基于人工智能的继电保护状态评价和隐性故障检测技术

需求背景

随着智能站网络化和就地化的继电保护装置技术的不断发展，继电保护产生的相关数据来源广泛、结构各异、体量巨大，迫切需要快速高效的数据处理方法对数据进行融合与掌控，为后续的继电保护设备的状态评价、建模等提供支撑。

需解决的主要技术难题

1.继电保护装置评价停留在层次分析法、专家打分、状态量权重模型等方式，其评价模型依赖于专家经验，不适应多维度设备数据分析和现代电网运行的要求。

2.电网设备故障分析以传统报表统计与人工分析为主，难以挖掘其内在关联关系。

3.针对家族性缺陷的认定主要通过专业人员通过对设备进行试验、解体分析，周期较长。

期望实现的主要技术目标

1.基于多维度继电保护运行状态设备数据的并行采集与处理技术：采用融合式状态监视数据应用架构，数据采集实时处理

2.基于深度学习技术的继电保护状态评价和设备隐患预警技术：各环节指标体系覆盖率：100%；状态评价模式：实时

3.基于关联数据挖掘的继电保护暂态动作过程可靠性评价和继电保护反措技术：（1）隐性故障发现方式：实时故障预警；（2）隐性故障装置覆盖率：92.66%，2年后达到95%；（3）单次故障平均分析装置台数：150台；（4）单次故障平均分析时间：5分钟；

4.基于人工智能的继电保护家族性缺陷辨识、精准技改技术：（1）缺陷认定周期：分钟级；（2）缺陷认定方式：自动。