基于Hadoop的变电站设备故障状态识别与预测模型

摘要

在智能变电站环境下,各种智能量测装置运行过程中产生了海量的状态监测数据。针对在数据量巨大的情况下,现有故障诊断方法分析效率缓慢且预测精度不高等问题,提出一种大数据环境下设备故障快速识别与预测模型,改进并实现了MapReduce并行模式下设备故障分类算法,通过专家推理机制,依据规则进行准确的故障预测。建立了一个基于Hadoop集群的数据处理实验环境,以SF6断路器的3种故障状态为对象,分析证明了该模型在不同故障模式下识别与预测的正确性和有效性。