一种电网故障的诊断方法与流程

1.本发明涉及电网故障监测技术领域，尤其是一种电网故障的诊断方法。


背景技术：

2.随着交直流混联电网的建成和新能源的快速发展，电网故障形态日益复杂，对于调控人员异常处置能力的要求不断提高。目前电网调控的处置环节主要依赖调控人员的经验积累和应变能力，各类调度操作规程、事故预案、监控处置方式等大量文本形式的知识均需由调控人员进行反复记忆和查询。这种故障处置方式不仅容易产生疏忽或遗漏，执行效率较低，且调控经验难于共享和传承，故障处置的准确性和规范性很难得到保证，针对以上的问题，在这里我们提出一种电网故障的诊断方法。


技术实现要素：

3.(一)解决的技术问题
4.针对现有技术不足，本发明提供了一种电网故障的诊断方法，解决了：现有的故障处置方式不仅容易产生疏忽或遗漏，执行效率较低，且调控经验难于共享和传承，故障处置的准确性和规范性很难得到保证的问题。
5.(二)技术方案
6.为为应对复杂电网故障形态，本项目提出了基于知识图谱的事件处置策略自动生成技术，通过对电网调度专业的历史处置、操作规范和处置规则进行知识建模，利用知识推理实现电网故障调度处置策略的自动生成，本发明通过以下技术方案予以实现：一种电网故障的诊断方法，包括以下方法，
7.步骤1：利用自然语言理解对调度录音、继保运行规程、报表非结构化和半结构化数据进行解析，对统一数据模型中的缺陷、值班日志、故障结构化数据进行整合；
8.步骤2：开展面向调度业务的知识图谱分析研究，对电网调控知识进行数据融合与实体消歧，通过结构化数据的etl抽取和非结构化数据的实体抽取、关系抽取和属性抽取构建电网调控知识库，以三元组方式进行知识库的表达与存储；
9.步骤3：在发生故障异常事件后，推理建立该事件与电网调控知识图谱的关联，快速智能生成处置策略。
10.作为本发明的进一步优选方式，步骤s1中，所述非结构化数据解析包括有基于词典分词算法，该算法是按照策略将待匹配的字符串和一个已建立好的词典中的词进行匹配，若找到某个词条，则说明匹配成功，识别了该词。
11.作为本发明的进一步优选方式，步骤s1中，所述非结构化数据解析包括有基于统计的机器学习算法，所述机器学习算法为算法是hmm、crf、svm、深度学习中的一种。
12.作为本发明的进一步优选方式，步骤s2中，调度业务的知识图谱分析研究，采用数据驱动的依存句法分析方法，具体包括以下步骤，
13.a.基于图的依存句法分析方法，基于图的方法将依存句法分析问题看成从完全有
向图中寻找最大生成树的问题，一棵依存树的分值由构成依存树的几种子树的分值累加得到，根据依存树分值中包含的子树的复杂度，基于图的依存分析模型可以简单区分为一阶和高阶模型，基于图的方法通常采用基于动态规划的解码算法；
14.b.基于转移的依存句法分析方法，基于转移的方法将依存树的构成过程建模为一个动作序列，将依存分析问题转化为寻找最优动作序列的问题，特征表示方面，基于转移的方法可以充分利用已形成的子树信息，从而形成丰富的特征，以指导模型决策下一个动作，模型通过贪心搜索或者柱搜索解码算法找到近似最优的依存树，基于转移的方法采用在线训练算法学习特征权重；
15.c.多模型融合的依存句法分析方法。
16.作为本发明的进一步优选方式，步骤s2中，还包括有，知识图谱的构建是一个迭代更新的过程，根据知识获取的逻辑，每一轮迭代包含以下几个阶段：信息抽取、知识融合、知识加工以及知识更新。
17.作为本发明的进一步优选方式，步骤s3中，还包括有，知识图谱的故障处置系统构建，包括有基于知识图谱的故障处置系统分层架构和基于知识图谱的故障处置工作流程。
18.作为本发明的进一步优选方式，步骤s3中，还包括有，故障诊断规则推理基，将每一个可能的故障征兆作为信源，根据假设信源发生的先验概率p(f
i，j
)服从二项式分布如下所示：
[0019][0020]
基于电网调控知识图谱利用信源的实际征兆，借助信息论原理计算实际故障征兆条件i下的信源后验概率p(f
i，j
|i＝i)，计算方式如下：
[0021][0022]
并通过最大熵模型理论获取架设的概率模型，具体计算方式如下：
[0023][0024][0025][0026]
得出结论：后验概率最大的信源征兆所对应的故障假设最有可能发生，因此可按照故障假设发生可能性大小对所有故障情况进行排序，完成故障诊断。
[0027]
作为本发明的进一步优选方式，步骤s3中，处理策略包括有系统解列后调整及并网操作、相关规程条款和设备极限参数的智能显示、厂站母线电压消失处理、输电线路跳闸处理和变压器故障跳闸处理。
[0028]
(三)有益效果
[0029]
本发明提供了一种电网故障的诊断方法。具备以下有益效果：
[0030]
本发明针对设备故障目前主要依赖于保护专业人员对设备工况的熟悉程度结合经验来实施研判和处理，利用本方法，故障处置效率提升3倍以上，大量的缩短故障停电时
长，减少停电电量，间接产生直接经济效益。提高了大电网调度的安全及管控水平。
附图说明
[0031]
图1本发明的基于知识图谱的电网故障处理的系统框架原理示意图；
[0032]
图2本发明的基于知识图谱的电网故障处理流程示意图。
具体实施方式
[0033]
下面将结合本发明实施例中，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0034]
请参阅图1，本发明提供一种技术方案：一种电网故障的诊断方法，包括以下方法，
[0035]
步骤1：利用自然语言理解对调度录音、继保运行规程、报表非结构化和半结构化数据进行解析，对统一数据模型中的缺陷、值班日志、故障结构化数据进行整合；
[0036]
步骤2：开展面向调度业务的知识图谱分析研究，对电网调控知识进行数据融合与实体消歧，通过结构化数据的etl抽取和非结构化数据的实体抽取、关系抽取和属性抽取构建电网调控知识库，以三元组方式进行知识库的表达与存储；
[0037]
步骤3：在发生故障异常事件后，推理建立该事件与电网调控知识图谱的关联，快速智能生成处置策略。
[0038]
步骤s1中，所述非结构化数据解析包括有基于词典分词算法，该算法是按照策略将待匹配的字符串和一个已建立好的词典中的词进行匹配，若找到某个词条，则说明匹配成功，识别了该词。
[0039]
步骤s1中，所述非结构化数据解析包括有基于统计的机器学习算法，所述机器学习算法为算法是hmm、crf、svm、深度学习中的一种。
[0040]
步骤s2中，调度业务的知识图谱分析研究，采用数据驱动的依存句法分析方法，具体包括以下步骤，
[0041]
a.基于图的依存句法分析方法，基于图的方法将依存句法分析问题看成从完全有向图中寻找最大生成树的问题，一棵依存树的分值由构成依存树的几种子树的分值累加得到，根据依存树分值中包含的子树的复杂度，基于图的依存分析模型可以简单区分为一阶和高阶模型，基于图的方法通常采用基于动态规划的解码算法；
[0042]
b.基于转移的依存句法分析方法，基于转移的方法将依存树的构成过程建模为一个动作序列，将依存分析问题转化为寻找最优动作序列的问题，特征表示方面，基于转移的方法可以充分利用已形成的子树信息，从而形成丰富的特征，以指导模型决策下一个动作，模型通过贪心搜索或者柱搜索解码算法找到近似最优的依存树，基于转移的方法采用在线训练算法学习特征权重；
[0043]
c.多模型融合的依存句法分析方法。
[0044]
知识图谱的构建是一个迭代更新的过程，根据知识获取的逻辑，每一轮迭代包含以下几个阶段：信息抽取、知识融合、知识加工以及知识更新，信息抽取。信息抽取是知识图谱构建的第1步，其中的关键问题是如何从异构数据源中自动抽取信息得到候选知识单元。
信息抽取是一种自动化地从非结构化数据和半结构化中抽取实体、关系以及实体属性等结构化信息的技术，涉及的关键技术包括：实体抽取、关系抽取和属性抽取。
[0045]
知识融合。通过信息抽取，实现了从非结构化和半结构化数据中获取实体、关系以及实体属性信息的目标，然而这些结果中可能包含大量的冗余和错误信息，数据之间的关系也是扁平化的，缺乏层次性和逻辑性，因此有必要对其进行清理和整合。知识融合包括2部分内容：实体链接和知识合并。通过知识融合，可以消除概念的歧义，剔除冗余和错误概念，从而确保知识的质量。
[0046]
知识加工。通过信息抽取，可以从原始语料中提取出实体、关系与属性等知识要素。再经过知识融合，可以消除实体指称项与实体对象之间歧义，得到一系列基本事实表达。然而，事实本身并不等于知识，要想最终获得结构化、网络化的知识体系，还需要经历知识加工过程。知识加工主要包括3方面内容：本体构建、知识推理和质量评估。
[0047]
知识更新。人类所拥有信息和知识量都是时间单调递增函数，因此知识图谱内容也需要与时俱进，其构建过程是一个不断迭代更新的过程。从逻辑上看，知识库更新包括概念层和数据层的更新。概念层更新是指新增数据后获得了新的概念，需要自动将新的概念添加到知识库的概念层中。数据层更新主要是新增或更新实体、关系和属性值，对数据层进行更新需要考虑数据源的可靠性与一致性(是否存在矛盾或冗余等问题)等多方面因素。
[0048]
处理策略包括有系统解列后调整及并网操作、相关规程条款和设备极限参数的智能显示、厂站母线电压消失处理、输电线路跳闸处理和变压器故障跳闸处理，系统解列后调整及并网操作。
[0049]
请参阅图1，将已有的关系型数据库转化为图数据库，构建电网设备实体图谱，并在运行过程中采用实时数据对实体、关系和属性值进行持续更新。在设备实体图谱之上进行自动提炼，并通过人工校验的方式构建故障处理的概念图谱，形成领域本体，用于实现电网事故的抽象概念表达。对于以非结构化文本形式存储的调度规程、处置预案、操作细则、故障报告等内容，通过自然语言处理技术进行知识提取：一方面，对其中原则和经验等语义信息构建结构化知识网络，并结合概念图谱中涉及到的各类本体，形成业务逻辑图谱；另一方面，提炼其中的逻辑与规则，构建逻辑运算库与规则库，用于对故障进行推理分析。另外，可通过机器学习技术自动生成薄弱环节、关键断面、稳定裕度等结构化领域知识，进一步构建或更新实体或业务逻辑图谱。
[0050]
当故障发生时，知识推理引擎首先寻找、分析业务逻辑图谱中相匹配的知识路径，然后向下级查询与故障密切相关的概念与设备实体。得到相关知识后，通过故障信息解析模块、故障判断分析模块与故障处置模块，进行信息判断与分析，给出故障类型和处置方式建议。在处置过程中，机器需要对调度人员提示筛选后的主要信息、隐含知识、操作原则与特殊要求等内容。对于关键环节的判断和操作，还需要进行人工确认，以确保机器决策的安全性。故障处置流程结束后，机器可自动化提取故障期间相关的结构化知识，形成案例知识图谱，用于案例记录、查阅和推理。
[0051]
利用上述技术，针对线路跳闸故障的业务应用场景，基于知识图谱的电网故障处理具体应用流程。
[0052]
当电网故障发生后，首先通过信息知识解析筛选出a、b两站的故障间隔、保护动作、异常信息及重合闸动作情况等核心关键信息，并将这些信号中涉及的设备及连接关系
与实体图谱进行匹配，从而判断开关、保护等动作逻辑关系正误。在信息判断过程中，需要利用故障处理的相关业务逻辑图谱，其中实体类型包含设备类、保护类、告警类、异常类、动作类等，关系描述也相应地包含属于、作用于、告警、异常、动作等类别。其中设备类节点又可与实体、概念图谱中的对应实体节点相链接，进而获得相关设备的属性与运行状态。
[0053]
可判断出故障信息均符合业务逻辑关系，且无开关拒动、误动情况。之后，结合a、b站开关、保护设备与线路的实体连接关系，初步判断单相短路故障发生于ab线，且重合闸动作不成功。接下来，结合故障信息所链接的概念图谱和实体图谱节点，自动生成线路故障初报，并推送线路周围区域的设备潮流变化情况，以供监控员进行快速判断。于此同时，监控员可结合故障录波信息、场站现场状况进行信息校核确认。
[0054]
线路发生故障后，会“触发”业务逻辑图谱中的相关知识节点，判断是否有调度细则所规定的其他额外操作要求。例如，ab线发生故障后，要求a站连接的ac线路合环运行，且合环前停运某风电场及a站所带的所有新能源发电单元。此时可通过图搜索快速推送a站相连新能源场站的相关运行状态，并给予监控员提示。之后，基于知识图谱可进一步推理当前故障线路的试送电条件，如根据故障报文信息及光字牌，判断主保护动作正误及相关告警、异常信息的复归及影响情况，必要时可通过业务逻辑图谱推送处置建议等内容。当判断出满足线路试送条件后，按照调度规程的试送原则给出试送端建议，进而提示监控员恢复相关发电机出力和负荷，进行事故记录、汇报、查线等后续工作。在线路故障全过程中，系统可基于知识图谱查询和推理技术，与监控员进行实时交互，提示相关操作建议与处置原则。
[0055]
基于电网调控知识图谱根据采集的子单元系统频率以及电厂的出力量，分析可增加或减少出力机组，推送调整措施。根据电网同期装置配置情况，制定可能的并网操作计划，供监控员参考使用。
[0056]
知识图谱的故障处置系统构建，包括有基于知识图谱的故障处置系统分层架构和基于知识图谱的故障处置工作流程。
[0057]
根据知识图谱在故障处置中的构建及构建后的应用方式，把基于知识图谱的故障处置应用整体分为数据交互层、知识图谱构建层、知识图谱应用层3层结构。
[0058]
数据交互层:使用两种类型数据库，关系数据库与neo4j图数据库。关系数据库主要用来存储采集及经处理的各种设备表、历史故障处置案例等结构化数据；neo4j图数据库主要被用来存储继保运行规程、处置策略数据、电网拓扑数据及存储不断更新的故障处置数据。
[0059]
知识图谱构建层：根据知识抽取、知识融合、知识加工等步骤构建知识图谱。根据已存储在关系数据库中的结构化的部分设备关联数据，自动映射表对应节点、列对应节点或关系属性，经过电子化处理的故障处置案例与继保规程等结构化数据经规则库进行知识抽取，然后形成关联数据进行知识图谱的构建，并不断的使用新生成的故障处置信息去更新知识图谱。
[0060]
知识图谱应用层：包含对接收到的故障告警信息进行解析，以便于计算机进行识别，并提供图谱的电网拓扑结构查询、历史故障处置信息查询、故障处置策略服务等应用服务。当故障发生时，生成结构化故障处置策略发送给监控员，辅助监控员进行故障处置。
[0061]
基于知识图谱的故障处置工作流程
[0062]
请参阅图2，当故障发生时，首先获取含有故障信息请求数据，并对故障信息进行
清洗、解析，识别故障时间、地点等，形成结构化的请求数据。然后将初步处理的请求信息通过flask web应用发送对应请求给知识图谱服务引擎。最后，flask web应用接收知识图谱服务引擎查询结果并对查询的结果进行优化，返回最优的故障处置策略给监控员辅助监控员进行故障处置。具体的步骤为:
[0063]
1，电网故障发生，获取含有故障信息请求数据；
[0064]
2，对获取的故障信息进行编码格式转换等清洗处理；
[0065]
3，将清洗后的数据解析故障时间、地点等关键信息，并封装到已定义的json数据包中，并通过post请求发送数据包给flask web应用；
[0066]
4，flask web应用从json数据包中提取关键信息，并组装用于向知识图谱服务引擎进行查询的json数据包；
[0067]
5，flask web应用通过http请求发送查询数据包给知识图谱服务引擎进行查询；
[0068]
6，知识图谱服务引擎返回查询结果给flask web应用，并保存每次的故障查询及结果用于扩展与改善知识图谱；
[0069]
7，flask web应用对查询的结果进行优化、处理，并生成最佳故障处置策略，然后将生成的最佳故障处置策略推送给监控员，辅助监控员进行故障处置。
[0070]
故障诊断规则推理基，将每一个可能的故障征兆作为信源，根据假设信源发生的先验概率p(f
i，j
)服从二项式分布如下所示：
[0071][0072]
基于电网调控知识图谱利用信源的实际征兆，借助信息论原理计算实际故障征兆条件i下的信源后验概率p(f
i，j
|i＝i)，计算方式如下：
[0073][0074]
并通过最大熵模型理论获取架设的概率模型，具体计算方式如下：
[0075][0076][0077][0078]
得出结论：后验概率最大的信源征兆所对应的故障假设最有可能发生，因此可按照故障假设发生可能性大小对所有故障情况进行排序，完成故障诊断。
[0079]
处理策略包括有系统解列后调整及并网操作、相关规程条款和设备极限参数的智能显示、厂站母线电压消失处理、输电线路跳闸处理和变压器故障跳闸处理，相关规程条款和设备极限参数的智能显示
[0080]
①
在线应用。基于电网调控知识图谱根据故障设备及其类型、当前状态、保护动作情况之间的关联关系，提示规程中对这种情况的处理规定。
[0081]
②
离线查询。监控员输入故障现象、故障诊断和处理情况的描述，系统基于电网调控知识图谱快速查询规程中相应处理规定。
[0082]
厂站母线电压消失处理
[0083]
发电厂、变电站母线电压消失时，应迅速切开该母线上所有开关，尽快恢复失电的厂、站用电，然后基于电网调控知识图谱根据故障原因和故障性质之间的关联关系，自动选择母线充电方式，显示相应规程中的处理原则。
[0084]
输电线路跳闸处理
[0085]
线路跳闸后，监控员可采用强送电方式，加速线路恢复运行。这里需基于电网调控知识图谱分析故障线路强送端，并将强送条件和满足情况显示给监控员。
[0086]
变压器故障跳闸处理
[0087]
变压器故障跳闸后，应基于电网调控知识图谱根据继电保护动作情况及外部现象推理判断故障原因，显示相应规程中的处理原则。
[0088]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0089]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

技术特征：
1.一种电网故障的诊断方法，其特征在于：包括以下方法，步骤1：利用自然语言理解对调度录音、继保运行规程、报表非结构化和半结构化数据进行解析，对统一数据模型中的缺陷、值班日志、故障结构化数据进行整合；步骤2：开展面向调度业务的知识图谱分析研究，对电网调控知识进行数据融合与实体消歧，通过结构化数据的etl抽取和非结构化数据的实体抽取、关系抽取和属性抽取构建电网调控知识库，以三元组方式进行知识库的表达与存储；步骤3：在发生故障异常事件后，推理建立该事件与电网调控知识图谱的关联，快速智能生成处置策略。2.根据权利要求1所述的一种电网故障的诊断方法，其特征在于，步骤s1中，所述非结构化数据解析包括有基于词典分词算法，该算法是按照策略将待匹配的字符串和一个已建立好的词典中的词进行匹配，若找到某个词条，则说明匹配成功，识别该词。3.根据权利要求1所述的一种电网故障的诊断方法，其特征在于，步骤s1中，所述非结构化数据解析包括有基于统计的机器学习算法，所述机器学习算法为算法是hmm、crf、svm、深度学习中的一种。4.根据权利要求1所述的一种电网故障的诊断方法，其特征在于，步骤s2中，调度业务的知识图谱分析研究，采用数据驱动的依存句法分析方法，具体包括以下步骤，a.基于图的依存句法分析方法，基于图的方法将依存句法分析问题看成从完全有向图中寻找最大生成树的问题，一棵依存树的分值由构成依存树的几种子树的分值累加得到，根据依存树分值中包含的子树的复杂度，基于图的依存分析模型可以简单区分为一阶和高阶模型，基于图的方法通常采用基于动态规划的解码算法；b.基于转移的依存句法分析方法，基于转移的方法将依存树的构成过程建模为一个动作序列，将依存分析问题转化为寻找最优动作序列的问题，特征表示方面，基于转移的方法可以充分利用已形成的子树信息，从而形成丰富的特征，以指导模型决策下一个动作，模型通过贪心搜索或者柱搜索解码算法找到近似最优的依存树，基于转移的方法采用在线训练算法学习特征权重；c.多模型融合的依存句法分析方法。5.根据权利要求1所述的一种电网故障的诊断方法，其特征在于，步骤s2中，还包括有，知识图谱的构建是一个迭代更新的过程，根据知识获取的逻辑，每一轮迭代包含以下几个阶段：信息抽取、知识融合、知识加工以及知识更新。6.根据权利要求1所述的一种电网故障的诊断方法，其特征在于，步骤s3中，还包括有，知识图谱的故障处置系统构建，包括有基于知识图谱的故障处置系统分层架构和基于知识图谱的故障处置工作流程。7.根据权利要求1所述的一种电网故障的诊断方法，其特征在于，步骤s3中，还包括有，故障诊断规则推理基，将每一个可能的故障征兆作为信源，根据假设信源发生的先验概率p(f
i，j
)服从二项式分布如下所示：基于电网调控知识图谱利用信源的实际征兆，借助信息论原理计算实际故障征兆条件
i下的信源后验概率p(f
i，j
|i＝i)，计算方式如下：并通过最大熵模型理论获取架设的概率模型，具体计算方式如下：并通过最大熵模型理论获取架设的概率模型，具体计算方式如下：并通过最大熵模型理论获取架设的概率模型，具体计算方式如下：得出结论：后验概率最大的信源征兆所对应的故障假设最有可能发生，因此可按照故障假设发生可能性大小对所有故障情况进行排序，完成故障诊断。8.根据权利要求1所述的一种电网故障的诊断方法，其特征在于，步骤s3中，处理策略包括有系统解列后调整及并网操作、相关规程条款和设备极限参数的智能显示、厂站母线电压消失处理、输电线路跳闸处理和变压器故障跳闸处理。

技术总结
本发明公开了一种电网故障的诊断方法，包括以下方法，步骤1：利用自然语言理解对调度录音、继保运行规程、报表非结构化和半结构化数据进行解析，对统一数据模型中的缺陷、值班日志、故障结构化数据进行整合；步骤2：开展面向调度业务的知识图谱分析研究，对电网调控知识进行数据融合与实体消歧，通过结构化数据的ETL抽取和非结构化数据的实体抽取、关系抽取和属性抽取构建电网调控知识库，以三元组方式进行知识库的表达与存储；步骤3：在发生故障异常事件后，推理建立该事件与电网调控知识图谱的关联。本发明故障处置效率提升3倍以上，大量的缩短故障停电时长，减少停电电量，间接产生直接经济效益。提高了大电网调度的安全及管控水平。水平。水平。


技术研发人员：文振江 孙国繁 高磊 张鑫 武文吉 王亚文 杜鑫 陶颋晟 王鑫 张柏文 武潇 张恺 李弘毅 谢朋海
受保护的技术使用者：国网山西省电力公司超高压变电分公司
技术研发日：2023.05.11
技术公布日：2023/8/14