分布式能源系统故障诊断与预测专家知识库软件平台的设计与开发

章　筠，　吕　楠

上海电气集团股份有限公司 中央研究院　上海　200070



分布式能源系统故障诊断与预测专家知识库软件平台的设计与开发

章筠，吕楠

上海电气集团股份有限公司 中央研究院上海200070

设计与开发了一种分布式能源系统故障诊断与预测专家知识库软件平台，该软件平台以分布式能源系统为对象，专注于可充放电池、光伏系统、风机等设备运行状态的监测问题。利用监测数据，实现相关设备的故障报警、诊断和预测等功能。该软件平台以故障事件为基本元素，对故障分析和处理业务进行统一整合，结合专家系统和知识库的功能，将两者通过故障事件业务模型进行有机联系，具备了数据联通实时化、知识组织逻辑化、规则配置灵活化、计算公式配置界面化、案例检索智能化等多项特征。

分布式能源系统； 故障诊断； 故障预测； 专家系统

电网及电力设备的故障诊断、预测及防护一直以来都是电力系统研究的重点课题。在电力系统生产实践中，故障诊断与预测技术对于防止事故发生、避免经济损失、制定与完善维修计划等具有重要意义[1]。近年来，国内外多次发生的大规模停电事件，如北美大停电、巴西大停电，以及我国广东省大停电事件，使电力系统运行可靠性及安全性得到了更多的重视，也对电网的可靠性和稳定性提出了更高的要求。随着分布式发电技术的快速发展，分布式能源系统的故障诊断及预测技术也得到了广泛的关注[2-3]。对发生故障的分布式能源系统进行及时准确的诊断，甚至对即将发生的故障进行预测，具有非常重要的意义： 一方面，它能缩短故障应急处理时间，减少故障所导致的损失；另一方面，它能为系统维护计划制定和备品备件管理提供必要的参考[4-5]。

在此背景下，上海电气集团股份有限公司中央研究院通过对分布式能源系统故障处理业务需求的具体分析，在分布式能源系统故障诊断与预测专家知识库软件平台的设计和开发中，采用不同于常规专家系统和知识库系统的业务模型框架，将实时检测、规则推理、故障统计、案例分析等多种功能有机地集成到统一的平台中，开发了具有较高灵活度的故障处理专家知识库系统[6-7]。该系统以故障事件为基本元素，对故障分析和处理业务进行统一整合，结合专家系统和知识库的功能，将两者通过故障事件业务模型进行有机联系，使之具备数据联通实时化、知识组织逻辑化、规则配置灵活化、计算公式配置界面化、案例检索智能化等多项特征。

1　总体设计

1.1整体技术方案

分布式能源系统故障诊断与预测专家知识库软件平台针对分布式能源系统主要设备的故障处理业务，以故障事件为核心构建系统业务模型框架，并以基于故障事件模型的关系型数据库为软件实现基础，整体技术方案如图1所示。

图1　分布式能源系统故障诊断与预测专家知识库软件平台整体技术方案

该软件平台的主要业务功能包括故障相关测量数据监视、故障检测算法配置、故障事件逻辑关系定义和构建、故障信息自动记录与统计分析、基于规则和统计信息的故障推理等，图2为软件功能示意图。

图2　分布式能源系统故障诊断与预测专家知识库软件平台功能示意图

此外，该软件平台以故障事件模型为核心构建关系型数据模型，并以此数据模型为基础，实现整个软件平台。具体所实现的功能包括故障事件及关系管理、故障诊断及预测规则的自动生成、案例库设计、Lucene全文检索[8]、数据访问、业务逻辑定义及实现、视图展现等。

1.2系统软件架构

如图3所示，分布式能源系统故障诊断与预测专家知识库软件系统采用三层架构进行实施，分别为视图展现层、业务逻辑层、数据访问层。采用分层处理能有效提高系统的高内聚低耦合性，促进组件模块化，提高系统可维护性[9]。

图3　分布式能源系统故障诊断与预测专家知识库软件平台总体架构

视图展现层： 负责用户与系统的交互。用户打开浏览器，点击相应的按钮或链接，发送请求指令，系统经过处理后，将返回结果展现在浏览器中。

业务逻辑层： 负责业务逻辑处理，是系统的核心层。该层主要根据实际业务需要，进行相应的业务逻辑处理，用于系统内部的有效性验证、逻辑判断、业务处理性工作，以更好地保证程序运行的稳定性和健壮性。

数据访问层： 负责与底层数据库的交互，执行数据的添加、删除、修改、显示等。

2　详细设计

2.1登录管理

分布式能源系统故障诊断与预测专家知识库软件系统采用目前主流的B/S(Browser/Server，浏览器/服务器模式)应用架构，在移动终端设备上打开浏览器，输入系统访问地址后[10-11]，输入用户名、密码及验证码，即可登录系统，登录界面见图4。

图4　分布式能源系统故障诊断与预测专家知识库软件平台登录界面

2.2权限管理

分布式能源系统故障诊断与预测专家知识库软件平台不仅需支持基于角色的访问控制(Role-based Access Control， RBAC)权限管理，还需满足工程权限管理的要求。RBAC权限管理分为菜单管理、角色管理、用户角色管理，各个功能按照菜单划分，不同的角色可以访问不同的菜单集合。用户与角色关联，不同的用户拥有不同的角色，系统从而可以控制不同用户的访问权限。

2.3获取监控数据

由于微网远程客服系统软件已对各地区各工程的监控数据进行了采集，专家知识库软件平台需具备从远程客服系统的数据库中获取监控数据的能力。专家系统采用相应的故障诊断与预测策略对监控数据进行分析，如果故障出现，则进行告警，并将告警信息显示在软件页面上。

2.4知识采编与规则管理

故障诊断及预测的核心是推理引擎，推理引擎需要知识和规则的支撑，管理人员根据业务需要，对知识进行采编，对规则进行维护。

知识库知识采编主要是维护知识点，实现对知识的输入、查询、浏览、删除、修改等基本管理，提供知识的一致性、完整性，以及抗冗余检查。

规则维护主要是维护规则，实现对规则的输入、查询、浏览、删除、修改等基本管理。

2.5知识全文检索

知识库是故障诊断与预测分析的基础，是系统中不可缺少的组成部分。知识库要管理的知识量是庞大的，知识的调用、检索和查询效率，以及知识的一致性维护和完整性检查等是故障诊断与预测能否成功的关键。

分布式能源系统故障诊断与预测专家知识库软件具有Lucene知识全文检索功能，提供良好的用户体验。若故障诊断或预测结果不完善或需要补充查询，用户可以根据关键词进行全文搜索，将搜索到的内容展现出来，并根据提示信息找到自己所需要的内容，从而能够快速查找问题。在确认知识库尚未包含的知识点后，维护人员可对知识库进行编辑维护，添加相应的知识。

2.6故障监控

故障监控功能实时从后台获取故障诊断与预测的信息，并快速、高效、准确地通知用户，保证用户能够对故障信息进行及时处理，同时确认故障预警发生的根本原因，快速找出解决问题的方案，保证设备正常运营，避免或减少不必要的损失。

2.7故障诊断与预测

分布式能源系统故障诊断与预测专家知识库软件平台可以运用该领域专家多年来积累的经验和专业知识，求解需要专家才能解决的问题，具有快速、灵活、可靠的特点。它几乎可以无限制地容纳该领域所有适用于故障诊断与预测的专家经验，并能够利用这些经验知识快速准确地确定故障性质和故障位置，以及预测故障。

故障诊断主要是指当设备系统表现出某种故障信号，而这种故障信号可能对应多种故障原因时，系统可以模拟专家思维推理出最可能发生故障的部位和原因，对故障做出合理的解释并给出处理建议。

故障预测主要是根据历史数据或历史故障数据的统计分析结果，结合系统监测的实时状态数据，预测出设备可能将会发生的故障，并进行预警提示，从而更好地避免不必要的损失，为设备的正常运行提供更好的保障。

在软件首页点击“诊断”或“预测”按钮会出现“专家诊断结果”或“专家预测结果”页面。图5给出了“专家诊断结果”页面，该页面向用户呈现故障事件描述、故障处理方式、故障原因事件等信息。原因事件的状态为红色表示对应的原因事件发生，绿色表示未发生，用户根据故障原因事件的状态可以直观地确认导致故障发生的原因。

图5　“专家诊断结果”界面

此外，软件平台对导致故障发生的原因进行了统计，用户点击“原因统计”便可查阅故障原因的频次统计图(如图6所示)。通过查阅统计图，用户可以更为有效地对故障原因进行排查。

图6　故障原因频次统计

3　核心技术

分布式能源系统故障诊断与预测专家知识库软件平台集成了以下6项核心技术。

3.1基于故障事件的故障处理业务模型框架

为了将传感器实时检测数据、故障检测算法、故障诊断与预测规则、故障推理引擎、故障事件信息、故障处理建议、故障案例等多种业务信息与功能集成到统一的专家知识库平台中，本系统以故障事件为基本业务单元，构建故障处理业务模型框架。传感器实时检测数据同故障检测算法关联，故障检测结果决定故障事件是否被激活；一旦故障事件被激活，故障推理模块将根据规则和统计信息给出故障诊断或预测结果；可能的故障原因或故障结果确定后，根据相应的原因或结果给出故障处理建议；故障案例也可以根据故障事件类型进行分类管理和检索。

3.2基于故障事件的可配置化数据模型

为了满足分布式能源系统故障诊断与预测专家知识库软件平台业务模型框架的实现需求，设计了针对故障处理业务的可配置化数据模型。该数据模型以设备、故障事件为主线，构建各项业务之间的关系。根据设备类型定义和管理故障事件，根据故障事件定义管理故障检测公式、故障事件逻辑关系、故障诊断和预测规则，根据设备类型和故障类型管理故障案例库。各种业务通过设备类型和故障事件实现相互关联，业务属性的配置具有高度灵活性。

3.3故障检测算法自定义配置技术

故障检测算法是决定故障事件是否被激活的关键组件，是传感器实时检测数据与故障事件单元模型之间的接口。由于系统设备类型及故障模式种类繁多，因此故障检测算法也成为故障诊断与预测专家知识库中内容最丰富的组件之一，后期的维护工作量很大。为此，本系统针对工程实际中存在的大量简单诊断公式，提供了自定义、自维护的灵活配置技术，在不需要接触代码的情况下，方便用户自行添加和更改故障检测算法。

3.4基于故障事件模型的故障诊断与预测规则自定义和自动生成技术

由于采用了基于故障事件的业务模型框架，因此在分布式能源系统故障诊断与预测专家知识库软件平台中，故障诊断与预测规则是通过故障事件进行定义和管理的。用户通过事件管理界面定义和管理故障事件，以及故障事件之间的逻辑关系；系统根据所定义的故障事件及事件关系、故障事件之间的因果关系，双向分别自动生成故障诊断与预测规则。

3.5基于故障规则和统计信息的故障智能推理技术

分布式能源系统故障诊断与预测专家知识库基于故障规则和历史故障发生记录，实现故障推理。针对故障事件的原因事件，采用参数满足狄利克雷分布的多项式分布描述事件发生概率，在每次得到一个新的故障及其原因记录时，更新多项式分布，更新后的事件概率分布仍然是一个多项式分布。故障诊断与预测专家知识库的推理引擎根据故障诊断规则列出备选的原因事件列表，并依据原因事件的发生概率判定各故障原因的可能性。

3.6基于Lucene全文搜索的案例库智能检索技术

故障案例库能够为故障判定和处理提供经验信息，其有效利用的技术核心是高效的文本搜索技术。本系统提供了基于Lucene全文搜索的智能检索解决方案，在故障案例检索界面，用户可根据标题、关键词、故障原因、解决方案等字段进行模糊查询，系统会对关键词和索引文件进行匹配，将匹配结果通过页面排序的方式显示，方便用户快速查询和确认问题。

4　总结

分布式能源系统故障诊断与预测专家知识库软件平台专注于可充放电池、光伏系统、风机等设备运行状态的监测问题，并利用监测数据实现相关设备的故障报警、诊断和预测等功能。在满足故障分析与处理业务的同时，还具备数据通信、知识、经验、计算、逻辑推理等要素，可以较为容易地推广到其它业务。此外，该专家知识库软件平台提供了较为灵活的业务和数据模型，能够将各种智能要素有机地进行集成，这为未来专家知识库通用化产品的开发提供了借鉴。

[1] 王振铭，王喜魁，洪广欢.分布式能源发展的新机遇[J].沈阳工程学院学报(自然科学版)，2012，8(3)： 193-197.

[2] 马悦，董舟.分布式能源系统的研究及配置方案分析[J].节能，2011(4)： 15-19.

[3] 孙换春.分布式光伏发电系统接入配电网相关技术分析[J].电子技术与软件工程，2015(5)： 245.

[4] 黄大荣，宋军，胡必锦.基于专家知识库属性重要度的故障诊断方法研究[J].计算机科学，2007，34(4)： 231-233，封三.

[5] 刘剑，陈一超，江虹.基于规则的通用专家知识库故障诊断方法[J].计算机与数字工程，2010，38(6)： 72-76.

[6] 师会超，梁永政.塞拉门故障诊断专家系统知识库设计与实现[J].计算机测量与控制，2010，18(10)： 2262-2264，2288.

[7] 宣建强，李清东，江加和，等.基于测试事件图的故障诊断系统知识获取技术[J].上海交通大学学报，2011，45(2)： 179-183.

[8] 朱向明，周凤岐，王继红.数据挖掘故障诊断专家系统[J].火力与指挥控制，2011，36(9)： 190-194.

[9] 刘守明，胡志坤，王美玲.基于知识库的电力变压器故障诊断专家系统[J].计算机测量与控制，2011，19(7)： 1569-1571.

[10] 张永宜，段志宏.基于专家知识库的电力变压器故障诊断系统[J].西安工程大学学报，2011，25(4)： 547-550.

[11] 许亮，李秀喜，周华，等.故障诊断专家系统中知识库组织和维护技术的研究[J].计算机与应用化学，2006，23(11)： 1124-1128.

Introduced the design and development of software platform of expertise library for fault diagnosis and prediction of distributed energy system. This software platform takes the distributed energy system as an object and puts the focus on the monitoring issues on running status of rechargeable batteries, photovoltaic systems and blower fans. Malfunction alarm, diagnostics and predication functions of correlate equipment could be achieved via monitoring data. The software platform takes failure events as the basic elements to unify and integrate fault analysis and business process. The functions both in expert systems and knowledge base are combined together and are connected organically to the failure event & business model to enable the platform possessing multiple features i.e. real-time in data interchange, logic for knowledge structure, flexible in rule configuration , interface for formula configuration and intelligent in case searching.

Distributed Energy System； Fault Diagnosis； Fault Prediction； Expert System

2015年10月

章筠(1985—)，女，博士，工程师，主要从事分布式能源系统数据分析、算法研究及智能专家知识库研发工作，

E-mail： yunzhang1985@163.com

TP277

A

1674-540X(2016)01-001-05