狀態(tài)向量χ表示。

2.2 挖掘樣本的標(biāo)準(zhǔn)化處理

根據(jù)操作步驟拆分操作指令票。一張完整的操作指令票包含兩個部分：1）操作任務(wù)，表示操作指令票需要達(dá)到的目的。2）操作內(nèi)容，表示具體的操作步驟。本發(fā)明根據(jù)操作內(nèi)容中的步驟來劃分操作指令票，同時為保障拆分后得到的操作項目盡可能多的包含原操作指令票的內(nèi)容，將電網(wǎng)操作指令票進(jìn)行劃分表示為如下形式：

式中：S為操作指令票，表示為操作項目的集合，θ為標(biāo)準(zhǔn)化處理后的操作項目。若操作指令票S由n個操作步驟完成，那么該操作指令票則可以劃分為n個操作項目 {θ1,θ2,…,θi,…,θn}。θ為劃分后得到的操作項目（對應(yīng)于原操作票中的操作步驟），由五維向量表示，其中M為原操作票的操作任務(wù)，A為進(jìn)行該操作前電網(wǎng)的一次設(shè)備運行狀態(tài)矩陣，χ為進(jìn)行該操作前的電網(wǎng)二次設(shè)備運行狀態(tài)向量，B為該操作項目對應(yīng)的操作內(nèi)容（下文簡稱本項操作內(nèi)容），N為原始操作指令票中下一項操作項目的操作內(nèi)容（下文簡稱下項操作內(nèi)容）。

采用以上步驟進(jìn)行預(yù)處理后的操作票可以表示為有關(guān)聯(lián)關(guān)系的操作項目，并且每個操作項目有且僅有五個屬性。

3 基于蟻群算法的構(gòu)造規(guī)則

3.1 規(guī)則構(gòu)造

蟻群算法是通過模擬螞蟻覓食尋找最優(yōu)路徑的方式來求解的一種算法[7]。螞蟻在覓食過程中會在經(jīng)過的路徑上留下信息素，而后跟進(jìn)的螞蟻會有極大幾率跟隨信息素前進(jìn)。蟻群算法的本質(zhì)則是設(shè)置虛擬螞蟻和螞蟻向不同節(jié)點移動的幾率來指引路徑尋找，通過多次迭代收斂來進(jìn)行路徑優(yōu)化[8]。而電網(wǎng)調(diào)度倒閘操作的規(guī)則挖掘則可以看作蟻群對覓食路徑的尋找。蟻群算法的數(shù)學(xué)模型可以表示為下式：

式（9）表示螞蟻k在t時刻從節(jié)點i向節(jié)點j移動的的幾率[9]，即操作項目i后執(zhí)行操作項目j的幾率，S為所有操作項目的集合。τij(t)、ηij分別為t時刻的局部信息素和啟發(fā)因子，即局部尋優(yōu)和全局尋優(yōu)的影響因子，Δτij(t)為全局信息素。本文α=0.7、β=0.3、ρ=0.5，令局部信息素為

P(Ni=Bj|Bi)為所有操作項目的集合中，操作項目i執(zhí)行后執(zhí)行操作項目j的概率。式中ψ|Bi為操作項目集合中本項操作內(nèi)容為Bi的操作項目個數(shù)，ψ|Ni=Bj則為本項操作內(nèi)容為Bi且下項操作內(nèi)容為Ni（其中Ni=Bj）的操作項目個數(shù)。

令全局信息素為

其中X，Y為一次狀態(tài)矩陣和二次狀態(tài)向量的皮爾森相關(guān)系數(shù)，分別表示操作項目i執(zhí)行前和操作項目j執(zhí)行前電網(wǎng)一次設(shè)備運行狀態(tài)相似程度和二次設(shè)備運行狀態(tài)相似程度。由于每個操作項目θ只代表單一的操作，相鄰的兩次操作之間電網(wǎng)的設(shè)備運行狀態(tài)會十分接近，以兩個操作項目的電網(wǎng)運行狀態(tài)的皮爾森相關(guān)系數(shù)作為全局信息素可以在迭代過程中快速剔除不相關(guān)的操作項目，加快迭代收斂。

令啟發(fā)因子為

即所有操作任務(wù)為M的操作項目中本項操作內(nèi)容為Bj的概率。其大小為操作任務(wù)為M且操作內(nèi)容為Bj的操作項目個數(shù)除以操作任務(wù)為M的操作項目個數(shù)。

采用以上算法對路徑進(jìn)行搜索直到最新搜索到的操作項目中“下項操作內(nèi)容”為空，則停止搜索并形成一條路徑。經(jīng)過迭代使得路徑收斂得到一條分類規(guī)則，記作R[θ],其實質(zhì)為操作項目的組合序列。

3.2 規(guī)則剪枝

以操作項目集合S中的每個操作項目為起點，采用3.1所述的搜索方法，可以得到對應(yīng)的分類規(guī)則R=[θ1,θ2,…,θi,…,θn]。而這樣搜索得到的規(guī)則中會存在大量的重復(fù)。為此還需要對規(guī)則進(jìn)行修剪[6]，其步驟如下。

步驟1計算規(guī)則有效性，規(guī)則的有效性Q可以用下式進(jìn)行計算。

式中：tp為規(guī)則前件后件都適合的樣例數(shù)；fp為規(guī)則前件適合后件不適合的樣例數(shù)；fn為規(guī)則前件不適合后件適合的樣例數(shù)；tn為規(guī)則前件后件都不適合的樣例數(shù)。

tp、fp、fn、tn的具體數(shù)值可以通過將挖掘得到的規(guī)則R[θ]在歷史操作票中檢驗計算得出。

步驟2規(guī)則剪枝。通過刪除任何能導(dǎo)致規(guī)則精度提高的前件來修剪規(guī)則。剪枝后的規(guī)則就是搜索到的規(guī)則。其具體方法為，依次移去能使規(guī)則有效性得到最大提高的節(jié)點（即規(guī)則中的操作項目θ），直到任意一個節(jié)點的移去將降低規(guī)則有效性。

4 實施步驟

基于規(guī)則挖掘的電網(wǎng)倒閘操作規(guī)則庫建立方法實施步驟如下：

a）建立電力網(wǎng)絡(luò)拓?fù)淠Ｐ停瑢⒛妇€、斷路器、變壓器作為節(jié)點；將輸電線路等效為網(wǎng)絡(luò)拓?fù)淠Ｐ椭械倪?。增加斷路器和母線、線路之間的虛擬連接并簡化為網(wǎng)絡(luò)拓?fù)淠Ｐ椭械倪?，增加母線和變壓器之間的虛擬連接并簡化為網(wǎng)絡(luò)拓?fù)淠Ｐ椭械倪叄纬煽梢员硎倦娋W(wǎng)連接關(guān)系的網(wǎng)絡(luò)拓?fù)淠Ｐ?，記作A0?？蓞⒁娛剑?）與式（2）。

b）根據(jù)一次設(shè)備的運行狀態(tài)，采用公式（3）、（4）為網(wǎng)絡(luò)拓?fù)淠Ｐ椭械膶窃刭x值，形成一次設(shè)備運行狀態(tài)矩陣，用以表示對應(yīng)一次設(shè)備的運行狀態(tài)，記作A。

c）電網(wǎng)的二次設(shè)備都會配合一次設(shè)備運行，在進(jìn)行電網(wǎng)倒閘操作時會涉及到一次與二次設(shè)備的操作。因此，為表征二次設(shè)備的運行狀態(tài)，根據(jù)式（5）、（6）建立與一次設(shè)備運行狀態(tài)矩陣相對應(yīng)的二次設(shè)備運行狀態(tài)向量，記作χ。

d）電網(wǎng)操作指令票都是逐項填寫，每一步只含有對一個設(shè)備的操作內(nèi)容?？梢园凑詹僮鞑襟E進(jìn)行劃分，將任意一張操作指令票劃分成對應(yīng)的操作內(nèi)容。

e）為保障每個數(shù)據(jù)樣本盡可能多的含有全局信息，將本項操作內(nèi)容、下一項操作內(nèi)容、原始操作票的操作任務(wù)、執(zhí)行該操作的網(wǎng)絡(luò)一次設(shè)備狀態(tài)矩陣、執(zhí)行該操作的網(wǎng)絡(luò)二次設(shè)備狀態(tài)向量五項屬性組合形成標(biāo)準(zhǔn)化的數(shù)據(jù)樣本，稱作“操作項目”。

f）從操作項目集合中選取一個操作項目作為起點，由式（12）～（14）采用蟻群算法計算螞蟻向下一個操作項目移動的幾率，即某一次單項操作后下一項操作的幾率。

g）每只螞蟻在搜索過程中，直到搜索到的最后一個操作項目k中Nk=Bk。表示一條完整的路徑搜索完成。

h）采用式（9）、（10）進(jìn)行迭代直至收斂，得到一條路徑（即規(guī)則），并將其輸入規(guī)則庫。

i）根據(jù)式（15）為計算規(guī)則有效性，式中tp、fp、fn、tn的具體數(shù)值可以通過規(guī)則R[θ]在歷史操作票中檢驗計算得出。

j）刪除規(guī)則R[θ]中的節(jié)點，即規(guī)則中的操作項目，重新計算規(guī)則的有效性。若存在有效性降低的情況則恢復(fù)刪除，將修剪后的規(guī)則計入規(guī)則庫；若不存在有效性降低的情況則繼續(xù)刪除節(jié)點，直到所有節(jié)點檢驗完畢。

5 結(jié)語

本文提出的一種基于規(guī)則挖掘的電網(wǎng)倒閘操作規(guī)則庫建立方法將數(shù)據(jù)挖掘引入到電網(wǎng)調(diào)度領(lǐng)域中，在對歷史存檔的電網(wǎng)操作指令票進(jìn)行預(yù)處理的前提下，采用蟻群算法搜索潛在的分類規(guī)則，并通過規(guī)則有效性指標(biāo)對規(guī)則進(jìn)行剪枝形成規(guī)則庫。本文所提出的方法可以適用于不同地域，有效避免了地域差異導(dǎo)致的規(guī)則庫兼容性等問題，可以廣泛應(yīng)用于電網(wǎng)操作指令票的自動檢驗系統(tǒng)和自動生成系統(tǒng)；更好地輔助電網(wǎng)操作指令票的審核，不僅節(jié)約了相關(guān)輔助系統(tǒng)的開發(fā)成本，同時可以有效提高電網(wǎng)操作指令票審核效率和正確率，減少電網(wǎng)操作中的誤操作，避免經(jīng)濟損失。

[參考文獻(xiàn)]（References）

[1]王晶晶,劉巍,張勇平,等.華北電網(wǎng)無人值班站和集控中心管理模式的探討[J].華東電力，2011(10)：23-24.Wang Jingjing,Liu Wei,Zhang Yongping,et al.Re?search on management of control center in North China Power Grid unmanned station[J].East China Electric Power,2011(10)：23-24.

[2]黃煒,張杰明,綦孝文,等.調(diào)度集控一體化系統(tǒng)責(zé)任區(qū)管理和告警解決方案[J].電網(wǎng)技術(shù)，2012(7)：41-45.Huang Wei,Zhang Jieming,Nie Xiaowen,et al.Solu?tions of localization responsibility and alarm man?agement with dispatching integrated[J].Power Sys?tem Technology,2012(7)：41-45.

[3]張良棟,石輝,張勇軍.電網(wǎng)事故原因分類淺析及其預(yù)防策略[J].電力系統(tǒng)保護(hù)與控制，2010(4)：43-47.Zhang Liangdong,Shi Hui,Zhang Yongjun.Analysis of grid accident and its preventive strategies[J].Power System Protection and Control System,2010(4)：43-47.

[4]郭惠.調(diào)控一體模式下電網(wǎng)事故拉荷方案討論[J].科技促進(jìn)發(fā)展，2011(11)：77-81.Guo Hui.Load shedding program discussed under the dispatching integrated[J]Science and Technolo?gy for Development,2011(11)：77-81.

[5]李杰,徐勇,王云峰,等.最簡關(guān)聯(lián)規(guī)則及其挖掘算法[J].計算機工程，2007(13)：77-81.Li Jie,Xu Yong,Wang Yunfeng,et al.The research on association rules mining algorithm with the most simple rules[J].Computer Engineering,2007(13)：77-81.

[6]徐久成,史進(jìn)玲.一種粒計算中決策規(guī)則的提取[J].計算機工程與應(yīng)用，2009(25)：96-101.Xu Jiucheng,Shi Jinling.Research on extraction of decision rules with particle swarm optimization[J].Computer Engineering and Applications,2009(25)：96-101.

[7]陸媛,楊慧中.基于代表熵的基因表達(dá)數(shù)據(jù)聚類分析方法[J].計算機工程與應(yīng)用，2008(27)：56-60.Lu Yuan,Yang Huizhong.Research of cluster analy?sis of gene expression data based on representative entropy [J].ComputerEngineering and Applica?tions,2008(27)：56-60.

[8]李小梅,郭紅.基因表達(dá)數(shù)據(jù)的模糊聚類技術(shù)研究[J].信息系統(tǒng)工程，2013(11)：36-41.Li Xiaomei,Guo Hong.Study of fuzzy clustering analysis based on gene expression[J].Information Systems Engineering,2013(11)：36-41

[9]柴寶杰,劉大為.基于粒子群優(yōu)化的蟻群算法在TSP中的應(yīng)用[J].計算機仿真，2014(8)：16-18.Chai Baojie,Liu Dawei.The research on application of ant colony algorithm in TSP based on particle swarm optimization [J].ComputerSimulation,2014(8)：16-18.