李 敏，王誠(chéng)意，蔡嘉輝，王 琨，董 康，徐業(yè)峻，周楊柳

（1.國(guó)網(wǎng)江蘇省電力有限公司 蘇州供電分公司，江蘇 蘇州 215000；2.江南大學(xué) 機(jī)械工程學(xué)院，江蘇 無(wú)錫 214122；3.南海西部石油油田服務(wù)（深圳）有限公司，廣東 深圳 518000）

0 引言

專家系統(tǒng)將某個(gè)領(lǐng)域一個(gè)或多個(gè)專家的知識(shí)與經(jīng)驗(yàn)集成為智能計(jì)算機(jī)程序，模擬專家思維對(duì)現(xiàn)實(shí)問(wèn)題進(jìn)行判斷、推理和決策。對(duì)用戶的用電信息不能進(jìn)行快速準(zhǔn)確的統(tǒng)計(jì)阻礙著線損的有效計(jì)算與管理，但隨著用電信息采集系統(tǒng)和網(wǎng)絡(luò)通信等技術(shù)的發(fā)展，臺(tái)區(qū)線損管理引入智能化管理理念，為此一些專家學(xué)者對(duì)臺(tái)區(qū)線損進(jìn)行有效監(jiān)測(cè)與診斷進(jìn)行了大量的理論研究與實(shí)踐。

倪瑞明等提出了一種基于數(shù)據(jù)聚類分析臺(tái)區(qū)線損異常判斷的方法［1］，可實(shí)現(xiàn)臺(tái)區(qū)線損的自動(dòng)判斷。宋煜等人通過(guò)臺(tái)區(qū)線損異常智能診斷模型，能夠?qū)崟r(shí)分析影響臺(tái)區(qū)線損異常的原因［2］。文獻(xiàn)［3］針對(duì)竊電行為提出了一種基于格蘭杰歸因分析的竊電檢測(cè)方法，該方法能夠有效判別用戶的竊電行為。有學(xué)者提出了一種考慮三相不平衡度的線損計(jì)算方法［4］，該算法能在一定程度提高線損精度。文獻(xiàn)［5］提出了用于輔助調(diào)度員決策，且具有在線學(xué)習(xí)功能的電網(wǎng)自主優(yōu)化控制和決策框架。文獻(xiàn)［6］總結(jié)了人工智能技術(shù)在調(diào)度中電力系統(tǒng)故障診斷、穩(wěn)定性評(píng)估和運(yùn)行方式制定等應(yīng)用。文獻(xiàn)［7］設(shè)計(jì)了基于知識(shí)圖譜技術(shù)的電網(wǎng)運(yùn)營(yíng)監(jiān)測(cè)分析系統(tǒng)，為電網(wǎng)運(yùn)營(yíng)監(jiān)測(cè)提供參考。不同臺(tái)區(qū)之間電力網(wǎng)絡(luò)環(huán)境不同，在進(jìn)行線損率計(jì)算時(shí)往往由于沒(méi)有考慮到各個(gè)臺(tái)區(qū)的網(wǎng)絡(luò)特征而造成線損計(jì)算精度低。

本文提出建立以專家系統(tǒng)為核心的線損異常智能診斷系統(tǒng)。該系統(tǒng)可根據(jù)不同臺(tái)區(qū)網(wǎng)絡(luò)環(huán)境的差異分別建立不同的專家系統(tǒng)知識(shí)庫(kù)，針對(duì)不同臺(tái)區(qū)提出不同的線損異常智能診斷策略。提高了線損異常智能診斷的精度與可靠性。

1 臺(tái)區(qū)線損異常智能診斷系統(tǒng)架構(gòu)

臺(tái)區(qū)線損異常智能診斷系統(tǒng)以臺(tái)區(qū)電力數(shù)據(jù)采集系統(tǒng)為主要數(shù)據(jù)來(lái)源，經(jīng)過(guò)專家系統(tǒng)的智能診斷查找出線損異常的臺(tái)區(qū)，并將線損異常臺(tái)區(qū)信息存儲(chǔ)于臺(tái)區(qū)線損異常數(shù)據(jù)庫(kù)中。管理者可對(duì)線損異常臺(tái)區(qū)信息進(jìn)行橫向和縱向比較，分析出線損異常的一般規(guī)律，為線損治理提供參考。臺(tái)區(qū)線損異常智能診斷系統(tǒng)的結(jié)構(gòu)框架如圖1所示，N為臺(tái)區(qū)數(shù)量。

圖1 臺(tái)區(qū)線損異常智能診斷系統(tǒng)架構(gòu)Fig.1 Architecture of intelligent diagnosis system for abnormal line loss in station

2 數(shù)據(jù)庫(kù)設(shè)計(jì)

臺(tái)區(qū)線損異常智能診斷系統(tǒng)數(shù)據(jù)庫(kù)主要由原始數(shù)據(jù)庫(kù)和線損異常數(shù)據(jù)庫(kù)2個(gè)部分組成。原始數(shù)據(jù)庫(kù)用來(lái)存儲(chǔ)各個(gè)臺(tái)區(qū)的基本用電信息，線損異常數(shù)據(jù)庫(kù)存放經(jīng)專家系統(tǒng)診斷后線損異常的臺(tái)區(qū)用電數(shù)據(jù)信息。

原始數(shù)據(jù)庫(kù)由每日各臺(tái)區(qū)用電信息生成的數(shù)據(jù)表組成，為了避免在與其他系統(tǒng)數(shù)據(jù)交換時(shí)因數(shù)據(jù)格式引起錯(cuò)誤，表中字段統(tǒng)一為nvarchar類型，且以臺(tái)區(qū)編號(hào)為數(shù)據(jù)表的主鍵各字段均無(wú)默認(rèn)值，數(shù)據(jù)表字段如表1所示。臺(tái)區(qū)線損異常數(shù)據(jù)庫(kù)存儲(chǔ)每日線損異常臺(tái)區(qū)的相關(guān)信息，并以臺(tái)區(qū)編號(hào)為數(shù)據(jù)表的主鍵，數(shù)據(jù)表存儲(chǔ)字段如表2所示。

表1 臺(tái)區(qū)電力信息原始數(shù)據(jù)庫(kù)數(shù)據(jù)表字段Table 1 Data table field of original database of power information in station

表2 臺(tái)區(qū)線損異常數(shù)據(jù)庫(kù)數(shù)據(jù)表字段Table 2 Data table field of station area abnormal line loss database

3 專家系統(tǒng)設(shè)計(jì)

3.1 知識(shí)庫(kù)設(shè)計(jì)

知識(shí)庫(kù)和推理機(jī)是專家系統(tǒng)的核心，是正確進(jìn)行臺(tái)區(qū)線損異常智能診斷的關(guān)鍵。

（1）知識(shí)庫(kù)的建立

知識(shí)庫(kù)由外部和內(nèi)部組成，外部知識(shí)庫(kù)輸入的既可以是線損異常判斷規(guī)則，也可以是實(shí)際線損例程。內(nèi)部知識(shí)庫(kù)則是系統(tǒng)根據(jù)大量線損診斷篩選出來(lái)的典型診斷結(jié)果，并將這些典型診斷結(jié)果補(bǔ)充為知識(shí)庫(kù)中的專家知識(shí)。

（2）知識(shí)庫(kù)規(guī)則

知識(shí)庫(kù)主要包含3大邏輯判斷，規(guī)則如下。

①數(shù)據(jù)完整性判斷：檢查臺(tái)區(qū)電力信息原始數(shù)據(jù)是否存在非法字符或關(guān)鍵用電信息缺失，并對(duì)原始數(shù)據(jù)中的錯(cuò)誤數(shù)據(jù)進(jìn)行修復(fù)。

②線損穩(wěn)定合格臺(tái)區(qū)判斷：根據(jù)電力信息原始數(shù)據(jù)的數(shù)值特征，結(jié)合專家系統(tǒng)知識(shí)庫(kù)知識(shí)內(nèi)容，生成線損穩(wěn)定合格臺(tái)區(qū)的判別算法。

③線損異常判斷：根據(jù)專家經(jīng)驗(yàn)及線損合格率的閾值設(shè)置，原始數(shù)據(jù)和各線損異常類型的特征值分布規(guī)律，生成判斷線損異常臺(tái)區(qū)和線損異常類型的算法。該規(guī)則的準(zhǔn)確率是系統(tǒng)能夠準(zhǔn)確進(jìn)行線損診斷的關(guān)鍵。

3.2 推理機(jī)設(shè)計(jì)

本文專家系統(tǒng)推理機(jī)采用正向推理即由條件推出結(jié)論，根據(jù)知識(shí)庫(kù)中的判斷規(guī)則進(jìn)行線損異常臺(tái)區(qū)和線損異常類型推理。線損異常類型推理機(jī)制如圖2所示，主要內(nèi)容如下。

圖2 線損異常類型推導(dǎo)流程Fig.2 Derivation process of abnormal line loss type

（1）數(shù)據(jù)完整且合法：從原始數(shù)據(jù)庫(kù)中取出數(shù)據(jù)，檢查該數(shù)據(jù)的完整性及正確性，對(duì)存在問(wèn)題的數(shù)據(jù)進(jìn)行修復(fù)。若修復(fù)失敗則丟棄當(dāng)前數(shù)據(jù)進(jìn)行下一條數(shù)據(jù)的讀取與判斷，若原始數(shù)據(jù)沒(méi)有問(wèn)題則將數(shù)據(jù)送入下一判斷環(huán)節(jié)。

（2）線損合格判斷：根據(jù)知識(shí)庫(kù)中的判斷規(guī)則和電力信息原始數(shù)據(jù)，判斷線損是否合格。若是，丟棄當(dāng)前數(shù)據(jù)讀取下一條數(shù)據(jù)并判斷，若為疑似線損異常，則進(jìn)入下一環(huán)節(jié)判斷具體線損異常類型。

（3）線損異常類型判斷：根據(jù)知識(shí)庫(kù)中的規(guī)則和臺(tái)區(qū)電力信息原始數(shù)據(jù)判斷當(dāng)前臺(tái)區(qū)的線損異常類型，在成功判斷后將線損異常類型及原始數(shù)據(jù)存入臺(tái)區(qū)線損異常數(shù)據(jù)庫(kù)中；若未能成功判斷，則將原始數(shù)據(jù)存入疑似線損異常數(shù)據(jù)庫(kù)中，待知識(shí)庫(kù)更新后再進(jìn)行判斷。

3.3 解釋器設(shè)計(jì)

根據(jù)推理機(jī)得到的結(jié)論對(duì)線損異常原因分配合理的解釋，并送入數(shù)據(jù)庫(kù)系統(tǒng)展現(xiàn)給用戶。

臺(tái)區(qū)線損異常的原因主要有6種，分別為近期采集異常、長(zhǎng)期采集異常、臺(tái)區(qū)總表故障、數(shù)據(jù)關(guān)聯(lián)錯(cuò)誤、用戶竊電行為、變壓器設(shè)置錯(cuò)誤。

4 系統(tǒng)主要功能設(shè)計(jì)

臺(tái)區(qū)線損異常智能診斷系統(tǒng)，由5個(gè)功能模塊組成，分布如圖3所示。

圖3 系統(tǒng)功能模塊分布Fig.3 system function module distribution

4.1 數(shù)據(jù)管理

（1）原始數(shù)據(jù)導(dǎo)入：用電原始數(shù)據(jù)支持離線導(dǎo)入方式和在線數(shù)據(jù)采集方式。

（2）數(shù)據(jù)庫(kù)管理：對(duì)原始數(shù)據(jù)庫(kù)和線損異常數(shù)據(jù)庫(kù)進(jìn)行管理，包括數(shù)據(jù)表的創(chuàng)建與刪除，表內(nèi)數(shù)據(jù)的增加、查看與刪除等操作。

4.2 線損異常智能診斷

利用線損異常智能診斷功能，找出原始數(shù)據(jù)庫(kù)中的線損異常的臺(tái)區(qū)信息，并綜合線損異常的數(shù)據(jù)特征，分析線損異常原因。然后將線損異常臺(tái)區(qū)信息及異常原因一起存入線損異常數(shù)據(jù)庫(kù)中。

4.3 異常數(shù)據(jù)查詢分析

（1）任意日線損數(shù)據(jù)：查看線損數(shù)據(jù)庫(kù)中當(dāng)日的線損異常臺(tái)區(qū)信息，信息以表格的形式顯示，以餅狀圖的形式顯示6個(gè)線損異常類型占該日總線損異常臺(tái)區(qū)數(shù)量的比例，如圖4所示。

圖4 線損異常類型分布Fig.4 Distribution of abnormal types of line loss

（2）連續(xù)多日線損數(shù)據(jù)：選擇開始日期和結(jié)束日期，查看期間每日臺(tái)區(qū)信息?，F(xiàn)以查詢2019年11月10日至2019年11月16日連續(xù)7天都有線損臺(tái)區(qū)為例，說(shuō)明查找流程如圖5所示。

圖5 連續(xù)多日線損異常臺(tái)區(qū)查找流程Fig.5 Continuous multi-day abnormal line loss station searching process

讀取2019年11月10日線損數(shù)據(jù)表Loss 20191110中的第1行記錄，設(shè)該表共有N行數(shù)據(jù)；并以該行記錄的主鍵臺(tái)區(qū)編號(hào)為查詢項(xiàng)，依次查找數(shù)據(jù)表Loss20191111，…，Loss20191116主鍵中是否含有該臺(tái)區(qū)編號(hào)的記錄；若都含有，則將該臺(tái)區(qū)編號(hào)的該行記錄存儲(chǔ)的臺(tái)區(qū)信息寫入客戶端頁(yè)面中，若其中某一數(shù)據(jù)表中沒(méi)有，則停止查找，并重新讀取數(shù)據(jù)表Loss20191110中第2行記錄的臺(tái)區(qū)編號(hào)；依次查找數(shù)據(jù)表Loss20191111，…，Loss20191116中是否含有此主鍵臺(tái)區(qū)編號(hào)記錄，重復(fù)上述查找過(guò)程，直至表Loss20191110的所有主鍵數(shù)據(jù)均被查找。

（3）任意2日線損數(shù)據(jù)對(duì)比：查詢過(guò)程與查找連續(xù)多日線損數(shù)據(jù)類似，不同的是只需進(jìn)行2個(gè)線損數(shù)據(jù)表的比較。

4.4 專家系統(tǒng)知識(shí)庫(kù)維護(hù)

（1）線損合格率閾值設(shè)置：線損合格率閾值設(shè)置流程如圖6所示。重置閾值后，只有線損數(shù)據(jù)庫(kù)更新成功完成，線損合格率閾值才設(shè)置成功。

圖6 線損合格率閾值設(shè)置Fig.6 Threshold setting of line loss qualification rate

（2）知識(shí)庫(kù)邏輯規(guī)則維護(hù)：對(duì)知識(shí)庫(kù)中的邏輯判斷規(guī)則進(jìn)行增加、修改和刪除以提高知識(shí)庫(kù)內(nèi)專家知識(shí)的數(shù)量和質(zhì)量，提高專家系統(tǒng)診斷臺(tái)區(qū)線損異常的準(zhǔn)確性。

4.5 用戶管理

對(duì)登錄系統(tǒng)的用戶賬號(hào)基本信息進(jìn)行管理。包括新建、刪除、修改用戶信息等，用戶權(quán)限如圖7所示。

圖7 用戶權(quán)限分布Fig.7 User right distribution

5 系統(tǒng)的實(shí)現(xiàn)與應(yīng)用

5.1 系統(tǒng)技術(shù)實(shí)現(xiàn)

采用Visual Studio作為系統(tǒng)開發(fā)平臺(tái)、使用SQL Server為系統(tǒng)數(shù)據(jù)庫(kù)。系統(tǒng)采用C/S模式開發(fā)，其中服務(wù)器端負(fù)責(zé)數(shù)據(jù)管理，客戶機(jī)端負(fù)責(zé)完成與用戶的交互任務(wù)。

系統(tǒng)客戶機(jī)與服務(wù)器對(duì)用戶數(shù)據(jù)請(qǐng)求響應(yīng)的流程如圖8所示。用戶在人機(jī)交互界面輸入操作命令，客戶端頁(yè)面響應(yīng)程序解析返回值后，用戶即可在人機(jī)交互界面上看到輸入的操作命令經(jīng)處理后的輸出結(jié)果。

圖8 人機(jī)交互響應(yīng)流程Fig.8 Human computer interaction response process

5.2 系統(tǒng)的應(yīng)用

表3為2019年12月30日蘇州供電分公司10個(gè)臺(tái)區(qū)的部分用電數(shù)據(jù)，線損合格率閾值為-1～5，其中臺(tái)區(qū)編號(hào)S014、S018為長(zhǎng)期采集失敗的線損異常臺(tái)區(qū)，S012、S013、S016、S017、S019為近期采集失敗的線損異常臺(tái)區(qū)，S011、S015、S020為線損合格臺(tái)區(qū)，圖9、圖10為系統(tǒng)對(duì)該日這10個(gè)臺(tái)區(qū)線損的診斷結(jié)果。

圖9 近期采集異常線損臺(tái)區(qū)Fig.9 Recent acquisition of abnormal line loss area

圖10 長(zhǎng)期采集異常線損臺(tái)區(qū)Fig.10 Long term acquisition of abnormal line loss area

表3 某臺(tái)區(qū)用電數(shù)據(jù)Table 3 Power consumption data of a certain station area

從系統(tǒng)的線損診斷結(jié)果可以得出實(shí)際線損異常臺(tái)區(qū)及異常原因與診斷結(jié)果相一致，診斷系統(tǒng)達(dá)到了預(yù)期的線損異常診斷功能。

6 結(jié)束語(yǔ)

本文將專家系統(tǒng)與線損異常診斷結(jié)合起來(lái)，專家系統(tǒng)中推理機(jī)利用知識(shí)庫(kù)內(nèi)專家知識(shí)與經(jīng)驗(yàn)進(jìn)行智能推理與決策的功能進(jìn)行線損診斷，提高了線損診斷的正確率。同時(shí)將線損臺(tái)區(qū)信息統(tǒng)一存入線損異常數(shù)據(jù)庫(kù)中，用戶可對(duì)線損異常數(shù)據(jù)庫(kù)中的線損異常信息進(jìn)行橫向和縱向?qū)Ρ?，從而在整體和局部上找到線損的一般規(guī)律，管理者可根據(jù)這些規(guī)律采取相應(yīng)措施降低線損率。本系統(tǒng)的應(yīng)用提高了臺(tái)區(qū)線損診斷的準(zhǔn)確率，提升了電力企業(yè)的智能化綜合管理水平。D