基于Spark的高压断路器机械寿命预测评估

简介

电力系统中高压断路器普遍采用液压操动机构,其机械寿命是考核断路器可靠性和稳定性的基础,文中提出运用数据驱动方法建立退化过程与特征参量之间的数学映射关系,实现高压断路器液压操动机构的机械寿命预测。基于Hadoop+Spark大数据平台及其生态组件,将采集的数据存储在Hadoop分布式文件系统中,利用Spark运算框架处理数据,结合Spark ML机器学习库中的回归算法,训练模型并进行验证评估,从评估结果来看文中创建的广义线性回归算法模型的均方根误差为52.96,R-平方系数为0.92,预测值和实际值偏差较小,拟合效果较好,相较于其他回归算法模型性能指标最优。最后得到最优模型及其参数,据此可确定对高压断路器维护检修的最佳时刻,对于切实保护高压断路器设备的运行可靠性、安全性和经济性具有重要的意义。