基于知识图谱的变电站告警信息故障知识表示研究与应用

林凌云，陈 青，金 磊，王 磊

基于知识图谱的变电站告警信息故障知识表示研究与应用

林凌云1,2，陈 青1，金 磊1，王 磊3

(1.电网智能化调度与控制教育部重点实验室(山东大学)，山东 济南 250061；2.国网天津市电力公司，天津 300010；3.国家电网有限公司技术学院分公司，山东 济南 250002)

变电站监控端积压有大量告警信息文本，通过挖掘其中隐含的故障知识可以帮助监控人员快速掌握故障情况，提升故障处置效率。首先基于知识图谱技术提出了变电站告警信息故障知识表示方法。分析了告警信息的现有分类和解析内容，之后提出了告警信息故障知识图谱的构建方法，以事故和变位信号构造电网事故行为图谱，以异常信号构造设备异常行为图谱。从而挖掘并展示告警信号间的行为逻辑、关联关系和故障后的重要信息，为现场监控人员快速获取关键故障信息提供便利，提升故障处置效率。通过给出知识图谱可视化案例展示了方法的可行性。最后分析了知识图谱在信号解析、故障诊断、故障追踪领域的扩展应用，使变电站告警信息数据在电网故障处理领域得到更好的利用与挖掘。

告警信息；知识图谱；故障知识

0 引言

随着智能变电站的快速建设和发展，变电站监控平台随时会收到各类智能终端发送的告警信息，这些信息以自然语言表达电网内部相关故障及异常情况，具有数量巨大、出现频率高的特点[1-4]，且其中包含大量蕴含电网运行和设备状态的潜在重要信息。但在现有情况下，监控端收到告警信息后只通过屏幕直接显示出文本格式的信号，并未对其进行有效的梳理和分析，尤其是发生事故后，信号数量会在短时间内激增，现有展示方式且未经智能处理的情况会大大降低监控人员的处理效率。如何利用文本数据挖掘方法，挖掘获取海量变电站告警信息中隐含的事关电网运行状态、故障特征等关键信息，成为电网进入大数据时代后有待研究的问题[5-9]。

在监控告警信息挖掘的研究领域，一类研究方向主要是进一步完善专家系统对告警信息进行综合分析和相关规则匹配，实现电网故障诊断等应用[10-12]。另一类方向是结合自然语言处理领域的智能方法对文本格式的告警信息进行解析。文献[13]提出了一种对单条信号建立多元组模型的遥信信息语义解析方法。文献[14]基于正则表达式描述设备告警信息，按照规则从告警信息中获取关键内容。上述研究主要基于字段内容的提取，但没有针对信号群进行统一梳理和整合，未能挖掘信号间的关联关系，同时现有研究对告警信息的处理与解析结果均为“类别-字段”的表格形式，对于人工理解来讲不够清晰直观。

知识图谱(Knowledge Graph, KG)技术是融合人工智能技术与传统数据库的智能数据库，用于大规模知识的结构化管理[15]。对于电网而言，知识图谱能够整合电网内部分散的知识，有效挖掘电力系统内大规模文本信息中有用的潜在规则[16]。同时知识图谱的图数据结构也能为人工理解提供极大的便利。目前知识图谱在电力领域的研究尚处于起步阶段，相关文献主要着眼于应用探索与宏观框架设计。文献[17]提出电网故障处理辅助决策的多层次、多类别的知识图谱应用框架，并初步阐述了框架内功能的关键技术和解决思路；文献[18]针对我国能源互联网的发展趋势设计了电力知识图谱应用架构，阐述了电力知识图谱的未来应用场景与方向。知识图谱与电网相结合的研究方向也正逐步细化，文献[19]利用知识图谱的图结构表达文本信息及其相互关系，从缺陷语料中提取构建知识图谱所需的信息，实现知识图谱的自动构建，并提出了缺陷记录的自动检索方法；文献[20]提出了低压配电网拓扑结构知识图谱构建方法，整合和挖掘多个低压配电网信息系统数据，达到对系统内低压配网户变关系的辨识；文献[21]面向电网智能调控方向，提出了该领域知识图谱的构建方法，重点落实在故障处置等应用场景。在电网告警信息处理的研究领域，文献[17]中提及电网故障信息知识解析技术，借助知识图谱和自然语言处理技术，对告警信息进行解析的同时提取内部知识，为本文提供了相关研究思路。

本文以变电站告警信息为研究对象，提出了基于知识图谱的变电站告警信息故障知识表示方法，首先分析了告警信息的现有分类和解析内容，之后基于知识图谱分别以相应类别信号构建告警信息故障知识图谱，结合信号逻辑分析设计告警信息故障知识图谱构建规则。以事故和变位信号构造电网事故行为图谱，以异常信号构造设备异常行为图谱，表达故障后的事故行为及可疑故障设备的异常行为和现象。在此基础上展示和分析了实际典型案例的可视化图谱，验证方法可行：既能够挖掘告警信息间的关联，也可将故障知识以图谱形式清晰直观地展示，提升监控人员对于关键告警信息的获取效率和故障处置效率。最后对告警信息知识图谱在故障处置领域的扩展应用进行了分析。

1 变电站告警信息

1.1 告警信息分类

变电站告警信息表示了站内某设备的动作或状态变化情况，它以文本格式在告警窗中显示并存入告警记录文件。内容一般为20字以内，其中包括电压等级、设备名称、设备编号、动作行为等信息，能简洁直接地反应设备异常及故障情况。

现有规程将告警信号分为五类：事故、异常、越限、变位、告知。事故信号是当电网或设备发生故障引起保护装置动作、开关跳闸等信号，这些信号均为电网运行过程中及时发现和定位、处理和分析故障的关键信息，需要立即处理。异常信号表示设备的部件异常行为和参数异常现象，直接反应设备运行异常情况。越限信号是表示设备有功、无功、电压、电流等重要遥测量超出报警上下限的信号。变位信号为开关设备分、合闸信号，该类信号直接反应电网接线结构和运行方式的变化，重要性很高。告知信号是表示电网设备运行情况的一般信息，仅需定时查询并处理。

1.2 告警信息解析内容

变电站告警信息文本中包含很多重要信息，为了能够使用这些信息，要捋清基本的语义逻辑并进行属性设定。通过对变电站典型监控信息规范和实际厂站告警信息的结合分析，变电站告警信息解析内容包含以下属性：信号时间、信号内容和信号状态。各属性具体说明如下所述。

1) 信号时间

告警信号有两种时间显示：一种是SOE信号时间，SOE为事件顺序记录，将事件发生时间按顺序逐个记录，SOE时间为信号发生时的站端系统时间，SOE信号不是立即回发，而是在空闲时自动发送，仅部分重要信号加有SOE时标；另一种是COS 信号时间，COS信号于开关变位等事件发生后立即发送，该时间为主站监控系统后台收到信号报文指示时间，即监控主站时间[22]，本文选择告警信息的COS时间作为信号时间属性。

2) 信号内容

信号内容包含位置描述、设备描述、行为三种属性。

(1) 位置描述表示告警信号行为的发生位置，包含信号接收厂站、电压等级、线路。

(2) 设备描述是对设备编号及设备名称的描述信息。由于告警信息中涉及站内设备种类多，且设备包含众多部件，使设备名称通常比较复杂，故采用“上层设备—下层部件/参数”的两段式描述，如“保护—TA”、“开关—SF6”等。

(3) 行为表示设备及其下层部件的动作行为或运行参数发生的现象，如“断线”、“闭锁”、“告警”等。

3) 信号状态

信号状态表示告警信号的状态标识。对于开关位置信号，其状态分为“合闸”或“分闸”；对于设备状况信号，其状态分为“动作”或“恢复”。

告警信号解析内容示例如图1所示。

图1 告警信号解析内容示例

解析内容的获取基于字符串匹配算法实现，预先存储匹配模板，来源见表1。

采用BM匹配算法依次获取相应字段，基本流程如图2所示，具体步骤如下：

(1) 以单条告警信号文本为待解析对象，首先抽取首端19位字符(xxxx-xx-xx xx:xx:xx)存储为信号时间，抽取末端2位字符存储为信号状态。删除剩余字符中首末端空格，余下字符即为信号内容。

(2) 根据匹配模板依次匹配位置描述、设备描述、行为及内部属性。对于单个属性，若匹配成功，则将匹配成功的字符结果存储至对应属性并将相应字符从待匹配文本内删除；若未找到匹配项，则该属性为空。

(3) 信号字符由首至尾遍历完成后，若有除空格外的有效字符，则保存剩余字符，人工判断剩余字符的语义属性，所有匹配过程结束后更新匹配模板。

表1 告警信号内容匹配模板来源及示例

图2 基于字符串匹配的解析内容获取流程

2 知识图谱

2.1 知识图谱定义

2.2 知识图谱分类

按应用领域划分，知识图谱可以分为通用知识图谱和行业知识图谱。通用知识图谱覆盖内容广泛，重在融合全面、大量的实体，主要面向搜索、问答等领域；行业知识图谱仅面向某一具体领域，针对该领域的需求和特点，提供业务功能或解决具体问题[15]。本文以变电站告警信息为数据集，构建面向电网故障分析及诊断的电力行业知识图谱，通过分析告警信息间的关联以及告警信息包含的关键实体及其关系，帮助监控人员迅速获取重要告警信息，快速掌握事故情况，进而及时做出故障诊断。

3 告警信息故障知识图谱构建

告警信息故障知识图谱是以变电站告警信息为原始数据，形成描述电网事故后保护、开关设备的动作行为的图谱，用以事故行为判别。进而，当怀疑事故发生后某设备存在异常现象或异常行为时，形成描述设备异常行为的图谱，用以进行设备可疑故障原因判别。

以收到全站事故总信号作为图谱构建起点，全站事故总信号是变电站事故跳闸时的总报警信号，用以区分正常操作与事故跳闸。存储事故总信号后一定时间窗口内告警信号集，完成信号解析内容获取后，以事故和变位信号构建电网事故行为图谱，以异常信号构建设备异常行为图谱，并利用软件实现图谱可视化，从而将告警信号文本集转化为图形形式来直观展示事故行为和设备异常，帮助监控人员提升故障处置效率。

3.1 电网事故行为图谱

3.1.1构建流程

电网事故行为图谱是以事故和变位信号(为便于描述，统称为事故类信号)为数据源，注重表达这些告警信号描述的设备和行为状态以及信号间的关联关系。电网事故行为图谱构建流程如图3所示。

图3 电网事故行为图谱构建流程

具体步骤如下：

1) 从事故后告警信号集中获取事故类信号并按时间顺序排列。

2) 按时间序列首端至末端依次生成告警信号实体。

3) 读取信号解析内容结果中各属性内容实体，根据属性名称指定信号实体与内容实体间的关系，如电压等级、线路、设备、行为等，完成告警信号实体与信号解析内容实体的关系连接。

4) 构建告警信号对特征向量，利用分类算法进行信号间关系抽取，完成中心实体间关系连接。

5) 存储三元组集合，利用Neo4j软件形成电网事故行为图谱。

3.1.2实体和关系定义

为了在图谱中更全面地表达告警信号，集中每条信号及其内容，按照如下规则定义双层实体。

1) 将事故类告警信号集中的每条告警信号定义为一个中心实体。

2) 基于告警信号语义解析结果，以每条信号的语义解析内容作为分支实体，表达每条告警信号中所含的设备、行为等信息。

为适合上述双层实体定义，实体间关系定义为：

1) 中心实体与分支实体间关系为该解析内容所属属性名称。

2) 中心实体间关系表示为不同告警信号间关联关系。

为了在告警信号间赋予关联关系，首先应分析信号间的行为逻辑。在发生事故后，事故类告警信号中两两信号行为之间包含图4所示的逻辑，如保护动作后相应开关分闸，具备重合闸功能的开关分闸后重合闸动作等，其中虚线表示行为无法在接收到的告警信号中体现，如主保护拒动后近后备保护动作等。

图4 事故类告警信号行为逻辑

依据上述行为逻辑，告警信号间关联关系可概括为以下几类：

1) 控制关系。表示信号a控制信号b的发生，即保护动作与其控制的开关分闸信号、保护重合闸动作与开关合闸信号间关系。

2) 由于存在无法在接收到的告警信号中体现的行为逻辑，定义“误行为/信号”关系，如果信号a和b均出现，如主保护动作与对应后备保护动作信号，则构成误行为/信号关系，表明可能存在不正确行为或不正确告警信号。

3) 并列关系是指同时控制或被控制信号之间的共现关系，如保护控制的各个开关动作信号、双重保护配置的保护动作信号间关系。

4) 重合失败。即保护重合闸动作与开关分闸信号间关系，当重合闸动作后再次收到开关分闸信号，说明发生了重合失败。

3.1.3基于特征向量的关系分类

1) 关系特征及特征向量

指定关系类型后，即将关系抽取问题转化为关系分类问题。由于事故后告警信号数量较多，人工完成告警信号的关系分类工作量很大，在指定关系类型且种类有限的情况下，通过分析具有关联关系的告警信号对内容，按照一定规则从中抽取核心特征，将其转化为特征向量，利用机器学习方法实现告警信号间关系分类。

由于告警信号间关联关系是出现在两两信号之间，本文以“信号对”为单元构造特征向量。为了能够较为全面地获取信号间各种关系，将信号集中所有信号两两组合，生成信号对集合。每一个信号对中的两条信号按时间顺序排列，先出现的告警信号在前，后出现的在后。

事故类告警信号描述保护、开关、重合闸的动作行为，信号中的关键信息即是何种设备发生何种行为。同时，在发生复杂故障或故障后存在错误信号时，监控端可能会收到多个保护或多段保护的动作信息和多个开关的跳闸信息，此时保护与保护配合逻辑、保护与开关对应关系等等都是关系判别的关键特征。此外，一般情况下具备关联关系的告警信号间会同时或在1～2 s内先后出现，所以接收到两条信号间的时间差也是决定信号间是否存在关系的重要因素。

(1) 第条信号中设备类型d、行为类型b和第条信号中设备类型d、行为类型b。其中设备类型分为3类：保护-1，开关-2，重合闸-3；行为类型分为3类，动作-1，合闸-2，分闸-3。

(2) 设备对应关系是以矩阵中离散量元素表示保护间的配合关系、保护-开关的对应关系、开关间的并列对应关系。预先建立站内保护配合矩阵和保护/保护重合闸-开关对应矩阵：的行列值为站内所有保护的唯一编号，如 ××线保护“××- RCS-931”、1号主变差动保护“#1-WBH812A”；的行值为所有保护编号，列值为所有开关编号。元素数值及释义如表2所示。

表2 设备对应关系矩阵元素及释义

(3) 第条信号和第条信号时间差t=t-t，|t|越大，信号对存在关系的可能性越小。

2) 关系分类

基于特征向量的分类方法的基本原理是通过给定特征向量和正确标签的训练数据，训练机器学习算法构造分类器，使其对新的特征向量能够实现正确分类。当应用至告警信号对关系分类问题时，由于告警信息间关系类型数量已知，特征向量维数较低，同类别训练数据间相似度高，因此本文采用依赖样本数据的kNN算法实现事故类告警信号对关系分类。具体步骤为：首先根据历史告警信号预先生成训练样本集，设定值。对于一个测试样本，计算其与训练样本集各个样本点的欧式距离，如式(2)所示。

式中：为测试样本的特征向量；为第个训练样本特征向量。将Dist的计算结果按距离大小排序，选出与测试样本距离最近的前个邻近样本。将测试样本分配到其个近邻所属类别最多的分类中。最后更新训练样本集。

3.2 设备异常行为图谱

事故发生后，除保护动作、开关变位、重合闸等告警信号外，还会伴随有大量的设备异常信号。异常信号表示设备的部件异常行为和参数异常现象，包含丰富的实时信息。通过对在事故后告警信号集中出现的所关注设备的异常信号进行归纳，结合信号的可能原因分析，能够帮助监控人员快速发现设备可能存在异常的部件，提升现场检修效率。

当怀疑事故发生后某设备存在异常现象或异常行为时，在信号集中搜索该设备的所有异常告警信号，以该设备为起点，从信号解析结果中获取实体元素，并指定关系类型，形成事故后一定时间内设备行为树状图谱，描述事故后一定时间内该设备部件的可能异常情况。构建步骤如下：

1) 查找事故后信号集中某设备的所有异常信号，以该设备为起始实体，从语义解析结果中获取其编号、位置描述实体生成[设备-编号-ID]、[设备-厂站-××站] 、[设备-电压等级-××kV]、[设备-线路-××线]三元组。

2) 对于单条告警信号，获取部件/参数、行为、信号状态实体，生成[设备-包含-部件/参数]、[部件/参数-发生-行为]、[行为-状态-信号状态]三元组。

3) 统计该时间窗口内同一信号出现次数，作为末端实体，生成[信号状态-出现-次数]三元组。

4) 所有信号知识提取完成后，逐层合并该层具有相同节点的不同分支，形成树状有向图，其简化概念图如图5所示。

图5 设备异常行为图谱简化概念图

4 知识图谱可视化

为展示基于知识图谱的告警信息故障知识表示方法的实际应用和可视化效果，本文参考某220 kV变电站出线故障合并断路器拒动的实际事故，给出图谱可视化示例。选取该事故的原因是该事故在故障发生后保护正确动作但发生断路器设备的不正确动作，能够同时进行电网事故行为图谱和设备异常行为图谱两类图谱的构建。该变电站T站220 kV母线主接线示意图如图6所示。事故发生前，220 kV T变电站运行方式为：TL1、TP1、II TU1、II HT2、TD1、2号主变T222开关运行于西母，I TU1、I HT1、I BT2、TW1、1号主变T221开关运行于东母。

图6 T站220 kV母线主接线示意图

表3 T站事故类告警信号

表4 信号间关系分类结果

其中断路器TL1有不正确动作行为，通过筛选设备类型和编号查找事故前一小时的TL1异常信号，以断路器TL1为对象建立设备异常行为图谱，如图8所示。图谱中TL1相关告警信号由上至下依次为控制回路断线、油压低告警、油压低闭锁、SF6气压低告警、SF6气压低告警闭锁。其中开关“SF6气压低闭锁”和“油压低闭锁”信号反复动作并恢复，且出现频率最高。

图7 电网事故行为图谱

图8 TL1设备异常行为图谱

5 知识图谱扩展应用

构建完成的告警信息故障知识图谱可以在以下领域进行扩展应用，应用框架如图9所示。

1) 告警信息内容检索。现有变电站告警信息以中文文本格式显示在监控窗口内，信号刷新频繁，容易造成刷屏，造成监控效率低下。而告警信息知识图谱改善了告警信息显示形式，图形化展示可以使信号的显示更为清晰，更便于监控人员获取重要信号内容。通过检索实体标签，可以获取信号中相应厂站、电压等级、设备、行为等关键告警信息语义解析内容，提升所需信息的获取效率。

图9 故障知识图谱扩展应用框架

2) 故障诊断。以告警信息为数据源的电网事故行为图谱分析了事故告警信息间的逻辑关联，基于此结合知识推理方法进行故障诊断。预先建立故障案例库，在实际事故发生后，基于构建完成的电网事故行为图谱中的关系类型，根据其中包含的关系类型区分故障情况，进行案例间三元组相似度匹配，得到现有事故的可能故障诊断结果。现场检查并确认事故原因，将该事件扩充入故障案例库。随着越来越多次事故的处理和总结，可以将事故处理方式一并存入故障案例中，结合历史经验给出本次事件的处置建议，实现功能的进一步扩展。

3) 故障追踪。故障追踪是在调度端对收集到的事故告警信息调用故障诊断算法之后，若发现断路器以及保护有不正确动作，或者报警信息有丢失的情况，通过挖掘和分析站端其他有效数据，进而找出错误动作及信息丢失根源的过程[23]。预先对保护、断路器等设备的功能结构建模以及对通信系统数据流动路径建模，如果怀疑相应设备或系统存在故障，根据设备异常行为图谱中出现的相关机构及行为，确定设备可能的故障环节及故障原因，对故障原因追本溯源，提升现场检修效率。

6 结论

本文提出了变电站告警信息故障知识图谱构建方法，将知识图谱技术引入变电站告警信息的知识挖掘与展示。阐述了告警信息故障知识图谱的构建规则，挖掘了事故后告警信号间的关联关系，通过构造信号对特征向量以及结合分类算法实现关系自动分类，同时引申了若事故后怀疑某具体设备故障时的以设备为中心的异常行为图谱构建规则。通过案例图谱可视化说明了知识图谱模型在变电站告警信息故障知识表示方向的可行性，最后阐述了知识图谱的扩展应用。

同时，本文是对知识图谱技术应用至变电站告警文本信息的初步探索，如何在现有研究的基础上进一步完善告警信息领域知识图谱的构建流程，同时在图谱内部引入智能推理算法从而提升故障处置效率，是后续研究的重要方向。

[1] 李洁, 崔锦瑞. 500 kV变电站报警信息和事故处理流程优化[J]. 电力系统自动化, 2009, 33(2): 101-103.

LI Jie, CUI Jinrui. Process optimization of alarming signals and emergency response for 500 kV substation[J]. Automation of Electric Power Systems, 2009, 33(2): 101-103.

[2] 王磊, 陈青, 高洪雨, 等. 基于大数据挖掘技术的智能变电站故障追踪架构[J]. 电力系统自动化, 2018, 42(3): 84-91.

WANG Lei, CHEN Qing, GAO Hongyu, et al. Framework of fault trace for smart substation based on big data mining technology[J]. Automation of Electric Power Systems, 2018, 42(3): 84-91.

[3] 张永刚, 庄卫金, 孙名扬, 等. 大运行模式下面向监控的分布式智能告警架构设计[J]. 电力系统保护与控制, 2016, 44(22): 148-153.

ZHANG Yonggang, ZHUANG Weijin, SUN Mingyang, et al. Architectural design of distributed intelligent alarm application for equipment monitoring in the “large operation” mode of state grid[J]. Power System Protection and Control, 2016, 44(22): 148-153.

[4] 崔玉, 曹海欧, 余嘉彦, 等. 智能变电站智能告警技术及应用研究[J]. 电力信息与通信技术, 2021, 19(5): 65-70.

CUI Yu, CAO Haiou, YU Jiayan, et al. Research and application of intelligent alarm technology in smart substation[J]. Electric Power Information and Communication Technology, 2021, 19(5): 65-70.

[5] 中国电机工程学会信息化专委会. 中国电力大数据发展白皮书[M]. 北京: 中国电力出版社, 2013.

[6] 张东霞, 苗新, 刘丽平, 等. 智能电网大数据技术发展研究[J]. 中国电机工程学报, 2015, 35(1): 2-12.

ZHANG Dongxia, MIAO Xin, LIU Liping, et al. Research on development strategy for smart grid big data[J]. Proceedings of the CSEE, 2015, 35(1): 2-12.

[7] 彭小圣, 邓迪元, 程时杰, 等. 面向智能电网应用的电力大数据关键技术[J]. 中国电机工程学报, 2015, 35(3): 503-511.

PENG Xiaosheng, DENG Diyuan, CHENG Shijie, et al. Key technologies of electric power big data and its application prospects in smart grid[J]. Proceedings of the CSEE, 2015, 35(3): 503-511.

[8] 宋亚奇, 周国亮, 朱永利. 智能电网大数据处理技术现状与挑战[J]. 电网技术, 2013, 37(4): 927-935.

SONG Yaqi, ZHOU Guoliang, ZHU Yongli. Present status and challenges of big data processing in smart grid[J]. Power System Technology, 2013, 37(4): 927-935.

[9] 陈家超, 张勇军, 黄国权, 等. 计及保护和断路器告警信息可信度的电网故障诊断优化模型[J]. 电力系统保护与控制, 2021, 49(4): 28-36.

CHEN Jiachao, ZHANG Yongjun, HUANG Guoquan, et al. Optimal model of power grid fault diagnosis considering reliability of protection and circuit breaker alarm information[J]. Power System Protection and Control, 2021, 49 (4): 28-36.

[10] WEI L H, GUO W X, WEN F S, et al. An online intelligent alarm-processing system for digital substations[J]. IEEE Transactions on Power Delivery, 2011, 26(3): 1615-1624.

[11]郭文鑫, 文福拴, 廖志伟, 等. 计及保护和断路器误动与拒动的电力系统故障诊断解析模型[J]. 电力系统自动化, 2009, 33(24): 6-10.

GUO Wenxin, WEN Fushuan, LIAO Zhiwei, et al. An analytic model for power system fault diagnosis with malfunctions of protective relays and circuit breakers taken into account[J]. Automation of Electric Power Systems, 2009, 33(24): 6-10.

[12] 徐希, 张剑, 孙世明. 地区电网智能调度辅助决策系统[J]. 电力系统自动化, 2012, 36(2): 111-115.

XU Xi, ZHANG Jian, SUN Shiming. Regional power grid dispatching intelligent aided decision-making system[J]. Automation of Electric Power Systems, 2012, 36(2): 111-115.

[13] 张旭, 魏娟, 赵冬梅, 等. 一种用于电网故障诊断的遥信信息解析方法[J]. 中国电机工程学报, 2014, 34(22): 3824-3833.

ZHANG Xu, WEI Juan, ZHAO Dongmei, et al. An analytic alarm information method for power grid fault diagnosis[J]. Proceedings of the CSEE, 2014, 34(22): 3824-3833.

[14] 鲁华永, 袁越, 郭泓佐, 等. 基于正则表达式的变电站集中监控信息解析方法[J]. 电力系统自动化, 2017, 41(5): 78-83.

LU Huayong, YUAN Yue, GUO Hongzuo, et al. Regular expressions based information analytic method for substation centralized monitoring[J]. Automation of Electric Power Systems, 2017, 41(5): 78-83.

[15] 刘津, 杜宁, 徐菁, 等. 知识图谱在电力领域的应用与研究[J]. 电力信息与通信技术, 2020, 18(1): 60-66.

LIU Jin, DU Ning, XU Jing, et al. Application and research of knowledge graph in electric power field[J]. Electric Power Information and Communication Technology, 2020, 18(1): 60-66.

[16] 高海翔, 苗璐, 刘嘉宁, 等. 知识图谱及其在电力系统中的应用研究综述[J]. 广东电力, 2020, 33(9): 66-76.

GAO Haixiang, MIAO Lu, LIU Jianing, et al. Review on knowledge graph and its application in power system[J]. Guangdong Electric Power, 2020, 33(9): 66-76.

[17] 乔骥, 王新迎, 闵睿, 等. 面向电网调度故障处理的知识图谱框架与关键技术初探[J]. 中国电机工程学报, 2020, 40(18): 5837-5849.

QIAO Ji, WANG Xinying, MIN Rui, et al. Framework and key technologies of knowledge-graph-based fault handling system in power grid[J]. Proceedings of the CSEE, 2020, 40(18): 5837-5849.

[18] 蒲天骄, 谈元鹏, 彭国政, 等. 电力领域知识图谱的构建与应用[J]. 电网技术, 2021, 45(6): 2080-2091.

PU Tianjiao, TAN Yuanpeng, PENG Guozheng, et al. Construction and application of knowledge graph in the electric power field[J]. Power System Technology, 2021, 45(6): 2080-2091.

[19] 刘梓权, 王慧芳. 基于知识图谱技术的电力设备缺陷记录检索方法[J]. 电力系统自动化, 2018, 42(14): 158-164.

LIU Ziquan, WANG Huifang. Retrieval method for defect records of power equipment based on knowledge graph technology[J]. Automation of Electric Power Systems, 2018, 42(14): 158-164.

[20] 高泽璞, 赵云, 余伊兰, 等. 基于知识图谱的低压配电网拓扑结构辨识方法[J]. 电力系统保护与控制, 2020, 48(2): 34-43.

GAO Zepu, ZHAO Yun, YU Yilan, et al. Low-voltage distribution network topology identification method based on knowledge graph[J]. Power System Protection and Control, 2020, 48(2): 34-43.

[21] 余建明, 王小海, 张越, 等. 面向智能调控领域的知识图谱构建与应用[J]. 电力系统保护与控制, 2020, 48(3): 29-35.

YU Jianming, WANG Xiaohai, ZHANG Yue, et al. Construction and application of knowledge graph for intelligent dispatching and control[J]. Power System Protection and Control, 2020, 48(3): 29-35.

[22] 叶康, 王伟, 林锋, 等. 特大城市电网集中监控模式下设备告警信息参数模型的研究[J]. 华东电力, 2014, 42(1): 82-87.

YE Kang, WANG Wei, LIN Feng, et al. Alarm information parameter model under centralized monitoring mode for mega-urban grid[J]. East China Electric Power, 2014, 42(1): 82-87.

[23] 王磊, 陈青, 高洪雨, 等. 基于大数据挖掘技术的智能变电站故障追踪架构[J]. 电力系统自动化, 2018, 42(3): 84-91.

WANG Lei, CHEN Qing, GAO Hongyu, et al. Framework of fault trace for smart substation based on big data mining technology[J]. Automation of Electric Power Systems, 2018, 42(3): 84-91.

Research and application of substation alarm signal fault knowledge representation based on knowledge graph

LIN Lingyun1, 2, CHEN Qing1, JIN Lei1, WANG Lei3

(1. Key Laboratory of Power System Intelligent Dispatch and Control Ministry of Education (Shandong University),Jinan 250061, China; 2. State Grid Tianjin Electric Power Company, Tianjin 300010, China;3. Technology College, State Grid Corporation of China, Jinan 250002, China)

There are many alarm signal texts in the backlog of the monitoring terminal of a substation. Retrieving the hidden fault knowledge in them can help monitoring personnel to quickly grasp the fault situation and improve the efficiency of fault handling. Based on knowledge graph technology, this paper first proposes a method of expressing the fault knowledge of a substation alarm signal. It analyzes the existing classification and analysis content of the signal, and then proposes a method for constructing the fault knowledge graph of alarm signal, i.e. constructing a power grid accident behavior graph with accident and displacement signals, and constructing a device abnormal behavior graph with abnormal signals. Then it uses the graphs to excavate and display the behavioral logic, correlation between alarm signals and important information after the failure, so as to provide a convenient way for on-site monitoring personnel to quickly obtain key failure information and improve the efficiency of failure handling. The feasibility of the method is demonstrated with a case of knowledge graph visualization. Finally, the extended application of knowledge graphs in the fields of signal analysis, fault diagnosis, and fault tracking is analyzed, so that the substation alarm signal data can be better tapped and used in the field of power grid fault processing.

alarm signal; knowledge graph; fault knowledge

10.19783/j.cnki.pspc.211136

2021-08-19；

2022-02-12

林凌云(1996—)，女，硕士研究生，研究方向为电网文本数据挖掘与应用；E-mail: 609325207@qq.com

陈 青(1963—)，女，通信作者，教授，博士生导师，研究方向为电力系统故障分析与计算、电网故障诊断、继电保护等。E-mail: qchen@sdu.edu.cn

国家自然科学基金项目资助(51877123)

This work is supported by the National Natural Science Foundation of China (No. 51877123).

(编辑 魏小丽)