一种基于知识推理的二次设备防误方法与流程

本发明涉及设备防误领域，尤其涉及一种基于知识推理的准确检测设备故障和异常情况的二次设备防误方法。

背景技术：

1、随着电网的规模和复杂度的增加，二次设备的数量和种类也随之增加。这些设备相互关联，形成复杂的拓扑结构，使得设备之间的关系和故障模式变得更加多样化和难以预测。在二次设备的监测和诊断过程中，由于传感器误差、数据干扰、复杂的设备互动等原因，会产生误报。因此，传统的基于规则的防误手段和判断方法难以胜任。亟待采集并扩展二次设备模型，增加二次设备防误校核功能，以满足当前“调控一体化”的防误要求，提高电网设备操作的安全性。

2、对二次设备的防误工作，还需要解决如何建设高效可靠的数据采集系统、有效的推理算法和推理引擎、有效的异常检测和故障诊断算法以及如何实现知识图谱的动态更新和维护等一系列技术问题。

技术实现思路

1、发明目的：本发明的目的是提供一种基于知识推理的准确检测设备故障和异常情况的二次设备防误方法。

2、技术方案：本发明包括如下步骤：

3、(1)知识图谱构建，从多源数据中提取和整合二次设备的知识，并构建二次设备的知识图谱；

4、(2)规则定义与建模，基于二次设备的知识图谱，定义二次设备规则和逻辑关系，并进行二次设备建模；

5、(3)数据采集与处理，实时采集二次设备的运行数据和状态信息，对采集到的数据进行预处理、清洗和归一化；

6、(4)知识推理与判断，基于知识图谱和规则定义，利用推理引擎对二次设备的运行数据进行推理和判断；

7、(5)异常检测与识别，根据已构建的二次设备模型，对设备的运行数据进行异常检测和识别，检测到的异常数据可以与知识图谱中的规则进行关联，进一步判断是否为误报；

8、(6)可信度评估与决策支持，根据评估结果提供决策支持，包括误报排除和进一步的处理措施。

9、进一步地，所述步骤(1)中二次设备的知识包括设备的属性信息、运行规则以及故障模式。

10、进一步地，所述步骤(2)二次设备规则以知识库的形式存在，包括规则库和动态数据库两部分。

11、进一步地，所述规则库规则形式为if、then，if条件表示激活该生成规则的前提，then表示条件满足时的动作执行。

12、进一步地，所述二次设备建模包括：

13、(2.1)建立厂站间的知识图谱模型，模型主要包含二次设备名称、设备类别、设备类型、设备功能类型、设备属性等以及记录厂站的特点；

14、(2.2)构建线路、主变、母线主设备间隔；

15、(2.3)建立开关间隔及二次装置相对独立的设备间隔，间隔是组成主设备间隔的单元；

16、(2.4)将开关、刀闸、空开、把手、压板归类为不可分割的基本元件，根据设备命名规则和电网层级结构的关系，自动生成间隔数据和主设备间隔数据。

17、进一步地，所述步骤(4)包括：

18、(4.1)加载变电站一、二次模型信息数据和二次设备防误规则，通过系统传递而来的操作指令信息，自动匹配设备对应的规则并识别设备所处间隔，同步识别设备拓扑特征，获取相关二次设备状态信息；

19、(4.2)利用预置的二次设备防误规则对操作内容进行防误判断，将防误校核结果返回系统，完成二次设备操作防误判断。

20、进一步地，所述步骤(5)将设备的运行数据划分为两类，一类为间距较大的样本，另一类为间距较小的样本，对平面内离散点进行最优分类。

21、进一步地，所述平面内离散点进行最优分类的过程包括：

22、设

23、其中，y为设备的运行数据类别；ω为数据安全权重向量；t为数据在系统中传输的持续时长；为松弛因子；x为电力系统网络安全数据样本集合；b为数据偏移量，将网络中的松弛因子作为分类参照，进行样本集合的挖掘处理，基于数据挖掘的电力系统数据分类计算式为：

24、

25、ω为挖掘次数；ξ为挖掘维度；j为数据深度挖掘行为；c为数据稳定性；n为数据迭代次数。

26、进一步地，所述步骤(5)设备的运行数据异常检测和识别包括：

27、将所有设备的运行数据进行离散处理，在数据层中设定一个聚类中心，计算空间中所有数据与聚类中心的加权距离，假设异常数据的样本总数为n，聚类次数为c，则c的取值范围为设定一个优化模糊目标函数，对聚类样本与聚类中心的隶属度进行计算，

28、

29、p为聚类样本与聚类中心的隶属度函数；j为聚类中心；u为目标函数极值，将系统网络划分成不同的区块，计算不同区块网络序列间的关联系数，计算式为：

30、

31、y为不同区块网络序列间的关联系数；min为最小关联系数；max为最大关联系数；ρ为电力系统网络区块。

32、进一步地，所述步骤(6)可信度评估考虑的因素包括历史数据和规则匹配程度。

33、有益效果：本发明与现有技术相比，具有如下显著优点：通过建立精确的设备知识图谱和推理算法，准确地检测设备的故障和异常情况，同时系统可以不断地学习和积累新的知识，从而提高了系统的性能和适应性；基于知识推理的二次设备防误系统可以自动化地进行设备状态监测和故障诊断，并提供智能化的运维决策支持，减轻了人工干预的工作量，提高运维效率；通过知识推理，系统可以实时监测设备的状态，一旦发现异常情况，及时发出预警并采取相应的响应措施，从而防止设备故障进一步扩大，保障电网的安全稳定运行。

技术特征：

1.一种基于知识推理的二次设备防误方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于知识推理的二次设备防误方法，其特征在于，所述步骤(1)中二次设备的知识包括设备的属性信息、运行规则以及故障模式。

3.根据权利要求1所述的基于知识推理的二次设备防误方法，其特征在于，所述步骤(2)二次设备规则以知识库的形式存在，包括规则库和动态数据库两部分。

4.根据权利要求3所述的基于知识推理的二次设备防误方法，其特征在于，所述规则库规则形式为if、then，if条件表示激活该生成规则的前提，then表示条件满足时的动作执行。

5.根据权利要求3所述的基于知识推理的二次设备防误方法，其特征在于，所述二次设备建模包括：

6.根据权利要求1所述的基于知识推理的二次设备防误方法，其特征在于，所述步骤(4)包括：

7.根据权利要求1所述的基于知识推理的二次设备防误方法，其特征在于，所述步骤(5)将设备的运行数据划分为两类，一类为间距较大的样本，另一类为间距较小的样本，对平面内离散点进行最优分类。

8.根据权利要求7所述的基于知识推理的二次设备防误方法，其特征在于，所述平面内离散点进行最优分类的过程包括：

9.根据权利要求1所述的基于知识推理的二次设备防误方法，其特征在于，所述步骤(5)设备的运行数据异常检测和识别包括：

10.根据权利要求1所述的基于知识推理的二次设备防误方法，其特征在于，所述步骤(6)可信度评估考虑的因素包括历史数据和规则匹配程度。

技术总结
本发明公开了一种基于知识推理的二次设备防误方法，包括知识图谱构建，从多源数据中提取和整合二次设备的知识，并构建知识图谱；规则定义与建模，基于二次设备的知识图谱，定义二次设备规则和逻辑关系；数据采集与处理，对采集到的数据进行预处理、清洗和归一化；知识推理与判断，基于知识图谱和规则定义，利用推理引擎对二次设备的运行数据进行推理和判断；异常检测与识别，根据已构建的二次设备模型，对设备的运行数据进行异常检测和识别；可信度评估与决策支持，根据评估结果提供决策支持。本发明过建立精确的设备知识图谱和推理算法，准确地检测设备的故障和异常情况，同时系统可以不断地学习和积累新的知识，提高了系统的性能和适应性。

技术研发人员：陈兴望,张坤,李志中,范展滔,吴小刚,邱生敏,杨若朴,张勇,字成王,吕耀棠,孙焜,何劲松
受保护的技术使用者：中国南方电网有限责任公司
技术研发日：
技术公布日：2024/1/15