[00129043]输变电设备状态智能监测和大数据评估系统及大规模应用

输变电设备的安全稳定运行既是保障电能可靠输送的基础,也是保证社会安全稳定的基石,关系国计民生。设备质量潜在缺陷、电网运行环境复杂等问题长期存在,据统计,设备自身故障和外部环境隐患是引起电网停电事故的主要源头。因此,对输变电设备健康状态进行准确感知、全面监测与实时评估,是保障电网安全运行、实现电网智能运行的先决条件,也是迫切需要解决的行业重大难题。 目前面临的挑战：①传统设备状态评价主要依据少量参量、单一阈值和人工经验,准确性差,状态评估方法亟待突破。②各业务系统电网设备信息模型不统一,状态数据多源异构、贯通性差、数据质量参差不齐,多维度、深层次融合分析难度大、效率低,运检数据价值缺乏有效挖掘。③已有设备图像/图谱类监测装置实时分析能力弱,信息价值密度低,装置智能化水平亟需提高。 本项目在国家863课题和国网总部科技项目支持下,立足自主创新,历经六年“产学研用”紧密融合,应用大数据分析和人工智能技术,攻克了输变电设备状态差异化评估和智能监测的技术难题,研发了输变电设备状态大数据评估系统,主要成果和技术创新点如下： 1.提出了差异化评价、故障预测、负载能力评估有机融合的输变电设备状态大数据实时评估模型,国内外首创了输变电设备状态大数据评估系统,实现了变压器、组合电器、输电线路等十九类输变电设备状态差异化评估的全覆盖,解决了大数据环境下设备状态快速、有效评估的重大难题,设备评价准确率从80.2%提升至96.7%。 2.提出了输变电设备多源异构数据集成融合和预处理方法,研发了面向设备评估的海量数据分布式存储检索技术和高效并行挖掘算法组件,构建了设备状态大数据分析挖掘平台,突破了多源异构运检大数据融合分析和高效挖掘的难题,支撑单台设备差异化评价平均耗时从28分钟缩短至26毫秒。 3.构建了基于深度学习的红外、可见光图像及局放图谱的异常识别分析模型,发明了基于分布式自举算法的传感器组网方法,研制了具备边缘计算和自组网能力的三类智能监测装置,提升了输变电设备状态感知的有效性和实时性,异常数据漏报率小于1%,感知时间由小时级缩短至毫秒级。 项目获发明专利24项、实用新型专利1项、软件著作权1项,制定标准4项,发表SCI论文9篇、EI论文45篇、核心2篇,出版专著2本。以陈维江院士为主任委员的鉴定委员会认为项目成果整体达到国际领先水平。 研发的设备状态大数据评估系统和技术集成于国家电网有限公司智能运检管控系统,实现设备状态主动预警和差异化评估,并在十余个省级电网公司推广应用;研制的三类智能监测装置均大规模应用,覆盖全国31个省市自治区,进一步提高了装置和仪器的智能化水平和运检工作效率;产值8.78亿元,避免设备和停电损失5.6亿元。项目推动了智能传感器、大数据、人工智能等高新技术产业发展以及传统电网设备制造业产业升级,为保障大电网安全稳定运行提供了有力支撑。