張子建，劉俊宇，梁煜，黃曉歐

（國網(wǎng)北京市電力公司，北京 100031）

智能變電站的日常建設(shè)和運行中，積累了大量的設(shè)備參數(shù)和運行數(shù)據(jù)等信息，但相應(yīng)的信息往往閑置于系統(tǒng)中，影響了智能變電站的數(shù)據(jù)價值發(fā)現(xiàn)。隨著設(shè)備信息的不斷增加，如何高效地檢索設(shè)備信息對于變電站工作人員有著重要意義。然而，變電站設(shè)備的復(fù)雜性使得設(shè)備信息難以準(zhǔn)確檢索[1]。

變電站一次設(shè)備信息管理存在以下問題：1）變電站一次設(shè)備信息是以自然語言的形式進行描述，且格式迥異，增加了計算機對設(shè)備信息的理解難度，且設(shè)備信息的復(fù)雜性給信息的準(zhǔn)確檢索造成了很大困難；2）一次設(shè)備信息管理的智能化程度不夠，無法從大量的監(jiān)測數(shù)據(jù)和歷史數(shù)據(jù)篩選有效的數(shù)據(jù)進行利用。

隨著人工智能技術(shù)、物聯(lián)網(wǎng)等技術(shù)的不斷發(fā)展，為變電站設(shè)備信息的智能化管理提供了新的方向[2]。對于變電站設(shè)備信息語料，文獻[3-4]通過確立語義框架對文本進行表示，但語義框架難以適應(yīng)復(fù)雜的電力設(shè)備信息情況[5]，且框架依賴于專家經(jīng)驗定義，難以全面考慮變電站設(shè)備復(fù)雜化的表達方式。文獻[6-7]利用機器學(xué)習(xí)算法挖掘語料中的規(guī)律對語料特征進行表示。然而，機器學(xué)習(xí)方法所選取的特征基本上局限于關(guān)鍵詞的出現(xiàn)與否[8]，或者詞的出現(xiàn)頻率[9]，這些統(tǒng)計特征雖有一定的規(guī)律性，但對句中關(guān)鍵詞的內(nèi)在邏輯缺乏充分考慮，可解釋性不足，容易局限于缺陷記錄的字面特征。隨著智能變電站戰(zhàn)略的不斷推進，變電站設(shè)備信息呈倍數(shù)增長，對信息儲存和檢索的要求也越來越高。知識圖譜作為一種高效的數(shù)據(jù)庫，可以對變電站設(shè)備信息進行有效的管理。

因此，文中嘗試將知識圖譜方法應(yīng)用在智能變電站的一次設(shè)備信息管理中。首先，將智能變電站信息采集平臺收集的數(shù)據(jù)進行分類；然后，考慮非結(jié)構(gòu)化的數(shù)據(jù)計算機難以準(zhǔn)確識別，定義非結(jié)構(gòu)化的數(shù)據(jù)提取框架，利用隱馬爾科夫模型對收集的數(shù)據(jù)進行分詞和標(biāo)注，為智能變電站一次設(shè)備信息知識圖譜構(gòu)建提供數(shù)據(jù)支撐；最后結(jié)合知識圖譜技術(shù)設(shè)計了智能變電站一次設(shè)備信息檢索系統(tǒng)。該系統(tǒng)能有效地提高變電站設(shè)備信息的檢索效率、提高變電站的智能化水平。

1 智能變電站一次設(shè)備信息采集

隨著智能電網(wǎng)的更新建設(shè)，變電站也在完善它智能化的飛躍。作為電力產(chǎn)業(yè)的一個重要的組成部分，智能變電站中聚集的數(shù)據(jù)量不斷加速增長，加之諸多新能源數(shù)據(jù)的引入，使得如何利用現(xiàn)有理論知識和工具來處理變電站中的數(shù)據(jù)、為智能電網(wǎng)提供數(shù)據(jù)支持，成為一個亟待解決的問題。

1.1 智能變電站數(shù)據(jù)來源

智能變電站的數(shù)據(jù)來源主要有原始數(shù)據(jù)、變電站中各個自動化系統(tǒng)的內(nèi)部數(shù)據(jù)、故障錯誤記錄信息以及對周圍環(huán)境進行監(jiān)測得到數(shù)據(jù)等[10]。

變電站的一次設(shè)備直接連接于電力系統(tǒng)的高壓電網(wǎng)中，參與電力能源的變換、輸送、分配。變電站的一次設(shè)備種類繁多，主要包括變壓器、斷路器、隔離開關(guān)等相關(guān)設(shè)備。

變壓器是電力系統(tǒng)交流電力能源實現(xiàn)轉(zhuǎn)換的主要設(shè)備，可以實現(xiàn)不同電壓等級的電力能源間相互轉(zhuǎn)換，以便于電力系統(tǒng)的連接，優(yōu)化電力能源的傳輸。變壓器數(shù)據(jù)不但包括電壓、電流、有功、無功、相位等數(shù)據(jù)，還包括變壓器的在線監(jiān)測數(shù)據(jù)，主要指變壓器狀態(tài)評估、故障診斷、故障預(yù)測常使用的油溫和油色譜數(shù)據(jù)信息，還包括電力變壓器絕緣油中溶解氣體占相關(guān)氣體的比重和產(chǎn)生這些氣體的速率[11]數(shù)據(jù)信息。這幾種數(shù)據(jù)參量構(gòu)成了電力變壓器數(shù)據(jù)的主要組成部分。

斷路器是接通或斷開電力系統(tǒng)各設(shè)備連接的重要設(shè)備，它配有相對完善的滅弧裝置，具有斷開電力系統(tǒng)電流的能力。斷路器在系統(tǒng)正常運行時可根據(jù)需求改變電力系統(tǒng)的連接關(guān)系，調(diào)節(jié)潮流；在系統(tǒng)故障時，斷路器可以斷開故障電流，切斷故障設(shè)備和系統(tǒng)的電氣連接。斷路器的動作信息是變電站日常運行、管理的重要參考數(shù)據(jù)。

智能變電站中的開關(guān)設(shè)備有密閉性高、靈敏性好等特點，其中氣體絕緣組合電器設(shè)備（gas insulated switchgea，GIS）微水和觸頭溫度等多種參數(shù)都是需要在線監(jiān)測的重要參數(shù)。對于GIS，在線監(jiān)測系統(tǒng)主要監(jiān)測兩類數(shù)據(jù)，一類是六氟化硫（sulfur hexafluoride，SF6）氣體的密度，另一類是當(dāng)有少量的水隨SF6進入到監(jiān)測系統(tǒng)時，所產(chǎn)生的水的含量。GIS在線監(jiān)測系統(tǒng)的局部放電監(jiān)測系統(tǒng)可以監(jiān)測設(shè)備制造、安裝以及維修時帶入的導(dǎo)電微小顆粒和一些異類物質(zhì)、導(dǎo)通電流、內(nèi)部氣隙、接地受阻等缺陷。GIS實時系統(tǒng)可以通過采集不同位置信息來確定隱患的方位。通過采用感應(yīng)器對設(shè)備內(nèi)部的溫度信息的采集，GIS的高速光導(dǎo)纖維溫度測量儀可以快速、準(zhǔn)確地獲得設(shè)備內(nèi)部的溫度信息。

隔離開關(guān)、接地開關(guān)、電容器、電抗器以及互感器等常見的變電站一次設(shè)備所產(chǎn)生的數(shù)據(jù)在變電站維護、故障診斷中都發(fā)揮了重要的作用。

環(huán)境監(jiān)測數(shù)據(jù)對智能變電站數(shù)據(jù)來說也有相當(dāng)重大的意義。智能變電站的微氣象監(jiān)測系統(tǒng)能夠定時收集智能變電站周圍的環(huán)境數(shù)據(jù)，包括空氣濕度、霧霾信息等數(shù)據(jù)。

1.2 智能變電站數(shù)據(jù)分類

為了便于數(shù)據(jù)采集、加工等工作的運作，把智能變電站的數(shù)據(jù)作分類處理。其中，一次設(shè)備的數(shù)據(jù)體量龐大、種類繁多，相關(guān)相似數(shù)據(jù)進行聚類分析，大致可分為五種，分別為基本數(shù)據(jù)、在線監(jiān)測數(shù)據(jù)、運行數(shù)據(jù)、試驗數(shù)據(jù)以及事故數(shù)據(jù)。

1）基本數(shù)據(jù)。基本數(shù)據(jù)是指一次設(shè)備的臺賬、設(shè)計參數(shù)等，數(shù)據(jù)通常較為完整準(zhǔn)確。包括電力設(shè)備的基本參數(shù)等信息，如額定值、功率、尺寸大小、出產(chǎn)廠家、出產(chǎn)日期等。這些數(shù)據(jù)是永久存儲在電力設(shè)備數(shù)據(jù)庫中的數(shù)據(jù)，其他的數(shù)據(jù)是設(shè)備的流數(shù)據(jù)。

2）在線監(jiān)測數(shù)據(jù)。在線監(jiān)測數(shù)據(jù)是對變電站設(shè)備狀況進行連續(xù)或周期性的自動監(jiān)視檢測，具有監(jiān)測頻率高、數(shù)據(jù)體量大的特點，能夠反映相關(guān)設(shè)備的電氣、機械以及化學(xué)特性，例如變壓器的絕緣油色譜分析、電容套管的介損等。

3）運行數(shù)據(jù)。運行數(shù)據(jù)是指在一次設(shè)備運行期間，按規(guī)定的檢查內(nèi)容和周期對各類一次設(shè)備進行巡檢后獲得的書面或電子文檔記錄。運行數(shù)據(jù)是反映電氣設(shè)備具體運行情況的數(shù)據(jù)，如電流、電壓、有功、無功、斷路器動作次數(shù)等。

4）試驗數(shù)據(jù)。試驗數(shù)據(jù)能夠反映設(shè)備電氣、機械、化學(xué)等性質(zhì)的數(shù)據(jù)，其具體值通過利用專業(yè)儀器試驗得到。通常所說的設(shè)備試驗數(shù)據(jù)都是在設(shè)備停電之后進行試驗而得到的數(shù)據(jù)，如直流電阻、絕緣電阻，還包括在設(shè)備不停電情況下，遠離設(shè)備本體進行的數(shù)據(jù)試驗，如油的耐壓值等。

5）事故數(shù)據(jù)。在發(fā)生故障時，在智能變電站中，事故數(shù)據(jù)主要指發(fā)生短路事故時相關(guān)設(shè)備的數(shù)據(jù)，如短路電流的有效值和峰值，短路電流的波形等。

1.3 智能變電站數(shù)據(jù)的特點

設(shè)備信息數(shù)據(jù)一般以一定的形式和結(jié)構(gòu)存儲于智能變電站數(shù)據(jù)庫中，歷史數(shù)據(jù)是對變電站既往運行管理狀態(tài)的忠實記錄，使變電站未來的管控更加有章可循、有理可依。歷史數(shù)據(jù)特點如下：

1）存儲格式迥異。由于電力系統(tǒng)中目前對數(shù)據(jù)的存儲格式并沒有統(tǒng)一的標(biāo)準(zhǔn)，導(dǎo)致數(shù)據(jù)通常以最原始的形式存放。

2）數(shù)據(jù)類型復(fù)雜。智能變電站中的數(shù)據(jù)有整型、實型、布爾型等，此外還包含大量的文檔、視頻等非結(jié)構(gòu)化數(shù)據(jù)。

3）重復(fù)性。關(guān)于某種電力設(shè)備的狀態(tài)數(shù)據(jù)很有可能在相當(dāng)長的一段時間內(nèi)處于穩(wěn)定的狀態(tài)，甚至無論在內(nèi)容、格式或者具體的值域方面都完全相同，但卻在數(shù)據(jù)庫中被重復(fù)存儲。歷史數(shù)據(jù)的這種重復(fù)性存儲模式不但浪費了寶貴的存儲資源，而且在數(shù)據(jù)的搜索和提取時也將對系統(tǒng)的效率造成影響。

2 智能變電站一次設(shè)備知識圖譜構(gòu)建

2.1 智能變電站一次設(shè)備信息抽取

由于變電站一次設(shè)備信息復(fù)雜多樣，收集到的設(shè)備信息雖然有相關(guān)規(guī)范進行規(guī)定，計算機仍難以準(zhǔn)確識別和處理。且變電站設(shè)備信息大多是非結(jié)構(gòu)化的表格文檔，具有半結(jié)構(gòu)化文檔的特點。以變壓器參數(shù)表格為例，數(shù)據(jù)可分為標(biāo)題和數(shù)據(jù)兩部分，標(biāo)題表示變壓器數(shù)據(jù)的性質(zhì)和類別，數(shù)據(jù)表示變壓器實際參數(shù)，如“變壓器設(shè)備參數(shù)”為標(biāo)題，“220 kV”為參數(shù)數(shù)據(jù)．?dāng)?shù)據(jù)抽取的任務(wù)是提取表格中的所有設(shè)備參數(shù)信息，識別兩者的語義關(guān)系。

一般地，變電站設(shè)備信息表格的各標(biāo)題大多存在的內(nèi)容關(guān)聯(lián)，如設(shè)備參數(shù)中包括額定電壓、額定電流和額定輸出功率等，試驗數(shù)據(jù)中包括直流電阻、絕緣電阻和動作次數(shù)等，需要根據(jù)表格特點建立統(tǒng)一的抽取框架：

定義1：表格邏輯結(jié)構(gòu)可以表示為T=＜id，title，type＞集合。其中，id表示設(shè)備信息的標(biāo)識；title表示標(biāo)題；type=｛single，multiple｝，表示標(biāo)題的類型，single表示“單一區(qū)”，multiple表示“多值區(qū)”。通過數(shù)據(jù)匹配抽取表格中的數(shù)據(jù)。

部分變電站一次設(shè)備參數(shù)如下所示：變壓器型號DC9-300/27/?/1.1，冷卻方式 AN/AF，額定電流212/5 196 A，空載損耗25.2 kW，電壓等級10 kV，制造廠商沈陽特變電工。

2.2 隱馬爾科夫文本分詞模型

變電站設(shè)備信息中含有大量構(gòu)詞規(guī)律復(fù)雜的專業(yè)術(shù)語，因此本文使用隱馬爾科夫分詞模型（hidden markov model，HMM）進行設(shè)備信息的處理。設(shè)備信息中每個漢字都有屬于自己的構(gòu)詞詞位。構(gòu)詞詞位可用四種標(biāo)簽表示，B代表詞首位、M代表詞中位、E代表詞尾位，S代表獨立字。設(shè)備信息語料中的每條信息構(gòu)成觀測序列，每個字的構(gòu)詞詞位標(biāo)注構(gòu)成狀態(tài)序列。設(shè)備信息分詞就轉(zhuǎn)換為構(gòu)詞詞位標(biāo)注問題，基于已加工好的語料庫，得到HMM的參數(shù)信息，再通過維特比算法得到待分詞文本的構(gòu)詞詞位標(biāo)注序列。

隱馬爾科夫模型有如下參數(shù)：

1）狀態(tài)轉(zhuǎn)移概率矩陣。設(shè)備信息在各個狀態(tài)間轉(zhuǎn)換的概率：

式中：B，M，E，S為輸入的詞語序列；P為在各個狀態(tài)間轉(zhuǎn)換的概率。

2）觀測概率矩陣。根據(jù)當(dāng)前狀態(tài)獲得各個觀測值的概率：

式中：P(on/Z)為觀測值的概率，Z=（B，M，E，S）；on為第n個觀測值。

3）維特比算法初始化：

式中：S1（i）為設(shè)備信息觀測序列1時刻狀態(tài)i下最大概率；φ1（i）為1時刻狀態(tài)i下概率最大的單路徑。πi為初始各狀態(tài)概率，bi為觀測值為o1的概率，1≤i≤n。

4）狀態(tài)轉(zhuǎn)移：

式中：aij表示在t時刻，若狀態(tài)為i，則在下一時刻狀態(tài)為j的概率；St（i）為設(shè)備信息觀測序列t時刻狀態(tài)i下最大概率；bij表示在t時刻，若狀態(tài)為i，則在下一時刻狀態(tài)為j觀測值為oi的概率；φt（i）為t時刻狀態(tài)i下概率最大的單路徑；1≤i≤n，2≤t≤T，1≤j≤n。

5）輸出設(shè)備信息最大概率的狀態(tài)序列：

最后根據(jù)[北大標(biāo)準(zhǔn)/中科院標(biāo)準(zhǔn)]的漢語詞性對照表對分詞后的設(shè)備信息進行詞性標(biāo)注。輸入輸出數(shù)據(jù)示例見表1。

表1 設(shè)備信息處理結(jié)果Tab.1 Equipment information processing results

2.3 智能變電站一次設(shè)備信息知識圖譜自動構(gòu)建

知識圖譜構(gòu)建的一般過程主要分為3步，即知識抽取、知識表示、知識加工。

1）知識表示。用h表示實體，t表示實體的屬性，h和t之間的關(guān)系用r表示，那么三元組（h，r，t）表示為實體h的t屬性描述。

2）知識抽取。主要是抽取出非（半）結(jié)構(gòu)化數(shù)據(jù)包含的實體、屬性和關(guān)系，作為構(gòu)成知識圖譜的基本元素。并對實體、屬性和關(guān)系進行整合并加入現(xiàn)有結(jié)構(gòu)化數(shù)據(jù)，初步形成知識圖譜。

3）知識加工。在知識圖譜不斷應(yīng)用的過程中，評估其數(shù)據(jù)質(zhì)量和應(yīng)用效果，并結(jié)合知識的發(fā)展與豐富，對知識圖譜進行更新與修正。

知識圖譜構(gòu)建流程如圖1所示。

圖1 知識圖譜構(gòu)建流程Fig.1 Knowledge map construction process

變電站一次設(shè)備信息一般都以自然語言記錄隱患的設(shè)備部件、參數(shù)等內(nèi)容。智能變電站一次設(shè)備信息知識圖譜的構(gòu)建過程和傳統(tǒng)的知識圖譜構(gòu)建過程進行了以下修改：

1）變電站一次設(shè)備信息除抽取實體間及實體與屬性的關(guān)系外，還要抽取屬性間關(guān)系。

2智能變電站一次設(shè)備信息知識圖譜屬于專業(yè)領(lǐng)域知識圖譜，實體詞義僅限于電力領(lǐng)域，且電力行業(yè)有明確的術(shù)語規(guī)范，實體歧義問題基本不存在，省去實體消歧步驟。

3）關(guān)系抽取完成后，需要對關(guān)系進行篩選處理，避免關(guān)系出現(xiàn)冗余，影響知識圖譜的后續(xù)應(yīng)用。

4）數(shù)據(jù)整合步驟將實體、屬性及關(guān)系形成的三元組，形成圖結(jié)構(gòu)的變電站一次設(shè)備知識圖譜。

Neo4j圖數(shù)據(jù)庫由于其圖形化的實體-關(guān)系-屬性三元組與知識圖譜形成很好的映射。因此，本文利用Neo4j圖數(shù)據(jù)庫的可視化功能使變電站一次設(shè)備信息具有更強的可讀性，方便使用者快速獲取及理解變電站設(shè)備相關(guān)參數(shù)和運行數(shù)據(jù)，實現(xiàn)了設(shè)備信息的分析和儲存，并且建立了設(shè)備信息之間的相互關(guān)聯(lián)。

變電站一次設(shè)備知識圖譜中的實體及關(guān)系數(shù)量眾多，隨著設(shè)備的不斷更新?lián)Q代，知識圖譜也應(yīng)進行補全以保證設(shè)備信息檢索的準(zhǔn)確性和實效性。Neo4j圖數(shù)據(jù)庫支持大數(shù)據(jù)集合并且可以不斷擴展其容量，可以滿足知識圖譜的需求。

3 智能變電站設(shè)備一次信息檢索系統(tǒng)

本文基于Centos系統(tǒng)使用Docker部署Django后臺、ElasticSearch及Vue前端等請求并配置相關(guān)參數(shù)，聯(lián)調(diào)使用。系統(tǒng)整體框架圖如圖2所示。

圖2 變電站設(shè)備檢索流程Fig.2 Retrieval process of substation equipment

采用編程設(shè)計智能變電站設(shè)備信息檢索模塊，界面簡潔易操作，對于變電站工作人員來說，不需要過多的學(xué)習(xí)時間。

變電站工作人員可以通過輸入查詢內(nèi)容，經(jīng)過語義理解和問題模板匹配轉(zhuǎn)換為計算機可識別的Cypher語言進行知識查詢，利用Cypher對知識庫的實體關(guān)系直接進行檢索，并通過數(shù)據(jù)可視化庫（data-driven document，D3.js）技術(shù)以實體-關(guān)系-屬性三元組的形式展示。

基于知識圖譜的智能變電站一次設(shè)備信息檢索系統(tǒng)不僅可以為工作人員提供檢索服務(wù)，還可以利用知識圖譜的圖結(jié)構(gòu)關(guān)聯(lián)分析特點，設(shè)計引導(dǎo)式的圖譜檢索對結(jié)果進行可視化的展示。在智能變電站一次設(shè)備知識圖譜中檢索的變壓器A的參數(shù)信息如圖3所示。

圖3 變壓器A參數(shù)信息知識圖譜Fig.3 Knowledge map of transformer A parameter information

4 實驗分析

智能變電站一次設(shè)備信息檢索以儲存的一次設(shè)備為基礎(chǔ)，當(dāng)工作人員進行一次設(shè)備查詢檢索時，工作人員輸入的自然語言查詢語句經(jīng)過語義分析處理后輸入檢索系統(tǒng)中，然后與知識圖譜中的設(shè)備信息進行匹配，并將整合后的查詢結(jié)果以可視化三元組的形式展現(xiàn)，而傳統(tǒng)的關(guān)鍵詞搜索方法則使用SQL語句進行查詢?；谥R圖譜的信息檢索的原理如圖4所示。

圖4 基于知識圖譜的信息檢索原理圖Fig.4 Schematic of information retrieval based on knowledge map

本系統(tǒng)選取500 kV變電站作為測試試點，實驗數(shù)據(jù)共96.2 MB。其中包含一次設(shè)備信息6萬余條，天氣數(shù)據(jù)20 MB。通過準(zhǔn)確率（Precision）和召回率（Recall）證明變電站設(shè)備信息知識圖譜的檢索效果優(yōu)于傳統(tǒng)關(guān)鍵詞搜索方法，其中Recall是指正確結(jié)果與實際存在的正確結(jié)果的比例，性能越好Recall值越大。如表2所示，選取7個工作中的常用信息檢索進行對比。

表2 設(shè)備信息檢索Tab.2 Device information search criteria

實驗結(jié)果如圖5和圖6所示，基于知識圖譜的一次設(shè)備信息檢索方法在Precision和Recall兩個指標(biāo)上整體高于傳統(tǒng)的關(guān)鍵詞檢索方法，知識圖譜在語義級檢索上的表現(xiàn)優(yōu)于傳統(tǒng)方法。在信息檢索條件3時，指標(biāo)相差最大，主要原因是“雷擊”和“故障”在數(shù)據(jù)庫中沒有關(guān)系，而變電站一次設(shè)備知識圖譜中存有它們的三元組關(guān)系?；谥R圖譜的變電站一次設(shè)備信息檢索系統(tǒng)能夠滿足日常檢索需求，它可以快速有效的檢索設(shè)備信息，能減少錯誤操作，提高智能變電站的安全性。

圖5 檢索準(zhǔn)確率對比圖Fig.5 Comparison of retrieval accuracy

圖6 檢索召回率對比圖Fig.6 Retrieve recall rate comparison graph

5 結(jié)論

文中提出了基于知識圖譜技術(shù)的智能變電站一次設(shè)備信息檢索方法，并通過實驗進行分析驗證。通過深入分析智能變電站設(shè)備信息利用率不高、檢索效率低的問題，提出利用知識圖譜技術(shù)對一次設(shè)備信息進行管理。知識圖譜技術(shù)有效實現(xiàn)了設(shè)備信息的高效檢索和可視化展示。采用編程技術(shù)調(diào)用知識圖譜中的設(shè)備信息?；谥R圖譜技術(shù)的智能變電站一次設(shè)備信息檢索系統(tǒng)可以提高設(shè)備信息的檢索效率及準(zhǔn)確性，對智能變電站的穩(wěn)定運行提供數(shù)據(jù)支撐。該系統(tǒng)在一定程度上提高了變電站一次設(shè)備信息的檢索效率，同時也提高了變電站的智能化水平。在后續(xù)研究中，將在關(guān)系抽取步驟中提取更多語料特征，提高知識圖譜構(gòu)建的精確性，從而提升設(shè)備信息的檢索效果，這也是后續(xù)研究的重要方向。