智慧巡检
- 755 -
制等多系统数据的融合贯通,获取设备台帐及巡检
信息,建立在线监测、带电检测试验数据筛查、判
断、分析机制。系统化运用数据库技术对检测数据
进行管理,依据带电检测结果扣分标准对设备进行
诊断分析及状态评价,提供横向、纵向对比分析功
能,实时更新典型缺陷案例库,同步提供人工审核
功能。系统通过案例的典型缺陷案例库模拟检测数
据,建立变电设备状态评价诊断算法,依据更新的
缺陷案例库对算法进行研究、训练、验证,不断优
化算法模块。变电设备状态感知评价系统主界面如
图 3 所示。
图 3 变电设备状态感知评价系统主界面
3.1 组合电器
首先,经过对大量仿真计采用深度学习技术改
进和提升智能诊断分析技术,同时引入丰富的数据
展现手段,将检测和诊断结果进行图像与数据的综
合展示。通过提取与绝对相位无关的特征矢量,包
括幅值-相位分布特征、脉冲数-相位分布特征等,
利用深度学习算法,对专家系统分类器进行训练,
进而实现对各类 PRPD 图谱的诊断识别。数据输入网
络后进入编码网络编码,经过深度学习输入信号的
特征表达,这组特征表达通过解码网络又可以重构
回原有的输入信息。编码过程中网络可以有效地对
输入数据提取特征并进行压缩,而解码重构的新信
号质量可以不断地对编码特征进行修正以确保编码
特征的有效性。
随后,根据不同测点部位的特高频检测的诊断
结果、检测数据特征值以及该设备历史趋势分析结
果按照如下的状态评价扣分标准表计算扣分值。特
高频检测评价扣分标准如表 1 所示。
其次,考虑到电力设备不同部位的重要性程度
不同,因此需要进一步根据设备测点部位的情况实
施额外扣分标准,额外扣分标准如表 2 所示。
再次,将两次的扣分累计得到该设备各个测点
部位的状态评价扣分值。将设备各个测点部位的状
态评价扣分值按照下表与状态进行对应,得到设备
各个测点部位的状态评价结果。(当合计扣分≤25
或单项扣分≤15 时为正常状态;合计扣分>25 或单
项扣分为 15~25 时为注意状态;
单项扣分为 25~35
时为异常状态;单项扣分>35 时为严重状态。)
表 1 特高频检测评价扣分标准
表 2 额外扣分标准
打分:
0 星