1、專家系統(tǒng)與決策支持,Expert System and DSS,近年來，人工智能（Artificial Intelligence，簡稱AI）理論的出現(xiàn)及其在故障診斷中的成功應用，為故障診斷技術的發(fā)展開拓了新的途徑。利用人工智能的理論和方法，將設備維護人員關于故障診斷的經驗和知識加以系統(tǒng)化，形成專家系統(tǒng)，將有利于故障診斷知識的積累和擴大。,圖1 人工智能的應用,人工智能的應用,變電設備劣化和異常情況的判斷，在以往完全取決于現(xiàn)場維修技術人員的經驗。熟練維修人員的高齡化和經驗豐富的年輕設備維修人員的培養(yǎng)不足是當前電力系統(tǒng)運行單位所面臨的一個主要問題。 專家系統(tǒng)是一種具有大量專門知識的程序系統(tǒng)，它根據(jù)

2、多個專家提供的專業(yè)知識進行推理，模擬專家作出決定的過程，解決通常需要專家才能解決的復雜問題。借助專家系統(tǒng)的幫助，使現(xiàn)場的運行和維護人員可以迅速、準確地將異常設備分選出來，從而在一定程度上緩解了現(xiàn)場對維修人員在經驗方面的要求。,什么是專家系統(tǒng)？,功能性定義: 它是利用人類專家的權威性知識和求解問題方法（推理）來求解那些通常需要人工智能的問題的一組計算機程序系統(tǒng)； 能根據(jù)用戶提供的數(shù)據(jù)、信息或事實，運用系統(tǒng)中存儲的專家經驗或知識進行推理判斷，最后給出結論及結論的可信度以供用戶決策之用； 能對某一任務提出聰明的建議或智能的決策； 能判斷自己的推理路線并以簡明易懂的方式告訴詢問者； 可解決人類專家都很

3、難解決的一些問題。,電氣設備發(fā)生故障的原因涉及到多個方面，很多因素與故障之間的關系具有不確定性，只判斷單一因素不能正確識別故障。同理，單一領域的專家不能全面解決多因素導致的故障。專家的知識是從實踐中形成的，沒有明確的診斷標準，難免產生偏差和錯誤。 專家系統(tǒng)能使多個領域眾多專家的專業(yè)知識和經驗以及他們相互合作解決問題的能力得以總結、綜合、精煉及發(fā)展，使特定領域的專家有了通力合作及相互參考學習的新場所，有利于特定學科的進一步發(fā)展。 專家系統(tǒng)能夠高效率、低消耗、準確無誤、周密全面、迅速而不知疲覺得工作，使人類專家的經驗不再受時間和空間的限制，得以永久保留和廣泛推廣應用。,什么是專家系統(tǒng)？,型態(tài)性定義

4、 具有分離式領域知識庫及推理器的智能型信息系統(tǒng)， 用于解決特定領域的課題。 將傳統(tǒng)的“數(shù)據(jù)結構+算法=程序”的應用程序模式變化成“知識+推理=系統(tǒng)”模式。,專家系統(tǒng)的局限性： 一是知識獲取的瓶頸問題，由于知識的獲取主要靠人工移植； 其二是知識維護困難，多數(shù)采用簡單的產生式結構構造知識庫，尚未采用面向對象的知識庫構造方式，算法比較復雜。 其三是由于推理方法簡單、診斷策略不靈活，造成推理能力較弱，容易出現(xiàn)匹配沖突，容錯能力較差，推理速度慢，難以滿足監(jiān)測控制實時性的要求。 這些都是專家系統(tǒng)欲待解決的前沿課題。,建立專家系統(tǒng)的條件,是否存在能夠解決該問題的人類專家? 如果不存在人類專家，也就無法建立解

5、決問題的規(guī)則。 問題是否存在可定義的解答? 專家系統(tǒng)被設計為在一組解決方案中選擇最恰當?shù)姆椒ā?解決問題的具體方案必須適于表述為專家系統(tǒng)的語言。 問題的領域和可理解程度是否限定在有限的范圍內? 廣義的常識性問題或者需要很“深”知識的問題都不適于專家系統(tǒng)。 專家系統(tǒng)只能解決特殊領域的問題。 解決問題的方法是否可以文本化? 問題解決方案可能是決策樹、程序手冊、使用說明等等。 一個具有良好定義的問題域能夠很容易地建立專家系統(tǒng)。,專家系統(tǒng)的可應用范圍,特定的,將專家系統(tǒng)將解決的問題定義到如上圖中適當?shù)年幱皡^(qū)域是非常重要的，問題域不應具有“過寬” 的范圍和“過深” 的可理解水平。,傳統(tǒng)專家診斷的缺點,受

6、地域限制； 受年齡限制； 容易疲勞。,為什么使用專家系統(tǒng)?,知識的保護 將專家的經驗轉化為永久的記憶。 將專家從重復繁瑣的日常工作中解放出來。 在專業(yè)領域為初學者提供專家的建議。 將專家經驗廣泛地推廣。 提高工作效率. 在緊急狀況下提供參考意見. 尤其在疲勞和精神壓力大的情況下。,專家系統(tǒng)與人類專家的對比,要素人類專家專家系統(tǒng) 時效性工作日任何時間 地域性當?shù)責o論何處 安全性不能替代的可替代的 易損壞是否 性能易變的恒定的 速度通常較慢通常很快 費用高相對廉價的,圖5 專家系統(tǒng)的組成和處理流程,一般專家系統(tǒng)的主要組成,人機交互界面 知識庫 推理機,專家系統(tǒng),專家系統(tǒng)的建立,專家系統(tǒng)外殼 人機界

7、面 推理機 知識工程 知識獲取 知識表達,建立專家系統(tǒng)的參與者,領域專家 在特定領域，具有某種特殊技能的人，能夠利用以往的經驗，正確地給出問題的解決方案。 知識工程師 專家系統(tǒng)的設計、開發(fā)和實現(xiàn)者。 是專家經驗到應用規(guī)則的轉換者。 使用者 將要使用專家系統(tǒng)的用戶。 領域專家知識的最終受益者。,智能的一般模型,智慧,知識,信息,Data,知識工程師的智能模型,知識庫,包含專業(yè)領域中解決問題的方法性知識， 有兩種基本的表達方法： 規(guī)則: If-then模式， 模仿人類專家的思考過程. (基于規(guī)則的推理) 案例: 搜集以往相關問題的解決方案，并將其應用到當前須解決的問題中。 (基于案例的推理),圖

8、6 基于規(guī)則的知識表示,知識表達方法,規(guī)則的表示方法,IF 前提 THEN 結論1 and 選擇1 ELSE 結論2 and 選擇2 記錄:_ 參考:_,IF 部分是對檢驗條件的簡單描述, 可用語言或代數(shù)表達式表示。 例如: 今天是星期三 or X 1 如果今天是星期三，則第一條規(guī)則為真. 如果變量 X 1，則第二條規(guī)則為真. 檢驗是根據(jù)基本信息進行的: 由用戶提供的信息； 來源于其他規(guī)則的信息；,IF,THEN,THEN 是對推理結論的簡單描述，與IF部分的表示類似, 但結論無需檢驗，是對事實的陳述。 IF “今天是星期三” 可能是真，也可能是假。 如果 IF 條件 是真， 則Then “今

9、天是星期三” 是正確的事實. THEN 結論同樣可以表示為字符串或代數(shù)表達式。,ELSE,ELSE 部分是與 THEN 部分是相同的，只是當所有的“IF”部分都為假時，才被啟用。 ELSE 部分是可選擇的，且在大部分規(guī)則中都不是必需的。,基于規(guī)則推理的舉例,基于規(guī)則的推理 應用 If-Then 規(guī)則: 1. 如果體溫超過38C, 則病人嚴重發(fā)燒。 2. 如果病人嚴重發(fā)燒并且咳嗽，則病人感冒。 當前事實: 體溫超過38C, 咳嗽。 應用這兩條規(guī)則，可以得出病人感冒的結論。,案例的表示方法,案例表示 考察所有有關的事實，并建立相應“案例”。 考察它們之間的差異。 例： Step 1, 在以往高爾夫

10、賽中行家的用桿案例: Case 1: (170 碼, 在平草區(qū))，使用 5號桿. Case 2: (160 碼,在平草區(qū)) ，使用 6號桿. Case 3: (150 碼,在平草區(qū)) ，使用 7號桿. Case 4: (170 碼, 在深草區(qū))，使用 4號桿,Step 2 在與已有案例不符的情況下，使用以下規(guī)則: a. 如果球處于平草區(qū) ，并且相應案例是用于深草區(qū)的，則應使用更高一個量級的球桿。 b.如果球處于深草區(qū) ，并且相應案例是用于淺草區(qū)的，則應使用更低一個量級的球桿。 Step 3 如果當前球處于150碼外的深草區(qū)，符合 Case 3 (最匹配的案例)，但 Case 3 是適用于淺草區(qū)

11、的。進一步使用Step2中的規(guī)則b，則可以推論出應當使用6號桿。,專家系統(tǒng)中推理的適用原則,何時使用基于規(guī)則的推理? 當在專業(yè)領域存在專家，并且該專家知識能夠很好地解決問題時。 當需要給出必要的解釋和推理索引時。 何時使用基于案例的推理? 當用戶想要瀏覽相似的案例時。 當知識庫擁有大量典型案例時。,規(guī)則的結構樹,在辦公桌上有電話、計算機、鉛筆、法律文件和 磁盤.,Rule 1: IF 該物品產生噪聲，并且顏色是黑色的。 THEN 是電話。 Rule 2: IF 該物品產生噪聲，并且顏色是白色的。 THEN 是計算機 。 Rule 3: IF 該物品不產生噪聲，且顏色是黑色的。 THEN 是磁盤

12、 。 Rule 4: IF該物品不產生噪聲，且顏色是黃色的，且形狀是矩形的 。 THEN 是法律文件 。 Rule 5: IF該物品不產生噪聲，且顏色是黃色， 且形狀是圓柱形的。 THEN 是鉛筆 。,推理機控制策略,規(guī)則執(zhí)行的控制策略 反向推理 從假設，即要證明的結論出發(fā)，推測可能導致該結論的條件。 一個假設可以當作一個真?zhèn)紊形创_定的事實。 正向推理 從已知事實出發(fā)到結論的推理。,使用何種策略?,何時使用反向推理? 當某個特定的結論需要驗證時。 某些特定類型的問題: 如診斷問題。 例如. 我應當購買這輛大衣嗎? 何時使用正向推理? 當你需要得到所有可能的結論時。 某些特定類型的問題: 預測和

13、控制。 例如，我應當申請那種工作?,反向推理,采用“目標驅動方式”. 如果需要部分信息，則程序將自動檢查能夠提供該信息的所有規(guī)則。 在獲得第一規(guī)則前，程序將鏈接所有有關的規(guī)則 目標結論（假設）所需信息沿規(guī)則鏈，按邏輯反向傳播.,反向推理實例,規(guī)則 1: IF 今天很熱 THEN 去海灘,程序需要知道如果今天熱的條件. 程序將自動檢查所有規(guī)則，以便找到能夠說明今天很熱的規(guī)則，來支持去海灘的假設。,規(guī)則 35: IF 是夏天 并且 是晴天 THEN 今天很熱.,如果該規(guī)則通過檢驗，即“是夏天”且“是晴天”, 這兩個條件 ，則規(guī)則1亦通過檢驗。該推理鏈連接了所有應用的規(guī)則，并得到了證實。,正向推理,

14、采用“條件驅動方式”。 正向推理就是簡單地依次檢驗現(xiàn)有條件。 亦可代替以用戶詢問信息的方式。 正向推理依賴于獲得信息的次序，而反向推理與信息次序無關。 多數(shù)專家系統(tǒng)都采用正反向混合推理的方式.,元規(guī)則,元規(guī)則 ( 又稱控制策略) 即如何應用推理策略的規(guī)則。 基于規(guī)則的專家系統(tǒng)是由不同的規(guī)則層構成。 元規(guī)則決定一般性規(guī)則的應用標準。 例如: 相同的條件在兩條不同規(guī)則中，得到了相互矛盾的結論, 此時應當選擇哪條規(guī)則呢？（沖突消解問題） 元規(guī)則可以激發(fā)最近經常使用的規(guī)則； 元規(guī)則可以激發(fā)特定優(yōu)先級的規(guī)則。,元規(guī)則舉例,規(guī)則: 如果信用紀錄小于1年, 則申請者具有高的信貸風險. 如果申請者是醫(yī)生 則申

15、請者具有較低的信貸風險. 元規(guī)則: 如果存在一條以上的規(guī)則符合事實條件，請選用在時間上距當前最近事實所對應的規(guī)則。 事實: 某人 25歲， 某人僅具有6個月的信用記錄， 某人一年內曾三次失業(yè)， 某人三個月前成為醫(yī)生。 “某人是醫(yī)生”是最近的事實, 因此該申請是低信貸風險的.,元規(guī)則的層次,判定樹,知識庫在大多數(shù)情況下，可以判定樹的形式構架。 判定樹結構可以作為知識表達的模式，也可作為知識推理的模式。,它很大嗎？,它吱吱叫嗎？,可能是松鼠,可能是老鼠,它是長頸嗎？,它有長鼻子嗎？,可能是長頸鹿,可能是大象,它喜歡呆在水里嗎？,可能是犀牛,可能是河馬,否,是,否,是,是,是,是,否,否,否,以動物

16、分類為例,搜索策略,專家系統(tǒng)的推理過程，就是進行規(guī)則條件與事實的匹配過程。問題求解的目標就是尋找最好的搜索技術，能夠給出一條有效的解題途徑。搜索策略分為兩大類： 盲目搜索。 啟發(fā)式搜索。,盲目搜索,窮盡式搜索: 沿判定網(wǎng)絡的每一個可能的途徑進行搜索，時間開銷很大。,寬度優(yōu)先搜索: 沿層搜索，對淺問題有效。,A,B,E,F,G,H,A,B,C,D,E,F,G,H,深度優(yōu)先搜索: 沿深度最大的分支搜索。,C,D,寬度搜索,深度搜索,啟發(fā)式搜索,啟發(fā)式搜索需要根據(jù)代價函數(shù)分析問題域的特性。從而縮小搜索空間。根據(jù)這些信息： 確定下一步搜索節(jié)點； 確定 后續(xù)搜索路徑； 將搜索空間中的部分節(jié)點，標注上無需

17、搜索的的記號。,用于電力設備故障診斷的專家系統(tǒng)最早見于Riese在1986年公布的TOGA系統(tǒng)，其后有很多類似的系統(tǒng)應用到實際工程當中。任何專家系統(tǒng)的質量完全取決于它所采用的判斷規(guī)則和領域經驗的質量。但實際上故障診斷知識的獲得是非常困難的，一直是阻礙專家系統(tǒng)應用的“瓶頸”問題。,專家系統(tǒng)在電氣診斷方面的應用,狀態(tài)診斷專家系統(tǒng),是基于“狀態(tài)措施”策略構建的，設備的基本狀態(tài)包括： 正常狀態(tài) 可疑狀態(tài) 可靠性下降狀態(tài) 危險狀態(tài) 對應不同的狀態(tài)采取不同的處理措施,狀態(tài)診斷專家系統(tǒng)知識庫,知識來源 廣東省油浸電力變壓器狀態(tài)檢修導則 電力變壓器檢修導則等部頒標準 現(xiàn)場專家的意見 表示形式 事實 表示變壓器

18、的一些基本屬性 規(guī)則 “ifthen”形式，表示事實間的聯(lián)系和推理 規(guī)則的條件部分可以為“或”或者“與”的關系 規(guī)則樹，以正常狀態(tài)為例,專家系統(tǒng)的推理,采用反向推理 條件匹配 沖突消解 狀態(tài)：先判斷是否為危險狀態(tài)，然后可靠性下降狀態(tài)、 可疑狀態(tài)、正常狀態(tài) 具體故障：根據(jù)引發(fā)故障的可信度不同，將規(guī)則排序 深度搜索。,故障實例,杭州某變電站一變壓器多點接地故障 南昌發(fā)電廠10號高廠變 分接開關接觸不良,鐵心多點接地故障診斷推理,案例推理(簡稱CBR)與人類利用經驗解決問題的方式非常相近，當我們遇到一個新的問題，總是會首先聯(lián)想曾經遇到過的類似情況，從記憶中找出在幾個重要特征上與該問題相似的事例，然后

19、把該事例中有關信息和知識引用到新問題的分析和處理過程中。對于象大型機電設備故障診斷這樣缺乏明確因果模型、需要大量經驗的領域，在輔助專家進行決策方面，援例推理作為一種補充的分析手段是非常有價值的。,案例推理,通常將所要分析的問題稱為目標范例，而把聯(lián)想到的事例稱為源范例。簡單地說，案例推理就是利用目標范例的提示來得案例庫中的源范例，并由源范例來指導對目標范例分析的一種策略。,案例推理的主要過程,準確、清晰的范例表示是實現(xiàn)有效類比的關鍵。故障范例的表示應包括兩方面的內容： 1. 索引標志：主要為檢索算法提供基礎的檢索信息，以便根據(jù)某種相似測度對源范例和目標范例進行匹配。 2. 故障描述：以文檔的形式

20、將以往的故障實例加以保存以便檢索應用，故障實例的文檔內容應當包括設備的臺賬信息、運行經歷、歷次色譜和電氣試驗數(shù)據(jù)、故障處理情況、檢修結果以及維修后的運行情況等。,范例表示,一般使用故障的某種特征作為索引來完成檢索。由于一般情況下不存在完全的精確匹配，因此要對故障實例與范例間的特征關系進行相似度估計。,范例的檢索,較常用的是歐氏距離：,特征距離最小的即為最相思案例。,(1). 故障實例：西北電管局莊頭#1變，型號：OSFPS7240000/330，生產廠：西變，出廠日期：1991年，曾發(fā)生輕瓦斯動作，1996年1月12日色譜分析結果： 236ppm， 48ppm， 13.3ppm， 48ppm，

21、 88ppm, 638ppm， 2594ppm。電氣試驗未發(fā)現(xiàn)問題，局部放電試驗結果為平均放電量大于2000PC。,實例分析,(2). 檢索到的最相近的源范例為：東電某變電站#1主變，型號SFPSL-63000/220，1984年10月10日輕瓦斯保護動作，色譜結果如下： 150ppm， 27ppm， 3.6ppm， 63ppm， 90ppm, 420ppm， 3200ppm。預防性試驗結果均合格，局部放電量大于3000pc。而其檢修結論為：B、C相首端的長墊塊尖角燒壞，與其相應的圍屏處燒蝕成洞，表面有樹枝狀放電通道。,(3). 診斷結果：變壓器內部存在嚴重的樹枝狀圍屏放電，屬高度危險狀態(tài)，須立即停運檢修。,(4). 實際檢查結果：該主變于1996年2月進行解體，發(fā)現(xiàn)A相外數(shù)第一層圍屏的第一張絕緣紙板有8個擊穿點，第二張絕緣紙板有貫穿性樹枝放電?？梢娕c上述源范例的情況是基本一致的。, 10.2 決策支持,決策支持系統(tǒng)以提高決策效益為目標，對決策者起到支持和輔助作用。決策支持系統(tǒng)不能代替決策者的決策。 電力系統(tǒng)中對大型設備進行解體檢修費用很高，而且會造成較大區(qū)域的長時間停電，所以除非事先發(fā)現(xiàn)某些明顯異常的征兆，一般不會對其進行全面的解體檢查。即使發(fā)現(xiàn)異常情況，也必須先經過詳細的外部檢查，進行必要的試驗，待確定必要的檢修項目后才能進行解體修理，需要一個相當復雜的決策