人工智能驱动的数据分析技术在电力变压器状态检修中的应用简析

摘  要：状态检修是一项基础性的工作，其对于维护电力变压器的稳定运行有着极大的帮助，同时还能確保优质电力的正常供应。在智能时代的影响下，智能电网的建设逐步的推进，其中涵盖着多项工作内容，如状态检测、生产管理等，基本的工作内容呈现出种类繁多、增长迅速、体量庞大等特征。在电力大数据时代，需要积极的关注人工智能技术的合理运用，通过将其与电力变压器的状态检修工作相互结合，分析其基本的应用实践成果。

关键词：人工智能;数据分析;电力变压器;状态检修

中图分类号：TP306  文献标识码：A    文章编号：1671-2064（2020）03-0000-00

电力变压器属于电力系统中非常重要的组成部分，属于枢纽设备，其具体的运行状态对电力的供应以及社会生活的正常运行起到了直接的影响。对比于传统计划检修模式来说，电力变压器状态检修更具针对性，其主要是对设备的状态进行评估的手段，依托于预测状态的发展趋势，融合新时代的特色，属于新型的检修手段。这种检修的方式可以保证设备的可靠性稳步的提升，同时还能适当的规避检修不足以及过度的问题[1]。

1电力变压器状态检修的阶段性任务

1.1关于数据

在电力变压器的状态检修中，应该重视的是关于数据的处理和分析，同时还应该重视采集过程。数据的采集一般是借助于停电试验以及不停电检测等途径完成对电力变压器运行状态参数的合理获取，采集数据信息的阶段，应该重视数据的真实性和可靠性，以免出现失真的问题。数据的处理则主要是对原始采集的数据进行合理的清洗或者是修复，通过将其中涉及到的关键信息加以提取，保证给后续的评估和预测工作等提供有效的参考，关于数据信息的利用提供有效的支持。

1.2关于状态

涉及到的状态问题，重点涵盖着两个不同的阶段，首先是关于状态的评估，其次是关于状态的预测。状态的评估重点是对不同的来源及类型的状态信息做出合理的判断，由此确定实际的运行状态等级，根据具体的评估结果，分析出设备的故障识别问题和故障的定位问题等。对状态进行预测的时候，应该重视设备的运行状态作为主要的起点，结合着被预测的对象做出合理的分析，根据具体的监测数据加以判断，明确结构的特性以及历史记录的情况等，将所有的关键要素展开科学的分析和判断，针对于状态的未来发展趋势还需要做出科学的预测，这样才能为后续相关策略的制定提供有效的参考。

1.3关于决策

检修的决策是一个重要的问题，主要是将电力变压器的实际运行状态评估结果视为主要的参考依据，同时作为基本的信息支撑，结合着检修的技术以及相应的资源等，明确约束条件的限制作用，构建起相对合理的目标函数，使其保证运行的可靠性以及经济性的充分体现，对检修的时间以及方式等项目，做出合理的判断，借助于智能技术实现有效的推荐。

2人工智能驱动的数据分析技术的基本概述

人工智能是时代发展的产物，属于一门运用至模拟、延伸及扩展人类智能的技术手段，主要的目标就是借助于机器实现人类的智能模拟，由此替代人类完成基本的识别、认知及分类等多种多样的功能。在数据分析的基础上，人工智能技术涵盖着专家系统以及机器学习等多个方面[2]。

2.1专家系统

专家系统属于人工智能较为典型的代表，其彰显出的模拟功能极为明显，主要是反映出专家的决策能力，最为核心的组成就是知识库以及相应的推理机。知识库重点是通过部分专家提供的知识和经验组合而成，推理机则是借助于模拟的手段，将研究领域中的专家思维加以分析，实现对相关问题的合理控制与求解。专家系统有着不同的分类，依照其本身的功能和特性可以适当的区分出诊断型专家系统以及预测型专家系统等等。

2.2 不确定性推理

这种不确定性推理重点是指的确定性推理之外的其他推理问题，其中涵盖着并不精准的知识推理过程以及并不完备的知识推理过程，关于模糊知识的推理以及非单调性推理等就是较为显著的代表。这种推理的过程主要是将存在着不确定性的初始证据视为重要的基础，根据这样的知识展开详细的推导过程，最终获取的成果是不确定性的结果，同时也反映出合理与基本合理的思维产物。在不确定性推理中，知识以及相关的证据彰显出程度不一的不确定性问题。这就使得推理机设计和实现的难度大大的增加，其主要是对推理方向的问题以及推理方法的问题等予以解决，同时也需要处理好不确定性表示及度量的关系等，其中涉及到的重要问题繁多，需要依照实际的问题做出科学的分析。

2.3机器学习

作为一种重要的辅助功能，其属于现代人工智能的关键组成部分，机器学习就是借助于计算机的实际运用，使得人类的学习行为得以模拟，然后通过自主的功能，实现对学习行动的操作，获取相应的知识以及技能等，逐步的优化系统本身的性能。机器学习的方式多种多样，如传统机器学习以及集成学习等等[3]。

2.4智能优化计算

这种计算重点是在遵循着自然规律的基础上开展的计算工作，其主要的原理是模仿设计求解的问题算法，可以划分出进化计算以及群智能计算两种不同的类型。进化计算主要是将遗传算法视为典型的代表，后者则是涵盖着不同的类型，如粒子群优化算法以及蚁群优化算法等等。对比于传统且经典的数学算法，这种计算方式体现出较为明显的通用性以及稳定性等基本的特征，因此在具体应用的时候，无需建立起对应的数学模型或者是逻辑模型，甚至不需要借助于具体的知识支持，就可以通过输入信息完成相应的处理，在处理非线性等较为复杂的问题时，这种算法的应用价值更加明显，更适合运用至解决难以构建模型或者是传统的计算方式无法处理的问题中。

3人工智能驱动的数据分析技术在电力变压器状态检修中的应用

在电力系统实际运行的过程中，电力变压器处于正常的工作中，其往往会受到多种因素的干扰，如热应力以及电应力等，在多种因素的综合作用下，其绝缘的性能会受到影响，甚至产生较为明显的缺陷，从而引发一连串故障问题。在设备运行中，其状态能够发生明显的变化，故障演变规律则会蕴藏至巡检试验以及带电检测中。在不同的电力信息化平台中，电力变压器运行状态相关信息彰显出不同的特征，如多源及异构等。多源性重点是表现为变压器状态数据的来源多种多样，涵盖着设备数据以及相应的监测数据等不同的方面。

3.1关于数据的应用

状态检测信息的数据成果可以对电力变压器的实际运行状态产生重要的影响，对于其基本的评估和预测模型准确度影响较为直接。因为受到现场环境的影响，传感器的监测性能能够受到较为直接的干扰，监测的信号在实际传输的时候，也能反映出较多的问题，如通信异常以及信道噪声等各种各样的情况，所以采集到的原始数据一般会含有对应的问题。数据清洗就是对获取到的信息加以修复。在传统的统计方法中，主要是对存在着异常情况的数据分析其准确性和实时性的情况，在信息相似度的原则上，对检测数据流信息进行合理的集聚处理，这样可以及时的判断出异常点的存在，同时分析出缺失值的快速辨识情况。常常运用到的聚类算法包括着模糊C均值聚类法、DBSCAN聚类算法等。关于对数据异常的分析和判断，所采用的技术除了引入多元时间序列进行合理的关联分析外，还需要重视栈式降噪自编码器清洗方式，这种方式可以及时的将自动重构的情况做出合理的判断，同时对于噪声点自动的修复，弥补缺失值，在对设备异常运行状态进行辨识的过程中，实现对干扰数据的合理过滤[4]。

3.2关于文本的应用

电力变压器的文本信息数量庞大，因此在进行管理的时候，需要重视一些细节性的问题。其中涉及到的文本信息包括长期运行中积累的试验及巡检记录信息以及缺陷及故障报告信息等，设备健康信息对于状态检修工作彰显出极为明显的指导作用。在具体的工作实践中，适当的引入自然语言处理技术，同时结合着电力领域相对专业的知识，构建起更为合理的自然语言处理框架，在此基础之上，运用相对完善的变压器缺陷文本挖掘模型，处理电力中文文本中反映出的句子成分，解决数字信息难以准确提取的问题，将缺陷的信息及时的运用至设备可靠性的统计分析工作中。分析传统机器学习分类器反映出的诸多问题，电力设备故障在实际处理的时候，可以适当的引入长短期记忆神经网络以及卷积神经网络等深度学习的模型，将其视为文本分类器进行科学合理的训练以及测试等，保证故障因果关系可以实现有效的处理，同时对相关的记录缺失等级进行合理的判定，分类的准确度对比于传统的机器学习模型而言呈现出明显提升的趋势。

3.3关于图像识别的应用

在数码摄像以及计算机视觉技术飞速发展的二十一世纪，智能化的手段被合理的运用至变压器状态检修中，通过将多种技术合理的运用至变电站的运维巡查中，使得相应的检测成果更加的显著。人工巡检以及智能巡检手段的运用，可以彰显出对应的运用成效，保证将设备图像信息获取的更加真实、可靠。结合着人工智能技术，可以完成电力变压器非结构化图像数据自动化分析目标，将其中涉及到的关键信息加以提取，对于相关设备的具体运行状态等做出合理的判断，保证运维管理的水平稳步的提升，同时彰显出最为基础的技术价值。在对相关的图像信息进行分割处理的时候，应该重视传统图像识别技术的合理运用价值，重点是采用人工特征提取方式，将获取到的数据信息及时的输入到机器学习分类器中，从而实现有效的识别与管理[5]。因为上述提及到的方式彰显出极为复杂的特征，所以在对相关特征进行选取的时候，还是反映出较大的难度，可见传统的识别模型泛化能力无从保证。近些年，机器学习系统投入使用，其可以直接的运用至像素级原始数据的获取中，通过自动化的逐层学习，使得自动特征的提取更加到位，关于复杂模型的构建也可通过相应的实践得以实现。在与卷积神经网络相互结合的过程中，实现网络拓扑结构逐步的优化并适当的改进，对比于传统的算法来说，这种新型的手段更能保证变压器状态檢测的成效，同时还能保证电力设备的图像识别率稳步的提升。

4结语

通过本文的概述，明确了电力变压器状态检修的发展需要，同时也在逐步总结了人工智能技术飞速发展的轨迹中，了解到其与电力变压器检修工作相互结合的意义。通过详细的阐述人工智能技术的基本内容，结合变压器状态检修不同阶段的任务，阐述人工智能技术在不同场景中的应用，证实了人工智能技术的发展是时代的优秀产物，其与电力变压器检修工作的结合，让相关的工作效率和质量稳步提升。

参考文献

[1]刘云鹏，许自强，李刚，等.人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J].高电压技术，2019，45（2）：337-348.

[2]郭贤敏，张颖.大型变压器综合诊断技术在设备运行和检修中的应用[J].城市建设理论研究（电子版），2017（5）：246.

[3]周茂，王谦，唐超，等.智能检测装置在电力变压器内绝缘故障诊断中的应用分析[J].黑龙江科技信息，2014（29）：118.

[4]孟涛，陈强，刘飞，等.利用变压器油中溶解气体分析技术进行故障诊断的研究[J].电工电气，2011（1）：1-4+37.

[5]贝前程，刘海英，张绍杰，等.基于改进传统人工势场法的机器人避障和路径规划研究[J/OL].齐鲁工业大学学报，2019（6）：53-58.

收稿日期：2020-01-16

科技项目：一种基于人工智能设备运行情况分析提示仪（050000KK52190008-028）。

作者简介：蒋羽鹏（1986—），男，云南昆明人，本科，中级工程师，研究方向：变电站设备运维。