許 堯，馬 歡，許旵鵬，于和林，楊經(jīng)超，毛玉榮

智能變電站繼電保護(hù)智能運(yùn)維系統(tǒng)自動(dòng)配置技術(shù)研究

許 堯1，馬 歡1，許旵鵬1，于和林1，楊經(jīng)超2，毛玉榮2

(1.國(guó)網(wǎng)安徽省電力有限公司超高壓分公司，安徽 合肥 230022；2.武漢凱默電氣有限公司，湖北 武漢 430223)

為提高繼電保護(hù)智能運(yùn)維信息采集配置的效率及正確性，提出一種基于知識(shí)圖譜的智能運(yùn)維系統(tǒng)信息采集自動(dòng)配置技術(shù)?；诶^電保護(hù)相關(guān)規(guī)范建立繼電保護(hù)裝置數(shù)據(jù)輸出端口的標(biāo)準(zhǔn)化模型，依據(jù)專家知識(shí)按照IED類型建立智能運(yùn)維系統(tǒng)信息采集點(diǎn)與繼電保護(hù)裝置標(biāo)準(zhǔn)化數(shù)據(jù)輸出端口的關(guān)聯(lián)關(guān)系，形成智能運(yùn)維系統(tǒng)信息采集配置知識(shí)圖譜本體。結(jié)合智能運(yùn)維系統(tǒng)的歷史配置數(shù)據(jù)進(jìn)行知識(shí)學(xué)習(xí)，建立智能運(yùn)維系統(tǒng)信息采集配置知識(shí)圖譜?；诙卧O(shè)備數(shù)據(jù)輸出端口地址信息與繼電保護(hù)裝置數(shù)據(jù)輸出端口的標(biāo)準(zhǔn)化模型的相似性計(jì)算，自動(dòng)將二次設(shè)備數(shù)據(jù)輸出端口地址匹配到標(biāo)準(zhǔn)信息端口地址實(shí)現(xiàn)知識(shí)融合，并引入CBOW模型增強(qiáng)語(yǔ)義理解，提高實(shí)體相似性算法的精度。實(shí)例驗(yàn)證結(jié)果表明，基于知識(shí)圖譜的智能運(yùn)維系統(tǒng)信息采集自動(dòng)配置技術(shù)可有效提高智能運(yùn)維系統(tǒng)配置效率，保證配置的正確性。

智能運(yùn)維；信息采集；自動(dòng)配置；知識(shí)圖譜；編輯距離；CBOW模型

0 引言

電網(wǎng)的安全穩(wěn)定運(yùn)行依賴?yán)^電保護(hù)的正確動(dòng)作，保護(hù)的正確動(dòng)作依賴運(yùn)維人員對(duì)變電站進(jìn)行日常巡視與定期檢驗(yàn)。隨著變電站規(guī)模的增大、復(fù)雜度提高，電網(wǎng)安全穩(wěn)定運(yùn)行的要求與運(yùn)維壓力的矛盾日益突出[1-3]。傳統(tǒng)運(yùn)維模式難以適應(yīng)變電站運(yùn)維需求，必須由傳統(tǒng)運(yùn)維向智能運(yùn)維方向轉(zhuǎn)變。智能運(yùn)維系統(tǒng)通過(guò)繼電保護(hù)及其二次回路的狀態(tài)感知、診斷與評(píng)價(jià)，指導(dǎo)運(yùn)行維護(hù)人員的工作，實(shí)現(xiàn)變電站日常巡視和定期檢驗(yàn)?zāi)Ｊ睫D(zhuǎn)變?yōu)橹鲃?dòng)狀態(tài)檢修模式[4-7]，可大大減輕運(yùn)維工作量，提高保護(hù)運(yùn)維的效率，提升保護(hù)運(yùn)行的可靠性。

智能運(yùn)維系統(tǒng)狀態(tài)感知需要建立其信息采集與二次設(shè)備數(shù)據(jù)輸出端口地址信息間的映射關(guān)系。目前采取依據(jù)IED端口的文本描述，人工映射端口地址信息至相關(guān)信息采集點(diǎn)的方式進(jìn)行配置。在變電站中，尤其是高電壓等級(jí)的變電站，設(shè)備種類、數(shù)量繁多，信號(hào)配置復(fù)雜，配置工作量大，在工程配置中易出現(xiàn)錯(cuò)配、漏配等問(wèn)題。由于各廠家設(shè)備ICD文件中數(shù)據(jù)輸出端口信息的不規(guī)范性，難以實(shí)現(xiàn)自動(dòng)映射[8-10]。

針對(duì)以上問(wèn)題，引入知識(shí)圖譜技術(shù)，利用知識(shí)圖譜在構(gòu)建知識(shí)網(wǎng)路與展示知識(shí)關(guān)聯(lián)方面的巨大優(yōu)勢(shì)[11-17]，基于繼電保護(hù)九統(tǒng)一規(guī)范及智能運(yùn)維系統(tǒng)歷史配置數(shù)據(jù)，構(gòu)建智能運(yùn)維系統(tǒng)信息采集與二次設(shè)備數(shù)據(jù)輸出端口地址信息間的關(guān)聯(lián)知識(shí)圖譜，工程實(shí)施時(shí)基于知識(shí)圖譜實(shí)現(xiàn)智能運(yùn)維系統(tǒng)的自動(dòng)配置，提高智能運(yùn)維系統(tǒng)配置效率，保證配置的正確性。

1 智能運(yùn)維系統(tǒng)工程配置

智能運(yùn)維系統(tǒng)架構(gòu)如圖1所示，系統(tǒng)建立了信息采集模型及全景可視化、二次虛回路監(jiān)視、光纖鏈路監(jiān)視、二次設(shè)備狀態(tài)監(jiān)視、一二次狀態(tài)不一致監(jiān)視、同源數(shù)據(jù)比對(duì)、跳合閘回路診斷、智能巡視等業(yè)務(wù)模板。系統(tǒng)基于信息采集配置及各業(yè)務(wù)模板的實(shí)例化配置實(shí)現(xiàn)智能變電站二次系統(tǒng)分層全景可視化監(jiān)視及二次設(shè)備故障智能診斷分析。

圖1 智能運(yùn)維系統(tǒng)架構(gòu)

智能運(yùn)維系統(tǒng)工程配置包括系統(tǒng)信息采集配置和各業(yè)務(wù)模板實(shí)例化配置。如圖1所示，信息采集配置將SCD文件中各IED的定值、壓板、GOOSE信號(hào)、開(kāi)關(guān)量信號(hào)、模擬信號(hào)映射到智能運(yùn)維系統(tǒng)信息工程配置模型對(duì)應(yīng)的信息采集點(diǎn)，實(shí)現(xiàn)各IED運(yùn)行信息采集。依據(jù)信息采集的配置將智能運(yùn)維系統(tǒng)工程配置模型中各業(yè)務(wù)模板關(guān)聯(lián)的信號(hào)進(jìn)行實(shí)例化，進(jìn)而實(shí)現(xiàn)業(yè)務(wù)模板的實(shí)例化配置。以跳合閘診斷業(yè)務(wù)為例說(shuō)明業(yè)務(wù)模板的實(shí)例化過(guò)程。

智能運(yùn)維系統(tǒng)中基于IED類型及IED的信息采集模型建立各類型IED的跳合閘回路診斷模板，完成信息采集配置后，系統(tǒng)依據(jù)信息采集配置將跳合閘回路診斷模板中的IED及信息采集點(diǎn)實(shí)例化實(shí)現(xiàn)跳合閘回路診斷業(yè)務(wù)模型的實(shí)例化配置，過(guò)程如圖2所示。

圖2 跳合閘回路診斷業(yè)務(wù)配置

智能運(yùn)維系統(tǒng)工程配置的主要工作是信息采集的配置，目前采取依據(jù)IED端口的文本描述，人工映射IED的端口地址信息至智能運(yùn)維系統(tǒng)對(duì)應(yīng)信息采集點(diǎn)的方式進(jìn)行配置。但變電站內(nèi)二次設(shè)備種類、數(shù)量繁瑣，尤其是高電壓等級(jí)的變電站，如500 kV變電站，二次設(shè)備數(shù)量超過(guò)200個(gè)，人工配置時(shí)間長(zhǎng)達(dá)一個(gè)月。不適應(yīng)變電站建設(shè)工期短、人員緊張的現(xiàn)狀。本文利用知識(shí)圖譜在構(gòu)建知識(shí)網(wǎng)路與展示知識(shí)關(guān)聯(lián)方面的巨大優(yōu)勢(shì)，基于繼電保護(hù)九統(tǒng)一規(guī)范及歷史配置數(shù)據(jù)構(gòu)建信息采集配置的知識(shí)圖譜實(shí)現(xiàn)智能運(yùn)維信息采集的自動(dòng)配置。

2 智能運(yùn)維系統(tǒng)信息采集配置知識(shí)圖譜構(gòu)建

本文采用自頂向下的方法構(gòu)建智能運(yùn)維系統(tǒng)信息采集點(diǎn)與二次設(shè)備數(shù)據(jù)輸出端口地址信息間的關(guān)聯(lián)知識(shí)圖譜，如圖3所示。繼電保護(hù)九統(tǒng)一規(guī)范對(duì)繼電保護(hù)的輸出信息進(jìn)行統(tǒng)一規(guī)范，建立了繼電保護(hù)裝置數(shù)據(jù)輸出端口的標(biāo)準(zhǔn)化模型。智能運(yùn)維系統(tǒng)按IED類型對(duì)需要采集的信息進(jìn)行建模，依據(jù)專家知識(shí)按照IED類型建立智能運(yùn)維系統(tǒng)信息采集點(diǎn)與九統(tǒng)一繼電保護(hù)裝置標(biāo)準(zhǔn)化數(shù)據(jù)輸出端口模型間的關(guān)聯(lián)關(guān)系，形成知識(shí)圖譜本體。

基于智能運(yùn)維系統(tǒng)的歷史配置數(shù)據(jù)進(jìn)行知識(shí)學(xué)習(xí)，解析智能運(yùn)維系統(tǒng)歷史配置文件，獲取智能運(yùn)維系統(tǒng)信息采集點(diǎn)與二次設(shè)備數(shù)據(jù)輸出端口地址信息間的關(guān)聯(lián)關(guān)系，并依據(jù)知識(shí)圖譜本體中智能運(yùn)維系統(tǒng)信息采集點(diǎn)與繼電保護(hù)裝置標(biāo)準(zhǔn)化數(shù)據(jù)輸出端口模型間的關(guān)聯(lián)關(guān)系，建立繼電保護(hù)裝置標(biāo)準(zhǔn)化數(shù)據(jù)輸出端口模型與二次設(shè)備數(shù)據(jù)輸出端口地址信息間的關(guān)聯(lián)關(guān)系，構(gòu)建如圖4所示的智能運(yùn)維系統(tǒng)信息采集配置知識(shí)圖譜。

圖3 知識(shí)圖譜構(gòu)建方法

圖4 智能運(yùn)維系統(tǒng)信息采集配置知識(shí)圖譜

利用智能運(yùn)維系統(tǒng)歷史配置數(shù)據(jù)建立知識(shí)圖譜具有一定的局限性，因此本文基于二次設(shè)備數(shù)據(jù)輸出端口地址信息與九統(tǒng)一繼電保護(hù)裝置數(shù)據(jù)輸出端口的標(biāo)準(zhǔn)化模型的相似性計(jì)算，自動(dòng)將二次設(shè)備數(shù)據(jù)輸出端口地址匹配到標(biāo)準(zhǔn)信息接口地址，并進(jìn)行人工校驗(yàn)，從而建立二次設(shè)備數(shù)據(jù)輸出端口地址信息與智能運(yùn)維系統(tǒng)信息采集點(diǎn)的關(guān)聯(lián)關(guān)系實(shí)現(xiàn)知識(shí)融合。知識(shí)融合實(shí)現(xiàn)流程如圖5所示，解析包含目標(biāo)IED的SCD文件或ICD文件提取目標(biāo)IED的各信息接口地址，依據(jù)目標(biāo)IED的設(shè)備類型在知識(shí)圖譜本體中查找需要配置的信息采集點(diǎn)及其對(duì)應(yīng)的標(biāo)準(zhǔn)信息接口地址，計(jì)算目標(biāo)IED的各信息接口地址與標(biāo)準(zhǔn)信息接口地址的相似性[18-21]，相似性最大的一對(duì)自動(dòng)建立匹配關(guān)系。設(shè)置匹配的門(mén)檻值，相似性低于門(mén)檻值的匹配關(guān)系采用人工確認(rèn)，可確保匹配的正確性。

圖5 知識(shí)融合流程

采用編輯距離衡量信息接口地址的相似度，信息接口地址的相似性計(jì)算對(duì)組成信息接口地址的描述、邏輯設(shè)備、邏輯節(jié)點(diǎn)、數(shù)據(jù)對(duì)象、數(shù)據(jù)屬性5個(gè)屬性分別計(jì)算相似性，取其加權(quán)平均值作為信息接口地址的相似性。對(duì)數(shù)據(jù)輸出端口的邏輯節(jié)點(diǎn)與數(shù)據(jù)對(duì)象屬性進(jìn)行標(biāo)準(zhǔn)化處理，去除屬性的前后綴，避免不同廠家設(shè)備前后綴差異引起的編輯距離計(jì)算的差異。兩個(gè)字符串間的編輯距離如式(1)所示。

對(duì)于信息接口地址的描述，基于編輯距離的相似性計(jì)算停留在字面上的比較，未考慮“同義詞”和“近義詞”因素，本文引入Word2Vector提高對(duì)原文語(yǔ)義關(guān)系的理解，改進(jìn)編輯操作權(quán)重設(shè)置。

替換操作權(quán)重的大小應(yīng)與兩個(gè)詞的相似性大小相反，假設(shè)兩個(gè)詞的詞向量的余弦相似度為，防止為0時(shí)替換操作權(quán)重?zé)o意義，則取兩個(gè)詞替換操作的權(quán)重，如(3)所示。

輸出層向量如式(7)所示。

圖6 CBOW模型

利用大量變電站SCD文件提出二次設(shè)備的信息接口地址作為樣本，在利用jieba分詞[26]前引入電力專業(yè)名詞后增強(qiáng)分詞效果，分詞后進(jìn)行模型訓(xùn)練。

3 基于知識(shí)圖譜的智能運(yùn)維系統(tǒng)信息采集自動(dòng)配置

智能變電站中各二次設(shè)備的模型信息都集成在全站配置SCD文件中，文件結(jié)構(gòu)如圖7所示，文件采用層級(jí)結(jié)構(gòu)，所有二次設(shè)備在SCD文件中均表現(xiàn)為一級(jí)IED節(jié)點(diǎn)及其節(jié)點(diǎn)內(nèi)嵌套的各層子節(jié)點(diǎn)信息。配置前解析SCD文件獲取需要監(jiān)測(cè)的IED，并從其層級(jí)節(jié)點(diǎn)中獲得數(shù)據(jù)輸出接口地址及描述形成該IED的信息接口地址。

配置時(shí)以知識(shí)圖譜中二次設(shè)備為出發(fā)點(diǎn)，按圖8中箭頭所示路徑進(jìn)行查找匹配。以SCD文件解析的IED的設(shè)備型號(hào)信息在知識(shí)圖譜中查找需要監(jiān)測(cè)的IED對(duì)應(yīng)的二次設(shè)備，以在SCD文件中解析提取的該IED的各信息接口地址匹配知識(shí)圖譜中的信息接口地址，匹配到標(biāo)準(zhǔn)信息接口地址，從而匹配到智能運(yùn)維系統(tǒng)的信息采集點(diǎn)，實(shí)現(xiàn)智能運(yùn)維系統(tǒng)信息采集的自動(dòng)配置。

圖7 SCD文件解析示意圖

圖8 自動(dòng)配置路徑

配置時(shí)若在知識(shí)圖譜中無(wú)法匹配到對(duì)應(yīng)的二次設(shè)備，則通過(guò)設(shè)備類型查找智能運(yùn)維系統(tǒng)中該類設(shè)備的信息采集點(diǎn)及其對(duì)應(yīng)的標(biāo)準(zhǔn)信息接口地址，然后通過(guò)IED的信息接口地址與標(biāo)準(zhǔn)信息接口地址的相似性計(jì)算匹配及人工校驗(yàn)實(shí)現(xiàn)二次設(shè)備信息接口地址與智能運(yùn)維系統(tǒng)信息采集點(diǎn)的關(guān)聯(lián)配置，并將該關(guān)聯(lián)關(guān)系儲(chǔ)存到知識(shí)圖譜中實(shí)現(xiàn)知識(shí)更新。

4 實(shí)例驗(yàn)證

為驗(yàn)證本文所提配置方法的有效性，以智能運(yùn)維系統(tǒng)歷史配置數(shù)據(jù)中選取10個(gè)500 kV智能變電站、20個(gè)220 kV智能變電站和10個(gè)110 kV智能變電站的配置數(shù)據(jù)作為配置樣本，樣本包含超過(guò)6 000個(gè)IED的配置數(shù)據(jù)，隨機(jī)選取9個(gè)500 kV、18個(gè)220 kV和9個(gè)110 kV變電站的配置數(shù)據(jù)作為訓(xùn)練集，構(gòu)建知識(shí)圖譜，余下的配置數(shù)據(jù)作為測(cè)試集，衡量方法的有效性。

樣本數(shù)據(jù)中每條配置子項(xiàng)為智能運(yùn)維系統(tǒng)一個(gè)信息采集點(diǎn)及其配置的二次設(shè)備接口地址信息，某條配置子項(xiàng)如下：

圖9 智能運(yùn)維系統(tǒng)信息采集配置知識(shí)圖譜片段

基于構(gòu)建的知識(shí)圖譜，對(duì)測(cè)試集進(jìn)行智能運(yùn)維系統(tǒng)工程配置，某220 kV變電站智能運(yùn)維系統(tǒng)信息采集點(diǎn)、跳合閘回路診斷業(yè)務(wù)配置結(jié)果如圖10、圖11所示。圖10中PL2054B-220 kV排銳線2054主一保護(hù)第二套保護(hù)智能運(yùn)維采集的信息均成功映射到智能運(yùn)維系統(tǒng)的信息采集點(diǎn)，基于信息采集點(diǎn)的映射實(shí)現(xiàn)了跳合閘回路診斷業(yè)務(wù)的自動(dòng)配置，配置結(jié)果如圖11所示。

圖10 基本信息點(diǎn)自動(dòng)配置

圖11 跳合閘回路診斷自動(dòng)配置

測(cè)試集的配置結(jié)果統(tǒng)計(jì)如表1所示，由于不同廠家類型保護(hù)設(shè)備功能配置存在差異，智能運(yùn)維系統(tǒng)工程配置模型的信息采集點(diǎn)依照保護(hù)技術(shù)規(guī)范做最大化建模，測(cè)試集中存在部分未配置的信息點(diǎn)，此部分信息采集點(diǎn)在保護(hù)設(shè)備的模型中沒(méi)有對(duì)應(yīng)的信息接口地址，智能運(yùn)維系統(tǒng)業(yè)務(wù)模板不做處理。配置時(shí)若在知識(shí)圖譜中無(wú)法匹配到對(duì)應(yīng)的二次設(shè)備，通過(guò)IED的信息接口地址與標(biāo)準(zhǔn)信息接口地址的相似性計(jì)算匹配及人工校驗(yàn)實(shí)現(xiàn)二次設(shè)備信息接口地址與智能運(yùn)維系統(tǒng)信息采集點(diǎn)的關(guān)聯(lián)配置，保證配置正確率100%。

表1 測(cè)試結(jié)果

5 結(jié)論

針對(duì)智能變電站繼電保護(hù)智能運(yùn)維系統(tǒng)信息采集點(diǎn)多、保護(hù)模型的不規(guī)則無(wú)法直接實(shí)現(xiàn)自動(dòng)映射等問(wèn)題，本文提出一種基于知識(shí)圖譜的繼電保護(hù)智能運(yùn)維系統(tǒng)自動(dòng)配置方法，基于繼電保護(hù)規(guī)定及專家知識(shí)構(gòu)建知識(shí)圖譜本體，利用智能運(yùn)維系統(tǒng)歷史配置數(shù)據(jù)進(jìn)行知識(shí)學(xué)習(xí)，構(gòu)建智能運(yùn)維系統(tǒng)信息采集配置知識(shí)圖譜，并通過(guò)二次設(shè)備信息接口地址的相似性計(jì)算匹配實(shí)現(xiàn)知識(shí)融合。利用智能運(yùn)維系統(tǒng)歷史配置數(shù)據(jù)作為樣本驗(yàn)證所提方法的有效性?；谥R(shí)圖譜的繼電保護(hù)智能運(yùn)維系統(tǒng)自動(dòng)配置技術(shù)，可有效提高智能運(yùn)維系統(tǒng)配置效率，保證配置的正確性，解決了智能運(yùn)維系統(tǒng)人工配置工作量大、工作效率低、周期長(zhǎng)的問(wèn)題，有利于智能電網(wǎng)的穩(wěn)定運(yùn)行。

[1] 宋璇坤, 韓柳, 鞠黃培, 等. 中國(guó)智能電網(wǎng)技術(shù)發(fā)展實(shí)踐述[J]. 電力建設(shè), 2016, 37(7): 1-11.

SONG Xuankun, HAN Liu, JU Huangpei, et al. A review on development practice of smart grid technology in China[J]. Electric Power Construction, 2016, 37(7): 1-11.

[2] 張瑤, 王傲寒, 張宏. 中國(guó)智能電網(wǎng)發(fā)展綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(5): 180-187.

ZHANG Yao, WANG Aohan, ZHANG Hong. Overview of smart grid development in China[J]. Power System Protection and Control, 2021, 49(5): 180-187.

[3] ZHOU Long, ZHANG Di, WU Weijie, et al. A comparativestudy on grid resource utilization rate between China Southern Power Grid and National Grid Plc of UK[J]. Protection and Control of Modern Power Systems, 2018, 3(3): 277-284.

[4] 彭龍, 寧劍, 王毅, 等. 狀態(tài)估計(jì)研究模式設(shè)計(jì)及應(yīng)用[J]. 中國(guó)電力, 2020, 53(7): 169-175.

PENG Long, NING Jian, WANG Yi, et al. Design and application of state estimation research model[J]. Electric Power, 2020, 53(7): 169-175.

[5] 王馨尉, 呂勃翰. 人工智能技術(shù)在電力調(diào)度自動(dòng)化系統(tǒng)應(yīng)用研究[J]. 山東電力技術(shù), 2020, 47(7): 41-47.

WANG Xinwei, Lü Bohan. Application of AI technology on power dispatching automation system[J]. Shandong Electric Power, 2020, 47(7): 41-47.

[6] 林國(guó)賢, 林峰, 黃金魁, 等. 面向智能運(yùn)檢管理的變電站運(yùn)動(dòng)目標(biāo)立體匹配算法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(16): 128-134.

LIN Guoxian, LIN Feng, HUANG Jinkui, et al. Research on a stereo matching algorithm for substation moving goal oriented to intelligent transportation inspection management[J]. Power System Protection and Control, 2021, 49(16): 128-134.

[7] 彭志強(qiáng), 周航, 韓禹. 智能變電站自動(dòng)化設(shè)備透明運(yùn)維系統(tǒng)構(gòu)建與應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(13): 156-163.

PENG Zhiqiang, ZHOU Hang, HAN Yu. Construction and application of transparent operation and maintenance system for intelligent substation automation equipment[J]. Power System Protection and Control, 2020, 48(13): 156-163.

[8] 尹相國(guó), 何楷, 靳婷婷, 等. 智能變電站二次回路可視化的設(shè)計(jì)與實(shí)現(xiàn)[J]. 電氣時(shí)代, 2018(11): 85-87.

YIN Xiangguo, HE Kai, JIN Tingting, et al. Design and implementation of secondary loop visualization in intelligent substation[J]. Electric Age, 2018(11): 85-87.

[9] 韓偉, 姜帥, 馬偉東, 等. 基于短地址關(guān)聯(lián)數(shù)據(jù)標(biāo)識(shí)的智能變電站虛回路可視化技術(shù)研究及應(yīng)用[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2018, 33(4): 95-101.

HAN Wei, JIANG Shuai, MA Weidong, et al. Research and application of virtual circuit visualization technology in smart substation based on the short address associated data identification[J]. Journal of Electric Power Science and Technology, 2018, 33(4): 95-101.

[10] 袁明旭, 余洋, 童曉陽(yáng), 等. 智能變電站ICD/CID/SCD模型內(nèi)容差異檢查方法及工具[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(11): 118-124.

YUAN Mingxu, YU Yang, TONG Xiaoyang, et al. Difference checking method and software of the ICD/CID and SCD in smart substation[J]. Power System Protection and Control, 2019, 47(11): 118-124.

[11] 施正釵, 鄭俊翔, 周泰斌, 等. 基于語(yǔ)義分析的設(shè)備監(jiān)控告警信息知識(shí)圖譜構(gòu)建研究[J]. 浙江電力, 2020, 39(8): 83-87.

SHI Zhengchai, ZHENG Junxiang, ZHOU Taibin, et al. Study on knowledge graph construction of equipment monitoring and alarming information based on semantic analysis[J]. Zhejiang Electric Power, 2020, 39(8): 83-87.

[12] DAI Renchang, LIU Guangyi, WANG Zhiwei, et al. A novel graph-based energy management system[J]. IEEE Transactions on Smart Grid, 2019, 11(3): 1845-1853.

[13] 王萌, 王靖婷, 江胤霖, 等. 人機(jī)混合的知識(shí)圖譜主動(dòng)搜索[J]. 計(jì)算機(jī)研究與發(fā)展, 2020, 57(12): 2501-2513.

WANG Meng, WANG Jingting, JIANG Yinlin, et al. Hybrid human-machine active search over knowledge graph[J]. Journal of Computer Research and Development, 2020, 57(12): 2501-2513.

[14] 王智悅, 于清, 王楠, 等. 基于知識(shí)圖譜的智能問(wèn)答研究綜述[J]. 計(jì)算機(jī)工程與應(yīng)用, 2020, 56(23): 1-11.

WANG Zhiyue, YU Qing, WANG Nan, et al. Survey of intelligent question answering research based on knowledge graph[J]. Computer Engineering and Applications, 2020, 56(23): 1-11.

[15] 鞏宇, 李碧薇, 李德華, 等. 基于知識(shí)圖譜的電力設(shè)備故障知識(shí)庫(kù)構(gòu)建方法[J]. 計(jì)算機(jī)科學(xué)與技術(shù), 2021, 39(4): 72-77.

GONG Yu, LI Biwei, LI Dehua, et al. Construction method of power equipment fault knowledge based on knowledge graph[J]. Computer Science and Technology, 2021, 39(4): 72-77.

[16] 劉鵬, 季知祥. 基于知識(shí)圖譜的二次設(shè)備缺陷智能診斷與識(shí)別應(yīng)用研究及實(shí)現(xiàn)[J]. 電力信息通信, 2021, 19(5): 31-38.

LIU Peng, JI Zhixiang. Research and implementation of intelligent diagnosis and recognition of secondary equipment defects based on knowledge graph[J]. Electric Power ICT, 2021, 19(5): 31-38.

[17] GUTIéRREZ L, KEITH B. A systematic literature review on word embeddings[C] // International Conference on Software Process Improvement, Springer, 2018, Cham: 132-141.

[18] 蔣逸雯, 李黎, 李智威, 等. 基于深度語(yǔ)義學(xué)習(xí)的電力變壓器運(yùn)維文本信息挖掘方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(14): 4162-4172.

JIANG Yiwen, LI Li, LI Zhiwei, et al. An information mining method of power transformer operation and maintenance texts based on deep semantic learning[J]. Proceedings of the CSEE, 2019, 39(14): 4162-4172.

[19] 范衛(wèi)東, 馮曉偉, 董金星, 等. 基于歷史數(shù)據(jù)語(yǔ)義相似度的智能變電站虛端子自動(dòng)連接[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(17): 179-186.

FAN Weidong, FENG Xiaowei, DONG Jinxing, et al. Automatic connection of virtual terminals of smart substation based on semantic similarity of historical data[J]. Power System Protection and Control, 2020, 48(17): 179-186.

[20] SHAMSUL H M. An improved vulnerability exploitation prediction model with novel cost function and custom trained word vector embedding[J]. Sensors, 2021, 21(12): 4220-4220.

[21] 黃震. 面向自動(dòng)問(wèn)答系統(tǒng)的短文本相似度計(jì)算[J]. 信息技術(shù)與信息化, 2020(11): 200-201.

HUANG Zhen.Short text similarity calculation for automatic question answering system[J].Information Technology and Informatization, 2020(11): 200-201.

[22] 王輝, 潘俊輝, 王浩暢, 等. 基于改進(jìn)的CBOW與BI-LSTM-ATT 的文本分類研究[J]. 計(jì)算機(jī)與數(shù)字工程, 2021, 49(7): 1372-1376.

WANG Hui, PAN Junhui, WANG Haochang, et al.Text classification research based on improved CBOW and BI-LSTM-ATT[J].Computer & Digital Engineering,2021, 49(7): 1372-1376.

[23] 牛雪瑩, 趙恩瑩. 基于Word2Vec的微博文本分類研究[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2019, 28(8): 256-261.

NIU Xueying, ZHAO Enying. Research on Chinese weibo text classification based on Word2Vec[J]. Computer Systems & Applications, 2019, 28(8): 256-261.

[24] 陸尹浩. 一種基于Word2Vector與編輯距離的句子相似度計(jì)算方法[J]. 電腦知識(shí)與技術(shù), 2017, 13(5): 146-147.

LU Yinhao. A calculation method of sentence similarity based on Word2Vector and edit distance[J]. Computer Knowledge and Technology, 2017, 13(5): 146-147.

[25] 彭俊利, 谷雨, 張震, 等. 融合單詞貢獻(xiàn)度與Word2Vec詞向量的文檔表示[J]. 計(jì)算機(jī)工程, 2021, 47(4): 62-67.

PENG Junli, GU Yu, ZHANG Zhen, et al. Document representation fused with term contribution and Word2Vec word vector[J]. Computer Engineering, 2021, 47(4): 62-67.

[26] 曾小芹. 基于Python的中文結(jié)巴分詞技術(shù)實(shí)現(xiàn)[J]. 信息與電腦, 2019, 31(18): 38-39, 42.

ZENG Xiaoqin. Technology implementation of Chinese Jieba segmentation based on Python[J]. China Computer & Communication, 2019, 31(18): 38-39, 42.

Self-configuration technology of an intelligent operation and maintenance system of intelligent substation relay protection

XU Yao1, MA Huan1, XU Chanpeng1, YU Helin1, YANG Jingchao2, MAO Yurong2

(1. Ultrahigh-voltage Branch of State Grid Anhui Electric Power Co., Ltd., Hefei 230022, China;2. Wuhan Kemov Electric Co., Ltd., Wuhan 430223, China)

To improve the efficiency and correctness of intelligent operation and maintenance information collection and configuration of relay protection, this paper proposes a self-configuration technology based on a knowledge graph. Based on the relevant specifications of relay protection, a standardized model of the data output port of the relay protection device is established, and according to expert knowledge, the relationship between the information collection point of the intelligent operation and maintenance system and the standardized data output port of the relay protection device is established according to the type of IED. Then the knowledge map ontology of the information collection and configuration of the intelligent operation and maintenance system is formed.Combined with the historical configuration data for knowledge learning, a knowledge map of information collection and configuration is established.Based on the similarity calculation between the address information of the data output port of the secondary equipment and the standard model of the data output port of the relay protection device, the data output port of the secondary equipment is automatically matched to the standard information interface to realize knowledge fusion. A CBOW model is introduced to enhance semantic understanding and improve the accuracy of entity similarity algorithm.The example verification results show that the information collection and self-configuration technology of the intelligent operation and maintenance system based on a knowledge graph can effectively improve the configuration efficiency and ensure the correctness of the configuration.

intelligent operation and maintenance; information collection; automatic configuration; knowledge graph; edit distance; CBOW model

10.19783/j.cnki.pspc.211721

國(guó)家自然科學(xué)基金資助(51277135)；國(guó)家電網(wǎng)有限公司科技項(xiàng)目資助(B31203210004)

This work is supported by the National Natural Science Foundation of China (No. 51277135).

2021-12-16；

2022-01-26

許 堯(1984—)，男，高級(jí)工程師，從事電力系統(tǒng)自動(dòng)化及繼電保護(hù)方面的研究工作；

毛玉榮(1989—)，女，通信作者，碩士，工程師，研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)。E-mail: jiangzhuoyan@kemov.com

(編輯 張愛(ài)琴)