[发明专利]一种电网告警事件规则解析结果的图谱转化方法及装置

说明书

本申请提供了一种电网告警事件规则解析结果的图谱转化方法及装置，其中，该方法包括：从电网告警事件规则解析结果数据中抽取信号节点和非信号节点；基于各个信号节点之间的时间约束关系生成各个信号节点之间的有向边和/或无向边；基于各个信号节点与非信号节点之间的空间约束关系生成各个信号节点与非信号节点之间的有向边；基于每个电网告警事件的伴随信号建立伴随信号节点；基于各个信号节点与伴随信号之间的时间约束关系生成各个信号节点与伴随信号之间的无向边；基于各个非信号节点与伴随信号之间的空间约束关系生成各个非信号节点与伴随信号之间的有向边，将电网告警事件规则解析结果转化为用于图搜索的规则图谱，可进行高效地图搜索操作。

技术领域

本申请涉及电网告警技术领域，尤其是涉及一种电网告警事件规则解析结果的图谱转化方法及装置。

背景技术

随着近年来电网规模的快速增长，智能变电设备、采集设备得到了大规模应用，电网调度业务量也随之猛增，但对于监控告警信号的决策处理，仍以人工为主。监控告警信号的发生频率，有一定波动性，低频告警时，人工处置尚能应付；而故障频发时，告警信号数量骤增，监控人员短时间内难以有效处理所有信号，易出现漏通知、误判等失误操作。因此，将分散的告警信号聚合为有逻辑关联的事件，把对信号的处理转化为对事件的处理，是电网监控业务的主要需求。

现有技术中，采用以下三种方案进行信号事件化处理：

方案一：利用规则识别事件，电网系统的告警事件规则，较全面地归纳了信号向事件的聚合规律，但由于规则编写主要服务于事件搜索算法，因此搜索结果并不具备直观的可解释性，业务人员不易理解生成的事件是在哪些方面触发了相应规则，也很难清楚了解规则之间的区别有多大。

方案二：利用有监督学习模型识别事件，该方案需要对信号样本提供事件标签，由于训练的样本量较大，因此这些事件标签往往是规则系统生成的。由于监督学习的事件标签仍由规则系统生成，因此其准确率上限为规则系统，且由于样本量不足，监督学习效果有限。

方案三：利用无监督学习模型发现事件，无监督学习模型是规则的有益补充，但由于没有业务输入，无监督挖掘的结果也缺少业务含义，无法直接使用。

发明内容

有鉴于此，本申请的目的在于提供一种电网告警事件规则解析结果的图谱转化方法及装置，以将规则解析的结果展开为用于图搜索的图谱，以进行高效地图搜索操作，以及将规则解析的结果展开为用于可视化的规则图谱，使每条规则查看起来更为清晰，同时可以进行规则的两两比较计算相似度。

第一方面，本申请实施例提供了一种电网告警事件规则解析结果的图谱转化方法，包括：

从电网告警事件规则解析结果数据中抽取信号节点和非信号节点；所述电网告警事件规则解析结果数据中，每个信号都有其一一对应的信号节点，每种事件特征范围都有其一一对应的非信号节点；

基于各个信号节点之间的时间约束关系，生成各个信号节点之间的有向边和/或无向边；

基于各个信号节点与非信号节点之间的空间约束关系，生成各个信号节点与非信号节点之间的有向边；

基于每个电网告警事件的伴随信号建立伴随信号节点；

基于各个信号节点与伴随信号之间的时间约束关系，生成各个信号节点与伴随信号之间的无向边；

基于各个非信号节点与伴随信号之间的空间约束关系，生成各个非信号节点与伴随信号之间的有向边，从而构建出用于图搜索的规则图谱。

在一种可能的实施方式中，所述电网告警事件规则解析结果数据中包括多个电网告警事件的信号和事件特征范围数据，每个电网告警事件包括若干事件特征，每个事件特征包括若干信号。

在一种可能的实施方式中，基于各个信号节点之间的时间约束关系，生成各个信号节点之间的有向边和/或无向边，包括：