基於ANN和ES集成的變電站告警信息分析決策系統和方法與流程
2023-09-16 08:46:15 2
本發明涉及一種系統和方法，具體涉及基於ANN和ES集成的變電站告警信息分析決策系統和方法。
背景技術：
隨著電力系統的規模日益擴大，各種安全隱患也愈加嚴重，尤其是簡單事故造成大範圍停電、甚至地區電網癱瘓的概率在不斷增加。在現代電網的複雜性和實時性要求下，系統發生故障時需要快速檢測故障、準確判斷故障、合理排除故障，縮小停電範圍，以維護整個電網的穩定運行。因此，變電站發生故障後如何快速尋找故障位置，識別故障類別是處理停電事故的關鍵。
為了快速準確的判斷並排除故障，確保系統的安全穩定運行，增強供電的連續性和可靠性，實現對變電站內故障信息的綜合分析決策，準確判斷故障類型和故障位置，對提高工作效率、縮短停電時間、降低停電損失意義重大。
而以往的變電站在無人值班後，全部信息匯總到監控中心，按時間順序顯示，不做任何的推理判斷處理。近幾年，提出了「大運行」體系要求實現調控一體化，調度業務與設備監控業務相融合，由此需要上送大量變電站數據信息，各類信號動作頻繁，運行人員監控任務較重，很容易遺漏重要告警信號，從而延誤處理造成事故。一旦發生事故，不僅加劇了信號量的劇增，還會出現滾屏、刷屏現象，使得運行人員更是眼花繚亂、無所適從，很難抓住重點，影響對事故的正確處理。
目前，國內外在告警信息分析處理及故障診斷方面已進行了大量的研究工作，提出了很多方法，如人工神經網絡、專家系統、Petri網絡、數據挖掘、Tabu搜索等，但是單一的智能算法對變電站進行故障分析時，總會出現推理匹配衝突、容錯能力差的問題，容易造成誤判或漏判，而且在電力系統故障診斷方面，大部分是研究電力系統全局故障診斷或是某一具體元件故障診斷，而很少研究變電站故障診斷，另一方面對故障診斷系統的容錯性研究不夠充分，特別是採用專家系統作診斷核心的故障診斷系統幾乎沒有容錯性研究，同時也沒有考慮變電站運行方式對網絡結構的影響，還有人工神經網絡在電力系統故障診斷中並沒有得到實際的應用，大多數只能作為一種離線的輔助工具。
因此亟需建立一種告警信息分析決策系統，用於優化變電站大量的原始告警信息，提供一種推理決策的手段判斷所發生的故障，並給出解釋和表達。
技術實現要素：
為解決上述問題，本發明提出基於ANN和ES集成的變電站告警信息綜合分析決策系統和方法，將ANN中基於數值運算的推理引入ES系統，代替了傳統ES單一的基於符號的表達，從而提高ES的執行效率。
本發明的目的是採用下述技術方案實現的：
基於ANN和ES集成的變電站告警信息分析決策系統，所述系統包括：
資料庫，用於存放所述系統接收到的實時告警信息和設備靜態配置數據；
推理模塊，用於對告警信息的推理過程進行協調和控制；
解釋模塊，用於對推理模塊的推理結果進行解釋；
隱式知識提取模塊，用於將數值表達的知識顯式表達；
知識庫，用於存放顯示知識規則和包含在連接權值中的隱式知識；
人機接口模塊，用於將解釋模塊和隱式知識提取模塊輸出的信息轉化為用戶理解的形式並輸出。
優選的，所述推理模塊包括數值運算推理單元和符號邏輯推理單元；
所述符號邏輯推理單元用於符號啟發式運算；所述數值運算推理單元用於數學推理運算。
優選的，所述知識庫包括ES顯式知識模塊和ANN隱式知識模塊；其中，
所述ES顯示知識模塊用於變電站常規故障推理；
所述ANN隱式知識模塊用於存放與知識庫規則不匹配的故障的推理結果。
進一步地，當變電站發生常規故障時，所述符號邏輯推理單元、解釋模塊和人機接口模塊之間相互通信；系統啟動符號邏輯推理單元，觸發解釋模塊，並通過人機接口模塊輸出；當變電站發生非常規故障時，所述數值運算推理單元、ANN隱式知識模塊、知識庫和人機接口模塊之間相互通信；所述系統啟動數值運算推理單元，觸發所述ANN隱式知識模塊和所述知識庫，並通過人機接口模塊輸出。
資料庫存放的告警信息經告警預處理剔除誤發誤告警信息後，如果與ES顯示知識模塊存放的知識相匹配，直接交給ES處理，通過建立故障推理模型、故障推理機制及選擇推理方向進行推理，輸出推理結果。
基於ANN和ES集成的告警信息分析決策方法，所述方法包括：
(1)接收告警信息並錄入資料庫；
(2)預處理所述告警信息,剔除誤告信息；
(3)提取有效告警信息；
(4)當預處理後的告警信息與知識庫中任一條知識規則匹配時，直接通過ES進行推理並輸出結果；
(5)當預處理後的告警信息與知識庫中所有知識規則皆不匹配時，則轉至ANN進行處理；
(6)對輸出結果進行解釋，並通過ANN運算推理的設備故障所對應的隱式知識轉化為知識規則，存入知識庫。
優選的，所述步驟(2)預處理所述告警信息包括，根據遙信變位的遙測變化進行判斷，具體步驟包括：
a)定義假遙信判別庫；
根據實際需求，定義所述假遙信判別庫，包括廠站號、遙信序號、遙測序號、遙測波動值、遙控操作時間和有效時間長度；
b)當某一遙信發生變位時，啟動該假遙信判別庫，找到變化的遙信序號和對應的遙測序號；
c)從資料庫中獲取有效時間長度內所述遙測序號對應的遙測值，將該遙測值與假遙信判別庫中遙測波動值進行比較；若大於遙測波動值，則該遙信為正常變位，否則為誤告信息。
優選的，所述步驟(3)中有效告警信息，包括保護動作信息、備自投信息、開關變位信息、重合閘信息、保護出口信息、保護壓板信息、測控遠方就地信息、越限告警信息、通信狀態信息和異常告警信息。
優選的，所述步驟(4)中ES推理包括，建立故障推理模型和故障推理機制，並確定推理方向。
進一步地，所述故障推理模型，包括故障類型、時間窗口和推理啟動信號；
其中，所述故障類型包括單純故障和組合故障；
所述時間窗口整定為3～10s；
所述推理啟動信號包括保護動作信號、斷路器動作信號和事故總信號。
進一步地，所述故障推理機制採用單個事件推理與多個關聯事件推理相結合的多重推理機制。
進一步地，所述推理方向包括，選用正反向混合推理方式，首先正向推理提出假設，然後反向推理證實假設，並輸出推理結果；具體過程包括：
11-1搜索知識庫，提取與資料庫的故障信息匹配的知識規則：首先提取知識庫任一知識規則的前提部分，與資料庫的故障信息進行對比，若所述故障信息中包含該前提部分，該知識規則匹配成功，並將其添加至知識匹配集中；否則，進行下一條知識規則匹配，循環操作；
對於匹配失敗的故障採用BP神經網絡算法進行推理；
11-2依次對知識匹配集中每一條知識規則進行ES推理；
11-3將推理得出的結論放入動態資料庫，對於無法得出結論的故障信息採用BP神經網絡算法進行推理；直至不再產生新的結論。
11-4將所有知識規則的前提部分作為新的假設加入故障假設集合，直到故障假設集合中某一條假設成立為止，如果所有的假設均不成立，系統進入BP神經網絡計算程序。
優選的，所述步驟(5)中ANN進行處理包括，在處理前設置變電站設備的主保護和後備保護誤動、拒動的概率係數為ai,保護裝置的故障可靠係數為θi，根據下述公式獲得設備的綜合保護係數 P = Σ i = 1 n θ i ( 1 - a i ) n ; ]]>
該係數P連同設備相關聯的開關變位和故障信息一起作為ANN的輸入信息。
進一步地，對所述輸入信息進行ANN運算，包括；
選定神經網絡結構，設定所有閾值與連接權值為分布均勻的較小數值；
採用正向傳播和誤差反向傳播，對該神經網絡結構進行學習。
進一步地，所述正向傳播包括，輸入信號經過sigmoid函數逐層正向傳播，由輸出層輸出信息處理結果，如果實際輸出與期望不符，則進行誤差反向傳播。
進一步地，所述誤差反向傳播包括，輸出信號的誤差沿原路返回，按誤差梯度下降的方式修改各層神經元的權值和閾值，經過反覆傳播，各層權值不斷調整，使得信號誤差降至要求範圍之內；
當ANN運算後求得某個設備的輸出結果為1，則說明設備發生故障，否則該設備正常。
與現有技術相比，本發明達到的有益效果是：
1)本發明設計的變電站告警信息分析決策系統提供一種快速定位故障位置的有效手段，所採用的ANN和ES集成的智能推理算法相比其他告警信息處理方法具有速度快、準確度高和容錯性強的優勢，從而有利於搶佔變電站智能告警的先機，擁有該領域的話語權。
2)本發明採用的遙信變位和遙測變化聯合判斷的告警預處理手段，通過增加假遙信判別庫，從研究誤告警信號的機理機制出發，能從根源上有效地抑制頻發的誤發誤告警信號。
3)有利於形成智能變電站告警信息優化和故障診斷體系，使得值班人員能夠從大量的原始告警信號中快速抓住關鍵信息，大幅度減輕運行人員監控壓力，大大提高整個系統的智能水平，滿足了今後的智能變電站採用少人、無人值班的模式。
4)該設計方法與調度結合，推動了基於主子站協同互動的分布式智能告警的研究與應用，有利於更好的支撐調控一體化的發展。
5)本發明針對不同的故障採取不同的分析策略；不但提高了整個系統的可維護性和容錯性並且擴大了告警信息分析決策系統的診斷範圍。
附圖說明
圖1為基於ANN和ES集成的變電站告警信息分析決策系統的結構示意圖；
圖2為基於ANN和ES集成的變電站告警信息分析決策方法流程圖；
圖3為ES推理方法流程圖。
具體實施方式
下面結合附圖對本發明的具體實施方式做進一步的詳細說明。
如圖1所示，基於ANN和ES集成的變電站告警信息分析決策系統，所述系統包括：
資料庫，用於存放所述系統接收到的實時告警信息和設備靜態配置數據；
推理模塊，用於對告警信息的推理過程進行協調和控制；
解釋模塊，用於對推理模塊的推理結果進行解釋；
隱式知識提取模塊，用於將數值表達的知識顯式表達；
知識庫，用於存放顯示知識規則和包含在連接權值中的隱式知識；
人機接口模塊，用於將解釋模塊和隱式知識提取模塊輸出的信息轉化為用戶理解的形式並輸出。
所述推理模塊包括數值運算推理單元和符號邏輯推理單元；
所述符號邏輯推理單元用於符號啟發式運算；所述數值運算推理單元用於數學推理運算。
所述知識庫包括ES顯式知識模塊和ANN隱式知識模塊；其中，
所述ES顯示知識模塊用於變電站常規故障推理；
所述ANN隱式知識模塊用於存放與知識庫規則不匹配的故障的推理結果。
當變電站發生常規故障時，所述符號邏輯推理單元、解釋模塊和人機接口模塊之間相互通信；系統啟動符號邏輯推理單元，觸發解釋模塊，並通過人機接口模塊輸出；當變電站發生非常規故障時，所述數值運算推理單元、ANN隱式知識模塊、知識庫和人機接口模塊之間相互通信；所述系統啟動數值運算推理單元，觸發所述ANN隱式知識模塊和所述知識庫，並通過人機接口模塊輸出。
資料庫存放的告警信息經告警預處理剔除誤發誤告警信息後，如果與ES顯示知識模塊存放的知識相匹配，直接交給ES處理，通過建立故障推理模型、故障推理機制及選擇推理方向 進行推理，輸出推理結果。
如圖2所示，基於ANN和ES集成的告警信息分析決策方法，所述方法包括：
(1)接收告警信息並錄入資料庫；
(2)預處理所述告警信息,剔除誤告信息；所述步驟(2)預處理所述告警信息包括，根據遙信變位的遙測變化進行判斷，具體步驟包括：
a)定義假遙信判別庫；
根據實際需求，定義所述假遙信判別庫，包括廠站號、遙信序號、遙測序號、遙測波動值、遙控操作時間和有效時間長度；
b)當某一遙信發生變位時，啟動該假遙信判別庫，找到變化的遙信序號和對應的遙測序號；
c)從資料庫中獲取有效時間長度內所述遙測序號對應的遙測值，將該遙測值與假遙信判別庫中遙測波動值進行比較；若大於遙測波動值，則該遙信為正常變位，否則為誤告信息。
(3)提取有效告警信息；所述步驟(3)中有效告警信息，包括保護動作信息、備自投信息、開關變位信息、重合閘信息、保護出口信息、保護壓板信息、測控遠方就地信息、越限告警信息、通信狀態信息和異常告警信息。
(4)當預處理後的告警信息與知識庫中任一條知識規則匹配時，直接通過ES進行推理並輸出結果；所述步驟(4)中ES推理包括，建立故障推理模型和故障推理機制，並確定推理方向。
所述故障推理模型，包括故障類型、時間窗口和推理啟動信號；
其中，所述故障類型包括單純故障和組合故障；
所述時間窗口整定為3～10s；
所述推理啟動信號包括保護動作信號、斷路器動作信號和事故總信號。
所述故障推理機制採用單個事件推理與多個關聯事件推理相結合的多重推理機制。
所述推理方向包括，選用正反向混合推理方式，首先正向推理提出假設，然後反向推理證實假設，並輸出推理結果；具體過程包括：
11-1搜索知識庫，提取與資料庫的故障信息匹配的知識規則：首先提取知識庫任一知識規則的前提部分，與資料庫的故障信息進行對比，若所述故障信息中包含該前提部分，該知識規則匹配成功，並將其添加至知識匹配集中；否則，進行下一條知識規則匹配，循環操作；
對於匹配失敗的故障採用BP神經網絡算法進行推理；
如圖3所示，11-2依次對知識匹配集中每一條知識規則進行ES推理；
11-3將推理得出的結論放入動態資料庫，對於無法得出結論的故障信息採用BP神經網絡算法進行推理；直至不再產生新的結論。
11-4將所有知識規則的前提部分作為新的假設加入故障假設集合，直到故障假設集合中某一條假設成立為止，如果所有的假設均不成立，系統進入BP神經網絡計算程序。
(5)當預處理後的告警信息與知識庫中所有知識規則皆不匹配時，則轉至ANN進行處理；
所述步驟(5)中ANN進行處理包括，在處理前設置變電站設備的主保護和後備保護誤動、拒動的概率係數為ai,保護裝置的故障可靠係數為θi，根據下述公式獲得設備的綜合保護係數該係數P連同設備相關聯的開關變位和故障信息一起作為ANN的輸入信息。
對所述輸入信息進行ANN運算，包括；
選定神經網絡結構，設定所有閾值與連接權值為分布均勻的較小數值；
採用正向傳播和誤差反向傳播，對該神經網絡結構進行學習。
所述正向傳播包括，輸入信號經過sigmoid函數逐層正向傳播，由輸出層輸出信息處理結果，如果實際輸出與期望不符，則進行誤差反向傳播。
所述誤差反向傳播包括，輸出信號的誤差沿原路返回，按誤差梯度下降的方式修改各層神經元的權值和閾值，經過反覆傳播，各層權值不斷調整，使得信號誤差降至要求範圍之內；
當ANN運算後求得某個設備的輸出結果為1，則說明設備發生故障，否則該設備正常。
(6)對輸出結果進行解釋，並通過ANN運算推理的設備故障所對應的隱式知識轉化為知識規則，存入知識庫。
最後應當說明的是：以上實施例僅用以說明本申請的技術方案而非對其保護範圍的限制，儘管參照上述實施例對本申請進行了詳細的說明，所屬領域的普通技術人員應當理解：本領域技術人員閱讀本申請後依然可對申請的具體實施方式進行種種變更、修改或者等同替換，這些變更、修改或者等同替換，其均在其申請待批的權利要求範圍之內。