用电信息采集系统故障运维知识库的设计与应用

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

曹永峰1, 翟峰1, 肖建红2, 许斌1
1.中国电力科学研究院有限公司,北京 100192
2.国网湖南省电力公司,湖南 长沙 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
基金项目： 中国电力科学研究院创新基金（5242001600GA）;
文章编号: 2095-641X(2018)03-0081-06 中图分类号: TP319

摘要
用电信息采集系统承担着电力用户用电信息采集与分析的重要任务,属于国家电网公司重要的基础数据资源和信息系统。为了提升用电信息采集系统运行维护效率,保证系统稳定高效运行,文章基于故障树分析（Fault Tree Analysis,FTA）设计了用电信息采集系统故障运维知识库（简称采集运维知识库）。应用表明采集运维知识库可以辅助用电信息采集系统实现异常识别、异常原因分析和异常修复等功能,从而降低采集运维工作难度,提高故障处理的质量和效率。

关键词 : 采集运维; 故障诊断; 知识库;

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;

著录格式：曹永峰, 翟峰, 肖建红, 等.用电信息采集系统故障运维知识库的设计与应用[J]. 电力信息与通信技术, 2018, 16(3): 81-86.

0 引言
用电信息采集系统是国家电网公司构建智能电网[1-5]的重要组成部分之一,同时为构建智能电网提供技术支撑,主要通过用电信息采集主站、采集设备、通信信道等软硬件组成的物理链路,根据业务信息建设成用电信息采集系统。通过系统及时对用户用电信息的采集,实现数据采集、数据管理、电能质量数据统计、线损统计分析,并分析用电信息是否存在用电异常情况,对电力用户的用电负荷进行监测和控制,为实现阶梯电价、智能费控等营销业务提供了有力支撑[6-7]。
随着用电信息采集系统建设的逐步完善,采集工作的重心由建设阶段转为运维阶段。由于其中应用大量传感、通信、自动控制等技术,系统众多、结构复杂、故障模式繁多,采集运维复杂度较高,因此对故障诊断提出了更高的要求。目前采集系统运维工作中,通过作业指导、工作手册和辅助可实现对某类故障进行诊断,但其通用性不强,对于不同问题领域、设备种类的故障诊断更多是依赖运维人员的工作经验,因此对采集运维人员的技术能力要求大大提高,当前故障处理的效率已无法满足日益增加的运维工作量。
本文针对当前采集运行维护工作现状,在采集系统中引入采集运维知识库,对采集运维人员进行作业指导,实现现场作业标准规范化管理,可降低现场运维人员的技术要求,并且提高现场运维效率。

1 采集运维知识库结构
采集运维知识库系统以故障现象为入口,利用知识库中故障分析、诊断及修复的规则,并结合历史出现故障现象的频度为导向的诊断机制,通过修复系统根据诊断结果进行修复和验证,知识库系统结构示意如图1所示。

图1 采集运维知识库系统结构示意

采集运维知识库由故障诊断库、故障修复库以及故障诊断修复规则库构成;故障诊断和修复库包含系统故障树结构和各类故障模式之间的逻辑关系;在判断门输出事件发生后,诊断修复规则库利用系统参数输入各现象对应异常原因发生的可能性;通过知识库管理系统实现对知识库中的规则进行增加、删除和修改等操作;运维结果数据库用于存放初始化信息和诊断修复后的结果信息等;人机交互诊断修复通过系统界面的方式要求用户根据系统自动诊断的结果进行判断,是否进行修复处理以及修复后再次验证;知识获取是通过获取已经形成的海量采集运维故障诊断修复历史经验数据,经过格式化处理成为诊断修复库的基础信息,对历史数据的持续跟踪、分析,完善和提升现有故障诊断修复知识信息,实现知识的自学习过程。

2 采集运维知识库的构成
知识库管理系统利用故障树分析法[8]对具体的诊断对象建立基础模型。知识库设计时由专家根据各个被诊断对象的构造及异常原因的逻辑关系,构造出一系列的逻辑故障树,并将逻辑关系故障树存放在数据模型库中,提供给开发专用故障诊断知识库系统使用。

2.1 异常现象库
结合采集运维工作的经验,在设计知识库时,首先由专家根据影响采集系统运行关键指标的因素入手,将各类因素分为故障和缺陷并加以定义,用常规的概念进行解释,形成异常现象树（见图2）。异常现象树是指所有异常现象形成的树,所有的异常现象都作为树的叶节点存在。

图2 异常现象树

2.2 异常原因库
因现场采集设备种类多样,各地采集方案不同,导致异常的原因有很多,知识库采用构建异常原因树（见图3）的方式,逐级分析可能产生异常的原因。异常原因树以不希望发生的事件或异常现象作为分析目标,逐步探寻引起事件发生的最终原因,从定量的底事件（异常原因）对顶事件（异常现象）的影响进行分析。采集异常原因树按设备类型（共分为5类：专变终端、I型集中器、II型集中器、采集器、电能表）进行分类,所有的异常原因都作为树的叶节点存在。

图3 异常原因树

通过对采集运维历史处理数据的统计,设置某类异常原因对应异常现象的重要度（权重）,根据异常现象的权重情况确定诊断及修复的优先级,利于提高故障诊断的首次命中率。

2.3 典型案例库
典型案例库是异常现象与异常原因的关系库。由于采集系统采用的采集方案包括低压载波、230网络、485线、小无线、光纤等,同一异常现象在不同方案下引发的异常原因存在差异性,当发现异常后,为实现快速定位分析、诊断、解决问题,通过建立典型案例库,按照采集方案不同将异常现象和异常原因进行关联,为故障消缺提供技术支撑,提高故障自动诊断及修复能力,提升故障处理效率。

2.4 诊断方法库
针对所有可能引起异常现象的原因,在诊断方法库中根据诊断修复编号和异常原因编码,查找相应的诊断方法进行诊断,确定是否由此原因引起,将所有可能的异常原因进行诊断。在诊断过程中,首先调用远程诊断方法,远程诊断结束后还无法确定异常原因,则需去现场进行诊断。
由于现场的故障存在故障类型及故障点的多样化、重复性等特性,对现场的故障诊断应采用智能化诊断模型,结合采集系统、计量现场故障诊断设备采集的数据,建立智能诊断分析模型对现场进行智能诊断,诊断主要包括：知名专家系统诊断[9-13]、逻辑关系模糊诊断[14-16]、灰色关联度诊断[17]、神经网络诊断、信息融合诊断等故障诊断方法。

2.5 修复方法库
根据各地用电信息采集运维工作开展以来的经验,梳理总结出各种异常原因的修复方法,将此作为知识库初始化数据,在通过诊断方法确定异常原因后,根据诊断修复编号和异常原因编码查找相应的修复方法,调用远程修复方法进行修复,若无法修复,则需要进行现场修复,调用相应的现场修复方法,直至修复完成。

2.6 自动化组件
自动化组件是指进行远程诊断和修复时调用的自动化逻辑,由系统或现场作业终端自动执行,通过远程通信信道或现场红外方式对采集设备进行数据读取和下发。主要包括档案比对、抄表参数比对、任务配置比对、终端时钟召测比对、电能表时钟比对、用户档案同步、抄表参数设置、任务配置设置、终端时钟对时、电表时钟下发。

3 采集运维知识库的管理

3.1 知识初始化模型形成
建立知识库初始化模型是整个知识库的关键,如出现错、漏,分析将失去意义,知识库自我学习的过程也将异常漫长。基于《采集终端故障甄别手册》,整理并形成初始版本知识库。

3.2 知识应用
知识库主要应用于采集异常处理流程中的远程分析处理和现场分析处理2个环节。知识应用过程如图4所示。
在远程分析处理环节,运维监控人员或远程故障处理人员根据异常现象检索知识库中的故障诊断方法,并进行远程方式故障诊断,诊断出故障原因后,知识库会自动根据故障分类获取对应的故障修复方法,可自动或手动进行故障修复。

图4 知识应用过程

在现场分析处理环节,现场运维人员通过手持设备,根据现场的异常现象,远程快速检索对应的故障诊断方法,用于指导现场作业人员进行现场故障分析及故障原因的确诊,在确诊故障情况后从知识库中获取故障修复方法,指导现场人员进行故障的修复作业。

3.3 知识收集
在远程或现场故障处理过程中,如果遇到现有知识库无法解决的问题时,可以通过人机接口提出知识库更新需求,由技术专家对问题进行分析,确定诊断及修复方法,在知识库中增加对此问题分析解决途径的知识。
知识收集与形成是在收集采集运维过程中发生的,具有普遍性、规律性的异常问题,及其诊断和修复方法,通过专家组审核后,完善到采集运维知识库中。
知识收集的来源有2种：对已经形成的知识信息,可通过知识库模板将新知识信息直接添加到知识库中;对已经有解决方案的疑难问题,在地市（县）公司和省公司的疑难问题处理流程中均可发起知识收集。
知识库将各省公司形成的知识按照规则进行抽取,并通过专家组审核后,形成知识。

3.4 知识发布
知识的发布由国网统一发布,向各省（市）公司进行自动推送,各省（市）公司确认后对本省知识库进行更新。

4 基于知识库的故障诊断修复分析
下面以采集运维过程中最常见的“采集系统与终端无通信”为例,分析基于采集运维知识库进行故障诊断及修复的过程。

4.1 发现异常现象
用电信息采集系统如发现某一采集终端的关联用户,对应的智能电能表在执行采集任务后未能采集到用电信息,经运维监控人员查看后,发现该终端持续24 h未与主站进行通信。
针对采集系统与终端无通信,知识库将其定义为终端离线,典型案例库、故障诊断库、故障修复库的结构及调用关系如图5所示。

图5 故障诊断修复过程

典型案例库针对采集系统发现终端超过1天未上线的异常,定义可能出现的故障原因及其诊断的优先级顺序,远程诊断有：采集前置故障、主站终端档案错误,现场故障诊断包含终端的软硬件、远程通信信道、终端上行通信模块、终端通信参数等故障情况。

4.2 远程分析处理
在典型案例库中通过筛选远程故障诊断节点,进行故障诊断。
通过主站监控,判断主站采集前置服务器的工作状态,发现工作是否正常。判断该终端的通信地址档案（行政区划码、终端地址）是否合法,发现通信地址档案数据无误。

4.3 现场分析处理
远程故障诊断未确诊异常原因,派发现场工单,在现场分析处理环节,现场作业人员携带现场手持设备,远程调用案例库,进行本地故障诊断。
1）终端软硬件故障检查：按照案例库中配置的诊断步骤,首先调用故障诊断库中的“终端软硬件故障”诊断方法,手持设备接收到此诊断方法之后,做如下诊断步骤：提示用户观察终端外观,包括屏幕、外观、接线等;手持设备通过485/红外本地接入采集终端,召测终端数据,判断终端是否故障;经过检测,发现终端软硬件无故障。
2）远程通信信道检查：通过调用手持设备的GPRS模块,检查终端的通信信道是否正常,发现信号正常。
3）终端上行模块故障检查：提示用户更换上行通信模块及SIM卡进行测试,发现终端依然无法登录。
4）手持设备通过485/红外自动抄读终端本地的通信地址（终端地址、行政区划码）,与采集系统中的档案是否一致,发现采集系统终端地址和采集终端本地地址不一致。例如采集系统中行政区划码是4101,终端地址是123,终端中的行政区划码是4102,终端地址是123,确诊故障原因。

4.4 确诊故障原因
通过以上分析判断,故障原因为终端档案配置错误,与主站系统的档案配置不一致,实际终端登录后,采集系统认为是异常终端,拒绝登录。原因是终端上设置的终端地址和行政区划码与主站系统的不一致。

4.5 故障修复
确定故障原因后,修复方案为现场修改采集终端档案的终端地址和行政区划码。调用故障诊断结果对应的修复库中的修复方法,将终端的行政区划码设置为正确值,终端能够正常登录主站,故障解决。

5 结语
通过采集运维知识库的引入,改变采集运维过程中依赖经验的传统工作模式,为采集运维工作提供了科学完善的过程作业引导、辅助的体系,通过运维经验向运维知识的转换,有效降低采集运维工作的难度,提高故障处理的质量和效率。通过知识库的学习功能,将静态知识库变成动态可持续完善的知识库。通过典型案例库的定义,将如何从业务上描述从异常现象到故障可能性的定位分析流程的“业务流”,和从技术上描述各种故障原因的分析诊断流程及诊断方法的“技术流”分开,理论模型和运维现场实践实现无缝对接。

(编辑:张京娜)

参考文献
[1] 刘振亚. 智能电网技术[M]. 北京: 中国电力出版社, 2010.
[2] 余贻鑫, 栾文鹏. 智能电网述评[J]. 中国电机工程学报, 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] 杨德昌, 李勇, REHTANZ C等. 中国式智能电网的构成和发展规划研究[J]. 电网技术, 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] 张文亮, 刘壮志, 王明俊, 等. 智能电网的研究进展及发展趋势[J]. 电网技术, 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. 构建中国智能电网技术思考[J]. 电力系统自动化, 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, 祝恩国, 杜新纲, 等. 用电信息采集系统应用现状及发展趋势[J]. 电力系统自动化, 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] 朱国富, 张晓东, 闫书芳, 等. 基于电力用户用电信息采集系统的智能售用电管理系统的应用及技术[J]. 电测与仪表, 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] 魏选平, 卞树檀. 故障树分析法及其应用[J]. 电子产品可靠性与环境试验, 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] 刘剑, 陈一超, 江虹. 基于规则的通用专家知识库故障诊断方法[J]. 计算机与数字工程, 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] 王国锋, 张锡恩. 基于案例推理的导弹故障诊断专家系统研究[J]. 系统工程与电子技术, 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] 韩聚奎, 张敏. 农业机械液压系统故障诊断专家系统的研究[J]. 农业机械学报, 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] 陈玮, 胡光锐, 汪亚平. 飞行器故障诊断专家系统中的知识获取机制[J]. 上海交通大学学报, 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] 卢学军, 邱忠宇, 陈仲仪, 等. 基于知识与模糊神经网络的故障诊断专家系统[J]. 机械强度, 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. 智能化故障诊断技术的研究与应用[J]. 浙江大学学报(农业与生命科学版), 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] 王俊国, 赵金, 谢庆国, 等. 主成分分析法在机车柴油机故障诊断中的应用[J]. 华中科技大学学报(自然科学版), 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] 黄景德, 王强, 王兴贵, 等. 基于知识的故障模糊预测系统的设计方法[J]. 计算机自动测量与控制, 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] 王学合, 黄震. 发动机故障集成诊断系统研究[J]. 车用发动机, 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,工程师,从事电能计量安全与数据分析工作,caoyf175@126.com;
翟峰（1979-）,男,高级工程师,从事电力系统安全工作;
肖建红（1979-）,男,高级工程师,从事电力营销工作;
许斌（1989-）,男,工程师,从事信息安全工作。