摘要：【目的】为了提升变电设备运维管理的智能化水平,及时发现并预防因设备过热导致的故障风险,保障电网安全稳定运行,提出了变电设备温度态势感知及辅助决策方案。【方法】从感知层、理解层、预测层和辅助决策层4个方面展开研究。在感知层,利用K近邻(K-nearest neighbor,KNN)分类算法分析多类温度数据的关联性。在理解层,通过BP神经网络构建历史数据传递模型,以处理历史数据缺失问题。在预测层,为应对非线性数据和噪声,设计了自回归积分滑动平均(autoregressive integrated moving average,ARIMA)模型与支持向量机(support vector machine,SVM)组合的温度预测模型。在辅助决策层,应用灰色关联度分析设备温度变化与故障风险之间的关系。【结果】基于所提方案的算例验证结果表明,该方案实现了对设备未来温度变化趋势的有效感知,并为设备缺陷判断提供了依据。【结论】所提方案通过多维度、深层次的温度数据分析,揭示了设备温度与故障风险之间潜在的关联关系,实现了对变电设备运行趋势的预判,为变电设备运行方式优化以及制定设备检修计划提供参考。