我国电力需求持续增长，高压断路器是保障电力系统安全稳定的关键设备。传统维护成本高，难以开展预测性维护；现有健康评估与寿命预测依赖专家经验、数据来源单一，缺少对模型不确定性的考量。精准评估断路器健康、预测剩余寿命，对电力智能化管理意义重大。面向电力数字化需求，本文搭建云端协同的高压断路器健康管理系统。依靠机械特性采集装置采集设备关键状态数据，经通信模块上传至边缘与平台；边缘端完成安卓离线计算，平台依托物联网与云服务器实现设备管理、数据存储和模型训练，Web与APP向用户提供在线监测服务。健康状态评估是寿命预测基础。针对单源单特征评估的不足，提出多源数据融合健康指数模型。采用核主成分分析KPCA对多源特征降维，结合加权马氏距离WMD融合特征得到健康指数，依据退化速率识别退化起始点，划分正常与潜在故障状态。实验表明退化敏感性较传统单源方法提升27.4%，退化起始点识别提前7.4%，可以更早捕捉设备性能劣化，为预测性维护争取时间。针对传统模型难以量化预测不确定性，提出近似贝叶斯推断的剩余寿命预测方法，将MC‑Dropout与双向长短期记忆网络BiLSTM结合，输出概率形式的寿命预测结果与置信区间。该方法均方根误差83，平均绝对误差53，区间覆盖率95.44%。
作者： 孔秀婷
指导老师：陈科明
企业导师：曾佳
发布时间：2025年5月