大数据对变压器状态判别和预警.docx

文档介绍：大数据对变压器状态判别和预警
一、课题目的
作为智能配电网的重要设备之一，电力变压器运行状态的准确判别和预警具有重要
意义。对变压器的状态评估模型能准确高效地判别变压器的工作状态并提出相应的预警
检修计划，提高变压器运行可靠性。
大数据对变压器状态判别和预警
一、课题目的
作为智能配电网的重要设备之一，电力变压器运行状态的准确判别和预警具有重要
意义。对变压器的状态评估模型能准确高效地判别变压器的工作状态并提出相应的预警
检修计划，提高变压器运行可靠性。
二、解决问题
（1）电力变压器寿命一般为20~30年，色谱油在线监测装置采样周期一般设为一
天，为解决在线监测装置寿命的过度损耗，从已有的短周期监测数据中挖掘数据内部规
律，适当延长监测周期。
（2）采用大数据分析技术建立状态预警模型并对变压器故障进行预警分析，保证
电网质量。
三、研究内容
对220KV主变近三年的运行状态进行分析对变压器故障进行分类识别。
（1）对电力变压器状态量进行分析，建立油色谱指标所组成的变压器状态指标评价体
系，并对不同数据进行统计和分类。如当变压器油中出现一氧化碳、二氧化碳等特征气
体时，变压器内部出现局部放电、过热等现象，对不同类型的现象，所产生的各种气体
比例、浓度进行分析。
（2）针对可清洗的数据点用小波神经网络模型进行缺失数据预测和错误数据修正。动
态修正小波神经网络参数和组合预测提高了网络清洗效率和准确率。
（3）基于朴素贝叶斯（NaiveBayes）分类方法的变压器状态评估方法，将结果分为正
常运行状态、不正常运行状态、故障状态，并对不正常运行状态和故障状态进行细分。
贝叶斯判别法既考虑了各个总体出现的先验概率，又考虑了错判产生的影响。因此建立
基于贝叶斯判别的电力变压器状态判别和预警模型，判断