輸變電設備集中監控信息專家庫建設

楊冠軍，郭文杰，劉 琪，常志鵬

(1.國網浙江省電力有限公司電力調度控制中心，浙江 杭州 310007;2.北京科東電力控制系統有限責任公司，北京 100192)

0 引言

電網調控一體化技術在國家電網公司已取得顯著進步，智能電網調度技術支持系統為電網調控一體化實施提供了堅強的技術支撐，并為電網調度業務提供了豐富、完備的輔助分析決策軟件。但為監控業務提供的輔助分析決策軟件仍停留在傳統的告警窗、光字牌列表等技術手段上，無法滿足省地級電網“智能調度”與“精益調度”的要求。當前，電網監控工作面臨挑戰，監控員日常業務的智能化輔助分析決策手段亟待加強。

目前，面向調度運行人員的電網輔助分析決策軟件應用較為豐富，如靜態安全分析、動態預警等分析軟件；而面向監控運行人員的輔助分析決策軟件應用卻相對匱乏，現有的光字牌圖、故障告警等，均是變電站設備運行狀態的被動式展示手段，監控員通常需要根據個人經驗從大量的監視信息中分析判斷。一旦遇到電網故障，監控信號井噴式上傳，這種單純依靠人工的信號篩選與分析判斷方式存在著嚴重的信號遺漏及誤判風險，可能延誤故障的最佳處理時機甚至誤處理，從而威脅設備的運行安全。因此，針對監控員日常業務的智能化輔助決策分析手段亟待加強。為監控員的運行監視提供有效的信號分析與輔助決策，才能全面提升監控運行的工作質量。云計算是一種新興的計算模型，具備可靠性高、數據處理量巨大、靈活可擴展以及設備利用率高等優勢，這給上述問題的解決帶來了機遇。

以下提出采用云計算技術構建輸變電設備集中監控信息專家庫的理念，在云計算研究的基礎上，詳細設計了專家庫的體系結構。該專家庫能夠對海量的輸變電設備監控信息進行挖掘分析，并能為監控員處理電網事故異常提供有效的輔助決策建議。對專家庫系統進行服務設計和服務封裝，并在云計算平臺上進行服務發布，使得該專家庫系統具備良好的適應性與多重擴展性。同時，該專家庫能夠充分利用計算資源，實現輸變電設備監控信息的可靠存儲和管理，具有成本低、可靠性高、易擴展等優勢。

1 專家庫擬實現的目標與架構

1.1 實現目標

基于云計算的輸變電設備集中監控信息專家庫，采用面向服務架構，基于調度監控業務設計并封裝可重用功能模塊，具有開放、智能、互聯的特點，可滿足調度監控業務的智能化輔助決策分析的需要。

1.1.1 構建開放式可擴展型專家庫

系統基于云計算面向調度監控業務設計并開發，對專家庫功能進行服務封裝，從而成為以服務為基本單元的強適應性可擴展專家系統。

1.1.2 實現對調度監控業務的輔助決策

專家庫首先建立了知識庫，包含變電站設備的基礎信息和信號的處置信息；建立了智能搜索引擎，當告警信號產生以后，通過全面的信息模型檢索到相應的處置知識；建立了知識獲取體系，監控員根據一定的角色權限，在告警信號產生后，自動獲取信號的處置信息，包括單條信號處置信息和多條信號綜合處置信息。

1.1.3 配置智能化分析與數據挖掘策略

系統配置了多種統計分析方法和數據挖掘算法，實現了從數據分析到數據挖掘高級算法的自適應，提升了系統的分析與處理能力，使系統具有良好的應用深度與廣度。

1.2 架構

基于云計算的輸變電設備集中監控信息專家庫架構如圖1所示，其包括3個層次：基礎設施和基礎服務層、業務應用層與服務訪問層。

1.2.1 基礎設施和基礎服務層

該層是經虛擬化后的硬件資源和相關管理功能的集合。通過虛擬化技術對計算機、存儲設備與網絡設備等硬件資源進行抽象，實現內部流程自動化與資源管理優化，包括云服務器、負載均衡、彈性計算、專有網絡、對象存儲、數據庫、緩存服務、歸檔存儲等，從而向外部提供動態、靈活的基礎設施層服務，包括搜索服務、隊列服務、消息分發、日志處理、存儲計算、在線分析、ETL/BI、云監控等。

1.2.2 業務應用層

該層是云上應用軟件的集合，對于輸變電設備集中監控信息專家庫而言，這些軟件包括數據采集和交換平臺，并以此平臺為基礎，提供了知識建模、知識發布、數據挖掘、統計分析、智能搜索等智能分析軟件。同時，為了實現數據挖掘功能，還提供了算法池。在算法池中，包含了為監控輔助決策分析的挖掘算法。

1.2.3 服務訪問層

該層作為一種全新的商業模式，云計算以IT即服務的方式提供給用戶使用，包括基礎設施即服務（IaaS）、平臺即服務（PaaS）和軟件即服務（SaaS），能夠在不同應用級別上滿足電力企業用戶的需求。IaaS為用戶提供基礎設施，滿足企業對硬件資源的需求。PaaS為用戶提供應用的基本運行環境，支持企業在平臺中開發應用，使平臺的適應性更強。SaaS提供支持企業運行的一般軟件，使企業能夠獲得較快的軟件交付，以較少的IT投入獲得專業的軟件服務。

圖1 輸變電設備集中監控信息專家庫架構

2 專家庫核心技術方案

2.1 監控知識表示技術

建立輸變電設備集中監控信息專家庫知識庫的一個關鍵性問題是知識表示，知識表示合理與否直接影響到知識是否便于在計算機中存儲、維護、檢索及推理。知識表示方法的種類很多，主要有一階謂詞邏輯表示法、產生式表示法、框架表示法、語義網絡表示法、Petri網表示法、神經網絡表示法等。根據輸變電設備知識領域的特點，本系統采用了一階謂詞邏輯表示法，基于本體的知識表示規范，可以將領域內知識有效地表達和固化。

基于本體的輸變電設備集中監控信息專家庫知識庫包括3層知識體系，即概念—事實—規則。其中，概念知識庫用來存放領域概念的基本信息，事實知識庫用來存放各概念之間關系的信息，而規則庫則用來存放實現任務的推理規則。該知識庫圍繞構成問題的基本事物進行設計，不斷將需要表示的知識進行分解，劃分成樹形層次結構。將事物的屬性、所含行為以及與其他事物的關系依次表達，形成對象。面向對象的優越性在于這種方法所產生的知識庫復雜度較低，易于維護，易于擴充，也易于實現擴展系統的各種應用。

知識點以本體的對象化形式組織，并以繼承關系形成層次結構，例如圖2所示的變壓器知識點層次結構。

圖2 變壓器知識點層次結構

知識點按照相互關系依次展開，形成層次化的結構。通過對知識庫內容的不斷填充、逐步豐富，形成有效的知識表示體系。

在知識庫的構建過程中，采用分層的方式處理和存儲，實現更加精確和靈活的應用。在知識庫的最底層，定義了一個電力知識的原理庫，包括各類電力相關物理參數、計算方法、公式、原理等；在其基礎上使用本體及面向對象的構建方式，形成電力系統設備庫，包含完善的設備屬性、功能、工作原理等。通過底層電力知識原理庫的支持，逐步建立和擴充電力運行、檢修、安全等工作知識庫，實現崗位的工作方法、工作經驗、工作規程等過程化的知識的不斷積累和相互關聯，使人能夠對相關工作的所有關聯知識一目了然，從而更深入更準確地理解知識。

2.2 海量數據的分布式存儲與管理

在專家庫中，信息系統種類繁多，數據挖掘分析調用請求巨大，既有數據采集與監控(SCADA)系統的實時運行數據、告警數據、臺賬數據等結構化的數據，還有諸如值班日志、運行規程、視頻圖像等非結構化的數據，并且數據量非常巨大。電力系統現有的采用關系數據庫系統等常規數據存儲與管理的方法，無法滿足自動化監控專家庫對數據存儲與管理的需求。

云計算采用分布式存儲的方式來存儲海量數據，并采用冗余存儲與高可靠性軟件的方式來保證數據的可靠性。云計算系統中廣泛使用的數據存儲方式——分布式文件系統(hadoop distributed file system，HDFS)，是分布式計算中數據存儲管理的基礎，是基于流數據模式訪問和處理超大文件的需求而開發的，可以運行于廉價的商用服務器上。它所具有的高容錯、高可靠性、高可擴展性、高獲得性、高吞吐率等特征為海量數據提供了不怕故障的存儲，為超大數據集的應用處理帶來了很多便利。

HBase(hadoop database)建立在HDFS之上，提供高可靠性、高性能、列存儲、可伸縮、實時讀寫的數據庫系統。它介于NoSQL和RDBMS之間，僅能通過主鍵(row key)和主鍵的range來檢索數據，僅支持單事務(可通過hive支持來實現多表join等復雜操作)，主要用來存儲非結構化和半結構化的松散數據。

開放存儲服務 (open storage service，OSS)是阿里云對外提供的海量、安全、低成本、高可靠的云存儲服務。用戶可以通過簡單REST接口，在任何時間、地點，任何互聯網設備上進行上傳和下載數據，也可以使用WEB頁面對數據進行管理。同時，OSS提供Java，Python，PHP，C#語言的SDK，簡化用戶的編程。基于OSS，用戶可以搭建出各種多媒體分享網站、網盤、個人和企業數據備份等基于大規模數據的服務。

該專家庫對值班日志、SCADA歷史數據、告警事項等采用HBase進行存儲，對視頻圖片、操作規程等非結構化數據用OSS進行存儲。

2.3 智能化分析與數據挖掘

智能化的分析與數據挖掘將機器挖掘、人工反饋、自動分析有效結合，將一般離線運行的數據挖掘和分析過程在線化，并可以不斷地豐富知識庫內容。配置自定義的智能化分析與數據挖掘策略，實現了智能化的功能，增強了系統的自主性，同時也具備良好的擴展性。

智能化的分析與數據挖掘根據實際發生的告警信號作為計算觸發條件，通過智能搜索和專家庫服務提供預想處置方案，供監控員進行輔助決策，監控員通過人工反饋后，形成實際處置方案。同時，該告警信號存入歷史庫中。歷史庫中出現新數據后，按照預定的策略，調用相關的數據挖掘算法進行在線挖掘，當挖掘到有價值的成果后，反饋到專家庫中進行擴展(見圖3)。

圖3 智能化分析與數據挖掘示意

通過智能化的分析與數據挖掘，專家庫在得到越來越多的數據積累后，可以不斷完善知識庫，其中包括對知識庫的修正和擴充。專家庫可以針對單條告警分析給出處置方案，也可以針對多條告警進行綜合分析。例如，當有事故信號發生時，會有大量的信號發生，通過專家庫的聚類分析，將信號按照事故進行分組，并給出該事故下的監控員處置方案，可極大地減輕監控員判斷分析的工作量，提高處置的準確性。

智能化的分析與數據挖掘基于云計算技術、面向服務的體系結構(service oriented architecture，SOA)技術與網絡模型進行編寫，算法邏輯根據信號觸發，自動按照既定的策略執行，具備較強的適應性、靈活性與擴展性。除此之外，該系統也能基于SOA不斷擴展知識庫與挖掘算法庫，滿足多種需求。

3 專家庫系統設計與實現

3.1 專家庫系統設計

針對輸變電設備集中監控信息專家庫的特點，結合云計算技術，設計專家庫的云計算平臺。該平臺采用服務器集群，借助虛擬機實現資源的虛擬化。本平臺采用了阿里云技術提供的ECS服務。該專家庫采用分布式的冗余存儲系統以及基于列存儲的數據管理模式來存儲和管理數據，即采用了阿里云的OSS服務和開源的HDFS以及HBase，保證輸變電設備集中監控信息的可靠性和高效管理。另外，設計基于MapReduce的并行處理系統，可以為專家庫的數據挖掘提供高性能的并行計算能力以及通用的并行算法開發環境。輸變電設備集中監控信息專家庫系統結構如圖4所示。

圖4 輸變電設備集中監控信息專家庫系統結構

專家庫同時實現了知識搜索、知識推送、數據挖掘和輔助決策等應用功能。知識搜索基于智能搜索引擎，實現了監控信號與處置方案的智能匹配，監控員可以通過關鍵字或者模糊語句，準確找到相關知識點。知識推送可以根據監控員的角色，提供相應的知識主動推送服務，及時提醒監控員進行相關處置。數據挖掘提供了自動挖掘和人工調用2種方式，數據挖掘應用還對挖掘過程中所用的挖掘算法提供了“一對一”的服務調用方法，每個算法可以看成一個即插即用的模塊，有利于挖掘算法的擴展和靈活調用。輔助決策模塊是監控員日常業務的智能化輔助分析手段，為監控員的運行監視提供有效的信號分析與輔助決策信息，從而全面提升監控運行工作的質量。

3.2 專家庫系統實現與應用

專家庫人機交互界面采用Java語言開發。挖掘算法用C++語言實現，并通過gSOAP工具發布成Web Services。在權限許可下，任何應用都可以通過WSDL調用這些服務。

通過專家庫系統，對國網浙江省電力有限公司杭州供電公司2014-02-22的告警數據進行了聚類分析。通過聚類分析，將侯文2488線事故引發的相關信息進行了有效分類，實現多條告警信號對應一種故障事項;并對其中的事故信號、異常信號、變位信號和越限信號進行了區分，在此基礎上給出了調控處理要點。此方法有效地提升了監控員對異常故障的分析、決策及處理效率，促進了監控員處理異常故障的規范化和標準化。

4 結束語

在云計算研究的基礎上，介紹了輸變電設備集中監控輔助決策專家庫的體系結構，對其進行了詳細設計，研究和選定了專家庫建設的核心技術，并對專家庫的編程實現技術進行了詳細介紹。通過實際工程案例展示了專家庫的應用效果，證明了該專家庫能夠對海量的監控信息進行數據挖掘分析，并能及時為監控員處理異常事故提供有效的輔助決策建議，具有很高的應用價值。