基于专家规则和信息论的电网警报处理方法

赵振涛，张大海，李永生

（1．电网智能化调度与控制教育部重点实验室（山东大学），济南250061；2．山东菏泽供电公司，菏泽274000）

基于专家规则和信息论的电网警报处理方法

赵振涛1，张大海1，李永生2

（1．电网智能化调度与控制教育部重点实验室（山东大学），济南250061；2．山东菏泽供电公司，菏泽274000）

针对电网发生故障时存在误报和漏报等不确定情况，提出一种基于专家规则和信息论的电网警报处理方法。该方法对警报处理过程中的警报划分集合关系，通过基于专家规则的正反向推理得到候选故障原因的特征警报集，并引入信息熵分析显示的警报集和特征警报集的相关联程度，科学地量化分析处理过程中的不确定程度。提取的交互信息量和信息比两个特征指标，在考虑时序特性与不考虑时序特性两种情况下，均能实时准确评估候选故障原因。实际算例验证了该方法的实用性和有效性。

电网警报；专家规则；信息熵；时序特性；评估指标

警报处理系统对电力安全生产、高效运行的重要意义勿庸置疑，电力系统运行方式的改变会引起数据采集与监控SCADA（supervisory control and data acquisition）系统产生大量的警报信息，特别是复杂故障情况下和雷雨大风等恶劣天气时会造成短时间内的警报泛滥[1]。近年来，无人变电站的增多及电网规模的增大使实时监测的数据点数目大幅度增加。同时，可再生能源的大量接入给电网带来较大幅度的扰动，这些都给报警系统的设计带来了很大的挑战。

20世纪末，有学者将警报处理看作是模式识别问题，把故障诊断系统引入到报警处理系统中，提出了基于规则库的警报处理方法，并采用专家系统等智能算法来推断分析警报信息产生的原因。后来，将引入故障诊断的报警系统逐渐地称之为智能报警系统[1]。目前，国内外应用于警报处理的智能算法有专家系统[2]、贝叶斯网络[3]和Petri网络[4]等。这些方法一般都能给出确定性的诊断结果，但都存在明显的缺陷，如实时性差、知识库维护困难等，特别是在复杂故障时不能保证诊断结果的准确性。

本文在已有研究基础上，对警报处理问题做进一步分析，提出了基于专家规则和信息论的警报处理方法。该方法引入电力系统信息化和警报信息熵概念，提取了交互信息量I（A，K）和信息比IR指标，对显示的警报信息和系统事件集进行不确定性分析。该指标计算方便，能够快速、准确地评估各候选故障原因，从而找出可能性最大的事故原因。通过对算例的实际分析，验证了该方法的有效性。

1 警报处理问题描述

现代警报系统将组合警报、拓扑处理以及时序特性等引入到报警处理过程中，按照警报信息的重要程度进行分层显示。为体现报警系统的智能化，报警系统采用专家系统等故障诊断算法对报警信息进行推理分析，得到故障辅助决策。为便于理解各警报之间的关系，本文采用集合理论对各警报进行划分。首先给出各警报集合的定义[5]：

（1）系统事件集Es：所有可能发生的原因事件的集合。

（2）系统警报集As：所有可能发生的警报事件的集合。

（3）特征警报集K：某个原因事件发生时，应该引起的警报事件的集合。

传统的警报系统是调度人员经过培训，凭借培训的知识和经验来判断哪个事件引起了显示的警报事件信息。智能报警系统的警报处理则是依靠特定的警报处理方法，对显示的警报事件进行推理分析，得到可能性最大的原因事件，系统事件集与特征警报集的数学关系描述为

式中：ei是指原因事件i；A（i）是指原因事件i对应的特征警报集；ne是指Es中所包含的可能原因事件的数目；NA={1，2，…，na}，na是As中所包含的警报事件的总数。

警报处理问题就是将可能的原因事件ei对应的特征警报集A（i）与显示的一组警报A（A⊂As）对比分析，确定它们之间的相关联程度，而找出最有可能发生的原因事件。在电网故障过程中，由于保护或开关的误动、拒动等因素的存在，可能造成误报与漏报，有时多种故障情况可能产生相同的警报信息。尤其在复杂故障发生时，这种不确定性更加明显。为此，需要定义一个综合指标，来充分利用警报有用信息，使参与决策的已知信息量最大，系统决策更合理。

2 警报处理的方法原理及步骤

2.1 警报处理系统的专家规则

电网发生故障后，SCADA系统提供了丰富的故障信息，含有电压电流等遥测信息，也包括保护开关的遥信信息，本文在进行警报处理时，仅考虑保护和开关信息。报警信息具有离散性、时序性及相关性等特点，反映到监控中心的离散报警信息具有时标属性，相关的警报信息组合可解释系统发生的故障事件。

电网发生故障时，保护开关动作与故障设备之间存在着必然的因果关系，这些关系可用领域专家的产生式规则来描述。图1给出了广州地区220 kV电力系统的某输电线路故障时形成的基于规则的约束网络实例[6]，其中，ci表示可能发生的原因事件，ai表示实时警报信息，详细警报事件可参考文献[6]。

图1 某设备故障时的规则约束网络实例Fig.1An example of rule constrained network for a fault scene

正向推理规则是根据保护开关的警报信息和保护范围进行推理，建立可疑故障设备集F，如图1中通过正向推理得到可能发生的线路故障、母线故障等原因事件，记作c1～c6。

规则1跳闸断路器3段保护范围内的设备属于可疑故障设备集F。

规则2与跳闸断路器同厂站、同电压等级、带失灵保护的未跳闸断路器，与其相连的设备属于可疑故障设备集F。

反向推理规则是结合电网的一次设备模型，从可疑的故障设备出发，根据保护动作规则生成。图1中，以线路故障事件c1为例，经过反向推理得出应该发生的警报信息为线路两端的差动保护动作a1和a27，以及相应断路器跳闸警报，即a21、a22、a23、a29、a30、a31。

2.1.1 不计警报时序特性的规则推理

完整的规则推理包括原因事件、警报事件和它们之间的逻辑关系。通过显示的警报信息，并结合网络拓扑结构，进行正向推理，得到故障候选原因E。然后根据系统配置规则，进行反向推理，得到相应特征警报集K。图1中，推出的原因事件分别是c1～c6，其中原因事件c1的特征警报集K包括a1、a21、a22、a23、a27、a29、a30、a31。其他原因事件与此类似。2.1.2计及警报时序特性的规则推理

时序特性是离散警报蕴含的重要信息，如线路故障后，主保护一般延迟10～20 ms，断路器动作延迟是40～60 ms，失灵保护延迟是220～250 ms等。利用警报信息的时序特性进行一致性识别，能够进一步提高诊断结果的准确性。文中采用a＜t0＞表示警报信息a在t0时刻发生，a[t0，t1]表示警报信息a应该在[t0，t1]时间段内发生。

采用时区描述时间特性，根据保护配置原则，设备保护在时间上具备选择性，现有输电网络的各级保护都考虑了时间级差配合。以故障时刻为参照，将故障后时间划分为主保护动作时区、失灵保护动作时区和后备保护动作时区。计及警报时序特性时，候选原因的评估利用保护动作的时间级差，在各个时区内进行正反向推理，得到带有时标的故障候选原因E及相应的特征警报集K。图1中，在0～60 ms时区内，由显示的警报集可推出带有时标的候选原因c1、c2、c4和c6。

参考美国ANSI/ISA Standard 18.2—2009标准[7]和英国EEMUA Publication 191规范[8]，对引用的正确报警、漏报和误报进行定义。

正确报警是指电力系统处于不正常状态时，产生并在报警窗显示给调度员的报警信息，正确报警数以NHit表示。

漏报是指电力系统处于不正常状态时（异常或故障）时，并没有出现在报警窗显示给调度员的报警信息，漏报数以NMiss表示。

误报是指电力系统正常状态下产生并在报警窗显示给调度监控人员的警报信息，误报数用NFA表示。

这里的误报和漏报都是相对于特征警报集来讲的。显示给调度人员的是比较重要的警报集A，其中有误报和正确报警，如图1所示，计及警报信息时序特性时，相对于候选原因c1[-18，-10]，正确报警为a1＜0＞、a21＜49＞、a22＜49＞、a27＜2＞、a29＜50＞、a30＜50＞、a31＜51＞，漏报为a23[32，70]，没有误报，即NHit、NMiss、NFA的值分别为7、1、0。不计警报信息时序特性时，正确报警和漏报不变，而误报包括显示警报集中除正确警报外所有已发生的警报，即NHit、NMiss、NFA的值分别为7、1、10。其他与此类似。

2.2 信息论及其在警报处理中的应用

信息熵是信息论之父香农1948年提出的，主要研究信息的量化度量问题，是分析随机变量不确定性的科学理论。随着信息科学的不断发展，信息理论在警报处理过程中有广阔的应用前景[9-10]。

2.2.1 信息熵

根据信息熵理论，对于一个不确定系统，若用一个含有有限随机事件的集合X表示其状态特

征，取值为xi的概率为pi（i=1，2，…，n），且1，则集合X中任意一个事件xi的自信息量

在集合X上，随机变量H（xi）（i=1，2，…，n）的数学期望定义为平均自信息量，称为集合X的信息熵，即

式中：N取2；若pi=0，规定pilb pi=0，bit。

在电力系统警报处理过程中，显示给调度人员的警报事件和原因事件是不确定的，显示警报集A和特征警报集K的自信息量分别为H（A）和H（K）。其中，H（A）表示显示的是警报集传递的平均信息，值越大，表明不确定性越大。

2.2.2 交互信息量I（A，K）和信息比IR

信息量可用于测量定性变量间的相关联程度，且已在电力系统及核电站故障诊断中有了初步的应用[11-12]。本文在已往信息量研究基础上，提取交互信息量和信息比两个特征指标来评估各故障候选原因。其中，交互信息量I（A，K）表征由显示警报集A所得到的某原因事件ei的信息量，即ei的不确定程度减少量，且式中，关联熵H（A，K）是信息熵的拓展，在警报处理过程中，离散的警报信息是相关联的，组合的警报信息能够推出系统的故障事件。特征警报集K中，每个特征警报事件与显示的警报事件的相关性大小是不确定的，本文引入关联熵H（A，K），以定量分析显示警报集A与特征警报集K的相关联程度，H（A，K）值越大，关联程度越小。

将式（5）代入式（6）得

信息比IR是表征显示警报集A确定后，特征警报集K的熵值相对减少量，即

式中，IR∈[0，1]。

考虑到工程实际中各种警报发生的概率不易获得，本文采用文献[12]的工程处理方法，假定各警报事件发生的概率相等，即

将式（9）、式（10）和式（11）代入式（7）得

将NHit、NMiss、NFA代入式（12），即

各候选原因事件发生的可能性可以通过交互信息量I（A，K）和信息比IR两个特征指标来判断。容易验证，两个指标正相关的，I（A，K）和IR的值越大，表明该候选原因事件的不确定程度越小，即发生的可能性越大。

2.3 警报处理步骤

基于专家规则和信息论的警报处理步骤。

步骤1根据SCADA系统采集的断路器状态，确认与动作开关相联系的失电区域。依据正向推理规则将失电区域内的所有主设备视为可疑故障设备，得到可疑故障设备集F。

步骤2结合电网拓扑结构及保护网络范畴，进行推理，做出所有可能的故障原因假设，得到故障候选原因事件集E（E⊂Es）。

步骤3根据规则库中的保护配置规则，对每个可疑故障设备的候选原因事件进行反向推理，确定各候选原因事件的特征警报集K。

步骤4对每个候选原因事件，将显示的警报集A与特征警报集K做比较统计，得到相应原因事件的NHit、NFA和NMiss，并将它们代入评估指标I（A，K）和IR求解。

步骤5对所有的疑似故障设备，重复步骤2～步骤4进行处理，得到各故障候选原因的评估指标。根据本文提出的评估原理，得到可能性最大的候选原因事件，最后将处理结果显示给调度人员。

3 算例

采用文献[6]中关于广州地区220 kV电力系统发生的实际警报处理案例，系统接线方式如图2所示。

图2 电力系统接线方式Fig.2Power system connection structure

文献[6]引入警报信息的时序特性，并采用覆盖集理论和Tabu搜索方法进行诊断分析。诊断结果为在-18～-10 ms时间段内，线路L2943发生故障，在29～59 ms时间段内，碧山站C12断路器拒动。其中，显示警报集A、系统保护配置规则及警报事件的编号参见文献[6]。

基于本文提出的警报处理方法，在考虑时序特性与不考虑时序特性两种情况下分别对该案例进行分析。

按照警报处理步骤，首先根据SCADA系统采集的断路器状态确认失电区域，得到可疑故障设备集F={L2943，B3，B4}。结合电网拓扑结构及保护配置，在不计警报时序特性时，进行正向推理，形成各候选原因事件集E={c1，c2，c3，c4，c5，c6}。计及警报时序特性时，在0～60 ms和250～350 ms时间段内进行正向推理，形成的各候选原因事件集{c1[-18，-10]、c2[-1061，-941]、c3[249，278]、c4-1[-31，-1]、c4-2[253，278]、c5[29，59]、c6[-1059，-940]}。

根据规则库中的保护配置规则，对各个候选故障原因进行反向推理，得到各候选原因的特征警报集K。在计及警报时序特性和不计警报时序特性两种情况下，分别将显示的警报集A与特征警报集K做比较，形成候选原因对应的正确报警、误报、漏报，并统计出NHit、NFA和NMiss，结果见表1。

表1 NHit、NMiss和NFA的统计结果Tab.1Statistical results of NHit，NMissand NFA

由表1知，计及警报信息时序特性时，在0～60 ms和250～350 ms时间段内的警报提供的自信息量是不一样的，这是由于两个时间段内显示警报的不同造成的。

计及警报信息时序特性时，按照警报处理步骤，将表1中的统计值代入特征指标，得到各候选原因的评估结果。以候选原因c1为例，NHit、NFA和NMiss的值分别为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。其他依次类推，结果见表2。

由表2知，计及警报信息的时序特性时，在0～60 ms，c1（线路L2943故障）的I（A，K）和I.R值最大；在250～350 ms时间段，c5（碧山站C12断路器拒动）的I（A，K）和IR值最大，根据评估原理，候选原因事件c1和c5为实际发生故障，与实际发生的事件一致。

不计警报信息的时序特性时，按照警报处理步骤，将统计结果代入特征指标，得出故障候选原因的评估结果，如表3所示。

表2 系统故障原因评估（计及警报时序特性）Tab.2Evaluation of diagnostic causes of power system（subjected to temporal constraint）

表3 系统故障原因评估（不计警报时序特性）Tab.3Evaluation of diagnostic causes of power system（without temporal constraint）

由表3可知，不考虑警报信息的时序特性时，系统警报集的自信息量H（A）都增大，而提供的信息量都相对减小。其中，最大的两个是c5和c1，与实际发生的事件一致，但应注意到c4也较大，可能会影响调度员的诊断结果。因而，可以看出计及警报信息时序特性的警报处理系统更准确。

通过对上述算例的分析可知，文中的警报处理方法具有较高的容错性，在保护开关动作信息不完整、不一致等情况下，仍能得出准确的结论，并且计算简便，易于解释，不需要人为设置权重系数，较文献[6]中的方法有更高的可靠性和实用性。

4 结语

本文提出了一种基于专家规则和信息论的电力系统警报处理方法。该方法利用信息论提取了交互信息量I（A，K）和信息比IR两个特征指标，并结合电网拓扑和保护配置形成的规则约束，对警报处理过程中的不确定性进行科学的量化，从而辅助调度人员快速地判断故障发生的原因。算例表明该方法是可行的，而且具有实时性好、容错性强等优点，可满足厂站监控人员警报处理的实际需求。

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

[2]刘青松，夏道止（Liu Qingsong，Xia Daozhi）．基于正反向推理的电力系统故障诊断专家系统（Expert system of power system fault diagnosis based on forward and backward reasoning）[J].电网技术（Power System Technology），1999，23（9）：66-68，71.

[3]吴欣，郭创新（Wu Xin，Guo Chuangxin）．基于贝叶斯网络的电力系统故障诊断方法（Power system fault diagnosis approach based on Bayesian network）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2005，17（4）：11-15，40.

[4]匡迎春，沈岳，罗日成（Kuang Yingchun，Shen Yue，Luo Richeng）．基于Petri网并分解技术的电网故障诊断（Fault diagnosis of power system based on the union decomposition technology of Petri net）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2008，20（1）：57-60.

[5]文福拴，韩祯祥（Wen Fushuan，Han Zhenxiang）．基于覆盖集理论和Tabu搜索方法的电力系统警报处理（A new approach to alarm processing in power systems based upon the set covering theory and Tabu search method）[J]．电力系统自动化（Automation of Electric Power Systems），1997，21（2）：18-23，36.

[6]郭文鑫，文福拴，廖志伟，等（Guo Wenxin，Wen Fushuan，Liao Zhiwei，et al）．基于时序约束网络的电力系统在线警报处理解析模型（An analytic model for power system online alarm processing based on temporal constraint network）[J].电力系统自动化（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，张明友．信息论导引[M]．成都：电子科技大学出版社，2005．

[10]白雪梅，赵松山（Bai Xuemei，Zhao Songshan）．对于信息与熵的认识及其应用（Cognition and application for information and entropy）[J]．统计与信息论坛（Statistics& Information Tribune），2001，16（46）：7-12．

[11]汤磊，孙宏斌，张伯明，等（Tang Lei，Sun Hongbin，Zhang Boming，et al）．基于信息理论的电力系统在线故障诊断（Online fault diagnosis for power system based on information theory）[J]．中国电机工程学报（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

赵振涛（1987—），男，硕士研究生，研究方向为电力系统调度自动化、电力系统监控和电能质量。Email：sduzzt@163. com

2012-09-17；

2012-12-11

张大海（1973—），男，博士，副教授，研究方向为电力系统监控、电力电子与电能质量。Email：dhzhang@sdu.edu.cn李永生（1985—），男，硕士，工程师，研究方向为电力系统自动化。Email：sdueng806@126.com