徐元孚，李 平，李丛林，田 圳，王 瑶，袁中琛

（1.国网天津市电力公司，天津 300010；2.国家电网有限公司，北京 100031；3.国网天津市电力公司东丽供电分公司，天津 300010；4.国网天津电科院，天津 300010）

电力系统设备资产管理广泛应用于电网发输配用各个环节，以增加电网资产可靠性，优化设备维护的总体成本并降低与资产运营相关风险。为避免由设备维护、检修以及更换不当造成的电网运行故障，电网公司一直采用传统的计划检修及人工决策的方式对电网资产进行管理，从而忽略了电网资产健康状况评估与管理，方法相对保守与被动[1]。随着智能电网的发展，电网资产快速增长，相应的量测数据呈现急速增长[2]。随着互联网、数字技术和人工智能技术的出现和日趋成熟，无论是矿业、石油还是天然气，自来水或电力运营商，基于实时、历史数据及案例库专家知识，采用人工智能的方式，做出主动决策管理已成为未来公用事业资产管理的趋势[3-4]。数据驱动下的电力系统，基于对数据的转换、存储、多维度数据的聚合、学习及信息提取，为将被动的设备管理向智能化主动资产管理推进奠定了良好的基础[5]，而基于海量数据的历史数据库和专家库为开展面向全寿命周期的电网设备资产管理提供了可能性。

基于人工智能的预测与决策支持系统已经存在超过10年时间，但在实际电网企业资产管理中由于各种原因还未广泛普及。如：电网设备运行态势预测、预判、预控能力受限于大部分设备缺乏实时状态反馈；……