基于ELM和迁移学习的电网设备多因素综合故障率分析方法

来源：计算机测量与控制杂志2023年第4期北京时间：

作者：陈丽惠,李哲,周键宇,马立熠,杨梓萌

摘要：电网设备的故障率分析是电网风险预警和运行评估的基础和关键，而电网设备多种故障因素与综合故障率的非线性权重关系的评估决定了故障率分析的准确度，为充分利用历史故障信息数据以准确评估多故障因素与综合故障率的权重关系，本文提出一种基于极限学习机（ELM）和迁移学习的电网设备多因素综合故障率分析方法。设计了多源历史故障信息统计体系，构建电网设备故障分析样本数据库；将自身、过载、恶劣天气等作为主要故障因素，通过机器学习ELM算法分析故障因素与综合故障率的权重关系，并利用多个强相关样本集的有效迁移提高机器学习的准确度，通过ELM结合迁移学习算法克服了电网设备综合故障率分析中样本数量少且统计周期长的难题，在充分利用历史故障信息的同时实现设备综合故障率的准确评估，为风险评估和检修安排提高可靠的数据支撑。最后通过实际电网运行数据验证了所提方法的可行性和准确性。

关键词：故障率;故障信息;极限学习机;多因素;迁移学习

基金资助：南方电网科技项目:调度智能告警信息数据分析(051200HA42210001)