朱文慧++周志兵

[摘 要]針對電力通信中存在的不確定性和復(fù)雜性的特點，提出一種基于粗糙理論與貝葉斯理論的電力通信系統(tǒng)故障檢測模型。文章首先利用粗糙理論刪除不重要的特征屬性，然后通過數(shù)理統(tǒng)計方式，得到不同特征屬性出現(xiàn)的概率；再次，在該基礎(chǔ)上，構(gòu)建最小屬性集的貝葉斯網(wǎng)絡(luò)故障診斷模型；最后通過試驗驗證了上述故障定位方法的有效性。

[關(guān)鍵詞]貝葉斯模型；粗糙集；故障檢測；診斷模型；最小屬性

中圖分類號：TQ275 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-914X（2018）03-0398-01

電力信息通信系統(tǒng)故障診斷是電力信息通信支持系統(tǒng)的重要組成部分。但由于電力信息通信系統(tǒng)線路、硬件和軟件系統(tǒng)眾多，某個設(shè)備或系統(tǒng)發(fā)生故障，會引發(fā)的一連串故障。同樣的出現(xiàn)某個故障現(xiàn)象可能的故障原因也很多。因此為了保障智能電網(wǎng)的平穩(wěn)運行，如果電力信息通信系統(tǒng)發(fā)生某個故障告警，需要快速的從大量的故障原因中準(zhǔn)確找出故障根源?？焖?、準(zhǔn)確、的定位電力信息通信系統(tǒng)的故障原因能提高整個智能電網(wǎng)運行的魯棒性和可靠性， 提高電網(wǎng)服務(wù)質(zhì)量，具有十分重要的價值。

1 粗糙集理論

1.1 粗糙集定義

粗糙集理論用于研究不完整數(shù)據(jù)、不精確知識的表達(dá)、學(xué)習(xí)、歸納等方法。粗糙集理論是一種刻畫不完整性和不確定性信息的數(shù)學(xué)工具，能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律。該理論以對觀察和測量所得的數(shù)據(jù)進(jìn)行分類的能力為基礎(chǔ)，認(rèn)為知識是基于對對象分類的能力，將知識理解為對數(shù)據(jù)的劃分，這種劃分在特定空間上由等價關(guān)系構(gòu)成，將等價關(guān)系對空間的劃分與知識等同。粗糙集理論利用已知的知識庫，將不精確或不確定的知識用已知的知識庫中的知識來（近似）刻畫，用上近似、下近似和邊界來刻畫信息的不確定性。使用等價關(guān)系集 R 對離散表示的空間 U 進(jìn)行劃分，知識表示為 R 對 U 劃分的結(jié)果。知識庫 K可以定義為：屬于 R 中的所有可能的關(guān)系對 U 的劃分，記為：

（1）

給定一組數(shù)據(jù) U與等價關(guān)系集 R，在 R 下對 U的劃分，稱為知識，記為 U/ R 。如果集合 K 能表示成基本等價類組成的并集時，則稱集合 K 是可精確定義。否則集合 K 稱為非精確集或粗糙集。即如果一個等價關(guān)系集對知識的劃分存在矛盾時， 則將導(dǎo)致知識的不確定劃分，可用粗糙度來度量，使用兩個精確集， 即粗糙集的上近似和下近似來描述。

（2）

式中，PRS 為集合X利用粗糙集表達(dá)的知識庫集合K。

1.2 特征屬性化簡

在由粗糙集構(gòu)成的一個知識庫中，有一些特征屬性是不相關(guān)或者不重要的，為了達(dá)到特征向量降維的目的，可以在保持知識庫分類能力不變的前提下，刪除其中不相關(guān)或者不重要的特征屬性。屬性約簡可以使粗糙集能夠獲得分類所需的最小特征屬性集，可以在不影響分類精度的條件下降低特征向量的維數(shù)，得到最簡約的顯式表達(dá)的分類規(guī)則，是其他方法無法得到顯式規(guī)則，是粗糙集的主要優(yōu)勢。

設(shè)R為一族等價關(guān)系，，如果，則稱r為R中必要的。如果每一個都為R中所必要的，則稱R為獨立的。設(shè)，如果Q是獨立的，且ind（Q），則稱Q為P的一個約簡。此時，P可以由多種約簡。P中所有必要關(guān)系組成的集合稱為P的核，記為core（P），表示P的所有約簡組成的交集。

2 基于貝葉斯的診斷模型構(gòu)建

2.1 貝葉斯理論

一個Bayes網(wǎng)絡(luò)是一個有向無循環(huán)圖，圖中的節(jié)點用隨機(jī)變量表示，連線代表節(jié)點之間的影響概率，用條件概率表示。數(shù)學(xué)描述為：

若論域，其中表示為各個節(jié)點。則各節(jié)點的聯(lián)合概率為：

（3）

Bayes網(wǎng)絡(luò)的核心是計算后驗條件概率分布，設(shè)節(jié)點有m個基本事件事件發(fā)生時，網(wǎng)絡(luò)中某一節(jié)點Q的條件概率分布為：

（4）

根據(jù)上述公式可計算與節(jié)點相關(guān)聯(lián)的所有節(jié)點的條件概率，進(jìn)而獲得導(dǎo)致事件的最可能發(fā)生問題的節(jié)點，即導(dǎo)致故障的可能原因。

2.2 電力信息通信系統(tǒng)RS-BN故障診斷構(gòu)建

2.2.1構(gòu)建思路

粗糙集理論只應(yīng)用了故障和原因之間的關(guān)聯(lián)信息，對于由故障過程中總結(jié)出來的先驗知識沒有考慮。Bayes網(wǎng)絡(luò)在故障診斷時，充分利用先驗知識考察全部的系統(tǒng)屬性。由于引起故障的系統(tǒng)屬性有一些是與故障內(nèi)在原因不相關(guān)或不重要的，Bayes網(wǎng)絡(luò)計算了大量的冗余屬性。電力信息通信系統(tǒng)中有大量的系統(tǒng)屬性，故障類型眾多。因此，本文將融合貝葉斯網(wǎng)絡(luò)與粗糙集的優(yōu)點，首先利用粗糙集對冗余屬性的約簡能力，將系統(tǒng)中冗余的系統(tǒng)屬性約簡掉，在此基礎(chǔ)上，結(jié)合系統(tǒng)運行過程中的先驗知識，獲取具有最小診斷集的貝葉斯網(wǎng)絡(luò)模型。

2.2.2算法構(gòu)建

本文實現(xiàn)的電力信息通信系統(tǒng)RS-BN故障診斷模型的詳細(xì)算法步驟；

算法的具體步驟如下：

①對系統(tǒng)運行的故障記錄原始數(shù)據(jù)進(jìn)行整理分析，抽取特征屬性項、合并近義詞和同義詞，進(jìn)行詞頻統(tǒng)計。

②根據(jù)先驗知識，形成包括所有系統(tǒng)屬性值的故障決策表。

③利用粗糙集理論對決策表進(jìn)行特征屬性約簡，形成最小決策規(guī)則集，建立故障診斷知識庫。

④根據(jù)診斷知識庫保留的特征屬性的詞頻統(tǒng)計信息與故障數(shù)量計算獲得特征屬性的先驗概率信息。

⑤建立系統(tǒng)的貝葉斯網(wǎng)絡(luò)故障信息診斷模型，包括網(wǎng)絡(luò)結(jié)構(gòu)中所有存在關(guān)聯(lián)關(guān)系的節(jié)點以及節(jié)點間的連線、原因節(jié)點到中間結(jié)點、故障節(jié)點的條件概率或聯(lián)合條件概率。

利用上述建立的故障診斷模型，進(jìn)行電力信息系統(tǒng)故障診斷時，全部故障原因節(jié)點發(fā)生的概率計算方法如下：

①把結(jié)果節(jié)點向量輸入到貝葉斯網(wǎng)絡(luò)中。

②對于網(wǎng)絡(luò)中的每一個沒處理過的結(jié)點n，如果它具有發(fā)生的事實（證據(jù)），則標(biāo)記它為已經(jīng)處理過，否則繼續(xù)向下執(zhí)行。

③如果它的所有子結(jié)點中有一個沒有處理則不處理這個結(jié)點，否則繼續(xù)向下執(zhí)行。

④根據(jù)節(jié)點n所有子結(jié)點的概率以及條件概率或聯(lián)合條件概率，根據(jù)條件概率公式，計算結(jié)點n的概率分布，并把結(jié)點n標(biāo)記為已處理。

⑤重復(fù)②至④，處理完所有節(jié)點。

此時，每個原因結(jié)點的概率分布就是它的發(fā)生/不發(fā)生的概率。根據(jù)原因節(jié)點的概率分布，對故障原因根據(jù)概率大小進(jìn)行排序，如存在概率相近的情況，按照并列事件處理，據(jù)此在系統(tǒng)中依次檢測故障原因所對應(yīng)的系統(tǒng)屬性，進(jìn)而快速準(zhǔn)備的定位故障原因。

3 實驗驗證

3.1 屬性約簡

給出某一電力信息系統(tǒng)出現(xiàn)訪問故障時節(jié)點指向3個模塊節(jié)點“信息設(shè)備”、“通信設(shè)備”、“平臺軟件”的有向連接圖。同時，應(yīng)用粗糙集屬性約簡后可得到最小屬性集，由此獲得最小屬性集的診斷規(guī)則。

3.2 概率統(tǒng)計

以2012～2016年某市電力通信網(wǎng)絡(luò)故障頻率進(jìn)行統(tǒng)計，可以得到各故障原因最小屬性集的概率。并依次為依據(jù)計算出貝葉斯網(wǎng)絡(luò)中所有連接線的概率信息。依據(jù)RS-BN故障診斷模型計算獲得此時每個系統(tǒng)屬性導(dǎo)致故障的概率。概率大的屬性，發(fā)生故障的可能性較大，從而實現(xiàn)故障原因的快速定位，提高診斷效率。

4 結(jié)束語

利用粗糙集對冗余的系統(tǒng)特征屬性進(jìn)行化簡，獲得最小的特征屬性集，建立最小屬性集的貝葉斯網(wǎng)絡(luò)故障診斷模型，其中網(wǎng)絡(luò)中的條件概率根據(jù)運行記錄中的詞頻信息計算獲得，實驗結(jié)果證明本文方法可有效、快速的定位電力信息通信系統(tǒng)的故障信息，對保障電網(wǎng)的正常運行具有重要價值。endprint