趙振濤，張大海，李永生

（1．電網(wǎng)智能化調度與控制教育部重點實驗室（山東大學），濟南250061；2．山東菏澤供電公司，菏澤274000）

基于專家規(guī)則和信息論的電網(wǎng)警報處理方法

趙振濤1，張大海1，李永生2

（1．電網(wǎng)智能化調度與控制教育部重點實驗室（山東大學），濟南250061；2．山東菏澤供電公司，菏澤274000）

針對電網(wǎng)發(fā)生故障時存在誤報和漏報等不確定情況，提出一種基于專家規(guī)則和信息論的電網(wǎng)警報處理方法。該方法對警報處理過程中的警報劃分集合關系，通過基于專家規(guī)則的正反向推理得到候選故障原因的特征警報集，并引入信息熵分析顯示的警報集和特征警報集的相關聯(lián)程度，科學地量化分析處理過程中的不確定程度。提取的交互信息量和信息比兩個特征指標，在考慮時序特性與不考慮時序特性兩種情況下，均能實時準確評估候選故障原因。實際算例驗證了該方法的實用性和有效性。

電網(wǎng)警報；專家規(guī)則；信息熵；時序特性；評估指標

警報處理系統(tǒng)對電力安全生產、高效運行的重要意義勿庸置疑，電力系統(tǒng)運行方式的改變會引起數(shù)據(jù)采集與監(jiān)控SCADA（supervisory control and data acquisition）系統(tǒng)產生大量的警報信息，特別是復雜故障情況下和雷雨大風等惡劣天氣時會造成短時間內的警報泛濫[1]。近年來，無人變電站的增多及電網(wǎng)規(guī)模的增大使實時監(jiān)測的數(shù)據(jù)點數(shù)目大幅度增加。同時，可再生能源的大量接入給電網(wǎng)帶來較大幅度的擾動，這些都給報警系統(tǒng)的設計帶來了很大的挑戰(zhàn)。

20世紀末，有學者將警報處理看作是模式識別問題，把故障診斷系統(tǒng)引入到報警處理系統(tǒng)中，提出了基于規(guī)則庫的警報處理方法，并采用專家系統(tǒng)等智能算法來推斷分析警報信息產生的原因。后來，將引入故障診斷的報警系統(tǒng)逐漸地稱之為智能報警系統(tǒng)[1]。目前，國內外應用于警報處理的智能算法有專家系統(tǒng)[2]、貝葉斯網(wǎng)絡[3]和Petri網(wǎng)絡[4]等。這些方法一般都能給出確定性的診斷結果，但都存在明顯的缺陷，如實時性差、知識庫維護困難等，特別是在復雜故障時不能保證診斷結果的準確性。

本文在已有研究基礎上，對警報處理問題做進一步分析，提出了基于專家規(guī)則和信息論的警報處理方法。該方法引入電力系統(tǒng)信息化和警報信息熵概念，提取了交互信息量I（A，K）和信息比IR指標，對顯示的警報信息和系統(tǒng)事件集進行不確定性分析。該指標計算方便，能夠快速、準確地評估各候選故障原因，從而找出可能性最大的事故原因。通過對算例的實際分析，驗證了該方法的有效性。

1 警報處理問題描述

現(xiàn)代警報系統(tǒng)將組合警報、拓撲處理以及時序特性等引入到報警處理過程中，按照警報信息的重要程度進行分層顯示。為體現(xiàn)報警系統(tǒng)的智能化，報警系統(tǒng)采用專家系統(tǒng)等故障診斷算法對報警信息進行推理分析，得到故障輔助決策。為便于理解各警報之間的關系，本文采用集合理論對各警報進行劃分。首先給出各警報集合的定義[5]：

（1）系統(tǒng)事件集Es：所有可能發(fā)生的原因事件的集合。

（2）系統(tǒng)警報集As：所有可能發(fā)生的警報事件的集合。

（3）特征警報集K：某個原因事件發(fā)生時，應該引起的警報事件的集合。

傳統(tǒng)的警報系統(tǒng)是調度人員經(jīng)過培訓，憑借培訓的知識和經(jīng)驗來判斷哪個事件引起了顯示的警報事件信息。智能報警系統(tǒng)的警報處理則是依靠特定的警報處理方法，對顯示的警報事件進行推理分析，得到可能性最大的原因事件，系統(tǒng)事件集與特征警報集的數(shù)學關系描述為

式中：ei是指原因事件i；A（i）是指原因事件i對應的特征警報集；ne是指Es中所包含的可能原因事件的數(shù)目；NA={1，2，…，na}，na是As中所包含的警報事件的總數(shù)。

警報處理問題就是將可能的原因事件ei對應的特征警報集A（i）與顯示的一組警報A（A?As）對比分析，確定它們之間的相關聯(lián)程度，而找出最有可能發(fā)生的原因事件。在電網(wǎng)故障過程中，由于保護或開關的誤動、拒動等因素的存在，可能造成誤報與漏報，有時多種故障情況可能產生相同的警報信息。尤其在復雜故障發(fā)生時，這種不確定性更加明顯。為此，需要定義一個綜合指標，來充分利用警報有用信息，使參與決策的已知信息量最大，系統(tǒng)決策更合理。

2 警報處理的方法原理及步驟

2.1 警報處理系統(tǒng)的專家規(guī)則

電網(wǎng)發(fā)生故障后，SCADA系統(tǒng)提供了豐富的故障信息，含有電壓電流等遙測信息，也包括保護開關的遙信信息，本文在進行警報處理時，僅考慮保護和開關信息。報警信息具有離散性、時序性及相關性等特點，反映到監(jiān)控中心的離散報警信息具有時標屬性，相關的警報信息組合可解釋系統(tǒng)發(fā)生的故障事件。

電網(wǎng)發(fā)生故障時，保護開關動作與故障設備之間存在著必然的因果關系，這些關系可用領域專家的產生式規(guī)則來描述。圖1給出了廣州地區(qū)220 kV電力系統(tǒng)的某輸電線路故障時形成的基于規(guī)則的約束網(wǎng)絡實例[6]，其中，ci表示可能發(fā)生的原因事件，ai表示實時警報信息，詳細警報事件可參考文獻[6]。

圖1 某設備故障時的規(guī)則約束網(wǎng)絡實例Fig.1An example of rule constrained network for a fault scene

正向推理規(guī)則是根據(jù)保護開關的警報信息和保護范圍進行推理，建立可疑故障設備集F，如圖1中通過正向推理得到可能發(fā)生的線路故障、母線故障等原因事件，記作c1～c6。

規(guī)則1跳閘斷路器3段保護范圍內的設備屬于可疑故障設備集F。

規(guī)則2與跳閘斷路器同廠站、同電壓等級、帶失靈保護的未跳閘斷路器，與其相連的設備屬于可疑故障設備集F。

反向推理規(guī)則是結合電網(wǎng)的一次設備模型，從可疑的故障設備出發(fā)，根據(jù)保護動作規(guī)則生成。圖1中，以線路故障事件c1為例，經(jīng)過反向推理得出應該發(fā)生的警報信息為線路兩端的差動保護動作a1和a27，以及相應斷路器跳閘警報，即a21、a22、a23、a29、a30、a31。

2.1.1 不計警報時序特性的規(guī)則推理

完整的規(guī)則推理包括原因事件、警報事件和它們之間的邏輯關系。通過顯示的警報信息，并結合網(wǎng)絡拓撲結構，進行正向推理，得到故障候選原因E。然后根據(jù)系統(tǒng)配置規(guī)則，進行反向推理，得到相應特征警報集K。圖1中，推出的原因事件分別是c1～c6，其中原因事件c1的特征警報集K包括a1、a21、a22、a23、a27、a29、a30、a31。其他原因事件與此類似。2.1.2計及警報時序特性的規(guī)則推理

時序特性是離散警報蘊含的重要信息，如線路故障后，主保護一般延遲10～20 ms，斷路器動作延遲是40～60 ms，失靈保護延遲是220～250 ms等。利用警報信息的時序特性進行一致性識別，能夠進一步提高診斷結果的準確性。文中采用a＜t0＞表示警報信息a在t0時刻發(fā)生，a[t0，t1]表示警報信息a應該在[t0，t1]時間段內發(fā)生。

采用時區(qū)描述時間特性，根據(jù)保護配置原則，設備保護在時間上具備選擇性，現(xiàn)有輸電網(wǎng)絡的各級保護都考慮了時間級差配合。以故障時刻為參照，將故障后時間劃分為主保護動作時區(qū)、失靈保護動作時區(qū)和后備保護動作時區(qū)。計及警報時序特性時，候選原因的評估利用保護動作的時間級差，在各個時區(qū)內進行正反向推理，得到帶有時標的故障候選原因E及相應的特征警報集K。圖1中，在0～60 ms時區(qū)內，由顯示的警報集可推出帶有時標的候選原因c1、c2、c4和c6。

參考美國ANSI/ISA Standard 18.2—2009標準[7]和英國EEMUA Publication 191規(guī)范[8]，對引用的正確報警、漏報和誤報進行定義。

正確報警是指電力系統(tǒng)處于不正常狀態(tài)時，產生并在報警窗顯示給調度員的報警信息，正確報警數(shù)以NHit表示。

漏報是指電力系統(tǒng)處于不正常狀態(tài)時（異常或故障）時，并沒有出現(xiàn)在報警窗顯示給調度員的報警信息，漏報數(shù)以NMiss表示。

誤報是指電力系統(tǒng)正常狀態(tài)下產生并在報警窗顯示給調度監(jiān)控人員的警報信息，誤報數(shù)用NFA表示。

這里的誤報和漏報都是相對于特征警報集來講的。顯示給調度人員的是比較重要的警報集A，其中有誤報和正確報警，如圖1所示，計及警報信息時序特性時，相對于候選原因c1[-18，-10]，正確報警為a1＜0＞、a21＜49＞、a22＜49＞、a27＜2＞、a29＜50＞、a30＜50＞、a31＜51＞，漏報為a23[32，70]，沒有誤報，即NHit、NMiss、NFA的值分別為7、1、0。不計警報信息時序特性時，正確報警和漏報不變，而誤報包括顯示警報集中除正確警報外所有已發(fā)生的警報，即NHit、NMiss、NFA的值分別為7、1、10。其他與此類似。

2.2 信息論及其在警報處理中的應用

信息熵是信息論之父香農1948年提出的，主要研究信息的量化度量問題，是分析隨機變量不確定性的科學理論。隨著信息科學的不斷發(fā)展，信息理論在警報處理過程中有廣闊的應用前景[9-10]。

2.2.1 信息熵

根據(jù)信息熵理論，對于一個不確定系統(tǒng)，若用一個含有有限隨機事件的集合X表示其狀態(tài)特

征，取值為xi的概率為pi（i=1，2，…，n），且1，則集合X中任意一個事件xi的自信息量

在集合X上，隨機變量H（xi）（i=1，2，…，n）的數(shù)學期望定義為平均自信息量，稱為集合X的信息熵，即

式中：N取2；若pi=0，規(guī)定pilb pi=0，bit。

在電力系統(tǒng)警報處理過程中，顯示給調度人員的警報事件和原因事件是不確定的，顯示警報集A和特征警報集K的自信息量分別為H（A）和H（K）。其中，H（A）表示顯示的是警報集傳遞的平均信息，值越大，表明不確定性越大。

2.2.2 交互信息量I（A，K）和信息比IR

信息量可用于測量定性變量間的相關聯(lián)程度，且已在電力系統(tǒng)及核電站故障診斷中有了初步的應用[11-12]。本文在已往信息量研究基礎上，提取交互信息量和信息比兩個特征指標來評估各故障候選原因。其中，交互信息量I（A，K）表征由顯示警報集A所得到的某原因事件ei的信息量，即ei的不確定程度減少量，且式中，關聯(lián)熵H（A，K）是信息熵的拓展，在警報處理過程中，離散的警報信息是相關聯(lián)的，組合的警報信息能夠推出系統(tǒng)的故障事件。特征警報集K中，每個特征警報事件與顯示的警報事件的相關性大小是不確定的，本文引入關聯(lián)熵H（A，K），以定量分析顯示警報集A與特征警報集K的相關聯(lián)程度，H（A，K）值越大，關聯(lián)程度越小。

將式（5）代入式（6）得

信息比IR是表征顯示警報集A確定后，特征警報集K的熵值相對減少量，即

式中，IR∈[0，1]。

考慮到工程實際中各種警報發(fā)生的概率不易獲得，本文采用文獻[12]的工程處理方法，假定各警報事件發(fā)生的概率相等，即

將式（9）、式（10）和式（11）代入式（7）得

將NHit、NMiss、NFA代入式（12），即

各候選原因事件發(fā)生的可能性可以通過交互信息量I（A，K）和信息比IR兩個特征指標來判斷。容易驗證，兩個指標正相關的，I（A，K）和IR的值越大，表明該候選原因事件的不確定程度越小，即發(fā)生的可能性越大。

2.3 警報處理步驟

基于專家規(guī)則和信息論的警報處理步驟。

步驟1根據(jù)SCADA系統(tǒng)采集的斷路器狀態(tài)，確認與動作開關相聯(lián)系的失電區(qū)域。依據(jù)正向推理規(guī)則將失電區(qū)域內的所有主設備視為可疑故障設備，得到可疑故障設備集F。

步驟2結合電網(wǎng)拓撲結構及保護網(wǎng)絡范疇，進行推理，做出所有可能的故障原因假設，得到故障候選原因事件集E（E?Es）。

步驟3根據(jù)規(guī)則庫中的保護配置規(guī)則，對每個可疑故障設備的候選原因事件進行反向推理，確定各候選原因事件的特征警報集K。

步驟4對每個候選原因事件，將顯示的警報集A與特征警報集K做比較統(tǒng)計，得到相應原因事件的NHit、NFA和NMiss，并將它們代入評估指標I（A，K）和IR求解。

步驟5對所有的疑似故障設備，重復步驟2～步驟4進行處理，得到各故障候選原因的評估指標。根據(jù)本文提出的評估原理，得到可能性最大的候選原因事件，最后將處理結果顯示給調度人員。

3 算例

采用文獻[6]中關于廣州地區(qū)220 kV電力系統(tǒng)發(fā)生的實際警報處理案例，系統(tǒng)接線方式如圖2所示。

圖2 電力系統(tǒng)接線方式Fig.2Power system connection structure

文獻[6]引入警報信息的時序特性，并采用覆蓋集理論和Tabu搜索方法進行診斷分析。診斷結果為在-18～-10 ms時間段內，線路L2943發(fā)生故障，在29～59 ms時間段內，碧山站C12斷路器拒動。其中，顯示警報集A、系統(tǒng)保護配置規(guī)則及警報事件的編號參見文獻[6]。

基于本文提出的警報處理方法，在考慮時序特性與不考慮時序特性兩種情況下分別對該案例進行分析。

按照警報處理步驟，首先根據(jù)SCADA系統(tǒng)采集的斷路器狀態(tài)確認失電區(qū)域，得到可疑故障設備集F={L2943，B3，B4}。結合電網(wǎng)拓撲結構及保護配置，在不計警報時序特性時，進行正向推理，形成各候選原因事件集E={c1，c2，c3，c4，c5，c6}。計及警報時序特性時，在0～60 ms和250～350 ms時間段內進行正向推理，形成的各候選原因事件集{c1[-18，-10]、c2[-1061，-941]、c3[249，278]、c4-1[-31，-1]、c4-2[253，278]、c5[29，59]、c6[-1059，-940]}。

根據(jù)規(guī)則庫中的保護配置規(guī)則，對各個候選故障原因進行反向推理，得到各候選原因的特征警報集K。在計及警報時序特性和不計警報時序特性兩種情況下，分別將顯示的警報集A與特征警報集K做比較，形成候選原因對應的正確報警、誤報、漏報，并統(tǒng)計出NHit、NFA和NMiss，結果見表1。

表1 NHit、NMiss和NFA的統(tǒng)計結果Tab.1Statistical results of NHit，NMissand NFA

由表1知，計及警報信息時序特性時，在0～60 ms和250～350 ms時間段內的警報提供的自信息量是不一樣的，這是由于兩個時間段內顯示警報的不同造成的。

計及警報信息時序特性時，按照警報處理步驟，將表1中的統(tǒng)計值代入特征指標，得到各候選原因的評估結果。以候選原因c1為例，NHit、NFA和NMiss的值分別為7，1，0，代入式（13）得：I（A，K）= lb[（7+1）（7+0）]-lb[（7+0）（7+1）-7]=0.193，IR=0.193/lb（7+0）≈0.069。其他依次類推，結果見表2。

由表2知，計及警報信息的時序特性時，在0～60 ms，c1（線路L2943故障）的I（A，K）和I.R值最大；在250～350 ms時間段，c5（碧山站C12斷路器拒動）的I（A，K）和IR值最大，根據(jù)評估原理，候選原因事件c1和c5為實際發(fā)生故障，與實際發(fā)生的事件一致。

不計警報信息的時序特性時，按照警報處理步驟，將統(tǒng)計結果代入特征指標，得出故障候選原因的評估結果，如表3所示。

表2 系統(tǒng)故障原因評估（計及警報時序特性）Tab.2Evaluation of diagnostic causes of power system（subjected to temporal constraint）

表3 系統(tǒng)故障原因評估（不計警報時序特性）Tab.3Evaluation of diagnostic causes of power system（without temporal constraint）

由表3可知，不考慮警報信息的時序特性時，系統(tǒng)警報集的自信息量H（A）都增大，而提供的信息量都相對減小。其中，最大的兩個是c5和c1，與實際發(fā)生的事件一致，但應注意到c4也較大，可能會影響調度員的診斷結果。因而，可以看出計及警報信息時序特性的警報處理系統(tǒng)更準確。

通過對上述算例的分析可知，文中的警報處理方法具有較高的容錯性，在保護開關動作信息不完整、不一致等情況下，仍能得出準確的結論，并且計算簡便，易于解釋，不需要人為設置權重系數(shù)，較文獻[6]中的方法有更高的可靠性和實用性。

4 結語

本文提出了一種基于專家規(guī)則和信息論的電力系統(tǒng)警報處理方法。該方法利用信息論提取了交互信息量I（A，K）和信息比IR兩個特征指標，并結合電網(wǎng)拓撲和保護配置形成的規(guī)則約束，對警報處理過程中的不確定性進行科學的量化，從而輔助調度人員快速地判斷故障發(fā)生的原因。算例表明該方法是可行的，而且具有實時性好、容錯性強等優(yōu)點，可滿足廠站監(jiān)控人員警報處理的實際需求。

[1]Kirschen D S，Wollenberg B F.Intelligent alarm processing in power systems[J]．Proceedings of the IEEE，1992，80（5）：663-672．

[2]劉青松，夏道止（Liu Qingsong，Xia Daozhi）．基于正反向推理的電力系統(tǒng)故障診斷專家系統(tǒng)（Expert system of power system fault diagnosis based on forward and backward reasoning）[J].電網(wǎng)技術（Power System Technology），1999，23（9）：66-68，71.

[3]吳欣，郭創(chuàng)新（Wu Xin，Guo Chuangxin）．基于貝葉斯網(wǎng)絡的電力系統(tǒng)故障診斷方法（Power system fault diagnosis approach based on Bayesian network）[J].電力系統(tǒng)及其自動化學報（Proceedings of the CSU-EPSA），2005，17（4）：11-15，40.

[4]匡迎春，沈岳，羅日成（Kuang Yingchun，Shen Yue，Luo Richeng）．基于Petri網(wǎng)并分解技術的電網(wǎng)故障診斷（Fault diagnosis of power system based on the union decomposition technology of Petri net）[J].電力系統(tǒng)及其自動化學報（Proceedings of the CSU-EPSA），2008，20（1）：57-60.

[5]文福拴，韓禎祥（Wen Fushuan，Han Zhenxiang）．基于覆蓋集理論和Tabu搜索方法的電力系統(tǒng)警報處理（A new approach to alarm processing in power systems based upon the set covering theory and Tabu search method）[J]．電力系統(tǒng)自動化（Automation of Electric Power Systems），1997，21（2）：18-23，36.

[6]郭文鑫，文福拴，廖志偉，等（Guo Wenxin，Wen Fushuan，Liao Zhiwei，et al）．基于時序約束網(wǎng)絡的電力系統(tǒng)在線警報處理解析模型（An analytic model for power system online alarm processing based on temporal constraint network）[J].電力系統(tǒng)自動化（Automation of Electric Power Systems），2009，33（21）：36-42，65.

[7]ANSI/ISA-18.2-2009，Management of alarm systems for the process industries[S].

[8]EEMUA 191，Alarm systems—a guide to design，management and procurement[S]．

[9]李立萍，張明友．信息論導引[M]．成都：電子科技大學出版社，2005．

[10]白雪梅，趙松山（Bai Xuemei，Zhao Songshan）．對于信息與熵的認識及其應用（Cognition and application for information and entropy）[J]．統(tǒng)計與信息論壇（Statistics& Information Tribune），2001，16（46）：7-12．

[11]湯磊，孫宏斌，張伯明，等（Tang Lei，Sun Hongbin，Zhang Boming，et al）．基于信息理論的電力系統(tǒng)在線故障診斷（Online fault diagnosis for power system based on information theory）[J]．中國電機工程學報（Proceedings of the CSEE），2003，23（7）：5-11．

[12]Kang H G，Seong P H．A methodology for evaluating alarmprocessingsystemsusinginformationalentropy-basedmeasure and the analytic hierarchy process[J]．IEEE Trans on Nuclear Science，1999，46（6）：2269-2280．

An Approach to Process the Power Grid Alarm Based on the Rules of Experts and Information Theory

ZHAO Zhen-tao1，ZHANG Da-hai1，LI Yong-sheng2
（1.Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education（Shandong University），Jinan 250061，China；2.Shandong Heze Power Supply Company，Heze 274000，China）

On the bases of the rules of experts and information theory，an approach to process the power system alarm is presented，which can tackle the uncertainty in the process of alarm processing，e.g.misleading alarms，missing alarms，etc.This method initially clarifies the aggregation relationship and establishes the characterized alarms of candidate faulty equipments by means of forward and backward reasoning based on rules of experts.Then the correlation of the given alarms and characterized alarms is analyzed in order to quantify the uncertainty.Two metrics（i.e.the amount of interactive information and the information ratio）are extracted to obtain the real fault cause，and the metrics could accurately evaluate the amount of information of the candidate fault causes in real time（with and without considering the temporal constraint）.Results of practical numerical example indicate that the proposed method is available and effective.

power system alarm；rules of expert；information entropy；temporal constraint；evaluation metrics

TM71

A

1003-8930（2014）12-0069-05

趙振濤（1987—），男，碩士研究生，研究方向為電力系統(tǒng)調度自動化、電力系統(tǒng)監(jiān)控和電能質量。Email：sduzzt@163. com

2012-09-17；

2012-12-11

張大海（1973—），男，博士，副教授，研究方向為電力系統(tǒng)監(jiān)控、電力電子與電能質量。Email：dhzhang@sdu.edu.cn李永生（1985—），男，碩士，工程師，研究方向為電力系統(tǒng)自動化。Email：sdueng806@126.com