基于深度学习的电网一次设备风险智能评估方法

作者：黄军凯; 张迅; 赵超; 刘君; 范强; 丁江桥

来源：电力大数据, 2021, 24(07): 17-23.

DOI：10.19317/j.cnki.1008-083x.2021.07.003

• 深度学习
• 电网
• 设备
• 风险
• 智能评估
• 缺陷诊断

电网一次设备历史缺陷信息同类型区分表象混乱,导致风险评估指标ROC偏离比过高,因此,研究基于深度学习的电网一次设备风险智能评估方法。根据设备风险影响因素的特点和变化情况,基于深度学习,收集电网一次设备历史缺陷信息,并按照类别、类型、表象合理区分同类型的缺陷信息,分析状态构成权重的劣化程度,扣除电网一次设备的运行状态量,提取设备风险评估关联特征,构建电网一次设备风险深度学习评估模型,利用分解完成的趋势循环项和电网一次设备的风险趋势项,完成电网一次设备的风险智能评估。实例测试结果表明:该方法的风险评估指标ROC偏离比整体低于0.4,对设备风险评估关联特征的提取效果较好且评估稳定,其电网一次设备风险智能评估效果得到多方面的保证。

• 单位
  贵州电网有限责任公司