Содержание к диссертации
Введение
1. Исследование проблемы поддержки принятия решений в процессе управления региональной энергосистемой в аварийных ситуациях 12
1.1. Актуальность проблемы поддержки принятия решений в процессе оперативно-диспетчерского управления региональной энергосистемой 12
1.2. Существующие методы автоматизации управления энергосистемой аварийных ситуациях 25
1.3. Анализ проблем и существующих подходов к интеллектуальному управлению региональной энергосистемой в аварийных ситуациях 37
Выводы по 1 главе 49
2. Модели извлечения и представления знаний для организации поддержки принятия решений диспетчером в процессе управления региональной энергосистемой 50
2.1. Моделирование и интеллектуальный анализ данных о процессе оперативно-диспетчерского управления региональной энергосистемой
2.2. Интеллектуальный анализ данных процесса оперативно-диспетчерского управления региональной энергосистемой 64
2.3. Построение математической модели оптимального перераспределения энергетических потоков 85
Выводы по 2 главе
Алгоритмы для поддержки принятия решений диспетчера региональной энергосистемы 95
3.1. Разработка структуры базы знаний 95
3.2. Алгоритм поиска ближайших прецедентов аварийных ситуаций ... 101
3.3. Методика проектирования экспертной системы для организации поддержки принятия решений диспетчера 107
3.4. Разработка структуры экспертной системы 112
Выводы по 3 главе 113
Организация поддержки принятия решений в процессе управления региональной энергосистемой в аварийных ситуациях 114
4.1. Выбор инструментальных средств реализации экспертной системы 114
4.2. Разработка модулей прототипа экспертной системы 117
4.3. Организация коллективной работы при принятии решений в процессе оперативно-диспетчерского управления 125
4.4. Оценка эффективности использования экспертной системы для поддержки принятия решений при управлении региональной энергосистемой в аварийных ситуациях 132
Выводы по 4 главе 137
Заключение 138
Список использованной литературы 140
Приложения 152
- Актуальность проблемы поддержки принятия решений в процессе оперативно-диспетчерского управления региональной энергосистемой
- Интеллектуальный анализ данных процесса оперативно-диспетчерского управления региональной энергосистемой
- Алгоритм поиска ближайших прецедентов аварийных ситуаций
- Разработка модулей прототипа экспертной системы
Введение к работе
АКТУАЛЬНОСТЬ.
Обеспечение надежного функционирования топливно-энергетического комплекса (ТЭК) и гарантированного топливо- и энергоснабжения потребителей является необходимым условием энергетической безопасности региона. Основу ТЭК составляют региональные энергосистемы, представляющие собой сложные технические объекты с сетевой, территориально-распределенной структурой, объединенные в Единую энергосистему (ЕЭС) России и связанные общностью режима работы. Технологические особенности энергетических систем предопределяют необходимость единого управления энергосистемой, поэтому в каждой энергосистеме организовано круглосуточное диспетчерское управление. Схемы построения сетей и объектов электроэнергетики России обеспечивают надежное резервирование энергоснабжения крупных городов, важных объектов транспортной инфраструктуры, государственных учреждений и объектов, обеспечивающих безопасность государства. Применяемые в магистральных сетях системы противоаварийной автоматики позволяют быстро и эффективно локализовать возможные нарушения в электроснабжении и оперативно восстанавливать его. Все это в совокупности с существующей системой иерархического диспетчерского управления, наличием автоматизированных систем диспетчерского управления (АСДУ), а также системой взаимодействия всех звеньев управления в аварийных ситуациях (АС) не позволяет локальным нарушениям в ЕЭС России развиться до масштабов общесистемных аварий.
Вместе с тем, отмечается рост напряженности работы энергосистем, проблемы с энергоресурсами, неплатежи энергопотребителей, постоянно увеличивающийся процесс физического износа и морального старения энергооборудования, которые наряду с традиционными возмущающими воздействиями внешней среды, неопределенностью информации о состоянии объекта управления, а также дефицитом времени для принятия решений, являются причиной увеличения числа аварийных ситуаций в энергетике. Эти
„ факторы обусловливают дополнительную нагрузку на персонал и влекут за
*ш собой ошибки управляющих, что также увеличивает вероятность
* возникновения аварийных ситуаций. Проведенные исследования показали, что
»'
в энергетике доля АС, возникающих по вине оперативного персонала,
составляет около 20 % от общей доли АС, возникающих по причине
человеческого фактора. Несвоевременное принятие мер по предотвращению и
ликвидации АС в энергетике приводит не только к порче, останову и простою
генерирующего оборудования, материальному ущербу, но и к человеческим
жертвам. Поэтому управляющему необходимо оказывать информационную
поддержку принятия решений в процессе оперативно-диспетчерского
управления энергосистемой, особенно во время предотвращения и ликвидации
аварийных ситуаций, на основе использования накопленных знаний и опыта.
^ посвящены работы Поспелова Г.Е., Керного В.В., Овчаренко Н.И.,
к Баринова В А., Совалова С.А., Исмагилова Ф.Р., Гусева Ю.М. и других ученых,
где достигнуты значительные результаты в области автоматизации
технологических процессов энергопроизводства, передачи и распределения
электрической и тепловой энергии. Вопросам повышения эффективности
управления, автоматизации и поддержки принятия решений, в том числе и с
использованием методов искусственного интеллекта, уделено внимание в
^ трудах Мамиконова А.Г., Глушкова В.М., Кульбы В.В., Юсупова И.Ю.,
,^ Вагина В.Н., Попова Э.В., Поспелова Д.А., Трахтенгерца Э.А.,
Гавриловой Т.А., Галушкина А.И., Вендрова A.M., Лескина А.А., а также
зарубежных ученых Элти Дж., Уотермена Д., Джексона П., Саати Т.
Осовского С. и других.
Вместе с тем, наблюдается некоторое отставание в развитии класса
- систем поддержки принятия решений с использованием знаний и накопленного
опыта управляющих. Поэтому построение экспертной системы для оказания
информационной поддержки принятия решений управляющему с целью
8 повышения эффективности оперативно-диспетчерского управления региональной энергосистемой является своевременной и актуальной задачей.
Решаемые в диссертационной работе вопросы являются составной частью исследований, проведенных по следующим темам: «Модели системного анализа деятельности предприятий республики Башкортостан с целью их реформирования на новой экономической и технологической основе» по заказу Минобразования РФ в рамках гранта РФФИ по реализации целевой программы «Государственная поддержка региональной научно-технической политики высшей школы и развитие ее научного потенциала», договор на научно-исследовательскую работу № ИФ-РЭ-56-00-ПГ; «Разработка системы электронного документооборота», проводимых совместно с ОАО «Башкирэнерго» в рамках договора № ИФ-АС-10-00-ХГ; «Программа развития основных отраслей топливно-энергетического комплекса РБ на период до 2006 г.» в рамках разработки стратегии развития топливно-энергетического комплекса РБ, принятой постановлением Кабинета Министров РБ № 2 от 03.01.2002 г.
ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ.
Целью настоящей работы является разработка моделей и алгоритмов информационной поддержки принятия решений для повышения эффективности оперативно-диспетчерского управления региональной энергосистемой в аварийных ситуациях на основе инженерии знаний.
Для достижения этой цели в работе поставлены следующие основные задачи:
Разработка комплекса моделей процесса оперативно-диспетчерского управления региональной энергосистемой в аварийных ситуациях с использованием стандарта методологии объектно-ориентированного анализа и моделирования.
Разработка структуры базы знаний экспертной системы на основе результатов моделирования процесса оперативно-диспетчерского управления и
интеллектуального анализа прецедентов аварийных ситуаций в едином информационном пространстве.
Разработка модели оптимизации перераспределения энергопотоков для восстановления энергоснабжения в процессе ликвидации аварийных ситуаций.
Разработка алгоритма формирования рекомендаций по поддержке принятия решений в процессе оперативно-диспетчерского управления региональной энергосистемой в аварийных ситуациях на основе базы знаний.
Разработка методики построения экспертной системы для оказания поддержки принятия решений в процессе оперативно-диспетчерского управления региональной энергосистемой в аварийных ситуациях, а также разработка программных средств для ее практической реализации.
Исследование эффективности информационной поддержки принятия решений в процессе оперативно-диспетчерского управления региональной энергосистемой в аварийных ситуациях методом имитационного моделирования.
МЕТОДЫ ИССЛЕДОВАНИЯ.
В работе использовались принципы и методы системного анализа, методологии объектно-ориентированного анализа и моделирования информационных систем, теории принятия решений, интеллектуального анализа данных, искусственного интеллекта, математического программирования, моделирования сетевых структур.
НАУЧНАЯ НОВИЗНА.
1. Новизна структуры базы знаний экспертной системы состоит в интеграции различных форм представления знаний в едином информационном пространстве, организованном предметно-ориентированным тезаурусом. Интеграция различных моделей представления знаний на основе тезауруса позволяет сохранить целостность знаний в процессе приобретения, обработки и
10 представления знаний и обеспечивает гибкость и непротиворечивость базы знаний экспертной системы.
Новизна оптимизационной модели перераспределения энергопотоков при реализации сценария восстановления энергоснабжения состоит в применении модифицированного метода потенциалов для формирования линейной комбинации множества оптимальных решений и выборе окончательного решения в соответствии с дополнительно заданным критерием.
Научная новизна предложенной методики построения экспертной системы заключается в использовании результатов объектно-ориентированного анализа и моделирования процесса оперативно-диспетчерского управления региональной энергосистемой в аварийных ситуациях и интеллектуального анализа прецедентов аварийных ситуаций на этапе концептуализации знаний о предметной области.
ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ.
Разработанный комплекс UML-моделей процесса оперативно-диспетчерского управления региональной энергосистемой в аварийных ситуациях, который может использоваться для совершенствования инструкции по предотвращению и ликвидации аварийных ситуаций и для обучения оперативно-диспетчерского персонала энергосистемы.
Предложенная методика построения экспертной системы для информационной поддержки принятия решений в аварийных ситуациях, позволяющая диспетчеру оперативно реагировать на ситуацию, возникшую в энергосистеме, и принимать решение как на основе правил, предусмотренных инструкцией, так и на основе прецедентов.
Разработанное программное обеспечение для информационной поддержки деятельности диспетчера, обеспечивающее сокращение времени ликвидации аварийных ситуаций в среднем на 18 %.
Основные результаты диссертационной работы внедрены в Башкирском открытом акционерном обществе энергетики и электрификации
«Башкирэнерго» в виде программного обеспечения прототипа экспертной системы для информационной поддержки принятия решений диспетчера в процессе оперативно-диспетчерского управления энергосистемой, используемой в качестве тренажера. Кроме того, результаты работы внедрены в учебный процесс Уфимского государственного авиационного технического университета и изложены в методических указаниях к практическим занятиям.
АПРОБАЦИЯ РАБОТЫ.
Результаты работы представлены на следующих конференциях: «Гагаринские чтения» (XXV Международная молодежная научная конференция, г.Москва, 1999г.); «Интернет и современное общество» (II Всероссийская научно-методическая конференция, г. Санкт-Петербург, 1999 г.); «Интеллектуальные системы управления и обработки информации» (Международная молодежная научно-техническая конференция, г. Уфа, 1999 г.); «Системный анализ в проектировании и управлении» (Международная научно-практическая конференция, г. Санкт-Петербург, 2000 г., 2001 г.); «Компьютерные науки и информационные технологии - CSIT» (Международный симпозиум, г. Уфа, 2001 г., 2003 г.); «Проблемы прогнозирования, предупреждения и ликвидации последствий : ЧС» (Всероссийская научно-практическая конференция г. Уфа, 2002 г.).
ПУБЛИКАЦИИ.
Основные результаты исследований по теме диссертации опубликованы и непосредственно отражены в 20 публикациях по теме диссертации, в том числе в 8 статьях, 9 тезисах докладов и трудах конференций, 3 свидетельствах об официальной регистрации программ для ЭВМ, а также методических указаниях и депонированном научно-техническом отчете.
Актуальность проблемы поддержки принятия решений в процессе оперативно-диспетчерского управления региональной энергосистемой
Управление большими техническими системами в реальном времени в силу их сложности и динамичности всегда представляло и представляет сложную нетривиальную задачу. Эта задача еще более усложняется при управлении объектами с сетевой структурой, такими как энергосистемы, вычислительные сети, объекты жилищно-коммунального хозяйства и др.
Энергетика характеризуется капиталоемкостью, сложностью технологических процессов производства, передачи, распределения и реализации электрической и тепловой энергии, высокими требованиями качества и эффективности энергоснабжения. Основу современной энергетики составляют большие системы (энергосистемы и их объединения), оптимальное управление которыми превращается в важную научную и практическую проблему.
Электроэнергосистема (ЭЭС) представляет собой совокупность источников и потребителей электроэнергии, объединенных единой сетью передачи и преобразования электроэнергии. Основными источниками являются тепловые, гидравлические и атомные электростанции. Основными элементами сети передачи и преобразования электроэнергии являются линии электропередачи (ЛЭП) и трансформаторные подстанции, преобразующие напряжение в сети.
Основным назначением электроэнергетической системы является обеспечение надежного снабжения потребителя электроэнергией требуемого качества и в необходимом количестве при минимально возможных затратах. Обеспечение энергетической безопасности страны является необходимым условием поддержания требуемого уровня национальной и экономической безопасности на основе эффективного использования топливно-энергетического потенциала страны. Важнейшей задачей обеспечения энергетической безопасности является создание необходимых условий для надежного функционирования топливно-энергетического комплекса и гарантированного топливо- и энергоснабжения потребителей. Технологические особенности энергетических систем, и в первую очередь тесная взаимосвязь между отдельными ее элементами, предопределяют необходимость единого управления энергосистемой. Поэтому в каждой энергосистеме должно быть организовано круглосуточное диспетчерское управление. В самом общем виде цель диспетчерского управления энергообъединением состоит в обеспечении бесперебойной, надежной и экономичной работы объединения с учетом указаний ЦПУ ЕЭС России. Диспетчер обеспечивает согласованную работу всего комплекса энергосистемы, бесперебойность энергоснабжения потребителей и надежность работы всей системы. ЦДС подчиняется непосредственно главному инженеру ОАО, а в оперативном отношении - Объединенному диспетчерскому управлению энергосистемами Урала (ОДУ Урала РАО «ЕЭС России»). Цель деятельности НДС - обеспечить: 1) согласованную работу электростанций и сетей в энергосистеме; 2) выполнение графика нагрузки, задаваемого ОДУ Урала РАО «ЕЭС России»; 3) бесперебойность энергоснабжения потребителей и надежность работы всей энергосистемы и отдельных ее элементов; 4) качество энергии - частоту и напряжение электрического тока; 5) экономичность работы энергосистемы в целом при рациональном использовании энергоресурсов и соблюдении заданных графиков нагрузки. В работе рассматриваются процессы управления региональной энергосистемой на примере ОАО «Башкирэнерго» [10, 60, 96]. В Республике Башкортостан предприятием, обеспечивающим электроэнергией юридических и физических лиц, является Открытое акционерное общество энергетики и электрификации «Башкирэнерго». Акционерное общество «Башкирэнерго» является крупным промышленным предприятием, имеющим сложную иерархическую структуру. В свою очередь, энергосистема входит в состав Объединенной энергосистемы (ОЭС) Урала и взаимодействует с Челябинской, Пермской, Оренбурской, Татарской Удмуртской и Свердловской энергосистемами. Функцию оперативного принятия решения в ЦДС осуществляет диспетчер. Именно диспетчер непосредственно занимается оперативным управлением энергосистемы и отвечает за надежность и эффективность J функционирования региональной энергосистемы, в частности за предотвращение и ликвидацию аварийных ситуаций (АС) на энергообъектах, находящихся в введении или подчинении ЭЭС («Башкирэнерго»). Управление энергосистемой осложняется рядом факторов, связанных с к особенностями организации, функционирования и состояния энергосистемы, которые вносят дополнительные сложности в процесс управления данным объектом. К ним относятся следующие факторы: 1. Энергоснабжение есть сложный, непрерывный в пространстве и времени процесс, осуществляемый в режиме реального времени. Существенными особенностями энергоснабжения являются чрезвычайно » быстрое развитие процесса (миллисекундном диапазоне времени) в электрических цепях и невозможность запасать электроэнергию на длительное время, например, на случай аварии на электростанции. Электроэнергия должна 5 производиться в тот момент, когда потребляется; 2. Энергосистема имеет сложную распределенную, гетерогенную структуру; в случае аварийной ситуации часто возникает необходимость решения специфической задачи оценки топологии сети и анализ, как возникшие в аварийной ситуации изменения влияют на работу системы. Отсюда следует необходимость решения задач маршрутизации и перераспределения энергетических потоков. Знания и опыт, накопленные при эксплуатации таких систем, весьма важны для разработки концептуального подхода к решению проблем управления сложными динамическими сетевыми системами в аварийных ситуациях;
Интеллектуальный анализ данных процесса оперативно-диспетчерского управления региональной энергосистемой
Кроме сценария поведения каждого объекта системы необходимо точно представлять взаимодействие этих объектов между собой, определение источников и принимающих сообщения и порядка обмена сообщений между ними. Диаграммы взаимодействия представляют взаимодействие между объектами во времени, порядок обмена сообщениями, а также отношения объектов друг к другу.
Определив роль человека-оператора в управлении сложными динамическими системами и роль технических средств (программное и аппаратное обеспечение) и соответствующие им действия по выполнению функций управления можно использовать затем построенные модели в качестве электронных инструкций.
Эта диаграмма показывает взаимодействие между объектами, а не классами, то есть является мгновенным снимком объектов системы в некотором состоянии. Ведь объекты, в отличие от созданных на этапе проектирования классов, создаются и уничтожаются на всем протяжении работы программы. И в каждый момент имеется конкретная группа объектов, с которыми осуществляется работа. В связи с этим появляются такие понятия, как время жизни и область видимости объектов.
Диаграмма компонентов показывает организацию и взаимосвязи программных компонентов, представленных в исходном коде, двоичных или выполняемых файлах. Диаграмма размещения (топологии) анализирует аппаратную часть системы. При помощи данной системы производится анализ необходимой аппаратной конфигурации, на которой будут работать отдельные процессы системы, и описать их взаимодействие между собой и другими аппаратными устройствами.
Объектно-ориентированная модель предметной области, отражающая процесс управления энергосистемой диспетчером приведена в Приложении 1.
Модель предметной области выступает как основной язык общения всех специалистов, участвующих в процессе обследования и разработки системы, обеспечивает выработку единого понимания цели проектирования и функций, возлагаемых на систему. В процессе построения модели субъективные суждения и оценки экспертов, сделанные с различных точек зрения, проходят тщательную проверку и обобщаются, таким образом задается контекст (информационное пространство) рассматриваемой предметной области. Создание модели позволяет установить единый регламент управления процессом и сформировать необходимые данные для интеллектуальной информационной поддержки пользователей. Кроме моделей предметной области осуществляется построение метамоделей, отражающие структуру и особенности функционирования ЭС.
Диаграмма классов удобна для описания как предметной области (производственных систем), так и информационной системы, программного обеспечения. Однако, модель классов программного обеспечения не является развитием модели классов предметной области. Эти модели состоят из принципиально различных классов, существующих в разных мирах - реальной жизни и компьютерной программе [132].
Согласно объектному подходу предметная область процесса управления РЭС в аварийных ситуациях содержит прецеденты С,- конкретные объекты реального процесса, которые связаны отношениями обобщения (класс прецедентов - прецедент) зависимости (признак - мера сходства) и ассоциации (концепт - прецедент). Пример диаграммы классов, моделирующей структуру базы прецедентов аварийных ситуаций, приведен на рис. 2.5.
Многообразие имеющихся модельных (графических) представлений в UML (статические концептуальные и логические модели, динамические модели поведения, физические модели системы) позволяет достаточно подробно описать регламент процесса управления энергосистемой, однако они не позволяют в полной мере отразить семантику процесса управления, необходимую для построения концептуальной модели представления знаний. Также в силу специфики рассматриваемой предметной области существует многообразие различных вариантов реального развития аварийных ситуаций, которое нельзя отобразить с помощью одной или даже нескольких альтернативных диаграмм. Кроме того, для формализации представления знаний требуется более широкий спектр выразительных возможностей для описания , отношений между объектами, кроме поддерживаемых UML отношений зависимости, ассоциации, обобщения и реализации. Таким образом, 00 модели не ориентируют на построение структуры БЗ и на разработку информационно-поискового тезауруса, используемого при поиске аналогичных прецедентов в базе знаний.
Таким образом, представленные выше результаты моделирования процесса управления РЭС в АС, являются промежуточными при выявлении и разработке моделей представления знаний и должны подвергаться последующей обработке с использованием методов технологии искусственного интеллекта, в частности, интеллектуального анализа данных {Data Mining).
Разработанные модели, хотя и отражают последовательность поиска аналогичных прецедентов, объекты, участвующие в этом, но все же сам алгоритм поиска инкапсулирован в сущности «объект» в виде метода, реализация которого зависит от конкретных данных (условий и т.п.).
Поэтому для выявления и более полного представления знаний об исследуемой предметной области, а также для разработки структуры и наполнения базы знаний предложено интегрировать системное (объектно-ориентированное) моделирование и методы интеллектуального анализа данных (информационного пространства) предметной области.
Алгоритм поиска ближайших прецедентов аварийных ситуаций
Для продукционной модели представления знаний существует целый ряд оболочек ЭС со встроенным механизмом логического вывода. Для прецедентов же необходимо разработать алгоритм поиска аналогичного прецедента.
Подход к поиску решений в базе прецедентов основан на принципе аналогии (CBR). Аналогия - это вывод подобного заключения, если справедливы подобные предпосылки [59, 113, 123]. Поскольку CBR - это вывод аналогичного прецедента, то встает вопрос об определении аналогии и поиска аналогичного прецедента.
Наиболее часто в существующих СЖ-системах для поиска прецедентов используется «метод ближайшего соседа», в соответствии с которым выбирается перечень атрибутов описания аварийных ситуаций, и вычисляется мера сходства между описываемой ситуацией и прецедентами, хранящимися в базе знаний прецедентов. Однако метод ближайшего соседа характеризуется низким быстродействием, так как требует сопоставления описания текущей ситуации, представленного в запросе пользователя sit с каждым прецедентом case CaseBased из базы знаний.
Учитывая, что процесс управления в АС осуществляется при дефиците времени, очень важно избежать увеличения времени при поиске и выборе управляющего решения.
Поиск решения в аварийной ситуации осуществляется по алгоритму, соответствующему диаграмме активности (глава 2). Диаграмма активности моделирует последовательность поиска решений в базе правил и в базе прецедентов, и в случае отсутствия решения - посредством консультации с экспертом. При этом надо учитывать время поиска решений, оно не должно превышать величины резервного времени tpe3., установленного для определенного класса аварийных ситуаций. Поэтому предлагается производить поиск прецедента в соответствии с разработанным алгоритмом, приведенным на рис. 3.3 [70, 107, 117, 118].
Алгоритм состоит из следующих процедур. Вначале, когда инициируется процедура поиска ближайшего прецедента, формируется вектор Q" описания текущей АС. Получение признаков АС осуществляется в диалоге с диспетчером, которому задаются вопросы, образующие значения признаков. Пользователь формулирует запрос к системе в виде описания возникшей аварийной ситуации в формате, предлагаемом системой поиска.
Под запросом понимается вектор признаков описания возникшей аварийной ситуации. Алгоритм диалога представлен в виде ветвящегося вопросника, состоящего из последовательно задаваемых вопросов, причем вопрос, задаваемый на к-м шаге, зависит от ответа на предыдущий вопрос, задаваемый на А:-1-м шаге. Часть значений признаков задается автоматически из устройств телеизмерений, SCADA-систем, другие заносятся диспетчером вручную или выбираются из предлагаемого интерфейсом списка (перечня). Список контекстно меняется (т.е., если это Сибайские электросети, то и список содержит перечень оборудования, относящегося к этому филиалу).
Система анализирует запрос, уточняет его и относит текущую ситуацию к одному из выделенных ранее классов. Определение класса происходит при помощи настроенной и обученной заранее ИНС. При этом учитываются связи из тезауруса (гл. 2). Распознавание класса возникшей ситуации в информационном пространстве терминов описания АС осуществляется на основе вектора описывающих ее информативных признаков - дескрипторов, в качестве которых используются индексные термины itkztj (ключевые слова) из тезауруса предметной области tjeTh. Происходит сравнение терминов с ключевыми словами, ассоциированными с данным классом АС. Задача распознавания класса заключается в отнесении вектора терминов описания текущей АС к ближайшему классу прецедентов и формулируется следующим образом. Имеется Z классов прецедентов аварийных ситуаций, определенных на этапе интеллектуального анализа. Каждый прецедент АС представлен двоичным вектором - образом, значение составляющих которого определяется присутствием/отсутствием индексных терминов (3.4): Предварительное отнесение ситуации к классу используется для ускорения процедуры поиска и целесообразно при большом количестве прецедентов в базе знаний (100 и более). В случае же небольшого размера базы прецедентов этот этап может быть исключен (гибкость алгоритма и его адаптация под каждый конкретный случай, под каждую предметную область). Если прецедент не отнесен ни к одному из классов, то система может задать дополнительные вопросы, чтобы уточнить ситуацию или выдать ответ, что ситуация не относится ни к одному из классов. В том случае, если заданные признаки не позволяют провести классификацию, вектор признаков запоминается как нераспознанный, пользователю сообщается об отказе в классификации с пояснением: «В базе прецедентов не найдено аналогов данной ситуации» и возможно дальнейшее сохранение данной ситуации как прецедента, когда ситуация будет устранена и произведена оценка эффективности принятого решения. В данный же момент на основе распознанного класса АС возможно оповестить нужных специалистов и привлечь их к обсуждению возникшей ситуации и руководство различного уровня в соответствии с имеющимися инструкциями. После распознавания класса прецедентов осуществляется поиск наиболее похожего прецедента в классе прецедентов в диалоге с пользователем системы, при этом учитываются значения признаков АС конкретного, распознанного класса 2? aZ. (сравнение происходит по классо образующим (характерным) признакам). Формально исходными данными для поиска ближайших прецедентов в базе прецедентов CaseBased является описание текущей ситуации вектором признаков (У"={(пате_с[ , zn_c/, type_q )} и их сравнение с каждым из прецедентов в распознанном классе с учетом типа и веса каждого признака прецедента Х"г{(natnejc j, zn_x j, typeje j, wjc j)}. В объекте «признак» в объектной модели данных существует операция (метод) «сравнить» значение признака прецедента со значением признака текущей АС. Полиморфизм, присущий объектному подходу инициирует процедуру сравнения, конкретное выполнение которой зависит от типа признака, что обеспечивает гибкость алгоритма поиска.
Разработка модулей прототипа экспертной системы
На этапе реализации экспертной системы происходит физическое наполнение базы знаний и настройка всех программных механизмов в рамках выбранного инструментального средства, а при необходимости и допрограммирование специализированных модулей программного инструмента.
Особенности реализации экспертной системы во многом определяются характером инструментального средства, в качестве которого могут выступать программные оболочки (shells), генераторы (интегрированные среды), языки представления знаний (языки программирования). Так, оболочки имеют реализованные механизмы вывода, накопления, объяснения знаний, диалоговый компонент, что, с одной стороны, упрощает разработку программной части экспертной системы, поскольку не требуется программирование, а с другой стороны, усложняет разработку базы знаний вследствие возможного несоответствия формализма системы требованиям структуры. Использование языков представления знаний таких как: язык логического программирования PROLOG, язык функционального программирования LISP, язык объектно-ориентированного программирования SmallTalk, язык продукционных правил OPS 5 и др. повышает гибкость разрабатываемой системы и одновременно увеличивает трудоемкость разработки.
Наиболее приемлемыми инструментальными средствами для создания экспертных систем являются генераторы или интегрированные среды разработки, например, G2 (фирма Gensym, дистрибьютор фирма ArgusSofi), ART-Enterprise (фирма Inference, дистрибьютор фирма Весть-Метатехнология), Kexpert Objects (дистрибьютор ТОРА Центр), GURU (фирма MDBS), которые позволяют настраивать программные средства на особенности предметных областей, при необходимости предоставляют возможность программировать на встроенных языках и осуществлять эффективный экспорт/импорт данных с другими инструментальными средствами.
Среди отечественных разработок следует отметить экспертную оболочку ЭКО {ArgusSofi) и программный комплекс SIMER-MIR (Исследовательский центр искусственного интеллекта ИПС РАН), который предоставляет инструментальные средства как автоматизации разработки, так и поддержки экспертных систем.
Инструментальные средства создания и поддержки экспертных систем являются дорогостоящими продуктами и стоят от тысяч до десятков тысяч долларов. Однако для готовых баз знаний инструментальные средства могут поставляться в исполнительской версии {RUNIME) на порядок дешевле.
В последнее время активно стал развиваться рынок проблемно- и предметно-ориентированных систем. Причем цена предметно-ориентированных систем может быть на порядок выше универсальных, преимущество же их заключается в более простой адаптации к конкретной предметной области, а следовательно, и в сокращении затрат на разработку.
Среди специализированных инструментальных средств интеллектуальных систем основной удельный вес занимают экспертные системы реального времени, позволяющие динамически управлять непрерывными процессами (70 % рынка). Бесспорным лидером в разработке экспертных систем реального времени является фирма Gensym с инструментальным средством G1 (дистрибьютор в России - фирма ArgusSoft), имеющая внедрения в таких компаниях как IBM, NASA, General Electric, Nissan и др. [54]. На базе G2, в свою очередь, созданы такие проблемно-ориентированные комплексы, как GDA для решения задач диагностики, ReThink и eSCOR для моделирования бизнес-процессов на различных уровнях абстракции, NeurOnline для поддержки нейронной сети, Operations Expert для управления телекоммуникациями и др.
В процессе жизненного цикла разработки экспертной системы инструментальные средства могут сменять друг друга по мере расширения базы знаний. Так, на этапе проектирования прототипа требуется его быстрая разработка в ущерб производительности, в то время как на этапе разработки промышленной версии на первый план выходит обеспечение эффективности функционирования.
На выбор инструментальных средств экспертной системы, в основе которых лежит определенный метод представления знаний, основное влияние оказывает класс решаемых задач (предметных областей) и соответственно характер полученной концептуальной модели, определяющий множество требований в части отображения объектов, действий над объектами, методов обработки неопределенностей, механизмов вывода [54].
Использование существующих программных средств реализации экспертной системы является неэффективным в силу их высокой стоимости, реализации какой-либо одной модели представления знаний и необходимой адаптации к существующему процессу оперативно-диспетчерского управления энергосистемой в аварийных ситуациях. Поэтому реализацию ЭС предлагается осуществить в виде отдельных модулей, интегрированных в единую программную систему.
