近年来,随着智能电网的建设和变电站人工替代技术的推广,变电站自动巡检机器人在各级变电站得到广泛应用。然而目前的巡检机器人系统并不能自动查找分析故障隐患设备,只能对已出现缺陷的设备生成报告,很多隐患设备只能通过人工方式预测排查,因而加重了运维人员的生产负担。为了强化机器人在变电站巡检工作中的利用效率,使巡检机器人更好地服务于运维工作,减轻人员负担,本文提出利用数据挖掘技术分析变电站运行数据,使巡检机器人系统能够自主完成故障诊断,寻找相关巡视点,并制定特巡计划。主要工作如下:第一,构建变电站三方综合数据库。为了收集数据挖掘过程所需的设备运行数据,将生产系统、监控后台、机器人巡视三方数据进行整合,去除噪声干扰后形成综合数据库,用于挖掘缺陷设备。以机器人后台为综合数据库数据分析平台,优化机器人采样数据库,制定更为科学的巡视策略,提高巡检机器人巡视效率,并依托靶向采集数据,提高综合数据库样本质量。同时,基于生产管理系统构建知识信息库和故障信息库,为缺陷等级分类和挖掘缺陷相关的故障点提供依据。第二,完成设备故障挖掘。深入研究数据挖掘应用,筛选适合故障分析的方法,确定以粗糙集和故障树相结合的数据挖掘方法。利用粗糙集方法有效解决变电站运行数据噪声多、种类复杂等问题,并采用故障树方法实现对设备故障类型的挖掘。以实现变压器自主状态评价为例,结合专家评估以及设备检修专业知识库(国家电网公司变电检测管理规定、变电站现场规程)等,探讨能够实现机器人后台系统自动判断故障的故障树构建方法。第三,完成故障相关巡视点关联算法。通过知识信息库中的缺陷等级分类确定各个故障的巡视期限与周期,介绍了故障信息库与生产系统中台账信息相关联的必要性、关联度挖掘的相关算法。经过比较证明,FP-growth算法相比Apriori算法不会产生候选频繁集,挖掘效率更高。最终提出利用FP-growth算法对故障信息库进行挖掘的方案,通过挖掘故障巡视点之间的关联信息筛选应该巡视的位置,确定故障发生后应该巡视的所有巡视点并进行优先级排序。第四,完成机器人特巡策略制定和路线规划。探讨解决多个特巡计划的路径优化方法,并进行仿真验证比较,由于蚁群算法能够优化Dijkstra算法的局部最优解,最终决定使用Dijkstra算法配合蚁群算法完成多故障设备特巡路线优化,使得机器人可在不影响每日例行巡视的基础上,自动对后台分析系统判定的故障设备巡视点进行最优化策略特巡。