Processamento inteligente de informação em situações críticas: uma abordagem considerando informação incompleta
Ficheiros
Data
2004
Autores
Título da revista
ISSN da revista
Título do Volume
Editora
Resumo
O recente aumento tanto do crescimento como da importância de redes de distribuição de produtos e serviços, tais como água, gás, electricidade e telecomunicações, mostra bem a dependência da população relativamente a estes produtos e serviços. Este facto tornou o processo de monitorização e controlo destas redes de distribuição num processo de missão crítica. A evolução nas redes de distribuição ditou uma evolução nos sistemas que efectuam a sua monitorização e controlo. Actualmente são utilizados sistemas SCADA (Supervisory Control and Data Acquisition) como suporte à monitorização e ao controlo destes processos críticos de distribuição. Os sistemas de missão crítica, em cuja supervisão seja utilizado um sistema SCADA, serão doravante referidos como Sistemas Críticos. Os sistemas SCADA são distribuídos, contando com um ou mais Centros de Controlo onde operadores especializados efectuam a monitorização e controlo do processo subjacente. Os sistemas SCADA têm vindo a tornar-se progressivamente mais complexos, com a inclusão de novas aplicações que pretendem prestar um melhor auxílio aos operadores (como por exemplo, as aplicações de Gestão de Energia ou Energy Management Systems (EMS), na designação anglo-saxónica, cuja utilização pode ser determinante para a operação de redes eléctricas). O aumento destas redes críticas de distribuição, bem como a crescente competitividade a que têm sido sujeitas estas actividades económicas nos últimos anos, originaram uma necessidade cada vez maior de auxílio eficaz aos operadores dos Centros de Controlo para que as redes possam ser operadas em regimes tão optimizados quanto possível e com tempos mínimos de indisponibilidade.Os sistemas SCADA apresentam geralmente uma interface razoável com o operador, conseguindo facilmente proporcionar todas as condições para uma operação óptima das redes em situações normais. No entanto, em situações de incidente estes sistemas tendem a produzir grandes volumes de informação temporal, com possibilidade de problemas em termos cronológicos e com uma probabilidade não negligenciável de ocorrência de falhas na aquisição ou transmissão de informação, tornando incompleta a informação disponibilizada ao operador. No âmbito do trabalho conducente à presente Dissertação, foi desenvolvida a arquitectura do sistema SPARSE II (Sistema Pericial para Análise de Incidentes e Reposição em Serviço com Informação Incompleta) tenta responder ao desafio de processamento inteligente da informação, proveniente de um Sistema Crítico, especialmente em situação de incidente. Esta arquitectura foi concebida para ter como fonte de informação um sistema SCADA, deixando a cargo deste a aquisição de informação relativa a todo um processo crítico que esteja sob a sua supervisão. Esta metodologia abstrai o Sistema Crítico, tornando o SCADA numa interface comum entre o Sistema Crítico e a arquitectura do SPARSE II, o que permite a utilização desta arquitectura com distintos Sistemas Críticos. O SPARSE II proporciona um apoio eficaz à decisão, baseado em informação e raciocínio temporais, raciocínio não-monótono e com informação potencialmente incompleta. A arquitectura do SPARSE II é baseada em técnicas simbólicas de Inteligência Artificial, com vista à implementação de um sistema online para apoio à decisão em tempo real de um operador de um Sistema Crítico. O SPARSE II integra-se no sistema SCADA da Rede Eléctrica de Transporte Nacional, concessionada à REN (Rede Eléctrica Nacional, S.A.) onde o SPARSE II foi implementado e está funcional, permitindo o apoio aos operadores em situações de incidente na rede eléctrica. As principais contribuições deste trabalho são (i) identificação de técnicas de Inteligência Artificial aplicáveis à monitorização de Sistemas Críticos; (ii) criação de uma extensão ao Cálculo de Eventos Simplificado com a introdução de informação com relevância temporal limitada, não aumentando a complexidade inicial do cálculo; (iii) aplicação conjunta de técnicas de raciocínio temporal baseadas em conhecimento e baseadas em modelos; (iv) aplicação conjunta de técnicas de conhecimento superficial e conhecimento profundo, preservando os pontos fortes de cada técnica; (v) aplicação de paradigmas teóricos de Inteligência Artificial (ainda pouco conhecidos fora dos meios académicos) ao problema prático de monitorização de Sistemas Críticos; (vi) desenvolvimento e implementação de um sistema experimental para prova de conceito.
Recent growth and importance increases in products and services’ distribution networks such as water, gas, electricity and telecommunications shows the population’s dependence relatively to these products and services. This fact has changed the process of monitoring and control of these distribution networks into a mission critical process.The evolution of distribution networks has dictated an evolution in the systems which can perform its monitoring and control. Nowadays, SCADA (Supervisory Control and Data Acquisition) systems are used to support both monitoring and control of these critical distribution processes. The systems which supervision is performed using a SCADA system will be henceforth referred to as Critical Systems. The SCADA systems are distributed and contain one or more Control Centers where specialized operators can perform monitoring and control of a process. SCADA systems have been becoming increasingly complex, with the inclusion of new applications which enable better support to operators (for instance: the use of Energy Management System (EMS) applications, which can be determinant to the operation of electrical networks). The increase of these critical distribution networks, as well as the growing competitivity to which all these economic activities have been subject to over the last years, has increased even more the need for efficient support for Control Center operators to ensure that networks are explored in regimes as optimum as possible and with minimum unavailability times. SCADA systems usually present a reasonable interface with the operator, easily supplying all the conditions for optimum network exploration in normal situations. In incident situations however, such systems are prone to produce huge volumes of temporal information with potential chronological problems. There is also a non neglectable probability of fault occurrence in information acquisition or transmission, which can lead to incompleteness in the information supplied to operators. In the scope of the work presented in this Dissertation, the architecture of SPARSE II (Expert System for Incident Analysis and Service Restoration with Incomplete Information) has been developed, considering the need of intelligent processing of the information acquired from a Critical System, especially in an incident situation. This architecture has been designed to have a SCADA system as its information source, leaving the up to the SCADA the acquisition of information concerning a critical process under its supervision. This methodology abstracts the critical process, and considers the SCADA as an interface between the Critical System and SPARSE II, which allows SPARSE II to be used with distinct Critical Systems. SPARSE II supplies an effective decision support, based on temporal information and reasoning, non-monotonic reasoning and potentially incomplete information. SPARSE II’s architecture is based on symbolic Artificial Intelligence techniques, with the perspective of implementation of an online real-time decision support tool for a Critical System. SPARSE II integrates the SCADA system of the National Electrical Transport Network, concessioned to REN (National Electrical Network, S.A.), where SPARSE II has been implemented and is functional, supporting operator’s decisions on electrical network incident situations. The main contributions of this work are (i) identification of Artificial Intelligence Techniques applicable to the monitoring of Critical Systems; (ii) creation of an extension to the Event Calculus with the introduction of limited temporal relevance information, not increasing the original complexity of the calculus; (iii) joint application of temporal reasoning techniques based on knowledge and based on models; (iv) joint application of techniques based on superficial and deep knowledge, preserving each other’s advantages; (v) application of theoretic Artificial Intelligence paradigms (still very unknown outside the academic means) to the practical problem of Critical Systems’ monitoring; (vi) development and implementation of an experimental proof of concept system.
Recent growth and importance increases in products and services’ distribution networks such as water, gas, electricity and telecommunications shows the population’s dependence relatively to these products and services. This fact has changed the process of monitoring and control of these distribution networks into a mission critical process.The evolution of distribution networks has dictated an evolution in the systems which can perform its monitoring and control. Nowadays, SCADA (Supervisory Control and Data Acquisition) systems are used to support both monitoring and control of these critical distribution processes. The systems which supervision is performed using a SCADA system will be henceforth referred to as Critical Systems. The SCADA systems are distributed and contain one or more Control Centers where specialized operators can perform monitoring and control of a process. SCADA systems have been becoming increasingly complex, with the inclusion of new applications which enable better support to operators (for instance: the use of Energy Management System (EMS) applications, which can be determinant to the operation of electrical networks). The increase of these critical distribution networks, as well as the growing competitivity to which all these economic activities have been subject to over the last years, has increased even more the need for efficient support for Control Center operators to ensure that networks are explored in regimes as optimum as possible and with minimum unavailability times. SCADA systems usually present a reasonable interface with the operator, easily supplying all the conditions for optimum network exploration in normal situations. In incident situations however, such systems are prone to produce huge volumes of temporal information with potential chronological problems. There is also a non neglectable probability of fault occurrence in information acquisition or transmission, which can lead to incompleteness in the information supplied to operators. In the scope of the work presented in this Dissertation, the architecture of SPARSE II (Expert System for Incident Analysis and Service Restoration with Incomplete Information) has been developed, considering the need of intelligent processing of the information acquired from a Critical System, especially in an incident situation. This architecture has been designed to have a SCADA system as its information source, leaving the up to the SCADA the acquisition of information concerning a critical process under its supervision. This methodology abstracts the critical process, and considers the SCADA as an interface between the Critical System and SPARSE II, which allows SPARSE II to be used with distinct Critical Systems. SPARSE II supplies an effective decision support, based on temporal information and reasoning, non-monotonic reasoning and potentially incomplete information. SPARSE II’s architecture is based on symbolic Artificial Intelligence techniques, with the perspective of implementation of an online real-time decision support tool for a Critical System. SPARSE II integrates the SCADA system of the National Electrical Transport Network, concessioned to REN (National Electrical Network, S.A.), where SPARSE II has been implemented and is functional, supporting operator’s decisions on electrical network incident situations. The main contributions of this work are (i) identification of Artificial Intelligence Techniques applicable to the monitoring of Critical Systems; (ii) creation of an extension to the Event Calculus with the introduction of limited temporal relevance information, not increasing the original complexity of the calculus; (iii) joint application of temporal reasoning techniques based on knowledge and based on models; (iv) joint application of techniques based on superficial and deep knowledge, preserving each other’s advantages; (v) application of theoretic Artificial Intelligence paradigms (still very unknown outside the academic means) to the practical problem of Critical Systems’ monitoring; (vi) development and implementation of an experimental proof of concept system.
Descrição
Tese de Doutoramento em Engenharia Electrotécnica e de Computadores
Palavras-chave
Engenharia electrotécnica , Redes de distribuição , Centros de Controlo , Inteligência artificial , Informação incompleta , Raciocínio Baseado em Conhecimento , Raciocínio Baseado em Modelos , Raciocínio Não-Monótono , Raciocínio Temporal , Sistemas SCADA , Sistemas Críticos , Sistemas de Energia