基于大数据挖掘技术的输变电设备故障诊断方法-高电压技术.PDFVIP

第 43 卷 第 11 期：3690-3697 高电压技术 Vol.43, No.11: 3690-3697 2017 年 11 月 30 日 High Voltage Engineering November 30, 2017 DOI: 10.13336/j.1003-6520.hve.20171031026 基于大数据挖掘技术的输变电设备故障诊断方法 1 2 1 2 1 2 胡 军 ，尹立群 ，李 振 ，郭丽娟 ，段 炼 ，张玉波 1. 100084 （ 电力系统发电设备控制和仿真国家重点实验室（清华大学电机工程与应用电子技术系），北京 ； 2. 广西电网公司电力科学研究院，南宁530023 ） 摘 要：传统输变电设备故障诊断方法具有易受专家意见主观影响以及模型固化的缺点。为此，提出了基于大数 据挖掘技术的设备故障诊断方法，介绍了设备故障模式聚类算法、状态参量相关性分析算法以及基于相关性矩阵 的故障诊断方法等基于大数据分析的设备故障诊断关键技术，并采用某电网公司 500 kV 电压等级油浸式变压器套 管近 10 a 故障记录数据作为数据挖掘案例进行了实证。研究结果表明：k-means 聚类算法配合轮廓系数能准确得 得出故障分类模式；Apriori 关联算法配合 Tanimoto 系数可用于评估状态参量之间的强弱关系；基于皮尔逊相关 系数构造故障诊断矩阵能够准确判断出与实际运行维护试验结果相符合的设备故障模式。因此，基于大数据挖掘 技术的输变电设备故障诊断方法能够有效挖掘出设备状态记录数据内在的规律，实现具有数据自适应性的、更加 准确的设备故障诊断。 关键词：大数据分析；故障诊断；相关性；k-means 聚类算法；轮廓系数；Tanimoto 系数；Apriori 关联算法 Fault Diagnosis Method of Transmission and Transformation Equipment Based on Big Data Mining Technology 1 2 1 2 1 2 HU Jun , YIN Liqun , LI Zhen , GUO Lijuan , DUAN Lian , ZHANG Yubo (1. State Key Laboratory of Control and Simulation of Power Systems and Generation Equipments, Department of Electrical Engi- neering, Tsinghua University, Beijing 100084, China; 2. Electric Power Research Institute, Guangxi Power Grid Company, Nanning 530023, China) Abstract ：The traditional faulty diagnosis method of power transmission and transformation equipm