基于大数据分析的输变电设备异常检测

摘要

输变电设备的异常检测对于电网的安全稳定运行起着重要的作用，通过对设备进行异常的探测，能够及时发现电网运行中存在的问题并做出相应的解决方案。大数据技术已在互联网、金融等众多领域得到广泛而成熟的应用，在电力领域的应用还处于探索阶段，本文提出使用大数据技术对输变电设备进行异常检测，能够更加全面有效地利用设备的状态信息，对设备的异常情况做出更加可靠、精准的检测，为下一步的检修工作提供依据。
　　本文通过对输变电设备各种信息对其运行状态产生影响情况的分析，选取合适的状态量来描述设备的运行情况，根据实际经验对设备的健康等级进行了划分，按照科学规范的原则建立起设备的异常检测关键参数体系，为之后的异常检测奠定基础。
　　鉴于传统的输变电设备状态异常检测方法较少考虑到状态数据的空间信息，本文提出一种基于时空联合聚类方法的设备状态异常检测方法，该方法综合利用大量设备状态、气象环境等历史数据，在实现异常检测的同时将结果形象化。其具体做法为：通过移动时窗将状态数据时间序列划分为多个子序列，并将子序列与空间位置坐标相结合以构成时空联合数据；使用c均值模糊聚类方法对每个时窗中的时空联合数据进行聚类分析，并基于历史状态数据对每一类赋予异常度值，根据异常度值的大小判断该类数据是否异常；通过在每个时窗的类之间建立模糊关系实现异常状态沿连续时间段传播过程的形象化。结合实际算例验证了提出方法的可行性。
　　对变压器的负载能力进行了分析，采集变压器的历史环境温度与负载系数数据，运用RBF神经网络分别对两者进行预测，将预测结果代入热点温度计算模型中，最终预测得到变压器未来几小时内的热点温度值，从而对变压器的负载能力进行有效评估；将采样得到的环境温度、负荷以及热点温度数据进行整合，使用c均值模糊聚类方法对其进行综合聚类，根据数据点到聚类中心的距离对各数据设定异常度值，根据异常度值的大小判断数据的异常情况，从而实现负载能力的异常检测。

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.2 相关研究现状

1.3 本文的主要研究工作

第二章 输变电设备异常检测关键参数体系的建立

2.1 状态量

2.2 变压器关键参数选取

2.3 输电线路关键参数选取

2.4 状态划分

2.5 异常检测关键参数体系的建立

2.6 小结

第三章 基于时空联合聚类方法的输变电设备状态异常检测

3.1 时空联合数据的提取

3.2 基于重建标准方法的时空数据聚类方法

3.3 异常检测方法

3.4 模糊关系

3.5 算例分析

3.6 小结

第四章 基于径向基神经网络的变压器负载能力预测和异常检测

4.1 变压器负载的分类及特点

4.2 变压器热点温度分布及计算模型

4.3 变压器的寿命损失

4.4 变压器负载能力预测

4.5 变压器负载能力异常检测

4.6 算例分析

4.7 小结

第五章 输变电设备异常检测软件的开发

5.1 软件开发原则以及系统构架

5.2 软件开发

5.3 小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文

答辩决议书