AI驱动的主配变智能监测与预警技术及系统

重庆大学任洲洋教授团队研发了AI驱动的主配变智能监测与预警技术及系统，针对新能源接入导致的主配变重过载问题，提出了基于数据密集型科研范式的研究方案。系统主要包含三个核心功能：主配变负载数据管理、主配变重过载管控、主配变负载预测，实现变压器重过载事件“监测-预警-治理-评价”全过程管控。

研发背景
主配变重过载问题已成为电力运维的关键痛点，严重制约可靠供电。随着新能源、充电桩等新型负荷接入，主配变重过载事件频发，导致设备损毁和停电，社会影响较大。现有预警模型缺乏动态自适应调整能力，难以应对度夏度冬期间显著的时序分布漂移现象，且忽略了不同工况下变压器动态载荷能力的差异性，导致虚警、漏警频发。

研究思路

1. 考虑时序分布漂移现象的主配变预警模型：

   • 采用多头概率稀疏自注意力机制和Informer模型，结合高斯过程修正模型，提升预测精度。
   • 算例分析表明，该方法在迎峰度夏度冬期间对变压器重过载的预警结果优于传统方法，有效降低虚警次数。

2. 小样本数据驱动的主配变预警模型：

   • 利用N-BEATS模型和小样本数据增强方法，量化春节等特殊事件对负荷波动特性的影响。
   • 算例分析表明，该方法在春节等特殊时期显著提高了预测精度。

3. 考虑热老化的变压器动态载荷能力评估方法：

   • 构建考虑冷却模式变化的变压器热点温度计算模型，评估变压器热老化状态。
   • 算例结果表明，该方法能够精准量化变压器的差异化动态载荷能力，提高预警精度。

系统功能

• 主配变负载数据管理：展示设备台账、运行状态、负载状态、油温等数据，并提供搜索、排序、导出等功能。
• 主配变重过载管控：包含管控措施审批、编制和查询功能，以及管控措施评价和统计功能。
• 主配变负载预测：展示各主配变的负载预测结果，支持1小时、2小时、日、周、月、年六个时间尺度的预测。

应用案例与用户反馈
系统已应用于20余省市电网，有效提升了主配变重过载事件的预警和管控水平，获得了用户的高度认可。