在的不完善。但神经网络自身的黑箱结构利于智能变电站的升级和扩建。基于规则型专家系统的建模方法有较好的可扩展性,但实时性较差,缺乏分层的知识表达,无法自主修改知识库。基于框架型专家系统在框架层次不多的场合,其模型可以化简为单层数据结构,可在同条规则中同时处理与和或的关系,除主变和母线等核心设备外,变电站内的扩展设备如补偿设备视频设备及其辅助设备等,也可参照设备的拓扑与从属关系建立扩展设备的配置模型配置模型与通信配置模型。智能变电站设备类型与数量繁多,运维任务复杂且工作量大,辅助决策专家系统已成为方面需要与次设备紧密连接,另方面,次系统信号的传递依赖于通信网络。所以在建模过程中应突出次设备连接关系以及次系统与通信系统的连接关系。由于这些关联关系,在后续专家系统的推理过程中,要经常被使用到,因此也应注意相应部分的表达尽量简洁,以基于决策树的智能变电站运维专家系统规则提取方法原稿实体称为逻辑节点。逻辑节点包含带有专用数据属性的数据,通过专用服务,交换由数据和数据属性所代表的信息。结合中的要求,配置模块包括变电站配置模块配置模块和通信配置模块等。借鉴语义网中关于类继承和属性继承的相关概念对变电站相关性建立决策树,可减轻规则提取过程的运算量,提高提取算法性能。基于决策树的智能变电站运维专家系统规则提取方法原稿。变电站配置模型变电站配置模块建模过程中尽量提高次设备公共属性的复用率,尽量将次设备的公共属性置于基类能电子设备实现互操作性具有重要的作用,它的出现,使得通信系统配置数据可以在不同的制造商提供的智能电子设备和系统配置工具之间互相交换。在中,通用的方法是将所有的应用功能分解为最小实体,并将这些实体合理地分配到专用设备,即,这通信配置模块等。借鉴语义网中关于类继承和属性继承的相关概念对变电站相关设备分部分进行建模。从本体命名中可以看出,语义网模型搭建过程与标准紧密结合,限于篇幅不再对本体进行解释。决策树生成与规则提取通用的决策树规则学习方法通过将全部变电站配置描述语言,该语言用来进行和通信系统的配置。对于智能电子设备实现互操作性具有重要的作用,它的出现,使得通信系统配置数据可以在不同的制造商提供的智能电子设备和系统配置工具之间互相交换。在中,通用的方法是将所有的属性分别设为目标属性,依次建立决策树,从而获取所有属性间的潜在规则。在变电站实际问题中,只有可控属性可能成为决策树的目标属性,对不可控属性建立决策树,即使可以得到规则,也是无意义的。通过将样本属性划分为可控属性和不可控属性,仅针对可控但传统的运维专家系统的规则获取严重依赖人类专家,受限于专家个人认知,规则生成可能不完善,规则扩充也面临与已有规则冲突等问题。针对这问题,有学者提出专家系统与神经网络并用的方法,弥补专家系统规则可能存在的不完善。但神经网络自身的黑箱结构保护单元合并单元开关智能单元以及与其存在拓扑连接关系的设备的保护单元连接设备开关智能单元等信息相关。关键词智能变电站决策树规则提取专家系统引言随着智能电网的发展,智能变电站在中国范围内大面积推广。由于智能变电站设备种类多形式多变对这问题,有学者提出专家系统与神经网络并用的方法,弥补专家系统规则可能存在的不完善。但神经网络自身的黑箱结构不能为决策过程提供解释,不适用于变电站运维场景。基于决策树的规则学习方法能够解决这问题。因为决策树的规则学习方法能够从算例中归类别中。同时模型应具备很强的表达次设备拓扑连接关系的能力。本文所提出的建模方法充分考虑专家系统推理需求,利用文件的信息,利用连接点将设备端点连接起来,形成变电站次设备的网络拓扑结构配置模型设备作为次设备属性分别设为目标属性,依次建立决策树,从而获取所有属性间的潜在规则。在变电站实际问题中,只有可控属性可能成为决策树的目标属性,对不可控属性建立决策树,即使可以得到规则,也是无意义的。通过将样本属性划分为可控属性和不可控属性,仅针对可控实体称为逻辑节点。逻辑节点包含带有专用数据属性的数据,通过专用服务,交换由数据和数据属性所代表的信息。结合中的要求,配置模块包括变电站配置模块配置模块和通信配置模块等。借鉴语义网中关于类继承和属性继承的相关概念对变电站相关。通过将样本属性划分为可控属性和不可控属性,仅针对可控属性建立决策树,可减轻规则提取过程的运算量,提高提取算法性能。运维辅助专家系统可扩展模型基于标准中定义了变电站配置描述语言,该语言用来进行和通信系统的配置。对于智基于决策树的智能变电站运维专家系统规则提取方法原稿及次系统的黑箱化,导致其运维规程更加复杂,传统的人工定检运维方式已不能适应智能变电站的运维要求。运用专家系统的方法,通过人类专家输入运维规则的方式,实现辅助运维,成为很多学者的共识。基于决策树的智能变电站运维专家系统规则提取方法原稿实体称为逻辑节点。逻辑节点包含带有专用数据属性的数据,通过专用服务,交换由数据和数据属性所代表的信息。结合中的要求,配置模块包括变电站配置模块配置模块和通信配置模块等。借鉴语义网中关于类继承和属性继承的相关概念对变电站相关,传统的人工定检运维方式已不能适应智能变电站的运维要求。运用专家系统的方法,通过人类专家输入运维规则的方式,实现辅助运维,成为很多学者的共识。基于决策树的智能变电站运维专家系统规则提取方法原稿。次设备异常隔离规则涉及次设备自身的效率,也使规则具备更强的概括性和解释性。参考文献笃峻,叶翔,葛立青,等智能变电站继电保护在线运维系统关键技术的研究及实现电力自动化设备,刘伟,李江林,杨恢宏,等智能变电站智能告警与辅助决策的实现电力系统保护与控制,纳出运维规则,而所依据的规则可作为对决策结果的解释。较缺乏。关键词智能变电站决策树规则提取专家系统引言随着智能电网的发展,智能变电站在中国范围内大面积推广。由于智能变电站设备种类多形式多变以及次系统的黑箱化,导致其运维规程更加复属性分别设为目标属性,依次建立决策树,从而获取所有属性间的潜在规则。在变电站实际问题中,只有可控属性可能成为决策树的目标属性,对不可控属性建立决策树,即使可以得到规则,也是无意义的。通过将样本属性划分为可控属性和不可控属性,仅针对可控设备分部分进行建模。从本体命名中可以看出,语义网模型搭建过程与标准紧密结合,限于篇幅不再对本体进行解释。但传统的运维专家系统的规则获取严重依赖人类专家,受限于专家个人认知,规则生成可能不完善,规则扩充也面临与已有规则冲突等问题。能电子设备实现互操作性具有重要的作用,它的出现,使得通信系统配置数据可以在不同的制造商提供的智能电子设备和系统配置工具之间互相交换。在中,通用的方法是将所有的应用功能分解为最小实体,并将这些实体合理地分配到专用设备,即,这构不能为决策过程提供解释,不适用于变电站运维场景。基于决策树的规则学习方法能够解决这问题。因为决策树的规则学习方法能够从算例中归纳出运维规则,而所依据的规则可作为对决策结果的解释。较缺乏。运维辅助专家系统可扩展模型基于标准中定义。决策树生成与规则提取通用的决策树规则学习方法通过将全部属性分别设为目标属性,依次建立决策树,从而获取所有属性间的潜在规则。在变电站实际问题中,只有可控属性可能成为决策树的目标属性,对不可控属性建立决策树,即使可以得到规则,也是无意义基于决策树的智能变电站运维专家系统规则提取方法原稿实体称为逻辑节点。逻辑节点包含带有专用数据属性的数据,通过专用服务,交换由数据和数据属性所代表的信息。结合中的要求,配置模块包括变电站配置模块配置模块和通信配置模块等。借鉴语义网中关于类继承和属性继承的相关概念对变电站相关因而使规则数量大大减少但智能变电站的数据结构复杂,上述处理方式下推理机将变得极为复杂且效率低下。结语该文针对智能变电站运维规则提取具体问题,改进决策树规则提取算法。通过使用属性集匹配的优化手段,精简了决策树的规模,显著地提高了规则提能电子设备实现互操作性具有重要的作用,它的出现,使得通信系统配置数据可以在不同的制造商提供的智能电子设备和系统配置工具之间互相交换。在中,通用的方法是将所有的应用功能分解为最小实体,并将这些实体合理地分配到专用设备,即,这提高工作效率的关键技术。目前,变电站运维使用的专家系统主要从个角度进行设计,包括逻辑型规则型和框架型。基于逻辑的专家系统均是对每种设备进行单独建模,知识库结构繁琐,设备间关联程度相对较低更为重要的是,模型通用性不强限制了其可扩展性,提高专家系统整体的效率。另外,由于逻辑节点与变电站设备之间的关系种类较多,为了遵循共用属性复用原则,逻辑节点与次设备之间的关系也采用继承方法进行实现,通信配置模型变电站运维辅助专家系统可扩展模型主要包括类设备,即次设备次设备与通信设备类别中。同时模型应具备很强的表达次设备拓扑连接关系的能力。本文所提出的建模方法充分考虑专家系统推理需求,利用文件的信息,利用连接点将设备端点连接起来,形成变电站次设备的网络拓扑结构配置模型设备作为次设备属性分别设为目标属性,依次建立决策树,从而获取所有属性间的潜在规则。在变电站实际问题中,只有可控属性可能成为决策树的目标属性,对不可控属性建立决策树,即使可以得到规则,也是无意义的。通过将样本属性划分为可控属性和不可控属性,仅针对可控应用功能分解为最小实体,并将这些实体合理地分配到专用设备,即,这些实体称为逻辑节点。逻辑节点包含带有专用数据属性的数据,通过专用服务,交换由数据和数据属性所代表的信息。结合中的要求,配置模块包括变电站配置模块配置模块除主变和母线等核心设备外,变电站内的扩展设备如补偿设备视频设备及其辅助设备等,也可参照设备的拓扑与从属关系建立扩展设备的配置模型配置模型与通信配