Page 119 - 电力设备电气自动化控制技术研究

第三章 新能源发电、配电、变电与储电装备的研发与设计

确定因素的探寻。驱动该阶段的关键技术包括数据预处理技术、云边架构技术、
数据更新和迭代技术、故障诊断与预测技术等。
数据预处理技术是运用机器学习等方法改进数据质量，从而提高数据挖掘的

准确率和效率，其包括数据清洗、数据规约、数据集成等。数据清洗的目的是将
数据中的重复信息删除、错误信息纠正，进而保证数据的一致性。常用的数据清
洗方法有分箱法、聚类法、回归法、拉依达准则法、稀疏编码法等。数据集成是
把不同来源、格式、特点的数据在逻辑上或物理上有机地集中起来，达到数据全

面共享的目的。数据集成的方法有联邦数据库系统、中间件模式、数据仓库技术
等。数据规约的目的是降低数据的规模，节省数据存储的成本，其包含维度规约
和数据规约两类，维度规约的方法有小波变换、主成分分析、特征集选择等，数
据规约方法包括回归分析、聚类分析、抽样分析等。云边架构技术是一种分布式

运算技术，通过合理地分配云计算跟边缘计算的任务，实现计算下沉，在输变电
设备全生命周期管理中可大大降低信息传输的延迟，提高任务响应的效率。其实
现模式包括训练 – 计算的云边协同、云导向的云边协同及边缘导向的云边协同，
实现的方法包括近似协同计算、博弈论等。数据的更新和迭代是对数据进行删除—

修改—再插入的过程，随着数据的不断更新与迭代，使得数据库不断丰富，进而
推动智能分析模型的准确率不断提升。实现的方法有单行数据插入、子查询结果
插入、DataAdapter 方法等。故障诊断与预测技术是利用各种检查和监测方法，
结合感知数据、实验数据等，查找输变电设备运行过程的故障状态，并基于人工

智能分析对其之后的运行状态进行预警的技术，基于该技术运行人员可提前掌握
输变电设备的运行趋势，从而可辅助运维人员做出检修决策。该技术的实现方法
包括卷积神经网络、递归神经网络、深度神经网络等。在智能分析阶段，除上述
关键技术外，还需要数据特征提取技术、算法优化技术、模拟追溯技术等的支持。
5. 共享智慧阶段

共享智慧阶段是输变电设备数字孪生构建的最后一步，该阶段通过云计算等
技术实现多层次、多维度信息的交换跟共享，使得输变电数字孪生体之间能够互
相感知与帮助，进而提高设备的运维可靠性。驱动该过程的技术包括人机交互技

术、云计算技术、服务迁移技术、服务封装技术等。
人机交互技术是通过计算机输入、输出设备如鼠标键盘等，实现人与计算机
之间交流对话的技术，在共享智慧阶段，基于该技术运行人员可根据计算机分析

·105·