规则引擎驱动的配电网问题诊断.pdf

电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 7 期2023 年 7 月Vol.35 No.7Jul.2023规则引擎驱动的配电网问题诊断刘宝林，莫海峰，冯磊，段燕茹（云南电网有限责任公司电网规划建设研究中心，昆明 650034）摘要：为提高配电网问题诊断效率，提出一种规则引擎驱动的配电网问题诊断方法。构建配电网问题诊断规则引擎的事实库、规则库和推理机。研究了配电网问题的机理，编写事实库；从配电网规划目标、问题涉及范围和问题表现层级 3 个维度构建配电网问题诊断规则库；基于 Rete 算法设计推理机和驱动机制，根据规则库的诊断规则对事实库的配电设备数据进行问题诊断。所提方法实现了诊断规则与输入数据、推理组件的分离，算例验证了所提方法对配电网问题诊断的有效性。关键词：配电网规划；规则引擎；问题诊断；Rete 算法；规则库中图分类号：TM715文献标志码：A文章编号：1003-8930（2023）07-0151-08DOI：10.19635/ki.csu-epsa.001149Diagnosis of Distribution Network Problems Driven by Rule EngineLIU Baolin，MO Haifeng，FENG Lei，DUAN Yanru（Grid Planning and Construction Research Center，Yunnan Power Grid Co.，Ltd，Kunming 650034，China）Abstract:To improve the diagnosis efficiency of distribution network problems，a diagnosis method for distribution network problems driven by rule engine is proposed in this paper.The fact base，rule base and inference engine for therule engine of distribution network problem diagnosis are constructed.The mechanism of distribution network problemsis studied，and the fact base is compiled.From three dimensions of distribution network planning objective，problemscope and problem expression level，the rule base for distribution network problem diagnosis is constructed.The inference engine and driving mechanism are designed based on the Rete algorithm，and the problem diagnosis of distribution equipment data in the fact base is carried out according to diagnosis rule in the rule base.The proposed method realizes the separation of diagnosis rules from the input data and inference components，and the result of a numerical example verifies its effectiveness in the diagnosis of distribution network problems.Keywords:distribution network planning；rule engine；problem diagnosis；Rete algorithm；rule base配电网问题的诊断是通过对配电网现状数据的分析，判断配电网存在的各种问题及问题产生的原因，是设计规划方案和指导配电网规划建设的依据。实际应用中，规划人员根据各部门收集的数据，整理得到包含设备状态、网架结构、系统整体运行等方面存在的问题，汇总形成配电网问题库，并针对配网问题提出解决方案。因此，配电网问题的准确诊断和精准定位，直接影响配电网规划项目的有效性和合理性1。目前在配电网问题的诊断领域，主要从以下2个方向展开研究：一方面是探索如何更加高效地对数据进行处理，如文献1基于公用信息模型重构配电网拓扑，对信息进行二次加工，实现对配网数据的自动诊断；文献2采用区块链技术，以电网公司各部门作为区块链节点，进行区块链节点的数据共享和滚动更新，从而提高数据的准确度和工作效率。另一方面是通过构建计算机辅助系统提高工作效率，如文献3-5研究配电网数据平台的构建方法，进行配电网问题的自动分析。但上述研究均侧重于配电网基础数据的分析技术，并没有完全解决配电网问题的深度解析，也未涉及配电网问题库的高效合理生成。实际中，配电网问题类型多，分析诊断过程繁琐，不同地区对配电网问题的诊断标准也有所差别，诊断规则难以统一。随着新型电力系统的快速发展，越来越多的分布式电源和柔性负荷接入配电网6，配网数据体量和种类逐渐增多7，将加剧配电网问题的诊断难度。因此，有必要对配电网问题的高效诊断方法进行深入研究。随着电力系统信息化、数字化转型，人工智能收稿日期：2022-10-10；修回日期：2022-11-01网络出版时间：2022-11-10 14：03：25刘宝林等：规则引擎驱动的配电网问题诊断电 力 系 统 及 其 自 动 化 学 报152第 7 期在电力系统中的应用越来越广泛8。其中，规则引擎技术在电网故障诊断隔离9-12、安全稳定分析13、电力交易14等领域发挥了较大的价值。规则引擎是一种将数据、规则、推理组件解耦的推理引擎，规则重用性高且易修改，特别适合于业务规则复杂且容易变动的应用15-20，具有较好的可维护性和可推广性。本文基于规则引擎框架搭建配电网问题诊断引擎架构，包括事实库、规则库、推理机。根据配电设备数据库编写事实库，从配电网规划目标、问题涉及范围和问题表现层级3个维度，研究配电网问题的诊断规则，构建规则库；基于Rete推理算法设计推理机，根据规则库的诊断规则对事实库的配电设备数据进行问题诊断。该方法符合新型电力系统数字化、信息化的发展需求，采用智能化方法实现配电网问题的分析，并将规则与输入数据、推理组件分离，便于业务人员根据实际情况修改规则，可以有效地降低规划人员的工作强度，提高配电网规划工作的效率。通过实际配电网数据进行案例分析，证明了该方法诊断的正确性。1规则引擎规则引擎起源于基于规则的专家系统，整体框架包括事实库、规则库和推理机，如图1所示。其中，推理机根据提前设计好的规则库，对事实进行推理计算，得到决策结果。在上述框架下，事实库是一个动态的数据库，存放引擎工作时处理的数据对象，会随着规则引擎的运行发生变化；规则库是特定语义编写的规则集合，为推理机的推理提供依据，每一规则包括条件部分和动作部分；推理机是整个引擎运转的核心，模式匹配器对规则的条件部分和事实按照特定推理算法进行模式匹配，规则的执行条件满足被视为匹配成功，该规则将添加进议程。议程存放被触发的规则并决定这些规则的执行顺序21。当规则执行时，传输动作命令给执行引擎，执行引擎按照规则的动作部分进行动作。若动作产生新的事实，则将其存放进事实库中。需要注意的是，若议程内同时存在多条被触发的规则，它们相互之间的不同执行顺序可能会产生不同的推理结果，即规则冲突。本文采用规则优先级策略消解规则冲突，即按照问题诊断业务的流程，设置规则的优先顺序，需要优先执行运算分析的业务，确立为较高优先级。规则引擎通过将逻辑规则与数据对象、推理组件解耦，使得规则可读性好、重用性高、易修改。因此，规则引擎可以适用于规则复杂多变的应用场景。在新型电力系统的不断发展中，配电网的结构也在逐渐发生改变，越来越多的分布式电源出现在负荷侧22-23，配电网问题的诊断规则也可能发生变化，涉及的问题诊断判据可能会增加，或者问题诊断的指标阈值可能会发生改变。在这种情况下，使用规则引擎进行配电网问题诊断将具有明显的技术优势。2规则引擎的输入基于规则引擎对配电网规划数据进行问题诊断并输出配电网问题库，第1步，是设计规则引擎的输入内容，即构造出合理的事实库和规则库。为了使规则引擎实现对配电网问题的诊断功能，事实库需要储存配电网数据，而规则库需要储存配电网问题的诊断规则。2.1事实库配电网问题诊断涉及的事实库，由配电网规划工作人员收集得到的配电网数据库转化而来。配电网数据库包括变电站、馈线、配电变压器等类型的一系列数据，表1为3种数据主要的数据类型。图 1规则引擎框架Fig.1Framework of rule engine规则库模式匹配器推理库议程执行引擎事实库结果表 1变电站、馈线、配电变压器主要数据类型Tab.1Main data types of substation,feeder anddistribution transformer变电站信息变电站名称电压等级主变容量构成主变名称主变容量主变最大负荷主变投运时间主供分区类型剩余出线间隔变比平均负载率无功补偿容量馈线信息线路名称所属变电站线路类型（电缆、架空）馈线型号供电分区年最高负载率供电半径馈线末端功率因数馈线末端电压馈线首端电压一个自然月最大累计重载次数一个自然月最大累计过载次数配电变压器信息配变名称所属馈线配变型号供电分区年最高负载率过载最大持续时间重载最大持续时间末端电压台区低压线路截面供电半径台区功率因数三相电流不平衡度刘宝林等：规则引擎驱动的配电网问题诊断153第 35 卷按照规则引擎定义的事实陈述规范，需要对配电网数据按变电站、馈线、配电变压器3类对象进行事实描述。其中，配电变压器的陈述规范为：配变名称、所属馈线、配变型号、供电分区、年最高负载率、末端电压等，相应的配变事实为：transformer配变1，馈线1，S13-M.RL-315/10，D，66.41，221等。汇总所有的配电网设备事实，得到事实库。事实库是一个动态的数据库，其中的事实可以随着引擎运行而增减、修改。2.2规则库规则库是所有规则的集合，可为规则引擎实现配电网问题诊断提供依据。规则库的质量直接关系到规则引擎推理结果的正确性和运行效率14。规则库的规则主要包括配电网问题的判别规则和问题成因的辨识规则。每一规则包含条件部分、动作部分和优先级顺序3项内容。其中，条件部分用于匹配事实，动作部分用于引导执行引擎，优先级顺序用于消解规则冲突。规则库中，配电网问题的判别规则的优先级高于问题成因的辨识规则。为了使规则引擎的诊断结果能更充分体现配电网现状存在的问题，需要从以下3个维度梳理诊断规则。1）规划目标维度以配电设备需要考核的关键指标，如最大负载率、末端电压、各项缺陷指标、运行年限等作为配电网问题的分类判别依据。2）问题涉及范围维度按照问题涉及的范围，配电网问题可划分为设备个体问题、同源问题和系统性问题。设备个体问题指的是单个设备出现的问题，如配电变压器重过载、低电压等问题。同源问题可分为3种情况：单个设备存在多种问题；存在问题的设备所接入的上级设备也出现相同问题；多个存在相同问题的设备接入同一上级设备。系统性问题，指的是配电网整体呈现的问题，如区域配电网的站线变荷匹配情况、网架结构情况、变电站数量和分布情况等。3）问题表现层级维度从问题表现层级的维度，配电网问题包括能够通过指标分析直接显性表现的问题，以及需要通过规划要素关联关系查找才能发现的隐性问题。例如，若馈线存在显性的重过载问题，通过规划要素关联关系查找，可能会发现该馈线存在供电半径过长或线路截面偏小等隐性问题。3个问题诊断维度如图2所示。2.2.1配电网问题的判别规则配电网问题的判别规则的条件部分是每种问题的判别条件，动作部分则产生问题判别结果并依据判别出的问题生成配电网问题事实。以配变过载问题为例，其判别规则的条件部分为：配变的年最高负载率100%且过载最大持续时间toverload30min，动作部分为判定该配变存在过载问题，生成相应的配电网问题。规则的优先级顺序从高到低依次为：规划目标维度的问题判别规则、问题涉及范围维度的问题判别规则、问题表现层级维度的问题判别规则。2.2.2问题成因的辨识规则精准辨识配电网问题产生的原因是高效解决该配电网问题的关键，可指导配电网规划方案的制定。每一个显性的设备个体问题，都是由相关的同源问题或者隐性问题导致的，根据对相关问题的考察，可以找出该显性设备个体问题产生的根本性原因。以配电网设备出现低电压问题为例阐述问题成因的辨识方法。设备低电压，原因可能是网络阻抗偏大、负荷功率偏大或首端电压偏低。网络阻抗偏大，可能是导线截面偏小或供电半径偏大导致的；负荷功率偏大可能是设备本身的负载率偏大，无功补偿不足引起功率因数偏低或等效感性无功负荷量偏多导致的；首端电压偏低，可能是接入的上级设备电压不合格导致的。另外，负载三相不平衡，会引起测量电压中性点偏移，也有可能导致设备某一相或某两相出现低电压问题。可以看出，设备低电压问题的成因，是与其相关联的隐性问题或同源问题。基于上述认识，形成设备低电压问题成因辨识规则，具体如图3所示。因此，可以从发生显性问题的具体设备出发，研究问题相关联的隐性要素和同源要素，判断是否有相关联的隐性问题或同源问题存在，精准定位产生问题的关键原因，指导后续规划改造。图 2配电网问题诊断维度Fig.2Dimensions of distribution network problemdiagnosis设备个体问题重过载低电压供电可靠性多设备问题系统性问题显性问题隐性问题规划目标维度问题涉及范围维度问题表现层级维度配电网问题电 力 系 统 及 其 自 动 化 学 报154第 7 期总之，问题成因的辨识规则，条件部分为判断所研究问题事实是否有相关联的隐性问题事实或同源问题事实，动作部分为生成所研究问题的问题成因事实。问题成因的判别规则优先级顺序从高到低为：问题的同源问题成因辨识规则、问题的隐性问题成因辨识规则。3推理机基于规则引擎的事实库和规则库，本文引入Rete 模式匹配算法进行规则引擎的推理机的设计。推理机包括模式匹配器、议程和执行引擎。其中，模式匹配器分离规则库中所有诊断规则的子条件，构造树形的Rete规则网络24。配电网事实库中的事实在规则网络中传播，并进行事实参数和诊断规则的匹配，匹配成功的规则被放进议程，议程中的规则将诊断命令传输给执行引擎，由执行引擎进行配电网问题的判断，判断结果被存入事实库的工作内存中，并进入规则网络执行进一步的诊断。Rete算法是Forgy提出的一种正向链的快速推理算法25，由于采取以空间换时间的策略，可实现规则之间的公共部分的重复利用，在推理时保留模式匹配过程的全部临时结果，对于不同规则具有的相同模式，不需要重复匹配。3.1Rete 网络的搭建Rete网络分为网络（模式网络）和网络（连接网络）两部分，如图4所示。其中，网络包含根节点、类型节点、节点、工作内存；网络由节点、工作内存、终端节点构成。当引擎运行时，事实从根节点进入Rete网络，直接进入类型节点；类型节点保存所有规则涉及的事实对象类型，并根据事实类型对事实数据进行筛选，符合类型条件的事实继续传播到节点，这种传播机制，避免了类型不符的事实进入后续节点造成的重复计算。节点的作用是将节点所对应规则的条件部分与事实进行模式匹配，判断事实是否符合规则里定义的规则条件。围绕配电网问题诊断的需求，本文提出了节点表达的子条件。例如，馈线重过载问题判别规则采用节点进行表达，其子条件如表2所示。若单个规则的条件部分中，存在关于同一事实类型的多个条件判断，则会产生多个串联在一起的节点。模式匹配成功的事实向后继节点继续传播。若事实满足该规则对于该事实类型的所有条件，则将模式匹配成功的结果保存在工作内存。不同规则的条件部分若存在同一事实类型的相同条件判断，则Rete算法可以实现节点共享，降低推理网络复杂性，提高计算效率。节点是双输入的节点，用来实现同一规则对于两类事实类型的模式匹配的连接，只有存在2类及以上事实类型条件判断的规则才有节点。其左输入数据通常为来自工作内存的事实列表（元组），右输入通常为来自工作内存的单个事实，节点对不同类型事实间的规则条件约束进行判别，若条件符合，则对两个事实对象进行连接操作，且图 3低电压问题的成因辨识规则Fig.3Cause identification rule for low-voltage problems供电半径过长导线截面过小无功补偿不足所接变低母线电压偏低馈线重过载台区供电半径过长低压线路截面过小三相不平衡无功补偿不足所接馈线未端低电压配变重过载中压馈线末端低电压配变台区低电压隐性问题同源问题隐性问题同源问题低电压问题图 4Rete 算法规则推理网络Fig.4Rule inference network of Rete algorithm内存内存内存Rete内存节点网络网络节点事实节点节点内存内存内存节点激活规则2议程激活规则1表 2 节点表达的馈线重过载问题判别规则子条件Tab.2Sub-condition of discriminant rule for feederoverload problem expressed by node 类型馈线馈线馈线馈线描述年最高负载率大于80%一个自然月最大累计重载次数大于3年最高负载率大于100%一个自然月最大累计过载次数大于3刘宝林等：规则引擎驱动的配电网问题诊断155第 35 卷将结果生成事实列表（元组）保存在工作内存，向后继节点继续传播。围绕配电网问题诊断的需求，本文提出节点表达的子条件。例如，馈线重过载问题的成因辨识规则采用节点进行表达，其子条件如表3所示。当事实传播到终端节点，说明事实已经符合某一规则的所有条件，因此，该规则被触发，添加至议程等待执行。Rete网络构建的具体执行流程如图5所示。3.2基于 Rete 网络的推理根据构建的Rete网络，模式匹配器对送入的描述配电网数据的事实和规则进行匹配。如果事实能传播到某个或多个终端节点，则对应的规则被触发并添加进议程；议程中的规则按照优先级顺序依次传输诊断命令至执行引擎，执行引擎收到命令后，按照规则的动作部分动作，若产生新的事实，则将其添加至事实库的工作内存，并重新进入Rete网络进行传播。重复这一过程，直到事实库的事实全部已进入规则网络模式匹配，规则引擎运行结束，最后将配电网问题汇总为配电网问题库。根据上述描述，具体的推理流程如图6所示。推理机使用Rete模式匹配算法实现逻辑推理的过程是动态进行的，推理会产生新的事实进入事实库，新的事实也会进入Rete网络进行进一步的推理。推理结束的依据是事实库的所有事实全部已进入规则网络进行模式匹配。利用Rete网络推理，可实现规则之间的公共部分的重复利用。在推理时保留模式匹配过程的全部临时结果，对于不同规则具有的相同模式，不需要重复匹配，具有快速的运算推理能力。4案例分析以某地区配电网数据为例进行案例分析，数据来源主要是配电网生产管理系统和计量自动化系统等，存储在数据库中。该地区全社会用电量4.67108kWh，共有110 kV变电站10座，变电总容量为350.5 MVA，该地区包含C类供电分区1个、D类供电分区8个、其他均为E类供电分区。区域内共有馈线53回，配变台区2 286个。鉴于配电网数表 3 节点表达的馈线重过载问题成因辨识规则子条件Tab.3Sub-condition of cause identification rule forfeeder overload problem expressed by node 类型过载馈线、导线截面偏小馈线过载馈线、供电半径过长馈线重载馈线、供电半径过长馈线重载馈线、供电半径过长馈线描述两者是同一馈线两者是同一馈线两者是同一馈线两者是同一馈线图 5Rete 网络构建的执行流程Fig.5Flow chart of execution of Rete networkconstruction开始创建一个根节点根据规则库涉及的事实类型创建相应的类型节点并连接到根节点上取一条配电网规划问题诊断规则根据所有子条件换取对应的类型节点针对单个子条件，建立集合A和集合B。符合节点的单个子条件放进集合A，符合节点的单个子条件放入集合B从集合A取出一个子条件从集合B取出一个子条件记录下节点位置创建对应的节点，同时根据节点建立内存表记录下节点位置创建对应的节点，同时根据节点建立内存表创建终端节点用于存储匹配的配电网规划问题，并将终端节点连接到对应的最后一个节点网络中是否存在对应的节点？网络中是否存在对应的节点？集合B是否为空？集合A是否为空？是否有规则未取出？结束是否是否是否是否是否图 6Rete 算法的推理流程Fig.6Flow chart of inference of Rete algorithm开始从事实库取出一个事实进入Rete规则网络进行模式匹配将匹配的规则添加至议程议程中的规则按照优光级顺序传输命令至执行引擎，执行引擎按照命令进行诊断将问题作为新事实放进事实库是否诊断出问题？事实库是否有事实未取出是否匹配？结束是否是否是否电 力 系 统 及 其 自 动 化 学 报156第 7 期据的保密性，配变、线路和变电站名称均以配变X、馈线X、变电站X的形式进行重命名。案例分析主要针对配电网的低电压问题、重过载问题的问题判别和问题成因查找。基于python的开源规则引擎函数包Pyke进行规则引擎开发，采用Rete模式匹配算法进行推理，并采用优先级策略解决规则冲突的问题。Pyke具有固定的事实表达格式和规则表达格式，因此，按照Pyke定义的事实编写模板整理数据库中的配网数据，形成事实库。构建配电网设备低电压、重过载问题的诊断规则库，形成包含问题的判别规则和问题成因的辨识规则共47条。执行规则引擎，诊断得到的配电网问题库，其中，典型的设备个体问题如表4所示，典型的同源问题如表5所示。由诊断结果可知，中压馈线层级共有2回馈线出现重载问题，1回馈线过载且末端低电压。配变层级共诊断出142个台区存在低电压问题，31台配变存在重载问题，13台配变存在过载问题，23台配变同时出现重载且低电压问题，10台配变同时出现过载且低电压问题。在诊断配电网存在问题的同时，也辨识了问题产生的原因，如主干线线径偏小、供电半径偏长、配变容量偏小等，辨识结果可有效指导规划方案的制定。规则引擎对系统性指标的诊断结果和人工统计结果的对比情况如表6所示。结果表明，基于规则引擎的配电网问题诊断系统的判断结果与传统人工统计的结果相符，能够精准实现配电网问题的查找，并辨识问题产生的原因，自动进行系统统计指标的计算分析，并完整构建配电网问题库，大大提高了配电网问题分析的时间，减少了配网技术人员的工作量，提高了配网规划的效率。而且，对于配电网问题诊断规则的修改，只需要更改规则库文件，不需要修改底层代码，避免了系统的重新编译、打包，使得规则引擎驱动的配电网问题诊断方法对于不同规划年、不同规划地区有较强的适应度。为了进一步验证规则引擎的计算能力和计算速度，通过改变配电网数据量，对规则引擎的运行时间进行测试，如图7所示。由图7可以看出，配电网问题诊断规则引擎的运行时间为秒级，且运行时间随着事实数的增加近似呈线性增长。这里的运行时间可分为两部分：推理时间和Rete网络建立时间，其中，推理时间随着事实数量、即所需分析数据量的改变而改变，而Rete网络建立时间恒定，不受事实数量的影响。这是由于Rete模式匹配算法的特点，极大减少了其运算过程中规则的重复匹配，运行耗时相对稳定。在实际的配电网问题诊断中，所涉及的配网设备类型多，所需分析的数据量庞大，如果采用人工处理方式，耗时费力。采用本文所提的规则引擎方表 4典型设备个体问题Tab.4Typical individual problems of equipment设备名称馈线3馈线12配变11配变17配变41所属变电站110 kV变电站A110 kV变电站A35 kV变电站D35 kV变电站D110 kV变电站B所属馈线馈线3馈线12馈线32馈线32馈线14供电分区CCCCC问题类型馈线重载馈线末端低电压配变台区低电压配变台区低电压配变台区低电压问题成因最大负载率87.15%。导线截面185 mm2，线径偏小。末端电压9.15 kV。馈线过载，最大负载率106.34%。供电半径6.3 km，过长。客户端电压 190V。低压线路供电半径过长，0.5 km。客户端电压188 V。低压线路供电半径过长，0.7 km。低压导线截面偏小，35 mm2。客户端电压187 V。低压导线截面偏小，35 mm2。表 5典型同源问题Tab.5Typical homology problems所属变电站110 kV变电站A110 kV变电站C110 kV变电站A110 kV变电站A35 kV变电站D所属馈线馈线12馈线23馈线6馈线12馈线32供电分区CCCCC问题类型馈线同时发生过载和末端低电压配变同时发生重载和低电压配变同时发生过载和低电压配变和所接馈线同时发生低电压同一馈线的多台配变同时低电压表 6规则引擎对系统性指标的诊断结果和人工统计结果Tab.6Diagnostic results of systematic indicators by ruleengine and manual statistics results引擎计算系统性指标馈线重载率馈线过载率馈线电压不合格率配变重载率配变过载率台区电压不合格率指标值/%3.771.891.891.360.576.21人工统计系统性指标馈线重载率馈线过载率馈线电压不合格率配变重载率配变过载率台区电压不合格率指标值/%3.771.891.891.360.576.21图 7规则引擎运行时间Fig.7Running time of rule engine6543210运行时间/s3 00012 000事实数9 0006 000刘宝林等：规则引擎驱动的配电网问题诊断157第 35 卷法进行诊断，即使事实数量达到千级甚至万级，仍能保证在秒级以内获得分析结果，可以有效提高配网数据分析的工作效率，极大降低规划人员的工作强度。5结论（1）从配电网规划目标、问题涉及范围和问题表现层级3个维度深入研究了配电网问题的识别、不同问题的关联关系与问题成因的查找，建立配网问题自动诊断的判别规则和问题成因的辨识规则，进行规则引擎编译，为配电网问题自动诊断提供依据。（2）基于Rete算法设计配电网问题诊断的规则引擎推理机，能够实现配电网问题的高效快速诊断，输出结果能充分反映配电网现状缺陷，极大降低规划人员的工作强度，提高配网规划工作效率。（3）实现引擎规则与推理组件、数据库分离，允许规划人员根据实际需要修改规则，诊断系统具有较高的实用性和推广性。参考文献：1张兴忠，杨罡，赵国伟（Zhang Xingzhong，Yang Gang，Zhao Guowei）.基于全域电力大数据的配电网现状自动诊断分析技术研究（Research on automatic diagnosisandanalysistechnologyofdistributionnetworkstatus basedon global large power data）J.电测与仪表（Electrical Measurement&Instrumentation），2019，56（16）：111-115.2杨 金 东.一 种 电 网 规 划 方 法 P.中 国 专 利：CN111861184A.3贺墨琳，徐常（He Molin，Xu Chang）.基于多源数据融合的配电网规划基础数据分析与应用平台研究（Research on basic data analysis and application platform ofdistribution network planning based on multi-source datafusion）J.电力大数据（Power Systems and Big Data），2018，21（12）：83-87.4吴豫，李小明，董智，等.一种基于多数据源的配电网问题梳理分析方法及系统P.中国专利：CN114168662A.5刘洋宇，黄安子，张云翔，等.一种基于大数据驱动的配电网问题智能诊断方法P.中国专利：CN112485593B.6苏慧玲，杨世海，陈铭明（Su Huiling，Yang Shihai，ChenMingming）.考虑源荷互动的综合能源社区分布式优化（Distributed optimization of integrated energy communityconsidering source-load interaction）J.电力系统及其自动 化 学 报（Proceedings of the CSU-EPSA），2021，33（11）：37-43.7陈碧云，丁晋，陈绍南（Chen Biyun，Ding Jin，Chen Shao-nan）.基于关联规则挖掘的电力生产安全事故事件关键诱因筛选（Selection of key incentives for power production safety accidents based on association rule mining）J.电力自动化设备（Electric Power Automation Equipment），2018，38（4）：68-74.8佟佳弘，武志刚，管霖，等（Tong Jiahong，Wu Zhigang，Guan Lin，et al）.电力调度文本的自然语言理解与解析技术及应用（Power dispatching text analysis and application based on natural language understanding）J.电网技术（Power System Technology），2020，44（11）：4148-4156.9Chen C S，Lin C H，Ku T T，et al.Rule-based expert system for service restoration in distribution automation systemsC/IEEE International Conference on Power SystemTechnology.Auckland，New Zealand，2012.10 李穆，文正其，向冬冬，等（Li Mu，Wen Zhengqi，XiangDongdong，et al）.基于Drools的变压器故障诊断专家系统（Transformer fault diagnosis expert system based ondrools）J.水电能源科学（Water Resources and Power），2015，33（9）：188-191.11 李再华，白晓民，周子冠，等（Li Zaihua，Bai Xiaomin，Zhou Ziguan，et al）.基于特征挖掘的电网故障诊断方法（Method of power grid fault diagnosis based on featuremining）J.中 国 电 机 工 程 学 报（Proceedings of theCSEE），2010，30（10）：16-22.12 王刘旺，周自强，林龙，等（Wang Liuwang，Zhou Ziqiang，Lin Long，et al）.人工智能在变电站运维管理中的应用综述（Review on artificial intelligence in substation operation and maintenance management）J.高 电 压 技 术（High Voltage Engineering），2020，46（1）：1-13.13 周二专，冯东豪，冯长有，等（Zhou Erzhuan，Feng Donghao，Feng Changyou，et al）.面向电网在线分析的复杂事件处理引擎研发（Research and development of complex event processing engine for power grid online analysis）J.电力系统自动化（Automation of Electric PowerSystems），2019，43（20）：105-113，122.14 龙苏岩，张显，杨争林，等（Long Suyan，Zhang Xian，Yang Zhenglin，et al）.基于构件库的柔性电能结算方法（A component library based flexible electricity settlementmethod）J.电力系统自动化（Automation of ElectricPower Systems），2013，37（14）：89-94.15 陈明，潘赟，王文娟（Chen Ming，Pan Yun，Wang Wenjuan）.基于Activiti和Drools的水产养殖自动决策流程管理系统（Process management system of automatic decision making for aquaculture based on activiti and drools）J.农业工程学报（Transactions of the Chinese Society ofAgricultural Engineering），2018，34（24）：192-200.16 吴义忠，王运峰，刘宇（Wu Yizhong，Wang Yunfeng，LiuYu）.基于Drools的告警根因系统的研究（Research onthe system of root alarm based on Drools）J.科学技术与工 程（Science Technology and Engineering），2015，15电 力 系 统 及 其 自 动 化 学 报158第 7 期（10）：200-203.17 刘永，李子扬，窦帅，等（Liu Yong，Li Ziyang，Dou Shuai，et al）.基于规则引擎的通讯卫星应急任务调度（Communication satellite emergency task scheduling based onrule engine）J.计算机工程与设计（Computer Engineering and Design），2020，41（1）：271-277.18 师艳辉，庄越挺，施坚强（Shi Yanhui，Zhuang Yueting，Shi Jianqiang）.基于JAVA的业务规则管理系统设计和开 发（Design and development of java-based businessrule management system）J.计算机应用与软件（Computer Applications and Software），2006，23（1）：15-16，19.19 任海铭，韩忠华（Ren Haiming，Han Zhonghua）.基于规则引擎的生产调度系统设计（Designing rule engine-based production scheduling system）J.计算机应用与软件（Computer Applications and Software），2013，30（5）：90-91，114.20 祖向荣，白焰，阳建坤（Zu Xia