贝叶斯网络的换流站全业务数据主特征映射

赖皓; 李靖翔; 石延辉; 江志波

沈阳工业大学学报 ›› 2026, Vol. 48 ›› Issue (5) : 9 -16.

贝叶斯网络的换流站全业务数据主特征映射

赖皓, 李靖翔, 石延辉, 江志波

作者信息 +

Author information +

文章历史 +

摘要

【目的】换流站作为直流输电系统与交流输电系统之间的关键接口，其运行稳定性直接关系到电网的安全性与供电可靠性。然而，换流阀、变压器及平波电抗器等关键设备在长期高负荷运行条件下，易因材料老化、机械磨损、电气绝缘性能退化及局部过热等问题发生故障，不仅导致设备性能下降，还可能诱发系统性故障，进而影响电力系统的安全稳定运行。因此，如何实现换流站运行状态的有效监测、设备性能的准确评估及故障的早期预测，已成为当前电力系统运维领域的重要研究方向。针对上述问题，提出一种基于贝叶斯网络的换流站全业务数据主特征映射方法。【方法】首先，采用粗糙集理论对换流站海量业务数据进行预处理，通过计算属性间的依赖度及重要度，识别对设备运行状态及性能评估具有显著影响的条件属性集合，从而降低数据维度，减少冗余信息对后续分析的干扰。其次，依据条件属性与决策属性之间的逻辑关系，对属性集合进行了进一步约简，以确保保留的属性能够准确反映设备状态变化特征。在此基础上，构建贝叶斯网络模型，利用其处理不确定性问题的能力，对属性约简后的全业务数据进行特征提取，并建立特征间的概率依赖关系，为设备状态评估与故障预测提供模型支撑。最后，引入自组织特征映射神经网络，通过神经元竞争学习机制不断调整连接权值及学习因子，实现输入数据特征的自适应聚类，构建业务主特征映射网络。该方法在实现高维数据降维的同时，能够有效保留数据的主要特征信息，从而提高特征提取的准确性与效率。【结果】结果表明，本文方法能够有效提取换流站复杂业务数据中的关键特征，且映射结果的漏映射率与错映射率均保持在较低水平，验证了该方法的有效性与可靠性。【结论】本文方法可为换流站设备状态监测与故障预警提供技术支撑，同时为电力系统智能化运维管理提供新的实现途径。该方法不仅提升了换流站运维管理的智能化水平，也为复杂工业系统的数据分析与特征提取提供了参考。