專利名稱：一種電力系統(tǒng)突發(fā)事件應(yīng)急處理方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電力系統(tǒng)應(yīng)急方面的應(yīng)急信息技術(shù)處理領(lǐng)域，具體涉及一種電力系統(tǒng)突發(fā)事件應(yīng)急處理方法。
背景技術(shù)：
我國地域遼闊，電網(wǎng)覆蓋面積大，各地自然環(huán)境和條件迥異，各種自然災(zāi)害時(shí)有發(fā)生，電網(wǎng)大面積停電風(fēng)險(xiǎn)始終存在。電網(wǎng)的安全運(yùn)行涉及各行各業(yè)，涉及千家萬戶居民的日常生活，關(guān)乎社會(huì)穩(wěn)定和國家安全。近年來政府日益重視應(yīng)急管理工作，國家電網(wǎng)公司也開展以應(yīng)急組織體系、應(yīng)急物資儲備等八項(xiàng)重點(diǎn)工作為主要內(nèi)容的應(yīng)急體系建設(shè)。應(yīng)急演練和培訓(xùn)是應(yīng)急管理工作的重要內(nèi)容，當(dāng)應(yīng)急事件發(fā)生時(shí)，快速恢復(fù)供電能力，保障居民正常的生產(chǎn)生活，是供電企業(yè)和電力搶修部門的重要職責(zé)。為了提高應(yīng)急搶修工作的效率，提高應(yīng)急處置的能力，除了增加搶修人力與物資以外，還需要解決指揮方案的合理制定、應(yīng)急資源的合理調(diào)度等方面的問題。應(yīng)急演練及培訓(xùn)能夠提高各級應(yīng)急指揮及救援人員對應(yīng)急職責(zé)及流程的熟練程度和反應(yīng)能力、促進(jìn)各部門之間的配合，從而有效的減少突發(fā)事件所造成的人員傷亡和財(cái)產(chǎn)損失。突發(fā)事件是一次不可再分的事件，突發(fā)事件元模型按照國家總體預(yù)案中的分類標(biāo)準(zhǔn)，再結(jié)合電力系統(tǒng)的相關(guān)情況，我們梳理出如附

圖1所示的概念類別。所有的突發(fā)事件共有的、不隨著突發(fā)事件的種類變化的屬性構(gòu)成的描述集合稱為突發(fā)事件的本體模型。突發(fā)事件除了共有特征外，不同種類的突發(fā)事件還有很多個(gè)性特征，因此，根據(jù)不同種類突發(fā)事件的個(gè)性特征可再建立突發(fā)事件元模型。突發(fā)事件元模型是描述某一類特定的突發(fā)事件的共性知識的本體模型，即事件元模型中繼承了突發(fā)事件本體模型的共性特征外還包括事件個(gè)性特征。如在地震元模型中，既包括突發(fā)事件本體模型中的案例名稱、發(fā)生地點(diǎn)等突發(fā)事件共性特征，還包括震級、震中等地震案例個(gè)性特征。本體模型和元模型實(shí)現(xiàn)了案例描述的概念規(guī)范化和通用化。當(dāng)要描述某一具體應(yīng)急事件時(shí)，調(diào)用相應(yīng)的事件元模型，基于案例的不同元事件、不同狀態(tài)輸入應(yīng)急事件的各個(gè)元事件及狀態(tài)下的屬性值，即可完成對某一個(gè)具有多個(gè)元事件及狀態(tài)的應(yīng)急事件的規(guī)范化描述?；诎咐评鞢BR(Case Based Reasoning)是人工智能領(lǐng)域崛起的一種重要的基于知識的問題求解和學(xué)習(xí)方法，主要是為了解決專家系統(tǒng)中存在的知識獲取的“瓶頸”問題。它是首先進(jìn)行問題的描述(!Presentation)，再從案例庫(Case-Base)中找出最類似的案例(Retrieval)，即使挑選出最類似的案例也不可能完全相同，故要依照相似案例的解決方法(Solution)再作調(diào)整(Adaptation)，再將調(diào)整出的結(jié)果與使用者或大環(huán)境來證實(shí) (Validation/Test)，如果適當(dāng)，則被證實(shí)的結(jié)果將會(huì)被增加到案例庫中(Feedback)。在案例檢索中，相似性評估是一個(gè)很重要的推理環(huán)節(jié)，用于度量查詢和檢索到的案例的相似程度。結(jié)合了本體知識后，本體中的概念層次結(jié)構(gòu)及相互關(guān)系就會(huì)對相似性評估產(chǎn)生有益的影響，最近相鄰算法(nearest neighbor algorithm)是CBR檢索算法中最常用的算法之一。應(yīng)用傳統(tǒng)最近相鄰算法時(shí)，首先計(jì)算出案例屬性相似度，然后根據(jù)屬性的權(quán)值計(jì)算案例之間的加權(quán)相似度，這就要求案例的屬性值不能為空。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服現(xiàn)有技術(shù)的不足，提出一種電力系統(tǒng)突發(fā)事件應(yīng)急處理方法。本發(fā)明在研究應(yīng)急事件發(fā)生的過程，統(tǒng)計(jì)、整理各種應(yīng)急事件的發(fā)生的規(guī)律，以及分析了歷史應(yīng)急事件的發(fā)生機(jī)制的基礎(chǔ)上，提取其特征參數(shù)和關(guān)鍵要素，編寫了應(yīng)急事件場景的規(guī)則，形成規(guī)則庫，為事件模型建立提供技術(shù)支撐，為開展高效化、科學(xué)化、現(xiàn)代化的大規(guī)模綜合應(yīng)急演練和培訓(xùn)工作創(chuàng)造條件。依據(jù)本發(fā)明的一種電力系統(tǒng)突發(fā)事件應(yīng)急處理方法，包括以下步驟一 )根據(jù)電力系統(tǒng)中的應(yīng)急案例中屬性所含信息量和信息類型的不同，將應(yīng)急案例中的屬性歸并為四大類型的屬性(1)確定數(shù)字屬性值CN; (2)確定符號屬性值CS; (3) 模糊概念屬性值FL ； (4)模糊數(shù)FN或模糊區(qū)間屬性值FI ；二)為避免傳統(tǒng)最近相鄰算法的屬性值缺失問題，提出了基于結(jié)構(gòu)相似度和屬性相似度的雙層結(jié)構(gòu)的案例相似度計(jì)算方法，并分析應(yīng)急案例的特征，為應(yīng)急案例四大類型的屬性分別設(shè)計(jì)了不同的結(jié)構(gòu)相似度算法(1)結(jié)構(gòu)相似度算法假定應(yīng)急案例的源案例a與目標(biāo)案例b進(jìn)行匹配，則結(jié)構(gòu)相似度計(jì)算算法描述如下a)計(jì)算源案例a的所有的非空屬性構(gòu)成的集合，記為A ；b)計(jì)算目標(biāo)案例b的所有非空屬性構(gòu)成的集合，記為B ；c)計(jì)算A與B的交集和并集，分別記為C和D ；d)計(jì)算交集C中所有屬性的權(quán)重之和，記為W1 ；e)計(jì)算并集D中所有屬性的權(quán)重之和，記為W2 ；f)案例a和b的結(jié)構(gòu)相似度記為S,則作如下定義S = W1ZW2結(jié)構(gòu)相似度算法只計(jì)算源案例和目標(biāo)案例的非空屬性集的交集屬性的相似度，即屬性值為空的屬性不參與相似度計(jì)算，從而有效地避免了屬性值缺失問題；(2)屬性相似度算法1)確定數(shù)字屬性采用基于海明距離公式演化而來的計(jì)算確定數(shù)值型屬性的相似度方法，如下所示sim(Xi, Yi) = l-dist(Xi, Yi) = 1" I Xi-Yi I / I maXi-minJ其中Sim(Xi5Yi)表示案例X和Y的第i個(gè)確定數(shù)字屬性的相似度；Xi、yi分別表示案例 X和Y的第i個(gè)屬性的值；Hiaxi和HIini分別表示第i個(gè)屬性的最大和最小值；每個(gè)CN類型的屬性需要已知該屬性的取值范圍；dist(Xi，Yi)表示案例X的第i個(gè)屬性值與案例Y的第i個(gè)屬性值在所有案例中的i屬性數(shù)值中的相對差別程度，也即X與Y的第i個(gè)屬性值相差的絕對值Ixi-Yi I，占所有案例數(shù)據(jù)的i屬性中相差最大值(max i-min i)的比率(|Xi-Yi | /(max i-min i))，這個(gè)比率的范圍是 0 1;也即 dist(Xi，Yi) = Xi-Yi I/(max i-min i)；如果 dist (Xi，Yi)值越接近1，說明X的i屬性值與Y的i屬性值差距越大，反之則越??；2)確定符號屬性確定符號屬性值屬于一種簡單枚舉值，它列舉了該屬性所有可能的取值，屬性值
之間不存在實(shí)際意義的量的關(guān)系，相似度計(jì)算式為
權(quán)利要求
1. 一種電力系統(tǒng)突發(fā)事件應(yīng)急處理方法，其特征在于包括以下步驟一)根據(jù)電力系統(tǒng)中的應(yīng)急案例中屬性所含信息量和信息類型的不同，將應(yīng)急案例中的屬性歸并為四大類型的屬性⑴確定數(shù)字屬性值CN ；⑵確定符號屬性值CS ； (3)模糊概念屬性值FL ； (4)模糊數(shù)FN或模糊區(qū)間屬性值FI ；二)為避免傳統(tǒng)最近相鄰算法的屬性值缺失問題，提出了基于結(jié)構(gòu)相似度和屬性相似度的雙層結(jié)構(gòu)的案例相似度計(jì)算方法，并分析應(yīng)急案例的特征，為應(yīng)急案例四大類型的屬性分別設(shè)計(jì)了不同的結(jié)構(gòu)相似度算法(1)結(jié)構(gòu)相似度算法假定應(yīng)急案例的源案例a與目標(biāo)案例b進(jìn)行匹配，則結(jié)構(gòu)相似度計(jì)算算法描述如下a)計(jì)算源案例a的所有的非空屬性構(gòu)成的集合，記為A；b)計(jì)算目標(biāo)案例b的所有非空屬性構(gòu)成的集合，記為B；c)計(jì)算A與B的交集和并集，分別記為C和D；d)計(jì)算交集C中所有屬性的權(quán)重之和，記為W1；e)計(jì)算并集D中所有屬性的權(quán)重之和，記為W2；f)案例a和b的結(jié)構(gòu)相似度記為S,則作如下定義S = W1Z^2結(jié)構(gòu)相似度算法只計(jì)算源案例和目標(biāo)案例的非空屬性集的交集屬性的相似度，即屬性值為空的屬性不參與相似度計(jì)算，從而有效地避免了屬性值缺失問題；(2)屬性相似度算法1)確定數(shù)字屬性采用基于海明距離公式演化而來的計(jì)算確定數(shù)值型屬性的相似度方法，如下所示Sim(XpYi) = 1-dist (Xi Yi) = 1-1 XiIi | / |Hiaxi-Hiini |其中Sim(Xi5Yi)表示案例X和Y的第i個(gè)確定數(shù)字屬性的相似度；Xi、yi分別表示案例X和 Y的第i個(gè)屬性的值；Hiaxi和Hiini分別表示第i個(gè)屬性的最大和最小值；每個(gè)CN類型的屬性需要已知該屬性的取值范圍；dist(Xi, Yi)表示案例X的第i個(gè)屬性值與案例Y的第i個(gè)屬性值在所有案例中的i 屬性數(shù)值中的相對差別程度，也即X與Y的第i個(gè)屬性值相差的絕對值IXi-Yi I，占所有案例數(shù)據(jù)的i屬性中相差最大值(max i-min i)的比率(|Xi-Yi | /(max i-min i))，這個(gè)比率的范圍是 0 1;也即 dist(Xi，Yi) = Xi-Yi I/(max i-min i)；如果 dist (Xi，Yi)值越接近1，說明X的i屬性值與Y的i屬性值差距越大，反之則越??；2)確定符號屬性確定符號屬性值屬于一種簡單枚舉值，它列舉了該屬性所有可能的取值，屬性值之間不存在實(shí)際意義的量的關(guān)系，相似度計(jì)算式為3)模糊屬性對于模糊概念屬性值FL或模糊數(shù)FN或模糊區(qū)間FI的模糊屬性，采用隸屬函數(shù)來計(jì)算屬性間的相似度；由于評價(jià)者對模糊概念的認(rèn)同度有所差別，可采用百分制將這類模糊評價(jià)屬性進(jìn)行模糊處理；基于隸屬函數(shù)的相似度計(jì)算方法是通過計(jì)算兩個(gè)隸屬函數(shù)對應(yīng)面積的重疊率作為模糊集合間的相似度，具體計(jì)算如下所示Sim(XiJi) = A(Xi Π yi)/A(Xi U Yi) = A(Xi Π yi) /[A(Xi)+A(yi)-A(Xi Π Yi)}其中A代表模糊集合的對應(yīng)隸屬函數(shù)的面積；Xi Π Yi‘代表兩個(gè)模糊集合的交；根據(jù)模糊屬性的相似度算法可計(jì)算出模糊屬性的相似度；在傳統(tǒng)的最近相鄰算法的基礎(chǔ)上得到案例的全局相似度計(jì)算公式其中sim(X，Y)表示案例X和Y的案例全局相似度；S為案例的結(jié)構(gòu)相似度；Wi為案例 X和Y交集屬性集中的第i個(gè)屬性在參與匹配的屬性中所占的權(quán)重，且所有權(quán)重取值之和為 1 ；sim(Xi, Yi)表示案例X和Y在交集屬性集中第i個(gè)屬性上的局部相似度。
2.如權(quán)利要求1所述的方法，其特征在于采用專家設(shè)定權(quán)重的方法，提供專家設(shè)定權(quán)重的接口，并且設(shè)定后可根據(jù)情況對權(quán)重進(jìn)行修改、編輯；屬性類別采用系統(tǒng)默認(rèn)的方式， 允許有權(quán)限的用戶根據(jù)實(shí)際情況修改設(shè)置。
3.一種使用權(quán)利要求1或2所述方法的應(yīng)急演練處置決策模型，包括(1)用戶通過使用案例庫管理系統(tǒng)CBMS來管理應(yīng)急案例庫；(2)案例庫CB中存放以往的應(yīng)急案例，由案例庫管理系統(tǒng)進(jìn)行管理；案例由多個(gè)屬性共同構(gòu)成，用集合來表達(dá)C = (C1, C2, ···(；···，Cn)，其中的屬性CiG = 1，2，……，n)，根據(jù)需要進(jìn)一步細(xì)化為Ci= (Cil,Ci2,……，Cin)；按照這種屬性結(jié)構(gòu)，一個(gè)案例由多個(gè)層次的屬性構(gòu)成，整個(gè)案例庫則由不同屬性層次上的案例關(guān)聯(lián)而成，形成一個(gè)類似于關(guān)系型數(shù)據(jù)庫的應(yīng)急處置決策案例庫；(3)思想庫KB集成了決策判斷的規(guī)則，通過歸納總結(jié)以規(guī)則形式存儲在思想庫中，思想庫的知識即為案例相似度規(guī)則集合以及知識自學(xué)習(xí)系統(tǒng)歸納總結(jié)的知識；(4)演練處置知識自學(xué)習(xí)系統(tǒng)，是在案例庫中進(jìn)行知識的歸納總結(jié)，生成診斷規(guī)則，優(yōu)化后存入思想庫中；(5)報(bào)警系統(tǒng)是完成人機(jī)之間的交互工作，實(shí)現(xiàn)應(yīng)急事件的信息標(biāo)準(zhǔn)化輸入；(6)知識推理機(jī)是系統(tǒng)的核心，它用來搜索案例和檢驗(yàn)匹配度，如果完全匹配當(dāng)前的案例，則調(diào)出該案例的解決方案；如果案例匹配相似度大于或小于某一值，將不能實(shí)現(xiàn)完全匹配，則將思想庫中的規(guī)則進(jìn)行相應(yīng)的調(diào)整，并把調(diào)整過程提供給決策指揮人員；如果案例庫中沒有相應(yīng)案例，則應(yīng)用思想庫中規(guī)則生成方案，同時(shí)將方案生成過程提供給決策指揮人員；(7)決策方案，是思想庫中形成的各種案例的解決方案的集合，同時(shí)將解決方案提供給案例庫管理系統(tǒng)；通過推理過程生成應(yīng)急處置方案，一方面應(yīng)用到對緊急事件的應(yīng)急處置，作為指導(dǎo)意見提供給用戶，另一方面則作為新的案例加載到案例庫中，供以后進(jìn)行應(yīng)用和機(jī)器學(xué)習(xí)。
全文摘要
本發(fā)明屬于電力系統(tǒng)應(yīng)急方面的應(yīng)急信息技術(shù)處理領(lǐng)域，具體涉及一種電力系統(tǒng)突發(fā)事件應(yīng)急處理方法及其模型。在研究應(yīng)急事件發(fā)生的過程，統(tǒng)計(jì)、整理各種應(yīng)急事件的發(fā)生的規(guī)律，以及分析了歷史應(yīng)急事件的發(fā)生機(jī)制的基礎(chǔ)上，提取其特征參數(shù)和關(guān)鍵要素，編寫了應(yīng)急事件場景的規(guī)則，形成規(guī)則庫，為事件模型建立提供技術(shù)支撐，為開展高效化、科學(xué)化、現(xiàn)代化的大規(guī)模綜合應(yīng)急演練和培訓(xùn)工作創(chuàng)造條件。
文檔編號G06F17/30GK102289569SQ20111020488
公開日2011年12月21日 申請日期2011年7月21日 優(yōu)先權(quán)日2011年7月21日
發(fā)明者丁輝, 劉超, 張大華, 曹俊喜, 趙煒妹 申請人:中國電力科學(xué)研究院