Design and Application of Fault Operation and Maintenance Knowledge Base for Electric Information Collection System

曹永峰1, 翟峰1, 肖建紅2, 許斌1
1.中國電力科學研究院有限公司,北京 100192
2.國網(wǎng)湖南省電力公司,湖南 長沙 410007
CAO Yong-feng1, ZHAI Feng2, XIAO Jian-hong2, XU Bin1
1. China Electric Power Research Institute Co., Ltd., Beijing 100192, China
2. State Grid Hunan Electric Power Company, Changsha 410007, China
基金項目： 中國電力科學研究院創(chuàng)新基金（5242001600GA）;
文章編號: 2095-641X(2018)03-0081-06 中圖分類號: TP319

摘要
用電信息采集系統(tǒng)承擔著電力用戶用電信息采集與分析的重要任務,屬于國家電網(wǎng)公司重要的基礎數(shù)據(jù)資源和信息系統(tǒng)。為了提升用電信息采集系統(tǒng)運行維護效率,保證系統(tǒng)穩(wěn)定高效運行,文章基于故障樹分析（Fault Tree Analysis,FTA）設計了用電信息采集系統(tǒng)故障運維知識庫（簡稱采集運維知識庫）。應用表明采集運維知識庫可以輔助用電信息采集系統(tǒng)實現(xiàn)異常識別、異常原因分析和異常修復等功能,從而降低采集運維工作難度,提高故障處理的質量和效率。

關鍵詞 : 采集運維; 故障診斷; 知識庫;

DOI：10.16543/j.2095-641x.electric.power.ict.2018.03.013
ABSTRACT
Electric Information collection system, one of the important information systems and basic data sources, is responsible for information collection and analysis for energy consumer. In order to improve the operation and maintenance efficiency in the electric collection system and ensure the stable and efficient operation of the system, this paper designs a fault operation and maintenance knowledge base of the electric information collection system based on the FTA (Fault Tree Analysis). Application of operation and maintenance knowledge base can assist the use of electric information collection system to achieve abnormal identification, abnormal cause analysis and abnormal repair and other functions, thus reducing the difficulty of collection and operation, improve the quality and efficiency of fault handling.
KEY WORDS : electric Information collection system; operation and maintenance; fault diagnosis; knowledge base;

著錄格式：曹永峰, 翟峰, 肖建紅, 等.用電信息采集系統(tǒng)故障運維知識庫的設計與應用[J]. 電力信息與通信技術, 2018, 16(3): 81-86.

0 引言
用電信息采集系統(tǒng)是國家電網(wǎng)公司構建智能電網(wǎng)[1-5]的重要組成部分之一,同時為構建智能電網(wǎng)提供技術支撐,主要通過用電信息采集主站、采集設備、通信信道等軟硬件組成的物理鏈路,根據(jù)業(yè)務信息建設成用電信息采集系統(tǒng)。通過系統(tǒng)及時對用戶用電信息的采集,實現(xiàn)數(shù)據(jù)采集、數(shù)據(jù)管理、電能質量數(shù)據(jù)統(tǒng)計、線損統(tǒng)計分析,并分析用電信息是否存在用電異常情況,對電力用戶的用電負荷進行監(jiān)測和控制,為實現(xiàn)階梯電價、智能費控等營銷業(yè)務提供了有力支撐[6-7]。
隨著用電信息采集系統(tǒng)建設的逐步完善,采集工作的重心由建設階段轉為運維階段。由于其中應用大量傳感、通信、自動控制等技術,系統(tǒng)眾多、結構復雜、故障模式繁多,采集運維復雜度較高,因此對故障診斷提出了更高的要求。目前采集系統(tǒng)運維工作中,通過作業(yè)指導、工作手冊和輔助可實現(xiàn)對某類故障進行診斷,但其通用性不強,對于不同問題領域、設備種類的故障診斷更多是依賴運維人員的工作經(jīng)驗,因此對采集運維人員的技術能力要求大大提高,當前故障處理的效率已無法滿足日益增加的運維工作量。
本文針對當前采集運行維護工作現(xiàn)狀,在采集系統(tǒng)中引入采集運維知識庫,對采集運維人員進行作業(yè)指導,實現(xiàn)現(xiàn)場作業(yè)標準規(guī)范化管理,可降低現(xiàn)場運維人員的技術要求,并且提高現(xiàn)場運維效率。

1 采集運維知識庫結構
采集運維知識庫系統(tǒng)以故障現(xiàn)象為入口,利用知識庫中故障分析、診斷及修復的規(guī)則,并結合歷史出現(xiàn)故障現(xiàn)象的頻度為導向的診斷機制,通過修復系統(tǒng)根據(jù)診斷結果進行修復和驗證,知識庫系統(tǒng)結構示意如圖1所示。

圖1 采集運維知識庫系統(tǒng)結構示意

采集運維知識庫由故障診斷庫、故障修復庫以及故障診斷修復規(guī)則庫構成;故障診斷和修復庫包含系統(tǒng)故障樹結構和各類故障模式之間的邏輯關系;在判斷門輸出事件發(fā)生后,診斷修復規(guī)則庫利用系統(tǒng)參數(shù)輸入各現(xiàn)象對應異常原因發(fā)生的可能性;通過知識庫管理系統(tǒng)實現(xiàn)對知識庫中的規(guī)則進行增加、刪除和修改等操作;運維結果數(shù)據(jù)庫用于存放初始化信息和診斷修復后的結果信息等;人機交互診斷修復通過系統(tǒng)界面的方式要求用戶根據(jù)系統(tǒng)自動診斷的結果進行判斷,是否進行修復處理以及修復后再次驗證;知識獲取是通過獲取已經(jīng)形成的海量采集運維故障診斷修復歷史經(jīng)驗數(shù)據(jù),經(jīng)過格式化處理成為診斷修復庫的基礎信息,對歷史數(shù)據(jù)的持續(xù)跟蹤、分析,完善和提升現(xiàn)有故障診斷修復知識信息,實現(xiàn)知識的自學習過程。

2 采集運維知識庫的構成
知識庫管理系統(tǒng)利用故障樹分析法[8]對具體的診斷對象建立基礎模型。知識庫設計時由專家根據(jù)各個被診斷對象的構造及異常原因的邏輯關系,構造出一系列的邏輯故障樹,并將邏輯關系故障樹存放在數(shù)據(jù)模型庫中,提供給開發(fā)專用故障診斷知識庫系統(tǒng)使用。

2.1 異?，F(xiàn)象庫
結合采集運維工作的經(jīng)驗,在設計知識庫時,首先由專家根據(jù)影響采集系統(tǒng)運行關鍵指標的因素入手,將各類因素分為故障和缺陷并加以定義,用常規(guī)的概念進行解釋,形成異常現(xiàn)象樹（見圖2）。異?，F(xiàn)象樹是指所有異常現(xiàn)象形成的樹,所有的異?，F(xiàn)象都作為樹的葉節(jié)點存在。

圖2 異?，F(xiàn)象樹

2.2 異常原因庫
因現(xiàn)場采集設備種類多樣,各地采集方案不同,導致異常的原因有很多,知識庫采用構建異常原因樹（見圖3）的方式,逐級分析可能產(chǎn)生異常的原因。異常原因樹以不希望發(fā)生的事件或異?，F(xiàn)象作為分析目標,逐步探尋引起事件發(fā)生的最終原因,從定量的底事件（異常原因）對頂事件（異?，F(xiàn)象）的影響進行分析。采集異常原因樹按設備類型（共分為5類：專變終端、I型集中器、II型集中器、采集器、電能表）進行分類,所有的異常原因都作為樹的葉節(jié)點存在。

圖3 異常原因樹

通過對采集運維歷史處理數(shù)據(jù)的統(tǒng)計,設置某類異常原因對應異?，F(xiàn)象的重要度（權重）,根據(jù)異?，F(xiàn)象的權重情況確定診斷及修復的優(yōu)先級,利于提高故障診斷的首次命中率。

2.3 典型案例庫
典型案例庫是異?，F(xiàn)象與異常原因的關系庫。由于采集系統(tǒng)采用的采集方案包括低壓載波、230網(wǎng)絡、485線、小無線、光纖等,同一異?，F(xiàn)象在不同方案下引發(fā)的異常原因存在差異性,當發(fā)現(xiàn)異常后,為實現(xiàn)快速定位分析、診斷、解決問題,通過建立典型案例庫,按照采集方案不同將異常現(xiàn)象和異常原因進行關聯(lián),為故障消缺提供技術支撐,提高故障自動診斷及修復能力,提升故障處理效率。

2.4 診斷方法庫
針對所有可能引起異?，F(xiàn)象的原因,在診斷方法庫中根據(jù)診斷修復編號和異常原因編碼,查找相應的診斷方法進行診斷,確定是否由此原因引起,將所有可能的異常原因進行診斷。在診斷過程中,首先調用遠程診斷方法,遠程診斷結束后還無法確定異常原因,則需去現(xiàn)場進行診斷。
由于現(xiàn)場的故障存在故障類型及故障點的多樣化、重復性等特性,對現(xiàn)場的故障診斷應采用智能化診斷模型,結合采集系統(tǒng)、計量現(xiàn)場故障診斷設備采集的數(shù)據(jù),建立智能診斷分析模型對現(xiàn)場進行智能診斷,診斷主要包括：知名專家系統(tǒng)診斷[9-13]、邏輯關系模糊診斷[14-16]、灰色關聯(lián)度診斷[17]、神經(jīng)網(wǎng)絡診斷、信息融合診斷等故障診斷方法。

2.5 修復方法庫
根據(jù)各地用電信息采集運維工作開展以來的經(jīng)驗,梳理總結出各種異常原因的修復方法,將此作為知識庫初始化數(shù)據(jù),在通過診斷方法確定異常原因后,根據(jù)診斷修復編號和異常原因編碼查找相應的修復方法,調用遠程修復方法進行修復,若無法修復,則需要進行現(xiàn)場修復,調用相應的現(xiàn)場修復方法,直至修復完成。

2.6 自動化組件
自動化組件是指進行遠程診斷和修復時調用的自動化邏輯,由系統(tǒng)或現(xiàn)場作業(yè)終端自動執(zhí)行,通過遠程通信信道或現(xiàn)場紅外方式對采集設備進行數(shù)據(jù)讀取和下發(fā)。主要包括檔案比對、抄表參數(shù)比對、任務配置比對、終端時鐘召測比對、電能表時鐘比對、用戶檔案同步、抄表參數(shù)設置、任務配置設置、終端時鐘對時、電表時鐘下發(fā)。

3 采集運維知識庫的管理

3.1 知識初始化模型形成
建立知識庫初始化模型是整個知識庫的關鍵,如出現(xiàn)錯、漏,分析將失去意義,知識庫自我學習的過程也將異常漫長?；凇恫杉K端故障甄別手冊》,整理并形成初始版本知識庫。

3.2 知識應用
知識庫主要應用于采集異常處理流程中的遠程分析處理和現(xiàn)場分析處理2個環(huán)節(jié)。知識應用過程如圖4所示。
在遠程分析處理環(huán)節(jié),運維監(jiān)控人員或遠程故障處理人員根據(jù)異?，F(xiàn)象檢索知識庫中的故障診斷方法,并進行遠程方式故障診斷,診斷出故障原因后,知識庫會自動根據(jù)故障分類獲取對應的故障修復方法,可自動或手動進行故障修復。

圖4 知識應用過程

在現(xiàn)場分析處理環(huán)節(jié),現(xiàn)場運維人員通過手持設備,根據(jù)現(xiàn)場的異?，F(xiàn)象,遠程快速檢索對應的故障診斷方法,用于指導現(xiàn)場作業(yè)人員進行現(xiàn)場故障分析及故障原因的確診,在確診故障情況后從知識庫中獲取故障修復方法,指導現(xiàn)場人員進行故障的修復作業(yè)。

3.3 知識收集
在遠程或現(xiàn)場故障處理過程中,如果遇到現(xiàn)有知識庫無法解決的問題時,可以通過人機接口提出知識庫更新需求,由技術專家對問題進行分析,確定診斷及修復方法,在知識庫中增加對此問題分析解決途徑的知識。
知識收集與形成是在收集采集運維過程中發(fā)生的,具有普遍性、規(guī)律性的異常問題,及其診斷和修復方法,通過專家組審核后,完善到采集運維知識庫中。
知識收集的來源有2種：對已經(jīng)形成的知識信息,可通過知識庫模板將新知識信息直接添加到知識庫中;對已經(jīng)有解決方案的疑難問題,在地市（縣）公司和省公司的疑難問題處理流程中均可發(fā)起知識收集。
知識庫將各省公司形成的知識按照規(guī)則進行抽取,并通過專家組審核后,形成知識。

3.4 知識發(fā)布
知識的發(fā)布由國網(wǎng)統(tǒng)一發(fā)布,向各省（市）公司進行自動推送,各?。ㄊ校┕敬_認后對本省知識庫進行更新。

4 基于知識庫的故障診斷修復分析
下面以采集運維過程中最常見的“采集系統(tǒng)與終端無通信”為例,分析基于采集運維知識庫進行故障診斷及修復的過程。

4.1 發(fā)現(xiàn)異?，F(xiàn)象
用電信息采集系統(tǒng)如發(fā)現(xiàn)某一采集終端的關聯(lián)用戶,對應的智能電能表在執(zhí)行采集任務后未能采集到用電信息,經(jīng)運維監(jiān)控人員查看后,發(fā)現(xiàn)該終端持續(xù)24 h未與主站進行通信。
針對采集系統(tǒng)與終端無通信,知識庫將其定義為終端離線,典型案例庫、故障診斷庫、故障修復庫的結構及調用關系如圖5所示。

圖5 故障診斷修復過程

典型案例庫針對采集系統(tǒng)發(fā)現(xiàn)終端超過1天未上線的異常,定義可能出現(xiàn)的故障原因及其診斷的優(yōu)先級順序,遠程診斷有：采集前置故障、主站終端檔案錯誤,現(xiàn)場故障診斷包含終端的軟硬件、遠程通信信道、終端上行通信模塊、終端通信參數(shù)等故障情況。

4.2 遠程分析處理
在典型案例庫中通過篩選遠程故障診斷節(jié)點,進行故障診斷。
通過主站監(jiān)控,判斷主站采集前置服務器的工作狀態(tài),發(fā)現(xiàn)工作是否正常。判斷該終端的通信地址檔案（行政區(qū)劃碼、終端地址）是否合法,發(fā)現(xiàn)通信地址檔案數(shù)據(jù)無誤。

4.3 現(xiàn)場分析處理
遠程故障診斷未確診異常原因,派發(fā)現(xiàn)場工單,在現(xiàn)場分析處理環(huán)節(jié),現(xiàn)場作業(yè)人員攜帶現(xiàn)場手持設備,遠程調用案例庫,進行本地故障診斷。
1）終端軟硬件故障檢查：按照案例庫中配置的診斷步驟,首先調用故障診斷庫中的“終端軟硬件故障”診斷方法,手持設備接收到此診斷方法之后,做如下診斷步驟：提示用戶觀察終端外觀,包括屏幕、外觀、接線等;手持設備通過485/紅外本地接入采集終端,召測終端數(shù)據(jù),判斷終端是否故障;經(jīng)過檢測,發(fā)現(xiàn)終端軟硬件無故障。
2）遠程通信信道檢查：通過調用手持設備的GPRS模塊,檢查終端的通信信道是否正常,發(fā)現(xiàn)信號正常。
3）終端上行模塊故障檢查：提示用戶更換上行通信模塊及SIM卡進行測試,發(fā)現(xiàn)終端依然無法登錄。
4）手持設備通過485/紅外自動抄讀終端本地的通信地址（終端地址、行政區(qū)劃碼）,與采集系統(tǒng)中的檔案是否一致,發(fā)現(xiàn)采集系統(tǒng)終端地址和采集終端本地地址不一致。例如采集系統(tǒng)中行政區(qū)劃碼是4101,終端地址是123,終端中的行政區(qū)劃碼是4102,終端地址是123,確診故障原因。

4.4 確診故障原因
通過以上分析判斷,故障原因為終端檔案配置錯誤,與主站系統(tǒng)的檔案配置不一致,實際終端登錄后,采集系統(tǒng)認為是異常終端,拒絕登錄。原因是終端上設置的終端地址和行政區(qū)劃碼與主站系統(tǒng)的不一致。

4.5 故障修復
確定故障原因后,修復方案為現(xiàn)場修改采集終端檔案的終端地址和行政區(qū)劃碼。調用故障診斷結果對應的修復庫中的修復方法,將終端的行政區(qū)劃碼設置為正確值,終端能夠正常登錄主站,故障解決。

5 結語
通過采集運維知識庫的引入,改變采集運維過程中依賴經(jīng)驗的傳統(tǒng)工作模式,為采集運維工作提供了科學完善的過程作業(yè)引導、輔助的體系,通過運維經(jīng)驗向運維知識的轉換,有效降低采集運維工作的難度,提高故障處理的質量和效率。通過知識庫的學習功能,將靜態(tài)知識庫變成動態(tài)可持續(xù)完善的知識庫。通過典型案例庫的定義,將如何從業(yè)務上描述從異?，F(xiàn)象到故障可能性的定位分析流程的“業(yè)務流”,和從技術上描述各種故障原因的分析診斷流程及診斷方法的“技術流”分開,理論模型和運維現(xiàn)場實踐實現(xiàn)無縫對接。

(編輯:張京娜)

參考文獻
[1] 劉振亞. 智能電網(wǎng)技術[M]. 北京: 中國電力出版社, 2010.
[2] 余貽鑫, 欒文鵬. 智能電網(wǎng)述評[J]. 中國電機工程學報, 2009, 29(34): 1-8.
YU Yi-xin, LUAN Wen-peng.Smart grid and its implementations[J]. Proceedings of the CSEE, 2009, 29(34): 1-8.
[3] 楊德昌, 李勇, REHTANZ C等. 中國式智能電網(wǎng)的構成和發(fā)展規(guī)劃研究[J]. 電網(wǎng)技術, 2009, 33(20): 13-20.
YANG De-chang, LI Yong, REHTANZ C, et al.Study on the structure and the development planning of smart grid in China[J]. Power System Technology, 2009, 33(20): 13-20.
[4] 張文亮, 劉壯志, 王明俊, 等. 智能電網(wǎng)的研究進展及發(fā)展趨勢[J]. 電網(wǎng)技術, 2009, 33(20): 13-20.
ZHANG Wen-liang, LIU Zhuang-zhi, WANG Ming-jun, et al.Research status and development trend of smart grid[J]. Power System Technology, 2009, 33(20): 13-20.
[5] 肖世杰. 構建中國智能電網(wǎng)技術思考[J]. 電力系統(tǒng)自動化, 2009, 33(9): 1-4.
XIAO Shi-jie.Consideration of technology for constructing Chinese smart grid[J]. Automation of Electric Power Systems, 2009, 33(9): 1-4.
[6] 胡江溢, 祝恩國, 杜新綱, 等. 用電信息采集系統(tǒng)應用現(xiàn)狀及發(fā)展趨勢[J]. 電力系統(tǒng)自動化, 2014, 38(2): 131-135.
HU Jiang-yi, ZHU En-guo, DU Xin-gang, et al.Application status and development trend of power consumption information collection system[J]. Automation of Electric Power Systems, 2014, 38(2): 131-135.
[7] 朱國富, 張曉東, 閆書芳, 等. 基于電力用戶用電信息采集系統(tǒng)的智能售用電管理系統(tǒng)的應用及技術[J]. 電測與儀表, 2015, 52(s1): 13-16.
ZHU Guo-fu, ZHANG Xiao-dong, YAN Shu-fang, et al.Application and technology of the intelligent power management system based on the electricity information collection system[J]. Electrical Measurement & Instrumentation, 2015, 52(s1): 13-16.
[8] 魏選平, 卞樹檀. 故障樹分析法及其應用[J]. 電子產(chǎn)品可靠性與環(huán)境試驗, 2004(3): 43-45.
WEI Xuan-ping, BIAN Shu-tan.Theory and application of fault tree analysis[J]. Electronic product reliability and environment test, 2004(3): 43-45.
[9] 劉劍, 陳一超, 江虹. 基于規(guī)則的通用專家知識庫故障診斷方法[J]. 計算機與數(shù)字工程, 2010, 38(6): 72-76.
LIU Jian, CHEN Yi-chao, JIANG Hong.Universal fault and diagnosis method of expert KB on regulation[J]. Computer & Digital Engineering, 2010, 38(6): 72-76.
[10] 王國鋒, 張錫恩. 基于案例推理的導彈故障診斷專家系統(tǒng)研究[J]. 系統(tǒng)工程與電子技術, 1999, 21(8): 11-16.
WANG Guo-feng, ZHANG Xi-en.Study of missile weapons system fault diagnosis expert system[J]. Systems Engineering and Electronics, 1999, 21(8): 11-16.
[11] 韓聚奎, 張敏. 農業(yè)機械液壓系統(tǒng)故障診斷專家系統(tǒng)的研究[J]. 農業(yè)機械學報, 1999, 30(3): 67-70.
HAN Ju-kui, ZHANG Min.A study on the troubleshooting expert system for hydraulic of agricultural machinery[J]. Transactions of the Chinese society of agriculture machinery, 1999, 30(3): 67-70.
[12] 陳瑋, 胡光銳, 汪亞平. 飛行器故障診斷專家系統(tǒng)中的知識獲取機制[J]. 上海交通大學學報, 2000, 34(6): 845-847.
CHEN Wei, HU Guang-rui, WANG Ya-ping.Knowledge acquisition in an expert system for fault diagnosis of certain spacecraft[J]. Journal of Shanghai Jiaotong university, 2000, 34(6): 845-847.
[13] 盧學軍, 邱忠宇, 陳仲儀, 等. 基于知識與模糊神經(jīng)網(wǎng)絡的故障診斷專家系統(tǒng)[J]. 機械強度, 2000, 22(1): 4-7.
LU Xue-jun, QIU Zhong-yu,CHEN Zhong-yi, et al.Knowledge and fuzzy neural network based fault diagnostic expert system[J]. Journal of Mechanical Strength, 2000, 22(1): 4-7.
[14] 何勇, 李增芳. 智能化故障診斷技術的研究與應用[J]. 浙江大學學報(農業(yè)與生命科學版), 2003, 29(2): 119-124.
HE Yong, LI Zeng-fang.The research and application of intelligent fault diagnosis methods[J]. Journal of Zhejiang University(Agric. &Life Sci), 2003, 29(2): 119-124.
[15] 王俊國, 趙金, 謝慶國, 等. 主成分分析法在機車柴油機故障診斷中的應用[J]. 華中科技大學學報(自然科學版), 2001, 29(7): 61-62, 65.
WANG Jun-guo, ZHAO Jin, XIE Qing-guo, et al.Application of principle component analysis for fault diagnosis of locomotive disel engine[J]. Journal of Huazhong University of Science and Technology(Nature Science Edition), 2001, 29(7): 61-62, 65.
[16] 黃景德, 王強, 王興貴, 等. 基于知識的故障模糊預測系統(tǒng)的設計方法[J]. 計算機自動測量與控制, 2001, 9(5): 26-27.
HUANG Jing-de, WANG Qiang, WANG Xing-gui, et al.Design method of fault fuzzy forecast system based on knowledge[J]. Computer Automated Measurement & Control, 2001, 9(5): 26-27.
[17] 王學合, 黃震. 發(fā)動機故障集成診斷系統(tǒng)研究[J]. 車用發(fā)動機, 2000, 8(4): 29-32.
WANG Xue-he, HUANG Zhen.Research of integrated diesel engine diagnosis system[J]. Vehicle Engine, 2000, 8(4): 29-32.

曹永峰（1987-）,男,工程師,從事電能計量安全與數(shù)據(jù)分析工作,caoyf175@126.com;
翟峰（1979-）,男,高級工程師,從事電力系統(tǒng)安全工作;
肖建紅（1979-）,男,高級工程師,從事電力營銷工作;
許斌（1989-）,男,工程師,從事信息安全工作。