郭晓利，韩 啸

(东北电力大学信息工程学院，吉林吉林132012)

针对目前现有电网生产各应用系统都是基于本业务或本部门的需求，存在不同的平台、不同的应用系统、不同的数据格式，难以从整个电网公司生产全流程的角度来考虑数据的使用，这导致电力公司内部不同的系统信息资源分散［1］，横向不能共享，上下级间纵向贯通困难。电力企业要提高电网知识创新的速度和效率，就需要通过协同的方式加强电网知识的共享、交互与激活，并通过发现电网知识资源之间的关联进行知识整合。

针对上述电网知识资源存在的问题，本文提出一种基于双库协同理论的电网知识协同发现策略，意在为解决这些系统虽然有丰富的数据资源，却形成了以纵向层次多、横向系统多为主要特征［2］的“电网信息孤岛”的问题提供一种新的思路。

1 电网知识协同发现策略模型的建立

1.1 电网知识协同发现策略原理

电网知识协同发现策略模型是利用双库协同机制［3］构建了电网数据库与电网知识库的内在联系通道，利用电网基础知识库去制约和驱动电网知识的挖掘过程，从而改变电网知识发现的固有的运行机制［4］，在结构与功能上形成了相对传统电网知识发现而言的一个开放的、优化的扩体。

1.2 电网知识协同发现策略逻辑模型图

电网知识协同发现策略逻辑模型图如图1所示。

其主要构成如下:

(1)真实电网数据库:包括当前各系统存储的，可以被发现使用的历史电网数据和实时电网数据。

图1 电网知识协同发现策略模型

(2)基础电网知识库:存储着用科学的形式对电网建设进程中运行、管理、控制及生产等方面中的各环节出现的有价值意义的电网经验信息，其中包括电力安全规程、电力设备操作规则、调度员的经验、领域专家知识等。

(3)驱动电网知识库:由电网安全稳定运行的各类方法和实例结构构成，此库中的内容均可以叫做电网的驱动知识。

(4)电网知识协同发现策略集:主要功能是由电网领域专家出做的一些客观判断;根据电网领域专家的个人习惯及对电网知识发现预测结果的初始讨论，参考各电网安全稳定运行各个环节的模型的自身的误差研究，对新发现的电网知识是否可以完全接受使用进行可行性评价;依赖各个电网领域专家对电网知识的不同兴趣点，对有待进行更深层次研究的“电网知识节点”进行综合研究和讨论。

(5)衍生电网知识库:由电网知识协同发现策略集发现得到的新的电网知识构成，主要是电网工作人员做出的决策是经过定性和定量分析而得到的有价值的参考。

(6)电网可视化交互接口:通过运用匹配电网知识发现进程中的方式方法，实现电网智能化的人机互动，使电网领域专家深入的参与电网知识协同发现的整个进程中，通过多种方式显示发现的新电网知识，有利于电网领域专家的研究、对比及分析。

2 该策略逻辑模型的主要创新点

2.1 将海量电网数据资源进行层次划分

将当前电网中各个数据库的资源按照挖掘层次划分成电网数据和电网知识两部分，并突破现有的电网数据存储方式，提出将电网知识独立存储于基础电网知识库中。

2.2 将以认知心理学为基础的知识协同思想融合到电网知识发现进程中

在电网知识发现进程中的“聚焦”和“知识评价”阶段［5］调用电网知识协调发现策略集，实现对电网知识的全面评价，并在评价的基础之上，实现对电网知识更高层次的提升。其中，电网知识协同发现策略集中的两个重要工具为启发型电网知识协调器和维护型电网知识协调器。

(1)启发型电网知识协调器:主要功能是在以属性为基础的电网知识库建立原则下，通过搜索电网知识库中“电网知识节点”的不关联，以发现“电网知识短缺”［6］，产生“电网知识创新意向”，从而启发与激活电网真实数据库中相应的“电网数据子类”，以产生“定向挖掘进程”。通过规定电网规则优先级，以定向挖掘较可信与关联性强的待定规则来防止“海量电网数据定向挖掘”现象的产生。

(2)维护型电网知识协调器:主要功能是当从电网真实数据库的大量电网数据经验中经聚焦而生成感兴趣的与具有一定可信度的电网规则(电网知识)后，使电网知识发现进程产生中断，从而去定向搜索电网知识库中有无此生成电网规则的重复、冗余与矛盾［7］。若有重复或冗余，则取消该生成电网规则或冗余规则而返回电网知识发现进程的“始端”;若无，则继续电网知识发现的进程。对于矛盾的处理，可采用电网知识属性约束规则的条件［8］及根据电网知识的可信度或与电网知识的关联强度来裁决等方法。

2.3 电网知识库具有在内容和结构上的自我进化的能力

电网知识库的结构并非仅仅由领域专家和电力工作者等人为因素所决定，而是参照电网数据库中的真实电网数据客观的、量化的决定［9］，且伴随电网数据库中的数据资源的累积，电网知识库的结果也随之动态变化。

3 电网知识协同发现策略在电力需求预测中的实例应用

2000年至2005年河北省月售电量的曲线图，如图2所示。

一年的十二个月份，由于季节的变化，每个月的售电量存在一定的周期性变化，从图2可以看出，月度售电量基本属于波浪式上升;且如图3所示，各年份月度售电量也存在一定的相似性。

通过分析图3，每年的最大用电量基本上出现在4、7、8三个月份。可根据历年的月度售电量变化趋势总结出一年各个月售电量的大体变化趋势图(一般存放于驱动电网知识库)，进而根据趋势图与新的月度售电量预测值进行对比分析，在个别月份售电量比例出现明显偏差时(调用电网知识协同发现策略集)进行一定的调整。具体流程如下:

图2 2000年至2005年河北省月售电量的曲线图

图3 2000年至2005年月售电量曲线对比

(1)首先进行归一化处理，通过在真实电网数据库中得到的河北省2000至2005年月售电量数据分析出整体月度售电量呈现波浪式上升的趋势，通过基础电网知识库中的电网知识可知构建各月售电量比例趋势图只关心各月比例变化，而不关心售电量的大小，因此需要对月度售电量进行归一化处理，如公式(1)所示:

(2)然后调用驱动电网知识库可知，需求取标准比例线L*=［l1，l2，…，l12］T，其中:

以2000年至2005年度的售电量数据求得的标准比例线，如图5所示。

图4 归一化后的月度售电量曲线图

图5 标准比例线

其中，e*越小说明预测结果与标准比例线越贴近，预测结果可信度越高，进而可以参照与标准比例线进行对比分析，对明显偏离的预测结果调用调用电网知识协同发现策略集进行进一步的分析，对预测模型和预测方法进行调整后在进行预测，最终对预测结果进行微调，在此过程中获得的新电网知识存入到衍生电网知识库中。

(3)得到各月的预测结果后，按公式(3)计算与标准比例线的偏离程度:

4 结 论

本文提出了一种电网知识协同发现策略，通过该策略的逻辑模型为传统电网数据挖掘方法提供了一个新的思路，电网知识协同发现策略逻辑模型通过将电网数据资源进行层次划分，将传统电网数据资源划分成真实电网数据库、基础电网知识库、驱动电网知识库，并建立电网知识协同发现策略集、衍生电网知识库及电网可视化交互接口。通过协同发现策略集中的电网维护型协调器和电网启发型协调器实现领域专家驱动电网知识和数据驱动电网知识的融合，以及对电网知识的全面评价和动态更新。在电力需求预测实例中，对的预测结果进行了评价，并对电网需求预测模型和结果的调整提供了理论依据，进而验证了电网知识协同发现策略的可行性及实用价值。

［1］丁道齐，祁维武.中国智能电网的实现:挑战、问题和行动［J］.中国电力，2011，44(11):1-7.

［2］胡学浩.智能电网—未来电网的发展态势［J］.电网技术，2009，33(14):1-5.

［3］Ohira M，Ohsugi N，Ohoka T，Matsumoto K.Accelerating Cross-project Knowledge Collaboration Using Collaborative Filtering And Social Networks［C］.International Workshop on Mining Software Repositories(MSR2005)，St.Louis，MO，2005，May，111-115.

［4］Robin V，Rose B，Girard P.Modelling collaborative knowledge to support engineering design project manager［J］.Computers in Industry 2007，58(2):188-198.

［5］郇嘉嘉，王钢，李海锋，汪隆君，李平.电网停电综合管理与分析决策系统的研究与开发［J］.电力系统保护与控制2012，40(8):140-150.

［6］陈亮，陈雨果.多目标发电调度策略与方法［J］.电力系统自动化.2012，36(9):104-108.

［7］冯庆东，李立理，梁永亮.基于Agent的智能电网集成优化控制策略［J］.中国电力.2011，40(7):36-39.

［8］刘奕，周琦，苏国锋，刘轩，刘乐民.基于Multi-Agent的突发事件多部门协同应对建模与分析［J］.清华大学学报:自然科学版，2010，50(2):165-169.

［9］郭晓利，曲朝阳，李晓栋，等.基于SOM聚类的电网可视化数据挖掘模型［J］.情报科学.2012，30(2):206-209，225.