基于CBR与RBR变压器检修策略专家系统设计

2012-04-24赵小霞苑津莎祖文超

电子科技 2012年7期

赵小霞，苑津莎，刘磊，祖文超

(华北电力大学电子与通信工程系，河北保定 071003)

电力变压器作为电力系统的枢纽设备，其运行的可靠性直接关系到电力系统的安全与稳定。目前，我国主要采用停电预防性试验和定期维修来保证变压器的安全运行。定期维修制度则存在“过度维修”或“维修不足”的缺陷，因此，电力变压器的状态检修方式已成为必然发展趋势［1］。目前，关于变压器状态维修的研究成果主要集中在变压器运行状态的监测、故障诊断和状态评估等方面，而有关状态维修策略制定方法的研究还处于起步阶段。

专家系统内部含有大量某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。专家系统应用较广泛的是基于规则推理(RBR，Rule－Based Reasoning)，这种方法具有表达直观、形式统一、模块性强和推理机制简单等特点，但最大的问题就是推理链过于复杂并且在规则较多时，易引起组合爆炸。基于案例推理的核心思想是用过去人们解决问题的历史经验来解决新问题，采用这种方法可以简化问题推理的过程、提高推理的效率［2］。但案例库所存的案例都是特殊化的，案例不能把每种情况都能总结到案例库中。所以，针对变压器状态量繁多且复杂，规则提取困难的情况，结合案例推理的方法作为状态检修的补充，降低了知识获取的负担，也提高了系统的扩展性。

1 专家系统的框架模型

基于CBR(Case－Based Reasoning)与RBR变压器检修策略专家系统的总体框架模型如图1所示，它由知识库、推理机、综合数据库、解释处理系统和人机交互界面为主要组成部分。

变压器检修策略专家系统的主要功能是进行变压器状态量的计算和分析，并在此基础上进行专家推理，得出专家系统对变压器检修策略的分析结果和措施，达到最优设计。专家系统的知识库和推理机是核心部分，知识库用于存储某领域专家系统的专门知识，包括事实、可行操作与规则等，建立知识库要解决知识获取和知识表示问题。推理机对知识库的计算结果以设计指标为目标函数进行推理和优化，是实现专家推理的关键环节。综合数据库用于存储领域或问题的初始数据，输入、输出数据及中间计算结果。解释部分用于对用户解释专家系统的计算推理过程和结果。

图1 系统的总体框架

2 专家系统知识库的设计

2.1 知识的获取

对电力变压器运行健康状况作出全面和准确的判断，需总结反应变压器状态特征量作为标准。根据国家电网公司公布的《油浸式变压器(电抗器)状态检修导则》等文件中，总结出变压器状态量和变压器各状态发生后的检修措施等。这些状态量可以通过电气试验、非电气试验项目、历史运行资料、不良运行工况记录等获取，并根据专家经验和文件规定归纳出状态量的注意值。

2.2 知识的表示

专家系统运用知识进行推理和判断，准确的知识表示了进行准确推理判断的一个重要前提。为表达知识，在系统中采用产生式规则模型，其规则的表达形式为:IF(P)THEN(T)，其中P是产生式规则中的条件;T是指当P所指的所有条件被满足时所得到的结论。

2.3 知识库的设计

变压器检修策略专家系统的知识库，采用通用、功能强的关系数据库语言——Microsoft SQL Sever建立。基于关系数据库的知识库主要采用二维表存储知识。将数据库和知识库二者结合，可以把知识和规则系统化、规范化［3］，更利于管理。变压器检修策略专家系统的知识库由事实库和规则库组成。在事实库中，由事实表来存储事实性知识;在规则库中，由一系列规则表来存储启发性知识。

2.3.1 事实库的建立

事实库主要是存储事实性知识，其数据表包括记录设备的出厂值和电压等级的设备信息表，还有表达变压器状态的状态量事实表。

2.3.2 规则库的建立

规则库中的数据表主要由构成规则所需的各表，分为两部分:一部分是用于案例推理的规则表;另一部分是用于规则推理的规则表。

用于案例推理的规则表包括案例表和案例状态量权值表。案例表存储变压器的经典案例，其中包括案例编号、描述变压器状态的所有状态量、还有该案例的维修措施，案例状态量权值表存储各状态量的特征参数。

用于规则推理的规则表包括条件表、结论表、规则表。其中条件表存储规则的知识，即满足一定结论所需的所有变压器的特征值条件，结论表则存储知识的结论部分，就是变压器达到某种状态的检修策略。

3 专家系统推理机的设计

系统采用CBR与RBR串行推理的方式，其推理流程如图2所示。由于案例的特殊性，变压器的特征值个数有限，若能进行检索匹配可以快速地得出检修策略，节省了推理时间，有效利用了历史经验，提高了系统的效率。而当没有合适与事实库中的案例匹配时，就采用普通的规则推理。并将推理产生的且证实准确的规则结论作为该案例的检修策略结果，成为新的案例，存到案例知识库中。

图2 CBR与RBR串行推理的流程图

3.1 基于CBR推理的设计

3.1.1 CBR推理的流程

输入当前变压器的基本信息，在案例库中检索相似案例，若有相似案例则输出该案例的检修策略，若无相似案例则转入规则推理，输出规则知识库的检修策略，证实检修策略正确后再将该案例作为新案例加入到案例知识库中，其流程如图3所示。

3.1.2 相似度的计算

图3 CBR流程图

CBR推理有两个目标:检索出的案例数量要少;检索出的案例尽可能与目标案例接近。判断案例是否相似转换成计算两个案例间的相似性问题。相似性是衡量对象之间相似程度的指标，一般通过计算对象在特征空间中的距离获得。在CBR、模式识别、信息检索、聚类等研究中，相似性是相对关键的概念［4］。

在专家系统案例检索方法中有最近邻匹配法(KNN)、归纳索引法、知识引导法等［5］。在这些算法中，最近邻匹配法结合了领域知识，解释能力强，应用简单，因此最近邻匹配法较适合CBR推理［7］。最近邻匹配法的核心思想是计算案例间的相似度，找出一个或多个最大相似度的案例为检索结果。

由于变压器的状态量参数较多，一般算法效率较低，所以案例采取基于部分特征的KNN算法的检索方式。这种检索方式并非每次检索都要考察案例的所有特征，即在计算两个案例的过程中，仅根据部分特征就可以判断这两个案例是否近邻。这样，就可以降低平均特征比较数，从而降低计算的复杂度。

这样，就将推理过程即案例的匹配过程分为两次检索，第一次检索应对变压器的部分特征值进行匹配，大于一定的阈值的案例可以形成一个案例集进行第二次检索，小于该阈值可直接转为规则推理［6］。第二次检索则利用变压器的所有特征值进行检索，与第一次检索得出的案例集匹配，如匹配相似度低于给定值，则放弃案例推理，转为规则推理。

每个案例包含n个特征量，案例集中的每个案例可用一个 n维向量表示 Xi{xi1，xi2，…，xin}。xij(j=1，2，…，n)是案例集中第i个案例的第j个特征量的取值。源案例表示为 X{x1，x2，…，xn}。

案例间的相似度［2］定义为

其中，0≤SIM(X，Xi)≤1;ωj表示案例特征向量第j个特征值xj的权值，且是源案例与目标案例第j个属性的相似度。

第一次检索的部分特征量，选择对故障比较敏感且变化范围较大的油中溶解气体，以0.7作为阈值，大于该值进入第二次检索，小于该值将案例转为规则推理。与第一次检索相类似，对于第二次检索，将在第一次检索中得出的案例集中检索。检索所有的特征量，由相似度定义可知，相似度为0.9～1.0，设阈值为0.9，大于该值认为找到决策案例，小于该值则转入规则推理。

3.1.3 特征值权重的设计

第一次检索中所涉及的变压器特征量为油中溶解气体。其成分都有 CH4、C2H6、C2H4、C2H2、H2、CO、C。运用层次分析法(AHP)中的和根法确定这几种气体的权重，并经过了一致性检验，权重分配如表1所示。

表1 第一次检索各成分的权重

由于变压器的特征量比较分散复杂，具有很大的自由性，文中变压器特征量的权重通过国家电网公司发布的文件《油浸式变压器(电抗器)状态评价导则》中的变压器状态量评价标准［7］来设定。

其中，αi为变压器特征量基本扣分值的最大值;βi变压器特征量的权重系数。

3.1.4 检索阈值的设计

在已知的案例库中选择一系列有检修结果且检修策略是一致的案例，求案例间的相互相似度，把最低的相似度作为阈值。此处验证第一次检索的阈值0.7。

从案例库中满足条件的案例如表2所示。

表2 相似案例

经过式(2)，式(3)计算可知案例间的相互相似度，具体如表3所示。从表3可知，将第一次检索的阈值设为0.7比较合理，最相似的案例不会被漏选。

表3 案例间的相似度

同样的方法可以得出第二次检索的阈值应为0.9。

3.2 基于RBR推理的设计

系统中基于RBR推理采用的是数据驱动的正向推理策略，从变压器的状态量开始，运用知识库中的规则，最后推导出最终的检修策略。其推理流程如图4所示。

图4 正向推理的流程图

3.3 系统知识库的管理维护

本系统将知识库管理维护也分为两个部分，案例库的管理维护与规则知识库的管理维护。

案例库的管理维护包括两个方面:案例库的查询和编辑修改。查询功能主要是通过控制案例的ID实现，每个案例都有唯一的ID，检索时可以准确地找出所要查找的案例。案例库的编辑修改包括对案例的修改，也包括添加新案例。由于CBR采用增量式学习方法，必然会导致案例库越来越庞大，给检索造成困难。所以，在增加新案例时采取相似度阈值限制的方式来限制案例的规模。在第一次检索中相似度小于阈值0.7的情况下，将该案例作为待添加新案例，二次检索决策案例相似度应在0.9～1.0之间，小于阈值0.9时把该案例作为待添加新案例，＜0.9时设定阈值0.95，＜0.95认为与已有案例重合，不加入案例数据库，若在0.9～0.95之间需要人工判断是否作为新案例。

规则库的管理维护也包括两个部分，包括规则库的浏览查询、编辑修改。与案例库的管理维护模块类似，浏览查询功能可以通过控制规则ID实现，同时给出相关联的选项。编辑修改包括新规则的添加和现有规则的删除与修改，同样也是通过控制规则的ID实现。