《基於大數據分析的輸變電設備狀態評估基礎理論與方法》是依託上海交通大學，由盛戈皞擔任項目負責人的面上項目。
基本介紹
- 中文名：基於大數據分析的輸變電設備狀態評估基礎理論與方法
- 項目類別：面上項目
- 項目負責人：盛戈皞
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
傳統的輸變電設備狀態評價一般是基於理論分析、仿真和試驗測試等手段建立的機理和因果關係模型。本項目擬利用日漸完善的電力信息化平台收集的大量設備狀態信息、電網運行信息和環境氣象信息，從數據本身內在規律分析的角度研究設備狀態演變的關聯關係和發展趨勢，提出適用於設備狀態評估的電力運行檢修大數據挖掘分析方法，建立基於數據驅動的設備狀態個性化評估和故障預測模型，為設備狀態的精細評價和預測提供全新的解決思路和技術手段。主要研究內容包括：1、面向設備狀態評估的電網、設備、環境等多源異構信息特徵數據表達模型和規範化建模方法；2、研究輸變電設備狀態實時數據流多尺度異常檢測的方法；3、研究輸變電設備個性規律集成學習的原理和實現策略，建立基於大數據樣本的設備關鍵性能動態評價模型；4、研究適用於輸變電設備狀態演變分析的多維度關聯關係識別方法，構建數據驅動的設備狀態關聯分析和故障預測模型
結題摘要
本項目提出了一系列適用於設備狀態評估的電力運行檢修大數據挖掘分析方法，建立了基於數據驅動的設備狀態異常檢測、關鍵性能評估、故障診斷和預測模型，為設備狀態的精細評價和預測提供全新的解決思路和技術手段，有效提高了電力設備狀態評估的準確性和效率。主要進展和成果包括：1、提出了基於關聯規則和主成分分析的輸變電設備關鍵參數體系構建方法；2、建立了基於滑動時間窗時空聯合聚類分析、多元時間序列分析以及轉移機率序列無監督學習的輸變電設備狀態異常檢測模型；3、提出了基於高維隨機矩陣分析實現輸變電設備關鍵性能評估的方法和算法模型；4、研究了適用於輸變電設備狀態演變分析的複雜多層多維關聯關係識別方法，提出了基於機率圖的關聯關係高效挖掘方法，構建了基於大數據樣本深度學習的設備故障診斷和預測模型。
