一種基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法
【專利摘要】本發(fā)明公開了一種基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，包括如下步驟：S1，對(duì)監(jiān)控專家知識(shí)庫的處置決策進(jìn)行分詞，生成決策特征項(xiàng)；S2，對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，生成告警信號(hào)特征項(xiàng)；S3，分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，基于向量空間模型計(jì)算決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度；S4，根據(jù)相似度，將設(shè)備監(jiān)控告警信號(hào)對(duì)應(yīng)的處置決策進(jìn)行顯示。該方法有效地減輕了監(jiān)控員負(fù)擔(dān)，提高了監(jiān)控專家知識(shí)庫的實(shí)用性，保證了對(duì)設(shè)備監(jiān)控告警信號(hào)處置的準(zhǔn)確性與及時(shí)性。
【專利說明】
一種基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種告警信號(hào)處置決策建議方法，尤其涉及一種基于監(jiān)控專家知識(shí)庫 的告警信號(hào)處置決策建議方法，屬于電力系統(tǒng)調(diào)度自動(dòng)化技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 為了促進(jìn)電網(wǎng)調(diào)控一體化技術(shù)在電網(wǎng)中不斷的深化應(yīng)用，智能電網(wǎng)調(diào)度控制系統(tǒng) 為電網(wǎng)調(diào)控一體化的實(shí)施提供了堅(jiān)實(shí)的技術(shù)支撐，為電網(wǎng)調(diào)度業(yè)務(wù)提供了豐富、完備的輔 助分析決策。但是，目前為監(jiān)控業(yè)務(wù)提供的輔助決策分析仍停留在傳統(tǒng)的告警窗、光字牌列 表等技術(shù)手段，無法滿足省地級(jí)電網(wǎng)"智能調(diào)度"與"精益調(diào)度"的要求，特別是對(duì)設(shè)備監(jiān)控 告警信號(hào)的處置，主要面臨著以下幾個(gè)方面的挑戰(zhàn)：
[0003] 1)目前，在EMS系統(tǒng)中存儲(chǔ)著大量的告警信號(hào)，當(dāng)設(shè)備發(fā)生異常或故障時(shí)，存在大 量的設(shè)備監(jiān)控告警信號(hào)；正常情況下各種信號(hào)動(dòng)作頻繁。監(jiān)控員只能通過自己識(shí)別分析判 斷信號(hào)，監(jiān)控任務(wù)較重，很容易遺漏重要告警信號(hào)，延誤處置造成事故。
[0004] 2)受限于監(jiān)控員經(jīng)驗(yàn)的豐富程度，監(jiān)控員處理信號(hào)的準(zhǔn)確性與及時(shí)性不能得到很 好的保證。在監(jiān)控設(shè)備發(fā)生異?；蚬收蠒r(shí)，大量監(jiān)控信號(hào)讓監(jiān)控員難于分析、決策，增加監(jiān) 控員決策的時(shí)間，影響異常故障的處理效率，甚至導(dǎo)致異?；蚬收显斐傻挠绊懛秶鷶U(kuò)大化。
[0005] 3)構(gòu)建監(jiān)控信號(hào)知識(shí)庫，監(jiān)控設(shè)備的集中監(jiān)控運(yùn)行相關(guān)管理規(guī)定、調(diào)控員事故異 常處理經(jīng)驗(yàn)等監(jiān)控員需要掌握的知識(shí)仍停留在紙面上，尚未實(shí)現(xiàn)電子化、數(shù)字化、知識(shí)化， 更未實(shí)現(xiàn)監(jiān)控信息與相關(guān)知識(shí)的自動(dòng)關(guān)聯(lián)，在設(shè)備發(fā)生異?；蚬收蠒r(shí)，監(jiān)控員仍只能靠記 憶和臨時(shí)資料查閱，不僅影響異常故障的分析、決策及處理效率，也導(dǎo)致監(jiān)控員處理異常故 障的分析、決策及處理非規(guī)范化和非標(biāo)準(zhǔn)化，不利于相關(guān)知識(shí)積累和傳承，加大了電網(wǎng)安全 穩(wěn)定運(yùn)行的風(fēng)險(xiǎn)。
[0006] 4)目前監(jiān)控員對(duì)電網(wǎng)異常及故障的處置經(jīng)驗(yàn)不能很好的共享，造成資源浪費(fèi)。針 對(duì)以上存在的問題，為監(jiān)控員處理設(shè)備監(jiān)控告警信號(hào)提供輔助決策建議，以確保集中監(jiān)控 業(yè)務(wù)的安全高效運(yùn)行，從而全面提升監(jiān)控運(yùn)行工作的質(zhì)量，成為電力系統(tǒng)調(diào)度自動(dòng)化運(yùn)行 過程中的迫切需求。

【發(fā)明內(nèi)容】

[0007] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明所要解決的技術(shù)問題在于提供一種基于監(jiān)控專家知 識(shí)庫的告警信號(hào)處置決策建議方法。
[0008] 為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用下述的技術(shù)方案：
[0009] -種基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，包括如下步驟：
[0010] S1，對(duì)監(jiān)控專家知識(shí)庫的處置決策進(jìn)行分詞，生成決策特征項(xiàng)；
[0011] S2，對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，生成告警信號(hào)特征項(xiàng)；
[0012] S3,分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，基于向量空間模型 計(jì)算決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度；
[0013] S4,根據(jù)相似度，將設(shè)備監(jiān)控告警信號(hào)對(duì)應(yīng)的處置決策進(jìn)行顯示。
[0014] 其中較優(yōu)地，在步驟S2中，對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，生成告警信號(hào)特征項(xiàng)， 包括如下步驟：
[0015] S21，獲取設(shè)備監(jiān)控告警信號(hào)作為待分詞文本S1，判斷S1是否為空，如果為空，則轉(zhuǎn) 向步驟S24;否則，從左往右取出待分詞文本S1中的W個(gè)字;其中，T< =W<MaxLen，T為詞表 中詞語的最大長度，MaxLen為待分詞文本長度；
[0016] S22,判斷W組成的詞語是否在詞表中，如果存在，則將W存儲(chǔ)到S2中，待分詞文本S1 =SI -W，轉(zhuǎn)向步驟S21;否則，轉(zhuǎn)向步驟S23;其中，S2為最終輸出詞串；
[0017] S23，將W最右側(cè)的一個(gè)字去掉，即W=W-1;判斷W是否為單字，如果是，則將W存儲(chǔ)到 S2中，待分詞文本S1 = S1-W，轉(zhuǎn)向步驟S21;否則，轉(zhuǎn)向步驟S22;
[0018] S24,分詞結(jié)束，生成告警信號(hào)特征項(xiàng)。
[0019] 其中較優(yōu)地，在步驟S21中，當(dāng)待分詞文本中的字的數(shù)量小于W時(shí)，取出所述待分詞 文本中所包含的所有字。
[0020] 其中較優(yōu)地，在步驟S3中，所述基于向量空間模型計(jì)算決策特征項(xiàng)和告警信號(hào)特 征項(xiàng)的相似度，包括如下步驟：
[0021] S31，計(jì)算每個(gè)決策特征項(xiàng)在處置決策中的權(quán)重Wi,j;其中，i為監(jiān)控專家知識(shí)庫中 的第i條處置決策，j為處置決策中的第j個(gè)決策特征項(xiàng)；
[0022] S32,計(jì)算每個(gè)告警信號(hào)特征項(xiàng)在設(shè)備監(jiān)控告警信號(hào)中的權(quán)重WQu;其中，Q為設(shè)備 監(jiān)控告警信號(hào)，j為設(shè)備監(jiān)控告警信號(hào)中的第j個(gè)告警信號(hào)特征項(xiàng)；
[0023] S33,使用余弦測量來測量設(shè)備監(jiān)控告警信號(hào)向量和處置決策向量之間的相似度， 得到?jīng)Q策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度。
[0024] 其中較優(yōu)地，在步驟S3中，基于向量空間模型計(jì)算決策特征項(xiàng)和告警信號(hào)特征項(xiàng) 的相似度之后，根據(jù)相似度值的大小將設(shè)備監(jiān)控告警信號(hào)對(duì)應(yīng)的處置決策從大到小進(jìn)行排 序，將相似度值最大的處置決策放在第一位進(jìn)行顯示。
[0025] 其中較優(yōu)地，所述的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，還包括 如下步驟：
[0026] S4,根據(jù)處理設(shè)備監(jiān)控告警信號(hào)時(shí)選取的處置決策，采用如下公式對(duì)相對(duì)處置決 策的相似度進(jìn)行調(diào)整：
[0027] simi = simi*5i;
[0028] 其中，sinu表示第i條處置決策的相似度，心表示選取的處置決策對(duì)第i條處置決策 的影響因子；
[0029] 所述相對(duì)處置決策的相似度大于等于所述選取的處置決策的相似度。
[0030] 本發(fā)明所提供的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，通過分別對(duì) 監(jiān)控專家知識(shí)庫的處置決策和設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，生成決策特征項(xiàng)和告警信號(hào)特 征項(xiàng);分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，通過計(jì)算基于向量空間模 型的向量夾角余弦值得到告警信號(hào)特征項(xiàng)和決策特征項(xiàng)的相似度;根據(jù)相似度將設(shè)備監(jiān)控 告警信號(hào)內(nèi)容對(duì)應(yīng)的處置決策進(jìn)行顯示，有效地減輕了監(jiān)控員負(fù)擔(dān)，提高了監(jiān)控專家知識(shí) 庫的實(shí)用性，保證了對(duì)設(shè)備監(jiān)控告警信號(hào)處置的準(zhǔn)確性與及時(shí)性。
【附圖說明】
[0031] 圖1為本發(fā)明所提供的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法的流程 圖；
[0032] 圖2為本發(fā)明所提供的告警信號(hào)處置決策建議方法中，生成告警信號(hào)特征項(xiàng)的流 程圖。
【具體實(shí)施方式】
[0033]下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明的技術(shù)內(nèi)容進(jìn)行詳細(xì)具體的說明。
[0034]如圖1所示，本發(fā)明所提供的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法， 包括如下步驟:首先，使用基于詞典的正向最大匹配算法對(duì)監(jiān)控專家知識(shí)庫的處置決策進(jìn) 行分詞，生成決策特征項(xiàng);其次，使用基于詞典的正向最大匹配算法對(duì)設(shè)備監(jiān)控告警信號(hào)內(nèi) 容進(jìn)行分詞，包括變電站、設(shè)備、間隔、電壓等級(jí)等，生成告警信號(hào)特征項(xiàng);然后，分別為決策 特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，使用基于向量空間模型的向量夾角余弦值作 為衡量告警信號(hào)特征項(xiàng)和決策特征項(xiàng)的相似度;最后，根據(jù)決策特征項(xiàng)和告警信號(hào)特征項(xiàng) 的相似度，將設(shè)備監(jiān)控告警信號(hào)對(duì)應(yīng)的處置決策進(jìn)行顯示。下面對(duì)這一過程做詳細(xì)具體的 說明。
[0035] S1，使用基于詞典的正向最大匹配算法對(duì)監(jiān)控專家知識(shí)庫的處置決策進(jìn)行分詞， 生成決策特征項(xiàng)。
[0036]使用基于詞典的正向最大匹配算法對(duì)監(jiān)控專家知識(shí)庫的處置決策進(jìn)行分詞，包括 每條處置決策針對(duì)的設(shè)備、該設(shè)備所屬的變電站以及該處置決策的關(guān)鍵字等，生成決策特 征項(xiàng)(bl，b2，b3……，bn)。這樣，包含多條處置決策的監(jiān)控專家知識(shí)庫便以特征項(xiàng)的形式存 儲(chǔ)在數(shù)據(jù)庫中。將監(jiān)控專家知識(shí)庫電子化，結(jié)構(gòu)化，從傳統(tǒng)的word文檔轉(zhuǎn)移至關(guān)系型數(shù)據(jù) 庫，提高了實(shí)用性，同時(shí)較以往更容易維護(hù)。當(dāng)電力系統(tǒng)調(diào)度自動(dòng)化運(yùn)行過程中產(chǎn)生設(shè)備監(jiān) 控告警信號(hào)時(shí)，對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行匹配判斷，獲得信號(hào)處置決策建議，提高了監(jiān)控專 家知識(shí)庫的實(shí)用性，保證了處理信號(hào)的準(zhǔn)確性與及時(shí)性。
[0037]其中，在本發(fā)明所提供的實(shí)施例中，使用基于詞典的正向最大匹配算法對(duì)監(jiān)控專 家知識(shí)庫的處置決策進(jìn)行分詞生成決策特征項(xiàng)的過程與使用基于詞典的正向最大匹配算 法對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞生成告警信號(hào)特征項(xiàng)的過程相同，在后面進(jìn)行詳細(xì)的描 述，在此便不再贅述了。
[0038] S2,使用基于詞典的正向最大匹配算法對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，生成告警 信號(hào)特征項(xiàng)。
[0039] 當(dāng)在電力系統(tǒng)運(yùn)行過程中接收到設(shè)備監(jiān)控告警信號(hào)時(shí)，使用基于詞典的正向最大 匹配算法對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，包括設(shè)備監(jiān)控告警信號(hào)所屬的變電站、設(shè)備、間 隔、電壓等級(jí)等，生成告警信號(hào)特征項(xiàng)(al，a2，a3……，an)。
[0040] 其中，在本發(fā)明所提供的實(shí)施例中，使用基于詞典的正向最大匹配算法對(duì)設(shè)備監(jiān) 控告警信號(hào)進(jìn)行分詞，生成告警信號(hào)特征項(xiàng)，具體包括如下步驟：
[0041] S21，獲取設(shè)備監(jiān)控告警信號(hào)作為待分詞文本S1，判斷S1是否為空，如果為空，則轉(zhuǎn) 向步驟S24;否則，從左往右取出待分詞文本S1中的W個(gè)字;其中，T< =W<MaxLen，T為詞典 的詞表中詞語的最大長度(最大匹配），MaxLen為待分詞文本長度。當(dāng)待分詞文本S1中的字 的數(shù)量小于W時(shí)，取出S1中所包含的所有字。
[0042] 在本發(fā)明所提供的第一實(shí)施例中，待分詞文本S1為：
[0043] content[ ] = { "斷"，"路"，"器"，"操"，"作"，"機(jī)"，"構(gòu)"，"N_2"，"壓"，"力"，"值"， "低，，，"于，，，"告，，，"警"，"值，，};
[0044] 詞典的詞表為：
[0045] dict[ ] = { "操作"，"操作機(jī)構(gòu)"，"機(jī)構(gòu)" ;
[0046]其中，詞典的詞表中詞語的最大匹配為4,待分詞文本長度MaxLen= 16。在本發(fā)明 所提供的實(shí)施例中，W取5。首先從content [1]到content [5]，從S1中取出五個(gè)字："斷"、 "路，，、"器"，"操"、"作，，。
[0047] S22，判斷W組成的詞語是否在字典的詞表中，如果存在，則將W存儲(chǔ)到S2中，待分詞 文本SI = S1-W，轉(zhuǎn)向步驟S21;否則，轉(zhuǎn)向步驟S23;其中，S2為最終輸出詞串。
[0048]依舊以第一實(shí)施例為例，判斷W組成的詞語"斷路器操作"是否在字典的詞表diet []中。因?yàn)閃組成的詞語"斷路器操作"沒有在字典的詞表dict[]中，所以轉(zhuǎn)向步驟S23。
[0049] S23，將W最右側(cè)的一個(gè)字去掉，即W=W-1;判斷W是否為單字，如果是，則將W存儲(chǔ)到 S2中，待分詞文本SI = SI-W，轉(zhuǎn)向步驟S21;否貝IJ，轉(zhuǎn)向步驟S22。
[0050] 將W最右側(cè)的一個(gè)字"作"去掉，即W = W_1;判斷W是否為單字，去掉"作"之后的W組 成的詞語為:斷路器操;不為單字，則繼續(xù)判斷W組成的詞語"斷路器操"是否在字典的詞表 dict[]中。因?yàn)閃組成的詞語"斷路器操"沒有在字典的詞表dict[]中，所以轉(zhuǎn)向步驟S23,將 W最右側(cè)的一個(gè)字"操"去掉，即W=W-1;判斷W是否為單字，去掉"操"之后的W組成的詞語為： 斷路器;不為單字，則繼續(xù)判斷W組成的詞語"斷路器"是否在字典的詞表dict[]中。因?yàn)閃組 成的詞語"斷路器"沒有在字典的詞表dict[]中，所以轉(zhuǎn)向步驟S23,依次進(jìn)行操作，直至W變 成單字，將W存儲(chǔ)到最終輸出詞串S2中，待分詞文本SI = S1-W;即S1為:content[ ] = { "路"， ^^1} 〇
[0051] 當(dāng)W組成的詞語在字典的詞表中時(shí)，則將W存儲(chǔ)到S2中，待分詞文本SI = S1-W，轉(zhuǎn)向 步驟S21;判斷去掉W之后的S1是否為空，如果S1不為空，繼續(xù)上述步驟，直至S1為空，分詞結(jié) 束，生成告警信號(hào)特征項(xiàng)。
[0052] S24,分詞結(jié)束，生成告警信號(hào)特征項(xiàng)。
[0053] S3,分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，使用基于向量空間 模型的向量夾角余弦值作為衡量告警信號(hào)特征項(xiàng)和決策特征項(xiàng)的相似度。
[0054]分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，設(shè)備監(jiān)控告警信號(hào)和監(jiān) 控專家知識(shí)庫中每條處置決策的相似度就是兩個(gè)空間圖的接近度。下面以為告警信號(hào)特征 項(xiàng)建立向量空間模型為例進(jìn)行說明，具體包括如下步驟：
[0055] 獲取告警信號(hào)特征項(xiàng)中的所有詞；
[0056] 將每個(gè)詞作為一個(gè)維度，將該詞在待分析文本中出現(xiàn)的權(quán)重作為向量，將每個(gè)告 警信號(hào)特征項(xiàng)的詞及其權(quán)重構(gòu)成一個(gè)i維空間圖；
[0057] 將向量單位化，完成向量空間模型的建立。
[0058] 分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型之后，使用基于向量空間 模型的向量夾角余弦值作為衡量告警信號(hào)特征項(xiàng)和決策特征項(xiàng)的相似度，同時(shí)需要考慮詞 的權(quán)重、詞頻(t f)及逆文檔頻率三個(gè)關(guān)鍵屬性。其中權(quán)重指的是一個(gè)語句中每個(gè)詞在決定 語句含義時(shí)的貢獻(xiàn)度，決策特征項(xiàng)的權(quán)重表示了決策特征項(xiàng)在處理建議中和在整個(gè)監(jiān)控專 家知識(shí)庫中的重要性；同樣地，告警信號(hào)特征項(xiàng)的權(quán)重表示告警信號(hào)特征項(xiàng)在設(shè)備監(jiān)控告 警信號(hào)中的重要性。詞頻指的是一個(gè)詞語在一個(gè)語句中出現(xiàn)的次數(shù)，而逆文檔頻率(idf)指 的是如果一個(gè)詞語在很多文檔中都出現(xiàn)了，則對(duì)某一個(gè)語句的貢獻(xiàn)度就越低。使用基于向 量空間模型的向量夾角余弦值作為衡量告警信號(hào)特征項(xiàng)和決策特征項(xiàng)的相似度，具體包括 如下步驟：
[0059] S31，計(jì)算每個(gè)決策特征項(xiàng)在處置決策中的權(quán)重Wi,j;其中，i為監(jiān)控專家知識(shí)庫中 的第i條處置決策，j為處置決策中的第j個(gè)決策特征項(xiàng)。
[0060] 計(jì)算每個(gè)決策特征項(xiàng)在處置決策中的權(quán)重W1U;采用如下公式：
[0061 ] ffi, j = tfi, j*idfi = tfi, j*log(N/dfj)；
[0062] 其中，tfi,j為決策特征項(xiàng)j在處置決策(語句）i中出現(xiàn)的頻率;dfj為決策特征項(xiàng)j 在監(jiān)控專家知識(shí)庫(整個(gè)語句集）中出現(xiàn)的頻率;tf為頻率(詞頻），即一個(gè)詞語在一個(gè)句子 中出現(xiàn)的次數(shù)，idf為逆文檔頻率，指的是如果一個(gè)詞語在很多語句中都出現(xiàn)了，則對(duì)某一 個(gè)語句的貢獻(xiàn)度就越低，N為語句集中語句的總數(shù)。
[0063] S32,計(jì)算每個(gè)告警信號(hào)特征項(xiàng)在設(shè)備監(jiān)控告警信號(hào)（查詢）中的權(quán)重WQu;其中，Q 為設(shè)備監(jiān)控告警信號(hào)，j為設(shè)備監(jiān)控告警信號(hào)中的第j個(gè)告警信號(hào)特征項(xiàng)。計(jì)算每個(gè)告警信 號(hào)特征項(xiàng)在設(shè)備監(jiān)控告警信號(hào)中的權(quán)重W Q,j與計(jì)算W1U的方法相同，由于不存在逆文檔頻 率，所以1,」=七€(^，在此便不再贅述了。
[0064] S33,使用余弦測量來測量設(shè)備監(jiān)控告警信號(hào)（查詢）向量和處置決策(語句）向量 之間的相似度，得到?jīng)Q策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度。
[0065] 在決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的權(quán)重被確定后，使用余弦測量來測量設(shè)備監(jiān)控 告警信號(hào)向量和處置決策向量之間的相似度。當(dāng)設(shè)備監(jiān)控告警信號(hào)向量和處置決策向量被 表示成V維的歐幾里德空間時(shí)，它決定了兩者之間的角度，其中，V是詞匯量大小(特征項(xiàng)的 數(shù)量）。一個(gè)處置決策 Dl和一個(gè)設(shè)備監(jiān)控告警信號(hào)Q之間的相似度定義為：
[0067] 其中，WQu是告警信號(hào)特征項(xiàng)j在設(shè)備監(jiān)控告警信號(hào)Q中的權(quán)重，其計(jì)算方法同W1U， SPtf Qu。公式中的分母稱作規(guī)范化因子，使處理建議得分不受處理建議長度的影響。這樣， 一個(gè)包含{b 1，b2，b3}的語句將會(huì)與包含{bl，b 1，b2，b2，b3，b3}的語句得到同樣的分?jǐn)?shù)，因 為這兩個(gè)語句具有相同的單位向量。
[0068] S4,根據(jù)決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度，將設(shè)備監(jiān)控告警信號(hào)對(duì)應(yīng)的處 置決策進(jìn)行顯示。
[0069] 分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，基于向量空間模型計(jì)算 決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度，將設(shè)備監(jiān)控告警信號(hào)與監(jiān)控專家知識(shí)庫建立匹配 關(guān)系，當(dāng)出現(xiàn)設(shè)備監(jiān)控告警信號(hào)時(shí)，通過相似度計(jì)算，可以得出一條或多條對(duì)應(yīng)的處置手冊(cè) (處置決策）?；谙蛄靠臻g模型計(jì)算決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度之后，根據(jù)相 似度值的大小將設(shè)備監(jiān)控告警信號(hào)內(nèi)容對(duì)應(yīng)的處置決策從大到小進(jìn)行排序，將最符合條件 (相似度值最大）的處置決策放在第一位。依據(jù)本方法提供的處置決策，可以有效的輔助快 速準(zhǔn)確地處理設(shè)備監(jiān)控告警信息，減輕了監(jiān)控員負(fù)擔(dān)。
[0070] S4,根據(jù)處理設(shè)備監(jiān)控告警信號(hào)時(shí)選取的處置決策，采用如下公式對(duì)相對(duì)處置決 策的相似度進(jìn)行調(diào)整：
[0071] simi = simi*5i;
[0072] 其中，sinu表示第i條處置決策的相似度，心表示選取的處置決策對(duì)第i條處置決策 的影響因子；
[0073] 所述相對(duì)處置決策的相似度大于等于所述選取的處置決策的相似度。
[0074]根據(jù)決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度，將設(shè)備監(jiān)控告警信號(hào)內(nèi)容對(duì)應(yīng)的處 置決策進(jìn)行顯示。監(jiān)控人員或者監(jiān)控系統(tǒng)接收到排序顯示的處置決策之后，選取處置決策 對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行處理。根據(jù)監(jiān)控員或監(jiān)控系統(tǒng)每次處理設(shè)備監(jiān)控告警信號(hào)時(shí)選取 的處置決策，采用如下公式對(duì)相應(yīng)處置決策的相似度進(jìn)行調(diào)整：
[0075] simi = simiX8i；
[0076] 其中，sinu表示第i條處置決策的相似度，心表示監(jiān)控員或監(jiān)控系統(tǒng)選取的處置決 策對(duì)第i條處置決策的影響因子。84刀始值為1，每次監(jiān)控員或監(jiān)控系統(tǒng)的操作將影響心的 值。相應(yīng)處置決策是排序顯示的處置決策中，相似度大于等于選取的處置決策相似度的處 置決策。
[0077]在根據(jù)監(jiān)控員或監(jiān)控設(shè)備每次處理設(shè)備監(jiān)控告警信號(hào)時(shí)選取的處置決策，采用如 下公式對(duì)每一條處置決策的相似度進(jìn)行調(diào)整時(shí)，包括如下步驟:首先判斷監(jiān)控員或監(jiān)控設(shè) 備處理設(shè)備監(jiān)控告警信號(hào)時(shí)選取的處置決策是否是相似度值排列第一的處置決策;如果 是，則采用公式sinuisinuMj#第一的處置決策的相似度進(jìn)行調(diào)整，此時(shí)，心值大于1;當(dāng)監(jiān) 控員或監(jiān)控設(shè)備處理設(shè)備監(jiān)控告警信號(hào)時(shí)選取的處置決策不是相似度值排列第一的處置 決策時(shí)，將相似度值比選取的處置決策大的未選取處置決策的相似度，采用公式sinu = simi*5i進(jìn)行調(diào)整，此時(shí)，心值小于1;而將選取的處置決策的相似度，采用公式sinu = simi X 81進(jìn)行調(diào)整，此時(shí)，&值大于1。
[0078] 例如:假設(shè)選擇的處置決策不是推薦的第一條建議，則將選中建議的~增加10%， 其余未選中處置決策的相似度比選中處置決策相似度大的~減少5%。經(jīng)過多次反饋和修 改，監(jiān)控員或監(jiān)控系統(tǒng)的決策意見逐步趨于集中，最后獲得具有很高準(zhǔn)確率的集體判斷結(jié) 果。將監(jiān)控員或監(jiān)控系統(tǒng)的處置經(jīng)驗(yàn)量化至應(yīng)用中，實(shí)現(xiàn)監(jiān)控信號(hào)處置經(jīng)驗(yàn)的豐富與增加。
[0079] 綜上所述，本發(fā)明所提供的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法， 使用基于詞典的正向最大匹配算法分別對(duì)監(jiān)控專家知識(shí)庫的處置決策和設(shè)備監(jiān)控告警信 號(hào)分別進(jìn)行分詞，生成決策特征項(xiàng)和告警信號(hào)特征項(xiàng);然后，分別為決策特征項(xiàng)和告警信號(hào) 特征項(xiàng)建立向量空間模型，使用基于向量空間模型的向量夾角余弦值作為衡量告警信號(hào)特 征項(xiàng)和決策特征項(xiàng)的相似度;根據(jù)決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度，將設(shè)備監(jiān)控告 警信號(hào)對(duì)應(yīng)的處置決策進(jìn)行顯示，有效地減輕了監(jiān)控員負(fù)擔(dān)，提高了監(jiān)控專家知識(shí)庫的實(shí) 用性，保證了處理信號(hào)的準(zhǔn)確性與及時(shí)性。
[0080] 上面對(duì)本發(fā)明所提供的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法進(jìn)行 了詳細(xì)的說明。對(duì)本領(lǐng)域的一般技術(shù)人員而言，在不背離本發(fā)明實(shí)質(zhì)精神的前提下對(duì)它所
【主權(quán)項(xiàng)】
1. 一種基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，其特征在于包括如下步 驟： Sl，對(duì)監(jiān)控專家知識(shí)庫的處置決策進(jìn)行分詞，生成決策特征項(xiàng)； 52, 對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，生成告警信號(hào)特征項(xiàng)； 53, 分別為決策特征項(xiàng)和告警信號(hào)特征項(xiàng)建立向量空間模型，基于向量空間模型計(jì)算 決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度； S4，根據(jù)相似度，將設(shè)備監(jiān)控告警信號(hào)對(duì)應(yīng)的處置決策進(jìn)行顯示。2. 如權(quán)利要求1所述的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，其特征在 于在步驟S2中，對(duì)設(shè)備監(jiān)控告警信號(hào)進(jìn)行分詞，生成告警信號(hào)特征項(xiàng)，包括如下步驟： S21，獲取設(shè)備監(jiān)控告警信號(hào)作為待分詞文本Sl，判斷Sl是否為空，如果為空，則轉(zhuǎn)向步 驟S24;否則，從左往右取出待分詞文本Sl中的W個(gè)字；其中，T< = W<MaxLen，T為詞表中詞 語的最大長度，MaxLen為待分詞文本長度； S22,判斷W組成的詞語是否在詞表中，如果存在，則將W存儲(chǔ)到S2中，待分詞文本Sl = SI -W，轉(zhuǎn)向步驟S21;否則，轉(zhuǎn)向步驟S23;其中，S2為最終輸出詞串； S23，將W最右側(cè)的一個(gè)字去掉，即W = W-I;判斷W是否為單字，如果是，則將W存儲(chǔ)到S2 中，待分詞文本SI = SI-W，轉(zhuǎn)向步驟S21;否則，轉(zhuǎn)向步驟S22; S24，分詞結(jié)束，生成告警信號(hào)特征項(xiàng)。3. 如權(quán)利要求2所述的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，其特征在 于： 在步驟S21中，當(dāng)待分詞文本中的字的數(shù)量小于W時(shí)，取出所述待分詞文本中所包含的 所有字。4. 如權(quán)利要求1所述的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，其特征在 于在步驟S3中，所述基于向量空間模型計(jì)算決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度，包括 如下步驟： S31，計(jì)算每個(gè)決策特征項(xiàng)在處置決策中的權(quán)重Wi, j;其中，i為監(jiān)控專家知識(shí)庫中的第i 條處置決策，j為處置決策中的第j個(gè)決策特征項(xiàng)； 532, 計(jì)算每個(gè)告警信號(hào)特征項(xiàng)在設(shè)備監(jiān)控告警信號(hào)中的權(quán)重WQu;其中，Q為設(shè)備監(jiān)控 告警信號(hào)，j為設(shè)備監(jiān)控告警信號(hào)中的第j個(gè)告警信號(hào)特征項(xiàng)； 533, 使用余弦測量來測量設(shè)備監(jiān)控告警信號(hào)向量和處置決策向量之間的相似度，得到 決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度。5. 如權(quán)利要求1所述的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，其特征在 于： 在步驟S3中，基于向量空間模型計(jì)算決策特征項(xiàng)和告警信號(hào)特征項(xiàng)的相似度之后，根 據(jù)相似度值的大小將設(shè)備監(jiān)控告警信號(hào)對(duì)應(yīng)的處置決策從大到小進(jìn)行排序，將相似度值最 大的處置決策放在第一位進(jìn)行顯示。6. 如權(quán)利要求1所述的基于監(jiān)控專家知識(shí)庫的告警信號(hào)處置決策建議方法，其特征在 于還包括如下步驟： 54, 根據(jù)處理設(shè)備監(jiān)控告警信號(hào)時(shí)選取的處置決策，采用如下公式對(duì)相對(duì)處置決策的 相似度進(jìn)行調(diào)整： 其中，Sim1表示第i條處置決策的相似度J1表示選取的處置決策對(duì)第i條處置決策的影 響因子； 所述相對(duì)處置決策的相似度大于等于所述選取的處置決策的相似度。
【文檔編號(hào)】G06K9/62GK105894747SQ201610171363
【公開日】2016年8月24日
【申請(qǐng)日】2016年3月25日
【發(fā)明人】王洪哲, 武江, 秦領(lǐng), 路明, 王子軒, 邱金輝, 張鳳麟, 白梓瑋, 張廣成, 曹錦鋒
【申請(qǐng)人】國家電網(wǎng)公司, 國網(wǎng)遼寧省電力有限公司, 北京科東電力控制系統(tǒng)有限責(zé)任公司