输变电设备集中监控信息专家库建设

杨冠军，郭文杰，刘 琪，常志鹏

(1.国网浙江省电力有限公司电力调度控制中心，浙江 杭州 310007;2.北京科东电力控制系统有限责任公司，北京 100192)

0 引言

电网调控一体化技术在国家电网公司已取得显著进步，智能电网调度技术支持系统为电网调控一体化实施提供了坚强的技术支撑，并为电网调度业务提供了丰富、完备的辅助分析决策软件。但为监控业务提供的辅助分析决策软件仍停留在传统的告警窗、光字牌列表等技术手段上，无法满足省地级电网“智能调度”与“精益调度”的要求。当前，电网监控工作面临挑战，监控员日常业务的智能化辅助分析决策手段亟待加强。

目前，面向调度运行人员的电网辅助分析决策软件应用较为丰富，如静态安全分析、动态预警等分析软件；而面向监控运行人员的辅助分析决策软件应用却相对匮乏，现有的光字牌图、故障告警等，均是变电站设备运行状态的被动式展示手段，监控员通常需要根据个人经验从大量的监视信息中分析判断。一旦遇到电网故障，监控信号井喷式上传，这种单纯依靠人工的信号筛选与分析判断方式存在着严重的信号遗漏及误判风险，可能延误故障的最佳处理时机甚至误处理，从而威胁设备的运行安全。因此，针对监控员日常业务的智能化辅助决策分析手段亟待加强。为监控员的运行监视提供有效的信号分析与辅助决策，才能全面提升监控运行的工作质量。云计算是一种新兴的计算模型，具备可靠性高、数据处理量巨大、灵活可扩展以及设备利用率高等优势，这给上述问题的解决带来了机遇。

以下提出采用云计算技术构建输变电设备集中监控信息专家库的理念，在云计算研究的基础上，详细设计了专家库的体系结构。该专家库能够对海量的输变电设备监控信息进行挖掘分析，并能为监控员处理电网事故异常提供有效的辅助决策建议。对专家库系统进行服务设计和服务封装，并在云计算平台上进行服务发布，使得该专家库系统具备良好的适应性与多重扩展性。同时，该专家库能够充分利用计算资源，实现输变电设备监控信息的可靠存储和管理，具有成本低、可靠性高、易扩展等优势。

1 专家库拟实现的目标与架构

1.1 实现目标

基于云计算的输变电设备集中监控信息专家库，采用面向服务架构，基于调度监控业务设计并封装可重用功能模块，具有开放、智能、互联的特点，可满足调度监控业务的智能化辅助决策分析的需要。

1.1.1 构建开放式可扩展型专家库

系统基于云计算面向调度监控业务设计并开发，对专家库功能进行服务封装，从而成为以服务为基本单元的强适应性可扩展专家系统。

1.1.2 实现对调度监控业务的辅助决策

专家库首先建立了知识库，包含变电站设备的基础信息和信号的处置信息；建立了智能搜索引擎，当告警信号产生以后，通过全面的信息模型检索到相应的处置知识；建立了知识获取体系，监控员根据一定的角色权限，在告警信号产生后，自动获取信号的处置信息，包括单条信号处置信息和多条信号综合处置信息。

1.1.3 配置智能化分析与数据挖掘策略

系统配置了多种统计分析方法和数据挖掘算法，实现了从数据分析到数据挖掘高级算法的自适应，提升了系统的分析与处理能力，使系统具有良好的应用深度与广度。

1.2 架构

基于云计算的输变电设备集中监控信息专家库架构如图1所示，其包括3个层次：基础设施和基础服务层、业务应用层与服务访问层。

1.2.1 基础设施和基础服务层

该层是经虚拟化后的硬件资源和相关管理功能的集合。通过虚拟化技术对计算机、存储设备与网络设备等硬件资源进行抽象，实现内部流程自动化与资源管理优化，包括云服务器、负载均衡、弹性计算、专有网络、对象存储、数据库、缓存服务、归档存储等，从而向外部提供动态、灵活的基础设施层服务，包括搜索服务、队列服务、消息分发、日志处理、存储计算、在线分析、ETL/BI、云监控等。

1.2.2 业务应用层

该层是云上应用软件的集合，对于输变电设备集中监控信息专家库而言，这些软件包括数据采集和交换平台，并以此平台为基础，提供了知识建模、知识发布、数据挖掘、统计分析、智能搜索等智能分析软件。同时，为了实现数据挖掘功能，还提供了算法池。在算法池中，包含了为监控辅助决策分析的挖掘算法。

1.2.3 服务访问层

该层作为一种全新的商业模式，云计算以IT即服务的方式提供给用户使用，包括基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS），能够在不同应用级别上满足电力企业用户的需求。IaaS为用户提供基础设施，满足企业对硬件资源的需求。PaaS为用户提供应用的基本运行环境，支持企业在平台中开发应用，使平台的适应性更强。SaaS提供支持企业运行的一般软件，使企业能够获得较快的软件交付，以较少的IT投入获得专业的软件服务。

图1 输变电设备集中监控信息专家库架构

2 专家库核心技术方案

2.1 监控知识表示技术

建立输变电设备集中监控信息专家库知识库的一个关键性问题是知识表示，知识表示合理与否直接影响到知识是否便于在计算机中存储、维护、检索及推理。知识表示方法的种类很多，主要有一阶谓词逻辑表示法、产生式表示法、框架表示法、语义网络表示法、Petri网表示法、神经网络表示法等。根据输变电设备知识领域的特点，本系统采用了一阶谓词逻辑表示法，基于本体的知识表示规范，可以将领域内知识有效地表达和固化。

基于本体的输变电设备集中监控信息专家库知识库包括3层知识体系，即概念—事实—规则。其中，概念知识库用来存放领域概念的基本信息，事实知识库用来存放各概念之间关系的信息，而规则库则用来存放实现任务的推理规则。该知识库围绕构成问题的基本事物进行设计，不断将需要表示的知识进行分解，划分成树形层次结构。将事物的属性、所含行为以及与其他事物的关系依次表达，形成对象。面向对象的优越性在于这种方法所产生的知识库复杂度较低，易于维护，易于扩充，也易于实现扩展系统的各种应用。

知识点以本体的对象化形式组织，并以继承关系形成层次结构，例如图2所示的变压器知识点层次结构。

图2 变压器知识点层次结构

知识点按照相互关系依次展开，形成层次化的结构。通过对知识库内容的不断填充、逐步丰富，形成有效的知识表示体系。

在知识库的构建过程中，采用分层的方式处理和存储，实现更加精确和灵活的应用。在知识库的最底层，定义了一个电力知识的原理库，包括各类电力相关物理参数、计算方法、公式、原理等；在其基础上使用本体及面向对象的构建方式，形成电力系统设备库，包含完善的设备属性、功能、工作原理等。通过底层电力知识原理库的支持，逐步建立和扩充电力运行、检修、安全等工作知识库，实现岗位的工作方法、工作经验、工作规程等过程化的知识的不断积累和相互关联，使人能够对相关工作的所有关联知识一目了然，从而更深入更准确地理解知识。

2.2 海量数据的分布式存储与管理

在专家库中，信息系统种类繁多，数据挖掘分析调用请求巨大，既有数据采集与监控(SCADA)系统的实时运行数据、告警数据、台账数据等结构化的数据，还有诸如值班日志、运行规程、视频图像等非结构化的数据，并且数据量非常巨大。电力系统现有的采用关系数据库系统等常规数据存储与管理的方法，无法满足自动化监控专家库对数据存储与管理的需求。

云计算采用分布式存储的方式来存储海量数据，并采用冗余存储与高可靠性软件的方式来保证数据的可靠性。云计算系统中广泛使用的数据存储方式——分布式文件系统(hadoop distributed file system，HDFS)，是分布式计算中数据存储管理的基础，是基于流数据模式访问和处理超大文件的需求而开发的，可以运行于廉价的商用服务器上。它所具有的高容错、高可靠性、高可扩展性、高获得性、高吞吐率等特征为海量数据提供了不怕故障的存储，为超大数据集的应用处理带来了很多便利。

HBase(hadoop database)建立在HDFS之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。它介于NoSQL和RDBMS之间，仅能通过主键(row key)和主键的range来检索数据，仅支持单事务(可通过hive支持来实现多表join等复杂操作)，主要用来存储非结构化和半结构化的松散数据。

开放存储服务 (open storage service，OSS)是阿里云对外提供的海量、安全、低成本、高可靠的云存储服务。用户可以通过简单REST接口，在任何时间、地点，任何互联网设备上进行上传和下载数据，也可以使用WEB页面对数据进行管理。同时，OSS提供Java，Python，PHP，C#语言的SDK，简化用户的编程。基于OSS，用户可以搭建出各种多媒体分享网站、网盘、个人和企业数据备份等基于大规模数据的服务。

该专家库对值班日志、SCADA历史数据、告警事项等采用HBase进行存储，对视频图片、操作规程等非结构化数据用OSS进行存储。

2.3 智能化分析与数据挖掘

智能化的分析与数据挖掘将机器挖掘、人工反馈、自动分析有效结合，将一般离线运行的数据挖掘和分析过程在线化，并可以不断地丰富知识库内容。配置自定义的智能化分析与数据挖掘策略，实现了智能化的功能，增强了系统的自主性，同时也具备良好的扩展性。

智能化的分析与数据挖掘根据实际发生的告警信号作为计算触发条件，通过智能搜索和专家库服务提供预想处置方案，供监控员进行辅助决策，监控员通过人工反馈后，形成实际处置方案。同时，该告警信号存入历史库中。历史库中出现新数据后，按照预定的策略，调用相关的数据挖掘算法进行在线挖掘，当挖掘到有价值的成果后，反馈到专家库中进行扩展(见图3)。

图3 智能化分析与数据挖掘示意

通过智能化的分析与数据挖掘，专家库在得到越来越多的数据积累后，可以不断完善知识库，其中包括对知识库的修正和扩充。专家库可以针对单条告警分析给出处置方案，也可以针对多条告警进行综合分析。例如，当有事故信号发生时，会有大量的信号发生，通过专家库的聚类分析，将信号按照事故进行分组，并给出该事故下的监控员处置方案，可极大地减轻监控员判断分析的工作量，提高处置的准确性。

智能化的分析与数据挖掘基于云计算技术、面向服务的体系结构(service oriented architecture，SOA)技术与网络模型进行编写，算法逻辑根据信号触发，自动按照既定的策略执行，具备较强的适应性、灵活性与扩展性。除此之外，该系统也能基于SOA不断扩展知识库与挖掘算法库，满足多种需求。

3 专家库系统设计与实现

3.1 专家库系统设计

针对输变电设备集中监控信息专家库的特点，结合云计算技术，设计专家库的云计算平台。该平台采用服务器集群，借助虚拟机实现资源的虚拟化。本平台采用了阿里云技术提供的ECS服务。该专家库采用分布式的冗余存储系统以及基于列存储的数据管理模式来存储和管理数据，即采用了阿里云的OSS服务和开源的HDFS以及HBase，保证输变电设备集中监控信息的可靠性和高效管理。另外，设计基于MapReduce的并行处理系统，可以为专家库的数据挖掘提供高性能的并行计算能力以及通用的并行算法开发环境。输变电设备集中监控信息专家库系统结构如图4所示。

图4 输变电设备集中监控信息专家库系统结构

专家库同时实现了知识搜索、知识推送、数据挖掘和辅助决策等应用功能。知识搜索基于智能搜索引擎，实现了监控信号与处置方案的智能匹配，监控员可以通过关键字或者模糊语句，准确找到相关知识点。知识推送可以根据监控员的角色，提供相应的知识主动推送服务，及时提醒监控员进行相关处置。数据挖掘提供了自动挖掘和人工调用2种方式，数据挖掘应用还对挖掘过程中所用的挖掘算法提供了“一对一”的服务调用方法，每个算法可以看成一个即插即用的模块，有利于挖掘算法的扩展和灵活调用。辅助决策模块是监控员日常业务的智能化辅助分析手段，为监控员的运行监视提供有效的信号分析与辅助决策信息，从而全面提升监控运行工作的质量。

3.2 专家库系统实现与应用

专家库人机交互界面采用Java语言开发。挖掘算法用C++语言实现，并通过gSOAP工具发布成Web Services。在权限许可下，任何应用都可以通过WSDL调用这些服务。

通过专家库系统，对国网浙江省电力有限公司杭州供电公司2014-02-22的告警数据进行了聚类分析。通过聚类分析，将侯文2488线事故引发的相关信息进行了有效分类，实现多条告警信号对应一种故障事项;并对其中的事故信号、异常信号、变位信号和越限信号进行了区分，在此基础上给出了调控处理要点。此方法有效地提升了监控员对异常故障的分析、决策及处理效率，促进了监控员处理异常故障的规范化和标准化。

4 结束语

在云计算研究的基础上，介绍了输变电设备集中监控辅助决策专家库的体系结构，对其进行了详细设计，研究和选定了专家库建设的核心技术，并对专家库的编程实现技术进行了详细介绍。通过实际工程案例展示了专家库的应用效果，证明了该专家库能够对海量的监控信息进行数据挖掘分析，并能及时为监控员处理异常事故提供有效的辅助决策建议，具有很高的应用价值。