章　筠，　呂　楠

上海電氣集團股份有限公司 中央研究院　上?！?00070

?

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺的設計與開發(fā)

章筠，呂楠

上海電氣集團股份有限公司 中央研究院上海200070

設計與開發(fā)了一種分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺，該軟件平臺以分布式能源系統(tǒng)為對象，專注于可充放電池、光伏系統(tǒng)、風機等設備運行狀態(tài)的監(jiān)測問題。利用監(jiān)測數(shù)據(jù)，實現(xiàn)相關(guān)設備的故障報警、診斷和預測等功能。該軟件平臺以故障事件為基本元素，對故障分析和處理業(yè)務進行統(tǒng)一整合，結(jié)合專家系統(tǒng)和知識庫的功能，將兩者通過故障事件業(yè)務模型進行有機聯(lián)系，具備了數(shù)據(jù)聯(lián)通實時化、知識組織邏輯化、規(guī)則配置靈活化、計算公式配置界面化、案例檢索智能化等多項特征。

分布式能源系統(tǒng)； 故障診斷； 故障預測； 專家系統(tǒng)

電網(wǎng)及電力設備的故障診斷、預測及防護一直以來都是電力系統(tǒng)研究的重點課題。在電力系統(tǒng)生產(chǎn)實踐中，故障診斷與預測技術(shù)對于防止事故發(fā)生、避免經(jīng)濟損失、制定與完善維修計劃等具有重要意義[1]。近年來，國內(nèi)外多次發(fā)生的大規(guī)模停電事件，如北美大停電、巴西大停電，以及我國廣東省大停電事件，使電力系統(tǒng)運行可靠性及安全性得到了更多的重視，也對電網(wǎng)的可靠性和穩(wěn)定性提出了更高的要求。隨著分布式發(fā)電技術(shù)的快速發(fā)展，分布式能源系統(tǒng)的故障診斷及預測技術(shù)也得到了廣泛的關(guān)注[2-3]。對發(fā)生故障的分布式能源系統(tǒng)進行及時準確的診斷，甚至對即將發(fā)生的故障進行預測，具有非常重要的意義： 一方面，它能縮短故障應急處理時間，減少故障所導致的損失；另一方面，它能為系統(tǒng)維護計劃制定和備品備件管理提供必要的參考[4-5]。

在此背景下，上海電氣集團股份有限公司中央研究院通過對分布式能源系統(tǒng)故障處理業(yè)務需求的具體分析，在分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺的設計和開發(fā)中，采用不同于常規(guī)專家系統(tǒng)和知識庫系統(tǒng)的業(yè)務模型框架，將實時檢測、規(guī)則推理、故障統(tǒng)計、案例分析等多種功能有機地集成到統(tǒng)一的平臺中，開發(fā)了具有較高靈活度的故障處理專家知識庫系統(tǒng)[6-7]。該系統(tǒng)以故障事件為基本元素，對故障分析和處理業(yè)務進行統(tǒng)一整合，結(jié)合專家系統(tǒng)和知識庫的功能，將兩者通過故障事件業(yè)務模型進行有機聯(lián)系，使之具備數(shù)據(jù)聯(lián)通實時化、知識組織邏輯化、規(guī)則配置靈活化、計算公式配置界面化、案例檢索智能化等多項特征。

1　總體設計

1.1整體技術(shù)方案

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺針對分布式能源系統(tǒng)主要設備的故障處理業(yè)務，以故障事件為核心構(gòu)建系統(tǒng)業(yè)務模型框架，并以基于故障事件模型的關(guān)系型數(shù)據(jù)庫為軟件實現(xiàn)基礎，整體技術(shù)方案如圖1所示。

圖1　分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺整體技術(shù)方案

該軟件平臺的主要業(yè)務功能包括故障相關(guān)測量數(shù)據(jù)監(jiān)視、故障檢測算法配置、故障事件邏輯關(guān)系定義和構(gòu)建、故障信息自動記錄與統(tǒng)計分析、基于規(guī)則和統(tǒng)計信息的故障推理等，圖2為軟件功能示意圖。

圖2　分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺功能示意圖

此外，該軟件平臺以故障事件模型為核心構(gòu)建關(guān)系型數(shù)據(jù)模型，并以此數(shù)據(jù)模型為基礎，實現(xiàn)整個軟件平臺。具體所實現(xiàn)的功能包括故障事件及關(guān)系管理、故障診斷及預測規(guī)則的自動生成、案例庫設計、Lucene全文檢索[8]、數(shù)據(jù)訪問、業(yè)務邏輯定義及實現(xiàn)、視圖展現(xiàn)等。

1.2系統(tǒng)軟件架構(gòu)

如圖3所示，分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件系統(tǒng)采用三層架構(gòu)進行實施，分別為視圖展現(xiàn)層、業(yè)務邏輯層、數(shù)據(jù)訪問層。采用分層處理能有效提高系統(tǒng)的高內(nèi)聚低耦合性，促進組件模塊化，提高系統(tǒng)可維護性[9]。

圖3　分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺總體架構(gòu)

視圖展現(xiàn)層： 負責用戶與系統(tǒng)的交互。用戶打開瀏覽器，點擊相應的按鈕或鏈接，發(fā)送請求指令，系統(tǒng)經(jīng)過處理后，將返回結(jié)果展現(xiàn)在瀏覽器中。

業(yè)務邏輯層： 負責業(yè)務邏輯處理，是系統(tǒng)的核心層。該層主要根據(jù)實際業(yè)務需要，進行相應的業(yè)務邏輯處理，用于系統(tǒng)內(nèi)部的有效性驗證、邏輯判斷、業(yè)務處理性工作，以更好地保證程序運行的穩(wěn)定性和健壯性。

數(shù)據(jù)訪問層： 負責與底層數(shù)據(jù)庫的交互，執(zhí)行數(shù)據(jù)的添加、刪除、修改、顯示等。

2　詳細設計

2.1登錄管理

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件系統(tǒng)采用目前主流的B/S(Browser/Server，瀏覽器/服務器模式)應用架構(gòu)，在移動終端設備上打開瀏覽器，輸入系統(tǒng)訪問地址后[10-11]，輸入用戶名、密碼及驗證碼，即可登錄系統(tǒng)，登錄界面見圖4。

圖4　分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺登錄界面

2.2權(quán)限管理

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺不僅需支持基于角色的訪問控制(Role-based Access Control， RBAC)權(quán)限管理，還需滿足工程權(quán)限管理的要求。RBAC權(quán)限管理分為菜單管理、角色管理、用戶角色管理，各個功能按照菜單劃分，不同的角色可以訪問不同的菜單集合。用戶與角色關(guān)聯(lián)，不同的用戶擁有不同的角色，系統(tǒng)從而可以控制不同用戶的訪問權(quán)限。

2.3獲取監(jiān)控數(shù)據(jù)

由于微網(wǎng)遠程客服系統(tǒng)軟件已對各地區(qū)各工程的監(jiān)控數(shù)據(jù)進行了采集，專家知識庫軟件平臺需具備從遠程客服系統(tǒng)的數(shù)據(jù)庫中獲取監(jiān)控數(shù)據(jù)的能力。專家系統(tǒng)采用相應的故障診斷與預測策略對監(jiān)控數(shù)據(jù)進行分析，如果故障出現(xiàn)，則進行告警，并將告警信息顯示在軟件頁面上。

2.4知識采編與規(guī)則管理

故障診斷及預測的核心是推理引擎，推理引擎需要知識和規(guī)則的支撐，管理人員根據(jù)業(yè)務需要，對知識進行采編，對規(guī)則進行維護。

知識庫知識采編主要是維護知識點，實現(xiàn)對知識的輸入、查詢、瀏覽、刪除、修改等基本管理，提供知識的一致性、完整性，以及抗冗余檢查。

規(guī)則維護主要是維護規(guī)則，實現(xiàn)對規(guī)則的輸入、查詢、瀏覽、刪除、修改等基本管理。

2.5知識全文檢索

知識庫是故障診斷與預測分析的基礎，是系統(tǒng)中不可缺少的組成部分。知識庫要管理的知識量是龐大的，知識的調(diào)用、檢索和查詢效率，以及知識的一致性維護和完整性檢查等是故障診斷與預測能否成功的關(guān)鍵。

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件具有Lucene知識全文檢索功能，提供良好的用戶體驗。若故障診斷或預測結(jié)果不完善或需要補充查詢，用戶可以根據(jù)關(guān)鍵詞進行全文搜索，將搜索到的內(nèi)容展現(xiàn)出來，并根據(jù)提示信息找到自己所需要的內(nèi)容，從而能夠快速查找問題。在確認知識庫尚未包含的知識點后，維護人員可對知識庫進行編輯維護，添加相應的知識。

2.6故障監(jiān)控

故障監(jiān)控功能實時從后臺獲取故障診斷與預測的信息，并快速、高效、準確地通知用戶，保證用戶能夠?qū)收闲畔⑦M行及時處理，同時確認故障預警發(fā)生的根本原因，快速找出解決問題的方案，保證設備正常運營，避免或減少不必要的損失。

2.7故障診斷與預測

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺可以運用該領(lǐng)域?qū)＜叶嗄陙矸e累的經(jīng)驗和專業(yè)知識，求解需要專家才能解決的問題，具有快速、靈活、可靠的特點。它幾乎可以無限制地容納該領(lǐng)域所有適用于故障診斷與預測的專家經(jīng)驗，并能夠利用這些經(jīng)驗知識快速準確地確定故障性質(zhì)和故障位置，以及預測故障。

故障診斷主要是指當設備系統(tǒng)表現(xiàn)出某種故障信號，而這種故障信號可能對應多種故障原因時，系統(tǒng)可以模擬專家思維推理出最可能發(fā)生故障的部位和原因，對故障做出合理的解釋并給出處理建議。

故障預測主要是根據(jù)歷史數(shù)據(jù)或歷史故障數(shù)據(jù)的統(tǒng)計分析結(jié)果，結(jié)合系統(tǒng)監(jiān)測的實時狀態(tài)數(shù)據(jù)，預測出設備可能將會發(fā)生的故障，并進行預警提示，從而更好地避免不必要的損失，為設備的正常運行提供更好的保障。

在軟件首頁點擊“診斷”或“預測”按鈕會出現(xiàn)“專家診斷結(jié)果”或“專家預測結(jié)果”頁面。圖5給出了“專家診斷結(jié)果”頁面，該頁面向用戶呈現(xiàn)故障事件描述、故障處理方式、故障原因事件等信息。原因事件的狀態(tài)為紅色表示對應的原因事件發(fā)生，綠色表示未發(fā)生，用戶根據(jù)故障原因事件的狀態(tài)可以直觀地確認導致故障發(fā)生的原因。

圖5　“專家診斷結(jié)果”界面

此外，軟件平臺對導致故障發(fā)生的原因進行了統(tǒng)計，用戶點擊“原因統(tǒng)計”便可查閱故障原因的頻次統(tǒng)計圖(如圖6所示)。通過查閱統(tǒng)計圖，用戶可以更為有效地對故障原因進行排查。

圖6　故障原因頻次統(tǒng)計

3　核心技術(shù)

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺集成了以下6項核心技術(shù)。

3.1基于故障事件的故障處理業(yè)務模型框架

為了將傳感器實時檢測數(shù)據(jù)、故障檢測算法、故障診斷與預測規(guī)則、故障推理引擎、故障事件信息、故障處理建議、故障案例等多種業(yè)務信息與功能集成到統(tǒng)一的專家知識庫平臺中，本系統(tǒng)以故障事件為基本業(yè)務單元，構(gòu)建故障處理業(yè)務模型框架。傳感器實時檢測數(shù)據(jù)同故障檢測算法關(guān)聯(lián)，故障檢測結(jié)果決定故障事件是否被激活；一旦故障事件被激活，故障推理模塊將根據(jù)規(guī)則和統(tǒng)計信息給出故障診斷或預測結(jié)果；可能的故障原因或故障結(jié)果確定后，根據(jù)相應的原因或結(jié)果給出故障處理建議；故障案例也可以根據(jù)故障事件類型進行分類管理和檢索。

3.2基于故障事件的可配置化數(shù)據(jù)模型

為了滿足分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺業(yè)務模型框架的實現(xiàn)需求，設計了針對故障處理業(yè)務的可配置化數(shù)據(jù)模型。該數(shù)據(jù)模型以設備、故障事件為主線，構(gòu)建各項業(yè)務之間的關(guān)系。根據(jù)設備類型定義和管理故障事件，根據(jù)故障事件定義管理故障檢測公式、故障事件邏輯關(guān)系、故障診斷和預測規(guī)則，根據(jù)設備類型和故障類型管理故障案例庫。各種業(yè)務通過設備類型和故障事件實現(xiàn)相互關(guān)聯(lián)，業(yè)務屬性的配置具有高度靈活性。

3.3故障檢測算法自定義配置技術(shù)

故障檢測算法是決定故障事件是否被激活的關(guān)鍵組件，是傳感器實時檢測數(shù)據(jù)與故障事件單元模型之間的接口。由于系統(tǒng)設備類型及故障模式種類繁多，因此故障檢測算法也成為故障診斷與預測專家知識庫中內(nèi)容最豐富的組件之一，后期的維護工作量很大。為此，本系統(tǒng)針對工程實際中存在的大量簡單診斷公式，提供了自定義、自維護的靈活配置技術(shù)，在不需要接觸代碼的情況下，方便用戶自行添加和更改故障檢測算法。

3.4基于故障事件模型的故障診斷與預測規(guī)則自定義和自動生成技術(shù)

由于采用了基于故障事件的業(yè)務模型框架，因此在分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺中，故障診斷與預測規(guī)則是通過故障事件進行定義和管理的。用戶通過事件管理界面定義和管理故障事件，以及故障事件之間的邏輯關(guān)系；系統(tǒng)根據(jù)所定義的故障事件及事件關(guān)系、故障事件之間的因果關(guān)系，雙向分別自動生成故障診斷與預測規(guī)則。

3.5基于故障規(guī)則和統(tǒng)計信息的故障智能推理技術(shù)

分布式能源系統(tǒng)故障診斷與預測專家知識庫基于故障規(guī)則和歷史故障發(fā)生記錄，實現(xiàn)故障推理。針對故障事件的原因事件，采用參數(shù)滿足狄利克雷分布的多項式分布描述事件發(fā)生概率，在每次得到一個新的故障及其原因記錄時，更新多項式分布，更新后的事件概率分布仍然是一個多項式分布。故障診斷與預測專家知識庫的推理引擎根據(jù)故障診斷規(guī)則列出備選的原因事件列表，并依據(jù)原因事件的發(fā)生概率判定各故障原因的可能性。

3.6基于Lucene全文搜索的案例庫智能檢索技術(shù)

故障案例庫能夠為故障判定和處理提供經(jīng)驗信息，其有效利用的技術(shù)核心是高效的文本搜索技術(shù)。本系統(tǒng)提供了基于Lucene全文搜索的智能檢索解決方案，在故障案例檢索界面，用戶可根據(jù)標題、關(guān)鍵詞、故障原因、解決方案等字段進行模糊查詢，系統(tǒng)會對關(guān)鍵詞和索引文件進行匹配，將匹配結(jié)果通過頁面排序的方式顯示，方便用戶快速查詢和確認問題。

4　總結(jié)

分布式能源系統(tǒng)故障診斷與預測專家知識庫軟件平臺專注于可充放電池、光伏系統(tǒng)、風機等設備運行狀態(tài)的監(jiān)測問題，并利用監(jiān)測數(shù)據(jù)實現(xiàn)相關(guān)設備的故障報警、診斷和預測等功能。在滿足故障分析與處理業(yè)務的同時，還具備數(shù)據(jù)通信、知識、經(jīng)驗、計算、邏輯推理等要素，可以較為容易地推廣到其它業(yè)務。此外，該專家知識庫軟件平臺提供了較為靈活的業(yè)務和數(shù)據(jù)模型，能夠?qū)⒏鞣N智能要素有機地進行集成，這為未來專家知識庫通用化產(chǎn)品的開發(fā)提供了借鑒。

[1] 王振銘，王喜魁，洪廣歡.分布式能源發(fā)展的新機遇[J].沈陽工程學院學報(自然科學版)，2012，8(3)： 193-197.

[2] 馬悅，董舟.分布式能源系統(tǒng)的研究及配置方案分析[J].節(jié)能，2011(4)： 15-19.

[3] 孫換春.分布式光伏發(fā)電系統(tǒng)接入配電網(wǎng)相關(guān)技術(shù)分析[J].電子技術(shù)與軟件工程，2015(5)： 245.

[4] 黃大榮，宋軍，胡必錦.基于專家知識庫屬性重要度的故障診斷方法研究[J].計算機科學，2007，34(4)： 231-233，封三.

[5] 劉劍，陳一超，江虹.基于規(guī)則的通用專家知識庫故障診斷方法[J].計算機與數(shù)字工程，2010，38(6)： 72-76.

[6] 師會超，梁永政.塞拉門故障診斷專家系統(tǒng)知識庫設計與實現(xiàn)[J].計算機測量與控制，2010，18(10)： 2262-2264，2288.

[7] 宣建強，李清東，江加和，等.基于測試事件圖的故障診斷系統(tǒng)知識獲取技術(shù)[J].上海交通大學學報，2011，45(2)： 179-183.

[8] 朱向明，周鳳岐，王繼紅.數(shù)據(jù)挖掘故障診斷專家系統(tǒng)[J].火力與指揮控制，2011，36(9)： 190-194.

[9] 劉守明，胡志坤，王美玲.基于知識庫的電力變壓器故障診斷專家系統(tǒng)[J].計算機測量與控制，2011，19(7)： 1569-1571.

[10] 張永宜，段志宏.基于專家知識庫的電力變壓器故障診斷系統(tǒng)[J].西安工程大學學報，2011，25(4)： 547-550.

[11] 許亮，李秀喜，周華，等.故障診斷專家系統(tǒng)中知識庫組織和維護技術(shù)的研究[J].計算機與應用化學，2006，23(11)： 1124-1128.

Introduced the design and development of software platform of expertise library for fault diagnosis and prediction of distributed energy system. This software platform takes the distributed energy system as an object and puts the focus on the monitoring issues on running status of rechargeable batteries, photovoltaic systems and blower fans. Malfunction alarm, diagnostics and predication functions of correlate equipment could be achieved via monitoring data. The software platform takes failure events as the basic elements to unify and integrate fault analysis and business process. The functions both in expert systems and knowledge base are combined together and are connected organically to the failure event & business model to enable the platform possessing multiple features i.e. real-time in data interchange, logic for knowledge structure, flexible in rule configuration , interface for formula configuration and intelligent in case searching.

Distributed Energy System； Fault Diagnosis； Fault Prediction； Expert System

2015年10月

章筠(1985—)，女，博士，工程師，主要從事分布式能源系統(tǒng)數(shù)據(jù)分析、算法研究及智能專家知識庫研發(fā)工作，

E-mail： yunzhang1985@163.com

TP277

A

1674-540X(2016)01-001-05