基于深度学习的电网一次设备风险智能评估方法

黄军凯,张迅,赵超,刘君,范强,丁江桥

(贵州电网有限责任公司电力科学研究院，贵州贵阳550002)

就电网设备在智能电网建设中的地位而言,智能电网建设意味着智能化设备管理和控制取代了人工检查[1－3]。但是电网设备缺陷的诊断与控制水平一直处于电网控制技术优化的边缘,甚至有些设备管理目标也与原来的目标背道而驰[4－6]。因此,需要更多的缺陷描述数据来辅助确定诊断原因,确定电网设备是否存在新的隐患[7]。

文献[8]根据完整的送端电网风险评价指标体系构建新能源高渗透率计算方法,以此为基础设计基于熵权法的新能源高渗透率算法,对送端电网风险模糊综合评价体系建立权重指标,但缺少对电网风险运行风险的评估缺陷的数据描述。文献[9]利用改进的随机潮流方法控制系统调频作用的不确定性,构建风险评估电网连锁故障的事故链,针对符合故障确定电网状态输出变量的激增情况,以此建立函数模型确定电网设备故障的停运概率,但缺少对温控措施的配置。文献[10]利用数据预处理聚类分析数据流挖掘,通过分类识别电力设备异常数据,并将故障数据整理为测试集,对电网设备做风险识别,但缺少对测试集中故障数据的识别。

本文收集并提取电网一次设备历史缺陷信息特征,用以区别测试集中故障数据,配置合理的电网一次设备监测设施采集评估缺陷数据,对评估数据加以描述,输出设备风险智能评估结果。……