论文部分内容阅读
摘 要:在分析国内外智能推理操作票系统研究现状的基础上,本文提出了一种新型的基于图形拓扑的智能推理操作票专家系统。该系统首先通过与能量管理系统(EMS)图形和实时状态的对接,获得真实电网运行情况;然后推理机根据操作任务与知识库和拓扑图形平台进行交互,推理出正确的操作逻辑,并生成满足用户需求的操作票。
关键词:智能推理图形拓扑智能操作票专家系统人工智能
中图分类号:TP27 文献标识码:A 文章编号:1674-098X(2011)07(a)-0051-02
随着电力建设的迅速发展和自动化水平的提高,调度运行日趋复杂。调度员每日需制定的操作票数量日益增多,又要考虑到安全操作的因素,加重了调度员的工作强度。为减轻调度员负担,国内外专家做了大量的工作,希望通过人工智能的方法解决这一难题．智能推理操作票专家系统的应用可以使调度员从繁重的重复劳动中解脱出来,集中精力研究电网安全、经济运行中更深层次的问题。
1 国内外研究现状
1.1 基于典型操作票的操作票生成系统
用典型操作票建立典型操作票数据库,而后将数以百计的各种操作票进行分类,以提高搜索效率。这类系统实际上是无具体的知识表达,仅仅是一种操作票数据库结构,不属于智能型,在早期开发的操作票专家系统和现在投运的MIS系统中较为常见。
1.2 基于产生式规则的操作票自动生成系统
建立事实和知识规则库,应用ES推理机制,推理形成实际的操作票,这类系统由数据库、知识库、推理机三大部分组成。此类系统的进步在于对操作内容的生成推理进行了研究和探索,真正利用了AI技术。
然而,这类系统需将网络拓扑结构与设备运行状态及网络操作知识用谓语逻辑表示,开发较难,开发周期长,这在一定程度上制约了系统的通用性和用户可维护性。
1.3 基于图形校核的操作票自动生成系统
此类系统图形功能强大,可模拟电力系统的一、二次接线图,具备直观、逼真的操作效果,适合于现场培训调度人员．是一种应用广泛的模拟培训系统。但是,它不能自动推理出操作票,不具备智能性。因为电力系统中二次设备的操作具有根强的习惯性,所以此类系统也很难做到通用。
综上所述,以上实现方法通用性差,扩充性困难,操作规则固化,缺乏灵活性,本文开发的智能推理操作票专家系统在综合分析国内外现有操作票系统的基础上,结合现场调研,把建立标准的电网图形拓扑摆在了一个比较重要的位置。智能推理机制采用一种弱求解方法,适用于解决那些经验性、逻辑性强的问题。因此,本文采用专家系统的结构框架,包括操作票自动生成推理机、防误校验规则库和术语库。
2 基于图形拓扑的智能推理操作票专家系统
拓扑电力图形平台可以实现电力系统主接线图的绘制,而且提供完善的接口可以与EMS等电力图形系统的图形以及实时状态进行对接,是一个基于图库数据一体化技术和拓扑建模技术构建的电网图形绘制和管理型平台,调度操作票的智能生成提供强大的支持。
同时图形平台上的每个电气设备完全模拟现实中设备的物理属性,画图即建模,自动处理五防规则,那么在智能出票时自动加入五防校验,再一次提高操作票的智能性与安全性。
2.1 体系结构
本系统从EMS对接电网图形以及设备的实时状态;智能推理机制利用图形平台的拓扑分析以及防误校验,根据操作任务,经过从知识库的智能推理,自动生成操作票。系统总体结构如图1所示:
整个系统以智能推理为核心,并且从EMS对接电网图形以及设备的实时状态,保证拓扑图形平台与真实情况的一致;推理系统访问知识库和拓扑图形平台,实现了图形拓扑、防误校验功能。知识库与拓扑图形之间只通过推理系统关联,知识库中包含一些术语库以及智能出票逻辑序列等。推理机接收到操作任务后,通过分析接线方式、电压等级等,得到操作序列,并且最终分解成操作术语,从而生成操作票。在这一过程中,推理机会根据任务的描述与知识库和拓扑图形平台进行交互,推理出正确的操作逻辑,并生成满足用户需求的操作票。
2.2 智能推理机制
智能推理机是专家系统的“思维”机构,是构成专家系统的核心部分．其任务是模拟领域专家的思维过程,控制并执行对问题的求解。它能根据当前已知的事实,利用知识库中的知识,按一定的推理方法和控制策略进行推理,求得问题的答案或证明某个假设的正确性。智能推理机的性能与构造一般与知识的表示方式及组织方式有关,但与知识的内容无关,这有利于保证智能推理机与知识库的相对独立性,当知识库中的知识有变化时,无须修改智能推理机。
正向推理的基本思想是:从已有的信息出发,寻找可用知识,通过冲突消解选择启用知识,执行知识,改变求解状态,逐步求解直至问题解决。其工作过程为:用户将与推理有关的信息先存入数据库,推理机根据这些信息,从知识库中选择合适的规则,某条规则如果要成立,则该规则的所有前提事实都必须匹配成功。一旦发现某条规则只要有一个事实前提不成立,就可以跳过该规则,转而看下条规则是否可以匹配。如果某条规则的所有事实前提均匹配成功,即该规则成立时,则把该规则的结论存入数据库,同时把该规则的“使用标志”字段置为已使用状态,在后面的推理循环过程中就可以不必再测试该规则。正向推理一般有两种结束条件:一是求出一个符合条件的解就结束;二是将所有的解都求出才结束。如果系统考虑第二种结束条件则构成一个完整的推理。
完整的推理是一个复杂的回溯递归过程。一条规则的结论可以是另一条规则的前提。在一轮循环中不成立的规则,可能在下轮的循环中成立。这是因为在它之后匹配,并且匹配成功的规则的结论有可能恰好是这个规则的前提之一。
2.3 图形拓扑分析
图形拓扑是系统初始化时的重要工作。通过拓扑分析,可以得到全网的设备单元的设备连接拓扑关系,为智能推理出票、防误校验提供数据支持。
2.3.1 深度优先搜索
深度优先搜索基本的实现方式是采用递归算法,在递归算法中一定要注意设置好边界条件,否则递归函数无法跳出,造成死循环。
2.3.2 确定搜索起始点、边界条件
操作票系统研究的主要对象是母线、变压器、线路、断路器,所以将搜索的起始点定为这些设备。
深度优先搜索的边界条件为:母线、变压器、线路、负荷、发电机、并联电抗器、并联电容器、电压互感器、接地隔离开关、避雷器等。当搜索到以上设备时可以停止搜索,返回上一次搜索即可。
3 基于图形拓扑的智能推理实例分析
电气设备的四种状态相互之间有着紧密的联系,将电气设备从运行状态向检修状态转换的操作过程中,必须经过热备用、冷备用以后,才能转为检修状态。送电操作顺序和停电操作顺序相反。若违背这一规律,就会造成误操作。
本文的专家库采用正向推理机制,说明双母线加旁路母线下某线路由运行转检修操作票的自动生成过程。
假设开票设备某线路所在电压等级的接线方式为双母线加旁路母线,操作任务是XXI线路由运行转检修,A变侧和B变侧同样具有XXI线路,一条是出线,一条是进线。如图2所示:
第一步,系统首先根据接线方式在开票规则库中搜索,寻找匹配的接线图例,搜索结果为上图例。
第二步,在图例中,拟开票的线路XXI线路,操作任务为运行转检修,在开票规则库中搜索到相应的规则信息,得到规则编号。
第三步,根据规则编号搜索开票规则操作项表,得到一组操作项目的知识记录,保存在缓存中。
第四步,判断知识是否已经完成解析,如果是则表明已经完成推理过程,结束推理;如果未完成,则继续推理。
第五步,根据已知的设备信息解析知识,得到当前知识的解,存放到结果队列中。
第六步,循环求解所有知识,直到第四步完成求解。
第七步,将结果队列中的数据显示到操作票出票界面,完成自动开票过程。
系统在进行防误校验时,采用的是相同的推理机制,不同之处在于当求解知识出错时,解释模块在系统专家库中搜索相应的解释信息,显示给用户,然后中止推理过程。
4 结语
智能推理操作票专家系统在很大程度上减轻了调度员的负担,也使操作票 的正确性提高到了90％以上。通过引入图形拓扑分析功能,提高了规则的表达能力和模型的通用性,降低了专家知识库的规则数量,提高了开票的可靠性与效率。
参考文献
[1] 汤磊,张伯明,孙宏斌,等．电网操作专家系统中通用认知模型的研究[J]．电力系统自动化,2001,25(22):6-9．
[2] 汤磊．信息理论在电网智能调度决策中的应用[D]．北京:清华大学,2002．
[3] 周明,林静怀,杨桂钟,等．新型智能电网调度操作票自动生成与管理系统[J]．电力系统自动化,2004,28(11):71-74．
[4] 周明,任建文,李庚银,等．基于多智能体的电网调度操作票指导系统研究与实现[J]．中国电机工程学报,2004,24(4):58-62．
[5] 张文磊,王建雄．调度操作票专家系统及N-1安全分析在湖南电网中的应用[J]．电网技术,1996,20(7):63-65．
[6] 杨继涛,胡明,吴琼,等．电网调度操作票专家系统的设计与开发[J]．继电器,2004,32(15):45-47．
[7] 王永庆．人工智能原理与方法[M]．西安交通大学出版社,2003:257．350
[8] Nagata T,Sasaki H,Kubota J,et al．Knowledge based system supporting for power system operation procedure on personal computers[C]．International Conference on Advances in Power System Control, Operation and Management,Hong Kong,1993,1:66-71．
[9] Yoshizawa J,Ogi H,Takano T,etal．An automatic knowledge acquisition method for switching sequences and its evaluation[J]．IEEE Trans on Power Systems,1994,9(2):884-890．
[10] Nagata T,Nakayama H,Utatani M,et al．A multi-agent approach to power system normal state operations[C]．Power Engineering Society Summer Meeting,Chicago,2002,3:1582-1586．
[11] Qing Liu,Shjie Cheng．An object-oriented expert system for power system protective relay operation and management[J]．IEEE,1998.
关键词:智能推理图形拓扑智能操作票专家系统人工智能
中图分类号:TP27 文献标识码:A 文章编号:1674-098X(2011)07(a)-0051-02
随着电力建设的迅速发展和自动化水平的提高,调度运行日趋复杂。调度员每日需制定的操作票数量日益增多,又要考虑到安全操作的因素,加重了调度员的工作强度。为减轻调度员负担,国内外专家做了大量的工作,希望通过人工智能的方法解决这一难题．智能推理操作票专家系统的应用可以使调度员从繁重的重复劳动中解脱出来,集中精力研究电网安全、经济运行中更深层次的问题。
1 国内外研究现状
1.1 基于典型操作票的操作票生成系统
用典型操作票建立典型操作票数据库,而后将数以百计的各种操作票进行分类,以提高搜索效率。这类系统实际上是无具体的知识表达,仅仅是一种操作票数据库结构,不属于智能型,在早期开发的操作票专家系统和现在投运的MIS系统中较为常见。
1.2 基于产生式规则的操作票自动生成系统
建立事实和知识规则库,应用ES推理机制,推理形成实际的操作票,这类系统由数据库、知识库、推理机三大部分组成。此类系统的进步在于对操作内容的生成推理进行了研究和探索,真正利用了AI技术。
然而,这类系统需将网络拓扑结构与设备运行状态及网络操作知识用谓语逻辑表示,开发较难,开发周期长,这在一定程度上制约了系统的通用性和用户可维护性。
1.3 基于图形校核的操作票自动生成系统
此类系统图形功能强大,可模拟电力系统的一、二次接线图,具备直观、逼真的操作效果,适合于现场培训调度人员．是一种应用广泛的模拟培训系统。但是,它不能自动推理出操作票,不具备智能性。因为电力系统中二次设备的操作具有根强的习惯性,所以此类系统也很难做到通用。
综上所述,以上实现方法通用性差,扩充性困难,操作规则固化,缺乏灵活性,本文开发的智能推理操作票专家系统在综合分析国内外现有操作票系统的基础上,结合现场调研,把建立标准的电网图形拓扑摆在了一个比较重要的位置。智能推理机制采用一种弱求解方法,适用于解决那些经验性、逻辑性强的问题。因此,本文采用专家系统的结构框架,包括操作票自动生成推理机、防误校验规则库和术语库。
2 基于图形拓扑的智能推理操作票专家系统
拓扑电力图形平台可以实现电力系统主接线图的绘制,而且提供完善的接口可以与EMS等电力图形系统的图形以及实时状态进行对接,是一个基于图库数据一体化技术和拓扑建模技术构建的电网图形绘制和管理型平台,调度操作票的智能生成提供强大的支持。
同时图形平台上的每个电气设备完全模拟现实中设备的物理属性,画图即建模,自动处理五防规则,那么在智能出票时自动加入五防校验,再一次提高操作票的智能性与安全性。
2.1 体系结构
本系统从EMS对接电网图形以及设备的实时状态;智能推理机制利用图形平台的拓扑分析以及防误校验,根据操作任务,经过从知识库的智能推理,自动生成操作票。系统总体结构如图1所示:
整个系统以智能推理为核心,并且从EMS对接电网图形以及设备的实时状态,保证拓扑图形平台与真实情况的一致;推理系统访问知识库和拓扑图形平台,实现了图形拓扑、防误校验功能。知识库与拓扑图形之间只通过推理系统关联,知识库中包含一些术语库以及智能出票逻辑序列等。推理机接收到操作任务后,通过分析接线方式、电压等级等,得到操作序列,并且最终分解成操作术语,从而生成操作票。在这一过程中,推理机会根据任务的描述与知识库和拓扑图形平台进行交互,推理出正确的操作逻辑,并生成满足用户需求的操作票。
2.2 智能推理机制
智能推理机是专家系统的“思维”机构,是构成专家系统的核心部分．其任务是模拟领域专家的思维过程,控制并执行对问题的求解。它能根据当前已知的事实,利用知识库中的知识,按一定的推理方法和控制策略进行推理,求得问题的答案或证明某个假设的正确性。智能推理机的性能与构造一般与知识的表示方式及组织方式有关,但与知识的内容无关,这有利于保证智能推理机与知识库的相对独立性,当知识库中的知识有变化时,无须修改智能推理机。
正向推理的基本思想是:从已有的信息出发,寻找可用知识,通过冲突消解选择启用知识,执行知识,改变求解状态,逐步求解直至问题解决。其工作过程为:用户将与推理有关的信息先存入数据库,推理机根据这些信息,从知识库中选择合适的规则,某条规则如果要成立,则该规则的所有前提事实都必须匹配成功。一旦发现某条规则只要有一个事实前提不成立,就可以跳过该规则,转而看下条规则是否可以匹配。如果某条规则的所有事实前提均匹配成功,即该规则成立时,则把该规则的结论存入数据库,同时把该规则的“使用标志”字段置为已使用状态,在后面的推理循环过程中就可以不必再测试该规则。正向推理一般有两种结束条件:一是求出一个符合条件的解就结束;二是将所有的解都求出才结束。如果系统考虑第二种结束条件则构成一个完整的推理。
完整的推理是一个复杂的回溯递归过程。一条规则的结论可以是另一条规则的前提。在一轮循环中不成立的规则,可能在下轮的循环中成立。这是因为在它之后匹配,并且匹配成功的规则的结论有可能恰好是这个规则的前提之一。
2.3 图形拓扑分析
图形拓扑是系统初始化时的重要工作。通过拓扑分析,可以得到全网的设备单元的设备连接拓扑关系,为智能推理出票、防误校验提供数据支持。
2.3.1 深度优先搜索
深度优先搜索基本的实现方式是采用递归算法,在递归算法中一定要注意设置好边界条件,否则递归函数无法跳出,造成死循环。
2.3.2 确定搜索起始点、边界条件
操作票系统研究的主要对象是母线、变压器、线路、断路器,所以将搜索的起始点定为这些设备。
深度优先搜索的边界条件为:母线、变压器、线路、负荷、发电机、并联电抗器、并联电容器、电压互感器、接地隔离开关、避雷器等。当搜索到以上设备时可以停止搜索,返回上一次搜索即可。
3 基于图形拓扑的智能推理实例分析
电气设备的四种状态相互之间有着紧密的联系,将电气设备从运行状态向检修状态转换的操作过程中,必须经过热备用、冷备用以后,才能转为检修状态。送电操作顺序和停电操作顺序相反。若违背这一规律,就会造成误操作。
本文的专家库采用正向推理机制,说明双母线加旁路母线下某线路由运行转检修操作票的自动生成过程。
假设开票设备某线路所在电压等级的接线方式为双母线加旁路母线,操作任务是XXI线路由运行转检修,A变侧和B变侧同样具有XXI线路,一条是出线,一条是进线。如图2所示:
第一步,系统首先根据接线方式在开票规则库中搜索,寻找匹配的接线图例,搜索结果为上图例。
第二步,在图例中,拟开票的线路XXI线路,操作任务为运行转检修,在开票规则库中搜索到相应的规则信息,得到规则编号。
第三步,根据规则编号搜索开票规则操作项表,得到一组操作项目的知识记录,保存在缓存中。
第四步,判断知识是否已经完成解析,如果是则表明已经完成推理过程,结束推理;如果未完成,则继续推理。
第五步,根据已知的设备信息解析知识,得到当前知识的解,存放到结果队列中。
第六步,循环求解所有知识,直到第四步完成求解。
第七步,将结果队列中的数据显示到操作票出票界面,完成自动开票过程。
系统在进行防误校验时,采用的是相同的推理机制,不同之处在于当求解知识出错时,解释模块在系统专家库中搜索相应的解释信息,显示给用户,然后中止推理过程。
4 结语
智能推理操作票专家系统在很大程度上减轻了调度员的负担,也使操作票 的正确性提高到了90％以上。通过引入图形拓扑分析功能,提高了规则的表达能力和模型的通用性,降低了专家知识库的规则数量,提高了开票的可靠性与效率。
参考文献
[1] 汤磊,张伯明,孙宏斌,等．电网操作专家系统中通用认知模型的研究[J]．电力系统自动化,2001,25(22):6-9．
[2] 汤磊．信息理论在电网智能调度决策中的应用[D]．北京:清华大学,2002．
[3] 周明,林静怀,杨桂钟,等．新型智能电网调度操作票自动生成与管理系统[J]．电力系统自动化,2004,28(11):71-74．
[4] 周明,任建文,李庚银,等．基于多智能体的电网调度操作票指导系统研究与实现[J]．中国电机工程学报,2004,24(4):58-62．
[5] 张文磊,王建雄．调度操作票专家系统及N-1安全分析在湖南电网中的应用[J]．电网技术,1996,20(7):63-65．
[6] 杨继涛,胡明,吴琼,等．电网调度操作票专家系统的设计与开发[J]．继电器,2004,32(15):45-47．
[7] 王永庆．人工智能原理与方法[M]．西安交通大学出版社,2003:257．350
[8] Nagata T,Sasaki H,Kubota J,et al．Knowledge based system supporting for power system operation procedure on personal computers[C]．International Conference on Advances in Power System Control, Operation and Management,Hong Kong,1993,1:66-71．
[9] Yoshizawa J,Ogi H,Takano T,etal．An automatic knowledge acquisition method for switching sequences and its evaluation[J]．IEEE Trans on Power Systems,1994,9(2):884-890．
[10] Nagata T,Nakayama H,Utatani M,et al．A multi-agent approach to power system normal state operations[C]．Power Engineering Society Summer Meeting,Chicago,2002,3:1582-1586．
[11] Qing Liu,Shjie Cheng．An object-oriented expert system for power system protective relay operation and management[J]．IEEE,1998.