陈　晶,郝海博,李育锋,廖红兵

随着智能电网和数字化转型的深入推进，变电站产生了海量的设备运行数据。传统基于固定周期的计划性维护模式难以充分利用这些数据价值，易导致过度维护或维护不足。本文旨在研究基于大数据分析技术的变电站设备运行维护策略优化方法。通过构建集数据采集、存储、分析和决策支持于一体的运维大数据平台，综合利用时序数据分析、机器学习及深度学习算法，挖掘设备状态参数与故障风险之间的内在关联，实现设备健康状态的精准评估与剩余寿命预测。本文重点设计了基于设备多源异构数据的预测性维护模型，并通过真实历史数据与模拟实验相结合的方式，对模型的有效性进行了验证。

变电站；大数据分析；运维策略优化；预测性维护；剩余寿命预测；机器学习

［1］李建岐，王鹏，毕建刚，等 . 电力设备智能运维大数据分析技术研究综述［J］. 高电压技术，2021，47（9）：3025-3037. ［2］孙才新，司马文霞，李剑，等 . 基于大数据云平台的电力变压器状态评估与故障预测［J］. 电工技术学报，2019，34（增刊 1）：1-10. ［3］邵涛，周志成，吕干云，等 . 基于熵权 TOPSIS 法的变压器状态综合评估［J］. 电力系统自动化，2017，41（15）：100-106. ［4］TianJ，AzarianMH，PechtM.AnomalyDetectionusingSelf-OrganizingMaps-basedk-NearestNeighborAlgorithmforPHMApplications［C］//ProceedingsoftheEuropeanConferenceofthePrognosticsandHealthManagementSociety.2014. ［5］SiXS，WangW，HuCH，etal.Remainingusefullifeestimation–Areviewonthestatisticaldatadrivenapproaches［J］.EuropeanJournalofOperationalResearch，2011，213（1）：1-14.

点击下载PDF