基于语义的无人职守变电站监测系统及方法与流程

本发明属于一种变电站监测系统领域，尤其是涉及基于语义的无人职守变电站监测系统及方法。

背景技术：

2009年5月国家电网提出建设坚强智能电网的发展目标，截止2015年，新建智能变电站已达5182座，变电站发展中也逐步开始从模拟电路保护走向现如今的数字化智能化。相比传统变电站采集资源重复且设计复杂，信息不标准不规范，智能变电站则是采用先进、可靠、集成、低碳、环保的智能设备，以全站信息数字化、通信平台网络化、信息共享标准化为基本要求、自动完成信息采集、测量、控制、保护、计量和监测等基本功能，并可根据需要支持电网实时自动控制、智能调节、在线分析决策、协同互动等高级动能，实现与相邻变电站、电网调度等互动的变电站。变电站的监控手段愈发多样化，无人职守更是成为其中一个热门的研究课题，其大大的降低了人为实地监控中的危险性。但是在无人职守的智能变电站中如何突破各个变电站之间的信息孤岛，实现基于大数据的综合分析一直没有得到解决。

技术实现要素：

发明目的：本发明针对现有的无人职守检测系统，提出一种基于语义的无人职守变电站监测专家系统，采用语义技术实现推理来获取更加准确的设备状态预测。

发明内容：一种基于语义的无人职守变电站监测方法，包括如下的步骤：

步骤1：通过电力设备监控器收集电力设备状态数据，按照不同设备的属性进行数据保存；

步骤2：通过电力设备状态预警知识库确定领域本体的范围以及对象，并选择本体形式化描述语言描述并表示；

步骤3：根据领域专家库提供的资料建立电力设备领域状态预测本体关系经验模型；

步骤4：根据步骤3预测的本体关系经验模型建立电力设备领域基于OWL的本体模型；

步骤5：根据预测条件及本体关系经验模型提供的推理规则，利用Jena推理引擎所构成的推理机引擎进行语义推理，得到预测结果；

步骤6：连接数据库驱动，创建数据库连接实例，通过servlet连接数据库；

步骤7：移动客户端访问servlet，并在servlet中将得到的数据转换成Json数据格式返回给移动客户端。

一种基于语义的无人职守变电站监测系统，包括移动客户端、查询解析器、电力设备状态预警知识库、本体库、推理机引擎，电力设备状态预警知识库用于存储电力设备电力数据及其解析和推理的预测结果；查询解析器用于分析电力设备电力数据的结构，并从中提取有效数据；本体库用于储存电力设备状态本体模型及相关的实例数据；推理机引擎用于对本体进行信息推理，得出预测结论。

有益效果：本发明基于语义推理技术，将多变电站的数据进行融合分析，根据经验模型提取的语义规则建立语义本体，训练出语义规则库。同时通过专家知识库和语义规则库进行数据的语义推理，能够较为准确的分析和预测电力设备状况，即时给予电力设备老化预警，并且在数据收集的过程中不断完备语义规则库，使得预警精准度不断提高。与现有技术相比本发明具有如下优点：

(1)本发明能够兼容已有的SCADA数据，采用多变电站的底层数据采集架构，破除了原来的各变电站数据信息孤岛，实现信息互联和共享；

(2)本发明将语义与推理技术相结合，可以实现多源异构数据的融合，针对电力设备的数据语义推理预测，可以解决无人职守中对设备监控的精确度问题，提供精确的数据预测，实现无人职守的变电站中的设备老化预警；

(3)本发明是基于多变电站的监控专家系统，相比较现有的SCADA等单机监测系统，能够将数据的利用率大大提升，实现一个系统，多个平台使用，由此获得更多的有效数据；

(4)本发明的设备状态预测采用语义技术，建立专家经验模型，将模型转换为语义规则，基于多变电站训练的语义规则库，随着数据量的不断增加，会使得规则库愈发的完备，数据的预测愈发的准确；

(5)本发明Android界面可视化显示使用户随时随地方便的查询与提取数据，为变电站管理人员提供了更加便捷的手持管理平台。

附图说明

图1为本发明系统示意图；

图2为本发明语义本体的建立框架图；

图3为本发明的框架图。

具体实施方式

下面将结合附图，对本发明的实施案例进行详细的描述；

如图1所示，基于语义的无人职守变电站监测专家系统的整个框架图，由Android移动客户端、查询解析器、电力设备状态预警知识库、本体库、推理机引擎构成。

电力设备状态预警知识库存储常见的电力数据及其解析和推理的预测结果；查询解析器主要负责分析电力设备电力数据的结构，并从中提取中有效数据；本体库主要用于储存电力设备状态本体模型及相关的实例数据。推理机引擎包括Jena推理引擎和其他推理引擎，负责对本体进行信息推理，得出预测结论。

如图2所示，本发明的语义本体建立框架图。该本体的建立采用七步法的方法建立，(1)确定语义本体的专业领域和范畴(2)考虑复用现有语义本体的可能性(3)列出语义本体中的重要术语(4)定义类(Class)和类的等级体系(Hierarchy)(5)定义类的属性(6)定义属性的限制(7)创建实例。最后运用prolog语言编写推理规则，再运用SPARQL查询语言验证本体建立是否合理性。

如图3所示，本发明的框架图。Jena当前支持的数据库有PostgreSQL、Mysql和Oracle。首先要连接数据库驱动，并创建DBConnection实例。当本体文件持久化存储至数据库后，可对其进行推理查询。主要预测规则和专家经验知识库定义的推理规则，借用Jena工具包进行语义推理，得到预测结果，然后输出客户端显示界面。

步骤如下：

步骤1.：通过电力设备监控器收集相关的电力设备状态数据，按照不同设备的属性进行数据保存；

步骤2.：确定领域本体的范围以及对象，选择本体形式化描述语言描述并表示；

步骤3：根据领域专家库提供的资料和经验建立电力设备领域状态预测本体关系经验模型；

步骤4：根据步骤3的经验模型建立电力设备领域OWL(Web Ontology Language，网络本体语言)本体模型；

步骤5：根据预测条件及经验模型提供的推理规则，利用Jena工具(Jena是一个java的API，用来支持语义网的有关应用)包进行语义推理，得到预测结果；

步骤6：连接数据库驱动，创建数据库连接实例，采用servlet(servlet全称Java Servlet，是用Java编写的服务器端程序)技术连接数据库；

步骤7：设计Android客户端，访问servlet，并在servlet中将得到的数据转换成Json数据格式返回给Android客户端显示界面。

本发明将语义大数据推理技术被引入到变电站系统中。采用基于元模型语义技术，并实现一种以专家知识库为中心的专家系统，基于多变电站数据共享，将不同变电站的电力设备所返回的庞大数据进行规则分析，通过专家系统进行准确的设备状态分析，提高数据的利用效率，改善设备状态预测的准确率和精度，能够更好的定位到某一个问题或即将出现问题的设备，降低了传统人工排查的难度，也降低了零部件更换的成本，为实现以无人职守为中心的变电站监控提供了更好的支持。