一种基于规则挖掘的电网倒闸操作规则库建立方法
【技术领域】
[0001] 本发明涉及电网调度操作人工智能技术领域，更具体的说，涉及一种基于规则挖 掘的电网倒闸操作规则库建立方法。
【背景技术】
[0002] 随着我国工业化进程的不断加快以及经济水平的不断提高、电网建设不断加强， 电力网络则越来越复杂。与之对应电网调度倒闸操作涉及到的一次、二次设备的操作愈加 复杂，要快速、准确的填写和审核电网调度操作指令票也显得越发困难。因此越来越多的研 究人员试图将人工智能方面的研究成果应用于该领域，建立以人工智能为基础的电网操作 规则库，从而达到提高效率，提升成票准确率的目的。
[0003] 目前，我国的电网调度采取分级管理，各级电网对应各级调度，具有责任明确、对 事故响应快速等特点。然而由于各级(或各地区）电网根据地域特点和设备特点分别制定其 调度规程，导致同一操作任务在国内不同地域的电网中调度操作步骤、内容以及操作指令 票的填写标准存在差异（即电网倒闸操作规则存在差异）。为此，现在关于操作指令票检验 相关研究中较为普遍的做法是:先让程序员理解电网调度规程，然后以程序员理解的逻辑 建立相应的规则库。但是这样处理不能解决不同地域的调度规程存在差异的问题，不能广 泛推广，并且通过这种方式形成的规则库的准确性受到程序员理解准确程度的制约，当调 度规程修编后，规则库不能及时更正。
【发明内容】
[0004] 发明提出一种基于数据挖掘的电网倒闸操作规则库建立方法，以历史操作指令票 为依据，采用数据挖掘的方法挖掘电网倒闸操作的操作规则，根据不同地域的历史操作指 令票挖掘形成不同的操作规则库。
[0005] 为了实现上述目的，本发明的技术方案是:一种基于规则挖掘的电网倒闸操作规 则库建立方法，依次包括以下步骤：
[0006] 建立电力网络状态模型；
[0007] 历史操作指令票的数据预处理；
[0008] 采用蚁群算法搜索；
[0009] 规则修剪。
[0010]所述建立电力网络状态模型包括以下步骤：
[0011]步骤一:建立与电网一次设备实际结构相符的网络拓扑模型，将母线、断路器、变 压器作为节点，将输电线路等效为网络拓扑模型中的边;增加断路器和母线、线路之间的虚 拟连接并简化为网络拓扑模型中的边，增加母线和变压器之间的虚拟连接并简化为网络拓 扑模型中的边。由此可以得到表征电网中电气设备连接关系的连接矩阵Ao:
[0012]
(1 >
[0013] (2)
[0014] 式中Go为电力系统的将电力网络抽象得到的简单图，eij为节点i到节点j的边，η 为电网中母线、断路器、变压器的个数之和；该矩阵描述了电网中一次设备之间的连接关 系；
[0015] 步骤二:为网络拓扑模型中的对角元素赋值，形成一次设备运行状态矩阵，上一步 中得到的网络拓扑模型其实质为电网一次设备之间的连接关系，不能全面反映电网一次设 备的运行状态，因此对连接矩阵Αο中的对角元素进行赋值，得到反映电网一次设备运行状 态的网络状态矩阵A:
[0016]
[0017] (4)
[0018] 步骤三:建立与电网一次设备运行状态相对应的二次设备运行状态向量，在进行 电网倒闸操作时会涉及到一次与二次设备的操作；因此，为表征二次设备的运行状态，建立 与一次设备运行状态矩阵相对应的二次设备运行状态向量，记做X
[0019]
[0020] :6)。
[0021] 所述历史操作指令票的数据预处理包括以下步骤：
[0022] 步骤一:将原始操作指令票按操作步骤逐项拆分成对应的操作内容，电网操作指 令票都是逐项填写，每一步只含有对一个设备的操作指令；
[0023] 步骤二:将操作内容与原始操作指令票中的操作任务、下一项操作内容、网络运行 状态对应，为保障每个数据样本尽可能多的含有全局信息，将本项操作内容、下一项操作内 容、原始操作票的操作任务、执行该操作的网络一次设备状态矩阵、执行该操作的网络二次 设备状态向量五项属性组合形成标准化的数据样本，称作"操作项目"；将电网操作指令票 进行划分表示为如下形式：
[0024] (7)
[0025] Θ = [Μ，Α，χ，Β，Ν] (8)
[0026] S为操作指令票，表示为操作项目的集合，Θ为标准化处理后的操作项目；若操作指 令票S由η个操作步骤完成，那么该操作指令票则可以划分为η个操作项目- Θ为划分后得到的操作项目，由五维向量表示，其中Μ为原操作票的操作任务，Α为进行该操 作前电网的一次设备运行状态矩阵，X为进行该操作前的电网二次设备运行状态向量，B为 该操作项目对应的操作内容，N为原始操作指令票中下一项操作项目的操作内容。
[0027] 所述采用蚁群算法搜索包括以下步骤：
[0028] 步骤一:计算局部信息素、全局信息素和启发因子，从操作项目集合中选取一个操 作项目作为起点，令局部信息素为：
[0029] i,./eS (9)
[0030] Ρ(Ν1 = Β」I Bi)为所有操作项目的集合中，操作项目i执行后执行操作项目j的概率。 式中Φ|Β?为操作项目集合中本项操作内容为Bi的操作项目个数，Φ|Ν?=Β」则为本项操作内容 为Bi且下项操作内容为Ni的操作项目个数，其中Ni = Bj;
[0031] 令全局信息素为：
[0032] (10)
[0033] 其中X，Y为一次状态矩阵和二次状态向量的皮尔森相关系数，分别表示操作项目i 执行前和操作项目j执行前电网一次设备运行状态相似程度和二次设备运行状态相似程 度；由于每个操作项目Θ只代表单一的操作，相邻的两次操作之间电网的设备运行状态会十 分接近，以两个操作项目的电网运行状态的皮尔森相关系数作为全局信息素可以在迭代过 程中快速剔除不相关的操作项目，加快迭代收敛；
[0034]令启发因子为：
[0035] (11)
[0036] 即所有操作任务为Μ的操作项目中本项操作内容为Bj的概率，其大小为操作任务 为Μ且操作内容为Bj的操作项目个数除以操作任务为Μ的操作项目个数;Tij(t)、nij分别为t 时刻的局部信息素和启发因子，即局部寻优和全局寻优的影响因子，Λτ^(υ为全局信息 素;设置α = 〇·7、β=0·3、ρ = 0·5;
[0037] 步骤二:求解并模拟蚂蚁移动直至最后一个操作项目k中Nk = Bk，表示一条完整 的路径搜索完成；
[0038]步骤三:更新信息素带入蚁群算法迭代，直至收敛，得到一条路径，并将其输入规
[0039] 则库，蚁群算法的数学模型可以表示为下式：
(12)
[0040] (13)
[0041] (14)
[0042]式（12)表示蚂蚁k在t时刻从节点i向节点j移动的的几率，即操作项目i后执行操 作项目j的几率，S为所有操作项目的集合。
[0043]所述规则修剪包括以下步骤：
[0044] 步骤一:计算规则有效性，规则的有效性Q可以用下式进行计算：
[0045] (15)
[0046] tp一一规则前件后件都适合的样例数；
[0047] fp一一规则前件适合后件不适合的样例数；
[0048] fn一一规则前件不适合后件适合的样例数；
[0049] tn一一规则前件后件都不适合的样例数；
[0050] 式中tp、f p、f η、tn的具体数值可以通过将挖掘得到的规则R[ Θ ]在历史操作票中检 验计算得出；
[0051 ]步骤二:规则剪枝，删除规则R[Θ ]中的结点，即规则中的操作项目，重新计算规则 的有效性，若存在有效性降低的情况则恢复删除，将修剪后的规则计入规则库;若不存在有 效性降低的情况则继续删除结点，直到所有结点检验完毕。
[0