曹博洋，任 妍，王文浩，孙慧君，陆 野，何永秀

(1.国网经济技术研究院有限公司，北京 昌平 102209；2.国网浙江省电力公司电力科学研究院，浙江 杭州 310014；3.华北电力大学，北京 昌平 102206)

随着数据收集技术与数据分析技术的快速发展，大数据技术在变电设备运维检修和故障诊断中广泛应用。文献[1]提出了基于大数据技术的变电设备状态多维感知及智能诊断系统。文献[2]搭建了变电站智能运维辅助决策大数据平台对变电设备故障预警模型进行可视化展现。

目前状态检修是应用最广泛的方法[3]，变压器故障诊断方法主要依靠三比值法[4]。数据缺失问题是导致利用三比值法对变压器进行故障诊断正确率不高(80%-90%)的主要原因。同时，三比值法是一种故障类型判断方法，无法起到对变压器故障的预警作用。近年来，随着人工智能技术的发展，将大数据技术与变压器的运维检修紧密结合是当下的流行趋势。基于此，有必要结合大数据技术，开展变压器油中溶解气体关键状态量动态预警计算，实现设备状态的动态预警和短期预测，逐步提升设备故障诊断水平。

利用缺失数据进行变压器的故障诊断，主要思路是对变压器的油色谱数据进行清洗，然后利用现有的模型，例如神经网络[5-7]、贝叶斯分类器[8]、支持向量机[9-11]等方法进行故障诊断。如文献[12]设计了3种状态监测数据复合行键结构,以提高状态监测数据行键查询的灵活性。文献[13]将缺失值视为异常值的一种用自回归移动平均模型进行数据拟合。……