智能變電站中基于XML 聚類算法的專家系統(tǒng)閉鎖邏輯處理?

鄭 翔，陳韶昱，錢建國，杜奇?zhèn)ィ鹾@

(1.國網浙江省電力有限公司衢州供電公司，浙江 衢州 324000；2.國網浙江省電力有限公司，浙江 杭州 310007)

2009 年，國家電網集團出臺了智慧變電站的技術規(guī)范，標志著中國第一個符合技術標準領域的智慧電網變電站投入運營，中國國內變電站也由此步入了智慧變電站的新時代。中國下一代變電站智能化技術發(fā)展趨勢的主要特征為分層型、分布式和開放式系統(tǒng)。預期發(fā)展方向和未來發(fā)展重點是建立先進的分布式智能化，其中，接入平臺是調度智能化體系中的關鍵部分，是實現調度智能化體系[1]的基礎。國際電工委員會(IEC)成立的工作組負責制定IEC 61850 標準[2]，執(zhí)行監(jiān)控后臺、遠動設備、第三方智能設備的標準化交互任務，集成遠動組態(tài)描述(RCD)、遠變電站組態(tài)描述(SCD)、鎖定邏輯、虛擬回路、順序控制操作、一鍵重命名等實現業(yè)務配置工具的集成管理，有效減少智能變電站二次設備的運維成本并提升運維效率[3]。

鎖定邏輯是變壓器誤動控制的關鍵部分，長期得到電力部門的高度重視。為防止電氣裝置造成誤發(fā)生，保證其工作的安全、可靠性，高壓開關柜等裝置需要安裝防止錯誤控制系統(tǒng)，達到"五防"[4]的要求。傳統(tǒng)的防錯鎖方法大致有4 類:機械鎖、程序鎖、電子實時通信和電磁門[5]。但由于現代設備的日益發(fā)達和技術手段的不斷更新，防錯裝的技術方案設計也進行著不斷的提高與改進。

IEC 61850 作為國際映射標準，規(guī)定了變電站配置描述語言(Substation Configuration Language，SCL)。SCL 用于描述與通信相關智能電子器件(Intelligent Electronic Device，IED)的結構和參數、通信系統(tǒng)的結構和開關艙。對應的XML/SCL 數據文件包含了變電站的主要拓撲信息，與實際使用的鎖定邏輯聯(lián)系比較確定，并且利用語義提取技術[6－7]已經能夠完全建立鎖邏輯專家系統(tǒng)。但SCD 的解析系統(tǒng)與鎖邏輯專家系統(tǒng)均具有較為復雜的結構特征。通過專門建立的XML 數據流聚集算法[8]，能夠更高效地實現在具有遞歸結構的XML/SCL 數據流上的集中查詢處理。而由此開發(fā)出來的防誤鎖管理系統(tǒng)，能夠為動力系統(tǒng)的管理提供必要的支持措施，并協(xié)助其保持電力系統(tǒng)的安全、平穩(wěn)、經濟運行。

綜上所述，本文的研究工作主要集中在新處理方案的邏輯鎖在智能變電站的應用，探討了有效搜索SCD 文件解析數據庫和鎖定邏輯專家系統(tǒng)的基于XML 聚類算法，通過拓撲，并自動生成鎖邏輯分析變電站的主接線，以減少手動鏈接和提高變電站防誤操作系統(tǒng)的應用程序級別。

1 構建必要數據庫

1.1 SCD 解析數據庫

SCD 數據中記錄的信息采用基于XML 的SCL語言進行編譯。該文件包含五個主要元素:文件頭、變電站描述、通信系統(tǒng)描述、智能電子設備和數據類型模板。其中，變電站描述、通信系統(tǒng)描述和智能電子設備是變電站專用描述的三個重要方面，反映了整個變電站的物理、邏輯和通信拓撲結構。有兩種基本的XML 解析方法[9]:XML 的簡單API(SAX)和文檔對象模型(DOM)。SAX 基于事件流解析。DOM 是W3C 官方標準，用于以獨立于平臺和語言的方式表示XML 文檔。本文首先使用基于XML Schema 協(xié)議的軟件XMLSpy 對XML 進行規(guī)范化，然后使用Apache Xerces 解析器[10]將SCD 數據文件映射到應用程序的內存中(DOM 樹)。

模塊processXMLTree(SCDTree)完成SCD 解析數據庫的生成。具體代碼如下圖所示，一般的過程是生成XML 文檔樹，然后遍歷DOM 樹來解析每個節(jié)點。應用程序通過編輯內存中的DOM 樹來操作SCD 文件，包括遍歷整個SCDTree、讀取節(jié)點名稱和屬性、添加節(jié)點和刪除節(jié)點。分析的設備類型包括:線路、母線、斷路器、補償設備、隔離器、同步發(fā)電機、接地開關、主變壓器、主變壓器繞組、饋線等。

Schema 模式語言只能描述單個元素的值或屬性約束，不能直接使用Schema 模式文檔描述連接關系。同時，本文進一步識別生成的SCD 解析數據庫的語義和句法結構，以方便后續(xù)聚合查詢過程的處理。參考規(guī)范包括中國國家電網公司發(fā)布的Q/GDW 1175—2013?變壓器、高壓并聯(lián)電抗器、母線保護及輔助裝置標準化設計規(guī)范?、Q/GDW 1161—2014?線路保護及輔助裝置標準化設計規(guī)范?。上述規(guī)范加強了SCD 文件中相互隔離但實際上聯(lián)系密切的類似信息的整合，為智能變電站二次系統(tǒng)的設計和工程應用提供了依據。

1.2 閉鎖邏輯專家系統(tǒng)

專家系統(tǒng)、模式識別與智能機器人，被稱之為人工智能領域的三個前沿領域[11]。其中專家系統(tǒng)通過某領域的專家所提供的專業(yè)知識和經驗或通過多個專家、推理和判斷，參考學習他們的決策流程，從而處理一些需要由人類專家解決的復雜問題。

近年來，專家系統(tǒng)在電力系統(tǒng)中逐漸開始推廣應用，具有良好的發(fā)展前景，如電力系統(tǒng)故障恢復專家系統(tǒng)[12]、電力系統(tǒng)繼電保護運行管理專家系統(tǒng)[13]、調度運行管理專家系統(tǒng)[14]、電力系統(tǒng)故障診斷專家系統(tǒng)[15]、操作票管理系統(tǒng)[16]等。知識庫的建立是開發(fā)專家系統(tǒng)中最重要和最困難的工作，也是本文研究的必要數據庫。我們使用免費開源軟件NASA[17]的專家系統(tǒng)開發(fā)工具構建dataSYS 數據庫，包括相應的事實基礎、規(guī)則庫和推理引擎。目前，這部分工作還在不斷完善中。這是因為專家系統(tǒng)的性能幾乎依賴于專家知識。對于本文來說，需要不斷地對智能變電站中的各種鎖定邏輯進行整理和驗證。

在變電站中，可運行的一次設備主要包括斷路器、隔離器、接地裝置(接地)包括接地刀或接地線。所謂鎖定邏輯，就是設置上述設備的運行條件，以滿足“五防”的要求。各種鎖定邏輯都與主電源連接密切相關。主接線的主體是電源(進線)電路和線路(出線)電路，分為帶母線的母線和不帶母線的母線兩大類。常見的主接線形式有:單/雙母線接線、單/雙母線分段接線、單/雙母線分段配旁路母線接線、橋接和雙t 型(或t 型)支路接線。與單母線連接相比，雙母線連接是將工作線、電源線和出線通過一個斷路器和兩組隔離器連接到兩組(主/次)母線上，兩組母線都是工作線，通過母線互連斷路器可使各電路并聯(lián)運行。

本文以旁路雙母線分段母線接線為例，探討基于XML 聚類算法的智能變電站分塊邏輯處理方案。如圖1 所示，這種主接線方式具有供電可靠性高的優(yōu)點，可以在不中斷供電的情況下依次修復母線。它的缺點是每條電路都加了一組隔離器，使得旁路開關操作更加復雜，增加了誤操作的機會，這也從另一方面印證了計算機輔助鎖定邏輯的必要性。本文以電氣設備的“五防”要求作為專家系統(tǒng)規(guī)則庫的頂層設計，具體為防止斷路器的誤開和誤合；防止有負載時操作開關；防止誤進入活動空間；防止帶電接地刀或接地線；防止接地刀或接地線閉合。下面介紹隔離器、斷路器和接地設備[18]的閉鎖邏輯。

圖1 雙母帶旁路接線形式下的閉鎖邏輯

1.2.1 隔離開關閉鎖邏輯

與隔離器相關的斷路器必須打開:如果有直接連接的斷路器，則應打開斷路器；如果沒有直接連接的斷路器，在隔離器兩端尋找最近的斷路器開口；如果隔離器的一端是母線或側母線節(jié)點，另一端的節(jié)點與指向另一端母線或側母線節(jié)點的另一個刀開關支路相連，則該支路對應的刀開關必須分開[19]。在停電的情況下，把線路側隔離開關打開，并在電力傳輸的情況下，先關閉母線側隔離開關。

例如，如表1 所示，隔離開關G1 是關閉的。斷開開關G1 時，斷開斷路器DL1，防止其帶電操作。相關接地設備G17、G3、G4 必須斷開電源，防止接地開關被接通。先開母線側開關用于輸電，先開線路側開關用于斷電，故先開G1 或G2，再開DL1。拉閘時則先拉DL1。

表1 三種閉鎖邏輯對應的專家系統(tǒng)操作步驟

1.2.2 斷路器閉鎖邏輯

斷路器被隔離，比如檢修的情況:開關兩端的所有隔離開關分閘，這主要是考慮到開關檢修的時候，為了檢驗開關是否能夠正常分合操作，此時是允許分合開關的。斷路器未被隔離，即為送電的情況:斷路器兩端各有一個隔離開關合閘，合閘的隔離開關兩端的接地裝置分閘，以防止帶接地裝置合閘，斷路器兩端其他隔離開關分閘。

例如，如圖1 所示，空開DL3 閉合。DL3 合閘必須滿足以下條件:G10、G11 中的一個合閘，G14 合閘，合閘隔離開關G13 對應的接地開關斷開。

1.2.3 接地裝置閉鎖邏輯

接地設備所在節(jié)點上的全部斷路器、隔離開關均處于斷開狀態(tài)。當斷路器連接到它的端點時，與另一端連接的所有隔離開關都要斷開，以防止接地裝置通電。

如表1 所示，接地裝置G18 接通。G18 關閉應避免帶電接地，G1、G2、G8、G9、G10、G11 開啟。上述隔離開關、斷路器、接地裝置閉鎖邏輯對應的專家系統(tǒng)操作步驟如表1 所示。專家系統(tǒng)操作步驟列中的箭頭從左到右，從高到低表示鎖定邏輯操作的優(yōu)先級。

2 聚類查詢算法

2.1 算法框架

聚類分析技術是對于統(tǒng)計數據分析的一門技術，在許多領域已廣泛應用，但在XML/SCL 數據流聚集查詢處理方面的研究成果還很少。主要原因是XML/SCL 數據是一種半結構化數據[20]，與傳統(tǒng)的數據庫數據不同。在電力系統(tǒng)中，由于子系統(tǒng)不同，甚至同一子系統(tǒng)由不同廠商開發(fā)，往往由于平臺、數據庫軟件、甚至命名規(guī)則的不同，XML/SCL 數據的結構化不完全，這使得以往主要面向結構化/非結構化數據的研究成果不能很好地應用于XML/SCL 數據處理。

智能變電站的阻塞邏輯處理呈現出明顯的聚集性和路徑約束特征，表現為:阻塞邏輯涉及的節(jié)點設備類型僅限于隔離器、斷路器和接地裝置，與其他設備類型無關；其次，根據樹型拓撲結構和專家系統(tǒng)判斷，將阻塞邏輯所涉及節(jié)點的操作范圍限定為與該節(jié)點密切相關的設備節(jié)點；此外，需要嚴格保證鎖定邏輯中涉及節(jié)點的關閉/打開順序。該操作由專家系統(tǒng)決定。通常，大多數給定的XPath 或XQuery 查詢都是針對XML/SCL 數據的。首先，建立自動處理機制，然后使用XML 數據流作為輸入來處理查詢。采用模式匹配技術處理查詢，得到未分組的數據片段，嚴重制約了本文對鎖定邏輯的高效處理。本文提出了一種改進的多密度聚類DBSCAN 算法。DBSCAN 作為基于密度的算法的經典代表，在聚類分析中得到了越來越多的應用。然而，DBSCAN 算法需要用戶在沒有任何先驗知識的情況下手動設置參數MinPts 和Eps(MinPts 是定義核心點時的閾值，Eps 是定義密度時的鄰域半徑)。參數對最終的聚類結果有一定影響。此外，在密度不均勻的多密度數據集中，使用一組全局參數會導致聚類結果不理想[21]。這些缺陷對于基于先驗知識的專家系統(tǒng)的搜索操作顯然是需要改進和優(yōu)化的。因此，我們從經典DBSCAN 算法的參數入手，利用先驗知識引導的搜索約束來匹配節(jié)點，利用相對父/子代方向的范圍和類別來識別和確定噪聲數據，在隨機搜索核心對象的過程中利用鄰域查詢來提高算法的效率，最后通過聚類合并產生最終的聚類結果。

本文提出的基于XML 聚類算法的專家系統(tǒng)鎖定邏輯處理流程如圖2 所示，主要由四部分組成:①構建必要的數據庫，從SCD 文件生成解析數據庫SCDTree，對應于圖中步驟0；由鎖定邏輯知識庫生成專家系統(tǒng)dataSYS，對應于圖中的步驟1；②查詢鎖定邏輯所涉及節(jié)點的拓撲，對應圖中步驟2～4；③聚類查詢由專家系統(tǒng)引導和約束，對應圖中的步驟5～10；④更新SCD 文件和鎖定邏輯知識庫，如圖中步驟11所示。這部分處理是可選的，本文沒有進一步討論。本文后續(xù)的分簇算法驗證以雙母線分段旁路母線連接為例。用例是隔離器G1 的關閉操作，如圖1 所示。圖中G1 為預處理節(jié)點，其他相關接地設備節(jié)點G3、G4、G17 及斷開連接的交換機節(jié)點DL1。

圖2 基于XML 聚類算法的專家系統(tǒng)閉鎖邏輯處理框圖

2.2 拓撲查詢

模塊的偽代碼流程如下。算法根據隔離器節(jié)點的路徑信息對SCD 文件解析產生的數據庫進行搜索，得到預處理隔離器節(jié)點路徑的樹狀拓撲結構。

隔離器節(jié)點t 準備執(zhí)行關閉操作，其路徑標簽t作為輸入參數，在拓撲查詢模塊processTopology()中搜索路徑。如果t 的路徑標簽與解析數據庫SCDTree 中查詢節(jié)點SCDt 的路徑標簽相同，則說明t 的入口路徑可以匹配SCDt 的入口路徑。此時，t連接到與SCDt 父節(jié)點匹配最近的節(jié)點，并存儲在t結構中，t 結構表示交換節(jié)點的所有子節(jié)點以及交換節(jié)點通過其溯源到根節(jié)點的所有節(jié)點，即節(jié)點t的樹狀拓撲，專家系統(tǒng)根據該樹狀拓撲判斷變電站中相應的設備類型和連接方式。

2.3 專庫指引

模塊的偽代碼流如下所示。算法首先根據樹的拓撲結構中路徑結點的位置確定主接線形式的隔離開關，然后用遞歸方法找到符合的鎖邏輯運算指令結構和之前的操作類型的專家數據庫，包括設備的類型和適用范圍與上述節(jié)點。

專用數據庫指導模塊processGuide()根據節(jié)點t 的術前操作類型，即t，首先掃描專家數據data-SYS。preACT(ON:closing，OFF:opening)的值區(qū)分搜索dataSYS 的分支。在尋找分支節(jié)點的過程中，由于查詢中的“//”關系，分支節(jié)點的數據流中的同一個節(jié)點可能會匹配查詢中的多條路徑中的節(jié)點。但由于每個節(jié)點的路徑信息只能掃描一次，因此當前掃描的節(jié)點是否能夠匹配查詢中的多條路徑，必須同時確定。在掃描過程中，當節(jié)點t 匹配分支時，如果分支與其父節(jié)點為父子關系或分支為根節(jié)點且分支軸為“/”，則節(jié)點t 的子節(jié)點或后代可以在查詢中匹配分支的子節(jié)點。此時，分支的子分支被添加到t 中。結構和分支從t.structure 中移除；如果t 結構和它的父母是祖先和后代，或者t 結構是根節(jié)點，分支的軸是“//”。遞歸關系使t 的后代能夠匹配分支的子分支和分支本身。此時，將分支的子節(jié)點添加到t.結構中，但不要從t.結構中移除分支。

同時，在上述模塊處理流程中，如果在分支中找到匹配的節(jié)點，一方面，算法將節(jié)點類型作為“類屬性”存儲在depend 中，供后續(xù)聚合算法執(zhí)行。一些存儲在t.structure 中具有不同類型的節(jié)點將被跳過而不進行處理。例如，結構中的IED 節(jié)點沒有與鎖定邏輯相關的處理流程，可以完全忽略；另一方面，如果分支中的匹配節(jié)點位于節(jié)點t 的父節(jié)點中，則累積t.range.p；如果它是節(jié)點t 的后代，則累積t.range.c。這個“范圍屬性”進一步限制了t 中的節(jié)點搜索深度。結構和依賴信息為后續(xù)更高效、更受限的聚類過程設置了嚴格的邊界條件。

2.4 聚集查詢

這個模塊的偽代碼流如下所示。該算法利用類的高密度連通性，快速找到任何匹配節(jié)點。基于密度的聚類是將一組“密度連通”的對象進行聚類，以實現最大限度的“密度可達”。算法將在XML/SCL數據流中獲取查詢對象及其對應的“類屬性”和“范圍屬性”。對于每個節(jié)點，算法會盡早判斷該節(jié)點是否滿足約束，并在獲取每個節(jié)點的所有信息時判斷相應的約束，從而避免存儲過多的中間節(jié)點，執(zhí)行過多的決策[22]。

聚合查詢模塊processTrace()搜索SCDTree，從指定的分離節(jié)點t 開始，根據參數t.depend 和t Range 提取從t 密度中可以到達的所有對象，并獲得一個用于后續(xù)鎖定處理的集群。本文提出的聚類算法將噪聲數據的檢測和識別放在父/后代方向上密度可達結構形成之后。如果t 是核心對象(從節(jié)點t開始，父方向t.range.p 到后代方向t.range.c，匹配對象節(jié)點的所有類型)，則從p 開始的所有密度可達對象都標記為當前類。如果t 是一個邊界對象，t 被標記為一個噪聲點。該算法提取下一個對象進行處理。依次繼續(xù)，直到t.range 約束的“range 屬性”或t.dependand 約束的“class 屬性”確保算法的快速收斂。然后選擇一個新的開始對象來展開以獲得下一個集群。同時判斷后代聚合對象上的聚合結果是否為其祖先聚合對象上的聚合結果的一部分? 如果是，則不需要對祖先聚合對象進行重新計算，以提高計算效率。如此操作，直到所有對象被標記并存儲在隊列中，與t 結構相比，隊列中的節(jié)點只是進行聚類處理的匹配節(jié)點，即與分離節(jié)點t 直接相關的鎖定邏輯涉及節(jié)點。這種對非集群節(jié)點的篩選將有助于加快處理過程并節(jié)省內存。

2.5 閉鎖處理

本模塊的偽碼流程如下所示，算法根據專家系統(tǒng)給出的優(yōu)先級指示，在節(jié)點隊列中按照優(yōu)先級操作閉鎖邏輯，并驗證輸出閉鎖邏輯的準備好信號。

閉鎖處理模塊processScheme()將隊列queue中的匹配節(jié)點在專家數據庫dataSYS 中進行掃描，具體流程與專庫指引模塊processGuide()類似，這里不再贅述。掃描得到對應節(jié)點的優(yōu)先級queue.e.priority，并根據優(yōu)先級從高至低的次序，對節(jié)點進行操作(ON:合閘，OFF:分閘)，并將隊列標記e.readyLOCK()，以標識該匹配節(jié)點完成指定操作，當隊列queue 中的所有匹配節(jié)點均已完成，算法將進一步向閉鎖邏輯發(fā)起人發(fā)送t.readyLOCK()準備好信號，以確認針對隔離開關t 閉鎖邏輯的完成。

3 算法性能分析

3.1 算法的復雜性

經典的DBSCAN 算法可以在噪聲數據集中識別任意數量和形狀的簇。該算法在不建立空間索引結構的情況下，需要對隨機選取的候選核心對象鄰域內的點進行遍歷，極大地限制了算法的實現效率，相當于一個兩層的n周期。因此，DBSCAN 算法的時間復雜度為O(n2)。

本文提出的鎖定邏輯處理方案實質上是一種基于專家系統(tǒng)先驗知識的聚類算法。通過對變電站一次接線的拓撲分析，自動生成鎖緊邏輯，可以減少人工環(huán)節(jié)，提高變電站防誤操作系統(tǒng)的應用水平。為了減少盲目經典聚類算法的耗時的操作和隨機搜索的核心對象，提高算法的效率，我們引入了一個簡單、高效的專家約束查詢方法來獲取查詢對象和其相應的“類屬性”和“屬性”XML/SCL 數據流，發(fā)現節(jié)點不標記為“集群”擴大搜索拓撲分支的核心對象，等等，直到在約束范圍內找不到合理的直接密度可達節(jié)點為止。相比于盲目遍歷數據集，本文提出的專家約束查詢算法能夠節(jié)省計算資源，提高算法執(zhí)行效率。與數據集中存在的索引結構類似，分析和實驗結果表明，該算法效率高且可擴展性強，其時間復雜度為O(n?logn)。

3.2 算法性能測試

本文所提出的閉鎖邏輯處理方案，利用隊列結構按專家系統(tǒng)指引的優(yōu)先級處理聚集的中間結果，減少需要額外計算的時間與資源，提高聚集計算的效率；其次，針對具有遞歸結構的XML/SCL 半結構化數據，本算法利用節(jié)點的拓撲結構實現了更有效的閉鎖邏輯涉及節(jié)點的聚集；此外本算法采用了節(jié)點祖輩/子輩范圍的約束技術，提升了XML/SCL 數據流上具有半結構化數據聚集查詢的有效性。

為了驗證本文算法(簡稱Locking)的實際性能，本文構建了不同容量/結構的數據集(SCD 文件1，容量12.4 MB，平均樹的深度為5；SCD 文件2，容量132.5 MB，平均樹的深度為7)對比測試了所提出算法與傳統(tǒng)非聚集查詢算法，例如XPath 查詢算法[23](簡稱Xpath)的性能。實驗的環(huán)境是:CPU 為Intel i7－10710U 1.1～4.7 GHz；內存為16G DDR4 3 200 MHz；OS 為Ubuntu18.04。

閉鎖邏輯算法驗證執(zhí)行時間對比結果如圖3 所示。在拓撲查詢模塊processTopology()中Xpath 算法耗時約1.55 s(SCD 文件1)、5.55 s(SCD 文件2)，Locking 算法耗時約1.65 s(SCD 文件1)、6.00 s(SCD 文件2)，對比兩種算法的執(zhí)行時間沒有明顯差別，耗時幾乎完全取決于SCD 文件容量的大小。兩種算法在專庫指引模塊processGuide()中的執(zhí)行時間與上述各自對應的拓撲查詢模塊processTopology()耗時相仿，但Locking 算法的耗時要略高于Xpath 算法，這是因為Locking 算法涉及了大量的專家約束條件的查詢與判定，產生了相應耗時。這種基于專家系統(tǒng)先驗知識的約束條件，其優(yōu)勢體現在了隨后的聚集查詢模塊processTrace()中，Xpath 算法耗時約6.00 s(SCD 文件1)、30.00 s(SCD文件2)，Locking 算法耗時約4.00 s(SCD 文件1)、5.50 s(SCD 文件2)，并且這種優(yōu)勢隨著SCD 文件容量的增加更加顯著，對于容量132.5 MB 的SCD文件2，Locking 算法耗時只有 Xpath 算法的18.33%。在閉鎖處理模塊processScheme()中也有相類似的情況，對應Locking 算法的耗時要明顯低于Xpath 算法的耗時，Xpath 算法耗時約5.50 s(SCD文件1)、35.00 s(SCD 文件2)，Locking 算法耗時約3.50 s(SCD 文件1)、5.50 s(SCD 文件2)，同樣以SCD 文件2 為例，Locking 算法耗時只有Xpath 算法的15.71%。

圖3 閉鎖邏輯算法驗證執(zhí)行時間對比

4 結束語

本文針對智能變電站中閉鎖邏輯的新型處理方案展開，提出了一種簡單高效的專家約束聚類查詢方式，在XML/SCL 數據流中獲取查詢對象及其對應的“類屬性”和“范圍屬性”，運行時間是數據量和查詢中節(jié)點數的線性函數，算法的時間復雜度為O(n?logn)。分析和實驗結果表明，本文所提出的方案較以往的XPath 算法，在查詢及閉鎖處理模塊的耗時明顯降低，分別只有原先的18.33%和15.71%，并且這種優(yōu)勢隨著SCD 文件容量的增加更加顯著。由此通過對變電站一次接線的拓撲分析自動生成閉鎖邏輯，具有很高的效率和可擴展性，可以有效減少人工環(huán)節(jié)，提高變電站防誤操作系統(tǒng)的應用水平。