论文部分内容阅读
随着电力系统的发展,电网中输变电设备的安全问题越来越引起人们的注意。电力变压器作为电力系统中重要的能量枢纽,其缺陷事故不仅严重影响到居民的日常生活,且有可能造成巨大的社会经济损失。目前,已有学者采用数据挖掘技术来预测变压器的缺陷隐患,并获得了一定成效,但大多仅限于发现变压器设备质量引起的缺陷问题,或者是对变压器整体做出的宏观缺陷预测,不适用于个体。随着电力技术的发展,电力系统中引入了实时监测系统,不仅让电力数据更多维化,且增加了电力数据可挖掘的价值,为预测变压器的缺陷问题带了新思路。变压器的缺陷发生通常与其设备参数、运行环境等具有相关性。且运行环境对变压器的损耗影响是常年累月形成的,具有时间序列的特质。因此,本文设计了一种基于多维数据的变压器缺陷预测方法,并实现了相应的原型系统。该方法从电力数据的多维度角度入手,将电力数据按是否具有时间序列特质分为实时类环境气象数据和非实时类设备参数数据,使用时间序列预测法对实时类环境气象数据进行建模,得出环境因素对变压器缺陷影响的综合衡量属性,然后结合非实时类设备参数数据与变压器缺陷数据,使用逻辑回归算法建立变压器缺陷预测模型。该原型系统采用离线建模和在线分析的工作方式,包含数据预处理、数据挖掘、实时预测等处理流程,对变压器的缺陷预测问题提供了方法上的参考。本文首先阐述了变压器缺陷预测方法提出的研究背景和社会意义,并介绍了相关技术的发展现状及其优缺点和适用场景。接着针对变压器缺陷预测方法的目标需求,分析了电力多维数据的特点、实时性需求、功能性需求和非功能性需求;提出了基于多维数据的变压器缺陷预测方法,选取了合适的方法对电力数据进行预处理,实现了核心的时间序列预测和逻辑回归算法;设计和实现了变压器缺陷预测原型系统的总体架构及核心模块的交互接口;并对变压器缺陷预测系统进行了单元测试和集成测试。测试结果表明,本文所提出的方法具有可用性。