✦案例背景✦

✦服务内容✦

佰聆数据以某电网企业检修分公司为服务对象，以设备大数据分析为基础，开展了设备缺陷数据特征分析、缺陷预测模型构建、缺陷特征标签设计、设备管控策略设计以及缺陷预测管理系统建设等工作，实现了变压器缺陷管理业务在指标分析、监测预警、特征分析、问题定位、规律总结、策略优化、业务改进等环节的闭环管控，解决了传统的缺陷管理问题，提升了业务管控水平。

依托佰聆数据自主研发的大数据深度探索分析工具——聆析，从设备投运年限、地区、缺陷类型、缺陷原因、电压等级、环境特征（污区等级、温度）、并发性等维度开展变压器缺陷数据分析挖掘，发现主变的设备类型、电压等级、投运年限、气温等9个因素是影响缺陷类型的关键因素，且缺陷类型之间存在并发关系，为预测模型构建打好了基础。

鉴于变压器缺陷类型受到投运年限、电压等级、气温等级等多种因素的影响，因此选择能充分考虑多种影响因素的多元线性回归模型；另外，考虑到缺陷类型之间存在并发关系，故而选择FP_Grown关联算法；同时，为了提高预测模型的准确性和适用性，需将多元线性回归与FP_Growth关联算法结合。本案例对已发生过缺陷的设备，依据缺陷的影响因素建立多元回归缺陷预测；依据历史缺陷间发生的时间间隔判断缺陷之间的相关性，建立FP_Grown缺陷预测，并采用组合、加权求和形成缺陷预测模型，最终预测出变压器缺陷类型及其发生概率。

本案例从设备基础属性、设备监测分析、设备缺陷分布特征、设备缺陷预测四个方面出发，建立设备缺陷标签体系，形成变压器缺陷画像；一级标签分为属性特征、技术特征、缺陷水平、缺陷趋势、缺陷特征等七大类，二级标签分为30个子类，三级标签共125类。

本案例基于变压器缺陷标签体系，结合设备缺陷管理业务，设计基于缺陷标签的差异化管控策略，包括管控等级、作业内容、作业优先级、作业周期等；与此同时，开发缺陷监测分析、设备缺陷预测、设备缺陷全景画像、设备管理策略等功能，实现变压器缺陷精益化、预测性管控。

*变压器标签体系

✦服务成效✦

本案例搭建了变压器缺陷预测模型及应用，辅助设备监测评价人员能够及时获取预警信息和发布管控策略，支撑设备运维人员开展精细化、预测性的设备管控，提前发现变压器状态异常，在某现场应用以来，累计识别出设备异常189次，识别率提升了23.5%，提供设备辅助管控策略121次，有效提升了现场异常处置作业效率。

通过构建变压器缺陷管理业务在指标分析、监测预警、特征分析、问题定位、规律总结、策略优化、业务改进等环节的闭环管控体系，辅助设备管理人员提前预警设备缺陷、总结缺陷原因、定位管控策略，有效提升了电网的安全稳定运行水平。