基于ANN和ES集成的变电站告警信息分析决策系统和方法与流程
本发明涉及一种系统和方法，具体涉及基于ANN和ES集成的变电站告警信息分析决策系统和方法。
背景技术：
随着电力系统的规模日益扩大，各种安全隐患也愈加严重，尤其是简单事故造成大范围停电、甚至地区电网瘫痪的概率在不断增加。在现代电网的复杂性和实时性要求下，系统发生故障时需要快速检测故障、准确判断故障、合理排除故障，缩小停电范围，以维护整个电网的稳定运行。因此，变电站发生故障后如何快速寻找故障位置，识别故障类别是处理停电事故的关键。
为了快速准确的判断并排除故障，确保系统的安全稳定运行，增强供电的连续性和可靠性，实现对变电站内故障信息的综合分析决策，准确判断故障类型和故障位置，对提高工作效率、缩短停电时间、降低停电损失意义重大。
而以往的变电站在无人值班后，全部信息汇总到监控中心，按时间顺序显示，不做任何的推理判断处理。近几年，提出了“大运行”体系要求实现调控一体化，调度业务与设备监控业务相融合，由此需要上送大量变电站数据信息，各类信号动作频繁，运行人员监控任务较重，很容易遗漏重要告警信号，从而延误处理造成事故。一旦发生事故，不仅加剧了信号量的剧增，还会出现滚屏、刷屏现象，使得运行人员更是眼花缭乱、无所适从，很难抓住重点，影响对事故的正确处理。
目前，国内外在告警信息分析处理及故障诊断方面已进行了大量的研究工作，提出了很多方法，如人工神经网络、专家系统、Petri网络、数据挖掘、Tabu搜索等，但是单一的智能算法对变电站进行故障分析时，总会出现推理匹配冲突、容错能力差的问题，容易造成误判或漏判，而且在电力系统故障诊断方面，大部分是研究电力系统全局故障诊断或是某一具体元件故障诊断，而很少研究变电站故障诊断，另一方面对故障诊断系统的容错性研究不够充分，特别是采用专家系统作诊断核心的故障诊断系统几乎没有容错性研究，同时也没有考虑变电站运行方式对网络结构的影响，还有人工神经网络在电力系统故障诊断中并没有得到实际的应用，大多数只能作为一种离线的辅助工具。
因此亟需建立一种告警信息分析决策系统，用于优化变电站大量的原始告警信息，提供一种推理决策的手段判断所发生的故障，并给出解释和表达。
技术实现要素：
为解决上述问题，本发明提出基于ANN和ES集成的变电站告警信息综合分析决策系统和方法，将ANN中基于数值运算的推理引入ES系统，代替了传统ES单一的基于符号的表达，从而提高ES的执行效率。
本发明的目的是采用下述技术方案实现的：
基于ANN和ES集成的变电站告警信息分析决策系统，所述系统包括：
数据库，用于存放所述系统接收到的实时告警信息和设备静态配置数据；
推理模块，用于对告警信息的推理过程进行协调和控制；
解释模块，用于对推理模块的推理结果进行解释；
隐式知识提取模块，用于将数值表达的知识显式表达；
知识库，用于存放显示知识规则和包含在连接权值中的隐式知识；
人机接口模块，用于将解释模块和隐式知识提取模块输出的信息转化为用户理解的形式并输出。
优选的，所述推理模块包括数值运算推理单元和符号逻辑推理单元；
所述符号逻辑推理单元用于符号启发式运算；所述数值运算推理单元用于数学推理运算。
优选的，所述知识库包括ES显式知识模块和ANN隐式知识模块；其中，
所述ES显示知识模块用于变电站常规故障推理；
所述ANN隐式知识模块用于存放与知识库规则不匹配的故障的推理结果。
进一步地，当变电站发生常规故障时，所述符号逻辑推理单元、解释模块和人机接口模块之间相互通信；系统启动符号逻辑推理单元，触发解释模块，并通过人机接口模块输出；当变电站发生非常规故障时，所述数值运算推理单元、ANN隐式知识模块、知识库和人机接口模块之间相互通信；所述系统启动数值运算推理单元，触发所述ANN隐式知识模块和所述知识库，并通过人机接口模块输出。
数据库存放的告警信息经告警预处理剔除误发误告警信息后，如果与ES显示知识模块存放的知识相匹配，直接交给ES处理，通过建立故障推理模型、故障推理机制及选择推理方向进行推理，输出推理结果。
基于ANN和ES集成的告警信息分析决策方法，所述方法包括：
(1)接收告警信息并录入数据库；
(2)预处理所述告警信息,剔除误告信息；
(3)提取有效告警信息；
(4)当预处理后的告警信息与知识库中任一条知识规则匹配时，直接通过ES进行推理并输出结果；
(5)当预处理后的告警信息与知识库中所有知识规则皆不匹配时，则转至ANN进行处理；
(6)对输出结果进行解释，并通过ANN运算推理的设备故障所对应的隐式知识转化为知识规则，存入知识库。
优选的，所述步骤(2)预处理所述告警信息包括，根据遥信变位的遥测变化进行判断，具体步骤包括：
a)定义假遥信判别库；
根据实际需求，定义所述假遥信判别库，包括厂站号、遥信序号、遥测序号、遥测波动值、遥控操作时间和有效时间长度；
b)当某一遥信发生变位时，启动该假遥信判别库，找到变化的遥信序号和对应的遥测序号；
c)从数据库中获取有效时间长度内所述遥测序号对应的遥测值，将该遥测值与假遥信判别库中遥测波动值进行比较；若大于遥测波动值，则该遥信为正常变位，否则为误告信息。
优选的，所述步骤(3)中有效告警信息，包括保护动作信息、备自投信息、开关变位信息、重合闸信息、保护出口信息、保护压板信息、测控远方就地信息、越限告警信息、通信状态信息和异常告警信息。
优选的，所述步骤(4)中ES推理包括，建立故障推理模型和故障推理机制，并确定推理方向。
进一步地，所述故障推理模型，包括故障类型、时间窗口和推理启动信号；
其中，所述故障类型包括单纯故障和组合故障；
所述时间窗口整定为3～10s；
所述推理启动信号包括保护动作信号、断路器动作信号和事故总信号。
进一步地，所述故障推理机制采用单个事件推理与多个关联事件推理相结合的多重推理机制。
进一步地，所述推理方向包括，选用正反向混合推理方式，首先正向推理提出假设，然后反向推理证实假设，并输出推理结果；具体过程包括：
11-1搜索知识库，提取与数据库的故障信息匹配的知识规则：首先提取知识库任一知识规则的前提部分，与数据库的故障信息进行对比，若所述故障信息中包含该前提部分，该知识规则匹配成功，并将其添加至知识匹配集中；否则，进行下一条知识规则匹配，循环操作；
对于匹配失败的故障采用BP神经网络算法进行推理；
11-2依次对知识匹配集中每一条知识规则进行ES推理；
11-3将推理得出的结论放入动态数据库，对于无法得出结论的故障信息采用BP神经网络算法进行推理；直至不再产生新的结论。
11-4将所有知识规则的前提部分作为新的假设加入故障假设集合，直到故障假设集合中某一条假设成立为止，如果所有的假设均不成立，系统进入BP神经网络计算程序。
优选的，所述步骤(5)中ANN进行处理包括，在处理前设置变电站设备的主保护和后备保护误动、拒动的概率系数为ai,保护装置的故障可靠系数为θi，根据下述公式获得设备的综合保护系数
该系数P连同设备相关联的开关变位和故障信息一起作为ANN的输入信息。
进一步地，对所述输入信息进行ANN运算，包括；
选定神经网络结构，设定所有阈值与连接权值为分布均匀的较小数值；
采用正向传播和误差反向传播，对该神经网络结构进行学习。
进一步地，所述正向传播包括，输入信号经过sigmoid函数逐层正向传播，由输出层输出信息处理结果，如果实际输出与期望不符，则进行误差反向传播。
进一步地，所述误差反向传播包括，输出信号的误差沿原路返回，按误差梯度下降的方式修改各层神经元的权值和阈值，经过反复传播，各层权值不断调整，使得信号误差降至要求范围之内；
当ANN运算后求得某个设备的输出结果为1，则说明设备发生故障，否则该设备正常。
与现有技术相比，本发明达到的有益效果是：
1)本发明设计的变电站告警信息分析决策系统提供一种快速定位故障位置的有效手段，所采用的ANN和ES集成的智能推理算法相比其他告警信息处理方法具有速度快、准确度高和容错性强的优势，从而有利于抢占变电站智能告警的先机，拥有该领域的话语权。
2)本发明采用的遥信变位和遥测变化联合判断的告警预处理手段，通过增加假遥信判别库，从研究误告警信号的机理机制出发，能从根源上有效地抑制频发的误发误告警信号。
3)有利于形成智能变电站告警信息优化和故障诊断体系，使得值班人员能够从大量的原始告警信号中快速抓住关键信息，大幅度减轻运行人员监控压力，大大提高整个系统的智能水平，满足了今后的智能变电站采用少人、无人值班的模式。
4)该设计方法与调度结合，推动了基于主子站协同互动的分布式智能告警的研究与应用，有利于更好的支撑调控一体化的发展。
5)本发明针对不同的故障采取不同的分析策略；不但提高了整个系统的可维护性和容错性并且扩大了告警信息分析决策系统的诊断范围。
附图说明
图1为基于ANN和ES集成的变电站告警信息分析决策系统的结构示意图；
图2为基于ANN和ES集成的变电站告警信息分析决策方法流程图；
图3为ES推理方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
如图1所示，基于ANN和ES集成的变电站告警信息分析决策系统，所述系统包括：
数据库，用于存放所述系统接收到的实时告警信息和设备静态配置数据；
推理模块，用于对告警信息的推理过程进行协调和控制；
解释模块，用于对推理模块的推理结果进行解释；
隐式知识提取模块，用于将数值表达的知识显式表达；
知识库，用于存放显示知识规则和包含在连接权值中的隐式知识；
人机接口模块，用于将解释模块和隐式知识提取模块输出的信息转化为用户理解的形式并输出。
所述推理模块包括数值运算推理单元和符号逻辑推理单元；
所述符号逻辑推理单元用于符号启发式运算；所述数值运算推理单元用于数学推理运算。
所述知识库包括ES显式知识模块和ANN隐式知识模块；其中，
所述ES显示知识模块用于变电站常规故障推理；
所述ANN隐式知识模块用于存放与知识库规则不匹配的故障的推理结果。
当变电站发生常规故障时，所述符号逻辑推理单元、解释模块和人机接口模块之间相互通信；系统启动符号逻辑推理单元，触发解释模块，并通过人机接口模块输出；当变电站发生非常规故障时，所述数值运算推理单元、ANN隐式知识模块、知识库和人机接口模块之间相互通信；所述系统启动数值运算推理单元，触发所述ANN隐式知识模块和所述知识库，并通过人机接口模块输出。
数据库存放的告警信息经告警预处理剔除误发误告警信息后，如果与ES显示知识模块存放的知识相匹配，直接交给ES处理，通过建立故障推理模型、故障推理机制及选择推理方向 进行推理，输出推理结果。
如图2所示，基于ANN和ES集成的告警信息分析决策方法，所述方法包括：
(1)接收告警信息并录入数据库；
(2)预处理所述告警信息,剔除误告信息；所述步骤(2)预处理所述告警信息包括，根据遥信变位的遥测变化进行判断，具体步骤包括：
a)定义假遥信判别库；
根据实际需求，定义所述假遥信判别库，包括厂站号、遥信序号、遥测序号、遥测波动值、遥控操作时间和有效时间长度；
b)当某一遥信发生变位时，启动该假遥信判别库，找到变化的遥信序号和对应的遥测序号；
c)从数据库中获取有效时间长度内所述遥测序号对应的遥测值，将该遥测值与假遥信判别库中遥测波动值进行比较；若大于遥测波动值，则该遥信为正常变位，否则为误告信息。
(3)提取有效告警信息；所述步骤(3)中有效告警信息，包括保护动作信息、备自投信息、开关变位信息、重合闸信息、保护出口信息、保护压板信息、测控远方就地信息、越限告警信息、通信状态信息和异常告警信息。
(4)当预处理后的告警信息与知识库中任一条知识规则匹配时，直接通过ES进行推理并输出结果；所述步骤(4)中ES推理包括，建立故障推理模型和故障推理机制，并确定推理方向。
所述故障推理模型，包括故障类型、时间窗口和推理启动信号；
其中，所述故障类型包括单纯故障和组合故障；
所述时间窗口整定为3～10s；
所述推理启动信号包括保护动作信号、断路器动作信号和事故总信号。
所述故障推理机制采用单个事件推理与多个关联事件推理相结合的多重推理机制。
所述推理方向包括，选用正反向混合推理方式，首先正向推理提出假设，然后反向推理证实假设，并输出推理结果；具体过程包括：
11-1搜索知识库，提取与数据库的故障信息匹配的知识规则：首先提取知识库任一知识规则的前提部分，与数据库的故障信息进行对比，若所述故障信息中包含该前提部分，该知识规则匹配成功，并将其添加至知识匹配集中；否则，进行下一条知识规则匹配，循环操作；
对于匹配失败的故障采用BP神经网络算法进行推理；
如图3所示，11-2依次对知识匹配集中每一条知识规则进行ES推理；
11-3将推理得出的结论放入动态数据库，对于无法得出结论的故障信息采用BP神经网络算法进行推理；直至不再产生新的结论。
11-4将所有知识规则的前提部分作为新的假设加入故障假设集合，直到故障假设集合中某一条假设成立为止，如果所有的假设均不成立，系统进入BP神经网络计算程序。
(5)当预处理后的告警信息与知识库中所有知识规则皆不匹配时，则转至ANN进行处理；
所述步骤(5)中ANN进行处理包括，在处理前设置变电站设备的主保护和后备保护误动、拒动的概率系数为ai,保护装置的故障可靠系数为θi，根据下述公式获得设备的综合保护系数该系数P连同设备相关联的开关变位和故障信息一起作为ANN的输入信息。
对所述输入信息进行ANN运算，包括；
选定神经网络结构，设定所有阈值与连接权值为分布均匀的较小数值；
采用正向传播和误差反向传播，对该神经网络结构进行学习。
所述正向传播包括，输入信号经过sigmoid函数逐层正向传播，由输出层输出信息处理结果，如果实际输出与期望不符，则进行误差反向传播。
所述误差反向传播包括，输出信号的误差沿原路返回，按误差梯度下降的方式修改各层神经元的权值和阈值，经过反复传播，各层权值不断调整，使得信号误差降至要求范围之内；
当ANN运算后求得某个设备的输出结果为1，则说明设备发生故障，否则该设备正常。
(6)对输出结果进行解释，并通过ANN运算推理的设备故障所对应的隐式知识转化为知识规则，存入知识库。
最后应当说明的是：以上实施例仅用以说明本申请的技术方案而非对其保护范围的限制，尽管参照上述实施例对本申请进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，这些变更、修改或者等同替换，其均在其申请待批的权利要求范围之内。
- 还没有人留言评论。精彩留言会获得点赞！