基于大數據分析的輸變電設備異常檢測.pdf

1、輸變電設備的異常檢測對于電網的安全穩(wěn)定運行起著重要的作用，通過對設備進行異常的探測，能夠及時發(fā)現電網運行中存在的問題并做出相應的解決方案。大數據技術已在互聯(lián)網、金融等眾多領域得到廣泛而成熟的應用，在電力領域的應用還處于探索階段，本文提出使用大數據技術對輸變電設備進行異常檢測，能夠更加全面有效地利用設備的狀態(tài)信息，對設備的異常情況做出更加可靠、精準的檢測，為下一步的檢修工作提供依據。
　　本文通過對輸變電設備各種信息對其運行狀態(tài)產生

2、影響情況的分析，選取合適的狀態(tài)量來描述設備的運行情況，根據實際經驗對設備的健康等級進行了劃分，按照科學規(guī)范的原則建立起設備的異常檢測關鍵參數體系，為之后的異常檢測奠定基礎。
　　鑒于傳統(tǒng)的輸變電設備狀態(tài)異常檢測方法較少考慮到狀態(tài)數據的空間信息，本文提出一種基于時空聯(lián)合聚類方法的設備狀態(tài)異常檢測方法，該方法綜合利用大量設備狀態(tài)、氣象環(huán)境等歷史數據，在實現異常檢測的同時將結果形象化。其具體做法為：通過移動時窗將狀態(tài)數據時間序列劃分為多

3、個子序列，并將子序列與空間位置坐標相結合以構成時空聯(lián)合數據；使用c均值模糊聚類方法對每個時窗中的時空聯(lián)合數據進行聚類分析，并基于歷史狀態(tài)數據對每一類賦予異常度值，根據異常度值的大小判斷該類數據是否異常；通過在每個時窗的類之間建立模糊關系實現異常狀態(tài)沿連續(xù)時間段傳播過程的形象化。結合實際算例驗證了提出方法的可行性。
　　對變壓器的負載能力進行了分析，采集變壓器的歷史環(huán)境溫度與負載系數數據，運用RBF神經網絡分別對兩者進行預測，將預測