基于語義分析的設備監控告警信息知識圖譜構建研究

（國網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建設持續推進，電網規模不斷擴大，SCADA（數據采集與監控）系統中上窗告警信息也越來越多。為幫助監控人員快速、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”，對設備監控知識進行提煉、萃取、關聯、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，對關聯技術進行了闡述，提升了輔助決策水平。

目前，在設備監控故障診斷、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，為監控人員故障診斷、缺陷判定等提供決策依據。

1 設備監控知識圖譜構建

知識圖譜是一種闡述實體語義聯系的網絡表述。實體和關系的知識抽取作為核心步驟，經歷了從邏輯規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控分析知識圖譜包含基礎數據層、圖譜構建層、信息解析層和推理決策層4 個環節，如圖1 所示。

圖1 設備集中監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 系統獲取的告警信息中，結構化數據主要包括主變、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。本文將傳統電網拓撲結構轉化為基于三元組（SPO）表示的圖譜數據庫[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務邏輯圖譜，如圖2 所示。

圖2 Neo4j 業務邏輯譜圖（部分）

本文構建的業務邏輯圖譜實質是從監控現場運行規程、調度管理規程、故障處置預案等語義文本數據中獲得的知識，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

當電網設備發生故障（異常）時，SCADA 系統會上送相關聯的告警信息，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 系統中變電站參數M1；D 為電氣設備名稱，對應設備參數表M2和斷路器參數表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）則表示存在關聯字符，關聯長度為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；hmax為雙字符串最大關聯度，0≤hmax≤m 且hmax∈N*。

根據改進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（斜體表示匹配失敗），匹配過程如表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，繼續查看T4；因字符T4在關鍵字段P 中不存在，繼續查看后續字符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，根據改進BM 算法，關鍵字符P 經過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 系統中M1，M2和M3的名稱匹配，確定告警發生的廠站、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

在告警信號經字符解析出關鍵信息后，結合電網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、規則的基礎上，結合系統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關系[12]。

3.1 電氣設備和斷路器關聯的建立

結合文獻[16-17]的解析模型建立告警信息關聯關系，利用結線分析規則，其動作判據：定義S（si）n為故障失電子系統集合；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。

設備故障區域內的電氣設備和斷路器的關聯式為：

式中：Sys（x，y）為設備所屬子系統一致性判定函數；tj，di為Sn，T，C 內任一元素；CK（ci，tj）為端點與斷路器關聯判別函數。

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在當前狀態下的關聯斷路器，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，EFlag（ti）=1 表示該元件不帶電。

3.2 保護類告警信息關聯建立

保護類告警信息可以根據解析后的二次設備集合O 進行判定，主保護的判定規則為含關鍵詞“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則解析式：

將符合所有重合閘動作判定規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

對于電力系統中非結構化數據的文本告警信息，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”。

設備監控故障診斷流程中的關鍵內容如圖5所示。

電網設備線路跳閘告警信息上窗后：

圖5 設備監控電網故障診斷處置案例

（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信號。

（2）利用故障診斷的關聯業務邏輯圖譜，進而獲得當前線路的屬性與運行狀態。

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

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的知識圖譜節點，生成110 kV 線路故障跳閘簡報，以供設備監控人員對故障的診斷決策。

6 結語

為了實現對電網監控系統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，實現對故障告警信息的智能化解析，實現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控人員對關鍵信息的誤報漏報率，幫助監控人員快速、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，從知識圖譜現有技術和趨勢出發，為集中監控智能分析平臺的應用拓展提供了理論指導。