基于光伏電站的智能運(yùn)維知識庫的研究

王景丹，劉桂蓮，孔波，董永超，龔曉偉

(1.國家電網(wǎng)許繼集團(tuán)微電網(wǎng)系統(tǒng)公司，河南許昌461000；2.國家電網(wǎng)許繼集團(tuán)柔性輸電系統(tǒng)公司，河南許昌461000)

基于光伏電站的智能運(yùn)維知識庫的研究

王景丹1，劉桂蓮1，孔波1，董永超1，龔曉偉2

(1.國家電網(wǎng)許繼集團(tuán)微電網(wǎng)系統(tǒng)公司，河南許昌461000；2.國家電網(wǎng)許繼集團(tuán)柔性輸電系統(tǒng)公司，河南許昌461000)

光伏電站存在現(xiàn)場運(yùn)維人員多而運(yùn)維效率低的問題，為減少光伏電站人工運(yùn)維成本，提高運(yùn)維效率，提出了無人或少人值守的光伏電站智能運(yùn)維系統(tǒng)，而智能運(yùn)維功能需要一個符合光伏電站實際運(yùn)維需求的知識庫平臺支撐，以專家理論數(shù)據(jù)、已建光伏電站的歷史經(jīng)驗數(shù)據(jù)和光伏電站設(shè)備運(yùn)行實時監(jiān)測數(shù)據(jù)為基礎(chǔ)，采用產(chǎn)生式規(guī)則表達(dá)式與模糊邏輯推理技術(shù)研究并構(gòu)建光伏電站運(yùn)維知識庫模型，通過運(yùn)維知識庫模型實現(xiàn)光伏電站智能運(yùn)維功能。

光伏電站；知識庫；智能運(yùn)維；模糊推理

隨著光伏產(chǎn)業(yè)的發(fā)展，光伏電站的建設(shè)日益增多，光伏電站運(yùn)維服務(wù)應(yīng)運(yùn)而生，最初常用的運(yùn)維方式是人工巡檢，但人工成本高、工人技能水平參差不齊，光伏電站運(yùn)維進(jìn)入運(yùn)維成本高而效率提升不明顯的尷尬境地，信息系統(tǒng)的建設(shè)為運(yùn)維服務(wù)提供了新的發(fā)展道路，而信息化、智能化的運(yùn)維服務(wù)要求信息系統(tǒng)數(shù)據(jù)庫具備豐富的光伏電站領(lǐng)域運(yùn)維知識。

目前，我國針對知識庫的研究與應(yīng)用還處于前期發(fā)展階段，尤其是在近幾年發(fā)展迅猛的光伏行業(yè)，針對光伏電站運(yùn)維服務(wù)的領(lǐng)域知識庫研究還較少。本文以公司光伏電站建設(shè)項目為依托，研究光伏電站運(yùn)維服務(wù)的運(yùn)維領(lǐng)域知識庫，構(gòu)建運(yùn)維知識庫模型，實現(xiàn)運(yùn)維知識庫在光伏電站運(yùn)維服務(wù)系統(tǒng)中的應(yīng)用。

1 知識管理與知識表示

1.1 知識管理

知識管理是對運(yùn)維服務(wù)中有價值的知識進(jìn)行獲取、分類、評審、表示的過程[1]。知識管理為知識庫模型的構(gòu)建提供了基礎(chǔ)數(shù)據(jù)。

其中，知識獲取即是挖掘光伏電站運(yùn)維領(lǐng)域知識，一方面來自領(lǐng)域內(nèi)專家的理論知識，另一方面來自現(xiàn)場運(yùn)維服務(wù)人員累積的經(jīng)驗知識，隨著信息系統(tǒng)的建設(shè)與發(fā)展，還有一方面知識來自光伏電站監(jiān)控系統(tǒng)的實時監(jiān)測數(shù)據(jù)。

知識聚類是對獲取到的知識按照實體概念進(jìn)行整理、抽取、劃分、聚類，同時建立實體單元之間的聯(lián)系。知識聚類的模型如圖1。

圖1 知識聚類模型

圖1中，統(tǒng)計分析是基礎(chǔ)，然后對知識進(jìn)行分類學(xué)習(xí)、聚類分析，建立知識集合與知識關(guān)聯(lián)規(guī)則。

知識評審即是對知識進(jìn)行質(zhì)量評估，確認(rèn)某條知識是否具有價值，同時檢查知識的冗余性、多義性、包含性、相容性與完整性，保證知識庫無冗余、無二義。

知識表示是以某種方式存儲知識的過程，是知識庫建模的關(guān)鍵。知識表示方式有多種，包括一階謂詞邏輯表示法、框架表示法、腳本表示法、產(chǎn)生式規(guī)則表示法、面向?qū)ο蟊硎痉?、語義網(wǎng)表示法、本體表示法[2]。它們都有其適用范圍，比如腳本表示法適用于實驗過程，邏輯表示法適用于研究結(jié)論，面向?qū)ο蟊硎痉ㄟm用于具有封裝性、繼承性、模塊性的對象，語義網(wǎng)表示法適用于概念關(guān)系，產(chǎn)生式規(guī)則表示法能夠表示不確定的知識，本體表示法能夠解決信息組織、重用和人機(jī)交互問題。

1.2 知識表示

本體表示法一般采用三元組(對象，屬性，值)或(關(guān)系，對象1，對象2)來表示事實，其中對象就是實體變量，是知識庫模型中不可再分的知識單元，包括現(xiàn)象、概念、標(biāo)準(zhǔn)、公理和基本的操作關(guān)系等[3]。考慮到運(yùn)維領(lǐng)域知識關(guān)聯(lián)的不確定性，引入置信度，定義為μ，則0<μ<1。本文采用四元組表示方法，即：(對象，屬性，值，置信度)或(關(guān)系，對象1，對象2，置信度)。例如：

事實“智能匯流箱的最大持續(xù)工作電壓是1.3Uoc(STC)”，可表示為[Smart junction box，Uc，1.3Uoc(STC)，1]。

其中，第四個參數(shù)表示置信度為1。

事實“超過熱極限導(dǎo)致IGBT失效”，可表示為(IGBT失效，超過熱極限，0.4)。

其中，第四個參數(shù)表示由“超過熱極限”導(dǎo)致IGBT失效的置信度為0.4，因為發(fā)生了超過熱極限，可能IGBT模塊仍然處于正常運(yùn)行狀態(tài)，但I(xiàn)GBT失效的原因之一就是超過熱極限。

基于產(chǎn)生式規(guī)則的知識表示是目前實現(xiàn)知識表示最基本、最成熟的方法。一般來說，基于產(chǎn)生式規(guī)則的知識庫就是一個規(guī)則庫，包含大量的業(yè)務(wù)知識規(guī)則。

產(chǎn)生式規(guī)則表示法的基本形式是：IF P Then Q。其中P是產(chǎn)生式的前提條件，即前件，由事實的邏輯組合構(gòu)成，Q是結(jié)論或動作，即產(chǎn)生式的后件，它表示當(dāng)前件P滿足時應(yīng)當(dāng)推出的結(jié)論或應(yīng)當(dāng)執(zhí)行的動作。舉例如下：

R1：

if測控裝置通信中斷and測控裝置液晶面板無顯示and運(yùn)行指示燈不亮

then測控裝置失電告警

其中，R1是產(chǎn)生式序號，“測控裝置通信中斷and測控裝置液晶面板無顯示and運(yùn)行指示燈不亮”是前件P，“測控裝置失電告警”是后件Q。

產(chǎn)生式規(guī)則知識表示具有自然性、模塊化、有效性、清晰性。其中，自然性是指直觀自然，可推理；模塊化是指知識規(guī)則與推理機(jī)構(gòu)相對獨(dú)立，對規(guī)則庫的維護(hù)方便；有效性是指產(chǎn)生式規(guī)則既可表示確定性知識，又可表示不確定性知識，既有利于表示啟發(fā)式知識，又可方便地表示過程性知識，因此可用于不確定性的問題研究；清晰性是指產(chǎn)生式規(guī)則由前件與后件構(gòu)成，格式固定，便于編程實現(xiàn)。

產(chǎn)生式規(guī)則表示法中的前件與后件可以用本體表示，使知識表示更靈活，更具有科學(xué)性和指導(dǎo)性。

2 模糊邏輯推理機(jī)制

知識的組織和推理在不同領(lǐng)域所需求解的問題域不同。在光伏電站信息化系統(tǒng)中，智能運(yùn)維主要運(yùn)用的邏輯推理方式有窮舉法和模糊推理法。窮舉法推理精確度高，能有效排除誤遙信的影響，但適應(yīng)性較差，因為同一光伏設(shè)備的型號可能不同，告警信號不可能完全一致，因此，這種推理方法在實際應(yīng)用中具有一定的局限性；模糊推理法的精確度不如窮舉法,偶然會受誤遙信的干擾，但適應(yīng)性很好，引入置信度，在條件沒有完全滿足的情況下，就可利用模糊函數(shù)推理，推理精確度也足以滿足實際運(yùn)行的需要。

2.1 模糊邏輯

經(jīng)典邏輯堅持所有對象都可以用二元的布爾值(0或1，黑或白，是或否)來表達(dá)，但日常問題和語意陳述往往是模糊的，模糊邏輯是處理部分真實概念的布爾邏輯擴(kuò)展，用真實度替代了布爾真值[4]。

本文所涉及的運(yùn)維領(lǐng)域的專家經(jīng)驗、運(yùn)維操作人員歷史運(yùn)維經(jīng)驗、啟發(fā)性知識等往往缺乏明確的邏輯關(guān)系，因此在推理過程中使用了基于定性分析的模糊語言。

歷史研究中的推理方法有非精確推理、非單調(diào)推理、模糊邏輯、粗糙集推理。其中，模糊邏輯推理是將不確定性的領(lǐng)域知識以模糊子集的表示方法存儲在規(guī)則知識庫中，同時采用模糊近似匹配規(guī)則的模糊推理過程，從而實現(xiàn)快速模糊推理。模糊邏輯產(chǎn)生式可表示為：

式中：α1、α2與α3表示各前件對象的權(quán)值；βb表示后件對象的置信值；μ表示該條規(guī)則的置信值。

2.2 推理機(jī)制

推理是指依據(jù)一定的原則，自動選擇適當(dāng)?shù)囊?guī)則從已有的事實出發(fā)推出結(jié)論的過程?；谀：壿嫷耐评硐到y(tǒng)包括三個組成部分：一是以特征向量形式表示的實體單元數(shù)據(jù)庫；二是存放模糊產(chǎn)生式規(guī)則的規(guī)則數(shù)據(jù)庫；三是利用實時獲得的故障特征向量與各規(guī)則前提條件進(jìn)行模糊匹配獲取故障診斷結(jié)果的推理機(jī)[5]。推理邏輯結(jié)構(gòu)如圖2所示。

圖2 推理邏輯結(jié)構(gòu)圖

圖2中，首先將領(lǐng)域知識進(jìn)行知識表示，用特征向量進(jìn)行描述，將待檢特征向量作為輸入值，然后基于領(lǐng)域知識的產(chǎn)生式規(guī)則和模糊邏輯并行推理，進(jìn)行決策融合，最終得出智能診斷結(jié)果。

3 運(yùn)維知識庫模型

3.1 知識庫

知識庫是通過全面有組織地進(jìn)行知識管理后形成事實、關(guān)聯(lián)規(guī)則和概念的知識集群，是設(shè)備運(yùn)維的理論基礎(chǔ)，智能決策的重要依據(jù)。知識庫的組織結(jié)構(gòu)如圖3所示。

圖3 知識庫組織結(jié)構(gòu)

3.2 模型構(gòu)建

在一個短時間段內(nèi)，光伏電站某一廠房內(nèi)設(shè)備連續(xù)發(fā)生兩個及以上告警或事故信號，這些連續(xù)發(fā)生的信號是一個存在關(guān)聯(lián)的有機(jī)整體，稱為一個綜合事件。這個綜合事件必然是由設(shè)備的某種異常或事故引起，運(yùn)用反向推理，即需要根據(jù)發(fā)生的綜合事件推理出該設(shè)備究竟發(fā)生了何種異常，并給出一個綜合判斷的解決方案。本文構(gòu)建的運(yùn)維知識庫模型的體系結(jié)構(gòu)如圖4所示。

圖4 運(yùn)維知識庫體系結(jié)構(gòu)

圖4中，原始數(shù)據(jù)庫用來存放光伏電站應(yīng)用環(huán)境的初始狀態(tài)和原始推理依據(jù)，同時，存放推理過程中動態(tài)產(chǎn)生的臨時結(jié)果和信息，所以原始數(shù)據(jù)庫處于不斷更新的狀態(tài)；規(guī)則庫是知識庫模型中的核心部分，包含了將問題從初始狀態(tài)轉(zhuǎn)換成目標(biāo)狀態(tài)所需要的所有變換規(guī)則；推理機(jī)由一組程序組成，使用規(guī)則庫中的規(guī)則和數(shù)據(jù)庫中的數(shù)據(jù)信息進(jìn)行推理，并對推理進(jìn)行解釋。

圖4表明，知識庫的自我構(gòu)建過程也是光伏電站智能運(yùn)維系統(tǒng)實際運(yùn)行的過程。通過人機(jī)交互界面與原始數(shù)據(jù)庫的數(shù)據(jù)采集與人工錄入，進(jìn)行知識獲取，經(jīng)過知識管理建立知識庫與推理機(jī)制，根據(jù)告警信息得出告警原因，同時查詢知識庫，系統(tǒng)自動給出運(yùn)維決策，即相應(yīng)告警情況的可參考解決方案，語音提醒相關(guān)運(yùn)維人員采取措施，修復(fù)故障，運(yùn)維人員最終修復(fù)故障的措施反饋給系統(tǒng)，繼而實現(xiàn)知識庫的更新，通過知識庫的不斷更新與積累，提高了系統(tǒng)智能運(yùn)維知識推理的正確性和結(jié)果的有效性。

4 運(yùn)維知識庫模型的應(yīng)用

4.1 光伏電站智能運(yùn)維

光伏電站設(shè)備運(yùn)行監(jiān)視的模擬量、開關(guān)量信息由數(shù)據(jù)監(jiān)測系統(tǒng)采集上來以后，大部分是按照時序顯示的事件，未作任何的分層或判斷處理，如圖5所示。當(dāng)發(fā)生事故產(chǎn)生大量時序信息時，變電所值班員很容易眼花繚亂、抓不住重點(diǎn)，影響事故的正確處理，并可能遺漏重要告警信號，延誤處理造成事故。

圖5 數(shù)據(jù)監(jiān)測顯示

因此，需要建立智能運(yùn)維系統(tǒng)，對光伏電站運(yùn)行信息進(jìn)行智能化處理，提取故障報警信息，輔助故障判斷及處理，處理告警和異常狀況，同時彌補(bǔ)運(yùn)維人員技術(shù)水平參差不齊帶來的隱患，并可作為運(yùn)維人員的上崗培訓(xùn)系統(tǒng)。

光伏電站的運(yùn)維內(nèi)容一般可分為全站巡檢、設(shè)備維護(hù)、設(shè)備故障檢修三大類，如圖6所示。本文主要針對設(shè)備故障檢修進(jìn)行智能運(yùn)維，實現(xiàn)對設(shè)備故障的短期預(yù)警、瞬時告警、源頭定位、異?，F(xiàn)象分析、故障原因判斷，并及時提供可參考的解決方案。

圖6 運(yùn)維粗分類

圖6表明，隨著光伏電站的大規(guī)模建設(shè)，一次設(shè)備與二次設(shè)備之間緊密關(guān)聯(lián)，造成運(yùn)維故障源增多，且故障原因多元化，因此需要構(gòu)建運(yùn)維知識庫模型，解決故障源多且原因復(fù)雜的問題。

4.2 運(yùn)維知識庫模型應(yīng)用

運(yùn)維知識庫中，一條運(yùn)維知識單元一般應(yīng)包括運(yùn)維或故障現(xiàn)象的描述、運(yùn)維或故障的設(shè)備狀態(tài)及實時數(shù)據(jù)、對故障原因的詳細(xì)分析，以及對應(yīng)的可行性解決方案。

本文中運(yùn)維知識庫模型將應(yīng)用于光伏電站智能運(yùn)維服務(wù)系統(tǒng)中，基于知識庫的智能運(yùn)維體系結(jié)構(gòu)如圖7所示。

圖7 智能運(yùn)維體系結(jié)構(gòu)

圖7中，業(yè)務(wù)邏輯層為智能運(yùn)維體系結(jié)構(gòu)的核心，包含了告警信息解析、數(shù)據(jù)獲取、知識管理、模糊邏輯推理等一系列模塊。數(shù)據(jù)層是智能運(yùn)維系統(tǒng)的基礎(chǔ)，從邏輯上劃分，包括了原始數(shù)據(jù)庫和采用產(chǎn)生式規(guī)則生成的知識庫。

以光伏電站某一故障告警推理知識庫中的業(yè)務(wù)規(guī)則為例，將業(yè)務(wù)知識轉(zhuǎn)化為產(chǎn)生式規(guī)則，形成運(yùn)維知識庫，如表1所示。

???? !"????????????????? ?????? ???? ?????????????????????????????#$%&????

光伏電站智能運(yùn)維系統(tǒng)對光伏電站內(nèi)各設(shè)備運(yùn)行狀態(tài)進(jìn)行實時監(jiān)測，同時分析實時監(jiān)測數(shù)據(jù)，如發(fā)電量、電壓、電流、功率值等，比如當(dāng)發(fā)電量曲線在一周內(nèi)持續(xù)下滑時，系統(tǒng)會自動檢索知識庫，并返回給用戶檢索結(jié)果，系統(tǒng)自動給出發(fā)電量持續(xù)下滑的原因是光伏組件長期未清洗，由于光伏組件蒙塵，得到的輻照度降低，直接導(dǎo)致發(fā)電效率的降低，系統(tǒng)提供的相應(yīng)解決方案即是及時清洗組件。

運(yùn)維知識庫通過智能運(yùn)維系統(tǒng)得以長期有效地被補(bǔ)充、完善，反之，光伏電站智能運(yùn)維系統(tǒng)通過運(yùn)維知識庫得以實現(xiàn)高效運(yùn)維、智能診斷。

5 結(jié)束語

本文基于目前發(fā)展迅速的光伏發(fā)電項目需求提出智能運(yùn)維系統(tǒng)，采用產(chǎn)生式規(guī)則生成知識庫，利用模糊邏輯技術(shù)建立推理機(jī)制，并在實際應(yīng)用中不斷更新、完善知識庫，實現(xiàn)了智能運(yùn)維知識庫模型的構(gòu)建。并且，經(jīng)過現(xiàn)有光伏電站智能運(yùn)維系統(tǒng)的仿真驗證，表明了該運(yùn)維知識庫模型的實時性、科學(xué)性與準(zhǔn)確性，具有較好的工程實用價值。

[1]吳肖琴，張曉凌.基于運(yùn)維服務(wù)的知識庫系統(tǒng)模型的研究[J].電腦與信息技術(shù)，2011，19(2)：6-8.

[2]吳釗，項經(jīng)猛.一種面向?qū)ο蟮哪：R庫模型[J].計算機(jī)應(yīng)用與軟件，2005，22(1)：22-23.

[3]HAO C J.Research on knowledge model for ontology-based knowledge base[C]//Business Computing and Global Informatization,2011 International Conference on.Shanghai:Institute of Electrical and Electronics Engineers,2011:397-399.

[4]REN Y C,XING T,CHAI X G,et al.Fuzzy rule representation and knowledge base construction in expert system[C]//Intelligent Systems and Knowledge Engineering(ISKE),2010 International Conference on.Hangzhou:Institute of Electrical and Electronics Engineer,2010:106-110.

[5]薛寒，謝利理，葉留義.基于模糊推理的電機(jī)故障診斷專家系統(tǒng)研究[J].計算機(jī)測量與控制，2010，18(1)：8-10.

Research on KB of intelligence operation based on PV power station

WANG Jing-dan1,LIU Gui-lian1,KONG Bo1,DONG Yong-chao1,GONG Xiao-wei2
(1.State Grid XJ Group Micro Grid Systems,Xuchang Henan 461000,China;2.State Grid XJ Group Flexible Transmission Systems,Xuchang Henan 461000,China)

The PV power station has prominent problems of superfluous operation staff and inefficient operation.In order to reduce cost of artificial operation of PV power station and improve operational efficiency,an intelligence operation and maintenance system of unattended or less people on duty PV power station was put forward.The intelligence operation function requires the support of knowledge base platform in line with the actual operational need of PV power station.Based on theoretical data of experts,historical and empirical data of constructed PV power station and real-time monitoring data of running PV equipment,operation knowledge base model of PV power station was researched and built by using production rule expressions and fuzzy logic inference techniques.The intelligence operation and maintenance was realized with operation KB model.

PV power station;knowledge base;intelligence operation;fuzzy reasoning

TM 182

A

1002-087 X(2016)08-1669-04

2016-01-22

王景丹(1987—)，女，河南省人，碩士，主要研究方向為光伏系統(tǒng)運(yùn)行控制和故障運(yùn)維技術(shù)。