随着智能电网的快速发展和电力设备的日益增长,运维智能化逐渐变成电网企业提高生产效率的重要途径。特高压换流站是输变电过程中重要的组成部分,换流站设备运行中产生的庞大数据给传统运维方式带来了严重挑战,必须通过智能化改造实现设备的精细化管理。本文以国内某换流站为背景,针对换流站内设备运维问题,开展智能运维研究。(1)针对换流站主要设备和监测系统,从换流站运维数据和运维工作两个角度分析了智能运维的现状和需求,提出了基于换流站设备大数据的设备智能运维系统框架,分为数据来源层、数据处理层、特征分析层、模型计算层和运维应用层。(2)针对换流站设备故障诊断方式单一的问题,提出基于数据融合的设备故障诊断方法。建立了多层级的设备故障诊断模型,包括数据级融合(数据的关联融合)、特征级融合(多分类逻辑回归的初步诊断)和决策级融合(D-S证据理论的合成诊断)。实例分析和方法对比表明了该方法的优越性。(3)针对换流站内设备故障预警算法不完善的问题,提出一种基于LSTM和Seq2Seq的多粒度设备预警算法,结合运维人员的需要从采样粒度、时粒度和天粒度进行设备状态参量的序列预测,之后根据故障预警判据库对预测序列进行匹配分析,最后针对换流变设备进行了实例分析,并和目前的报警情况进行了对比,显著提高了预警的准确性。(4)针对换流站内设备状态评估时参量众多的问题,提出一种基于关联规则挖掘和贝叶斯网络的状态评估方法。通过关联规则挖掘设备各类故障模式下状态参量的相关性,以此改进贝叶斯网络的先验概率知识。之后通过历史状态信息、当前状态信息和预测状态信息,完成贝叶斯网络模型的自学习,考虑了三类信息的分布特性给出了设备运行状态的评估方法。最后通过换流站内设备的现场运行数据验证,表明了该方法的有效性。