林凌云，陳 青，金 磊，王 磊

基于知識圖譜的變電站告警信息故障知識表示研究與應用

林凌云1,2，陳 青1，金 磊1，王 磊3

(1.電網(wǎng)智能化調(diào)度與控制教育部重點實驗室(山東大學)，山東 濟南 250061；2.國網(wǎng)天津市電力公司，天津 300010；3.國家電網(wǎng)有限公司技術(shù)學院分公司，山東 濟南 250002)

變電站監(jiān)控端積壓有大量告警信息文本，通過挖掘其中隱含的故障知識可以幫助監(jiān)控人員快速掌握故障情況，提升故障處置效率。首先基于知識圖譜技術(shù)提出了變電站告警信息故障知識表示方法。分析了告警信息的現(xiàn)有分類和解析內(nèi)容，之后提出了告警信息故障知識圖譜的構(gòu)建方法，以事故和變位信號構(gòu)造電網(wǎng)事故行為圖譜，以異常信號構(gòu)造設備異常行為圖譜。從而挖掘并展示告警信號間的行為邏輯、關(guān)聯(lián)關(guān)系和故障后的重要信息，為現(xiàn)場監(jiān)控人員快速獲取關(guān)鍵故障信息提供便利，提升故障處置效率。通過給出知識圖譜可視化案例展示了方法的可行性。最后分析了知識圖譜在信號解析、故障診斷、故障追蹤領域的擴展應用，使變電站告警信息數(shù)據(jù)在電網(wǎng)故障處理領域得到更好的利用與挖掘。

告警信息；知識圖譜；故障知識

0 引言

隨著智能變電站的快速建設和發(fā)展，變電站監(jiān)控平臺隨時會收到各類智能終端發(fā)送的告警信息，這些信息以自然語言表達電網(wǎng)內(nèi)部相關(guān)故障及異常情況，具有數(shù)量巨大、出現(xiàn)頻率高的特點[1-4]，且其中包含大量蘊含電網(wǎng)運行和設備狀態(tài)的潛在重要信息。但在現(xiàn)有情況下，監(jiān)控端收到告警信息后只通過屏幕直接顯示出文本格式的信號，并未對其進行有效的梳理和分析，尤其是發(fā)生事故后，信號數(shù)量會在短時間內(nèi)激增，現(xiàn)有展示方式且未經(jīng)智能處理的情況會大大降低監(jiān)控人員的處理效率。如何利用文本數(shù)據(jù)挖掘方法，挖掘獲取海量變電站告警信息中隱含的事關(guān)電網(wǎng)運行狀態(tài)、故障特征等關(guān)鍵信息，成為電網(wǎng)進入大數(shù)據(jù)時代后有待研究的問題[5-9]。

在監(jiān)控告警信息挖掘的研究領域，一類研究方向主要是進一步完善專家系統(tǒng)對告警信息進行綜合分析和相關(guān)規(guī)則匹配，實現(xiàn)電網(wǎng)故障診斷等應用[10-12]。另一類方向是結(jié)合自然語言處理領域的智能方法對文本格式的告警信息進行解析。文獻[13]提出了一種對單條信號建立多元組模型的遙信信息語義解析方法。文獻[14]基于正則表達式描述設備告警信息，按照規(guī)則從告警信息中獲取關(guān)鍵內(nèi)容。上述研究主要基于字段內(nèi)容的提取，但沒有針對信號群進行統(tǒng)一梳理和整合，未能挖掘信號間的關(guān)聯(lián)關(guān)系，同時現(xiàn)有研究對告警信息的處理與解析結(jié)果均為“類別-字段”的表格形式，對于人工理解來講不夠清晰直觀。

知識圖譜(Knowledge Graph, KG)技術(shù)是融合人工智能技術(shù)與傳統(tǒng)數(shù)據(jù)庫的智能數(shù)據(jù)庫，用于大規(guī)模知識的結(jié)構(gòu)化管理[15]。對于電網(wǎng)而言，知識圖譜能夠整合電網(wǎng)內(nèi)部分散的知識，有效挖掘電力系統(tǒng)內(nèi)大規(guī)模文本信息中有用的潛在規(guī)則[16]。同時知識圖譜的圖數(shù)據(jù)結(jié)構(gòu)也能為人工理解提供極大的便利。目前知識圖譜在電力領域的研究尚處于起步階段，相關(guān)文獻主要著眼于應用探索與宏觀框架設計。文獻[17]提出電網(wǎng)故障處理輔助決策的多層次、多類別的知識圖譜應用框架，并初步闡述了框架內(nèi)功能的關(guān)鍵技術(shù)和解決思路；文獻[18]針對我國能源互聯(lián)網(wǎng)的發(fā)展趨勢設計了電力知識圖譜應用架構(gòu)，闡述了電力知識圖譜的未來應用場景與方向。知識圖譜與電網(wǎng)相結(jié)合的研究方向也正逐步細化，文獻[19]利用知識圖譜的圖結(jié)構(gòu)表達文本信息及其相互關(guān)系，從缺陷語料中提取構(gòu)建知識圖譜所需的信息，實現(xiàn)知識圖譜的自動構(gòu)建，并提出了缺陷記錄的自動檢索方法；文獻[20]提出了低壓配電網(wǎng)拓撲結(jié)構(gòu)知識圖譜構(gòu)建方法，整合和挖掘多個低壓配電網(wǎng)信息系統(tǒng)數(shù)據(jù)，達到對系統(tǒng)內(nèi)低壓配網(wǎng)戶變關(guān)系的辨識；文獻[21]面向電網(wǎng)智能調(diào)控方向，提出了該領域知識圖譜的構(gòu)建方法，重點落實在故障處置等應用場景。在電網(wǎng)告警信息處理的研究領域，文獻[17]中提及電網(wǎng)故障信息知識解析技術(shù)，借助知識圖譜和自然語言處理技術(shù)，對告警信息進行解析的同時提取內(nèi)部知識，為本文提供了相關(guān)研究思路。

本文以變電站告警信息為研究對象，提出了基于知識圖譜的變電站告警信息故障知識表示方法，首先分析了告警信息的現(xiàn)有分類和解析內(nèi)容，之后基于知識圖譜分別以相應類別信號構(gòu)建告警信息故障知識圖譜，結(jié)合信號邏輯分析設計告警信息故障知識圖譜構(gòu)建規(guī)則。以事故和變位信號構(gòu)造電網(wǎng)事故行為圖譜，以異常信號構(gòu)造設備異常行為圖譜，表達故障后的事故行為及可疑故障設備的異常行為和現(xiàn)象。在此基礎上展示和分析了實際典型案例的可視化圖譜，驗證方法可行：既能夠挖掘告警信息間的關(guān)聯(lián)，也可將故障知識以圖譜形式清晰直觀地展示，提升監(jiān)控人員對于關(guān)鍵告警信息的獲取效率和故障處置效率。最后對告警信息知識圖譜在故障處置領域的擴展應用進行了分析。

1 變電站告警信息

1.1 告警信息分類

變電站告警信息表示了站內(nèi)某設備的動作或狀態(tài)變化情況，它以文本格式在告警窗中顯示并存入告警記錄文件。內(nèi)容一般為20字以內(nèi)，其中包括電壓等級、設備名稱、設備編號、動作行為等信息，能簡潔直接地反應設備異常及故障情況。

現(xiàn)有規(guī)程將告警信號分為五類：事故、異常、越限、變位、告知。事故信號是當電網(wǎng)或設備發(fā)生故障引起保護裝置動作、開關(guān)跳閘等信號，這些信號均為電網(wǎng)運行過程中及時發(fā)現(xiàn)和定位、處理和分析故障的關(guān)鍵信息，需要立即處理。異常信號表示設備的部件異常行為和參數(shù)異常現(xiàn)象，直接反應設備運行異常情況。越限信號是表示設備有功、無功、電壓、電流等重要遙測量超出報警上下限的信號。變位信號為開關(guān)設備分、合閘信號，該類信號直接反應電網(wǎng)接線結(jié)構(gòu)和運行方式的變化，重要性很高。告知信號是表示電網(wǎng)設備運行情況的一般信息，僅需定時查詢并處理。

1.2 告警信息解析內(nèi)容

變電站告警信息文本中包含很多重要信息，為了能夠使用這些信息，要捋清基本的語義邏輯并進行屬性設定。通過對變電站典型監(jiān)控信息規(guī)范和實際廠站告警信息的結(jié)合分析，變電站告警信息解析內(nèi)容包含以下屬性：信號時間、信號內(nèi)容和信號狀態(tài)。各屬性具體說明如下所述。

1) 信號時間

告警信號有兩種時間顯示：一種是SOE信號時間，SOE為事件順序記錄，將事件發(fā)生時間按順序逐個記錄，SOE時間為信號發(fā)生時的站端系統(tǒng)時間，SOE信號不是立即回發(fā)，而是在空閑時自動發(fā)送，僅部分重要信號加有SOE時標；另一種是COS 信號時間，COS信號于開關(guān)變位等事件發(fā)生后立即發(fā)送，該時間為主站監(jiān)控系統(tǒng)后臺收到信號報文指示時間，即監(jiān)控主站時間[22]，本文選擇告警信息的COS時間作為信號時間屬性。

2) 信號內(nèi)容

信號內(nèi)容包含位置描述、設備描述、行為三種屬性。

(1) 位置描述表示告警信號行為的發(fā)生位置，包含信號接收廠站、電壓等級、線路。

(2) 設備描述是對設備編號及設備名稱的描述信息。由于告警信息中涉及站內(nèi)設備種類多，且設備包含眾多部件，使設備名稱通常比較復雜，故采用“上層設備—下層部件/參數(shù)”的兩段式描述，如“保護—TA”、“開關(guān)—SF6”等。

(3) 行為表示設備及其下層部件的動作行為或運行參數(shù)發(fā)生的現(xiàn)象，如“斷線”、“閉鎖”、“告警”等。

3) 信號狀態(tài)

信號狀態(tài)表示告警信號的狀態(tài)標識。對于開關(guān)位置信號，其狀態(tài)分為“合閘”或“分閘”；對于設備狀況信號，其狀態(tài)分為“動作”或“恢復”。

告警信號解析內(nèi)容示例如圖1所示。

圖1 告警信號解析內(nèi)容示例

解析內(nèi)容的獲取基于字符串匹配算法實現(xiàn)，預先存儲匹配模板，來源見表1。

采用BM匹配算法依次獲取相應字段，基本流程如圖2所示，具體步驟如下：

(1) 以單條告警信號文本為待解析對象，首先抽取首端19位字符(xxxx-xx-xx xx:xx:xx)存儲為信號時間，抽取末端2位字符存儲為信號狀態(tài)。刪除剩余字符中首末端空格，余下字符即為信號內(nèi)容。

(2) 根據(jù)匹配模板依次匹配位置描述、設備描述、行為及內(nèi)部屬性。對于單個屬性，若匹配成功，則將匹配成功的字符結(jié)果存儲至對應屬性并將相應字符從待匹配文本內(nèi)刪除；若未找到匹配項，則該屬性為空。

(3) 信號字符由首至尾遍歷完成后，若有除空格外的有效字符，則保存剩余字符，人工判斷剩余字符的語義屬性，所有匹配過程結(jié)束后更新匹配模板。

表1 告警信號內(nèi)容匹配模板來源及示例

圖2 基于字符串匹配的解析內(nèi)容獲取流程

2 知識圖譜

2.1 知識圖譜定義

2.2 知識圖譜分類

按應用領域劃分，知識圖譜可以分為通用知識圖譜和行業(yè)知識圖譜。通用知識圖譜覆蓋內(nèi)容廣泛，重在融合全面、大量的實體，主要面向搜索、問答等領域；行業(yè)知識圖譜僅面向某一具體領域，針對該領域的需求和特點，提供業(yè)務功能或解決具體問題[15]。本文以變電站告警信息為數(shù)據(jù)集，構(gòu)建面向電網(wǎng)故障分析及診斷的電力行業(yè)知識圖譜，通過分析告警信息間的關(guān)聯(lián)以及告警信息包含的關(guān)鍵實體及其關(guān)系，幫助監(jiān)控人員迅速獲取重要告警信息，快速掌握事故情況，進而及時做出故障診斷。

3 告警信息故障知識圖譜構(gòu)建

告警信息故障知識圖譜是以變電站告警信息為原始數(shù)據(jù)，形成描述電網(wǎng)事故后保護、開關(guān)設備的動作行為的圖譜，用以事故行為判別。進而，當懷疑事故發(fā)生后某設備存在異?，F(xiàn)象或異常行為時，形成描述設備異常行為的圖譜，用以進行設備可疑故障原因判別。

以收到全站事故總信號作為圖譜構(gòu)建起點，全站事故總信號是變電站事故跳閘時的總報警信號，用以區(qū)分正常操作與事故跳閘。存儲事故總信號后一定時間窗口內(nèi)告警信號集，完成信號解析內(nèi)容獲取后，以事故和變位信號構(gòu)建電網(wǎng)事故行為圖譜，以異常信號構(gòu)建設備異常行為圖譜，并利用軟件實現(xiàn)圖譜可視化，從而將告警信號文本集轉(zhuǎn)化為圖形形式來直觀展示事故行為和設備異常，幫助監(jiān)控人員提升故障處置效率。

3.1 電網(wǎng)事故行為圖譜

3.1.1構(gòu)建流程

電網(wǎng)事故行為圖譜是以事故和變位信號(為便于描述，統(tǒng)稱為事故類信號)為數(shù)據(jù)源，注重表達這些告警信號描述的設備和行為狀態(tài)以及信號間的關(guān)聯(lián)關(guān)系。電網(wǎng)事故行為圖譜構(gòu)建流程如圖3所示。

圖3 電網(wǎng)事故行為圖譜構(gòu)建流程

具體步驟如下：

1) 從事故后告警信號集中獲取事故類信號并按時間順序排列。

2) 按時間序列首端至末端依次生成告警信號實體。

3) 讀取信號解析內(nèi)容結(jié)果中各屬性內(nèi)容實體，根據(jù)屬性名稱指定信號實體與內(nèi)容實體間的關(guān)系，如電壓等級、線路、設備、行為等，完成告警信號實體與信號解析內(nèi)容實體的關(guān)系連接。

4) 構(gòu)建告警信號對特征向量，利用分類算法進行信號間關(guān)系抽取，完成中心實體間關(guān)系連接。

5) 存儲三元組集合，利用Neo4j軟件形成電網(wǎng)事故行為圖譜。

3.1.2實體和關(guān)系定義

為了在圖譜中更全面地表達告警信號，集中每條信號及其內(nèi)容，按照如下規(guī)則定義雙層實體。

1) 將事故類告警信號集中的每條告警信號定義為一個中心實體。

2) 基于告警信號語義解析結(jié)果，以每條信號的語義解析內(nèi)容作為分支實體，表達每條告警信號中所含的設備、行為等信息。

為適合上述雙層實體定義，實體間關(guān)系定義為：

1) 中心實體與分支實體間關(guān)系為該解析內(nèi)容所屬屬性名稱。

2) 中心實體間關(guān)系表示為不同告警信號間關(guān)聯(lián)關(guān)系。

為了在告警信號間賦予關(guān)聯(lián)關(guān)系，首先應分析信號間的行為邏輯。在發(fā)生事故后，事故類告警信號中兩兩信號行為之間包含圖4所示的邏輯，如保護動作后相應開關(guān)分閘，具備重合閘功能的開關(guān)分閘后重合閘動作等，其中虛線表示行為無法在接收到的告警信號中體現(xiàn)，如主保護拒動后近后備保護動作等。

圖4 事故類告警信號行為邏輯

依據(jù)上述行為邏輯，告警信號間關(guān)聯(lián)關(guān)系可概括為以下幾類：

1) 控制關(guān)系。表示信號a控制信號b的發(fā)生，即保護動作與其控制的開關(guān)分閘信號、保護重合閘動作與開關(guān)合閘信號間關(guān)系。

2) 由于存在無法在接收到的告警信號中體現(xiàn)的行為邏輯，定義“誤行為/信號”關(guān)系，如果信號a和b均出現(xiàn)，如主保護動作與對應后備保護動作信號，則構(gòu)成誤行為/信號關(guān)系，表明可能存在不正確行為或不正確告警信號。

3) 并列關(guān)系是指同時控制或被控制信號之間的共現(xiàn)關(guān)系，如保護控制的各個開關(guān)動作信號、雙重保護配置的保護動作信號間關(guān)系。

4) 重合失敗。即保護重合閘動作與開關(guān)分閘信號間關(guān)系，當重合閘動作后再次收到開關(guān)分閘信號，說明發(fā)生了重合失敗。

3.1.3基于特征向量的關(guān)系分類

1) 關(guān)系特征及特征向量

指定關(guān)系類型后，即將關(guān)系抽取問題轉(zhuǎn)化為關(guān)系分類問題。由于事故后告警信號數(shù)量較多，人工完成告警信號的關(guān)系分類工作量很大，在指定關(guān)系類型且種類有限的情況下，通過分析具有關(guān)聯(lián)關(guān)系的告警信號對內(nèi)容，按照一定規(guī)則從中抽取核心特征，將其轉(zhuǎn)化為特征向量，利用機器學習方法實現(xiàn)告警信號間關(guān)系分類。

由于告警信號間關(guān)聯(lián)關(guān)系是出現(xiàn)在兩兩信號之間，本文以“信號對”為單元構(gòu)造特征向量。為了能夠較為全面地獲取信號間各種關(guān)系，將信號集中所有信號兩兩組合，生成信號對集合。每一個信號對中的兩條信號按時間順序排列，先出現(xiàn)的告警信號在前，后出現(xiàn)的在后。

事故類告警信號描述保護、開關(guān)、重合閘的動作行為，信號中的關(guān)鍵信息即是何種設備發(fā)生何種行為。同時，在發(fā)生復雜故障或故障后存在錯誤信號時，監(jiān)控端可能會收到多個保護或多段保護的動作信息和多個開關(guān)的跳閘信息，此時保護與保護配合邏輯、保護與開關(guān)對應關(guān)系等等都是關(guān)系判別的關(guān)鍵特征。此外，一般情況下具備關(guān)聯(lián)關(guān)系的告警信號間會同時或在1～2 s內(nèi)先后出現(xiàn)，所以接收到兩條信號間的時間差也是決定信號間是否存在關(guān)系的重要因素。

(1) 第條信號中設備類型d、行為類型b和第條信號中設備類型d、行為類型b。其中設備類型分為3類：保護-1，開關(guān)-2，重合閘-3；行為類型分為3類，動作-1，合閘-2，分閘-3。

(2) 設備對應關(guān)系是以矩陣中離散量元素表示保護間的配合關(guān)系、保護-開關(guān)的對應關(guān)系、開關(guān)間的并列對應關(guān)系。預先建立站內(nèi)保護配合矩陣和保護/保護重合閘-開關(guān)對應矩陣：的行列值為站內(nèi)所有保護的唯一編號，如 ××線保護“××- RCS-931”、1號主變差動保護“#1-WBH812A”；的行值為所有保護編號，列值為所有開關(guān)編號。元素數(shù)值及釋義如表2所示。

表2 設備對應關(guān)系矩陣元素及釋義

(3) 第條信號和第條信號時間差t=t-t，|t|越大，信號對存在關(guān)系的可能性越小。

2) 關(guān)系分類

基于特征向量的分類方法的基本原理是通過給定特征向量和正確標簽的訓練數(shù)據(jù)，訓練機器學習算法構(gòu)造分類器，使其對新的特征向量能夠?qū)崿F(xiàn)正確分類。當應用至告警信號對關(guān)系分類問題時，由于告警信息間關(guān)系類型數(shù)量已知，特征向量維數(shù)較低，同類別訓練數(shù)據(jù)間相似度高，因此本文采用依賴樣本數(shù)據(jù)的kNN算法實現(xiàn)事故類告警信號對關(guān)系分類。具體步驟為：首先根據(jù)歷史告警信號預先生成訓練樣本集，設定值。對于一個測試樣本，計算其與訓練樣本集各個樣本點的歐式距離，如式(2)所示。

式中：為測試樣本的特征向量；為第個訓練樣本特征向量。將Dist的計算結(jié)果按距離大小排序，選出與測試樣本距離最近的前個鄰近樣本。將測試樣本分配到其個近鄰所屬類別最多的分類中。最后更新訓練樣本集。

3.2 設備異常行為圖譜

事故發(fā)生后，除保護動作、開關(guān)變位、重合閘等告警信號外，還會伴隨有大量的設備異常信號。異常信號表示設備的部件異常行為和參數(shù)異?，F(xiàn)象，包含豐富的實時信息。通過對在事故后告警信號集中出現(xiàn)的所關(guān)注設備的異常信號進行歸納，結(jié)合信號的可能原因分析，能夠幫助監(jiān)控人員快速發(fā)現(xiàn)設備可能存在異常的部件，提升現(xiàn)場檢修效率。

當懷疑事故發(fā)生后某設備存在異?，F(xiàn)象或異常行為時，在信號集中搜索該設備的所有異常告警信號，以該設備為起點，從信號解析結(jié)果中獲取實體元素，并指定關(guān)系類型，形成事故后一定時間內(nèi)設備行為樹狀圖譜，描述事故后一定時間內(nèi)該設備部件的可能異常情況。構(gòu)建步驟如下：

1) 查找事故后信號集中某設備的所有異常信號，以該設備為起始實體，從語義解析結(jié)果中獲取其編號、位置描述實體生成[設備-編號-ID]、[設備-廠站-××站] 、[設備-電壓等級-××kV]、[設備-線路-××線]三元組。

2) 對于單條告警信號，獲取部件/參數(shù)、行為、信號狀態(tài)實體，生成[設備-包含-部件/參數(shù)]、[部件/參數(shù)-發(fā)生-行為]、[行為-狀態(tài)-信號狀態(tài)]三元組。

3) 統(tǒng)計該時間窗口內(nèi)同一信號出現(xiàn)次數(shù)，作為末端實體，生成[信號狀態(tài)-出現(xiàn)-次數(shù)]三元組。

4) 所有信號知識提取完成后，逐層合并該層具有相同節(jié)點的不同分支，形成樹狀有向圖，其簡化概念圖如圖5所示。

圖5 設備異常行為圖譜簡化概念圖

4 知識圖譜可視化

為展示基于知識圖譜的告警信息故障知識表示方法的實際應用和可視化效果，本文參考某220 kV變電站出線故障合并斷路器拒動的實際事故，給出圖譜可視化示例。選取該事故的原因是該事故在故障發(fā)生后保護正確動作但發(fā)生斷路器設備的不正確動作，能夠同時進行電網(wǎng)事故行為圖譜和設備異常行為圖譜兩類圖譜的構(gòu)建。該變電站T站220 kV母線主接線示意圖如圖6所示。事故發(fā)生前，220 kV T變電站運行方式為：TL1、TP1、II TU1、II HT2、TD1、2號主變T222開關(guān)運行于西母，I TU1、I HT1、I BT2、TW1、1號主變T221開關(guān)運行于東母。

圖6 T站220 kV母線主接線示意圖

表3 T站事故類告警信號

表4 信號間關(guān)系分類結(jié)果

其中斷路器TL1有不正確動作行為，通過篩選設備類型和編號查找事故前一小時的TL1異常信號，以斷路器TL1為對象建立設備異常行為圖譜，如圖8所示。圖譜中TL1相關(guān)告警信號由上至下依次為控制回路斷線、油壓低告警、油壓低閉鎖、SF6氣壓低告警、SF6氣壓低告警閉鎖。其中開關(guān)“SF6氣壓低閉鎖”和“油壓低閉鎖”信號反復動作并恢復，且出現(xiàn)頻率最高。

圖7 電網(wǎng)事故行為圖譜

圖8 TL1設備異常行為圖譜

5 知識圖譜擴展應用

構(gòu)建完成的告警信息故障知識圖譜可以在以下領域進行擴展應用，應用框架如圖9所示。

1) 告警信息內(nèi)容檢索?，F(xiàn)有變電站告警信息以中文文本格式顯示在監(jiān)控窗口內(nèi)，信號刷新頻繁，容易造成刷屏，造成監(jiān)控效率低下。而告警信息知識圖譜改善了告警信息顯示形式，圖形化展示可以使信號的顯示更為清晰，更便于監(jiān)控人員獲取重要信號內(nèi)容。通過檢索實體標簽，可以獲取信號中相應廠站、電壓等級、設備、行為等關(guān)鍵告警信息語義解析內(nèi)容，提升所需信息的獲取效率。

圖9 故障知識圖譜擴展應用框架

2) 故障診斷。以告警信息為數(shù)據(jù)源的電網(wǎng)事故行為圖譜分析了事故告警信息間的邏輯關(guān)聯(lián)，基于此結(jié)合知識推理方法進行故障診斷。預先建立故障案例庫，在實際事故發(fā)生后，基于構(gòu)建完成的電網(wǎng)事故行為圖譜中的關(guān)系類型，根據(jù)其中包含的關(guān)系類型區(qū)分故障情況，進行案例間三元組相似度匹配，得到現(xiàn)有事故的可能故障診斷結(jié)果?，F(xiàn)場檢查并確認事故原因，將該事件擴充入故障案例庫。隨著越來越多次事故的處理和總結(jié)，可以將事故處理方式一并存入故障案例中，結(jié)合歷史經(jīng)驗給出本次事件的處置建議，實現(xiàn)功能的進一步擴展。

3) 故障追蹤。故障追蹤是在調(diào)度端對收集到的事故告警信息調(diào)用故障診斷算法之后，若發(fā)現(xiàn)斷路器以及保護有不正確動作，或者報警信息有丟失的情況，通過挖掘和分析站端其他有效數(shù)據(jù)，進而找出錯誤動作及信息丟失根源的過程[23]。預先對保護、斷路器等設備的功能結(jié)構(gòu)建模以及對通信系統(tǒng)數(shù)據(jù)流動路徑建模，如果懷疑相應設備或系統(tǒng)存在故障，根據(jù)設備異常行為圖譜中出現(xiàn)的相關(guān)機構(gòu)及行為，確定設備可能的故障環(huán)節(jié)及故障原因，對故障原因追本溯源，提升現(xiàn)場檢修效率。

6 結(jié)論

本文提出了變電站告警信息故障知識圖譜構(gòu)建方法，將知識圖譜技術(shù)引入變電站告警信息的知識挖掘與展示。闡述了告警信息故障知識圖譜的構(gòu)建規(guī)則，挖掘了事故后告警信號間的關(guān)聯(lián)關(guān)系，通過構(gòu)造信號對特征向量以及結(jié)合分類算法實現(xiàn)關(guān)系自動分類，同時引申了若事故后懷疑某具體設備故障時的以設備為中心的異常行為圖譜構(gòu)建規(guī)則。通過案例圖譜可視化說明了知識圖譜模型在變電站告警信息故障知識表示方向的可行性，最后闡述了知識圖譜的擴展應用。

同時，本文是對知識圖譜技術(shù)應用至變電站告警文本信息的初步探索，如何在現(xiàn)有研究的基礎上進一步完善告警信息領域知識圖譜的構(gòu)建流程，同時在圖譜內(nèi)部引入智能推理算法從而提升故障處置效率，是后續(xù)研究的重要方向。

[1] 李潔, 崔錦瑞. 500 kV變電站報警信息和事故處理流程優(yōu)化[J]. 電力系統(tǒng)自動化, 2009, 33(2): 101-103.

LI Jie, CUI Jinrui. Process optimization of alarming signals and emergency response for 500 kV substation[J]. Automation of Electric Power Systems, 2009, 33(2): 101-103.

[2] 王磊, 陳青, 高洪雨, 等. 基于大數(shù)據(jù)挖掘技術(shù)的智能變電站故障追蹤架構(gòu)[J]. 電力系統(tǒng)自動化, 2018, 42(3): 84-91.

WANG Lei, CHEN Qing, GAO Hongyu, et al. Framework of fault trace for smart substation based on big data mining technology[J]. Automation of Electric Power Systems, 2018, 42(3): 84-91.

[3] 張永剛, 莊衛(wèi)金, 孫名揚, 等. 大運行模式下面向監(jiān)控的分布式智能告警架構(gòu)設計[J]. 電力系統(tǒng)保護與控制, 2016, 44(22): 148-153.

ZHANG Yonggang, ZHUANG Weijin, SUN Mingyang, et al. Architectural design of distributed intelligent alarm application for equipment monitoring in the “l(fā)arge operation” mode of state grid[J]. Power System Protection and Control, 2016, 44(22): 148-153.

[4] 崔玉, 曹海歐, 余嘉彥, 等. 智能變電站智能告警技術(shù)及應用研究[J]. 電力信息與通信技術(shù), 2021, 19(5): 65-70.

CUI Yu, CAO Haiou, YU Jiayan, et al. Research and application of intelligent alarm technology in smart substation[J]. Electric Power Information and Communication Technology, 2021, 19(5): 65-70.

[5] 中國電機工程學會信息化專委會. 中國電力大數(shù)據(jù)發(fā)展白皮書[M]. 北京: 中國電力出版社, 2013.

[6] 張東霞, 苗新, 劉麗平, 等. 智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J]. 中國電機工程學報, 2015, 35(1): 2-12.

ZHANG Dongxia, MIAO Xin, LIU Liping, et al. Research on development strategy for smart grid big data[J]. Proceedings of the CSEE, 2015, 35(1): 2-12.

[7] 彭小圣, 鄧迪元, 程時杰, 等. 面向智能電網(wǎng)應用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J]. 中國電機工程學報, 2015, 35(3): 503-511.

PENG Xiaosheng, DENG Diyuan, CHENG Shijie, et al. Key technologies of electric power big data and its application prospects in smart grid[J]. Proceedings of the CSEE, 2015, 35(3): 503-511.

[8] 宋亞奇, 周國亮, 朱永利. 智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J]. 電網(wǎng)技術(shù), 2013, 37(4): 927-935.

SONG Yaqi, ZHOU Guoliang, ZHU Yongli. Present status and challenges of big data processing in smart grid[J]. Power System Technology, 2013, 37(4): 927-935.

[9] 陳家超, 張勇軍, 黃國權(quán), 等. 計及保護和斷路器告警信息可信度的電網(wǎng)故障診斷優(yōu)化模型[J]. 電力系統(tǒng)保護與控制, 2021, 49(4): 28-36.

CHEN Jiachao, ZHANG Yongjun, HUANG Guoquan, et al. Optimal model of power grid fault diagnosis considering reliability of protection and circuit breaker alarm information[J]. Power System Protection and Control, 2021, 49 (4): 28-36.

[10] WEI L H, GUO W X, WEN F S, et al. An online intelligent alarm-processing system for digital substations[J]. IEEE Transactions on Power Delivery, 2011, 26(3): 1615-1624.

[11]郭文鑫, 文福拴, 廖志偉, 等. 計及保護和斷路器誤動與拒動的電力系統(tǒng)故障診斷解析模型[J]. 電力系統(tǒng)自動化, 2009, 33(24): 6-10.

GUO Wenxin, WEN Fushuan, LIAO Zhiwei, et al. An analytic model for power system fault diagnosis with malfunctions of protective relays and circuit breakers taken into account[J]. Automation of Electric Power Systems, 2009, 33(24): 6-10.

[12] 徐希, 張劍, 孫世明. 地區(qū)電網(wǎng)智能調(diào)度輔助決策系統(tǒng)[J]. 電力系統(tǒng)自動化, 2012, 36(2): 111-115.

XU Xi, ZHANG Jian, SUN Shiming. Regional power grid dispatching intelligent aided decision-making system[J]. Automation of Electric Power Systems, 2012, 36(2): 111-115.

[13] 張旭, 魏娟, 趙冬梅, 等. 一種用于電網(wǎng)故障診斷的遙信信息解析方法[J]. 中國電機工程學報, 2014, 34(22): 3824-3833.

ZHANG Xu, WEI Juan, ZHAO Dongmei, et al. An analytic alarm information method for power grid fault diagnosis[J]. Proceedings of the CSEE, 2014, 34(22): 3824-3833.

[14] 魯華永, 袁越, 郭泓佐, 等. 基于正則表達式的變電站集中監(jiān)控信息解析方法[J]. 電力系統(tǒng)自動化, 2017, 41(5): 78-83.

LU Huayong, YUAN Yue, GUO Hongzuo, et al. Regular expressions based information analytic method for substation centralized monitoring[J]. Automation of Electric Power Systems, 2017, 41(5): 78-83.

[15] 劉津, 杜寧, 徐菁, 等. 知識圖譜在電力領域的應用與研究[J]. 電力信息與通信技術(shù), 2020, 18(1): 60-66.

LIU Jin, DU Ning, XU Jing, et al. Application and research of knowledge graph in electric power field[J]. Electric Power Information and Communication Technology, 2020, 18(1): 60-66.

[16] 高海翔, 苗璐, 劉嘉寧, 等. 知識圖譜及其在電力系統(tǒng)中的應用研究綜述[J]. 廣東電力, 2020, 33(9): 66-76.

GAO Haixiang, MIAO Lu, LIU Jianing, et al. Review on knowledge graph and its application in power system[J]. Guangdong Electric Power, 2020, 33(9): 66-76.

[17] 喬驥, 王新迎, 閔睿, 等. 面向電網(wǎng)調(diào)度故障處理的知識圖譜框架與關(guān)鍵技術(shù)初探[J]. 中國電機工程學報, 2020, 40(18): 5837-5849.

QIAO Ji, WANG Xinying, MIN Rui, et al. Framework and key technologies of knowledge-graph-based fault handling system in power grid[J]. Proceedings of the CSEE, 2020, 40(18): 5837-5849.

[18] 蒲天驕, 談元鵬, 彭國政, 等. 電力領域知識圖譜的構(gòu)建與應用[J]. 電網(wǎng)技術(shù), 2021, 45(6): 2080-2091.

PU Tianjiao, TAN Yuanpeng, PENG Guozheng, et al. Construction and application of knowledge graph in the electric power field[J]. Power System Technology, 2021, 45(6): 2080-2091.

[19] 劉梓權(quán), 王慧芳. 基于知識圖譜技術(shù)的電力設備缺陷記錄檢索方法[J]. 電力系統(tǒng)自動化, 2018, 42(14): 158-164.

LIU Ziquan, WANG Huifang. Retrieval method for defect records of power equipment based on knowledge graph technology[J]. Automation of Electric Power Systems, 2018, 42(14): 158-164.

[20] 高澤璞, 趙云, 余伊蘭, 等. 基于知識圖譜的低壓配電網(wǎng)拓撲結(jié)構(gòu)辨識方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(2): 34-43.

GAO Zepu, ZHAO Yun, YU Yilan, et al. Low-voltage distribution network topology identification method based on knowledge graph[J]. Power System Protection and Control, 2020, 48(2): 34-43.

[21] 余建明, 王小海, 張越, 等. 面向智能調(diào)控領域的知識圖譜構(gòu)建與應用[J]. 電力系統(tǒng)保護與控制, 2020, 48(3): 29-35.

YU Jianming, WANG Xiaohai, ZHANG Yue, et al. Construction and application of knowledge graph for intelligent dispatching and control[J]. Power System Protection and Control, 2020, 48(3): 29-35.

[22] 葉康, 王偉, 林鋒, 等. 特大城市電網(wǎng)集中監(jiān)控模式下設備告警信息參數(shù)模型的研究[J]. 華東電力, 2014, 42(1): 82-87.

YE Kang, WANG Wei, LIN Feng, et al. Alarm information parameter model under centralized monitoring mode for mega-urban grid[J]. East China Electric Power, 2014, 42(1): 82-87.

[23] 王磊, 陳青, 高洪雨, 等. 基于大數(shù)據(jù)挖掘技術(shù)的智能變電站故障追蹤架構(gòu)[J]. 電力系統(tǒng)自動化, 2018, 42(3): 84-91.

WANG Lei, CHEN Qing, GAO Hongyu, et al. Framework of fault trace for smart substation based on big data mining technology[J]. Automation of Electric Power Systems, 2018, 42(3): 84-91.

Research and application of substation alarm signal fault knowledge representation based on knowledge graph

LIN Lingyun1, 2, CHEN Qing1, JIN Lei1, WANG Lei3

(1. Key Laboratory of Power System Intelligent Dispatch and Control Ministry of Education (Shandong University),Jinan 250061, China; 2. State Grid Tianjin Electric Power Company, Tianjin 300010, China;3. Technology College, State Grid Corporation of China, Jinan 250002, China)

There are many alarm signal texts in the backlog of the monitoring terminal of a substation. Retrieving the hidden fault knowledge in them can help monitoring personnel to quickly grasp the fault situation and improve the efficiency of fault handling. Based on knowledge graph technology, this paper first proposes a method of expressing the fault knowledge of a substation alarm signal. It analyzes the existing classification and analysis content of the signal, and then proposes a method for constructing the fault knowledge graph of alarm signal, i.e. constructing a power grid accident behavior graph with accident and displacement signals, and constructing a device abnormal behavior graph with abnormal signals. Then it uses the graphs to excavate and display the behavioral logic, correlation between alarm signals and important information after the failure, so as to provide a convenient way for on-site monitoring personnel to quickly obtain key failure information and improve the efficiency of failure handling. The feasibility of the method is demonstrated with a case of knowledge graph visualization. Finally, the extended application of knowledge graphs in the fields of signal analysis, fault diagnosis, and fault tracking is analyzed, so that the substation alarm signal data can be better tapped and used in the field of power grid fault processing.

alarm signal; knowledge graph; fault knowledge

10.19783/j.cnki.pspc.211136

2021-08-19；

2022-02-12

林凌云(1996—)，女，碩士研究生，研究方向為電網(wǎng)文本數(shù)據(jù)挖掘與應用；E-mail: 609325207@qq.com

陳 青(1963—)，女，通信作者，教授，博士生導師，研究方向為電力系統(tǒng)故障分析與計算、電網(wǎng)故障診斷、繼電保護等。E-mail: qchen@sdu.edu.cn

國家自然科學基金項目資助(51877123)

This work is supported by the National Natural Science Foundation of China (No. 51877123).

(編輯 魏小麗)