基于知识引导Raindrop学习的变压器健康评估方法

作     者：李丰胜 王金丽 尚宇炜 周莉梅 LI Fengsheng;WANG Jinli;SHANG Yuwei;ZHOU Limei

作者机构：中国电力科学研究院有限公司北京市海淀区100192 

出 版 物：《电网技术》 (Power System Technology)

年 卷 期：2025年第49卷第1期

页      面：399-407,I0119页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：中国科协青年人才托举工程项目(2022QNRC001) 北京市科技新星计划项目(20220484087) 

主　　题：变压器 健康评估 Raindrop 知识引导 不规则数据 

摘      要：变压器健康状态评估是提高供电可靠性的重要前提,也是实现设备精益化运维管控基础任务之一。现有方法实现变压器健康状态精准评估的前提是获得完备、有效的特征参量集。然而,由于实际中特征参量采样间隔不固定、部分参量采集错误或传输丢失等问题,实际数据的不规则性显著降低了现有方法健康评估的精准度。为此,首次在本领域探索应用高性能处理非完备、不规则数据集的Raindrop学习算法,并在模型训练过程中引入形式化表达的领域知识规则,从而增强样本空间有效信息、引导学习器趋优训练。最后,基于实际获取的110kV变压器数据开展多场景下的健康评估,结果表明所提方法在各场景下均优于基线学习方法,能够更好地适应实际电力设备的健康评估需求。