基于大数据挖掘的变电设备故障预警研究及应用

针对变电设备缺乏有效的故障预警预测方法,本文提出了利用Pearson相关分析、单因素方差分析、统计对比等方法,对各类变电设备巡检数据进行相关性分析,然后建立Logistic回归故障预测模型,实现对设备状态的超前预警;继而利用深度学习建立分类深度学习神经网络模型,能够准确判断预警设备可能的故障类型。最后通过搭建变电站智能运维辅助决策大数据平台对变电设备故障预警模型进行可视化展现;运用风险矩阵分析法,对设备进行分级管控,辅助优化运维策略,从而使重要设备得到重点运维,实现变电设备差异化运维。经过大量的实践验证表明,该方法设备故障预测研判准确率达到90%以上,较以往人工经验预判准确度提升约20倍,设备故障率较同期减少75%,设备可用率系数达到99. 988%,大大提高了设备健康水平,提升了设备运维效率。