基于語義分析的設備監(jiān)控告警信息知識圖譜構建研究

（國網(wǎng)浙江省電力有限公司溫州供電公司，浙江 溫州 325000）

0 引言

近年來，隨著多元融合的高彈性電網(wǎng)建設持續(xù)推進，電網(wǎng)規(guī)模不斷擴大，SCADA（數(shù)據(jù)采集與監(jiān)控）系統(tǒng)中上窗告警信息也越來越多。為幫助監(jiān)控人員快速、準確掌握故障處理的關鍵信息，為故障（異常）處理提供輔助決策，亟需借助AI（人工智能）技術完善多元化故障判別處理決策手段。文獻[1]提出了一種監(jiān)控告警信息綜合處理技術，提升了調控人員的整合感知能力。文獻[2-3]對告警信息智能化辨識和缺陷判斷提出了優(yōu)化策略，具有一定的指導意義。在AI 領域，知識圖譜技術可以模擬調控中心的“指揮大腦”，對設備監(jiān)控知識進行提煉、萃取、關聯(lián)、整合，形成知識模型，讓機器具備認知能力，從而形成調控知識引擎[4]。文獻[4-5]對知識圖譜在電力調度的應用進行了初步探索。文獻[6]提出了一種智能調控領域的知識圖譜構建方法，判定識別準確率較高，有效降低了人工處置風險。文獻[7]提出了一種面向電網(wǎng)故障處理輔助決策的知識圖譜應用框架，并綜述了解決思路與關鍵技術。文獻[8-9]提出了一種故障處置預案知識圖譜構建方法，對關聯(lián)技術進行了闡述，提升了輔助決策水平。

目前，在設備監(jiān)控故障診斷、缺陷判斷等方面尚無相對完善的知識圖譜構建輔助策略。本文提出了一種面向電力設備監(jiān)控告警信息處理輔助決策的知識圖譜構建方法，在構建電網(wǎng)設備知識譜圖的基礎上，將基于改進BM（Boyer-Moore）算法的語義分析技術和結線分析方法相結合，對告警信息進行智能化解析、判斷和分析，形成故障簡報，為監(jiān)控人員故障診斷、缺陷判定等提供決策依據(jù)。

1 設備監(jiān)控知識圖譜構建

知識圖譜是一種闡述實體語義聯(lián)系的網(wǎng)絡表述。實體和關系的知識抽取作為核心步驟，經(jīng)歷了從邏輯規(guī)則到深度學習的多個階段。典型的實體抽取方法有隱馬爾可夫模型、BiLSTM 等[10-11]。本文構建的設備集中監(jiān)控分析知識圖譜包含基礎數(shù)據(jù)層、圖譜構建層、信息解析層和推理決策層4 個環(huán)節(jié)，如圖1 所示。

圖1 設備集中監(jiān)控處理知識圖譜總體框架

2 故障告警信息文本預處理

2.1 圖譜基礎元件

在SCADA 系統(tǒng)獲取的告警信息中，結構化數(shù)據(jù)主要包括主變、斷路器、線路、母線、保護裝置和交直流設備等設備及其拓撲結構。本文將傳統(tǒng)電網(wǎng)拓撲結構轉化為基于三元組（SPO）表示的圖譜數(shù)據(jù)庫[12]。三元組形式是知識圖譜表征的一種常用方式，其表達式為：

式中：E 為實體集合；R 為關系集合；S 為三元組集合。結合告警信息中關鍵詞信息設計業(yè)務邏輯圖譜，如圖2 所示。

圖2 Neo4j 業(yè)務邏輯譜圖（部分）

本文構建的業(yè)務邏輯圖譜實質是從監(jiān)控現(xiàn)場運行規(guī)程、調度管理規(guī)程、故障處置預案等語義文本數(shù)據(jù)中獲得的知識，需借助NLP（自然語言處理）進行知識學習解析。

2.2 告警信息語義解析

當電網(wǎng)設備發(fā)生故障（異常）時，SCADA 系統(tǒng)會上送相關聯(lián)的告警信息，如事故分閘、保護動作、開關油壓低、重合閘閉鎖、開關油泵啟動、保護重合閘動作、控制回路斷線等關鍵信息。

在知識圖譜的基礎上，將基于改進BM 算法的語義分析技術與結線分析方法相結合[7]，對告警信息知識進行智能化字符解析，形成可供決策系統(tǒng)辨識的結構化表示，從而進行查詢匹配與判斷分析。

2.2.1 語義分析模型

將告警信息按照如下五元組結構進行解析[13]：

式中：V 為故障告警信號場景，對應SCADA 系統(tǒng)中變電站參數(shù)M1；D 為電氣設備名稱，對應設備參數(shù)表M2和斷路器參數(shù)表M3；O 為二次設備，包含保護類Op，斷路器類Ok和重合閘類Or，分別對應參數(shù)M4P，M4k，M4r；集合A 為保護類二次設備的動作屬性；集合B 為保護和斷路器的動作行為。

2.2.2 關鍵字符匹配算法

對于告警信息文本與語義的關鍵字符匹配，本文采用BM 算法。定義文本匹配度函數(shù)為：

式中：告警信息文本T=（ti）n，1≤i≤n；待匹配關鍵字段P=（pk）m，1≤k≤m，m＜n。

滿足式（4）則表示存在關聯(lián)字符，關聯(lián)長度為h+1。

為降低雙字符匹配容錯率，提高匹配準確度和處理速度，在BM 算法基礎上進行改進，得到雙字符串的匹配度計算公式[13-14]：

式中：m 為P 的總字符數(shù)；hmax為雙字符串最大關聯(lián)度，0≤hmax≤m 且hmax∈N*。

根據(jù)改進BM 算法策略[15]，以告警信息文本T=“芙雁變洋芙周蒲線開關油壓低重合閘閉鎖”、動作行為關鍵字段P=“重合閘”、m=3 和n=18 為例闡述改進BM 算法（斜體表示匹配失?。ヅ溥^程如表1 所示。共需4 次匹配，具體流程如下：

（1）將關鍵字段P 與告警信息文本T 左對齊開始依次匹配。關鍵字段P3與告警信息字符T3不匹配，繼續(xù)查看T4；因字符T4在關鍵字段P 中不存在，繼續(xù)查看后續(xù)字符T5；因字符T5與關鍵詞中的P1不一致，將關鍵字段P 向右移動m+2=5 位。

（2）由于關鍵字段P 的尾字符P3與告警信息文本T 的字符T8不匹配，且后續(xù)字符T9在關鍵字段P 中不存在，字符T10的匹配模式亦同。因此，結合匹配規(guī)則將關鍵字段P 向右移動m+2=5 位。

（3）由于關鍵字段P 的尾字符P3與告警信息文本T 的字符T13不匹配，后續(xù)字符T14與關鍵字段P 中字符P1相同，將關鍵字段P 向右移動m=3 位。

（4）第4 次匹配成功，根據(jù)改進BM 算法，關鍵字符P 經(jīng)過3 次移動、8 次匹配操作完成檢索。

通過將告警信息T 與語義庫中關鍵詞P 進行算法匹配，可以得到該告警信息對應的變電站、設備名稱和保護類型等關鍵信息。

2.2.3 告警信息解析過程

首先，將告警信息文本與SCADA 系統(tǒng)中M1，M2和M3的名稱匹配，確定告警發(fā)生的廠站、設備名稱或斷路器；其次，與二次設備O 的模版M4p，M4k，M4r匹配，確定該告警信息文本中斷路器或保護裝置所對應的基本設備；然后，根據(jù)集合來判定告警信息的保護動作屬性；最后，利用集合來判定保護或斷路器的動作行為，具體判別流程如圖3 所示。

圖3 告警信息解析匹配流程

3 知識推理引擎

在告警信號經(jīng)字符解析出關鍵信息后，結合電網(wǎng)運行和保護控制的先驗知識診斷故障情況。在運行與控制邏輯、規(guī)則的基礎上，結合系統(tǒng)拓撲和結線分析原理、保護的類型和屬性、跳閘原則，可構建以下3 種告警信息之間的關聯(lián)關系[12]。

3.1 電氣設備和斷路器關聯(lián)的建立

結合文獻[16-17]的解析模型建立告警信息關聯(lián)關系，利用結線分析規(guī)則，其動作判據(jù)：定義S（si）n為故障失電子系統(tǒng)集合；T（ti）n為端點號集合；C（ci）n為斷路器集合，ci作為di直接相連的跳閘斷路器。

設備故障區(qū)域內的電氣設備和斷路器的關聯(lián)式為：

式中：Sys（x，y）為設備所屬子系統(tǒng)一致性判定函數(shù)；tj，di為Sn，T，C 內任一元素；CK（ci，tj）為端點與斷路器關聯(lián)判別函數(shù)。

假定故障范圍的所有斷路器遙信均在分位，若tj為設備di與斷路器ci的共有端點，則ci為di在當前狀態(tài)下的關聯(lián)斷路器，表示第j 臺斷路器位置為分位。

表1 改進BM 算法匹配過程

若di不為線路時，cj為跳閘斷路器。若滿足以下條件，則cj為di的跳閘斷路器：

式中：EFlag（ti）為帶電標志函數(shù)，EFlag（ti）=1 表示該元件不帶電。

3.2 保護類告警信息關聯(lián)建立

保護類告警信息可以根據(jù)解析后的二次設備集合O 進行判定，主保護的判定規(guī)則為含關鍵詞“瓦斯”“差動”“高頻”；結合保護裝置的動作屬性A，可對“零序”“距離”等類型保護進行確定。

因110 kV 線路故障跳閘的告警信息上窗信號中包含關鍵詞為“保護動作”“重合閘”，將符合所有主保護動作判定規(guī)則的告警信息的動作表示為集合APj{fej}，給出了差動主保護規(guī)則解析式：

將符合所有重合閘動作判定規(guī)則的告警信息的動作表示為集合ACr={frr}，給出了涉及110 kV線路故障跳閘的重合閘規(guī)則解析式：

式中：R（ci）為驅動斷路器ci跳閘的保護類告警信息ri的集合；paci，pbci，pcci為ci跳閘的相別。

3.3 保護與斷路器告警信息關聯(lián)建立

對于某一故障設備di，通過式（6）、式（7）可推導相關斷路器，告警信號中涉及斷路器動作的表述可表示為：

式中：R（ck）為驅動斷路器ck跳閘的保護類遙信告警rk的集合。

基于結線分析的邏輯判斷知識推理具備對保護動作情況分析、重合閘情況分析和故障相別判斷分析的能力。

4 告警信息故障診斷總流程

結合本文構建的告警信息知識圖譜框架及語義解析、推理引擎方法，給出了基于自然語義分析的設備故障診斷處置流程，如圖4 所示。

圖4 基于知識圖譜的設備故障診斷流程

5 基于知識圖譜的設備故障診斷應用

對于電力系統(tǒng)中非結構化數(shù)據(jù)的文本告警信息，通過自然語義識別技術提取關鍵詞后，進入基于知識圖譜的設備監(jiān)控故障處置流程。本文以浙江某地廠站110 kV 洋芙周蒲1119 線線路故障跳閘為例，SCADA 系統(tǒng)窗口上送告警信息為：

（1）“2020-03-30 T 15:58:42 芙雁變洋芙周蒲1119 線保護動作 動作”。

（2）“2020-03-30 T 15:58:42 芙雁變洋芙周蒲1119 線開關油壓低重合閘閉鎖 動作”。

設備監(jiān)控故障診斷流程中的關鍵內容如圖5所示。

電網(wǎng)設備線路跳閘告警信息上窗后：

圖5 設備監(jiān)控電網(wǎng)故障診斷處置案例

（1）通過語義解析篩選芙雁變、洋灣變的故障間隔名稱、保護動作、重合閘動作等信息，將設備名稱及拓撲關系與設備實體圖譜進行匹配，判別告警信息非誤發(fā)信號。

（2）利用故障診斷的關聯(lián)業(yè)務邏輯圖譜，進而獲得當前線路的屬性與運行狀態(tài)。

（3）進入邏輯關系判別，告警信息與業(yè)務邏輯關系匹配，且無斷路器拒動、誤動發(fā)生。

結合芙雁變與洋灣變各側的開關、線路、保護設備的廠站線路關系，得到故障診斷結果：線路故障發(fā)生于洋芙周蒲1119 線，故障相別為A相，重合成功。結合告警信息所關聯(lián)的知識圖譜節(jié)點，生成110 kV 線路故障跳閘簡報，以供設備監(jiān)控人員對故障的診斷決策。

6 結語

為了實現(xiàn)對電網(wǎng)監(jiān)控系統(tǒng)海量告警信息的智能化辨識和分析，本文提出了一種面向電力設備監(jiān)控告警信息處理輔助決策的知識圖譜構建方法：

（1）將基于改進BM 算法的自然語義分析和結線分析方法相結合，實現(xiàn)對故障告警信息的智能化解析，實現(xiàn)海量實時告警信息的篩選、過濾和智能判別。該方法可為故障診斷提供輔助決策。

（2）多維度設備感知信息有利于降低監(jiān)控人員對關鍵信息的誤報漏報率，幫助監(jiān)控人員快速、準確掌握故障處理的關鍵信息，減輕視覺疲勞，提高告警處置的正確性和電網(wǎng)運行的安全性。

（3）為故障異常診斷后的智能化匯報、缺陷判斷等應用奠定框架基礎，從知識圖譜現(xiàn)有技術和趨勢出發(fā)，為集中監(jiān)控智能分析平臺的應用拓展提供了理論指導。