摘? 要：狀態(tài)檢修是一項(xiàng)基礎(chǔ)性的工作，其對于維護(hù)電力變壓器的穩(wěn)定運(yùn)行有著極大的幫助，同時還能確保優(yōu)質(zhì)電力的正常供應(yīng)。在智能時代的影響下，智能電網(wǎng)的建設(shè)逐步的推進(jìn)，其中涵蓋著多項(xiàng)工作內(nèi)容，如狀態(tài)檢測、生產(chǎn)管理等，基本的工作內(nèi)容呈現(xiàn)出種類繁多、增長迅速、體量龐大等特征。在電力大數(shù)據(jù)時代，需要積極的關(guān)注人工智能技術(shù)的合理運(yùn)用，通過將其與電力變壓器的狀態(tài)檢修工作相互結(jié)合，分析其基本的應(yīng)用實(shí)踐成果。

關(guān)鍵詞：人工智能;數(shù)據(jù)分析;電力變壓器;狀態(tài)檢修

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

電力變壓器屬于電力系統(tǒng)中非常重要的組成部分，屬于樞紐設(shè)備，其具體的運(yùn)行狀態(tài)對電力的供應(yīng)以及社會生活的正常運(yùn)行起到了直接的影響。對比于傳統(tǒng)計劃檢修模式來說，電力變壓器狀態(tài)檢修更具針對性，其主要是對設(shè)備的狀態(tài)進(jìn)行評估的手段，依托于預(yù)測狀態(tài)的發(fā)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(shè)備的可靠性穩(wěn)步的提升，同時還能適當(dāng)?shù)囊?guī)避檢修不足以及過度的問題[1]。

1電力變壓器狀態(tài)檢修的階段性任務(wù)

1.1關(guān)于數(shù)據(jù)

在電力變壓器的狀態(tài)檢修中，應(yīng)該重視的是關(guān)于數(shù)據(jù)的處理和分析，同時還應(yīng)該重視采集過程。數(shù)據(jù)的采集一般是借助于停電試驗(yàn)以及不停電檢測等途徑完成對電力變壓器運(yùn)行狀態(tài)參數(shù)的合理獲取，采集數(shù)據(jù)信息的階段，應(yīng)該重視數(shù)據(jù)的真實(shí)性和可靠性，以免出現(xiàn)失真的問題。數(shù)據(jù)的處理則主要是對原始采集的數(shù)據(jù)進(jìn)行合理的清洗或者是修復(fù)，通過將其中涉及到的關(guān)鍵信息加以提取，保證給后續(xù)的評估和預(yù)測工作等提供有效的參考，關(guān)于數(shù)據(jù)信息的利用提供有效的支持。

1.2關(guān)于狀態(tài)

涉及到的狀態(tài)問題，重點(diǎn)涵蓋著兩個不同的階段，首先是關(guān)于狀態(tài)的評估，其次是關(guān)于狀態(tài)的預(yù)測。狀態(tài)的評估重點(diǎn)是對不同的來源及類型的狀態(tài)信息做出合理的判斷，由此確定實(shí)際的運(yùn)行狀態(tài)等級，根據(jù)具體的評估結(jié)果，分析出設(shè)備的故障識別問題和故障的定位問題等。對狀態(tài)進(jìn)行預(yù)測的時候，應(yīng)該重視設(shè)備的運(yùn)行狀態(tài)作為主要的起點(diǎn)，結(jié)合著被預(yù)測的對象做出合理的分析，根據(jù)具體的監(jiān)測數(shù)據(jù)加以判斷，明確結(jié)構(gòu)的特性以及歷史記錄的情況等，將所有的關(guān)鍵要素展開科學(xué)的分析和判斷，針對于狀態(tài)的未來發(fā)展趨勢還需要做出科學(xué)的預(yù)測，這樣才能為后續(xù)相關(guān)策略的制定提供有效的參考。

1.3關(guān)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(shí)際運(yùn)行狀態(tài)評估結(jié)果視為主要的參考依據(jù)，同時作為基本的信息支撐，結(jié)合著檢修的技術(shù)以及相應(yīng)的資源等，明確約束條件的限制作用，構(gòu)建起相對合理的目標(biāo)函數(shù)，使其保證運(yùn)行的可靠性以及經(jīng)濟(jì)性的充分體現(xiàn)，對檢修的時間以及方式等項(xiàng)目，做出合理的判斷，借助于智能技術(shù)實(shí)現(xiàn)有效的推薦。

2人工智能驅(qū)動的數(shù)據(jù)分析技術(shù)的基本概述

人工智能是時代發(fā)展的產(chǎn)物，屬于一門運(yùn)用至模擬、延伸及擴(kuò)展人類智能的技術(shù)手段，主要的目標(biāo)就是借助于機(jī)器實(shí)現(xiàn)人類的智能模擬，由此替代人類完成基本的識別、認(rèn)知及分類等多種多樣的功能。在數(shù)據(jù)分析的基礎(chǔ)上，人工智能技術(shù)涵蓋著專家系統(tǒng)以及機(jī)器學(xué)習(xí)等多個方面[2]。

2.1專家系統(tǒng)

專家系統(tǒng)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(yīng)的推理機(jī)。知識庫重點(diǎn)是通過部分專家提供的知識和經(jīng)驗(yàn)組合而成，推理機(jī)則是借助于模擬的手段，將研究領(lǐng)域中的專家思維加以分析，實(shí)現(xiàn)對相關(guān)問題的合理控制與求解。專家系統(tǒng)有著不同的分類，依照其本身的功能和特性可以適當(dāng)?shù)膮^(qū)分出診斷型專家系統(tǒng)以及預(yù)測型專家系統(tǒng)等等。

2.2 不確定性推理

這種不確定性推理重點(diǎn)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(zhǔn)的知識推理過程以及并不完備的知識推理過程，關(guān)于模糊知識的推理以及非單調(diào)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(jù)視為重要的基礎(chǔ)，根據(jù)這樣的知識展開詳細(xì)的推導(dǎo)過程，最終獲取的成果是不確定性的結(jié)果，同時也反映出合理與基本合理的思維產(chǎn)物。在不確定性推理中，知識以及相關(guān)的證據(jù)彰顯出程度不一的不確定性問題。這就使得推理機(jī)設(shè)計和實(shí)現(xiàn)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(guān)系等，其中涉及到的重要問題繁多，需要依照實(shí)際的問題做出科學(xué)的分析。

2.3機(jī)器學(xué)習(xí)

作為一種重要的輔助功能，其屬于現(xiàn)代人工智能的關(guān)鍵組成部分，機(jī)器學(xué)習(xí)就是借助于計算機(jī)的實(shí)際運(yùn)用，使得人類的學(xué)習(xí)行為得以模擬，然后通過自主的功能，實(shí)現(xiàn)對學(xué)習(xí)行動的操作，獲取相應(yīng)的知識以及技能等，逐步的優(yōu)化系統(tǒng)本身的性能。機(jī)器學(xué)習(xí)的方式多種多樣，如傳統(tǒng)機(jī)器學(xué)習(xí)以及集成學(xué)習(xí)等等[3]。

2.4智能優(yōu)化計算

這種計算重點(diǎn)是在遵循著自然規(guī)律的基礎(chǔ)上開展的計算工作，其主要的原理是模仿設(shè)計求解的問題算法，可以劃分出進(jìn)化計算以及群智能計算兩種不同的類型。進(jìn)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(yōu)化算法以及蟻群優(yōu)化算法等等。對比于傳統(tǒng)且經(jīng)典的數(shù)學(xué)算法，這種計算方式體現(xiàn)出較為明顯的通用性以及穩(wěn)定性等基本的特征，因此在具體應(yīng)用的時候，無需建立起對應(yīng)的數(shù)學(xué)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(yīng)的處理，在處理非線性等較為復(fù)雜的問題時，這種算法的應(yīng)用價值更加明顯，更適合運(yùn)用至解決難以構(gòu)建模型或者是傳統(tǒng)的計算方式無法處理的問題中。

3人工智能驅(qū)動的數(shù)據(jù)分析技術(shù)在電力變壓器狀態(tài)檢修中的應(yīng)用

在電力系統(tǒng)實(shí)際運(yùn)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(yīng)力以及電應(yīng)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(chǎn)生較為明顯的缺陷，從而引發(fā)一連串故障問題。在設(shè)備運(yùn)行中，其狀態(tài)能夠發(fā)生明顯的變化，故障演變規(guī)律則會蘊(yùn)藏至巡檢試驗(yàn)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(yùn)行狀態(tài)相關(guān)信息彰顯出不同的特征，如多源及異構(gòu)等。多源性重點(diǎn)是表現(xiàn)為變壓器狀態(tài)數(shù)據(jù)的來源多種多樣，涵蓋著設(shè)備數(shù)據(jù)以及相應(yīng)的監(jiān)測數(shù)據(jù)等不同的方面。

3.1關(guān)于數(shù)據(jù)的應(yīng)用

狀態(tài)檢測信息的數(shù)據(jù)成果可以對電力變壓器的實(shí)際運(yùn)行狀態(tài)產(chǎn)生重要的影響，對于其基本的評估和預(yù)測模型準(zhǔn)確度影響較為直接。因?yàn)槭艿浆F(xiàn)場環(huán)境的影響，傳感器的監(jiān)測性能能夠受到較為直接的干擾，監(jiān)測的信號在實(shí)際傳輸?shù)臅r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(shù)據(jù)一般會含有對應(yīng)的問題。數(shù)據(jù)清洗就是對獲取到的信息加以修復(fù)。在傳統(tǒng)的統(tǒng)計方法中，主要是對存在著異常情況的數(shù)據(jù)分析其準(zhǔn)確性和實(shí)時性的情況，在信息相似度的原則上，對檢測數(shù)據(jù)流信息進(jìn)行合理的集聚處理，這樣可以及時的判斷出異常點(diǎn)的存在，同時分析出缺失值的快速辨識情況。常常運(yùn)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(guān)于對數(shù)據(jù)異常的分析和判斷，所采用的技術(shù)除了引入多元時間序列進(jìn)行合理的關(guān)聯(lián)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(gòu)的情況做出合理的判斷，同時對于噪聲點(diǎn)自動的修復(fù)，彌補(bǔ)缺失值，在對設(shè)備異常運(yùn)行狀態(tài)進(jìn)行辨識的過程中，實(shí)現(xiàn)對干擾數(shù)據(jù)的合理過濾[4]。

3.2關(guān)于文本的應(yīng)用

電力變壓器的文本信息數(shù)量龐大，因此在進(jìn)行管理的時候，需要重視一些細(xì)節(jié)性的問題。其中涉及到的文本信息包括長期運(yùn)行中積累的試驗(yàn)及巡檢記錄信息以及缺陷及故障報告信息等，設(shè)備健康信息對于狀態(tài)檢修工作彰顯出極為明顯的指導(dǎo)作用。在具體的工作實(shí)踐中，適當(dāng)?shù)囊胱匀徽Z言處理技術(shù)，同時結(jié)合著電力領(lǐng)域相對專業(yè)的知識，構(gòu)建起更為合理的自然語言處理框架，在此基礎(chǔ)之上，運(yùn)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(shù)字信息難以準(zhǔn)確提取的問題，將缺陷的信息及時的運(yùn)用至設(shè)備可靠性的統(tǒng)計分析工作中。分析傳統(tǒng)機(jī)器學(xué)習(xí)分類器反映出的諸多問題，電力設(shè)備故障在實(shí)際處理的時候，可以適當(dāng)?shù)囊腴L短期記憶神經(jīng)網(wǎng)絡(luò)以及卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)的模型，將其視為文本分類器進(jìn)行科學(xué)合理的訓(xùn)練以及測試等，保證故障因果關(guān)系可以實(shí)現(xiàn)有效的處理，同時對相關(guān)的記錄缺失等級進(jìn)行合理的判定，分類的準(zhǔn)確度對比于傳統(tǒng)的機(jī)器學(xué)習(xí)模型而言呈現(xiàn)出明顯提升的趨勢。

3.3關(guān)于圖像識別的應(yīng)用

在數(shù)碼攝像以及計算機(jī)視覺技術(shù)飛速發(fā)展的二十一世紀(jì)，智能化的手段被合理的運(yùn)用至變壓器狀態(tài)檢修中，通過將多種技術(shù)合理的運(yùn)用至變電站的運(yùn)維巡查中，使得相應(yīng)的檢測成果更加的顯著。人工巡檢以及智能巡檢手段的運(yùn)用，可以彰顯出對應(yīng)的運(yùn)用成效，保證將設(shè)備圖像信息獲取的更加真實(shí)、可靠。結(jié)合著人工智能技術(shù)，可以完成電力變壓器非結(jié)構(gòu)化圖像數(shù)據(jù)自動化分析目標(biāo)，將其中涉及到的關(guān)鍵信息加以提取，對于相關(guān)設(shè)備的具體運(yùn)行狀態(tài)等做出合理的判斷，保證運(yùn)維管理的水平穩(wěn)步的提升，同時彰顯出最為基礎(chǔ)的技術(shù)價值。在對相關(guān)的圖像信息進(jìn)行分割處理的時候，應(yīng)該重視傳統(tǒng)圖像識別技術(shù)的合理運(yùn)用價值，重點(diǎn)是采用人工特征提取方式，將獲取到的數(shù)據(jù)信息及時的輸入到機(jī)器學(xué)習(xí)分類器中，從而實(shí)現(xiàn)有效的識別與管理[5]。因?yàn)樯鲜鎏峒暗降姆绞秸蔑@出極為復(fù)雜的特征，所以在對相關(guān)特征進(jìn)行選取的時候，還是反映出較大的難度，可見傳統(tǒng)的識別模型泛化能力無從保證。近些年，機(jī)器學(xué)習(xí)系統(tǒng)投入使用，其可以直接的運(yùn)用至像素級原始數(shù)據(jù)的獲取中，通過自動化的逐層學(xué)習(xí)，使得自動特征的提取更加到位，關(guān)于復(fù)雜模型的構(gòu)建也可通過相應(yīng)的實(shí)踐得以實(shí)現(xiàn)。在與卷積神經(jīng)網(wǎng)絡(luò)相互結(jié)合的過程中，實(shí)現(xiàn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)逐步的優(yōu)化并適當(dāng)?shù)母倪M(jìn)，對比于傳統(tǒng)的算法來說，這種新型的手段更能保證變壓器狀態(tài)檢測的成效，同時還能保證電力設(shè)備的圖像識別率穩(wěn)步的提升。

4結(jié)語

通過本文的概述，明確了電力變壓器狀態(tài)檢修的發(fā)展需要，同時也在逐步總結(jié)了人工智能技術(shù)飛速發(fā)展的軌跡中，了解到其與電力變壓器檢修工作相互結(jié)合的意義。通過詳細(xì)的闡述人工智能技術(shù)的基本內(nèi)容，結(jié)合變壓器狀態(tài)檢修不同階段的任務(wù)，闡述人工智能技術(shù)在不同場景中的應(yīng)用，證實(shí)了人工智能技術(shù)的發(fā)展是時代的優(yōu)秀產(chǎn)物，其與電力變壓器檢修工作的結(jié)合，讓相關(guān)的工作效率和質(zhì)量穩(wěn)步提升。

參考文獻(xiàn)

[1]劉云鵬，許自強(qiáng)，李剛，等.人工智能驅(qū)動的數(shù)據(jù)分析技術(shù)在電力變壓器狀態(tài)檢修中的應(yīng)用綜述[J].高電壓技術(shù)，2019，45（2）：337-348.

[2]郭賢敏，張穎.大型變壓器綜合診斷技術(shù)在設(shè)備運(yùn)行和檢修中的應(yīng)用[J].城市建設(shè)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(nèi)絕緣故障診斷中的應(yīng)用分析[J].黑龍江科技信息，2014（29）：118.

[4]孟濤，陳強(qiáng)，劉飛，等.利用變壓器油中溶解氣體分析技術(shù)進(jìn)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(jìn)傳統(tǒng)人工勢場法的機(jī)器人避障和路徑規(guī)劃研究[J/OL].齊魯工業(yè)大學(xué)學(xué)報，2019（6）：53-58.

收稿日期：2020-01-16

科技項(xiàng)目：一種基于人工智能設(shè)備運(yùn)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(shè)備運(yùn)維。