大数据分析和深度学习在电力设备状态诊断中的应用.PDF

大数据分析和深度学习在电力设备状态评估 诊断中的应用诊断中的应用 上海上海交通交通大学智能大学智能输配电研究所输配电研究所 2017.04 研究背景及驱动力 关键技术关键技术 典型应用典型应用 面临的挑战面临的挑战 总结与展望 研究背景及驱动力 根据行业统计，近年来我国环境影响设备和设备自身故障导 致电网事故占当年总事故仍然高达67％～85％，居高不下。 变压器故障 组合开关故障 输电线路故障 电缆故障 研究背景及驱动力 如何保障输变电设备的安全运行？ 关键是及时准确评估关键是及时准确评估 定期检修 状态检修 和预测设备状态 过去 现在 设备状态评估欠准确、故障预测手段匮乏，原因何在？  影响设备状态的因素众多影响设备状态的因素众多，现有的评估诊断方法多现有的评估诊断方法多基于基于单单一或少数状或少数状 态参量进行分析和判断，分析结果粗放和片面，难以及时发现潜伏性故障；  一般般采用采用基于基于理论分析理论分析、计算仿真和试验测试等手段建计算仿真和试验测试等手段建立的机理和因的机理和因 果关系模型，然而设备故障机理的复杂性、运行环境的多样性，难以建立 严格、完善、精确的评估和预测模型；  一般般采用固定阈值判定方法采用固定阈值判定方法，阈值设定依赖人阈值设定依赖人工经验和少量试验经验和少量试验，难难 以保证对不同设备的适用性；  设备设备状态信息数据分布于电力系统各状态信息数据分布于电力系统各部门部门，数据质量参差不齐数据质量参差不齐，数据数据 的有效提取和融合分析的难度较大，设备异常检测和评价效率较低。 研究背景及驱动力 随着智能电网建设和信息化水平提高,设备状态监测、生产管 理理、运行调度运行调度、环境环境气象气象等大量等大量信息的集成和共享成为必然趋势信息的集成和共享成为必然趋势。 设备类型和 变压器、组合电器、断路器 数量多 架空线路、电缆…… 生产管理系统、能量管理系 数据来源多、 统、状态监测系统、…… 体量大体量大 数据量大 电网运行、在线监测、气象 Volume 环境、…… 智能变电站智能变电站、、智能巡检技术智能巡检技术 增长速度快 的广泛应用，年增长率50%- 100%以上 常规结构化数据与大量非常规结构化数据与大量非结结 类型多