2. 武汉大学电气工程学院, 湖北武汉 430072
2. School of Electrical Engineering, Wuhan University, Wuhan 430072, China
1 引言
近年来专家系统得到迅速的发展，在多个领域获得实际应用，但是在电力领域，目前应用不是很普遍. 专家系统将某个领域的专家知识和经验以知识库的形式存入数据库，通过各种智能的计算机手段模仿专家解决问题的推理方式和思维过程，运用知识库对实际工作中的问题做出判断和辅助决策[1, 2]. 文[2, 3, 4, 5, 6]对专家系统进行分类，依据知识表示技术可分为基于规则的专家系统、 基于逻辑的专家系统、 基于案例的专家系统、 基于混合知识表示的专家系统、 基于XML的专家系统、 基于Web应用的专家系统.
电力领域中输电线路是电力系统的枢纽干线，高压输电线路的智能监测、 状态评估以及辅助决策对于电网的安全稳定运行起到很重要的作用[7]. 随着电网规模的不断扩大和运行复杂性的不断增加，一旦输电线路发生故障，在很短的时间内就会有大量的报警信息，仅凭操作人员的经验进行故障诊断，其快速性和正确性难以保证，因此传统的输电线路运维辅助决策体系已经不能适应实际的要求，迫切需要把专家系统广泛地应用到输电线路的辅助决策中. 近年来，输电线路的专家系统主要是针对线路的故障诊断来设计和开发的，功能相对比较单一. 文[8]设计了一种针对输电线路故障诊断的专家系统，系统采用了面向对象技术，开发出了使知识库独立于推理机的输电线路故障诊断专家系统，并在实验室环境下进行了功能与性能试验. 文[9]提出了一种基于模糊专家系统的故障诊断方法，设计出了专家系统整体框架，在系统实现中，采用隶属函数来反映故障对象特征的模糊性和模糊关系，基于关系数据库进行知识的模糊表达，实现基于规则的模糊推理. 文[10, 11]设计开发了输电线路状态检修专家系统，用以提高输电线路状态检修的工作效率.
本文结合已有的输电线路运维辅助决策专家系统的研究提出了建设具有输电线路健康状态动态评估、 故障预警、 故障诊断、 运行风险评估、 状态检修策略、 经济性分析、 多维度辅助决策等功能的多层面、 多维度输电线路辅助决策专家系统. 在输电线路辅助决策领域，这种类型、 功能如此丰富完整的专家系统还没有实际应用案例，本文提出的专家系统建设具有一定的先进性、 前瞻性和挑战性.
2 总体设计输电线路运维辅助决策专家系统的业务总体结构以运维基础平台为基层，通过企业SOA(service-oriented architecture)信息总线，获取线路设备状态，同时，通过IEC61970/CIM模型，关联设备台账信息，通过各种监测信息的存储、 加工、 展现、 分析、 诊断和预测等数据应用技术，对线路进行状态诊断、 分析、 评价、 评估、 辅助决策.
输电线路运维辅助决策专家系统的总体架构如图 1所示. 系统总体上分为3个层次，包括数据处理层、 高级应用层、 展示层. 数据处理层主要是从运维基础平台获取数据，对数据进行收集、 处理、 分析、 储存后提供给高级应用层的功能模块进行利用. 高级应用层是专家系统的主要功能模块，包括8个功能模块，故障诊断、 智能预警、 状态评价、 风险评估、 经济性评估五个相对独立的模块以并列的关系组成多维度分析与辅助决策的基础模块，这5个模块分析的结果信息提供给多维度辅助分析模块作为分析的依据，并且可以把结果输出到展示层供用户查看. 多维度辅助分析模块包括根据状态、 风险、 经济性等评估结果，综合统筹给出合理的指导线路运行管理的检修方案、 停电计划等信息，输出到展示层，还包括多维度的数据统计和分析功能. 系统管理模块主要是一些支撑系统运行、 模型算法设置、 专家会诊的基础功能.
 |
| 图 1 输电线路运维辅助决策专家系统总体架构 Fig. 1 Framework of assistant decision-making expert system for operation of transmission line |
高级应用层中的系统智能分析功能流程如图 2所示. 首先根据运维基础平台的数据对设备进行故障诊断，若设备处于故障状态则对该故障对应指标项权重进行修正，然后对设备进行状态评估； 若设备无故障则直接对设备进行状态评估； 基于故障诊断和状态评估结果，进一步对设备的风险进行分析； 最后基于前者评估的各项结论综合，针对性地提出相应的辅助决策建议.
 |
| 图 2 系统智能分析功能流程图 Fig. 2 Function flowchart of intelligent analysis |
智能预警的目的是使运行维护人员对预警信息(包括在线监测信息、 试验、 巡视、 线路状态、 风险、 经济等评价结果信息)进行实时的监控，并对预警信息进行分析应用、 处理以及配置等相关操作. 同时，当发生预警情况时，能够关联相关操作(如发布信息、 重诊断、 重评价、 重评估等)，提醒运行维护人员确定设备状态，及时地修复已发生故障，确保输电线路能够正常运行. 智能预警流程如图 3所示.
 |
| 图 3 智能预警流程 Fig. 3 Process of intelligent early warning |
故障诊断是系统对产生智能预警的装置和设备，采用相应的智能算法，根据积累的经验以及收集到的各种信息数据，分析并得出相应的诊断结论. 故障诊断所得到的结果可加入故障诊断库中，使故障诊断库拥有自我学习的能力. 故障诊断算法的基础数据为相关设备信息和处理过的状态量. 本系统采用的故障诊断算法主要是故障树方法，并通过其它的方法(神经网络、 贝叶斯、 粗糙集等方法)进行辅助诊断[12]. 基于故障树诊断算法模块框图如图 4所示.
 |
| 图 4 基于故障诊断算法的模块框图 Fig. 4 Diagram of modules based on fault diagnosis algorithm |
状态评价是根据输电线路设备缺陷和故障的性质和概率统计分析，借鉴以往发现、 处理缺陷和故障的方法、 数据和经验，建立评估模型，以现有的运行巡视、 定期停役或带电检测、 在线监测等技术手段获取状态信息，对在役输电设备的运行状态进行综合评定[13, 14]. 常用的方法有模糊算法、 蒙特卡罗算法以及故障树算法等. 本系统采用基于贝叶斯网络的输电线路运行状态评估方法，它将影响输电线路运行状态的各种因素作为条件属性集，线路的运行状态作为决策属性，从输电线路历史故障数据中挖掘出可用的信息，用来对输电线路的故障进行预测，预测结果可以用于输电线路巡检管理部门参考制定巡检计划，以及时有效地处理输电线路出现的隐患，减少突发停电事故的发生，降低国家和人民的经济损失. 状态评价过程中，评价的结果分为4类，分别是： 正常状态、 注意状态、 异常状态和严重状态. 基于贝叶斯网络的输电线路运行状态评估的流程如图 5所示.
 |
| 图 5 状态评价流程 Fig. 5 Process of state evaluation |
基于贝叶斯网络模型的状态评价步骤为：
(1) 构建原始样本数据集. 对输电线路运行状态样本集的数据进行预处理，根据输电线路运行的特点及专家经验，确定输电线路贝叶斯网络节点的种类及取值状态，作为贝叶斯网络的输入.
为了构建原始样本数据集，首先获取输电线路实际的运行数据及相关信息，包括历史运行数据信息和输电线路属性、 台账数据等，将样本数据信息分为两部分，一部分作为训练样本集参与结构学习和参数学习，另一部分作为检验样本. 对线路运行有影响的因素集合作为条件属性集，线路运行状态作为决策属性，将输电线路分为6个单元，每个单元有若干个影响因素构成子单元，每个子单元的运行状态也有4种： 正常、 注意、 异常和严重，这样形成的基本状态决策表构成了网络的训练集合，表中每一行代表一个子单元线路运行状态记录，每列代表一个状态属性(正常、 注意、 异常和严重).
(2) 建立贝叶斯网络模型. 根据经验或通过结构学习确定输电线路贝叶斯网络的结构如图 6所示. A、 B、 C代表输电线路各层次状态量.
 |
| 图 6 输电线路贝叶斯网络的结构 Fig. 6 Structure of Bayesian networks for transmission line |
(3) 根据经验或通过参数学习确定贝叶斯网络的条件概率表. 一个与每个节点相关的条件概率表，它表达了节点同其父节点的相关关系——条件概率. 没有任何父节点的节点概率为其先验概率. 子单元的条件概率表如表 1所示(无父节点的节点，条件概率即先验概率). a、 b、 c、 d、 e为假设值，其中a-b代表正常状态的区间，b-c代表注意状态的区间、 c-d代表异常状态的区间、 d-e代表严重状态的区间.
 | 正常 | 注意 | 异常 | 严重 |
| a-b | b-c | c-d | d-e | |
| P(Ci) | P(Ci=1) | P(Ci=2) | P(Ci=3) | P(Ci=4) |
贝叶斯网络基于网络的概率推理算法，贝叶斯网络接受了新信息后立即更新网络中的概率信息. 对网络拓扑结构概率推理的条件概率表进行修正.
(4) 利用条件概率表以及网络结构进行推理计算，确定输电线路运行的状态(正常，注意，异常，严重).
(5) 根据新输入的样本，更新样本数据库的状态概率信息以及贝叶斯网络的条件概率表.
3.4 风险评估 3.4.1 风险评估过程设备风险评估在设备状态评价的基础上，评估设备出现故障的可能性和后果的严重程度，确定设备面临的和可能导致的风险[15].
输电线路运行风险评估模型的构建框图如图 7所示，该模型的评估包括3个阶段：
 |
| 图 7 输电线路运行风险评估模型 Fig. 7 Model of running risk assessment for transmission line |
(1) 评估模型的输入阶段，即风险识别阶段，包括数据统计分析，风险评估指标的选择，评估模型的输入主要集中在这一部分.
(2) 综合风险值的计算阶段，包括风险概率估值、 风险产生的后果严重度的量化以及风险权值的确定三个部分； 风险后果严重度采用的是信息熵的方法来量化； 风险权值的计算采用AHP(analytic hierarchy process)法、 熵权法和二者的组合优化即最小二乘法来最终确定风险权重； 最后根据上风险值公式来计算综合风险值.
1) 风险概率估值. 风险发生的概率是指基本风险事件(即导致风险出现的因素)出现的概率，可以根据历史数据、 专家经验评估以及数学统计分析计算得出.
根据历史观测数据，统计一段时间内监测出某个元件故障的次数与总监测次数的比值即风险出现的频率作为该元件风险概率的估值. 例如，统计输电线路运行的跳闸风险影响因素，估计其风险发生概率，首先统计由于雷击、 鸟害等引起的线路跳闸的次数以及线路的总跳闸次数，那么风险影响因素出现风险的概率为
其中，mi为一段时间内风险影响因素xi发生引起的跳闸总次数，N为线路总监测次数.
停电风险的风险概率统计由故障枚举法生成典型风险事故集合，任意一个风险i发生的概率为
其中，M为故障元件数； n为正常工作元件数； μk为某个元件k的故障率(或导致线路强迫停运率). μk为元件的可靠性参数，可通过查询相关资料获得故障停运率的典型值，也可根据近几年元件停运时间的统计情况来获得，即μk=MTTR/PRD，MTTR为在统计时段内元件总停运时间(h)，PRD为统计时段的长度.
2) 风险产生的后果严重度的量化. 用互信息I(xi，S)来表示风险的后果的量度. 风险事件的发生可以被认为是一个信息熵减少的过程，即可以认为通过对风险因素的统计分析减少风险的信息熵. 假设H(xi)表示某个风险因素xi的信息熵，H(Sxi)表示条件xi下风险S的条件熵，I(xi，S)为xi和S的互信息，则xi和互信息的相互关系如图 8所示.
 |
| 图 8 互信息关系图 Fig. 8 Relationship of mutual information |
用互信息来表示风险产生的后果严重程度，并对互信息进行量化，如下式所示.
其中，H(S)为风险S的信息熵，E(x)表示参数x的期望值，由Shannon信息熵可知，风险S的熵为H(S)=-E(ln p(S))； H(S丨xi)为风险因素xi条件下风险S的条件信息熵，其值为H(S丨xi)=-E(ln p(S丨xi))； 从而可以确定互信息I(xi，S)的数值.
3) 输电线路运行风险权重的确定. 运用层次分析法确定主观权重，运用熵法确定客观权重，将主客观权重综合起来，采用最小二乘法来优化权重模型. 应用熵权法的原理确定同一层次的风险因素的权重时，如果由于某个风险因素发生而导致另外某个风险产生的概率越大，即可能性越大，那么其熵值就越小，该风险因素对风险产生的作用就越大，其权重应越大. 熵权法就是根据熵的极值性来衡量某一个风险因素对风险产生的影响度. 假设各项风险因素的综合权重为Ψ=(φ1，φ2，…，φm)T，运用最小二乘法优化权重的过程为
其中，wj为层次分析法得到的各因素的相对重要度.
(3) 风险判定阶段. 风险判定主要是对综合风险值进行分析，确定风险等级，输出风险评估的结果. 综上所述，某一个子风险的计算为
根据不同等级风险值域的划分，将计算出的风险值作对比，确定风险的等级.
3.4.2 风险等级划分本系统把风险大小划分为5个等级，分别是： 很低、 低、 中等、 高和很高，具体划分依据如表 2所示.
| 风险等级 | 标识 | 划分依据 |
| Ⅰ | 很高 | 风险事件一旦发生， 将导致输电线路无法正常运行， 给整个电力系统运营带来重大影响， 对社会经济带来重大损失等. |
| Ⅱ | 高 | 风险事件一旦发生， 将导致输电线路无法正常运行， 对社会经济带来较大损失等. |
| Ⅲ | 中等 | 风险事件一旦发生， 对社会经济带来一定影响， 需采取一定措施. |
| Ⅳ | 低 | 风险事件一旦发生对输电系统以及经济、 社会的影响较低， 易在短时间内排除风险. |
| Ⅴ | 很低 | 风险事件发生与否都不会对其它任何方面造成影响， 即使有也容易采取弥补措施. |
经济性评估主要是对线路运行进行宏观的评估，给出线路运行的辅助决策意见. 主要考虑线路停电时间、 停电周期、 停电检修时间安排的评估决策，后期再考虑对设备材料成本、 人工运行成本、 线路运行效益等方面进行经济性评估.
目前应用较为广泛的评价方法主要有专家咨询德尔菲(Delphi)法、 层次分析法(analytic hierarchy process，AHP)和模糊(Fuzzy)综合评价等. 本系统应用层次分析法和德尔菲方法，建立全面评价输电线路系统经济性的评价指标体系. 应用层次分析法和德尔菲法构建经济性评估体系的流程如图 9所示.
 |
| 图 9 经济性评估体系建立流程图 Fig. 9 The flow chart of economy assessment system |
本文构建的经济性评估体系的评估过程如下：
(1) 数据采集校核. 信息数据的收集是经济性评估的第1步，主要包括运行经济性数据、 静态经济性数据和投资经济性数据等几个方面.
(2) 层次结构的建立. 本文利用AHP的基本思想，结合输电线路的实际情况，提出了输电线路经济性评估的评估体系，其层次结构如图 10所示.
 |
| 图 10 经济性评估层次结构 Fig. 10 Hierarchy of economic evaluation |
(3) 单项指标计算和评分. 在输电线路经济性评估体系中，单项指标计算和评分需要确定各指标评价标准、 各指标评分标准和单项指标权重. 评价标准根据导则规定和专家经验确定，评分标准采用Delphi法和专家意见确定，单项指标权重采用AHP和Delphi法进行确定.
(4)综合评估. 单项指标评分从不同方面反映了输电线路的经济性，但不能说明输电线路的整体状况. 故需要应用AHP法进行计算得到整个输电线路的综合评分. 计算公式如下：
式中， sk+1代表层次结构中第k+1层某属性Ak+1的评分； n表示属性Ak的k层子属性个数； sjk表示Ak+1的k层子属性j的评分； wjk表示子属性j的权重.
3.6 多维度评估多维度评估以设备故障分析、 输电线路状态分析、 输电线路风险进行多维度的评估. 本系统采用点面结合、 多阶段评估，实现对输电线路状态、 风险、 经济性的现状和发展趋势的评估，为合理地安排检修、 线路改造提供决策支持，评估模型如图 11所示.
 |
| 图 11 多维度评估模型 Fig. 11 Model of multi-dimensional evaluation |
输电线路数据可根据不同的设备进行分类，主要分为基础及防护设施数据、 线路防护区数据、 导地线数据、 绝缘子串数据、 金具数据、 杆塔数据和防雷接地装置数据等7类数据，具体的分类如表 3所示.
| 输电线路数据分类 | |
|
基础及防护 设施 |
拉线基础深埋低于设计值的深度 拉线棒锈蚀直径减少的长度 |
| 线路防护区 |
架空输电线路对下方各类干线、 树木以及建设的公路、 桥梁等的交跨距离 通道类树木、 建筑情况 |
| 导地线 |
腐蚀、 断股、 损伤和闪络烧伤 导线弧垂、 对地距离 导地线腐蚀 交跨距离 地线上扬 导线覆冰、 舞动 |
| 绝缘子串 |
绝缘子串倾斜情况 复合绝缘子检测情况 瓷质盘形悬式绝缘子检测情况 复合绝缘子外观检查情况 盘型/瓷质绝缘子清扫、 外观检查情况 绝缘子污秽 |
| 金具 |
金具锈蚀、 磨损、 裂纹、 变形情况 屏蔽环、 均压环、 间隔棒、 防振锤、 重锤片、 护线条、 阻尼线等保护金具情况 接续金具变形情况 金具裂纹 螺栓拧紧力矩值 |
| 杆塔 |
杆塔倾斜度 杆顶挠度 杆塔横担歪斜度 铁塔、 钢管塔主材弯曲度 混凝土杆裂纹 |
|
防雷及接地 装置 |
接地引下线断开的基数 接地电阻值不合格基数 接地引下线锈蚀、 损伤直径 绝缘地线间隙不合格率 防雷间隙不合格率 避雷器预防性试验不合格率 |
运维平台向系统提供两类账号： R类和W类. R类账号提供只读权限，系统能读取数据中心的所有对外开放的数据，系统利用这些数据进行分析诊断. W类账号提供写数据的权限，系统将设备状态监测以及评估结果回传到运维平台.
运维平台提供数据的服务，系统调用这些服务，按规定的标准格式对数据进行解析，过程如下：
1) 双方商定需要传输的数据格式和内容；
2) 运维平台系统提供Web Service服务程序，并按数据类型定义更新频率；
3) 系统利用Web Service提供的服务制定读取运维平台相关数据的策略，定期或不定期地从数据中心中读取其数据. 若运维平台的某些数据暂时没有或者出现错误时，系统能通过手工数据录入的功能对数据进行增加或者修改.
3.7.3 数据存储系统数据库基于企业级关系型数据库构建. 数据库中所有的状态数据均具有统一的设备唯一标识.
数据库设计的关键技术之一是针对海量数据处理要求的数据模型优化设计，重点解决上层应用可能涉及的多表连接、 累计、 数据排序以及全表扫描等操作所带来的性能问题. 本系统采用数据库分区技术，通过分区将表、 索引和索引组织表进一步细分为段，从而更精确地管理和访问数据库对象. 按区间及类别规划数据分区以满足各种应用需要.
3.7.4 数据接口专家系统与其它系统的接口，将采取独立的数据接口来实现. 本系统数据接口主要采用CIS和Web Service实现外部接口，并通过SOA技术封装成外部接口服务.
Web Service是一种自包含、 模块化的应用，是基于网络的、 分布式的模块化组件，它执行特定的任务，遵守具体的技术规范，这些规范使Web Service能与其它兼容的组件进行互操作. Web Service基于HTTP、 XML和SOAP等标准协议，所以即使以不同的语言编写并且在不同的操作系统上运行，它们也可以进行通信. 因此，适用于网络上不同系统的分布式应用、 标准性好、 扩展性好、 耦合度低； 内容由标准文本组成，任何平台和程序语言都可以使用； 格式的转换基本不受限制，可以满足不同应用系统的需求. 通过统一的数据接口，可实现与其它系统的松耦合、 高性能、 自动化和可监控.
3.7.5 数据质量由于从运维平台接入的数据可能存在不准确、 冗余、 无效、 缺失等情况，在进行数据接入时，需要对数据进行预处理. 在本专家系统中，主要采用数据清理、 数据集成、 数据变换、 数据归约等方式. 通过数据预处理，可以大大提高数据质量，降低数据挖掘和分析时所消耗的时间.
数据质量监控模块采用SOA架构的组件化，将系统的数据按照数据质量分析业务规则进行抽取、 分析，将符合数据质量业务规则的数据正式放入数据平台中. 对存在缺陷的信息放入脏数据列表中，进行统一分析、 原因查找，同时，完善其数据质量业务规则模型.
同时，可实现数据标准化管控要求. 将各监测系统数据及监测指标、 监测数据代码的标准定义纳入数据质量模块集中管理； 所有数据标准定义和指标定义都通过数据质量模块进行发布实施，实现了数据管理标准化，规范化要求.
4 硬件系统设计图 12给出了输电线路运维辅助决策专家系统的硬件配置方案. 视频监控接口服务器、 覆冰和雷电系统接口服务器、 与GIS系统和7大中心接口服务器分别用来接收来自于视频监控系统、 覆冰和雷电系统、 GIS系统和7大中心的数据并进行处理； 用户工作站和开发维护工作站分别用于用户和开发人员对系统进行操作； 由于输电线路各种信息的数据量大，设置了18T的磁盘列阵； 在系统与综合数据网设备之间设置纵向防护用防火墙，保证整个系统的安全.
 |
| 图 12 硬件系统结构图 Fig. 12 Structure chart of the hardware system |
本文对设备检修辅助决策进行实例分析说明. 2013年12月3日对平南线南宁局段人工发起检修辅助决策，发现平南线709＃杆塔状态异常，具体分析过程如下：
图 13和图 14表示的是709＃杆塔状态评估和风险评价分析结果. 可以看出在2013年11月，709＃杆塔处于不稳定的状态，11月10日左右设备处于严重状态，基于状态评价的风险评价结果也显示设备处于带故障运行状态下.
 |
| 图 13 杆塔状态变化趋势 Fig. 13 Variation trend of tower state |
 |
| 图 14 杆塔风险变化趋势 Fig. 14 Variation trend of tower risk |
图 15是杆塔设备带故障运行概率的趋势，可以看出当杆塔设备带故障运行时，带故障运行时间越长，故障状态越严重，设备故障发生率越高. 因此，带故障运行严重影响电网运行安全，需要尽快检修.
 |
| 图 15 杆塔设备带故障运行概率趋势图 Fig. 15 Trend of tower failure rate when operating with fault |
经过上述分析，需要对709＃杆塔进行检修，通过经济性评估可以确定最合适的检修时间和检修方式，图 16是经济性分析结果，可以看出按原计划周期性检修会使设备带故障运行，存在很大的风险，且经济效益差； 执行紧急停电检修相比于按原计划周期性检修更具经济性； 而停电执行D类检修，保证了电网的正常运行，并且是最经济性的一种方案.
 |
| 图 16 不同检修方式的经济性评估 Fig. 16 Economic evaluation of different maintenance methods |
基于上述状态评估、 风险评价、 设备带故障运行概率趋势以及经济性评估的结果，得出如下检修建议： 平南线709＃杆塔状态异常，周期性检修计划安排在2014年3月1日，设备带故障运行风险较高，建议于2013年12月7日停电执行D类检修，检修时长为3天.
6 结语输电线路是电力系统最重要的一部分，对高压输电线路的智能监测及状态评估使电网能够更安全运行. 现有的输电线路辅助决策体系已经不能满足越来越复杂的电网运行决策，因此本文把专家系统引入到输电线路的智能监测、 状态评估和辅助决策中，建立了一个以运维自动化基础平台为基础的多层面、 多维度的输电线路辅助决策专家系统. 该系统能对输电线路运行过程中产生的故障进行智能预警、 故障诊断、 状态评价、 风险评估、 经济性评估以及多维度辅助决策分析，保证输电线路的健康安全运行，提升输电线路应对故障的能力.
本系统还处于不断充实和完善的过程中，需要进一步研究输电线路信息的可靠采集与传输技术，使更加全面的信息都被纳入到本专家系统的分析范围之内； 需要不断地积累历史数据，为更深层次的研究提供基础数据； 还需要进一步加强多维度辅助决策分析技术，为输电线路提供更好的辅助决策体系.
| [1] | 樊晓平. 专家系统简介[J]. 系统工程, 1990, 8(5):71-72. Fan X P. Introduction to expert system[J]. Systems Engineering, 1990, 8(5):71-72. |
| [2] | 黄雪琼. IPTV故障诊断专家系统设计[D]. 广州:华南理工大学, 2012. Huang X Q. IPTV system fault expert system design[D]. Guangzhou:South China University of Technology, 2012. |
| [3] | Liao S H. Expert system methodologies and applications-A decade review from 1995 to 2004[J]. Expert Systems with Applications, 2005, 28(1):93-103. |
| [4] | 张煜东, 吴乐南, 王水花. 专家系统发展综述[J]. 计算机工程与应用, 2010, 46(19):43-47. Zhang Y D, Wu L N, Wang S H. Survey on development of expert system[J]. Computer Engineering and Applications, 2010, 46(19):43-47. |
| [5] | 安丽娜, 张士杰. 专家系统研究现状及展望[J]. 计算机应用研究, 2007, 24(12):1-5. An L N, Zhang S J. Progress and prospects of expert system[J]. Application Research of Computer, 2007, 24(12):1-5. |
| [6] | 杨延勇, 施冲. 基于经验思维和逻辑思维的故障诊断专家系统[J]. 电力自动化设备, 2002, 22(10):24-26. Yang Y Y, Shi C. Fault diagnosis expert system based on experiential and logical thinking[J]. Electric Power Automation Equipment, 2002, 22(10):24-26. |
| [7] | 顾沈明, 刘全良. 一种基于Web的专家系统的设计与实现[J]. 计算机工程, 2001, 27(11):100-101. Gu S M, Liu Q L. An approach to design expert system based on web[J]. Computer Engineering, 2001, 27(11):100-101. |
| [8] | Neves L P, Dias L C, Antunes C H, et al. Structuring an MC-DA model using SSM:A case study in energy efficiency[J]. European Journal of Operational Research, 2009, 199(3):834-845. |
| [9] | Chou J S. Generalized linear model-based expert system for estimating the cost of transportation projects[J]. Expert Systems with Applications, 2009, 36(3):4253-4267. |
| [10] | 韩如月, 李俊刚, 宋小会, 等. 输变电设备状态监测系统设计[J]. 高压电器, 2012, 48(1):58-63. Han R Y, Li J G, Song X H, et al. Design of condition monitoring system for power transmission and transformation equipment[J]. High Voltage Apparatus, 2012, 48(1):58-63. |
| [11] | 王洋. 输电线路故障诊断专家系统的研究[D]. 西安:西安科技大学, 2010. Wang Y. Research of transmission line fault diagnosis expert system[D]. Xi'an:Xi'an University of Science and Technology, 2010. |
| [12] | 赵振忠. 基于模糊专家系统的输电线路故障诊断[D]. 南京:南京理工大学, 2004. Zhao Z Z. Transmission line fault diagnosis based on fuzzy expert system[D]. Nanjing:Nanjing University of Science and Technology, 2004. |
| [13] | 高睿. 输电线路状态检修专家系统的研究[D]. 北京:北京交通大学, 2012. Gao R. Research on expert system of transmitting line condition-based maintenance[D]. Beijing:Beijing Jiaotong University, 2012. |
| [14] | 张远健. 输电线路状态检修专家系统的开发与设计[J]. 中国电业, 2013(3):43-46. Zhang Y J. Transmission line state maintenance expert system development and design[J]. China Electric Power, 2013(3):43-46. |
| [15] | 张旭, 魏娟, 赵冬梅, 等. 电网故障诊断的研究历程及展望[J]. 电网技术, 2013, 37(10):2745-2753. Zhang X, Wei J, Zhao D M, et al. Research course and prospects of power grid fault diagnosis[J]. Power System Technology, 2013, 37(10):2745-2753. |
| [16] | Chen W H. Online fault diagnosis for power transmission networks using fuzzy digraph models[J]. IEEE Transactions on Power Deliver, 2012, 27(2):688-698. |
| [17] | 韩富春, 董邦洲, 贾雷亮, 等. 基于贝叶斯网络的架空输电线路运行状态评估[J]. 电力系统及其自动化学报, 2008, 20(1):101-104. Han F C, Dong B Z, Jia L L, et al. Operation state evaluation of overhead transmission lines based on Bayesian network[J]. Proceedings of the CSU-EPSA, 2008, 20(1):101-104. |
| [18] | 赵联英. 塞北地区500 kV输电线路状态评价及对策研究[D]. 北京:华北电力大学, 2012. Zhao L Y. Evaluation and countermeasures of Saibei area 500 kV power transmission lines status[D]. Beijing:North China Electric Power University, 2012. |
| [19] | 杨金东. 架空输电线路的健康状态和风险评估研究[D]. 昆明:昆明理工大学, 2013. Yang J D. Research about health state and risk assessment of overhead transmission line[D]. Kunming:Kunming University of Science and Technology, 2013. |
| [20] | Hans C S, Robert K. Regulatory requirements related to risk-based inspection and maintenance[J]. International Journal of Pressure Vessels and Piping, 2004, 81(10/11):847-854. |