基于机器学习算法的人机交互辅助值班系统构建研究

叶 华，王国平，赵 川，王珍意，赵 莹

(云南电力调度控制中心, 云南 昆明 650217)

电网工作机房日常调度值班工作繁重复杂，要求高、专业性强、技术难度大。当前企业精益化管理要求在逐步提升，电厂和变电站等电网基础建设不断变化，电力应用系统持续增加和扩展，自动化日常值班工作、新系统的投入以及突发事故处理工作量和难度直线升高，而面对这些系列问题的值班人员对问题的处理能力存在较为明显的局限性[1-3]。主要是因为应用在电网机房区域的监管系统性能差，尽管有相关值班人员长期值守，可以及时发现故障问题，并对其进行预防处理，但效率低、效果差，而且还造成人员的浪费。为此，辅助值班系统应运而生[4]。

机器学习算法是计算机模拟人类学习活动，获得新知识和技能的一种算法，在各个领域有着广泛的应用[5-7]。本文建立了基于机器学习算法的人机交互电网机房辅助值班系统，可以有效监控管辖区域内的电力调度，最大限度节省人力资源。系统设计有人机交互界面，为系统管理人员提供直观的可视化信息，将人和机器的优势有效结合，及时处理出现的各种问题。

1 基于机器学习算法的人机交互值班辅助系统

1.1 系统架构

人机交互值班辅助系统最重要的功能就是电网巡检。一般而言，电网巡检包括日常规定动作下的自动巡检和异常报告处理两种模式。自动巡检需要对机房服务器硬件等设施进行24 h的在线巡检，一旦遇到异常情况，可以直接发起告警流程，由人工参与后续流程处理。流程为：在异常情况发生初期，系统上行会连接所在区域负责的人员，下行连接独立报警终端，若报警信息被判定为异常信息，系统会通过语音、短信、推送消息等方式自动发送实际情况至智慧监控中心，不仅可以使机房管理人员在第一时间赶赴现场进行及时救援，还可以有效协助相关人员了解故障情况，以保障系统安全有效地运行[8]。

1.1.1系统硬件架构

数据采集器、NB-IoT模块、数据服务器、用户终端等共同构成了如图1所示的系统硬件架构。系统通过布设于不同区域的数据采集器采集系统所需数据，若采集的电力调度数据超过设定值，数据会传输至系统处理单元，生成报警信息，从而引起值班人员注意。NB-IoT模块在数据采集器网络接口处设置NB-IoT物联网芯片，从而将数据采集器与基站进行连接，以此实现基站与数据采集器间的数据传输，将IoT相关业务数据上传至IoT平台进行集中处理。数据服务器负责接收、存储IoT平台上的数据，并将其转发至相应的业务服务器，依据对象的不同需求进一步处理[9]。用户终端包括人机交互界面、报警装置以及智慧信息监控中心的显示系统。用户终端可利用报警系统主动获取或被动接收服务器发送的警告信息或指导操作信息，并利用手机APP以及终端显示系统等人机交互界面可视化展示有关信息。

图1 系统硬件架构

1.1.2系统软件架构

系统软件架构应满足以下原则与要求：

1)软件可用原则。软件除满足各功能模块的要求外，还应满足以下可用性要求：软件年可用率不小于99.95%；软件运行寿命大于8 a；可以通过人工验证的方式对软件计算结果的正确性进行验证。

2)软件可靠性原则。软件应能长期稳定运行，在值班设备无硬件故障和非人工干预的情况下，软件不应自动退出或卡死。软件MTBF>17 000 h。

3)软件实时性原则。符合《南方电网一体化电网运行智能系统(OS2)省级主站标准化设计指南》要求。

4)软件安全性要求。软件部署及运行时，不对OCS(online charging system)产生影响；软件能通过适当的技术措施，获取OCS的实时数据。

智慧感知层、传输通信层、IoT平台核心网、物联云平台以及应用服务层等共同组成了系统的软件，如图2所示。系统底层为智慧感知层，主要包括传感器、低功率器件、电源装置等基础单元。

图2 系统软件架构

传输通信层建立在智慧感知层之上，用于采集、传输、控制智慧感知层中传感器装置被触发后产生的数据，实现传感器与基站或外部网络之间的数据传输[10]。

IoT平台核心网可与移动运营商的蜂窝网建立有效通信链接，其具有成本低、可靠性高、安全性高等特点，可实现NB-IoT数据的有效接入、存储以及加工，同时提供对外推送数据的接口。

物联网平台提供多种功能界面，如设备管理监控、设备检测、预警处理等。

应用服务层为系统的最顶层，利用可视化人机交互界面展示物联网云平台的各项功能和操作，同时提供设备监控、报警监控、辅助值班监控等应用功能。

1.2 基于机器学习算法的报警模块设计

采用组合机器学习算法设计系统用户终端的报警模块，实现对电力调度信息的判断。由于单个机器学习算法在进行非同种样本训练时存在较大误差的弊端，因此采用支持向量机(SVM)算法和K-means算法相结合的组合机器学习算法进行系统报警信息检测，以便最大限度减少误差[11-12]。支持向量机算法是一种分类算法，即使数据样本的数量较少，也有较好的数据统计效果且鲁棒性较好；而K-means算法具备易于理解、运行简单的特点，其迭代优化功能可有效克服小样本的随机性，降低时间复杂度。将二者有效结合，可实现系统电力调度异常报警信息检测[13]。

1.3 人机交互界面

1.3.1设计原则

系统用户端通过人机交互界面直观、快速展现系统的运行状态信息，为了给管理人员提供友好、简单、操作方便的人机交互界面，其设计需遵循以下原则：

1)简洁性。人机交互界面的菜单栏应尽量简洁大方，选择用户较为熟悉的专业术语，遵循重要程度由前到后的顺序排列工具条中的按钮，图标进行形象化处理，通过图标便可直观展现其能够实现的操作，不常用的菜单栏应设为动态隐藏，呈现出整体简洁的操作界面[14]。

2)一致性。系统采用统一、标准的图像用户界面，且操作风格、显示界面、图形含义、用户接口标准等均需保持一致，降低用户以及管理人员的学习成本。此外颜色定义也需相同，如红色表示运行，绿色表示停止，黄色表示故障，背景则采用暗灰色等等。

3)报警表示与处理。当系统检测到报警信息时，用户或管理人员可通过人机交互界面的色彩闪烁以及声音警报等多种方式获取报警信息，并及时通知相关人员作出相应处理。同时人机交互界面还支持事件的分层处理功能，若同时产生多处报警提示，系统会依据采集到的报警信息按照事件的优先级别进行关键报警信息处理[15]。

4) 安全性。在登录、退出系统以及执行关键动作时，为保障相关操作的安全性，需进行相应的身份验证和信息确认提示，以避免误操作,并且后台会实时记录操作人员的操作信息，如操作员名字、操作内容、操作时间等等，以保障清晰的责任制度。

1.3.2人机交互接口

设计支持鼠标与键盘双重操作方式的人机交互接口，并依照用户习惯以及数据输入的前后关系明确控件焦点的跳转顺序。若某项操作需要较长处理时间，则需要有明确的正在操作中的提示信息，以确保系统运行正常。采用8条TTL触发线进行系统人机交互接口设计，人机交互接口设计如图3所示。

图3 人机交互接口设计

2 系统性能验证

为验证本文构建系统的性能，将本文系统应用于某电网机房监控平台，对该机房管辖区域实施电力调度信息监控预警。布设于电网机房监控区域内的信息采集器采集到2 500组有效数据，分成5个测试集，测试集1～测试集5中包含的数据量分别为100,300,500,700,900组。选择基于支持向量机算法的人机交互值班系统和基于K-means算法的人机交互值班系统为对比系统，以验证本文系统的优势。选择检测率(DR)、准确率(ACC)以及误报率(FAR)作为系统性能评估指标。检测率DR是指正确检测到的报警信息数量与总信息数量的比值，检测率大小与随机误差具有相关性，检测率值越大表明系统报警精度越高，表达式如下：

(1)

式中：TP为报警信息被正确检测的概率；FN为报警信息被检测为非报警信息的概率。

准确率ACC是用于描述非报警信息和报警信息分别被正常检测的数量与总数据数量的比值，准确率越高表明系统电力调度异常信息报警精度越高，其表达式为：

(2)

式中：TN为非报警信息被正确检测的概率；FP为非报警信息被检测为报警信息的概率。

误报率FAR为非报警信息被检测为报警信息的数量与总数据量的比值，误报率越低，系统性能越好，误报率的表达式如下：

(3)

3种系统的检测率对比结果如图4所示。由图4可知，本文系统的报警信息检测率最高，均值可达98.5%，而基于支持向量机算法的人机交互值班系统(基于SVM的值班系统)和基于K-means算法的人机交互值班系统(基于K-means的值班系统)的检测率均值分别为86.4%和92.3%。对比系统在数据量增加的情况下检测率呈逐渐上升的趋势，而本文系统即使在数据量较小的情况下依旧具备较高的报警信息检测率。综上可知，本文系统电力调度异常信息报警检测率较高，性能较好。

图4 3种系统的检测率对比结果

3种系统的检测准确率和误报率对比结果见表1。从表1中可以看出，随着数据量的增加，3种系统的检测准确率均有所上升，其中本文系统的检测准确率均值高达98.08%，而两个对比系统的检测准确率均值分别为76.82%和89.3%，均小于本文系统；3种系统的检测误报率均呈下降趋势，本文系统的检测误报率均值仅为2.682%，远远小于对比系统的7.314%和5.630%。综上可知，本文系统的电力调度异常信息报警准确率较高,误报率较低，系统实用性更强。

表1 3种系统的检测准确率和误报率对比 %

3 结束语

提升电力调度自动化值班智能辅助水平可以提高电力调度异常信息检测准确率，降低误报率。为此，本文构建了基于机器学习算法的人机交互辅助值班系统，运用组合机器学习算法实现电力调度异常信息报警检测，并从系统检测率、准确率和误检率3个方面验证了本文系统的良好应用性。系统可通过人机交互界面呈现报警信息，在辅助值班领域中具有较高的应用价值。