电压暂降是指由于大型电机启动、电力系统短路故障、变压器励磁涌流等原因造成的电压方均根值短时间内突然下降的电能质量事件。电压暂降发生时,会对敏感设备带来重大影响,最近几年得到了业界重要关注。据调查,当电压暂降发生时,会引起敏感设备发生故障,从而导致电能质量问题投诉问题发生,在责任鉴定时,会带来责任纠纷问题,很多企事业单位都会因为电压暂降带来各方面危害以及经济损失。为了掌握敏感设备对电压暂降的耐受能力,有针对性地开展预防和治理措施。国内外相关机构开展了大量机理、仿真和试验研究。在此基础上,本文提出了通过机器学习的方法进行敏感设备耐受能力评估。另一方面,现有监测系统数据采集的方式大多通过前置机定时上传监测数据到主站数据库来支持离线方式的数据处理。采用离线定时处理方式,只能实现事后分析处理,与实际生产脱节,无法满足辅助决策实时性的要求。所以本文提出了基于Storm流式计算框架,结合logstash和Kafka消息中间件,构建面向多监测点的实时数据监测处理平台;采用滑动时间窗口算法,实现Storm编程逻辑拓扑;通过设置基本时间窗口大小和数量,实现面向区域电网的多时空尺度、多业务模型的敏感设备耐受能力评估。将流数据处理与机器学习相结合,构建一个在线实时对敏感设备耐受特性做出评估,以提高检测速度和准确性的方案,对减少用户电能质量经济损失(欠治理或过度治理)和电能质量事故责任鉴定有着重要意义。