耿苏杰，王秀利

(南京理工大学 经济管理学院，江苏 南京 210094)

0 引言

受各种不确定因素和突发事件的影响，电力设备的全景运行状态呈现多态性和不确定性，威胁着电力系统的安全和稳定运行。随着信息检测和存储技术的发展，电网系统中积累了大量的数据资源描述电力设备在运行中的特征指标变化和历史故障信息，如何从这些具有不同时效性的多维数据中抽取出有用的关联知识，实现电力设备在运行过程中的故障诊断和状态评估，具有十分重要的理论研究和工程应用价值[1-3]。

目前，数据知识在故障诊断和状态评估研究中的应用可分为两类：

(1)从历史运行数据中提取故障或状态转化的规律知识，并概括描述为服从某种概率分布，实现对设备故障或剩余寿命的预测。Caballé等[4]采用泊松分布描述系统的内部退化过程；Song等[5]在可靠性建模的过程中采用正态分布函数模拟故障的劣化过程；文献[6-7]基于逆高斯分布函数预测电池的剩余寿命，该方法适用于简单设备和单元部件的故障诊断和状态评估。但电力设备是由多部件构成的复杂系统，受外部环境和运行工况的影响，单一的概率分布函数难以准确描述其全景运行状态的转化过程。

(2)从数据资源中抽取故障与指标间的关联知识，构建设备运行状态的定量评估模型。文献[8-10]采用关联规则技术建立了电力变压器运行状态的评估指标体系，结合不同的权重计算方式分别构建线性评估模型，从设备的实际运行数据中量化其所处的状态等级，具有一定的实用性和有效性。……