基于專家系統的臺區線損異常智能診斷方法及應用

李 敏，王誠意，蔡嘉輝，王 琨，董 康，徐業峻，周楊柳

（1.國網江蘇省電力有限公司 蘇州供電分公司，江蘇 蘇州 215000；2.江南大學 機械工程學院，江蘇 無錫 214122；3.南海西部石油油田服務（深圳）有限公司，廣東 深圳 518000）

0 引言

專家系統將某個領域一個或多個專家的知識與經驗集成為智能計算機程序，模擬專家思維對現實問題進行判斷、推理和決策。對用戶的用電信息不能進行快速準確的統計阻礙著線損的有效計算與管理，但隨著用電信息采集系統和網絡通信等技術的發展，臺區線損管理引入智能化管理理念，為此一些專家學者對臺區線損進行有效監測與診斷進行了大量的理論研究與實踐。

倪瑞明等提出了一種基于數據聚類分析臺區線損異常判斷的方法［1］，可實現臺區線損的自動判斷。宋煜等人通過臺區線損異常智能診斷模型，能夠實時分析影響臺區線損異常的原因［2］。文獻［3］針對竊電行為提出了一種基于格蘭杰歸因分析的竊電檢測方法，該方法能夠有效判別用戶的竊電行為。有學者提出了一種考慮三相不平衡度的線損計算方法［4］，該算法能在一定程度提高線損精度。文獻［5］提出了用于輔助調度員決策，且具有在線學習功能的電網自主優化控制和決策框架。文獻［6］總結了人工智能技術在調度中電力系統故障診斷、穩定性評估和運行方式制定等應用。文獻［7］設計了基于知識圖譜技術的電網運營監測分析系統，為電網運營監測提供參考。不同臺區之間電力網絡環境不同，在進行線損率計算時往往由于沒有考慮到各個臺區的網絡特征而造成線損計算精度低。

本文提出建立以專家系統為核心的線損異常智能診斷系統。該系統可根據不同臺區網絡環境的差異分別建立不同的專家系統知識庫，針對不同臺區提出不同的線損異常智能診斷策略。提高了線損異常智能診斷的精度與可靠性。

1 臺區線損異常智能診斷系統架構

臺區線損異常智能診斷系統以臺區電力數據采集系統為主要數據來源，經過專家系統的智能診斷查找出線損異常的臺區，并將線損異常臺區信息存儲于臺區線損異常數據庫中。管理者可對線損異常臺區信息進行橫向和縱向比較，分析出線損異常的一般規律，為線損治理提供參考。臺區線損異常智能診斷系統的結構框架如圖1所示，N為臺區數量。

圖1 臺區線損異常智能診斷系統架構Fig.1 Architecture of intelligent diagnosis system for abnormal line loss in station

2 數據庫設計

臺區線損異常智能診斷系統數據庫主要由原始數據庫和線損異常數據庫2個部分組成。原始數據庫用來存儲各個臺區的基本用電信息，線損異常數據庫存放經專家系統診斷后線損異常的臺區用電數據信息。

原始數據庫由每日各臺區用電信息生成的數據表組成，為了避免在與其他系統數據交換時因數據格式引起錯誤，表中字段統一為nvarchar類型，且以臺區編號為數據表的主鍵各字段均無默認值，數據表字段如表1所示。臺區線損異常數據庫存儲每日線損異常臺區的相關信息，并以臺區編號為數據表的主鍵，數據表存儲字段如表2所示。

表1 臺區電力信息原始數據庫數據表字段Table 1 Data table field of original database of power information in station

表2 臺區線損異常數據庫數據表字段Table 2 Data table field of station area abnormal line loss database

3 專家系統設計

3.1 知識庫設計

知識庫和推理機是專家系統的核心，是正確進行臺區線損異常智能診斷的關鍵。

（1）知識庫的建立

知識庫由外部和內部組成，外部知識庫輸入的既可以是線損異常判斷規則，也可以是實際線損例程。內部知識庫則是系統根據大量線損診斷篩選出來的典型診斷結果，并將這些典型診斷結果補充為知識庫中的專家知識。

（2）知識庫規則

知識庫主要包含3大邏輯判斷，規則如下。

①數據完整性判斷：檢查臺區電力信息原始數據是否存在非法字符或關鍵用電信息缺失，并對原始數據中的錯誤數據進行修復。

②線損穩定合格臺區判斷：根據電力信息原始數據的數值特征，結合專家系統知識庫知識內容，生成線損穩定合格臺區的判別算法。

③線損異常判斷：根據專家經驗及線損合格率的閾值設置，原始數據和各線損異常類型的特征值分布規律，生成判斷線損異常臺區和線損異常類型的算法。該規則的準確率是系統能夠準確進行線損診斷的關鍵。

3.2 推理機設計

本文專家系統推理機采用正向推理即由條件推出結論，根據知識庫中的判斷規則進行線損異常臺區和線損異常類型推理。線損異常類型推理機制如圖2所示，主要內容如下。

圖2 線損異常類型推導流程Fig.2 Derivation process of abnormal line loss type

（1）數據完整且合法：從原始數據庫中取出數據，檢查該數據的完整性及正確性，對存在問題的數據進行修復。若修復失敗則丟棄當前數據進行下一條數據的讀取與判斷，若原始數據沒有問題則將數據送入下一判斷環節。

（2）線損合格判斷：根據知識庫中的判斷規則和電力信息原始數據，判斷線損是否合格。若是，丟棄當前數據讀取下一條數據并判斷，若為疑似線損異常，則進入下一環節判斷具體線損異常類型。

（3）線損異常類型判斷：根據知識庫中的規則和臺區電力信息原始數據判斷當前臺區的線損異常類型，在成功判斷后將線損異常類型及原始數據存入臺區線損異常數據庫中；若未能成功判斷，則將原始數據存入疑似線損異常數據庫中，待知識庫更新后再進行判斷。

3.3 解釋器設計

根據推理機得到的結論對線損異常原因分配合理的解釋，并送入數據庫系統展現給用戶。

臺區線損異常的原因主要有6種，分別為近期采集異常、長期采集異常、臺區總表故障、數據關聯錯誤、用戶竊電行為、變壓器設置錯誤。

4 系統主要功能設計

臺區線損異常智能診斷系統，由5個功能模塊組成，分布如圖3所示。

圖3 系統功能模塊分布Fig.3 system function module distribution

4.1 數據管理

（1）原始數據導入：用電原始數據支持離線導入方式和在線數據采集方式。

（2）數據庫管理：對原始數據庫和線損異常數據庫進行管理，包括數據表的創建與刪除，表內數據的增加、查看與刪除等操作。

4.2 線損異常智能診斷

利用線損異常智能診斷功能，找出原始數據庫中的線損異常的臺區信息，并綜合線損異常的數據特征，分析線損異常原因。然后將線損異常臺區信息及異常原因一起存入線損異常數據庫中。

4.3 異常數據查詢分析

（1）任意日線損數據：查看線損數據庫中當日的線損異常臺區信息，信息以表格的形式顯示，以餅狀圖的形式顯示6個線損異常類型占該日總線損異常臺區數量的比例，如圖4所示。

圖4 線損異常類型分布Fig.4 Distribution of abnormal types of line loss

（2）連續多日線損數據：選擇開始日期和結束日期，查看期間每日臺區信息。現以查詢2019年11月10日至2019年11月16日連續7天都有線損臺區為例，說明查找流程如圖5所示。

圖5 連續多日線損異常臺區查找流程Fig.5 Continuous multi-day abnormal line loss station searching process

讀取2019年11月10日線損數據表Loss 20191110中的第1行記錄，設該表共有N行數據；并以該行記錄的主鍵臺區編號為查詢項，依次查找數據表Loss20191111，…，Loss20191116主鍵中是否含有該臺區編號的記錄；若都含有，則將該臺區編號的該行記錄存儲的臺區信息寫入客戶端頁面中，若其中某一數據表中沒有，則停止查找，并重新讀取數據表Loss20191110中第2行記錄的臺區編號；依次查找數據表Loss20191111，…，Loss20191116中是否含有此主鍵臺區編號記錄，重復上述查找過程，直至表Loss20191110的所有主鍵數據均被查找。

（3）任意2日線損數據對比：查詢過程與查找連續多日線損數據類似，不同的是只需進行2個線損數據表的比較。

4.4 專家系統知識庫維護

（1）線損合格率閾值設置：線損合格率閾值設置流程如圖6所示。重置閾值后，只有線損數據庫更新成功完成，線損合格率閾值才設置成功。

圖6 線損合格率閾值設置Fig.6 Threshold setting of line loss qualification rate

（2）知識庫邏輯規則維護：對知識庫中的邏輯判斷規則進行增加、修改和刪除以提高知識庫內專家知識的數量和質量，提高專家系統診斷臺區線損異常的準確性。

4.5 用戶管理

對登錄系統的用戶賬號基本信息進行管理。包括新建、刪除、修改用戶信息等，用戶權限如圖7所示。

圖7 用戶權限分布Fig.7 User right distribution

5 系統的實現與應用

5.1 系統技術實現

采用Visual Studio作為系統開發平臺、使用SQL Server為系統數據庫。系統采用C/S模式開發，其中服務器端負責數據管理，客戶機端負責完成與用戶的交互任務。

系統客戶機與服務器對用戶數據請求響應的流程如圖8所示。用戶在人機交互界面輸入操作命令，客戶端頁面響應程序解析返回值后，用戶即可在人機交互界面上看到輸入的操作命令經處理后的輸出結果。

圖8 人機交互響應流程Fig.8 Human computer interaction response process

5.2 系統的應用

表3為2019年12月30日蘇州供電分公司10個臺區的部分用電數據，線損合格率閾值為-1～5，其中臺區編號S014、S018為長期采集失敗的線損異常臺區，S012、S013、S016、S017、S019為近期采集失敗的線損異常臺區，S011、S015、S020為線損合格臺區，圖9、圖10為系統對該日這10個臺區線損的診斷結果。

圖9 近期采集異常線損臺區Fig.9 Recent acquisition of abnormal line loss area

圖10 長期采集異常線損臺區Fig.10 Long term acquisition of abnormal line loss area

表3 某臺區用電數據Table 3 Power consumption data of a certain station area

從系統的線損診斷結果可以得出實際線損異常臺區及異常原因與診斷結果相一致，診斷系統達到了預期的線損異常診斷功能。

6 結束語

本文將專家系統與線損異常診斷結合起來，專家系統中推理機利用知識庫內專家知識與經驗進行智能推理與決策的功能進行線損診斷，提高了線損診斷的正確率。同時將線損臺區信息統一存入線損異常數據庫中，用戶可對線損異常數據庫中的線損異常信息進行橫向和縱向對比，從而在整體和局部上找到線損的一般規律，管理者可根據這些規律采取相應措施降低線損率。本系統的應用提高了臺區線損診斷的準確率，提升了電力企業的智能化綜合管理水平。D