人工智能驅動的數據分析技術在電力變壓器狀態檢修中的應用簡析

摘? 要：狀態檢修是一項基礎性的工作，其對于維護電力變壓器的穩定運行有著極大的幫助，同時還能確保優質電力的正常供應。在智能時代的影響下，智能電網的建設逐步的推進，其中涵蓋著多項工作內容，如狀態檢測、生產管理等，基本的工作內容呈現出種類繁多、增長迅速、體量龐大等特征。在電力大數據時代，需要積極的關注人工智能技術的合理運用，通過將其與電力變壓器的狀態檢修工作相互結合，分析其基本的應用實踐成果。

關鍵詞：人工智能;數據分析;電力變壓器;狀態檢修

中圖分類號：TP306? 文獻標識碼：A ? ?文章編號：1671-2064（2020）03-0000-00

電力變壓器屬于電力系統中非常重要的組成部分，屬于樞紐設備，其具體的運行狀態對電力的供應以及社會生活的正常運行起到了直接的影響。對比于傳統計劃檢修模式來說，電力變壓器狀態檢修更具針對性，其主要是對設備的狀態進行評估的手段，依托于預測狀態的發展趨勢，融合新時代的特色，屬于新型的檢修手段。這種檢修的方式可以保證設備的可靠性穩步的提升，同時還能適當的規避檢修不足以及過度的問題[1]。

1電力變壓器狀態檢修的階段性任務

1.1關于數據

在電力變壓器的狀態檢修中，應該重視的是關于數據的處理和分析，同時還應該重視采集過程。數據的采集一般是借助于停電試驗以及不停電檢測等途徑完成對電力變壓器運行狀態參數的合理獲取，采集數據信息的階段，應該重視數據的真實性和可靠性，以免出現失真的問題。數據的處理則主要是對原始采集的數據進行合理的清洗或者是修復，通過將其中涉及到的關鍵信息加以提取，保證給后續的評估和預測工作等提供有效的參考，關于數據信息的利用提供有效的支持。

1.2關于狀態

涉及到的狀態問題，重點涵蓋著兩個不同的階段，首先是關于狀態的評估，其次是關于狀態的預測。狀態的評估重點是對不同的來源及類型的狀態信息做出合理的判斷，由此確定實際的運行狀態等級，根據具體的評估結果，分析出設備的故障識別問題和故障的定位問題等。對狀態進行預測的時候，應該重視設備的運行狀態作為主要的起點，結合著被預測的對象做出合理的分析，根據具體的監測數據加以判斷，明確結構的特性以及歷史記錄的情況等，將所有的關鍵要素展開科學的分析和判斷，針對于狀態的未來發展趨勢還需要做出科學的預測，這樣才能為后續相關策略的制定提供有效的參考。

1.3關于決策

檢修的決策是一個重要的問題，主要是將電力變壓器的實際運行狀態評估結果視為主要的參考依據，同時作為基本的信息支撐，結合著檢修的技術以及相應的資源等，明確約束條件的限制作用，構建起相對合理的目標函數，使其保證運行的可靠性以及經濟性的充分體現，對檢修的時間以及方式等項目，做出合理的判斷，借助于智能技術實現有效的推薦。

2人工智能驅動的數據分析技術的基本概述

人工智能是時代發展的產物，屬于一門運用至模擬、延伸及擴展人類智能的技術手段，主要的目標就是借助于機器實現人類的智能模擬，由此替代人類完成基本的識別、認知及分類等多種多樣的功能。在數據分析的基礎上，人工智能技術涵蓋著專家系統以及機器學習等多個方面[2]。

2.1專家系統

專家系統屬于人工智能較為典型的代表，其彰顯出的模擬功能極為明顯，主要是反映出專家的決策能力，最為核心的組成就是知識庫以及相應的推理機。知識庫重點是通過部分專家提供的知識和經驗組合而成，推理機則是借助于模擬的手段，將研究領域中的專家思維加以分析，實現對相關問題的合理控制與求解。專家系統有著不同的分類，依照其本身的功能和特性可以適當的區分出診斷型專家系統以及預測型專家系統等等。

2.2 不確定性推理

這種不確定性推理重點是指的確定性推理之外的其他推理問題，其中涵蓋著并不精準的知識推理過程以及并不完備的知識推理過程，關于模糊知識的推理以及非單調性推理等就是較為顯著的代表。這種推理的過程主要是將存在著不確定性的初始證據視為重要的基礎，根據這樣的知識展開詳細的推導過程，最終獲取的成果是不確定性的結果，同時也反映出合理與基本合理的思維產物。在不確定性推理中，知識以及相關的證據彰顯出程度不一的不確定性問題。這就使得推理機設計和實現的難度大大的增加，其主要是對推理方向的問題以及推理方法的問題等予以解決，同時也需要處理好不確定性表示及度量的關系等，其中涉及到的重要問題繁多，需要依照實際的問題做出科學的分析。

2.3機器學習

作為一種重要的輔助功能，其屬于現代人工智能的關鍵組成部分，機器學習就是借助于計算機的實際運用，使得人類的學習行為得以模擬，然后通過自主的功能，實現對學習行動的操作，獲取相應的知識以及技能等，逐步的優化系統本身的性能。機器學習的方式多種多樣，如傳統機器學習以及集成學習等等[3]。

2.4智能優化計算

這種計算重點是在遵循著自然規律的基礎上開展的計算工作，其主要的原理是模仿設計求解的問題算法，可以劃分出進化計算以及群智能計算兩種不同的類型。進化計算主要是將遺傳算法視為典型的代表，后者則是涵蓋著不同的類型，如粒子群優化算法以及蟻群優化算法等等。對比于傳統且經典的數學算法，這種計算方式體現出較為明顯的通用性以及穩定性等基本的特征，因此在具體應用的時候，無需建立起對應的數學模型或者是邏輯模型，甚至不需要借助于具體的知識支持，就可以通過輸入信息完成相應的處理，在處理非線性等較為復雜的問題時，這種算法的應用價值更加明顯，更適合運用至解決難以構建模型或者是傳統的計算方式無法處理的問題中。

3人工智能驅動的數據分析技術在電力變壓器狀態檢修中的應用

在電力系統實際運行的過程中，電力變壓器處于正常的工作中，其往往會受到多種因素的干擾，如熱應力以及電應力等，在多種因素的綜合作用下，其絕緣的性能會受到影響，甚至產生較為明顯的缺陷，從而引發一連串故障問題。在設備運行中，其狀態能夠發生明顯的變化，故障演變規律則會蘊藏至巡檢試驗以及帶電檢測中。在不同的電力信息化平臺中，電力變壓器運行狀態相關信息彰顯出不同的特征，如多源及異構等。多源性重點是表現為變壓器狀態數據的來源多種多樣，涵蓋著設備數據以及相應的監測數據等不同的方面。

3.1關于數據的應用

狀態檢測信息的數據成果可以對電力變壓器的實際運行狀態產生重要的影響，對于其基本的評估和預測模型準確度影響較為直接。因為受到現場環境的影響，傳感器的監測性能能夠受到較為直接的干擾，監測的信號在實際傳輸的時候，也能反映出較多的問題，如通信異常以及信道噪聲等各種各樣的情況，所以采集到的原始數據一般會含有對應的問題。數據清洗就是對獲取到的信息加以修復。在傳統的統計方法中，主要是對存在著異常情況的數據分析其準確性和實時性的情況，在信息相似度的原則上，對檢測數據流信息進行合理的集聚處理，這樣可以及時的判斷出異常點的存在，同時分析出缺失值的快速辨識情況。常常運用到的聚類算法包括著模糊C均值聚類法、DBSCAN聚類算法等。關于對數據異常的分析和判斷，所采用的技術除了引入多元時間序列進行合理的關聯分析外，還需要重視棧式降噪自編碼器清洗方式，這種方式可以及時的將自動重構的情況做出合理的判斷，同時對于噪聲點自動的修復，彌補缺失值，在對設備異常運行狀態進行辨識的過程中，實現對干擾數據的合理過濾[4]。

3.2關于文本的應用

電力變壓器的文本信息數量龐大，因此在進行管理的時候，需要重視一些細節性的問題。其中涉及到的文本信息包括長期運行中積累的試驗及巡檢記錄信息以及缺陷及故障報告信息等，設備健康信息對于狀態檢修工作彰顯出極為明顯的指導作用。在具體的工作實踐中，適當的引入自然語言處理技術，同時結合著電力領域相對專業的知識，構建起更為合理的自然語言處理框架，在此基礎之上，運用相對完善的變壓器缺陷文本挖掘模型，處理電力中文文本中反映出的句子成分，解決數字信息難以準確提取的問題，將缺陷的信息及時的運用至設備可靠性的統計分析工作中。分析傳統機器學習分類器反映出的諸多問題，電力設備故障在實際處理的時候，可以適當的引入長短期記憶神經網絡以及卷積神經網絡等深度學習的模型，將其視為文本分類器進行科學合理的訓練以及測試等，保證故障因果關系可以實現有效的處理，同時對相關的記錄缺失等級進行合理的判定，分類的準確度對比于傳統的機器學習模型而言呈現出明顯提升的趨勢。

3.3關于圖像識別的應用

在數碼攝像以及計算機視覺技術飛速發展的二十一世紀，智能化的手段被合理的運用至變壓器狀態檢修中，通過將多種技術合理的運用至變電站的運維巡查中，使得相應的檢測成果更加的顯著。人工巡檢以及智能巡檢手段的運用，可以彰顯出對應的運用成效，保證將設備圖像信息獲取的更加真實、可靠。結合著人工智能技術，可以完成電力變壓器非結構化圖像數據自動化分析目標，將其中涉及到的關鍵信息加以提取，對于相關設備的具體運行狀態等做出合理的判斷，保證運維管理的水平穩步的提升，同時彰顯出最為基礎的技術價值。在對相關的圖像信息進行分割處理的時候，應該重視傳統圖像識別技術的合理運用價值，重點是采用人工特征提取方式，將獲取到的數據信息及時的輸入到機器學習分類器中，從而實現有效的識別與管理[5]。因為上述提及到的方式彰顯出極為復雜的特征，所以在對相關特征進行選取的時候，還是反映出較大的難度，可見傳統的識別模型泛化能力無從保證。近些年，機器學習系統投入使用，其可以直接的運用至像素級原始數據的獲取中，通過自動化的逐層學習，使得自動特征的提取更加到位，關于復雜模型的構建也可通過相應的實踐得以實現。在與卷積神經網絡相互結合的過程中，實現網絡拓撲結構逐步的優化并適當的改進，對比于傳統的算法來說，這種新型的手段更能保證變壓器狀態檢測的成效，同時還能保證電力設備的圖像識別率穩步的提升。

4結語

通過本文的概述，明確了電力變壓器狀態檢修的發展需要，同時也在逐步總結了人工智能技術飛速發展的軌跡中，了解到其與電力變壓器檢修工作相互結合的意義。通過詳細的闡述人工智能技術的基本內容，結合變壓器狀態檢修不同階段的任務，闡述人工智能技術在不同場景中的應用，證實了人工智能技術的發展是時代的優秀產物，其與電力變壓器檢修工作的結合，讓相關的工作效率和質量穩步提升。

參考文獻

[1]劉云鵬，許自強，李剛，等.人工智能驅動的數據分析技術在電力變壓器狀態檢修中的應用綜述[J].高電壓技術，2019，45（2）：337-348.

[2]郭賢敏，張穎.大型變壓器綜合診斷技術在設備運行和檢修中的應用[J].城市建設理論研究（電子版），2017（5）：246.

[3]周茂，王謙，唐超，等.智能檢測裝置在電力變壓器內絕緣故障診斷中的應用分析[J].黑龍江科技信息，2014（29）：118.

[4]孟濤，陳強，劉飛，等.利用變壓器油中溶解氣體分析技術進行故障診斷的研究[J].電工電氣，2011（1）：1-4+37.

[5]貝前程，劉海英，張紹杰，等.基于改進傳統人工勢場法的機器人避障和路徑規劃研究[J/OL].齊魯工業大學學報，2019（6）：53-58.

收稿日期：2020-01-16

科技項目：一種基于人工智能設備運行情況分析提示儀（050000KK52190008-028）。

作者簡介：蔣羽鵬（1986—），男，云南昆明人，本科，中級工程師，研究方向：變電站設備運維。