基于本體的電力系統(tǒng)異構(gòu)數(shù)據(jù)查詢機(jī)制

張德海，張德剛，羅學(xué)禮，柳 青，李 勁

（1.云南大學(xué)軟件學(xué)院，云南昆明650091；2.云南電力試驗(yàn)研究院（集團(tuán)）有限公司電力研究院，云南昆明650217）

基于本體的電力系統(tǒng)異構(gòu)數(shù)據(jù)查詢機(jī)制

張德海1，張德剛2，羅學(xué)禮2，柳 青1，李 勁1

（1.云南大學(xué)軟件學(xué)院，云南昆明650091；2.云南電力試驗(yàn)研究院（集團(tuán)）有限公司電力研究院，云南昆明650217）

摘要：隨著電力企業(yè)信息化進(jìn)程的不斷推進(jìn)，大量信息管理系統(tǒng)被應(yīng)用于各種業(yè)務(wù)中，造成這些系統(tǒng)間存在異構(gòu)數(shù)據(jù)，難以共享，甚至還存在各種語(yǔ)義沖突，影響數(shù)據(jù)的挖掘和分析.為此，提出了一種利用本體技術(shù)對(duì)電力企業(yè)內(nèi)部的異構(gòu)數(shù)據(jù)源進(jìn)行融合的綜合查詢機(jī)制，可以有效解決電力企業(yè)內(nèi)部數(shù)據(jù)源的語(yǔ)法和語(yǔ)義異構(gòu)問(wèn)題，把來(lái)自于各部門的多個(gè)數(shù)據(jù)源進(jìn)行整合，為數(shù)據(jù)分析系統(tǒng)提供統(tǒng)一的數(shù)據(jù)查詢接口.實(shí)驗(yàn)表明，該機(jī)制能夠有效消解異構(gòu)數(shù)據(jù)源之間的語(yǔ)義沖突，為數(shù)據(jù)集成提供基礎(chǔ).

關(guān)鍵詞：本體；異構(gòu)數(shù)據(jù)；語(yǔ)義沖突；語(yǔ)義映射；查詢機(jī)制

數(shù)據(jù)分析已成為企業(yè)管理的主要決策依據(jù)，決策支持系統(tǒng)進(jìn)行數(shù)據(jù)分析時(shí)，都需要把來(lái)自于多個(gè)異構(gòu)數(shù)據(jù)源的數(shù)據(jù)進(jìn)行集成.隨著電力企業(yè)信息化進(jìn)程的不斷推進(jìn)，大量信息管理系統(tǒng)被應(yīng)用于各種業(yè)務(wù)中，不同業(yè)務(wù)部門在建設(shè)這些業(yè)務(wù)系統(tǒng)的時(shí)候，往往由不同的公司開發(fā)，所采用的技術(shù)和軟硬件平臺(tái)也可能不同.這樣就造成這些系統(tǒng)間的異構(gòu)數(shù)據(jù)源很難共享，而且相互間還可能存在各種語(yǔ)義沖突，影響數(shù)據(jù)的挖掘和分析.

本體被廣泛應(yīng)用于領(lǐng)域知識(shí)的建模，通常用于描述領(lǐng)域的概念及概念之間的關(guān)系，同時(shí)本體還具有語(yǔ)義推理能力，可以通過(guò)在本體層進(jìn)行邏輯推理來(lái)發(fā)現(xiàn)領(lǐng)域概念之間的隱含關(guān)系，目前本體已被廣泛應(yīng)用于領(lǐng)域異構(gòu)數(shù)據(jù)的集成，以解決這些系統(tǒng)的語(yǔ)義沖突［1-4］.本體的概念最早來(lái)源于哲學(xué)，后來(lái)被引入人工智能領(lǐng)域.Gruber于1993年提出的“本體是概念模型的明確的規(guī)范說(shuō)明”是目前被廣泛認(rèn)可的本體定義［5］.該定義明確指出本體建立的目的是要給出領(lǐng)域概念的形式化描述，并對(duì)這些概念間的關(guān)系進(jìn)行明確定義，類似于一個(gè)公共信息模型，以達(dá)成對(duì)領(lǐng)域概念的共同理解，這樣可以從邏輯上解決領(lǐng)域數(shù)據(jù)的語(yǔ)義異構(gòu)問(wèn)題.因此，本體可作為信息集成中的通用語(yǔ)義模型［6］.

在利用本體對(duì)電力系統(tǒng)中的數(shù)據(jù)進(jìn)行集成方面，已有一些研究.周偉等［7］提出利用本體消除來(lái)自不同信息系統(tǒng)數(shù)據(jù)的方法，但該方法未解決異構(gòu)數(shù)據(jù)的問(wèn)題.李佳珊、盧美蓮等［8］提出了一種基于本體的異構(gòu)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合結(jié)構(gòu)，針對(duì)異構(gòu)傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合互操作問(wèn)題提出一種解決方法，該方法主要面向傳感器網(wǎng)絡(luò)的數(shù)據(jù).宋偉［9］提出了一種面向智能電網(wǎng)的異構(gòu)數(shù)據(jù)集成模型，結(jié)合XML和本體對(duì)電力異構(gòu)數(shù)據(jù)進(jìn)行集成，該方法的測(cè)試數(shù)據(jù)采用的是IEC61970等電力行業(yè)理論信息模型中的數(shù)據(jù)，在實(shí)際應(yīng)用中缺乏實(shí)例支撐.

本文在上述研究的基礎(chǔ)上，以電力企業(yè)主網(wǎng)、配網(wǎng)等實(shí)際運(yùn)行信息系統(tǒng)中數(shù)據(jù)為實(shí)驗(yàn)對(duì)象，針對(duì)電力企業(yè)的實(shí)際異構(gòu)數(shù)據(jù)查詢需求，提出了一種利用本體技術(shù)對(duì)電力企業(yè)內(nèi)部的異構(gòu)數(shù)據(jù)源進(jìn)行融合的綜合查詢機(jī)制，可以有效解決電力企業(yè)內(nèi)部數(shù)據(jù)源的語(yǔ)法和語(yǔ)義異構(gòu)問(wèn)題，把來(lái)自于各部門的多個(gè)數(shù)據(jù)源進(jìn)行整合，為數(shù)據(jù)分析系統(tǒng)提供統(tǒng)一的數(shù)據(jù)查詢接口.

1 電力系統(tǒng)數(shù)據(jù)語(yǔ)義沖突類型

現(xiàn)實(shí)世界中的對(duì)象在描述方式、結(jié)構(gòu)和內(nèi)容上的不同造成的語(yǔ)義不一致性稱為語(yǔ)義沖突［7］.鐘將等［10］總結(jié)了電力數(shù)據(jù)中可能遇到的語(yǔ)義沖突包括物理沖突、表沖突、字段沖突、記錄沖突等4類，分別描述如下：

1）物理沖突指數(shù)據(jù)源的存儲(chǔ)格式不同引起的沖突.如非結(jié)構(gòu)數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)的沖突，例如SCADA系統(tǒng)的數(shù)據(jù)是采用TXT格式存儲(chǔ)的非結(jié)構(gòu)化數(shù)據(jù)，電網(wǎng)模型數(shù)據(jù)是XML格式的半結(jié)構(gòu)化數(shù)據(jù)，主網(wǎng)、配網(wǎng)等系統(tǒng)的數(shù)據(jù)是存儲(chǔ)于關(guān)系數(shù)據(jù)庫(kù)中的結(jié)構(gòu)化數(shù)據(jù).

2）表沖突是指相同的表名在不同的數(shù)據(jù)庫(kù)中表示2個(gè)不同的實(shí)體.例如，Location表在主網(wǎng)和配網(wǎng)中都有，但它們只有61個(gè)共同的字段，主網(wǎng)的Location表中有125個(gè)字段是配網(wǎng)中沒(méi)有的，而配網(wǎng)的Location表中，有91個(gè)字段是主網(wǎng)中沒(méi)有的.

3）字段沖突是最常見的沖突.字段沖突可進(jìn)一步細(xì)分為命名沖突、類型沖突、長(zhǎng)度沖突、精度沖突、單位沖突、表達(dá)方式?jīng)_突.命名沖突指相同的字段符號(hào)名不同、或者符號(hào)名相同的字段實(shí)際表達(dá)不同的屬性；類型沖突指相同字段在不同表中采用不同的數(shù)據(jù)類型；長(zhǎng)度沖突指相同字段在不同表中的數(shù)據(jù)長(zhǎng)度不一致；精度沖突指不同表中的相同字段采用不同數(shù)據(jù)精度的字段；單位沖突指相同字段在不同表中具有不同的計(jì)量單位；表達(dá)方式?jīng)_突指相同字段表示不一致，如有的采用英文縮寫，有的采用漢語(yǔ)拼音縮寫等.

例如，主網(wǎng)和配網(wǎng)中都有的asset表，但“施工單位”的字段名（英文）在2個(gè)表中不同，分別為YDTF_SGDW、YDPS_SGDW，而且在配網(wǎng)的asset表中，該字段出現(xiàn)了2次，長(zhǎng)度一個(gè)為50，一個(gè)為80.

4）記錄沖突指描述同一對(duì)象的數(shù)據(jù)記錄在不同的系統(tǒng)中因所采用的計(jì)量單位不同引起的數(shù)值不一致.

除此之外，配網(wǎng)中的字段名，很多是漢語(yǔ)拼音的縮寫，但在主網(wǎng)中，這些字段是用不同的名字表示的，充分說(shuō)明語(yǔ)義沖突的普遍存在，如果沒(méi)有綜合查詢器，會(huì)以為查出來(lái)的東西不是同一個(gè)字段的值.比如，現(xiàn)在需要統(tǒng)計(jì)電力系統(tǒng)資產(chǎn)的數(shù)據(jù)，那主網(wǎng)和配網(wǎng)的數(shù)據(jù)應(yīng)該能夠集成，也就是放在一起統(tǒng)計(jì)，由于存在語(yǔ)義沖突，各自統(tǒng)計(jì)得到的數(shù)據(jù)有可能是不準(zhǔn)確的，也就是有些資產(chǎn)可能被重復(fù)統(tǒng)計(jì)，也有些資產(chǎn)可能會(huì)被漏統(tǒng)計(jì).

2 本體構(gòu)建

為了消解不同數(shù)據(jù)源之間存在的語(yǔ)義沖突，需要構(gòu)建局部本體，在此基礎(chǔ)上建立全局本體，通過(guò)局部本體與全局本體之間的映射消解語(yǔ)義沖突.本體的自動(dòng)構(gòu)建是一個(gè)研究難點(diǎn)，目前相對(duì)成熟的本體自動(dòng)構(gòu)建方式是利用關(guān)系數(shù)據(jù)庫(kù)逆向工程［11］，通過(guò)預(yù)先定義的映射規(guī)則，可以從關(guān)系數(shù)據(jù)庫(kù)、XML文檔或Excel表等異構(gòu)數(shù)據(jù)源中自動(dòng)獲取對(duì)象及其屬性的語(yǔ)義結(jié)構(gòu)，在此基礎(chǔ)上自動(dòng)構(gòu)建本體.該方法已得到很多研究人員的關(guān)注，并形成了一些形式化方法［12］.本文采用翟保榮、鐘志農(nóng)等［13］提出的方法從關(guān)系數(shù)據(jù)庫(kù)中構(gòu)建OWL本體.

根據(jù)該方法構(gòu)建本體：電網(wǎng)項(xiàng)目管理數(shù)據(jù)庫(kù)中表PS_Project與其他幾個(gè)表之間的數(shù)據(jù)關(guān)系，在構(gòu)建出來(lái)的OWL本體中，類PS_Project及其子類如圖1所示.

3 基于本體的語(yǔ)義映射與沖突消解

3.1 語(yǔ)義沖突檢測(cè)與消解框架

在構(gòu)建局部本體后，為獲得全局視圖，需要構(gòu)建全局本體，通過(guò)建立全局本體到各局部本體之間的語(yǔ)義映射，就可以進(jìn)行語(yǔ)義沖突的發(fā)現(xiàn)與處理.其框架如圖2所示.

在圖2中，來(lái)自于不同數(shù)據(jù)源的數(shù)據(jù)被分別構(gòu)建成多個(gè)局部本體，這些局部本體中包含了對(duì)應(yīng)數(shù)據(jù)源的表、列等信息的映射.沖突檢測(cè)機(jī)制根據(jù)本體之間的映射關(guān)系發(fā)現(xiàn)局部本體之間的語(yǔ)義沖突，沖突消解機(jī)制通過(guò)添加局部本體與全局本體之間的映射來(lái)消解該沖突.例如，局部本體中的概念C1，C2，…，Cn是存在語(yǔ)義沖突的相同概念，則在全局本體中，可以創(chuàng)建一個(gè)公共的概念Cg，并在映射表中建立Cg與C1，C2，…，Cn之間的映射，如表1所示.

表1 全局本體與局部本體之間的概念映射

3.2 語(yǔ)義沖突的形式化描述

數(shù)據(jù)的語(yǔ)義沖突主要有物理沖突、表沖突、字段沖突和記錄沖突，物理沖突的解決方法一般采用格式轉(zhuǎn)換來(lái)解決.其余3種沖突對(duì)應(yīng)為本體語(yǔ)義模型中的概念沖突、屬性（或關(guān)系）沖突和實(shí)例沖突.可形式化描述如下：

1）概念沖突：

式中，c1、c2為來(lái)自不同本體O1、O2的概念，tag為該概念的標(biāo)簽，C_mapping是概念映射函數(shù)，可以判斷不同本體中的2個(gè)概念是否匹配.

2）屬性沖突：

式中，a1、a2為來(lái)自不同概念C1，C2的屬性，tag為該屬性的標(biāo)簽，A_mapping是屬性映射函數(shù)，可以判斷不同概念中的2個(gè)屬性是否匹配.A_mapping又可定義如下：

其中，range為屬性的值域，length為屬性的長(zhǎng)度，code為屬性的內(nèi)部代碼（英文字段名）.

3）實(shí)例沖突：

式中，ai，aj為來(lái)自不同概念C1、C2的對(duì)應(yīng)屬性，在主鍵屬性值相同的情況下，存在非主鍵的屬性值不一樣，則這2個(gè)實(shí)例存在沖突.

3.3 本體映射

本文中，本體映射算法采用基于對(duì)2個(gè)本體間的名稱（className）、屬性（attribute）以及屬性類型（range）間的相似度進(jìn)行評(píng)估從而實(shí)現(xiàn)全局本體到局部本體的映射.本體映射中的一個(gè)重要步驟是檢測(cè)2個(gè)本體中的相似概念，以便為合并或者映射提供可能的作用點(diǎn).這里我們僅介紹概念映射的方法.

整體相似度S的計(jì)算公式可以表示為：

其中，Sn、Sα和Sr分別表示概念的名稱、屬性及屬性類型3個(gè)維度的相似度，α、β、γ分別表示三者的權(quán)重.

4 基于本體的異構(gòu)數(shù)據(jù)綜合查詢機(jī)制

4.1 異構(gòu)數(shù)據(jù)綜合查詢機(jī)制框架

設(shè)計(jì)綜合數(shù)據(jù)查詢器的目標(biāo)，就是為用戶提供統(tǒng)一的查詢界面，使用戶不必考慮底層數(shù)據(jù)源結(jié)構(gòu)等各方面的問(wèn)題，也就是說(shuō)底層數(shù)據(jù)庫(kù)對(duì)于用戶來(lái)說(shuō)是透明的.在此基礎(chǔ)上用戶就好像在操作一個(gè)數(shù)據(jù)源.通過(guò)本體將各個(gè)數(shù)據(jù)源的數(shù)據(jù)用一種統(tǒng)一的數(shù)據(jù)模式進(jìn)行描述，屏蔽數(shù)據(jù)源數(shù)據(jù)模式和語(yǔ)義的差異，從而實(shí)現(xiàn)數(shù)據(jù)的綜合查詢.利用本體對(duì)語(yǔ)義描述的優(yōu)勢(shì)，通過(guò)構(gòu)建語(yǔ)義映射關(guān)系設(shè)計(jì)語(yǔ)義沖突檢測(cè)和消解機(jī)制，從而解決電力系統(tǒng)數(shù)據(jù)集成中的語(yǔ)義異構(gòu)問(wèn)題，其體系結(jié)構(gòu)如圖4所示.

該查詢框架由數(shù)據(jù)源層、中間層和應(yīng)用層組成.應(yīng)用層一般是用戶接口，如瀏覽器等.應(yīng)用層接收到用戶的查詢請(qǐng)求后，交給中間層.在本體的支持下，進(jìn)行查詢分解、語(yǔ)義沖突檢測(cè)及消解后，由查詢執(zhí)行引擎將分解到不同數(shù)據(jù)源上的查詢要求提交到數(shù)據(jù)源層.數(shù)據(jù)層由不同來(lái)源的異構(gòu)數(shù)據(jù)構(gòu)成，分解后的查詢結(jié)果通過(guò)包裝器包裝后，提交給位于中間層的查詢結(jié)果合成引擎進(jìn)行處理，得到合成后的查詢結(jié)果，最終通過(guò)后應(yīng)用層返回給用戶.

4.2 結(jié)果演示

為驗(yàn)證該查詢機(jī)制，我們?cè)O(shè)計(jì)了一個(gè)綜合查詢器如圖4所示.

可以看到，在這個(gè)界面中主要包含3部分界面：數(shù)據(jù)庫(kù)范圍選擇、查詢指令的輸入部分、查詢結(jié)果列表.

同時(shí)為了滿足高級(jí)用戶的查詢需求，同時(shí)提供了一個(gè)更自由、更簡(jiǎn)潔的查詢界面，支持直接以原始SQL語(yǔ)句對(duì)數(shù)據(jù)庫(kù)的數(shù)據(jù)進(jìn)行操作，完整支持SQL語(yǔ)句，并且對(duì)用戶輸入的SQL語(yǔ)句不加以任何干擾.例如，當(dāng)勾選圖5中選項(xiàng)時(shí)，得到圖6的查詢結(jié)果.

從圖6可知，查詢的語(yǔ)句中，只有asset在2個(gè)數(shù)據(jù)庫(kù)的本體中的結(jié)果一致，所以只有合并asset了.

5 結(jié)語(yǔ)

本文提出了一種基于本體的電力系統(tǒng)異構(gòu)數(shù)據(jù)查詢機(jī)制.該機(jī)制通過(guò)從不同的異構(gòu)數(shù)據(jù)源中構(gòu)建領(lǐng)域局部本體，并在此基礎(chǔ)上建立全局本體.通過(guò)局部本體到全局本體的語(yǔ)義映射，消除來(lái)自不同數(shù)據(jù)源的語(yǔ)義沖突.最后設(shè)計(jì)并實(shí)現(xiàn)了該機(jī)制，為電力企業(yè)提供了一個(gè)統(tǒng)一的數(shù)據(jù)查詢接口.實(shí)驗(yàn)結(jié)果表明，該方法是可行的.

參考文獻(xiàn)：

［1］BOURY-BRISSET A C.Ontology-based approach for information fusion［C］／／Proceedings of the Sixth International Conference of Information Fusion.IEEE，2003，1：522-529.

［2］周剛，郭建勝.基于本體的異構(gòu)數(shù)據(jù)集成系統(tǒng)分析與設(shè)計(jì)［J］.計(jì)算機(jī)工程，2007，33（19）：273-275.

［3］于琦，周勇.一種基于本體的異構(gòu)數(shù)據(jù)源模式集成［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2008，18（2）：35-36.

［4］李星毅，高文浩，施化吉.基于本體的異構(gòu)數(shù)據(jù)集成方法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（8）：1931-1934.

［5］GRUBER T.A translation approach to portable ontology speci fications［J］.Knowledge Acquisition，1993，5（2）：199-220.

［6］CARBONELL J G，SIEKMANN J.Intelligent information integrationforthe semantic Web［J］.Springer Science，2005（10）：214-220.

［7］周偉，基于本體的電力系統(tǒng)中數(shù)據(jù)集成方法的研究［D］.保定：華北電力大學(xué)，2012：1-28.

［8］李佳珊，盧美蓮，一種基于本體的異構(gòu)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合結(jié)構(gòu)［EB／OL］.［2013-10-10］http：／／www.paper.edu.cn.

［9］宋偉，面向智能電網(wǎng)的異構(gòu)數(shù)據(jù)集成方法研究與應(yīng)用［D］.保定：華北電力大學(xué)，2011：1-16.

［10］鐘將，宋娟.基于本體的異構(gòu)數(shù)據(jù)集成框架［J］.計(jì)算機(jī)程.2011，37（14）：44-46.

［11］ASTROVA I.Reverse engineering of relational databases to ontologies［C］／／In：Proc of the 1st European Semantic Web Symposium1Berlin.Springer-Verlag，2004：327-341.

［12］瞿裕忠，胡偉，鄭東棟，等.關(guān)系數(shù)據(jù)庫(kù)模式和本體間映射的研究綜述［J］.計(jì)算機(jī)研究與發(fā)展，2008，45（2）：300-309

［13］翟保榮，鐘志農(nóng).一種基于關(guān)系數(shù)據(jù)庫(kù)提取OWL本體的方法［J］.計(jì)算機(jī)與信息技術(shù)，2011（10）：1-4.

（責(zé)任編輯 莊紅林）

中圖分類號(hào)：TP311

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-8513（2014）06-0451-05

收稿日期：2014-01-19.

基金項(xiàng)目：國(guó)家自然科學(xué)基金（61263043）；云南省自然科學(xué)基金（2011FB020）；云南省教育廳科學(xué)研究基金（2011Z020，2013Z049）；云南省電力研究院科技項(xiàng)目（K-YDSY-K13019）；云南省軟件工程重點(diǎn)實(shí)驗(yàn)室科研基金（2012SE303）；云南大學(xué)軟件學(xué)院學(xué)科建設(shè)基金（2012SE103）.

作者簡(jiǎn)介：張德海（1977-），男，博士，副教授.主要研究方向：知識(shí)工程、數(shù)據(jù)工程與大數(shù)據(jù).

An ontology based heterogeneous data query mechanism for power system

ZHANG De-hai1，ZHANG De-gang2，LUO Xue-li2，LIU Qing1，LI Jin1
（1.School of Software，Yunnan University，Kunmin 650091，China；2.The Electric Power Research Institute，Yunnan Electric Power Test and Research Institute（Group）Co.，Ltd.Kunming 650217，China）

Abstract：In electricity enterprises，there are many heterogeneous databases developed in different times or by different sectors，and the data sources of these systems are independent of each other and difficult to be exchanged，shared or integratedbetween systems because of semantic conflicts.This paper presents a query mechanism for integrating heterogeneous data sources based on the ontological theory within the power enterprises.It provides a unified data query interface for decision-making.Experiments show that this mechanisms can effectively solve semantic conflicts between heterogeneous data sources，and improve the accuracy of the data analysis.

Keywords：ontology；heterogeneous data；semantic conflicts；semantic mapping；query mechanism