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