基于簇状网络的智能化变电站电气设备缺陷检测

摘要

随着智能电网的发展,变电站在运行过程中面临的问题越来越多,如何准确检测电气设备的缺陷,是智能电网未来发展中必须面对的一个重要课题。本文基于簇状网络实现智能变电站电气设备的缺陷检测,通过簇状网络学习方法对智能变电站进行建模和仿真试验,实验表明该方法可以有效提高变电站电气设备缺陷检测效率。文中介绍了基于簇状网络算法对变电站电气设备缺陷检测问题进行分类以及算法设计。该算法可以根据已有故障数据、目标数据之间生成一个训练集而形成自适应网络,最终获得检测结果。文中采用RBF网络、ZNN模型等实现算法研究和验证,在实际应用中效果良好!由于常规电气设备缺陷检测技术可靠性差且反应速度,研究基于簇状网络的智能化变电站电气设备缺陷检测方法。将降维后的节点数据与观测数据相融合,形成簇状网络数据收集模型;利用簇状网络处理划分后数据,通过簇的相似性确定异常度;利用智能化深度学习模式,检测电气设备缺陷情况。测试结果表明:缺陷检测方法优化后,当电气设备运行时间在2000~4000 s时,检测出最高温度为31℃、最低温度为5℃,均与初始温度相差13℃,可见所研究的方法可以快速检测设备缺陷。