基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法
【專利摘要】本發(fā)明涉及基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法，包括定義節(jié)點(diǎn)，根據(jù)節(jié)點(diǎn)規(guī)則和狀態(tài)值生成決策樹模型；獲取決策樹模型的輸入數(shù)據(jù)；利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)；將各節(jié)點(diǎn)的輸出數(shù)據(jù)與期望值進(jìn)行對比，獲取節(jié)點(diǎn)狀態(tài)變化；確定決策樹模型節(jié)點(diǎn)優(yōu)先級，獲得推理結(jié)果。通過上述方法大大提升了災(zāi)害條件下配電網(wǎng)處理海量信息、掌握關(guān)鍵態(tài)勢的能力，為配電網(wǎng)應(yīng)對自然災(zāi)害提供決策支持。
【專利說明】
基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及電力系統(tǒng)技術(shù)領(lǐng)域，具體涉及基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法。
【背景技術(shù)】
[0002]隨著全球氣候變化及其導(dǎo)致的自然災(zāi)害對配電網(wǎng)的影響日益凸顯，提升配電網(wǎng)對災(zāi)害的態(tài)勢感知能力成為一個(gè)重要的發(fā)展方向，需要面臨和解決如下挑戰(zhàn):首先，配電網(wǎng)的規(guī)模越來越大，網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜，設(shè)備故障、負(fù)荷變化等影響供電安全的不穩(wěn)定因素越來越多；其次，隨著國家對綠色清潔能源的大力支持，分布式電源、儲能裝置、電動(dòng)汽車大規(guī)模接入電網(wǎng)，需求響應(yīng)和雙向潮流對配電網(wǎng)結(jié)構(gòu)和運(yùn)行管理產(chǎn)生重大影響;此外，配電網(wǎng)節(jié)點(diǎn)規(guī)模大，量測數(shù)據(jù)多，但由于成本等原因覆蓋率卻比較低、并且數(shù)據(jù)質(zhì)量不佳。上述原因直接導(dǎo)致操作人員難以有效感知和掌控配電網(wǎng)各種狀態(tài)及變化趨勢，既影響著正常條件下的配電網(wǎng)可靠供電能力，也影響著災(zāi)害條件下對生命線用戶的供電保障能力。

【發(fā)明內(nèi)容】

[0003]為了解決上述問題，提供一種基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法，針對災(zāi)害條件下的配電網(wǎng)態(tài)勢感知方法進(jìn)行探索，為配電網(wǎng)應(yīng)對自然災(zāi)害提供決策支持。
[0004]本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的:
[0005]基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法，所述方法包括下述步驟:
[0006](I)定義節(jié)點(diǎn)，使得每個(gè)節(jié)點(diǎn)均包含相應(yīng)的指標(biāo)、公式、規(guī)則和知識信息，以及定義節(jié)點(diǎn)的狀態(tài)值范圍及狀態(tài)描述；
[0007](2)根據(jù)節(jié)點(diǎn)規(guī)則和狀態(tài)值生成決策樹模型；
[0008](3)獲取決策樹模型的輸入數(shù)據(jù)；
[0009](4)利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)；
[0010](5)將各節(jié)點(diǎn)的輸出數(shù)據(jù)與期望值進(jìn)行對比，獲取節(jié)點(diǎn)狀態(tài)變化；
[0011 ] (6)確定決策樹模型節(jié)點(diǎn)優(yōu)先級，獲得推理結(jié)果。
[0012]優(yōu)選的，所述步驟(I)中，定義節(jié)點(diǎn)的方法包括以下步驟:將節(jié)點(diǎn)的相關(guān)參數(shù)定義為指標(biāo)，包括輸入指標(biāo)、輸出指標(biāo)和常量指標(biāo)，且每個(gè)公式僅包含一個(gè)輸出指標(biāo)；
[0013]所述節(jié)點(diǎn)包括一個(gè)或多個(gè)規(guī)則，所述規(guī)則包括一個(gè)或多個(gè)子規(guī)則，同一級的規(guī)則和子規(guī)則之間的邏輯關(guān)系僅包括邏輯或和邏輯與中任一種；
[0014]對于復(fù)雜的邏輯與或非關(guān)系組合，將其拆分為獨(dú)立的邏輯或或者邏輯與的規(guī)則和子規(guī)則組合。
[0015]優(yōu)選的，所述步驟(2)中，定義節(jié)點(diǎn)的狀態(tài)值取值范圍及狀態(tài)描述具體包括:定義狀態(tài)值范圍true和/或false，通過選取其中任一種來描述不同的節(jié)點(diǎn)狀態(tài)。
[0016]優(yōu)選的，所述步驟(2)，根據(jù)節(jié)點(diǎn)規(guī)則和狀態(tài)值生成決策樹模型包括:定義節(jié)點(diǎn)下所有規(guī)則和子規(guī)則的狀態(tài)值，通過節(jié)點(diǎn)的nextnode屬性判斷邏輯與/或，確定節(jié)點(diǎn)路徑，自下而上遞歸獲取規(guī)則和子規(guī)則的狀態(tài)值分別為true/false時(shí)對應(yīng)的上一級節(jié)點(diǎn)，生成用于配電網(wǎng)態(tài)勢感知的決策樹模型。
[0017]優(yōu)選的，所述步驟(3)獲取決策樹模型的輸入數(shù)據(jù)包括:定義各節(jié)點(diǎn)對應(yīng)的指標(biāo)名稱，不同的指標(biāo)名稱代表不同的知識信息；依據(jù)指標(biāo)名稱將不同類型的配電網(wǎng)數(shù)據(jù)匹配到相應(yīng)節(jié)點(diǎn)，并通過以下格式發(fā)送至服務(wù)器，存入輸入指標(biāo)歷史數(shù)據(jù)表中；
[0018]public dataSend(String modeIId,Map<String,Double>params,Date time)
[0019]其中,mode I Id為決策樹模型id，params表示指標(biāo)的key-value類型，time為有效時(shí)間。
[0020]進(jìn)一步地，所述依據(jù)指標(biāo)名稱將不同類型的配電網(wǎng)數(shù)據(jù)匹配到相應(yīng)節(jié)點(diǎn)包括下述步驟:
[0021](a)接收用于顯示各節(jié)點(diǎn)對應(yīng)的指標(biāo)名稱和決策樹模型ID的輸入?yún)?shù)指標(biāo)列表，將包含所述指標(biāo)名稱的配電網(wǎng)數(shù)據(jù)按照指定的參數(shù)文件格式進(jìn)行存儲并發(fā)送；
[0022](b)啟動(dòng)決策樹模型，通過監(jiān)聽程序定時(shí)讀取文件，獲得相關(guān)參數(shù)，并利用感知推理引擎將所述參數(shù)通過指標(biāo)名稱匹配方式發(fā)送至決策樹模型。
[0023]優(yōu)選的，所述步驟(4)中，利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)具體包括:在指標(biāo)歷史數(shù)據(jù)表中選取供決策樹模型態(tài)勢感知的輸入數(shù)據(jù);并調(diào)用推理法對決策樹模型進(jìn)行態(tài)勢感知，利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)，實(shí)時(shí)更新節(jié)點(diǎn)狀態(tài)。
[0024]進(jìn)一步地，所述進(jìn)行態(tài)勢推理的約束條件包括:每次推理時(shí)，按照存入指標(biāo)歷史數(shù)據(jù)表的時(shí)間先后順序選取一次數(shù)據(jù)，并為當(dāng)前選取的數(shù)據(jù)記錄添加狀態(tài)數(shù)；
[0025]執(zhí)行下一次感知推理時(shí)，選取的數(shù)據(jù)為前一次獲取的數(shù)據(jù)對應(yīng)的下一個(gè)時(shí)間延時(shí)數(shù)據(jù)；
[0026]對時(shí)間進(jìn)行校驗(yàn)，包括:獲取數(shù)據(jù)的有效性時(shí)間需在允許的誤差范圍時(shí)間段內(nèi)，且下一次獲取數(shù)據(jù)的有效性時(shí)間在上一次獲取數(shù)據(jù)的有效性時(shí)間之后。
[0027]優(yōu)選的，所述步驟(5)獲取節(jié)點(diǎn)狀態(tài)變化包括:當(dāng)各節(jié)點(diǎn)的輸出數(shù)據(jù)大于、小于、等于或不等于自定義的期望值時(shí)，則該輸出數(shù)據(jù)對應(yīng)規(guī)則下的同一級子規(guī)則的狀態(tài)值為true，反之為false ο
[0028]優(yōu)選的，所述步驟(6)確定決策樹模型節(jié)點(diǎn)優(yōu)先級，獲得推理結(jié)果包括:
[0029]根據(jù)決策樹模型中每一個(gè)輸出數(shù)據(jù)判斷對應(yīng)規(guī)則的狀態(tài)值;其中，所述輸出數(shù)據(jù)為對應(yīng)規(guī)則下的同一級子規(guī)則的狀態(tài)值;為節(jié)點(diǎn)設(shè)置規(guī)則校驗(yàn)邏輯，所述節(jié)點(diǎn)下的每一個(gè)規(guī)則包含一個(gè)或多個(gè)子規(guī)則，
[0030]若將規(guī)則校驗(yàn)邏輯設(shè)為邏輯與，則該節(jié)點(diǎn)下的同一級規(guī)則/子規(guī)則均取邏輯與;若設(shè)為邏輯或，則該節(jié)點(diǎn)下的同一級規(guī)則/子規(guī)則均取邏輯或，通過判斷邏輯與/或，確定節(jié)點(diǎn)優(yōu)先級，自上而下逐級獲得節(jié)點(diǎn)狀態(tài)值;并將頂級的節(jié)點(diǎn)狀態(tài)值定義為推理結(jié)果。
[0031 ]與現(xiàn)有技術(shù)比，本發(fā)明達(dá)到的有益效果是:
[0032]本發(fā)明以災(zāi)害應(yīng)急響應(yīng)為目標(biāo)，以知識推理方法為主要思路，提出災(zāi)害條件下的配電網(wǎng)態(tài)勢感知方法，該方法基于復(fù)雜事件處理的知識推理，并考慮災(zāi)害與“源網(wǎng)荷”的配電網(wǎng)態(tài)勢感知框架;有助于提升災(zāi)害條件下配電網(wǎng)處理海量信息、掌握關(guān)鍵態(tài)勢的能力，為配電網(wǎng)應(yīng)對自然災(zāi)害提供決策支持。
[0033]利用本發(fā)明提出的配電網(wǎng)態(tài)勢感知方法，從而提高了電力知識的采集能力、管理能力、態(tài)勢感知推理預(yù)測能力、重大電力災(zāi)害的決策能力和防御能力，降低了工作成本，節(jié)約開支，有效利用各種資源，使信息和知識在各部門自由流通，主要效果包含以下幾點(diǎn):
[0034]I)通過引入本體知識領(lǐng)域模型，對系統(tǒng)進(jìn)行設(shè)計(jì)可以在知識和信息的收集、處理、標(biāo)識存儲等過程中解決語義異構(gòu)的問題，通過建立領(lǐng)域本體來豐富相關(guān)領(lǐng)域的概念，揭示這些概念之間的關(guān)系。這樣可以使工作人員對相關(guān)概念有更加深刻、正確的理解，徹底改變以往系統(tǒng)中存在的模糊語義。
[0035]2)基于本體的配電網(wǎng)態(tài)勢感知知識庫系統(tǒng)可以以最快的速度將知識傳遞給最需要的人，同時(shí)還可以提高檢索的查準(zhǔn)率和查全率。
[0036]3)基于本體的配電網(wǎng)態(tài)勢感知知識庫的建立可以建立基于知識的感知規(guī)則庫，為態(tài)勢感知和災(zāi)害預(yù)測提供知識支撐，提高決策的準(zhǔn)確性，降低風(fēng)險(xiǎn)，使電科院在領(lǐng)域內(nèi)占據(jù)主導(dǎo)地位。
[0037]4)隨著今后該體系的完善，可以使每個(gè)工作人員在工作和學(xué)習(xí)當(dāng)中增加知識和技能，使信息和知識可以在所有部門自由流通，通過知識的創(chuàng)新和重組，使知識進(jìn)一步增值。
[0038]總之基于本體的配電網(wǎng)態(tài)勢感知方法的配電網(wǎng)知識庫可以對知識進(jìn)行有效管理的同時(shí)，有助于形成良好的知識沉淀，同時(shí)對于配電網(wǎng)態(tài)勢感知推理預(yù)測研究和災(zāi)害防御決策等等起到重要的作用。
【附圖說明】
[0039]圖1為本發(fā)明提出的配電網(wǎng)態(tài)勢感知計(jì)算方法流程圖；
[0040]圖2為本發(fā)明提出的配電網(wǎng)態(tài)勢感知推理方法流程圖；
【具體實(shí)施方式】
[0041]本發(fā)明涉及一種基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法，其中:
[0042]態(tài)勢感知即在特定的時(shí)空環(huán)境下感知某個(gè)或某些元素，理解其含義，并對其未來發(fā)展趨勢進(jìn)行預(yù)測。而配電領(lǐng)域的態(tài)勢感知是指在快速時(shí)變的環(huán)境下，操作人員對配電網(wǎng)的當(dāng)前狀態(tài)及其變化趨勢的認(rèn)知。這一感知過程涉及大量變量，包括配電網(wǎng)絡(luò)拓?fù)?、開關(guān)遙信、遙測信息(電壓、電流、有功、無功)、設(shè)備信息(設(shè)備參數(shù)、溫度、過載等)等情況。這些變量每秒都在變化，大量復(fù)雜關(guān)聯(lián)且時(shí)變的數(shù)據(jù)已超出操作人員處理信息的能力。在沒有態(tài)勢感知系統(tǒng)提供支持的情況下，操作人員不得不部分借助歷史經(jīng)驗(yàn)而部分依靠猜測來判斷系統(tǒng)態(tài)勢(當(dāng)前狀態(tài)和未來變動(dòng)趨勢)，存在失控風(fēng)險(xiǎn)，特別是在災(zāi)害情況下，配電網(wǎng)的數(shù)據(jù)變化更加難以理解和控制，因此，態(tài)勢感知要解決的問題就是“當(dāng)操作人員需要某個(gè)信息時(shí)，從海量信息中找到所需的關(guān)鍵信息，或主動(dòng)為操作人員提供關(guān)鍵信息”。
[0043]態(tài)勢感知的概念框架包含三個(gè)環(huán)節(jié):數(shù)據(jù)獲取與處理、理解與預(yù)測:數(shù)據(jù)獲取與處理，即從多源系統(tǒng)在線獲得原始數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行篩選、整理;理解，即對數(shù)據(jù)進(jìn)行解析，采用計(jì)算、映射、推理等方法，將數(shù)據(jù)轉(zhuǎn)換為當(dāng)前態(tài)勢的過程;預(yù)測:基于理解的結(jié)果，對配電網(wǎng)狀態(tài)進(jìn)行感知和預(yù)警，以及對狀態(tài)的演化趨勢做出判斷。
[0044]態(tài)勢感知方法正在各領(lǐng)域得到認(rèn)可和應(yīng)用，軍事、網(wǎng)絡(luò)安全、電力系統(tǒng)等領(lǐng)域已經(jīng)出現(xiàn)了相關(guān)專利，但在配電網(wǎng)領(lǐng)域，特別是在配電網(wǎng)應(yīng)對自然災(zāi)害這個(gè)急需態(tài)勢感知技術(shù)的應(yīng)用領(lǐng)域，專利仍為空白，在自然災(zāi)害預(yù)警方面，現(xiàn)有技術(shù)都是單一的風(fēng)險(xiǎn)計(jì)算，沒有形成態(tài)勢推演模式。因此，現(xiàn)有技術(shù)和專利對本專利的申請不構(gòu)成影響。
[0045]如圖1所示，本發(fā)明提出的方法步驟具體包括:
[0046](I)定義節(jié)點(diǎn)，使得每個(gè)節(jié)點(diǎn)均包含相應(yīng)的指標(biāo)、公式、規(guī)則和知識信息，以及定義節(jié)點(diǎn)的狀態(tài)值范圍及狀態(tài)描述;步驟(I)中，定義節(jié)點(diǎn)的方法包括以下步驟:將節(jié)點(diǎn)的相關(guān)參數(shù)定義為指標(biāo)，包括輸入指標(biāo)、輸出指標(biāo)和常量指標(biāo)，且每個(gè)公式僅包含一個(gè)輸出指標(biāo)；
[0047]所述節(jié)點(diǎn)包括一個(gè)或多個(gè)規(guī)則，所述規(guī)則包括一個(gè)或多個(gè)子規(guī)則，同一級的規(guī)則和子規(guī)則之間的邏輯關(guān)系僅包括邏輯或和邏輯與中任一種；
[0048]對于復(fù)雜的邏輯與或非關(guān)系組合，將其拆分為獨(dú)立的邏輯或或者邏輯與的規(guī)則和子規(guī)則組合。
[0049](2)根據(jù)節(jié)點(diǎn)規(guī)則和狀態(tài)值生成決策樹模型；
[0050]步驟(2)中，定義節(jié)點(diǎn)的狀態(tài)值取值范圍及狀態(tài)描述具體包括:定義狀態(tài)值范圍true和/或false，通過選取其中任一種來描述不同的節(jié)點(diǎn)狀態(tài)。
[0051]根據(jù)節(jié)點(diǎn)規(guī)則和狀態(tài)值生成決策樹模型包括:定義節(jié)點(diǎn)下所有規(guī)則和子規(guī)則的狀態(tài)值，通過節(jié)點(diǎn)的nextnode屬性判斷邏輯與/或，確定節(jié)點(diǎn)路徑，自下而上遞歸獲取規(guī)則和子規(guī)則的狀態(tài)值分別為true/false時(shí)對應(yīng)的上一級節(jié)點(diǎn)，生成用于配電網(wǎng)態(tài)勢感知的決策樹模型。
[0052](3)獲取決策樹模型的輸入數(shù)據(jù)；
[0053]定義各節(jié)點(diǎn)對應(yīng)的指標(biāo)名稱，不同的指標(biāo)名稱代表不同的知識信息；依據(jù)指標(biāo)名稱將不同類型的配電網(wǎng)數(shù)據(jù)匹配到相應(yīng)節(jié)點(diǎn):
[0054](a)接收用于顯示各節(jié)點(diǎn)對應(yīng)的指標(biāo)名稱和決策樹模型ID的輸入?yún)?shù)指標(biāo)列表，將包含所述指標(biāo)名稱的配電網(wǎng)數(shù)據(jù)按照指定的參數(shù)文件格式進(jìn)行存儲并發(fā)送；
[0055](b)啟動(dòng)決策樹模型，通過監(jiān)聽程序定時(shí)讀取文件，獲得相關(guān)參數(shù)，并利用感知推理引擎將所述參數(shù)通過指標(biāo)名稱匹配方式發(fā)送至決策樹模型。
[0056]并且，通過以下格式發(fā)送至服務(wù)器，存入輸入指標(biāo)歷史數(shù)據(jù)表中；
[0057]public dataSend(String modeIId,Map<String,Double>params,Date time)
[0058]其中,mode I Id為決策樹模型id，params表示指標(biāo)的key-value類型，time為有效時(shí)間。
[0059](4)利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù);在指標(biāo)歷史數(shù)據(jù)表中選取供決策樹模型態(tài)勢感知的輸入數(shù)據(jù);并調(diào)用推理法對決策樹模型進(jìn)行態(tài)勢感知，利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)，實(shí)時(shí)更新節(jié)點(diǎn)狀態(tài)。其中，推理法即知識推理，依據(jù)一定的推理規(guī)則從已有的數(shù)據(jù)中推導(dǎo)出結(jié)論的過程。在配電網(wǎng)領(lǐng)域中，進(jìn)行知識推理的推理規(guī)則實(shí)現(xiàn)過程為:(I)建立規(guī)則本體知識；(2)為規(guī)則增加指標(biāo)，維護(hù)指標(biāo)名稱、初始值、描述信息；(3)為規(guī)則增加公式，維護(hù)公式，設(shè)置公式輸入?yún)?shù)對應(yīng)指標(biāo)和輸出參數(shù)對應(yīng)指標(biāo)；(4)為規(guī)則綁定子規(guī)則，從規(guī)則庫中選取已有的規(guī)則。
[0060]態(tài)勢推理的約束條件包括:每次推理時(shí)，按照存入指標(biāo)歷史數(shù)據(jù)表的時(shí)間先后順序選取一次數(shù)據(jù)，并為當(dāng)前選取的數(shù)據(jù)記錄添加狀態(tài)數(shù);如第一次執(zhí)行態(tài)勢感知過程選取的數(shù)據(jù)的狀態(tài)數(shù)為I，第二次執(zhí)行態(tài)勢感知過程選取的數(shù)據(jù)的狀態(tài)數(shù)為2，以此類推。
[0061]執(zhí)行下一次感知推理時(shí)，選取的數(shù)據(jù)為前一次獲取的數(shù)據(jù)對應(yīng)的下一個(gè)時(shí)間延時(shí)數(shù)據(jù)；
[0062]對時(shí)間進(jìn)行校驗(yàn)，包括:獲取數(shù)據(jù)的有效性時(shí)間需在允許的誤差范圍時(shí)間段內(nèi)，且下一次獲取數(shù)據(jù)的有效性時(shí)間在上一次獲取數(shù)據(jù)的有效性時(shí)間之后。
[0063](5)將各節(jié)點(diǎn)的輸出數(shù)據(jù)與期望值進(jìn)行對比，獲取節(jié)點(diǎn)狀態(tài)變化；
[0064]當(dāng)各節(jié)點(diǎn)的輸出數(shù)據(jù)大于、小于、等于或不等于自定義的期望值時(shí)，則該輸出數(shù)據(jù)對應(yīng)規(guī)則下的同一級子規(guī)則的狀態(tài)值為true，反之為false。
[0065](6)確定決策樹模型節(jié)點(diǎn)優(yōu)先級，獲得推理結(jié)果。
[0066]根據(jù)決策樹模型中每一個(gè)輸出數(shù)據(jù)判斷對應(yīng)規(guī)則的狀態(tài)值;其中，所述輸出數(shù)據(jù)為對應(yīng)規(guī)則下的同一級子規(guī)則的狀態(tài)值;為節(jié)點(diǎn)設(shè)置規(guī)則校驗(yàn)邏輯，所述節(jié)點(diǎn)下的每一個(gè)規(guī)則包含一個(gè)或多個(gè)子規(guī)則，
[0067]若將規(guī)則校驗(yàn)邏輯設(shè)為邏輯與，則該節(jié)點(diǎn)下的同一級規(guī)則/子規(guī)則均取邏輯與;若設(shè)為邏輯或，則該節(jié)點(diǎn)下的同一級規(guī)則/子規(guī)則均取邏輯或，通過判斷邏輯與/或，確定節(jié)點(diǎn)優(yōu)先級，自上而下逐級獲得節(jié)點(diǎn)狀態(tài)值;并將頂級的節(jié)點(diǎn)狀態(tài)值定義為推理結(jié)果。
[0068]對于特殊規(guī)則，如某個(gè)指標(biāo)要對其輸入數(shù)據(jù)判斷10000次，其中校驗(yàn)成功80%才算合格，需要在節(jié)點(diǎn)層面上做出特殊化處理，設(shè)置相應(yīng)屬性進(jìn)行判斷:如標(biāo)記節(jié)點(diǎn)為“特殊規(guī)則校驗(yàn)節(jié)點(diǎn)”，“規(guī)則校驗(yàn)成功率”，“校驗(yàn)基數(shù)”，“目前進(jìn)度”等屬性；
[0069]當(dāng)推理引擎遇到特殊規(guī)則校驗(yàn)節(jié)點(diǎn)，則進(jìn)入程序控制的另一套推理邏輯，推理未結(jié)束時(shí)節(jié)點(diǎn)狀態(tài)一直處于“正在推理”狀態(tài)，只有推理結(jié)束才標(biāo)記推理結(jié)果。
[0070]所述特殊規(guī)則的約束條件包括:
[0071](I)概率型規(guī)則。概率型規(guī)則是指某個(gè)指標(biāo)檢驗(yàn)合格的次數(shù)要滿足一定的概率。如某個(gè)指標(biāo)要對其來源數(shù)據(jù)判斷10000次，其中滿足規(guī)則條件的數(shù)據(jù)的次數(shù)占到來源數(shù)據(jù)的80%，即至少達(dá)到8000次才算合格。在算法中可以定義三個(gè)變量countl，count2，q。其中countl表示目前檢測到的來源數(shù)據(jù)的次數(shù)，每次來源一個(gè)數(shù)據(jù)countl就加I ;COunt2表示目前檢測到的來源數(shù)據(jù)中滿足規(guī)則條件的次數(shù)，每次來源的數(shù)據(jù)如果滿足規(guī)則條件Count2就加I，如果不滿足規(guī)則條件Count2的值則保持不變；q表示目前檢驗(yàn)成功的概率，則q =count2/countl。
[0072](2)持續(xù)型規(guī)則。持續(xù)型規(guī)則是指某個(gè)指標(biāo)檢驗(yàn)合格的次數(shù)要連續(xù)達(dá)到一定的數(shù)值。如某個(gè)指標(biāo)要對其來源數(shù)據(jù)判斷10000次，其中滿足規(guī)則條件的數(shù)據(jù)的次數(shù)連續(xù)達(dá)到8000次才算合格。在算法中可以定義三個(gè)變量countl，count2，q。其中countl表示目前檢測到的來源數(shù)據(jù)的次數(shù)，每次來源一個(gè)數(shù)據(jù)countl就加I ;count2表示目前檢測到的來源數(shù)據(jù)中滿足規(guī)則條件的次數(shù)，每次來源的數(shù)據(jù)如果滿足規(guī)則條件Count2就加I，如果不滿足規(guī)則條件count2的值則清零;q表示目前檢驗(yàn)成功的概率，貝ljq = count2/countl。
[0073]最后應(yīng)當(dāng)說明的是:以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非對其限制，盡管參照上述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:依然可以對本發(fā)明的【具體實(shí)施方式】進(jìn)行修改或者等同替換，而未脫離本發(fā)明精神和范圍的任何修改或者等同替換，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。
【主權(quán)項(xiàng)】
1.基于復(fù)雜事件處理技術(shù)和決策樹的配電網(wǎng)態(tài)勢感知方法，其特征在于，所述方法包括下述步驟: (1)定義節(jié)點(diǎn)，使得每個(gè)節(jié)點(diǎn)均包含相應(yīng)的指標(biāo)、公式、規(guī)則和知識信息，以及定義節(jié)點(diǎn)的狀態(tài)值范圍及狀態(tài)描述； (2)根據(jù)節(jié)點(diǎn)規(guī)則和狀態(tài)值生成決策樹模型； (3)獲取決策樹模型的輸入數(shù)據(jù)； (4)利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)； (5)將各節(jié)點(diǎn)的輸出數(shù)據(jù)與期望值進(jìn)行對比，獲取節(jié)點(diǎn)狀態(tài)變化； (6)確定決策樹模型節(jié)點(diǎn)優(yōu)先級，獲得推理結(jié)果。2.如權(quán)利要求1所述的方法，其特征在于，所述步驟(I)中，定義節(jié)點(diǎn)的方法包括以下步驟:將節(jié)點(diǎn)的相關(guān)參數(shù)定義為指標(biāo)，包括輸入指標(biāo)、輸出指標(biāo)和常量指標(biāo)，且每個(gè)公式僅包含一個(gè)輸出指標(biāo)； 所述節(jié)點(diǎn)包括一個(gè)或多個(gè)規(guī)則，所述規(guī)則包括一個(gè)或多個(gè)子規(guī)則，同一級的規(guī)則和子規(guī)則之間的邏輯關(guān)系僅包括邏輯或和邏輯與中任一種； 對于復(fù)雜的邏輯與或非關(guān)系組合，將其拆分為獨(dú)立的邏輯或或者邏輯與的規(guī)則和子規(guī)則組合。3.如權(quán)利要求1所述的方法，其特征在于，所述步驟(2)中，定義節(jié)點(diǎn)的狀態(tài)值取值范圍及狀態(tài)描述具體包括:定義狀態(tài)值范圍true和/或false，通過選取其中任一種來描述不同的節(jié)點(diǎn)狀態(tài)。4.如權(quán)利要求1所述的方法，其特征在于，所述步驟(2)根據(jù)節(jié)點(diǎn)規(guī)則和狀態(tài)值生成決策樹模型包括:定義節(jié)點(diǎn)下所有規(guī)則和子規(guī)則的狀態(tài)值，通過節(jié)點(diǎn)的nextnode屬性判斷邏輯與/或，確定節(jié)點(diǎn)路徑，自下而上遞歸獲取規(guī)則和子規(guī)則的狀態(tài)值分別為true/false時(shí)對應(yīng)的上一級節(jié)點(diǎn)，生成用于配電網(wǎng)態(tài)勢感知的決策樹模型。5.如權(quán)利要求1所述的方法，其特征在于，所述步驟(3)獲取決策樹模型的輸入數(shù)據(jù)包括:定義各節(jié)點(diǎn)對應(yīng)的指標(biāo)名稱，不同的指標(biāo)名稱代表不同的知識信息;依據(jù)指標(biāo)名稱將不同類型的配電網(wǎng)數(shù)據(jù)匹配到相應(yīng)節(jié)點(diǎn)，并通過以下格式發(fā)送至服務(wù)器，存入輸入指標(biāo)歷史數(shù)據(jù)表中: public dataSend(String modeIId,Map<String,Double>params,Date time)； 其中,modelld為決策樹模型id，params表示指標(biāo)的key-value類型，time為有效時(shí)間。6.如權(quán)利要求5所述的方法，其特征在于，所述依據(jù)指標(biāo)名稱將不同類型的配電網(wǎng)數(shù)據(jù)匹配到相應(yīng)節(jié)點(diǎn)包括下述步驟: (a)接收用于顯示各節(jié)點(diǎn)對應(yīng)的指標(biāo)名稱和決策樹模型ID的輸入?yún)?shù)指標(biāo)列表，將包含所述指標(biāo)名稱的配電網(wǎng)數(shù)據(jù)按照指定的參數(shù)文件格式進(jìn)行存儲并發(fā)送； (b)啟動(dòng)決策樹模型，通過監(jiān)聽程序定時(shí)讀取文件，獲得相關(guān)參數(shù)，并利用感知推理引擎將所述參數(shù)通過指標(biāo)名稱匹配方式發(fā)送至決策樹模型。7.如權(quán)利要求1所述的方法，其特征在于，所述步驟(4)中，利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)具體包括:在指標(biāo)歷史數(shù)據(jù)表中選取供決策樹模型態(tài)勢感知的輸入數(shù)據(jù);并調(diào)用推理法對決策樹模型進(jìn)行態(tài)勢感知，利用各節(jié)點(diǎn)相應(yīng)公式計(jì)算獲得輸出數(shù)據(jù)，實(shí)時(shí)更新節(jié)點(diǎn)狀態(tài)。8.如權(quán)利要求7所述的方法，其特征在于，所述進(jìn)行態(tài)勢推理的約束條件包括:每次推理時(shí)，按照存入指標(biāo)歷史數(shù)據(jù)表的時(shí)間先后順序選取一次數(shù)據(jù)，并為當(dāng)前選取的數(shù)據(jù)記錄添加狀態(tài)數(shù)； 執(zhí)行下一次感知推理時(shí)，選取的數(shù)據(jù)為前一次獲取的數(shù)據(jù)對應(yīng)的下一個(gè)時(shí)間延時(shí)數(shù)據(jù)； 對時(shí)間進(jìn)行校驗(yàn)，包括:獲取數(shù)據(jù)的有效性時(shí)間需在允許的誤差范圍時(shí)間段內(nèi)，且下一次獲取數(shù)據(jù)的有效性時(shí)間在上一次獲取數(shù)據(jù)的有效性時(shí)間之后。9.如權(quán)利要求1所述的方法，其特征在于，所述步驟(5)獲取節(jié)點(diǎn)狀態(tài)變化包括:當(dāng)各節(jié)點(diǎn)的輸出數(shù)據(jù)大于、小于、等于或不等于自定義的期望值時(shí)，則該輸出數(shù)據(jù)對應(yīng)規(guī)則下的同一級子規(guī)則的狀態(tài)值為true，反之為false ο10.如權(quán)利要求1所述的方法，其特征在于，所述步驟(6)確定決策樹模型節(jié)點(diǎn)優(yōu)先級，獲得推理結(jié)果包括: 根據(jù)決策樹模型中每一個(gè)輸出數(shù)據(jù)判斷對應(yīng)規(guī)則的狀態(tài)值;其中，所述輸出數(shù)據(jù)為對應(yīng)規(guī)則下的同一級子規(guī)則的狀態(tài)值;為節(jié)點(diǎn)設(shè)置規(guī)則校驗(yàn)邏輯，所述節(jié)點(diǎn)下的每一個(gè)規(guī)則包含一個(gè)或多個(gè)子規(guī)則， 若將規(guī)則校驗(yàn)邏輯設(shè)為邏輯與，則該節(jié)點(diǎn)下的同一級規(guī)則/子規(guī)則均取邏輯與;若設(shè)為邏輯或，則該節(jié)點(diǎn)下的同一級規(guī)則/子規(guī)則均取邏輯或，通過判斷邏輯與/或，確定節(jié)點(diǎn)優(yōu)先級，自上而下逐級獲得節(jié)點(diǎn)狀態(tài)值;并將頂級的節(jié)點(diǎn)狀態(tài)值定義為推理結(jié)果。
【文檔編號】G06Q50/06GK105930924SQ201610237515
【公開日】2016年9月7日
【申請日】2016年4月15日
【發(fā)明人】呂廣憲, 蘇劍, 劉海濤, 黃雨, 盛萬興, 劉鵬, 陸鳴, 陸一鳴, 王鵬, 王立巖
【申請人】中國電力科學(xué)研究院, 國家電網(wǎng)公司, 國網(wǎng)遼寧省電力有限公司沈陽供電公司