舒征宇，李黄强，丁红声，余振华，高 波，杨世勇

（国网湖北省电力公司宜昌供电公司，湖北 宜昌 443000）

0 前言

随着我国工业化进程的不断加快以及经济水平的不断提高、电网建设不断加强，电力网络则越来越复杂，与之对应电网调度倒闸操作涉及到的一次、二次设备的操作愈加复杂。在运行方式倒换或事故处理时快速准确的发布电网调度操作指令显得越发困难。因此越来越多的研究人员试图将人工智能方面的研究成果应用于该领域，建立以人工智能为基础的电网操作规则库，从而辅助电网倒闸操作，提升操作指令准确率。

目前，我国的电网调度采取分级管理，各级电网对应各级调度，具有责任明确、对事故响应快速等特点[1-2]。然而由于各级（或各地区）电网根据地域特点和设备特点分别制定其调度规程，导致同一操作在国内不同地域的电网中调度操作步骤、内容以及操作指令票的填写标准存在差异（即电网倒闸操作规则存在差异）[3]。为此，现在关于操作指令票检验相关研究中较为普遍的做法是：先让程序员理解电网调度规程，然后以程序员理解的逻辑建立相应的规则库[4]。但是这样处理不能解决不同地域的调度规程存在差异的问题，不能广泛推广，并且通过这种方式形成的规则库的准确性受到程序员理解准确程度的制约，当调度规程修编后，规则库不能及时更正。

鉴于此，本文提出一种基于数据挖掘的电网倒闸操作规则库建立方法，以历史操作指令票为依据，采用数据挖掘的方法挖掘电网倒闸操作的操作规则，根据不同地域的历史操作指令票挖掘形成不同的操作规则库，从根本上解决了地域差异的问题。

1 操作指令票数据挖掘的特异性分析

常见的分类规则挖掘所涉及的挖掘样本其属性是固定的[5]，针对属性取值规律进行分析从而形成相对固定的分类规则，其形式如下（见图1）。

图1 分类规则挖掘一般形式Fig.1 The general form of classification rules mining

然而对于电网操作规则的数据挖掘而言，其挖掘的数据样本为历史存档中的大量操作指令票，每张操作指令票中涵盖的操作内容和操作步骤则会依据操作任务的复杂程度和边界条件（即电网实时的运行状态）而发生改变[6]。为此本文首先对挖掘对象的数据样本（即历史存档的操作指令票）进行预处理。

2 数据挖掘样本的预处理

2.1 建立电力网络状态模型

建立与电网一次设备实际结构相符的网络拓扑模型，其简化标准为：将母线、断路器、变压器作为节点，将输电线路等效为网络拓扑模型中的边。增加断路器和母线、线路之间的虚拟连接并简化为网络拓扑模型中的边，增加母线和变压器之间的虚拟连接并简化为网络拓扑模型中的边。由此可以得到表征电网中电气设备连接关系的连接矩阵

式中：G0为电力系统的将电力网络抽象得到的简单图，eij为节点i到节点j的边，n为电网中母线、断路器、变压器的个数之和。该矩阵描述了电网中一次设备之间的连接关系。在此基础上对连接矩阵A0中的对角元素进行赋值，得到反映电网一次设备运行状态的网络状态矩阵

同时，建立与电网一次设备运行状态相对应的二次设备运行状态向量χ。

通过上述三个步骤，实际电网中一次设备与二次设备的运行状态以及整个电网的连接关系可以由网络状态矩阵A和二次设备运行状态向量χ表示。

2.2 挖掘样本的标准化处理

根据操作步骤拆分操作指令票。一张完整的操作指令票包含两个部分：1）操作任务，表示操作指令票需要达到的目的。2）操作内容，表示具体的操作步骤。本发明根据操作内容中的步骤来划分操作指令票，同时为保障拆分后得到的操作项目尽可能多的包含原操作指令票的内容，将电网操作指令票进行划分表示为如下形式：

式中：S为操作指令票，表示为操作项目的集合，θ为标准化处理后的操作项目。若操作指令票S由n个操作步骤完成，那么该操作指令票则可以划分为n个操作项目 {θ1,θ2,…,θi,…,θn}。θ为划分后得到的操作项目（对应于原操作票中的操作步骤），由五维向量表示，其中M为原操作票的操作任务，A为进行该操作前电网的一次设备运行状态矩阵，χ为进行该操作前的电网二次设备运行状态向量，B为该操作项目对应的操作内容（下文简称本项操作内容），N为原始操作指令票中下一项操作项目的操作内容（下文简称下项操作内容）。

采用以上步骤进行预处理后的操作票可以表示为有关联关系的操作项目，并且每个操作项目有且仅有五个属性。

3 基于蚁群算法的构造规则

3.1 规则构造

蚁群算法是通过模拟蚂蚁觅食寻找最优路径的方式来求解的一种算法[7]。蚂蚁在觅食过程中会在经过的路径上留下信息素，而后跟进的蚂蚁会有极大几率跟随信息素前进。蚁群算法的本质则是设置虚拟蚂蚁和蚂蚁向不同节点移动的几率来指引路径寻找，通过多次迭代收敛来进行路径优化[8]。而电网调度倒闸操作的规则挖掘则可以看作蚁群对觅食路径的寻找。蚁群算法的数学模型可以表示为下式：

式（9）表示蚂蚁k在t时刻从节点i向节点j移动的的几率[9]，即操作项目i后执行操作项目j的几率，S为所有操作项目的集合。τij(t)、ηij分别为t时刻的局部信息素和启发因子，即局部寻优和全局寻优的影响因子，Δτij(t)为全局信息素。本文α=0.7、β=0.3、ρ=0.5，令局部信息素为

P(Ni=Bj|Bi)为所有操作项目的集合中，操作项目i执行后执行操作项目j的概率。式中ψ|Bi为操作项目集合中本项操作内容为Bi的操作项目个数，ψ|Ni=Bj则为本项操作内容为Bi且下项操作内容为Ni（其中Ni=Bj）的操作项目个数。

令全局信息素为

其中X，Y为一次状态矩阵和二次状态向量的皮尔森相关系数，分别表示操作项目i执行前和操作项目j执行前电网一次设备运行状态相似程度和二次设备运行状态相似程度。由于每个操作项目θ只代表单一的操作，相邻的两次操作之间电网的设备运行状态会十分接近，以两个操作项目的电网运行状态的皮尔森相关系数作为全局信息素可以在迭代过程中快速剔除不相关的操作项目，加快迭代收敛。

令启发因子为

即所有操作任务为M的操作项目中本项操作内容为Bj的概率。其大小为操作任务为M且操作内容为Bj的操作项目个数除以操作任务为M的操作项目个数。

采用以上算法对路径进行搜索直到最新搜索到的操作项目中“下项操作内容”为空，则停止搜索并形成一条路径。经过迭代使得路径收敛得到一条分类规则，记作R[θ],其实质为操作项目的组合序列。

3.2 规则剪枝

以操作项目集合S中的每个操作项目为起点，采用3.1所述的搜索方法，可以得到对应的分类规则R=[θ1,θ2,…,θi,…,θn]。而这样搜索得到的规则中会存在大量的重复。为此还需要对规则进行修剪[6]，其步骤如下。

步骤1计算规则有效性，规则的有效性Q可以用下式进行计算。

式中：tp为规则前件后件都适合的样例数；fp为规则前件适合后件不适合的样例数；fn为规则前件不适合后件适合的样例数；tn为规则前件后件都不适合的样例数。

tp、fp、fn、tn的具体数值可以通过将挖掘得到的规则R[θ]在历史操作票中检验计算得出。

步骤2规则剪枝。通过删除任何能导致规则精度提高的前件来修剪规则。剪枝后的规则就是搜索到的规则。其具体方法为，依次移去能使规则有效性得到最大提高的节点（即规则中的操作项目θ），直到任意一个节点的移去将降低规则有效性。

4 实施步骤

基于规则挖掘的电网倒闸操作规则库建立方法实施步骤如下：

a）建立电力网络拓扑模型，将母线、断路器、变压器作为节点；将输电线路等效为网络拓扑模型中的边。增加断路器和母线、线路之间的虚拟连接并简化为网络拓扑模型中的边，增加母线和变压器之间的虚拟连接并简化为网络拓扑模型中的边，形成可以表示电网连接关系的网络拓扑模型，记作A0。可参见式（1）与式（2）。

b）根据一次设备的运行状态，采用公式（3）、（4）为网络拓扑模型中的对角元素赋值，形成一次设备运行状态矩阵，用以表示对应一次设备的运行状态，记作A。

c）电网的二次设备都会配合一次设备运行，在进行电网倒闸操作时会涉及到一次与二次设备的操作。因此，为表征二次设备的运行状态，根据式（5）、（6）建立与一次设备运行状态矩阵相对应的二次设备运行状态向量，记作χ。

d）电网操作指令票都是逐项填写，每一步只含有对一个设备的操作内容。可以按照操作步骤进行划分，将任意一张操作指令票划分成对应的操作内容。

e）为保障每个数据样本尽可能多的含有全局信息，将本项操作内容、下一项操作内容、原始操作票的操作任务、执行该操作的网络一次设备状态矩阵、执行该操作的网络二次设备状态向量五项属性组合形成标准化的数据样本，称作“操作项目”。

f）从操作项目集合中选取一个操作项目作为起点，由式（12）～（14）采用蚁群算法计算蚂蚁向下一个操作项目移动的几率，即某一次单项操作后下一项操作的几率。

g）每只蚂蚁在搜索过程中，直到搜索到的最后一个操作项目k中Nk=Bk。表示一条完整的路径搜索完成。

h）采用式（9）、（10）进行迭代直至收敛，得到一条路径（即规则），并将其输入规则库。

i）根据式（15）为计算规则有效性，式中tp、fp、fn、tn的具体数值可以通过规则R[θ]在历史操作票中检验计算得出。

j）删除规则R[θ]中的节点，即规则中的操作项目，重新计算规则的有效性。若存在有效性降低的情况则恢复删除，将修剪后的规则计入规则库；若不存在有效性降低的情况则继续删除节点，直到所有节点检验完毕。

5 结语

本文提出的一种基于规则挖掘的电网倒闸操作规则库建立方法将数据挖掘引入到电网调度领域中，在对历史存档的电网操作指令票进行预处理的前提下，采用蚁群算法搜索潜在的分类规则，并通过规则有效性指标对规则进行剪枝形成规则库。本文所提出的方法可以适用于不同地域，有效避免了地域差异导致的规则库兼容性等问题，可以广泛应用于电网操作指令票的自动检验系统和自动生成系统；更好地辅助电网操作指令票的审核，不仅节约了相关辅助系统的开发成本，同时可以有效提高电网操作指令票审核效率和正确率，减少电网操作中的误操作，避免经济损失。

[参考文献]（References）

[1]王晶晶,刘巍,张勇平,等.华北电网无人值班站和集控中心管理模式的探讨[J].华东电力，2011(10)：23-24.Wang Jingjing,Liu Wei,Zhang Yongping,et al.Re⁃search on management of control center in North China Power Grid unmanned station[J].East China Electric Power,2011(10)：23-24.

[2]黄炜,张杰明,綦孝文,等.调度集控一体化系统责任区管理和告警解决方案[J].电网技术，2012(7)：41-45.Huang Wei,Zhang Jieming,Nie Xiaowen,et al.Solu⁃tions of localization responsibility and alarm man⁃agement with dispatching integrated[J].Power Sys⁃tem Technology,2012(7)：41-45.

[3]张良栋,石辉,张勇军.电网事故原因分类浅析及其预防策略[J].电力系统保护与控制，2010(4)：43-47.Zhang Liangdong,Shi Hui,Zhang Yongjun.Analysis of grid accident and its preventive strategies[J].Power System Protection and Control System,2010(4)：43-47.

[4]郭惠.调控一体模式下电网事故拉荷方案讨论[J].科技促进发展，2011(11)：77-81.Guo Hui.Load shedding program discussed under the dispatching integrated[J]Science and Technolo⁃gy for Development,2011(11)：77-81.

[5]李杰,徐勇,王云峰,等.最简关联规则及其挖掘算法[J].计算机工程，2007(13)：77-81.Li Jie,Xu Yong,Wang Yunfeng,et al.The research on association rules mining algorithm with the most simple rules[J].Computer Engineering,2007(13)：77-81.

[6]徐久成,史进玲.一种粒计算中决策规则的提取[J].计算机工程与应用，2009(25)：96-101.Xu Jiucheng,Shi Jinling.Research on extraction of decision rules with particle swarm optimization[J].Computer Engineering and Applications,2009(25)：96-101.

[7]陆媛,杨慧中.基于代表熵的基因表达数据聚类分析方法[J].计算机工程与应用，2008(27)：56-60.Lu Yuan,Yang Huizhong.Research of cluster analy⁃sis of gene expression data based on representative entropy [J].ComputerEngineering and Applica⁃tions,2008(27)：56-60.

[8]李小梅,郭红.基因表达数据的模糊聚类技术研究[J].信息系统工程，2013(11)：36-41.Li Xiaomei,Guo Hong.Study of fuzzy clustering analysis based on gene expression[J].Information Systems Engineering,2013(11)：36-41

[9]柴宝杰,刘大为.基于粒子群优化的蚁群算法在TSP中的应用[J].计算机仿真，2014(8)：16-18.Chai Baojie,Liu Dawei.The research on application of ant colony algorithm in TSP based on particle swarm optimization [J].ComputerSimulation,2014(8)：16-18.