一種基于規則的電網故障診斷智能系統的制作方法
【技術領域】
[0001]本發明涉及一種電網運行安全技術領域，特別是一種基于規則的電網故障診斷智能系統。
【背景技術】
[0002]電網的發展和社會的進步都對電網的運行安全提出了更高的要求，加強對電網故障的診斷處理顯得尤為重要。隨著計算機技術、通信技術、網絡技術等的發展，采用更為先進的智能技術來改善電網故障診斷系統的性能，具有重要的研宄價值和實際意義。故障的智能診斷技術也被稱為智能故障診斷技術，智能故障診斷是融合了人工智能技術的新方法，對故障信息有初步的自動分析和學習能力，電網故障診斷領域常用的人工智能技術包括專家系統、人工神經網絡、決策樹理論等。其中，專家系統是人工智能中最重要的也是最活躍的一個應用技術，它實現了人工智能從理論研宄走向實際應用、從一般推理策略探討轉向運用專門知識的重大突破。
[0003]目前的專家系統的研宄方向有基于規則的專家系統以及面向對象的專家系統等，基于規則的專家系統是根據以往專家診斷的經驗，將其歸納成規則，通過啟發式經驗知識進行故障診斷，適合于已具有豐富經驗的專業領域的故障診斷。基于規則的診斷具有開發簡單、知識表述直觀、形式統一、易理解、解釋方便、適應性和開拓性好等優點，診斷知識可以通過領域專家獲取和繼承，故得到了廣泛應用。但是以往的基于規則的專家系統都是基于推理機進行的專家決策支持的，缺乏有效的學習性，并且反饋知識內容缺乏有效性，不能做到于預性，故準確度不佳。
【發明內容】
[0004]本發明針對現有的基于規則的專家系統缺乏學習性以及反饋知識內容缺乏有效性等問題，提供一種基于規則的電網故障診斷智能系統，采用獨特的知識庫和推理機結構，實現自學習功能，完成電網故障智能診斷和分析，并易于檢查和糾錯，提高電網故障診斷的效率。
[0005]本發明的技術方案如下:
[0006]一種基于規則的電網故障診斷智能系統，其特征在于，包括依次連接的實時數據采集模塊、數據接收器、預處理模塊和工作數據庫，還包括知識庫、推理機和指令生成器，所述工作數據庫、知識庫和推理機兩兩相連；所述實時數據采集模塊采集電網的實時數據信息后發送至數據接收器，所述數據接收器進行合理性檢測和譯碼處理后再由預處理模塊進行格式化和信息融合歸類處理并存儲至工作數據庫，所述工作數據庫向推理機發送指令后由推理機向知識庫發送推理驗證請求，所述知識庫獲取工作數據庫中的數據并基于電網CIM模型根據建立的知識庫中的知識規則進行數據匹配，由推理機根據工作數據庫中數據和系統狀態以及知識庫中知識按照推理算法進行推理分析，所述指令生成器將推理機的推理分析結果生成規范化的命令輸出。
[0007]所述知識庫包括知識庫規則區和知識庫模型區，所述推理機包括相互連接的知識編輯器和推理分析器，所述知識庫規則區和知識編輯器均與工作數據庫相連，所述知識庫規則區和知識庫模型區均分別與知識編輯器和推理分析器相連，所述推理分析器與指令生成器相連；所述工作數據庫向知識編輯器發送指令，由知識編輯器向知識庫規則區發送推理驗證請求，所述知識庫規則區獲取工作數據庫中的數據后根據建立的知識庫中的知識規則并結合知識庫模型區的電網CIM模型進行數據匹配，所述推理分析器按照推理算法進行推理分析。
[0008]所述知識庫還包括知識庫原型區和知識庫經驗區，所述推理機包括分別與知識編輯器和推理分析器相連的經驗積累器，所述知識庫原型區分別與知識編輯器和推理分析器相連，所述知識庫經驗區與經驗積累器相連；所述知識庫原型區內設置有決策原型，所述決策原型包括負荷預測原型、故障診斷原型和系統狀態分析原型，所述經驗積累器將推理分析器在推理分析過程中的數據按照知識規則存入知識庫經驗區，所述知識庫經驗區針對電網歷史數據的特點利用模糊聚類算法對歷史數據進行聚類分析和預測型知識的提取。
[0009]還包括可視化液晶顯示模塊、發送器和通信接口，所述工作數據庫和指令生成器均與可視化液晶顯示模塊相連，所述指令生成器還與發送器相連，所述發送器將指令生成器的規范化命令通過通信接口與外界執行模塊相連。
[0010]所述實時數據采集模塊利用外界傳感器或監測裝置實時采集系統推理所需的電網的實時數據信息，所述實時數據采集模塊對慢變信號采用輪詢法按周期采集，對快變信號采用中斷法采集。
[0011]所述數據接收器接收實時數據采集模塊采集的信息后進行合理性檢測，并對數據流中數字量信號進行譯碼處理，將數據通過電網隔離網閘傳遞到預處理模塊中；所述合理性檢測包括檢測數據的完整性。
[0012]所述預處理模塊對接收的信息進行格式化和信息融合歸類處理，所述信息融合歸類處理包括信息融合、報警合并歸類和優先權分配，所述預處理模塊在信息融合歸類處理后再按優先權加入緩沖隊列，進入工作數據庫。
[0013]所述推理分析器支持面向數據和面向目標的推理方式并采用預測推理算法和關聯推理算法進行推理分析。
[0014]所述知識庫經驗區針對電網歷史數據的特點先采用基于類集的頻繁項集挖掘算法進行頻繁項集關聯規則的數據挖掘，剔除與決策信息不相關的屬性，然后利用模糊聚類算法對歷史數據進行聚類分析和預測型知識的提取。
[0015]本發明的技術效果如下:
[0016]本發明提供的基于規則的電網故障診斷智能系統，設置實時數據采集模塊、數據接收器、預處理模塊、工作數據庫、知識庫、推理機和指令生成器，實時數據采集模塊采集電網的實時數據信息后發送至數據接收器，數據接收器進行合理性檢測和譯碼處理后再由預處理模塊進行格式化和信息融合歸類處理并存儲至工作數據庫，工作數據庫向推理機發送指令后由推理機向知識庫發送推理驗證請求，知識庫獲取工作數據庫中的數據并基于電網CIM模型根據建立的知識庫中的知識規則進行數據匹配，由推理機根據工作數據庫中數據和系統狀態以及知識庫中知識按照推理算法進行推理分析，指令生成器將推理機的推理分析結果生成規范化的命令輸出。本發明系統設定獨立的知識庫，該知識庫內設定知識規則，知識庫獲取工作數據庫中的數據并基于電網CIM模型根據建立的知識庫中的知識規則進行數據匹配，即知識庫它是從已建立的事實邏輯中提取問題的相關事實，所以易于檢查和糾錯。推理機根據工作數據庫中數據和系統狀態以及知識庫中知識按照推理算法進行推理分析，并能夠對知識庫中知識進行更新、擴充及及時調整，實現自學習的功能，避免了現有的基于規則的專家系統缺乏學習性的問題，本發明工作數據庫配合特定結構的知識庫以及推理機結構，各組件配合工作，最終輸出的信息準確有效，準確完成電網故障智能診斷和分析，提尚電網故障診斷的效率。
[0017]知識庫優選設置知識庫規則區和知識庫模型區，知識庫規則區獲取工作數據庫中的數據后根據建立的知識庫中的知識規則并結合模型區的電網CIM模型進行數據匹配，推理機優選設置知識編輯器和推理分析器，知識編輯器能夠對知識庫中的知識進行修改和補充，增加了本發明系統的靈活性，由推理分析器根據知識庫不同方面的知識及工作數據庫數據和狀態向量按照推理算法進行推理分析，特定結構的知識庫和推理機配合系統其它部件工作，提高電網故障智能診斷的準確性能，使得本發明系統不僅能使用邏輯知識，也能使用啟發性知識，具有啟發性和透明性的特點。
[0018]知識庫還優選包括知識庫原型區和知識庫經驗區，推理機優選包括經驗積累器，經驗積累器將對問題的處理方法、決策數據及處理效果等發送至知識庫經驗區，以為下次決策及知識庫內各組件的知識更新的根據。知識庫經驗區存儲了經驗積累器所輸入的數據，可提高決策的速度和有效性。知識庫原型區能夠在知識庫規則區和知識庫模型區不能匹配的情況下提供原型匹配依據，進一步提高電網故障智能診斷的效率。
【附圖說明】
[0019]圖1為本發明基于規則的電網故障診斷智能系統的結構示意圖。
[0020]圖2為本發明基于規則的電網故障診斷智能系統的局部優選結構示意圖。
【具體實施方式】
[0021]下面結合附圖對本發明進行說明。
[0022]本發明涉及一種基于規則的電網故障診斷智能系統，其結構如圖1所示，包括依次連接的實時數據采集模塊、數據接收器、預處理模塊和工作數據庫，還包括知識庫、推理機和指令生成器，工作數據庫、知識庫和推理機兩兩相連。實時數據采集模塊采集電網的實時數據信息后發送至數據接收器，數據接收器進行合理性檢測和譯碼處理后再由預處理模塊進行格式化和信息融合歸類處理并存儲至工作數據庫，工作數據庫向推理機發送指令后由推理機向知識庫發送推理驗證請求，知識